Beruflich Dokumente
Kultur Dokumente
C O U R S D E M AT H M AT I Q U E S
PREMIRE ANNE
Exo7
la dcouverte de lalgbre
La premire anne dtudes suprieures pose les bases des mathmatiques. Pourquoi se lancer dans une
telle expdition ? Dj parce que les mathmatiques vous offriront un langage unique pour accder une
multitude de domaines scientifiques. Mais aussi parce quil sagit dun domaine passionnant ! Nous vous
proposons de partir la dcouverte des maths, de leur logique et de leur beaut.
Dans vos bagages, des objets que vous connaissez dj : les entiers, les fonctions... Ces notions en apparence
simples et intuitives seront abordes ici avec un souci de rigueur, en adoptant un langage prcis et en
prsentant les preuves. Vous dcouvrirez ensuite de nouvelles thories (les espaces vectoriels, les quations
diffrentielles,...).
Ce tome est consacr lalgbre et se divise en deux parties. La premire partie dbute par la logique
et les ensembles, qui sont des fondamentaux en mathmatiques. Ensuite vous tudierez des ensembles
particuliers : les nombres complexes, les entiers ainsi que les polynmes. Cette partie se termine par ltude
dune premire structure algbrique, avec la notion de groupe.
La seconde partie est entirement consacre lalgbre linaire. Cest un domaine totalement nouveau pour
vous et trs riche, qui recouvre la notion de matrice et despace vectoriel. Ces concepts, la fois profonds et
utiles, demandent du temps et du travail pour tre bien compris.
Les efforts que vous devrez fournir sont importants : tout dabord comprendre le cours, ensuite connatre
par cur les dfinitions, les thormes, les propositions... sans oublier de travailler les exemples et les
dmonstrations, qui permettent de bien assimiler les notions nouvelles et les mcanismes de raisonnement.
Enfin, vous devrez passer autant de temps pratiquer les mathmatiques : il est indispensable de rsoudre
activement par vous-mme des exercices, sans regarder les solutions. Pour vous aider, vous trouverez sur le
site Exo7 toutes les vidos correspondant ce cours, ainsi que des exercices corrigs.
Au bout du chemin, le plaisir de dcouvrir de nouveaux univers, de chercher rsoudre des problmes... et
dy parvenir. Bonne route !
Sommaire
Logique et raisonnements
Logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ensembles et applications
11
Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
17
Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
Relation dquivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
Nombres complexes
31
31
36
Argument et trigonomtrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
42
Arithmtique
45
45
Thorme de Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
Nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
Congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
Polynmes
59
Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
61
65
Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
Groupes
71
Groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
Le groupe Z/nZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
82
Systmes linaires
1
Introduction aux systmes dquations linaires . . . . . . . . . . . . . . . . . . . . . . . . . .
2
Thorie des systmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
Rsolution par la mthode du pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . .
Matrices
1
Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
Multiplication de matrices . . . . . . . . . . . . . . . . . . . . . . . . .
3
Inverse dune matrice : dfinition . . . . . . . . . . . . . . . . . . . . .
4
Inverse dune matrice : calcul . . . . . . . . . . . . . . . . . . . . . . .
5
Inverse dune matrice : systmes linaires et matrices lmentaires
6
Matrices triangulaires, transposition, trace, matrices symtriques .
87
87
91
93
.
.
.
.
.
.
99
99
101
106
108
110
117
Lespace vectoriel Rn
1
Vecteurs de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
Exemples dapplications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
Proprits des applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
123
123
126
132
10
Espaces vectoriels
1
Espace vectoriel (dbut) . . .
2
Espace vectoriel (fin) . . . . .
3
Sous-espace vectoriel (dbut)
4
Sous-espace vectoriel (milieu)
5
Sous-espace vectoriel (fin) . .
6
Application linaire (dbut) .
7
Application linaire (milieu) .
8
Application linaire (fin) . . .
.
.
.
.
.
.
.
.
137
137
140
144
147
150
156
158
161
.
.
.
.
.
167
167
171
173
178
182
11
12
13
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Dimension finie
1
Famille libre . . . . . . . . . . . . . . . .
2
Famille gnratrice . . . . . . . . . . . .
3
Base . . . . . . . . . . . . . . . . . . . . .
4
Dimension dun espace vectoriel . . .
5
Dimension des sous-espaces vectoriels
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
187
187
192
198
204
Dterminants
1
Dterminant en dimension 2 et 3
2
Dfinition du dterminant . . . .
3
Proprits du dterminant . . . .
4
Calculs de dterminants . . . . .
5
Applications des dterminants . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
211
211
215
220
224
229
Index
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Chapitre
Logique et
raisonnements
Quelques motivations
Il est important davoir un langage rigoureux. La langue franaise est souvent ambige. Prenons
lexemple de la conjonction ou ; au restaurant fromage ou dessert signifie lun ou lautre mais pas
les deux. Par contre si dans un jeu de carte on cherche les as ou les curs alors il ne faut pas exclure
las de cur. Autre exemple : que rpondre la question As-tu 10 euros en poche ? si lon dispose de
15 euros ?
Il y a des notions difficiles expliquer avec des mots : par exemple la continuit dune fonction est
souvent explique par on trace le graphe sans lever le crayon . Il est clair que cest une dfinition peu
satisfaisante. Voici la dfinition mathmatique de la continuit dune fonction f : I R en un point
x0 I :
> 0 > 0
x I
Cest le but de ce chapitre de rendre cette ligne plus claire ! Cest la logique.
Enfin les mathmatiques tentent de distinguer le vrai du faux. Par exemple Est-ce quune augmentation
de 20%, puis de 30% est plus intressante quune augmentation de 50% ? . Vous pouvez penser oui
ou non , mais pour en tre sr il faut suivre une dmarche logique qui mne la conclusion. Cette
dmarche doit tre convaincante pour vous mais aussi pour les autres. On parle de raisonnement.
Les mathmatiques sont un langage pour sexprimer rigoureusement, adapt aux phnomnes complexes,
qui rend les calculs exacts et vrifiables. Le raisonnement est le moyen de valider ou dinfirmer une
hypothse et de lexpliquer autrui.
LOGIQUE ET RAISONNEMENTS
1. LOGIQUE
1. Logique
1.1. Assertions
Une assertion est une phrase soit vraie, soit fausse, pas les deux en mme temps.
Exemples :
Il pleut.
Je suis plus grand que toi.
2+2=4
23=7
Pour tout x R, on a x 2 > 0.
Pour tout z C, on a |z| = 1.
Si P est une assertion et Q est une autre assertion, nous allons dfinir de nouvelles assertions construites
partir de P et de Q.
Loprateur logique et
Lassertion P et Q est vraie si P est vraie et Q est vraie. Lassertion P et Q est fausse sinon.
On rsume ceci en une table de vrit :
P \Q
V
F
V
V
F
F
F
F
V
V
V
F
V
F
LOGIQUE ET RAISONNEMENTS
1. LOGIQUE
P
non P
V
F
F
V
V
V
V
F
F
V
V
V
F
F
F
V
LOGIQUE ET RAISONNEMENTS
1. LOGIQUE
Proposition 1.
Soient P, Q, R trois assertions. Nous avons les quivalences (vraies) suivantes :
1. P non(non(P))
2. (P et Q) (Q et P)
3. (P ou Q) (Q ou P)
4. non(P et Q) (non P) ou (non Q)
5. non(P ou Q) (non P) et (non Q)
6. P et (Q ou R) (P et Q) ou (P et R)
7. P ou (Q et R) (P ou Q) et (P ou R)
8. P = Q non(Q) = non(P)
Dmonstration. Voici des exemples de dmonstrations :
4. Il suffit de comparer les deux assertions non(P et Q) et (non P) ou (non Q) pour toutes les valeurs
possibles de P et Q. Par exemple si P est vrai et Q est vrai alors P et Q est vrai donc non(P et Q)
est faux ; dautre part (non P) est faux, (non Q) est faux donc (non P) ou (non Q) est faux. Ainsi dans
ce premier cas les assertions sont toutes les deux fausses. On dresse ainsi les deux tables de vrits et
comme elles sont gales les deux assertions sont quivalentes.
P \Q
V
F
V
F
V
F
V
V
V
V
V
F
V
F
Q\R
V
F
V
F
F
F
F
F
1.2. Quantificateurs
Le quantificateur : pour tout
Une assertion P peut dpendre dun paramtre x, par exemple x 2 > 1 , lassertion P(x) est vraie ou
fausse selon la valeur de x.
Lassertion
x E
P(x)
est une assertion vraie lorsque les assertions P(x) sont vraies pour tous les lments x de lensemble E.
LOGIQUE ET RAISONNEMENTS
1. LOGIQUE
On lit Pour tout x appartenant E, P(x) , sous-entendu Pour tout x appartenant E, P(x) est vraie .
Par exemple :
x [1, +[ (x 2 > 1) est une assertion vraie.
x R (x 2 > 1) est une assertion fausse.
n N n(n + 1) est divisible par 2 est vraie.
Le quantificateur : il existe
Lassertion
x E
P(x)
est une assertion vraie lorsque lon peut trouver au moins un x de E pour lequel P(x) est vraie. On lit il
existe x appartenant E tel que P(x) (soit vraie) .
Par exemple :
1
x R (x(x 1) < 0) est vraie (par exemple x = 2 vrifie bien la proprit).
n N n2 n > n est vraie (il y a plein de choix, par exemple n = 3 convient, mais aussi n = 10 ou
mme n = 100, un seul suffit pour dire que lassertion est vraie).
P(x) est x E
non P(x) .
P(x) est x E
(x 2 < 1) . En
non P(x) .
x R
y > 0
(x + y > 10)
x R
y > 0
(x + y 6 10).
sa ngation est
Remarques
Lordre des quantificateurs est trs important. Par exemple les deux phrases logiques
x R
y R
(x + y > 0)
et
y R
x R
(x + y > 0).
sont diffrentes. La premire est vraie, la seconde est fausse. En effet une phrase logique se lit de gauche
droite, ainsi la premire phrase affirme Pour tout rel x, il existe un rel y (qui peut donc dpendre de x)
tel que x + y > 0. (par exemple on peut prendre y = |x| + 1). Cest donc une phrase vraie. Par contre la
deuxime se lit : Il existe un rel y, tel que pour tout rel x, x + y > 0. Cette phrase est fausse, cela ne
peut pas tre le mme y qui convient pour tous les x !
On retrouve la mme diffrence dans les phrases en franais suivantes. Voici une phrase vraie Pour toute
personne, il existe un numro de tlphone , bien sr le numro dpend de la personne. Par contre cette
phrase est fausse : Il existe un numro, pour toutes les personnes . Ce serait le mme numro pour tout le
monde !
LOGIQUE ET RAISONNEMENTS
2. RAISONNEMENTS
( f (x) = 0).
Pour la ngation dune phrase logique, il nest pas ncessaire de savoir si la phrase est fausse ou vraie.
Le procd est algorithmique : on change le pour tout en il existe et inversement, puis on prend la
ngation de lassertion P.
Pour la ngation dune proposition, il faut tre prcis : la ngation de lingalit stricte < est lingalit
large > , et inversement.
Les quantificateurs ne sont pas des abrviations. Soit vous crivez une phrase en franais : Pour tout
rel x, si f (x) = 1 alors x > 0. , soit vous crivez la phrase logique :
x R
Mais surtout ncrivez pas x rel, si f (x) = 1 = x positif ou nul . Enfin, pour passer dune ligne
lautre dun raisonnement, prfrez plutt donc = .
Il est dfendu dcrire 6 , 6= . Ces symboles nexistent pas !
Mini-exercices.
1. crire la table de vrit du ou exclusif . (Cest le ou dans la phrase fromage ou dessert , lun ou
lautre mais pas les deux.)
2. crire la table de vrit de non (P et Q) . Que remarquez vous ?
3. crire la ngation de P = Q .
4. Dmontrer les assertions restantes de la proposition 1.
5. crire la ngation de P et (Q ou R) .
6. crire laide des quantificateurs la phrase suivante : Pour tout nombre rel, son carr est positif .
Puis crire la ngation.
7. Mmes questions avec les phrases : Pour chaque rel, je peux trouver un entier relatif tel que leur
produit soit strictement plus grand que 1 . Puis Pour tout entier n, il existe un unique rel x tel que
exp(x) gale n .
2. Raisonnements
Voici des mthodes classiques de raisonnements.
q avec p Z et q N .
LOGIQUE ET RAISONNEMENTS
Alors a =
p
q
2. RAISONNEMENTS
p0
q0
avec p0 Z et q0 N . Maintenant
p p0
pq0 + qp0
+ 0 =
.
q q
qq0
Or le numrateur pq0 + qp0 est bien un lment de Z ; le dnominateur qq0 est lui un lment de N . Donc
p00
a + b scrit bien de la forme a + b = q00 avec p00 Z, q00 N . Ainsi a + b Q.
2.3. Contrapose
Le raisonnement par contraposition est bas sur lquivalence suivante (voir la proposition 1) :
Lassertion P = Q est quivalente non(Q) = non(P) .
Donc si lon souhaite montrer lassertion P = Q , on montre en fait que si non(Q) est vraie alors non(P)
est vraie.
Exemple 3.
Soit n N. Montrer que si n2 est pair alors n est pair.
Dmonstration. Nous supposons que n nest pas pair. Nous voulons montrer qualors n2 nest pas pair. Comme
n nest pas pair, il est impair et donc il existe k N tel que n = 2k+1. Alors n2 = (2k+1)2 = 4k2 +4k+1 = 2`+1
avec ` = 2k2 + 2k N. Et donc n2 est impair.
Conclusion : nous avons montr que si n est impair alors n2 est impair. Par contraposition ceci est quivalent
: si n2 est pair alors n est pair.
2.4. Absurde
Le raisonnement par labsurde pour montrer P = Q repose sur le principe suivant : on suppose la
fois que P est vraie et que Q est fausse et on cherche une contradiction. Ainsi si P est vraie alors Q doit tre
vraie et donc P = Q est vraie.
LOGIQUE ET RAISONNEMENTS
2. RAISONNEMENTS
Exemple 4.
Soient a, b > 0. Montrer que si
a
1+b
b
1+a
alors a = b.
a
b
a
b
= 1+a
et a 6= b. Comme 1+b
= 1+a
Dmonstration. Nous raisonnons par labsurde en supposant que 1+b
alors a(1 + a) = b(1 + b) donc a + a2 = b + b2 do a2 b2 = b a. Cela conduit (a b)(a + b) = (a b).
Comme a 6= b alors a b 6= 0 et donc en divisant par a b on obtient a + b = 1. La somme des deux
nombres positifs a et b ne peut tre ngative. Nous obtenons une contradiction.
a
b
= 1+a
alors a = b.
Conclusion : si 1+b
Dans la pratique, on peut choisir indiffremment entre un raisonnement par contraposition ou par labsurde.
Attention cependant de bien prciser quel type de raisonnement vous choisissez et surtout de ne pas changer
en cours de rdaction !
2.5. Contre-exemple
Si lon veut montrer quune assertion du type x E P(x) est vraie alors pour chaque x de E il faut
montrer que P(x) est vraie. Par contre pour montrer que cette assertion est fausse alors il suffit de trouver
x E tel que P(x) soit fausse. (Rappelez-vous la ngation de x E P(x) est x E non P(x) .)
Trouver un tel x cest trouver un contre-exemple lassertion x E P(x) .
Exemple 5.
Montrer que lassertion suivante est fausse Tout entier positif est somme de trois carrs .
(Les carrs sont les 02 , 12 , 22 , 32 ,... Par exemple 6 = 22 + 12 + 12 .)
Dmonstration. Un contre-exemple est 7 : les carrs infrieurs 7 sont 0, 1, 4 mais avec trois de ces nombres
on ne peut faire 7.
2.6. Rcurrence
Le principe de rcurrence permet de montrer quune assertion P(n), dpendant de n, est vraie pour tout
n N. La dmonstration par rcurrence se droule en trois tapes : lors de linitialisation on prouve P(0).
Pour ltape dhrdit, on suppose n > 0 donn avec P(n) vraie, et on dmontre alors que lassertion
P(n + 1) au rang suivant est vraie. Enfin dans la conclusion, on rappelle que par le principe de rcurrence
P(n) est vraie pour tout n N.
Exemple 6.
Montrer que pour tout n N, 2n > n.
Dmonstration. Pour n > 0, notons P(n) lassertion suivante :
2n > n.
Nous allons dmontrer par rcurrence que P(n) est vraie pour tout n > 0.
Initialisation. Pour n = 0 nous avons 20 = 1 > 0. Donc P(0) est vraie.
Hrdit. Fixons n > 0. Supposons que P(n) soit vraie. Nous allons montrer que P(n + 1) est vraie.
2n+1 = 2n + 2n > n + 2n
> n+1
car 2n > 1.
LOGIQUE ET RAISONNEMENTS
2. RAISONNEMENTS
La rdaction dune rcurrence est assez rigide. Respectez scrupuleusement la rdaction propose : donnez
un nom lassertion que vous souhaitez montrer (ici P(n)), respectez les trois tapes (mme si souvent
ltape dinitialisation est trs facile). En particulier mditez et conservez la premire ligne de lhrdit
Fixons n > 0. Supposons que P(n) soit vraie. Nous allons montrer que P(n + 1) est vraie.
Si on doit dmontrer quune proprit est vraie pour tout n > n0 , alors on commence linitialisation au
rang n0 .
Le principe de rcurrence est bas sur la construction de lensemble N. En effet un des axiomes pour
dfinir N est le suivant : Soit A une partie de N qui contient 0 et telle que si n A alors n + 1 A. Alors
A = N .
Mini-exercices.
1. (Raisonnement direct) Soient a, b R+ . Montrer que si a 6 b alors a 6
a+b
2
6 b et a 6
a b 6 b.
2. (Cas par cas) Montrer que pour tout n N, n(n + 1) est divisible par 2 (distinguer les n pairs des n
impairs).
p
/ Q. (On utilisera que
3. (Contrapose ou absurde) Soient a, b Z. Montrer que si b 6= 0 alors a + b 2
p
2
/ Q.)
p
4. (Absurde) Soit n N . Montrer que n2 + 1 nest pas un entier.
5. (Contre-exemple) Est-ce que pour tout x R on a x < 2 = x 2 < 4 ?
6. (Rcurrence) Montrer que pour tout n > 1, 1 + 2 + + n =
n(n+1)
2 .
7. (Rcurrence) Fixons un rel x > 0. Montrer que pour tout entier n > 1, (1 + x)n > 1 + nx.
Chapitre
Ensembles et applications
Vido
Vido
Vido
Vido
Vido
Fiche
Fiche
Fiche
Fiche
partie 1. Ensembles
partie 2. Applications
partie 3. Injection, surjection, bijection
partie 4. Ensembles finis
partie 5. Relation d'quivalence
d'exercices
d'exercices
d'exercices
d'exercices
Motivations
Au dbut du X X e sicle le professeur Frege peaufinait la rdaction du second tome dun ouvrage qui souhaitait
refonder les mathmatiques sur des bases logiques. Il reut une lettre dun tout jeune mathmaticien :
Jai bien lu votre premier livre. Malheureusement vous supposez quil existe un ensemble qui contient tous les
ensembles. Un tel ensemble ne peut exister. Sensuit une dmonstration de deux lignes. Tout le travail de
Frege scroulait et il ne sen remettra jamais. Le jeune Russell deviendra lun des plus grands logiciens et
philosophes de son temps. Il obtient le prix Nobel de littrature en 1950.
Voici le paradoxe de Russell pour montrer que lensemble de tous les ensembles ne peut exister. Cest
trs bref, mais difficile apprhender. Par labsurde, supposons quun tel ensemble E contenant tous les
ensembles existe. Considrons
F = EE |E
/E .
Expliquons lcriture E
/ E : le E de gauche est considr comme un lment, en effet lensemble E est
lensemble de tous les ensembles et E est un lment de cet ensemble ; le E de droite est considr comme un
ensemble, en effet les lment de E sont des ensembles ! On peut donc sinterroger si llment E appartient
lensemble E. Si non, alors par dfinition on met E dans lensemble F .
La contradiction arrive lorsque lon se pose la question suivante : a-t-on F F ou F
/ F ? Lune des deux
affirmation doit tre vraie. Et pourtant :
/ F . Ce qui est contradictoire.
Si F F alors par dfinition de F , F est lun des ensembles E tel que F
/ F alors F vrifie bien la proprit dfinissant F donc F F ! Encore contradictoire.
Si F
Aucun des cas nest possible. On en dduit quil ne peut exister un tel ensemble E contenant tous les
ensembles.
Ce paradoxe a t popularis par lnigme suivante : Dans une ville, le barbier rase tous ceux qui ne se rasent
pas eux-mmes. Qui rase le barbier ? La seule rponse valable est quune telle situation ne peut exister.
Ne vous inquitez pas, Russell et dautres ont fond la logique et les ensembles sur des bases solides.
Cependant il nest pas possible dans ce cours de tout redfinir. Heureusement, vous connaissez dj quelques
ENSEMBLES ET APPLICATIONS
1. ENSEMBLES
12
ensembles :
lensemble des entiers naturels N = {0, 1, 2, 3, . . .}.
= {. . . , 2, 1, 0, 1, 2, . . .}.
lensemble des entiers relatifs Z
p
lensemble des rationnels Q = q | p Z, q N \ {0} .
p
lensemble des rels R, par exemple 1, 2, , ln(2),. . .
lensemble des nombres complexes C.
Nous allons essayer de voir les proprits des ensembles, sans sattacher un exemple particulier. Vous
vous apercevrez assez rapidement que ce qui est au moins aussi important que les ensembles, ce sont les
relations entre ensembles : ce sera la notion dapplication (ou fonction) entre deux ensembles.
1. Ensembles
1.1. Dfinir des ensembles
On va dfinir informellement ce quest un ensemble : un ensemble est une collection dlments.
Exemples :
{0, 1},
{rouge, noir},
{0, 1, 2, 3, . . .} = N.
Un ensemble particulier est lensemble vide, not qui est lensemble ne contenant aucun lment.
On note
xE
si x est un lment de E, et x
/ E dans le cas contraire.
Voici une autre faon de dfinir des ensembles : une collection dlments qui vrifient une proprit.
Exemples :
x R | |x 2| < 1 ,
z C | z5 = 1 ,
x R | 0 6 x 6 1 = [0, 1].
Ensemble des parties de E. On note P (E) lensemble des parties de E. Par exemple si E = {1, 2, 3} :
P ({1, 2, 3}) = , {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3} .
Complmentaire. Si A E,
E A = x E | x
/A
On le note aussi E \ A et juste A sil ny a pas dambigut (et parfois aussi Ac ou A).
E A
Union. Pour A, B E,
A B = x E | x A ou x B
Le ou nest pas exclusif : x peut appartenir A et B en mme temps.
ENSEMBLES ET APPLICATIONS
1. ENSEMBLES
A B
13
Intersection.
A B = x E | x A et x B
A B
=
,
A
A
=
A,
A
B A B = A
A B = B A
(on peut donc crire A B C sans ambigut)
A (B C) = (A B) C
A = A, A A = A, A B A B = B
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
A = A et donc A B B A
(A B) = A B
(A B) = A B
Voici les dessins pour les deux dernires assertions.
A
A
B
B
(A B) = A B
A B
(A B) = A B
A B
Les preuves sont pour lessentiel une reformulation des oprateurs logiques, en voici quelques-unes :
Preuve de A (B C) = (A B) (A C) : x A (B C) x A et x (B C) x A et (x
B ou x C) (x A et x B) ou (x A et x C) (x A B) ou (x A C) x
(A B) (A C).
ENSEMBLES ET APPLICATIONS
1. ENSEMBLES
/ (A B) non x A B
Preuve de (A B) = A B : x (A B) x
A et x B non(x A) ou non(x B) x
/ A ou x
/ B x A B.
Remarquez que lon repasse aux lments pour les preuves.
14
non x
x
0
3. [0, 1] [0, 1] [0, 1] = (x, y, z) | 0 6 x, y, z 6 1
y
z
1
1
0
Mini-exercices.
1. En utilisant les dfinitions, montrer : A 6= B si et seulement sil existe a A \ B ou b B \ A.
2. numrer P ({1, 2, 3, 4}).
3. Montrer A (B C) = (A B) (A C) et (A B) = A B.
4. numrer {1, 2, 3} {1, 2, 3, 4}.
5. Reprsenter les sous-ensembles de R2 suivants : ]0, 1[[2, 3[ [1, 1], R \ (]0, 1[[2, 3[ (R \
[1, 1]) [0, 2] .
ENSEMBLES ET APPLICATIONS
2. APPLICATIONS
15
2. Applications
2.1. Dfinitions
Une application (ou une fonction) f : E F , cest la donne pour chaque lment x E dun unique
lment de F not f (x).
Nous reprsenterons les applications par deux types dillustrations : les ensembles patates , lensemble
de dpart (et celui darrive) est schmatis par un ovale ses lments par des points. Lassociation
x 7 f (x) est reprsente par une flche.
f
f (x)
x
E
Lautre reprsentation est celle des fonctions continues de R dans R (ou des sous-ensembles de R).
Lensemble de dpart R est reprsent par laxe des abscisses et celui darrive par laxe des ordonnes.
Lassociation x 7 f (x) est reprsente par le point (x, f (x)).
y
f (x)
x
x
galit. Deux applications f , g : E F sont gales si et seulement si pour tout x E, f (x) = g(x). On
note alors f = g.
Le graphe de f : E F est
f = x, f (x) E F | x E
y
f
x
f
E
gf
Exemple 2.
1. Lidentit, id E : E E est simplement dfinie par x 7 x et sera trs utile dans la suite.
ENSEMBLES ET APPLICATIONS
2. APPLICATIONS
16
2. Dfinissons f , g ainsi
f : ]0, +[ ]0, +[
,
1
x
7
x
g : ]0, +[
x
7
R
x1
x+1
f
F
f (A)
f (A)
x
A
Dfinition 2.
Soit B F et f : E F , limage rciproque de B par f est lensemble
f 1 (B) = x E | f (x) B
f
F
B
x
f 1 (B)
f 1 (B)
Remarque.
Ces notions sont plus difficiles matriser quil ny parat !
f (A) est un sous-ensemble de F , f 1 (B) est un sous-ensemble de E.
La notation f 1 (B) est un tout, rien ne dit que f est un fonction bijective (voir plus loin). Limage
rciproque existe quelque soit la fonction.
singleton f ({x}) = f (x) est un singleton. Par contre limage rciproque dun
Limage directe dun
singleton f 1 { y} dpend de f . Cela peut tre un singleton, un ensemble plusieurs lments ; mais
cela peut-tre E tout entier (si f est une fonction constante) ou mme lensemble vide (si aucune image
par f ne vaut y).
ENSEMBLES ET APPLICATIONS
17
2.3. Antcdents
Fixons y F . Tout lment x E tel que f (x) = y est un antcdent de y.
En termes dimage rciproque lensemble des antcdents de y est f 1 ({ y}).
Sur les dessins suivants, llment y admet 3 antcdents par f . Ce sont x 1 , x 2 , x 3 .
f
y
E
x1
x3
x2
y
x
x1
x2
x3
Mini-exercices.
1. Pour deux applications f , g : E F , quelle est la ngation de f = g ?
2. Reprsenter le graphe de f : N R dfinie par n 7
4
n+1 .
f (x) = f (x 0 ) = x = x 0
Dfinition 4.
f est surjective si pour tout y F , il existe x E tel que y = f (x). Autrement dit :
y F
x E
y = f (x)
x
E
ENSEMBLES ET APPLICATIONS
18
x
E
Remarque.
Encore une fois ce sont des notions difficiles apprhender. Une autre faon de formuler linjectivit et la
surjectivit est dutiliser les antcdents.
f est injective si et seulement si tout lment y de F a au plus un antcdent (et ventuellement aucun).
f est surjective si et seulement si tout lment y de F a au moins un antcdent.
Remarque.
Voici deux fonctions non injectives :
f
y
F
x
x0
y
x
x
F
E
x
E
Exemple 3.
1
1. Soit f1 : N Q dfinie par f1 (x) = 1+x
. Montrons que f1 est injective : soit x, x 0 N tels que
1
1
0
f1 (x) = f1 (x ). Alors 1+x = 1+x 0 , donc 1 + x = 1 + x 0 et donc x = x 0 . Ainsi f1 est injective.
Par contre f1 nest pas surjective. Il sagit de trouver un lment y qui na pas dantcdent par f1 . Ici il
est facile de voir que lon a toujours f1 (x) 6 1 et donc par exemple y = 2 na pas dantcdent. Ainsi f1
nest pas surjective.
2. Soit f2 : Z N dfinie par f2 (x) = x 2 . Alors f2 nest pas injective. En effet on peut trouver deux lments
x, x 0 Z diffrents tels que f2 (x) = f2 (x 0 ). Il suffit de prendre par exemple x = 2, x 0 = 2.
f2 nest pas non plus surjective, en effet il existe des lments y N qui nont aucun antcdent. Par
exemple y = 3 : si y = 3 avait un antcdent x par f2 , nous aurions f2 (x) = y, cest--dire x 2 = 3,
p
do x = 3. Mais alors x nest pas un entier de Z. Donc y = 3 na pas dantcdent et f2 nest pas
surjective.
ENSEMBLES ET APPLICATIONS
19
3.2. Bijection
Dfinition 5.
f est bijective si elle injective et surjective. Cela quivaut : pour tout y F il existe un unique x E
tel que y = f (x). Autrement dit :
y F
!x E
y = f (x)
x
E
Proposition 1.
Soit E, F des ensembles et f : E F une application.
1. Lapplication f est bijective si et seulement si il existe une application g : F E telle que f g = id F et
g f = id E .
2. Si f est bijective alors lapplication g est unique et elle aussi est bijective. Lapplication g sappelle la
1
bijection rciproque de f et est note f 1 . De plus f 1
= f.
Remarque.
f g = id F se reformule ainsi
y F
f g( y) = y.
x E
g f (x) = x.
f est surjective : en effet soit y F alors on note x = g( y) E ; on a bien : f (x) = f g( y) =
f g( y) = id F ( y) = y, donc f est bien surjective.
f est injective : soient x, x 0 E tels que f (x) = f (x 0 ). On compose par g ( gauche) alors
g f (x) = g f (x 0 ) donc id E (x) = id E (x 0 ) donc x = x 0 ; f est bien injective.
2. Si f est bijective alors g est aussi bijective car g f = id E et f g = id F et on applique ce que lon
vient de dmontrer avec g la place de f . Ainsi g 1 = f .
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
20
que h f = id E et
Si f est bijective, g est unique : en effet soit h : F E une autre application telle
f h = id F ; en particulier f h = id F = f g, donc pour tout y F , f h( y) = f g( y) or f est
injective alors h( y) = g( y), ceci pour tout y F ; do h = g.
Proposition 2.
Soient f : E F et g : F G des applications bijectives. Lapplication g f est bijective et sa bijection
rciproque est
(g f )1 = f 1 g 1
1
x1
4. Ensembles finis
4.1. Cardinal
Dfinition 6.
Un ensemble E est fini sil existe un entier n N et une bijection de E vers {1, 2, . . . , n}. Cet entier n est
unique et sappelle le cardinal de E (ou le nombre dlments) et est not Card E.
Quelques exemples :
1. E = {rouge, noir} est en bijection avec {1, 2} et donc est de cardinal 2.
2. N nest pas un ensemble fini.
3. Par dfinition le cardinal de lensemble vide est 0.
Enfin quelques proprits :
1. Si A est un ensemble fini et B A alors B est aussi un ensemble fini et Card B 6 Card A.
2. Si A, B sont des ensembles finis disjoints (cest--dire A B = ) alors Card(A B) = Card A + Card B.
3. Si A est un ensemble fini et B A alors Card(A \ B) = Card A Card B. En particulier si B A et
Card A = Card B alors A = B.
4. Enfin pour A, B deux ensembles finis quelconques :
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
21
A
B
Proposition 4.
Soit E, F deux ensembles finis et f : E F une application. Si
Card E = Card F
alors les assertions suivantes sont quivalentes :
i. f est injective,
ii. f est surjective,
iii. f est bijective.
Dmonstration. Le schma de la preuve est le suivant : nous allons montrer successivement les implications :
(i) = (ii) = (iii) = (i)
ce qui prouvera bien toutes les quivalences.
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
22
(i) = (ii). Supposons f injective. Alors Card f (E) = Card E = Card F . Ainsi f (E) est un sous-ensemble
de F ayant le mme cardinal que F ; cela entrane f (E) = F et donc f est surjective.
(ii) = (iii). Supposons f surjective. Pour montrer que f est bijective, il reste montrer que f est
injective. Raisonnons par labsurde et supposons f non injective. Alors Card f (E) < Card E (car au
moins 2 lments ont la mme image). Or f (E) = F car f surjective, donc Card F < Card E. Cest une
contradiction, donc f doit tre injective et ainsi f est bijective.
(iii) = (i). Cest clair : une fonction bijective est en particulier injective.
Proposition 7.
Le nombre dinjections de E dans F est :
p (p 1) (p (n 1)).
Dmonstration. Supposons E = {a1 , a2 , . . . , an } ; pour limage de a1 nous avons p choix. Une fois ce choix
fait, pour limage de a2 il reste p 1 choix (car a2 ne doit pas avoir la mme image que a1 ). Pour limage
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
23
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
24
Par le principe de rcurrence, nous avons prouv que si Card E = n alors on a Card P (E) = 2n .
n
k
3
2
ou Cnk .
n
nk
n
0
n
1
n
k
n
n
= 1.
+ +
n
k
+ +
n
n
= 2n
Dmonstration.
1. Par exemple :
n
1
= n car il y a n singletons.
2. Compter le nombre de parties A E ayant k lments revient aussi compter le nombre de parties de la
n
n
forme A (qui ont donc n k lments), ainsi nk = k .
n
n
n
n
3. La formule 0 + 1 + + k + + n = 2n exprime que faire la somme du nombre de parties k
lments, pour k = 0, . . . , n, revient compter toutes les parties de E.
Proposition 11.
n
n1
n1
=
+
k
k
k1
(0 < k < n)
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
25
n
0
Le triangle de Pascal est un algorithme pour calculer ces coefficients k . La ligne du haut correspond 0 ,
2
1
1
2
2
la ligne suivante 0 et 1 , la ligne daprs 0 , 1 et 2 .
4
4
4
La dernire ligne du triangle de gauche aux coefficients 0 , 1 , . . . , 4 .
Comment continuer ce triangle pour obtenir le triangle de droite ? Chaque lment de la nouvelle ligne est
obtenu en ajoutant les deux nombres qui lui sont au-dessus droite et au-dessus gauche.
1
1
1
1
2
1
4
1
1
1
3
1
1
1
5
2
3
1
1
1
1
3
4
6
10
10
1
5
Ce qui fait que cela fonctionne cest bien sr la proposition 11 qui se reprsente ainsi :
n1
k1
n1
k
n
k
Une autre faon de calculer le coefficient du binme de Newton repose sur la formule suivante :
Proposition 12.
n
n!
=
k
k!(n k)!
Dmonstration. Cela se fait par rcurrence sur n. Cest clair pour n = 1. Si cest vrai au rang n 1 alors
n
n1
n1
n1
n1
crivons k = k1 + k et utilisons lhypothse de rcurrence pour k1 et k . Ainsi
n
n1
n1
(n 1)!
(n 1)!
+
=
+
=
k
k1
k
(k 1)!(n 1 (k 1))! k!(n 1 k)!
1
1
n
(n 1)!
(n 1)!
=
+
=
(k 1)!(n k 1)!
nk k
(k 1)!(n k 1)! k(n k)
n!
=
k!(n k)!
(a + b) =
n
X
n
k=0
a nk b k
ENSEMBLES ET APPLICATIONS
4. ENSEMBLES FINIS
26
Autrement dit :
(a + b)n =
n n 0
n n1 1
n nk k
n 0 n
a b +
a
b + +
a
b + +
a b
0
1
k
n
Pn
n
k=0 k
a nk
(a + b)n = (a + b) (a + b)n1
n 1 n1k k
= a a n1 + +
a
b + + b n1
k
n 1 n1(k1) k1
+b a n1 + +
a
b
+ + b n1
k1
n1
n1
= +
+
a nk b k +
k
k1
n nk k
= +
a
b +
k
n
X
n nk k
=
a
b
k
k=0
Ainsi Pn+1 est vrifie.
Conclusion. Par le principe de rcurrence Pn est vraie, pour tout n > 1.
Mini-exercices.
1. Combien y a-t-il dapplications injectives dun ensemble n lments dans un ensemble n + 1
lments ?
2. Combien y a-t-il dapplications surjectives dun ensemble n + 1 lments dans un ensemble n
lments ?
3. Calculer le nombre de faons de choisir 5 cartes dans un jeux de 32 cartes.
4. Calculer le nombre de listes k lments dans un ensemble n lments (les listes sont ordonnes :
par exemple (1, 2, 3) 6= (1, 3, 2)).
5. Dvelopper (a b)4 , (a + b)5 .
6. Que donne la formule du binme pour a = 1, b = +1 ? En dduire que dans un ensemble n
lments il y a autant de parties de cardinal pair que de cardinal impair.
ENSEMBLES ET APPLICATIONS
5. RELATION DQUIVALENCE
27
5. Relation dquivalence
5.1. Dfinition
Une relation sur un ensemble E, cest la donne pour tout couple (x, y) E E de Vrai (sils sont en
relation), ou de Faux sinon.
Nous schmatisons une relation ainsi : les lments de E sont des points, une flche de x vers y signifie que
x est en relation avec y, cest--dire que lon associe Vrai au couple (x, y).
Dfinition 8.
Soit E un ensemble et R une relation, cest une relation dquivalence si :
x E, xR x, (rflexivit)
x
x, y E, xR y = yR x,
(symtrie)
y
x, y, z E, xR y et yRz = xRz,
(transitivit)
y
z
x
5.2. Exemples
Exemple 9.
Voici des exemples basiques.
1. La relation R tre parallle est une relation dquivalence pour lensemble E des droites affines du
plan :
rflexivit : une droite est parallle elle-mme,
symtrie : si D est parallle D0 alors D0 est parallle D,
transitivit : si D parallle D0 et D0 parallle D00 alors D est parallle D00 .
2. La relation tre du mme ge est une relation dquivalence.
3. La relation tre perpendiculaire nest pas une relation dquivalence (ni la rflexivit, ni la transitivit
ne sont vrifies).
4. La relation 6 (sur E = R par exemple) nest pas une relation dquivalence (la symtrie nest pas vrifie).
ENSEMBLES ET APPLICATIONS
5. RELATION DQUIVALENCE
28
x0
cl(x)
x
cl(x 0 )
cl(x) est donc un sous-ensemble de E, on le note aussi x. Si y cl(x), on dit que y un reprsentant de
cl(x).
Soit E un ensemble et R une relation dquivalence.
Proposition 13.
On a les proprits suivantes :
1. cl(x) = cl( y) xR y.
2. Pour tout x, y E, cl(x) = cl( y) ou cl(x) cl( y) = .
3. Soit C un ensemble de reprsentants de toutes les classes alors cl(x) | x C constitue une partition de
E.
S
Une partition de E est un ensemble {Ei } de parties de E tel que E = i Ei et Ei E j = (si i 6= j).
E
...
E2
E1
Ei
Ej
...
...
Exemples :
1. Pour la relation tre du mme ge , la classe dquivalence dune personne est lensemble des personnes
ayant le mme ge. Il y a donc une classe dquivalence forme des personnes de 19 ans, une autre
forme des personnes de 20 ans,... Les trois assertions de la proposition se lisent ainsi :
On est dans la mme classe dquivalence si et seulement si on est du mme ge.
Deux personnes appartiennent soit la mme classe, soit des classes disjointes.
Si on choisit une personne de chaque ge possible, cela forme un ensemble de reprsentants C.
Maintenant une personne quelconque appartient une et une seule classe dun des reprsentants.
2. Pour la relation tre parallle , la classe dquivalence dune droite est lensemble des droites parallles
cette droite. chaque classe dquivalence correspond une et une seule direction.
Voici un exemple que vous connaissez depuis longtemps :
ENSEMBLES ET APPLICATIONS
5. RELATION DQUIVALENCE
29
Exemple 10.
Dfinissons sur E = Z N la relation R par
(p, q)R(p0 , q0 ) pq0 = p0 q.
Tout dabord R est une relation dquivalence :
R est rflexive : pour tout (p, q) on a bien pq = pq et donc (p, q)R(p, q).
R est symtrique : pour tout (p, q), (p0 , q0 ) tels que (p, q)R(p0 , q0 ) on a donc pq0 = p0 q et donc p0 q = pq0
do (p0 , q0 )R(p, q).
R est transitive : pour tout (p, q), (p0 , q0 ), (p00 , q00 ) tels que (p, q)R(p0 , q0 ) et (p0 , q0 )R(p00 , q00 ) on a donc
pq0 = p0 q et p0 q00 = p00 q0 . Alors (pq0 )q00 = (p0 q)q00 = q(p0 q00 ) = q(p00 q0 ). En divisant par q0 6= 0 on obtient
pq00 = qp00 et donc (p, q)R(p00 , q00 ).
p
Nous allons noter q = cl(p, q) la classe dquivalence dun lment (p, q) Z N . Par exemple, comme
(2, 3)R(4, 6) (car 2 6 = 3 4) alors les classes de (2, 3) et (4, 6) sont gales : avec notre notation cela
scrit : 23 = 64 .
Cest ainsi que lon dfinit les rationnels : lensemble Q des rationnels est lensemble de classes dquivalence
de la relation R.
Les nombres 23 = 46 sont bien gaux (ce sont les mmes classes) mais les critures sont diffrentes (les
reprsentants sont distincts).
a b est un multiple de n
Exemples pour n = 7 : 10 3 (mod 7), 19 5 (mod 7), 77 0 (mod 7), 1 20 (mod 7).
Cette relation est bien une relation dquivalence :
Pour tout a Z, a a = 0 = 0 n est un multiple de n donc a a (mod n).
Pour a, b Z tels que a b (mod n) alors a b est un multiple de n, autrement dit il existe k Z tel
que a b = kn et donc b a = (k)n et ainsi b a (mod n).
Si a b (mod n) et b c (mod n) alors il existe k, k0 Z tels que a b = kn et b c = k0 n. Alors
a c = (a b) + (b c) = (k + k0 )n et donc a c (mod n).
La classe dquivalence de a Z est note a. Par dfinition nous avons donc
a = cl(a) = b Z | b a (mod n) .
Comme un tel b scrit b = a + kn pour un certain k Z alors cest aussi exactement
a = a + nZ = a + kn | k Z .
Comme n 0 (mod n), n + 1 1 (mod n), . . . alors
n = 0,
n + 1 = 1,
n + 2 = 2, . . .
ENSEMBLES ET APPLICATIONS
5. RELATION DQUIVALENCE
30
6 = {. . . , 8, 1, 6, 13, 20, . . .} = 6 + 7Z
Mais ensuite 7 = {. . . 7, 0, 7, 14, 21, . . .} = 0 = 7Z. Ainsi Z/7Z = 0, 1, 2, . . . , 6 possde 7 lments.
Remarque.
Dans beaucoup de situations de la vie courante, nous raisonnons avec les modulos. Par exemple pour lheure :
les minutes et les secondes sont modulo 60 (aprs 59 minutes on repart zro), les heures modulo 24 (ou
modulo 12 sur le cadran aiguilles). Les jours de la semaine sont modulo 7, les mois modulo 12,...
Mini-exercices.
1. Montrer que la relation dfinie sur N par xR y
quil y a 3 classes dquivalence.
2x+ y
3
2. Dans R2 montrer que la relation dfinie par (x, y)R(x 0 , y 0 ) x + y 0 = x 0 + y est une relation
dquivalence. Montrer que deux points (x, y) et (x 0 , y 0 ) sont dans une mme classe si et seulement
sils appartiennent une mme droite dont vous dterminerez la direction.
3. On dfinit une addition sur Z/nZ par p +q = p + q. Calculer la table daddition dans Z/6Z (cest--dire
toutes les sommes p + q pour p, q Z/6Z). Mme chose avec la multiplication p q = p q. Mmes
questions avec Z/5Z, puis Z/8Z.
Chapitre
Nombres complexes
Prambule
Lquation x + 5 = 2 a ses coefficients dans N mais pourtant sa solution x = 3 nest pas un entier naturel.
Il faut ici considrer lensemble plus grand Z des entiers relatifs.
x+5=2
2x=3
x 2 = 12
p
x 2 = 2
N , Z , Q , R , C
De mme lquation 2x = 3 a ses coefficients dans Z mais sa solution x = 23 est dans lensemble plus grand
p
des rationnels Q. Continuons ainsi, lquation x 2 = 12 coefficients dans Q, a ses solutions x 1 = +1/ 2
p
p
et x 2 = 1/ 2 dans
rels R. Ensuite lquation x 2 = 2 ses coefficients dans R et ses
pplensemble des
pp
solutions x 1 = + i
2 et x 2 = i
2 dans lensemble des nombres complexes C. Ce processus est-il sans
fin ? Non ! Les nombres complexes sont en quelque sorte le bout de la chane car nous avons le thorme
de dAlembert-Gauss suivant : Pour nimporte quelle quation polynomiale an x n + an1 x n1 + + a2 x 2 +
a1 x + a0 = 0 o les coefficients ai sont des complexes (ou bien des rels), alors les solutions x 1 , . . . , x n sont dans
lensemble des nombres complexes .
NOMBRES COMPLEXES
32
iR
a+ib
b
i
Cela revient identifier 1 avec le vecteur (1, 0) de R2 , et i avec le vecteur (0, 1). On note C lensemble des
nombres complexes. Si b = 0, alors z = a est situ sur laxe des abscisses, que lon identifie R. Dans ce
cas on dira que z est rel, et R apparat comme un sous-ensemble de C, appel axe rel. Si b =
6 0, z est dit
imaginaire et si b 6= 0 et a = 0, z est dit imaginaire pur.
1.2. Oprations
Si z = a + i b et z 0 = a0 + i b0 sont deux nombres complexes, alors on dfinit les oprations suivantes :
addition : (a + i b) + (a0 + i b0 ) = (a + a0 ) + i(b + b0 )
iR
z + z0
z0
i Im(z)
Im(z)
Re(z)
Re(z)
NOMBRES COMPLEXES
33
0
Re(z) = Re(z )
0
et
z=z
Im(z) = Im(z 0 )
En particulier un nombre complexe est rel si et seulement si sa partie imaginaire est nulle. Un nombre
complexe est nul si et et seulement si sa partie relle et sa partie imaginaire sont nuls.
1.4. Calculs
Quelques dfinitions et calculs sur les nombres complexes.
z
i
0
1
z
a
b
aib
1
= 2
+i 2
= 2
.
z
a + b2
a + b2
a + b2
z
1
La division : z 0 est le nombre complexe z z 0 .
Proprit dintgrit : si zz 0 = 0 alors z = 0 ou z 0 = 0.
Puissances : z 2 = z z, z n = z z (n fois, n N). Par convention z 0 = 1 et z n =
z0 =
1 n
z
1
zn .
Proposition 1.
Pour tout z C diffrent de 1
1 + z + z2 + + z n =
1 z n+1
.
1z
NOMBRES COMPLEXES
34
Remarque.
Il ny pas dordre naturel sur C, il ne faut donc jamais crire z 0 ou z z 0 .
z = a+ib
z
i
|z|
0
1
z
Quelques formules :
z + z 0 = z + z 0 , z = z, zz 0 = zz 0
z = z z R
|z|2 = z z, |
z | = |z|, zz 0 = |z||z 0 |
|z| = 0 z = 0
Proposition 2 (Lingalit triangulaire).
z + z 0 |z| + z 0
z + z0
z0
0
|z + z 0 |
|z |
z
|z|
NOMBRES COMPLEXES
35
z + z 0 (z + z 0 )
= z
z + z 0 z 0 + zz 0 + z 0 z
= |z|2 + |z 0 |2 + 2 Re(z 0 z)
6 |z|2 + |z 0 |2 + 2|z 0 z|
6 |z|2 + |z 0 |2 + 2|zz 0 |
6 (|z| + |z 0 |)2
Exemple 1.
Dans un paralllogramme, la somme des carrs des diagonales gale la somme des carrs des cts.
Si les longueurs des cts sont notes L et ` et les longueurs des diagonales sont D et d alors il sagit de
montrer lgalit
D2 + d 2 = 2`2 + 2L 2 .
z + z0
0
|z|
|z z |
L
z0
|z 0 |
|z + z |
0
d
`
|z 0 |
D
|z|
L
Dmonstration. Cela devient simple si lon considre que notre paralllogramme a pour sommets 0, z, z 0
et le dernier sommet est donc z + z 0 . La longueur du grand ct est ici |z|, celle du petit ct est |z 0 |. La
longueur de la grande diagonale est |z + z 0 |. Enfin il faut se convaincre que la longueur de la petite diagonale
est |z z 0 |.
2
2
D2 + d 2 = z + z 0 + z z 0 =
z + z 0 (z + z 0 ) + z z 0 (z z 0 )
= z
z + zz 0 + z 0 z + z 0 z 0 + z
z zz 0 z 0 z + z 0 z 0
2
= 2z
z + 2z 0 z 0 = 2 |z|2 + 2 z 0
= 2`2 + 2L 2
Mini-exercices.
i
1. Calculer 1 2 i + 12
i.
2. crire sous la forme a + i b les nombres complexes (1 + i)2 , (1 + i)3 , (1 + i)4 , (1 + i)8 .
3. En dduire 1 + (1 + i) + (1 + i)2 + + (1 + i)7 .
4. Soit z C tel que |1 + i z| = |1 i z|, montrer que z R.
5. Montrer que si | Re z| 6 | Re z 0 | et | Im z| 6 | Im z 0 | alors |z| 6 |z 0 |, mais que la rciproque est fausse.
6. Montrer que 1/
z = z/ |z|2 (pour z 6= 0).
NOMBRES COMPLEXES
36
(x + i y)2 = a + i b
2
x y2 = a
en identifiant parties
2x y = b
et parties imaginaires.
Petite astuce
ici : nous rajoutons lquation ||2 = |z| (qui se dduit bien sr de 2 = z) qui scrit aussi
p
x 2 + y 2 = a2 + b2 . Nous obtenons des systmes quivalents aux prcdents :
pp
p
1
2
2
2
2
2
x y =a
x = p2 p a + b + a
2x = pa2 + b2 + a
p
2
2
2
1
2x y = b
2 y = a + b a
y = p2
a2 + b2 a
p
x + y 2 = a2 + b2
2x y = b
2x y = b
Discutons suivant le signe du rel b. Si b 0, x et y sont de mme signe ou nuls (car 2x y = b > 0) donc
qp
qp
1
2
2
2
2
= p
a + b +a+i
a +b a ,
2
et si b 0
qp
qp
1
2
2
2
2
= p
a + b +ai
a +b a .
2
p
p
En particulier si b = 0 le rsultat dpend du signe de a, si a 0, a2 = a et par consquent = a,
p
p
p
tandis que si a < 0, a2 = a et donc = i a = i |a|.
Il nest pas ncessaire dapprendre ces formules mais il est indispensable de savoir refaire les calculs.
Exemple 2.
p
p
Les racines carres de i sont + 22 (1 + i) et 22 (1 + i).
En effet :
2 = i (x + i y)2 = i
2
x y2 = 0
2x y = 1
Rajoutons la conditions ||2 = | i | pour obtenir le systme quivalent au prcdent :
2
1
2
2
x y =0
2x = 1
x = p2
2x y = 1
2 y 2 = 1
y = p12
x + y2 = 1
2x y = 1
2x y = 1
Les rels x et y sont donc de mme signe, nous trouvons bien deux solutions :
1
1
1
1
x +i y = p +i p
ou x + i y = p i p
2
2
2
2
NOMBRES COMPLEXES
37
b +
2a
et
z2 =
b
.
2a
Et si = 0 alors la solution z = z1 = z2 = b/2a est unique (elle est dite double). Si on sautorisait crire
p
= , on obtiendrait la mme formule que celle que vous connaissez lorsque a, b, c sont rels.
Exemple 3.
p
p
1 i 3
.
z + z + 1 = 0, = 3, = i 3, les solutions sont z =
2
p
2
p
1
2 (1 + i)
2
1i
= 21
z 2 + z + 4 = 0, = i, = 2 (1 + i), les solutions sont z =
2
On retrouve aussi le rsultat bien connu pour le cas des quations coefficients rels :
2
2
4 (1 + i).
Corollaire 1.
Si les coefficients a, b, c sont rels alors R et les solutions sont de trois types :
b
si = 0, la racine double est relle et vaut ,
2a
p
b
,
si > 0, on a deux solutions relles
2a
p
b i
.
si < 0, on a deux solutions complexes, mais non relles,
2a
b
c
b 2
b2
c
2
2
az + bz + c = a z + z +
=a z+
2+
a
a
2a
4a
a
2
2
b
b
2
2 =a z+
2
= a z+
2a
4a
2a
4a
= a z+
z+
+
2a
2a
2a
2a
b +
b
= a z
z
= a (z z1 ) (z z2 )
2a
2a
Donc le binme sannule si et seulement si z = z1 ou z = z2 .
NOMBRES COMPLEXES
3. ARGUMENT ET TRIGONOMTRIE
38
Mini-exercices.
1. Calculer les racines carres de i, 3 4 i.
2. Rsoudre les quations : z 2 + z 1 = 0, 2z 2 + (10 10 i)z + 24 10 i = 0.
p
p
p
p
3. Rsoudre lquation z 2 + (i 2)z i 2, puis lquation Z 4 + (i 2)Z 2 i 2.
4. Montrer que si P(z) = z 2 + bz + c possde pour racines z1 , z2 C alors z1 + z2 = b et z1 z2 = c.
5. Trouver les paires de nombres dont la somme vaut i et le produit 1.
6. Soit P(z) = an z n + an1 z n1 + + a0 avec ai R pour tout i. Montrer que si z est racine de P alors z
aussi.
3. Argument et trigonomtrie
3.1. Argument
Si z = x + i y est de module 1, alors x 2 + y 2 = |z|2 = 1. Par consquent le point (x, y) est sur le cercle unit
du plan, et son abscisse x est note cos , son ordonne y est sin , o est (une mesure de) langle entre
laxe rel et z. Plus gnralement, si z 6= 0, z/|z| est de module 1, et cela amne :
Dfinition 2.
Pour tout z C = C \ {0}, un nombre R tel que z = |z| (cos + i sin ) est appel un argument de
z et not = arg(z).
iR
z
|z|
arg(z)
0
Cet argument est dfini modulo 2. On peut imposer cet argument dtre unique si on rajoute la condition
] , +].
Remarque.
(mod 2)
k Z, = + 2k
Proposition 5.
Largument satisfait les proprits suivantes :
arg zz 0 arg(z) + arg z 0 (mod 2)
arg (z n ) n arg(z) (mod 2)
arg (1/z) arg(z) (mod 2)
z ) arg z (mod 2)
arg(
cos = cos 0
sin = sin 0
NOMBRES COMPLEXES
3. ARGUMENT ET TRIGONOMTRIE
39
Dmonstration.
zz 0 = |z| (cos + i sin ) z 0 cos 0 + i sin 0
= zz 0 cos cos 0 sin sin 0 + i cos sin 0 + sin cos 0
= zz 0 cos + 0 + i sin + 0
donc arg zz 0 arg(z) + arg z 0 (mod 2). On en dduit les deux autres proprits, dont la deuxime par
rcurrence.
n
n
n
z = ei = n ei = n ei n
1/z = 1/ ei = 1 e i
z = e i
La formule de Moivre se rduit lgalit :
ei
n
= ei n .
NOMBRES COMPLEXES
3. ARGUMENT ET TRIGONOMTRIE
40
Proposition 6.
Il y a n racines n-imes 0 , 1 , . . . , n1 de z = ei , ce sont :
k = 1/n e
i +2 i k
n
k = 0, 1, . . . , n 1
n
Dmonstration. crivons z = ei et cherchons sous la forme = r ei t tel
obtenons
que z = . Nous
n
i
n i nt
i
n
it
n i nt
donc e = = r e
= r e . Prenons tout dabord le module : = e = r e
= r n et donc
1/n
i nt
i
r =
(il sagit ici de nombres rels). Pour les arguments nous avons e = e et donc nt (mod 2)
(noubliez surtout pas le modulo 2 !). Ainsi on rsout nt = + 2k (pour k Z) et donc t = n + 2k
n . Les
i +2 i k
solutions de lquation n = z sont donc les k = 1/n e n . Mais en fait il ny a que n solutions distinctes
car n = 0 , n+1 = 1 , . . . Ainsi les n solutions sont 0 , 1 , . . . , n1 .
Par exemple pour z = 1, on obtient les n racines n-imes de lunit e2 i k/n , k = 0, . . . , n 1 qui forment un
groupe multiplicatif.
j = e2 i /3
ei /3
1 = ei
1 = e0
j 2 = e4 i /3
e i /3
Racine 3-ime de 1 (z = 1, n = 3)
i
e4 i /5
e6 i /5
e8 i /5
ei + e i
2
sin =
ei e i
2i
NOMBRES COMPLEXES
3. ARGUMENT ET TRIGONOMTRIE
41
Ces formules sobtiennent facilement en utilisant la dfinition de la notation exponentielle. Nous les
appliquons dans la suite deux problmes : le dveloppement et la linarisation.
Dveloppement. On exprime sin n ou cos n en fonction des puissances de cos et sin .
Mthode : on utilise la formule de Moivre pour crire cos (n ) + i sin (n ) = (cos + i sin )n que lon
dveloppe avec la formule du binme de Newton.
Exemple 4.
= (cos + i sin )3
cos 3 + i sin 3
et
Linarisation. On exprime cosn ou sinn en fonction des cos k et sin k pour k allant de 0 n.
i i n
Mthode : avec la formule dEuler on crit sinn = e e
. On dveloppe laide du binme de Newton
2i
puis on regroupe les termes par paires conjugues.
Exemple 5.
sin
=
=
=
=
=
3
ei e i
2i
1
(ei )3 3(ei )2 e i + 3ei (e i )2 (e i )3
8 i
1
e3 i 3ei + 3e i e3 i
8 i
1 e3 i e3 i
ei e i
3
4
2i
2i
sin 3 3 sin
+
4
4
Mini-exercices.
1. Mettre les nombres suivants sont la forme module-argument (avec la notation exponentielle) : 1, i,
p
p
p
1
1, i, 3 i, 1 + i, 3 i, 3 i, p3i
, ( 3 i)20x x o 20x x est lanne en cours.
2. Calculer les racines 5-ime de i.
3. Calculer les racines carres de
sin 12
.
p
3
2
i
2
NOMBRES COMPLEXES
42
C
r
4.3. quation
|za|
|zb|
=k
Proposition 7.
Soit A, B deux points du plan et k R+ . Lensemble des points M tel que
une droite qui est la mdiatrice de [AB], si k = 1,
un cercle, sinon.
MA
MB
= k est
NOMBRES COMPLEXES
43
Exemple 6.
Prenons A le point daffixe +1,B le point daffixe 1. Voici les figures pour plusieurs valeurs de k.
Par exemple pour k = 2 le point M dessin vrifie bien M A = 2M B.
A
k=
k=3
k=
k=2
k=
1
3
4
3
k=1
k=
1
2
3
4
soit r 2 =
|ak2 b|2
(1k2 )2
Ces calculs se refont au cas par cas, il nest pas ncessaire dapprendre les formules.
Mini-exercices.
1. Calculer lquation complexe de la droite passant par 1 et i.
2. Calculer lquation complexe du cercle de centre 1 + 2 i passant par i.
|z i |
3. Calculer lquation complexe des solutions de
= 1, puis dessiner les solutions.
|z 1|
|z i |
4. Mme question avec
= 2.
|z 1|
Chapitre
Arithmtique
Vido
Vido
Vido
Vido
Fiche
Prambule
Une motivation : larithmtique est au cur du cryptage des communication. Pour crypter un message on
commence par le transformer en un ou plusieurs nombres. Le processus de codage et dcodage fait appel
plusieurs notions de ce chapitre :
On choisit deux nombres premiers p et q que lon garde secrets et on pose n = p q. Le principe tant
que mme connaissant n il est trs difficile de retrouver p et q (qui sont des nombres ayant des centaines
de chiffres).
La cl secrte et la cl publique se calculent laide de lalgorithme dEuclide et des coefficients de
Bzout.
Les calculs de cryptage se feront modulo n.
Le dcodage fonctionne grce une variante du petit thorme de Fermat.
ARITHMTIQUE
46
et
06r < b
34
dividende
199
diviseur
quotient
reste
Dmonstration.
Existence. On peut supposer a > 0 pour simplifier. Soit N = n N | bn 6 a . Cest un ensemble non vide
car n = 0 N . De plus pour n N , on a n 6 a. Il y a donc un nombre fini dlments dans N , notons
q = max N le plus grand lment.
Alors q b 6 a car q N , et (q + 1)b > a car q + 1
/ N , donc
q b 6 a < (q + 1)b = q b + b.
On dfinit alors r = a q b, r vrifie alors 0 6 r = a q b < b.
Unicit. Supposons que q0 , r 0 soient deux entiers qui vrifient les conditions du thorme. Tout dabord
a = bq + r = bq0 + r 0 et donc b(q q0 ) = r 0 r. Dautre part 0 6 r 0 < b et 0 6 r < b donc b < r 0 r < b
(notez au passage la manipulation des ingalits). Mais r 0 r = b(q q0 ) donc on obtient b < b(q q0 ) < b.
On peut diviser par b > 0 pour avoir 1 < q q0 < 1. Comme q q0 est un entier, la seule possibilit est
q q0 = 0 et donc q = q0 . Repartant de r 0 r = b(q q0 ) on obtient maintenant r = r 0 .
ARITHMTIQUE
47
Algorithme dEuclide.
On souhaite calculer le pgcd de a, b N . On peut supposer a > b. On calcule des divisions euclidiennes
successives. Le pgcd sera le dernier reste non nul.
division de a par b, a = bq1 +r1 . Par le lemme 1, pgcd(a, b) = pgcd(b, r1 ) et si r1 = 0 alors pgcd(a, b) = b
sinon on continue :
b = r1 q2 + r2 , pgcd(a, b) = pgcd(b, r1 ) = pgcd(r1 , r2 ),
r1 = r2 q3 + r3 , pgcd(a, b) = pgcd(r2 , r3 ),
...
rk2 = rk1 qk + rk , pgcd(a, b) = pgcd(rk1 , rk ),
rk1 = rk qk + 0. pgcd(a, b) = pgcd(rk , 0) = rk .
Comme chaque tape le reste est plus petit que le quotient on sait que 0 6 ri+1 < ri . Ainsi lalgorithme se
termine car nous sommes srs dobtenir un reste nul, les restes formant une suite dcroissante dentiers
positifs ou nuls : b > r1 > r2 > > 0.
Exemple 4.
Calculons le pgcd de a = 600 et b = 124.
600
124
104
20
=
=
=
=
124
104
20
4
9945
3003
936
195
156
=
=
=
=
=
3003
936
195
156
39
4
1
5
5
+
+
+
+
104
20
4
0
3
3
4
1
4
+
+
+
+
+
936
195
156
39
0
ARITHMTIQUE
2. THORME DE BZOUT
48
2. Thorme de Bzout
2.1. Thorme de Bzout
Thorme 2 (Thorme de Bzout).
Soient a, b des entiers. Il existe des entiers u, v Z tels que
au + bv = pgcd(a, b)
La preuve dcoule de lalgorithme dEuclide. Les entiers u, v ne sont pas uniques. Les entiers u, v sont des
coefficients de Bzout. Ils sobtiennent en remontant lalgorithme dEuclide.
Exemple 8.
Calculons les coefficients de Bzout pour a = 600 et b = 124. Nous reprenons les calculs effectus pour
trouver pgcd(600, 124) = 4. La partie gauche est lalgorithme dEuclide. La partie droite sobtient de bas en
haut. On exprime le pgcd laide de la dernire ligne o le reste est non nul. Puis on remplace le reste de la
ligne prcdente, et ainsi de suite jusqu arriver la premire ligne.
600 = 124 4 + 104
4 =
124 = 104 1 + 20
4 =
104 = 20 5 + 4
4 =
104 20 5
20 = 4 5 + 0
ARITHMTIQUE
2. THORME DE BZOUT
49
=
=
=
=
=
3003
936
195
156
39
3
3
4
1
4
+
+
+
+
+
936
195
156
39
0
39
39
39
39
=
195 156 1
ARITHMTIQUE
2. THORME DE BZOUT
50
2.3. quations a x + b y = c
Proposition 1.
Considrons lquation
ax + b y = c
(E)
o a, b, c Z.
1. Lquation (E) possde des solutions (x, y) Z2 si et seulement si pgcd(a, b)|c.
2. Si pgcd(a, b)|c alors il existe mme une infinit de solutions entires et elles sont exactement les (x, y) =
(x 0 + k, y0 + k) avec x 0 , y0 , , Z fixs et k parcourant Z.
Le premier point est une consquence du thorme de Bzout. Nous allons voir sur un exemple comment
prouver le second point et calculer explicitement les solutions. Il est bon de refaire toutes les tapes de la
dmonstration chaque fois.
Exemple 10.
Trouver les solutions entires de
161x + 368 y = 115
(E)
Premire tape. Y a-t-il des solutions ? Lalgorithme dEuclide. On effectue lalgorithme dEuclide
pour calculer le pgcd de a = 161 et b = 368.
368 = 161 2 + 46
161 = 46
3 + 23
46 = 23
2 + 0
Donc pgcd(368, 161) = 23. Comme 115 = 5 23 alors pgcd(368, 161)|115. Par le thorme de Bzout,
lquation (E) admet des solutions entires.
Deuxime tape. Trouver une solution particulire : la remonte de lalgorithme dEuclide. On
effectue la remonte de lalgorithme dEuclide pour calculer les coefficients de Bzout.
161 7 + 368 (3)
23 =
368 = 161 2 + 46
161 + (368 2 161) (3)
161 = 46
3 + 23
23 = 161 3 46
46 = 23
2 + 0
On trouve donc 161 7 + 368 (3) = 23. Comme 115 = 5 23 en multipliant par 5 on obtient :
161 35 + 368 (15) = 115
Ainsi (x 0 , y0 ) = (35, 15) est une solution particulire de (E).
Troisime tape. Recherche de toutes les solutions. Soit (x, y) Z2 une solution de (E). Nous savons
que (x 0 , y0 ) est aussi solution. Ainsi :
161x + 368 y = 115
et
(on na aucun intrt remplacer x 0 et y0 par leurs valeurs). La diffrence de ces deux galits conduit
161 (x x 0 ) + 368 ( y y0 ) = 0
=
23 7 (x x 0 ) + 23 16 ( y y0 ) = 0
7(x x 0 ) = 16( y y0 )
()
Nous avons simplifi par 23 qui est le pgcd de 161 et 368. (Attention, noubliez surtout pas cette
simplification, sinon la suite du raisonnement serait fausse.)
Ainsi 7|16( y y0 ), or pgcd(7, 16) = 1 donc par le lemme de Gauss 7| y y0 . Il existe donc k Z tel
que y y0 = 7 k. Repartant de lquation () : 7(x x 0 ) = 16( y y0 ). On obtient maintenant
7(x x 0 ) = 16 7 k. Do x x 0 = 16k. (Cest le mme k pour x et pour y.) Nous avons donc
ARITHMTIQUE
3. NOMBRES PREMIERS
51
(x, y) = (x 0 16k, y0 + 7k). Il nest pas dur de voir que tout couple de cette forme est solution de
lquation (E). Il reste donc juste substituer (x 0 , y0 ) par sa valeur et nous obtenons :
Les solutions entires de 161x + 368 y = 115 sont les (x, y) = (35 16k, 15 + 7k), k parcourant Z.
Pour se rassurer, prenez une valeur de k au hasard et vrifiez que vous obtenez bien une solution de
lquation.
2.4. ppcm
Dfinition 4.
Le ppcm(a, b) (plus petit multiple commun) est le plus petit entier > 0 divisible par a et par b.
Par exemple ppcm(12, 9) = 36.
Le pgcd et le ppcm sont lis par la formule suivante :
Proposition 2.
Si a, b sont des entiers (non tous les deux nuls) alors
pgcd(a, b) ppcm(a, b) = |a b|
|ab|
Dmonstration. Posons d = pgcd(a, b) et m = pgcd(a,b) . Pour simplifier on suppose a > 0 et b > 0. On crit
a = d a0 et b = d b0 . Alors a b = d 2 a0 b0 et donc m = d a0 b0 . Ainsi m = a b0 = a0 b est un multiple de a et de b.
Il reste montrer que cest le plus petit multiple. Si n est un autre multiple de a et de b alors n = ka = `b donc
kd a0 = `d b0 et ka0 = `b0 . Or pgcd(a0 , b0 ) = 1 et a0 |`b0 donc a0 |`. Donc a0 b|`b et ainsi m = a0 b|`b = n.
Voici un autre rsultat concernant le ppcm qui se dmontre en utilisant la dcomposition en facteurs
premiers :
Proposition 3.
Si a|c et b|c alors ppcm(a, b)|c.
Il serait faux de penser que a b|c. Par exemple 6|36, 9|36 mais 6 9 ne divise pas 36. Par contre ppcm(6, 9) =
18 divise bien 36.
Mini-exercices.
1. Calculer les coefficients de Bzout correspondant pgcd(560, 133), pgcd(12 121, 789).
2. Montrer laide dun corollaire du thorme de Bzout que pgcd(a, a + 1) = 1.
3. Rsoudre les quations : 407x + 129 y = 1 ; 720x + 54 y = 6 ; 216x + 92 y = 8.
4. Trouver les couples (a, b) vrifiant pgcd(a, b) = 12 et ppcm(a, b) = 360.
3. Nombres premiers
Les nombres premiers sont en quelque sorte les briques lmentaires des entiers : tout entier scrit comme
produit de nombres premiers.
ARITHMTIQUE
3. NOMBRES PREMIERS
52
ARITHMTIQUE
3. NOMBRES PREMIERS
53
Remarque.
p
Si un nombre n nest pas premier alors un de ses facteurs est 6 n. En effet si n = a b avec a, b > 2 alors
p
p
a 6 n ou b 6 n (rflchissez par labsurde !). Par exemple pour tester si un nombre 6 100 est premier il
suffit de tester les diviseurs 6 10. Et comme il suffit de tester les diviseurs premiers, il suffit en fait de tester
la divisibilit par 2, 3, 5 et 7. Exemple : 89 nest pas divisible par 2, 3, 5, 7 et est donc un nombre premier.
Proposition 5 (Lemme dEuclide).
Soit p un nombre premier. Si p|a b alors p|a ou p|b.
Dmonstration. Si p ne divise pas a alors p et a sont premiers entre eux (en effet les diviseurs de p sont 1
et p, mais seul 1 divise aussi a, donc pgcd(a, p) = 1). Ainsi par le lemme de Gauss p|b.
Exemple 11.
p
Si p est un nombre premier, p nest pas un nombre rationnel.
2
p
La preuve se fait par labsurde : crivons p = ab avec a Z, b N et pgcd(a, b) = 1. Alors p = ab2 donc
p b2 = a2 . Ainsi p|a2 donc par le lemme dEuclide p|a. On peut alors crire a = pa0 avec a0 un entier. De
lquation p b2 = a2 on tire alors b2 = pa02 . Ainsi p|b2 et donc p|b. Maintenant p|a et p|b donc a et b ne
p
sont pas premiers entre eux. Ce qui contredit pgcd(a, b) = 1. Conclusion p nest pas rationnel.
n = p1 1 p2 2 pr r .
De plus les pi et les i (i = 1, . . . , r) sont uniques.
Exemple : 24 = 23 3 est la dcomposition en facteurs premiers. Par contre 36 = 22 9 nest pas la
dcomposition en facteurs premiers, cest 22 32 .
Remarque.
La principale raison pour laquelle on choisit de dire que 1 nest pas un nombre premier, cest que sinon il ny
aurait plus unicit de la dcomposition : 24 = 23 3 = 1 23 3 = 12 23 3 =
Dmonstration.
Existence. Nous allons dmontrer lexistence de la dcomposition par une rcurrence sur n.
Lentier n = 2 est dj dcompos. Soit n > 3, supposons que tout entier < n admette une dcomposition en
facteurs premiers. Notons p1 le plus petit nombre premier divisant n (voir le lemme 2). Si n est un nombre
premier alors n = p1 et cest fini. Sinon on dfinit lentier n0 = pn1 < n et on applique notre hypothse de
rcurrence n0 qui admet une dcomposition en facteurs premiers. Alors n = p1 n0 admet aussi une
dcomposition.
Unicit. Nous allons dmontrer quune telle dcomposition est unique en effectuant cette fois une rcurrence
Pr
sur la somme des exposants = i=1 i .
Si = 1 cela signifie n = p1 qui est bien lunique criture possible.
Soit > 2. On suppose que les entiers dont la somme des exposants est < ont une unique dcomposition.
Soit n un entier dont la somme des exposants vaut . crivons le avec deux dcompositions :
n = p1 1 p2 2 pr r = q1 1 q2 2 qss .
(On a p1 < p2 < et q1 < q2 < .)
ARITHMTIQUE
4. CONGRUENCES
54
Si p1 < q1 alors p1 < q j pour tous les j = 1, . . . , s. Ainsi p1 divise p1 1 p2 2 p r r = n mais ne divise
= p1 1 p2 2 pr r = q1 1 q2 2 qss
n0 =
p1
Lhypothse de rcurrence qui sapplique n0 implique que ces deux dcompositions sont les mmes. Ainsi
r = s et pi = qi , i = i , i = 1, . . . , r.
Exemple 12.
504 = 23 32 7,
300 = 22 3 52 .
300 = 22 31 52 70 .
Le pgcd est le nombre obtenu en prenant le plus petit exposant de chaque facteur premier :
pgcd(504, 300) = 22 31 50 70 = 12.
Pour le ppcm on prend le plus grand exposant de chaque facteur premier :
ppcm(504, 300) = 23 32 52 71 = 12 600
Mini-exercices.
1. Montrer que n! + 1 nest divisible par aucun des entiers 2, 3, . . . , n. Est-ce toujours un nombre premier ?
2. Trouver tous les nombres premiers 6 103.
3. Dcomposer a = 2 340 et b = 15 288 en facteurs premiers. Calculer leur pgcd et leur ppcm.
4. Dcomposer 48 400 en produit de facteurs premiers. Combien 48 400 admet-il de diviseurs ?
5. Soient a, b > 0. laide de la dcomposition en facteurs premiers, reprouver la formule pgcd(a, b)
ppcm(a, b) = a b.
4. Congruences
4.1. Dfinition
Dfinition 6.
Soit n > 2 un entier. On dit que a est congru b modulo n, si n divise b a. On note alors
a b (mod n).
On note aussi parfois a = b (mod n) ou a b[n]. Une autre formulation est
a b (mod n)
k Z
a = b + kn.
ARITHMTIQUE
4. CONGRUENCES
55
Exemple 14.
Critre de divisibilit par 9.
N est divisible par 9 si et seulement si
la somme de ses chiffres est divisible par 9.
Pour prouver cela nous utilisons les congruences. Remarquons dabord que 9|N quivaut N 0 (mod 9)
et notons aussi que 10 1 (mod 9), 102 1 (mod 9), 103 1 (mod 9),...
Nous allons donc calculer N modulo 9. crivons N en base 10 : N = ak a2 a1 a0 (a0 est le chiffre des
units, a1 celui des dizaines,...) alors N = 10k ak + + 102 a2 + 101 a1 + a0 . Donc
N = 10k ak + + 102 a2 + 101 a1 + a0
ak + + a2 + a1 + a0 (mod 9)
Donc N est congru la somme de ses chiffres modulo 9. Ainsi N 0 (mod 9) si et seulement si la somme
des chiffres vaut 0 modulo 9.
Voyons cela sur un exemple : N = 488 889. Ici a0 = 9 est le chiffre des units, a1 = 8 celui des dizaines,...
Cette criture dcimale signifie N = 4 105 + 8 104 + 8 103 + 8 102 + 8 10 + 9.
N = 4 105 + 8 104 + 8 103 + 8 102 + 8 10 + 9
4 + 8 + 8 + 8 + 8 + 9 (mod 9)
45 (mod 9)
9 (mod 9)
0 (mod 9)
Ainsi nous savons que 488 889 est divisible par 9 sans avoir effectu de division euclidienne.
Remarque.
Pour trouver un bon reprsentant de a (mod n) on peut aussi faire la division euclidienne de a par n :
a = bn + r alors a r (mod n) et 0 6 r < n.
ARITHMTIQUE
4. CONGRUENCES
56
Exemple 15.
Les calculs bien mens avec les congruences sont souvent trs rapides. Par exemple on souhaite calculer 221
(mod 37) (plus exactement on souhaite trouver 0 6 r < 37 tel que 221 r (mod 37)). Plusieurs mthodes :
1. On calcule 221 , puis on fait la division euclidienne de 221 par 37, le reste est notre rsultat. Cest
laborieux !
2. On calcule successivement les 2k modulo 37 : 21 2 (mod 37), 22 4 (mod 37), 23 8 (mod 37),
24 16 (mod 37), 25 32 (mod 37). Ensuite on noublie pas dutiliser les congruences : 26 64 27
(mod 37). 27 2 26 2 27 54 17 (mod 37) et ainsi de suite en utilisant le calcul prcdent
chaque tape. Cest assez efficace et on peut raffiner : par exemple on trouve 28 34 (mod 37) mais
donc aussi 28 3 (mod 37) et donc 29 2 28 2 (3) 6 31 (mod 37),...
3. Il existe une mthode encore plus efficace, on crit lexposant 21 en base 2 : 21 = 24 +22 +20 = 16+4+1.
Alors 221 = 216 24 21 . Et il est facile de calculer successivement chacun de ces termes car les exposants
2
sont des puissances de 2. Ainsi 28 (24 )2 162 256 34 3 (mod 37) et 216 28 (3)2 9
(mod 37). Nous obtenons 221 216 24 21 9 16 2 288 29 (mod 37).
Exemple 16.
Rsolvons lquation 9x 6 (mod 24). Comme pgcd(9, 24) = 3 divise 6 la proposition ci-dessus nous
affirme quil existe des solutions. Nous allons les calculer. (Il est toujours prfrable de refaire rapidement
les calculs que dapprendre la formule). Trouver x tel que 9x 6 (mod 24) est quivalent trouver x et k
tels que 9x = 6 + 24k. Mis sous la forme 9x 24k = 6 il sagit alors dune quation que nous avons tudie
en dtails (voir section 2.3). Il y a bien des solutions car pgcd(9, 24) = 3 divise 6. En divisant par le pgcd on
obtient lquation quivalente :
3x 8k = 2.
Pour le calcul du pgcd et dune solution particulire nous utilisons normalement lalgorithme dEuclide et sa
remonte. Ici il est facile de trouver une solution particulire (x 0 = 6, k0 = 2) la main.
On termine comme pour les quations de la section 2.3. Si (x, k) est une solution de 3x 8k = 2 alors
par soustraction on obtient 3(x x 0 ) 8(k k0 ) = 0 et on trouve x = x 0 + 8`, avec ` Z (le terme k ne
nous intresse pas). Nous avons donc trouv les x qui sont solutions de 3x 8k = 2, ce qui quivaut
9x 24k = 6, ce qui quivaut encore 9x 6 (mod 24). Les solutions sont de la forme x = 6 + 8`. On
prfre les regrouper en 3 classes modulo 24 :
x 1 = 6 + 24m,
x 2 = 14 + 24m,
x 3 = 22 + 24m
avec m Z.
Remarque.
Expliquons le terme de classe utilis ici. Nous avons considrer ici que lquation 9x 6 (mod 24) est
une quation dentiers. On peut aussi considrer que 9, x, 6 sont des classes dquivalence modulo 24, et
lon noterait alors 9x = 6. On trouverait comme solutions trois classes dquivalence :
x 1 = 6,
Dmonstration.
x 2 = 14,
x 3 = 22.
ARITHMTIQUE
4. CONGRUENCES
57
1.
x Z est un solution de lquation a x b (mod n)
k Z
a x = b + kn
k Z
a x kn = b
pgcd(a, n)|b
par la proposition 1
Nous avons juste transform notre quation a x b (mod n) en une quation a x kn = b tudie
auparavant (voir section 2.3), seules les notations changent : au + bv = c devient a x kn = b.
2. Supposons quil existe des solutions. Nous allons noter d = pgcd(a, n) et crire a = d a0 , n = d n0 et
b = d b0 (car par le premier point d|b). Lquation a x kn = b dinconnues x, k Z est alors quivalente
lquation a0 x kn0 = b0 , note (?). Nous savons rsoudre cette quation (voir de nouveau la proposition
1), si (x 0 , k0 ) est une solution particulire de (?) alors on connat tous les (x, k) solutions. En particulier
x = x 0 + `n0 avec ` Z (les k ne nous intressent pas ici).
n
Ainsi les solutions x Z sont de la forme x = x 0 + ` pgcd(a,n)
, ` Z o x 0 est une solution particulire
de a x b (mod n). Et modulo n cela donne bien pgcd(a, n) classes distinctes.
p
k
0 (mod p).
p!
p
p
p
Dmonstration. k = k!(pk)! donc p! = k!(p k)! k . Ainsi p|k!(p k)! k . Or comme 1 6 k 6 p 1 alors
p ne divise pas k! (sinon p divise lun des facteurs de k! mais il sont tous < p). De mme p ne divise pas
p
(p k)!, donc par le lemme dEuclide p divise k .
Preuve du thorme. Nous le montrons par rcurrence pour les a > 0.
Si a = 0 alors 0 0 (mod p).
Fixons a > 0 et supposons que a p a (mod p). Calculons (a + 1) p laide de la formule du binme de
Newton :
p
p
p
p
p
p1
p2
(a + 1) = a +
a
+
a
+ +
+1
p1
p2
1
ARITHMTIQUE
4. CONGRUENCES
58
p
p
p
p
p
p1
p2
(a + 1) a +
a
+
a
+ +
+ 1 (mod p)
p1
p2
1
a p + 1 (mod p) grce au lemme 3
a + 1 (mod p) cause de lhypothse de rcurrence
Par le principe de rcurrence nous avons dmontr le petit thorme de Fermat pour tout a > 0. Il nest
pas dur den dduire le cas des a 6 0.
Exemple 17.
Calculons 143141 (mod 17). Le nombre 17 tant premier on sait par le petit thorme de Fermat que 1416 1
(mod 17). crivons la division euclidienne de 3141 par 16 :
3141 = 16 196 + 5.
Alors
143141 1416196+5 1416196 145
196
1416
145 1196 145
145 (mod 17)
Il ne reste plus qu calculer 145 modulo 17. Cela peut se faire rapidement : 14 3 (mod 17) donc 142
(3)2 9 (mod 17), 143 142 14 9 (3) 27 7 (mod 17), 145 142 143 9 7 63 12
(mod 17). Conclusion : 143141 145 12 (mod 17).
Mini-exercices.
1. Calculer les restes modulo 10 de 122 + 455, 122 455, 122455 . Mmes calculs modulo 11, puis modulo
12.
2. Prouver quun entier est divisible par 3 si et seulement si la somme de ses chiffres est divisible par 3.
3. Calculer 310 (mod 23).
4. Calculer 3100 (mod 23).
5. Rsoudre les quations 3x 4 (mod 7), 4x 14 (mod 30).
Chapitre
Polynmes
Vido
Vido
Vido
Vido
Fiche
Fiche
partie 1. Dfinitions
partie 2. Arithmtique des polynmes
partie 3. Racine d'un polynme, factorisation
partie 4. Fractions rationnelles
d'exercices Polynmes
d'exercices Fractions rationnelles
Motivation
Les polynmes sont des objets trs simples mais aux proprits extrmement riches. Vous savez dj
rsoudre les quations de degr 2 : aX 2 + bX + c = 0. Savez-vous que la rsolution des quations de degr
3, aX 3 + bX 2 + cX + d = 0, a fait lobjet de luttes acharnes dans lItalie du X V I e sicle ? Un concours tait
organis avec un prix pour chacune de trente quations de degr 3 rsoudre. Un jeune italien, Tartaglia,
trouve la formule gnrale des solutions et rsout les trente quations en une seule nuit ! Cette mthode que
Tartaglia voulait garder secrte sera quand mme publie quelques annes plus tard comme la mthode
de Cardan .
Dans ce chapitre, aprs quelques dfinitions des concepts de base, nous allons tudier larithmtique des
polynmes. Il y a une grande analogie entre larithmtique des polynmes et celles des entiers. On continue
avec un thorme fondamental de lalgbre : Tout polynme de degr n admet n racines complexes. On
termine avec les fractions rationnelles : une fraction rationnelle est le quotient de deux polynmes.
Dans ce chapitre K dsignera lun des corps Q, R ou C.
1. Dfinitions
1.1. Dfinitions
Dfinition 1.
Un polynme coefficients dans K est une expression de la forme
P(X ) = an X n + an1 X n1 + + a2 X 2 + a1 X + a0 ,
avec n N et a0 , a1 , . . . , an K.
Lensemble des polynmes est not K[X ].
Les ai sont appels les coefficients du polynme.
Si tous les coefficients ai sont nuls, P est appel le polynme nul, il est not 0.
On appelle le degr de P le plus grand entier i tel que ai 6= 0 ; on le note deg P. Pour le degr du
POLYNMES
1. DFINITIONS
60
ai = bi
Multiplication par un scalaire. Si K alors P est le polynme dont le i-me coefficient est ai .
Exemple 2.
Soient P = aX 3 + bX 2 + cX + d et Q = X 2 + X + . Alors P + Q = aX 3 + (b + )X 2 + (c + )X + (d + ),
P Q = (a)X 5 + (a + b)X 4 + (a + b + c)X 3 + (b + c + d)X 2 + (c + d)X + d. Enfin P = Q
si et seulement si a = 0, b = , c = et d = .
La multiplication par un scalaire P quivaut multiplier le polynme constant par le polynme P.
Laddition et la multiplication se comportent sans problme :
Proposition 1.
Pour P, Q, R K[X ] alors
0 + P = P, P + Q = Q + P, (P + Q) + R = P + (Q + R) ;
1 P = P, P Q = Q P, (P Q) R = P (Q R) ;
P (Q + R) = P Q + P R.
Pour le degr il faut faire attention :
Proposition 2.
Soient P et Q deux polynmes coefficients dans K.
deg(P Q) = deg P + deg Q
deg(P + Q) 6 max(deg P, deg Q)
On note Rn [X ] = P R[X ] | deg P 6 n . Si P, Q Rn [X ] alors P + Q Rn [X ].
POLYNMES
61
1.3. Vocabulaire
Compltons les dfinitions sur les polynmes.
Dfinition 2.
Les polynmes comportant un seul terme non nul (du type ak X k ) sont appels monmes.
6 0. On appelle terme dominant
Soit P = an X n + an1 X n1 + + a1 X + a0 , un polynme avec an =
n
le monme an X . Le coefficient an est appel le coefficient dominant de P.
Si le coefficient dominant est 1, on dit que P est un polynme unitaire.
Exemple 3.
P(X ) = (X 1)(X n + X n1 + + X + 1). On dveloppe cette expression : P(X ) = X n+1 + X n + + X 2 +
X X n + X n1 + + X + 1 = X n+1 1. P(X ) est donc un polynme de degr n + 1, il est unitaire et est
somme de deux monmes : X n+1 et 1.
Remarque.
Tout polynme est donc une somme finie de monmes.
Mini-exercices.
1. Soit P(X ) = 3X 3 2, Q(X ) = X 2 + X 1, R(X ) = aX + b. Calculer P +Q, P Q, (P +Q) R et P Q R.
Trouver a et b afin que le degr de P QR soit le plus petit possible.
2. Calculer (X + 1)5 (X 1)5 .
3. Dterminer le degr de (X 2 + X + 1)n aX 2n bX 2n1 en fonction de a, b.
4. Montrer que si deg P 6= deg Q alors deg(P + Q) = max(deg P, deg Q). Donner un contre-exemple dans
le cas o deg P = deg Q.
5. Montrer que si P(X ) = X n + an1 X n1 + alors le coefficient devant X n1 de P(X
an1
n )
est nul.
POLYNMES
A = BQ + R
et
62
Q est appel le quotient et R le reste et cette criture est la division euclidienne de A par B.
Notez que la condition deg R < deg B signifie R = 0 ou bien 0 6 deg R < deg B.
Enfin R = 0 si et seulement si B|A.
Dmonstration.
Unicit. Si A = BQ + R et A = BQ0 + R0 , alors B(Q Q0 ) = R0 R. Or deg(R0 R) < deg B. Donc Q0 Q = 0.
Ainsi Q = Q0 , do aussi R = R0 .
Existence. On montre lexistence par rcurrence sur le degr de A.
Si deg A = 0 et deg B > 0, alors A est une constante, on pose Q = 0 et R = A. Si deg A = 0 et deg B = 0,
on pose Q = A/B et R = 0.
On suppose lexistence vraie lorsque deg A 6 n 1. Soit A = an X n + + a0 un polynme de degr n
(an 6= 0). Soit B = bm X m + + b0 avec bm 6= 0. Si n < m on pose Q = 0 et R = A.
a
Si n > m on crit A = B b n X nm + A1 avec deg A1 6 n 1. On applique lhypothse de rcurrence A1 :
m
il existe Q 1 , R1 K[X ] tels que A1 = BQ 1 + R1 et deg R1 < deg B. Il vient :
an nm
X
+ Q 1 + R1 .
A= B
bm
Donc Q =
an nm
bm X
+ Q 1 et R = R1 conviennent.
Exemple 4.
On pose une division de polynmes comme on pose une division euclidienne de deux entiers. Par exemple
si A = 2X 4 X 3 2X 2 + 3X 1 et B = X 2 X + 1. Alors on trouve Q = 2X 2 + X 3 et R = X + 2. On
noublie pas de vrifier queffectivement A = BQ + R.
2X 4 X 3 2X 2 + 3X 1
X2 X + 1
2X 4 2X 3 + 2X 2
X 3 4X 2 + 3X 1
2X 2 + X 3
X3 X2 + X
3X 2 + 2X 1
3X 2 + 3X 3
X + 2
Exemple 5.
Pour X 4 3X 3 + X + 1 divis par X 2 + 2 on trouve un quotient gal X 2 3X 2 et un reste gale 7X + 5.
X 4 3X 3 +
X +1
X2 + 2
+ 2X 2
X4
3X 3 2X 2 + X + 1
3X 3
6X
2X 2 + 7X + 1
2X 2
4
7X + 5
X 2 3X 2
POLYNMES
63
2.2. pgcd
Proposition 4.
Soient A, B K[X ], avec A 6= 0 ou B 6= 0. Il existe un unique polynme unitaire de plus grand degr qui
divise la fois A et B.
Cet unique polynme est appel le pgcd (plus grand commun diviseur) de A et B que lon note pgcd(A, B).
Remarque.
Algorithme dEuclide.
Soient A et B des polynmes, B 6= 0.
On calcule les divisions euclidiennes successives,
A = BQ 1 + R1
B = R1Q 2 + R2
R1 = R2Q 3 + R3
..
.
R k2 = R k1Q k + R k
R k1 = R k Q k+1
Le degr du reste diminue chaque division. On arrte lalgorithme lorsque le reste est nul. Le pgcd est le
dernier reste non nul R k (rendu unitaire).
Exemple 6.
Calculons le pgcd de A = X 4 1 et B = X 3 1. On applique lalgorithme dEuclide :
X 4 1 = (X 3 1) X + X 1
X 3 1 = (X 1) (X 2 + X + 1) + 0
Le pgcd est le dernier reste non nul, donc pgcd(X 4 1, X 3 1) = X 1.
Exemple 7.
Calculons le pgcd de A = X 5 + X 4 + 2X 3 + X 2 + X + 2 et B = X 4 + 2X 3 + X 2 4.
X 5 + X 4 + 2X 3 + X 2 + X + 2
X 4 + 2X 3 + X 2 4
3X 3 + 2X 2 + 5X 2
=
=
=
(X 4 + 2X 3 + X 2 4) (X 1) + 3X 3 + 2X 2 + 5X 2
2
(3X 3 + 2X 2 + 5X 2) 19 (3X + 4) 14
9 (X + X + 2)
2
(X + X + 2) (3X 1) + 0
Ainsi pgcd(A, B) = X 2 + X + 2.
Dfinition 4.
Soient A, B K[X ]. On dit que A et B sont premiers entre eux si pgcd(A, B) = 1.
Pour A, B quelconques on peut se ramener des polynmes premiers entre eux : si pgcd(A, B) = D alors A et
B scrivent : A = DA0 , B = DB 0 avec pgcd(A0 , B 0 ) = 1.
POLYNMES
64
2.4. ppcm
Proposition 5.
Soient A, B K[X ] des polynmes non nuls, alors il existe un unique polynme unitaire M de plus petit
degr tel que A|M et B|M .
Cet unique polynme est appel le ppcm (plus petit commun multiple) de A et B quon note ppcm(A, B).
Exemple 10.
ppcm X (X 2)2 (X 2 + 1)4 , (X + 1)(X 2)3 (X 2 + 1)3 = X (X + 1)(X 2)3 (X 2 + 1)4 .
De plus le ppcm est aussi le plus petit au sens de la divisibilit :
POLYNMES
65
Proposition 6.
Soient A, B K[X ] des polynmes non nuls et M = ppcm(A, B). Si C K[X ] est un polynme tel que A|C
et B|C, alors M |C.
Mini-exercices.
1. Trouver les diviseurs de X 4 + 2X 2 + 1 dans R[X ], puis dans C[X ].
2. Montrer que X 1|X n 1 (pour n > 1).
3. Calculer les divisions euclidiennes de A par B avec A = X 4 1, B = X 3 1. Puis A = 4X 3 + 2X 2 X 5
et B = X 2 + X ; A = 2X 4 9X 3 + 18X 2 21X + 2 et B = X 2 3X + 1 ; A = X 5 2X 4 + 6X 3 et B = 2X 3 + 1.
4. Dterminer le pgcd de A = X 5 + X 3 + X 2 + 1 et B = 2X 3 + 3X 2 + 2X + 3. Trouver les coefficients de
Bzout U, V . Mmes questions avec A = X 5 1 et B = X 4 + X + 1.
5. Montrer que si AU + BV = 1 avec deg U < deg B et deg V < deg A alors les polynmes U, V sont
uniques.
x 7 P(x) = an x n + + a1 x + a0 .
Dfinition 6.
Soit P K[X ] et K. On dit que est une racine (ou un zro) de P si P() = 0.
Proposition 7.
P() = 0
X divise P
POLYNMES
66
Remarque.
Par analogie avec la drive dune fonction, si P(X ) = a0 + a1 X + + an X n K[X ] alors le polynme
P 0 (X ) = a1 + 2a2 X + + nan X n1 est le polynme driv de P.
et b
.
Si = b2 4ac > 0 alors P admet 2 racines relles distinctes
2a
p
p 2a
bi ||
b+i ||
et
.
Si < 0 alors P admet 2 racines complexes distinctes
2a
2a
b
Si = 0 alors P admet une racine relle double 2a .
En tenant compte des multiplicits on a donc toujours exactement 2 racines.
Exemple 12.
P(X ) = X n 1 admet n racines distinctes.
Sachant que P est de degr n alors par le thorme de dAlembert-Gauss on sait quil admet n racines
comptes avec multiplicit. Il sagit donc maintenant de montrer que ce sont des racines simples. Supposons
par labsurde que C soit une racine de multiplicit > 2. Alors P() = 0 et P 0 () = 0. Donc n 1 = 0
et nn1 = 0. De la seconde galit on dduit = 0, contradictoire avec la premire galit. Donc toutes les
racines sont simples. Ainsi les n racines sont distinctes. (Remarque : sur cet exemple particulier on aurait
aussi pu calculer les racines qui sont ici les racines n-ime de lunit.)
Pour les autres corps que les nombres complexes nous avons le rsultat plus faible suivant :
Thorme 4.
Soit P K[X ] de degr n > 1. Alors P admet au plus n racines dans K.
Exemple 13.
P(X ) = 3X 3 2X 2 + 6X 4. Considr comme un polynme coefficients dans Q ou R, P na quune seule
racine (qui est simple) = 23 et il se dcompose en P(X ) = 3(X 23 )(X 2 + 2). Si on considre maintenant P
p
p
comme un polynme coefficients dans C alors P(X ) = 3(X 23 )(X i 2)(X + i 2) et admet 3 racines
simples.
POLYNMES
67
Dans le cas contraire, on dit que P est rductible ; il existe alors des polynmes A, B de K[X ] tels que
P = AB, avec deg A > 1 et deg B > 1.
Exemple 14.
Tous les polynmes de degr 1 sont irrductibles. Par consquent il y a une infinit de polynmes
irrductibles.
X 2 1 = (X 1)(X + 1) R[X ] est rductible.
i)(X + i) est rductible dans C[X ] mais est irrductible dans R[X ].
X 2 + 1 = (X p
p
2
X 2 = (X 2)(X + 2) est rductible dans R[X ] mais est irrductible dans Q[X ].
Nous avons lquivalent du lemme dEuclide de Z pour les polynmes :
Proposition 9 (Lemme dEuclide).
Soit P K[X ] un polynme irrductible et soient A, B K[X ]. Si P|AB alors P|A ou P|B.
Dmonstration. Si P ne divise pas A alors pgcd(P, A) = 1 car P est irrductible. Donc, par le lemme de Gauss,
P divise B.
A = P1 1 P2 2 Prkr
o K , r N , ki N et les Pi sont des polynmes irrductibles distincts.
De plus cette dcomposition est unique lordre prs des facteurs.
Il sagit bien sr de lanalogue de la dcomposition dun nombre en facteurs premiers.
POLYNMES
4. FRACTIONS RATIONNELLES
68
Exemple 16.
Soit P(X ) = X 4 + 1.
Sur C. On peut dabord dcomposer P(X ) = (X 2 + i)(X 2 i). Les racines de P sont donc les racines
carres complexes de i et i. Ainsi P se factorise dans C[X ] :
p
p
p
p
P(X ) = X 22 (1 + i) X + 22 (1 + i) X 22 (1 i) X + 22 (1 i) .
aussi. Dans la dcomposition
Sur R. Pour un polynme coefficient rels, si est une racine alors
ci-dessus on regroupe les facteurs ayant des racines conjugues, cela doit conduire un polynme rel :
p
p
p
p
P(X ) = X 22 (1 + i) X 22 (1 i)
X + 22 (1 + i) X + 22 (1 i)
p
p
= X 2 + 2X + 1 X 2 2X + 1 ,
qui est la factorisation dans R[X ].
Mini-exercices.
1. Trouver un polynme P(X ) Z[X ] de degr minimal tel que :
racine double et i soit une racine triple.
1
2
p
2 soit une
4. Fractions rationnelles
Dfinition 9.
Une fraction rationnelle coefficients dans K est une expression de la forme
P
F=
Q
o P, Q K[X ] sont deux polynmes et Q 6= 0.
Toute fraction rationnelle se dcompose comme une somme de fractions rationnelles lmentaires que lon
appelle des lments simples . Mais les lments simples sont diffrents sur C ou sur R.
+
Q
(X 1 )
(X 1 )k1 (X 1 )k1 1
a2,k2
a2,1
+
+ +
k
(X 2 )
(X 2 ) 2
+
POLYNMES
4. FRACTIONS RATIONNELLES
1
= Xa+i + X bi
X 2 +1
X 4 8X 2 +9X 7
=X
(X 2)2 (X +3)
Vrifier que
a
(X )i
69
1
1
2 i, b = 2 i.
1
+ X 22 + X1
+3 .
(X 2)2
avec a =
+1+
Comment se calcule cette dcomposition ? En gnral on commence par dterminer la partie polynomiale.
Tout dabord si deg Q > deg P alors E(X ) = 0. Si deg P 6 deg Q alors effectuons la division euclidienne de
P par Q : P = QE + R donc QP = E + QR o deg R < deg Q. La partie polynomiale est donc le quotient de
cette division. Et on sest ramen au cas dune fraction QR avec deg R < deg Q. Voyons en dtails comment
continuer sur un exemple.
Exemple 18.
X 5 2X 3 + 4X 2 8X + 11
P
=
.
Q
X 3 3X + 2
Premire tape : partie polynomiale. On calcule la division euclidienne de P par Q : P(X ) = (X 2 +
P(X )
1)Q(X ) + 2X 2 5X + 9. Donc la partie polynomiale est E(X ) = X 2 + 1 et la fraction scrit Q(X ) =
Dcomposons la fraction
5X +9
5X +9
X 2 + 1 + 2X Q(X
. Notons que pour la fraction 2X Q(X
le degr du numrateur est strictement plus
)
)
petit que le degr du dnominateur.
Deuxime tape : factorisation du dnominateur. Q a pour racine vidente +1 (racine double) et 2
(racine simple) et se factorise donc ainsi Q(X ) = (X 1)2 (X + 2).
Troisime tape : dcomposition thorique en lments simples. Le thorme de dcomposition en
P(X )
a
b
c
lments simples nous dit quil existe une unique dcomposition : Q(X ) = E(X ) + (X 1)
2 + X 1 + X +2 .
Nous savons dj que E(X ) = X 2 + 1, il reste trouver les nombres a, b, c.
Quatrime tape : dtermination des coefficients. Voici une premire faon de dterminer a, b, c. On
b
a
c
2X 2 5X +9
rcrit la fraction (X 1)
:
2 + X 1 + X +2 au mme dnominateur et on lidentifie avec
Q(X )
b
c
(b + c)X 2 + (a + b 2c)X + 2a 2b + c
a
+
+
=
(X 1)2 X 1 X + 2
(X 1)2 (X + 2)
qui doit tre gale
2X 2 5X + 9
.
(X 1)2 (X + 2)
On en dduit b + c = 2, a + b 2c = 5 et 2a 2b + c = 9. Cela conduit lunique solution a = 2,
b = 1, c = 3. Donc
P
X 5 2X 3 + 4X 2 8X + 11
2
1
3
=
= X2 + 1 +
+
.
+
Q
X 3 3X + 2
(X 1)2 X 1 X + 2
Cette mthode est souvent la plus longue.
Quatrime tape (bis) : dtermination des coefficients. Voici une autre mthode plus efficace.
2
P 0 (X )
+9
a
c
b
Notons Q(X ) = (X2X1)5X
2 (X +2) dont la dcomposition thorique est : (X 1)2 + X 1 + X +2
0
P 0 (X )
(X 1)2
= a + b(X 1) + c
Q(X )
X +2
donc
F1 (1) = a
Dautre part
P 0 (X )
2X 2 5X + 9
2X 2 5X + 9
= (X 1)2
=
Q(X )
(X 1)2 (X + 2)
X +2
donc F1 (1) = 2. On en dduit a = 2.
On fait le mme processus pour dterminer c : on multiplie par (X + 2) et on value en 2. On calcule
2
P 0 (X )
+9
+2
X +2
F2 (X ) = (X + 2) Q(X ) = 2X(X5X
= a (XX1)
2 + b X 1 + c de deux faons et lorsque lon value x = 2 on
1)2
obtient dune part F2 (2) = c et dautre part F2 (2) = 3. Ainsi c = 3.
F1 (X ) = (X 1)2
POLYNMES
4. FRACTIONS RATIONNELLES
70
Comme les coefficients sont uniques tous les moyens sont bons pour les dterminer. Par exemple lorsque
P 0 (X )
a
b
c
lon value la dcomposition thorique Q(X ) = (X 1)
2 + X 1 + X +2 en x = 0, on obtient :
c
P 0 (0)
=ab+
Q(0)
2
Donc
9
2
= a b + 2c . Donc b = a +
c
2
9
2
= 1.
aX +b
dlments simples du type (X 2 +X +)i .
O les X et X 2 + X + sont les facteurs irrductibles de Q(X ) et les exposants i sont infrieurs ou gaux
la puissance correspondante dans cette factorisation.
Exemple 19.
4
3
P(X )
+8X 2 +5X +3
Dcomposition en lments simples de Q(X ) = 3X(X+5X
. Comme deg P < deg Q alors E(X ) = 0. Le
2 +X +1)2 (X 1)
2
dnominateur est dj factoris sur R car X + X + 1 est irrductible. La dcomposition thorique est donc :
aX + b
cX + d
e
P(X )
= 2
+ 2
+
.
2
Q(X ) (X + X + 1)
X +X +1 X 1
Il faut ensuite mener au mieux les calculs pour dterminer les coefficients afin dobtenir :
P(X )
2X + 1
1
3
=
+
+
.
Q(X ) (X 2 + X + 1)2 X 2 + X + 1 X 1
Mini-exercices.
1. Soit Q(X ) = (X 2)2 (X 2 1)3 (X 2 +1)4 . Pour P R[X ] quelle est la forme thorique de la dcomposition
en lments simples sur C de QP ? Et sur R ?
2. Dcomposer les fractions suivantes en lments simples sur R et C :
3. Dcomposer les fractions suivantes en lments simples sur R :
2
1
X 2 1
X 2 +X +1
(X 1)(X +2)2
X 2 +1
(X 1)2
2X 2 X
(X 2 +2)2
X
.
X 3 1
X6
.
(X 2 +1)2
20
4. Soit F (X ) = 2X +7X
. Dterminer lquation de lasymptote oblique en . tudier la position du
X +2
graphe de F par rapport cette droite.
Auteurs du chapitre
Rdaction : Arnaud Bodin ; relecture : Stphanie Bodin
Bas sur des cours de Guoting Chen et Marc Bourdon
Chapitre
Groupes
Vido
Vido
Vido
Vido
Vido
partie 1. Dfinition
partie 2. Sous-groupes
partie 3. Morphismes de groupes
partie 4. Le groupe Z/nZ
partie 5. Le groupe des permutations
Motivation
variste Galois a tout juste vingt ans lorsquil meurt dans un duel. Il restera pourtant comme lun des plus
grands mathmaticiens de son temps pour avoir introduit la notion de groupe, alors quil avait peine
dix-sept ans.
Vous savez rsoudre les quations de degr 2 du type a x 2 + b x + c = 0. Les solutions sexpriment en fonction
p
de a, b, c et de la fonction racine carre . Pour les quations de degr 3, a x 3
+ b x 2 + c x+ d = 0, il existe
3
51
5+1
Les groupes sont la base dautres notions mathmatiques comme les anneaux, les corps, les matrices, les
espaces vectoriels,... Mais vous les retrouvez aussi en arithmtique, en gomtrie, en cryptographie !
Nous allons introduire dans ce chapitre la notion de groupe, puis celle de sous-groupe. On tudiera ensuite
les applications entre deux groupes : les morphismes de groupes. Finalement nous dtaillerons deux groupes
importants : le groupe Z/nZ et le groupe des permutations Sn .
1. Groupe
1.1. Dfinition
Dfinition 1.
Un groupe (G, ?) est un ensemble G auquel est associ une opration ? (la loi de composition) vrifiant
les quatre proprits suivantes :
1. pour tout x, y G,
2. pour tout x, y, z G,
x?yG
(x ? y) ? z = x ? ( y ? z)
GROUPES
1. GROUPE
x G, x ? e = x et e ? x = x
72
x ? x0 = x0 ? x = e
x ? y = y ? x,
Remarque.
Llment neutre e est unique. En effet si e0 vrifie aussi le point (3), alors on a e0 ? e = e (car e est
lment neutre) et e0 ? e = e0 (car e0 aussi). Donc e = e0 . Remarquez aussi que linverse de llment
neutre est lui-mme. Sil y a plusieurs groupes, on pourra noter eG pour llment neutre du groupe G.
Un lment x G ne possde quun seul inverse. En effet si x 0 et x 00 vrifient tous les deux le point (4)
alors on a x ? x 00 = e donc x 0 ? (x ? x 00 ) = x 0 ? e. Par lassociativit (2) et la proprit de llment neutre
(3) alors (x 0 ? x) ? x 00 = x 0 . Mais x 0 ? x = e donc e ? x 00 = x 0 et ainsi x 00 = x 0 .
1.2. Exemples
Voici des ensembles bien connus pour lesquels lopration donne dfinit une structure de groupe.
(R , ) est un groupe commutatif, est la multiplication habituelle. Vrifions chacune des proprits :
1. Si x, y R alors x y R .
2. Pour tout x, y, z R alors x ( y z) = (x y) z, cest lassociativit de la multiplication des
nombres rels.
3. 1 est llment neutre pour la multiplication, en effet 1 x = x et x 1 = x, ceci quelque soit x R .
4. Linverse dun lment x R est x 0 = 1x (car x 1x est bien gal llment neutre 1). Linverse
de x est donc x 1 = 1x . Notons au passage que nous avions exclu 0 de notre groupe, car il na pas
dinverse.
Ces proprits font de (R , ) un groupe.
5. Enfin x y = y x, cest la commutativit de la multiplication des rels.
(Q , ), (C , ) sont des groupes commutatifs.
(Z, +) est un groupe commutatif. Ici + est laddition habituelle.
1. Si x, y Z alors x + y Z.
2. Pour tout x, y, z Z alors x + ( y + z) = (x + y) + z.
3. 0 est llment neutre pour laddition, en effet 0 + x = x et x + 0 = x, ceci quelque soit x Z.
4. Linverse dun lment x Z est x 0 = x car x + (x) = 0 est bien llment neutre 0. Quand la loi
de groupe est + linverse sappelle plus couramment loppos.
5. Enfin x + y = y + x, et donc (Z, +) est un groupe commutatif.
(Q, +), (R, +), (C, +) sont des groupes commutatifs.
Soit R lensemble des rotations du plan dont le centre est lorigine O.
GROUPES
1. GROUPE
73
Alors pour deux rotations R et R 0 la compose R R 0 est encore une rotation de centre lorigine
et dangle + 0 . Ici est la composition. Ainsi (R, ) forme un groupe (qui est mme commutatif).
Pour cette loi llment neutre est la rotation dangle 0 : cest lidentit du plan. Linverse dune rotation
dangle est la rotation dangle .
Si I dsigne lensemble des isomtries du plan (ce sont les translations, rotations, rflexions et leurs
composes) alors (I , ) est un groupe. Ce groupe nest pas un groupe commutatif. En effet, identifions
le plan R2 et soit par exemple R la rotation de centre O = (0, 0) et dangle 2 et T la translation
de vecteur (1, 0). Alors les isomtries T R et R T sont des applications distinctes. Par exemple les
images du point A = (1, 1) par ces applications sont distinctes : T R(1, 1) = T (1, 1) = (0, 1) alors que
R T (1, 1) = R(2, 1) = (1, 2).
R T (A)
R(A)
T R(A)
T (A)
Nous tudierons dans les sections 4 et 5 deux autres groupes trs importants : les groupes cycliques (Z/nZ, +)
et les groupes de permutations (Sn , ).
1.3. Puissance
Revenons un groupe (G, ?). Pour x G nous noterons x ? x par x 2 et x ? x ? x par x 3 . Plus gnralement
nous noterons :
? ? x,
x n = |x ? x {z
}
n fois
x 0 = e,
1
? x 1 .
x n = |x ? {z
}
n fois
GROUPES
1. GROUPE
74
Les rgles de calcul sont les mmes que pour les puissances des nombres rels. Pour x, y G et m, n Z
nous avons :
x m ? x n = x m+n ,
(x m )n = x mn ,
(x ? y)1 = y 1 ? x 1 , attention lordre !
Si (G, ?) est commutatif alors (x ? y)n = x n ? y n .
a0 b0
c0 d 0
Voici comment prsenter les calculs, on place M gauche, M 0 au dessus de ce qui va tre le rsultat. On
calcule un par un, chacun des termes de M M 0 .
Pour le premier terme on prend la colonne situe au dessus et la ligne situe gauche : on effectue les
produits a a0 et b c 0 quon additionne pour obtenir le premier terme du rsultat. Mme chose avec
le second terme : on prend la colonne situe au dessus, la ligne situe gauche, on fait les produit, on
additionne : a b0 + bd 0 . Idem pour les deux autres termes.
a b
c d
Par exemple si M =
droite)
1 1
0 1
et M 0 =
10
21
0
a
c0
b0
d0
aa0 + bc 0 ab0 + bd 0
ca0 + dc 0 c b0 + dd 0
1
0
1
1
2
1
0 1
1
1
3
1
1
0
1
1
0 1
2 1
2
1
2
1
0
0
0
3 1
11
alors M M = 2 1 et M M = 2 1 . Remarquez quen gnral M M 6= M 0 M .
Le dterminant dune matrice M =
a b
c d
Proposition 1.
Lensemble des matrices 2 2 ayant un dterminant non nul, muni de la multiplication des matrices , forme
un groupe non-commutatif.
Ce groupe est not (G`2 , ).
Nous aurons besoin dun rsultat prliminaire :
Lemme 1.
det(M M 0 ) = det M det M 0 .
GROUPES
1. GROUPE
75
Pour la preuve, il suffit de vrifier le calcul : aa0 + bc 0 c b0 + d d 0 a b0 + bd 0 ca0 + d c 0 = (ad bc)(a0 d 0
b0 c 0 ).
Revenons la preuve de la proposition.
Dmonstration.
1. Vrifions la loi de composition interne. Si M , M 0 sont des matrices 2 2 alors M M 0 aussi. Maintenant
si M et M 0 sont de dterminants non nuls alors det(M M 0 ) = det M det M 0 est aussi non nul. Donc si
M , M 0 G`2 alors M M 0 G`2 .
2. Pour vrifier que la loi est associative, cest un peu fastidieux. Pour trois matrices M , M 0 , M 00 quelconques
il faut montrer (M M 0 ) M 00 = M (M 0 M 00 ). Faites-le pour vrifier que vous matrisez le produit
de matrices.
3. Existence de llment neutre. La matrice identit I = 10 01 est llment neutre pour la multiplication
des matrices : en effet ac db 10 01 = ac db et 10 01 ac db = ac db .
1
d b
4. Existence de linverse. Soit M = ac db une matrice de dterminant non nul alors M 1 = adbc
c a
est linverse de M : vrifiez que M M 1 = I et que M 1 M = I.
5. Enfin nous avons dj vu que cette multiplication nest pas commutative.
Mini-exercices.
1. Montrer que (R+ , ) est un groupe commutatif.
2. Soit f a,b : R R la fonction dfinie par x 7 a x + b. Montrer que lensemble F = { f a,b | a R , b R}
muni de la composition est un groupe non commutatif.
x+ y
3. (Plus dur) Soit G =] 1, 1[. Pour x, y G on dfinit x ? y = 1+x y . Montrer que (G, ?) forme un
groupe en (a) montrant que ? est une loi de composition interne : x ? y G ; (b) montrant que la loi
est associative ; (c) montrant que 0 est lment neutre ; (d) trouvant linverse de x.
Soit (G, ?) un groupe quelconque ; x, y, z sont des lments de G.
4. Montrer que si x ? y = x ? z alors y = z.
1
5. Que vaut x 1
?
6. Si x n = e, quel est linverse de x ?
Matrices :
7. Soient M1 =
0 1
1 0
, M2 =
8. Calculer (M1 M2 ) et
2
M12
12
10
, M3 =
M22 .
12
34
(Rappel : M 2 = M M )
a b
c d
a0 b0
c0 d 0
a+a0 b+b0
c+c 0 d+d 0
GROUPES
2. SOUS-GROUPES
76
2. Sous-groupes
Montrer quun ensemble est un groupe partir de la dfinition peut tre assez long. Il existe une autre
technique, cest de montrer quun sous-ensemble dun groupe est lui-mme un groupe : cest la notion de
sous-groupe.
2.1. Dfinition
Soit (G, ?) un groupe.
Dfinition 2.
Une partie H G est un sous-groupe de G si :
e H,
pour tout x, y H, on a x ? y H,
pour tout x H, on a x 1 H.
Notez quun sous-groupe H est aussi un groupe (H, ?) avec la loi induite par celle de G.
Par exemple si x H alors, pour tout n Z, nous avons x n H.
Remarque.
Un critre pratique et plus rapide pour prouver que H est un sous-groupe de G est :
H contient au moins un lment
pour tout x, y H, x ? y 1 H.
2.2. Exemples
(R+ , ) est un sous-groupe de (R , ). En effet :
1 R+ ,
si x, y R+ alors x y R+ ,
si x R+ alors x 1 = 1x R+ .
(U, ) est un sous-groupe de (C , ), o U = {z C | |z| = 1}.
(Z, +) est un sous-groupe de (R, +).
{e} et G sont les sous-groupes triviaux du groupe G.
Lensemble R des rotations du plan dont le centre est lorigine est un sous-groupe du groupe des
isomtries I .
Lensemble des matrices diagonales 0a d0 avec a 6= 0 et d 6= 0 est un sous-groupe de (G`2 , ).
2.3. Sous-groupes de Z
Proposition 2.
Les sous-groupes de (Z, +) sont les nZ, pour n Z.
Lensemble nZ dsigne lensemble des multiples de n :
nZ = k n | k Z .
Par exemple :
2Z = {. . . , 4, 2, 0, +2, +4, +6, . . .} est lensemble des entiers pairs,
7Z = {. . . , 14, 7, 0, +7, +14, +21, . . .} est lensemble des multiples de 7.
Dmonstration. Fixons n Z. Lensemble nZ est un sous-groupe de (Z, +), en effet :
nZ Z,
GROUPES
3. MORPHISMES DE GROUPES
77
avec k, r Z et 0 6 r < n.
3. Morphismes de groupes
3.1. Dfinition
Dfinition 3.
Soient (G, ?) et (G 0 , ) deux groupes. Une application f : G G 0 est un morphisme de groupes si :
pour tout x, x 0 G
f (x ? x 0 ) = f (x) f (x 0 )
Lexemple que vous connaissez dj est le suivant : soit G le groupe (R, +) et G 0 le groupe (R+ , ). Soit
f : R R+ lapplication exponentielle dfinie par f (x) = exp(x). Nous avons bien
f (x + x 0 ) = exp(x + x 0 ) = exp(x) exp(x 0 ) = f (x) f (x 0 ).
Et donc f est bien un morphisme de groupes.
GROUPES
3. MORPHISMES DE GROUPES
78
3.2. Proprits
Proposition 3.
Soit f : G G 0 un morphisme de groupes alors :
f (eG ) = eG 0 ,
1
pour tout x G, f (x 1 ) = f (x) .
Il faut faire attention lensemble auquel appartiennent les lments considrs : eG est llment neutre de
G, eG 0 celui de G 0 . Il ny a pas de raison quils soient gaux (ils ne sont mme pas dans le mme ensemble).
1
Aussi x 1 est linverse de x dans G, alors que f (x)
est linverse de f (x) mais dans G 0 .
Reprenons lexemple de la fonction f : R R+ dfinie par f (x) = exp(x). Nous avons bien f (0) = 1 :
llment neutre de (R, +) a pour image llment neutre de (R+ , ). Pour x R son inverse dans (R, +) est
1
1
ici son oppos x, alors f (x) = exp(x) = exp(x)
= f (x)
est bien linverse (dans (R+ , )) de f (x).
Dmonstration.
f (eG ) = f (eG ? eG ) = f (eG ) f (eG ), en multipliant ( droite par exemple) par f (eG )1 on obtient
eG 0 = f (eG ).
entrane f (x) f (x 1 ) = eG 0 , en composant
Soit x G alors x ? x 1 = eG donc f (x ? x 1 ) = f (eG ). Cela
1
1
1
gauche par f (x) , nous obtenons f (x ) = f (x) .
Proposition 4.
Soient deux morphismes de groupes f : G G 0 et g : G 0 G 00 . Alors g f : G G 00 est un
morphisme de groupes.
Si f : G G 0 est un morphisme bijectif alors f 1 : G 0 G est aussi un morphisme de groupes.
Dmonstration. La premire partie est facile. Montrons la deuxime : Soit y, y 0 G 0 . Comme f est bijective,
il existe x, x 0 G tels que f (x) = y et f (x 0 ) = y 0 . Alors f 1 ( y y 0 ) = f 1 f (x) f (x 0 ) = f 1 f (x ? x 0 ) =
x ? x 0 = f 1 ( y) ? f 1 ( y 0 ). Et donc f 1 est un morphisme de G 0 vers G.
Dfinition 4.
Un morphisme bijectif est un isomorphisme. Deux groupes G, G 0 sont isomorphes sil existe un morphisme bijectif f : G G 0 .
Continuons notre exemple f (x) = exp(x), f : R R+ est une application bijective. Sa bijection rciproque
f 1 : R+ R est dfinie par f 1 (x) = ln(x). Par la proposition 4 nous savons que f 1 est aussi un
morphisme (de (R+ , ) vers (R, +)) donc f 1 (x x 0 ) = f 1 (x) + f 1 (x 0 ). Ce qui sexprime ici par la
formule bien connue :
ln(x x 0 ) = ln(x) + ln(x 0 ).
Ainsi f est un isomorphisme et les groupes (R, +) et (R+ , ) sont isomorphes.
GROUPES
3. MORPHISMES DE GROUPES
79
Cest donc un sous-ensemble de G. En terme dimage rciproque nous avons par dfinition Ker f = f 1 {eG 0 } .
(Attention, la notation f 1 ici dsigne limage rciproque, et ne signifie pas que f est bijective.) Le noyau
est donc lensemble des lments de G qui senvoient par f sur llment neutre de G 0 .
Dfinition 6.
Limage de f est
Im f = f (x) | x G
Cest donc un sous-ensemble de G 0 et en terme dimage directe nous avons Im f = f (G). Ce sont les lments
de G 0 qui ont (au moins) un antcdent par f .
Proposition 5.
Soit f : G G 0 un morphisme de groupes.
1. Ker f est un sous-groupe de G.
2. Im f est un sous-groupe de G 0 .
3. f est injectif si et seulement si Ker f = {eG }.
4. f est surjectif si et seulement si Im f = G 0 .
Dmonstration.
1. Montrons que le noyau est un sous-groupe de G.
(a) f (eG ) = eG 0 donc eG Ker f .
(b) Soient x, x 0 Ker f . Alors f (x ? x 0 ) = f (x) f (x 0 ) = eG 0 eG 0 = eG 0 et donc x ? x 0 Ker f .
(c) Soit x Ker f . Alors f (x 1 ) = f (x)1 = eG10 = eG 0 . Et donc x 1 Ker f .
2. Montrons que limage est un sous-groupe de G 0 .
(a) f (eG ) = eG 0 donc eG 0 Im f .
(b) Soient y, y 0 Im f . Il existe alors x, x 0 G tels que f (x) = y, f (x 0 ) = y 0 . Alors y y 0 = f (x) f (x 0 ) =
f (x ? x 0 ) Im f .
(c) Soit y Im f et x G tel que y = f (x). Alors y 1 = f (x)1 = f (x 1 ) Im f .
3. Supposons f injective. Soit x Ker f , alors f (x) = eG 0 donc f (x) = f (eG ) et comme f est injective
alors x = eG . Donc Ker f = {eG }. Rciproquement supposons Ker f = {eG }. Soient x, x 0 G tels que
1
f (x) = f (x 0 ) donc f (x) f (x 0 )
= eG 0 , do f (x) f (x 01 ) = eG 0 et donc f (x ? x 01 ) = eG 0 . Ceci
01
implique que x ? x
Ker f . Comme Ker f = {eG } alors x ? x 01 = eG et donc x = x 0 . Ainsi f est
injective.
4. Cest clair !
3.4. Exemples
Exemple 1.
1. Soit f : Z Z dfinie par f (k) = 3k. (Z, +) est considr comme ensemble de dpart et darrive de
lapplication. Alors f est un morphisme du groupe (Z, +) dans lui-mme car f (k + k0 ) = 3(k + k0 ) =
3k + 3k0 = f (k) + f (k0 ). Calculons le noyau : Ker f = {k Z | f (k) = 0}. Mais si f (k) = 0 alors 3k = 0
donc k = 0. Ainsi Ker f = {0} est rduit llment neutre et donc f est injective. Calculons maintenant
limage Im f = { f (k) | k Z} = {3k | k Z} = 3Z. Nous retrouvons que 3Z est un sous-groupe de
(Z, +).
4. LE GROUPE Z/nZ 80
GROUPES
Plus gnralement si lon fixe n Z, n 6= 0, et que f est dfinie par f (k) = k n alors Ker f = {0} et
Im f = nZ.
2. Soient les groupes (R, +) et (U, ) (o U = {z C | |z| = 1}) et f lapplication f : R U dfinie
0
0
par f (t) = ei t . Montrons que f est un morphisme : f (t + t 0 ) = ei(t+t ) = ei t ei t = f (t) f (t 0 ).
Calculons le noyau Ker f = {t R | f (t) = 1}. Mais si f (t) = 1 alors ei t = 1 donc t = 0 (mod 2). Do
Ker f = {2k | k Z} = 2Z. Ainsi f nest pas injective. Limage de f est U car tout nombre complexe
de module 1 scrit sous la forme f (t) = ei t .
3. Soient les groupes (G`2 , ) et (R , ) et f : G`2 R dfinie par f (M ) = det M . Alors la formule vue
plus haut (lemme 1) det(M M 0 ) = det M det M 0 implique que f est un morphisme de groupes. Ce
morphisme est surjectif, car si t R alors det 10 0t = t. Ce morphisme nest pas injectif car par exemple
det 10 0t = det 0t 10 .
Attention : ne pas confondre les diffrentes notations avec des puissances 1 : x 1 , f 1 , f 1 {eG 0 } :
x 1 dsigne linverse de x dans un groupe (G, ?). Cette notation est cohrente avec la notation usuelle
si le groupe est (R , ) alors x 1 = 1x .
Pour une application bijective f 1 dsigne la bijection rciproque.
quelconque f : E F , limage rciproque dune partie B F est f 1 (B) = x
Pour une application
E | f (x) B , cest une partie de E. Pour un morphisme f , Ker f = f 1 {eG 0 } est donc lensemble des
x G tels que leur image par f soit eG 0 . Le noyau est dfini mme si f nest pas bijective.
Mini-exercices.
1. Soit f : (Z, +) (Q , ) dfini par f (n) = 2n . Montrer que f est un morphisme de groupes.
Dterminer le noyau de f . f est-elle injective ? surjective ?
2. Mmes questions pour f : (R, +) (R, ), qui un rel associe la rotation dangle de centre
lorigine.
3. Soit (G, ?) un groupe et f : G G lapplication dfinie par f (x) = x 2 . (Rappel : x 2 = x ? x.) Montrer
que si (G, ?) est commutatif alors f est un morphisme. Montrer ensuite la rciproque.
4. Montrer quil nexiste pas de morphisme f : (Z, +) (Z, +) tel que f (2) = 3.
5. Montrer que f , g : (R , ) (R , ) dfinis par f (x) = x 2 , g(x) = x 3 sont des morphismes de
groupes. Calculer leurs images et leurs noyaux respectives.
4. Le groupe Z/nZ
4.1. Lensemble et le groupe Z/nZ
Fixons n > 1. Rappelons que Z/nZ est lensemble
Z/nZ = 0, 1, 2, . . . , n 1
o p dsigne la classe dquivalence de p modulo n.
Autrement dit
p = q p q (mod n)
ou encore p = q k Z p = q + kn.
On dfinit une addition sur Z/nZ par :
p+q = p+q
4. LE GROUPE Z/nZ 81
GROUPES
Voici un rsultat intressant : il nexiste, isomorphisme prs, quun seul groupe cyclique n lments, cest
Z/nZ :
Thorme 1.
Si (G, ?) un groupe cyclique de cardinal n, alors (G, ?) est isomorphe (Z/nZ, +).
Dmonstration. Comme G est cyclique alors G = . . . , a2 , a1 , e, a, a2 , a3 , . . . . Dans cette criture il y a
de nombreuses redondances (car de toute faon G na que n lments). Nous allons montrer quen fait
G = e, a, a2 , . . . , a n1
et que a n = e.
Tout dabord lensemble e, a, a2 , . . . , a n1 est inclus dans G. En plus il a exactement n lments. En effet si
a p = aq avec 0 6 q < p 6 n 1 alors a pq = e (avec p q > 0) et ainsi a pq+1 = a pq ? a = a, a pq+2 = a2 et
alors le groupe G serait gal e, a, a2 , . . . , a pq1 et naurait pas n lments. Ainsi e, a, a2 , . . . , a n1 G
et les deux ensembles ont le mme nombre n dlments, donc ils sont gaux.
Montrons maintenant que a n = e. Comme a n G et que G = e, a, a2 , . . . , a n1 alors il existe 0 6 p 6 n 1
tel que a n = a p . Encore une fois si p > 0 cela entrane a np = e et donc une contradiction. Ainsi p = 0 donc
a n = a0 = e.
Nous pouvons maintenant construire lisomorphisme entre (Z/nZ, +) et (G, ?). Soit f : Z/nZ G
lapplication dfinie par f (k) = a k .
GROUPES
82
Il faut tout dabord montrer que f est bien dfinie car notre dfinition de f dpend du reprsentant k et
pas de la classe k : si k = k0 (une mme classe dfinie par deux reprsentants distincts) alors k k0
0
0
0
(mod n) et donc il existe ` Z tel que k = k0 + `n. Ainsi f (k) = a k = a k +`n = a k ? a`n = a k ? (a n )` =
0
0
a k ? e` = a k = f (k0 ). Ainsi f est bien dfinie.
0
0
f est un morphisme de groupes car f (k + k0 ) = f (k + k0 ) = a k+k = a k ? a k = f (k) ? f (k0 ) (pour tout
k, k0 ).
Il est clair que f est surjective car tout lment de G scrit a k .
Comme lensemble de dpart et celui darrive ont le mme nombre dlments et que f est surjective
alors f est bijective.
Conclusion : f est un isomorphisme entre (Z/nZ, +) et (G, ?).
Mini-exercices.
1. Trouver tous les sous-groupes de (Z/12Z, +).
2. Montrer que le produit dfini par p q = p q est bien dfini sur lensemble Z/nZ.
3. Dans la preuve du thorme 1, montrer directement que lapplication f est injective.
4. Montrer que lensemble Un = z C | z n = 1 est un sous-groupe de (C , ). Montrer que Un est
isomorphe Z/nZ. Expliciter lisomorphisme.
1 0
0
0
5. Montrer que lensemble H = 10 01 , 10 1
est un sous-groupe de (G`2 , ) ayant 4
, 1
0 1 , 0 1
lments. Montrer que H nest pas isomorphe Z/4Z.
GROUPES
83
Dmonstration. La preuve est simple. Pour llment 1, son image appartient {1, 2, . . . , n} donc nous avons
n choix. Pour limage de 2, il ne reste plus que n 1 choix (1 et 2 ne doivent pas avoir la mme image car
notre application est une bijection). Ainsi de suite... Pour limage du dernier lment n il ne reste quune
possibilit. Au final il y a n (n 1) 2 1 = n! faon de construire des bijections de {1, 2, . . . , n}.
n
f (1) f (2) f (n)
Par exemple la permutation de S7 note
1 2 3 4 5 6 7
3 7 5 4 6 1 2
est la bijection f : {1, 2, . . . , 7} {1, 2, . . . , 7} dfinie par f (1) = 3, f (2) = 7, f (3) = 5, f (4) = 4, f (5) = 6,
f (6) = 1, f (7) = 2. Cest bien une bijection car chaque nombre de 1 7 apparat une fois et une seule sur
la deuxime ligne.
Llment neutre du groupe est lidentit id ; pour S7 cest donc 11 22 33 44 55 66 77 .
Il est facile de calculer la composition de deux permutations f et g avec cette notation. Si f = 13 27 35 44 56 61 72
et g = 14 23 32 41 57 65 76 alors g f sobtient en superposant la permutation f puis g
1 2 3 4 5 6 7
f
1 2 3 4 5 6 7
f g =
gf = 3 7 5 4 6 1 2
g
2 6 7 1 5 4 3
2 6 7 1 5 4 3
ensuite on limine la ligne intermdiaire du milieu et donc g f se note 12 26 37 41 55 64 73 .
Il est tout aussi facile de calculer linverse dune permutation : il suffit dchanger les lignes du haut et du
bas et de rordonner le tableau. Par exemple linverse de
f = 1 2 3 4 5 6 7
f 1
3 7 5 4 6 1 2
se note f 1 =
3754612
1234567
1234567
6714352
5.3. Le groupe S3
Nous allons tudier en dtails le groupe S3 des permutations de {1, 2, 3}. Nous savons que S3 possde
3! = 6 lments que nous numrons :
id = 11 22 33 lidentit,
1 = 11 23 32 une transposition,
2 = 13 22 31 une deuxime transposition,
3 = 12 21 33 une troisime transposition,
cycle,
= 1223 31 un
1
123
prcdent.
= 3 1 2 linverse du cycle
1
Donc S3 = id, 1 , 2 , 3 , ,
.
Calculons 1 et 1 :
1 2 3
1 = 2 3 1 = 13 22 31 = 2
321
et
1 =
1 2 3
132
213
123
213
= 3 .
Ainsi 1 = 2 est diffrent de 1 = 3 , ainsi le groupe S3 nest pas commutatif. Et plus gnralement :
GROUPES
84
Lemme 3.
Pour n > 3, le groupe Sn nest pas commutatif.
Nous pouvons calculer la table du groupe S3
g f
id
id
1
2
3
id
1
2
3
1
id
1
1 = 3
2
id
1
1
3
3
1
id
2
1
1 = 2
3
1
1
id
1
3
1
2
id
D3
D2
+ 2
3
2
3
C
D1
Proposition 8.
Lensemble des isomtries dun triangle quilatral, muni de la composition, forme un groupe. Ce groupe est
isomorphe (S3 , ).
Lisomorphisme est juste lapplication qui t i associe i , s associe et s1 associe 1 .
GROUPES
85
Il faut comprendre cette notation ainsi : limage de 2 est 8, limage de 8 est 4, limage de 4 est 5, limage
de 5 est 2. Les lments qui napparaissent pas (ici 1, 3, 6, 7) sont fixes. On aurait pu aussi noter ce mme
cycle par : (8 4 5 2), (4 5 2 8) ou (5 2 8 4).
Pour calculer linverse on renverse les nombres : linverse de = (2 8 4 5) est 1 = (5 4 8 2).
Le support dun cycle sont les lments qui ne sont pas fixes : le support de est {2, 4, 5, 8}. La longueur
(ou lordre) dun cycle est le nombre dlments qui ne sont pas fixes (cest donc le cardinal du support).
Par exemple (2 8 4 5) est un cycle de longueur 4.
Autres exemples : = 12 23 31 = (1 2 3) est un cycle de longueur 3 ; = 11 24 33 42 = (2 4) est un cycle
de longueur 2, aussi appel une transposition.
Par contre f = 17 22 35 44 56 63 71 nest pas un cycle ; il scrit comme la composition de deux cycles f =
(1 7) (3 5 6). Comme les supports de (1 7) et (3 5 6) sont disjoints alors on a aussi f = (3 5 6) (1 7).
Ce dernier point fait partie dun rsultat plus gnral que nous admettons :
Thorme 2.
Toute permutation de Sn se dcompose en composition de cycles supports disjoints. De plus cette dcomposition est unique.
Pour lunicit il faut comprendre : unique lcriture de chaque cycle prs (exemple : (3 5 6) et (5 6 3) sont
le mme cycle) et lordre prs (exemple : (1 7) (3 5 6) = (3 5 6) (1 7)).
Exemple : la dcomposition de f = 15 22 31 48 53 67 76 84 en composition de cycle supports disjoints est (1 5 3)
(4 8) (6 7).
Attention, si les supports ne sont pas disjoints alors cela ne commute plus : par exemple g = (1 2) (2 3 4)
nest pas gale h =
3 4)
effet lcriture de g en produit de cycle support disjoint est
h 1(2
i (1 2). En
234
1
2
3
4
g = (1 2) (2 3 4) = 1 3 4 2 = 2 3 4 1 = (1 2 3 4) alors que celle de h est h = (2 3 4) (1 2) = 13 21 34 42 =
(1 3 4 2).
2341
Mini-exercices.
1. Soient f dfinie par f (1) = 2, f (2) = 3, f (3) = 4, f (4) = 5, f (5) = 1 et g dfinie par g(1) = 2,
g(2) = 1, g(3) = 4, g(4) = 3, g(5) = 5. crire les permutations f , g, f 1 , g 1 , g f , f g, f 2 , g 2 ,
(g f )2 .
2. numrer toutes les permutations de S4 qui nont pas dlments fixes. Les crire ensuite sous forme
de compositions de cycles supports disjoints.
3. Trouver les isomtries directes prservant un carr. Dresser la table des compositions et montrer
quelles forment un groupe. Montrer que ce groupe est isomorphe Z/4Z.
4. Montrer quil existe un sous-groupe de S3 isomorphe Z/2Z. Mme question avec Z/3Z. Est-ce que
S3 et Z/6Z sont isomorphes ?
5. Dcomposer la permutation suivante en produit de cycles supports disjoints : f = 15 27 32 46 51 64 73 .
GROUPES
Calculer f 2 , f 3 , f 4 puis f 20x x o 20x x est lanne en cours. Mmes questions avec g =
et h = (25)(1243)(12).
86
1 2 3 4 5 6 7 8 9
389652471
Chapitre
Systmes linaires
Vido
Vido
Vido
Fiche
SYSTMES LINAIRES
88
2. Les droites D1 et D2 sont parallles. Alors le systme (S) na pas de solution. La figure du centre illustre
cette situation.
3. Les droites D1 et D2 sont confondues et, dans ce cas, le systme (S) a une infinit de solutions.
y
y
D1
D1
D2
D2
D1 = D2
x
Nous verrons plus loin que ces trois cas de figure (une seule solution, aucune solution, une infinit de
solutions) sont les seuls cas qui peuvent se prsenter pour nimporte quel systme dquations linaires.
3
(2 + 7 23 )x = 2 + 72
x = 25
Il ne reste plus qu remplacer dans la premire ligne la valeur de x obtenue :
8
y = 25
3
x = 25
3 8
, 25 ). Lensemble des solutions est donc
Le systme (S) admet donc une solution unique ( 25
3 8
,
.
S =
25 25
SYSTMES LINAIRES
89
Exemple 1.
= 7
na pas de solution. En effet, en divisant par 2 la seconde quation,
= 1
2x + 3 y 4z = 7
on obtient le systme quivalent :
. Les deux lignes sont clairement incompa2x + 3 y 4z = 12
tibles : aucun (x, y, z) ne peut vrifier la fois 2x + 3 y 4z = 7 et 2x + 3 y 4z = 12 . Lensemble des
solutions est donc S = .
2x + 3 y 4z = 7
2. Pour le systme
, les deux quations dfinissent le mme plan ! Le systme est
4x + 6 y 8z = 14
donc quivalent une seule quation : 2x + 3 y 4z = 7. Si on rcrit cette quation sous la forme
z = 12 x + 34 y 47 , alors on peut dcrire lensemble des solutions sous la forme : S = (x, y, 21 x + 34 y 74 ) |
x, y R .
7x + 2 y 2z = 1
3. Soit le systme
. Par substitution :
2x + 3 y + 2z = 1
7x + 2 y 2z = 1
z = 72 x + y 12
2x + 3 y + 2 72 x + y 12 = 1
2x + 3 y + 2z = 1
1
17
z = 72 x + y 12
x 10
z = 72 x + y 21
z = 10
9x + 5 y = 2
y = 59 x + 25
y = 95 x + 25
Pour dcrire lensemble des solutions, on peut choisir x comme paramtre :
9
2 17
1
S =
x, x + ,
x
| x R .
5
5 10
10
Gomtriquement : nous avons trouv une quation paramtrique de la droite dfinie par lintersection
de deux plans.
1. Le systme
2x + 3 y 4z
4x + 6 y 8z
Du point de vue du nombre de solutions, nous constatons quil ny a que deux possibilits, savoir aucune
solution ou une infinit de solutions. Mais les deux derniers cas ci-dessus sont nanmoins trs diffrents
gomtriquement et il semblerait que dans le second cas (plans confondus), linfinit de solutions soit
plus grande que dans le troisime cas. Les chapitres suivants nous permettront de rendre rigoureuse cette
impression.
Si on considre trois plans dans lespace, une autre possibilit apparat : il se peut que les trois plans
sintersectent en un seul point.
SYSTMES LINAIRES
90
Exemple 2.
tx 2y = 1
suivant la valeur du paramtre t R.
3x + t y = 1
= t 2 + 6 et ne sannule jamais. Il existe donc une unique
Le dterminant associ au systme est 3t 2
t
solution (x, y) et elle vrifie :
1 2
t 1
3 1
1 t
t +2
t 3
= 2
,
y= 2
= 2
.
x= 2
t +6
t +6
t +6
t +6
t+2 t3
Pour chaque t, lensemble des solutions est S = t 2 +6 , t 2 +6 .
Rsolvons le systme
ax + b y
cx + d y
= e
= f
est quivalent
a b
x
e
AX = Y o A =
, X=
, Y=
.
c d
y
f
Si le dterminant de la matrice A est non nul, cest--dire si ad bc =
6 0, alors la matrice A est inversible et
d b
1
A1 =
ad bc c a
et lunique solution X = xy du systme est donne par
X = A1 Y.
Exemple 3.
x+y = 1
suivant la valeur du paramtre t R.
x + t2 y = t
1 1
Le dterminant du systme est 1 t 2 = t 2 1.
6 1. Alors t 2 1 6= 0. La matrice A = 11 t12 est inversible dinverse A1 =
Premier cas. t 6= +1 et t =
1
t 2 1 . Et la solution X = x est
y
t 2 1 1 1
2
2
t
t
1 1
t t
1
1
1
X =A Y = 2
= 2
= t+1
.
1
t
t 1 1 1
t 1 t 1
t+1
t
1
Pour chaque t 6= 1, lensemble des solutions est S =
.
,
t+1 t+1
x+y = 1
Deuxime cas. t = +1. Le systme scrit alors :
et les deux quations sont identiques. Il y
x+y = 1
a une infinit de solutions : S = (x, 1 x) | x R .
x+y = 1
, les deux quations sont clairement
Troisime cas. t = 1. Le systme scrit alors :
x + y = 1
incompatibles et donc S = .
Rsolvons le systme
Mini-exercices.
= 1
et rsoudre le systme linaire de trois faons
= 3
2x y = 4
diffrentes : substitution, mthode de Cramer, inverse dune matrice. Idem avec
.
3x + 3 y = 5
4x 3 y = t
2. Rsoudre suivant la valeur du paramtre t R :
.
2x y = t 2
x 2y
x + 3 y
SYSTMES LINAIRES
3. Discuter et rsoudre suivant la valeur du paramtre t R :
(t 1)x + y = 1
.
2x + t y = 1
tx y
x + (t 2) y
91
= 1
. Idem avec
= 1
(1)
.
.
.
.
.
..
..
..
..
= ..
ai1 x 1 +ai2 x 2 +ai3 x 3 + +aip x p
..
..
..
..
.
.
.
.
a x +a x +a x + +a x
n1 1
n2 2
n3 3
np p
bi
..
= .
= bn
( quation i)
( quation n)
Les nombres ai j , i = 1, . . . , n, j = 1, . . . , p, sont les coefficients du systme. Ce sont des donnes. Les nombres
bi , i = 1, . . . , n, constituent le second membre du systme et sont galement des donnes.
Il convient de bien observer comment on a rang le systme en lignes (une ligne par quation) numrotes
de 1 n par lindice i, et en colonnes : les termes correspondant une mme inconnue x j sont aligns
verticalement les uns sous les autres. Lindice j varie de 1 p. Il y a donc p colonnes gauche des signes
dgalit, plus une colonne supplmentaire droite pour le second membre. La notation avec double indice
ai j correspond ce rangement : le premier indice (ici i) est le numro de ligne et le second indice (ici j) est
le numro de colonne. Il est extrmement important de toujours respecter cette convention.
SYSTMES LINAIRES
92
x 1 = 18 ,
x 2 = 6 ,
x3 = 1 .
Par contre, (7, 2, 0) ne satisfait que la premire quation. Ce nest donc pas une solution du systme.
En rgle gnrale, on sattache dterminer lensemble des solutions dun systme linaire. Cest ce que lon
appelle rsoudre le systme linaire. Ceci amne poser la dfinition suivante.
Dfinition 4.
On dit que deux systmes linaires sont quivalents sils ont le mme ensemble de solutions.
partir de l, le jeu pour rsoudre un systme linaire donn consistera le transformer en un systme
quivalent dont la rsolution sera plus simple que celle du systme de dpart. Nous verrons plus loin
comment procder de faon systmatique pour arriver ce but.
SYSTMES LINAIRES
x 1 +x 2
x 1 +2x 2 +3x 3 +4x 4 = 0 x 1 +2x 2 +3x 3 = 1
x2
+x 3
x2
+2x 3 +3x 4 = 9
x 1 +x 2
+x 3 = 2
x3
+x 4
x3
+2x 4 = 0
x 1 x 2
+x 3 = 3
x 1 +2x 2 +2x 3 +x 4
93
=
=
=
=
4. Montrer que si un systme linaire homogne a une solution (x 1 , . . . , x p ) 6= (0, . . . , 0), alors il admet
une infinit de solutions.
2x 1 +3x 2
x 2
2x 1 +3x 2
+2x 3 x 4 = 5
2x 3
= 4 est chelonn (mais pas rduit).
3x 4 = 1
+2x 3 x 4 = 5
2x 3
= 4 nest pas chelonn (la dernire ligne commence avec la mme
x3
+x 4 = 1
variable que la ligne au-dessus).
Il se trouve que les systmes linaires sous une forme chelonne rduite sont particulirement simples
rsoudre.
Exemple 7.
Le systme linaire suivant 3 quations et 4 inconnues est chelonn et rduit.
+2x 3
= 25
x1
x 2 2x 3
= 16
x4 = 1
Ce systme se rsout trivialement en
x 1 = 25 2x 3
x 2 = 16 + 2x 3
x4 =
1.
En dautres termes, pour toute valeur de x 3 relle, les valeurs de x 1 , x 2 et x 4 calcules ci-dessus fournissent
une solution du systme, et on les a ainsi toutes obtenues. On peut donc dcrire entirement lensemble des
solutions :
S = (25 2x 3 , 16 + 2x 3 , x 3 , 1) | x 3 R .
1
2
3
0
SYSTMES LINAIRES
94
+ y +7z = 1
(L1 )
x
2x y +5z = 5
(L2 )
x 3 y 9z = 5
(L3 )
Commenons par lopration L2 L2 2L1 : on soustrait la deuxime quation deux fois la premire
quation. On obtient un systme quivalent avec une nouvelle deuxime ligne (plus simple) :
+y
3 y
3 y
+7z
9z
9z
= 1
= 3
= 5
L2 L2 2L1
Puis L3 L3 + L1 :
+ y +7z = 1
3 y 9z = 3
2 y 2z = 6
L3 L3 +L1
On continue pour faire apparatre un coefficient 1 en tte de la deuxime ligne ; pour cela on divise la ligne
L2 par 3 :
x + y +7z = 1
y
+3z = 1
L2 13 L2
2 y 2z = 6
On continue ainsi
x + y +7z = 1
x + y +7z = 1
y +3z = 1
y +3z = 1
4z = 4 L3 L3 +2L2
z
= 1 L3 14 L3
= 6
L1 L1 7L3
x + y +7z = 1
x +y
y
= 4
L2 L2 3L3
y
= 4
z
= 1
z = 1
On aboutit un systme rduit et chelonn :
= 2
L1 L1 L2
x
y
= 4
z = 1
SYSTMES LINAIRES
95
x 2 +2x 3 +13x 4 = 5
x 1 2x 2 +3x 3 +17x 4 = 4
x 1 +3x 2 3x 3 20x 4 = 1
Pour appliquer la mthode du pivot de Gauss, il faut dabord que le premier coefficient de la premire ligne
soit non nul. Comme ce nest pas le cas ici, on change les deux premires lignes par lopration lmentaire
L1 L2 :
L1 L2
x 1 2x 2 +3x 3 +17x 4 = 4
x 2 +2x 3 +13x 4 = 5
x 1 +3x 2 3x 3 20x 4 = 1
Nous avons dj un coefficient 1 devant le x 1 de la premire ligne. On dit que nous avons un pivot en
position (1, 1) (premire ligne, premire colonne). Ce pivot sert de base pour liminer tous les autres termes
sur la mme colonne.
Il ny a pas de terme x 1 sur le deuxime ligne. Faisons disparatre le terme x 1 de la troisime ligne ; pour
cela on fait lopration lmentaire L3 L3 + L1 :
x 1 2x 2 +3x 3 +17x 4 = 4
x 2 +2x 3 +13x 4 = 5
x2
3x 4 = 3
L3 L3 +L1
On change le signe de la seconde ligne (L2 L2 ) pour faire apparatre 1 au coefficient du pivot (2, 2)
(deuxime ligne, deuxime colonne) :
x 1 2x 2 +3x 3 +17x 4 = 4
x2
2x 3 13x 4 = 5
L2 L2
x2
3x 4 = 3
On fait disparatre le terme x 2 de la troisime ligne, puis on fait apparatre un coefficient 1 pour le pivot de
la position (3, 3) :
x 1 2x 2 +3x 3 +17x 4 = 4
x2
2x 3 13x 4 = 5
2x 3 +10x 4 = 8
L3 L3 L2
x 1 2x 2 +3x 3 +17x 4 = 4
x2
2x 3 13x 4 = 5
x3
+5x 4 = 4
L3 21 L3
Le systme est maintenant sous forme chelonne.
Partie B. Passage une forme rduite.
Il reste le mettre sous la forme chelonne rduite. Pour cela, on ajoute une ligne des multiples adquats
des lignes situes au-dessous delle, en allant du bas droite vers le haut gauche.
On fait apparatre des 0 sur la troisime colonne en utilisant le pivot de la troisime ligne :
x 1 2x 2 +3x 3 +17x 4 = 4
x2
3x 4 = 3
L2 L2 +2L3
x3
+5x 4 = 4
SYSTMES LINAIRES
96
2x 4 = 8
L1 L1 3L3
3x 4 = 3
x 3 +5x 4 = 4
On fait apparatre des 0 sur la deuxime colonne (en utilisant le pivot de la deuxime ligne) :
4x 4 = 2
L1 L1 +2L2
x1
x2
3x 4 = 3
x 3 +5x 4 = 4
x 1 2x 2
x2
x 2 = 3x 4 + 3,
x 3 = 5x 4 + 4.
3x 1 + 3x 2 2x 3
x 1 x 2 + x 3 + 3x 4
2x 1 + 2x 2 x 3 + 2x 4
x 3 + 8x 4
x5
+ x5
+ 2x 5
+ 4x 5
= 0
= 0
= 0
= 0.
x1 +
x2
x3
x4
+ 13x 5 = 0
+ 20x 5 = 0
2x 5 = 0.
x 3 = 20x 5 ,
x 4 = 2x 5 ,
2x 1 x 2
+x 4 = 1
x 2 +x 3 2x 4 = 3
2. Rsoudre les systmes chelonns suivants :
2x 3 +x 4 = 4
x4
= 2
SYSTMES LINAIRES
97
+x 4 = 0
x 1 +x 2
x 2 +x 3
= 0
2x 3 +x 4 = 0
x 1 +2x 2
+x 4 = 0
2x 3 3x 4 = 0
3. Si lon passe dun systme (S) par une des trois oprations lmentaires un systme (S 0 ), alors quelle
opration permet de passer de (S 0 ) (S) ?
4. Rsoudre les systmes linaires suivants par la mthode du pivot de Gauss :
2x + y + z = 3
x y + 3z = 8
x + 2 y z = 3
2x 1 + 4x 2 6x 3 2x 4 = 2
3x 1 + 6x 2 7x 3 + 4x 4 = 2
5x 1 + 10x 2 11x 3 + 6x 4 = 3
5. Rsoudre le systme suivant, selon les valeurs de
x +y
x
2y
a, b R :
z
+2z
+2z
= a
= b
= 4
Auteurs du chapitre
Daprs un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale
de Lausanne,
et un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun cours de
H. Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
mixs et rviss par Arnaud Bodin, relu par Vianney Combet.
Chapitre
Matrices
Vido
Vido
Vido
Vido
Vido
Vido
Fiche
partie 1. Dfinition
partie 2. Multiplication de matrices
partie 3. Inverse d'une matrice : dfinition
partie 4. Inverse d'une matrice : calcul
partie 5. Inverse d'une matrice : systmes linaires et matrices lmentaires
partie 6. Matrices triangulaires, transposition, trace, matrices symtriques
Les matrices sont des tableaux de nombres. La rsolution dun certain nombre de problmes dalgbre
linaire se ramne des manipulations sur les matrices. Ceci est vrai en particulier pour la rsolution des
systmes linaires.
Dans ce chapitre, K dsigne un corps. On peut penser Q, R ou C.
1. Dfinition
1.1. Dfinition
Dfinition 1.
Une matrice A est un tableau rectangulaire dlments de K.
Elle est dite de taille n p si le tableau possde n lignes et p colonnes.
Les nombres du tableau sont appels les coefficients de A.
Le coefficient situ la i-me ligne et la j-me colonne est not ai, j .
Un tel tableau est reprsent de la manire suivante :
an,2 . . . an, j
ou
A = ai, j
. . . an,p
Exemple 1.
1 2 5
A=
0 3 7
est une matrice 2 3 avec, par exemple, a1,1 = 1 et a2,3 = 7.
16i 6n
16 j 6 p
ou
ai, j .
MATRICES
1. DFINITION
100
. . . a1,n
. . . a2,n
..
..
.
.
an,1 an,2 . . . an,n
Les lments a1,1 , a2,2 , . . . , an,n forment la diagonale principale de la matrice.
Une matrice qui na quune seule ligne (n = 1) est appele matrice ligne ou vecteur ligne. On la note
A = a1,1 a1,2 . . . a1,p .
a1,1
a
2,1
.
..
a1,2
a2,2
..
.
De mme, une matrice qui na quune seule colonne (p = 1) est appele matrice colonne ou vecteur
colonne. On la note
a1,1
a
2,1
A = . .
..
an,1
La matrice (de taille n p) dont tous les coefficients sont des zros est appele la matrice nulle et est
note 0n,p ou plus simplement 0. Dans le calcul matriciel, la matrice nulle joue le rle du nombre 0 pour
les rels.
3 2
A=
1 7
Par contre si
0 5
3 3
et
B=
alors
A+ B =
.
2 1
3 6
2
0
B =
alors A + B 0 nest pas dfinie.
8
MATRICES
2. MULTIPLICATION DE MATRICES
101
Si
1 2 3
A=
0 1 0
et
=2
alors
2 4 6
A =
.
0 2 0
La matrice (1)A est loppose de A et est note A. La diffrence A B est dfinie par A + (B).
Exemple 4.
2 1 0
Si A =
4 5 2
et
1 4 2
B=
7 5 3
3 5 2
alors A B =
.
3 0 1
2. Multiplication de matrices
2.1. Dfinition du produit
Le produit AB de deux matrices A et B est dfini si et seulement si le nombre de colonnes de A est gal au
nombre de lignes de B.
Dfinition 5 (Produit de deux matrices).
Soient A = (ai j ) une matrice n p et B = (bi j ) une matrice p q. Alors le produit C = AB est une matrice
n q dont les coefficients ci j sont dfinis par :
MATRICES
2. MULTIPLICATION DE MATRICES
ci j =
p
X
102
aik bk j
k=1
c
ij
AB
Avec cette disposition, on considre dabord la ligne de la matrice A situe gauche du coefficient que lon
veut calculer (ligne reprsente par des dans A) et aussi la colonne de la matrice B situe au-dessus du
coefficient que lon veut calculer (colonne reprsente par des dans B). On calcule le produit du premier
coefficient de la ligne par le premier coefficient de la colonne (ai1 b1 j ), que lon ajoute au produit du
deuxime coefficient de la ligne par le deuxime coefficient de la colonne (ai2 b2 j ), que lon ajoute au
produit du troisime. . .
2.2. Exemples
Exemple 5.
1 2 3
A=
2 3 4
1 2
B = 1 1
1 1
On dispose dabord le produit correctement ( gauche) : la matrice obtenue est de taille 2 2. Puis on
calcule chacun des coefficients, en commenant par le premier coefficient c11 = 1 1 + 2 (1) + 3 1 = 2
(au milieu), puis les autres ( droite).
1
1
1
1 2 3
c11
2 3 4
c21
2
1
1
c12
c22
1
1
1
1 2 3
2
2 3 4
c21
2
1
1 2
1 1
1 1
1 2 3
2 7
2 3 4
3 11
1
c12
c22
Un exemple intressant est le produit dun vecteur ligne par un vecteur colonne :
b1
b2
u = a1 a2 an
v= .
..
bn
Alors u v est une matrice de taille 1 1 dont lunique coefficient est a1 b1 + a2 b2 + + an bn . Ce nombre
sappelle le produit scalaire des vecteurs u et v.
MATRICES
2. MULTIPLICATION DE MATRICES
103
Calculer le coefficient ci j dans le produit A B revient donc calculer le produit scalaire des vecteurs forms
par la i-me ligne de A et la j-me colonne de B.
mais
2 0 5 1
10 2
=
.
4 3 3 2
29 2
2 3
B=
0 0
0 0
AB =
.
0 0
et
2 5
C=
5 4
4 1
B=
5 4
5 4
.
et AB = AC =
15 12
et
et
0 A = 0.
Dmonstration. Posons A = (ai j ) Mn,p (K), B = (bi j ) M p,q (K) et C = (ci j ) Mq,r (K). Prouvons que
A(BC) = (AB)C en montrant que les matrices A(BC) et (AB)C ont les mmes coefficients.
p
X
Le terme dindice (i, k) de la matrice AB est x ik =
ai` b`k . Le terme dindice (i, j) de la matrice (AB)C est
donc
`=1
q
X
x ik ck j =
q X
p
X
k=1
ai` b`k ck j .
k=1 `=1
q
X
k=1
p
X
`=1
ai`
q
X
k=1
b`k ck j .
MATRICES
2. MULTIPLICATION DE MATRICES
104
Comme dans K la multiplication est distributive et associative, les coefficients de (AB)C et A(BC) concident.
Les autres dmonstrations se font comme celle de lassociativit.
1 0 ... 0
0 1 ... 0
In = . . .
..
.
.
.
. .
. .
0 0 ... 1
Ses lments diagonaux sont gaux 1 et tous ses autres lments sont gaux 0. Elle se note I n ou
simplement I. Dans le calcul matriciel, la matrice identit joue un rle analogue celui du nombre 1 pour
les rels. Cest llment neutre pour la multiplication. En dautres termes :
Proposition 3.
Si A est une matrice n p, alors
In A = A
et
A I p = A.
Dmonstration. Nous allons dtailler la preuve. Soit A Mn,p (K) de terme gnral ai j . La matrice unit
dordre p est telle que tous les lments de la diagonale principale sont gaux 1, les autres tant tous nuls.
On peut formaliser cela en introduisant le symbole de Kronecker. Si i et j sont deux entiers, on appelle
symbole de Kronecker, et on note i, j , le rel qui vaut 0 si i est diffrent de j, et 1 si i est gal j. Donc
(
0 si i 6= j
i, j =
1 si i = j.
Alors le terme gnral de la matrice identit I p est i, j avec i et j entiers, compris entre 1 et p.
La matrice produit AI p est une matrice appartenant Mn,p (K) dont le terme gnral ci j est donn par la
p
X
formule ci j =
aik k j . Dans cette somme, i et j sont fixs et k prend toutes les valeurs comprises entre 1
k=1
et p. Si k =
6 j alors k j = 0, et si k = j alors k j = 1. Donc dans la somme qui dfinit ci j , tous les termes
correspondant des valeurs de k diffrentes de j sont nuls et il reste donc ci j = ai j j j = ai j 1 = ai j . Donc
les matrices AI p et A ont le mme terme gnral et sont donc gales. Lgalit I n A = A se dmontre de la
mme faon.
MATRICES
2. MULTIPLICATION DE MATRICES
105
Exemple 9.
1 0 1
On cherche calculer Ap avec A = 0 1 0. On calcule A2 , A3 et A4 et on obtient :
0 0 2
1 0 15
1 0 7
1 0 3
A4 = A3 A = 0 1 0 .
A3 = A2 A = 0 1 0
A2 = 0 1 0
0 0 16
0 0 8
0 0 4
1
0
2p 1
0 .
Lobservation de ces premires puissances permet de penser que la formule est : Ap = 0 (1) p
0
0
2p
Dmontrons ce rsultat par rcurrence.
Il est vrai pour p = 0 (on trouve lidentit). On le suppose vrai pour un entier p et on va le dmontrer pour
p + 1. On a, daprs la dfinition,
1
0
2p 1
1 0 1
1
0
2 p+1 1
.
0 0 1 0 = 0 (1) p+1
0
Ap+1 = Ap A = 0 (1) p
p
p+1
0
0
2
0 0 2
0
0
2
1 1 1
0 1 2
Soit A =
0 0 1
0 0 0
existe k N tel que
1
0 1 1 1
1
. On pose N = A I = 0 0 2 1. La matrice N est nilpotente (cest--dire il
0 0 0 3
3
1
0 0 0 0
k
N = 0) comme le montrent les calculs suivants :
0 0 2 4
0 0 0 6
0 0 0 6
0 0 0 0
3
N2 =
N
=
et
N 4 = 0.
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
Comme on a A = I + N et les matrices N et I commutent (la matrice identit commute avec toutes les
matrices), on peut appliquer la formule du binme de Newton. On utilise que I k = I pour tout k et surtout
que N k = 0 si k > 4. On obtient
p
3
X
p k pk X p k
p(p1)
p(p1)(p2) 3
p
A =
N I
=
N = I + pN + 2! N 2 +
N .
3!
k
k
k=0
k=0
MATRICES
106
Do
1 p p2
0 1 2p
Ap =
0 0 1
0 0 0
p(p2 p + 1)
p(3p 2)
.
3p
1
Mini-exercices.
2 1 0
8 2
5
2 2
2 , E = x
1 0 , C = 3 2 , D =
y z . Quels produits sont
1. Soient A = 06 4
0 , B = 0
1
2 2 3
5 5
possibles ? Les calculer !
0 0 1
1 0 0
2. Soient A = 0 1 0 et B = 0 0 2 . Calculer A2 , B 2 , AB et BA.
1 1 0
112
2 0 0
0 0 0
3. Soient A = 0 2 0 et B = 2 0 0 . Calculer Ap et B p pour tout p > 0. Montrer que AB = BA. Calculer
002
310
(A + B) p .
BA = I,
et
3.2. Exemples
Exemple 11.
Soit A = 10 23 . tudier si A est inversible, cest tudier lexistence dune matrice B = ac db coefficients
dans K, telle que AB = I et BA = I. Or AB = I quivaut :
1 2 a b
1 0
a + 2c b + 2d
1 0
AB = I
=
=
0 3
c d
0 1
3c
3d
0 1
Cette galit quivaut au systme :
a + 2c = 1
b + 2d = 0
3c
=0
3d = 1
Sa rsolution est immdiate : a = 1, b = 32 , c = 0, d = 13 . Il ny a donc quune seule matrice possible,
2
1 3
savoir B =
. Pour prouver quelle convient, il faut aussi montrer lgalit BA = I, dont la vrification
0 13
1 32
1
est laisse au lecteur. La matrice A est donc inversible et A =
.
0 13
MATRICES
107
Exemple 12.
La matrice A =
30
50
a b
nest pas inversible. En effet, soit B =
une matrice quelconque. Alors le produit
c d
a b 3 0
3a + 5b 0
BA =
=
c d
5 0
3c + 5d 0
3.3. Proprits
Unicit
Proposition 5.
Si A est inversible, alors son inverse est unique.
Dmonstration. La mthode classique pour mener bien une telle dmonstration est de supposer lexistence
de deux matrices B1 et B2 satisfaisant aux conditions imposes et de dmontrer que B1 = B2 .
Soient donc B1 telle que AB1 = B1 A = I n et B2 telle que AB2 = B2 A = I n . Calculons B2 (AB1 ). Dune part,
comme AB1 = I n , on a B2 (AB1 ) = B2 . Dautre part, comme le produit des matrices est associatif, on a
B2 (AB1 ) = (B2 A)B1 = I n B1 = B1 . Donc B1 = B2 .
Inverse de linverse
Proposition 6.
Soit A une matrice inversible. Alors A1 est aussi inversible et on a :
(A1 )1 = A
MATRICES
108
1. Soient A =
1 2
3 4
0 1
4.1. Matrices 2 2
a
Considrons la matrice 2 2 : A =
c
b
.
d
Proposition 9.
Si ad bc 6= 0, alors A est inversible et
1
1
adbc
1
adbc
d b
c a
d
c
b
a
alors AB =
10
01
MATRICES
109
de cette matrice augmente, on effectue des oprations lmentaires jusqu obtenir le tableau (I | B). Et
alors B = A1 .
Ces oprations lmentaires sur les lignes sont :
1. L i L i avec 6= 0 : on peut multiplier une ligne par un rel non nul (ou un lment de K \ {0}).
2. L i L i + L j avec K (et j 6= i) : on peut ajouter la ligne L i un multiple dune autre ligne L j .
3. L i L j : on peut changer deux lignes.
Noubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmente, vous devez aussi le
faire sur la partie droite.
4.3. Un exemple
1 2 1
Calculons linverse de A = 4 0 1 .
1 2 2
Voici la matrice augmente, avec les lignes numrotes :
1 2 1 1 0 0
(A | I) = 4 0 1 0 1 0
1 2 2 0 0 1
L1
L2
L3
On applique la mthode de Gauss pour faire apparatre des 0 sur la premire colonne, dabord sur la
deuxime ligne par lopration lmentaire L2 L2 4L1 qui conduit la matrice augmente :
1
2
1
1 0 0
0 8 5 4 1 0 L2 L2 4L1
0 0 1
1 2
2
Puis un 0 sur la premire colonne, la troisime ligne, avec L3 L3 + L1 :
1 2
1
1 0
0 8 5 4 1
0 4
3
1 0
On multiplie la ligne L2 afin quelle commence par 1 :
1 2 1 1 0
0 1 5 1 1
8
2
8
0 4 3 1 0
0
0
1
0
0
1
L3 L3 +L1
L2 18 L2
On continue afin de faire apparatre des 0 partout sous la diagonale, et on multiplie la ligne L3 . Ce qui
termine la premire partie de la mthode de Gauss :
0 0
1 2 1 1
1
0 1 5
18 0
8
2
0 0 21 1 21 1
L3 L3 4L2
puis
1 2 1 1
0 0
1
0 1 5
18 0
8
2
0 0 1 2 1 2
L3 2L3
Il ne reste plus qu remonter pour faire apparatre des zros au-dessus de la diagonale :
1 2 1
0 1 0
0 0 1
0
7
3
4
4
2 1
0
54
2
L2 L2 85 L3
MATRICES
110
puis
1 0 0
0 1 0
0 0 1
21
7
4
1
2
34
1
2
54
L1 L1 2L2 L3
Ainsi linverse de A est la matrice obtenue droite et aprs avoir factoris tous les coefficients par 14 , on a
obtenu :
2 2
2
1
A1 = 7 3 5
4
8 4
8
Pour se rassurer sur ses calculs, on noublie pas de vrifier rapidement que A A1 = I.
Mini-exercices.
31
72
1 3 0
2 1 1 ,
2 1 1
2 3
5 4
02
30
+1 1
2
1 1 1 0 0
2 2 1 1 0 1 0 2 1 1 1
0 1200
0
2
2
0
1
0
0
1
1 1 2 0 0 .
3 0 5 , 1 2 0 1 , 0 1 1 2 ,
1 1 2
01 1 0
0 2 1 3
0 0021
0 0053
a11 x 1
a21 x 1
an1 x 1
peut scrire sous forme matricielle :
a11
a
21
.
..
|
+ a12 x 2 + + a1p x p
+ a22 x 2 + + a2p x p
...
+ an2 x 2 + + anp x p
. . . a1p
. . . a2p
..
.
x1
x2
..
.
an1 . . . anp
xp
{z
} | {z }
A
X
=
=
b1
b2
bn
b1
b2
..
.
bn
{z
B
On appelle A Mn,p (K) la matrice des coefficients du systme. B Mn,1 (K) est le vecteur du second membre.
Le vecteur X M p,1 (K) est une solution du systme si et seulement si
AX = B.
Nous savons que :
Thorme 1.
Un systme dquations linaires na soit aucune solution, soit une seule solution, soit une infinit de solutions.
MATRICES
111
a11
a21
..
.
. . . a1n
. . . a2n
..
.
x1
x2
..
.
an1 . . . ann
xn
{z
} | {z }
A
X
b1
b2
..
.
bn
{z
B
Alors A Mn (K) est une matrice carre et B un vecteur de Mn,1 (K). Pour tout second membre, nous pouvons
utiliser les matrices pour trouver la solution du systme linaire.
Proposition 10.
Si la matrice A est inversible, alors la solution du systme AX = B est unique et est :
X = A1 B.
La preuve est juste de vrifier que si X = A1 B, alors AX = A A1 B = AA1 B = I B = B. Rciproquement
si AX = B, alors ncessairement X = A1 B. Nous verrons bientt que si la matrice nest pas inversible, alors
soit il ny a pas de solution, soit une infinit.
E L2 5L2
1
0
=
0
0
0
5
0
0
0
0
1
0
0
0
0
1
2. La matrice E L i L i +L j est la matrice obtenue en ajoutant fois la j-me ligne de I n la i-me ligne de
In.
E L2 L2 3L1
1
3
=
0
0
0
1
0
0
0
0
1
0
0
0
0
1
MATRICES
E L2 L4 = E L4 L2
1
0
=
0
0
0
0
0
1
0
0
1
0
112
0
1
0
0
Les oprations lmentaires sur les lignes sont rversibles, ce qui entrane linversibilit des matrices
lmentaires.
Le rsultat de la multiplication dun matrice lmentaire E par A est la matrice obtenue en effectuant
lopration lmentaire correspondante sur A. Ainsi :
1. La matrice E L i L i A est la matrice obtenue en multipliant par la i-me ligne de A.
2. La matrice E L i L i +L j A est la matrice obtenue en ajoutant fois la j-me ligne de A la i-me ligne
de A.
3. La matrice E L i L j A est la matrice obtenue en permutant les i-me et j-me lignes de A.
Exemple 14.
1.
1 0 0
x1
E L2 1 L2 A = 0 13 0 y1
3
0 0 1
z1
x2
y2
z2
x3
x1
y3 = 31 y1
z1
z3
x2
1
3 y2
z2
x3
1
3 y3
z3
2.
1 0 7
x1
E L1 L1 7L3 A = 0 1 0 y1
0 0 1
z1
x2
y2
z2
x3
x 1 7z1
y3 =
y1
z1
z3
x 2 7z2
y2
z2
x 3 7z3
y3
z3
3.
1 0 0
x1
E L2 L3 A = 0 0 1 y1
0 1 0
z1
x2
y2
z2
x3
x1
y3 = z1
z3
y1
x2
z2
y2
x3
z3
y3
MATRICES
+
0 0 +
0
0
0
+
0 0 0 0 0 0 +
0 0 0 0 0 0 0
0
0 0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
113
0
0
0
0
Thorme 2.
tant donne une matrice A Mn,p (K), il existe une unique matrice chelonne rduite U obtenue partir
de A par des oprations lmentaires sur les lignes.
Ce thorme permet donc de se ramener par des oprations lmentaires des matrices dont la structure
est beaucoup plus simple : les matrices chelonnes rduites.
Dmonstration. Nous admettons lunicit.
Lexistence se dmontre grce lalgorithme de Gauss. Lide gnrale consiste utiliser des substitutions
de lignes pour placer des zros l o il faut de faon crer dabord une forme chelonne, puis une forme
chelonne rduite.
Soit A une matrice n p quelconque.
Partie A. Passage une forme chelonne.
tape A.1. Choix du pivot.
On commence par inspecter la premire colonne. Soit elle ne contient que des zros, auquel cas on passe
directement ltape A.3, soit elle contient au moins un terme non nul. On choisit alors un tel terme, que
lon appelle le pivot. Si cest le terme a11 , on passe directement ltape A.2 ; si cest un terme ai1 avec
i 6= 1, on change les lignes 1 et i (L1 L i ) et on passe ltape A.2.
Au terme de ltape A.1, soit la matrice A a sa premire colonne nulle ( gauche) ou bien on obtient une
0
matrice quivalente dont le premier coefficient a11
est non nul ( droite) :
0
0
0
a11 a12
a10 j a1p
0 a12 a1 j a1p
0
0
0
0 a
a0
22 a2 j a2p
21 a22 a2 j a2p
..
..
..
..
..
..
..
..
.
.
.
.
.
.
.
= A ou .
0
0
0
0 A.
0 a
a
a
a
i2
ij
ip
i1
i2
ij
ip
.
.
..
..
..
..
..
..
.
..
.
.
.
.
.
.
.
0 an2 an j
0
an1
anp
0
an2
an0 j
0
anp
0
a21
0
a11
L1 , L3 L3
0
a31
0
a11
L1 ,. . .
..
..
..
..
.
.
.
.
i2
ij
ip
.
..
..
..
..
.
.
.
0
00
an2
an00j
00
anp
0
ai1
0
a11
MATRICES
114
..
..
..
..
.
.
.
.
1
1
1 A
0 a
aip
i2 ai j
.
.
.
.
..
..
..
..
0
1
an2
an1 j
1
anp
dont la premire colonne est bien celle dune matrice chelonne. On va donc conserver cette premire
1
colonne. Si a11
6= 0, on conserve aussi la premire ligne, et lon repart avec ltape A.1 en lappliquant cette
fois la sous-matrice (n 1) (p 1) (ci-dessous gauche : on oublie la premire ligne et la premire
1
colonne de A) ; si a11
= 0, on repart avec ltape A.1 en lappliquant la sous-matrice n (p 1) ( droite,
on oublie la premire colonne) :
1
1
1
.
.
.
1
1
a1 a1 a1
i2 ai j aip
.
i2
ij
ip
..
..
.
..
..
..
.
.
..
.
.
1
1
an2
an1 j anp
1
1
an2
an1 j anp
Au terme de cette deuxime itration de la boucle, on aura obtenu une matrice de la forme
1
1
1
a11 a12
a11 j a1p
0 a2 a2 a2
22
2p
2j
..
..
..
..
.
.
.
.
2 A,
0
0 ai2j aip
.
.
.
..
..
..
..
0
an2 j
2
anp
et ainsi de suite.
Comme chaque itration de la boucle travaille sur une matrice qui a une colonne de moins que la prcdente,
alors au bout dau plus p 1 itrations de la boucle, on aura obtenu une matrice chelonne.
Partie B. Passage une forme chelonne rduite.
tape B.1. Homothties.
On repre le premier lment non nul de chaque ligne non nulle, et on multiplie cette ligne par linverse de
cet lment. Exemple : si le premier lment non nul de la ligne i est =
6 0, alors on effectue L i 1 L i .
Ceci cre une matrice chelonne avec des 1 en position de pivots.
tape B.2. limination.
On limine les termes situs au-dessus des positions de pivot comme prcdemment, en procdant partir
du bas droite de la matrice. Ceci ne modifie pas la structure chelonne de la matrice en raison de la
disposition des zros dont on part.
Exemple 15.
Soit
1 2 3 4
A = 0 2 4 6 .
1 0 1 0
MATRICES
115
1 2 3 4
A 0 2 4 6 .
0 2 4 4
2
Deuxime itration de la boucle, tape A.1. Le choix du pivot est tout fait, on garde a22
= 2.
Deuxime itration de la boucle, tape A.2. On remplace la ligne 3 avec lopration L3 L3 L2 . On obtient
1 2 3 4
A 0 2 4 6 .
0 0 0 2
1 2 3 4
A 0 1 2 3 .
0 0 0 1
tape B.2, premire itration. On ne touche plus la ligne 3 et on remplace la ligne 2 par L2 L2 3L3 et
L1 L1 4L3 . On obtient
1 2 3 0
A 0 1 2 0 .
0 0 0 1
tape B.2, deuxime itration. On ne touche plus la ligne 2 et on remplace la ligne 1 par L1 L1 2L2 .
On obtient
1 0 1 0
A 0 1 2 0
0 0
MATRICES
116
Remarque.
Justifions maintenant notre mthode pour calculer A1 .
Nous partons de (A|I) pour arriver par des oprations lmentaires sur les lignes (I|B). Montrons que
B = A1 . Faire une opration lmentaire signifie multiplier gauche par une des matrices lmentaires.
Notons E le produit de ces matrices lmentaires. Dire que lon arrive la fin du processus I signifie
EA = I. Donc A1 = E. Comme on fait les mmes oprations sur la partie droite du tableau, alors on obtient
E I = B. Donc B = E. Consquence : B = A1 .
Corollaire 1.
Les assertions suivantes sont quivalentes :
(i) La matrice A est inversible.
0
0
(ii) Le systme linaire AX = ... a une unique solution X = ... .
0
0
(iii) Pour tout second membre B, le systme linaire AX = B a une unique solution X .
1 0 c1
c1
..
..
.
0 .. 0
.
.
0 0
c`1
1
c
`1
0 0
0
On note
X =
.
1 .
0 0
0
0
.
.
.
.
.
..
..
. . ..
..
..
0
0
Alors X nest pas le vecteur nul, mais U X est le vecteur nul. Comme A = E 1 U, alors AX est le vecteur nul.
Nous avons donc trouv un vecteur non nul X tel que AX = 0.
Mini-exercices.
1. Exprimer les systmes linaires suivants sous forme
matricielle et les rsoudre en inversant la matrice :
x
+
t =
x +z =1
2x + 4 y = 7
x 2y =
2 y + 3z = 1 ,
,
.
2x + 3 y = 14
x+ y+t =2
x +z =1
y+t =4
2. crire les matrices 4 4 correspondant aux oprations lmentaires : L2 31 L2 , L3 L3 14 L2 ,
L1 L4 . Sans calculs, crire leurs inverses. crire la matrice 4 4 de lopration L1 L1 2L3 + 3L4 .
1 2 3 1 0 2
3. crire les matrices suivantes sous forme chelonne, puis chelonne rduite : 1 4 0 , 1 1 1 ,
2 2 3
2 2 3
2 0 2 0
0 1 1 0
1 2 1 4 .
1 2 1 2
MATRICES
117
a11 0
.
a21 a22 . .
.
..
.. ..
.
.
.
.
.
.
.
.
..
..
..
an1
an2
0
..
.
..
.
0
ann
On dit que A est triangulaire suprieure si ses lments en-dessous de la diagonale sont nuls, autrement
dit :
i > j = ai j = 0.
Une matrice triangulaire suprieure a la forme suivante :
22 . . . . . . . . . a2n
.
..
..
..
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
.. ..
.
.
.
.
0
. . . . . . . . . 0 ann
Exemple 16.
Deux matrices triangulaires infrieures ( gauche), une matrice triangulaire suprieure ( droite) :
4 0 0
1 1 1
5 0
0 1 0
0 1 1
1 2
3 2 3
0 0 1
Une matrice qui est triangulaire infrieure et triangulaire suprieure est dite diagonale. Autrement dit :
i 6= j = ai j = 0.
Exemple 17.
Exemples de matrices diagonales :
1 0 0
0 6 0
0 0 0
et
2 0
0 3
1 0 . . . . . .
0
1 0 . . . . . .
0
0 2 0
0 p 0
...
0
...
0
2
.
.. . . . .
..
..
..
..
p
D = .. . . . . . .
=
D
=
.
.
.
.
.
.
p
0 . . . 0 n1 0
0 ... 0
0
0
... ...
n1
... ...
MATRICES
118
Thorme 4.
Une matrice A de taille n n, triangulaire, est inversible si et seulement si ses lments diagonaux sont tous
non nuls.
Dmonstration. Supposons que A soit triangulaire suprieure.
Si les lments de la diagonale sont tous non nuls, alors la matrice A est dj sous la forme chelonne.
En multipliant chaque ligne i par linverse de llment diagonal aii , on obtient des 1 sur la diagonale.
De ce fait, la forme chelonne rduite de A sera la matrice identit. Le thorme 3 permet de conclure
que A est inversible.
Inversement, supposons quau moins lun des lments diagonaux soit nul et notons a`` le premier
lment nul de la diagonale. En multipliant les lignes 1 ` 1 par linverse de leur lment diagonal,
on obtient une matrice de la forme
.
0 ..
0 0
0 0
0
.
0 0
0
.
..
..
. . ..
..
. .
.
. 0
0
Il est alors clair que la colonne numro ` de la forme chelonne rduite ne contiendra pas de 1 comme
pivot. La forme chelonne rduite de A ne peut donc pas tre I n et par le thorme 3, A nest pas
inversible.
Dans le cas dune matrice triangulaire infrieure, on utilise la transposition (qui fait lobjet de la section
suivante) et on obtient une matrice triangulaire suprieure. On applique alors la dmonstration ci-dessus.
6.2. La transposition
Soit A la matrice de taille n p
A=
. . . a1p
. . . a2p
..
.
a11
a21
..
.
a12
a22
..
.
an1
an2 . . . anp
Dfinition 10.
On appelle matrice transpose de A la matrice AT de taille
a11 a21 . . .
a
12 a22 . . .
AT = .
..
..
.
a1p
a2p
p n dfinie par :
an1
an2
.. .
.
. . . anp
Autrement dit : le coefficient la place (i, j) de AT est a ji . Ou encore la i-me ligne de A devient la i-me
colonne de AT (et rciproquement la j-me colonne de AT est la j-me ligne de A).
Notation : La transpose de la matrice A se note aussi souvent tA.
Exemple 19.
T
1 2 3
1 4 7
4 5 6 = 2 5
8
7 8 9
3 6 9
MATRICES
T
0
3
0
1
1
1 5 =
3 5 2
1 2
119
1
5) T = 2
5
(1
6.3. La trace
Dans le cas dune matrice carre de taille n n, les lments a11 , a22 , . . . , ann sont appels les lments
diagonaux.
Sa diagonale principale est la diagonale (a11 , a22 , . . . , ann ).
21 a22 . . . a2n
.
.
.
..
..
..
..
.
an1
an2 . . . ann
Dfinition 11.
La trace de la matrice A est le nombre obtenu en additionnant les lments diagonaux de A. Autrement
dit,
tr A = a11 + a22 + + ann .
Exemple 20.
Si A = 20 15 , alors tr A = 2 + 5 = 7.
1 1 2
Pour B = 5 2 8 , tr B = 1 + 2 10 = 7.
11 0 10
Thorme 6.
Soient A et B deux matrices n n. Alors :
1. tr(A + B) = tr A + tr B,
2. tr(A) = tr A pour tout K,
3. tr(AT ) = tr A,
4. tr(AB) = tr(BA).
Dmonstration.
1. Pour tout 1 6 i 6 n, le coefficient (i, i) de A + B est aii + bii . Ainsi, on a bien tr(A + B) = tr(A) + tr(B).
2. On a tr(A) = a11 + + ann = (a11 + + ann ) = tr A.
3. tant donn que la transposition ne change pas les lments diagonaux, la trace de A est gale la trace
de AT .
MATRICES
120
+a12 b21
+a22 b22
a11 b11
+a21 b12
..
.
+
+
+a1n bn1
+a2n bn2
+a21 b12
+a22 b22
a11 b11
+a12 b21
..
.
+
+
+an1 b1n
+an2 b2n
1 0
5
0
2 1
5 1 0
Exemple 22.
Pour une matrice B quelconque, les matrices B B T et B T B sont symtriques.
Preuve : (BB T ) T = (B T ) T B T = BB T . Idem pour B T B.
MATRICES
121
Exemple 23.
0 1
1 0
0 4 2
4 0 5
2 5 0
Remarquons que les lments diagonaux dune matrice antisymtrique sont toujours tous nuls.
Exemple 24.
Toute matrice est la somme dune matrice symtrique et dune matrice antisymtrique.
Preuve : Soit A une matrice. Dfinissons B = 12 (A + AT ) et C = 12 (A AT ). Alors dune part A = B + C ;
dautre part B est symtrique, car B T = 12 (AT + (AT ) T ) = 12 (AT + A) = B ; et enfin C est antisymtrique, car
C T = 12 (AT (AT ) T ) = C.
Exemple :
2 10
2 9
0 1
Pour A =
alors
A =
+
.
8 3
9 3
1 0
| {z }
| {z }
symtrique
antisymtrique
Mini-exercices.
1. Montrer que la somme de deux matrices triangulaires suprieures reste triangulaire suprieure. Montrer
que cest aussi valable pour le produit.
2. Montrer que si A est triangulaire suprieure, alors AT est triangulaire infrieure. Et si A est diagonale ?
x1 !
3. Soit A =
x2
. Calculer AT A, puis A AT .
..
.
xn
4. Soit A =
a b
c d
. Calculer tr(A AT ).
5. Soit A une matrice de taille 2 2 inversible. Montrer que si A est symtrique, alors A1 aussi. Et si A
est antisymtrique ?
6. Montrer que la dcomposition dune matrice sous la forme symtrique + antisymtrique est unique.
Auteurs du chapitre
Daprs un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale
de Lausanne,
et un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties de cours de H.
Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
mixs et rviss par Arnaud Bodin, relu par Vianney Combet.
Chapitre
Lespace vectoriel Rn
1. Vecteurs de Rn
1.1. Oprations sur les vecteurs
souvent reprsent par une droite. Cest un espace de dimension 1.
Lensemble des nombres rels R est
x1
Le
plan
est
form
des
couples
de
nombres rels. Il est not R2 . Cest un espace deux dimensions.
x2
x1
Lespace de dimension 3 est constitu des triplets de nombres rels xx 2 . Il est not R3 .
3
x1
Le symbole xx 2 a deux interprtations gomtriques : soit comme un point de lespace (figure de
3
x1
x2
x3
x1
x2
x3
..
.
xn
x1 !
x2
..
.
xn
LESPACE VECTORIEL Rn
Soient u =
u1 !
u2
..
.
et v =
un
1. VECTEURS DE Rn
v1 !
v2
..
.
124
deux vecteurs de Rn .
vn
Dfinition 1.
u1 + v1
.
Somme de deux vecteurs. Leur somme est par dfinition le vecteur u + v = .. .
un + vn
u1
.
Produit dun vecteur par un scalaire. Soit R (appel un scalaire) : u = .. .
un
0
n
Le vecteur nul de R est le vecteur 0 = ... .
0
u1
u1
.
.. .
Loppos du vecteur u = .. est le vecteur u =
.
un
un
u
v
vn
1. u + v = v + u
2. u + (v + w) = (u + v) + w
3. u + 0 = 0 + u = u
4. u + (u) = 0
5. 1 u = u
6. ( u) = () u
7. (u + v) = u + v
8. ( + ) u = u + u
wn
LESPACE VECTORIEL Rn
1. VECTEURS DE Rn
125
v
u
u+v
u
v
matrice de taille n 1. Parfois, on rencontre aussi des vecteurs lignes : on peut voir le vecteur u comme
une matrice 1 n, de la forme (u1 , . . . , un ). En fait, le vecteur ligne correspondant u est le transpos u T
du vecteur colonne u.
Les oprations de somme et de produit par un scalaire dfinies ci-dessus pour les vecteurs concident
parfaitement avec les oprations dfinies sur les matrices :
u1 + v1
u1
u1
u1
v1
. . .
. .
et
u = .. = .. .
u + v = .. + .. = ..
un
vn
un + vn
un
un
vn
u | v = u1 v1 + u2 v2 + + un vn .
Cest un scalaire (un nombre rel). Remarquons que cette dfinition gnralise la notion de produit scalaire
dans le plan R2 et dans lespace R3 .
Une autre criture :
u | v = u T v = u1 u2
v1
v2
un .
.
.
vn
Soient A = (ai j ) une matrice de taille n p, et B = (bi j ) une matrice de taille p q. Nous savons que lon
peut former le produit matriciel AB. On obtient une matrice de taille n q. Llment dindice i j de la
matrice AB est
ai1 b1 j + ai2 b2 j + + aip b p j .
LESPACE VECTORIEL Rn
126
b1 j
b2 j
aip . .
..
ai1
ai2
bp j
Autrement dit, cest le produit scalaire du i-me vecteur ligne de A avec le j-me vecteur colonne de B.
Notons `1 , . . . , `n les vecteurs lignes formant la matrice A, et c1 , . . . , cq les vecteurs colonnes formant la
matrice B. On a alors
`1 | c1 `1 | c2 `1 | cq
` | c ` | c ` | c
2
2
2
q
2 1
AB =
.
..
..
..
.
.
.
`n | c1 `n | c2 `n | cq
Mini-exercices.
1. Faire un dessin pour chacune des 8 proprits qui font de R2 un espace vectoriel.
2. Faire la mme chose pour R3 .
3. Montrer que le produit scalaire vrifie u | v = v | u, u+ v | w = u | w+v | w, u | v = u | v
pour tout u, v, w Rn et R.
4. Soit u Rn . Montrer que u | u > 0. Montrer u | u = 0 si et seulement si u est le vecteur nul.
f2 : R p R
...
f n : R p R
(x 1 , x 2 , . . . , x p ) 7 f i (x 1 , . . . , x p )
y = a x + a x + + a x
2
21 1
22 2
2p p
..
..
..
..
.
.
.
.
LESPACE VECTORIEL Rn
127
En notation matricielle, on a
a11
y1
x1
x y a
2 2 21
f . = . = .
.. .. ..
an1
yn
xp
a12
a22
..
.
x1
a1p
a2p x 2
.. .. ,
. .
an2 anp
xp
x1
..
ou encore, si on note X = . et A Mn,p (R) la matrice (ai j ),
xp
f (X ) = AX .
Autrement dit, une application linaire R p Rn peut scrire X 7 AX . La matrice A Mn,p (R) est appele
la matrice de lapplication linaire f .
Remarque.
On a toujours f (0, . . . , 0) = (0, . . . , 0). Si on note 0 pour le vecteur nul dans R p et aussi dans Rn , alors
une application linaire vrifie toujours f (0) = 0.
Le nom complet de la matrice A est : la matrice de lapplication linaire f de la base canonique de R p
vers la base canonique de Rn !
Exemple 1.
La fonction f : R4 R3 dfinie par
y1 = 2x 1 + 5x 2 + 2x 3 7x 4
y2 = 4x 1 + 2x 2 3x 3 + 3x 4
y3 = 7x 1 3x 2 + 9x 3
sexprime sous forme matricielle comme suit :
y1
2 5
2 7
y2 = 4
2 3 3
y3
7 3 9
0
x1
x2
.
x
3
x4
Exemple 2.
Pour lapplication linaire identit Rn Rn , (x 1 , . . . , x n ) 7 (x 1 , . . . , x n ), sa matrice associe est lidentit
I n (car I n X = X ).
Pour lapplication linaire nulle R p Rn , (x 1 , . . . , x p ) 7 (0, . . . , 0), sa matrice associe est la matrice
nulle 0n,p (car 0n,p X = 0).
f : R R
x
x
7
y
y
est la rflexion par rapport laxe des ordonnes (O y), et sa matrice est
1 0
1 0
x
x
car
=
.
0 1
0 1
y
y
LESPACE VECTORIEL Rn
x
y
x
y
( y = x)
x
y
O
128
LESPACE VECTORIEL Rn
129
Homothties
Lhomothtie de rapport centre lorigine est :
2
x
x
7
.
y
y
f : R R ,
On peut donc crire f
x
y
0
0
x
y
x
y
x
y
Remarque.
La translation de vecteur
u0
v0
est lapplication
x
x
u0
x + u0
2
2
f :R R ,
7
+
=
.
y
y
v0
y + v0
u
Si cest une translation de vecteur non nul, cest--dire v00 6= 00 , alors ce nest pas une application linaire,
car f 00 6= 00 .
Rotations
Soit f : R2 R2 la rotation dangle , centre lorigine.
y
0
x
y0
x
y
Si le vecteur
x
y
x
y
LESPACE VECTORIEL Rn
Si
x0
y0
dnote limage de
x0 =
y0 =
r cos( + )
r sin( + )
donc
x0 =
y0 =
x0 =
y0 =
x cos y sin
x sin + y cos
0
x
cos
0 =
y
sin
donc
sin
cos
x
.
y
sin
.
cos
Projections orthogonales
y
x
y
x
0
Lapplication
2
f : R R ,
x
x
7
y
0
est la projection orthogonale sur laxe (O x). Cest une application linaire donne par la matrice
1 0
.
0 0
Lapplication linaire
f : R3 R3 ,
x
x
y 7 y
z
1 0 0
0 1 0 .
0 0 0
130
LESPACE VECTORIEL Rn
131
z
x
y
z
x
y
0
x
De mme, la projection orthogonale sur le plan (O xz) est donne par la matrice de gauche ; la projection
orthogonale sur le plan (O yz) par la matrice de droite :
1 0 0
0 0 0
0 1 0 .
0 0 0
0 0 1
0 0 1
Rflexions dans lespace
Lapplication
x
x
3
3
y 7 y
f : R R ,
z
z
est la rflexion par rapport au plan (O x y). Cest une application linaire et sa matrice est
1 0 0
0 1 0 .
0 0 1
De mme, les rflexions par rapport aux plans (O xz) ( gauche) et (O yz) ( droite) sont donnes par les
matrices :
1 0 0
1 0 0
0 1 0
0 1 0 .
0 0 1
0 0 1
Mini-exercices.
1. Soit A = 11 23 et soit f lapplication linaire associe. Calculer et dessiner limage par f de 10 ,
puis 01 et plus gnralement de xy . Dessiner limage par f du carr de sommets 00 10 11 01 .
Dessiner limage par f du cercle inscrit dans ce carr.
1 2 1
1 0 0
2. Soit A = 0 1 0 et soit f lapplication linaire associe. Calculer limage par f de 0 , 1 , 0 et
0
0
1
21 1
x
plus gnralement de y .
z
4. crire la matrice de la rflexion du plan par rapport la droite ( y = x). Idem dans lespace avec la
rflexion par rapport au plan dquation ( y = x).
LESPACE VECTORIEL Rn
132
g : Rq R p
et
Rq R p Rn
f g : Rq Rn .
2
A = Mat( f ) =
et
B = Mat(g) =
= p23
.
1
1 0
sin
cos
2
2
Voici pour X = 10 les images f (X ), g(X ), f g(X ), g f (X ) :
y
f (X )
( y = x)
g(X )
g f (X )
f g(X )
X=
1
0
LESPACE VECTORIEL Rn
Alors
1
0 1
C = Mat( f g) = Mat( f ) Mat(g) =
p23
1 0
2
Notons que si lon considre la composition g f alors
1
p2
3
2
p
3
0
2
1
1
2
3
2
1
2
3
2
1
2
p3
2
1
=
1
0
2
1
2p
23
1
p2
3
2
133
Les matrices C = AB et D = BA sont distinctes, ce qui montre que la composition dapplications linaires,
comme la multiplication des matrices, nest pas commutative en gnral.
x
y
La matrice de f est
10
00
x
0
La preuve du thorme 2 est une consquence directe du thorme suivant, vu dans le chapitre sur les
matrices :
LESPACE VECTORIEL Rn
134
Thorme 3.
Les assertions suivantes sont quivalentes :
(i) La matrice A est inversible.
0
0
(ii) Le systme linaire AX = ... a une unique solution X = ... .
0
0
(iii) Pour tout second membre Y , le systme linaire AX = Y a une unique solution X .
0
1
e2 = 0
.
..
0
sont appels les vecteurs de la base canonique de R p .
0
..
ep = .
0
1
y1 =
y2 =
y
3 =
y4 =
dfinie par
2x 1 +x 2
x 3
x 1 4x 2
5x 1 +x 2
+x 3
3x 2 +2x 3 .
LESPACE VECTORIEL Rn
f 0 =
5
0
0
Donc la matrice de f est :
135
1 0 0
0 , 1 , 0 :
0
1
0
4
f 1 =
1
0
3
1
0
0
f 0 =
1 .
1
2
2
1 1
1 4 0
.
Mat( f ) =
5
1
1
0
3
2
Exemple 7.
Soit f : R2 R2 la rflexion par rapport la droite ( y = x) et soit g la rotation du plan dangle 6 centre
lorigine. Calculons la matrice de lapplication f g. La base canonique de R2 est forme des vecteurs 10
et 01 .
1 p
3
0
f g
= f p32 = 21
1
2
2
p 1
3
1
f g
= f 21 = p23
0
2
2
Donc la matrice de f g est :
Mat( f ) =
1
p2
3
2
p
3
2
.
12
Pour
x1
x
2
X = . Rp ,
..
alors
X = x 1 e1 + x 2 e2 + + x p e p
xp
et donc
AX
= A(x 1 e1 + x 2 e2 + + x p e p )
= Ax 1 e1 + Ax 2 e2 + + Ax p e p
=
x 1 Ae1 + x 2 Ae2 + + x p Ae p
x 1 f (e1 ) + x 2 f (e2 ) + + x p f (e p )
f (x 1 e1 ) + f (x 2 e2 ) + + f (x p e p )
f (x 1 e1 + x 2 e2 + + x p e p ) = f (X ).
LESPACE VECTORIEL Rn
136
canonique). Cette matrice est-elle inversible ? Si oui, calculer linverse. Interprtation gomtrique.
Mme question avec g f .
2. Soit f la projection orthogonale de lespace sur le plan (O xz) et soit g la rotation dangle 2 daxe
(O y). Calculer la matrice de f g de deux faons diffrentes (produit de matrices et image de la base
canonique). Cette matrice est-elle inversible ? Si oui, calculer linverse. Interprtation gomtrique.
Mme question avec g f .
Auteurs du chapitre
Daprs un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale
de Lausanne,
rvis et reformat par Arnaud Bodin, relu par Vianney Combet.
Chapitre
Espaces vectoriels
Vido
Vido
Vido
Vido
Vido
Vido
Vido
Vido
Fiche
Fiche
10
La notion despace vectoriel est une structure fondamentale des mathmatiques modernes. Il sagit de
dgager les proprits communes que partagent des ensembles pourtant trs diffrents. Par exemple, on
peut additionner deux vecteurs du plan, et aussi multiplier un vecteur par un rel (pour lagrandir ou le
rtrcir). Mais on peut aussi additionner deux fonctions, ou multiplier une fonction par un rel. Mme chose
avec les polynmes, les matrices,... Le but est dobtenir des thormes gnraux qui sappliqueront aussi bien
aux vecteurs du plan, de lespace, aux espaces de fonctions, aux polynmes, aux matrices,... La contrepartie
de cette grande gnralit de situations est que la notion despace vectoriel est difficile apprhender et
vous demandera une quantit consquente de travail ! Il est bon davoir dabord tudi le chapitre Lespace
vectoriel Rn .
ESPACES VECTORIELS
(pour tous u, v E)
2. u + (v + w) = (u + v) + w
(pour tous u, v, w E)
(pour tout u E)
(pour tout u E)
6. ( u) = () u
(pour tous , K, u E)
7. (u + v) = u + v
(pour tous K, u, v E)
8. ( + ) u = u + u
(pour tous , K, u E)
Nous reviendrons en dtail sur chacune de ces proprits juste aprs des exemples.
u
0
Lexemple suivant gnralise le prcdent. Cest aussi le bon moment pour lire ou relire le chapitre Lespace
vectoriel Rn .
ESPACES VECTORIELS
et
Alors
x+x 0
0
y
z
tel que a x + b y + cz = 0.
z0
y+ y
z+z 0
a x + b y + cz = 0,
a x 0 + b y 0 + cz 0 = 0.
x
; et si y appartient
x z
P , alors a x + b y + cz = 0, que lon peut rcrire a(x) + b( y) + c(z) = 0 et ainsi y appartient
z
P.
Les autres proprits sont aussi faciles vrifier : par exemple llment neutre est
0
0
0
Attention ! Un plan
ne contenant pas lorigine nest pas un espace vectoriel, car justement il ne contient pas
le vecteur nul
0
0
0
ESPACES VECTORIELS
Mini-exercices.
1. Vrifier les 8 axiomes qui font de R3 un R-espace vectoriel.
a x + b y + cz = 0
.
a0 x + b0 y + c 0 z = 0 .
3. Justifier que les ensembles suivants ne sont pas des espaces vectoriels : (x, y) R2 | x y = 0 ;
(x, y) R2 | x = 1 ; (x, y) R2 | x > 0 et y > 0 ; (x, y) R2 | 1 6 x 6 1 et 1 6 y 6 1 .
4. Montrer par rcurrence que si les vi sont des lments dun K-espace vectoriel E, alors pour tous
i K : 1 v1 + 2 v2 + + n vn E.
ESPACES VECTORIELS
et
u + 00E = 00E + u = u
Alors, la premire proprit utilise avec u = 00E donne 00E + 0 E = 0 E + 00E = 00E .
La deuxime proprit utilise avec u = 0 E donne 0 E + 00E = 00E + 0 E = 0 E .
En comparant ces deux rsultats, il vient 0 E = 00E .
Supposons quil existe deux symtriques de u nots u0 et u00 . On a :
u + u0 = u0 + u = 0 E
et
u + u00 = u00 + u = 0 E .
Calculons u0 + (u + u00 ) de deux faons diffrentes, en utilisant lassociativit de la loi + et les relations
prcdentes.
u0 + (u + u00 ) = u0 + 0 E = u0
u0 + (u + u00 ) = (u0 + u) + u00 = 0 E + u00 = u00
On en dduit u0 = u00 .
Remarque.
Les tudiants connaissant la thorie des groupes reconnatront, dans les quatre premiers axiomes ci-dessus,
les axiomes caractrisant un groupe commutatif.
Axiomes relatifs la loi externe.
5. Soit 1 llment neutre de la multiplication de K. Pour tout lment u de E, on a
1 u = u.
6. Pour tous lments et de K et pour tout lment u de E, on a
( u) = ( ) u.
Axiomes liant les deux lois.
7. Distributivit par rapport laddition des vecteurs. Pour tout lment de K et pour tous lments u
et v de E, on a
(u + v) = u + v.
8. Distributivit par rapport laddition des scalaires. Pour tous et de K et pour tout lment u de E,
on a :
( + ) u = u + u.
La loi interne et la loi externe doivent donc satisfaire ces huit axiomes pour que (E, +, ) soit un espace
vectoriel sur K.
ESPACES VECTORIELS
2.2. Exemples
Dans tous les exemples qui suivent, la vrification des axiomes se fait simplement et est laisse au soin des
tudiants. Seules seront indiques, dans chaque cas, les valeurs de llment neutre de la loi interne et du
symtrique dun lment.
Exemple 4 (Lespace vectoriel des fonctions de R dans R).
Lensemble des fonctions f : R R est not F (R, R). Nous le munissons dune structure de R-espace
vectoriel de la manire suivante.
Loi interne. Soient f et g deux lments de F (R, R). La fonction f + g est dfinie par :
( f + g)(x) = f (x) + g(x)
x R
(o le signe + dsigne la loi interne de F (R, R) dans le membre de gauche et laddition dans R dans le
membre de droite).
Loi externe. Si est un nombre rel et f une fonction de F (R, R), la fonction f est dfinie par limage
de tout rel x comme suit :
x R
( f )(x) = f (x).
(Nous dsignons par la loi externe de F (R, R) et par la multiplication dans R. Avec lhabitude on
oubliera les signes de multiplication : ( f )(x) = f (x).)
lment neutre. Llment neutre pour laddition est la fonction nulle, dfinie par :
x R
f (x) = 0.
g(x) = f (x).
w n = un + vn
vn = un
u0n = un .
ESPACES VECTORIELS
Comme 6= 0, alors est inversible pour le produit dans le corps K. Soit 1 son inverse.
En multipliant par 1 les deux membres de lgalit u = 0 E , il vient : 1 ( u) = 1 0 E .
Do en utilisant les proprits de la multiplication par un scalaire (1 )u = 0 E et donc 1u = 0 E .
Do u = 0 E .
Mini-exercices.
1. Justifier si les objets suivants sont des espaces vectoriels.
(a) Lensemble des fonctions relles sur [0, 1], continues, positives ou nulles, pour laddition et le
produit par un rel.
(b) Lensemble des fonctions relles sur R vrifiant lim x+ f (x) = 0 pour les mmes oprations.
ESPACES VECTORIELS
ESPACES VECTORIELS
y
2. Lensemble des fonctions continues sur R est un sous-espace vectoriel de lespace vectoriel des fonctions
de R dans R. Preuve : la fonction nulle est continue ; la somme de deux fonctions continues est continue ;
une constante fois une fonction continue est une fonction continue.
3. Lensemble des suites relles convergentes est un sous-espace vectoriel de lespace vectoriel des suites
relles.
Voici des sous-ensembles qui ne sont pas des sous-espaces vectoriels.
Exemple 8.
1. Lensemble F1 = (x, y) R2 | x + y = 2 nest pas un sous-espace vectoriel de R2 . En effet le vecteur
nul (0, 0) nappartient pas F1 .
2. Lensemble F2 = (x, y) R2 | x = 0 ou y = 0 nest pas un sous-espace vectoriel de R2 . En effet les
vecteurs u = (1, 0) et v = (0, 1) appartiennent F2 , mais pas le vecteur u + v = (1, 1).
3. Lensemble F3 = (x, y) R2 | x > 0 et y > 0 nest pas un sous-espace vectoriel de R2 . En effet le
vecteur u = (1, 1) appartient F3 mais, pour = 1, le vecteur u = (1, 1) nappartient pas F3 .
F3
F2
0
F1
ESPACES VECTORIELS
Exemple 9.
1. Est-ce que lensemble des fonctions paires (puis des fonctions impaires) forme un espace vectoriel (sur
R avec les lois usuelles sur les fonctions) ?
Notons P lensemble des fonctions paires et I lensemble des fonctions impaires. Ce sont deux sousensembles de lespace vectoriel F (R, R) des fonctions.
P = f F (R, R) | x R, f (x) = f (x)
I = f F (R, R) | x R, f (x) = f (x)
P et I sont des sous-espaces vectoriels de F (R, R). Cest trs simple vrifier, par exemple pour P :
(a) la fonction nulle est une fonction paire,
(b) si f , g P alors f + g P ,
(c) si f P et si R alors f P .
Par le thorme 1, P est un espace vectoriel (de mme pour I ).
2. Est-ce que lensemble Sn des matrices symtriques de taille n est un espace vectoriel (sur R avec les lois
usuelles sur les matrices) ?
Sn est un sous-ensemble de lespace vectoriel Mn (R). Et cest mme un sous-espace vectoriel. Il suffit en
effet de vrifier que la matrice nulle est symtrique, que la somme de deux matrices symtriques est
encore symtrique et finalement que le produit dune matrice symtrique par un scalaire est une matrice
symtrique. Par le thorme 1, Sn est un espace vectoriel.
Preuve du thorme 1. Soit F un sous-espace vectoriel dun espace vectoriel (E, +, ). La stabilit de F pour
les deux lois permet de munir cet ensemble dune loi de composition interne et dune loi de composition
externe, en restreignant F les oprations dfinies dans E. Les proprits de commutativit et dassociativit
de laddition, ainsi que les quatre axiomes relatifs la loi externe sont vrifis, car ils sont satisfaits dans E
donc en particulier dans F , qui est inclus dans E.
Lexistence dun lment neutre dcoule de la dfinition de sous-espace vectoriel. Il reste seulement justifier
que si u F , alors son symtrique u appartient F .
Fixons u F . Comme on a aussi u E et que E est un espace vectoriel alors il existe un lment de E, not
u, tel que u + (u) = 0 E . Comme u est lment de F , alors pour = 1, (1)u F . Et ainsi u appartient
F.
Un autre exemple despace vectoriel est donn par lensemble des solutions dun systme linaire homogne.
Soit AX = 0 un systme de n quations p inconnues :
a11 . . . a1p
x1
0
..
.. ..
..
.
. = .
.
an1 . . . anp
xp
On a alors
Thorme 2.
Soit A Mn,p (R). Soit AX = 0 un systme dquations linaires homognes p variables. Alors lensemble
des vecteurs solutions est un sous-espace vectoriel de R p .
Dmonstration. Soit F lensemble des vecteurs X R p solutions de lquation AX = 0. Vrifions que F est
un sous-espace vectoriel de R p .
Le vecteur 0 est un lment de F .
F est stable par addition : si X et X 0 sont des vecteurs solutions, alors AX = 0 et AX 0 = 0, donc
A(X + X 0 ) = AX + AX 0 = 0, et ainsi X + X 0 F .
ESPACES VECTORIELS
F est stable par multiplication par un scalaire : si X est un vecteur solution, on a aussi A(X ) = (AX ) =
0 = 0, ceci pour tout R. Donc X F .
Exemple 10.
Considrons le systme
0
x
1 2 3
2 4 6 y = 0 .
0
z
3 6 9
ESPACES VECTORIELS
2. Dans le R-espace vectoriel R2 , le vecteur u = (2, 1) nest pas colinaire au vecteur v1 = (1, 1) car sil
ltait, il existerait un rel tel que u = v1 , ce qui quivaudrait lgalit (2, 1) = (, ).
3. Soit E = F (R, R) lespace vectoriel des fonctions relles. Soient f0 , f1 , f2 et f3 les fonctions dfinies par :
x R
f (x) = x 3 2x 2 7x 4
+4
.
0 0 0
0 0 0
0 0 0
0 1 0
0 0 1
Voici deux exemples plus compliqus.
Exemple 12.
1
6
9
Soient u = 2 et v = 4 deux vecteurs de R3 . Montrons que w = 2 est combinaison linaire de u et v.
1
7
2
On cherche donc et tels que w = u + v :
9
1
6
6
+ 6
2 = 2 + 4 = 2 + 4 = 2 + 4 .
7
1
2
2
+ 2
On a donc
9 = + 6
2 = 2 + 4
7 = + 2.
Une solution de ce systme est ( = 3, = 2), ce qui implique que w est combinaison linaire de u et v.
On vrifie que lon a bien
9
1
6
2 = 3 2 + 2 4 .
7
1
2
Exemple 13.
1
6
4
Soient u = 2 et v = 4 . Montrons que w = 1 nest pas une combinaison linaire de u et v. Lgalit
1
8
2
4
1
6
4 = + 6
1 = 2 + 4 quivaut au systme
1 = 2 + 4
8
1
2
8 = + 2.
Or ce systme na aucune solution. Donc il nexiste pas , R tels que w = u + v.
pour tous u, v F
et tous , K.
ESPACES VECTORIELS
Dmonstration.
Supposons que F soit un sous-espace vectoriel. Et soient u, v F , , K. Alors par la dfinition de
sous-espace vectoriel : u F et v F et ainsi u + v F .
Rciproquement, supposons que pour chaque u, v F , , K on a u + v F .
Comme F nest pas vide, soient u, v F . Posons = = 0. Alors u + v = 0 E F .
Si u, v F , alors en posant = = 1 on obtient u + v F .
Si u F et K (et pour nimporte quel v, en posant = 0), alors u F .
G
D
Ce sont deux plans passant par lorigine, donc des sous-espaces vectoriels de R3 . Ainsi D = F G est un
sous-espace vectoriel de R3 , cest une droite vectorielle.
ESPACES VECTORIELS
Remarque.
La runion de deux sous-espaces vectoriels de E nest pas en gnral un sous-espace vectoriel de E. Prenons
par exemple E = R2 . Considrons les sous-espaces vectoriels F = (x, y) | x = 0 et G = (x, y) | y = 0 .
Alors F G nest pas un sous-espace vectoriel de R2 . Par exemple, (0, 1) + (1, 0) = (1, 1) est la somme dun
lment de F et dun lment de G, mais nest pas dans F G.
(1, 1)
(0, 1)
G
0
(1, 0)
Mini-exercices.
2
p
2
t
p
4 2
4t
p
2 2
F +G
ESPACES VECTORIELS
Proposition 4.
Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E.
1. F + G est un sous-espace vectoriel de E.
2. F + G est le plus petit sous-espace vectoriel contenant la fois F et G.
Dmonstration.
1. Montrons que F + G est un sous-espace vectoriel.
0 E F , 0 E G, donc 0 E = 0 E + 0 E F + G.
Soient w et w0 des lments de F + G. Comme w est dans F + G, il existe u dans F et v dans G tels
que w = u + v. Comme w0 est dans F + G, il existe u0 dans F et v 0 dans G tels que w0 = u0 + v 0 . Alors
w + w0 = (u + v) + (u0 + v 0 ) = (u + u0 ) + (v + v 0 ) F + G, car u + u0 F et v + v 0 G.
Soit w un lment de F + G et K. Il existe u dans F et v dans G tels que w = u + v. Alors
w = (u + v) = (u) + (v) F + G, car u F et v G.
2. Lensemble F + G contient F et contient G : en effet tout lment u de F scrit u = u + 0 avec u
appartenant F et 0 appartenant G (puisque G est un sous-espace vectoriel), donc u appartient
F + G. De mme pour un lment de G.
Si H est un sous-espace vectoriel contenant F et G, alors montrons que F + G H. Cest clair : si
u F alors en particulier u H (car F H), de mme si v G alors v H. Comme H est un
sous-espace vectoriel, alors u + v H.
Exemple 15.
Dterminons F + G dans le cas o F et G sont les sous-espaces vectoriels de R3 suivants :
F = (x, y, z) R3 | y = z = 0
et
G = (x, y, z) R3 | x = z = 0 .
z
F +G
F
G
0
y
ESPACES VECTORIELS
Dans cet exemple, montrons que F + G = R3 . Par dfinition de F + G, tout lment de F + G est dans R3 .
Mais rciproquement, si w = (x, y, z) est un lment quelconque de R3 : w = (x, y, z) = (0, y, z) + (x, 0, 0),
avec (0, y, z) F et (x, 0, 0) G, donc w appartient F + G.
Remarquons que, dans cet exemple, un lment de R3 ne scrit pas forcment de faon unique comme la
somme dun lment de F et dun lment de G. Par exemple (1, 2, 3) = (0, 2, 3)+(1, 0, 0) = (0, 2, 0)+(1, 0, 3).
ESPACES VECTORIELS
u = u + 0E .
et
Exemple 17.
1. Soient F = (x, 0) R2 | x R et G = (0, y) R2 | y R .
Montrons que F G = R2 . La premire faon de le voir est que lon a clairement F G = {(0, 0)} et que,
comme (x, y) = (x, 0) + (0, y), alors F + G = R2 . Une autre faon de le voir est dutiliser la proposition
5, car la dcomposition (x, y) = (x, 0) + (0, y) est unique.
y
G
G0
F
x
2. Gardons F et notons G 0 = (x, x) R2 | x R . Montrons que lon a aussi F G 0 = R2 :
(a) Montrons F G 0 = {(0, 0)}. Si (x, y) F G 0 alors dune part (x, y) F donc y = 0, et aussi
(x, y) G 0 donc x = y. Ainsi (x, y) = (0, 0).
(b) Montrons F + G 0 = R2 . Soit u = (x, y) R2 . Cherchons v F et w G 0 tels que u = v + w. Comme
v = (x 1 , y1 ) F alors y1 = 0, et comme w = (x 2 , y2 ) G 0 alors x 2 = y2 . Il sagit donc de trouver x 1
et x 2 tels que
(x, y) = (x 1 , 0) + (x 2 , x 2 ).
Donc (x, y) = (x 1 + x 2 , x 2 ). Ainsi x = x 1 + x 2 et y = x 2 , do x 1 = x y et x 2 = y. On trouve bien
(x, y) = (x y, 0) + ( y, y),
qui prouve que tout lment de R2 est somme dun lment de F et dun lment de G 0 .
3. De faon plus gnrale, deux droites distinctes du plan passant par lorigine forment des sous-espaces
supplmentaires.
Exemple 18.
Est-ce que les sous-espaces vectoriels F et G de R3 dfinis par
F = (x, y, z) R3 | x y z = 0
et
G = (x, y, z) R3 | y = z = 0
sont supplmentaires dans R3 ?
G
F
0
ESPACES VECTORIELS
1. Il est facile de vrifier que F G = {0}. En effet si llment u = (x, y, z) appartient lintersection de F
et de G, alors les coordonnes de u vrifient : x y z = 0 (car u appartient F ), et y = z = 0 (car u
appartient G), donc u = (0, 0, 0).
2. Il reste dmontrer que F + G = R3 .
Soit donc u = (x, y, z) un lment quelconque de R3 ; il faut dterminer des lments v de F et w de
G tels que u = v + w. Llment v doit tre de la forme v = ( y1 + z1 , y1 , z1 ) et llment w de la forme
w = (x 2 , 0, 0). On a u = v + w si et seulement si y1 = y, z1 = z, x 2 = x y z. On a donc
(x, y, z) = ( y + z, y, z) + (x y z, 0, 0)
avec v = ( y + z, y, z) dans F et w = (x y z, 0, 0) dans G.
Conclusion : F G = R3 .
Exemple 19.
Dans le R-espace vectoriel F (R, R) des fonctions de R dans R, on considre le sous-espace vectoriel des
fonctions paires P et le sous-espace vectoriel des fonctions impaires I . Montrons que P I = F (R, R).
1. Montrons P I = {0F (R,R) }.
Soit f P I , cest--dire que f est la fois une fonction paire et impaire. Il sagit de montrer que f est
la fonction identiquement nulle. Soit x R. Comme f (x) = f (x) (car f est paire) et f (x) = f (x)
(car f est impaire), alors f (x) = f (x), ce qui implique f (x) = 0. Ceci est vrai quel que soit x R ;
donc f est la fonction nulle. Ainsi P I = {0F (R,R) }.
2. Montrons P + I = F (R, R).
Soit f F (R, R). Il sagit de montrer que f peut scrire comme la somme dune fonction paire et dune
fonction impaire.
Analyse. Si f = g + h, avec g P , h I , alors pour tout x, dune part, (a) f (x) = g(x) + h(x), et
dautre part, (b) f (x) = g(x) + h(x) = g(x) h(x). Par somme et diffrence de (a) et (b), on tire
que
f (x) f (x)
f (x) + f (x)
et
h(x) =
.
g(x) =
2
2
f (x)+ f (x)
f (x) f (x)
Synthse. Pour f F (R, R), on dfinit deux fonctions g, h par g(x) =
et h(x) =
.
2
2
Alors dune part f (x) = g(x) + h(x) et dautre part g P (vrifier g(x) = g(x)) et h I (vrifier
h(x) = h(x)). Bilan : P + I = F (R, R).
En conclusion, P et I sont en somme directe dans F (R, R) : P I = F (R, R). Notez que, comme le
prouvent nos calculs, les g et h obtenus sont uniques.
il existe 1 , . . . , n K
tels que u = 1 v1 + + n vn
ESPACES VECTORIELS
Remarque.
Dire que Vect(v1 , . . . , vn ) est le plus petit sous-espace vectoriel de E contenant les vecteurs v1 , . . . , vn signifie que si F est un sous-espace vectoriel de E contenant aussi les vecteurs v1 , . . . , vn alors Vect(v1 , . . . , vn )
F.
Plus
gnralement, on peut dfinir le sous-espace vectoriel engendr par une partie V quelconque (non
ncessairement finie) dun espace vectoriel : Vect V est le plus petit sous-espace vectoriel contenant V .
Exemple 20.
1. E tant un K-espace vectoriel, et u un lment quelconque de E, lensemble Vect(u) = {u | K} est
le sous-espace vectoriel de E engendr par u. Il est souvent not Ku. Si u nest pas le vecteur nul, on
parle dune droite vectorielle.
K = Vect(u)
v
u
u
0
Vect(u, v)
2. Si u et v sont deux vecteurs de E, alors Vect(u, v) = u + v | , K . Si u et v ne sont pas colinaires,
alors Vect(u, v) est un plan vectoriel.
1
1
3. Soient u = 1 et v = 2 deux vecteurs de R3 . Dterminons P = Vect(u, v).
3
x
y
z
Vect(u, v)
x
y
xz
y
= u + v pour certains , R
1
1
= 1 + 2
3
1
z
x = +
y = + 2
z = + 3
Nous obtenons bien une quation paramtrique du plan P passant par lorigine et contenant les vecteurs
u et v. On sait en trouver une quation cartsienne : (x 2 y + z = 0).
Exemple 21.
Soient E lespace vectoriel des applications de R dans R et f0 , f1 , f2 les applications dfinies par :
x R
Le sous-espace vectoriel de E engendr par { f0 , f1 , f2 } est lespace vectoriel des fonctions polynmes f de
degr infrieur ou gal 2, cest--dire de la forme f (x) = a x 2 + b x + c.
Mthodologie. On peut dmontrer quune partie F dun espace vectoriel E est un sous-espace vectoriel de
E en montrant que F est gal lensemble des combinaisons linaires dun nombre fini de vecteurs de E.
Exemple 22.
Est-ce que F = (x, y, z) R3 | x y z = 0 est un sous-espace vectoriel de R3 ?
Un triplet de R3 est lment de F si et seulement si x = y + z. Donc u est lment de F si et seulement sil
peut scrire u = ( y + z, y, z). Or, on a lgalit
( y + z, y, z) = y(1, 1, 0) + z(1, 0, 1).
Donc F est lensemble des combinaisons linaires de (1, 1, 0), (1, 0, 1) . Cest le sous-espace vectoriel
engendr par (1, 1, 0), (1, 0, 1) : F = Vect (1, 1, 0), (1, 0, 1) . Cest bien un plan vectoriel (un plan passant
par lorigine).
ESPACES VECTORIELS
Preuve du thorme 4.
1. On appelle F lensemble des combinaisons linaires des vecteurs {v1 , . . . , vn }.
(a) 0 E F car F contient la combinaison linaire particulire 0v1 + + 0vn .
(b) Si u, v F alors il existe 1 , . . . , n K tels que u = 1 v1 + + n vn et 1 , . . . , n K tels que
v = 1 v1 + + n vn . On en dduit que u + v = (1 + 1 )v1 + + (n + n )vn appartient bien F .
(c) De mme, u = (1 )v1 + + (n )vn F .
Conclusion : F est un sous-espace vectoriel.
2. Si G est un sous-espace vectoriel contenant {v1 , . . . , vn }, alors il est stable par combinaison linaire ; il
contient donc toute combinaison linaire des vecteurs {v1 , . . . , vn }. Par consquent F est inclus dans G :
F est le plus petit sous-espace (au sens de linclusion) contenant {v1 , . . . , vn }.
Mini-exercices.
1. Trouver des sous-espaces vectoriels distincts F et G de R3 tels que
(a) F + G = R3 et F G 6= {0} ;
(b) F + G 6= R3 et F G = {0} ;
(c) F + G = R3 et F G = {0} ;
(d) F + G 6= R3 et F G 6= {0}.
2. Soient F = (x, y, z) R3 | x + y + z = 0 et G = Vect (1, 1, 1) R3 .
(a) Montrer que F est un espace vectoriel. Trouver deux vecteurs u, v tels que F = Vect(u, v).
(b) Calculer F G et montrer que F + G = R3 . Que conclure ?
3. Soient A = 10 00 , B = 00 01 , C = 00 10 , D = 01 00 des matrices de M2 (R).
(a) Quel est lespace vectoriel F engendr par A et B ? Idem avec G engendr par C et D.
(b) Calculer F G. Montrer que F + G = M2 (R). Conclure.
ESPACES VECTORIELS
f (u) = 0 F
pour tout u E.
f (u) = u
pour tout u E.
ESPACES VECTORIELS
Plus gnralement, une application linaire f prserve les combinaisons linaires : pour tous 1 , . . . , n K
et tous v1 , . . . , vn E, on a
f (1 v1 + + n vn ) = 1 f (v1 ) + + n f (vn ).
Dmonstration.
Soit f une application linaire de E dans F . Soient u, v E, , K. En utilisant les deux axiomes de
la dfinition, on a
f (u + v) = f (u) + f (v) = f (u) + f (v).
Montrons la rciproque. Soit f : E F une application telle que f (u + v) = f (u) + f (v) (pour
tous u, v E, , K). Alors, dune part f (u + v) = f (u) + f (v) (en considrant le cas particulier o
= = 1), et dautre part f (u) = f (u) (cas particulier o = 0).
Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire de E dans F est aussi appele morphisme ou homomorphisme despaces
vectoriels. Lensemble des applications linaires de E dans F est not L (E, F ).
Une application linaire de E dans E est appele endomorphisme de E. Lensemble des endomorphismes
de E est not L (E).
Mini-exercices.
Montrer que les applications suivantes f i : R2 R2 sont linaires. Caractriser gomtriquement ces
applications et faire un dessin.
1. f1 (x, y) = (x, y) ;
2. f2 (x, y) = (3x, 3 y) ;
3. f3 (x, y) = (x, y) ;
4. f4 (x, y) = (x, y) ;
5. f5 (x, y) =
p
3
2 x
21 y, 21 x +
p
3
2
y .
ESPACES VECTORIELS
u
0
f (u) = u
f (u) = u
u
Homothtie.
Soient E un K-espace vectoriel et K. On dfinit lapplication f par :
f : E E
u 7 u
f est linaire. f est appele homothtie de rapport .
Cas particuliers notables :
= 1, f est lapplication identit ;
= 0, f est lapplication nulle ;
= 1, on retrouve la symtrie centrale.
Preuve que f est une application linaire :
f (u + v) = (u + v) = (u) + (v) = f (u) + f (v).
Projection.
Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels supplmentaires dans E, cest--dire
E = F G. Tout vecteur u de E scrit de faon unique u = v + w avec v F et w G. La projection sur F
paralllement G est lapplication p : E E dfinie par p(u) = v.
G
v = p(u)
ESPACES VECTORIELS
Exemple 25.
Nous avons vu que les sous-espaces vectoriels F et G de R3 dfinis par
F = (x, y, z) R3 | x y z = 0
et
G = (x, y, z) R3 | y = z = 0
sont supplmentaires dans R3 : R3 = F G (exemple 18). Nous avions vu que la dcomposition scrivait :
(x, y, z) = ( y + z, y, z) + (x y z, 0, 0).
Si p est la projection sur F paralllement G, alors on a p(x, y, z) = ( y + z, y, z).
G
(x, y, z)
p(x, y, z)
F
0
Exemple 26.
Nous avons vu dans lexemple 19 que lensemble des fonctions paires P et lensemble des fonctions
impaires I sont des sous-espaces vectoriels supplmentaires dans F (R, R). Notons p la projection sur P
paralllement I . Si f est un lment de F (R, R), on a p( f ) = g o
g :R R
f (x) + f (x)
x 7
.
2
Rx
0
I : C 0 (R, R) C 1 (R, R)
Rx
f (x) 7
f (t) d t
0
Rx
Rx
f (t) + g(t) d t = 0 f (t) d t + 0 g(t) d t pour toutes fonctions
ESPACES VECTORIELS
T est linaire, car on sait que pour toutes matrices A, B Mn (K) et tous scalaires , K :
(A + B) T = (A) T + (B) T = AT + B T .
5. La trace.
tr : Mn (K) K
A 7 tr A
est une application linaire car tr(A + B) = tr A + tr B.
Mini-exercices.
1. Les applications suivantes sont-elles linaires ?
(a) R R,
(b) R4 R,
x 7 3x 2
(x, y, x 0 , y 0 ) 7 x x 0 + y y 0
(c) C 0 (R, R) R,
f 7 f (1)
f 7 f 0 + f
R1
f 7 0 | f (t)| d t
(g) R3 [X ] R3 [X ],
ESPACES VECTORIELS
effet :
y1 f (E 0 ) x 1 E 0 , f (x 1 ) = y1
y2 f (E 0 ) x 2 E 0 , f (x 2 ) = y2 .
Comme f est linaire, on a
y1 + y2 = f (x 1 ) + f (x 2 ) = f (x 1 + x 2 ).
Or x 1 + x 2 est un lment de E 0 , car E 0 est un sous-espace vectoriel de E, donc y1 + y2 est bien un
lment de f (E 0 ).
f (x, y, z) = (0, 0)
(2x, y + 3z) = (0, 0)
2x = 0
y + 3z = 0
(x, y, z) = (0, 3z, z), z R
Donc Ker( f ) = (0, 3z, z) | z R . Autrement dit, Ker( f ) = Vect (0, 3, 1) : cest une droite
vectorielle.
Calculons limage de f . Fixons (x 0 , y 0 ) R2 .
(x 0 , y 0 ) = f (x, y, z)
(2x, y + 3z) = (x 0 , y 0 )
2x = x 0
y + 3z = y 0
ESPACES VECTORIELS
Exemple 28.
Soit A Mn,p (R). Soit f : R p Rn lapplication linaire dfinie par f (X ) = AX . Alors Ker( f ) = X R p |
AX = 0 : cest donc lensemble des X R p solutions du systme linaire homogne AX = 0. On verra plus
tard que Im( f ) est lespace engendr par les colonnes de la matrice A.
Le noyau fournit une nouvelle faon dobtenir des sous-espaces vectoriels.
Exemple 29.
Un plan P passant par lorigine, dquation (a x + b y + cz = 0), est un sous-espace vectoriel de R3 . En effet,
soit f : R3 R lapplication dfinie par f (x, y, z) = a x + b y + cz. Il est facile de vrifier que f est linaire,
de sorte que Ker f = (x, y, z) R3 | a x + b y + cz = 0 = P est un sous-espace vectoriel.
Exemple 30.
Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E, supplmentaires : E = F G. Soit
p la projection sur F paralllement G. Dterminons le noyau et limage de p.
G
v = p(u)
et
Im(p) = F.
Ker( f ) = 0 E
Autrement dit, f est injective si et seulement si son noyau ne contient que le vecteur nul. En particulier,
pour montrer que f est injective, il suffit de vrifier que :
si f (x) = 0 F alors x = 0 E .
Dmonstration.
Supposons que f soit injective et montrons que Ker( f ) = {0 E }. Soit x un lment de Ker( f ). On a
f (x) = 0 F . Or, comme f est linaire, on a aussi f (0 E ) = 0 F . De lgalit f (x) = f (0 E ), on dduit x = 0 E
car f est injective. Donc Ker( f ) = {0 E }.
Rciproquement, supposons maintenant que Ker( f ) = {0 E }. Soient x et y deux lments de E tels
que f (x) = f ( y). On a donc f (x) f ( y) = 0 F . Comme f est linaire, on en dduit f (x y) = 0 F ,
cest--dire x y est un lment de Ker( f ). Donc x y = 0 E , soit x = y.
ESPACES VECTORIELS
Exemple 31.
Considrons, pour n > 1, lapplication linaire
f : Rn [X ] Rn+1 [X ]
P(X ) 7 X P(X ).
tudions dabord le noyau de f : soit P(X ) = an X n + + a1 X + a0 Rn [X ] tel que X P(X ) = 0. Alors
an X n+1 + + a1 X 2 + a0 X = 0.
Ainsi, ai = 0 pour tout i {0, . . . , n} et donc P(X ) = 0. Le noyau de f est donc nul : Ker( f ) = {0}.
Lespace Im( f ) est lensemble des polynmes de Rn+1 [X ] sans terme constant : Im( f ) = Vect X , X 2 , . . . , X n+1 .
Conclusion : f est injective, mais nest pas surjective.
et
( f )(u) = f (u).
Proposition 10.
Lensemble des applications linaires entre deux K-espaces vectoriels E et F , not L (E, F ), muni des deux
lois dfinies prcdemment, est un K-espace vectoriel.
Dmonstration. Lensemble L (E, F ) est inclus dans le K-espace vectoriel F (E, F ). Pour montrer que L (E, F )
est un K-espace vectoriel, il suffit donc de montrer que L (E, F ) est un sous-espace vectoriel de F (E, F ) :
Tout dabord, lapplication nulle appartient L (E, F ).
Soient f , g L (E, F ), et montrons que f + g est linaire. Pour tous vecteurs u et v de E et pour tous
scalaires , de K,
( f + g)(u + v)
=
=
=
=
f (u + v) + g(u + v)
(dfinition de f + g)
f (u) + f (v) + g(u) + g(v)
(linarit de f et de g)
( f (u) + g(u)) + ( f (v) + g(v)) (proprits des lois de F )
( f + g)(u) + ( f + g)(v)
(dfinition de f + g)
( f )(u + v)
=
=
=
=
f (u + v)
( f (u) + f (v))
f (u) + f (v)
( f )(u) + ( f )(v)
(dfinition de f )
(linarit de f )
(proprits des lois de F )
(dfinition de f )
ESPACES VECTORIELS
(dfinition de g f )
(linarit de f )
(linarit de g)
(dfinition de g f )
(g1 + g2 ) f = g1 f + g2 f
(g) f = g ( f ) = (g f )
Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire bijective de E sur F est appele isomorphisme despaces vectoriels. Les deux
espaces vectoriels E et F sont alors dits isomorphes.
Un endomorphisme bijectif de E (cest--dire une application linaire bijective de E dans E) est appel
automorphisme de E. Lensemble des automorphismes de E est not G L(E).
Proposition 12 (Linarit de lapplication rciproque dun isomorphisme).
Soient E et F deux K-espaces vectoriels. Si f est un isomorphisme de E sur F , alors f 1 est un isomorphisme
de F sur E.
Dmonstration. Comme f est une application bijective de E sur F , alors f 1 est une application bijective
de F sur E. Il reste donc prouver que f 1 est bien linaire. Soient u0 et v 0 deux vecteurs de F et soient
et deux lments de K. On pose f 1 (u0 ) = u et f 1 (v 0 ) = v, et on a alors f (u) = u0 et f (v) = v 0 . Comme
f est linaire, on a
f 1 (u0 + v 0 ) = f 1 ( f (u) + f (v)) = f 1 ( f (u + v)) = u + v
car f 1 f = id E (o id E dsigne lapplication identit de E dans E). Ainsi
f 1 (u0 + v 0 ) = f 1 (u0 ) + f 1 (v 0 ),
et f 1 est donc linaire.
Exemple 32.
Soit f : R2 R2 dfinie par f (x, y) = (2x +3 y, x + y). Il est facile de prouver que f est linaire. Pour prouver
que f est bijective, on pourrait calculer son noyau et son image. Mais ici nous allons calculer directement son
inverse : on cherche rsoudre f (x, y) = (x 0 , y 0 ). Cela correspond lquation (2x + 3 y, x + y) = (x 0 , y 0 )
qui est un systme linaire deux quations et deux inconnues. On trouve (x, y) = (x 0 + 3 y 0 , x 0 2 y 0 ).
On pose donc f 1 (x 0 , y 0 ) = (x 0 + 3 y 0 , x 0 2 y 0 ). On vrifie aisment que f 1 est linverse de f , et on
remarque que f 1 est une application linaire.
ESPACES VECTORIELS
Exemple 33.
Plus gnralement, soit f : Rn Rn lapplication linaire dfinie par f (X ) = AX (o A est une matrice
de Mn (R)). Si la matrice A est inversible, alors f 1 est une application linaire bijective et est dfinie par
f 1 (X ) = A1 X .
Dans lexemple prcdent,
x
2 3
1 3
1
X=
A=
A =
.
y
1 1
1 2
Mini-exercices.
1. Soit f : R3 R3 dfinie par f (x, y, z) = (x, y + z, 2z). Montrer que f est une application linaire.
Calculer Ker( f ) et Im( f ). f admet-elle un inverse ? Mme question avec f (x, y, z) = (x y, x + y, y).
2. Soient E un espace vectoriel, et F, G deux sous-espaces tels que E = F G. Chaque u E se dcompose
de manire unique u = v + w avec v F , w G. La symtrie par rapport F paralllement G est
lapplication s : E E dfinie par s(u) = v w. Faire un dessin. Montrer que s est une application
linaire. Montrer que s2 = id E . Calculer Ker(s) et Im(s). s admet-elle un inverse ?
3. Soit f : Rn [X ] Rn [X ] dfinie par P(X ) 7 P 00 (X ) (o P 00 dsigne la drive seconde). Montrer que
f est une application linaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ?
Auteurs du chapitre
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun
cours de H. Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale de
Lausanne,
mixs et rviss par Arnaud Bodin, relu par Vianney Combet.
Chapitre
Dimension finie
Vido
Vido
Vido
Vido
Vido
Fiche
11
Les espaces vectoriels qui sont engendrs par un nombre fini de vecteurs sont appels espaces vectoriels
de dimension finie. Pour ces espaces, nous allons voir comment calculer une base, cest--dire une famille
minimale de vecteurs qui engendrent tout lespace. Le nombre de vecteurs dans une base sappelle la
dimension et nous verrons comment calculer la dimension des espaces et des sous-espaces.
1. Famille libre
1.1. Combinaison linaire (rappel)
Soit E un K-espace vectoriel.
Dfinition 1.
Soient v1 , v2 , . . . , vp , p > 1 vecteurs dun espace vectoriel E. Tout vecteur de la forme
u = 1 v1 + 2 v2 + + p vp
(o 1 , 2 , . . . , p sont des lments de K) est appel combinaison linaire des vecteurs v1 , v2 , . . . , vp .
Les scalaires 1 , 2 , . . . , p sont appels coefficients de la combinaison linaire.
1.2. Dfinition
Dfinition 2.
Une famille {v1 , v2 , . . . , vp } de E est une famille libre ou linairement indpendante si toute combinaison
linaire nulle
1 v1 + 2 v2 + + p vp = 0
est telle que tous ses coefficients sont nuls, cest--dire
1 = 0,
2 = 0,
...
p = 0.
Dans le cas contraire, cest--dire sil existe une combinaison linaire nulle coefficients non tous nuls, on
dit que la famille est lie ou linairement dpendante. Une telle combinaison linaire sappelle alors une
relation de dpendance linaire entre les v j .
DIMENSION FINIE
1. FAMILLE LIBRE
168
3
6
0
On souhaite dterminer si elle est libre ou lie. On cherche des scalaires (1 , 2 , 3 ) tels que
1
4
2 0
1 2 + 2 5 + 3 1 = 0
3
1 + 42 + 23 = 0
21 + 52 + 3 = 0
31 + 62
= 0
On calcule (voir un peu plus bas) que ce systme est quivalent :
1
23 = 0
2 + 3 = 0
Ce systme a une infinit de solutions et en prenant par exemple 3 = 1 on obtient 1 = 2 et 2 = 1, ce
qui fait que
1
4
2
0
2 2 5 + 1 = 0 .
6
0
0
3
La famille
2
4
1
2 , 5 , 1
0
3
6
est donc une famille lie.
Voici les calculs de la rduction de Gauss sur la matrice associe au systme :
1 4 2
1 4
2
1 4
2
1 4 2
1 0 2
2 5 1 0 3 3 0 3 3 0 1 1 0 1 1
0 6 6
3 6 0
0 0 0
0 0
Exemple 2.
2
2
1
Soient v1 = 1 , v2 = 1 , v3 = 1 . Est-ce que la famille {v1 , v2 , v3 } est libre ou lie ? Rsolvons le
1
1
0
systme linaire correspondant lquation 1 v1 + 2 v2 + 3 v3 = 0 :
1 + 22 + 23 = 0
1 2 + 3 = 0
1
+ 3 = 0
On rsout ce systme et on trouve comme seule solution 1 = 0, 2 = 0, 3 = 0. La famille {v1 , v2 , v3 } est
donc une famille libre.
Exemple 3.
Soient v1 =
2
1
0 ,
3
v2 =
1
2
5
1
et v3 =
7
1
5 .
8
3v1 + v2 v3 = 0.
DIMENSION FINIE
1. FAMILLE LIBRE
169
cos(x) + sin(x) = 0.
En particulier, pour x = 0, cette galit donne = 0. Et pour x = 2 , elle donne = 0. Donc la famille
{cos, sin} est libre. En revanche la famille {cos2 , sin2 , 1} est lie car on a la relation de dpendance linaire
cos2 + sin2 1 = 0. Les coefficients de dpendance linaire sont 1 = 1, 2 = 1, 3 = 1.
Si cest 1 qui nest pas nul, on peut diviser par 1 , ce qui donne v1 = 2 v2 et v1 est un multiple de v2 .
1
Si cest 2 qui nest pas nul, alors de mme v2 est un multiple de v1 .
Rciproquement, si v1 est un multiple de v2 , alors il existe un scalaire tel que v1 = v2 , soit 1v1 +
()v2 = 0, ce qui est une relation de dpendance linaire entre v1 et v2 puisque 1 6= 0 : la famille
{v1 , v2 } est alors lie. Mme conclusion si cest v2 qui est un multiple de v1 .
Gnralisons tout de suite cette proposition une famille dun nombre quelconque de vecteurs.
Thorme 1.
Soit E un K-espace vectoriel. Une famille F = {v1 , v2 , . . . , vp } de p > 2 vecteurs de E est une famille lie si
et seulement si au moins un des vecteurs de F est combinaison linaire des autres vecteurs de F .
Dmonstration. Cest essentiellement la mme dmonstration que ci-dessus.
Supposons dabord F lie. Il existe donc une relation de dpendance linaire
1 v1 + 2 v2 + + p vp = 0,
avec k 6= 0 pour au moins un indice k. Passons tous les autres termes droite du signe gal. Il vient
k vk = 1 v1 2 v2 p vp ,
o vk ne figure pas au second membre. Comme k 6= 0, on peut diviser cette galit par k et lon obtient
vk =
p
1
v1 2 v2
vp ,
k
k
k
DIMENSION FINIE
1. FAMILLE LIBRE
170
cest--dire que vk est combinaison linaire des autres vecteurs de F , ce qui peut encore scrire vk
Vect F \ {vk } (avec la notation ensembliste A\ B pour lensemble des lments de A qui nappartiennent
pas B).
Rciproquement, supposons que pour un certain k, on ait vk Vect F \ {vk } . Ceci signifie que lon
peut crire
vk = 1 v1 + 2 v2 + + p vp ,
o vk ne figure pas au second membre. Passant vk au second membre, il vient
0 = 1 v1 + 2 v2 + vk + + p vp ,
ce qui est une relation de dpendance linaire pour F (puisque 1 6= 0) et ainsi la famille F est lie.
v1
v2
e3
v3
v2
v1
e2
e1
Proposition 2.
Soit F = {v1 , v2 , . . . , vp } une famille de vecteurs de Rn . Si F contient plus de n lments (cest--dire p > n),
alors F est une famille lie.
Dmonstration. Supposons que
v11
v
21
v1 = .
..
vn1
v12
v
22
v2 = .
..
...
v1p
v
2p
vp = . .
..
vn2
vnp
Lquation
x 1 v1 + x 2 v2 + + x p vp = 0
donne alors le systme suivant
v x + v x + + v x
21 1
22 2
2p p
..
= 0
= 0
= 0
Cest un systme homogne de n quations p inconnues. Lorsque p > n, ce systme a des solutions non
triviales (voir le chapitre Systmes linaires , dernier thorme) ce qui montre que la famille F est une
famille lie.
DIMENSION FINIE
2. FAMILLE GNRATRICE
171
Mini-exercices.
1. Pour quelles valeurs de t R,
n 1 2 o
1
t
t
t
de R3 .
1
2
t
1
t
t2
t
2. Montrer que toute famille contenant une famille lie est lie.
3. Montrer que toute famille inclue dans une famille libre est libre.
4. Montrer que si f : E F est une application linaire et que {v1 , . . . , vp } est une famille lie de E, alors
{ f (v1 ), . . . , f (vp )} est une famille lie de F .
5. Montrer que si f : E F est une application linaire injective et que {v1 , . . . , vp } est une famille libre
de E, alors { f (v1 ), . . . , f (vp )} est une famille libre de F .
2. Famille gnratrice
Soit E un espace vectoriel sur un corps K.
2.1. Dfinition
Dfinition 3.
Soient v1 , . . . , vp des vecteurs de E. La famille {v1 , . . . , vp } est une famille gnratrice de lespace vectoriel
E si tout vecteur de E est une combinaison linaire des vecteurs v1 , . . . , vp .
Ce qui peut scrire aussi :
v E
1 , . . . , p K
v = 1 v1 + + p vp
2.2. Exemples
Exemple 6.
1
0
0
Considrons par exemple les vecteurs v1 = 0 , v2 = 1 et v3 = 0 de E = R3 . La famille {v1 , v2 , v3 } est
0
0
1
x
gnratrice car tout vecteur v = y de R3 peut scrire
z
x
1
0
0
y = x 0 + y 1 +z 0 .
z
1 + 2 = 0
1 + 22 = 1
1 + 32 = 0
Ce systme na pas de solution. (La premire et la dernire ligne impliquent 1 = 0, 2 = 0, ce qui est
incompatible avec la deuxime.)
DIMENSION FINIE
2. FAMILLE GNRATRICE
172
Exemple 8.
Soit E = R2 .
Soient v1 = 10 et v2 = 01 .La famille {v1 , v2 } est gnratrice de R2 car tout vecteur de R2 se dcompose
comme xy = x 10 + y 01 .
v10 = 21 et v20 = 11 . Alors {v10 , v20 } est aussi une famille gnratrice. En effet, soit
Soient maintenant
v = xy un lment quelconque de R2 . Montrer que v est combinaison linaire de v10 et v20 revient
dmontrer lexistence de deux rels et tels que v = v10 + v20 . Il sagit donc dtudier lexistence de
solutions au systme :
2 + = x
+ = y
Il a pour solution = x y et = x + 2 y, et ceci, quels que soient les rels x et y.
Ceci prouve quil peut exister plusieurs familles finies diffrentes, non incluses les unes dans les autres,
engendrant le mme espace vectoriel.
Exemple 9.
Soit Rn [X ] lespace vectoriel des polynmes de degr 6 n. Alors les polynmes {1, X , . . . , X n } forment une
famille gnratrice. Par contre, lespace vectoriel R[X ] de tous les polynmes ne possde pas de famille
finie gnratrice.
Soit F = v1 , v2 , . . . , vp une famille gnratrice de E. Alors F 0 = v10 , v20 , . . . , vq0 est aussi une famille
gnratrice de E si et seulement si tout vecteur de F est une combinaison linaire de vecteurs de F 0 .
Dmonstration. Cest une consquence immdiate de la dfinition de Vect F et de Vect F 0 .
Nous chercherons bientt avoir un nombre minimal de gnrateurs. Voici une proposition sur la rduction
dune famille gnratrice.
Proposition 4.
Si la famille de vecteurs {v1 , . . . , vp } engendre E et si lun des vecteurs, par exemple vp , est combinaison
linaire des autres, alors la famille {v1 , . . . , vp } \ {vp } = {v1 , . . . , vp1 } est encore une famille gnratrice de
E.
Dmonstration. En effet, comme les vecteurs v1 , . . . , vp engendrent E, alors pour tout lment v de E, il
existe des scalaires 1 , . . . , p tels que
v = 1 v1 + + p vp .
Or lhypothse vp est combinaison linaire des vecteurs v1 , . . . , vp1 se traduit par lexistence de scalaires
1 , . . . , p1 tels que
vp = 1 v1 + + p1 vp1 .
Alors, le vecteur v scrit :
v = 1 v1 + + p1 vp1 + p 1 v1 + + p1 vp1 .
Donc
v = 1 + p 1 v1 + + p1 + p p1 vp1 ,
ce qui prouve que v est combinaison linaire des vecteurs v1 , . . . , vp1 . Ceci achve la dmonstration. Il est
clair que si lon remplace vp par nimporte lequel des vecteurs vi , la dmonstration est la mme.
DIMENSION FINIE
3. BASE
173
Mini-exercices.
2
t
0
t
1. quelle condition sur t R, la famille t1
, ( t
) tt1
est une famille gnratrice de R2 ?
n 1 1 o
1
t
0
2. Mme question avec la famille
de R3 .
t2
2
t
3. Montrer quune famille de vecteurs contenant une famille gnratrice est encore une famille gnratrice
de E.
4. Montrer que si f : E F est une application linaire surjective et que {v1 , . . . , vp } est une famille
gnratrice de E , alors f (v1 ), . . . , f (vp ) est une famille gnratrice de F .
3. Base
La notion de base gnralise la notion de repre. Dans R2 , un repre est donn par un couple de vecteurs
non colinaires. Dans R3 , un repre est donn par un triplet de vecteurs non coplanaires. Dans un repre,
un vecteur se dcompose suivant les vecteurs dune base. Il en sera de mme pour une base dun espace
vectoriel.
v = 1 v1 + 2 v2
2 v2
v2
1 v1
v1
3.1. Dfinition
Dfinition 4 (Base dun espace vectoriel).
Soit E un K-espace vectoriel. Une famille B = (v1 , v2 , . . . , vn ) de vecteurs de E est une base de E si B
est une famille libre et gnratrice.
Thorme 2.
Soit B = (v1 , v2 , . . . , vn ) une base de lespace vectoriel E. Tout vecteur v E sexprime de faon unique
comme combinaison linaire dlments de B. Autrement dit, il existe des scalaires 1 , . . . , n K uniques
tels que :
v = 1 v1 + 2 v2 + + n vn .
Remarque.
1. (1 , . . . , n ) sappellent les coordonnes du vecteur v dans la base B.
2. Il faut observer que pour une base B = (v1 , v2 , . . . , vn ) on introduit un ordre sur les vecteurs. Bien
sr, si on permutait les vecteurs on obtiendrait toujours une base, mais il faudrait aussi permuter les
coordonnes.
3. Notez que lapplication
: Kn E
(1 , 2 , . . . , n ) 7 1 v1 + 2 v2 + + n vn
DIMENSION FINIE
3. BASE
174
3.2. Exemples
Exemple 10.
1. Soient les vecteurs e1 =
R2 .
1
0
et e2 =
0
1
3
1
et v2 =
1
2
v = 1 v1 + 2 v2
y e2
e3
2 v2
v2
1 v1
e2
e2
v1
e1
3. De mme dans R3 , si e1 =
x e1
1
0
0
, e2 =
0
1
0
, e3 =
0
0
1
e1
Exemple 11.
3
2
1
Soient v1 = 2 , v2 = 9 et v3 = 3 . Montrons que la famille B = (v1 , v2 , v3 ) est une base de R3 .
4
1
0
Dans les deux premiers points, nous ramenons le problme ltude dun systme linaire.
a1
1. Montrons dabord que B est une famille gnratrice de R3 . Soit v = aa2 un vecteur quelconque de R3 .
3
On cherche 1 , 2 , 3 R tels que
v = 1 v1 + 2 v2 + 3 v3 .
Ceci se reformule comme suit :
a1
1
2
3
1 + 22 + 33
a2 = 1 2 + 2 9 + 3 3 = 21 + 92 + 33 .
a3
1
0
4
1 + 43
Ceci conduit au systme suivant :
1 + 22 + 33 = a1
21 + 92 + 33 = a2
1
+ 43 = a3 .
Il nous restera montrer que ce systme a une solution 1 , 2 , 3 .
(S)
DIMENSION FINIE
3. BASE
175
2. Pour montrer que B est une famille libre, il faut montrer que lunique solution de
1 v1 + 2 v2 + 3 v3 = 0
est
1 = 2 = 3 = 0.
Ceci quivaut montrer que le systme
1 + 22 + 33 = 0
21 + 92 + 33 = 0
1
+ 43 = 0
(S)
1 2 3
A = 2 9 3 .
1 0 4
Pour montrer quelle est inversible, on peut calculer son inverse ou seulement son dterminant qui vaut
det A = 1 (le dterminant tant non nul la matrice est inversible).
Conclusion : B est une famille libre et gnratrice ; cest une base de R3 .
Exemple 12.
Les vecteurs de Kn :
1
0
e1 = .
..
0
1
e2 = .
..
...
0
0
forment une base de K , appele la base canonique de Kn .
0
..
en = .
0
1
Remarque.
Lexemple 11 se gnralise de la faon suivante. Pour montrer que n vecteurs de Rn forment une base de
Rn , il suffit de montrer la chose suivante : la matrice A constitue des composantes de ces vecteurs (chaque
vecteur formant une colonne de A) est inversible.
Application : montrer que les vecteurs
1
v1 =
0
0
..
.
1
v2 =
2
0
..
.
1
2
...
vn = 3.
..
n
DIMENSION FINIE
3. BASE
176
3. Lespace vectoriel M2 (R) des matrices 2 2 admet une base forme des vecteurs :
1 0
0 1
0 0
0 0
M1 =
M2 =
M3 =
M4 =
.
0 0
0 0
1 0
0 1
a b
En effet, nimporte quelle matrice M =
de M2 (R) se dcompose de manire unique en
c d
M = aM1 + bM2 + c M3 + d M4 .
4. Cest un bon exercice de prouver que les quatre matrices suivantes forment aussi une base de M2 (R) :
1 0
1 0
0 1
1 3
0
0
0
0
M1 =
M2 =
M3 =
M4 =
.
1 0
0 1
1 0
4 2
3.5. Preuves
Les deux thormes prcdents sont la consquence dun rsultat encore plus gnral :
Thorme 5.
Soit G une famille gnratrice finie de E et L une famille libre de E. Alors il existe une famille F de G telle
que L F soit une base de E.
Le thorme 4 de la base incomplte se dduit du thorme 5 ainsi :
1. On sait quil existe une famille gnratrice de E : notons-la G . On applique le thorme 5 avec ce L et
ce G .
2. On applique le thorme 5 avec L = et la famille G de lnonc.
En particulier, le thorme 3 dexistence dune base se dmontre comme le point (2) ci-dessus avec L =
et G une famille gnratrice de E.
DIMENSION FINIE
3. BASE
177
Exemple 14.
Soit R[X ] le R-espace vectoriel des polynmes rels et E le sous-espace de R[X ] engendr par la famille
G = {P1 , P2 , P3 , P4 , P5 } dfinie par :
P1 (X ) = 1
P2 (X ) = X
P3 (X ) = X + 1
P4 (X ) = 1 + X 3
P5 (X ) = X X 3
DIMENSION FINIE
178
ce qui prouve que la famille {P1 , P2 , P4 , P5 } est lie. Donc avec les notations de lalgorithme, s = 3 et
L3 = {P1 , P2 , P4 } est une base de E.
Mini-exercices.
1. Trouver toutes les faons dobtenir une base de R2 avec les vecteurs suivants : v1 = 1
, v2 = 33 ,
3
v3 = 00 , v4 = 20 , v5 = 26 .
2
2
1
1
2. Montrer que la famille {v1 , v2 , v3 , v4 } des vecteurs v1 = 1 , v2 = 3 , v3 = 2 , v4 = 1 est
3
4.2. Exemples
Exemple 15.
1. La base canonique de R2 est 10 , 01 . La dimension de R2 est donc 2.
2. Les vecteurs 21 , 11 forment aussi une base de R2 , et illustrent quune autre base contient le mme
nombre dlments.
3. Plus gnralement, Kn est de dimension n, car par exemple sa base canonique (e1 , e2 , . . . , en ) contient n
lments.
4. dim Rn [X ] = n + 1 car une base de Rn [X ] est (1, X , X 2 , . . . , X n ), qui contient n + 1 lments.
DIMENSION FINIE
179
Exemple 16.
Les espaces vectoriels suivants ne sont pas de dimension finie :
R[X ] : lespace vectoriel de tous les polynmes,
F (R, R) : lespace vectoriel des fonctions de R dans R,
S = F (N, R) : lespace vectoriel des suites relles.
Exemple 17.
Nous avons vu que lensemble des solutions dun systme dquations linaires homogne est un espace
vectoriel. On considre par exemple le systme
2x 1 + 2x 2 x 3
+ x5 = 0
x 1 x 2 + 2x 3 3x 4 + x 5 = 0
x 1 + x 2 2x 3
x5 = 0
x 3 + x 4 + x 5 = 0.
On vrifie que la solution gnrale de ce systme est
x 1 = s t
x2 = s
x 3 = t
s
t
0
t
s
0
0
0
0
t
0
t
x4 = 0
1
=s
1
0
0
0
x5 = t .
+t
0
1
0
1
1
v1 =
1
0
0
0
et
v2 =
0
1
0
1
engendrent lespace des solutions du systme. Dautre part, on vrifie que v1 et v2 sont linairement
indpendants. Donc (v1 , v2 ) est une base de lespace des solutions du systme. Ceci montre que cet espace
vectoriel est de dimension 2.
4.3. Complments
Lorsquun espace vectoriel est de dimension finie, le fait de connatre sa dimension est une information trs
riche ; les proprits suivantes montrent comment exploiter cette information.
Le schma de preuve sera : Lemme 1 = Proposition 5 = Thorme 6.
Lemme 1.
Soit E un espace vectoriel. Soit L une famille libre et soit G une famille gnratrice finie de E. Alors
Card L 6 Card G .
Ce lemme implique le rsultat important :
Proposition 5.
Soit E un K-espace vectoriel admettant une base ayant n lments. Alors :
1. Toute famille libre de E a au plus n lments.
2. Toute famille gnratrice de E a au moins n lments.
En effet, soit B une base de E telle que Card B = n.
1. On applique le lemme 1 la famille B considre gnratrice ; alors une famille libre L vrifie
Card L 6 Card B = n.
2. On applique le lemme 1 la famille B considre maintenant comme une famille libre, alors une famille
gnratrice G vrifie n = Card B 6 Card G .
Cette proposition impliquera bien le thorme 6 de la dimension :
DIMENSION FINIE
180
Corollaire 1.
Si E est un espace vectoriel admettant une base ayant n lments, alors toute base de E possde n lments.
La preuve du corollaire (et donc du thorme 6 de la dimension) est la suivante : par la proposition 5, si B
est une base quelconque de E, alors B est la fois une famille libre et gnratrice, donc possde la fois
au plus n lments et au moins n lments, donc exactement n lments.
Il reste noncer un rsultat important et trs utile :
Thorme 7.
Soient E un K-espace vectoriel de dimension n, et F = (v1 , . . . , vn ) une famille de n vecteurs de E. Il y a
quivalence entre :
(i) F est une base de E,
(ii) F est une famille libre de E,
(iii) F est une famille gnratrice de E.
La preuve sera une consquence du thorme 6 de la dimension et du thorme 4 de la base incomplte.
Autrement dit, lorsque le nombre de vecteurs considr est exactement gal la dimension de lespace
vectoriel, lune des deux conditions tre libre ou bien gnratrice suffit pour que ces vecteurs dterminent
une base de E.
Dmonstration.
Les implications (i) = (ii) et (i) = (iii) dcoulent de la dfinition dune base.
Voici la preuve de (ii) = (i).
Si F est une famille libre ayant n lments, alors par le thorme de la base incomplte (thorme 4)
il existe une famille F 0 telle que F F 0 soit une base de E. Dune part F F 0 est une base de E qui
est de dimension n, donc par le thorme 6, Card F F 0 = n. Mais dautre part Card F F 0 =
Card F + Card F 0 (par lalgorithme du thorme 4) et par hypothse Card F = n. Donc Card F 0 = 0, ce
qui implique que F 0 = et donc que F est dj une base de E.
Voici la preuve de (iii) = (i).
Par hypothse, F est cette fois une famille gnratrice. Toujours par le thorme 4, on peut extraire de
cette famille une base B F . Puis par le thorme 6, Card B = n, donc n = Card B 6 Card F = n.
Donc B = F et F est bien une base.
Exemple 18.
Pour quelles valeurs de t R les vecteurs (v1 , v2 , v3 ) suivants forment une base de R3 ?
1
1
1
v1 = 1
v2 = 3
v3 = 1
4
t
t
Nous avons une famille de 3 vecteurs dans lespace R3 de dimension 3. Donc pour montrer que la famille
(v1 , v2 , v3 ) est une base, par le thorme 7, il suffit de montrer que la famille est libre ou bien de montrer
quelle est gnratrice. Dans la pratique, il est souvent plus facile de vrifier quune famille est libre.
quelle condition la famille {v1 , v2 , v3 } est libre ? Soient 1 , 2 , 3 R tels que 1 v1 + 2 v2 + 3 v3 = 0.
Cela implique le systme
1 + 2 + 3 = 0
1 + 32 + 3 = 0 .
41 + t2 + t3 = 0
DIMENSION FINIE
1 + 2 + 3 = 0
22 = 0
(t 4)2 + (t 4)3 = 0
181
1 + 3 = 0
2 = 0
(t 4)3 = 0
Il est clair que si t 6= 4, alors la seule solution est (1 , 2 , 3 ) = (0, 0, 0) et donc {v1 , v2 , v3 } est une
famille libre. Si t = 4, alors par exemple (1 , 2 , 3 ) = (1, 0, 1) est une solution non nulle, donc la
famille nest pas libre.
Conclusion : si t 6= 4 la famille est libre, donc par le thorme 7 la famille (v1 , v2 , v3 ) est en plus
gnratrice, donc cest une base de R3 . Si t = 4, la famille nest pas libre et nest donc pas une base.
4.4. Preuve
Il nous reste la preuve du lemme 1. La dmonstration est dlicate et hors-programme.
Dmonstration. La preuve de ce lemme se fait en raisonnant par rcurrence.
On dmontre par rcurrence que, pour tout n > 1, la proprit suivante est vraie : Dans un espace vectoriel
engendr par n vecteurs, toute famille ayant n + 1 lments est lie.
Initialisation. On vrifie que la proprit est vraie pour n = 1. Soit E un espace vectoriel engendr par un
vecteur not g1 , et soit {v1 , v2 } une famille de E ayant deux lments. Les vecteurs v1 et v2 peuvent scrire
comme combinaisons linaires du vecteur g1 ; autrement dit, il existe des scalaires 1 , 2 tels que v1 = 1 g1
et v2 = 2 g1 , ce qui donne la relation : 2 v1 1 v2 = 0 E . En supposant v2 non nul (sinon il est vident que
{v1 , v2 } est lie), le scalaire 2 est donc non nul. On a trouv une combinaison linaire nulle des vecteurs
v1 , v2 , avec des coefficients non tous nuls. Donc la famille {v1 , v2 } est lie.
Hrdit. On dmontre maintenant que si la proprit est vraie au rang n 1 (n > 2), alors elle vraie au
rang n. Soit E un espace vectoriel engendr par n vecteurs nots g1 , g2 , . . . , g n , et soit {v1 , v2 , . . . , vn , vn+1 }
une famille de E ayant n + 1 lments. Tout vecteur v j , pour j = 1, 2, . . . , n + 1, est combinaison linaire de
j
v j = 1 g1 + 2 g2 + + nj g n .
Remarque. On est contraint dutiliser ici deux indices i, j pour les scalaires (attention ! j nest pas un exposant)
car deux informations sont ncessaires : lindice j indique quil sagit de la dcomposition du vecteur v j , et i
indique quel vecteur de la famille gnratrice est associ ce coefficient.
En particulier, pour j = n + 1, le vecteur vn+1 scrit :
vn+1 = 1n+1 g1 + 2n+1 g2 + + n+1
n gn.
Si vn+1 est nul, cest termin, la famille est lie ; sinon, vn+1 est non nul, et au moins un des coefficients
n+1
est non nul. On suppose, pour allger lcriture, que n+1
est non nul (sinon il suffit de changer
n
j
lordre des vecteurs). On construit une nouvelle famille de n vecteurs de E de telle sorte que ces vecteurs
soient combinaisons linaires de g1 , g2 , . . . , g n1 , cest--dire appartiennent au sous-espace engendr par
{g1 , g2 , . . . , g n1 }. Pour j = 1, 2, . . . , n, on dfinit w j par :
wj =
nn+1 v j
nj vn+1
n
X
j
j n+1
=
(n+1
n k n k )g k .
k=1
DIMENSION FINIE
182
Le coefficient n+1
a t suppos non nul et au moins un des scalaires 1 , 2 , . . . , n est non nul ; on a donc
n
une combinaison linaire nulle des vecteurs v1 , v2 , . . . , vn , vn+1 avec des coefficients qui ne sont pas tous
nuls, ce qui prouve que ces vecteurs forment une famille lie.
Conclusion. La dmonstration par rcurrence est ainsi acheve.
Mini-exercices.
Dire si les assertions suivantes sont vraies ou fausses. Justifier votre rponse par un rsultat du cours ou
un contre-exemple :
1. Une famille de p > n vecteurs dans un espace vectoriel de dimension n est gnratrice.
2. Une famille de p > n vecteurs dans un espace vectoriel de dimension n est lie.
3. Une famille de p < n vecteurs dans un espace vectoriel de dimension n est libre.
4. Une famille gnratrice de p 6 n vecteurs dans un espace vectoriel de dimension n est libre.
5. Une famille de p 6= n vecteurs dans un espace vectoriel de dimension n nest pas une base.
6. Toute famille libre p lments dun espace vectoriel de dimension n se complte par une famille
ayant exactement n p lments en une base de E.
DIMENSION FINIE
183
On considre lensemble K des entiers k tels quil existe une famille libre de F ayant k lments :
5.2. Exemples
Exemple 19.
Si E est un K-espace vectoriel de dimension 2, les sous-espaces vectoriels de E sont :
soit de dimension 0 : cest alors le sous-espace {0} ;
soit de dimension 1 : ce sont les droites vectorielles, cest--dire les sous-espaces Ku = Vect{u} engendrs
par les vecteurs non nuls u de E ;
soit de dimension 2 : cest alors lespace E tout entier.
Vocabulaire. Plus gnralement, dans un K-espace vectoriel E de dimension n (n > 2), tout sous-espace
vectoriel de E de dimension 1 est appel droite vectorielle de E et tout sous-espace vectoriel de E de
dimension 2 est appel plan vectoriel de E. Tout sous-espace vectoriel de E de dimension n 1 est appel
hyperplan de E. Pour n = 3, un hyperplan est un plan vectoriel ; pour n = 2, un hyperplan est une droite
vectorielle.
Le thorme 8 prcdent permet de dduire le corollaire suivant :
Corollaire 2.
Soit E un K-espace vectoriel. Soient F et G deux sous-espaces vectoriels de E. On suppose que F est de
dimension finie et que G F . Alors :
F = G dim F = dim G
Autrement dit, sachant quun sous-espace est inclus dans un autre, alors pour montrer quils sont gaux il
suffit de montrer lgalit des dimensions.
Exemple 20.
Deux droites vectorielles F et G sont soit gales, soit dintersection rduite au vecteur nul.
Exemple 21.
Soient les sous-espaces vectoriels de R3 suivants :
x
y R3 | 2x 3 y + z = 0
F=
et
z
Est-ce que F = G ?
G = Vect(u, v)
o u =
1
1
1
et v =
2
1
1
DIMENSION FINIE
184
1. On remarque que les vecteurs u et v ne sont pas colinaires, donc G est de dimension 2, et de plus ils
appartiennent F , donc G est contenu dans F .
2. Pour trouver la dimension de F , on pourrait dterminer une base de F et on montrerait alors que la
3
dimension de F est 2. Mais
1 il est plus judicieux ici de remarquer que F est contenu strictement dans R
(par exemple le vecteur 0 de R3 nest pas dans F ), donc dim F < dim R3 = 3 ; mais puisque F contient
0
G alors dim F > dim G = 2, donc la dimension de F ne peut tre que 2.
3. On a donc dmontr que G F et que dim G = dim F , ce qui entrane G = F .
Preuve du thorme 9.
Notez lanalogie de la formule avec la formule pour les ensembles finis :
Card(A B) = Card A + Card B Card(A B).
Nous allons partir dune base B F G = {u1 , . . . , u p } de F G. On commence par complter B F G
en une base B F = {u1 , . . . , u p , vp+1 , . . . , vq } de F . On complte ensuite B F G en une base BG =
{u1 , . . . , u p , w p+1 , . . . , w r } de G.
Nous allons maintenant montrer que la famille
{u1 , . . . , u p , vp+1 , . . . , vq , w p+1 , . . . , w r }
est une base de F + G. Il est tout dabord clair que cest une famille gnratrice de F + G (car B F est une
famille gnratrice de F et BG est une famille gnratrice de G).
DIMENSION FINIE
Montrons que cette famille est libre. Soit une combinaison linaire nulle :
p
q
r
X
X
X
i ui +
j vj +
k w k = 0
i=1
j=p+1
185
(1)
k=p+1
Pp
Pq
Pr
On pose u = i=1 i ui , v = j=p+1 j v j , w = k=p+1 k w k . Alors dune part u + v F (car B F est une
base de F ) mais comme lquation (1) quivaut u + v + w = 0, alors u + v = w G (car w G).
Pq
Maintenant u + v F G et aussi bien sr u F G, donc v = j=p+1 j v j F G. Cela implique
j = 0 pour tout j (car les {v j } compltent la base de F G).
Pp
Pr
La combinaison linaire nulle (1) devient i=1 i ui + k=p+1 k w k = 0. Or BG est une base de G, donc
i = 0 et k = 0 pour tout i, k. Ainsi B F +G = {u1 , . . . , u p , vp+1 , . . . , vq , w p+1 , . . . , w r } est une base de
F + G.
Il
ne reste plus qu compter le nombre de vecteurs de chaque base : dim F G = Card B F G = p,
dim F = Card B F = q, dim G = Card BG = r, dim(F + G) = Card B F +G = q + r p. Ce qui prouve bien
dim(F + G) = dim F + dim G dim(F G).
Mini-exercices.
1 3
7 6
7 , 5
2 , 1
et G = Vect
. Montrer que F = G.
3
2
11
0
1 t
1
t
2. Dans R3 , on considre F = Vect
, 1 , G = Vect 1 . Calculer les dimensions de F, G, F G, F +G
1
1
1
en fonction de t R.
1. Soient F = Vect
Auteurs du chapitre
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun
cours de H. Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale de
Lausanne,
mix, rvis et complt par Arnaud Bodin. Relu par Vianney Combet.
Matrices et
applications linaires
Vido
Vido
Vido
Vido
Fiche
Chapitre
12
Ce chapitre est laboutissement de toutes les notions dalgbre linaire vues jusquici : espaces vectoriels,
dimension, applications linaires, matrices. Nous allons voir que dans le cas des espaces vectoriels de
dimension finie, ltude des applications linaires se ramne ltude des matrices, ce qui facilite les calculs.
1.1. Dfinition
Soient E un K-espace vectoriel et {v1 , . . . , vp } une famille finie de vecteurs de E. Le sous-espace vectoriel
Vect(v1 , . . . , vp ) engendr par {v1 , . . . , vp } tant de dimension finie, on peut donc donner la dfinition
suivante :
Dfinition 1 (Rang dune famille finie de vecteurs).
Soit E un K-espace vectoriel et soit {v1 , . . . , vp } une famille finie de vecteurs de E. Le rang de la famille
{v1 , . . . , vp } est la dimension du sous-espace vectoriel Vect(v1 , . . . , vp ) engendr par les vecteurs v1 , . . . , vp .
Autrement dit :
rg(v1 , . . . , vp ) = dim Vect(v1 , . . . , vp )
Calculer le rang dune famille de vecteurs nest pas toujours vident, cependant il y a des ingalits qui
dcoulent directement de la dfinition.
Proposition 1.
Soient E un K-espace vectoriel et {v1 , . . . , vp } une famille de p vecteurs de E. Alors :
1. 0 6 rg(v1 , . . . , vp ) 6 p : le rang est infrieur ou gal au nombre dlments dans la famille.
2. Si E est de dimension finie alors rg(v1 , . . . , vp ) 6 dim E : le rang est infrieur ou gal la dimension de
lespace ambiant E.
188
Remarque.
Le rang dune famille vaut 0 si et seulement si tous les vecteurs sont nuls.
Le rang dune famille {v1 , . . . , vp } vaut p si et seulement si la famille {v1 , . . . , vp } est libre.
Exemple 1.
Quel est le rang de la famille {v1 , v2 , v3 } suivante dans lespace vectoriel R4 ?
1
0
v1 =
1
0
1
v2 =
1
1
1
v3 =
0
1
Il reste donc dterminer si le rang vaut 2 ou 3. On cherche si la famille {v1 , v2 , v3 } est libre ou lie en
rsolvant le systme linaire 1 v1 + 2 v2 + 3 v3 = 0. On trouve v1 v2 + v3 = 0. La famille est donc lie.
Ainsi Vect(v1 , v2 , v3 ) = Vect(v1 , v2 ), donc rg(v1 , v2 , v3 ) = dim Vect(v1 , v2 , v3 ) = 2.
2
est par dfinition le rang de la famille de vecteurs de K : v1 = 12 , v2 =
2
4
, v3 =
21
1
, v4 =
0
0
. Tous
ces vecteurs sont colinaires v1 , donc le rang de la famille {v1 , v2 , v3 , v4 } est 1 et ainsi rg A = 1.
Rciproquement, on se donne une famille de p vecteurs {v1 , . . . , vp } dun espace vectoriel E de dimension
n. Fixons une base B = {e1 , . . . , en } de E. Chaque vecteur v j se dcompose dans la base B : v j = a1 j e1 +
a1 j
.
..
a
+ ai j ei + + an j en , ce que lon note v j = i j
. En juxtaposant ces vecteurs colonnes, on obtient une
..
.
an j
matrice A Mn,p (K). Le rang de la famille {v1 , . . . , vp } est gal au rang de la matrice A.
Dfinition 3.
On dit quune matrice est chelonne par rapport aux colonnes si le nombre de zros commenant une
colonne crot strictement colonne aprs colonne, jusqu ce quil ne reste plus que des zros. Autrement
dit, la matrice transpose est chelonne par rapport aux lignes.
Voici un exemple dune matrice chelonne par colonnes ; les dsignent des coefficients quelconques, les +
189
+ 0 0 0 0
0 0 0 0
+ 0 0 0
+ 0 0
0 0
+ 0
Le rang dune matrice chelonne est trs simple calculer.
0
0
0
0
Proposition 2.
Le rang dune matrice chelonne par colonnes est gal au nombre de colonnes non nulles.
Par exemple, dans la matrice chelonne donne en exemple ci-dessus, 4 colonnes sur 6 sont non nulles,
donc le rang de cette matrice est 4.
La preuve de cette proposition consiste remarquer que les vecteurs colonnes non nuls sont linairement
indpendants, ce qui au vu de la forme chelonne de la matrice est facile.
190
1.4. Exemples
Exemple 3.
Quel est le rang de la famille des 5 vecteurs suivants de R4 ?
1
1
3
1
2
2
v1 =
v2 =
v3 =
1
0
1
1
1
3
On est ramen calculer le rang de la matrice :
1 1 3
3
1 2
2
5
1 0 1 0
1 1 3 1
3
5
v4 =
0
1
3
8
v5 =
1
1
3
8
1
1
1 1 3
3 3
1 0 0
0
0
1 3 1 2
1 2
2
5 8
5
1 0 1 0 1 1 1 4 3 2
1
3 1 1
1 0 0
0
1 3 1 2
1 1 4 3
1 2 6 4
1 2 6 4 2
0
1 0 0 0
0
5
5
1 1 3 2
2
1 4 1 3 2
2
1 6 2 4 2
1 0 0 0
0
1
1 1 3 2
1
5
1 4 1 3 2 1
1
1 6 2 4 2
0
0
0
0
1
0
0
0
4 11 11 22
6 16 16 32
1 0
0
0
0
1 0
0
0
1 1
1 1
0
0
0
0
0
1 4 11 11 22 1 4 11 0
1 6 16 16 32
1 6 16 0
0
0
0
0
Il y a 3 colonnes non nulles : on en dduit que le rang de la famille de vecteurs {v1 , v2 , v3 , v4 , v5 } est 3.
En fait, nous avons mme dmontr que
1 0 0
1
0
1
Vect(v1 , v2 , v3 , v4 , v5 ) = Vect
.
1 , 4 , 11
1
16
Exemple 4.
Considrons les trois vecteurs suivants dans R5 : v1 = (1, 2, 1, 2, 0), v2 = (1, 0, 1, 4, 4) et v3 = (1, 1, 1, 0, 0).
Montrons que la famille {v1 , v2 , v3 } est libre dans R5 . Pour cela, calculons le rang de cette famille de vecteurs
191
1 1 1
2 0 1
1 1 1 .
2 4 0
0 4 0
Par des oprations lmentaires sur les colonnes, on obtient :
1 0
0
1 0
0
1 0
0
1 1 1
2 0 1 2 2 1 2 1 1 2 1 0
1 1 1 1 0
0
0
0
1 0
1 0
2 4 0 2 2 2 2 1 2 2 1 3
0 2 2
0 2
0
0 4
0
0 4 0
Comme la dernire matrice est chelonne par colonnes et que ses 3 colonnes sont non nulles, on en dduit
que la famille {v1 , v2 , v3 } constitue de 3 vecteurs est de rang 3, et donc quelle est libre dans R5 .
Exemple 5.
Considrons les quatre vecteurs suivants dans R3 : v1 = (1, 2, 3) , v2 = (2, 0, 6), v3 = (3, 2, 1) et v4 =
(1, 2, 2). Montrons que la famille {v1 , v2 , v3 , v4 } engendre R3 . Pour cela, calculons le rang de cette famille
de vecteurs ou, ce qui revient au mme, celui de la matrice suivante :
1 2 3 1
2 0 2 2 .
3 6 1 2
Par des oprations lmentaires sur les colonnes, on obtient :
1 0
0 0
1 0
0 0
1 2 3 1
1 0
0 0
2 0 2 2 2 4 4 4 2 4 0 0 2 4 0 0
3 0 8 0
3 0 8 5
3 0 8 5
3 6 1 2
La famille {v1 , v2 , v3 , v4 } est donc de rang 3. Cela signifie que Vect(v1 , v2 , v3 , v4 ) est un sous-espace vectoriel
de dimension 3 de R3 . On a donc Vect(v1 , v2 , v3 , v4 ) = R3 . Autrement dit, la famille {v1 , v2 , v3 , v4 } engendre
R3 .
f
f
f
A
de rang n
surjective
bijective
inversible.
Nous avons utilis le fait quun endomorphisme dun espace vectoriel de dimension finie est bijectif si et
seulement sil est surjectif et le thorme sur la caractrisation de la matrice dun isomorphisme.
192
1 2 4 2 1
2
0 . Calculer
2. Mettre sous forme chelonne par rapport aux colonnes la matrice 0 2 4
1 1 2 1 1
1 7 2 5
2 1 1 5
3. Calculer le rang de 1
1
4 1 2
4 5 7
3
1
2 en fonction de a et b.
a 2 b
193
il existe une et une seule application linaire f : E F telle que, pour tout i = 1, . . . , n :
f (ei ) = vi .
Le thorme ne fait aucune hypothse sur la dimension de lespace vectoriel darrive F .
Exemple 6.
Il existe une unique application linaire f : Rn R[X ] telle que f (ei ) = (X + 1)i pour i = 1, . . . , n (o
(e1 , . . . , en ) est la base canonique de Rn ).
Pour un vecteur x = (x 1 , . . . , x n ), on a
n
X
f (x 1 , . . . , x n ) = f (x 1 e1 + + x n en ) = x 1 f (e1 ) + + x n f (en ) =
x i (X + 1)i .
i=1
Dmonstration.
(ei ) = vi , pour tout
Unicit. Supposons quil existe une application linaire f : E F telle que f P
n
i = 1, . . . , n. Pour x E, il existe des scalaires x 1 , x 2 , . . . , x n uniques tels que x = i=1 x i ei . Comme f
est linaire, on a
n
n
n
X
X
X
f (x) = f
x i ei =
x i f (ei ) =
x i vi .
()
i=1
i=1
i=1
n
X
X
(x + y) = f
(x i + yi )ei =
(x i + yi ) f (ei )
i=1
n
X
x i f (ei ) +
i=1
i=1
n
X
i=1
Enfin les coordonnes de ei sont (0, . . . , 0, 1, 0, . . . , 0) (avec un 1 en i-me position), donc f (ei ) = 1vi = vi .
Ce qui termine la preuve du thorme.
Dmonstration. Il suffit de dmontrer que tout lment de Im f est combinaison linaire des vecteurs
f (e1 ), . . . , f (en ).
Soit y un lment quelconque de Im f . Il existe donc un lment x de E tel que y = f (x). Comme (e1 , . . . , en )
n
X
x i ei . En utilisant la linarit de f , on
est une base de E, il existe des scalaires (x 1 , . . . , x n ) tels que x =
i=1
n
X
194
i=1
Le rang est plus petit que la dimension de E et aussi plus petit que la dimension de F , si F est de dimension
finie :
Proposition 6.
Soient E et F deux K-espaces vectoriels de dimension finie et f : E F une application linaire. On a
rg( f ) 6 min (dim E, dim F ) .
Exemple 7.
Soit f : R3 R2 lapplication linaire dfinie par f (x, y, z) = (3x 4 y + 2z, 2x 3 y z). Quel est le rang
de f ?
0
0
1
Si on note e1 = 0 , e2 = 1 et e3 = 0 , alors (e1 , e2 , e3 ) est la base canonique de R3 .
0
0
1
Il sagit de trouver le rang de la famille {v1 , v2 , v3 } :
1
0
0
2
v1 = f (e1 ) = f 0 = 32 , v2 = f (e2 ) = f 1 = 4
3 , v3 = f (e3 ) = f 0 = 1
0
dimension finie,
limage de f est Im f = f (E) = f (x) | x E ; cest un sous-espace vectoriel de F et est de dimension
finie.
Le thorme du rang donne une relation entre la dimension du noyau et la dimension de limage de f .
Thorme 3 (Thorme du rang).
Soit f : E F une application linaire entre deux K-espaces vectoriels, E tant de dimension finie. Alors
dim E = dim Ker f + dim Im f
Autrement dit : dim E = dim Ker f + rg f
Dans la pratique, cette formule sert dterminer la dimension du noyau connaissant le rang, ou bien le
rang connaissant la dimension du noyau.
195
Exemple 8.
Soit lapplication linaire
f : R4 R3
(x 1 , x 2 , x 3 , x 4 ) 7 (x 1 x 2 + x 3 , 2x 1 + 2x 2 + 6x 3 + 4x 4 , x 1 2x 3 x 4 )
Calculons le rang de f et la dimension du noyau de f .
Premire mthode. On calcule dabord le noyau :
(x 1 , x 2 , x 3 , x 4 ) Ker f f (x 1 , x 2 , x 3 , x 4 ) = (0, 0, 0)
= 0
x1 x2 + x3
2x 1 + 2x 2 + 6x 3 + 4x 4 = 0
x 1
2x 3 x 4 = 0
On rsout ce systme et on trouve quil est quivalent
x1 x2 + x3
x2 + x3 +
x4
= 0
= 0
Ker f = (2x 3 x 4 , x 3 x 4 , x 3 , x 4 ) | x 3 , x 4 R
2
1
1
1
= x3 1 + x4 0 | x3, x4 R
0
1
2 1
1
= Vect
, 1
1
0
0
Les deux vecteurs dfinissant le noyau sont linairement indpendants, donc dim Ker f = 2.
On applique maintenant le thorme du rang pour en dduire sans calculs la dimension de limage :
dim Im f = dim R4 dim Ker f = 4 2 = 2. Donc le rang de f est 2.
Deuxime mthode. On calcule dabord limage. On note (e1 , e2 , e3 , e4 ) la base canonique de R4 . Calculons vi = f (ei ) :
1
0
1
1
v1 = f (e1 ) = f 00 = 2
v2 = f (e2 ) = f 10 = 2
1
v3 = f (e3 ) = f
0
0
1
0
1
6
2
v4 = f (e4 ) = f
0
0
0
1
0
4
1
On rduit la matrice A, forme des vecteurs colonnes, sous une forme chelonne :
1 1 1
0
1
0 0 0
2
6
4 2
4 0 0
A= 2
1
2 1
1 1 0 0
196
197
Proposition 7.
Soit f : E F un isomorphisme despaces vectoriels. Si E (respectivement F ) est de dimension finie, alors F
(respectivement E) est aussi de dimension finie et on a dim E = dim F .
Dmonstration. Si E est de dimension finie, alors comme f est surjective, F = Im f , donc F est engendr
par limage dune base de E. On a donc F de dimension finie et dim F 6 dim E. De mme f 1 : F E est
un isomorphisme, donc f 1 (F ) = E, ce qui prouve cette fois dim E 6 dim F .
Si cest F qui est de dimension finie, on fait le mme raisonnement avec f 1 .
Nous allons dmontrer une sorte de rciproque, qui est extrmement utile.
Thorme 4.
Soit f : E F une application linaire avec E et F de dimension finie.
Supposons dim E = dim F . Alors les assertions suivantes sont quivalentes :
(i) f est bijective
(ii) f est injective
(iii) f est surjective
Autrement dit, dans le cas dune application linaire entre deux espaces de mme dimension, pour dmontrer
quelle est bijective, il suffit de dmontrer lune des deux proprits : injectivit ou surjectivit.
Dmonstration. Cest immdiat partir du thorme du rang. En effet, la proprit f injective quivaut
Ker f = {0}, donc daprs le thorme du rang, f est injective si et seulement si dim Im f = dim E. Daprs
lhypothse sur lgalit des dimensions de E et de F , ceci quivaut dim Im f = dim F . Cela quivaut donc
Im f = F , cest--dire f est surjective.
Exemple 10.
Soit f : R2 R2 dfinie par f (x, y) = (x y, x + y). Une faon simple de montrer que lapplication linaire
f est bijective est de remarquer que lespace de dpart et lespace darrive ont mme dimension. Ensuite
on calcule le noyau :
(x, y) Ker f f (x, y) = 0 (x y, x + y) = (0, 0)
x+y = 0
(x, y) = (0, 0)
xy = 0
Ainsi Ker f = (0, 0) est rduit au vecteur nul, ce qui prouve que f est injective et donc, par le thorme 4,
que f est un isomorphisme.
Exemple 11.
On termine par la justification que si une matrice admet un inverse droite, alors cest aussi un inverse
gauche. La preuve se fait en deux temps : (1) lexistence dun inverse gauche ; (2) lgalit des inverses.
Soit A Mn (K) une matrice admettant un inverse droite, cest--dire il existe B Mn (K) tel que AB = I.
1. Soit f : Mn (K) Mn (K) dfinie par f (M ) = M A.
(a) f est une application linaire, car f (M + N ) = (M + N )A = f (M ) + f (N ).
(b) f est injective : en effet supposons f (M ) = O (o O est la matrice nulle), cela donne M A = O. On
multiplie cette galit par B droite, ainsi M AB = OB, donc M I = O, donc M = O.
(c) Par le thorme 4, f est donc aussi surjective.
(d) Comme f est surjective, alors en particulier lidentit est dans limage de f . Cest--dire il existe
C Mn (K) tel que f (C) = I. Ce qui est exactement dire que C est un inverse gauche de A : CA = I.
198
et C(AB) = C I = C
donc B = C.
Mini-exercices.
1. Soit (e1 , e2 , e3 ) la base canonique de R3 . Donner lexpression de f (x, y, z) o f : R3 R3 est
lapplication linaire qui envoie e1 sur son oppos, qui envoie e2 sur le vecteur nul et qui envoie e3 sur
la somme des trois vecteurs e1 , e2 , e3 .
2. Soit f : R3 R2 dfinie par f (x, y, z) = (x 2 y 3z, 2 y + 3z). Calculer une base du noyau de f ,
une base de limage de f et vrifier le thorme du rang.
3. Mme question avec f : R3 R3 dfinie par f (x, y, z) = ( y + z, x + z, x + y).
4. Mme question avec lapplication linaire f : Rn [X ] Rn [X ] qui X k associe X k1 pour 1 6 k 6 n
et qui 1 associe 0.
5. Lorsque cest possible, calculer la dimension du noyau, le rang et dire si f peut tre injective, surjective,
bijective :
Une application linaire surjective f : R7 R4 .
Une application linaire injective f : R5 R8 .
Une application linaire surjective f : R4 R4 .
Une application linaire injective f : R6 R6 .
a1, j
a
2, j
f (e j ) = a1, j f1 + a2, j f2 + + an, j f n = . .
..
an, j
B0
Ainsi, lapplication linaire f est entirement dtermine par les coefficients (ai, j )(i, j){1,...,n}{1,...,p} . Il est
donc naturel dintroduire la dfinition suivante :
199
Dfinition 4.
La matrice de lapplication linaire f par rapport aux bases B et B 0 est la matrice (ai, j ) Mn,p (K) dont
la j-me colonne est constitue par les coordonnes du vecteur f (e j ) dans la base B 0 = ( f1 , f2 , . . . , f n ) :
f (e1 ) . . .
f (e j ) . . .
f1
a11
f2 a21
.. ..
. .
fn
an1
..
.
a1 j
a2 j
..
.
an j
...
...
...
f (e p )
a1p
a2p
..
.
anp
En termes plus simples : cest la matrice dont les vecteurs colonnes sont limage par f des vecteurs de la
base de dpart B, exprime dans la base darrive B 0 . On note cette matrice MatB,B 0 ( f ).
Remarque.
La taille de la matrice MatB,B 0 ( f ) dpend uniquement de la dimension de E et de celle de F .
Par contre, les coefficients de la matrice dpendent du choix de la base B de E et de la base B 0 de F .
Exemple 12.
Soit f lapplication linaire de R3 dans R2 dfinie par
f : R3 R2
(x 1 , x 2 , x 3 ) 7 (x 1 + x 2 x 3 , x 1 2x 2 + 3x 3 )
Il est
xutile
didentifier vecteurs lignes et vecteurs colonnes ; ainsi f peut tre vue comme lapplication
1
x 1 +x 2 x 3
f : xx 2 7 x 1 2x
.
2 +3x 3
3
3
1
donc 3 .
Ainsi :
1 1 1
MatB,B 0 ( f ) =
1 2 3
2. On va maintenant changer la base de lespace de dpart et celle de lespace darrive. Soient les vecteurs
1
1
0
1
1
1 = 1 2 = 0 3 = 1
1 =
2 =
0
1
0
1
1
On montre facilement que B0 = (1 , 2 , 3 ) est une base de R3 et B00 = (1 , 2 ) est une base de R2 .
Quelle est la matrice de f dans les bases B0 et B00 ?
f (1 ) = f (1, 1, 0) = (2, 1) = 31 2 , f (2 ) = f (1, 0, 1) = (0, 4) = 41 + 42 , f (3 ) = f (0, 1, 1) =
(0, 1) = 1 + 2 , donc
3 4 1
MatB0 ,B00 ( f ) =
.
1 4
1
Cet exemple illustre bien le fait que la matrice dpend du choix des bases.
200
B = MatB,B 0 (g)
C = MatB,B 0 ( f + g)
D = MatB,B 0 ( f )
Alors :
C = A+ B
D = A
Autrement dit : la matrice associe la somme de deux applications linaires est la somme des matrices (
condition de considrer la mme base sur lespace de dpart pour les deux applications et la mme base sur
lespace darrive). Idem avec le produit par un scalaire.
Le plus important sera la composition des applications linaires.
Proposition 9.
Soient f : E F et g : F G deux applications linaires et soient B une base de E, B 0 une base de F et
B 00 une base de G. Alors :
MatB,B 00 (g f ) = MatB 0 ,B 00 (g) MatB,B 0 ( f )
Autrement dit, si on note :
A = MatB,B 0 ( f )
B = MatB 0 ,B 00 (g)
C = MatB,B 00 (g f )
Alors
C = BA
Autrement dit, condition de bien choisir les bases, la matrice associe la composition de deux applications
linaires est le produit des matrices associes chacune delles, dans le mme ordre.
En fait, le produit de matrices, qui semble compliqu au premier abord, est dfini afin de correspondre la
composition des applications linaires.
Dmonstration. Posons p = dim(E) et B = (e1 , . . . , e p ) une base de E ; n = dim F et B 0 = ( f1 , . . . , f n ) une
base de F ; q = dim G et B 00 = (g1 , . . . , gq ) une base de G. crivons A = MatB,B 0 ( f ) = (ai j ) Mn,p (K) la
matrice de f , B = MatB 0 ,B 00 (g) = (bi j ) Mq,n (K) la matrice de g, C = MatB,B 00 (g f ) = (ci j ) Mq,p (K) la
matrice de g f .
On a
(g f )(e1 ) = g f (e1 )
= g(a11 f1 + + an1 f n )
= a11
g( f1 ) + + an1 g( f n)
..
.
a11 bq1 + + an1 bqn
201
Mais ceci est aussi la premire colonne de la matrice BA. En faisant la mme chose avec les autres colonnes,
on remarque que C = MatB,B 00 (g f ) et BA sont deux matrices ayant leurs colonnes gales. On a donc bien
lgalit cherche.
Exemple 13.
On considre deux applications linaires : f : R2 R3 et g : R3 R2 . On pose E = R2 , F = R3 , G = R2
avec f : E F , g : F G. On se donne des bases : B = (e1 , e2 ) une base de E, B 0 = ( f1 , f2 , f3 ) une base
de F , et B 00 = (g1 , g2 ) une base de G.
On suppose connues les matrices de f et g :
1 0
2 1 0
A = MatB,B 0 ( f ) = 1 1 M3,2
B = MatB 0 ,B 00 (g) =
M2,3
3 1 2
0 2
Calculons la matrice associe g f : E G, C = MatB,B 00 (g f ), de deux faons diffrentes.
1. Premire mthode. Revenons la dfinition de la matrice de lapplication linaire g f . Il sagit
dexprimer limage des vecteurs de la base de dpart B dans la base darrive B 00 . Cest--dire quil faut
exprimer g f (e j ) dans la base (g1 , g2 ).
Calcul des f (e j ). On sait par dfinition de la matrice A que f (e1 ) correspond au premier vecteur
1
colonne : plus prcisment, f (e1 ) = 1 0 = 1 f1 + 1 f2 + 0 f3 = f1 + f2 .
0 B
0
De mme, f (e2 ) = 1 0 = 0 f1 + 1 f2 + 2 f3 = f2 + 2 f3 .
2 B
Calcul des g( f j ). Par dfinition, g( f j ) correspond la j-me colonne de la matrice B :
2
g( f1 ) =
= 2g1 + 3g2
3
B00
1
= g1 + g2
g( f2 ) =
1 B 00
0
g( f3 ) =
= 2g2
2 B 00
Calcul des g f (e j ). Pour cela on combine les deux sries de calculs prcdents :
g f (e1 ) = g( f1 + f2 ) = g( f1 ) + g( f2 ) = (2g1 + 3g2 ) + (g1 + g2 ) = g1 + 4g2
g f (e2 ) = g( f2 + 2 f3 ) = g( f2 ) + 2g( f3 ) = (g1 + g2 ) + 2(2g2 ) = g1 + 5g2
Calcul de la matrice C = MatB,B 00 (g f ) : cette matrice est compose des vecteurs g f (e j ) exprims
dans la base B 00 . Comme
1
1
g f (e1 ) = g1 + 4g2 =
g f (e2 ) = g1 + 5g2 =
4 B 00
5 B 00
alors
1 1
C=
4 5
On trouve bien une matrice de taille 2 2 (car lespace de dpart et darrive de g f est R2 ).
2. Deuxime mthode. Utilisons le produit de matrices : on sait que C
1
2 1 0
MatB,B 00 (g f ) = C = B A =
1
3 1 2
0
= BA. Donc
0
1 1
1 =
4 5
2
Cet exemple met bien en vidence le gain, en termes de quantit de calculs, ralis en passant par lintermdiaire des matrices.
202
Exemple 15.
p
Soit r la matrice de la rotation dangle dans R2 . La matrice de r est :
p
p
cos sin
p
MatB (r ) = MatB (r ) =
sin
cos
Un calcul par rcurrence montre ensuite que
p
MatB (r )
cos(p ) sin(p )
=
,
sin(p ) cos(p )
ce qui est bien la matrice de la rotation dangle p : composer p fois la rotation dangle revient effectuer
une rotation dangle p .
203
1. f est bijective si et seulement si la matrice A est inversible. Autrement dit, f est un isomorphisme si et
seulement si sa matrice associe MatB,B 0 ( f ) est inversible.
2. De plus, si f : E F est bijective, alors la matrice de lapplication linaire f 1 : F E est la matrice
1
A1 . Autrement dit, MatB 0 ,B ( f 1 ) = MatB,B 0 ( f )
.
Voici le cas particulier trs important dun endomorphisme f : E E o E est muni de la mme base B au
dpart et larrive et A = MatB ( f ).
Corollaire 2.
f est bijective si et seulement si A est inversible.
Si f est bijective, alors la matrice associe f 1 dans la base B est A1 .
1
Autrement dit : MatB ( f 1 ) = MatB ( f ) .
Exemple 16.
Soient r : R2 R2 la rotation dangle 6 (centre lorigine) et s la rflexion par rapport laxe ( y = x).
Quelle est la matrice associe (s r)1 dans la base canonique B ?
p3
1
cos
sin
p2 .
= 21
Pour = 6 , on trouve la matrice A = MatB (r) =
3
sin
cos
2
2
0 1
.
La matrice associe la rflexion est B = MatB (s) =
1 0
p
1
p2
3
2
La matrice de s r est B A =
1
La matrice de (s r)
est (BA)
3
2
12
1
p2
3
2
.
p
3
2
12
1
p2
3
2
p
3
2
12
(BA)1 = A1 B 1 =
On note que (BA)1 = BA ce qui, en termes dapplications linaires, signifie que (sr)1 = sr. Autrement
dit, s r est son propre inverse.
Preuve du thorme 5. On note A = MatB,B 0 ( f ).
Si f est bijective, notons B = MatB 0 ,B ( f 1 ). Alors par la proposition 9 on sait que
BA = MatB 0 ,B ( f 1 ) MatB,B 0 ( f ) = MatB,B ( f 1 f ) = MatB,B (id E ) = I.
De mme AB = I. Ainsi A = MatB,B 0 ( f ) est inversible et son inverse est B = MatB 0 ,B ( f 1 ).
Rciproquement, si A = MatB,B 0 ( f ) est une matrice inversible, notons B = A1 . Soit g : F E
lapplication linaire telle que B = MatB 0 ,B (g). Alors, toujours par la proposition 9 :
MatB,B (g f ) = MatB 0 ,B (g) MatB,B 0 ( f ) = BA = I
Donc la matrice de g f est lidentit, ce qui implique g f = id E . De mme f g = id F . Ainsi f est
bijective (et sa bijection rciproque est g).
Mini-exercices.
1. Calculer la matrice associe aux applications linaires f i : R2 R2 dans la base canonique :
(a) f1 la symtrie par rapport laxe (O y),
(b) f2 la symtrie par rapport laxe ( y = x),
(c) f3 la projection orthogonale sur laxe (O y),
(d) f4 la rotation dangle
4.
204
4. CHANGEMENT DE BASES
4. Changement de bases
4.1. Application linaire, matrice, vecteur
Soit E un espace vectoriel de dimension finie et soit B = (e1 , e2 , . . . , e p ) une base de E. Pour chaque x E,
il existe un p-uplet unique dlments de K (x 1 , x 2 , . . . , x p ) tel que
x = x 1 e1 + x 2 e2 + + x p e p .
La matrice des coordonnes de x est un vecteur colonne, not MatB (x) ou encore
Dans R p , si B est la base canonique, alors on note simplement
..
.
xp B
x1 !
x2
..
.
x1 !
x2
xp
Soient E et F deux K-espaces vectoriels de dimension finie et f : E F une application linaire. Le but de
ce paragraphe est de traduire lgalit vectorielle y = f (x) par une galit matricielle.
Soient B une base de E et B 0 une base de F .
Proposition 10.
Soit A = MatB,B 0 ( f ).
Pour x E, notons X = MatB (x) =
Pour y F , notons Y = MatB 0 ( y) =
x1 !
x2
..
.
xp B
y1 !
y2
..
.
yn B 0
Alors, si y = f (x), on a
Y = AX
Autrement dit :
MatB 0 f (x) = MatB,B 0 ( f ) MatB (x)
Dmonstration.
On pose B = (e1 , . . . , e p ), B 0 = ( f1 , f2 , . . . , f n ), A = (ai, j ) = MatB,B 0 ( f ) et X = MatB (x) =
x1 !
x2
..
.
xp
On a
f (x) = f
p
X
j=1
!
x jej
p
X
j=1
x j f (e j ) =
p
X
j=1
xj
n
X
i=1
ai, j f i .
4. CHANGEMENT DE BASES
205
En utilisant la commutativit de K, on a
f (x) =
p
X
!
a1, j x j
f1 + +
j=1
p
X
!
fn.
an, j x j
j=1
Pp
P pj=1
j=1
Pp
j=1
Pp
a x
j=1 1, j j
Pp
f (x) =
j=1
Pp
j=1
a2, j x j
..
.
a1, j x j
a2, j x j
..
.
an, j x j
x1 !
x2
an, j x j
..
.
xp
Exemple 17.
Soient E un K-espace vectoriel de dimension 3 et B = (e1 , e2 , e3 ) une base de E. Soit f lendomorphisme
de E dont la matrice dans la base B est gale
1 2 1
A = MatB ( f ) = 2 3 1 .
1 1 0
On se propose de dterminer le noyau de f et limage de f .
Les lments x de E sont des combinaisons linaires de e1 , e2 et e3 : x = x 1 e1 + x 2 e2 + x 3 e3 . On a
0
x
+
2x
+
x
=
0
1
2
3
2x 1 + 3x 2 + x 3 = 0
x1 + x2
= 0
On rsout ce systme par la mthode du pivot de Gauss. On trouve
Ker f = x 1 e1 + x 2 e2 + x 3 e3 E | x 1 + 2x 2 + x 3 = 0 et x 2 + x 3 = 0
t
1
t
=
| t K = Vect 1
t
Le noyau est donc de dimension 1. Par le thorme du rang, limage Im f est de dimension 2. Les
deux premiers vecteurs
de la matrice A tant linairement indpendants, ils engendrent Im f : Im f =
1 2
Vect 2 , 3
.
1 B
1 B
4. CHANGEMENT DE BASES
206
1
1 =
2
5
2 =
.
4
1 1
=
2 4
On va interprter une matrice de passage comme la matrice associe lapplication identit de E par rapport
des bases bien choisies.
Proposition 11.
La matrice de passage PB,B 0 de la base B vers la base B 0 est la matrice associe lidentit id E : (E, B 0 )
(E, B) o E est lespace de dpart muni de la base B 0 , et E est aussi lespace darrive, mais muni de la base
B:
PB,B 0 = MatB 0 ,B (id E )
Faites bien attention linversion de lordre des bases !
Cette interprtation est un outil fondamental pour ce qui suit. Elle permet dobtenir les rsultats de faon
trs lgante et avec un minimum de calculs.
Dmonstration. On pose B = (e1 , e2 , . . . , en ) et B 0 = (e10 , e20 , . . . , en0 ). On considre
id E
On a id E (e0j ) = e0j =
Pn
i=1 ai, j ei
(E, B 0 ) (E, B)
x 7 id E (x) = x
et MatB 0 ,B (id E ) est la matrice dont la j-me colonne est forme des
a
1, j
a2, j
coordonnes de e0j par rapport B, soit .. . Cette colonne est la j-me colonne de PB,B 0 .
.
an, j
Proposition 12.
1. La matrice de passage dune base B vers une base B 0 est inversible et son inverse est gale la matrice
1
de passage de la base B 0 vers la base B : PB 0 ,B = PB,B 0
2. Si B, B 0 et B 00 sont trois bases, alors PB,B 00 = PB,B 0 PB 0 ,B 00
Dmonstration.
1. On a PB,B 0 = MatB 0 ,B id E . Donc, daprs le thorme 5 caractrisant la matrice dun isomorphisme,
1
1
1
id E
= MatB,B 0 id1
. Or id1
PB,B
0 = MatB 0 ,B
E
E = id E , donc PB,B 0 = MatB,B 0 id E = PB 0 ,B .
207
4. CHANGEMENT DE BASES
id E
Exemple 19.
Soit E = R3 muni de sa base canonique B. Dfinissons
3
0
1
1 , 1 , 2
et
B1 =
1
0
0
Quelle est la matrice de passage de B1 vers B2 ?
On a dabord
1 0
3
PB,B1 = 1 1 2
0 0 1
0
0
1
1 , 1 , 0 .
B2 =
1
0
0
1 0 0
= 1 1 0 .
0 0 1
et
PB,B2
1
La proposition 12 implique que PB,B2 = PB,B1 PB1 ,B2 . Donc on a PB1 ,B2 = PB,B
PB,B2 . En appliquant
1
1
la mthode de Gauss pour calculer PB,B , on trouve alors :
1
1 0
3
1 0 0
PB ,B = 1 1 2 1 1 0
1
0 1
1 0 3
1 0
3
1 0 0
= 1 1 1 1 1 0 = 2 1 1 .
0 0
1
0 0 1
0 0 1
0
Nous allons maintenant tudier leffet dun changement de bases sur les coordonnes dun vecteur.
Soient B = (e1 , e2 , . . . , en ) et B 0 = (e10 , e20 , . . . , en0 ) deux bases dun mme K-espace vectoriel E.
Soit PB,B 0 la matrice de passage de la base B vers la base B 0 .
x1 !
x2
Pn
.
Pour x E, il se dcompose en x = i=1 x i ei dans la base B et on note X = MatB (x) = ..
.
Ce mme x E se dcompose en x =
Pn
i=1
xn B
x0
1
x 20
Proposition 13.
X = PB,B 0 X 0
Notez bien lordre !
Dmonstration. PB,B 0 est la matrice de id E : (E, B 0 ) (E, B). On utilise que x = id E (x) et la proposition
10. On a :
X = MatB (x) = MatB id E (x) = MatB 0 ,B (id E ) MatB 0 (x) = PB,B 0 X 0
4. CHANGEMENT DE BASES
id F
MatBE0 ,BF0 ( f )
MatBF ,BF0 (id F ) MatBE ,BF ( f ) MatBE0 ,BE (id E )
PBF0 ,BF MatBE ,BF ( f ) PBE ,BE0
Q1 AP
Dans le cas particulier dun endomorphisme, nous obtenons une formule plus simple :
Soit f : E E une application linaire.
Soient B, B 0 deux bases de E.
Soit P = PB,B 0 la matrice de passage de B B 0 .
Soit A = MatB ( f ) la matrice de lapplication linaire f dans la base B.
Soit B = MatB 0 ( f ) la matrice de lapplication linaire f dans la base B 0 .
Le thorme 6 devient alors :
Corollaire 3.
B = P 1 AP
Exemple 20.
Reprenons les deux bases de R3 de lexemple 19 :
1
0
3
1 , 1 , 2
B1 =
et
0
0
1
1
0
0
1 , 1 , 0 .
B2 =
0
0
1
1 0 6
A = MatB ( f ) = 2 2 7
1
0
Que vaut la matrice de f dans la base B2 , B = MatB2 ( f ) ?
208
4. CHANGEMENT DE BASES
209
1 0 3
P = PB1 ,B2 = 2 1 1 .
0 0
1
1 0 3
2. On calcule aussi P 1 = 2 1 5 .
0 0 1
3. On applique la formule du changement de base du corollaire 3 :
1 0 0
1 0 3
1 0 6
1 0 3
B = P 1 AP = 2 1 5 2 2 7 2 1 1 = 0 2 0
0 0 3
0 0
1
0 0 3
0 0 1
Cest souvent lintrt des changements de base, se ramener une matrice plus simple. Par exemple ici, il
est facile de calculer les puissances B k , pour en dduire les Ak .
3
2
1
R3 et
4. CHANGEMENT DE BASES
210
Auteurs du chapitre
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun
cours de H. Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
rcrit et complt par Arnaud Bodin. Relu par Vianney Combet.
Chapitre
Dterminants
Vido
Vido
Vido
Vido
Vido
Fiche
13
Le dterminant est un nombre que lon associe n vecteurs (v1 , . . . , vn ) de Rn . Il correspond au volume
du paralllpipde engendr par ces n vecteurs. On peut aussi dfinir le dterminant dune matrice A. Le
dterminant permet de savoir si une matrice est inversible ou pas, et de faon plus gnrale, joue un rle
important dans le calcul matriciel et la rsolution de systmes linaires.
Dans tout ce qui suit, nous considrons des matrices coefficients dans un corps commutatif K, les principaux
exemples tant K = R ou K = C. Nous commenons par donner lexpression du dterminant dune matrice
en petites dimensions.
1. Dterminant en dimension 2 et 3
1.1. Matrice 2 2
En dimension 2, le dterminant est trs simple calculer :
a b
det
= ad bc.
c d
Cest donc le produit des lments sur la diagonale principale (en bleu) moins le produit des lments sur
lautre diagonale (en orange).
DTERMINANTS
1.2. Matrice 3 3
Soit A M3 (K) une matrice 3 3 :
a11
A = a21
a31
a13
a23 .
a33
a12
a22
a32
a11
a12
a13
a11
a12
a21
a22
a23
a21
a22
a31
a32
a33
a31
a32
a11
a12
a13
a11
a12
a21
a22
a23
a21
a22
a31
a32
a33
a31
a32
Exemple 1.
2 1 0
Calculons le dterminant de la matrice A = 1 1 3.
3 2 1
Par la rgle de Sarrus :
det A = 2 (1) 1 + 1 3 3 + 0 1 2
3 (1) 0 2 3 2 1 1 1 = 6.
Attention : cette mthode ne sapplique pas pour les matrices de taille suprieure 3. Nous verrons dautres
mthodes qui sappliquent aux matrices carres de toute taille et donc aussi aux matrices 3 3.
v1
~i
DTERMINANTS
Proposition 1.
Laire du paralllogramme est donne par la valeur absolue du dterminant :
a b
A = det(v1 , v2 ) = det
.
c d
De manire similaire, trois vecteurs de lespace R3 :
a12
a11
v2 = a22
v1 = a21
a32
a31
a13
v3 = a23
a33
dfinissent un paralllpipde.
v3
v2
v1
partir de ces trois vecteurs on dfinit, en juxtaposant les colonnes, une matrice et un dterminant :
v2
~j
v1
O
~i
Si les vecteurs v1 et v2 sont colinaires alors le paralllogramme est aplati, donc daire nulle ; on calcule
facilement que lorsque deux vecteurs sont colinaires, leur dterminant est nul.
Dans la suite on suppose que les vecteurs ne sont pas colinaires. Notons v1 = ( ac ) et v2 = db . Si a 6= 0,
0
alors v20 = v2 ab v1 est un vecteur vertical : v20 = d b c .
a
Lopration de remplacer v2 par v20 ne change pas laire du paralllogramme (cest comme si on avait coup
le triangle vert et on lavait coll la place le triangle bleu).
DTERMINANTS
v20
v2
~j
O
v1
~i
v20
~j
O
v1
~i
v10
On sest donc ramen au premier cas dun rectangle aux cts parallles aux axes, pour lequel le rsultat est
dj acquis.
Le cas tridimensionnel se traite de faon analogue.
Mini-exercices.
1 2
7
1. Pour A =
et B =
5 3
9
a
2. Mmes questions pour A =
c
2
3. Mmes questions pour A = 2
3
8
calculer les dterminants de A, B, A B, A + B, A1 , A, AT .
5
0
b
a 0
et B = 0
.
d
c d0
0 1
1 2 3
1 2 et B = 0 2 2.
1 0
0 0 3
4. Calculer laire du paralllogramme dfini par les vecteurs 73 et 14 .
2 1 1
5. Calculer le volume du paralllpipde dfini par les vecteurs 1 , 1 , 3 .
1
DTERMINANTS
2. DFINITION DU DTERMINANT
215
2. Dfinition du dterminant
Cette partie est consacre la dfinition du dterminant. La dfinition du dterminant est assez abstraite et
il faudra attendre encore un peu pour pouvoir vraiment calculer des dterminants.
n1
a12
a22
..
.
a1n
a2n
..
.
an2 ann
nj
a1n
..
.
ain
..
.
ann
a11 a10 j
a1n
..
..
..
.
.
.
ain + ai1 ai0 j
.
..
..
..
.
.
ann
an1 an0 j
Exemple 2.
6
6
1
4
5
4
7 10 3 = 5 7 2 3
12 5 1
12 25 1
Car la seconde colonne est un multiple de 5.
a1n
..
.
ain .
..
.
a
nn
DTERMINANTS
2. DFINITION DU DTERMINANT
216
3 2
4 3 2 3
4 3 3 2
7 5 3 2 = 7 5 3 7 5 2
9 2 10 4 9 2 10 9 2 4
Par linarit sur la troisime colonne.
Remarque.
Une application de Mn (K) dans K qui satisfait la proprit (i) est appele forme multilinaire.
Si elle satisfait (ii), on dit quelle est alterne.
Le dterminant est donc la seule forme multilinaire alterne qui prend comme valeur 1 sur la matrice I n .
Les autres formes multilinaires alternes sont les multiples scalaires du dterminant. On verra plus loin
comment on peut calculer en pratique les dterminants.
DTERMINANTS
2. DFINITION DU DTERMINANT
217
Dun autre ct, nous pouvons dvelopper ce dterminant en utilisant la proprit (i) de multilinarit,
cest--dire linarit par rapport chaque colonne. Ceci donne
0 = det B = det C1 Ci + C j C j + Ci Cn
= det C1 Ci C j + Ci Cn
+ det C1 C j C j + Ci Cn
= det C1 Ci C j Cn
+ det C1 Ci Ci Cn
+ det C1 C j C j Cn
+ det C1 C j Ci Cn
= det A + 0 + 0 + det A0 ,
encore grce (i) pour les deux dterminants nuls du milieu.
Corollaire 1.
Si une colonne Ci de la matrice A est combinaison linaire des autres colonnes, alors det A = 0.
Dmonstration. On traite le cas des matrices triangulaires suprieures (le cas des matrices triangulaires
infrieures est identique). Soit donc
0 a33 a3n
A= 0
.
.
..
..
..
.
.
.
.
.
.
.
.
0
ann
DTERMINANTS
2. DFINITION DU DTERMINANT
218
La faon de procder utilise lalgorithme du pivot de Gauss (sur les colonnes, alors quil est en gnral dfini
sur les lignes). Par linarit par rapport la premire colonne, on a
1 a12 a13 a1n
0 a22 a23 a2n
det A = a11 0 0 a33 a3n .
.
..
..
..
..
..
.
.
.
.
0 0
0 a
nn
On soustrait maintenant de chaque colonne C j , pour j > 2, la colonne C1 multiplie par a1 j . Cest lopration
lmentaire C j C j a1 j C1 . Ceci ne modifie pas le dterminant daprs la section prcdente. Il vient donc
1 0
0 0
0 a22 a23 a2n
0 0 a
a
33
3n .
det A = a11
.
..
..
..
..
..
.
.
.
.
0 0
0 a
nn
0
a2n
a3n ,
..
..
.
.
a
nn
et lon continue ainsi jusqu avoir parcouru toutes les colonnes de la matrice. Au bout de n tapes, on a
obtenu
1 0 0 0
0 1 0 0
det A = a11 a22 a33 ann 0 0 1 0 = a11 a22 a33 ann det I n ,
. . . .
. . ...
.. .. ..
0 0 0 1
do le rsultat, car det I n = 1, par (iii).
DTERMINANTS
2. DFINITION DU DTERMINANT
219
Formule de rcurrence. Si A = (ai, j ) est une matrice carre de taille n n, alors pour tout i fix
det A = (1)i+1 ai,1 det Ai,1 + (1)i+2 ai,2 det Ai,2 + + (1)i+n ai,n det Ai,n .
Dmonstration. La preuve se fait par rcurrence sur lordre des matrices.
Initialisation. Dans le cas n = 1, il est vident que toutes les proprits souhaites sont satisfaites.
Hrdit. Supposons maintenant que lapplication det : Mn1 (K) K soit dfinie et satisfasse les proprits
(i), (ii) et (iii). Pour faciliter lexposition, la preuve va tre faite pour i = n. Soit A = (ai, j ) note aussi
a1, j
a1, j
.
..
A = (C1 Cn ) o C j =
est la j-me colonne de A. On notera aussi C j =
la colonne (n 1)
..
.
an, j
an1, j
n,n
j < n, An, j , A0n, j , A00n, j ont leurs (n 2) premires colonnes identiques, et diffrent par la dernire. Comme
ce sont des dterminants de taille n 1, on peut utiliser lhypothse de rcurrence :
det An, j
(1)n+1 an,1 det An,1 + (1)n+2 an,2 det A1,2 + + (1)n+n an,n det An,n
!
n1
X
(1)n+ j an, j det An, j + (1)2n an,n det An,n
j=1
!
n1
X
0
00
(1)n+ j an, j ( det A0n, j + det A00n, j ) + (1)2n (an,n
+ an,n
) det An,n
j=1
n
n
X
X
0
0
00
00
(1)n+ j an,
det
A
+
(1)n+ j an,
j
n, j
j det An, j
j=1
j=1
0
00
det A + det A
La dmonstration est similaire pour les autres colonnes (on peut aussi utiliser la proprit (ii) ci-dessous).
Proprit
(ii).
Supposons que C r = Cs pour r < s. Si k est diffrent de r et de s, la matrice An,k possde encore deux
colonnes identiques Cr et Cs . Par hypothse de rcurrence, det An,k = 0. Par consquent,
det A = (1)n+r det An,r + (1)n+s det An,s
Or An,r et An,s possdent toutes les deux les mmes colonnes : An,r = (C1 Cr1 Cr+1 Cs Cn ) et
An,s = (C1 Cr Cs1 Cs+1 Cn ), car Cr = Cs . Pour passer de An,s An,r , il faut faire s r 1 changes
DTERMINANTS
3. PROPRITS DU DTERMINANT
220
de colonnes C j C j+1 successifs, qui par hypothse de rcurrence changent le signe par (1)sr1 :
det An,s = (1)sr1 det An,r . On conclut immdiatement que
det A = (1)n+r + (1)n+2sr1 det An,r = 0 .
Proprit (iii). Si lon considre pour A la matrice identit I n , ses coefficients ai, j sont tels que :
i = j = ai, j = 1
i 6= j = ai, j = 0.
Donc det I n = (1)n+n det An,n . Or, la matrice An,n obtenue partir de la matrice identit en supprimant
la dernire ligne et la dernire colonne est la matrice identit de taille (n 1) (n 1). Par hypothse
de rcurrence, on a det I n1 = 1. On en dduit det I n = 1.
Conclusion. Le principe de rcurrence termine la preuve du thorme dexistence du dterminant.
Remarque.
La dfinition donne ci-dessus suppose le choix dun indice i de ligne (i = n dans la dmonstration) et
peut paratre arbitraire. Alors se pose naturellement la question : que se passe-t-il si lon prend une autre
valeur de i ? Lunicit du dterminant dune matrice permet de rpondre : quelle que soit la ligne choisie, le
rsultat est le mme.
Mini-exercices.
1. En utilisant la linarit du dterminant, calculer det (I n ).
2. Pour A Mn (K), calculer det(A) en fonction de det A.
3. Montrer que le dterminant reste invariant par lopration Ci Ci +
colonne de A une combinaison linaire des autres colonnes de A).
j=1..n j C j
j6=i
3. Proprits du dterminant
Nous allons voir trois proprits importantes du dterminant : le dterminant dun produit de matrices, le
dterminant de linverse dune matrice, le dterminant de la transpose dune matrice. Pour prouver ces
proprits, nous aurons besoin des matrices lmentaires.
.
.
..
..
1
1
0
1
1
..
.
..
ECi Ci +C j =
ECi C j =
.
..
1
.
1
0
1
..
..
.
.
1
1
DTERMINANTS
3. PROPRITS DU DTERMINANT
221
Nous allons dtailler le cas de chaque opration et son effet sur le dterminant :
Proposition 5.
1. det ECi Ci =
2. det ECi Ci +C j = +1
3. det ECi C j = 1
4. Si E est une des matrices lmentaires ci-dessus, det (A E) = det A det E
Cette proposition nous permet de calculer le dterminant dune matrice A de faon relativement simple, en
utilisant lalgorithme de Gauss. En effet, si en multipliant successivement A par des matrices lmentaires
E1 , . . . , E r on obtient une matrice T chelonne, donc triangulaire
T = A E1 E r
alors, en appliquant r-fois la proposition prcdente, on obtient :
det T
=
=
=
=
det(A E1 E r )
det(A E1 E r1 ) det E r
Comme on sait calculer le dterminant de la matrice triangulaire T et les dterminants des matrices
lmentaires Ei , on en dduit le dterminant de A.
En pratique cela ce passe comme sur lexemple suivant.
Exemple 3.
0 3 2
Calculer det A, o A = 1 6 6
5 9 1
DTERMINANTS
3. PROPRITS DU DTERMINANT
222
0 3 2
det A = det 1 6 6
5 9 1
(opration C1 C2 pour avoir un pivot en haut gauche)
3 0 2
= (1) det 6 1 6
9 5 1
1
(C1 3 C1 , linarit par rapport la premire colonne)
1 0 2
= (1) 3 det 2 1 6
3 5 1
1 0 0
C3 C3 2C1
= (1) 3 det 2 1 10
3 5 5
1 0
0
0
C3 C3 10C2
= (1) 3 det 2 1
3 5 55
= (1) 3 (55)
car la matrice est triangulaire
= 165
Dmonstration. La preuve utilise les matrices lmentaires ; en effet, par la proposition 5, pour A une matrice
quelconque et E une matrice dune opration lmentaire alors :
det(A E) = det A det E.
Passons maintenant la dmonstration du thorme. On a vu dans le chapitre Matrices quune matrice B
est inversible si et seulement si sa forme chelonne rduite par le pivot de Gauss est gale I n , cest--dire
quil existe des matrices lmentaires Ei telles que
BE1 E r = I n .
Daprs la remarque prliminaire applique r fois, on a
det(B E1 E2 E r ) = det B det E1 det E2 det E r = det I n = 1
On en dduit
det B =
det E1 det E r
1
= det A det B.
det E1 det E r
DTERMINANTS
3. PROPRITS DU DTERMINANT
223
1
det A
Dmonstration.
Si A est inversible, il existe une matrice A1 telle que AA1 = I n , donc det(A) det(A1 ) = det I n = 1. On
en dduit que det A est non nul et det(A1 ) = det1 A .
Si A nest pas inversible, alors elle est de rang strictement infrieur n. Il existe donc une relation de
dpendance linaire entre ses colonnes, cest--dire quau moins lune de ses colonnes est combinaison
linaire des autres. On en dduit det A = 0.
Exemple 4.
Deux matrices semblables ont mme dterminant.
En effet : soit B = P 1 AP avec P G L n (K) une matrice inversible. Par multiplicativit du dterminant, on
en dduit que :
det B = det(P 1 AP) = det P 1 det Adet P = det A,
puisque det P 1 =
1
det P .
det AT = det A
Dmonstration. Commenons par remarquer que la matrice E dune opration lmentaire est soit triangulaire (substitution), soit symtrique cest--dire gale sa transpose (change de lignes et homothtie). On
vrifie facilement que det E T = det E.
Supposons dabord que A soit inversible. On peut alors lcrire comme produit de matrices lmentaires,
A = E1 E r . On a alors
AT = E rT E1T
et
det(AT ) = det(E rT ) det(E1T ) = det(E r ) det(E1 ) = det(A).
DTERMINANTS
4. CALCULS DE DTERMINANTS
224
Dautre part, si A nest pas inversible, alors AT nest pas inversible non plus, et det A = 0 = det AT .
Remarque.
Une consquence du dernier rsultat, est que par transposition, tout ce que lon a dit des dterminants
propos des colonnes est vrai pour les lignes. Ainsi, le dterminant est multilinaire par rapport aux lignes, si
une matrice a deux lignes gales, son dterminant est nul, on ne modifie pas un dterminant en ajoutant
une ligne une combinaison linaire des autres lignes, etc.
a 1
1. Soient A = 0 b
0 0
matrices A, B, A1 ,
3
1 0 2
2 et B = 0 d 0. Calculer, lorsque cest possible, les dterminants des
c
2 0 1
1
T
T
B , A , B , AB, BA.
2. Calculer le dterminant de chacune des matrices suivantes en se ramenant par des oprations lmentaires une matrice triangulaire.
1 2 4
8
1 0 6
1 1 1
1 3 9
2i
27
a b
3 4 15 1 j j 2 avec j = e 3
1 4 16 64
c d
2
5 6 21
1 j
j
1 5 25 125
4. Calculs de dterminants
Une des techniques les plus utiles pour calculer un dterminant est le dveloppement par rapport une
ligne (ou une colonne) .
4.1. Cofacteur
Dfinition 1.
Soit A = ai j Mn (K) une matrice carre.
On note Ai j la matrice extraite, obtenue en effaant la ligne i et la colonne j de A.
Le nombre det Ai j est un mineur dordre n 1 de la matrice A.
Le nombre Ci j = (1)i+ j det Ai j est le cofacteur de A relatif au coefficient ai j .
DTERMINANTS
4. CALCULS DE DTERMINANTS
a11
..
.
a
i1,1
a
A=
i,1
a
i+1,1
..
.
an1
ai, j
ai, j+1
..
.
an, j
a1,1 . . . a1, j1
..
..
.
.
ai1,1 . . . ai1, j1
Ai j =
a
i+1,1 . . . ai+1, j1
.
..
..
.
an,1 . . . an, j1
an, j+1
a1, j+1
..
.
ai1, j+1
ai+1, j+1
an, j+1
225
. . . a1n
..
. . . ai1,n
. . . ai,n
. . . ai+1,n
..
.
. . . ann
a1,n
..
.
. . . ai1,n
. . . ai+1,n
..
.
...
...
an,n
Exemple5.
1 2 3
Soit A = 4 2 1. Calculons A11 , C11 , A32 , C32 .
0 1 1
A11 =
2 1
1 1
A32 =
1 3
4 1
Pour dterminer si Ci j = + det Ai j ou Ci j = det Ai j , on peut se souvenir que lon associe des signes en
suivant le schma dun chiquier :
+ + ...
+ + . . .
A = + + . . .
.. .. .. ..
. . . .
Donc C11 = + det A11 , C12 = det A12 , C21 = det A21 ...
DTERMINANTS
4. CALCULS DE DTERMINANTS
226
j=1
i=1
Dmonstration. Nous avons dj dmontr la formule de dveloppement suivant une ligne lors de la
dmonstration du thorme 1 dexistence et dunicit du dterminant. Comme det A = det AT , on en dduit
la formule de dveloppement par rapport une colonne.
Exemple 6.
Retrouvons la formule des dterminants 3 3, dj prsente par la rgle de Sarrus, en dveloppement par
rapport la premire ligne.
a11
a
21
a
31
a12
a22
a32
a13
a23 = a11 C11 + a12 C12 + a13 C13
a33
a22 a23
a21 a23
a21 a22
= a11
a12
+ a13
a32 a33
a31 a33
a31 a32
= a11 (a22 a33 a32 a23 ) a12 (a21 a33 a31 a23 )
+ a13 (a21 a32 a31 a22 )
= a11 a22 a33 a11 a32 a23 + a12 a31 a23 a12 a21 a33
+ a13 a21 a32 a13 a31 a22 .
4.3. Exemple
Exemple 7.
4
4
A=
0
1
0
2
3
0
3 1
1 0
1 1
2 3
DTERMINANTS
4. CALCULS DE DTERMINANTS
227
On choisit de dvelopper par rapport la seconde colonne (car cest l quil y a le plus de zros) :
det A = 0C12 + 2C22 + 3C32 + 0C42
(dveloppement par rapport la deuxime colonne)
4 3 1
4 3 1
= +2 0 1 1 3 4 1 0
1 2 3
1 2 3
on noublie pas les signes des cofacteurs et on recommence
en dveloppant chacun de ces deux dterminants 3 3
3 1
3 1
1 1
+ 1
0
= +2 +4
1 1
2 3
2 3
(par rapport la premire colonne)
4 3
4 1
3 1
+ 1
3 4
1 3 0 1 2
2 3
(par rapport la deuxime ligne)
= +2 + 4 5 0 + 1 (4) 3 4 7 + 1 11 0
= 83
Remarque.
Le dveloppement par rapport une ligne permet de ramener le calcul dun dterminant n n celui de
n dterminants (n 1) (n 1). Par rcurrence descendante, on se ramne ainsi au calcul de n! sousdterminants, ce qui devient vite fastidieux. Cest pourquoi le dveloppement par rapport une ligne ou une
colonne nest utile pour calculer explicitement un dterminant que si la matrice de dpart a beaucoup de
zros. On commence donc souvent par faire apparatre un maximum de zros par des oprations lmentaires
sur les lignes et/ou les colonnes qui ne modifient pas le dterminant, avant de dvelopper le dterminant
suivant la ligne ou la colonne qui a le plus de zros.
21 C22 C2n
C = (Ci j ) = .
.
.
..
..
..
Cn1
Cn2 Cnn
Thorme 5.
Soient A une matrice inversible, et C sa comatrice. On a alors
A1 =
1
CT
det A
Exemple8.
1 1 0
Soit A = 0 1 1 . Le calcul donne que det A = 2. La comatrice C sobtient en calculant 9 dterminants
1 0 1
DTERMINANTS
4. CALCULS DE DTERMINANTS
1
1 1
1 et donc
C = 1 1
1 1 1
228
1 1 1
1
1
1 1
A1 =
CT = 1
det A
2
1 1
1
P
Dmonstration. Le terme de position (i, j) dans AC T est k aik C jk , et donc si i = j, le rsultat dcoule de
la formule de dveloppement par rapport la ligne i.
Pour le cas i =
6 j, imaginons que lon remplace A par une matrice A0 = (ai0 j ) identique, si ce nest que la ligne
L j est remplace par la ligne L i , autrement dit a0jk = aik pour tout k. De plus, comme A0 possde deux lignes
identiques, son dterminant est nul. On appelle C 0 la comatrice de A0 , et la formule de dveloppement pour
la ligne j de A0 donne
X
X
0 = det A0 =
0
a0jk C jk
=
0
aik C jk
0
Or, C jk
se calcule partir de la matrice extraite A0jk , qui ne contient que les lments de A0 sur les lignes
diffrentes de j et colonnes diffrents de k. Mais sur les lignes diffrentes de j, A0 est identique A, donc
P
0
C jk
= C jk . On conclut que k aik C jk = 0.
Finalement,
det A
0
...
0
..
0
det A
.
T
= det A I
AC = .
.
.
.
.
.
0
0
...
0 det A
et en particulier, si det A 6= 0, cest--dire si A est inversible, alors on a
1
A1 =
CT .
det A
Mini-exercices.
2 0 2
t 0 t
1. Soient A = 0 1 1 et B = 0 t 0. Calculer les matrices extraites, les mineurs dordre 2
2 0 0
t 0 t
et les cofacteurs de chacune des matrices A et B. En dduire le dterminant de A et de B. En dduire
linverse de A et de B lorsque cest possible.
2. Par dveloppement suivant une ligne (ou une colonne) bien choisie, calculer les dterminants :
1 0 1 2
t 0 1 0
0 0 0 1
1 t 0 0
1 1 1 0
0 1 t 0
0 0 0 1
0 0 0 t
3. En utilisant la formule de dveloppement par rapport une ligne, recalculer le dterminant dune
matrice triangulaire.
DTERMINANTS
229
21 a22 a2n
x2
A= .
X = .
Mn (K),
.
.
..
..
..
..
an1 an2 ann
xn
Dfinissons la matrice A j Mn (K) par
a11
a
21
Aj = .
..
B=
et
. . . a1, j1
. . . a2, j1
..
.
b1
b2
..
.
a1, j+1
a2, j+1
..
.
. . . a1n
. . . a2n
..
.
an1 . . . an, j1
bn
b1
b2
..
.
bn
Autrement dit, A j est la matrice obtenue en remplaant la j-me colonne de A par le second membre B. La
rgle de Cramer va nous permettre de calculer la solution du systme dans le cas o det A 6= 0 en fonction
des dterminants des matrices A et A j .
Thorme 6 (Rgle de Cramer).
Soit
AX = B
un systme de n quations n inconnues. Supposons que det A 6= 0. Alors lunique solution (x 1 , x 2 , . . . , x n )
du systme est donne par :
det An
det A1
det A2
x1 =
x2 =
...
xn =
.
det A
det A
det A
Dmonstration. Nous avons suppos que det A 6= 0. Donc A est inversible. Alors X = A1 B est lunique
solution du systme. Dautre part, nous avons vu que A1 = det1 A C T o C est la comatrice. Donc X = det1 A C T B.
En dveloppant,
x1
C11 . . . Cn1
C11 b1 + C21 b2 + + Cn1 bn
b1
1 .
1
.
.. ..
..
X = .. =
..
. . =
.
det A
det A
C1n . . . Cnn
bn
C1n b1 + C2n b2 + + Cnn bn
xn
Cest--dire
C11 b1 + + Cn1 bn
C1i b1 + + Cni bn
C1n b1 + + Cnn bn
, xi =
, xn =
det A
det A
det A
Mais b1 C1i + + bn Cni est le dveloppement en cofacteurs de det Ai par rapport sa i-me colonne. Donc
det Ai
xi =
det A
x1 =
DTERMINANTS
230
Exemple 9.
Rsolvons le systme suivant :
x1
+ 2x 3 = 6
3x 1 + 4x 2 + 6x 3 = 30
x 1 2x 2 + 3x 3 = 8.
On a
1
0 2
4 6
B=
A = 3
1 2 3
1 6 2
6
0 2
4 6
A2 = 3 30 6
A1 = 30
1 8 3
8 2 3
6
30
8
1
0 6
4 30
A3 = 3
1 2 8
et
det A = 44
det A1 = 40
x2 =
det A2 = 72
det A2
72 18
=
=
det A
44 11
det A3 = 152.
x3 =
det A3
152 38
=
=
det A
44
11
La mthode de Cramer nest pas la mthode la plus efficace pour rsoudre un systme, mais est utile si le
systme contient des paramtres.
a11
a
21
.
..
a12
a
22
.
..
a1n
a
2n
.
..
an1
an2
forme une base si et seulement si det (ai j ) 6= 0.
Exemple 10.
Pour quelles valeurs de a, b R les vecteurs
0
a
b
ann
a
b
b
0
DTERMINANTS
231
rg(v1 , v2 , . . . , vn ) = n
rg A = n
A est inversible
det A 6= 0
1 2 3 4
A = 1 0 1 7
0 1 6 5
Un mineur dordre 1 est simplement un coefficient de la matrice A.
Un mineur dordre 2 est le dterminant dune matrice 2 2 extraite deA. Parexemple en ne retenant
2 4
que la ligne 1 et 3 et la colonne 2 et 4, on obtient la matrice extraite
. Donc un des mineurs
1 5
2 4
= 6.
dordre 2 de A est
1 5
Un mineur dordre 3 est le dterminant dune matrice 3 3 extraite de A. Par exemple, en ne retenant
que les colonnes 1, 3 et 4 on obtient le mineur
1 3 4
1 1 7 = 28
0 6 5
Il ny a pas de mineur dordre 4 (car la matrice na que 3 lignes).
DTERMINANTS
232
Thorme 8.
Le rang dune matrice A Mn,p (K) est le plus grand entier r tel quil existe un mineur dordre r extrait de A
non nul.
La preuve sera vue en section 5.6.
Exemple 12.
Soit un paramtre rel. Calculons le rang de la matrice A M3,4 (R) :
1 1 2 1
A = 1 2 3 1
1 1 1
Clairement, le rang ne peut pas tre gal 4, puisque 4 vecteurs de R3 ne sauraient tre indpendants.
On obtient les mineurs dordre 3 de A en supprimant une colonne. Calculons le mineur dordre 3 obtenu
en supprimant la premire colonne, en le dveloppant par rapport sa premire colonne :
1 2 1
3 1
2 1 2 1
2 3 1 =
1 2 1 + 3 1 = 2 .
1 1
Par consquent, si 6= 2, le mineur prcdent est non nul et le rang de la matrice A est 3.
Si = 2, on vrifie que les 4 mineurs dordre 3 de A sont nuls :
1 2 1 1 2 1 1 1 1 1 1 2
2 3 1 = 1 3 1 = 1 2 1 = 1 2 3 = 0
1 2 1 1 2 1 1 1 1 1 1 2
1 1
= 1 (lignes 1, 2, colonnes 1, 2 de A) est
Donc dans ce cas, A est de rang infrieur ou gal 2. Or
1 2
un mineur dordre 2 non nul. Donc si = 2 , le rang de A est 2.
Dmonstration. Les mineurs de AT sont obtenus partir des mineurs de A par transposition. Comme les
dterminants dune matrice et de sa transpose sont gaux, la proposition dcoule de la caractrisation du
rang dune matrice laide des mineurs (thorme 8).
DTERMINANTS
233
a1,1 . . . a1,p 0 . . . 0
..
..
.. . .
.
..
.
.
. ..
.
.
.
..
.. . .
..
..
.
. ..
.
.
.
P = a p,1 . . . a p,p 0 . . . 0
a
.
.
.
a
1
.
.
.
0
p+1,1
p+1,p
..
..
.. . .
..
..
.
.
.
.
.
.
an,1
...
an,p
0 ... 1
Le dterminant det P est non nul puisque les vecteurs (v1 , . . . , vp , e p+1 , . . . , en ) forment une base de E.
Or ce dterminant se calcule en dveloppant par rapport aux dernires colonnes autant de fois que
ncessaire (soit n p fois). Et lon trouve que
a1,1 . . . a1,p
.
..
..
det P = ..
.
.
a
p,1 . . . a p,p
a1,1 . . . a1,p
..
..
.
.
Le mineur .
.
. est donc non nul.
a
... a
p,1
p,p
Montrons maintenant la rciproque. Supposons que le mineur correspondant aux lignes i1 , i2 , . . . , i p soit
non nul. Autrement dit, la matrice
ai1 ,1 . . . ai1 ,p
.
..
..
B = ..
.
.
satisfait det B 6= 0. Supposons aussi
aip ,1 . . . aip ,p
1 v1 + + p vp = 0
En exprimant chaque vi dans la base (e1 , . . . , en ), on voit aisment que cette relation quivaut au systme
suivant n lignes et p inconnues :
a1,1 1 + . . . + a1,p p = 0
a + . . . + a = 0
2,1 1
2,p p
..
..
..
..
..
.. ..
.
.
.
.
.
. .
an,1 1 + . . . + an,p p = 0
Ce qui implique, en ne retenant que les lignes i1 , . . . , i p :
ai1 ,1 1 + . . . + ai1 ,p p
a + . . . + a
i2 ,1 1
i2 ,p p
..
..
..
..
..
.
.
.
.
.
a + . . . + a
i p ,1 1
i p ,p p
ce qui scrit matriciellement
1
.
B .. = 0.
p
= 0
= 0
.. ..
. .
= 0
DTERMINANTS
234
y + tz
= 1
= 2
= 3
3a
2a
a
1 , 1 , 1
b
2b
1 2 b
0 a 1
1 0 2
1 2 1
Auteurs du chapitre
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun
cours de H. Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale de
Lausanne,
rcrit et complt par Arnaud Bodin, Niels Borne. Relu par Laura Desideri et Pascal Romon.
Les auteurs
Ce livre, orchestr par lquipe Exo7, est issu dun large travail collectif. Les auteurs sont :
Arnaud Bodin
Marc Bourdon
Benjamin Boutin
Sophie Chemla
Guoting Chen
Pascal Romon
Eva Bayer-Fluckiger
Philippe Chabloz
Lara Thomas
Vous retrouverez les auteurs correspondant chaque partie en fin de chapitre. Soulignons que pour lalgbre
linaire ce cours est en grande partie bas dune part, sur un cours de Eva Bayer-Fluckiger, Philippe Chabloz,
Lara Thomas et dautre part sur un cours de Sophie Chemla, reprenant des parties de cours de H. Ledret et
dune quipe anime par J. Queyrut.
Lquipe Exo7 est compose dArnaud Bodin, La Blanc-Centi, Niels Borne, Benjamin Boutin, Laura Desideri
et Pascal Romon. Nous remercions toutes les personnes qui ont permis laboutissement de ce livre. En
particulier, Vianney Combet a t un relecteur attentif, ainsi que Stphanie Bodin. Kroum Tzanev a ralis
la trs belle composition de ce livre, Yannick Bonnaz en a cr la couverture.
Le cours et les vidos ont t financs par luniversit de Lille 1 et Unisciel. Ce livre est diffus sous la licence
Creative Commons BY-NC-SA 3.0 FR. Sur le site Exo7 vous pouvez le tlcharger gratuitement et aussi
rcuprer les fichiers sources.
Exo7
Index
Cnk , 24
E \ A, 12
, 3
= , 3
n
k , 24
, 13
, 12
, 12
!, 6
, 5
, 4
, 12
P (E), 12
,
/ 12
, 152
, 12
, 12
n!, 23
absurde, 7
affixe, 42
algorithme dEuclide, 47, 63
antcdent, 17
application, 15
application linaire, 126, 132, 156
image, 161
noyau, 162
argument, 38
assertion, 2
associativit, 71
automorphisme, 165
base, 173
base canonique, 134, 174, 175
bijection, 19
bijection rciproque, 19
cardinal, 20
classe dquivalence, 28
coefficients de Bzout, 48
cofacteur, 224
comatrice, 227
combinaison linaire, 147, 167
commutatif, 72
complmentaire, 12
composition, 15
congruence, 54
conjugu, 34
contraposition, 7
contre-exemple, 8
coordonnes, 173
crible dEratosthne, 52
cycle, 85
degr, 59
dterminant, 74, 89, 211, 215
dveloppement, 41
diagonale, 100, 119
dimension, 178
disjonction, 7
divisibilit, 45, 61
division euclidienne, 46, 62
droite vectorielle, 155, 183
lment neutre, 72, 138
lment simple, 69
endomorphisme, 158
ensemble, 12
ensemble vide, 12
quation linaire, 87, 91
quivalence, 3
espace vectoriel, 125, 137
dimension, 178
et logique, 2
exponentielle complexe, 39
factorielle, 23
famille
gnratrice, 171
libre, 167
lie, 167
linairement indpendante, 167
rang, 187
fonction, 15
formule
dEuler, 40
de changement de base, 208
de Moivre, 39
du binme de Newton, 25, 105
fraction rationnelle, 68
graphe, 15
groupe, 71
cyclique, 81
hrdit, 8
homothtie, 129, 159
hyperplan, 183
identit, 15, 157
image, 79, 161
image directe, 16
image rciproque, 16
implication, 3
inclusion, 12
ingalit triangulaire, 34
injection, 17
intersection, 13
irrductibilit, 66
isomorphisme, 78, 165, 196
lemme
dEuclide, 53, 67
de Gauss, 49, 64
linarisation, 41
logique, 2
loi de composition, 71
matrice, 74, 99
antisymtrique, 120
carre, 100
dune application linaire, 127, 199
de passage, 205
diagonale, 117
chelonne, 112, 188
lmentaire, 111
identit, 104
rang
dune application linaire, 193
dune famille, 187
dune matrice, 188, 231
rcurrence, 8
rductibilit, 67
rflexion, 127, 131
rflexivit, 27
rgle
de Cramer, 89, 229
de Sarrus, 212
relation dquivalence, 27
reprsentant, 28
reste, 46, 62
rotation, 129
scalaire, 124, 139
second membre, 91
somme directe, 152
sous-ensemble, 12
sous-espace vectoriel, 144
dimension, 182
engendr, 154, 171
intersection, 149
somme, 150
somme directe, 152
supplmentaire, 152
sous-groupe, 76
engendr, 77
trivial, 76
substitution, 88
support, 85
surjection, 17
symbole de Kronecker, 104
symtrie, 27
symtrie centrale, 158
systme
chelonn, 93
quivalent, 92
homogne, 92, 96
incompatible, 92
linaire, 91
rduit, 93
table de vrit, 2
thorme
de Fermat (petit), 57
de Bzout, 48, 64
de dAlembertGauss, 37
des quatre dimensions, 184
du rang, 194
trace, 119
transitivit, 27
transpose, 118
transposition, 85
triangle de Pascal, 25
union, 12
vecteur, 139
colinaire, 147
colonne, 125
ligne, 125
nul, 124, 139