Vous êtes sur la page 1sur 402

Arithmétique dans Z

I. Divisibilité

1°) Divisibilité dans Z


Déf : Soit a ,b ∈ ℤ . On dit que a divise b ssi ∃k ∈ ℤ tel que b = ak .
On note alors a | b et on dit que a est un diviseur de b et que b est un multiple de a .
Prop : ∀a ,b ∈ ℤ, a | b ⇒ (−a ) | b ,a | (−b ) et (−a ) | (−b ) .
Prop : ∀a ,b ∈ ℤ avec b ≠ 0 . a | b ⇒ a ≤ b .
Déf : Pour a ∈ ℤ on note Div(a ) l’ensemble des diviseurs de a et Mul(a ) l’ensemble des multiples de a .
Ainsi : Div(a ) = {k ∈ ℤ / k | a } et Mul(a ) = {ak / k ∈ ℤ} (aussi noté a ℤ ).

Prop : a | b et b | c ⇒ a | c , a | b et b | a ⇒ a = b ,
a | b et a | c ⇒ a | (b + c ) , a | b et c | d ⇒ ac | bd ,
a | b ⇒ ∀p ∈ ℕ, a p | b p .

2°) Division euclidienne


Théorème :
a = bq + r
∀a ∈ ℤ, ∀b ∈ ℕ ∗ , ∃!(q , r ) ∈ ℤ 2 tel que  .
0 ≤ r < b
q et r sont respectivement appelés quotient et reste de la division euclidienne de a par b . (visualisation
dans la barre de division).
Prop : ∀a ∈ ℤ et ∀b ∈ ℕ∗ , on a équivalence entre :
(i) b | a ,
(ii) le reste de la division euclidienne de a par b est nul.

3°) Calculs en congruence


Déf : Soit a ,b ∈ ℤ . On dit que a est congru à b modulo n ssi n | (a −b ) . On note alors a = b [n ] . Ainsi
a = b [n ] ⇔ ∃k ∈ ℤ, a = b + k .n .

Prop : ∀a ∈ ℤ, ∃!r ∈ {0,1,…, n −1} tel que a = r [n ] .


De plus r correspond au reste de la division euclidienne de a par n .
Prop : a = b [n ] ⇔ b = a [n ]
a = b [n ] et b = c [n ] ⇒ a = c [n ] .

Prop : Soit a ,a ′,b ,b ′ ∈ ℤ vérifiant a = a ′ [n ] et b = b ′ [n ] . On a


a + b = a ′ + b ′ [n ] , ab = a ′b ′ [n ] , −a = −a ′ [n ] et ∀p ∈ ℕ,a p = a ′ p [n ] .

II. PGCD et PPCM

1°) PGCD de deux entiers


Déf : Soit a ,b ∈ ℤ . Tout d ∈ ℤ tel que d | a et d | b est appelé diviseur commun à a et b .
On note Div(a ,b ) l’ensemble des diviseurs communs à a et b . Ainsi Div(a ,b ) = Div(a ) ∩ Div(b ) .
Prop : ∀a ,b ∈ ℤ tels que (a ,b ) ≠ (0, 0) l’ensemble Div(a ,b ) possède un plus grand élément.
Déf : Soit a ,b ∈ ℤ tels que (a ,b ) ≠ (0, 0) . Le plus grand élément de Div(a ,b ) est appelé pgcd de a et b . On le
note pgcd(a ,b ) ou encore a ∧ b .
Convention : On pose pgcd(0, 0) = 0 .
Prop : ∀a ,b ∈ ℤ , pgcd(a ,b ) ∈ ℕ , pgcd(a ,b ) = pgcd(b , a ) et pgcd(a ,b ) = pgcd( a , b ) .

-1/4-
Prop : ∀a ,b ∈ ℤ,a | b ⇒ pgcd(a ,b ) = a .
Prop : Soit a ∈ ℤ , b ∈ ℕ ∗ et r le reste de la division euclidienne de a par b .
On a pgcd(a ,b ) = pgcd(b , r ) .
On peut calculer le pgcd de deux entiers par une succession de division euclidienne diviseur par reste : c’est
l’algorithme d’Euclide.

2°) Egalité de Bézout


Théorème :
∀a ,b ∈ ℤ, ∃u , v ∈ ℤ , pgcd(a ,b ) = au + bv . Une telle relation est appelée égalité de Bézout.

3°) Propriété arithmétique du pgcd


Théorème :
∀a ,b ∈ ℤ, ∀d ∈ ℤ , d | a et d | b ⇔ d | pgcd(a ,b ) .
Cor : Div(a ,b ) = Div(pgcd(a ,b )) .
Prop : ∀a ,b ∈ ℤ, ∀λ ∈ ℕ, pgcd(λa , λb ) = λ pgcd(a ,b ) .

4°) PPCM de deux entiers


Déf : Soit a ,b ∈ ℤ . Tout m ∈ ℤ tel que a | m et b | m est appelé multiple commun à a et b . L’ensemble des
multiples communs à a et b est noté Mul(a ,b ) . Ainsi Mul(a ,b ) = Mul(a ) ∩ Mul(b ) .
Prop : ∀a ,b ∈ ℤ∗ , l’ensemble Mul(a ,b ) ∩ ℕ∗ possède un plus petit élément.
Déf : Soit a ,b ∈ ℤ tels que a ≠ 0 et b ≠ 0 , le plus petit élément de Mul(a ,b ) ∩ ℕ∗ est appelé ppcm de a et b .
On le note ppcm(a ,b ) ou a ∨ b .
Convention : Si a = 0 ou b = 0 , on pose ppcm(a ,b ) = 0 .
Prop : ∀a ,b ∈ ℤ , ppcm(a ,b ) ∈ ℕ , ppcm(a ,b ) = ppcm(b ,a ) et ppcm(a ,b ) = ppcm( a , b ) .

Prop : ∀a ,b ∈ ℤ , a | b ⇒ ppcm(a ,b ) = b .

5°) Propriété arithmétique du ppcm


Théorème :
∀a ,b ∈ ℤ, ∀m ∈ ℤ,a | m et b | m ⇔ ppcm(a ,b ) | m .
Cor : Par suite : Mul(a ,b ) = Mul(ppcm(a ,b )) .
Prop : ∀a ,b ∈ ℤ, ∀λ ∈ ℕ, ppcm(λa , λb ) = λ ppcm(a ,b ) .

III. Nombres premiers entre eux

1°) Définition
Déf : Soit a ,b ∈ ℤ . On dit que a et b sont premiers entre eux ssi ils n’ont pas d’autres diviseurs communs que
1 et −1 .
Prop : Soit a ,b ∈ ℤ . On a équivalence entre :
(i) a et b sont premiers entre eux,
(ii) pgcd(a ,b ) = 1 .
Prop : ∀a ,b ,a ′,b ′ ∈ ℤ , ( a ′ | a ,b ′ | b et a ∧ b = 1 ) ⇒ a ′ ∧ b ′ = 1 .

2°) Théorème de Bézout


Théorème :
Soit a ,b ∈ ℤ . On a équivalence entre :
(i) a et b sont premiers entre eux,
(ii) ∃u , v ∈ ℤ,au + bv = 1 .
Prop : ∀a ,b ,c ∈ ℤ , ( a ∧ b = 1 et a ∧ c = 1 ) ⇒ a ∧ bc = 1 .

-2/4-
Prop : a ∧ b1 = … = a ∧ bn = 1 ⇒ a ∧ (b1 …bn ) = 1
a ∧ b = 1 ⇒ ∀n , m ∈ ℕ , a n ∧ b m = 1 .

3°) Théorème de Gauss


Théorème :
∀a ,b ,c ∈ ℤ , ( a | bc et a ∧ b = 1 ) ⇒ a | c .
Théorème :
∀a ,b ,c ∈ ℤ , ( a | c ,b | c et a ∧ b = 1 ) ⇒ ab | c .
Prop : Si a1 | b ,…,an | b et a1 , …, an deux à deux premiers entre eux alors a1 …an | b .

4°) Applications
a) factorisation du pgcd
Théorème :
∀a ,b ∈ ℤ , en notant δ = pgcd(a ,b ) on peut écrire :
a = δa ′ et b = δb ′ avec a ′,b ′ ∈ ℤ tels que pgcd(a ′,b ′) = 1 .
b) produit du pgcd et du ppcm de deux entiers
Théorème :
∀a ,b ∈ ℤ , pgcd(a ,b ) ppcm(a ,b ) = ab .
c) représentant irréductible d’un nombre rationnel
Théorème :
p
∀r ∈ ℚ, ∃!(p ,q ) ∈ ℤ × ℕ∗ , r = et p ∧ q = 1 .
q
p
Le rapport est appelé représentant irréductible du nombre rationnel r .
q

IV. Décomposition primaire d’un entier

1°) Nombres premiers


Déf : Soit p ∈ ℕ tel que p ≥ 2 . On dit que p est premier ssi ses seuls diviseurs positifs sont 1 et p .
Sinon, l’entier p est dit composé.
On note P l’ensemble des nombres premiers.
Prop : Soit n ≥ 2 , si n est composé alors n possède un diviseur d avec 2 < d ≤ n .
Déf : On appelle facteur premier d’un entier n tout p ∈ P tel que p | n .
Prop : Tout n ≥ 2 possède au moins un facteur premier.
Prop : P est infini.

2°) Propriétés arithmétiques des nombres premiers


Prop : ∀a ∈ ℤ , ∀p ∈ P , p /| a ⇒ p ∧ a = 1
Théorème : (lemme d’Euclide)
∀a ,b ∈ ℤ , ∀p ∈ P , p | ab ⇒ p | a ou p | b .
Cor : ∀a1 , …, an ∈ ℤ, ∀p ∈ P , p | a1 …an ⇒ ∃1 ≤ i ≤ n , p | ai .

3°) Décomposition primaire


Théorème :
∀n ∈ ℕ \ {0,1} , ∃N ∈ ℕ∗ , ∃p1 ,…, pN ∈ P distincts, ∃α1 ,…, αn ∈ ℕ∗ , n = p1α1 p2α2 … pNαN .
De plus cette décomposition est unique à l’ordre près des facteurs.
Déf : Cette écriture est appelée décomposition primaire de l’entier n ≥ 2 .
Les p1 , …, pN correspondent alors aux facteurs premiers de n .

-3/4-
4°) Diviseurs d’un entier
Théorème :
Soit n ∈ ℕ∗ s’écrivant n = p1α1 p2α2 … pNαN avec p1 , …, pN nombres premiers deux à deux distincts et
α1 , α2 ,…, αN ∈ ℕ . Les diviseurs positifs de n sont les entiers d pouvant s’écrire d = p1β1 p2β2 … pNβN avec
∀1 ≤ i ≤ N , 0 ≤ βi ≤ αi .

5°) Pgcd, ppcm et décomposition primaire


Soit a ,b ∈ ℕ tels que a ,b ≥ 2 .
A partir des décompositions primaires de a et b on peut écrire simultanément :
a = p1α1 … pNαN et b = p1β1 … pNβN avec p1 , …, pN nombre premiers deux à deux distincts et
α1 ,…, αN , β1 , …, βN ∈ ℕ .
Théorème :
N N
Avec les écriture ci-dessus : pgcd(a ,b ) = ∏ pimin( αi ,βi ) et ppcm(a ,b ) = ∏ pimax(αi ,βi ) .
i =1 i =1

-4/4-
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Divisibilité

Exercice 1 Résoudre dans ℤ les équations suivantes :


a) x −1| x + 3 b) x + 2 | x 2 + 2 .

a) x = 1 n’est pas solution. Pour x ≠ 1 :


x +3 4
x −1| x + 3 ⇔ = 1+ ∈ ℤ ⇔ x −1 ∈ Div(4) = {1, 2, 4, −1, −2, −4}
x −1 x −1
Ainsi S = {2,3,5,0, −1, −3} .
b) x = −2 n’est pas solution. Pour x ≠ −2 :
x2 +2 6
x +2|x2 +2 ⇔ = x −2+ ∈ ℤ ⇔ x + 2 ∈ Div(6) = {1, 2,3, 6, −1, −2, −3, −6} .
x +2 x +2
Ainsi S = {−1, 0,1, 4, −3, −4, −5, −8} .

Exercice 2 Résoudre dans ℤ 2 les équations suivantes :


1 1 1
a) xy = 3x + 2y b) + = c) x 2 − y 2 − 4x − 2y = 5 .
x y 5

a) xy = 3x + 2y ⇔ (x − 2)(y − 3) = 6 qui équivaut à


(x − 2, y − 3) ∈ {(1, 6), (2,3), (3, 2), (6,1), (−1, −6), (−2, −3), (−3, −2), (−6, −1)} .
S = {(3,9), (4, 6), (5,5),(8, 4), (1, −3), (0, 0), (−1,1), (−4, 2)} .
1 1 1
b) Pour x , y ∈ ℤ∗ : + = ⇔ 5x + 5y = xy ⇔ (x − 5)(y − 5) = 25 qui équivaut à :
x y 5
(x − 5, y − 5) ∈ {(1, 25), (5,5), (25,1), (−1, −25), (−5, −5),(−25, −1)} .
S = {(6,30), (10,10), (30, 6), (4, −20), (−20, 4)} .
c) x 2 − y 2 − 4x − 2y = 5 ⇔ (x − 2) 2 − (y + 1) 2 = 8 ⇔ (x − y − 3)(x + y −1) = 8 qui équivaut à :
(x − y − 3, x + y −1) ∈ {(1,8), (2, 4), (4, 2), (8,1), (−1, −8), (−2, −4), (−4, −2), (−8, −1)}
 a +b
x= +2
x − y = a + 3 
{x −y − 3 = a
x + y −1 = b
⇔ { ⇔
x + y = b + 1 
y =
2
b −a
− 1
. S = {(5, 0), (5, −2), (−1, 0), (−1, −2)} .

 2

Exercice 3 Soit a ∈ ℤ et b ∈ ℕ∗ , on note q le quotient de la division euclidienne de a −1 par b .


Déterminer ∀n ∈ ℕ , le quotient de la division euclidienne de (ab n −1) par b n +1 .

a −1 = bq + r avec 0 ≤ r < b .
ab n −1 = (bq + r + 1)b n −1 = qb n +1 + b n (r + 1) −1 .
Or 0 ≤ b n (r + 1) −1 < b n +1 donc la relation ci-dessus est la division euclidienne de ab n −1 par b n +1 .
Le quotient de celle-ci est donc q .

Calcul en congruence

Exercice 4 Montrer que 11| 2123 + 3121 .

25 = −1 [11] donc 210 = 1 [11] puis 2123 = 2120 × 23 = (210 )12 ×8 = 1×8 = 8 [11] .

35 = 1 [11] donc 3121 = 3120 ×3 = (35 ) 24 ×3 = 1×3 = 3 [11] .


Ainsi 2123 + 3121 = 8 + 3 = 0 [11] et donc 11| 2123 + 3121 .

1
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Exercice 5 Quel est le reste de la division euclidienne de 1234 4321 + 43211234 par 7 ?

1234 = 2 [ 7 ] et 23 = 1 [ 7 ] donc 12344321 = 24321 = 24320 × 2 = 1× 2 = 2 [ 7 ] .


4321 = 2 [ 7 ] donc 43211234 = 21234 = 21233 × 2 = 1× 2 = 2 [ 7 ] .
Par suite 12344321 + 43211234 = 2 + 2 = 4 [ 7 ] . Le reste cherché est 4.

Exercice 6 Montrer que pour tout n ∈ ℕ :


a) 6 | 5n 3 + n b) 7 | 32n +1 + 2n + 2 c) 5 | 22n +1 + 32n +1
d) 11 | 38n ×54 + 56n × 73 e) 9 | 4n −1− 3n f) 152 | 16n −1−15n .

a) Pour n = 0,1, 2,3, 4,5 , on a n 3 = n [ 6 ] donc 5n 3 + n = 6n = 0 [ 6 ] .


b) 32n +1 + 2n + 2 = 3.(32 )n + 4.2n = 3.2n + 4.2n = 7.2n = 0 [ 7 ] .
c) 2 2n +1 + 32n +1 = 2.(22 )n + 3.(32 )n = 2.4n + 3.4n = 5.4n = 0 [5 ] .
d) 38n ×54 + 56n × 7 3 = 5n ×9 + 5n × 2 = 11×5n = 0 [11] .
e) 4n −1− 3n = (4 −1)(1 + 4 + ⋯ + 4n −1 ) − 3n = 3(1 + 4 + ⋯ + 4n −1 − n )
or 1 + 4 + ⋯ + 4n −1 − n = 1 + ⋯ + 1 − n = n − n = 0 [3] donc 9 | 4n −1 − 3n .
f) 16n −1 −15n = (16 −1)(1 + 16 + ⋯ + 16n −1 ) −15n = 15(1 + 16 + ⋯ + 16n −1 − n )
or 1 + 16 + ⋯ + 16n −1 − n = 1 + ⋯ + 1 − n = n − n = 0 [15] donc 152 | 16n −1 −15n .

Exercice 7 Trouver les entiers n ∈ ℤ tel que 10 | n 2 + (n + 1)2 + (n + 3) 2 .

n 0 1 2 3 4 5 6 7 8 9
n 2 + (n + 1) 2 + (n + 3) 2 0 1 8 1 0 5 6 3 6 5
donc 10 | n 2 + (n + 1) 2 + (n + 3) 2 ⇔ n = 0 ou 4 [10 ] .

Exercice 8 Montrer que 7 | x et 7 | y ⇔ 7 | x 2 + y 2 .

(⇒) ok
x 0 1 2 3 4 5 6
(⇐) On observe que : modulo 7.
x2 0 1 4 2 2 4 1
La seule possibilité pour que x 2 + y 2 = 0[7 ] est que x = y = 0[7 ] .

PGCD et PPCM

Exercice 9 Déterminer le pgcd et les coefficients de l’égalité de Bézout (1730-1783) des entiers a et b
suivants :
a) a = 33 et b = 24 b) a = 37 et b = 27 c) a = 270 et b = 105 .

a) pgcd(a ,b ) = 3 et 3a − 4b = 3 .
b) pgcd(a ,b ) = 1 et 11b − 8a = 1
c) pgcd(a ,b ) = 15 et 2a − 5b = 15

Exercice 10 Soit a ,b ,d ∈ ℤ . Montrer l’équivalence : (∃u , v ∈ ℤ, au + bv = d ) ⇔ pgcd(a ,b ) | d .

(⇒) Supposons d = au + bv avec u , v ∈ ℤ .


pgcd(a ,b ) | a et pgcd(a ,b ) | b donc pgcd(a ,b ) | au + bv = d .
(⇐) Supposons pgcd(a ,d ) | d . On peut écrire d = k pgcd(a ,b ) avec k ∈ ℤ .
Par l’égalité de Bézout, ∃u0 , v 0 ∈ ℤ tels que au0 + bv 0 = pgcd(a ,b ) et on a alors d = au + bv avec u = ku0 et
v = kv 0 ∈ ℤ .

2
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Exercice 11 Montrer que le pgcd de 2n + 4 et 3n + 3 ne peut être que 1, 2,3 ou 6.

3× (2n + 4) − 2× (3n + 3) = 6 donc pgcd(2n + 4,3n + 3) | 6 .

Exercice 12 a) Montrer que si r est le reste de la division euclidienne de a ∈ ℕ par b ∈ ℕ∗ alors 2r −1 est le
reste de la division euclidienne de 2a −1 par 2b −1 .
b) Montrer que pgcd(2a −1, 2b −1) = 2pgcd(a ,b ) −1 .

a) a = bq + r avec 0 ≤ r < b .
2a −1 = 2bq +r −1 = 2bq +r − 2r + 2r −1 = (2b −1)(1 + 2b + ⋯ + 2b (q −1) )2r + 2r −1 avec 0 ≤ 2r −1 < 2b −1 .
b) Posons a 0 = a , a1 = b et définissons a 2 , …, am comme par l’algorithme d’Euclide avec am = pgcd(a ,b ) .
On a pgcd(2a −1, 2b −1) = pgcd(2a0 −1, 2a1 −1) = pgcd(2a1 −1, 2a2 −1) = … = pgcd(2am −1, 20 −1) = 2am −1 .

Exercice 13 Soit d , m ∈ ℕ . Donner une condition nécessaire et suffisante pour que le système

{pgcd(x ,y) = d
ppcm(x , y ) = m
possède un couple (x , y ) ∈ ℕ 2
solution.

Si le système possède une solution alors d | m est une condition nécessaire.


Inversement si d | m alors x = d et y = m donne un couple (x , y ) ∈ ℕ 2 solution.

Exercice 14 Résoudre dans ℕ 2 l’équation : pgcd(x , y ) + ppcm(x , y ) = x + y .

Soit (x , y ) ∈ ℕ 2 un couple solution. Posons δ = pgcd(x , y ) .


On peut écrire x = δx ′ et y = δy ′ avec x ′ ∧ y ′ = 1 .
L’équation devient : 1 + x ′y ′ = x ′ + y ′ ⇔ (x ′ −1)(y ′ −1) = 0 ⇔ x ′ = 1 ou y ′ = 1 .
Ainsi (x , y ) est de la forme (δ , δk ) ou (δk , δ ) .
Inversement ces couples sont solutions.

Exercice 15 Résoudre dans ℕ 2 les systèmes :


a) {
pgcd(x , y ) = 5
ppcm(x , y ) = 60
b) {xpgcd(
+ y = 100
x , y ) = 10

a) Soit (x , y ) solution. pgcd(x , y ) = 5 donc x = 5x ′ et y = 5y ′ avec x ′, y ′ ∈ ℕ premiers entre eux.


ppcm(x , y ) = 5x ′y ′ = 60 donc x ′y ′ = 12 d’où (x ′, y ′) ∈ {(1,12), (2, 6), (3, 4),(4,3), (6, 2), (12,1)} .
Les couples (2, 6) et (6, 2) sont à éliminer car 2 et 6 ne sont pas premiers entre eux.
Finalement (x , y ) ∈ {(5, 60), (15, 20), (20,15), (60,5)} .
Inversement : ok. Finalement S = {(5, 60), (15, 20), (20,15), (60,5)} .
b) Soit (x , y ) solution. pgcd(x , y ) = 10 donc x = 10x ′ et y = 10y ′ avec x ′, y ′ ∈ ℕ premiers entre eux.
x + y = 10(x ′ + y ′) = 100 donc x ′ + y ′ = 10 .
Sachant x ′ ∧ y ′ = 1 , il reste (x ′, y ′) ∈ {(1,9), (3, 7), (7,3), (9,1)} puis (x , y ) ∈ {(10,90), (30, 70), (70,30), (90,10)} .
Inversement : ok. Finalement S = {(10,90), (30, 70), (70,30), (90,10)} .

Nombres premiers entre eux

Exercice 16 Soit a et b premiers entre eux.


Montrer que a ∧ (a + b ) = b ∧ (a + b ) = 1 puis (a + b ) ∧ ab = 1 .

Posons d = pgcd(a , a + b ) .
On a d | a et d | (a + b ) alors d | b = (a + b ) −a donc d | pgcd(a ,b ) = 1 puis d = 1 .
De même pgcd(b , a + b ) = 1 . Ainsi a ∧ (a + b ) = b ∧ (a + b ) = 1 et par suite ab ∧ (a + b ) = 1 .

3
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Exercice 17 Soit a ,b ∈ ℤ .
a) On suppose a ∧ b = 1 . Montrer que (a + b ) ∧ ab = 1 .
b) On revient au cas général. Calculer pgcd(a + b , ppcm(a ,b )) .

a) pgcd(a , a + b ) = pgcd(a ,b ) et pgcd(b , a + b ) = pgcd(a ,b ) = 1 .


Ainsi (a + b ) ∧ a = 1 et (a + b ) ∧ b = 1 donc (a + b ) ∧ ab = 1 .
b) Posons δ = pgcd(a ,b ) . On peut écrire a = δa ′ et b = δb ′ avec a ′ ∧ b ′ = 1 .
pgcd(a + b , ppcm(a ,b )) = δ pgcd(a ′ + b ′, ppcm(a ′,b ′)) = δ

Exercice 18 Montrer que pour tout n ∈ ℕ∗ on a :


a) (n 2 + n ) ∧ (2n + 1) = 1 b) (3n 2 + 2n ) ∧ (n + 1) = 1

a) n 2 + n = n (n + 1) .
1× (2n + 1) − 2×n = 1 donc (2n + 1) ∧ n = 1 .
2× (n + 1) −1× (2n + 1) = 1 donc (2n + 1) ∧ (n + 1) = 1
Par produit (2n + 1) ∧ (n 2 + n ) = 1 .
b) 3n 2 + 2n = n (3n + 2) .
1× (n + 1) −1×n = 1 donc n ∧ (n + 1) = 1 .
3× (n + 1) −1× (3n + 2) = 1 donc (3n + 2) ∧ (n + 1) = 1 .
Par produit (3n 2 + 2n ) ∧ (n + 1) = 1 .

Exercice 19 Montrer que pour tout entier n ∈ ℕ∗ , n + 1 et 2n + 1 sont premiers entre eux.
En déduire que n + 1| 2nn . ( )
2× (n + 1) −1× (2n + 1) = 1 donc (n + 1) ∧ (2n + 1) = 1 .

(2nn++11) = 2nn++11(2nn ) donc (n +1)(2nn++11) = (2n +1)(2nn ) .


Puisque (2nn+ 1) (n ) (n )
+ 1 ∈ ℤ , on a (n + 1) | (2n + 1) 2n or (n + 1) ∧ (2n + 1) = 1 donc (n + 1) | 2n .

Exercice 20 Soit a et b premiers entre eux et c ∈ ℤ .


Montrer que pgcd(a ,bc ) = pgcd(a ,c ) .

Posons d = pgcd(a ,bc ) et δ = pgcd(a ,c ) .


On δ | a et δ | c donc δ | bc puis δ | d .
Inversement d | a et d | bc .
Or d ∧ b = 1 car d | a et a ∧ b = 1 . Donc d | c puis d | δ .
Par double divisibilité d = δ .

Exercice 21 Soit a et b deux entiers premiers entre eux non nuls.


Notre but est de déterminer tous les couples (u , v ) ∈ ℤ 2 tels que au + bv = 1 .
a) Justifier l’existence d’au moins un couple solution (u0 , v 0 ) .
b) Montrer que tout autre couple solution est de la forme (u0 + kb , v 0 − ka ) avec k ∈ ℤ .
c) Conclure.
a) Théorème de Bézout.
b) Soit (u , v ) ∈ ℤ 2 un couple solution. On a au + bv = 1 = au 0 + bv 0 donc a (u − u 0 ) = b (v 0 − v )
On a a | b (v 0 − v ) or a ∧ b = 1 donc a | v 0 − v . Ainsi ∃k ∈ ℤ tel que v = v0 − ka et alors a (u − u 0 ) = b (v 0 − v )
donne a (u − u 0 ) = abk puis u = u 0 + kb (sachant a ≠ 0 ).
c) Inversement les couples de la forme ci-dessus sont solutions.

4
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Exercice 22 Pour n ∈ ℕ , montrer qu’il existe un couple unique (an ,bn ) ∈ ℕ 2 tel que (1 + 2)n = an + bn 2
avec an ∧ bn = 1 .

Unicité : Si (an ,bn ) et (αn , βn ) sont solutions alors an + bn 2 = αn + βn 2 donc (bn − βn ) 2 = (αn −an ) . Si
αn −a
bn ≠ βn alors 2= ∈ ℚ ce qui est absurde.
bn − βn
Existence : Par récurrence sur n ∈ ℕ .
Pour n = 0 : a 0 = 1 , b0 = 0 conviennent.
Supposons la propriété établie au rang n ≥ 0 .
(1 + 2)n +1 = (1 + 2)n (1 + 2) = (an + bn 2)(1 + 2) = an +1 + bn +1 2 en posant
HR

an +1 = an + 2bn ∈ ℕ et bn +1 = an + bn ∈ ℕ .
Soit d = pgcd(an +1 ,bn +1 ) , d | an +1 −bn +1 = bn et d | bn +1 −bn = an donc d = 1 car an ∧ bn = 1 .
Ainsi an +1 ∧ bn +1 = 1 .
Récurrence établie.

Exercice 23 Soient a et b deux entiers relatifs premiers entre eux et d ∈ ℕ un diviseur de ab .


Montrer que ∃!(d1 ,d 2 ) ∈ ℕ 2 tel que d = d1d 2 , d1 | a et d 2 | b .

Unicité : Si (d1 , d 2 ) est solution alors pgcd(d ,a ) = pgcd(d1d 2 , a )


Or d2 ∧ a = 1 car d 2 | b et a ∧ b = 1 , donc pgcd(d1d2 , a ) = pgcd(d1 , a ) = d1 car d1 | a .
De même d2 = pgcd(d ,b ) d’où l’unicité.
Existence : Posons d1 = pgcd(d ,a ) et d2 = pgcd(d ,b ) . On a d1 | a et d2 | b .
d1 | a et d 2 | b donc d1 ∧ d 2 = 1 car a ∧ b = 1 .
d1 | d , d2 | d et d1 ∧ d 2 = 1 donc d1d 2 | d .
Inversement : Par l’égalité de Bézout on peut écrire d1 = u1d + v1a et d2 = u 2d + v 2b donc d | d1d 2 =Ud + v1v 2ab
car d | ab .

Exercice 24 On note div(n ) l’ensemble des diviseurs positifs d’un entier n ∈ ℤ .


Soit a ,b ∈ ℤ premiers entre eux et ϕ : div(a )× div(b ) → ℕ définie par ϕ(k , ℓ ) = k ℓ .
Montrer que ϕ réalise une bijection de div(a ) × div(b ) vers div(ab ) .

Si k | a et ℓ |b alors k ℓ | ab . Ainsi ϕ(div(a )× div(b )) ⊂ div(ab ) .


Soit d ∈ div(ab ) . Posons k = pgcd(d , a ) et ℓ = pgcd(d ,b ) . On a k ∈ div(a ) , ℓ ∈ div(b ) et k ∧ ℓ = 1 car
a ∧ b = 1 . Comme k | d , ℓ | d et k ∧ ℓ = 1 on a k ℓ | d . De plus k = du + av et ℓ = du ′ + bv donc
k ℓ = dU + abV d’où d | k ℓ et finalement d = k ℓ . Ainsi ϕ(div(a )× div(b )) = div(ab ) .
Soit (k , ℓ) ∈ div(a ) × div(b ) et (k ′, ℓ ′) ∈ div(a ) × div(b ) . Si ϕ (k , ℓ ) = ϕ (k ′, ℓ ′) alors k ℓ = k ′ℓ ′ .
Comme k | k ′ℓ ′ et k ∧ ℓ ′ = 1 on a k | k ′ . De même k ′ | k donc k = k ′ . De même ℓ = ℓ ′ .
Ainsi ϕ est injective et finalement ϕ réalise une bijection de div(a ) × div(b ) vers div(ab ) .

Exercice 25 Soit a et b deux entiers relatifs tels que a 2 | b 2 . Montrer que a | b .

Supposons a 2 | b 2 .
Posons d = pgcd(a ,b ) . On a d 2 = pgcd(a ,b ) 2 = pgcd(a 2 ,b 2 ) = a 2 donc d = a puis a | b .

Exercice 26 Soit x ∈ ℚ . On suppose qu’il existe n ∈ ℕ∗ tel que x n ∈ ℤ . Montrer que x ∈ ℤ .

5
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

p
On peut écrire x = avec p ∈ ℤ , q ∈ ℕ∗ et p ∧ q = 1 .
q
x n = k ∈ ℤ donne q n k = p n . p ∧ q = 1 donc p n ∧ q n = 1 . Puisque q n | p n ×1 on a q n | 1 (par Gauss).
Par suite q n = 1 et donc q = 1 et x = p ∈ ℤ .

Exercice 27 Soit a ,b ∈ ℕ∗ . On suppose qu’il existe m , n premiers entre eux tels que a m = b n .
Montrer qu’il existe c ∈ ℕ ∗ tel que a = c n et b = c m .

Il existe u , v ∈ ℤ tel que mu + nv = 1 .


Analyse : Si c convient alors c = c mu +nv = b ua v . A priori c ∈ ℚ .
Synthèse : Soit c = b ua v . On a c n = b nua nv = a mua nv = a et de même c m = b .
Puisque le nombre rationnel c possède une puissance entière, c ∈ ℤ .

Exercice 28 On divise un cercle en n arcs égaux et on joint les points de division de p en p jusqu’à ce qu’on
revienne au point de départ. Quel est le nombre de côtés du polygone construit ?

Le nombre de côté du polygone construit est le plus petit entier k ∈ ℕ∗ tel que n | kp .
Posons δ = pgcd(n , p ) . On peut écrire n = δn ′ et p = δ p ′ avec n ′ ∧ p ′ = 1 .
n | kp ⇔ n ′ | kp ′ i.e. n ′ | k . Ainsi k = n ′ = n δ .

Exercice 29 On considère la suite (ϕn )n ∈ℕ définie par ϕ0 = 0, ϕ1 = 1 et ∀n ∈ ℕ , ϕn + 2 = ϕn +1 + ϕn .


a) Montrer que ∀n ∈ ℕ∗ , ϕn +1ϕn −1 − ϕn2 = (−1)n .
b) En déduire que ∀n ∈ ℕ∗ , ϕn ∧ ϕn +1 = 1 .
c) Montrer que ∀n ∈ ℕ, ∀m ∈ ℕ ∗ , ϕn +m = ϕm ϕn +1 + ϕm −1ϕn .
d) En déduire que ∀m , n ∈ ℕ∗ , pgcd(ϕn , ϕm +n ) = pgcd(ϕn , ϕm ) ,
puis pgcd(ϕm , ϕn ) = pgcd(ϕn , ϕr ) où r est le reste de la division euclidienne de m par n .
e) Conclure que : pgcd(ϕm , ϕn ) = ϕpgcd(m ,n ) .

a) Par récurrence sur n ∈ ℕ∗ :


Pour n = 1 : ϕ2ϕ0 − ϕ12 = 0 −1 = −1 : ok.
Supposons la propriété établie au rang n ≥ 1 .
ϕn + 2ϕn − ϕn2+1 = (ϕn + ϕn +1 )ϕn − ϕn +1 (ϕn + ϕn −1 ) = ϕn2 − ϕn +1ϕn −1 =− (−1)n = (−1)n +1 .
HR
Récurrence établie.
b) Par l’égalité de Bézout on obtient que ϕn ∧ ϕn +1 = 1 puisque la relation précédente permet d’écrire
uϕn + vϕn +1 = 1 avec u , v ∈ ℤ .
c) Par récurrence sur m ∈ ℕ∗
Pour m = 1 : ϕn +1 = ϕ1ϕn +1 + ϕ0ϕn car ϕ1 = 1 et ϕ0 = 0 .
Supposons la propriété établie au rang n ≥ 1
ϕn +m +1 = ϕ(n +1)+m = ϕm ϕn + 2 + ϕm −1ϕn +1 = ϕm ϕn +1 + ϕm ϕn + ϕm −1ϕn +1 = ϕm +1ϕn +1 + ϕm ϕn .
HR
Récurrence établie.
d) pgcd(ϕm +n , ϕn ) = pgcd(ϕm ϕn −1 + ϕm −1ϕn , ϕn ) = pgcd(ϕm ϕn −1 , ϕn ) = pgcd(ϕm , ϕn ) car ϕn ∧ ϕn −1 = 1 .
Par récurrence on obtient que ∀q ∈ ℕ : ϕm ∧ ϕn = ϕm +qn ∧ ϕn .
On en déduit alors pgcd(ϕm , ϕn ) = pgcd(ϕn , ϕr ) car on peut écrire m = nq + r avec q ∈ ℕ .
e) Suivons l’algorithme d’Euclide calculant pgcd(m , n ) :
a 0 = m , a1 = n , a 0 = a1q1 + a 2 , a1 = a 2q 2 + a3 ,..., a p−1 = a pq p + 0 avec a p = pgcd(m , n )
Or pgcd(ϕn , ϕm ) = pgcd(ϕa0 , ϕa1 ) = pgcd(ϕa1 , ϕa2 ) = … = pgcd(ϕap , ϕ0 ) = ϕap car ϕ0 = 0 .
Ainsi pgcd(ϕm , ϕn ) = ϕpgcd(m ,n ) .

6
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Systèmes chinois

x = 2 [10]
Exercice 30 Résoudre le système :  .
x = 5 [13]

Déterminons une solution particulière : x = 2 + 10k = 5 + 13k ′ avec k , k ′ ∈ ℤ .


10k −13k ′ = 3 . Cherchons u , v ∈ ℤ tel que 10u + 13v = 1 . u = 4 et v = −3 conviennent.
Prenons k = 12 , k ′ = 9 ce qui donne x = 122 .
x = 122 [10]
Soit x une autre solution. On a   donc 10 | x −122 et 13 | x −122 donc 130 | x −122 et par suite
x = 122 [13]
x = 122 + 130k avec k ∈ ℤ .
Inversement : ok.

Exercice 31 Soit a ,b ,a ′,b ′ ∈ ℤ avec b et b ′ premiers entre eux.


x = a [b ]
Montrer que le système   possède des solutions et que celles-ci sont congrus entres
x = a ′ b ′
  
elles modulo bb ′ .

Il existe u , v ∈ ℤ tel que bu + b ′v = 1 .


Soit x = a ′bu + ab ′v .
On a x = a ′bu + a −abu = a [b ] et x = a ′ −a ′b ′v + ab ′v = a ′ b ′ donc x est solution.
Soit x ′ une autre solution. On a x = x ′ [b ] et x = x ′ b ′ donc b | (x ′ − x ) et b ′ | (x ′ − x ) .
Or b ∧ b ′ = 1 donc bb ′ | (x ′ − x ) .
Inversement, soit x ′ tel que bb ′ | x ′ − x , on a bien x ′ = x = a [b ] et x ′ = x = a ′ b ′ .

Exercice 32 Une bande de 17 pirates dispose d'un butin composé de N pièces d'or d'égale valeur. Ils décident
de se le partager également et de donner le reste au cuisinier (non pirate). Celui ci reçoit 3 pièces.
Mais une rixe éclate et 6 pirates sont tués. Tout le butin est reconstitué et partagé entre les
survivants comme précédemment; le cuisinier reçoit alors 4 pièces. Dans un naufrage ultérieur,
seul le butin, 6 pirates et le cuisinier sont sauvés. Le butin est à nouveau partagé de la même
manière et le cuisinier reçoit 5 pièces. Quelle est alors la fortune minimale que peut espérer le
cuisinier lorsqu'il décide d'empoisonner le reste des pirates ?

x = 3 [17 ]

Notons x ∈ ℕ le montant du trésor. De part les hypothèses : x = 4 [11] .

x = 5 [ 6]
Déterminons un entier x tel que x = 3 + 17k = 4 + 11k ′ = 5 + 6k ′′ avec k , k ′, k ′′ ∈ ℤ .
11k ′ − 6k ′′ = 1
On a  donc 17k − 6k ′′ = 2 .
17k −11k ′ = 1
Or k = −2 et k ′′ = −6 est solution particulière de cette équation dont la solution générale est k = −2 + 6ℓ et
k ′′ = −6 + 17 ℓ . Prenons ℓ de sorte que 11|17k −1 . 17k −1 = −34 + 102ℓ = −2 + 3ℓ [11] .
Pour ℓ = 8 , k = 46 , k ′ = 71 et k ′′ = 130 on a x = 785 .
La solution générale du système est x = 785 + 1122k .

Décomposition primaire d’un entier

Exercice 33 Montrer que les nombres suivants sont composés :


a) 4n 3 + 6n 2 + 4n + 1 avec n ∈ ℕ∗ b) n 4 − n 2 + 16 avec n ∈ ℤ .

7
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

a) 4n 3 + 6n 2 + 4n + 1 = (n + 1) 4 − n 4 = ((n + 1) 2 − n 2 )((n + 1) 2 + n 2 ) = (2n + 1)(2n 2 + 2n + 1) .


Cet entier est composé pour n ∈ ℕ∗ car 2n + 1 ≥ 2 et 2n 2 + 2n + 1 ≥ 2 .
b) n 4 − n 2 + 16 = (n 2 + 4)2 − 9n 2 = (n 2 − 3n + 4)(n 2 + 3n + 4) .
De plus les équations n 2 − 3n + 4 = 0,1 ou −1 et n 2 +3n+4=0,1 ou −1 n’ont pas de solutions car toutes de
discriminant négatif. Par conséquent n 4 − n 2 + 16 est composée.

Exercice 34 Soit a et p deux entiers supérieurs à 2.


Montrer que si a p −1 est premier alors a = 2 et p est premier.

Supposons que a p −1 premier.


Comme a p −1 = (a −1)(1 + a + ⋯ + a p−1 ) on a a −1 = 1 ou 1 + a + ⋯ + a p −1 = 1 .
Or p ≥ 2 et a ≠ 0 donc 1 + a + ⋯ + a p −1 ≠ 1 . Par conséquent a = 2 .
Montrons maintenant que p est premier.
Si d | p alors on peut écrire p = cd puis a p −1 = (a d )c −1 .
Si d ≠ p alors c ≥ 2 puis par le résultat précédent on obtient a d = 2 puis d = 1 .
Ainsi les seuls diviseurs de p sont 1 et lui-même.
Finalement p est premier.

Exercice 35 Soit p > 3 un nombre premier. Montrer que 24| p 2 −1 .

p 2 −1 = (p −1)(p + 1) .
Comme p ≥ 3 on a p impair d’où p = 1 ou 3 [ 4] .
Si p = 1 [ 4] alors 4 | p −1 et 2 | p + 1 .
Si p = 3 [ 4] alors 2 | p −1 et 4 | p + 1 .
Dans les deux cas 8 | p 2 −1 .
Comme p > 3 , p n’est pas multiple de 3 puisque p est premier d’où p = 1 ou 2 [3] .
Si p = 1 [3] alors 3 | p −1 .
Si p = 2 [3] alors 3 | p + 1 .
Dans les deux cas 3 | p 2 −1 .
Enfin, comme 8 ∧ 3 = 1 on obtient 24 | p 2 −1 .

Exercice 36 Soit p un nombre premier.


a) Montrer que ∀k ∈ {1, 2, …, p −1} on a p | kp . ()
p
b) En déduire que ∀n ∈ ℤ on a n = n [ p ] .
Ce dernier résultat est connu sous le nom de petit théorème de Fermat (1601-1665)

p −1
()
a) kp = kp −
k
( ) p
() ( ) ( )
p −1 p −1
1 donc k k = p k −1 avec k −1 ∈ ℤ .

Par suite p | k (kp ) , or p est premier donc k ∧ p = 1 car p |k puis p | (kp ) .

b) Par récurrence finie sur n ∈ {0,1,…, p −1} :


Pour n = 0 : ok
Supposons la propriété établie au rang n ∈ {0,1,…, p − 2} :
p −1

() ()
(n + 1)p = n p + ∑ kp n k + 1 = n + 1 [ p ] car kp = 0 [ p ] pour 1 ≤ k ≤ p −1 .
k =1
Récurrence établie.
Pour tout n ∈ ℤ , il existe r ∈ {0,1,…, p −1} tel que n = r [ p ] et n p = r p = r = n [ p ] .

8
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Exercice 37 Soit E = {4k −1/ k ∈ ℕ ∗ } .


a) Montrer que ∀n ∈ E , il existe p ∈ P ∩ E tel que p | n .
b) En déduire qu’il y a une infinité de nombre premier p tel que p = −1 [ 4] .

a) n est impair, il n’est donc par divisible par 2. S’il tous les nombres premiers p divisant n sont tels que
p = 1 [ 4] alors n = 1 [ 4] .
b) Supposons qu’il n’y en ait qu’un nombre fini de nombre premier p1p2 … pn .
Considérons n = 4p1p2 … pn −1 ∈ E .
Il existe p ∈ P ∩ E tel que p | n mais p | p1p2 … pn donc p |1 . Absurde.

Exercice 38 Justifier l’existence de 1000 entiers consécutifs sans nombres premiers.


Considérons les x k = 1001!+ k avec 2 ≤ k ≤ 1001 . Ce sont 1000 entiers consécutifs.
Pour tout 2 ≤ k ≤ 1001 , on a k | (1001)! donc k | x k avec 2 ≤ k < x k donc x k ∉ P .

Exercice 39 Soit n ∈ ℕ , montrer que n ∈ ℚ ⇔ ∃m ∈ ℕ tel que n = m 2 .


En déduire que 2 ∉ ℚ et 3∉ℚ

(⇐) ok
p
(⇒) Si n ∈ ℚ alors on peut écrire n= avec p ∧ q = 1 .
q
On a alors q 2n = p 2 donc n | p 2
De plus q 2n = p 2 et p 2 ∧ q 2 = 1 donne p 2 | n .
Par double divisibilité n = p 2 .
ni 2, ni 3 ne sont des carrés d’un entier, donc 2 ∉ ℚ et 3 ∉ ℚ.

Exercice 40 Pour p ∈ P et n ∈ ℤ , on note v p (n ) l’exposant de la plus grande puissance de p divisant n .


a) Montrer que v 2 (1000!) = 994 .
 E (px ) 
b) Plus généralement, calculer v p (n !) . On rappelle que ∀x ∈ ℝ , E   = E (x ) .
 p 

a) v 2 (1000!) = 500 + v 2 (500!) car 1000! = 2500 × 500!×k avec k produit de nombres impairs.
v 2 (1000!) = 500 + 250 + 125 + 62 + 31 + 15 + 7 + 3 + 1 = 994 .
 n   n    n   E (n p )    E (n p ) 
b) v p (n !) = E  + v E  ! = E  + E  + v E   or E  E (px )  = E (x ) avec x = n
 p  p   p    p   p  p   p   p  p2
 E (n p )  n  n  n  n   ln n 
donne E   = E  2  puis finalement v p (n !) = E  + E  2  + ⋯ + E  k  avec k = E  .
 p   p   p   p   p   ln p 

Exercice 41 Soit n ∈ ℕ \ {0,1} . Montrer que n est le produit de ses diviseurs non triviaux ssi n = p 3 avec
p ∈ P ou n = p1p 2 avec p1 , p2 ∈ P distincts.

(⇐) clair
(⇒) n est divisible par un nombre premier p et ne peut lui être égal. On peut donc écrire n = pd avec
1 < d < n . Si d est premier alors on obtient la seconde forme. Sinon, il ne peut qu’être divisible par p (car q | d
implique que n est un multiple de pqd car n est produit de ses diviseurs non triviaux). Le nombre d est alors
de la forme d = p k . k = 1 et k ≥ 3 sont à exclure puisque d est le produit de ses diviseurs non triviaux. Il reste
d = p 2 et n = p 3

Exercice 42 Soit p ∈ P et α ∈ ℕ∗ . Déterminer les diviseurs positifs de p α .

9
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Soit d ∈ Div (p α ) ∩ ℕ . Notons β la plus grande puissance de p telle que p β | d .


On peut écrire d = p β k avec p |k .
Puisque p |k et p ∈ P on a p ∧ k = 1 . Or k | p α ×1 donc, par Gauss : k | 1 .
Par suite d = p β avec β ∈ ℕ . De plus d | p α donc p β ≤ p α puis β ≤ α .
Inversement : ok.
N
Exercice 43 Soit n ∈ ℕ \ {0,1} et n = ∏ pkαk sa décomposition primaire.
k =1
Quel est le nombre de diviseurs positifs de n ?
N
Les diviseurs positifs sont les d = ∏ pkβk avec ∀1 ≤ k ≤ N , 0 ≤ βk ≤ αk .
k =1
N
Le choix des βk conduisant à des diviseurs distincts, il y a exactement ∏ (α
k =1
k + 1) diviseurs positifs de n .

N
Exercice 44 Soit n ∈ ℕ \ {0,1} dont la décomposition primaire est n = ∏ pi αi .
i =1

On note d (n ) le nombre de diviseurs supérieurs ou égaux à 1 de n et σ (n ) la somme de ceux-ci.


N N
piαi +1 −1
Montrer que d (n ) = ∏ (αi + 1) et σ (n ) = ∏ .
i =1 i =1 pi −1

Soit d ∈ ℕ diviseur de n .
Tout diviseur premier de d est aussi diviseur de n et c’est donc l’un des p1 , …, pN .
N
Par suite, on peut écrire d = ∏ piβi avec βi ∈ ℕ .
i =1
βi βi
p | d donc p | n d’où βi ≤ αi .
i i
N
Ainsi d est de la forme d = ∏ piβi avec pour tout i ∈ {1, …, N } , 0 ≤ βi ≤ αi .
i =1
Inversement de tels nombres sont bien diviseurs de n .
Il y a autant de nombres de cette forme distincts que de choix pour les β1 ,…, βN .Pour βi , il y a αi + 1 choix
N
possibles, au total d (n ) = ∏ (αi + 1) .
i =1
α1 α2 αN  α1  α2   αN  N p αi +1 −1
De plus σ (n ) = ∑ ∑ … ∑ p1β1 p 2β2 … pNβN =  ∑ p1β1  ∑ p2β2 … ∑ pNβN  = ∏ i .
β1 = 0 β2 = 0 βN = 0 β1 =0   β2 =0  βN =0  i =1 pi −1

Exercice 45 Soit σ : ℤ → ℕ qui à n ∈ ℤ associe la somme de diviseurs positifs de n .


a) Soit p ∈ P et α ∈ ℕ∗ . Calculer σ (p α ) .
b) Soit a ,b ∈ ℤ premiers entre eux.
Montrer que tout diviseur positif d du produit ab s’écrit de manière unique d = d1d 2 avec d1 et
d 2 diviseurs positifs de a et b .
c) En déduire que si a et b sont premiers entre eux alors σ (ab ) = σ (a )σ (b ) .
d) Exprimer σ (n ) en fonction de la décomposition primaire de n .

p α +1 −1
a) Div (p α ) ∩ ℕ = {1, p , p 2 , …, p α } donc σ (p α ) = .
p −1
b) Soit d ∈ Div (ab ) ∩ ℕ . Posons d1 = pgcd(d ,a ) et d 2 = pgcd(d ,b ) .
On a d1 ∈ Div (a ) ∩ ℕ et d 2 ∈ Div (b ) ∩ ℕ .
Puisque a ∧ b = 1 on a d1 ∧ d 2 = 1 . Or d1 | d et d 2 | d donc d1d 2 | d .
d1 = du1 + av1 et d 2 = du 2 + bv 2 donc d1d 2 = dk + abv1v 2 d’où d | d1d 2 .

10
Arithmétique dans Z || http://mpsiddl.free.fr || david Delaunay

Finalement d = d1d2 .
Supposons d = δ1δ2 avec δ1 ∈ Div (a ) ∩ ℕ et δ2 ∈ Div (b ) ∩ ℕ .
On a d1 | δ1δ2 et d1 ∧ δ2 = 1 donc d1 | δ1 et de même δ1 | d1 puis d1 = δ1 . De même d2 = δ2 .
c) σ (ab ) = ∑ d = ∑∑ d1d 2 =
d |ab d1 |a d2 |b
(∑d )(∑d ) = σ(a )σ(b) .
d1 |a
1
d2 |b
b

N
piαi+1 −1
d) Si n = p1α1 … pNαN alors σ (n ) = ∏ .
i =1 pi −1

david Delaunay http://mpsiddl.free.fr

11
Calcul matriciel
K désigne ℝ ou ℂ , m , n , p, q , r sont des entiers naturels.
0 si i ≠ j
On note δi , j =  (symbole de Kronecker)
1 si i = j

I. Opérations sur les matrices

1°) Matrice
Déf : On appelle matrice de type (n , p ) (pour n lignes et p colonnes) à coefficients dans K tout famille
A = (ai , j )1≤i ≤n ,1≤ j ≤p d’éléments de K .
Une telle matrice est généralement représentée sous la forme d’un tableau à n lignes et p colonnes :
a1,1 a1,2 … a1, p 
 
a a 2,2 … a 2, p 
A = (ai , j )1≤i ≤n ,1≤j ≤p =   2,1
 .
 ⋮ ⋮ ⋮ 
 
an ,1 an ,2 … an , p 

ai , j est appelé coefficient d’indice (i , j ) de la matrice A , il est positionné à la i ème ligne et j ème colonne
de A . On note M n , p (K ) l’ensemble des matrices de type (n , p ) à coefficients dans K .
Convention :
Le 1er indice est l’indice de ligne (souvent noté i ).
Le 2nd indice est l’indice de colonne (souvent noté j ).
Cas particuliers :
Pour n = p = 1 : les matrices de M1,1 (K ) sont appelées matrices (uni-) coefficient.
Elles sont de la forme (x ) .
Il est usuel d’identifier ces matrices avec l’élément x de K qui leur correspond.
Pour n quelconque et p = 1 : les matrices de M n ,1 (K ) sont appelées matrices (uni-) colonnes.
a1 
 
Elles sont de la forme :  ⋮  .
 
an 
Il est usuel d’identifier cette matrice colonne avec le n uplet (a1 ,…, an ) .
Pour n = 1 et p quelconque : les matrices de M1, p (K) sont appelées matrices (uni-) lignes.
Elles sont de la forme : (a1 ⋯ a p ) .
Déf : Soit A = (ai , j ) ∈ M n , p (K ) (présentation de l’abus de notation correspondant).
a1,1 a1,2 … a1, p 
 
a a 2,2 … a 2, p 
A=  2,1
 .
 ⋮ ⋮ ⋮ 
 
an ,1 an ,2 … an , p 
a1, j 
 

Pour 1 ≤ j ≤ p , la matrice C j =  ⋮  est appelée j ème colonne de A .
 
an , j 
Pour 1 ≤ i ≤ n , la matrice Li = (ai ,1 … ai , p ) est appelée i ème ligne de A .

2°) Matrice carrée


Déf : Les matrices de type (n , n ) sont appelées matrices carrées d’ordre n .
On note M n (K ) , au lieu de M n ,n (K) , l’ensemble de ces matrices.

- 1 / 11 -
Déf : Soit A = (ai , j ) ∈ M n (K ) . Les coefficients d’indice (i , i ) de A sont appelées coefficients diagonaux de
A . La famille (a1,1 , a 2,2 ,…,an ,n ) = (ai ,i )1≤i ≤n est appelée diagonale de la matrice A .
Déf : Une matrice A ∈ M n (K ) est dite diagonale ssi tous ses coefficients hors de la diagonale sont nuls.
On note Dn (K) l’ensemble de ces matrices.
λ1 0 
 
Déf : On note diag(λ1 ,…, λn ) la matrice diagonale dont la diagonale est (λ1 ,..., λn ) i.e.  ⋱  .
 
 0 λn 
Déf : Une matrice A ∈ M n (K ) est dite triangulaire supérieure (resp. inférieure) ssi tous les coefficients en
dessous (resp. au dessus) de la diagonale sont nuls.
On note Tn+ (K) (resp. Tn− (K ) ) l’ensemble de ces matrices.
Prop : Dn (K ) = Tn+ (K) ∩Tn− (K ) .

3°) Espace vectoriel (M n , p (K), +,.) .


Déf : Soit A = (ai , j ) ∈ M n , p (K ) et B = (bi , j ) ∈ M n , p (K ) .
On définit la matrice A + B ∈ M n , p (K ) par A + B = (ai , j + bi , j )1≤i ≤n ,1≤ j ≤p .
a1,1 … a1, p  b1,1 … b1, p   a1,1 + b1,1 … a1, p + b1, p 
     
Ainsi  ⋮ ⋮  +  ⋮ ⋮  =  ⋮ ⋮  .
     
an ,1 … an , p  bn ,1 … bn , p  an ,1 + bn ,1 … an , p + bn , p 

Déf : Soit A = (ai , j ) ∈ M n , p (K ) et λ ∈ K .


On définit la matrice λ.A ∈ M n , p (K ) par λ.A = (λai , j )1≤i ≤n ,1≤ j ≤p .
a1,1 … a1, p   λa1,1 … λa1, p 
   
Ainsi λ. ⋮ ⋮  =  ⋮ ⋮  .
   
an ,1 … an , p  λan ,1 … λan , p 

Théorème : (M n , p (K), +,.) est un K -espace vectoriel d’élément nul O = On , p .


Déf : Soit 1 ≤ k ≤ n et 1 ≤ ℓ ≤ p . On appelle matrice élémentaire d’indice (k , ℓ) de M n , p (K ) la matrice E k , ℓ
dont tous les coefficients sont nuls sauf celui d’indice (k , ℓ) qui est égal à 1. Ainsi
 0
0 
Ek ,ℓ =  1  ∈ M n , p (K ) .

 
0 0
Théorème :
La famille B = (Ek , ℓ )1≤k ≤n ,1≤ℓ≤p forme une base de M n , p (K ) appelée base canonique.
Cor : dim M n , p (K ) = np et en particulier
dim M n (K ) = n 2 , dim M n ,1 (K ) = n et dim M 1, p (K ) = p .
Prop : Dn (K) est un sous-espace vectoriel de M n (K ) de dimension n .
n (n + 1)
Prop : Tn+ (K) et Tn− (K ) sont des sous-espaces vectoriels de M n (K ) de dimension .
2

4°) Produit matriciel


Déf : Soit A = (ai , j ) ∈ M n , p (K ) et B = (bj ,k ) ∈ M p ,q (K ) . On définit la matrice C = A×B = (ci ,k ) ∈ M n ,q (K )
p
par : ∀1 ≤ i ≤ n , ∀1 ≤ k ≤ q , ci ,k = ∑ ai , jbj ,k .
j =1

- 2 / 11 -
5°) Propriétés du produit matriciel
Prop : Soit A ∈ M n , p (K ), B ∈ M p ,q (K),C ∈ M q ,r (K ) .
On a (AB )C = A(BC ) .
Prop : ∀A ∈ M n , p (K) , AI p = A et I n A = A
Prop : ∀A, B ∈ M n , p (K ) , ∀C ∈ M p ,q (K ) (A + B )C = AC + BC .
∀A ∈ M n , p (K) , ∀B ,C ∈ M p ,q (K ) , A(B +C ) = AB + AC .
Prop : ∀A ∈ M n , p (K) , ∀B ∈ M p ,q (K ) , ∀λ ∈ K , (λ.A)B = λ.AB = A(λ.B ) .

6°) L’anneau (M n (K ), +,×) .


a) présentation
Théorème :
(M n (K ), +,×) est un anneau, généralement non commutatif, d’élément nul O = On et d’élément unité

I = I n . De plus, ∀λ ∈ K, ∀A, B ∈ M n (K) : (λ.A)B = λ.(AB ) = A(λ.B ) .

Déf : On dit que deux matrices A et B de M n (K ) commutent ssi AB = BA .


Déf : Soit A ∈ M n (K ) . On note A0 = I n , A1 = A, A2 = A×A,..., Am = A×A×...×A ( m termes)
Théorème :
Si A et B commutent alors pour tout m ∈ ℕ :
m m −1

k =0
k ()
(AB )m = Am B m , (A + B )m = ∑ m Ak B m −k et Am − B m = (A − B )∑ Ak B m −1−k .
k =0

Déf : Soit A ∈ M n (K ) .
On dit que A est idempotente ssi A2 = A .
On dit que A est une matrice nilpotente ssi ∃m ∈ ℕ, Am = 0 .
b) matrices inversibles
Déf : Une matrice A ∈ M n (K ) est dite inversible ssi ∃B ∈ M n (K ), AB = BA = I n . On note alors B = A−1 .
Prop : Soit A, B ∈ M n (K)
Si A et B sont inversibles alors AB l’est aussi et (AB )−1 = B −1A−1 .
Si A est inversible alors A−1 l’est aussi et (A−1 )−1 = A .
Déf : On note GLn (K ) l’ensemble des matrices inversibles de M n (K) .
Prop : (GLn (K ),×) est un groupe appelé groupe linéaire d’ordre n .
Théorème d’inversibilité :
Soit A ∈ M n (K ) . On a équivalence entre
(i) A est inversible
(ii) A est inversible à droite i.e. ∃B ∈ M n (K ), AB = I n
(iii) A est inversible à gauche i.e. ∃C ∈ M n (K),CA = I n .
De plus si tel est le cas A−1 = B = C .
c) matrices diagonales
Prop : Dn (K) est un sous-anneau commutatif de M n (K ) .
 
a1
Prop : Soit A =   ⋱  ∈ Dn (K ) . On a équivalence entre :
 
 an 
(i) A est inversible

- 3 / 11 -
(ii) ∀1 ≤ i ≤ n ,ai ≠ 0 .
1 a1 
 
De plus si tel est le cas : A = 
−1
⋱  .
 
 1 an 
d) matrices triangulaires
Prop : Tn+ (K) est un sous-anneau de M n (K ) .
Prop : Soit A ∈ Tn+ (K ) . On a équivalence entre :
(i) A est inversible
(ii) Les coefficients diagonaux de A sont tous non nuls.
De plus, si tel est le cas, A−1 ∈ Tn+ (K ) .

7°) Transposition
a) définition
Déf : Soit A = (ai , j ) ∈ M n , p (K ) . On appelle matrice transposée de A la matrice t A = (a j′,i ) ∈ M p ,n (K ) définie
par ∀1 ≤ i ≤ n , ∀1 ≤ j ≤ p, a j′,i = ai , j .
Ainsi le coefficient d’indice ( j , i ) de t A est égal au coefficient d’indice (i , j ) de A .
a11 … a1p  a11 … an1 
  t  

Concrètement : Pour A =  ⋮ ⋮  , A =  ⋮ ⋮  .
 
  
an1 … anp  a1p … anp 
Prop : ∀A ∈ M n , p (K ), t ( t A) = A .
∀A, B ∈ M n , p (K ), ∀λ, µ ∈ K, t (λA + µB ) = λ tA + µ t B .
Prop : ∀A ∈ M n , p (K ), ∀B ∈ M p ,q (K ), t (AB ) = t B t A .
Prop : Soit A ∈ M n (K ) .
Si A est inversible alors t A l’est aussi et t (A−1 ) = ( tA)−1 .
b) matrices symétriques et antisymétriques
Déf : On dit que A ∈ M n (K ) est symétrique (resp. antisymétrique) ssi t A = A (resp. t A = −A ).
On note Sn (K ) (resp. An (K) ) l’ensemble de ces matrices.
a11 a12 … a1n 
 
a a 22 ⋱ ⋮ 
Prop : Les matrices de Sn (K) sont de la forme : A =   12
 .
 ⋮ ⋱ ⋱ an −1,n 
 
a1n ... an −1,n an ,n 

n (n + 1)
Par suite Sn (K) est un sous-espace vectoriel de dimension de M n (K ) .
2
 0 a12 … a1n 
 
−a 0 ⋱ ⋮ 
Prop : Les matrices de An (K ) sont de la forme : A = 
12
 .
 ⋮ ⋱ ⋱ an −1,n 
 
−a1n … −an −1,n 0 
Théorème :
Sn (K ) et An (K) sont deux sous-espaces vectoriels supplémentaires de M n (K ) .
Prop : Soit A ∈ M n (K ) inversible.
Si A ∈ S n (K ) alors A−1 ∈ Sn (K ) .
Si A ∈ An (K ) alors A−1 ∈ An (K) .

- 4 / 11 -
II. Représentation matricielle d’une application linéaire

1°) Matrice d’une famille de vecteurs


Soit E un K -espace vectoriel muni d’une base B = (e1 , …,en ) .
Pour tout x ∈ E , ∃!(α1 , …, αn ) ∈ Kn , x = α1e1 + ⋯ + αnen .
 α1 
 
Déf : On appelle matrice des composantes de x dans B la matrice colonne Mat B (x ) =  ⋮  ∈ M n ,1 (K) .
 
αn 
x
 
Ainsi Mat B (x ) =   composantes
 ⋮ 
  dans B.
 
Prop : L’application x ֏ Mat B (x ) est un isomorphisme entre les K -espaces vectoriels E et M n ,1 (K ) .
Soit F = (x1 , x 2 , …, x p ) une famille de vecteurs de E . Pour tout 1 ≤ j ≤ p , posons C j = Mat B (x j ) .
Déf : On appelle matrice représentative de la famille F dans B la matrice A dont les colonnes sont les
C1 ,C 2 ,…,C p . On note A = Mat B (F ) = Mat B (x1 ,…, x p ) ∈ M n , p (K ) .
x1 xp
  composantes
Ainsi Mat B (F ) =  
 ⋮ ⋮ 
  dans B.
 

2°) Matrice d’une application linéaire


Déf : Soit E et F des K -espaces vectoriels de dimension p et n et munis de bases B = (e1 ,…,e p ) et
C = ( f1 , …, fn ) . Soit u ∈ L(E , F ) , on appelle matrice représentative de u relativement aux bases B et
C la matrice : Mat B , C (u ) = Mat C (u (B )) = Mat C (u (e1 ),…, u (ep )) ∈ M n , p (K ) .
u (e1 ) u (e p )
 
Ainsi Mat B , C (u ) =   composantes .
 ⋮ ⋮ 
  dans C .
 
Déf : Soit E un K -espace vectoriel de dimension n muni d’une base B = (e1 , …,en ) .
Soit f ∈ L(E ) , en général on représente matriciellement f en choisissant la même base au départ et à
l’arrivée. La matrice carrée d’ordre n ainsi obtenue est notée Mat B ( f ) au lieu de Mat B , B ( f ) .

3°) Propriétés de la représentation matricielle


a) isomorphisme
Théorème :
Soit E , F des K -espaces vectoriels munis de bases B = (e1 ,…,e p ) et C = ( f1 , …, fn ) .
L’application M : L(E , F ) → M n , p (K ) définie par M (u ) = Mat B , C (u ) est un isomorphisme de K -
espace vectoriel.
Cor : Soit E et F deux K -espaces vectoriels de dimensions finies.
L(E , F ) est un K -espace vectoriel de dimension finie et dim L(E , F ) = dim E × dim F .
En particulier : dim L(E ) = dim E 2 et dim E ∗ = dim E .
Cor : Lorsque deux K -espaces vectoriels E et F sont munis de bases B et C , il est équivalent de se donner
u ∈ L(E , F ) ou de se donner A = Mat B ,C (u ) ∈ M n , p (K ) .

Déf : Pour E = K p et B base canonique de K p .


Pour F = Kn et C base canonique de Kn .

- 5 / 11 -
L’application M : L(K p , Kn ) → M n , p (K ) est appelée isomorphisme canonique entre L(K p , Kn ) et
M n , p (K ) .
Pour u ∈ L(K p , Kn ) , A = M (u ) ∈ M n , p (K ) est appelée matrice canoniquement associée à u .
Pour A ∈ M n , p (K ) , u = M −1 (A) ∈ L(K p , Kn ) est appelée application linéaire canoniquement associée à
A.
b) image d’un vecteur
Théorème :
Soit E et F des K -espaces vectoriels munis de bases B = (e1 ,…,e p ) et C = ( f1 , …, fn ) . Soit
u ∈ L(E , F ), x ∈ E et y ∈ F .
Notons A = Mat B ,C (u ), X = Mat B (x ) et Y = Mat C (y ) .
On a : y = u (x ) ⇔ Y = AX .
Ainsi : Mat C (u (x )) = Mat B , C (u )× Mat B (x ) .
En Particulier : Les formes linéaires.
Si F = K muni de sa base canonique (1) et f ∈ E ∗ alors la matrice de f est une matrice ligne L est
y = f (x ) ⇔ y = LX .
c) composition d’applications linéaires
Théorème :
Soit E , F ,G trois K -espaces vectoriels munis de bases B = (e1 ,…,e p ) , C = ( f1 , …, fn ) ,
D = (g1 ,…, g m ) . Pour u ∈ L(E , F ) et v ∈ L(F ,G ) on a : Mat B , D (v
u ) = Mat C , D (v )× Mat B ,C (u )
Cor : Soit E un K -espace vectoriel muni d’une base B = (e1 , …,en )
Soit f , g ∈ L(E ) et A = Mat B ( f ), B = Mat B (g ) ∈ M n (K ) .
On a Mat B ( f
g ) = AB et ∀m ∈ ℕ, Mat B ( f m ) = Am .
d) représentation d’un iso morphisme
Théorème :
Soit E et F deux K -espaces vectoriels de même dimension n munis de bases B = (e1 , …,en ) et
C = (e1 ,…,en ) . Soit u ∈ L(E , F ) et A = Mat B ,C (u )
On a équivalence entre :
(i) u est un isomorphisme
(ii) A est inversible.
De plus si tel est le cas Mat C , B (u −1 ) = A−1 .
En Particulier : (Les automorphismes)
Soit E un K -espace vectoriel muni d’une base B = (e1 , …,en ) . Soit f ∈ L(E ) et A = Mat B ( f ) .
f ∈ GL (E ) ⇔ A ∈ GLn (K )
De plus, si tel est le cas : Mat B ( f −1 ) = A−1 .
e) tableau de correspondances
E M n ,1 (K )
L(E , F ) M n ,p ( K )
L(E ) M n (K)

E M1,n (K )
u A
y = u (x ) Y = AX
v
u BA
u isomorphisme A inversible
u −1 A−1

- 6 / 11 -
4°) Représentation d’un endomorphisme dans une base adaptée
Soit E un K -espace vectoriel de dimension n .
Prop : Soit λ ∈ K et hλ : E → E l’homothétie vectorielle de rapport λ .
λ 0
 
Dans toute base B = (e1 , …,en ) : Mat B (hλ ) =  ⋱  .

 
 0 λ 
Prop : Soit F et G deux sous-espaces vectoriels supplémentaires de dimensions respectives r et n − r .
Notons p la projection vectorielle sur F parallèlement à G et s la symétrie vectorielle par rapport à F
et parallèlement à G . Dans toute base B adaptée à la supplémentarité de F et G :
I 0  I 0 
Mat B (p ) =  r  et Mat B (s ) =  r

 .
 0 0n −r   0 −I n −r 

5°) Formules de changement de bases.


a) matrice de passage
Soit E un K -espace vectoriel de dimension n muni de deux bases B = (e1 , …,en ) et B ′ = (ε1 ,…, εn ) .
Déf : On appelle matrice de passage de B à B ′ la matrice
P = Mat B (B ′) = Mat B (ε1 ,…, εn ) .
Prop : Soit P la matrice de passage de B à B ′ . On a P = Mat B ′ ,B (IdE ) .
Prop : Soit P la matrice de passage de B à B ′ .
P est inversible et P −1 est la matrice de passage de B ′ à B .
b) nouvelles composantes d’un vecteur
Prop : Soit B et B ′ deux bases d’un K -espace vectoriel E de dimension n .
Soit x ∈ E , notons X et X ′ ses matrices composantes dans B et B ′ .
En notant P la matrice de passage de B à B ′ , on a : X = PX ′ et X ′ = P −1X ,
i.e. : Mat B (x ) = Mat B B ′ Mat B ′ (x ) et Mat B ′ (x ) = Mat B ′ B Mat B (x )
c) nouvelle représentation d’une application linéaire
Prop : Soit B et B ′ deux bases d’un K -espace vectoriel E .
Soit C et C ′ deux bases d’un K -espace vectoriel F .
Soit u ∈ L(E , F ) . Posons A = Mat B ,C (u ) et A′ = Mat B ′ , C ′ (u ) .
En notant P la matrice de passage de B à B ′ et Q a matrice de passage de C à C ′ on a :
A′ = Q −1AP . Ainsi A′ = Mat B ′ ,C ′ (u ) = Mat C ′ C .Mat B , C (u ).Mat B B ′ .
d) nouvelle représentation d’un endomorphisme
Théorème :
Soit B et B ′ deux bases d’un K -espace vectoriel E .
Soit f ∈ L(E ) . Posons A = Mat B ( f ) et A′ = Mat B ′ ( f ) .
En notant P = Mat B B ′ . On a : A′ = P −1AP .
Ainsi A′ = Mat B ′ ( f ) = Mat B ′ B.Mat B ( f ).Mat B B ′ .

6°) Traces
a) trace d’une matrice carrée
n
Déf : Soit A = (ai , j ) ∈ M n (K ) . On appelle trace de la matrice A le scalaire tr(A) = ∑ ai ,i .
i =1

Prop : tr : M n (K ) → K est une forme linéaire.


Prop : ∀A, B ∈ M n (K ), tr(AB ) = tr(BA) .

- 7 / 11 -
b) trace d’un endomorphisme
Soit E un K -espace vectoriel de dimension n et f ∈ L(E ) .
Soit B et B ′ deux bases de E . Notons P = Mat B B ′, A = Mat B ( f ), A′ = Mat B ′ ( f ) .
La relation de passage permet d’écrire : A = PA′ P −1 . On a : tr(A) = tr(P −1PA′) = tr(A′) .
Par suite la trace de la matrice représentative de f est indépendante de la base choisie.
Déf : Cette quantité est appelée trace de l’endomorphisme f et est notée tr( f ) .
Prop : L’application tr : L(E ) → K est une forme linéaire sur E .
Prop : ∀f , g ∈ L(E ), tr( f
g ) = tr(g
f ) .

III. Rang d’une matrice

1°) Définition
Soit A = (ai , j ) ∈ M n , p (K ) . Notons C 1 ,C 2 ,…,C p les colonnes de A . Les C j sont des vecteurs du K -espace
vectoriel M n ,1 (K ) , on peut donc considérer le rang de la famille de vecteurs (C 1 ,C 2 ,…,C p ) .
Déf : On appelle rang de la matrice A , noté rg(A) , le rang de la famille des colonnes de A , ainsi
rg(A) = rg(C1 ,C 2 , …,C p ) .
Prop : Soit F = (x1 , x 2 , …, x p ) une famille de vecteurs de d’un K -espace vectoriel E muni d’une base B .
En notant A = Mat B (x1 , x 2 ,…, x p ) , on a rg(x1 , x 2 , …, x p ) = rg(A) .
Prop : Soit E , F deux K -espaces vectoriels munis de bases B et C et u ∈ L(E , F ) .
En notant A = Mat B ,C (u ) , on a rg(u ) = rg(A) .

2°) Propriétés du rang d’une matrice


Prop : ∀A ∈ M n , p (K ), rg(A) ≤ min(n , p ) .
Prop : ∀A ∈ M n , p (K ), ∀B ∈ M p ,q (K ), rg(AB ) ≤ min(rg(A), rg(B )) .
De plus :
Si A est une matrice carrée inversible alors rg(AB ) = rg(B )
Si B est une matrice carrée inversible alors rg(AB ) = rg(A) .
Théorème :
Soit A ∈ M n (K ) . On a équivalence entre :
(i) A est inversible
(ii) rg(A) = n .

3°) Caractérisation théorique du rang


Soit 0 ≤ r ≤ min(n , p ) .
1 0 
 
 ⋱ 0
On note J r la matrice de M n , p (K ) définie par J r =   .
0 1 

 0 0


Prop : rg(J r ) = r .
Théorème :
Soit A ∈ M n , p (K ) et r ∈ ℕ tel que 0 ≤ r ≤ min(n , p ) .
On a équivalence entre :
(i) rg(A) = r
(ii) ∃P ∈ GLp (K ), ∃Q ∈ GLn (K) telles que A = QJ r P .

Cor : ∀A ∈ M n , p (K ), rg( t A) = rg A .

- 8 / 11 -
Prop Soit A ∈ M n , p (K ) dont on note C1 ,…,C p les colonnes et L1 , …, Ln les lignes. On a
rg(A) = rg(C1 ,…,C p ) = rg(L1 , …, Ln ) .

4°) Opérations élémentaires sur les matrices


a) préliminaire
Prop : Les matrices de M n (K ) suivantes sont inversibles :
1) C = I n + λE i , j avec λ ∈ K et 1 ≤ i ≠ j ≤ n .
2) D = I n − E i ,i + λE i ,i avec λ ∈ K * et 1 ≤ i ≤ n .
3) E = I n − Ei ,i − E j , j + Ei , j + E j ,i avec 1 ≤ i ≠ j ≤ n .
b) opérations élémentaires sur les lignes
Soit A = (ai , j ) ∈ M n , p (K ) et Ei , j la matrice élémentaire d’indice (i , j ) de M n (K ) :
1) Soit C = I n + λE i , j avec λ ∈ K et 1 ≤ i ≠ j ≤ n . CA = A + λEi , j A est obtenue en ajoutant à la i ème de A
λ fois sa j ème ligne. Cette manipulation est symbolisée : Li ← Li + λ.Lj .
2) Soit D = I n − E i ,i + λE i ,i avec λ ∈ K * et 1 ≤ i ≤ n . DA = A − E i ,i A + λE i ,i A est obtenue en dilatant par
λ ≠ 0 la i ème ligne de A . Cette manipulation est symbolisée : Li ← λ.Li .
3) Soit E = I n − Ei ,i − E j , j + Ei , j + E j ,i avec 1 ≤ i ≠ j ≤ n . EA = A − Ei ,i A − E j , j A + Ei , j A + E j ,i A est obtenue
en échangeant la i ème ligne et la j ème ligne de A . Cette opération est symbolisée par : Li ↔ Lj .
Déf : Ces manipulations sont appelées opérations élémentaires sur les lignes de A .
Prop : Elles conservent le rang de A .
c) opérations élémentaires sur les colonnes
Soit A = (ai , j ) ∈ M n , p (K ) et Ei , j la matrice élémentaire d’indice (i , j ) de M p (K) .
1) Soit C = I p + λEi , j avec λ ∈ K et 1 ≤ i ≠ j ≤ p . AC = A + λAEi , j est la matrice obtenue par la
manipulation C j ← C j + λ.C i
2) Soit D = I p − Ei ,i + λEi ,i avec λ ∈ K * et 1 ≤ i ≤ p . AD = A − AEi ,i + λAEi ,i est la matrice obtenue par la
manipulation C i ← λ.C i
3) Soit E = I p − E i ,i − E j , j + Ei , j + E j ,i avec 1 ≤ i ≠ j ≤ p . AE = A − AE i ,i − AE j , j + AEi , j + AE j ,i est la
matrice obtenue par la manipulation C i ↔ C j
Déf : Ces manipulations sont appelées opérations élémentaires sur les colonnes de A .
Prop : Elles conservent le rang de A .

5°) Méthode du pivot de Gauss


Soit A = (ai , j ) ∈ M n , p (K ) . On désire calculer le rang de A .
Si A = On , p alors rg(A) = 0 .
Sinon A possède un coefficient non nul p1 = ai , j .
Par les opérations Li ↔ L1 et C j ↔ C1 on amène le coefficient p1 en position (1,1) et on dispose alors d’une
matrice de la matrice de la forme :
 p1 *
 
α 
 2  avec p ≠ 0 appelé 1er pivot.
 ⋮ * 1
 
αn 

α2
On effectue alors les opérations L2 ← L2 − L1 , … et on aboutit à une matrice de la forme :
p1

- 9 / 11 -
p1 * 
 
 0
 
 ⋮ B  avec p1 ≠ 0 .
 
 0 

On recommence ce processus avec la matrice B tant que la matrice obtenue est non nulle. A la fin, on obtient :
p1 * 

 ⋱ *
  avec p1 , …, pr ≠ 0 .
 0 pr 
 
 0 0
On peut alors conclure que rg(A) = r .

IV. Systèmes d’équations linéaires

1°) Positionnement du problème.


Soit ai , j ∈ K et bi ∈ K pour i ∈ {1, …, n } , j ∈ {1, …, p } .
On cherche tous les p uplets (x1 , …, x p ) ∈ K p solutions du système :
a11x1 + ⋯ + a1p x p = b1

Σ : ⋮ .

an1x1 + ⋯ + anp x p = bn
Déf : Σ est appelé système d’équations linéaires à n équations et p inconnues.
On note SΣ ⊂ K p l’ensemble des solutions du système Σ .
Posons x = (x1 ,…, x p ) ∈ K p , b = (b1 ,…,bn ) ∈ Kn et u : (x1 ,…, x p ) ֏ (a1,1x1 + ⋯ + a1,px p ,…,an ,1x1 + ⋯ + an ,p x p )
Le système Σ équivaut à u (x ) = b .
Déf : u (x ) = b est appélée équation vectorielle du système Σ .
Posons A = (ai , j ) ∈ M n , p (K ) , B = (bi ) ∈ M n ,1 (K ) et X = (x j ) ∈ M p ,1 (K) .
Le système Σ équivaut à AX = B .
Déf : L’équation AX = B est appelée équation matricielle du système Σ .
Déf : On appelle rang du système Σ le naturel : rg(Σ) = rg A = rg u .

2°) Compatibilité d’un système


Déf : Σ est dit compatible ssi SΣ ≠ ∅ .
a11x1 + ⋯ + a1p x p = b1

Considérons Σ :  ⋮ d’équation matricielle AX = B .

an1x1 + ⋯ + anp x p = bn

Déf : On note (A B ) la matrice de M n , p +1 (K) constituée des colonnes de A suivies de B .


Théorème :
Le système Σ est compatible ssi rg (A B ) = rg(A) .
Cor : Tout système de rang r = n est compatible.

3°) Description de l’ensemble solution


Déf : On appelle système homogène (ou sans second membre) associé à Σ le système :
a11x1 + ⋯ + a1p x p = 0

Σ0 : ⋮ .

an1x1 + ⋯ + anp x p = 0

- 10 / 11 -
Prop : L’ensemble solution du système Σ0 est un sous-espace vectoriel de K p de dimension p − r avec
r = rg(Σ) .
Théorème :
Si le système Σ est compatible alors SΣ est un sous-espace affine de K p de direction SΣ0 .

4°) Résolution pratique


a11x1 + ⋯ + a1p x p = b1

Considérons le système Σ :  ⋮ d’équation matricielle AX = B .

an1x1 + ⋯ + anp x p = bn
Par la méthode du pivot de Gauss, on peut en opérant sur les lignes et en permutant les colonnes, transformer A
p1 * 

 ⋱ *
en   avec p ,..., p ≠ 0 .
 1 r
 0 pr

 0 0

En suivant ce procédé, mais en opérant sur les équations au lieu des lignes et en permutant les inconnues au lieu
des colonnes, on peut transformer Σ en le système équivalent Σ ′ suivant :
p1x1′ + ⋯ + *x r′ + *x r′+1 + … + *x p′ = b1′ (1)

 …

 pr x r + *x r +1 + ⋯ + *x p = br′ (r )
′ ′ ′

 0 = br′+1 (r + 1)

 …

 0 = bn′ (n )
Déf : Les équations (1) ′, …, (r ) ′ sont appelées équations principales.
Les équations (r + 1) ′,…, (n ) ′ sont appelées équations de compatibilité.
Si l’une des équations de compatibilité est fausse, le système est incompatible.
Si les équations de compatibilité sont vérifiées, le système Σ est équivalent à :
p1x1′ + ⋯ + *x r′ = b1′ − (*x r′+1 + ⋯ + *x p′ )

 …


 pr x r′ = br′ − (*x r′+1 + ⋯ + *x p′ )

Ce système triangulaire se résout en cascade et permet d’exprimer les inconnues x1′,…, x r′ en fonction des
inconnues x r′+1 , …, x p′ .

Déf : Les inconnues x1′,…, x r′ sont appelées inconnues principales, c’est par rapport à celles-ci qu’on achève la
résolution du système.
Les inconnues x r′+1 , …, x p′ sont appelée inconnues paramètres, ce sont elles qui permettent la description
de SΣ .

5°) Système de Cramer


Déf : On appelle système de Cramer d’ordre n tout système à n équations, n inconnues et de rang n .
Théorème :
Un système de Cramer possède une et une seule solution.

- 11 / 11 -
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Opérations sur les matrices

Exercice 1 Pour A ∈ Mn (K ) , on note σ (A) la somme des termes de A .


1 ⋯ 1


On pose J = ⋮ 1
⋮ . Vérifier J .AJ
1 ⋯ 1
. = σ (A).J .
 

n n n
A = (ai , j ) ∈ Mn (K ) , σ (A) = ∑∑ ak , ℓ . B = AJ
. = (bi , j ) avec bi , j = ∑ ai , ℓ .1 et
k =1 ℓ =1 ℓ =1
n n n
. = J .B = (ci , j ) avec ci , j = ∑ 1.bk , j = ∑∑ ak ,l = σ (A) .
C = J .AJ
k =1 k =1 ℓ =1

Exercice 2 Pour i , j , k , ℓ ∈ {1,…, n } , on note Ei , j et Ek , ℓ les matrices élémentaires de Mn (K ) d’indices (i , j )


et (k , ℓ) . Calculer Ei , j ×Ek , ℓ .

Ei , j = (δp ,i δq , j )1≤p ,q ≤n et Ek , ℓ = (δp ,k δq , ℓ )1≤p ,q ≤n .


n n
A = Ei , j Ek , ℓ = (a p ,q ) avec a p ,q = ∑ (δp ,i δr , j )(δr ,k δq , ℓ ) = (∑ δr , j δr ,k )δp ,i δq , ℓ = δj ,k δp ,i δq , ℓ .
r =1 r =1

Ainsi Ei , j Ek ,l = δj ,k Ei ,l .

Exercice 3 Soit λ1 ,…, λn des éléments de K , deux à deux distincts, et D = diag(λ1 ,…, λn ) .
Déterminer les matrices de Mn (K ) commutant avec D .

Soit A = (ai , j ) ∈ Mn (K ) .
B = AD = (bi , j ) avec bi , j = ai , j λj et C = DA = (ci , j ) avec ci , j = λiai , j .
On a AD = DA si et seulement si ∀1 ≤ i , j ≤ n , ai , j λi = ai , j λj soit ai , j (λi − λj ) = 0 .
Les λ1 ,..., λn étant deux à deux distincts :
AD = DA si et seulement si ∀1 ≤ i ≠ j ≤ n , ai , j = 0 , autrement dit, A est diagonale.

Exercice 4 Soit A = (ai , j ) ∈ M n (K ) . Montrer que ∀B ∈ M n (K ), AB = BA ⇔ ∃λ ∈ K, A = λ.I n .

AEi , j = Ei , j A implique ai ,i = a j , j et ai ,k = 0 pour k ≠ i donc A = λ.I n . Réciproque immédiate.

Calcul des puissances d’une matrice

Exercice 5 Calculer An pour n ∈ ℕ et les matrices A suivantes :


1 1 a b  cos θ − sin θ 
a) A =   b) A =   c) A =  
0 2 0 a   sin θ cos θ 

1 an 
a) An =  avec an +1 = 1 + 2an , en introduisant bn = an + 1 , on obtient an = 2n −1 .
0 2n 
1 2n −1
Ainsi An =  .
0 2n 
a n na n −1b 
b) Par récurrence : An =  .
 0 a n 
cos nθ − sin nθ 
c) Par récurrence : A =  .
 sin n θ cos n θ 

1
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

1 1 1

Exercice 6 On considère la matrice : A = 0 1 1 et on pose B = A − I .
0 0 1

Calculer B n pour n ∈ ℕ et en déduire l’expression de An .

   
0 1 1 2 0 0 1 n
 
B = 0 0 1 , B = 0 0 0 , B = 0 pour n ≥ 3 .
0 0 0 0 0 0
 
1 n n (n + 1) 
 2 

n (n −1) 2  
Comme B et I commutent : An = (I + B )n = I + nB + B = 0 1 n  .
2 0 0 1 

1 1 0

Exercice 7 Calculer A pour A = 0 1 1 de deux manières différentes.
n

0 0 1

 
1 n n (n −1) 
 2 
a) Par récurrence : A = 0 1 n  .
0 0 1 
n (n −1) 2
b) An = I + B + B avec B 3 = O2 et formule du binôme.
2

−1 −2
Exercice 8 On considère la matrice A =  .
3 4 
a) Calculer A2 − 3A + 2I . En déduire que A est inversible et calculer son inverse.
b) Pour n ≥ 2 , déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2 .
c) En déduire l’expression de la matrice An .

1 3 1 3  2 1 
a) A2 − 3A + 2I = 0 . Comme A(− A + I ) = I , on a A−1 = − A + I =  .
2 2 2 2 −3 2 −1 2
b) X 2 − 3X + 2 = (X −1)(X − 2) . Sachant que le reste de la division euclidienne considérée est de la forme
aX + b , en évaluant en 1 et 2, on détermine a et b et on obtient :
X n = (X 2 − 3X + 2)Q (X ) + (2n −1)X + 2 − 2n .
c) On peut remplacer X par A dans le calcul qui précède et on obtient :
3 − 2n +1 2 − 2n +1 
An = (A2 − 3A + 2I )Q (A) + (2n −1)A + (2 − 2n )I = (2n −1)A + (2 − 2n )I =  n .
3.2 − 3 3.2n − 2

Inversion de matrice

a b 
Exercice 9 Soit A =  2
 ∈ M2 (K ) . Observer que A − (a + d )A + (ad −bc )I = 0 .
c d 
A quelle condition A est-elle inversible ? Déterminer alors A−1 .

La relation A2 − (a + d )A + (ad −bc )I = 0 est immédiate


1 1  d −b 
Si ad −bc ≠ 0 alors A est inversible et A−1 = ((a + d )I − A) =  .
ad −bc ad −bc −c a 
Si ad −bc = 0 alors A2 − (a + d )A = 0 .
Par l’absurde, si A est inversible, A est régulière donc A = (a + d )I puis A = O . Absurde.

2
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Exercice 10 Calculer l’inverse des matrices carrées suivantes :


1 0 1  1 1 −1  2 0 1
  
a) A =  2 −1 1  b) B =  2 0 1  c) C = −1 1 1 .
−1 1 −1   2 1 −1  1 0 1

0 1 1  −1 0 1   1 0 −1
  
A−1 = 1 0 1  , B −1 =  4 1 −3 et C −1 =  2 1 −3 .
1 −1 −1 
 2 1 −2 −1 0 2 

1
 −1 
Exercice 11 Justifier que A =  ⋱ −1
 ∈ Mn ( ℝ ) est inversible et déterminer A .
 
 0 1 

A est inversible car triangulaire supérieure à coefficients diagonaux non nuls.


 x1 = y1 + y 2 + 2y 3 + ⋯ + 2n −2 yn 1 1 2 ⋯ 2n −2 
x1 − (x 2 + ⋯ + x n ) = y1   
  ⋮  ⋱ ⋱ ⋮ 
⋮  ⋱ ⋱ 2  .
 ⇔ x = yn−2 + yn −1 + 2yn donc A−1 = 
 x n−1 − x n = yn−1  n −2  

 x n = yn 

x n−1 = yn−1 + yn 
 ⋱ 1 
 0
 nx = y n 
 1 

Exercice 12 Soit A = (ai , j ) ∈ M n (ℂ) telle que ∀1 ≤ i ≤ n , ∑a


j ≠i
i,j < ai ,i .

Montrer que A est inversible.


Notons C 1 , …,C n les colonnes de A et supposons λ1C 1 + ⋯ + λnC n = 0 .

n ∑λ
j ≠i
j ai , j
Si m = max( λ1 ,…, λn ) ≠ 0 alors, puisque pour tout 1 ≤ i ≤ n , ∑ λiai , j = 0 , on a λi ≤
j =1 ai ,i
< m , ce

qui est absurde. Par suite (C 1 ,…,C n ) est libre et donc A inversible.

 2i π 
Exercice 13 Soit n ∈ ℕ \ {0,1} et ω = exp  . On pose A = (ω (k −1)( ℓ−1) ) ∈ Mn (ℂ) .
 n  1≤k , ℓ ≤n

Calculer AA . En déduire que A est inversible et calculer A−1 .

A = (ak , ℓ ) avec ak , ℓ = ω (k −1)( ℓ−1) . A = (bk , ℓ ) avec bk , ℓ = ak , ℓ = ω (k −1)( ℓ−1) = ω −(k −1)( ℓ−1) .
n n n −1
AA = (ck , ℓ ) avec ck , ℓ = ∑ ak ,mbm , ℓ = ∑ ω (k −1)(m −1) ω −(m −1)( ℓ−1) = ∑ (ω k −ℓ )m .
m =1 m =1 m =0
k −ℓ
Si k = ℓ alors ω = 1 et ck ,k = n .
1− (ω k −ℓ )n
Si k ≠ ℓ alors ω k −ℓ ≠ 1 et ck , ℓ = =0.
1 − ω k −ℓ
1
Ainsi AA = nI n . On en déduit que A est inversible et que A−1 = A.
n

 2 −1 2 

Exercice 14 Soit A =  5 −3 3  .
−1 0 −2

a) Calculer (A + I )3 .
b) En déduire que A est inversible.

a) (A + I )3 = O3 .
b) A3 + 3A2 + 3A + I = O donc A est inversible et A−1 = −(A2 + 3A + 3I ) .

3
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Exercice 15 Soit A = (1− δi , j ) ∈ Mn ( ℝ )


a) Calculer A2 .
b) Montrer que A est inversible et exprimer A−1 .

a) A = J − I n avec J 2 = nJ donc A2 = (n − 2)J + I n = (n − 2)A + (n −1)I n .


1
b) AB = I n pour B = (A − (n − 2)I n ) donc A est inversible et B = A−1 .
n −1

Exercice 16 Soit A ∈ Mn (K ) telle que la matrice I + A soit inversible. On pose B = (I − A)(I + A)−1 .
a) Montrer que B = (I + A)−1 (I − A) .
b) Montrer que I + B est inversible et exprimer A en fonction de B .

a) Comme (I + A)(I − A) = (I − A)(I + A) , on a, en multipliant à droite et à gauche par (I + A)−1 , la relation


(I − A)(I + A)−1 = (I + A)−1 (I − A) .
1
b) (I + A)(I + B ) = (I + A) + (I − A) = 2I donc I + B est inversible et (I + B )−1 = (I + A) .
2
1
(I − B )(I + B )−1 = (I + A − (I − A)) = A .
2

Transposition

Exercice 17 Déterminer une condition nécessaire et suffisante pour que le produit de deux matrices
symétriques soit encore une matrice symétrique.

Soit A, B ∈ Mn (K) . Sachant t (AB ) = tB t A on a t (AB ) = AB ⇔ BA = AB .


Le produit de deux matrices symétriques est une matrice symétrique si et seulement si les deux matrices
commutent.

Exercice 18 Montrer que An ( ℝ ) et Sn ( ℝ ) sont des sous-espaces vectoriels supplémentaires de Mn ( ℝ ) .

On peut procéder de manière élémentaire ou exploiter que l’application T : M n ( ℝ ) → M n ( ℝ ) définie par


T (A) = tA est un endomorphisme involutif donc une symétrie vectorielle ce qui assure que les espaces
ker(T − Id) = Sn ( ℝ ) et ker(T + Id) = An ( ℝ ) sont supplémentaires.

Structures formées de matrices

 a b c  
   3

Exercice 19 Soit E = M (a ,b ,c ) = c a b  /(a ,b ,c ) ∈ ℝ  .
 
b c a  
 
Montrer que E est une sous-algèbre commutative de M 3 ( ℝ ) dont on déterminera la dimension.

M (a ,b ,c ) = aI + bJ + cK avec I = M (1, 0, 0) , J = M (0,1, 0) et K = M (00,1) = J 2 .


E = Vect(I ,J , K ) est un sous-espace vectoriel de dimension 3 de M 3 ( ℝ ) .
M (a ,b ,c )M (a ′,b ′,c ′) = (aa ′ + bc ′ + cb ′)I + (ab ′ + a ′b + cc ′)J + (ac ′ + a ′c + bb ′)K .
Donc E est une sous algèbre (visiblement commutative) de M 3 ( ℝ ) .

a b c 

Exercice 20 Soit E l’ensemble des matrices de la forme M (a ,b ,c ) = 0 a b  avec a ,b , c ∈ ℝ .
0 0 a 
Notre objectif est d’établir que l’inverse d’une matrice inversible de E appartient encore à E ,
sans pour autant calculer cet inverse.

4
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

a) Montrer que (E , +,.) est un ℝ -espace vectoriel dont on précisera la dimension.


b) Montrer que (E , +,×) est un anneau commutatif.
c) A quelle condition sur (a ,b , c ) ∈ ℝ 3 , la matrice A = M (a ,b , c ) est-elle inversible dans M3 ( ℝ )
? On suppose cette condition vérifiée. En considérant l’application f : E → E définie par
f (X ) = AX , montrer que A−1 ∈ E .

1 0 0 0 1 0 0 0 1


  
a) M (a ,b ,c ) = a .I + b.J + c.K avec I = 0 1 0 , J = 0 0 1 et K = J = 0 0 0 .

 
 2

0 0 1  0 0 0
0 0 0
On observe que : E = Vect(I ,J , K ) . Par suite E un sous-espace vectoriel de M 3 ( ℝ ) .
De plus la famille (I , J , K ) est libre, c’est donc une base de E et par suite dim E = 3 .
b)De plus I ∈ E , M (a ,b ,c ) − M (a ′,b ′, c ′) = M (a −a ′,b −b ′,c −c ′) ∈ E et
M (a ,b ,c )M (a ′,b ′,c ′) = (aI + bJ + cK )(a ′I + b ′J + c ′K ) = aa ′I + (ab ′ + a ′b )J + (ac ′ + bb ′ + ca ′)K ∈ E .
Donc E est un sous-anneau de M3 ( ℝ ) .
De plus M (a ,b ,c )M (a ′,b ′,c ′) = M (a ′,b ′, c ′)M (a ,b , c ) , donc E est un anneau commutatif.
c) A est inversible si et seulement si a ≠ 0 (ici A est triangulaire supérieure)
f (λ.X + µ.Y ) = A(λ.X + µ.Y ) = λ.AX + µ.AY = λ.f (X ) + µ.f (Y ) . f est un endomorphisme de E .
Soit X ∈ E , si X ∈ ker f alors AX = O puis A−1AX = O d’où X = O . Par suite ker f = {0}
f est un endomorphisme injectif d’un K -espace vectoriel de dimension finie, c’est donc un automorphisme.
Par suite ∃B ∈ E telle que f (B ) = AB = I .
En multipliant par A−1 , on conclut A−1 = B ∈ E .

Exercice 21 Matrices de permutation :


Soit n ∈ ℕ \ {0,1} . Pour σ ∈ Sn , on note P (σ ) = (δi ,σ ( j ) ) ∈ Mn ( ℝ ) , appelée matrice de
1≤i , j ≤n

permutation associée à σ .
a) Montrer que ∀ (σ , σ ′) ∈ Sn2 on a : P (σ σ ′) = P (σ )P (σ ′) .
b) En déduire que E = {P (σ ) / σ ∈ Sn } est un sous-groupe de GLn ( ℝ ) isomorphe à Sn .
c) Vérifier que t (P (σ )) = P (σ −1 ) .

a) B = (e1 , …,en ) la base canonique de ℝn .


Notons fσ l’endomorphisme canoniquement associé à P (σ ) .
Pour tout 1 ≤ j ≤ n , on a fσ (e j ) = eσ ( j ) .
Par suite ( fσ fσ ′ )(e j ) = fσ σ ′ (e j ) puis P (σ σ ′) = P (σ )P (σ ′)
b) I n = P (Id) .
∀P (σ ), P (σ ′) ∈ E on a P (σ )P (σ ′) = P (σ σ ′) ∈ E .
∀P (σ ) ∈ E on a P (σ )P (σ −1 ) = P (σ σ −1 ) = P (Id) = I n donc P (σ ) ∈ GLn ( ℝ ) et P (σ )−1 = P (σ −1 ) ∈ E .
On peut alors conclure que E est un sous-groupe de GLn ( ℝ ) .
L’application P : Sn → E qui à σ associe P (σ ) est un morphisme de groupe surjectif.
Soit σ ∈ ker P , on a P (σ ) = I n donc ∀1 ≤ j ≤ n , σ ( j ) = j soit σ = Id .
c) t P (σ ) = (δj ,σ (i ) )i , j = (δσ−1 ( j ),i )i , j = (δi ,σ−1 ( j ) )i , j = P (σ −1 ) .

a + b b 
Exercice 22 Soit E l’ensemble des matrices de M2 (K ) de la forme A =  avec (a ,b ) ∈ K 2 .
 −b a − b 
a) Montrer que E est un sous-espace vectoriel de M2 (K ) , en donner une base.
b) Montrer que E est un sous-anneau commutatif de M2 (K) .
c) Déterminer les inversibles de E .
d) Déterminer les diviseurs de zéro de E .

5
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

1 1 
a) E = Vect(I ,J ) avec J =  . (I , J ) forme une base de E .
− 1 − 1
b) E ⊂ M2 (K ) , I ∈ E . Soient A = aI + bJ ∈ E et B = cI + dJ ∈ E .
A − B = (a −c )I + (b −d )J ∈ E et AB = (ac )I + (ac + bd )J car J 2 = O .
Ainsi E est un sous-anneau de M2 (K) . De plus AB = BA donc E commutatif.

c) Avec les notations précédentes AB = I si et seulement si {acad =+bc1 = 0 .


Par suite A est inversible si et seulement si a ≠ 0 .

d) Avec les notations précédentes AB = 0 si et seulement si {acad =+bc0 = 0 .


Par suite A est diviseur de zéro si et seulement si a = 0 .

Représentation matricielles d’une application linéaire

Exercice 23 Déterminer la matrice relative aux bases canoniques des applications linéaires f suivantes :
ℝ 3 → ℝ 2
a) f : 
(x , y , z ) ֏ (x + y , y − 2x + z )
ℝ 3 → ℝ 3
b) f :  
(x , y , z ) ֏ (y + z , z + x , x + y )
ℝ 3 [X ] → ℝ 3 [X ]
c) f : 
P ֏ P (X + 1)
ℝ 3 [X ] → ℝ 4
d) f :  
P ֏ (P (1), P (2), P (3), P (4))
On note A la représentation matricielle cherchée.
1 1 1 1 1 1 1 1 
0 1 1   
 1 1 0   c) A = 0 1 2 3  1 2 4 8 
a) A =   b) A =  1 0 1  d) A =  .
−2 1 1   0 0 1 3 1 3 9 27
1 1 0 
0 0 0 1 1 4 16 64

Exercice 24 On considère les sous-espaces vectoriels supplémentaires de ℝ 3 suivants :


P = {(x , y , z ) ∈ ℝ 3 | x + 2y − z = 0} et D = Vect(w ) où w = (1, 0, −1) .
On note B = (i , j , k ) la base canonique de ℝ 3 .
On note p la projection vectorielle sur P parallèlement à D , q celle sur D parallèlement à P ,
et enfin, s la symétrie vectorielle par rapport à P et parallèlement à D .
a) Former la matrice de p dans B .
b) En déduire les matrices, dans B , de q et de s .

a) Pour u = (x , y , z ) calculons p (u ) = (x ′, y ′, z ′) .
Comme p (u ) − u ∈ D , ∃λ ∈ K tel que p (u ) = u + λ.w .
Comme p (u ) ∈ P , x ′ + 2y ′ − z ′ = 0 ce qui donne λ = − (x + 2y − z ) 2 .
1 2 −1 1 2

et donc p (u ) = ((x − 2y + z ) 2, y , (x + 2y + z ) 2) . Par suite Mat B (p ) =  0 1 0  .
1 2 1 1 2
12 1 −1 2 0 −2 1
 
b) Comme q = I − p et s = 2p − I , Mat B (q ) =  0 0 0  et Mat B (s ) = 0 1 0 .



−1 2 −1 1 2  1 2 0

6
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Exercice 25 Soit ϕ l’endomorphisme de ℝ n [X ] défini par ϕ (P ) = P (X + 1) .


a) Ecrire la matrice A de ϕ dans la base canonique B de ℝ n [X ] .
b) Justifier que A est inversible et calculer A−1 .

 j −1
a) A = (C ji −−11 )1≤i , j ≤n +1 ∈ M n +1 ( ℝ ) avec C ji−−11 =  .
 i −1
b) ϕ−1 (P ) = P (X −1) donc ϕ−1 (X k ) = (X −1)k d’où A−1 = ((−1) j −i C ji−−11 )1≤i , j ≤n +1 .

 j −1
Exercice 26 Soit A = (ai , j )1≤i , j ≤n +1 ∈ M n +1 ( ℝ ) avec ai , j =   et ϕ ∈ L( ℝ n [X ]) représenté par A dans la
 i −1
base (1, X , …, X n ) .
a) Exprimer ϕ(P ) pour tout P ∈ ℝ n [X ] .
b) Calculer Am pour tout m ∈ ℕ .
c) Calculer A−1 .
n k
k  k 
a) Pour 0 ≤ k ≤ n : ϕ(X k ) = ∑   X i = ∑   X i = (X + 1)k . Par suite ϕ(P ) = P (X + 1) .
i =0
 i  i =0
i 
n
k 
b) ϕm (P ) = P (X + m ) donc ϕm (X k ) = (X + m )k = ∑  m k −i X i d’où Am = (m j −iai , j )1≤i , j ≤n +1 .
k =0
i 
c) ϕ−1 (P ) = P (X −1) donc ϕ−1 (X k ) = (X −1)k d’où A−1 = ((−1) j −i ai , j )1≤i , j ≤n +1 .

Exercice 27 Soit E un K -espace vectoriel de dimension 3 et f ∈ L(E ) tel que f 2 ≠ 0 et f 3 = 0 .


0 0 0

Montrer qu’il existe une base de E dans laquelle la matrice de f est 1 0 0 .
0 1 0

Comme f 2 ≠ 0 , ∃x ∈ E tel que f 2 (x ) ≠ 0 . Posons e1 = x ,e 2 = f (x ),e3 = f 2 (x ) .


Si λ1e1 + λ2e 2 + λ3e3 = 0 donc λ1x + λ2 f (x ) + λ3 f 2 (x ) = 0 .
En appliquant f 2 à cette relation, on a λ1 f 2 (x ) = 0 car on sait f 3 = 0 .
Puisque f 2 (x ) ≠ 0 , on a λ1 = 0 et sans plus de difficultés on montre aussi λ2 = 0 et λ3 = 0 .
La famille B = (e1 ,e 2 ,e3 ) est libre en dimension 3, c’est donc une base de E .
0 0 0

De plus Mat B ( f ) = 1 0 0 comme voulu.
0 1 0

Exercice 28 Soit E un K -espace vectoriel de dimension n ∈ ℕ∗ et f ∈ L(E ) tel que f n = 0 et f n −1 ≠ 0 .


0 1 0
 
 ⋱ ⋱ 
Montrer qu’il existe une base B de E pour laquelle : Mat B ( f ) =  .
 ⋱ 1
0 0

Soit x ∉ ker f n −1 . Un tel x existe puisque f n −1 ≠ 0 .


Considérons B = ( f n −1 (x ), …, f (x ), x ) .
Supposons λn −1 f n −1 (x ) + ⋯ + λ1 f (x ) + x = 0 .
En y appliquant successivement f n −1 ,…, f , Id on obtient λ0 = 0, …, λn −2 = 0 puis λn −1 = 0 car f n −1 (x ) ≠ 0 .
B est une famille libre formée de n = dim E vecteurs, c’est donc une base de E .
De plus Mat B ( f ) est de la forme convenable.

Exercice 29 Soit E un K -espace vectoriel de dimension finie n ∈ ℕ∗ .


Soit f un endomorphisme de E tel que f n = 0 et f n −1 ≠ 0 .

7
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

a) Justifier qu’il existe x ∈ E tel que B = (x , f (x ), f 2 (x ), …, f n −1 (x )) forme une base de E .


b) Déterminer les matrices de f , f 2 , …, f n −1 dans cette base.
c) En déduire que {g ∈ L(E ) / g f = f g } = Vect(Id, f , f 2 ,…, f n −1 ) .

a) Comme f n −1 ≠ 0, ∃x ∈ E , f n −1 (x ) ≠ 0 .
Si λ0x + λ1 f (x ) + ⋯ + λn −1 f n −1 (x ) = 0 alors :
en composant avec f n −1 , on obtient λ0 f n −1 (x ) = 0 d’où λ0 = 0 .
en composant successivement avec f n −2 ,..., f , I , on obtient successivement λ1 = 0,…, λn −2 = 0, λn −1 = 0
Par suite B = (x , f (x ), f 2 (x ), …, f n −1 (x )) est libre et forme donc une base de E .
0   
   0 
b) Mat B ( f ) = 
 1 ⋱

0  2 2
 = A, Mat B ( f ) = A = 



0 ⋱ 0 
 ,...,
 ⋱ ⋱   1 ⋱ ⋱ 
   ⋱ 
0  1 0 0  1 0 0
0 


Mat B ( f n −1 ) = An −1 = 0 ⋱ 0  .

 ⋱ ⋱ 
1 0 0
c) Notons C ( f ) = {g ∈ L(E ) | g f = f g } .
Il est clair que Vect(I , f , f 2 ,..., f n−1 ) ⊂ C ( f ) .
 a 0 
 
Inversement, soit g ∈ C ( f ) , notons  ⋮  les composantes de g (x ) dans B . On a
a 
n −1

g (x ) = a 0x + a1 f (x ) + ⋯ + an −1 f n −1 (x ) .
g ( f (x )) = f (g (x )) = a 0 f (x ) + ⋯ + an −2 f n −1 (x )
...
g ( f n −1 (x )) = f n −1 (g (x )) = a 0 f n −1 (x ) .
 a0 



Par suite Mat B (g ) =  a1 ⋱ 0
 = a 0I + a1A + ⋯ + an −1An −1 .

 ⋮ ⋱ ⋱ 
 
an −1 ⋯ a1 a 0 
Donc g = a 0I + a1 f + ⋯ + an −1 f n −1 ∈ Vect(I , f ,…, f n −1 ) .
Ainsi C ( f ) = Vect(I , f , f 2 , …, f n −1 ) .

Changement de base

 3 1 −3

Exercice 30 Soit A = −1 1 1  . On note B = (e1 ,e 2 ,e3 ) la base canonique de ℝ 3 .
 1 1 −1
Soit f l’endomorphisme de ℝ 3 dont la matrice dans B est A .
On pose ε1 = (1,1,1), ε2 = (1, −1, 0), ε3 = (1, 0,1) et B ′ = (ε1 , ε2 , ε3 ) .
a) Montrer que B ′ constitue une base de ℝ 3 .
b) Ecrire la matrice de f dans cette base.
c) Déterminer une base de ker f et de Im f .

8
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

a) Aisément la famille B ′ est libre, puis c’est une base car formée de trois vecteurs en dimension 3.
1 0 0

b) f (ε1 ) = ε1 , f (ε2 ) = 2ε2 , f (ε3 ) = 0 donc Mat B ′ ( f ) = 0 2 0 .
0 0 0
c) On observe que ε3 ∈ ker f et ε1 , ε2 ∈ Im f .
Le théorème du rang permet de conclure : (ε3 ) est une base de ker f et (ε1 , ε2 ) est une base de Im f .

Exercice 31 Soit E un K -espace vectoriel muni d’une base B = (i , j , k ) .


 2 −1 −1

Soit f l’endomorphisme de E dont la matrice dans B est A = 1 0 −1 .
1 −1 0 

a) Calculer A2 . Qu’en déduire sur f ?


b) Déterminer une base de Im f et ker f .
c) Quelle est la matrice de f relativement à une base adaptée à la supplémentarité de Im f et
ker f ?

 2 −1 −1

a) A2 = 1 0 −1 = A . f est une projection vectorielle.
1 −1 0 
b) En résolvant les équations f (x ) = x et f (x ) = 0 on obtient que (u , v ) forme une base de Im f et (w ) forme
une base de ker f avec u = i + j , v = i + k et w = i + j + k .
1 0 0

c) Mat (u ,v ,w ) ( f ) = 0 1 0 .
0 0 0

 2 −1 −1

Exercice 32 Soit A = −1 2 −1 . On note B = (e1 ,e 2 ,e3 ) la base canonique de ℝ 3 .
−1 −1 2 
Soit f l’endomorphisme de ℝ 3 dont la matrice dans B est A .
a) Déterminer ker f et Im f . Démontrer que ces sous-espaces sont supplémentaires dans ℝ 3 .
b) Déterminer une base adaptée à cette supplémentarité et écrire la matrice de f dans cette base.
c) Décrire f comme composée de transformations vectorielles élémentaires.

a) ker f = Vect(u ) avec u = (1,1,1) . Im f = Vect(v , w ) avec v = (2, −1, −1), w = (−1, 2, −1) .
Comme C = (u , v , w ) est libre on peut conclure que ker f et Im f sont supplémentaires dans ℝ 3 .
0 0 0

b) C est une base adaptée à la supplémentarité de ker f et Im f . Mat C ( f ) = 0 3 0 .
0 0 3
c) f est la composée, commutative, de l’homothétie vectorielle de rapport 3 avec la projection vectorielle sur
Im f parallèlement à ker f .

2 1 −1

Exercice 33 Soit f ∈ L( ℝ 3 ) représenté dans la base canonique B par : 0 1 0  .
1 1 0 
a) Soit C = (ε1 , ε2 , ε3 ) avec ε1 = (1, 0,1), ε2 = (−1,1, 0), ε3 = (1,1,1) . Montrer que C est une base.
b) Déterminer Mat C ( f ) .
c) Calculer Mat B ( f n ) pour tout n ∈ ℕ .

9
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

a) Ras
1 0 1

b) Mat C ( f ) = 0 1 0 .
0 0 1
1 0 n 

c) Par récurrence : Mat C ( f n ) = 0 1 0  .

0 0 1 
1 −1 1 −1 −1 2  n + 1 n −n 
    
 −1
Par changement de bases P = 0 1 1 , P = −1 0 1  et Mat B ( f ) =  0
 n
1 0  .
  
1 0 1  1 1 −1  n n 1− n 

Exercice 34 Soit E un K -espace vectoriel de dimension 3 muni d’une base B = (e1 ,e 2 ,e3 ) .
 0 1 1

Soit f ∈ L(E ) déterminé par Mat B ( f ) =  0 1 0 = A .
−1 1 2
On pose ε1 = e1 + e3 , ε2 = e1 + e 2 et ε3 = e1 + e2 + e3 .
a) Montrer que B ′ = (ε1 , ε2 , ε3 ) forme une base de E et déterminer la matrice de f dans B ′ .
b) Calculer An .

1 0 1

a) ras. f (ε1 ) = ε1 , f (ε2 ) = ε2 , f (ε3 ) = ε3 + ε1 donc Mat B ′ ( f ) = 0 1 0 = B .

0 0 1
1 0 n   1 −1 0 
 
b) Par récurrence B n = 0 1 0  puis An = PB n P −1 avec P −1 =  1 0 −1
 
0 0 1  −1 1 1 
1− n n n 

d’où An =  0 1 0  .
 −n n n + 1

Exercice 35 Soit E un K -espace vectoriel de dimension 3 muni d’une base B = (e1 ,e 2 ,e3 ) .
 
 0 2 1
Soit f ∈ L(E ) déterminé par Mat B ( f ) = −1 2 1 = A .
 0 1 1
On pose ε1 = e1 + e3 , ε2 = e1 + e 2 et ε3 = e1 + e2 + e3 .
a) Montrer que B ′ = (ε1 , ε2 , ε3 ) forme une base de E et déterminer la matrice de f dans B ′ .
b) Calculer An .

 n (n + 1) n (n + 3) n (n + 1) 
1−
1 1 1  2 2 2 
 
Comme ci-dessus avec B = 0 1 1 puis An =  −n n +1 n 
0 0 1  n (n −1) n (n + 1) n (n −1) 
 − 1+ 
 2 2 2 

Exercice 36 Soit E un K -espace vectoriel muni d’une base B = (e1 ,e 2 ,e3 ) .


 2 −1 0 

Soit f l’endomorphisme de E dont la matrice dans B est A = −2 1 −2 .
 1 
1 3 
ε1 = e1 + e2 −e3

Soit B = (ε1 , ε2 , ε3 ) la famille définie par 
′ ε2 = e1 −e3 .

ε3 = e1 −e2
a) Montrer que B ′ est une base de E et former D = Mat B ′ ( f ) .
b) Exprimer la matrice de passage P de B à B ′ et calculer P −1 .

10
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

c) Quelle relation lie les matrices A, D , P et P −1 ?


d) Calculer An pour tout n ∈ ℕ .

a) B ′ est libre et donnée de trois vecteurs en dimension 3, c’est une base de E .


f (ε1 ) = ε1 , f (ε2 ) = 2ε2 , f (ε3 ) = 3ε3 donc D = diag(1, 2,3) .
1 1 1  1 1 1 
 
b) P =  1 0 −1 et P −1 = −1 −1 −2 .
−1 −1 0   1 0

1 
c) A = PDP −1 .
1 1 1  −1 −1 −2  1 0 1 
  
d) An = PD n P −1 =  1 1 1  + 2n  0 0 0  + 3n −1 0 −1 .
−1 −1 −1  1   0 0 0 
1 2 

Exercice 37 Soit E un K -espace vectoriel muni d’une base B = (e1 ,e 2 ,e3 ) .


3 −2 2

Soit f l’endomorphisme de E dont la matrice dans B est A = 1 2 0 .
1 1 1
a) Montrer qu’il existe une base C = (ε1 , ε2 , ε3 ) de E dans laquelle la matrice représentative de f
est une matrice diagonale D de coefficients diagonaux : 1, 2 et 3 .
b) Déterminer la matrice de passage P de B à C . Calculer P −1 .
c) Quelle relation lie les matrices A, D , P et P −1 ?
d) Calculer An pour tout n ∈ ℕ .

a) En recherchant des vecteurs tels que f (x ) = x , f (x ) = 2x et f (x ) = 3x on observe que


ε1 = (−1,1, 2), ε2 = (0,1,1) et ε3 = (1,1,1) conviennent. De plus ces trois vecteurs forment une famille libre et
donc une base de ℝ 3 .
−1 0 1  0 −1 1 
 
b) P = Mat B C =  1 1 1 . P −1 = −1 3 −2 .
 2 1 1  1 −1 1 

c) A = PDP −1 .
 3n 1− 3n −1 + 3n  0 1 −1    
   0 0 0 1 −1 1
d) A = −2n + 3n
n
−1 + 3.2n − 3n 1− 2.2n + 3n  = 0 −1 1  + 2n −1 3 −2 + 3n 1 −1 1 .
 n   −1 3 −2 1 −1 1
−2 + 3
n
−2 + 3.2n − 3n 2 − 2.2n + 3n  0 −2 2 

Exercice 38 Soit E un K -espace vectoriel de dimension 3 et B = (e1 ,e 2 ,e3 ) une base de E .


 4 −2 −2 0 0 0
 
On considère les matrices A = 1 0 −1 et D = 0 1 0 .
 3 −2 −1 0 0 2
Soit f l’endomorphisme de E dont la matrice dans la base B est A .
a) Montrer qu’il existe une base C = (ε1 , ε2 , ε3 ) de E telle que la matrice de f dans C soit D .
b) Déterminer la matrice P de GL3 ( ℝ ) telle que A = PDP −1 . Calculer P −1 .
c) Calculer pour tout n ∈ ℕ , An .
d) En déduire le terme général des suites (x n )n ∈ℕ , (yn )n ∈ℕ et (z n )n ∈ℕ définies par :
x 0 = 1 x n +1 = 4x n − 2(yn + z n )
y = 0 et pour tout n ∈ ℕ : y = x − z .
 0  n +1 n n
z
 0 = 0 z
 n +1 = 3x n − 2 y n − z n

a) En résolvant les équations : f (u ) = 0, f (u ) = u et f (u ) = 2u on trouve que


ε1 = e1 + e2 + e3 , ε2 = e2 −e3 et ε3 = e1 + e3 sont des vecteurs tels que f (ε1 ) = 0, f (ε2 ) = ε2 , f (ε3 ) = 2ε3 .

11
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

1 0 1

Comme rg 1 1 0 = 3 , la famille C = (ε1 , ε2 , ε3 ) forme une base de E . Cette base convient.
1 −1 1
1 0 1 −1 1 1 
 
b) P = 1 1 0 , P −1 =  1 0 −1 .
1 −1 1 
 2 −1 −1
 n +1 −2n −2n  0 0 0   2 −1 −1
2   
 
n
c) A = PD P n −1
=  1 0  n
−1  = 1 0 −1 + 2 0 0 0  .
 n +1    2 −1 −1
2 −2n 1− 2n  0 0 1 
x n 
 
d) Posons X n = yn  . On observe X n +1 = AX n . Par récurrence X n = An X 0 .
z 
n

1 x n = 2n +1
  
Avec X 0 = 0 on obtient  yn = 1 .

0  n +1
z n = 2 −1

Rang d’une matrice

Exercice 39 Calculer le rang de familles de vecteurs suivantes de ℝ 3 :


a) (x1 , x 2 , x 3 ) avec x1 = (1,1, 0), x 2 = (1,0,1) et x 3 = (0,1,1)
b) (x1 , x 2 , x 3 ) avec x1 = (2,1,1), x 2 = (1, 2,1) et x 3 = (1,1, 2)
c) (x1 , x 2 , x 3 ) avec x1 = (1, 2,1), x 2 = (1, 0,3) et x 3 = (1,1, 2) .

a) rg(x1 , x 2 , x 3 ) = 3 b) rg(x1 , x 2 , x 3 ) = 3 c) rg(x1 , x 2 , x 3 ) = 2

Exercice 40 Calculer le rang des applications linéaires suivantes :


a) f : K 3→ K 3 définie par f (x , y , z ) = (−x + y + z , x − y + z , x + y − z )
b) f : K 3→ K 3 définie par f (x , y , z ) = (x − y , y − z , z − x )
c) f : K 4→ K 4 définie par f (x , y , z , t ) = (x + y − t , x + z + 2t , 2x + y − z + t , −x + 2y + z ) .

a) rg( f ) = 3 b) rg( f ) = 2 c) rg( f ) = 4 .

Exercice 41 Calculer le rang des matrices suivantes en fonction des paramètres :


 
 1
 1 1   1
 cos θ cos 2θ 
 a b
 ⋱ ⋱ 0


a) b + c c + a a + b  b)  cos θ cos 2θ cos 3θ  c)   .
 cos 2θ cos 3θ cos 4θ   
 bc ca ab   0
 b
⋱ b
a 


 1 1 1  1 1 1  1 1 1 
  
a) Notons A = b + c c + a a + b  , rg(A) = rg 0 a −b a −c  = rg 0 a −b a −c  .

 bc    
ca ab  0 c (a −b ) b (a −c ) 0 0 (b −c )(a −c )
En discutant les 5 cas possibles : rg(A) = Card {a ,b ,c } .
 1 cos θ cos 2θ   1 0 0 
   

b) Notons A =  cos θ cos 2θ cos 3θ  . rg(A) = rg  cos θ 2
sin θ sin θ sin 2θ  .

cos 2θ cos 3θ cos 4θ   
cos 2θ sin θ sin 2θ sin 2 2θ 
Si sin θ = 0 alors rg(A) = 1 .
 0   0 
 1 0  1
Si sin θ ≠ 0 alors rg(A) = rg  cos θ sin θ sin θ  = rg  cos θ sin θ  = 2 .
cos 2θ sin 2θ sin 2θ  cos 2θ sin 2θ 

Résumons : Si θ ≠ 0 [π ] , rg(A) = 2 , sinon rg(A) = 1 .

12
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

c) Notons A la matrice étudiée.


Cas a = b = 0 alors rg(A) = 0 car la matrice A est nulle.
Cas a = 0 et b ≠ 0 alors rg(A) = n car les n colonnes de A sont indépendantes.
Cas a ≠ 0 :
En effectuant successivement : C 2 ← aC 2 −bC 1 ,C 3 ← a 2C 3 −bC 2 , …,C n ← a n −1C n −bC n −1 on obtient :
a 

 ⋱ 
rg(A) =   (il y a conservation du rang car a ≠ 0 ).
 a 
 
a n − (−1)n b n 
Donc si a n = (−b )n alors rg(A) = n −1 , sinon rg(A) = n .

1 1 0 ⋯ 0

0 1 1 ⋱ ⋮ 

Exercice 42 Soit f ∈ L( ℝ ) l’endomorphisme canoniquement associé à M =  ⋮ ⋱ ⋱
n
⋱ 0 .
0
 ⋱ ⋱ 1

1 0 ⋯ 0 1
a) Donner le rang de f .
b) Déterminer une base de son noyau et une équation de son image.
c) Calculer M n .

 ⋯ 0   1 1 0 ⋯ 
1 1 0 1 1 0 ⋯ 0  0
0 1 1 ⋱ ⋮  0 1 1 ⋱ ⋮  0 1 1 ⋱ ⋮ 
  
a) rg  ⋮ ⋱ ⋱ ⋱ 0 = rg  ⋮ ⋱ ⋱ ⋱ 0 = ⋯ = rg  ⋮ ⋱ ⋱ ⋱ 0 
0 ⋱ ⋱ 1 0 ⋱ ⋱ 1 0 ⋱ ⋱ 1 
     
1 0 ⋯ 0 1 0 −1 ⋯ 0 1 0 0 ⋯ 0 1− (−1) 
n

Si n est pair alors rg(M ) = n −1 , sinon rg(M ) = n .


b) Dans le cas n impair c’est immédiat.
 1 
 
−1

Dans le cas n pair : ker M = Vect  ⋮  et Im M : x1 − x 2 + x 3 + ... + x n −1 − x n = 0 .
 1 
 
−1
0 1 0 ⋯ 0
 
0 0 1 ⋱ ⋮ 
 
c) M = I + N avec N =  ⋮ ⋱ ⋱ ⋱ 0 matrice de permutation.
0
 ⋱ ⋱ 1

1 0 ⋯ 0 0
C n0 +C nn C n1 C n2 ⋯ C nn −1 
 
 C n
n − 1 0 n 1
n C n +C n C n ⋱ ⋮ 
 n 
M n = ∑C nk N k =  ⋮ ⋱ ⋱ ⋱ C n  avec C n =  
2 k

  k 
k =0
 C n
2
⋱ ⋱ C n1 

 C n1 C n2 ⋯ C nn −1 C n0 +C nn 

Exercice 43 Soit A et B deux matrices carrées d’ordre 3 telles que AB = O3 .


Montrer que l’une au moins de ces matrices est de rang inférieur ou égal à 1.

Soit u et v les endomorphismes de ℝ 3 canoniquement associés à A et B .


Comme u v = 0 , on a Im v ⊂ ker u , puis rg(v ) = 3 − dim ker v ≤ dim ker u .
Par suite dim ker u + dim ker v ≥ 3 , puis dim ker u ≥ 2 ou dim ker v ≥ 2 .
On a alors respectivement rg(u ) = rg(A) ≤ 1 ou rg(v ) = rg(B ) ≤ 1 .

Exercice 44 Soit A ∈ Mn , p (K ) de rang r . Montrer qu’il existe des matrices B et C respectivement dans
Mn ,r (K ) et Mr , p (K ) telles que A = BC .

13
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Comme rg(A) = r , ∃(P ,Q ) ∈ GLp (K )×GLn (K ) tel que A = PJ rQ .


 I 
Posons D =  r  ∈ Mn ,r (K) et E = (I r Or ,p−r ) ∈ Mr ,p (K ) .
On −r ,r 
On a A = BC avec B = QD ∈ Mn ,r (K ) et C = EP ∈ Mr , p (K)

Exercice 45 Montrer que les matrices carrées d’ordre n ≥ 2 suivantes sont inversibles, et déterminer leur
inverse par la méthode de Gauss :
  1 2 ⋯ n 
 1 −a   

⋱ ⋱ 

0  1



 1

 ⋱ ⋱ ⋮ 

a) A =   b) B =  ⋱  c) C =   ⋱ 2 .
 ⋱ −a 
    

0 1 

 
 0
1  
 0 1 

a) En effectuant successivement les opérations élémentaires :


1 a a 2 … a n −1 
 
0 1 a ⋱ ⋮ 

C 2 ← C 2 + aC1 ,C 3 ← C 3 + aC 2 ,…,C n ← C n + aC n −1 on obtient : A−1 =  ⋮ ⋱ ⋱ ⋱ a 2  .
 
 ⋮ ⋱ 1 a 
0 ⋯ ⋯ 0 1 
b) En effectuant successivement les opérations élémentaires :
 1 −1 


0

−1  ⋱ ⋱
C n ← C n −C n −1 ,C n −1 ← C n −1 −C n −2 , …,C 2 ← C 2 −C1 , on obtient : A =   
 ⋱ −1
 
0  1 
c) En effectuant successivement les opérations élémentaires :
C n ← C n −C n −1 ,C n −1 ← C n −1 −C n −2 , …,C 2 ← C 2 −C1 ,
puis encore C n ← C n −C n −1 ,C n −1 ← C n −1 −C n −2 , …,C 2 ← C 2 −C1 ,
 1 −2 1 

1 ⋱ ⋱
0

 
−1
on obtient : A =   ⋱ ⋱ 1 

 1 −2
 
0
 1 

Systèmes d’équations linéaires

Exercice 46 Discuter, selon m paramètre réel, la dimension des sous-espaces vectoriels de ℝ 3 suivants :
 x + y + mz = 0
 x + my + z = 0 3  x + my + z = 0 .
a) F = 


(x , y , z ) ∈ ℝ 3
|{ 
mx + y + mz = 0
b) F = 


(x , y , z ) ∈ ℝ |

mx + y + z = 0


 1 m 1  1 si m = ±1
a) rg  {
 = 2 sinon
m 1 m 
, donc dim F =
2 si m = ±1
1 sinon
. {
   2 si m = 1
 1 1 m  1 si m = 1
b) rg  1 m 1  =   2 si m = −2 , donc dim F = 1 si m = −2 .
m 1 1  3 sinon 
0 sinon

Exercice 47 On considère, pour m paramètre réel, les sous-espaces vectoriels de ℝ 3 :


F = {(x , y , z ) ∈ ℝ 3 | x + my + z = 0 et mx + y − mz =0} et G = {(x , y , z ) ∈ ℝ 3 | x − my + z = 0} .
a) Déterminer la dimension de F et G .
b) Discuter, selon la valeur de m , la dimension du sous-espace vectoriel F ∩G .

14
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

 1 m 1 
a) rg   = 2 donc dim F = 1 et rg (1 −m 1) = 1 donc dimG = 2 .
m 1 −m 
1 m 1 

b) rg m 1 −m  =

 1 −m 1  3 {
2 si m = 0
sinon
donc dim F ∩G =
1 si m = 0
0 sinon
. {
Exercice 48 Résoudre en fonction du paramètre m ∈ ℂ , les systèmes suivants d’inconnues complexes :
 x − y + z = m  mx + y + z + t = 1
 mx + y + z = 1
a) x + my − z = 1 b) x + my + z = m c)  x + my + z + t = m .
  
 x − y − z = 1 + + + = +
2
x + y + mz = m x y mz t m 1

a) Si m = −1 alors S = {(y , y , −1) / y ∈ ℂ} .

Si m ≠ −1 alors S = ( { m 2+1 , 0, m 2−1)}


m 1 1  1 si m = 1
 
b) rg  1 m 1  =  2 si m = −2 .
 1 1 m  3 sinon

 1 + m 1 (1 + m ) 2 
Si m ≠ 1 et m ≠ −2 alors S =  − , ,  .
 2 + m 2 + m 2 + m 
Si m = 1 alors S = {(x , y , −x − y ) / x , y ∈ ℂ}
Si m = −2 alors système incompatible S = ∅ .
c) Si m = 1 : système incompatible S = ∅ .


mx + y + z + t = 1  x + y + mz + t = m + 1
Si m ≠ 1 :  x + my + z + t = m ⇔ (1− m )y + (m −1)z = 1
 
x + y + mz + t = m + 1  (m + 2)z + t =
m (m + 1)
 m −1
 m 1 m (m + 1)  

S = z − ,y = z − ,z, − (m + 2)z  / z ∈ ℂ .
 m −1 m −1 m −1  

ax + by + z = 1
Exercice 49 Soit a ,b ∈ ℂ . Résoudre le système :  x + aby + z = b .

x + by + az = 1

ax + by + z = 1  x + by + az = 1  x + by + az = 1
x + aby + z = b , b (1−a )y + (1−a 2 )z = 1−a , b (1−a )y + (1−a 2 )z = 1−a .
  
x + by + az = 1  b (a −1)y + (1−a )z = b −1  (1−a )(2 + a )z = b −a
a −b ab − 2 + b a −b
Si a ≠ 1 , a ≠ −2 et b ≠ 0 : x = ,y = ,z = .
(a −1)(a + 2) (a −1)(a + 2) (a −1)(a + 2)
x + by + z = 1
Si a = 1 alors   0 = 0 . Si b ≠ 1 alors S = ∅ . Si b = 1 alors S : x + y + z = 1 .

 0 = b −1
x + by − 2z = 1

Si a = −2 alors   3by − 3z = 3

 0 =b +2
. Si b ≠ −2 alors S = ∅ . Si b = −2 alors { {
x − 2y − 2z = 1 x = −1− 2y
−6y − 3z = 3 z = −1− 2y

Si b = 0 alors on obtient l’équation de compatibilité 0 = 2 . S = ∅ .

15
Calcul matriciel || http://mpsiddl.free.fr || david Delaunay

Exercice 50 Résoudre le système d’équations suivant d’inconnues complexes :


x1 + x 2 + x 3 + ... + x n = 1

x1 + 2x 2 + 2x 3 + ... + 2x n = 1
x + 2x + 3x + ... + 3x = 1 .
n
 1 2 3

 ⋮ ⋮ ⋮
x1 + 2x 2 + 3x 3 + ... + nx n = 1

Par les opérations élémentaires : Ln ← Ln − Ln −1 ,…, L2 ← L2 − L1 on obtient le système équivalent :


x1 + x 2 + ⋯ + x n = 1

 x 2 +⋯+ xn = 0
 ⋮ . Donc S = {(1, 0,…, 0)} .

 x n −1 + x n = 0
 xn = 0

Exercice 51 Résoudre le système d’équations suivant d’inconnues complexes :


x1 + x 2 = 0
x + x + x = 0
 1 2 3
 x 2 + x 3 + x 4 = 0
 .
 ⋱ ⋱ ⋱ ⋮
 x n −2 + x n −1 + x n = 0

 x n −1 + x n = 0

x1 = x1 , x 2 = −x1 , x 3 = 0

x1 + x 2 = 0 x 4 = x1 , x 5 = −x1 , x 6 = 0
 
x1 + x 2 + x 3 = 0 …
  0 si n = 0 [3]
x2 + x3 + x4 = 0 
 ⇔   .
 ⋱ ⋱ ⋱ ⋮ x n = x1 si n = 1 [3]
 x n −2 + x n −1 + x n = 0  
  −x1 si n = 2 [3]
 x n −1 + x n = 0 …

x n −1 + x n = 0

Donc si n ≠ 2 [3] alors S = {(0, 0, 0)} et si n = 2 [3] alors S = {(x , −x , 0, x , −x , 0,…, x , −x ) / x ∈ ℂ} .

Exercice 52 Soient a1 ,...,an des points du plan complexe.


Déterminer à quelle(s) condition(s) il existe au moins un polygone à n sommets z1 ,..., z n tel que :
ai est le milieu de z i , z i +1  et an est le milieu de [z n , z1 ] .

 z1 + z 2 = 2a1 1 1
 0
 
⋮  ⋱ ⋱ 
On veut résoudre le système :  de matrice :  .
z n−1 + z n = 2an −1  0 1 1
 z + z = 2a
 n 1 n
1 1
 z1 + z 2 = 2a1  z1 + z 2 = 2a1  z1 + z 2 = 2a1
  
⋮  ⋮  ⋮
  ⋯
z n −1 + z n = 2an −1 z n −1 + z n = 2an −1  z n −1 + z n = 2an −1
 z − z = 2a − 2a  z + z = 2(a −a + a ) (1− (−1)n )z = 2(a −a + a + ⋯ + (−1)n a )
 n 2 n 1  n 3 n 1 2  n n 1 2 n −1

Si n est impair alors le système est de Cramer dans possède une solution unique.
Si n est pair alors le système possède une solution ssi a1 −a 2 + ⋯ + an = 0 .
david Delaunay http://mpsiddl.free.fr

16
Déterminants
Le déterminant est un outil qui caractérise, par un calcul, l’inversibilité d’une matrice carrée.
K désigne ℝ ou ℂ . n et p désignent des entiers naturels non nuls.

I. Applications multilinéaires
Soit E et F deux K -espaces vectoriels.

1°) Définition
E n → F
Déf : On appelle application n -linéaire de E vers F toute application ϕ :   linéaire
(x1 ,…, x n ) ֏ ϕ (x1 ,…, x n )
par rapport à chacune de ses variables i.e. : ∀ (x1 ,…, xˆi , …, x n ) ∈ E n −1 l’application partielle
E → F
ϕi :  est linéaire.
x i ֏ ϕ (x1 , …, x i ,…, x n )
Quand n = 2 , on parle d’application bilinéaire.
Quand F = K , on parle de forme n linéaire.
Prop : Soit ϕ une application n -linéaire de E vers F et (x1 , …, x n ) ∈ E n .
Si l’un des x1 ,…, x n est nul alors ϕ (x1 ,…, x n ) = 0 .

2°) Applications multilinéaires symétriques et antisymétriques


Déf : Soit ϕ une application n -linéaire de E vers F
On dit que ϕ est symétrique (resp. antisymétrique) ssi
∀σ ∈ Sn , ∀ (x1 ,…, x n ) ∈ E n , ϕ(x σ (1) ,…, x σ (n ) ) = ϕ(x1 ,…, x n )
(resp. ϕ (x σ (1) , …, x σ (n ) ) = ε(σ )ϕ (x1 ,…, x n ) )
On note Sn (E , F ) (resp. An (E , F ) ) l’ensemble de ces applications.
Prop : Soit ϕ une application n -linéaire de E vers F .
On a équivalence entre :
(i) ϕ est symétrique (resp. antisymétrique)
(ii) ∀ (x1 ,…, x n ) ∈ E n et pour toute transposition τ de {1, …,n } :
ϕ (x τ (1) , …, x τ (n ) ) = ϕ (x1 ,…, x n ) (resp. ϕ (x τ (1) , …, x τ (n ) ) = −ϕ (x1 ,…, x n ) )

3°) Application multilinéaire alternée


Déf : Soit ϕ une application n -linéaire de E vers F .
On dit que ϕ est alternée ssi pour tout (x1 , …, x n ) ∈ E n , s’il existe 1 ≤ i ≠ j ≤ n tel que x i = x j alors
ϕ (x1 ,…, x n ) = 0 , autrement dit ϕ s’annule sur tout famille contenant deux fois le même vecteur.
On note Λn (E , F ) l’ensemble de ces applications.
Si F = K , on notera Λ*n (E ) au lieu de Λn (E , K) .
Prop : Soit ϕ une application n -linéaire alternée de E vers F .
Si (x1 , …, x n ) est une famille liée de vecteurs de E alors ϕ (x1 ,…, x n ) = 0 .
Théorème :
Soit ϕ une application n -linéaire alternée de E vers F .
On a équivalence entre :
(i) ϕ est antisymétrique
(ii) ϕ est alternée.

II. Déterminants
Soit E un K -espace vectoriel de dimension n .

-1/5-
1°) Déterminant d’une famille de vecteurs
Soit B = (e1 , …,en ) une base de E .
Déf : Soit F = (x1 ,…, x n ) une famille de n = dim E vecteurs de E et A = (ai , j ) = Mat B (x1 ,…, x n ) ∈ M n (K ) .
On appelle déterminant de la famille F dans B le scalaire :
n
det B F = det B (x1 ,…, x n ) = ∑ ε(σ )∏aσ (i ),i .
σ ∈Sn i =1

Prop : On a det B B = 1 .
Théorème : (admis)
Soit E un K -espace vectoriel de dimension n muni d’une base B = (e1 , …,en ) .
L’application det B : E n → K est une forme n -linéaire alternée non nulle De plus, l’ensemble Λ*n (E )
des formes n linéaires alternées sur E est une droite vectorielle.
Cor : Il en découle :
det B est linéaire en chacune de ses variables,
det B s’annule sur les familles liées,
det B est antisymétrique
det B est vecteur directeur de Λ*n (E ) i.e. : ∀ϕ ∈ Λ*n (E ), ∃!λ ∈ K, ϕ = λ.det B .
Prop : Soit B ′ = (ε1 ,…, εn ) une nouvelle base de E . On a
∀ (x1 ,…, x n ) ∈ E n , det B ′ (x1 ,…, x n ) = det B ′ B.det B (x1 ,…, x n ) .
Théorème :
Soit E un K -espace vectoriel muni d’une base B = (e1 , …,en ) .
Soit B ′ = (ε1 ,…, εn ) une famille de vecteurs de E .
On a équivalence entre :
(i) B ′ est une base de E .
(ii) det B B ′ ≠ 0 .

2°) Déterminant d’un endomorphisme


a) définition
Soit B = (e1 , …,en ) une base de E et f ∈ L(E ) . Notons δ = det B ( f (e1 ),…, f (en ))
Prop : ∀ϕ ∈ Λ*n (E ), ∀ (x1 ,…, x n ) ∈ E n , ϕ ( f (x1 ),…, f (x n )) = δϕ (x1 ,…, x n )
Prop : La quantité det B ( f (e1 ),…, f (en )) ne dépend pas de la base B .
Déf : On appelle déterminant de l’endomorphisme f le scalaire det f = det B ( f (e1 ),…, f (en )) .
b) propriétés
Prop : det(IdE ) = 1 .
Prop : ∀λ ∈ K, ∀f ∈ L(E ), det(λ.f ) = λ n det f .
Théorème :
∀f , g ∈ L(E ), det(g  f ) = det g × det f .
Théorème :
Soit f ∈ L(E ) . On a équivalence entre :
(i) f est un automorphisme de E .
(ii) det f ≠ 0 .
De plus si tel est le cas det f −1 = 1 det f .
GL (E ) → K *
Cor : L’application det :  est un morphisme de groupes.
f ֏ det f

Déf : Le noyau de ce morphisme est noté SL (E ) = {f ∈ L(E ) / det f = 1} .


On l’appelle groupe spécial linéaire de E .

-2/5-
3°) Déterminant d’une matrice carrée
a) définition
n
Déf : On appelle déterminant de la matrice A = (ai , j ) ∈ M n (K ) le scalaire : det A = ∑ ε(σ )∏aσ (i ),i .
σ ∈Sn i =1

a11 ... a1n


On note encore : det A = ⋮ ⋮ .
an1 ... ann [n ]

Prop : Soit B = (e1 , …,en ) une base de E et (x1 , …, x n ) une famille de vecteurs de E . Notons
A = Mat B (x1 ,…, x n ) . On a det B (x1 ,…, x n ) = det A .
Prop : Soit f ∈ L(E ) et B = (e1 , …,en ) une base de E . Notons A = Mat B ( f ) . On a det f = det A .
b) propriétés
Prop : det I n = 1
Prop : ∀λ ∈ K, ∀A ∈ M n (K ), det(λ.A) = λ n det A .
Théorème :
∀A, B ∈ M n (K ), det AB = det A.det B .
Cor : ∀A ∈ M n (K ), ∀m ∈ ℕ, det(Am ) = (det A)m .
Théorème :
Soit A ∈ M n (K ) . On a équivalence entre :
(i) A est inversible
(ii) det A ≠ 0
De plus, si tel est le cas : det A−1 = 1 det A .
GLn (K) → K∗
Cor : L’application det :   est un morphisme de groupes.
A ֏ det A
Déf : Le noyau de ce morphisme de groupes est noté SLn (K) = {A ∈ M n (K ) / det A = 1} .
On l’appelle groupe spécial linéaire d’ordre n .
Prop : ∀A ∈ M n (K ), det t A = det A .

III. Calculs de déterminants

1°) Premiers résultats


n
Soit A = (ai , j ) ∈ M n (K ) . Partons de det A = ∑ ε(σ )∏a
σ ∈Sn i =1
σ (i ),i .

Pour n = 1 , A = (a ) , S1 = {Id} et donc det A = a .


a b 
Pour n = 2 , A =   , S2 = {Id, (1, 2)} .
c d 
det A = ε(Id)ad + ε((1, 2))cb = ad −bc .
 a b c 
 
Pour n = 3 , A =  a ′ b ′ c ′  , S3 = {Id, (1, 2), (2,3), (3,1), (1, 2,3), (1,3,1)}
 
a ′′ b ′′ c ′′
det A = ... = (ab ′c ′′ + a ′b ′′c + a ′′bc ′) − (a ′′b ′c + a ′b ′′c + ab ′′c ′) .
a b c a b
a ′ b′ c′ a ′ b′
On retient : (règle de Sarrus)
a ′′ b ′′ c ′′ a ′′ b ′′
− − − + + +

-3/5-
2°) Déterminant d’une matrice triangulaire
n
Prop : Soit A = (ai , j ) ∈ Tn+ (K) (resp. Tn− (K ) ). On a : det A = ∏ai ,i .
i =1

Théorème : (admis)
Soit A ∈ M n (K ) un matrice triangulaire par blocs de la forme :
B D  B 0 
A =   (resp. A =  
D C  ) avec B ,C carrées. On a det A = det B.det C .
 0 C   

3°) Opérations sur les déterminants


Théorème :
Soit A ∈ M n (K ) de colonnes C1 , …,C n .
Si l’une des colonnes de A est nulle alors det A = 0 .
Si les colonnes de A sont liées alors det A = 0 .
Si on permute les colonnes de A selon une permutation σ alors det A est multiplié par ε(σ ) .
Si on multiplie une colonne de A par un scalaire λ alors det A est multiplié par λ .
Si on scinde une colonne C j de A en C j′ +C j′′ alors det A est la somme des deux déterminants obtenus.
Si on ajoute à une colonne de A une combinaison linéaire des autres colonnes de A , le déterminant de
A est inchangé.
Cor : Par transposition, le théorème ci-dessus se généralise à la manipulation de lignes au lieu de colonnes.

4°) Développement du déterminant selon une rangée


Soit A = (ai , j ) ∈ M n (K ) .

n n
a1,1 ⋯ a1,n a1,1 ⋯ a1,n
det A = ∑ ai , j Ai , j = ∑ (−1)i + j ai , j ∆i , j avec Ai , j = (−1)i + j × ⋮ aˆi , j ⋮ et ∆i , j = ⋮ aˆi , j ⋮ .
i =1 i =1
an ,1 ⋯ an ,n [n −1]
an ,1 ⋯ an ,n [n −1]

Déf : Cette relation est appelée développement de det A selon la j ème colonne. Le coefficient ∆i , j est appelé
mineur de A d’indice (i , j ) . Le coefficient Ai , j = (−1)i + j ∆i , j est appelé cofacteur de A d’indice (i , j ) .
n n
det A = ∑ ai , j Ai , j = ∑ (−1)i + j ai , j ∆i , j
j =1 j =1

Déf : Cette relation est appelée développement de det A selon la i ème ligne.

IV. Applications des déterminants

1°) Formules de Cramer


Théorème :
Soit Σ un système à n équations et n inconnues :
a1,1x1 + ⋯ + a1,n x n = b1

⋮ d’équation matricielle AX = B .

an ,1x1 + ⋯ + an ,n x n = bn
Le système Σ est de Cramer ssi det A ≠ 0 .
De plus, si tel est le cas, son unique solution est le n uplet (x1 ,..., x n ) avec
a1,1 ⋯ b1 ⋯ a1,n
⋮ ⋮ ⋮
an ,1 ⋯ bn ⋯ a n ,n
∀1 ≤ j ≤ n , x j = .
a1,1 ⋯ a1,n
⋮ ⋮
an ,1 ⋯ an ,n

-4/5-
2°) Comatrice
Soit A = (ai , j ) ∈ M n (K ) . Pour 1 ≤ i , j ≤ n , on note Ai , j le cofacteur d’indice (i , j ) de la matrice A .
a11 ⋯ a1n
i+j i+j
Ai , j = (−1) ∆i , j = (−1) ⋮ aˆij ⋮ .
an1 ⋯ ann
Déf : On appelle comatrice de A la matrice des cofacteurs de A , on la note com(A) = (Ai , j )1≤i , j ≤n ∈ M n (K ) .
Théorème :
∀A ∈ M n (K), t com(A).A = A. t com A = det AI
. n.
1 t
Cor : Si det A ≠ 0 alors A−1 = com(A) .
det A

3°) Détermination du rang d’une matrice


Déf : Soit A ∈ M n , p (K ) . On appelle matrice extraite de A toute matrice formée en retirant un certain nombre
de lignes et/ou de colonnes de A .
Prop : Soit A ∈ M n , p (K ) .
Toute matrice extraite de A est de rang inférieur au rang de A .
Déf : Soit A ∈ M n , p (K ) et 1 ≤ r ≤ min(n , p ) .
On appelle déterminant extrait de A d’ordre r , tout déterminant d’une matrice carrée d’ordre r extraite
de A .
Théorème :
Soit A ∈ M n , p (K ) une matrice non nulle.
Le rang de A est l’ordre maximal des déterminants non nuls extraits de A .

4°) Orientation d’un R-espace vectoriel de dimension finie


E désigne un ℝ -espace vectoriel de dimension n ∈ ℕ * .
Déf : Soit B = (e1 ,...,en ) et B ′ = (ε1 ,..., εn ) deux bases de E .
On dit que la base B ′ a la même orientation que B ssi det B B ′ > 0 .
Sinon, on dit que B ′ est d’orientation opposée à celle de B .
Prop : Soit B et B ′ deux bases de E .
Si B a même orientation que B ′ alors B ′ a même orientation que B .
Prop : Soit B , B ′, B ′′ trois bases de E .
B ′ et B ′′ ont même orientation ssi elles ont toutes deux même orientation que B ou qu’elles sont toutes
deux d’orientation opposées à B .
Déf : Orienter le ℝ -espace vectoriel E à partir d’une base B c’est adopter le vocabulaire suivant :
Toute base de E de même orientation que B est dite directe.
Toute base de E d’orientation opposée à celle de B est dite indirecte.
La base B est alors dite base orientée de référence.
Déf : On dit alors que D est un axe vectoriel.
En particulier :
Dans l’espace géométrique orienté B = (i , j , k ) :
(i , j , k ), (k , i , j ), ( j , k , i ) sont directes
(i , k , j ), (k , j , i ), ( j , i , k ) sont indirectes.

-5/5-
Déterminants || http://mpsiddl.free.fr || david Delaunay

Applications multilinéaires

Exercice 1 Soient F et G deux sous-espaces vectoriels supplémentaires d’un K -espace vectoriel E .


Soient f une forme linéaire sur E , p la projection vectorielle sur F parallèlement à G et
q = Id− p sa projection complémentaire.
Montrer que l’application ϕ : E ×E → K définie par ϕ (x , y ) = f (p (x )) f (q (y )) − f (p (y )) f (q (x ))
est une forme bilinéaire alternée sur E .
ϕ : E ×E → K .
ϕ (y , x ) = f (p (y )) f (q (x )) − f (p (x )) f (q (x )) = −ϕ (x , y ) . Il suffit d’étudier la linéarité en la 1ère variable.
ϕ (λx + µx ′, y ) = f (p (λx + µx ′)) f (q (y )) − f (p (y )) f (q (λx + µx ′)) or f , p et q sont linéaires donc
ϕ (λx + µx ′, y ) = (λ f (p (x )) + µ f (p (x ′))) f (q (y )) − f (p (y )) (λ f (q (x )) + µ f (q (x ′))) puis en développant et en
réorganisant : ϕ (λx + µx ′, y ) = λϕ (x , y ) + µϕ (x ′, y ) .
ϕ est donc une forme bilinéaire antisymétrique donc alternée.

Déterminant d’un endomorphisme

Exercice 2 Soient E un ℝ -espace vectoriel de dimension finie et f un endomorphisme de E vérifiant


f 2 = − Id . Montrer que dim E est pair.

Posons n = dim E . Comme det( f 2 ) = det(−I n ) on a det( f ) 2 = (−1)n ≥ 0 , donc n est pair.

Exercice 3 Soit V = {x ֏ ex P (x ) | P ∈ ℝ n [X ]} .
a) Montrer que V est un sous-espace vectoriel de F ( ℝ, ℝ ) dont on déterminera la dimension.
b) Montrer que l’application D : f ֏ f ′ est un endomorphisme de V dont on calculera le
déterminant.

a) Il est clair que V est un sous-espace vectoriel de F ( ℝ, ℝ ) .


On pose fk : ℝ → ℝ définie par fk (x ) = x k ex .
B = ( f0 ,…, fn ) forme une base de V , donc dimV = n + 1 .
b) Pour f (x ) = P (x )ex on a D ( f )(x ) = f ′(x ) = (P (x ) + P ′(x ))ex .
D est bien une application de V dans V .
De plus la linéarité de D découle de la linéarité de la dérivation et on peut donc conclure D ∈ L(V ) .
1 1 




0
k x k k −1 x ⋱ ⋱
Puisque (x e ) ′ = (x + kx )e on a D ( fk ) = fk + kfk −1 donc a Mat B (D ) =   .
 ⋱ n 

 1  0
Par suite det D = 1×1×⋯×1 = 1 .

Exercice 4 Soient n ∈ ℕ∗ , E un K -espace vectoriel de dimension n , f ∈ L(E ) et B = (e1 ,...,en ) une base
n
de E . Montrer que pour tout (x1 ,..., x n ) ∈ E n : ∑ det (x ,..., f (x
j =1
B 1 j ),..., x n ) = tr( f ) det B (x1 ,..., x n ) .

n
L’application ϕ : E n → K définie par ϕ (x1 ,…, x n ) = ∑ det B (x1 , …, f (x j ), …, x n ) est une forme n -linéaire
j =1

alternée, donc il existe λ ∈ K tel que ϕ =λ.det B .


n n
On a ϕ (e1 , …,en ) = λ et par suite : λ = ∑ det B (e1 ,…, f (e j ),…,en ) = ∑ a jj = tr( f ) où A = (ai , j ) = Mat B ( f ) .
j =1 j =1

1
Déterminants || http://mpsiddl.free.fr || david Delaunay

Déterminant d’une matrice

Exercice 5 Soit A = (ai , j ) ∈ Mn (ℂ) . On note A = (ai , j ) ∈ Mn (ℂ) .


Former une relation liant det(A) et det A .
n
det A = ∑ ε(σ )∏a
σ ∈Sn i =1
σ (i ),i = det A .

Exercice 6 Soit A ∈ Mn (ℂ) telle que t A = A . Montrer que det A ∈ ℝ .

Ici t A = A , donc det(A) = det(t A) = det A .


n n
Comme det A = ∑ ε(σ )∏a
σ ∈Sn i =1
σ (i ),i = ∑ ε(σ )∏a
σ ∈Sn i =1
σ (i ),i = det A , on peut conclure det A ∈ ℝ .

Exercice 7 Soit A une matrice antisymétrique d’ordre 2n + 1 . Montrer que det A = 0 .


Ce résultat est-il encore vrai lorsque A est d’ordre pair ?

Comme t A = −A on a det A = det t A = det(−A) = (−1) 2n +1 det A = − det A , donc det A = 0 .


 0 1
A =   fournit un contre-exemple au second problème posé.
−1 0

Exercice 8 Comparer det(ai , j ) et det((−1)i + j ai , j ) où (ai , j )1≤i , j ≤n ∈ Mn (K ) .

Notons A = (ai , j ) et B = ((−1)i + j ai , j ) .


n
n ∑ σ (i )+i n n
det B = ∑ ε(σ )∏ (−1)
σ ∈σn i =1
σ (i ) +i
a σ (i ),i = ∑ ε(σ )(−1)
σ ∈Sn
i =1
∏aσ (i ),i =
i =1
∑ ε(σ )(−1)n (n +1) ∏aσ (i ),i
σ ∈Sn i =1
n (n +1)
Ainsi det B = (−1) det A = det A car n (n + 1) est pair.

Calcul de déterminants

Exercice 9 Calculer sous forme factorisée les déterminants suivants :


0 a b a b c a +b b +c c +a
a) a 0 c b) c a b c) a + b b + c c 2 + a 2
2 2 2 2

b c 0 b c a a 3 +b 3 b 3 + c 3 c 3 + a 3
a a a a a c c b
1 1 1
a b b b c a b c
d) e) f) cos a cos b cos c .
a b c c c b a c
sin a sin b sin c
a b c d b c c a

0 a b
a c a 0
a) En développant selon la première ligne, a 0 c = −a +b = abc + abc = 2abc .
b 0 b c
b c 0
a b c 1 b c
a −b b − c
b) c a b = (a + b + c ) 1 a b = (a + b + c ) = (a + b + c )(a 2 + b 2 + c 2 − (ab + bc + ca ))
c − a a −b
b c a 1 c a
donc D = (b −a )(c −a )(ac + c 2 −ab −b 2 ) = (b −a )(c −a )(c −b )(a + b + c )
a +b b +c c +a a +b c −a c −b 2c c −a c −b
c) D = a 2 + b 2 b 2 + c 2 c 2 + a 2 = a 2 + b 2 c 2 −a 2 c 2 −b 2 = 2c 2 c 2 −a 2 c 2 −b 2
a 3 +b 3 b 3 + c 3 c 3 + a 3 a 3 + b 3 c 3 − a 3 c 3 −b 3 2c 3 c 3 −a 3 c 3 −b 3

2
Déterminants || http://mpsiddl.free.fr || david Delaunay

c −a −b 1 1 1 1 1 1
donc D = 2 c 2 −a 2 −b 2 = 2abc c a b = 2abc 0 a −c b −c
c3 −a 3 −b 3 c2 a 2 b2 0 a 2 −c 2 b 2 −c 2
1 1
puis D = 2abc (a −c )(b −c ) = 2abc (a −c )(b −c )(b −a ) .
a +c b +c
a a a a a a a a
b −a b −a b −a
a b b b 0 b −a b −a b −a
d) D = = = a b −a c −a c −a
a b c c 0 b −a c −a c −a
b −a c −a d −a
a b c d 0 b − a c − a d −a
b −a b −a b −a
c −b c −b
donc D = a 0 c −b c −b = a (b −a ) = a (b −a )(c −b )(d −c ) .
c −b d −b
0 c −b d −b
a c c b a + b + 2c c c b 1 c c b 1 c c b
c a b c a + b + 2c a b c 1 a b c 0 a − c b − c c −b
e) D = = = (a + b + 2c ) = (a + b + 2c )
c b a c a + b + 2c b a c 1 b a c 0 b − c a − c c −b
b c c a a + b + 2c c c a 1 c c a 0 0 0 a −b
a −c b −c
donc D = (a + b + 2c )(a −b ) = (a + b + 2c )(a −b )((a −c ) 2 − (b −c )2 )
b −c a −c
puis D = (a + b + 2c )(a −b ) 2 (a + b − 2c )
b +a c +a
1 1 1 1 0 0 sin sin
b −a c −a 2 2
f) D = cos a cos b cos c = cos a cos b − cos a cos c − cos a = −4sin sin
sin a sin b sin c sin a sin b − sin a sin c − sin a 2 2 cos b + a cos
c +a
2 2
b −a c −a b −c
donc D = −4sin sin sin
2 2 2

Exercice 10 Soient a1 , …, an ∈ ℂ . Calculer det(a max(i , j ) ) . En déduire det(max(i , j )) et det(min(i , j )) .

a1 a 2 a 3 ⋯ an a1 −a 2 a 2 −a 3 ⋯ a n−1 −a n an
a2 a2 a3 ⋯ an 0 a 2 −a 3 a n−1 −a n an
det(a max(i , j ) ) = a 3 a 3 a 3 ⋯ an = 0 ⋱ ⋮ ⋮ = (a1 −a 2 )(a 2 −a 3 )…(a n−1 −a n )a n
⋮ ⋮ ⋮ ⋮ ⋱ a n−1 −a n an
an an an ⋯ an (0) 0 an
Pour ai = i , det(a max(i , j ) ) = (−1)n −1 n .
Pour ai = n + 1− i , det(a min(i , j ) ) = 1 .

a1 a 2 ⋯ an
⋱ ⋱ ⋮
Exercice 11 Soient a1 , a 2 , …, an ∈ K . Calculer ⋱ a2
a1
a1

a1 a 2 ⋯ an a1 −a 2 C1 ← C1 −C 2
⋱ ⋱ ⋮ ⋱ ∗ n −1 C 2 ← C 2 −C 3
⋱ a2 = a1 −a 2 = a1 (a1 −a 2 ) via .
a1 ⋮
a1 0 a1 C n −1 ← C n−1 −C n

S1 S1 S1 ⋯ S1
S1 S 2 S2 ⋯ S2 k
Exercice 12 Soit n ∈ ℕ∗ . Calculer S1 S 2 S3 ⋯ S3 où pour tout 1 ≤ k ≤ n on a : Sk = ∑ i
⋮ ⋮ ⋮ ⋱ ⋮ i =1

S1 S 2 S3 ⋯ Sn

3
Déterminants || http://mpsiddl.free.fr || david Delaunay

S1 S1 S1 ⋯ S1 S1 S1 ⋯ ⋯ S1 Ln ← Ln − Ln −1
S1 S 2 S2 ⋯ S2 2 ⋯ ⋯ 2 Ln −1 ← Ln −1 − Ln −2
S1 S 2 S3 ⋯ S3 = 3 ⋯ 3 = n ! via ⋮ .
⋮ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮0 L3 ← L3 − L2
S1 S 2 S3 ⋯ Sn n L2 ← L2 − L1

a −b c −d
Exercice 13 Calculer de deux façons : .
b a d c

a −b c −d
= (a 2 + b 2 )(c 2 + d 2 ) .
b a d c
a −b c −d ac −bd −(ad + bc )
= = (ac −bd ) 2 + (ad + bc )2 .
b a d c ad + bc ac −bd

a b c d 

 −b a −d c 
Exercice 14 Soit A =   avec a ,b ,c ,d ∈ ℝ .
−c d a −b 
−d −c b a 
a) Calculer t A.A . En déduire det A .
b) Soient a ,b ,c ,d ,a ′,b ′,c ′, d ′ ∈ ℝ . Montrer qu’il existe a ′′,b ′′,c ′′,d ′′ ∈ ℝ tels que :
(a 2 + b 2 + c 2 + d 2 )(a ′ 2 + b ′ 2 + c ′ 2 + d ′ 2 ) = a ′′ 2 + b ′′ 2 + c ′′ 2 + d ′′ 2 .

a) t AA = diag(δ , δ , δ , δ ) avec δ = a 2 + b 2 + c 2 + d 2 . Par suite det A = ±(a 2 + b 2 + c 2 + d 2 ) 2 .


Or b ,c ,d fixés, par développement de déterminant, l’expression de det A est un polynôme en a unitaire de
degré 4 donc det(A) = (a 2 + b 2 + c 2 + d 2 )2 .
b) Avec des notations immédiates : AA′ = A′′ avec :
a ′′ = aa ′ −bb ′ −cc ′ −dd ′ , b ′′ = ab ′ + b ′a + cd ′ − dc ′ , c ′′ = ac ′ −bd ′ + ca ′ + db ′ et d ′′ = ad ′ + bc ′ − cb ′ + da ′ .
Par égalité des déterminants et considération de signes :
(a 2 + b 2 + c 2 + d 2 ) 2 (a ′ 2 + b ′ 2 + c ′ 2 + d ′ 2 ) 2 = (a ′′ 2 + b ′′ 2 + c ′′ 2 + d ′′ 2 ) 2
et les quantités suivantes étant positives : (a 2 + b 2 + c 2 + d 2 )(a ′ 2 + b ′ 2 + c ′ 2 + d ′ 2 ) = a ′′ 2 + b ′′ 2 + c ′′ 2 + d ′′ 2 .

Exercice 15 Soient A, B ∈ Mn ( ℝ ) .
A B
a) Montrer que = det(A + B ) det(A − B ) .
B A
A −B
b) Justifier que ≥0 .
B A

A B A+B B A+B B
a) = = .
B A A+B A 0 A −B
A −B A − iB −B A − iB −B 2
b) = = = A + iB ≥ 0
B A B + iA A 0 A + iB

λ1 + x a +x ⋯ a +x
b +x λ2 + x ⋱ ⋮
Exercice 16 Soient a ≠ b et λ1 , λ2 ,..., λn . On pose ∆n (x ) = .
⋮ ⋱ ⋱ a +x
b +x ⋯ b +x λn + x [n ]
a) Montrer que ∆n (x ) est une fonction affine de x .
b) Calculer ∆n (x ) et en déduire ∆n (0) .

4
Déterminants || http://mpsiddl.free.fr || david Delaunay

λ1 + x a − λ1 ⋯ a − λ1
b + x λ2 −b a −b
a) ∆n (x ) = = αx + β (en développant selon la première colonne).
⋮ ⋱
b +x 0 λn −b [n ]
n n
b) ∆n (−a ) = ∏ (λi −a ) et ∆n (−b ) = ∏ (λi −b )
i =1 i =1
n n n n

∏ (λi −a ) − ∏ (λi −b )
i =1 i =1
b∏ (λi −a ) −a ∏ (λi −b )
i =1 i =1
donc α = et β = .
b −a b −a

Calcul par relation de récurrence

0 1 ⋯ 1
−1 ⋱ ⋱ ⋮
Exercice 17 Calculer en établissant une relation de récurrence : Dn =
⋮ ⋱ ⋱ 1
−1 ⋯ −1 0 [n ]

Par les opérations élémentaires C1 ← C1 +C n puis L1 ← L1 + Ln on obtient


0 0 ⋯ 0 1
0 1 ⋯ 1
0 0 1 ⋯ 1
−1 ⋱ ⋱ ⋮
Dn = = ⋮ −1 ⋱ ⋱ ⋮ .
⋮ ⋱ ⋱ 1
0 ⋮ ⋱ ⋱ 1
−1 ⋯ −1 0 [n ]
− 1 −1 ⋯ −1 0 [n ]
En développant, on parvient à la relation de récurrence Dn = Dn−2
1 + (−1)n
Comme D1 = 0 et D2 = 1 , on a Dn = .
2

0 1 ⋯ 1
1 ⋱ ⋱ ⋮
Exercice 18 Calculer en établissant une relation de récurrence : Dn =
⋮ ⋱ ⋱ 1
1 ⋯ 1 0 [n ]

Par les opérations élémentaires : C 1 ← C 1 −C n puis L1 ← L1 − Ln on obtient


−2 0 ⋯ 0 1
0 0 (1)
Dn = ⋮ ⋱ .
0 ⋱
1 (1) 0 [n ]
En développant, on parvient à la relation de récurrence Dn = −2Dn−1 − Dn−2 .
La suite (Dn ) est une suite récurrente linéaire d’ordre 2 d’équation caractéristique r 2 + 2r + 1 = 0 .
Sachant D1 = 0 et D2 = −1 , on parvient à Dn = 1− n .

1 ⋯ 1
Exercice 19 Calculer en établissant une relation de récurrence : Dn = ⋮ ⋱ 0 .
1 0 1 [n ]

1 ⋯ 1 1 ⋯ 1

Dn = ⋮ ⋱ 0 =− ⋱ ⋮ + Dn −1 = −1 + Dn −1 .
1 0 1 [n ]
0 1
Comme D1 = 1 on a Dn = 2 − n .

5
Déterminants || http://mpsiddl.free.fr || david Delaunay

2 1 ⋯ 1
1 3 ⋱ ⋮
Exercice 20 Calculer en établissant une relation de récurrence Dn = .
⋮ ⋱ ⋱ 1
1 ⋯ 1 n + 1 [n ]
n
1
On exprimera le résultat à l’aide des termes de la suite (H n ) avec H n = ∑ .
k =1 k

En décomposant en deux la dernière colonne


2 1 ⋯ 1 2 (1) 0
1 ⋱ ⋱ ⋮ ⋱ ⋮
Dn = + .
⋮ ⋱ n 1 n 0
1 ⋯ 1 1 (1) n [n ]
2 1 ⋯ 1 1 (0) 1
1 ⋱ ⋱ ⋮ ⋱ ⋱ ⋮
En retranchant la dernière colonne à chacune des autres = = (n −1)! .
⋮ ⋱ n 1 n −1 1
1 ⋯ 1 1 (0) 1
2 (1) 0
⋱ ⋮
En développant selon la dernière colonne = nDn−1 .
n 0
(1) n [n ]
Ainsi Dn = (n −1)!+ nDn −1 .
n
Dn 1 D D 1
Par suite = + n −1 donc n = D0 + ∑ puis Dn = (1 + H n )n ! .
n ! n (n −1)! n! k =1 k

a +b b ⋯ b
a ⋱ ⋱ ⋮
Exercice 21 Calculer en établissant une relation de récurrence : Dn = .
⋮ ⋱ ⋱ b
a ⋯ a a +b [n ]

a 0 ⋯ 0 b b ⋯ b
a +b b
a a +b b a a +b b
Dn = ⋱ = + = aDn −1 + b n .
⋮ ⋱ ⋮ ⋱
a a + b [n ]
a a a +b a a a +b
a n +1 −b n +1
Par récurrence, Dn = .
a −b

C 10 C 11 0 ⋯ ⋯ 0
0 1 2
C 2
C 2
C 2
0 ⋮
0 1 2 3
C C C C ⋱ ⋮ n  n!
Exercice 22 Calculer Dn = 3
0
3
1
3
2
3
3 en notant C nk =   = .
C 4
C 4
C 4
C 4
⋱ 0 k  k !(n − k )!
⋮ ⋱ C nn−−11
C n0 C n1 C n2 C n3 ⋯ C nn −1
[n ]

C 10 C 11 0 ⋯ ⋯ 0 1 1 0 ⋯ ⋯ 0
0 1
C 20 1
C2 C2 0 2
⋮ 0 C1 C1 0 ⋮
C0 C 31 C 32 C 33 ⋱ ⋮ ⋮ C 20 C 21 C 22 ⋱ ⋮
Dn = 30 =
C4 C 41 C 42 C 43 ⋱ 0 ⋮ C 30 C 31 C 32 ⋱ 0
⋮ ⋱ C nn−−11 ⋮ ⋱ C nn−−22
C n0 C n C n C n ⋯ C nn −1 [n ]
1 2 3
0 C n0−1 C n1−1 C n2−1 ⋯ C nn−−12 [n ]
via Ln ← Ln − Ln −1 , …, L2 ← L2 − L1 et la formule du triangle de Pascal : C nk = C nk−−11 +C nk−1 .

6
Déterminants || http://mpsiddl.free.fr || david Delaunay

En développant selon la première colonne, on obtient Dn = Dn −1 .


Ainsi Dn = D1 = 1 .

C 00 C 11 ⋯ C nn
C 0 C 21 ⋯ C nn+1 n  n!
Exercice 23 Calculer Dn +1 = 1 en notant par C nk =   = .
⋮ ⋮ ⋮ k  k !(n − k )!
C n0 C n1 +1 ⋯ C 2nn [n +1]

C 00 C11 ⋯ C nn C 00 C 11 ⋯ C nn
C 0 C 21 ⋯ C nn+1 0 C 10 ⋯ C nn −1
Dn +1 = 1 = .
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
n −1
C n0 C n1 +1 ⋯ C 2nn [n +1]
0 C n
0
⋯ C 2n −1 [n +1]

via Ln ← Ln − Ln −1 , …, L2 ← L2 − L1 et la formule du triangle de Pascal : C nk = C nk−−11 +C nk−1 .


C 10 ⋯ C nn −1
En développant selon la première colonne Dn +1 = ⋮ ⋮ .
0 n −1
C n ⋯ C 2n−1 [n ]
C 00 ⋯ C nn−−11
0 0
Via C n ← C n −C n −1 ,…,C 2 ← C 2 −C 1 et en exploitant C = C p p +1 , on obtient Dn +1 = ⋮ ⋮ = Dn
0 n −1
C n −1 C 2n−2
Finalement Dn = 1 .

Déterminants tridiagonaux

2a a 0
a ⋱ ⋱
Exercice 24 Calculer Dn = pour a ∈ K .
⋱ ⋱ a
0 a 2a

En développant par rapport à la première colonne, puis par rapport à la première ligne dans le second
déterminant on obtient :
2a a 0
a ⋱ ⋱
Dn = = 2aDn −1 −a 2Dn −2 d’où Dn − 2aDn +1 + a 2Dn = 0
⋱ ⋱ a
0 a 2a
D1 = 2a , D2 = 3a 2 . puis Dn = (n + 1)a n .

1+ x 2 x 0
x ⋱ ⋱
Exercice 25 Soient x ∈ ℂ et n ∈ ℕ∗ . Calculer Dn = .
⋱ ⋱ x
0 x 1+ x 2

Pour n ≥ 2 , on a Dn = (1 + x 2 )Dn −1 − x 2Dn −2 . (Dn ) est une suite récurrente linéaire d’ordre 2 d’équation
caractéristique r 2 − (1 + x 2 )r − x 2 = 0 de racines 1 et x 2 .
λ + µ = 1 µ = 1− λ λ = 1 (1− x 2 ) 1 − x 2n + 2
Si x 2 ≠ 1 alors Dn = λ + µx 2n avec   2 2 2  2 2 . Ainsi Dn = .
λ + µx = 1 + x λ (1− x ) = 1µ = −x (1− x ) 1− x 2

Si x 2 = 1 alors Dn = (λn + µ) avec {


µ =1 λ =1
λ +µ = 2 µ =1{ . Ainsi Dn = n + 1

7
Déterminants || http://mpsiddl.free.fr || david Delaunay

2cos θ 1
∗ 1 ⋱ ⋱
Exercice 26 Soient θ ∈ ℝ et n ∈ ℕ . Calculer Dn =
1 ⋱ 1
1 2 cos θ [n ]

Pour n ≥ 2 , on a Dn = 2 cos θDn −1 − Dn −2 . (Dn ) est une suite récurrente linéaire d’ordre 2 d’équation
caractéristique r 2 − 2 cos θr + 1 = 0 de racines eiθ et e−iθ .

Si θ ≠ 0 [π ] alors Dn = λ cos n θ + µ sin n θ avec {λ =1


{λ =1
λ cos θ + µ sin θ = 2 cos θ µ = tan θ
.

sin(n + 1)θ
Ainsi Dn = .
sin θ

Si θ = 0 [ 2π ] alors Dn = λn + µ avec {λµ +=µ1 = 2{λµ ==11 . Ainsi D = n +1 .


n

[ 2π ] alors D = (λn + µ)(−1) avec {−(λ + µ) = −2 {µ = 1 . Ainsi D = (−1) (n + 1) .


n µ =1 λ =1 n
Si θ = π n n

a + b ab
1 ⋱ ⋱
Exercice 27 Soient a ,b ∈ ℂ∗ distincts. Calculer Dn = .
⋱ ⋱ ab
1 a +b

Pour n ≥ 2 , on a Dn = (a + b )Dn −1 −abDn −2 . (Dn ) est une suite récurrente linéaire d’ordre 2 d’équation
caractéristique r 2 − (a + b )r + ab = 0 de racines a et b .

λ = a n +1 n +1
λa + µb = a + b a −b et D = a −b
On a Dn = λa + µb avec 
n n
 2 ,  .
λa + µb 2 = a 2 + ab + b 2  b n
a −b
µ =
 a −b

Système de Cramer

Exercice 28 Soient a ,b , c et d des éléments de K deux à deux distincts.


Résoudre sur K les systèmes suivants :
 x +y +z =1  x +y +z = 1
a)   ax + by + cz = d b) 
 ax + by + cz = d
 2 2 2 2  3 3 3 3
a x + b y + c z = d a x + b y + c z = d

1 1 1
a) a b c = (b −a )(c −a )(c −b ) ≠ 0 .
a 2 b2 c2
(b −d )(c −d )(c −b ) (d −a )(c −a )(c −d ) (b −a )(d −a )(d −b )
Par les formules de Cramer : x = ,y = et z = .
(b −a )(c −a )(c −b ) (b −a )(c −a )(c −b ) (b −a )(c −a )(c −b )
1 1 1
b) a b c = (b −a )(c −a )(c −b )(a + b + c ) ≠ 0 .
a 3 b3 c3
(b −d )(c −d )(c −b )(d + b + c )
Par les formules de Cramer : x = et les autres par symétrie.
(b −a )(c −a )(c −b )(a + b + c )

 x + y + z = a
Exercice 29 Résoudre  2
x + jy + j z = b en fonction de a ,b ,c ∈ ℂ .
 2
x + j y + jz = c

8
Déterminants || http://mpsiddl.free.fr || david Delaunay

a +b + c
Le système est de Cramer via déterminant de Vandermonde. (1) + (2) + (3) donne x = ,
3
a + bj 2 + cj a + bj + cj 2
(1) + j 2 (2) + j (3) donne y = et (1) + j (2) + j 2 (3) donne z = .
3 3

 x + ay + a 2z = 0

Exercice 30 Résoudre  ax + y + az = 0 en fonction de a ∈ ℂ .
 2
a x + ay + z = 0

1 a a2 1 a a2 1 a a2
2 2 2 2
a 1 a = 0 1− a a (1− a ) = 0 1− a a (1− a ) .
2 2 4 2
a a 1 0 a (1− a ) 1− a 0 0 1− a
Si a ≠ 1 alors est le système est de Cramer et homogène : S = {(0, 0, 0)} .
Si a = 1 alors le système équivaut à une seule équation x + ay + a 2z = 0 car les deux autres lui sont
proportionnelles. S = {(−ay −a 2z , y , z ) / y , z ∈ ℂ} .

Exercice 31 Soient a ,b ,c ∈ ℂ distincts.


x + ay + a 2z = a 3

a) Résoudre : x + by + b 2z = b 3 en introduisant : P = X 3 − (x + yX + zX 2 )
 2 3
x + cy + c z = c
x + ay + a 2z = a 4

b) Même question pour x + by + b 2z = b 4
 2 4
x + cy + c z = c

a) Le système est de Cramer via déterminant de Vandermonde.


Si a ,b ,c est sa solution alors P = (X −a )(X −b )(X −c ) donc x = abc , y = −(ab + bc + ca ) et z = a + b + c .
b) Ici P = X 4 − (x + yX + zX 2 ) = (X −a )(X −b )(X −c )(X − (a + b + c )) car la somme des racines est nulle.
x = σ3σ1 , y = σ3 − σ1σ2 et z = σ12 − σ 2 avec σ1 , σ 2 , σ3 les expressions symétriques élémentaires en a ,b ,c .

Exploitation de déterminants

Exercice 32 Soient E un K -espace vectoriel de dimension 3 et B = (e1 ,e 2 ,e3 ) une base de E .


 3 −2 −3

Soit f l’endomorphisme de E dont la matrice dans B est A = −2 6 6  .
 2 −2 −2

a) Pour quelles valeurs de λ , a-t-on det (A − λI 3 ) = 0 ?


1 0 0

b) Déterminer une base C = (ε1 , ε2 , ε3 ) de E telle que Mat C ( f ) = 0 2 0 .

0 0 4

a) det(A − λI 3 ) = (1− λ )(4 − λ )(2 − λ ) .


det(A − λI 3 ) = 0 ⇔ λ = 1, 2 ou 4.
b) ε1 = e1 − 2e 2 + 2e3 , ε2 = e1 −e 2 + e3 et ε3 = e1 − 2e2 + e3 forment une base qui convient.

Exercice 33 Soient n ∈ ℕ∗ , A ∈ GLn ( ℝ ) et B ∈ Mn ( ℝ ) .


Montrer qu’il existe ε > 0 tel que : ∀x ∈ [−ε, ε ], A + xB ∈ GLn ( ℝ ) .

9
Déterminants || http://mpsiddl.free.fr || david Delaunay

n
Notons A = (ai , j ) et B = (bi , j ) . det(A + xB ) = ∑ ε(σ )∏ (a
σ ∈Sn i =1
σ (i ),i + xbσ (i ),i ) .

La fonction x ֏ det(A + xB ) est continue (car polynomiale), ne s’annule pas en 0 (car det(A) ≠ 0 ), donc ne
s’annule pas sur un voisinage de 0.

Comatrice

Exercice 34 Soit A = (ai , j ) une matrice carrée d’ordre n à coefficients dans ℤ .


a) Justifier que det A ∈ ℤ .
b) Montrer que l’inverse de A existe et est à coefficients entiers si et seulement si det A = ±1 .
n
a) Pour A = (ai , j ) ∈ M n (C) on a det A = ∑ ε(σ )∏a
σ ∈Sn i =1
i ,σ (i ) .

Par suite si tous les ai , j sont entiers, det A l’est aussi.


b) ( ⇒ ) Si A et A−1 sont à coefficients entiers alors det A ∈ ℤ et det A−1 ∈ ℤ .
Or det A.det A−1 = det(AA−1 ) = det I n = 1
Donc det A = det A−1 = ±1 .
( ⇐ ) Si det A = ±1 alors A est inversible car de déterminant non nul
1 t
Son inverse est A−1 = com A = ± t com A .
det A
Or la comatrice de A est formée des cofacteurs de A qui sont des entiers car égaux à des déterminants de
matrices à coefficients entiers (car extraites de A ).
Ainsi A−1 est une matrice à coefficients entiers

Exercice 35 Soient n un entier supérieur à 2 et A ∈ Mn (K ) .


rg(A) = n ⇒ rg (com(A)) = n

a) Etablir rg(A) = n −1 ⇒ rg (com(A)) = 1 .

rg(A) ≤ n − 2 ⇒ rg (com(A)) = 0
n −1
b) Montrer que det (com(A)) = (det A) .
c) En déduire com (com(A)) .

a) Si rg(A) = n alors A est inversible et sa comatrice l’est alors aussi donc rg(com(A)) = n .
Si rg(A) ≤ n − 2 alors A ne possède pas de déterminant extrait d’ordre n −1 non nul. Par suite com(A) = On
et donc rg(com(A)) = 0 .
Si rg(A) = n −1 , exploitons la relation At com(A) = det(A).I n = On .
Soient f et g les endomorphismes de K n canoniquement associés aux matrices A et t com(A) .
On a f
g = 0 donc Im g ⊂ ker f . Comme rg( f ) = n −1 , dim ker f = 1 et par suite rg(g ) ≤ 1 .
Ainsi rg(com(A)) ≤ 1 .
Comme rg(A) = n −1 , il existe un déterminant extrait non nul d’ordre n −1 et par suite com(A) ≠ On .
Finalement rg(com(A)) = 1 .
b) Comme At com(A) = det(A).I n on a det(A) det com(A) = (det A)n .
Si det A ≠ 0 alors det com(A) = (det A)n −1 .
Si det A = 0 alors rg(com(A)) = 1 < n donc det(com(A)) = 0 .
c) Si rg(A) = n alors t com(com(A)).com(A) = det(com(A)).I n = det(A)n −1 .I n .
Donc t com(com(A)) = det(A)n −1 com(A)−1 .
Or t com(A).A = det(A).I n donc t com(A) = det(A).A−1 , puis sachant t (B )−1 = (t B )−1 on a :
com(com(A)) = det(A)n −2 I n .

10
Déterminants || http://mpsiddl.free.fr || david Delaunay

Si rg(A) ≤ n −1 et n ≥ 3 alors com(com(A)) = On .


Si rg(A) ≤ 1 et n = 2 alors com(com(A)) = A .

Calcul de rang

1 α 0 

 ⋱ ⋱ 
Exercice 36 Soient α ∈ ℂ et M =   ∈ Mn (ℂ) .
 0 1 α
α 0 
1 
a) Calculer det M .
b) Déterminer, en fonction de α le rang de M .

a) En scindant la première colonne en 2 : det M = 1− (−1)n αn .


b) Si det M ≠ 0 alors M est inversible et rg(M ) = n .
Si det M = 0 alors M n’est pas inversible donc rg(M ) < n .
Or M possède une matrice extraite de rang n −1 donc rg(M ) = n −1 .
Au final M est de rang n sauf si −α est une racine n ème de l’unité où il vaut alors n −1 .

a b 

Exercice 37 Soient a ,b ∈ ℂ . Déterminer, en fonction de a et b le rang de la matrice M (a ,b ) =  ⋱  .
b 
a 

1 b ⋯ b 1 b ⋯ b
1 a b 0 a −b 0
det M (a ,b ) = (a + (n −1)b ) = (a + (n −1)b ) = (a + (n −1)b )(b −a )n −1 .
⋮ ⋱ ⋮ ⋱ ⋱
1 a 0 ⋯ 0 a −b
Si a ≠ b et a + (n −1)b ≠ 0 alors rg(M (a ,b )) = n .
Si a + (n −1)b = 0 et a ≠ 0 alors rg(M (a ,b )) = n −1 car M (a ,b ) possède une matrice de rang n −1
inversible car a ≠ b et a + (n − 2)b ≠ 0 .
Si a = b ≠ 0 alors rg(M (a ,b )) = 1 .
Si a = b = 0 alors rg(M (a ,b )) = 0 .
david Delaunay http://mpsiddl.free.fr

11
Espaces vectoriels euclidiens
On définit la notion de produit scalaire dans un cadre plus général que celui de la géométrie. A partir de cette
notion, on redéfinit les notions de distance, d’orthogonalité, d’angles,...
E désigne un ℝ -espace vectoriel.
n et p désignent des entiers naturels.

I. Produit scalaire

1°) Définition
E ×E → ℝ
Déf : On appelle produit scalaire sur E toute application ϕ :  telle que :
(x , y ) ֏ ϕ (x , y )
1. ϕ est une forme bilinéaire
2. ϕ est symétrique i.e. ∀x , y ∈ E , ϕ (x , y ) = ϕ (y , x )
3. ϕ est positive i.e. ∀x ∈ E , ϕ (x , x ) ≥ 0
4. ϕ est définie i.e. ∀x ∈ E , ϕ (x , x ) = 0 ⇒ x = 0 .

2°) Notions métriques


a) inégalité de Cauchy Schwarz
Théorème :
∀x , y ∈ E , (x | y ) 2 ≤ (x | x )(y | y ) .
De plus, il y a égalité ssi x et y sont colinéaires.
 n   n  n 
2

Cor : Pour x1 ,…, x n , y1 ,…, yn on a ∑ x iyi  ≤ ∑ x i2 ∑ yi2  .
 i =1   i =1  i=1 
 b   b  b 
2
Pour f , g ∈ C 0 ([a ,b ], ℝ ) on a  ∫ fg  ≤  ∫ f 2  ∫ g 2  .
 a   a  a 
b) norme euclidienne
Déf : Soit x ∈ E , on appelle norme euclidienne (ou longueur) du vecteur x le réel x = (x | x ) .
Prop : ∀x , y ∈ E et ∀λ ∈ ℝ :
x ≥0,
x =0⇔x =0,
λ.x = λ x ,
(x | y ) ≤ x . y avec égalité ssi x et y sont colinéaires.
Théorème : (Inégalité triangulaire)
∀x , y ∈ E , x + y ≤ x + y .
De plus, il y a égalité ssi x et y colinéaires et (x | y ) ≥ 0 (i.e. x et y ont même direction et même sens)
Cor : (Inégalité triangulaire renversée)
∀x , y ∈ E , x − y ≤ x − y ≤ x + y .
Prop : (Identités remarquables)
∀x , y ∈ E :
2 2 2
x +y = x + 2(x | y ) + y ,
2 2 2
x −y = x − 2(x | y ) + y ,
2 2
(x + y | x − y ) = x − y ,
2
x + y + x −y
2
(
=2 x + y
2 2
) et
2 2
x + y − x −y = 4(x | y ) (identité de polarisation)

- 1 / 11 -
c) distance euclidienne
Déf : Soit x et y deux vecteurs de E . On appelle distance euclidienne de x à y le réel : d (x , y ) = y − x
Prop : ∀x , y , z ∈ E :
d (x , y ) = 0 ⇔ x = y
d (x , y ) = d (y , x )
d (x , z ) ≤ d (x , y ) + d (y , z )
d (x + z , y + z ) = d (x , y ) .
d) écart angulaire formé par deux vecteurs
Soit u et v deux vecteurs non nuls de E .
(u | v )
Par l’inégalité de Cauchy Schwarz on a : ∈ [−1,1] .
u .v
Donc ∃!θ ∈ [0, π ] tel que (u | v ) = u . v .cos θ .
Déf : Ce réel θ est appelé écart angulaire entre les vecteurs u et v .
On note θ = Ecart(u , v ) (∈ [ 0, π ]) .
Prop : Ecart(u , v ) = Ecart(v , u )
Ecart(−u , v ) = π − Ecart(u , v )
Ecart(u , v ) = 0 ssi u et v ont même direction et même sens.
Ecart(u , v ) = π ssi u et v ont même direction et sont de sens opposés.
Déf : On dit que u et v forment un angle aigu (resp. obtus, droit) ssi Ecart(u , v ) ∈ [0, π 2] (resp.
Ecart(u , v ) ∈ [ π 2, π ] , Ecart(u , v ) = π 2 ).

3°) Vecteurs orthogonaux


a) famille orthogonale
Déf : Deux vecteurs x et y de E sont dits orthogonaux
ssi (x | y ) = 0 .
Déf : On dit qu’une famille F = (e1 , …,en ) de vecteurs de E est orthogonale ssi F est constituée de vecteurs
deux à deux orthogonaux i.e. ∀1 ≤ i ≠ j ≤ n , (ei | e j ) = 0 .
Prop : Toute famille orthogonale ne comportant pas le vecteur nul est libre.
Théorème : de Pythagore
2 2 2
Si F = (e1 , …,en ) une famille orthogonale : e1 + ⋯ + en = e1 + ⋯ + en .
b) famille orthonormée
Déf : On dit qu’un vecteur x de E est unitaire (ou normé) ssi x = 1 .
Normer un vecteur non nul x , c’est considérer le vecteur unitaire u = x x .
Déf : Soit F = (e1 , …,en ) un famille de vecteurs de E . On dit que F est une famille orthonormée ssi F est
constituée de vecteurs unitaires deux à deux orthogonaux i.e. ∀1 ≤ i , j ≤ n , (ei | e j ) = δi , j .
Prop : Toute famille orthonormée est libre.
c) procédé d’orthonormalisation de Schmidt
Théorème :
Soit F = (e1 , …,en ) une famille libre de vecteurs de E .
On peut construire une famille orthonormée (v1 , …, vn ) telle que :
∀1 ≤ k ≤ n , Vect(e1 ,…,ek ) = Vect(v1 ,…, vk )

- 2 / 11 -
4°) Orthogonal d’une partie
Déf : Soit A une partie de E .
On appelle orthogonal de A l’ensemble noté A⊥ constitué des vecteurs orthogonaux a tout vecteur de A
i.e. A⊥ = {x ∈ E / ∀a ∈ A, (a | x ) = 0} .
Prop : Soit A et B deux parties de E :
A⊥ est un sous-espace vectoriel de E .
A ⊂ A⊥⊥ , A ⊂ B ⇒ B ⊥ ⊂ A⊥ et A⊥ = Vect(A)⊥ .

5°) Sous-espaces vectoriels orthogonaux


Déf : Soit F et G deux sous-espaces vectoriels de E . On dit que F et G sont orthogonaux ssi
∀ (x , y ) ∈ F ×G , (x | y ) = 0 . On note F ⊥ G .

Prop : Si F et G sont orthogonaux alors F ∩G = {o } .
Prop : Soit F et G deux sous-espaces vectoriels de E .
On a équivalence entre :
(i) F et G sont orthogonaux
(ii) F ⊂ G ⊥
(iii) G ⊂ F ⊥ .

II. Espaces vectoriels euclidiens

1°) Définition
Déf : On appelle espace vectoriel euclidien tout ℝ -espace vectoriel de dimension finie muni d’un produit
scalaire.
Désormais, E désigne un espace vectoriel euclidien.

2°) Base orthonormée


Déf : On appelle base orthonormée d’un espace vectoriel euclidien E toute base de E constituée de vecteurs
unitaires deux à deux orthogonaux.
Théorème :
Tout espace vectoriel euclidien E possède une base orthonormée.
Théorème : de la base orthonormée incomplète
Soit E une espace vectoriel euclidien de dimension n .
Si B = (e1 ,…,e p ) est une famille orthonormée de vecteurs de E
alors on peut compléter B en une base orthonormée de E de la forme (e1 ,…,e p ,e p +1 , …,en ) .
Théorème :
Soit E un espace vectoriel euclidien muni d’une base orthonormée B = (e1 , …,en ) .
n
Pour tout x ∈ E , on a x = ∑ (ei | x )ei .
i =1

Par suite les composantes de x dans B sont les (e1 | x ),…,(en | x ) .


Théorème :
Soit E un espace vectoriel euclidien muni d’une base orthonormée B = (e1 , …,en ) .
Pour x , y ∈ E de composantes : x1 ,…, x n et y1 , …, yn , on a :
(x | y ) = x1y1 + ⋯ + x n yn et x = x12 + ⋯ + x n2 .

3°) Supplémentaire orthogonal


Théorème :
Soit F un sous-espace vectoriel d’un espace vectoriel euclidien E .
F ⊥ est un supplémentaire de F dans E .
Déf : F ⊥ est appelé supplémentaire orthogonal de F .
Cor : dim F ⊥ = dim E − dim F et F ⊥⊥ = F .

- 3 / 11 -
Prop : Soit F et G sous-espaces vectoriels d’un espace vectoriel euclidien E .
(F +G )⊥ = F ⊥ ∩G ⊥ et (F ∩G )⊥ = F ⊥ +G ⊥ .

4°) Vecteur normal à un hyperplan


E désigne un espace vectoriel euclidien de dimension n ∈ ℕ * .
Déf : Soit H un hyperplan de E . La droite vectorielle H ⊥ est appelée
droite normale à H et tout vecteur directeur de celle-ci est appelé vecteur normal à H .
Prop : Soit B = (e1 , …,en ) une base orthonormée de E et H un hyperplan de E .
Un vecteur a de composantes a1 , …, an est normal à H ssi a1x1 + ⋯ + an x n = 0 est une équation de H .

5°) Représentation d’une forme linéaire


Soit E un espace vectoriel euclidien.
E → ℝ
Pour a ∈ E , on note ϕa :  .
x ֏ (a | x )

Prop : ϕa est une une forme linéaire sur E de noyau {a } .
Théorème :
∀f ∈ E *, ∃!a ∈ E tel que f = ϕa i.e. tel que ∀x ∈ E , f (x ) = (a | x ) .

6°) Produit mixte


Soit E un espace vectoriel euclidien orienté de dimension n ∈ ℕ * .
Prop : Soit B = (e1 ,...,en ) et B ′ = (ε1 ,..., εn ) deux bases orthonormées de E .
On a det B B ′ = ±1 .
Théorème :
Si (x1 ,..., x n ) est une famille de n = dim E vecteurs de E alors la quantité det B (x1 ,…, x n ) est
indépendante de la base orthonormée directe B choisie.
Déf : Cette quantité est appelée produit mixte des vecteurs (x1 ,…, x n ) , on la note Det(x1 ,..., x n ) ou [x1 ,..., x n ] .
E n → ℝ
Prop : L’application   est une forme n linéaire alternée et antisymétrique.
(x1 ,..., x n ) ֏ [x1 ,..., x n ]

De plus
[x1 ,..., x n ] = 0 ⇔ (x1 ,..., x n ) est liée.
[x1 ,..., x n ] > 0 ⇔ (x1 ,…, x n ) base directe.
[x1 ,..., x n ] < 0 ⇔ (x1 ,…, x n ) base indirecte.

7°) Produit vectoriel en dimension 3


Soit E un espace vectoriel euclidien orienté de dimension 3.
Soit u et v deux vecteurs de E . L’application f : E → ℝ définie par f (x ) = Det(u , v , x ) est une forme
linéaire sur E , donc : ∃!w ∈ E , ∀x ∈ E , Det(u , v , x ) = (w | x ) .
Déf : Ce vecteur w est appelé produit vectoriel de u par v , on le note u ∧ v .
E ×E → E
Prop : L’application  est bilinéaire antisymétrique.
(u , v ) ֏ u ∧ v
Prop : ∀u , v ∈ E , (u ∧ v | u ) = (u ∧ v | v ) = 0
Prop : ∀u , v ∈ E , (u , v ) est libre ssi u ∧ v ≠ 0 .
De plus, si tel est le cas, (u , v , u ∧ v ) est une base directe.
Prop : Si (i , j , k ) est une base orthonormée directe de E alors
i ∧ j = k , j ∧ k = i et k ∧ i = j .

- 4 / 11 -
Prop : Soit (i , j , k ) une base orthonormée directe de E .
Soit u = xi + yj + zk , v = x ′i + y ′j + z ′k .
On a u ∧ v = (yz ′ − y ′z )i + (zx ′ − z ′x ) j + (xy ′ − x ′y )k .
Prop : (Formule du double produit vectoriel)
∀u , v , w ∈ E , u ∧ (v ∧ w ) = (u | w )v − (u | v )w .
Prop : (Identité de Lagrange)
2 2 2
∀u , v ∈ E , (u | v ) 2 + u ∧ v = u v .
Prop : ∀u , v ∈ E non nuls. Notons θ = Ecart(u , v ) . On a u ∧ v = u v sin θ .

III. Projection et symétries orthogonales


Soit E un espace vectoriel euclidien.

1°) Projection orthogonale


Soit F un sous-espace vectoriel de E , F et F ⊥ sont supplémentaires dans E .
Déf : On appelle projection orthogonale sur F la projection vectorielle pF sur F selon la direction F ⊥ .
Prop : pF ∈ L(E ), pF 2 = pF ,Im pF = F et ker pF = F ⊥ .
De plus I − pF est la projection orthogonale sur F ⊥ .
Prop : Si B = (e1 ,…,e p ) est une base orthonormée de F alors :
p
∀x ∈ E , pF (x ) = ∑ (x | e j )e j .
j =1

Théorème : (caractérisation des projections orthogonales)


Soit p ∈ L(E ) .
On a équivalence entre :
(i) p est une projection orthogonale
(ii) p 2 = p et ∀x , y ∈ E , (p (x ) | y ) = (x | p (y )) .
Cor : La matrice représentative d’une projection orthogonale p dans une base orthonormée B = (e1 ,...,en ) est
symétrique.

2°) Distance à un sous-espace vectoriel


Déf : Soit F un sous-espace vectoriel de E et x ∈ E .
On appelle distance de x à F le réel d (x , F ) = inf d (x , y ) = inf y − x ∈ ℝ + .
y ∈F y ∈F

Prop : Soit F un sous-espace vectoriel de E , x ∈ E .


∀y ∈ F , x − y ≥ x − pF (x ) avec égalité ssi y = pF (x ) .
Par suite, d (x , F ) = x − pF (x ) .
Prop : On suppose E muni d’une base orthonormée B = (e1 ,...,en ) .
Soit H un hyperplan d’équation a1x1 + ⋯ + an x n = 0 et x un vecteur de E de composantes dans B :
a1x1 + ⋯ + an x n
x1 ,..., x n . On a d (x , H ) = .
a12 + ⋯ + an2

3°) Symétrie orthogonale


Soit F un sous-espace vectoriel d’un espace vectoriel euclidien E .
F et F ⊥ sont supplémentaires dans E .
Déf : On appelle symétrie orthogonale par rapport à F la symétrie vectorielle sF par rapport à F et selon la
direction F ⊥ . Si F est un hyperplan de E , on dit que sF est la réflexion par rapport à F .
Prop : sF ∈ L(E ) , sF 2 = Id , ker(sF − I ) = F et ker(sF + I ) = F ⊥ .
−sF = sF ⊥ et sF = 2pF − Id

- 5 / 11 -
n
Prop : Si B = (e1 ,...,e p ) est une base orthonormée de F alors : ∀x ∈ E , sF (x ) = 2∑ (x | ei )ei − x .
i =1

Théorème :
Soit s ∈ L(E ) . On a équivalence entre :
(i) s est un symétrie orthogonale
(ii) s 2 = Id et ∀x , y ∈ E , (s (x ) | y ) = (x | s (y )) .
Cor : La matrice d’une symétrie orthogonale dans une base orthonormée est symétrique.
Cor : Les symétries orthogonales conservent le produit scalaire :
∀x , y ∈ E , (s (x ) | s (y )) = (x | y ) .
En particulier, les symétries orthogonales conservent la norme :
∀x ∈ E , s (x ) = x .

IV. Automorphismes orthogonaux


E désigne un espace vectoriel euclidien de dimension n ∈ ℕ * .

1°) Matrices orthogonales


Déf : Une matrice A ∈ M n ( ℝ ) est dite orthogonale ssi A est inversible et A−1 = t A .
On note O (n ) l’ensemble de ces matrices.
Prop : O (n ) est un sous-groupe de GLn ( ℝ ) .
Déf : O (n ) est appelé groupe orthogonal d’ordre n .
Prop : ∀A ∈ O (n ) on a det A = ±1 .
Déf : Les matrices orthogonales de déterminant 1 (resp. −1 ) sont qualifiées de positives (resp. négatives).
Prop : SO (n ) = {A ∈ O (n ) / det A = 1} est un un sous-groupe de GLn ( ℝ ) .
Déf : SO (n ) est appelé groupe spécial orthogonal d’ordre n .
Prop : Soit B = (e1 , …,en ) une base orthonormée de E .
Soit B ′ = (ε1 ,…, εn ) une famille de vecteurs de E et P = Mat B B ′ .
On a équivalence entre :
(i) B ′ est une base orthonormée de E
(ii) P ∈ O (n ) .
De plus, si tel est le cas, P apparaît comme étant la matrice de passage de B à B ′ tandis que t P = P −1
est la matrice de passage de B ′ à B .

2°) Caractérisation des matrices orthogonales


Le produit scalaire canonique sur M n ,1 ( ℝ ) est défini par :
 x1   y1 
   
Pour X =  ⋮  et Y =  ⋮  on pose (X |Y ) = x1y1 + ⋯ + x n yn .
 
   
x n  yn 
Le produit scalaire canonique sur M1,n ( ℝ ) est définie par :
Pour X = (x1 … x n ) et Y = (y1 … yn ) on pose (X |Y ) = x1y1 + ⋯ + x n yn .
Théorème :
Soit A ∈ M n ( ℝ ) de colonnes C1 , …,C n et de lignes L1 , …, Ln .
On a équivalence entre :
(i) A est orthogonale
(ii) la famille (C 1 ,…,C n ) est orthonormale
(iii) la famille (L1 ,…, Ln ) est orthonormale.

- 6 / 11 -
3°) Automorphismes orthogonaux
Déf : On appelle endomorphisme orthogonal de E tout f ∈ L(E ) qui conserve le produit scalaire i.e. tel que :
∀x , y ∈ E , ( f (x ) | f (y )) = (x | y ) .
On note O (E ) l’ensemble de ces applications.
Prop : Si f ∈ O (E ) alors f conserve :
– la norme : ∀x ∈ E , f (x ) = x
– l’orthogonalité : ∀x , y ∈ E ,(x | y ) = 0 ⇒ ( f (x ) | f (y )) = 0 .
– les écarts angulaires : ∀x , y ∈ E non nuls, Ecart( f (x ), f (y )) = Ecart(x , y ) .
Prop : Si f ∈ O (E ) alors f est un automorphisme.
On parle indifféremment d’endomorphisme ou d’automorphisme orthogonal voire d’isométrie.
Prop : O (E ) est un sous-groupe de GL (E ) .
Déf : On l’appelle groupe orthogonal de E .
Théorème :
Soit f ∈ L(E ) et B = (e1 , …,en ) une base orthonormée de E .
On a équivalence entre :
(i) f ∈ O (E )
(ii) f (B ) est une base orthonormée
(iii) Mat B ( f ) ∈ O (n ) .
Cor : Etant donnés deux bases orthonormées B et B ′ , il existe un unique automorphisme orthogonal
transformant B et B ′ .
Cor : Si f ∈ O (E ) alors det( f ) = ±1 .
Déf : Les automorphismes orthogonaux de déterminant 1 (resp. −1 ) sont qualifiés de positifs (resp. négatifs).
Prop : SO (E ) = { f ∈ O (E ) / det f = 1} est un sous-groupe de GL (E ) .
Déf : SO (E ) est appelé groupe des isométries positives de E .

V. Automorphismes orthogonaux du plan euclidien


E désigne un plan euclidien orienté, par exemple E peut être l’ensemble des vecteurs du plan géométrique ou
ℝ2 .

1°) Matrice de rotation


cos θ − sin θ 
Déf : Pour θ ∈ ℝ , on appelle matrice de rotation d’angle θ la matrice R (θ ) =   ∈ O + (2) .
 sin θ cos θ 

Prop : ∀θ, θ ′ ∈ ℝ , R (θ ) = R (θ ′) ⇔ θ = θ ′ [ 2π ] , R (θ )R (θ ′) = R(θ + θ ′) = R(θ ′)R (θ ) et


R (θ )−1 = tR (θ ) = R(−θ ) .
Théorème :
cos θ − sin θ 
∀M ∈ O + (2) , ∃θ ∈ ℝ unique à 2π près tel que : M =  .
 sin θ cos θ 

Cor : O + (2) = {R (θ ) / θ ∈ ℝ } et par suite O + (2) est un groupe abélien.

2°) Rotation du plan euclidien orienté


Théorème :
La matrice de tout endomorphisme r ∈ O + (E ) est la même dans toute base orthonormée directe B . Plus
cos θ − sin θ 
précisément il existe θ ∈ ℝ , unique à 2π près tel que : Mat B (r ) = R (θ ) =  .
 sin θ cos θ 

Déf : L’automorphisme orthogonale représenté par R(θ ) dans les bases orthonormées directes est appelée
rotation d’angle θ et est notée Rot θ .

- 7 / 11 -
Prop : ∀θ, θ ′ ∈ ℝ , Rot θ = Rot θ ′ ⇔ θ = θ ′ [ 2π ] , Rot θ  Rot θ ′ = Rot θ +θ ′ = Rot θ ′  Rot θ et Rot θ−1 = Rot −θ .
Cor : O + (E ) = {Rot θ /θ ∈ ℝ } est un groupe abélien.

3°) Angle orienté dans le plan


a) angle de deux vecteurs
Soit u et v deux vecteurs non nuls de E .
Posons U = u u et V = v v . Il existe θ ∈ ℝ unique à 2π près tel que V = Rot θ (U ) .
Déf : Ce réel θ , défini à 2π près, est appelé mesure de l’angle orienté de u à v . On note θ = (u , v ) [ 2π ] .
b) propriétés
Prop : ∀u , v ∈ E \ {0} , ∀λ, µ ∈ ℝ + * : (λu , µv ) = (u , v ) [ 2π ] .

Prop : ∀u , v , w ∈ E \ {0} : (u , v ) = (u , w ) + (w , v ) [ 2π ] et (v , u ) = −(u , v ) [ 2π ] .

Prop : Soit u , v ∈ E \ {0} et θ = (u , v ) [ 2π ]


On a (u | v ) = u v cos θ et Det(u , v ) = u v sin θ .
De plus ces deux relations déterminent θ à 2π près.
Cor : u et v sont orthogonaux ssi (u , v ) = π 2 [π ]
u et v sont colinéaires ssi (u , v ) = 0 [π ] .
c) lien entre angle orienté et écart angulaire
Soit u , v ∈ E \ {0} . Notons α = Ecart(u , v ) . α est déterminé par (u | v ) = u v cos α et α ∈ [ 0, π ] .
(u | v ) = u v cos θ
Notons θ = (u , v ) [ 2π ] . θ est déterminé à 2π près par  .
Det(u , v ) = u v sin θ

On a donc cos θ = cos α puis θ = α [ 2π ] ou θ = −α [ 2π ] .
Si (u , v ) est une base directe alors Det(u , v ) > 0 et alors θ = α [ 2π ] .
Si (u , v ) est une base indirecte alors θ = −α [ 2π ] .
d) angle orienté de deux droites
Soit D et D ′ deux droites vectorielles
∃θ ∈ ℝ , unique à π près tel que : D ′ = Rot θ (D ) .
Déf : Ce réel θ , défini à π près, est appelé mesure de l’angle orienté de D à D ′ . On note θ = (D , D ′) [π ] .

Prop : Soit D , D ′, D ′′ des droites vectorielles de E .


(D , D ′) + (D ′, D ′′) = (D , D ′′) [ π ] , (D ′, D ) = −(D , D ′) [π ] , D ⊥ D ′ ⇔ (D , D ′) = π 2 [π ] et
D = D ′ ⇔ (D , D ′) = 0 [ π ] .

4°) Classification
Théorème :
Soit B = (i , j ) une base orthonormée de E . Pour tout automorphisme orthogonal négatif s de E il
cos ϕ sin ϕ 
existe ϕ ∈ ℝ tel que Mat B (s ) =  .
 sin ϕ − cos ϕ
De plus s correspond alors à la réflexion par rapport à la droite vectorielle dirigée par
u = cos(ϕ 2)i + sin(ϕ 2) j .
Théorème :
Les automorphismes orthogonaux positifs sont les rotations vectorielles, celles-ci commutent entres elles
et ont même représentation dans toutes bases orthonormées directes.
Les automorphismes orthogonaux négatifs du plan sont les réflexions.
Cor : La composée de deux rotations est une rotation.
La composée de deux réflexions est une rotation.
La composée d’une rotation et d’une réflexion est une réflexion.

- 8 / 11 -
Prop : Toute rotation du plan peut s’écrire comme produit de deux réflexions, l’une d’elle étant quelconque.
Cor : Tout automorphisme orthogonal du plan peut s’écrire comme un produit d’au plus deux réflexions.

5°) Composition d’automorphismes orthogonaux.


Prop : Les rotations du plan conservent les angles orientés et les réflexions du plan les changent en leur opposé.
Prop : Soit σ et σ ′ deux réflexions par rapport à deux droites D et D ′ .
On a σ ′  σ = Rot 2θ où θ = (D , D ′) [π ] .
Prop : Soit r une rotation d’angle θ et σ une réflexion par rapport à D .
σ ′ = r  σ est la réflexion par rapport à D ′ = Rot θ 2 (D )
σ ′′ = θ  r est la réflexion par rapport à D ′′ = Rot −θ 2 (D ) .

VI. Automorphismes orthogonaux de l’espace de dimension 3


E désigne un espace vectoriel euclidien orienté de dimension 3.
(par ex. E peut être l’ensemble des vecteurs de l’espace géométrique ou ℝ 3 )

1°) Orientation induite


Soit P un plan de E et D = P ⊥ sa droite normale.
Il n’existe pas d’orientation préférentielle ni sur P , ni sur D .
Choisissons une orientation sur D et soit u un vecteur unitaire direct de D .
Complétons u en une base orthonormée directe B = (u , v , w ) de E .
La famille (v , w ) est une base orthonormée de P . En choisissant celle-ci pour base orientée de référence, on dit
qu’on a muni le plan P de l’orientation induite de celle de D . En effet on peut montrer que cette orientation est
indépendante de la manière dont on a complété u en une base orthonormée directe B = (u , v , w ) .

2°) Rotation de l’espace de dimension 3


a) définition p (x ) f (x )
Soit θ ∈ ℝ et D une droite vectorielle orientée x
par un vecteur unitaire u .
Notons P = D ⊥ muni de l’orientation induite.
Soit p la projection orthogonale sur D Rot θ (q (x ))
et q = Id− p celle sur P . q (x ) θ
∀x ∈ E , on pose f (x ) = p (x ) + Rot θ (q (x )) P D
où Rot θ est la rotation d’angle θ
du plan euclidien P .
Déf : L’application f est appelée rotation d’axe dirigé et orienté par u et d’angle θ . On note f = Rot u ,θ .
Prop : f est un endomorphisme tel que : f|D = IdD et f|P = Rot θ .

Prop : Si θ = 0 [ 2π ] alors f = Id
Si θ ≠ 0 [ 2π ] alors les vecteurs invariants par f sont ceux de D .
Prop : Si B est une base orthonormée directe de E de la forme B = (u , v , w ) alors
 0 
1 0

Mat B ( f ) = 0 cos θ −sin θ  ∈ SO (3) .

 
0 sin θ cos θ 
Cor : Les rotations sont des automorphismes orthogonaux positifs de E .
Prop : ∀θ, θ ′ ∈ ℝ .
Rot u ,θ = Rot u ,θ ′ ⇔ θ = θ ′ [ 2π ]
Rot u ,θ  Rot u ,θ ′ = Rot u ,θ +θ ′ = Rot u ,θ ′  Rot u ,θ .
Rot −u ,1θ = Rot u ,−θ .

- 9 / 11 -
b) représentation matricielle dans une base orthonormée quelconque
Prop : Soit f la rotation d’axe D dirigé et orienté par un vecteur unitaire u et d’angle θ .
∀x ∈ D ⊥ , f (x ) = cos θ.x + sin θ.(u ∧ x ) .
c) retournement
Déf : Soit D une droite vectorielle de E . On appelle retournement (ou demi-tour) autour de D la rotation
d’axe D et d’angle π . On la note Ret D .
Prop : Ret D est aussi la symétrie orthogonale par rapport à D .

3°) Classification des automorphismes orthogonaux de l’espace


a) préliminaires
lemme :( E espace vectoriel quelconque)
Soit F et G deux sous-espaces vectoriels supplémentaires de E et f , g ∈ L(E ) .
Si ∀x ∈ F , f (x ) = g(x ) et ∀x ∈ G, f (x ) = g(x ) alors f = g .
lemme : ( E espace vectoriel euclidien quelconque)
Soit f ∈ O (E ) et F = ker( f − Id) le sous-espace vectoriel formé des vecteurs invariants par f .
F ⊥ est stable par f et f|F ⊥ : F ⊥ → F ⊥ est un automorphisme orthogonal de F ⊥ dont le vecteur nul est le
seul vecteur invariant.
lemme : ( E espace vectoriel euclidien de dimension 3)
∀f ∈ SO (E ), ∃u ∈ E unitaire tel que f (u ) = u .
b) classification
Théorème :
Soit f ∈ O (E ) et F = ker( f − Id) le sous-espace vectoriel formé des vecteurs invariants par f .
Si dim F = 3 alors f = Id .
Si dim F = 2 alors f est la réflexion de plan P = F .
Si dim F = 1 alors f est une rotation vectorielle autour de D = F .
Si dim F = 0 alors f est la composée commutative d’une réflexion par rapport à un plan P et d’une
rotation autour de sa droite normale D = P ⊥
Cor : Les automorphismes orthogonaux positifs de E sont les rotations.
Cor : Les automorphismes orhogonaux negatifs possédant d'autres vecteurs invariants que le vecteur nul sont
les réflexions.

4°) Composition d’automorphismes orthogonaux


Prop : La composée de deux rotations de l’espace est une rotation.
Prop : La composée de deux réflexions distinctes de l’espace est une rotation autour de la droite intersection des
plans de réflexion.
Prop : Toute rotation f d’axe D peut s’écrire comme produit de deux réflexions par rapport à des plans
contenant D l’une d’elles pouvant être choisie de manière quelconque.
Cor : Tout automorphisme orthogonal de l’espace peut s’écrire comme un produit d’au plus trois réflexions.

5°) Réduction d’automorphismes orthogonaux


Soit f ∈ L(E ) connu par sa matrice A dans une base orthonormée directe B = (i , j , k ) .
Si A ∈ O (3) alors f ∈ O (E ) . Etudions f .
On détermine l’ensemble des vecteurs invariants par f : F = ker( f − Id) .
Si dim F = 3 alors f = Id .
Si dim F = 2 alors f est la réflexion par rapport au plan F .
Si dim F = 1 alors f est une rotation autour de la droite D = F .
On choisit alors un vecteur unitaire u de D . On oriente D par celui-ci et on munit P = D ⊥ de l’orientation
induite. Déterminons l’angle θ de notre rotation.

- 10 / 11 -
1 0 0 
 
Dans une base orthonormée directe de la forme B ′ = (u , v , w ) , on a Mat B ′ ( f ) = 0 cos θ − sin θ  .

 
0 sin θ cos θ 
On a tr( f ) = 2 cos θ + 1 = tr(A) , ceci donne cos θ .
Pour conclure il suffit de déterminer le signe de sin θ .
Soit x = α.u + β .v + γ .w ∉ D .
1 α α
Det(u , x , f (x )) = 0 β β cos θ − γ sin θ = (β 2 + γ 2 )sin θ .
0 γ β sin θ + γ cos θ
Ainsi le signe de sin θ est celui de Det(u , x , f (x )) .
Si dim F = 0 : hors-programme.

- 11 / 11 -
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

Produit scalaire
n
Exercice 1 Soit n ∈ ℕ . Montrer que ϕ(P ,Q ) = ∑ P (k )Q (k ) définit un produit scalaire sur ℝ n [X ] .
k =0

Symétrie, bilinéarité et positivité : claires.


n
Si ϕ (P , P ) = 0 alors ∑ P (k )
k =0
2
= 0 donc ∀k ∈ {0,1,…, n } , P (k ) = 0 .

Ainsi P admet au moins n + 1 racines, or deg P ≤ n donc P = 0 .

1
Exercice 2 Montrer que ϕ ( f , g ) = ∫ f (t )g (t )(1− t 2 )dt définit un produit scalaire sur E = C ([−1,1], ℝ ) .
−1

Symétrie, bilinéarité et positivité : claires.


Si ϕ ( f , f ) = 0 alors par nullité de l’intégrale d’une fonction continue et positive, on a pour tout t ∈ [−1,1] ,
f (t ) 2 (1− t 2 ) = 0 et donc pour tout t ∈ ]−1,1[ , f (t ) = 0 .
Par continuité de f en 1 et −1 , on obtient f (t ) = 0 sur [−1,1] .
On peut alors conclure que ϕ est un produit scalaire.

1
Exercice 3 Soit E = C 1 ([0,1], ℝ ) . Pour f , g ∈ E , on pose ϕ ( f , g ) = f (0)g (0) + ∫ f ′(t )g ′(t )dt .
0

Montrer que ϕ est un produit scalaire sur E .

ϕ est clairement une forme bilinéaire symétrique.


ϕ( f , f ) ≥ 0 et ϕ ( f , f ) = 0 ⇒ f (0) = 0 et f ′ = 0 d’où f = 0 .

Exercice 4 Soit E = ℝ 2 et a ,b ,c ,d ∈ ℝ . Pour u = (x , y ) et v = (x ′, y ′) ∈ ℝ 2 , on pose


ϕ (u , v ) = axx ′ + bxy ′ + cx ′y + dyy ′ .
A quelle(s) condition(s) sur a ,b ,c ,d a-t-on ϕ produit scalaire sur ℝ 2 ?

Si ϕ est un produit scalaire sur ℝ 2 alors :


En prenant u = (1, 0) et v = (0,1) , la symétrie ϕ (u , v ) = ϕ (v , u ) donne b = c .
ϕ (u , u ) = ax 2 + 2bxy + dy 2 .
Pour u = (1, 0) , ϕ (u , u ) > 0 donne a > 0 .
b ad −b 2 2
ϕ (u , u ) = ax 2 + 2bxy + dy 2 = a (x + y ) 2 + y .
a a
Pour u = (−b ,a ) , ϕ (u , u ) > 0 donne ad > b 2 .
Inversement, si a > 0,ad > b 2 et b = c alors l’étude ci-dessus montre que ϕ est un produit scalaire.

Exercice 5 Dans E espace vectoriel muni d’un produit scalaire (. | .) .


Pour a ∈ E non nul et λ ∈ ℝ . Résoudre l’équation (a | x ) = λ d’inconnue x ∈ E .

λ
Considérons x 0 = 2
a . On a (a | x 0 ) = λ i.e. x 0 ∈ S .
a
Soit x ∈ E , x ∈ S ⇔ (a | x − x 0 ) = 0 , donc S = x 0 + Vect(a )⊥ .

Exercice 6 Soit E = ℝ [X ] .
1
a) Montrer que ϕ (P ,Q ) = ∫ P (t )Q (t )dt définit un produit scalaire sur E .
0

1
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

b) Soit θ : E → ℝ la forme linéaire définie par θ (P ) = P (0) .


Montrer qu'il n'existe pas de polynôme Q tel que pour tout P ∈ E on ait θ (P ) = ϕ (P ,Q ) .

a) ras
b) Supposons qu'un tel polynôme Q existe et considérons P = XQ .
1
On a θ (P ) = 0 = ∫ tQ 2 (t )dt donc Q = 0 d'où θ = 0 . Absurde.
0

Exercice 7 Famille obtusangle


Soit x1 , x 2 ,..., x n + 2 des vecteurs d’un espace vectoriel euclidien E de dimension n ∈ ℕ∗ .
Montrer qu’il est impossible que ∀1 ≤ i ≠ j ≤ n + 2, (x i | x j ) < 0 .

Par récurrence sur n ∈ ℕ∗


Pour n = 1 : Soit u un vecteur unitaire de E . On peut écrire x1 = λ1 .u , x 2 = λ2 .u , x 3 = λ3 .u
On a alors (x1 | x 2 ) = λ1λ2 , (x 2 | x 3 ) = λ2λ3 , (x 3 | x1 ) = λ3λ1 .
Ces trois quantités ne peuvent être négatives car λ1λ2λ2λ3λ3λ1 = (λ1λ2λ3 ) 2 ≥ 0 .
Supposons la propriété établie au rang (n −1) ∈ ℕ∗ :
Par l’absurde, supposons que la configuration soit possible :
Nécessairement x n + 2 ≠ 0 .
Posons F = Vect(x n +2 )⊥ . On a dim F = n −1 .
∀1 ≤ i ≤ n + 1, x i = yi + λi .x n +2 avec yi ∈ E et λi ∈ ℝ .
Comme (x i | x n +2 ) < 0 on a λi < 0 .
2
∀1 ≤ i ≠ j ≤ n + 1, (x i | x j ) = (yi | y j ) + λi λj x n + 2 < 0 donc (yi | y j ) < 0 .
On peut appliquer l’hypothèse de récurrence à la famille (y1 ,…, yn +1 ) formée de vecteurs qui évoluent dans F .
Récurrence établie.

Inégalité de Cauchy Schwarz

 n  n 2

Exercice 8 Soit (x1 , x 2 , …, x n ) ∈ ℝn . Montrer que ∑ x k  ≤ n ∑ x k2 .


 k =1  k =1

Etudier les cas d’égalités.

Par l’inégalité de Cauchy-Schwarz appliquée au produit scalaire canonique sur ℝn :


 n   n   n  n 
2 2 n
 x  =  x 1 ≤  x 2  12  = n x 2 .
∑
k =1
k
 ∑
k =1
 ∑
k 
k =1
k  ∑
 k =1  ∑
k =1
k

Il y a égalité si et seulement si (x1 , …, x n ) et (1,…,1) sont colinéaires i.e. : x1 = ⋯ = x n .

Exercice 9 Soit x1 ,…, x n > 0 tel que x1 + ⋯ + x n = 1 .


n
1
Montrer que ∑x
k =1
≥ n 2 . Préciser les cas d’égalité.
k

 n 1 
2

n n
1 n 1
∑ x k  ≤ ∑ ∑ x k donc ∑x ≥ n2 .
 k =1 x k  k =1 x k k =1 k =1 k

x1 xn
De plus, il y a égalité ssi =⋯= soit x1 = ⋯ = x n = 1 n .
1 x1 1 xn

2
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

b
Exercice 10 On considère C 0 ([a ,b ], ℝ ) muni du produit scalaire ( f | g ) = ∫ f (t )g (t )dt .
a
b b dt
Pour f strictement positive sur [a ,b ] on pose ℓ ( f ) = ∫ f (t )dt ∫ .
a a f (t )
Montrer que ℓ ( f ) ≥ (b −a )2 . Etudier les cas d’égalités.

Soit g ∈ C ([a ,b ], ℝ ) l’application définie par g (t ) = f (t ) .


Par l’inégalité de Cauchy-Schwarz :
 b 1 
2
b b dt
(b −a )2 =  ∫ g (t ). dt  ≤ ∫ f (t )dt .∫ = ℓ(f ) .
 a g (t )  a a f (t )
1
Il y a égalité si et seulement si t ֏ g (t ) et t ֏ sont colinéaires ce qui correspond à f constante.
g (t )

1
Exercice 11 Soit f : [ 0,1] → ℝ continue et positive. On pose I n = ∫ t n f (t )dt .
0

Montrer que I n2+p ≤ I 2n I 2 p .

 1   1 
2 2 1 1
 ∫ t n +p f (t )dt  =  ∫ t n f (t )t p f (t ) dt  ≤ ∫ t 2n f (t )dt ∫ t 2 p f (t )dt .
 0   0  0 0

Orthogonalité

Exercice 12 Soit x , y ∈ E . Montrer que x et y sont orthogonaux ssi ∀λ ∈ ℝ , x + λy ≥ x .

(⇒) Via Pythagore


2
(⇐) Si pour tout λ ∈ ℝ on a x + λy ≥ x alors 2λ (x | y ) + λ 2 y ≥ 0 .
2
Si, par l'absurde (x | y ) ≠ 0 alors 2λ (x | y ) + λ 2 y ∼ 2λ (x | y ) qui change de signe en 0. Absurde.
λ →0

Par suite (x | y ) = 0 .

1 π
Exercice 13 On définit une application ϕ : ℝ [X ]× ℝ [X ] → ℂ par ϕ (P ,Q ) = ∫ P (eiθ )Q (e−iθ )dθ .
2π − π

a) Montrer que ϕ définit un produit scalaire sur ℝ [X ] .


b) Montrer que (1, X , X 2 , …, X n ) est une famille orthonormée pour ce produit scalaire.

a) Par le changement de variable réelle ξ = −θ , ϕ (P ,Q ) = ϕ (Q , P ) .


D’autre part ϕ (P ,Q ) = ϕ (Q , P ) = ϕ (P ,Q ) donc ϕ (P ,Q ) ∈ ℝ .
ϕ est donc une application symétrique à valeurs réelles.
La bilinéarité et la positivité ne posent pas de problèmes.
Si ϕ (P , P ) = 0 alors ∀θ ∈ ℝ , P (eiθ ) = 0 .
Le polynôme réel P admet alors une infinité de racines complexes situées sur U = {z ∈ ℂ / z = 1} .

b) ϕ (X k , X ℓ ) =
1
2π ∫−
π

π
ei (k −ℓ ) θ dθ = {
1 si k = ℓ
0 sinon
.

Base orthonormée

Exercice 14 Dans ℝ 3 muni du produit scalaire canonique, orthonormaliser en suivant le procédé de Schmidt,
la famille (u , v , w ) où u = (1, 0,1), v = (1,1,1), w = (−1,1, 0) .

3
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

1 1 1 1
e1 = ( , 0, ),e2 = (0,1, 0) et e3 = (− , 0, ).
2 2 2 2

Exercice 15 Soit (e1 ,e 2 , …,en ) une famille de vecteurs d’un espace vectoriel euclidien E vérifiant :
n
∀i ∈ {1, 2, …, n } , ei = 1 et ∀x ∈ E , ∑ (x | e )
2
i
2
= x .
i =1

Montrer que (e1 ,e 2 , …,en ) est une famille orthonormée, puis une base orthonormée de E .
n n
= ∑ (e j | ei ) 2 = 1 + ∑ (e j | ei ) 2 donc ∀1 ≤ i ≠ j ≤ n , (ei | e j ) = 0 .
2
∀1 ≤ j ≤ n , 1 = e j
i =1 i =1
i≠j

Ainsi (e1 ,e 2 , …,en ) est une famille orthonormée.


∀x ∈ Vect(e1 , …,en )⊥ on a x = 0 donc x = 0 . Par suite Vect(e1 ,…,en ) = E .
Finalement (e1 ,e 2 , …,en ) est une base orthonormée.

Exercice 16 Construire une base orthonormée directe de ℝ 3 dont les deux premiers vecteurs appartiennent au
plan dont l’équation dans la base canonique est x + y + z = 0 .

 1 1 1 
Prenons w =  , ,  (normal au plan) pour troisième vecteur.
 3 3 3 
 1 1 
Posons u =  ,− , 0 (du plan) pour premier vecteur et v = w ∧ u pour deuxième vecteur.
 2 2 

Exercice 17 Soit E un espace vectoriel euclidien et f ∈ L(E ) tel que ∀x , y ∈ E , ( f (x ) | y ) = (x | f (y )) .


a) Montrer que la matrice de f dans une base orthonormée B = (e1 , …,en ) est symétrique.
b) Montrer que le noyau et l’image de f sont supplémentaires et orthogonaux.

a) A = Mat B ( f ) = (ai , j ) avec ai , j = (ei | f (e j )) = ( f (ei ) | e j ) = a j ,i .


b) Soit x ∈ ker f et z = f (y ) ∈ Im f .
(x | z ) = (x | f (y )) = ( f (x ) | y ) = (0 | y ) = 0 donc ker f ⊂ Im f ⊥ .
De plus dim ker f = dim E − dim Im f = dim Im f ⊥ donc ker f = Im f ⊥ puis la conclusion.

Orthogonal d’un sous-espace vectoriel

Exercice 18 Soit F et G deux sous-espaces vectoriels d’un espace vectoriel euclidien E .


Exprimer (F ∪G )⊥ en fonction de F ⊥ et G ⊥ .

F ,G ⊂ F ∪G donc (F ∪G )⊥ ⊂ F ⊥ ∩G ⊥ .
Soit x ∈ F ⊥ ∩G ⊥ . Pour tout y ∈ F ∪G , en discutant selon l’appartenance de y a F ou G , on a (x | y ) = 0
donc x ∈ (F ∪G )⊥ . Ainsi F ⊥ ∩G ⊥ ⊂ (F ∪G )⊥ puis l’égalité.

Exercice 19 Soit f un endomorphisme d’un espace vectoriel euclidien E tel que


∀x , y ∈ E , ( f (x ) | y ) = (x | f (y )) . Montrer que Im f = (ker f )⊥ .

∀y ∈ Im f , ∃x ∈ E , y = f (x ) , ∀z ∈ ker f , (y | z ) = ( f (x ) | z ) = (x | f (z )) = (x | 0) = 0 donc Im f ⊂ (ker f )⊥ puis


Im f = (ker f )⊥ par égalité des dimensions.

Exercice 20 Soit f un endomorphisme d’un espace vectoriel euclidien E tel que ∀x ∈ E ,( f (x ) | x ) = 0 .


Comparer ker f et Im f .

4
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

∀x , y ∈ E , ( f (x + y ) | x + y ) = 0 , or
( f (x + y ) | x + y ) = ( f (x ) | x ) + ( f (y ) | y ) + ( f (x ) | y ) + ( f (y ) | x ) = ( f (x ) | y ) + ( f (y ) | x ) .
Si x ∈ ker f alors ∀y ∈ E , (x | f (y )) = −( f (x ) | y ) = 0 donc x ∈ (Im f )⊥ . Ainsi ker f ⊂ (Im f )⊥ .
De plus par le théorème du rang il y égalité des dimensions donc ker f = (Im f )⊥ .

Projections et symétries orthogonales

Exercice 21 On considère un espace vectoriel euclidien E muni d’une base orthonormée B = (i , j , k ) .


Former la matrice dans B de la projection orthogonale sur le plan P d’équation x + y + z = 0 .

Soit n = i + j + k un vecteur normal à P . Notons p la projection orthogonale sur P .


 2 −1 −1
(x | n ) 1  
∀x ∈ E , p (x ) = x − n donc Mat ( p ) = −1 2 −1 .
3 −1 −1 2 
2 B
n

Exercice 22 On considère un espace vectoriel euclidien E muni d’une base orthonormée B = (i , j , k ) .


Former la matrice dans B de la symétrie orthogonale sur le plan P d’équation x = z .
Soit n = i − k un vecteur normal à P . Notons s la symétrie orthogonale par rapport à P . La relation
0 0 1

0 .
(x | n )
s (x ) = x − 2 n donne Mat (s ) = 0 1
2 B

n 1 0 0

Exercice 23 On considère ℝ 4 muni de sa structure euclidienne canonique et F le sous-espace vectoriel de ℝ 4


défini par F = {(x , y , z , t ) ∈ ℝ 4 | x + y + z + t = x − y + z − t = 0} .
a) Déterminer une base orthonormale du supplémentaire orthogonal de F .
b) Ecrire la matrice dans la base canonique de ℝ 4 de la projection orthogonale sur F .
c) Ecrire la matrice dans la base canonique de ℝ 4 de la symétrie orthogonale par rapport à F .
d) Calculer d (u , F ) où u = (1, 2,3, 4) .

a) Soit H = {(x , y , z , t ) ∈ ℝ 4 | x + y + z + t = 0} et K = {(x , y , z , t ) ∈ ℝ 4 | x − y + z − t = 0}


On a F = H ∩ K puis F ⊥ = H ⊥ + K ⊥ .
Soit n = (1,1,1,1) et m = (1, −1,1, −1) des vecteurs normaux à H et K .
1 1 1 1 1 1 1 1
Par Schmidt : e1 =  , , ,  et e 2 =  , − , , −  forme une base orthonormée de F ⊥ .
2 2 2 2  2 2 2 2
b) On peut facilement former Mat B (pF ⊥ ) car ∀x ∈ E , pF ⊥ (x ) = (x | e1 )e1 + (x | e 2 )e 2 donc
1 0 −1 0 

 0 1 0 −1
Mat B (pF ) = I 4 − Mat B (pF ⊥ ) =  .
−1 0 1 0 
 0 −1 0 1 
0 0 −1 0 

 0 0 0 −1
c) sF = 2pF − Id donc Mat B (sF ) =  .
−1 0 0 0 
 0 −1 0 0 
d) Pour u = (1, 2,3, 4), pF (u ) = (−1, −1,1,1) donc d (u , F ) = u − pF (u ) = 4 + 9 + 4 + 9 = 26 .

Exercice 24 Soit E un espace vectoriel euclidien muni d’une base orthonormée B = (i , j , k ) .


 5 −2 1
1
Soit p ∈ L(E ) déterminé par Mat B (p ) = −2 2 2 .
6  1 
 2 5
Montrer que p est une projection orthogonale sur un plan dont on précisera une équation.

5
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

Notons A = Mat B (p ) . On a A2 = A donc p est une projection.


En déterminant ker p , on obtient ker p = Vect(a ) avec a = i + 2 j − k .
Im p est un plan dont p (i ) et p ( j ) forment une base.
Puisque (p (i ) | a ) = (p ( j ) | a ) = 0 on a Im p ⊂ (ker p )⊥ puis Im p = (ker p )⊥ par égalité des dimensions.
p est donc la projection orthogonale sur le plan dont a est vecteur normal i.e. P : x + 2y − z = 0 .

Exercice 25 Soient a et b deux vecteurs distincts d’un espace vectoriel euclidien E tels que a = b .
Montrer qu’il existe une unique réflexion échangeant a et b .
Unicité : Si σ est une réflexion par rapport à un hyperplan H solution alors :
σ (a −b ) = b −a et donc H = Vect(b −a )⊥ .
Existence : Soit H = Vect(b −a )⊥ et σ la réflexion par rapport à H .
σ (a −b ) = b −a et σ (a + b ) = a + b car (a + b | a −b ) = 0 .
1 1
Donc σ (a ) = σ (a + b ) + σ (a −b ) = b et σ (b ) = a . σ est solution.
2 2

Exercice 26 Soit E un espace vectoriel euclidien de dimension supérieure à 2.


Soient x et y deux vecteurs distincts de E tels que (x | y ) = y .
2

Montrer qu’il existe un unique hyperplan H de E tel que y = pH (x ) .

Unicité : y = pH (x ) implique y − x ∈ H ⊥ , or y − x ≠ 0 donc y − x est vecteur normal à H .


Ceci détermine H de manière unique.
Existence : Soit H l’hyperplan dont y − x est vecteur normal.
Puisque (x | y ) = (y | y ) on a (x − y | y ) = 0 donc y ∈ H .
On a alors x = y + (x − y ) avec y ∈ H et x − y ∈ H ⊥ donc pH (x ) = y et H est solution.

Exercice 27 Soit E = C ([−1,1], ℝ ) .


1
Pour f , g ∈ E , on pose ϕ ( f , g ) = ∫ f (t )g (t )dt .
−1

a) Montrer que ϕ est un produit scalaire sur E .


b) On note P et I les sous-ensembles de E formés des fonctions paires et impaires.
Montrer que I = P ⊥ .
c) Soit ψ : f ֏ fˆ avec fˆ : x ֏ f (−x ) .
Montrer que ψ est la symétrie orthogonale par rapport à P .

a) Rien à signaler.
b) ∀f ∈ P et ∀g ∈ I , ϕ ( f , g ) = 0 car le produit t ֏ f (t )g (t ) est impair.
Ainsi P ⊂ I ⊥ .
Inversement, soit h ∈ I ⊥ . On sait P ⊕ I = E donc on peut écrire h = f + g avec f ∈ P et g ∈ I .
On a ϕ (h , g ) = ϕ ( f , g ) + ϕ (g , g ) . Or ϕ (h , g ) = 0 et ϕ ( f , g ) = 0 donc ϕ (g , g ) = 0 d’où g = 0 .
Ainsi h = f ∈ P puis I ⊥ ⊂ P . On conclut.
c) ψ 2 = Id donc ψ est une symétrie. ∀f ∈ P , ψ ( f ) = f et ∀f ∈ I = (P )⊥ , ψ ( f ) = −f donc ψ est la symétrie
orthogonale par rapport à P .

Exercice 28 Soit p une projection d’un espace vectoriel euclidien E .


Montrer que p est une projection orthogonale si et seulement si ∀x ∈ E , p (x ) ≤ x

Si p est une projection orthogonale sur un sous-espace vectoriel F alors


∀x ∈ E , x = p (x ) + (x − p (x )) avec p (x ) ⊥ (x − p (x )) donc par Pythagore : x ≥ p (x ) .
Inversement, soit p une projection telle que ∀x ∈ E , p (x ) ≤ x .
Puisque p est une projection, F = Im p et G = ker p sont supplémentaires et p est la projection sur F

6
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

parallèlement à G .
∀u ∈ F , ∀v ∈ G et ∀λ ∈ ℝ considérons x = u + λ.v .
2 2
On a p (x ) = u et p (x ) ≤ x donne 0 ≤ 2λ (u | v ) + λ 2 v 2 .
Nécessairement (u | v ) = 0 donc F ⊂ G ⊥ puis l’égalité par les dimensions.

Exercice 29 Soit E un espace vectoriel euclidien, H et H ′ deux hyperplans de E .


On note s et s ′ les réflexions par rapport à H et H ′ .
A quelle condition s et s ′ commutent-elles et préciser alors s s ′ .

Soit n et n ′ des vecteurs normaux à H et H ′ .


Si s et s ′ commutent alors s s ′(n ) = s ′ s (n ) = −s ′(n ) donc s ′(n ) ∈ H ⊥ .
Puisque s ′(n ) = n on a s ′(n ) = n ou s ′(n ) = −n i.e. n ∈ H ′ ou n ∈ H ′⊥ .
Inversement :
Si n ∈ H ′ alors on peut construire une base adaptée qui permet matriciellement de conclure à la commutativité
et d’observer que s s ′ est la symétrie orthogonale par rapport à H ∩ H ′ .
Si n ∈ H ′⊥ alors H = H ′ et s s ′ = Id .

Exercice 30 Soit E un espace vectoriel euclidien et u , v , w trois vecteurs unitaires.


On pose α = Ecart (u , v ), β = Ecart (v , w ) et θ =Ecart (u ,w ) .
En projetant v sur un plan contenant u et w , montrer que θ ≤ α + β .

Notons v ′ le projeté de u sur un plan P contenant u et w .


Orientons P , de sorte que (u , w ) = θ [ 2π ] .
Notons α ′ = Ecart(u , v ′) et β ′ = Ecart(v ′, w ) .
(u | v ) = u v cos α et (u | v ) = (u | v ′) = u v ′ cos α ′ avec v ′ ≤ v donc cos α ≤ cos α ′ puis α ′ ≤ α .
De même β ′ ≤ β .
Par des considérations d’angles orienté :
θ = α ′ + β ′, α ′ − β ′, −α ′ + β ′, −α ′ − β ′ [ 2π ] .
Si θ = α ′ + β ′ [ 2π ] alors θ = α ′ + β ′ et θ ≤ α + β .
Si θ = α ′ − β ′ [ 2π ] alors θ = α ′ − β ′ ≤ α ′ ≤ α + β .
Si θ = −α ′ + β ′ [ 2π ] : idem.
Si θ = −α ′ − β ′ [ 2π ] alors θ = 2π − α ′ − β ′ et α + β ≥ α ′ + β ′ ≥ π ≥ θ .

Distance à un sous-espace vectoriel

Exercice 31 Soit n un entier supérieur à 3 et E = ℝ n [X ] .


1
a) Montrer que ϕ (P ,Q ) = ∫ P (t )Q (t )dt définit un produit scalaire sur E .
−1

∫ (t − (at 2 + bt + c )) dt .
1 2
3
b) Calculer inf
(a ,b ,c )∈ ℝ 3
−1

a) symétrie, bilinéarité et positivité : ok


1
Si ϕ (P , P ) = 0 alors ∫ P 2 (t )dt = 0 donc ∀t ∈ [−1,1] , P (t ) = 0 .
−1

Comme le polynôme P admet une infinité de racines, c’est le polynôme nul.

∫ (t − (at 2 + bt + c )) dt = d (X 3 , F ) 2 où F = Vect(1, X , X 2 ) .
1 2
3
b) inf
(a ,b ,c )∈ ℝ 3
−1

Soit P le projeté orthogonal de X 3 sur F .

7
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

P = a + bX + cX 2 et (X 3 − P | 1) = (X 3 − P | X ) = (X 3 − P | X 2 ) = 0 .
3 8
On en déduit que P = X puis d (X 3 , F ) 2 = .
5 175

Exercice 32 Déterminant de Gram (1850-1916) :


Soit (x1 , …, x n ) une famille de vecteurs d’un espace vectoriel euclidien E .
On note G (x1 ,…, x n ) = ((x i | x j ))1≤i , j ≤n ∈ Mn ( ℝ ) .
a) Montrer que si (x1 ,..., x n ) est liée alors det G (x1 ,…, x n ) = 0 .
b) On suppose désormais que la famille (x1 ,..., x n ) est libre et on pose F = Vect(x1 ,…, x n ) .
On note M = Mat B (x1 , x 2 , …, x n ) où B est une base orthonormée de F .
Exprimer G (x1 , …, x n ) en fonction de M et de t M . En déduire que det G (x1 ,…, x n ) > 0 .
det G (x , x1 , …, x n )
c) On introduit de plus x ∈ E . Montrer que d (x , F ) = .
det G (x1 , …, x n )

a) Si (x1 , …, x n ) est liée alors les colonnes de G (x1 , …, x n ) le sont selon la même relation.
n
b) (x i | x j ) = ∑ ak ,iak , j avec M = (ai , j ) donc G (x1 ,…, x n ) =t MM .
k =1

Par suite det(G (x1 , x 2 ,…, x n )) = det(M ) 2 > 0 car M inversible puisque (x1 , …, x n ) libre.
c) x = u + n avec u ∈ F et n ∈ F ⊥ . On a d (x , F ) = n .
En exprimant la première colonne du déterminant comme somme de deux colonnes :
2
n ∗
detG (u + n , x1 ,…, x n ) = detG (u , x1 ,…, x n ) +
0 G (x1 ,…, x n )
2
n ∗ 2
or detG (u , x1 ,…, x n ) = 0 car la famille est liée et = n detG (x1 ,…, x n )
0 G (x1 ,…, x n )
det G (x , x1 , …, x n )
donc d (x , F ) = .
det G (x1 , …, x n )

Automorphismes orthogonaux

Exercice 33 Soit f ∈ L(E ) . Montrer que f ∈ O (E ) ⇔ ∀x ∈ E , f (x ) = x .

(⇒) connue
1 2 2
(⇐) Pour tout x , y ∈ E : ( f (x ) | f (y )) = ( f (x ) + f (y ) − f (x ) − f (y ) )
4
donc ( f (x ) | f (y )) =
1
4
( 2 2
f (x + y ) − f (x − y ) =
1
4
) 2
( 2
x + y − x − y = (x | y ) . )
Exercice 34 Soit f : E → E une application. Justifier l’équivalence suivante :
∀ (x , y ) ∈ E 2 ,( f (x ) | f (y )) = (x | y ) ⇔ f ∈ O (E )

(⇐) ok
(⇒) Le problème est de montrer que f est linéaire.
2 2 2
∀x ∈ E , ∀λ ∈ ℝ , f (λx ) − λ f (x ) = f (λx ) − 2λ ( f (λx ) | f (x )) + λ 2 f (x )
2 2 2 2 2
or f (λx ) = λ 2 x , ( f (λx ) | f (x )) = λ (x | x ) et f (x ) = x donc f (λx ) − λ f (x ) = 0 .
Ainsi f (λx ) = λ f (x ) .
∀x , y ∈ E ,
2 2 2
f (x + y ) − ( f (x ) + f (y )) = f (x + y ) − 2( f (x + y ) | f (x ) + f (y )) + f (x ) + f (y )

8
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

2 2
or f (x + y ) = x + y , ( f (x + y ) | f (x ) + f (y )) = ( f (x + y ) | f (x )) + ( f (x + y ) | f (y )) = (x + y | x + y )
2 2 2 2 2
et f (x ) + f (y ) = f (x ) + 2( f (x ) | f (y )) + f (y ) = x + 2(x | y ) + y donc
2
f (x + y ) − ( f (x ) + f (y )) = 0 et ainsi f (x + y ) = f (x ) + f (y ) .
Finalement f est linéaire. De plus f conserve le produit scalaire donc f ∈ O (E ) .

Exercice 35 Soit F un sous-espace vectoriel d’un espace vectoriel euclidien E et f ∈O (E ) .


Montrer que f (F ⊥ ) = f (F )⊥ .

f étant un automorphisme, dim f (F ) = dim F et dim f (F ⊥ ) = dim F ⊥ .


Par suite dim f (F ⊥ ) = dim f (F )⊥ .
Soit x ∈ f (F ⊥ ) et y ∈ f (F ) .
On peut écrire x = f (a ) et y = f (b ) avec a ∈ F ⊥ et b ∈ F .
(x | y ) = ( f (a ) | f (b )) = (a | b ) = 0 donc f (F ⊥ ) ⊂ f (F )⊥ puis l’égalité les dimensions.

Exercice 36 Soit F un sous-espace vectoriel d’un espace vectoriel euclidien E et f ∈ O (E ) tels que
f (F ) ⊂ F . Montrer que f (F ) = F et f (F ⊥ ) = F ⊥ .

f étant un automorphisme, dim f (F ) = dim F donc f (F ) = F .


∀y ∈ f (F ⊥ ) on peut écrire y = f (x ) avec x ∈ F ⊥ .
∀v ∈ F on peut écrire v = f (u ) avec u ∈ F .
On a alors (y | v ) = ( f (x ) | f (u )) = (x | u ) = 0 .
Ainsi f (F ⊥ ) ⊂ F ⊥ , puis par égalité des dimensions f (F ⊥ ) = F ⊥ .

Exercice 37 Soit f un automorphisme orthogonal d’un espace vectoriel euclidien E et F = ker( f − Id) .
Montrer que f (F ⊥ ) = F ⊥ .

∀y ∈ f (F ⊥ ) , ∃x ∈ F ⊥ tel que y = f (x ) , ∀z ∈ F , (y | z ) = ( f (x ) | f (z )) = (x | z ) = 0 donc f (F ⊥ ) ⊂ F ⊥ .


De plus f conserve les dimensions car c’est un automorphisme donc il y a égalité.

Exercice 38 Soit E un espace vectoriel euclidien et f un automorphisme orthogonal de E . On pose


g = f − Id .
a) Montrer que Im g = ker g ⊥ .
b) Soit p la projection orthogonale sur ker g .
1
Pour tout n ∈ ℕ∗ on considère pn = (Id+ f + f 2 + ⋯ + f n −1 ) .
n
Démontrer que pour tout x ∈ E : lim (pn − p )(x ) = 0 .
n →∞

a) ∀z = g (a ) ∈ Im g et ∀y ∈ ker g . On a f (y ) = y .
(z | y ) = (g (a ) | y ) = ( f (a ) −a | y ) = ( f (a ) | y ) − (a | y ) = ( f (a ) | f (y )) − (a | y ) = 0 .
Donc Im g ⊂ ker g ⊥ puis par dimensions Im g = ker g ⊥ .
b) ∀x ∈ E , on peut écrire x = y + z avec y = p (x ) et z ∈ Im g .
1 1
(Id+ f + f 2 + ⋯ + f n )( f − Id)(a ) = ( f n +1 (a ) −a ) .
(pn − p )(x ) = pn (z ) =
n n
n +1 2a
Or f (a ) = a donc (pn − p )(x ) ≤ →0.
n

Exercice 39 Soit a un vecteur unitaire d’un espace vectoriel euclidien E , α un réel et fα : E → E


l’application définie par fα (x ) = x + α (x | a ).a .
a) Montrer que { fα | α ∈ ℝ } est stable pour le produit de composition et observer que fα et fβ

9
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

commutent.
b) Calculer fαp pour p ∈ ℕ .
c) Montrer que fα est inversible si et seulement si α ≠ −1 . Quelle est la nature de f−1 ?
d) Montrer que fα ∈ O (E ) ⇔ α = 0 ou α = −2 . Quelle est la nature de f−2 ?

a) ∀ (α, β ) ∈ ℝ 2 , fα fβ = fα +β +αβ = fβ fα .
b) Par récurrence : fαp = f( α+1)p −1 .
c) Si α = −1 alors fα (a ) = 0 . f−1 est la projection orthogonale sur Vect(a )⊥ .
Si α ≠ −1 alors g = f−α (α +1) satisfait à la propriété fα g = g fα = Id donc fα inversible.
d) Si α = 0 alors f = Id . Si α = −2 alors f est la réflexion par rapport à Vect(a )⊥ .
Dans les deux cas f ∈ O (E ) .
Si α ≠ 0, −2 alors fα (a ) = (1 + α ).a puis fα (a ) = 1 + α ≠ 1 .

Automorphismes orthogonaux du plan euclidien

Exercice 40 Soit u et v deux vecteurs unitaires d’un plan vectoriel euclidien orienté.
Quels sont les automorphismes orthogonaux qui envoient u sur v ?

Il existe une seule rotation (et non deux) qui envoie u sur v , celle d’angle (u , v ) .
Reste à déterminer les réflexions qui échangent u et v . Soit s une telle réflexion.
Si u = v alors s est la réflexion par rapport à Vect(u ) .
Si u ≠ v alors s est la réflexion par rapport à Vect(u − v )⊥ .

Exercice 41 Soit E un plan euclidien orienté, r une rotation de E et s une réflexion de E .


Calculer s r s et r s r .

Posons r = Rot θ et s = σD .
(s r s ) r = (s r ) 2 = Id car s r ∈ O − (E ) et c’est donc une réflexion.
Par suite s r s = r −1 = Rot −θ .
s (r s r ) = (s r ) 2 = Id donc r s r = s −1 = s .

Exercice 42 A quelle condition une réflexion σ et une rotation r du plan commutent ?

Si σ r = r σ alors r = σ r σ or σ r σ = r −1 donc r = r −1 . Ainsi, si σ et r commutent alors r = Id


ou r = Rot π . La réciproque est immédiate.

Automorphismes orthogonaux de l’espace de dimension 3

Exercice 43 Soit E un espace vectoriel euclidien orienté muni d’une base orthonormée directe B = (i , j , k ) .
2 2 1 
1
Soit f ∈ L(E ) déterminé par Mat B ( f ) = 1 −2 2  = A . Etudier f .
3  2 −1 −2
 

A ∈ O (3) donc f ∈ O (E )
−x + 2y + z = 0
Soit u = xi + yj + zk ∈ E . f (u ) = u ⇔ 
x = 3z
x − 5y + 2z = 0 ⇔ y = z .

2x − y − 5z = 0
{
f est une rotation autour de l’axe dirigé et orienté par u = 3i + j + k . Notons θ son angle.
cos θ = − 5 6 et Det(u , i , f (i )) < 0 donc θ = − arccos(− 5 6) .

10
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

Exercice 44 Soit E un espace vectoriel euclidien orienté muni d’une base orthonormée directe B = (i , j , k ) .
1 − 2 1 

1  
Soit f ∈ L(E ) déterminé par Mat B ( f ) =  2 0 − 2  .
2  
 1 2 1 
a) Former une base orthonormée directe B ′ = (u , v , w ) telle que v , w ∈ P : x + z = 0 .
b) Former la matrice de f dans B ′ et reconnaître f .

1 1
a) u = (i + k ) , v = j et w = u ∧ v = (−i + k ) .
2 2
1 0 0 

b) Mat B ′ ( f ) = 0 0 −1 donc f est le quart de tour direct autour de la droite dirigée et orientée par u .
0 1 0 

Exercice 45 E désigne un espace vectoriel euclidien orienté muni d’une base orthonormée directe
B = (i , j , k ) . Déterminer la nature, et préciser les éléments caractéristique, de l’endomorphisme f
de E dont la matrice dans B est donnée ci-après :
 3 6   7 4 4  −8 4 1 
 1
1   1 1
a) A =  1 3 − 6  b) A = − −4 8 −1 c) A =  4 7 4  .
4   9  4 1 −8 9  1 4 −8
− 6 6 2     

a) f est la rotation d’axe dirigé et orienté par w = i + j et d’angle θ = π 3 .


b) f est la rotation d’axe dirigé et orienté par w = i − 4k et d’angle θ = − arccos(−8 9) .
c) f est le retournement d’axe dirigé par w = i + 4 j + k .

a b b 

Exercice 46 Soit (a ,b ) ∈ ℝ 2 et A = b a b  . Pour quels a ,b ∈ ℝ , a-t-on A ∈ O (3) ?
b b a 

Préciser alors la nature et les éléments caractéristiques de l’endomorphisme f de ℝ 3 dont la


matrice dans la base canonique serait A .

A ∈ O (3) ⇔ a 2 + 2b 2 = 1 et 2ab + b 2 = 0
A ∈ O (3) ⇔ (a ,b ) ∈ {(1, 0), (−1, 0),(1 3, −2 3), (−1 3, 2 3)} .
Si a = 1 et b = 0 alors f = Id .
Si a = −1 et b = 0 alors f = − Id .
Si a = 1 3 et b = − 2 3 alors f est la réflexion par rapport au plan d’équation x + y + z = 0 .
Si a = −1 3 et b = 2 3 alors f est opposée à la transformation précédente, c’est le retournement d’axe dirigé
par w = i + j + k .

Exercice 47 Soir E un espace vectoriel euclidien orienté muni d’une base orthonormée directe B = (i , j , k ) .

Former la matrice dans B de la rotation f d’axe orienté par i + j + k et d’angle .
3

1 1 1
Soit C = (u , v , w ) la base orthonormée définie par u = (i − j ), v = (i + j − 2k ), w = (i + j + k ) et P
2 6 3
la matrice de passage de B à C
−1 2 − 3 2 0 0 0 1
  
Ω = P . 3 2 −1 2 0.P = 1 0 0 .
 0 0 1 0 1 0

11
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

On peut aussi procéder en utilisant la formule


i + j +k 2π ⊥
f (x ) = cos θ.x + sin θ.u ∧ x avec u = , θ= et x ∈ {u } mais ce n’est pas plus rapide.
3 3

Exercice 48 Soit f une rotation d’un espace vectoriel euclidien orienté E de dimension 3 d’axe D = Vect(u ) .
a) On suppose qu’il existe v ≠ 0 tel que f (v ) = −v . Montrer que f est un retournement.
b) Montrer que toute rotation f peut s’écrire comme produit de deux retournements.

a) (u | v ) = ( f (u ) | f (v )) = (u | −v ) = −(u | v ) = 0 donc v ⊥ u et f est un retournement.


b) Soit g un retournement d’axe D ′ orthogonal à D et h = g f .
h est une rotation et h (u ) = (g f )(u ) = g (u ) = −u donc h est un retournement d’axe orthogonal à D et
f = g −1 h = g h .

Exercice 49 Soit f une rotation d’axe D dirigé et orienté par un vecteur unitaire u et d’angle θ ≠ 0 [ 2π ] .
Soit s une réflexion de E montrer que f et s commutent ssi D est orthogonale au plan de
réflexion de s ou bien D est incluse dans ce plan et f est un retournement.

Si f s = s f alors f (s (u )) = s (u ) donc s (u ) = u ou s (u ) = −u .

Si s (u ) = −u alors s est la réflexion par rapport à P = {u } .
Si s (u ) = u alors u appartient au plan de réflexion P et v est un vecteur de ce plan orthogonal à u alors
s ( f (v )) = f (v ) donc f (v ) est aussi un vecteur de ce plan orthogonal à u . Or ce ne peut être v , c’est donc −v
et par suite f est un retournement.
Inversement : ok

Exercice 50 Soit E un espace vectoriel euclidien orienté de dimension 3.


a) Montrer que deux rotations de même axe ou deux retournements d'axes orthogonaux
commutent.
Soit f et g deux rotations de E , autres que IdE , telles que f g = g f .
b) Soit u un vecteur unitaire appartenant à l'axe de la rotation f .
Montrer que g (u ) appartient à l'axe de la rotation f et en déduire que g (u ) = u ou g (u ) = −u .
c) Dans le cas où g (u ) = u , conclure que les rotations f et g ont même axe.
d) Dans le cas où g (u ) = −u , justifier que les axes de f et g sont orthogonaux puis que f et g
sont des retournements autour de ceux-ci.
a) Si les deux rotations ont le même axe, il est connu que celles-ci commutent.
Si on considère deux retournements d’axes orthogonaux, alors relativement à une base orthonormée dont les
deux premiers vecteurs dirigeraient leurs axes, leurs matrices sont diag(1, −1, −1) et diag(−1,1, −1) qui
commutent.
b) f (g (u )) = g ( f (u )) = g (u ) donc g (u ) appartient à l’axe de f .
Comme g (u ) = u , on a g (u ) = u ou g (u ) = −u .
c) Si g (u ) = u alors u appartient à l'axe de la rotation g et donc f et g ont même axe.
d) Supposons g (u ) = −u . Soit v un vecteur unitaire de l'axe de la rotation g .
On a (u | v ) = (g (u ) | g (v )) = (−u | v ) = −(u | v ) donc (u | v ) = 0 . Les axes de f et g sont donc orthogonaux.

De plus, puisque u ∈ {v } et g (u ) = −u , g est un retournement.
Enfin, comme ci-dessus, on a aussi f (v ) = ±v . Or le cas f (v ) = v est à exclure puisque les axes de f et g sont
orthogonaux. Il reste donc f (v ) = −v qui donne que f est un retournement.

12
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

Produit mixte et produit vectoriel

Exercice 51 Soit u un vecteur unitaire d’un espace vectoriel euclidien orienté E de dimension 3.
Déterminer le noyau et l’image de l’endomorphisme f : E → E défini par f (x ) = u ∧ x .

x ∈ ker f ⇔ x et u colinéaires. Par suite ker f = Vect(u ) .


Par le théorème du rang dim Im f = 2 .
⊥ ⊥ ⊥
Puisque ∀x ∈ E , f (x ) = u ∧ x ∈ {u } , on a Im f ⊂ {u } puis par égalité des dimensions Im f = {u } .

Exercice 52 Dans E espace vectoriel euclidien orienté de dimension 3, on se donne deux vecteurs a ≠ 0 et b .
Résoudre l’équation a ∧ x = b d’inconnue x ∈ E .

Si l’équation admet une solution x alors on a a ∧ x = b , puis (a | a ∧ x ) = (a | b ) = 0 .


Si (a | b ) ≠ 0 , S = ∅ .
Si (a | b ) = 0 alors cherchons une solution particulière x 0 de la forme λ (a ∧ b ) .
b ∧a
On obtient x 0 = 2
solution particulière.
a
Soit x ∈ E , x ∈ S ⇔ a ∧ (x − x 0 ) = 0
Par suite S = x 0 + Vect(a ) .

Exercice 53 Soit a ,b ,c ,d quatre vecteurs d’un espace vectoriel euclidien orienté E de dimension 3.
Montrer que [a ∧ b , a ∧ c ,a ∧ d ] = 0 .

Si a = 0 , ok. Sinon, les trois vecteurs sont coplanaires car orthogonaux à a .

Exercice 54 Soit E un espace vectoriel euclidien orienté de dimension 3.


Montrer que ∀a ,b , c ∈ E : Det(a ∧ b ,b ∧ c ,c ∧ a ) = Det(a ,b ,c ) 2

Det(a ∧ b ,b ∧ c ,c ∧ a ) = ((a ∧ b ) ∧ (b ∧ c ) | c ∧ a ) or (a ∧ b ) ∧ (b ∧ c ) = ((a ∧ b ) | c )b et (b | c ∧ a ) = Det(b ,c ,a ) d’où


la relation.

Exercice 55 Soit a un vecteur unitaire d’un espace vectoriel euclidien orienté E de dimension 3.
On pose f : E → E définie par f (x ) = (x | a )a + a ∧ x .
Montrer que f ∈ O (E ) et préciser géométriquement f .
2 2 2
f (x ) = (x | a ) 2 + a ∧ x = x car a = 1 donc f ∈ O (E ) .
Si f (x ) = x alors a ∧ ((x | a )a + a ∧ x ) = a ∧ x conduit à a ∧ x = 0 puis x ∈ Vect(a ) .
Inversement, si x ∈ Vect(a ) alors f (x ) = x .
f est une rotation autour de D = Vect(a ) . Orientons D par a .

Pour x ∈ {a } , on a f (x ) = a ∧ x = Rot π 2 (x ) .
Finalement f est la rotation d’axe dirigé et orienté par a et d’angle π 2 .

Exercice 56 Soit E un espace vectoriel euclidien orienté de dimension 3 et u un vecteur unitaire de E .


Déterminer une condition nécessaire et suffisante sur (α, β , γ ) ∈ ℝ 3 pour que f : E → E définie
par f (x ) = αx + β (u | x )u + γu ∧ x soit une rotation. Déterminer alors ses éléments
caractéristiques.

Soit B = (i , j , k ) une base orthonormée directe de E telle que i = u .


f (i ) = (α + β )i , f ( j ) = α j + γk et f (k ) = α.k − γ j .

13
Espace vectoriel euclidien || http://mpsiddl.free.fr || david Delaunay

 
α + β 0 0 
Par suite Mat B ( f ) =  0 α −γ  = Ω(α, β , γ ) .
 0 
γ α 
α + β = 1
Ω(α, β , γ ) ∈ O + (3) ⇔  2 .
α + γ 2 = 1
f apparaît alors comme la rotation d’axe dirigé et orienté par u et d’angle θ où cos θ = α et sin θ = γ .

Exercice 57 Soit E un espace vectoriel euclidien orienté de dimension 3 et f ∈ L(E ) non nul.





Montrer que f est une rotation vectorielle ssi ∀u , v ∈ E , f (u ∧ v ) = f (u ) ∧ f (v ) .




Soit (i , j , k ) une base orthonormée directe de E .






Supposons f est rotation vectorielle. ( f (i ), f ( j ), f (k )) est une base orthonormée directe donc f (i ), f ( j ) sont










unitaires, f (i ∧ j ) = f (k ) = f (i ) ∧ f ( j ) etc puis par linéarité ∀u , v ∈ E , f (u ∧ v ) = f (u ) ∧ f (v ) .







Inversement, supposons ∀u , v ∈ E , f (u ∧ v ) = f (u ) ∧ f (v ) .





On a f (k ) = f (i ) ∧ f ( j ) et consort donc f (i ), f ( j ), f (k ) est une famille orthogonale.








2
On a f (k ) = f (i ) f ( j ) et consort donc f (k ) = f (k ) f (i ) .


Si f (i ) = 0 alors f ( j ) = f (k ) = 0 et donc f = 0 .



Nécessairement f (i ) ≠ 0 et donc f (k ) = 1 . De même f (i ) = f ( j ) = 1 .




( f (i ), f ( j ), f (k )) est une base orthonormée.




Enfin, comme f (k ) = f (i ) ∧ f ( j ) , c’est une base orthonormée directe.


Puisque f transforme une base orthonormée directe en une autre, f ∈ O + (E ) , c’est donc une rotation.
david Delaunay http://mpsiddl.free.fr

14
Espaces vectoriels
K désigne le corps ℝ ou ℂ .

I. Structure d’espace vectoriel

1°) Loi de composition externe


Déf : On appelle loi de composition externe (ou produit extérieur) opérant de K sur un ensemble E toute
K ×E → E
application :   .
(λ, x ) ֏ λ.x
Une loi de composition externe est usuellement notée.
Les éléments de K sont appelés scalaires.
Les éléments de E sont appelés vecteurs et sont souvent notés surmontés d’une flèche.
Déf : Soit E un ensemble muni d’un produit extérieur (.) de K sur E .
 
Une partie A de E est dite stable pour ce produit extérieur lorsque : ∀λ ∈ K , ∀x ∈ A, λ.x ∈ A .
K ×A → A
On peut alors considérer l’application restreinte    qui définit un produit extérieur de K sur
(λ, x ) ֏ λ.x
A appelé produit extérieur induit.

2°) Définition d’un espace vectoriel


Déf : Soit E un ensemble, + une loi de composition interne sur E et . une loi de composition externe
opérant de K sur E .
On dit que (E , +,.) , ou plus brièvement E , est un K -espace vectoriel ssi :
(1) (E , +) est un groupe abélien,
 
(2) ∀λ, µ ∈ K , ∀u , v ∈ E on a :
  
(a) (λ + µ).u = λ.u + µ.u ,
   
(b) λ.(u + v ) = λ.u + λ.v ,
 
(c) λ.(µ.u ) = (λµ).u ,
 
(d) 1.u = u .

L’élément neutre de (E , +) est alors appelé vecteur nul, on le note o .

3°) Visualisation géométrique d’un espace vectoriel

4°) Exemples d’espaces vectoriels


a) structure sur Kn
Soit n ∈ ℕ * et E = Kn .
   
Pour λ ∈ K et x = (x1 , …, x n ) ∈ Kn et on pose : λ.x = (λx1 ,…, λx n ) et x + y = (x1 + y1 , …, x n + yn )
On définit ainsi un produit extérieur de K sur Kn et une loi de composition interne additive sur Kn .

Prop : (Kn , +,.) est un K -espace vectoriel de vecteur nul o = (0, …, 0) .
b) structure sur E1 ×⋯×En
Soit n ∈ ℕ * , E1 ,…, E n des K -espaces vectoriels et E = E1 ×⋯×En .
     
Pour λ ∈ K , x = (x1 ,…, x n ) ∈ Kn et y = (y1 ,…, yn ) ∈ Kn on pose :
        
λ.x = (λx1 ,…, λx n ) et x + y = (x1 + y1 ,…, x n + yn ) .
  
Prop : (E1 ×⋯×E n , +,.) est un K -espace vectoriel de vecteur nul o = (oE1 ,…,oEn ) .

c) structure sur F (X , K)
Soit X un ensemble et E = F (X , K ) .
Pour λ ∈ K et f , g : X → K , on définit λ.f : X → K et f + g : X → K par :
∀x ∈ X , (λ.f )(x ) = λ f (x ) et ( f + g )(x ) = f (x ) + g (x ) .

-1/7-
On définit ainsi un produit extérieur de K sur F (X , K ) et une loi de composition interne additive sur
F (X , K ) .
Prop : Soit X un ensemble. (F (X , K ), +,.) est un K -espace vectoriel dont le vecteur nul est la fonction nulle.
En particulier :
Pour X = D ⊂ ℝ , l’ensemble F (D , ℝ ) (resp. F (D , ℂ) ) est un ℝ -espace vectoriel (resp. ℂ -espace
vectoriel).
Pour X = ℕ , l’ensemble ℝ ℕ (resp. ℂ ℕ ) est un ℝ -espace vectoriel (resp. ℂ -espace vectoriel).
d) structure sur F (X , F )
Soit X un ensemble et F un K -espace vectoriel.
Pour λ ∈ K et f , g ∈ F (X , F ) on définit λ.f : X → F et f + g : X → F par : ∀x ∈ X , (λ.f )(x ) = λ.f (x ) et
( f + g )(x ) = f (x ) + g (x ) .

Prop : (F (X , F ), +,.) est un K -espace vectoriel de vecteur nul égal à la fonction constante égale à oF .
e) les espaces complexes sont aussi réels
Soit E un ℂ -espace vectoriel. La loi de composition externe de opérant de ℂ sur E définit aussi par
restriction une loi de composition externe opérant de ℝ sur E . Les propriétés calculatoires étant conservées, on
peut affirmer que E est alors aussi un ℝ -espace vectoriel.

5°) Calculs dans un K -espace vectoriel


Soit (E , +,.) un K -espace vectoriel.
 n   n    n   n 
Prop : ∑ λi .u  = ∑ λi .u et ∑ λ.ui  = λ.∑ ui  .
 i =1   i =1   i =1   i =1 

Prop : ∀λ ∈ K , ∀u ∈ E on a :
   
0.u = o et λ.o = o
   
λ.u = o ⇒ λ = 0 ou u = o .
     
Prop : ∀u ∈ E , (−1).u = −u et ∀n ∈ ℕ, u + ⋯ + u = n .u .

6°) Combinaison linéaire


 
Déf : Soit e1 , …,en des vecteurs de E .
  
On appelle combinaison linéaire (CL) des vecteurs e1 , …,en tout vecteur x de E pouvant s’écrire sous
n
   
la forme x = λ1e1 + ⋯ + λnen = ∑ λiei avec λ1 ,..., λn ∈ K .
i =1

II. Sous espace vectoriel


(E , +,.) désigne un K -espace vectoriel.

1°) Définition
Déf : On appelle sous-espace vectoriel de E toute partie F de E telle que :
1) F ≠ ∅ ,
   
2) ∀x , y ∈ F , x + y ∈ F ( F est stable pour + ),
 
3) ∀x ∈ F , ∀λ ∈ K , λ.x ∈ F ( F est stable pour.).
Théorème :
Si F est un sous-espace vectoriel de (E , +,.) alors (F , +,.) est un K -espace vectoriel.
Prop : (Caractérisation usuelle)
Soit F ⊂ E . F est un sous-espace vectoriel ssi :

1) o ∈ F ,
   
2) ∀x , y ∈ F , ∀λ, µ ∈ K , λ.x + µ.y ∈ F
( F stable par combinaison linéaire).

-2/7-
2°) Opérations sur les sous-espaces vectoriels F 
o
a) intersection
G
Prop : Si F et G sont des sous-espaces vectoriels de E
F ∩G
alors F ∩G est un sous-espace vectoriel de E .

Prop : Si (Fi )i ∈I est une famille de sous-espaces vectoriels de E alors ∩F


i ∈I
i est un sous-espace vectoriel de E .

b) somme de sous-espaces vectoriels G


Déf : Soit F et G deux sous-espaces vectoriels de E . 
o F
On appelle somme de F et G l’ensemble
   
F +G = {u + v / u ∈ F , v ∈ G } .
F +G

Prop : Si F et G sont deux sous-espaces vectoriels de E alors F +G est un sous-espace vectoriel de E .


De plus F +G contient F et G et est inclus dans tout sous-espace vectoriel contenant F et G .

3°) Sous-espaces vectoriels supplémentaires


Déf : Soit F et G deux sous-espaces vectoriels de E .

v

On dit que F et G sont supplémentaires ssi F ∩G = {o } et F +G = E . 
x

Théorème : o
Soit F et G deux sous-espaces vectoriels

u
supplémentaires de E . F
    
∀x ∈ E , ∃ !(u , v ) ∈ F ×G , x = u + v .

G
4°) Sous-espace vectoriel engendré par une partie
Prop : Soit A une partie de E .
Il existe un unique sous-espace vectoriel de E , noté Vect(A) , tel que :
1) A ⊂ Vect(A) ,
2) Vect(A) est inclus dans tout sous-espace vectoriel contenant A .
Vect(A) se comprend comme étant le plus petit sous-espace vectoriel contenant A , on l’appelle
sous-espace vectoriel engendré par A .
Prop : Soit A et B deux parties de E .
Si A est un sous-espace vectoriel de E alors Vect(A) = A ,
Vect(Vect(A)) = Vect(A) , A ⊂ B ⇒ Vect(A) ⊂ Vect(B ) , Vect(A ∪ B ) = Vect(A) + Vect(B ) .
En particulier :
Soit F et G deux sous-espaces vectoriels de E . Vect(F ∪G ) = F +G .
Ainsi F +G apparaît comme étant le plus petit sous-espace vectoriel contenant F et G .

III. Applications linéaires


E , F et G désignent des K -espaces vectoriels.

1°) Définition
Déf : Soit f : E → F . On dit que f est une application ( K -) linéaire (ou morphisme de K -espace vectoriel)
ssi :
     
1) ∀x , y ∈ E , f (x + y ) = f (x ) + f (y ) ,
  
2) ∀λ ∈ K , ∀x ∈ E , f (λ.x ) = λ.f (x ) .
On note LK (E , F ) (ou L(E , F ) ) l’ensemble de ces applications.
Prop : (caractérisation usuelle)
Soit f : E → F . On a équivalence entre :
(i) f est une application linéaire,
     
(ii) ∀λ, µ ∈ K , ∀x , y ∈ E , f (λ.x + µ.y ) = λ.f (x ) + µ.f (y ) .

-3/7-
 
Prop : Soit f ∈ L(E , F ) . On a : f (oE ) = oF .
 
Prop : Si e1 , …,en est une famille de vecteurs de E et f ∈ L(E , F ) alors
   
∀λ1 , …, λn ∈ K, f (λ1e1 + ⋯ + λnen ) = λ1 f (e1 ) + ⋯ + λn f (en )
(l’image d’un combinaison linéaire est la combinaison linéaire des images)
Prop : Soit f ∈ L(E , F ) et g ∈ L(F ,G ) . On a g f ∈ L(E ,G ) .

2°) Application linéaires particulières


a) formes linéaires
Déf : On appelle forme linéaire sur un K -espace vectoriel E , toute application linéaire de E vers K .
On note E * , au lieu de L(E , K ) , l’ensemble des formes linéaires sur E .
E * est appelé dual de E .
b) endomorphisme
Déf : On appelle endomorphisme de E , toute application linéaire de E dans lui-même. On note L(E ) au lieu
de L(E , E ) l’ensemble de ces applications.
Prop : Si f , g ∈ L(E ) alors g f ∈ L(E ) .
c) isomorphisme
Déf : On appelle isomorphisme de K -espace vectoriel toute application linéaire bijective.
Prop : Si f : E → F et g : F → G sont des isomorphismes alors g f : E → F est un isomorphisme.
Prop : Si f : E → F est un isomorphisme alors f −1 : F → E est un isomorphisme.
Déf : Deux K -espace vectoriels sont dits isomorphes ssi il existe un isomorphisme entre ceux-ci.
d) automorphisme
Déf : On appelle automorphisme de E , tout endomorphisme de E bijectif.
On note GL (E ) l’ensemble des automorphismes de E .
Prop : ∀f , g ∈ GL (E ), f g ∈ GL (E ) et ∀f ∈ GL (E ), f −1 ∈ GL (E ) .
Déf : (GL (E ), ) est appelé groupe linéaire de E .

3°) Noyau et image d’une application linéaire


Théorème :
Soit f ∈ L(E , F ) .
Si V est une sous-espace vectoriel de E alors f (V ) est un sous-espace vectoriel de F .
Si W est un sous-espace vectoriel de F alors f −1 (W ) est un sous-espace vectoriel de E .
Déf : Soit f ∈ L(E , F ) .
On appelle image de f l’ensemble Im f = f (E ) .

On appelle noyau de f l’ensemble ker f = f −1 ({oF }) .
Prop : Im f est un sous-espace vectoriel de F .
ker f est un sous-espace vectoriel de E .
Théorème :
Soit f ∈ L(E , F ) . On a :
+ f est surjective ⇔ Im f = F ,

+ f est injective ⇔ ker f = {oE } .

4°) L’espace vectoriel L(E , F )


Théorème :
(L(E , F ), +,.) est un K -espace vectoriel.
En particulier :
(L(E ), +,.) et (E *, +.) sont des K -espaces vectoriels.

-4/7-
Prop : (linéarité du produit de composition)
∀λ, µ ∈ K , ∀f , g ∈ L(E , F ) et ∀h ∈ L(F ,G ) , h (λ.f + µ.g ) = λ.(h f ) + µ.(h g ) .
∀λ, µ ∈ K , ∀h ∈ L(E , F ) et ∀f , g ∈ L(F ,G ) , (λ.f + µ.g ) h = λ.( f h ) + µ.(g h ) .

5°) L’anneau des endomorphismes


Théorème :
(L(E ), +, ) est un anneau, généralement non commutatif, d’élément nul l’endomorphisme nul (noté 0 ou
ɶ0 ) et d’élément unité l’endomorphisme identité (noté I ou Id ).
Déf : Pour f ∈ L(E ) , on note :
f 0 = I , f 1 = f , f 2 = f f ,…, f n = f f ... f ( n termes).
Prop : Soit f , g ∈ L(E ) et n ∈ ℕ .
Si f et g commutent (i.e. f g = g f ) alors ( f g )n = f n g n ,
n n −1

k =0
()
( f + g )n = ∑ n f k g n −k et f n − g n = ( f − g )∑ f k g n −k −1 .
k k =0

En particulier :
Puisque f et I commutent :
n n −1

k =0
k()
(I + f )n = ∑ n f k et f n − I = ( f − I )∑ f k .
k =0

Prop : f g = 0 ⇔ Im g ⊂ ker f .
Déf : Un endomorphisme f ∈ L(E ) est dit idempotent ssi f 2 = f .
Un endomorphisme f ∈ L(E ) est dit nilpotent ssi ∃n ∈ ℕ, f n = 0 .

IV. Transformations vectorielles


E désigne un K -espace vectoriel.

1°) Homothétie vectorielle


Soit λ ∈ K .
E → E
Déf : On appelle homothétie (vectorielle) de rapport λ l’application hλ :  .
x ֏ λ.x
En particulier : o
 
u

λ. u
Si λ = 1 alors h = I , si λ = 0 alors h = ɶ0 .
Prop : hλ ∈ L(E ) et hλ commute avec tout endomorphisme de E .
Prop : ∀λ, µ ∈ K , hλ hµ = hλµ et ∀λ ∈ K*, hλ ∈ GL (E ) et (hλ )−1 = h1 λ .

2°) Projection vectorielle



v

Soit F et G deux sous-espaces vectoriels x
supplémentaires de E .
      F
∀x ∈ E , ∃!(u , v ) ∈ F ×G , x = u + v .
  o u = p(x )
  
Posons p (x ) = u . E G
On définit ainsi p : E → E .
Déf : p est appelée projection (vectorielle) sur F parallèlement à G .
En particulier :

F = E et G = {o } donnent p = I .

F = {o } et G = E donnent p = ɶ0 .

Prop : p est un endomorphisme de E tel que p 2 = p .


De plus Im p = ker(p − I ) = F et ker p = G .

-5/7-
Déf : La projection vectorielle θ sur G et
parallèlement à F est appelée projection complémentaire de p .
q (x )

x

Prop : q = Id− p .
Déf : On appelle projecteur de E , tout endomorphisme p de E tel que p 2 = p .F
o p(x )
 
Théorème :
G
Si p est un projecteur de E alors :
1) Im p et ker p sont supplémentaires,
2) p est la projection vectorielle sur F = Im p , parallèlement à G = ker p .

3°) Symétrie vectorielle  


Soit F et G deux sous-espaces vectoriels v x
supplémentaires de E . F
     
∀x ∈ E , ∃!(u , v ) ∈ F ×G , x = u + v .  
   o u
Posons s (x ) = u − v .
G s(x )

On définit ainsi s : E → E .
Déf : s est appelée symétrie (vectorielle) par rapport à F parallèlement à G .
En particulier :

F = E et G = {o } donnent s = I .

F = {o } et G = E donnent s = −I .
Prop : s est un endomorphisme de E tel que s 2 = I .
De plus F = ker(s − I ) et G = ker(s + I ) .
Déf : La symétrie s ′ par rapport à G et parallèlement à F est appelée symétrie complémentaire de s .
Prop : s ′ = −s .
Théorème :
Si s est un endomorphisme de E tel que s 2 = I alors :
1) ker(s − I ) et ker(s + I ) sont supplémentaires dans E ,
2) s est la symétrie vectorielle par rapport à F = ker(s − I ) , parallèlement à G = ker(s + I ) .

f (x )

4°) Affinités vectorielles α. v
Soit F ,G deux sous-espaces vectoriels  
supplémentaires et α ∈ K . v x
     
∀x ∈ E , ∃!(u , v ) ∈ F ×G , x = u + v .
   
o u

F
Posons f (x ) = u + α.v .
G
On définit ainsi f : E → E .
Déf : f est appelée affinité (vectorielle) par rapport F parallèlement à G et de rapport α .
En particulier :
Si α = 1 alors f = I .
Si α = 0 alors f = p .
Si α = −1 alors f = −s .
Prop : f est un endomorphisme de E .

V. Notions affines  
x tu (x )
E désigne un K -espace vectoriel.
 
o u
1°) Translation
    
Déf : Soit u ∈ E . On appelle translation de vecteur u l’application tu : E → E définie par x ֏ x + u .
 
Prop : Soit u , v ∈ E . tu tv = tu +v = tv tu , tu est une permutation de E et tu− 1 = t−u .

-6/7-
2°) Sous-espace affine
 
Déf : Soit a ∈ E et F un sous-espace vectoriel de E . On appelle sous-espace affine passant par a et dirigé
par F l’ensemble :
      
a + F = {a + u / u ∈ F } = {x ∈ E / x −a ∈ F } .

Prop : Soit V = a + F un sous-espace affine.
 
Pour tout b ∈V on a V = b + F .
    
Prop : Si V = a + F alors F = {x − y / x , y ∈V } .
Par suite il y a unicité du sous-espace vectoriel F .
Déf : Le sous-espace vectoriel F est appelé direction sur du sous-espace affine V .

3°) Incidence de sous-espaces affines


Prop : SiV et W sont deux sous-espaces affines de directions F et G alors V ∩W est soit vide soit égal à un
sous-espace affine de direction F ∩G .
Déf : Soit V et W deux sous-espaces affines de directions F et G .
On dit que V est parallèle à W ssi F ⊂ G
Prop : Soit V et W deux sous-espaces affines de direction F et G .
Si V est parallèle à W alors V ∩W = ∅ ou V ⊂W .

4°) Equations linéaires


   
Déf : On appelle équation linéaire toute équation de la forme f (x ) = y d’inconnue x ∈ E où y ∈ F et
f ∈ L(E , F ) .
 
On appelle équation homogène associée l’équation f (x ) = o .
Théorème :
 
L’ensemble solution de l’équation linéaire f (x ) = y est soit vide, soit égal à un sous-espace affine de
direction ker f .

5°) Barycentre
 
Soit n ∈ ℕ * , u1 , …, un ∈ E et λ1 ,…, λn ∈ K tel que λ1 + ⋯ + λn ≠ 0 .
 
Déf : On appelle barycentre des vecteurs u1 ,…, un affectés respectivement des masses λ1 ,…, λn le vecteur :
 
 λ u + ⋯ + λn un
v= 1 1 .
λ1 + ⋯ + λn
 1  
Déf : Lorsque les λ1 ,…, λn sont égaux non nuls, alors v = (u1 + ⋯ + un ) est appelé isobarycentre des
n
 
vecteurs u1 ,…, un .
 
Quand n = 2 , on parle de milieu de u1 et u 2 .
  
Prop : Si tous les ui appartiennent à un même sous-espace affine V = a + F alors le barycentre v des vecteurs
 
u1 ,…, un affectés des masses λ1 ,…, λn appartient à V .

6°) Convexité
Ici K = ℝ .
     
a ,b  = {(1− λ )a + λb / λ ∈ [0,1]}
Déf : Soit a ,b ∈ E . On appelle segment d’extrémités a et b l’ensemble :
 
 
Déf : Soit C une partie de E . a a ,b 
     
On dit que C est convexe ssi ∀a ,b ∈ C , a ,b  ⊂ C .
  
 b
Prop : Soit (C i )i ∈I une famille de parties convexes de E . o
C = ∩C i est un convexe.
i ∈I

-7/7-
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Structure d’espace vectoriel

Exercice 1 Soit E un ℝ -espace vectoriel.


       
On munit le produit cartésien E ×E de l’addition usuelle : (x , y ) + (x ′, y ′) = (x + x ′, y + y ′) et de
     
la multiplication externe par les complexes définie par : (a + i.b ).(x , y ) = (a.x −b.y ,a .y + b.x ) .
Montrer que E ×E est alors un ℂ -espace vectoriel.
Celui-ci est appelé complexifié de E .
 
Il est aisé de constater que l’addition sur E ×E est commutative, associative, possède un neutre (o , o ) et que
   
tout élément est symétrisable dans (E ×E , +) , le symétrique de (x , y ) étant (−x , −y ) .
Ainsi (E ×E , +) est un groupe abélien.
    
∀λ, µ ∈ ℂ, ∀u , v ∈ E ×E , on peut écrire λ = a + ib , µ = a ′ + i.b ′ avec a ,b ,a ′,b ′ ∈ ℝ et u = (x , y ) ,
      
v = (x ′, y ′) avec x , y , x ′, y ′ ∈ E .
               
λ.(u + v ) = (a + ib ).(x + x ′, y + y ′) = (ax + ax ′ −by −by ′,ay + ay ′ + bx + bx ′) = λ.u + λ.v ,
            
(λ + µ).u = ((a + a ′) + i (b + b ′)).(x , y ) = (ax + a ′x −by −b ′y ,ay + a ′y + bx + b ′x ) = λ.u + µ.u ,
         
λ.(µ.x ) = (a + ib )(a ′x −b ′y ,a ′y + b ′x ) = ((aa ′ −bb ′)x − (ab ′ + a ′b )y , (aa ′ −bb ′)y + (ab ′ + a ′b )x ) = (λµ).u et
 
1.u = u donc (E ×E , +,.) est un ℂ -espace vectoriel.

Sous-espace vectoriel

Exercice 2 Les parties suivantes sont-elles des sous-espaces vectoriels de ℝ 2 ?


a) {(x , y ) ∈ ℝ 2 | x ≤ y } b) {(x , y ) ∈ ℝ 2 | xy = 0}
c) {(x , y ) ∈ ℝ 2 | x = y } d) {(x , y ) ∈ ℝ 2 | x + y = 1} .

a) non b) non c) oui d) non.

Exercice 3 Soient F = {(x , y , z ) ∈ ℝ 3 | x + y − z = 0} et G = {(a −b ,a + b ,a − 3b ) | a ,b ∈ ℝ } .


a) Montrer que F et G sont des sous-espaces vectoriels de ℝ 3 .
b) Déterminer F ∩G .
   
a) F ⊂ ℝ 3 , o = (0, 0,0) ∈ F car 0 + 0 − 0 = 0 et ∀λ, µ ∈ ℝ , ∀u , v ∈ F , on peut écrire u = (x , y , z ) et

v = (x ′, y ′, z ′) avec x + y − z = 0 et x ′ + y ′ − z ′ = 0 .
 
On a alors λu + µv = (λx + µx ′, λy + µy ′, λz + µz ′) avec
 
(λx + µx ′) + (λy + µy ′) − (λz + µz ′) = λ (x + y − z ) + µ(x ′ + y ′ − z ′) = 0 donc λu + µv ∈ F .

G ⊂ ℝ 3 , o = (0, 0,0) ∈ G car (0, 0, 0) = (a −b ,a + b ,a − 3b ) pour a = b = 0 .
   
∀λ, µ ∈ ℝ , ∀u , v ∈ G , on peut écrire u = (a −b ,a + b ,a − 3b ) et v = (a ′ −b ′,a ′ + b ′,a ′ − 3b ′) avec
 
a ,b ,a ′,b ′ ∈ ℝ . On a alors λu + µv = … = (a ′′ −b ′′, a ′′ + b ′′, a ′′ − 3b ′′) avec a ′′ = λa + µa ′ et b ′′ = λb + µb ′
 
donc λu + µv ∈ G . Finalement F et G sont des sous-espaces vectoriels de ℝ 3 .
x = a −b x = a −b x = −4b
  
 y = a +b y = a +b y = −2b
b) u = (x , y , z ) ∈ F ∩G ssi il existe a ,b ∈ ℝ tel que  z = a − 3b ⇔ z = a − 3b ⇔ z = −6b .
  
x + y − z = 0 a + 3b = 0 a = −3b
  
Ainsi F ∩G = {(4b , −2b , 6b ) / b ∈ ℝ } = {(2c , c ,3c ) / c ∈ ℝ } .

1
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Exercice 4 Les parties suivantes sont-elles des sous-espaces vectoriels de ℝ ℕ ?


a) {(un ) ∈ ℝ ℕ | (un ) bornée} b) {(un ) ∈ ℝ ℕ | (un ) monotone}
c) {(un ) ∈ ℝ ℕ | (un ) convergente} d) {(un ) ∈ ℝ ℕ | (un ) arithmétique}

a) oui b) non c) oui d) oui.

Exercice 5 Soit F = {(un ) ∈ ℝ ℕ | ∀n ∈ ℕ, un + 2 = nun +1 + un } .


Montrer que F est un sous-espace vectoriel de ℝ ℕ .

F ⊂ ℝ ℕ , 0 = (0)n ∈ℕ ∈ F car ∀n ∈ ℕ, 0 = n.0 + 0 .


∀λ, µ ∈ ℝ , ∀ (un ), (vn ) ∈ F , λ (un ) + µ(vn ) = (λun + µvn ) avec ∀n ∈ ℕ ,
λun + 2 + µvn + 2 = λ (nun +1 + un ) + µ(nvn +1 + vn ) = n (λun +1 + µvn +1 ) + λun + µvn donc λ (un ) + µ(vn ) ∈ F . Ainsi
F est un sous-espace vectoriel de ℝ ℕ .

Exercice 6 Les parties de F ( ℝ, ℝ ) suivantes sont-elles des sous-espaces vectoriels ?


a) { f : ℝ → ℝ | f est monotone} b) { f : ℝ → ℝ | f s'annule en 0}
c) { f : ℝ → ℝ | f s ′annule} d) { f : ℝ → ℝ | f est impaire} .

a) non b) oui c) non d) oui.

Exercice 7 Montrer que les parties de F ([a ,b ], ℝ ) suivantes sont des sous-espaces vectoriels :
a) F = { f ∈ C 1 ([a ,b ], ℝ ) | f ′(a ) = f ′(b )}

{ }
b
b) G = f ∈ C 0 ([a ,b ], ℝ ) | ∫ f (t )dt = 0
a

a) F ⊂ F ([a ,b ], ℝ ) , ɶ0 ∈ F et ∀λ, µ ∈ ℝ , ∀f , g ∈ F , λ f + µg est de classe C 1 sur [a ,b ] et


(λ f + µg ) ′(a ) = λ f ′(a ) + µg ′(b ) = λ f ′(b ) + µg ′(b ) = (λ f + µg ) ′(b ) donc λ f + µg ∈ F .
b) G ⊂ F ([a ,b ], ℝ ) , ɶ0 ∈ G et ∀λ, µ ∈ ℝ , ∀f , g ∈ G , λ f + µg est continue sur [a ,b ] et
b b b

∫ a
(λ f + µg )(t )dt = λ ∫ f (t )dt + µ ∫ g (t )dt = 0 donc λ f + µg ∈ G .
a a

Exercice 8 Soit ω ∈ ℂ . On note ω.ℝ = {ωx | x ∈ ℝ } .


Montrer que ω.ℝ est un sous-espace vectoriel de ℂ vu comme ℝ -espace vectoriel.
A quelle condition ω.ℝ est-il un sous-espace vectoriel de ℂ vu comme ℂ -espace vectoriel ?

ω ℝ ⊂ ℂ , 0 ∈ ω ℝ car 0 = ω × 0 et ∀λ, µ ∈ ℝ , ∀z , z ′ ∈ ω.ℝ on peut écrire z = ωx et z ′ = ωx ′ avec x , x ′ ∈ ℝ


et on a (λz + µz ′) = ω (λ.x + µx ′) avec λx + µx ′ ∈ ℝ donc λz + µz ′ ∈ ω ℝ .
Ainsi ω ℝ est un sous-espace vectoriel du ℝ -espace vectoriel ℂ .
Si ω ℝ est un sous-espace vectoriel du ℂ -espace vectoriel ℂ alors puisque ω = ω ×1 ∈ ω ℝ et i ∈ ℂ , on a
i.ω ∈ ω ℝ . Cela n’est possible que si ω = 0 . Inversement, si ω = 0 alors ω ℝ = {0} est un sous-espace
vectoriel du ℂ -espace vectoriel ℂ .
 
Exercice 9 Soient u1 ,…, un des vecteurs d’un K -espace vectoriel E .
 
Montrer que l’ensemble F = {λ1u1 + ⋯ + λn un | λ1 ,…, λn ∈ K} est un sous-espace vectoriel de E
 
contenant les vecteurs u1 ,…, un .
        
F ⊂ E , o ∈ F car o = 0.u1 + ⋯ + 0.un et ∀α, β ∈ K , ∀x , y ∈ F , on peut écrire x = λ1u1 + ⋯ + λn u et
      
y = µ1u1 + ⋯ + µn un avec λi , µi ∈ ℝ et on a : αx + βy = (αλ1 + βµ1 )u1 + ⋯ + (αλn + βµn )un avec
 
αλi + βµi ∈ ℝ donc αx + βy ∈ F . Ainsi F est un sous-espace vectoriel de E .
  
De plus ∀i ∈ {1,…, n } , ui = λ1u1 + ⋯ + λn un avec λj = δi , j =
1 si i = j
0 sinon { 
. Ainsi ui ∈ F .

2
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Exercice 10 Soient E = F ( ℝ , ℝ ) , C l’ensemble des fonctions de E croissantes et ∆ = { f − g / f , g ∈ C } .


Montrer que ∆ est un sous-espace vectoriel de E .
∆ ⊂ E . 0 = 0 − 0 avec 0 ∈ C donc 0 ∈ ∆ .
Soient h , h ′ ∈ ∆ . On peut écrire h = f − g et h ′ = f ′ − g ′ avec f , g , f ′, g ′ ∈ ∆ . On a alors
h + h ′ = ( f + f ′) − (g + g ′) avec ( f + f ′), (g + g ′) ∈ C .
Soit h ∈ ∆ . On peut écrire h = f − g avec f , g ∈ C .
∀λ ≥ 0 , on a λh = λ f − λg avec λ f , λg ∈ C .
∀λ < 0 , on a λh = (−λ )g − (−λ f ) avec (−λ )g , (−λ ) f ∈ C .
Dans les deux cas λh ∈ ∆ .
Rq : On peut poser le même problème à partir de C réunissant les fonctions strictement croissantes.

Exercice 11 Démontrer que le sous-ensemble constitué des suites réelles périodiques est un sous-espace
vectoriel d’une structure que l’on précisera.
Montrons que l’ensemble F étudié est un sous-espace vectoriel de l’ensemble E des suites réelles.
Assurément F ⊂ E . La suite nulle est périodique donc 0 ∈ F . Pour u , v ∈ F et λ , µ ∈ ℝ , on peut affirmer que
λu + µv est TT ′ périodique en notant T et T ′ des périodes non nulles de u et v . Ainsi λu + µv ∈ F .

Opérations sur les sous-espaces vectoriels

Exercice 12 Soient F et G des sous-espaces vectoriels de E .


Montrer que F ∩G = F +G ⇔ F = G .

(⇐) ok
(⇒) Supposons F ∩G = F +G . F ⊂ F +G = F ∩G ⊂ G et de même G ⊂ F et F = G .

Exercice 13 Soient F et G deux sous-espaces vectoriels d’un K -espace vectoriel E .


Montrer que F ∪G est un sous-espace vectoriel de E ssi F ⊂ G ou G ⊂ F .
   
Par contraposée, si F ⊄ G et G ⊄ F alors ∃x ∈ F , x ∉ G et ∃y ∈ G , y ∉ F .
       
x + y ∉ F car x + y ∈ F ⇒ y = (x + y ) − x ∈ F ce qui est exclu.
       
x + y ∉ G car x + y ∈ G ⇒ x = (x + y ) − y ∈ G ce qui est exclu.
   
Ainsi, on a x , y ∈ F ∪G et x + y ∉ F ∪G .
Puisque F ∪G n’est pas stable pour l’addition, ce n’est pas un sous-espace vectoriel de E .

Exercice 14 Soient F ,G et H des sous-espaces vectoriels d’un K -espace vectoriel E . Montrer que :
a) F ∩ (G + H ) ⊃ (F ∩G ) + (F ∩ H )
b) F + (G ∩ H ) ⊂ (F +G ) ∩ (F + H ) .
     
a) ∀u ∈ (F ∩G ) + (F ∩ H ) , on peut écrire u = x + y avec x ∈ F ∩G et y ∈ F ∩ H .
         
On a donc u = x + y ∈ F car x , y ∈ F et u = x + y ∈ G + H car x ∈ G et y ∈ H .

Ainsi u ∈ F ∩ (G + H ) .
     
b) ∀x ∈ F + (G ∩ H ) , on peut écrire u = x + y avec x ∈ F et y ∈ G ∩ H .
     
On a donc u ∈ F +G car x ∈ F et y ∈ G et aussi u ∈ F + H car x ∈ F et y ∈ H .

Ainsi u ∈ (F +G ) ∩ (F + H ) .

Exercice 15 Soient F , G et H trois sous-espaces vectoriels d’un K -espace vectoriel E .


Montrer que F ⊂ G ⇒ F + (G ∩ H ) = (F +G ) ∩ (F + H ) .

F + (G ∩ H ) ⊂ F +G et F + (G ∩ H ) ⊂ F + H donc F + (G ∩ H ) ⊂ (F +G ) ∩ (F + H ) .
Supposons de plus F ⊂ G .

3
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

      
Soit x ∈ (F +G ) ∩ (F + H ) . On a x ∈ F +G = G et x = u + v avec u ∈ F et v ∈ H .
   
v = x − u ∈ G donc v ∈ G ∩ H puis x ∈ F + (G ∩ H ) .

Exercice 16 Soient F ,G , F ′,G ′ des sous-espaces vectoriels de E tels que F ∩G = F ′ ∩G ′ .


Montrer que (F + (G ∩ F ′)) ∩ (F + (G ∩G ′)) = F .

⊃ : ok

Soit x ∈ (F + (G ∩ F ′)) ∩ (F + (G ∩G ′)) .
         
On peut écrire x = u + v avec u ∈ F et v ∈ G ∩ F ′ et x = u ′ + v ′ avec u ′ ∈ F et v ′ ∈ G ∩G ′ .
        
u − u ′ = v ′ − v ∈ F ∩G = F ′ ∩G ′ . v = −(v ′ − v ) + v ′ ∈ G ′ donc v ∈ G ∩ F ′ ∩G ′ = F ∩G ⊂ F puis
  
x = u + v ∈ F . Ainsi (F + (G ∩ F ′)) ∩ (F + (G ∩G ′)) ⊂ F puis l’égalité

Sous-espace vectoriel engendré par une partie

Exercice 17 Comparer Vect(A ∩ B ) et Vect(A) ∩ Vect(B ) .

A ∩ B ⊂ Vect(A) ∩ Vect(B ) et Vect(A) ∩ Vect(B ) est un sous-espace vectoriel donc


 
Vect(A ∩ B ) ⊂ Vect(A) ∩ Vect(B ) . L’inclusion réciproque n’est pas vraie : prendre A = {u } et B = {2u } avec
 
u ≠o

Exercice 18 Soient A et B deux parties d’un K -espace vectoriel E .


Montrer que Vect(A ∪ B ) = Vect(A) + Vect(B ) .

Vect(A) + Vect(B ) est un sous-espace vectoriel de E .


Vect(A) + Vect(B ) contient Vect(A) et Vect(B ) donc contient A et B .
Ainsi Vect(A) + Vect(B ) est un sous-espace vectoriel de E contenant A ∪ B donc Vect(A) + Vect(B ) contient
Vect(A ∪ B ) .
Inversement, A ⊂ A ∪ B donc Vect(A) ⊂ Vect(A ∪ B ) . De même Vect(B ) ⊂ Vect(A ∪ B ) .
Par suite Vect(A) + Vect(B ) ⊂ Vect(A ∪ B ) .
Par double inclusion, l’égalité.

Sous-espaces vectoriels supplémentaires

Exercice 19 Soient F = { f ∈ C 1 ( ℝ , ℝ ) | f (0) = f ′(0) = 0} et G = {x ֏ ax + b | (a ,b ) ∈ ℝ 2 } .


Montrer que F et G sont des sous-espaces vectoriels supplémentaires de C 1 ( ℝ, ℝ ) .

F ⊂ C 1 ( ℝ, ℝ ) , oɶ ∈ F et ∀λ, µ ∈ ℝ , ∀f , g ∈ F , (λ f + µg )(0) = λ f (0) + µg (0) = 0 et


(λ f + µg ) ′(0) = λ f ′(0) + µg ′(0) = 0 donc λ f + µg ∈ F .
G ∈ C 1 ( ℝ, ℝ ) , oɶ ∈ G (en prenant a = b = 0 ), ∀λ, µ ∈ ℝ , ∀f , g ∈ G , il existe a ,b ,c ,d ∈ ℝ tel que ∀x ∈ ℝ ,
f (x ) = ax + b et g (x ) = cx + d et on a alors (λ f + µg )(x ) = ex + f avec e = λa + µc ∈ ℝ et f = λb + µd ∈ ℝ
donc λ f + µg ∈ G .
Soit h ∈ F ∩G . Il existe a ,b ∈ ℝ tels que ∀x ∈ ℝ , h (x ) = ax + b car h ∈ G .
Or h ∈ F donc h (0) = b = 0 et h ′(0) = a = 0 puis h (x ) = 0 i.e. h = oɶ . Ainsi F ∩G = {ɶ0} .
Soit h ∈ C 1 ( ℝ, ℝ ) . Posons a = h ′(0) ∈ ℝ , b = h (0) , g : x ֏ ax + b et f = h − g .
Clairement g ∈ G et h = f + g . De plus f (0) = h (0) −b = 0 et f ′(0) = h ′(0) −a = 0 donc f ∈ F .
Ainsi F +G = C 1 ( ℝ , ℝ ) .
Finalement, F et G sont supplémentaires dans C 1 ( ℝ, ℝ ) .

4
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

{ }
1
Exercice 20 Soient F = f ∈ C ([−1,1], ℂ) | ∫ f (t ) dt = 0 et G = { f ∈ C ([−1,1], ℂ) | f constante} .
−1

Montrer que F et G sont des sous-espaces vectoriels supplémentaires de C ([−1,1], ℂ) .

1
F ⊂ C ([−1,1], ℂ) , ɶ0 ∈ F car ∫ 0dt = 0 et ∀λ, µ ∈ ℂ , ∀f , g ∈ F , on a
−1
1 1 1

∫ −1
(λ f + µg )(t )dt = λ ∫ f (t )dt + µ ∫ g (t )dt = 0 donc λ f + µg ∈ F .
−1 −1

G ⊂ C ([−1,1], ℝ ) , ɶ0 ∈ G car c’est une fonction constante et ∀f , g ∈ G , ∀λ, µ ∈ ℂ , on a λ f + µg ∈ G car il est


clair que c’est une fonction constante.
Soit h ∈ F ∩G . On a h constante car h ∈ G . Posons C la valeur de cette constante.
h (t )dt = ∫ C dt = 2C = 0 et donc h = ɶ0 . Ainsi F ∩G = {ɶ0} .
1 1
Puisque h ∈ F , on a ∫ −1 −1
1 1
Soit h ∈ C ([−1,1], ℂ) . Posons C = ∫ h (t )dt , g la fonction constante égale à C et f = h − g .
−1 2
1 1
Clairement g ∈ G et f + g = h . De plus ∫
−1
f (t )dt = ∫ h (t )dt − 2C = 0 donc f ∈ F .
−1

Ainsi F +G = C ([−1,1], ℂ) . Finalement F et G sont supplémentaires dans C ([−1,1], ℂ) .


Exercice 21 Soient H = {(x1 , x 2 , …, x n ) ∈ Kn | x1 + x 2 + ⋯ + x n = 0} et u = (1,…,1) ∈ Kn .

Montrer que H et Vect(u ) sont des sous-espaces vectoriels supplémentaires de K n .
  
H ⊂ Kn , o = (0, …, 0) ∈ H car 0 + ⋯ + 0 = 0 et ∀λ, µ ∈ K , ∀x = (x1 , …, x n ) ∈ H , ∀y = (y1 ,…, yn ) ∈ H , on
 
a λx + µy = (λx1 + µy1 , …, λx n + µyn ) avec
 
(λx1 + µy1 ) + ⋯ + (λx n + µyn ) = λ (x1 + ⋯ + x n ) + µ(y1 + ⋯ + yn ) = 0 donc λx + µy ∈ H .
 
Vect(u ) = Ku est un sous-espace vectoriel.
     
Soit v ∈ H ∩ Vect(u ) . On peut écrire v = λu = (λ,…, λ ) car v ∈ Vect(u ) .
    
Or v ∈ H donc λ + ⋯ + λ = 0 d’où λ = 0 et donc v = o . Ainsi H ∩ Vect(u ) = {o } .
 1     
Soit v = (v1 ,…, vn ) ∈ Kn . Posons λ = (v1 + ⋯ + vn ) , y = λu et x = v − y .
n
     
Clairement x + y = v , y ∈ Vect(u ) . De plus x = (x1 , …, x n ) avec
 
x1 + ⋯ + x n = (v1 − λ ) + ⋯ + (vn − λ ) = (v1 + ⋯ + vn ) − nλ = 0 donc x ∈ H . Ainsi H + Vect(u ) = Kn .

Finalement H et Vect(u ) sont supplémentaires dans Kn .

Exercice 22 Soient E = C ([0, π ], ℝ ) , F = { f ∈ E | f (0) = f (π 2) = f (π )} et G = Vect(sin, cos) .


Montrer que F et G sont des sous-espaces vectoriels supplémentaires de E .
F et G sont clairement des sous-espaces vectoriels de E .
Soit f ∈ F ∩G . On peut écrire f = λ.sin+ µ.cos .
De plus f (0) = f (π 2) = f (π ) donne : µ = λ = −µ d’où λ = µ = 0 puis f = 0 .
2 f (π 2) − f (0) − f (π ) f (0) − f (π )
Soit f ∈ E . Posons λ = , µ= , h = λ sin+ µ cos et g = f − h .
2 2
On a f = g + h avec g ∈ F et h ∈ G .
Ainsi F et G sont supplémentaires dans E .

Exercice 23 Soit F = { f ∈ F ( ℝ , ℝ ) / f (0) + f (1) = 0} .


a) Montrer que F est un sous-espace vectoriel.
b) Déterminer un supplémentaire de F dans F ( ℝ, ℝ ) .

a) sans peine
b) L’ensemble des fonctions constantes convient.

5
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Applications linéaires

Exercice 24 Les applications entre ℝ -espaces vectoriels suivantes sont-elles linéaires :


a) f : ℝ 3 → ℝ définie par f (x , y , z ) = x + y + 2z
b) f : ℝ 2 → ℝ définie par f (x , y ) = x + y + 1
c) f : ℝ 2 → ℝ définie par f (x , y ) = xy
d) f : ℝ 3 → ℝ définie par f (x , y , z ) = x − z ?

a) oui b) non c) non d) oui

Exercice 25 Soit f : ℝ 2 → ℝ 2 définie par f (x , y ) = (x + y , x − y ) .


Montrer que f est un automorphisme de ℝ 2 et déterminer son automorphisme réciproque.
 
∀λ, µ ∈ ℝ , ∀u = (x , y ), v = (x ′, y ′) ∈ ℝ 2 ,
 
f (λu + µv ) = f (λx + µx ′, λy + λy ′) = ((λx + µx ′) + (λy + λy ′),(λx + µx ′) − (λy + λy ′))
   
donc f (λu + µv ) = λ (x + y , x − y ) + µ(x ′ + y ′, x ′ − y ′) = λ f (u ) + µ f (v )
De plus f : ℝ 2 → ℝ 2 donc f est un endomorphisme de ℝ 2 .
Pour tout (x , y ) ∈ ℝ 2 et tout (x ′, y ′) ∈ ℝ 2 :
x ′ = x + y x = (x ′ + y ′) 2
 ′ ⇔
y = x − y y = (x ′ − y ′) 2
Par suite, chaque (x ′, y ′) ∈ ℝ 2 possède un unique antécédent par f : ((x ′ + y ′) 2, (x ′ − y ′) 2) .
f est donc bijective. f est un automorphisme de ℝ 2 et f −1 : (x ′, y ′) ֏ ((x ′ + y ′) 2, (x ′ − y ′) 2) .

1
Exercice 26 Soit J : C ([0,1], ℝ ) → ℝ définie par J ( f ) = ∫ f (t )dt .
0

Montrer que J est une forme linéaire.


1 1 1
∀λ, µ ∈ ℝ , ∀f , g ∈ C ([0,1], ℝ ) , J (λ f + µg ) = ∫ λ f (t ) + µg (t )dt = λ ∫ f (t )dt + µ ∫ g (t )dt = λJ ( f ) + µJ (g ) .
0 0 0

De plus J : C ([0,1], ℝ ) → ℝ donc J est une forme linéaire sur C ([0,1], ℝ ) .

Exercice 27 Soit ϕ : C ∞ ( ℝ , ℝ ) → C ∞ ( ℝ, ℝ ) définie par ϕ ( f ) = f ′′ − 3f ′ + 2 f .


Montrer que ϕ est un endomorphisme et préciser son noyau.

∀λ , µ ∈ ℝ , ∀f , g ∈ C ∞ ( ℝ , ℝ ) ,
ϕ (λ f + µg ) = (λ f + µg ) ′′ − 3(λ f + µg ) ′ + 2(λ f + µg ) = λ ( f ′′ − 3f ′ + 2 f ) + µ(g ′′ − 3g ′ + 2g ) = λϕ ( f ) + µϕ (g )
De plus ϕ : C ∞ ( ℝ , ℝ ) → C ∞ ( ℝ, ℝ ) donc ϕ est un endomorphisme C ∞ ( ℝ, ℝ ) .
f ∈ ker ϕ ⇔ f ′′ − 3f ′ + 2 f = 0 .
C’est une équation différentielle linéaire d’ordre 2 à coefficients constants d’équation caractéristique
r 2 − 3r + 2 = 0 de racines 1 et 2 . La solution générale est f (x ) = C 1ex +C 2 e 2x .
Par suite ker ϕ = {C 1ex +C 2 e 2x / C 1 ,C 2 ∈ ℝ } .

Exercice 28 Soient a un élément d’un ensemble X non vide et E un K -espace vectoriel.


a) Montrer que Ea : F (X , E ) → E définie par Ea ( f ) = f (a ) est une application linéaire.
b) Déterminer l’image et le noyau de l’application Ea .

a) ∀λ, µ ∈ K , ∀f , g ∈ F (X , E ) , Ea (λ f + µg ) = (λ f + µg )(a ) = λ f (a ) + µg (a ) = λEa ( f ) + µEa (g ) .


Par suite Ea est une application linéaire.
b) f ∈ ker Ea ⇔ f (a ) = 0 . ker Ea = { f ∈ F (X , E ) / f (a ) = 0} .

6
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

  
Im Ea ⊂ E et ∀x ∈ E , en considérant f : X → E la fonction constante égale à x , on a Ea ( f ) = x . Par suite

x ∈ Im Ea et donc E ⊂ Im Ea . Par double inclusion Im Ea = E .

Exercice 29 Soit E le ℝ -espace vectoriel des applications indéfiniment dérivables sur ℝ .


Soient ϕ : E → E et ψ : E → E les applications définies par :
x
ϕ ( f ) = f ′ et ψ ( f ) est donnée par : ∀x ∈ ℝ, ψ ( f )(x ) = ∫ f (t )dt .
0

a) Montrer que ϕ et ψ sont des endomorphismes de E .


b) Exprimer ϕ
ψ et ψ
ϕ .
c) Déterminer images et noyaux de ϕ et ψ .

a) ∀λ, µ ∈ ℝ , ∀f , g ∈ E , ϕ (λ f + µg ) = (λ f + µg ) ′ = λ f ′ + µg ′ = λϕ ( f ) + µϕ (g ) et ∀x ∈ ℝ ,
x x x
ψ (λ f + µg )(x ) = ∫ λ f (t ) + µg (t )dt = λ ∫ f (t )dt + µ ∫ g (t )dt = (λψ ( f ) + µψ (g ))(x )
0 0 0

donc ψ (λ f + µg ) = λψ ( f ) + µψ (g ) .
De plus ϕ : E → E et ψ : E → E donc ϕ et ψ sont des endomorphismes de E .
b) ∀f ∈ E , (ϕ
ψ ) = (ψ ( f )) ′ = f car ψ ( f ) est la primitive de f qui s’annule en 0. Ainsi ϕ
ψ = IdE .
x
∀f ∈ E , ∀x ∈ ℝ , (ψ
ϕ )( f )(x ) = ∫ f ′(t )dt = f (x ) − f (0) .
0

c) ϕ
ψ est bijective donc ϕ est surjective et ψ injective.
ϕ est surjective donc Im ϕ = E . ker ϕ est formé des fonctions constantes.

Exercice 30 Soit f une application linéaire d’un K -espace vectoriel E vers un K -espace vectoriel F .
Montrer que pour toute partie A de E , on a f (Vect A) = Vect f (A) .

f (Vect A) est un sous-espace vectoriel de F et A ⊂ Vect A donc f (A) ⊂ f (Vect A) .


Par suite Vect f (A) ⊂ f (Vect A) .
Inversement, f −1 (Vect f (A)) est un sous-espace vectoriel de E qui contient A donc A ⊂ f −1 (Vect f (A)) puis
f (A) ⊂ f ( f −1 (Vect f (A))) ⊂ Vect f (A) .
Par double inclusion l’égalité.

Exercice 31 Soient E un K -espace vectoriel et f un endomorphisme de E nilpotent i.e. tel qu’il existe
n ∈ ℕ∗ pour lequel f n = 0 . Montrer que Id− f est inversible et exprimer son inverse en fonction
de f .

Id = Id− f n = (Id− f )(Id+ f + ⋯ + f n −1 ) et aussi Id = (Id+ f + ⋯ + f n −1 )(Id− f ) .


Par suite Id− f est inversible et (Id− f )−1 = Id+ f + ⋯ + f n −1 .

Exercice 32 Soient E , F deux K -espaces vectoriels, f ∈ L(E , F ) et A,B deux sous-espaces vectoriels de
E . Montrer que : f (A) ⊂ f (B ) ⇔ A + ker f ⊂ B + ker f .

(⇒) Supposons f (A) ⊂ f (B ) .


     
Soit x ∈ A + ker f . On peut écrire x = u + v avec u ∈ A et v ∈ ker f .
    
f (x ) = f (u ) ∈ f (A) ⊂ f (B ) donc il existe w ∈ B tel que f (x ) = f (w ) .
       
On a alors x = w + (x − w ) avec w ∈ B et x − w ∈ ker f . Ainsi x ∈ B + ker f .
(⇐) Supposons A + ker f ⊂ B + ker f .
    
Soit y ∈ f (A) . Il existe x ∈ A tel que y = f (x ) . Or x ∈ A ⊂ A + ker f ⊂ B + ker f donc on peut écrire
       
x = u + v avec u ∈ B et v ∈ ker f . On a alors y = f (x ) = f (u ) ∈ f (B ) .

7
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Image et noyau d’un endomorphisme

Exercice 33 Soient f et g deux endomorphismes d’un K -espace vectoriel E .


Montrer que g
f = 0 si, et seulement si, Im f ⊂ ker g .

Si Im f ⊂ ker g alors ∀x ∈ E , f (x ) ∈ Im f ⊂ ker g donc g ( f (x )) = o . Ainsi g
f = 0 .
Si g
f = 0 alors ∀x ∈ E , g ( f (x )) = 0 donc f (x ) ∈ ker g . Ainsi ∀x ∈ E , f (x ) ∈ ker g donc Im f ⊂ ker g .

Exercice 34 Soient f et g deux endomorphismes d’un K -espace vectoriel E .


a) Comparer ker f ∩ ker g et ker( f + g ) .
b) Comparer Im f + Im g et Im( f + g ) .
c) Comparer ker f et ker f 2 .
d) Comparer Im f et Im f 2 .
    
a) ∀x ∈ ker f ∩ ker g on ( f + g )(x ) = f (x ) + g (x ) = o . Ainsi ker f ∩ ker g ⊂ ker f + g .
     
b) ∀y ∈ Im( f + g ) , ∃x ∈ E , y = ( f + g )(x ) = f (x ) + g (x ) ∈ Im f + Im g . Ainsi Im f + g ⊂ Im f + Im g .
     
c) ∀x ∈ ker f , f 2 (x ) = f ( f (x )) = f (o ) = o donc x ∈ ker f 2 . Ainsi ker f ⊂ ker f 2 .
        
d) ∀y ∈ Im f 2 , ∃x ∈ E , y = f 2 (x ) = f ( f (x )) = f (u ) avec u = f (x ) donc y ∈ Im f . Ainsi Im f 2 ⊂ Im f .

Exercice 35 Soit f un endomorphisme d’un K -espace vectoriel E . Montrer que:



a) Im f ∩ ker f = {o } ⇔ ker f = ker f 2
b) E = Im f + ker f ⇔ Im f = Im f 2 .

a) (⇒) Supposons Im f ∩ ker f = {o } .
L’inclusion ker f ⊂ ker f 2 est toujours vraie indépendamment de l’hypothèse.
     
∀x ∈ ker f 2 , on a f 2 (x ) = f ( f (x )) = o donc f (x ) ∈ ker f . De plus f (x ) ∈ Im f or par hypothèse
   
Im f ∩ ker f = {o } donc f (x ) = o puis x ∈ ker f . Ainsi ker f 2 ⊂ ker f puis l’égalité.
(⇐) Supposons ker f = ker f 2 .
       
Soit y ∈ Im f ∩ ker f . On peut écrire y = f (x ) avec x ∈ E . Or f (y ) = o donc f 2 (x ) = o . Ainsi
    
x ∈ ker f 2 = ker f et par suite y = f (x ) = o . Finalement Im f ∩ ker f = {o } .
b) (⇒) Supposons E = Im f + ker f .
L’inclusion Im f 2 ⊂ Im f est vraie indépendamment de l’hypothèse.
        
∀y ∈ Im f , ∃x ∈ E tel que y = f (x ) . Or on peut écrire x = u + v avec u ∈ Im f et v ∈ ker f .
   
Puisque u ∈ Im f , on peut écrire u = f (a ) avec a ∈ E . On a alors
     
y = f ( f (a ) + v ) = f 2 (a ) + f (v ) = f 2 (a ) ∈ Im f 2 . Ainsi Im f ⊂ Im f 2 puis l’égalité.
(⇐) Supposons Im f = Im f 2 . L’inclusion Im f + ker f ⊂ E est toujours vraie.
    
Inversement, soit x ∈ E . f (x ) ∈ Im f = Im f 2 donc ∃a ∈ E tel que f (x ) = f 2 (a ) .
    
Posons u = f (a ) et v = x − u .
          
Clairement x = u + v , u ∈ Im f . De plus f (v ) = f (x ) − f (u ) = f (x ) − f 2 (a ) = o donc v ∈ ker f .
Finalement E = Im f + ker f .

Exercice 36 Soit E un K -espace vectoriel et f ∈ L(E ) tel que f 2 − 3f + 2 Id = 0 .


a) Montrer que f est inversible et exprimer son inverse en fonction de f .
b) Etablir que ker( f − Id) et ker( f − 2 Id) sont des sous-espaces vectoriels supplémentaires de E .

1 3 1
a) Posons g = (3Id− f ) ∈ L(E ) . On a f
g = f − f 2 = Id et de même g
f = Id donc f est un
2 2 2
automorphisme et f −1 = g .

8
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

b) En tant que noyaux d’applications linéaires, ker( f − Id) et ker( f − 2 Id) sont des sous-espaces vectoriels de
E.
      
Soit x ∈ ker( f − Id) ∩ ker( f − 2 Id) . On a f (x ) = x et f (x ) = 2x donc x = o . Ainsi

ker( f − Id) ∩ ker( f − 2 Id) = {o } .
      
Soit x ∈ E . Posons u = 2x − f (x ) et v = f (x ) − x .
        
On a u + v = x , f (u ) = 2 f (x ) − f 2 (x ) = 2x − f (x ) = u donc u ∈ ker( f − Id) et
      
f (v ) = f 2 (x ) − f (x ) = 2 f (x ) − 2x = 2v donc v ∈ ker( f − 2 Id) . Ainsi E = ker( f − Id) + ker( f − 2 Id) .
Finalement, ker( f − Id) et ker( f − 2 Id) sont des sous-espaces vectoriels supplémentaires de E .

Exercice 37 Soient f , g , h ∈ L(E ) tels que f


g = h , g
h = f et h
f = g .
Montrer que f , g , h ont même noyau et même image.
   
Soit x ∈ ker h . On g
h (x ) = o donc x ∈ ker f . Ainsi ker h ⊂ ker f .
De même ker f ⊂ ker g et ker g ⊂ ker h d’où l’égalité des noyaux.
      
Soit y ∈ Im h , il existe x ∈ E tel que h (x ) = y . Mais alors f (g (x )) = y donc y ∈ Im f .
Ainsi Im h ⊂ Im f et de même Im f ⊂ Im g et Im g ⊂ Im h d’où l’égalité des images.

Exercice 38 Soient f , g ∈ L(E ) tels que g


f
g = g et f
g
f = f .
a) Montrer que Im f et ker g sont supplémentaires dans E .
b) Justifier que f (Im g ) = Im f .

a) Soit x ∈ Im f ∩ ker g .
∃a ∈ E tel que x = f (a ) donc x = f (a ) = ( f
g
f )(a ) = ( f
g )(x ) = 0 .
Soit x ∈ E .
Analyse :
Supposons x = u + v avec u = f (a ) ∈ Im f et v ∈ ker g .
g (x ) = g
f (a ) donc ( f
g )(x ) = f (a ) = u .
Synthèse :
Posons u = ( f
g )(x ) et v = x − u .
On a u ∈ Im f , x = u + v et g (v ) = g (x ) − g (u ) = 0 i.e. v ∈ ker g .
b) On a f (Im g ) ⊂ Im f et ∀y ∈ Im f on peut écrire y = f (x ) avec x = g (a ) + u et u ∈ ker f .
On a alors y = f (g (a )) ∈ f (Im g ) .

Transformations vectorielles

Exercice 39 Soient E un K -espace vectoriel et p ∈ L(E ) .


a) Montrer que p est un projecteur si et seulement si Id− p l’est.
b) Exprimer alors Im(Id− p ) et ker(Id− p ) en fonction de Im p et ker p .

a) (Id− p ) 2 = Id− 2p + p 2 donc (Id− p ) 2 = (Id− p ) ⇔ p = p 2 .


b) p
(Id− p ) = 0ɶ donc Im(Id− p ) ⊂ ker p .
     
Inversement, ∀x ∈ ker p , on a (Id− p )(x ) = x − p (x ) = x donc x ∈ Im(Id− p ) . Ainsi ker p ⊂ Im(Id− p ) .
Finalement ker p = Im(Id− p ) et de même ker(Id− p ) = Im p .

Exercice 40 Soient p ,q ∈ L(E ) . Montrer l’équivalence entre les assertions :


(i) p
q = p et q
p = q ,
(ii) p et q sont des projecteurs de même noyau.

(i) ⇒ (ii) Supposons (i)


p 2 = p
q
p = p
q = p et q 2 = q
p
q = q
p = q donc p et q sont des projecteurs.

9
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

    
Soit x ∈ ker p . On a q (x ) = q (p (x )) = o donc x ∈ ker q . Ainsi ker p ⊂ ker q . Par symétrie l’égalité.
(ii) ⇒ (i) Supposons (ii)
     
Soit x ∈ E . On peut écrire x = u + v avec u ∈ Im q et v ∈ ker q = ker p .
       
D’une part (p
q )(x ) = p (q (u )) + p (o ) = p (u ) et d’autre part p (x ) = p (u ) + p (v ) = p (u ) .
Ainsi p
q = p et de même q
p = q .

Exercice 41 Soient E un K -espace vectoriel et p ,q deux projecteurs de E qui commutent.


Montrer que p
q est un projecteur de E . En déterminer noyau et image.

(p
q )2 = p
q
p
q = p 2
q 2 = p
q donc p
q est un projecteur.
     
∀x ∈ ker p + ker q , ∃(u , v ) ∈ ker p × ker q tel que x = u + v .
      
(p
q )(x ) = (p
q )(u ) + (p
q )(v ) = (q
p )(u ) + (p
q )(v ) = o donc x ∈ ker p
q .
Ainsi ker p + ker q ⊂ ker p
q .
     
Inversement, soit x ∈ ker p
q . On peut écrire x = u + v avec u ∈ ker p et v ∈ Im p .
     
(p
q )(x ) = (q
p )(x ) = q (v ) = o donc v ∈ ker q . Par suite x ∈ ker p + ker q .
Par double inclusion : ker p
q = ker p + ker q
        
∀y ∈ Im p
q , ∃x ∈ E , y = (p
q )(x ) . On a y = p (q (x )) ∈ Im p et y = q (p (x )) ∈ Im q donc y ∈ Im p ∩ Im q .
Ainsi Im p
q ⊂ Im p ∩ Im q .
      
Inversement, ∀y ∈ Im p ∩ Im q , ∃x ∈ E , y = q (x ) et y = p (y ) = (p
q )(x ) ∈ Im p
q .
Ainsi Im p + Im q ⊂ Im p
q puis l’égalité.

Exercice 42 Soient E un K -espace vectoriel et p et q deux projecteurs de E .


Montrer que p + q est encore un projecteur de E si et seulement si p
q = q
p = 0 .
En déterminer alors noyau et image.

(p + q ) 2 = p 2 + p
q + q
p + q 2 = p + q + (p
q + q
p ) .
Si p
q = q
p = 0 alors p
q + q
p = 0 et p + q est un projecteur.
Inversement, si p + q est un projecteur alors p
q + q
p = 0 .
   
∀y ∈ Im q , on a p (y ) + q (p (y )) = o .
          
On peut écrire p (y ) = u + v avec u ∈ Im q et v ∈ ker q donc p (y ) + q (p (y )) = o donne 2u + v = o or Im q et
    
kerq sont supplémentaires dans E donc u = v = o puis p (y ) = o . Ainsi Im q ⊂ ker p .
Par suite p
q = 0 puis q
p = −p
q = 0 .
L’inclusion Im p + q ⊂ Im p + Im q est toujours vraie.
     
Inversement, ∀y ∈ Im p + Im q , ∃(u , v ) ∈ Im p × Im q tel que y = u + v .
        
On a alors (p + q )(u + v ) = p (u ) + p (v ) + q (u ) + q (v ) = u + v = y car Im p ⊂ ker q et Im q ⊂ ker p . Par suite

y ∈ Im p + q puis l’inclusion Im p + Im q ⊂ Im p + q .
Par double inclusion l’égalité.
L’inclusion ker p ∩ ker q ⊂ ker p + q est toujours vraie.
       
Inversement, ∀x ∈ ker p + q , on a (p + q )(x ) = o donc p (x ) + q (x ) = o . Or p (x ) ∈ Im p et q (x ) ∈ Im q ⊂ ker p
  
avec Im p et ker p supplémentaires dans E donc p (x ) = q (x ) = o .

Ainsi x ∈ ker p ∩ ker q puis l’inclusion ker p + q ⊂ ker p ∩ ker q .
Par double inclusion l’égalité.

Exercice 43 Soient E un K -espace vectoriel et f et g deux endomorphismes de E tels que f


g = g
f .
a) Montrer que ker f et Im f sont stables par g i.e. g (ker f ) ⊂ ker f et g (Im f ) ⊂ Im f
b) En déduire que, si p est un projecteur de E , on a :
p et f commutent si et seulement si Im p et ker p stables par f .
     
a) ∀x ∈ ker f , f (g (x )) = g ( f (x )) = g (o ) = o donc g (x ) ∈ ker f . Ainsi ker f est stable par g .
      
∀y ∈ Im f , ∃x ∈ E , y = f (x ) et alors g (y ) = g ( f (x )) = f (g (x )) ∈ Im f donc Im f est stable par g .
b) (⇒) immédiat via a).

10
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay


(⇐) Si Im p et ker p sont stables par f alors, puisque ces derniers sont supplémentaires dans E , ∀x ∈ E , on
    
peut écrire x = u + v avec u ∈ Im p et v ∈ ker p .
        
On a alors ( f
p )(x ) = f (p (u ) + p (v )) = f (u ) et p
f (x ) = p ( f (u )) + p ( f (v )) = f (u ) car f (u ) ∈ Im p et
   
f (v ) ∈ ker p . Ainsi ∀x ∈ E ,( f
p )(x ) = (p
f )(x ) puis p et f commutent.

Exercice 44 Soit E un K -espace vectoriel.


Soit s un endomorphisme de E involutif, i.e. tel que s 2 = Id .
On pose F = ker(s − Id) et G = ker(s + Id) .
a) Montrer que F et G sont des sous-espaces vectoriels supplémentaires de E .
b) Montrer que s est la symétrie vectorielle par rapport à F et parallèlement à G .
Plus généralement, Soient α ∈ K \ {1} et f un endomorphisme de E tel que
f 2 − (α + 1) f + α Id = 0 .
On pose F = ker( f − Id) et G = ker( f − α Id) .
c) Montrer que F et G sont supplémentaires dans E .
d) Montrer que f est l’affinité par rapport à F , parallèlement à G et de rapport α .

a) F et G sont des sous-espaces vectoriels car noyaux d’endomorphismes.


       
Soit x ∈ F ∩G . On a s (x ) = x et s (x ) = −x donc x = o . Ainsi F ∩G = {o } .
  1    1  
Soit x ∈ E . Posons u = (x + s (x )) et v = (x − s (x )) .
2 2
        
On a x = u + v , s (u ) = u donc u ∈ F et s (v ) = −v donc v ∈ G .
Ainsi F +G = E . F et G sont donc supplémentaires dans E .
     
b) ∀x ∈ E , ∃!(u , v ) ∈ F ×G tel que x = u + v .
    
On a s (x ) = s (u ) + s (v ) = u − v donc x est la symétrie par rapport à F parallèlement à G .
c) F et G sont des sous-espaces vectoriels car noyaux d’endomorphismes.
       
Soit x ∈ F ∩G . On a f (x ) = x et f (x ) = αx donc x = o . Ainsi F ∩G = {o } .
  1    1  
Soit x ∈ E . Posons u = ( f (x ) − αx ) et v = (x − f (x )) .
1− α 1− α
        
On a x = u + v , f (u ) = u donc u ∈ F et f (v ) = αv donc v ∈ G .
Ainsi F +G = E . F et G sont donc supplémentaires dans E .
     
d) ∀x ∈ E , ∃!(u , v ) ∈ F ×G tel que x = u + v .
    
On a f (x ) = f (u ) + f (v ) = u + αv donc f est l’affinité par rapport à F parallèlement à G et de rapport α .

Exercice 45 Soit f ∈ L(E ) tel que f 2 − 4 f + 3I = ɶ0 .


Montrer que ker( f − Id) ⊕ ker( f − 3Id) = E .
Quelle transformation vectorielle réalise f ?
      
Soit x ∈ ker( f − Id) ∩ ker( f − 3 Id) . On a f (x ) = x et f (x ) = 3x donc x = o .
  1    1  
Soit x ∈ E . Posons u = (3x − f (x )) et v = ( f (x ) − x ) .
2 2
    
On a x = u + v avec u ∈ ker( f − Id) et v ∈ ker( f − 3Id) après calculs.
f est l’affinité vectorielle par rapport à F = ker( f − Id) , parallèlement à G = ker( f − 3 Id) et de rapport 3.

Exercice 46 Soient E un K -espace vectoriel et p un projecteur de E . On pose q = Id− p et on considère


L = {f ∈ L(E ) | ∃u ∈ L(E ), f = u
p } et M = {g ∈ L(E ) | ∃v ∈ L(E ), g = v
q } .
Montrer que L et M sont des sous-espaces vectoriels supplémentaires de L(E ) .

ϕ : u ֏ u
p est un endomorphisme de L(E ) donc L = Im ϕ est un sous-espace vectoriel de L(E ) .
ψ : v ֏ v
q est un endomorphisme de L(E ) donc M = Im ψ est un sous-espace vectoriel de L(E ) .
Soit f ∈ L ∩ M . Il existe u , v ∈ L(E ) tels que f = u
p = v
q .

11
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

On a f
p = u
p 2 = u
p = f et f
p = v
q
p = 0 car q
p = 0 donc f = 0 . Ainsi L ∩ M = {0} .
Soit f ∈ L(E ) . On a f = f
Id = f
(p + q ) = f
p + f
q ∈ L + M . Ainsi L(E ) = L + M .
Finalement L et M sont supplémentaires dans L(E ) .

Notions affines

Exercice 47 A quelle condition une translation et un endomorphisme d’un K -espace vectoriel E commutent-
ils ?

Soient f ∈ L(E ) et t = tu où u ∈ E .
        
∀x ∈ E , ( f
t )(x ) = (t
f )(x ) ⇔ f (x ) + f (u ) = f (x ) + u ⇔ f (u ) = u .
Une translation est un endomorphisme commutent ssi le vecteur de translation est invariant par
l’endomorphisme.

Exercice 48 A quelle condition simple le sous-espace affine V = a + F est-il un sous-espace vectoriel ?
 
Si a ∈ F alors V = a + F = F est un sous-espace vectoriel.
    
Inversement, si V est un sous-espace vectoriel alors o ∈V donc il existe b ∈ F tel que o = a + b .
  
On a alors a = −b ∈ F . La condition cherchée et a ∈ F .

 
Exercice 49 Soient V = a + F et W = b +G deux sous-espaces affines d’un ℝ -espace vectoriel E .
 
Montrer que V ∩W ≠ ∅ ⇔ b −a ∈ F +G .
       
(⇒) Supposons V ∩W ≠ ∅ . Soit x ∈V ∩W . On peut écrire x = a + u = b + v avec u ∈ F et v ∈ G .
   
On a alors b −a = u + (−v ) ∈ F +G .
       
(⇐) Inversement, si b −a ∈ F +G alors on peut écrire b −a = u + v avec u ∈ F et v ∈ G .
    
On alors x = a + u = b − v ∈V ∩W .

Exercice 50 Soient V et W deux sous-espaces affines disjoints d’un ℝ -espace vectoriel E .


Montrer qu’il existe deux sous-espaces affines V ′ et W ′ , disjoints, de même direction et
contenant respectivement V et W .
 
V = a + F , W = b +G .
 
Posons V ′ = a + (F +G ) et W ′ = b + (F +G ) .
V ′ et W ′ sont deux sous-espaces affines de même direction contenant respectivement F et G .

Si V ′ ∩W ′ ≠ ∅ . Considérons x ∈V ′ ∩W ′ .
          
On peut écrire x = a + (u + v ) = b + (u ′ + v ′) avec u , u ′ ∈ F et v , v ′ ∈ G .
    
On a alors a + (u − u ′) = b + (v ′ − v ) ∈V ∩W ce qui est exclu car V et W disjoints.
Ainsi V ′ et W ′ sont disjoints.

Exercice 51 Soient C 1 et C 2 deux parties convexes d’un ℝ -espace vectoriel E .


   
Montrer que l’ensemble C formé des milieux des vecteurs u1 et u 2 avec u1 ∈ C 1 et u 2 ∈ C 2 est
convexe.
   
∀λ ∈ [ 0,1] , ∀u , v ∈ C , étudions λu + (1− λ )v .
 1    1      
On peut écrire u = (u1 + u 2 ) et v = (v1 + v 2 ) avec u1 , v1 ∈ C1 et u 2 , v 2 ∈ C2 .
2 2
  1       1  
On observe alors λu + (1− λ )v = (w1 + w 2 ) avec w1 = (λu1 + (1− λ )v1 ) ∈ C1 et w 2 = (λu 2 + (1− λ )v 2 ) ∈ C2 .
2 2
 
Ainsi λu + (1− λ )v ∈ C .

12
Espaces vectoriels || http://mpsiddl.free.fr || david Delaunay

Exercice 52 Soit V une partie non vide d’un ℝ -espace vectoriel E .


Montrer que si tout barycentre d’éléments de V est encore dans V alors V est un sous-espace
affine.
  

{ }
Soit a ∈V et F = b −a / b ∈V . Montrons que F est un sous-espace vectoriel de E , ce qui, puisque

V = a + F assure que V est un sous-espace affine.
  
F ⊂ E , o = a −a ∈ F .
        
∀λ ∈ ℝ , ∀u ∈ F , puisque a ∈V et a + u ∈V on a bar((a ,1− λ ),(a + u , λ )) ∈V i.e. a + λu ∈V et donc

λ.u ∈ F .
           1  
∀u , v ∈ F , a + u ∈V , b + v ∈V donc bar((a + u ,1), (a + v ,1)) ∈V i.e. a + (u + v ) ∈V et donc
2
1    
(u + v ) ∈ F puis u + v ∈ F en vertu de la propriété précédente.
2
Finalement F est un sous-espace vectoriel de E .
david Delaunay http://mpsiddl.free.fr

13
Dimension d’un espace vectoriel

I. Famille de vecteurs
  
Soit E un K -espace vectoriel et n ∈ ℕ . F = (e1 ,…,en ) = (ei )1≤i≤n désigne une famille de vecteurs de E .
Dans le cas n = 0 , on dit que c’est la famille vide.

1°) Sous-espace vectoriel engendré par une famille finie de vecteurs


 
Déf : On appelle combinaison linéaire des vecteurs de F = (ei )1≤i≤n tout vecteur x de E pouvant s’écrire
n
 
x = ∑ λiei avec λ1 ,…, λn bien choisis.
i =1
 
Déf : Soit F = (e1 , …,en ) une famille de vecteurs de E . On appelle sous-espace vectoriel engendré par la
   
famille F le sous-espace vectoriel engendré par {e1 , …,en } . On le note Vect(F ) , Vect(e1 , …,en ) ou

Vect(ei )1≤i ≤n .
Théorème :
   
Si (e1 ,…,en ) est une famille de vecteurs de E alors Vect(e1 , …,en ) est l’ensemble des combinaisons
 
linéaires des e1 , …,en i.e. :
   n  
Vect(e1 ,…,en ) = ∑ λiei / λ1 ,…, λn ∈ K .
 i =1 

2°) Famille génératrice


  
Déf : On dit qu’une famille F = (e1 , …,en ) = (ei )1≤i ≤n de vecteurs de E est génératrice ssi Vect(F ) = E .
 
Prop : Un famille finie (e1 ,…,en ) est génératrice de E ssi tout vecteur de E est combinaison linéaire des
 
vecteurs de (e1 ,…,en ) i.e. :
n
    
∀x ∈ E , ∃(λ1 ,…, λn ) ∈ Kn tel que x = λ1e1 + ⋯ + λnen = ∑ λiei .
i =1

Prop : (principe de réduction de famille génératrice)


       
Si (e1 ,…,en ,en +1 ) est une famille génératrice et en +1 ∈ Vect(e1 ,…,en ) alors la sous-famille (e1 ,…,en ) est
génératrice.

3°) Famille libre, famille liée


   
Déf : Un vecteur u est dit colinéaire à un vecteur v ssi il existe α ∈ K tel que u = αv .
 
Deux vecteurs u et v sont dits colinéaires ssi l’un des deux est colinéaire à l’autre.
  
Déf : On dit qu’une famille (e1 ,…,en ) = (ei )1≤i ≤n de vecteurs de E est libre ssi :
  
∀λ1 ,…, λn ∈ K, λ1e1 + ⋯ + λnen = o ⇒ λ1 = … = λn = 0 .
 
On dit alors que les vecteurs e1 , …,en sont linéairement indépendants.
  
On dit que la famille (e1 ,…,en ) = (ei )1≤i ≤n est liée ssi elle n’est pas libre i.e. :
  
∃λ1 ,…, λn ∈ K, λ1e1 + ⋯ + λnen = o et (λ1 , …, λn ) ≠ (0, …, 0) .
 
Cette égalité vectorielle est alors appelée relation linéaire sur les vecteurs e1 , …,en .
 
Prop : Soit n ≥ 2 et (e1 ,…,en ) une famille de vecteurs de E .
On a équivalence entre :
 
(i) (e1 ,…,en ) est liée,
 
(ii) l’un des vecteurs e1 , …,en est combinaison linéaire des autres.
Prop : (principe d’extension d’une famille libre)
       
Si (e1 ,…,en ) une famille libre et en +1 ∉ Vect(e1 ,…,en ) alors (e1 ,…,en ,en +1 ) est libre.

-1/7-
4°) Base d’un espace vectoriel
  
Déf : Soit B = (ei )1≤i ≤n = (e1 ,…,en ) une famille de vecteurs de E .
On dit que B est une base ssi B est libre et génératrice.

5°) Composantes dans une base


Théorème :
 
Soit E un K -espace vectoriel et possédant une base B = (ei )1≤i ≤n . On a : ∀x ∈ E , ∃!(λ1 , …, λn ) ∈ Kn tel
n
 
que x = ∑ λiei .
i =1

Déf : Avec les notations ci-dessus on dit que les scalaires λ1 ,…, λn sont appelés composantes de x dans B .
Déf : Munir un K -espace vectoriel d’une base B , c’est signifier que les composantes des vecteurs sont
désormais lues dans B .

   λ1 
Déf : Si E est muni d’une base B = (ei )1≤i ≤n , on note parfois x (λ1 , …, λn ) ou x ⋮ pour signifier que x est le
λn
vecteur de composantes λ1 ,…, λn .

Prop : On suppose E muni d’une base B = (ei )1≤i ≤n .

 x1  y1   x1 + y1  αx1
Si x ⋮ et y ⋮ alors (x + y ) ⋮ et ∀α ∈ K , (α.x ) ⋮ .
xn yn x n + yn αx n

6°) Théorème de complétion de la base


Théorème : (de la base incomplète)
Soit E un K -espace vectoriel de dimension finie, L une famille libre et G une famille génératrice.
On peut former une base de E en complétant la famille libre L par des vecteurs bien choisis dans la
famille G .

II. Dimension d’un espace vectoriel

1°) Espace vectoriel de dimension finie


Déf : Un K -espace vectoriel E est dit de dimension finie ssi il possède une famille génératrice finie.
Sinon, il est dit de dimension infinie.
Théorème :
Tout K -espace vectoriel de dimension finie possède au moins une base.
Prop : Dans un K -espace vectoriel de dimension finie :
+ toute famille libre peut être complétée en une base,
+ de toute famille génératrice on peut extraire une base.

2°) Dimension
Théorème :
Soit E un K -espace vectoriel de dimension finie.
Une famille libre de vecteurs de E ne peut avoir plus (au sens strict) de vecteurs qu’une famille
génératrice.
Cor : Les bases d’un K -espace vectoriel E de dimension finie sont toutes constituées du même nombre de
vecteurs.
Déf : Soit E un K -espace vectoriel de dimension finie.
On appelle dimension de E le nombre de vecteurs constituant les bases de E . On le note dimE ou
dim K E .
Convention :
Si E n’est pas de dimension finie, on pose dimE = +∞ .
Prop : Soit E et F deux K -espaces vectoriels de dimensions finies.
E ×F est de dimension finie et dim E ×F = dim E + dim F .

-2/7-
Prop : Soit E un K -espace vectoriel de dimension finie.
E n est un K -espace vectoriel de dimension finie et dim E n = n × dim E .

3°) Construction de bases en dimension connue


Prop : Soit E un K -espace vectoriel de dimension n ∈ ℕ .
1) Toute famille libre a au plus n éléments.
2) Toute famille génératrice a au moins n éléments.
3) Toute base a exactement n éléments.
Théorème :
 
Soit E un K -espace vectoriel de dimension n ∈ ℕ et B = (e1 , …,en ) une famille formée de n = dim E
vecteurs de E .
On a équivalence entre :
(i) B est une base,
(ii) B est une famille libre,
(iii) B est une famille génératrice.

4°) Applications
a) équation différentielle linéaire d’ordre 2 à coefficients constants
Soit p ,q ∈ K . On note E (p ,q ) l’ensemble des fonctions de ℝ vers K solutions de l’équation différentielle
y ′′ + py ′ + qy = 0 .
Prop : E (p,q ) est un K -espace vectoriel de dimension 2.
b) suites récurrentes linéaires d’ordre 2
Soit (p ,q ) ∈ K × K ∗ et (un ) ∈ K ℕ vérifiant ∀n ∈ ℕ, un + 2 + pun +1 + qun = 0 .
Déf : On dit que (un ) est une suite récurrente linéaire d’ordre 2.
Prop : L’ensemble E (p,q ) des suites considérées ci-dessus est un K -espace vectoriel de dimension 2.
Prop : La suite géométrique (r n ) appartient à E (p,q ) ssi r est solution de l’équation r 2 + pr + q = 0 .
Déf : L’équation r 2 + pr + q = 0 d’inconnue r ∈ ℂ est appelée équation caractéristique associée à la relation
de récurrence : un + 2 + pun +1 + qun = 0 .
Cas K = ℂ :
Si ∆ ≠ 0 alors l’équation caractéristique possède deux solutions r et s .
∀u ∈ E (p ,q ), ∃(λ, µ) ∈ ℂ 2 tel que ∀n ∈ ℕ, un = λr n + µs n .
Si ∆ = 0 alors l’équation caractéristique possède une solution double r = − p 2
∀u ∈ E (p ,q ), ∃(λ, µ) ∈ ℂ 2 tel que ∀n ∈ ℕ, un = (λ + µn )r n .
Cas K = ℝ :
Si ∆ > 0 ou ∆ = 0 : comme ci-dessus avec (λ , µ) ∈ ℝ 2 .
Si ∆ < 0 alors l’équation caractéristique possède deux racines complexes conjuguées : z = ρeiθ et ρe−iθ (avec
ρ > 0 et θ ≠ 0 [π ] ).
∀u ∈ E (p ,q ), ∃(λ, µ) ∈ ℝ 2 tel que ∀n ∈ ℕ, un = ρ n (λ cos n θ + µ sin n θ ) .

III. Sous-espace vectoriel de dimension finie

1°) Dimension d’un sous espace vectoriel d’un espace de dimension finie
Théorème :
Soit E un K -espace vectoriel de dimension finie.
Tout sous-espace vectoriel F de E est de dimension finie et dim F ≤ dim E .
De plus si dim F = dim E alors F = E .

-3/7-
En particulier :

Si dim F = 0 alors F = {o } .
Si dim F = 1 alors on dit que F est une droite vectorielle.
   
Pour tout u ∈ F tel que u ≠ o , on a F = Vect(u ) .

On dit que u est un vecteur directeur de F .
Si dim F = 2 alors on dit que F est un plan vectoriel.
   
Pour tout u , v ∈ F non colinéaires, on a F = Vect(u , v ) .
 
On dit que u , v sont des vecteurs directeurs de F .
Si dim F = dim E −1 alors on dit que F est un hyperplan vectoriel de E .

2°) Sous-espace vectoriel supplémentaires en dimension finie


Théorème :
Soit F et G deux sous-espaces vectoriels supplémentaires d’un K -espace vectoriel de dimension finie
E.
On a dim E = dim F + dimG .
Déf : Toute base de E obtenue en concaténant une base de F et une base de G est dite adaptée à la
supplémentarité de F et G .
Théorème :
Soit E un K -espace vectoriel de dimension finie.
Tout sous-espace vectoriel F de E possède au moins un supplémentaire.
Déf : Une telle base est dite adaptée à F .

3°) Théorème des quatre dimensions


Théorème :
Si F et G sont deux sous-espaces vectoriels de dimension finie d’un
K -espace vectoriel E alors F +G et F ∩G sont de dimensions finies et
dim(F +G ) = dim F + dimG − dim F ∩G .

4°) Exploitation de la dimension


Théorème :
Soit F et G deux sous-espaces vectoriels de dimensions finies d’un K -espace vectoriel E .
Si F ⊂ G et dim F = dimG alors F = G .
Théorème :
Soit F et G deux sous-espaces vectoriels d’un K -espace vectoriel E de dimension finie. On suppose
que dim F + dimG = dim E .
On a équivalence entre :
(i) F et G sont supplémentaires dans E ,
(ii) F +G = E ,

(iii) F ∩G = {o } .

5°) Obtention d’une base d’un sous-espace vectoriel


a) sous-espace vectoriel engendré par une famille de vecteurs

Soit F = (ei )1≤i ≤n une famille de vecteurs d’un K -espace vectoriel E .
 
On désire déterminer une base de F = Vect(e1 , …,en ) .
F est une famille génératrice de F , on peut donc en extraire une base de la manière suivante :
Si F est libre alors F est une base.
Sinon, l’un des vecteurs de F est combinaison linéaire des autres, on peut alors retirer celui-ci de la famille
sans perdre le caractère générateur.
Si besoin, on reprend ce processus jusqu’à obtention d’une famille libre donc d’une base de F .
b) sous-espace vectoriel défini par équations
On détermine une base d’un tel sous-espace vectoriel en résolvant les équations de sorte d’exprimer une famille
génératrice.

-4/7-
c) détermination d’un supplémentaire d’un sous-espace vectoriel
Si F est un sous-espace vectoriel non trivial d’un K -espace vectoriel E de dimension finie, on peut déterminer
un supplémentaire de F en complétant une base de F en une base de E car on sait que les vecteurs complétant
génèrent un supplémentaire de F dans E .

6°) Rang d’une famille de vecteurs



Soit F = (ei )1≤i≤p une famille de vecteurs d’un K -espace vectoriel E .
Déf : On appelle rang de la famille F la dimension du sous-espace vectoriel engendré par F . On le note
 
rg(F ) ou rg(e1 , …,ep )
   
Ainsi rg(F ) = rg(e1 , …,ep ) = dim Vect(e1 , …,ep ) .
 
Prop : On a rg(e1 ,…,e p ) ≤ p ,dim E .
Théorème :
+ F est libre ⇔ rg(F ) = p ,
+ F est génératrice ⇔ rg(F ) = dimE ,
+ F est une base ⇔ rg(F ) = p = dim E .
Prop : On ne modifie pas Vect(F ) ni a fortiori rg(F ) lorsque :
+ on retire le vecteur nul de F si celui-ci y apparaît,
+ on permute les vecteurs de F ,
+ on dilate un vecteur par un λ ≠ 0
+ on ajoute à un vecteur une combinaison linéaire des autres.

IV. Applications linéaires en dimension finie


E , F et G désignent des K -espaces vectoriels de dimensions finies.

1°) Image d’une famille de vecteurs



Soit f ∈ L(E , F ) et B = (ei )1≤i ≤n une famille de vecteurs de E .

Déf : On appelle image de la famille B par f , la famille : f (B ) = ( f (ei ))1≤i ≤n .
   
Prop : f (Vect(B )) = Vect( f (B )) i.e. : f (Vect(e1 , …,en )) = Vect( f (e1 ), …, f (en )) .
Théorème :
Si B est libre et f injective alors f (B ) est libre.
Si B est génératrice et f surjective alors f (B ) est génératrice.
Si B est une base et f un isomorphisme alors f (B ) est une base.
Cor : Si V est un sous-espace vectoriel de E alors dim f (V ) ≤ dimV avec égalité lorsque f est injective.
Cor : Si E et F sont deux K -espaces vectoriels de dimensions finies ou non alors :
Si f est injective alors dim E ≤ dim F .
Si f est surjective alors dim F ≤ dim E .
Si f est un isomorphisme alors dim E = dim F .

2°) Rang d’une application linéaire


Déf : On appelle rang de f ∈ L(E , F ) la dimension de l’image de f .
On note rg( f ) = dim Im f .
Prop : Soit f ∈ L(E , F ) . On a rg( f ) ≤ min(n , p ) .
Théorème :
Soit f ∈ L(E , F ) et g ∈ L(F ,G ) . On a rg(g  f ) ≤ min(rg( f ), rg(g )) .
De plus :
Si g injective alors rg(g  f ) = rg( f ) .
Si f surjective alors rg(g  f ) = rg(g ) .
Cor : On ne modifie pas le rang d’une application linéaire en composant avec un isomorphisme.

-5/7-
3°) Théorème du rang
Théorème :
Soit f ∈ L(E , F ) .
1) f réalise un isomorphisme de tout supplémentaire de ker f dans E vers Im f .
2) rg( f ) + dim ker( f ) = dim E .

4°) Théorème d’isomorphisme


Prop : Soit f ∈ L(E , F ) . On a :
f injective ⇔ rg( f ) = dim E ,
f surjective ⇔ rg( f ) = dim F ,
f est un isomorphisme ⇔ rg( f ) = dim E = dim F .
Théorème : (d’isomorphisme)
Soit E et F deux K -espaces vectoriels de dimensions finies tels que : dim E = dim F = n . Soit
f ∈ L(E , F ) . On a équivalence entre :
(i) f est un isomorphisme,
(ii) f est injective,
(iii) f est surjective,
(iv) rg( f ) = n ,
(v) ∃g ∈ L(F , E ), g  f = IdE ,
(vi) ∃h ∈ L(F , E ), f  h = IdF .
De plus si tel est le cas : g = h = f −1 .
En particulier :
Pour F = E , le théorème ci-dessus caractérise les automorphismes de E .

5°) Bases et applications linéaires


Théorème :
 
Soit E un K -espace vectoriel muni d’une base B = (e1 ,…,e p ) .
 
Soit F un K -espace vectoriel et F = (y1 , …, y p ) une famille de vecteurs de F .
 
Il existe une unique application linéaire f ∈ L(E , F ) telle que f (B ) = F i.e. ∀1 ≤ i ≤ p , f (ei ) = yi .
Cor : Une application linéaire est entièrement caractérisée par l’image d’une base.
Théorème :
 
Soit E un K -espace vectoriel muni d’une base B = (e1 ,…,e p ) .
Soit F un K -espace vectoriel de dimension finie et f ∈ L(E , F ) .
 
On a rg( f ) = rg( f (B )) = rg( f (e1 ),…, f (ep )) .
Cor : Par suite :
f est injective ⇔ rg( f ) = dim E ⇔ f (B ) est libre.
f est surjective ⇔ rg( f ) = dim F ⇔ f (B ) est génératrice.
f est bijective ⇔ f (B ) base de F .
Cor : Deux K -espaces vectoriels de dimensions finies sont isomorphes ssi ils ont même dimension.

6°) Expression analytique d’une application linéaire


   
Soit E et F deux K -espaces vectoriels de dimensions finies munis de bases B = (e1 ,…,e p ) et C = ( f1 , …, fn ) .
 
Pour chaque x ∈ E , on convient de noter x1 ,…, x p ses composantes dans B et pour chaque y ∈ F , on convient
de noter y1 , …, yn ses composantes dans C ..
Théorème :
 
Les applications linéaires de E vers F correspondent aux applications f qui envoie x ∈ E sur y ∈ F
donné par :

-6/7-
y1 = a1,1x1 + ⋯ + a1, p x p

⋮

yn = an ,1x1 + ⋯ + an , p x p
avec ai , j ∈ K pour 1 ≤ i ≤ n et 1 ≤ j ≤ p .
Un tel système est appelé expression analytique de l’action de f .
En Particulier :
Quand F = K muni de sa base canonique, on obtient que l’expression analytique d’une forme linéaire f
sur E est de la forme : y = a1x1 + ⋯ + a px p avec a1 ,…,a p ∈ K ,
 
autrement dit ∀x ∈ E , f (x ) = a1x1 + ⋯ + a p x p

7°) Equation d’un hyperplan


Supposons n = dim E ∈ ℕ∗
Prop : Le noyau d’une forme linéaire non nulle est un hyperplan.
Prop : Tout hyperplan peut se voir comme noyau d’une forme linéaire non nulle.
 
On suppose E muni d’une base B = (e1 ,...,en ) .

Pour tout x ∈ E , notons x1 ,..., x n ses composantes dans B .
Théorème :

Les hyperplans de E sont les ensembles H constitués des x ∈ E vérifiant une relation du type
a1x1 + ⋯ + an x n = 0 avec (a1 ,…,an ) ∈ Kn \ {(0,…, 0)} .
Déf : L’équation a1x1 + ⋯ + an x n = 0 est alors appelée équation de l’hyperplan H relative à la base B .

-7/7-
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Sous-espace vectoriel engendré par une famille finie


 
Exercice 1 On considère les vecteurs de ℝ 3 u = (1,1,1) et v = (1, 0, −1) .
 
Montrer que Vect(u , v ) = {(2α, α + β , 2β ) | α, β ∈ ℝ } .
   
{(2α, α + β , 2β ) | α, β ∈ ℝ} = Vect(x , y ) avec x = (2,1, 0) et y = (0,1, 2) .
 1    1          
On a u = (x + y ) et v = (x − y ) donc u , v ∈ Vect(x , y ) puis Vect(u , v ) ⊂ Vect(x , y ) .
2 2
             
Aussi x = u + v et y = u − v donc x , y ∈ Vect(u , v ) puis Vect(x , y ) ⊂ Vect(u , v ) .
Par double inclusion l’égalité.
 
Exercice 2 Dans ℝ 3 , on considère x = (1, −1,1) et y = (0,1,a ) où a ∈ ℝ .

Donner une condition nécessaire et suffisante sur a pour que u = (1,1, 2) appartienne à
       
Vect(x , y ) . Comparer alors Vect(x , y ) , Vect(x , u ) et Vect(y , u ) .

λ = 1 λ = 1
   
u = λx + µy ⇔ −λ + µ = 1 ⇔ µ = 2 .
 
λ + a µ = 2 a = 1 2
     
Ainsi u ∈ Vect(x , y ) ⇔ a = 1 2 et alors u = x + 2y .
       
x , u ∈ Vect(x , y ) donc Vect(x , u ) ⊂ Vect(x , y ) .
       
x , y ∈ Vect(y , u ) donc Vect(x , y ) ⊂ Vect(y , u ) .
       
y , u ∈ Vect(x , u ) donc Vect(y , u ) ∈ Vect(x , u ) .
Finalement les trois espaces sont égaux.

Famille libre

Exercice 3 Les familles suivantes de vecteurs de ℝ 3 sont-elles libres ?


Si ce n’est pas le cas, former une relation linéaire liant ces vecteurs :
   
a) (x1 , x 2 ) avec x1 = (1, 0,1) et x 2 = (1, 2, 2)
     
b) (x1 , x 2 , x 3 ) avec x1 = (1, 0, 0) , x 2 = (1,1,0) et x 3 = (1,1,1)
     
c) (x1 , x 2 , x 3 ) avec x1 = (1, 2,1) , x 2 = (2,1, −1) et x 3 = (1, −1, −2)
     
d) (x1 , x 2 , x 3 ) avec x1 = (1, −1,1) , x 2 = (2, −1,3) et x 3 = (−1,1, −1) .
    
a) oui b) oui c) non x 3 = x 2 − x1 d) non x 3 = −x1 .

Exercice 4 On pose f1 , f2 , f3 , f4 : [0, 2π ] → ℝ les fonctions définies par :


f1 (x ) = cos x , f2 (x ) = x cos x , f3 (x ) = sin x et f4 (x ) = x sin x .
Montrer que la famille ( f1 , f2 , f3 , f4 ) est libre.

Supposons af1 + bf2 + cf3 + df4 = 0 .


On a ∀x ∈ [ 0, π ] , (a + bx ) cos x + (c + dx )sin x = 0 .

{aa +=bπ0 = 0 d’où a = b = 0 .


Pour x = 0 et x = π on obtient le système :

on obtient le système {
π 3π c +dπ 2 = 0
Pour x = et x = d’où c = d = 0 .
2 2 c + 3d π 2 = 0
Finalement la famille étudiée est libre.

Exercice 5 Pour tout entier 0 ≤ k ≤ n , on pose fk : ℝ → ℝ la fonction définie par fk (x ) = ek .x .


Montrer que la famille ( fk )0≤k ≤n est une famille libre de F ( ℝ, ℝ ) .

1
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Supposons λ0 f0 + ⋯ + λn fn = 0 .
On a ∀x ∈ ℝ , λ0 + λ1ex + ⋯ + λn enx = 0 .
Quand x → −∞ , en passant la relation ci-dessus à la limite, on obtient λ0 = 0 .
On a alors ∀x ∈ ℝ , λ1ex + ⋯ + λn enx = 0 donc λ1 + λ2 ex + ⋯ + λn e(n −1)x = 0 .
En reprenant la démarche ci-dessus, on obtient λ1 = 0 , puis de même λ2 = … = λn = 0 .
     
Exercice 6 Soit E un K -espace vectoriel et x , y , z trois vecteurs de E tels que la famille (x , y , z ) soit
libre.
        
On pose u = y + z , v = z + x et w = x + y .
  
Montrer que la famille ( u , v , w ) est libre.
       
Supposons αu + βv + γw = o . On a (β + γ )x + (α + γ )y + (β + γ )z = o .
β + γ = 0
   
Or la famille (x , y , z ) est libre doncα + γ = 0 . Après résolution α = β = γ = 0 .

α + β = 0
Finalement, la famille étudiée est libre.
  
Exercice 7 Soit E un K -espace vectoriel et (u1 ,…, un , un +1 ) une famille de vecteurs de E . Etablir :
       
a) Si (u1 ,…, un ) est libre et un +1 ∉ Vect(u1 ,..., un ) alors (u1 ,…, un , un +1 ) est libre
       
b) Si (u1 ,…, un , un +1 ) est génératrice et un +1 ∈ Vect(u1 , …, un ) alors (u1 ,..., un ) est génératrice.
   
a) Supposons λ1u1 + ⋯ + λn un + λn +1un +1 = o .
     
Si λn +1 ≠ 0 alors un +1 = µ1u1 + ⋯ + µn un avec µi = −λi λn +1 . Ceci est exclu car un +1 ∉ Vect(u1 ,..., un ) .
    
Il reste λn +1 = 0 et on a alors λ1u1 + ⋯ + λn un = o donc λ1 = … = λn = 0 car (u1 ,…, un ) est libre.
       
b) Soit x ∈ E . On peut écrire x = λ1u1 + ⋯ + λn un + λn +1un +1 car (u1 ,…, un , un +1 ) génératrice.
        
Or on peut écrire un +1 = µ1u1 + ⋯ + µn un car un +1 ∈ Vect(u1 , …, un ) , on a donc x = ν1u1 + ⋯ + νn un avec
    
νi = λi + λn +1µi . Ainsi x ∈ Vect(u1 , …, un ) . Finalement (u1 ,..., un ) est génératrice.

 
Exercice 8 Soit (x1 , …, x n ) une famille libre de vecteurs de E et α1 ,…, αn ∈ K .
     
On pose u = α1 .x1 + ⋯ + αn .x n et ∀1 ≤ i ≤ n , yi = x i + u .
 
A quelle condition sur les αi , la famille (y1 ,…, yn ) est-elle libre ?
     
Supposons λ1y1 + ⋯ + λn yn = o . On a (λ1 + α1 (λ1 + ⋯ + λn )).x1 + ⋯ + (λn + αn (λ1 + ⋯ + λn )).x n = o donc
(λ1 + α1 (λ1 + ⋯ + λn )) = 0

⋮

(λn + αn (λ1 + ⋯ + λn )) = 0
En sommant les équations on obtient : (λ1 + ⋯ + λn )(1 + (α1 + ⋯ + αn )) = 0 .
Si α1 + ⋯ + αn ≠ −1 alors λ1 + ⋯ + λn = 0 puis par le système λ1 = ⋯ = λn = 0 .
  
Si α1 + ⋯ + αn = −1 alors α1y1 + ⋯ + αn yn = o .
 
Finalement (y1 ,…, yn ) est libre ssi α1 + ⋯ + αn ≠ −1 .
 
Exercice 9 Soit (e1 ,…,e p ) une famille libre de vecteurs de E .
      
Montrer que pour tout a ∈ E \ Vect(e1 ,…,e p ) , la famille (e1 + a , …,ep + a ) est libre.
       
Supposons λ1 (e1 + a ) + ⋯ + λp (ep + a ) = o . On a λ1e1 + ⋯ + λpe p = −(λ1 + ⋯ + λp ).a .
 
 λ e + ⋯ + λpe p  
Si λ1 + ⋯ + λp ≠ 0 alors a = − 1 1 ∈ Vect(e1 ,…,e p ) . C’est exclu.
λ1 + ⋯ + λp
  
Si λ1 + ⋯ + λp = 0 alors λ1e1 + ⋯ + λpe p = o puis λ1 = … = λp = 0 .

2
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Dimension d’un espace vectoriel

Exercice 10 Soit E l’ensemble des fonctions f : ℝ → ℝ telles qu’il existe a ,b , c ∈ ℝ pour lesquels :
∀x ∈ ℝ , f (x ) = (ax 2 + bx + c ) cos x .
a) Montrer que E est sous-espace vectoriel de F ( ℝ, ℝ ) .
b) Déterminer une base de E et sa dimension.

a) E = Vect( f0 , f1 , f2 ) avec f0 (x ) = cos x , f1 (x ) = x cos x et f2 (x ) = x 2 cos x .


E est donc un sous-espace vectoriel et ( f0 , f1 , f2 ) en est une famille génératrice.
b) Supposons α f0 + β f1 + γ f2 = 0 . On a ∀x ∈ ℝ , (α + βx + γx 2 ) cos x = 0 .
Pour x = 2n π , on obtient α + 2n πβ + 4n 2 π 2 γ = 0 pour tout n ∈ ℕ .
Si γ ≠ 0 alors α + 2n πβ + 4n 2 π 2 γ → ±∞ . C’est exclu. Nécessairement γ = 0 .
On a alors α + 2n πβ = 0 pour tout n ∈ ℕ .
Pour n = 0 , puis n = 1 on obtient successivement α = β = 0 .
Finalement ( f0 , f1 , f2 ) est une famille libre. C’est donc une base de E et dim E = 3

Exercice 11 Soit p ∈ ℕ∗ et E l’ensemble des suites réelles p périodiques i.e. l’ensemble des suites réelles
(un ) telles que ∀n ∈ ℕ, u (n + p ) = u (n ) .
Montrer que E est un ℝ -espace vectoriel de dimension finie et déterminer celle-ci.

E est un sous-espace vectoriel de ℝ ℕ .


1 si n = i [ p ]
Pour tout 0 ≤ i ≤ p −1 , on note ui la suite définie par ui (n ) =  .
0 sinon
La famille (u 0 , …, u p−1 ) est une base de E et par suite dim E = p .

Exercice 12 Soit E = ℝ ℝ . Pour tout n ∈ ℕ , on pose fn : x ֏ x n .


a) Montrer que ( f0 ,…, fn ) est libre.
b) En déduire dimE .

a) Supposons λ0 f0 + ⋯ + λn fn = 0 . On a ∀x ∈ ℝ : λ0 + λ1x + ⋯ + λn x n = 0 .
Si λn ≠ 0 alors λ0 + λ1x + ⋯ + λn x n 
x →+∞
→±∞ c’est absurde.
Nécessairement λn = 0 puis de même λn −1 = … = λ0 = 0 .
Finalement ( f0 ,…, fn ) est libre.
b) Par suite n + 1 ≤ dim E pour tout n ∈ ℕ , donc dim E = +∞

Obtention de base en dimension finie


  
Exercice 13 On pose e1 = (1,1,1) , e 2 = (1,1, 0) et e3 = (0,1,1) .
  
Montrer que B = (e1 ,e 2 ,e3 ) est une base de ℝ 3 .

λ1 + λ2 = 0
    
Supposons λ1e1 + λ2e 2 + λ3e3 = o . On a λ1 + λ2 + λ3 = 0 qui donne λ1 = λ2 = λ3 = 0 .

λ1 + λ3 = 0
La famille B est une famille libre formée de 3 = dim ℝ 3 vecteur de ℝ 3 , c’est donc une base de ℝ 3 .
  
Exercice 14 Soit E un K -espace vectoriel de dimension 3 et B = (e1 ,e 2 ,e3 ) une base de E .
        
On pose ε1 = e 2 + 2e3 , ε2 = e3 −e1 et ε3 = e1 + 2e 2 .
  
Montrer que B ′ = (ε1 , ε2 , ε3 ) est une base de E

3
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

          
Supposons λ1ε1 + λ2 ε2 + λ3 ε3 = o . On a (λ3 − λ2 )e1 + (λ1 + 2λ3 )e2 + (2λ1 + λ2 )e3 = o or (e1 ,e 2 ,e3 ) est libre donc
λ3 − λ2 = 0

λ1 + 2λ3 = 0 puis λ1 = λ2 = λ3 = 0 .

2λ1 + λ2 = 0
La famille B ′ est une famille libre formée de 3 = dim E vecteurs de E , c’est donc une base de E .
  
Exercice 15 Soit E un K -espace vectoriel de dimension 3 et B = (e1 ,e 2 ,e3 ) une base de E .
      
Soit ε1 = e1 + 2e 2 + 2e3 et ε2 = e 2 + e3 .
 
Montrer que la famille (ε1 , ε2 ) est libre et compléter celle-ci en une base de E .
 
Les vecteurs ε1 et ε2 ne sont pas colinéaires donc forme une famille libre.
        
Pour ε3 = e2 (ou encore par exemple ε3 = e 3 mais surtout pas ε3 = e1 ), on montre que la famille (ε1 , ε2 , ε3 ) est
libre et donc une base de E .

Exercice 16 Soit E un K -espace vectoriel muni d’une base B = (e1 , …,en ) .


  
Pour tout i ∈ {1, …, n } , on pose εi = e1 + ⋯ + ei .
 
a) Montrer que B ′ = (ε1 ,…, εn ) est une base de E .
b) Exprimer les composantes dans B ′ d’un vecteur en fonction de ses composantes dans B .

λ1 + λ2 + ⋯ + λn =0
       λ2 + ⋯ + λn =0
a) Supposons λ1ε1 + ⋯ + λn εn = o . On a (λ1 + ⋯ + λn )e1 + ⋯ + λnen = o donc  qui
 ⋮
 λn =0

donne λ1 = … = λn = 0 .
La famille B ′ est une famille libre formée de n = dim E vecteurs de E , c’est donc une base de E .
λ1 + λ2 + ⋯ + λn = µ1  λ1 = µ1 − µ2
 
    λ2 + ⋯ + λn = µ2 ⋮
b) λ1ε1 + ⋯ + λn εn = µ1e1 + ⋯ + µnen donne   puis  λ = µ − µ .
 ⋮  n −1 n −1 n
 λ = µ  λ = µ
 n n  n n

Sous-espace vectoriel de dimension finie

Exercice 17 Soit F ,G deux sous-espaces vectoriels d’un K -espace vectoriel E de dimension finie n ∈ ℕ .
Montrer que si dim F + dimG > n alors F ∩G contient un vecteur non nul.

dim F +G = dim F + dimG − dim F ∩G donc dim F ∩G = dim F + dimG − dim F +G


or dim F +G ≤ dim E = n donc dim F ∩G > 0 . Par suite F ∩G possède un vecteur non nul.
   
Exercice 18 Dans ℝ 4 on considère les vecteurs u = (1, 0,1, 0), v = (0,1, −1, 0), w = (1,1,1,1), x = (0, 0,1, 0) et
     
y = (1,1, 0, −1) . Soit F = Vect (u , v , w ) et G = Vect (x , y ) .
Quelles sont les dimensions de F ,G , F +G et F ∩G ?
  
(u , v , w ) forme une famille libre donc une base de F . Ainsi dim F = 3 .
 
(x , y ) forme une famille libre donc une base de G . Ainsi dimG = 2 .
   
(u , v , w , x ) forme une famille libre donc une base de ℝ 4 . Ainsi F +G = E et dim F +G = 4 .
Enfin dim F ∩G = dim F + dimG − dim F +G = 1 .

4
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Hyperplan

Exercice 19 Soit E un K -espace vectoriel de dimension finie supérieure à 2.


Soit H 1 et H 2 deux hyperplans de E distincts.
Déterminer la dimension de H 1 ∩ H 2 .

H 1 + H 2 est un sous-espace vectoriel de E qui contient H 1 donc dim H 1 + H 2 = n −1 ou n .


Si dim H 1 + H 2 = n −1 alors par inclusion et égalité des dimensions : H 2 = H 1 + H 2 = H 1 .
C’est exclu, il reste dimH 1 + H 2 = n et alors dim H 1 ∩ H 2 = dim H 1 + dim H 2 − dim H 1 + H 2 = n − 2 .

Exercice 20 Soit H un hyperplan et F un sous-espace vectoriel non inclus dans H .


Montrer que dim F ∩ H = dim F −1 .

On a F ⊂ F + H ⊂ E et F ⊄ H donc F + H = E d’où dim F ∩ H = dim F −1 via le théorème des quatre


dimensions.

Exercice 21 Soit F un sous-espace vectoriel de E distinct de E .


Montrer que F peut s’écrire comme une intersection d’un nombre fini d’hyperplans.
Quel est le nombre minimum d’hyperplans nécessaire ?

Posons n = dim E et p = dim F . Soit B = (e1 ,…,e p ) une base de F que l’on complète en (e1 ,…,en ) base de
E . Posons H i = Vect(e1 ,…,eˆi ,…,en ) . Par double inclusion F = H p +1 ∩ … ∩ H n .
On ne peut pas avoir moins d’hyperplans dans cette intersection puisque par récurrence on peut montrer que
l’intersection de q hyperplans est de dimension supérieure à n −q .

Supplémentarité

Exercice 22 Dans ℝ 3 , déterminer une base et un supplémentaire des sous-espaces vectoriels suivants :
   
a) F = Vect(u , v ) où u = (1,1, 0) et v = (2,1,1)
     
b) F = Vect(u , v , w ) où u = (−1,1, 0), v = (2, 0,1) et w = (1,1,1)
c) F = {(x , y , z ) ∈ ℝ 3 / x − 2y + 3z = 0} .
   
a) (u , v ) est libre (car les deux vecteurs ne sont pas colinéaires) et (u , v ) génératrice de F . C’est donc une base
de F .
    
D = Vect(w ) avec w = (1, 0, 0) est un supplémentaire de F car la famille (u , v , w ) est une base de ℝ 3 .
        
b) w = u + v donc F = Vect(u , v ) . (u , v ) est libre (car les deux vecteurs ne sont pas colinéaires) et (u , v )
génératrice de F . C’est donc une base de F .
    
D = Vect(t ) avec t = (1, 0, 0) est un supplémentaire de F car la famille (u , v , t ) est une base de ℝ 3 .
     
c) F = {(2y − 3z , y , z ) / y , z ∈ ℝ } = Vect(u , v ) avec u = (2,1,0) et v = (−3, 0,1) . (u , v ) est libre (car les deux
 
vecteurs ne sont pas colinéaires) et (u , v ) génératrice de F . C’est donc une base de F .
    
D = Vect(w ) avec w = (1, 0, 0) est un supplémentaire de F car la famille (u , v , w ) est une base de ℝ 3 .

Exercice 23 Soit D une droite vectorielle et H un hyperplan d’un K -espace vectoriel E de dimension
n ∈ ℕ∗ . Montrer que si D ⊄ H alors D et H sont supplémentaires dans E .

D + H est un sous-espace vectoriel de E contenant H donc dim D + H = n −1 ou n .


Si dim D + H = n −1 alors par inclusion et égalité des dimensions D + H = H or D ⊂ D + H et D ⊄ H , ceci
est donc exclu. Il reste dimD + H = n d’où D + H = E .
Puisque D + H = E et dim D + dim H = dim E , D et H sont supplémentaires dans E .

Exercice 24 Soit E un K -espace vectoriel de finie n ∈ ℕ∗ , H un hyperplan de E et D une droite


vectorielle de E . A quelle condition H et D sont-ils supplémentaires dans E ?

5
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay


Si D ⊂ H alors H et D ne sont pas supplémentaires car H ∩ D = D ≠ {o } .
Supposons D ⊄ H .
    
Soit x ∈ D ∩ H . Si x ≠ o alors D = Vect(x ) ⊂ H ce qui est exclu. Nécessairement D ∩ H = {o } .
De plus dim H + dim D = dim E donc H ⊕ D = E .

Exercice 25 Soit E un espace vectoriel de dimension finie.


a) Soit H et H ′ deux hyperplans de E . Montrer que ceux-ci possèdent un supplémentaire
commun.
b) Soit F et G deux sous-espaces vectoriels de E tels que dim F = dimG .
Montrer que F et G ont un supplémentaire commun.

a) Si H = H ′ alors n’importe quel supplémentaire de H est convenable et il en existe.


Sinon, on a H ⊄ H ′ et H ′ ⊄ H donc il existe x ∈ H et x ′ ∈ H ′ tels que x ∉ H ′ et x ′ ∉ H .
On a alors x + x ′ ∉ H ∪ H ′ et par suite Vect(x + x ′) est supplémentaire commun à H et H ′ .
b) Raisonnons par récurrence décroissante sur n = dim F = dimG ∈ {0,1, …, dim E } .
Si n = dim E et n = dim E −1 : ok
Supposons la propriété établie au rang n + 1 ∈ {1, …, dim E } .
Soit F et G deux sous-espaces vectoriels de dimension n .
Si F = G alors n’importe quel supplémentaire de F est convenable.
Sinon, on a F ⊄ G et G ⊄ F donc il existe x ∈ F et x ′ ∈ G tels que x ∉ G et x ′ ∉ F .
On a alors x + x ′ ∉ F ∪ G .
Posons F ′ = F + Vect(x + x ′) et G ′ = G + Vect(x + x ′) .
Comme dim F ′ = dimG ′ = n + 1 , par HR, F ′ et G ′ possède un supplémentaire commun H et par suite
H + Vect(x + x ′) est supplémentaire commun à F et G .
Récurrence établie.

Rang d’une famille de vecteurs

Exercice 26 Déterminer le rang des familles de vecteurs suivantes de ℝ 4 :


     
a) (x1 , x 2 , x 3 ) avec x1 = (1,1,1,1), x 2 = (1, −1,1, −1) et x 3 = (1, 0,1,1) .
       
b) (x1 , x 2 , x 3 , x 4 ) avec x1 = (1,1, 0,1), x 2 = (1, −1,1, 0), x 3 = (2, 0,1,1) et x 4 = (0, 2, −1,1) .
     
a) (x1 , x 2 , x 3 ) est libre donc rg(x1 , x 2 , x 3 ) = 3 .
           
b) Comme x 3 = x1 + x 2 et x 4 = x1 − x 2 , on a Vect(x1 , x 2 , x 3 , x 4 ) = Vect(x1 , x 2 ) .
       
Comme (x1 , x 2 ) est libre, on a rg(x1 , x 2 , x 3 , x 4 ) = rg(x1 , x 2 ) = 2 .

1+ x 1− x 1 x
Exercice 27 Dans E = ℝ ]−1,1[ on considère : f1 (x ) = , f2 (x ) = , f3 (x ) = , f4 (x ) = .
1− x 1+ x 1− x 2
1− x 2
Quel est le rang de la famille ( f1 , f2 , f3 , f4 ) ?

1+ x 1− x
f1 (x ) = = f3 (x ) + f4 (x ), f2 (x ) = = f3 (x ) − f4 (x ) donc rg( f1 , f2 , f3 , f4 ) = rg( f1 , f2 ) = 2 car ( f1 , f2 )
2
1− x 1− x 2
est libre.

Exercice 28 Montrer que rg(x1 ,…, x p ) ≥ rg(x1 ,…, x n ) + p − n .

Vect(x1 ,…, x n ) = Vect(x1 ,…, x p ) + Vect(x p +1 ,…, x n ) .


donc rg(x1 ,…, x n ) ≤ rg(x1 , …, x p ) + rg(x p +1 ,…, x n ) ≤ rg(x1 , …, x p ) + n − p .

6
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Applications linéaires en dimension finie

Exercice 29 Justifier qu’il existe une unique application linéaire de ℝ 3 dans ℝ 2 telle que :
f (1, 0, 0) = (0,1) , f (1,1, 0) = (1, 0) et f (1,1,1) = (1,1) .
Exprimer f (x , y , z ) et déterminer noyau et image de f .
  
Posons e1 = (1, 0, 0) , e 2 = (1,1, 0) et e3 = (1,1,1) .
  
Il est immédiat d’observer que (e1 ,e 2 ,e3 ) est une base de E .
Une application linéaire est entièrement caractérisée par l’image des vecteurs d’une base, par suite f existe et
est unique.
  
(x , y , z ) = (x − y )e1 + (y − z )e2 + ze3 donc
  
f (x , y , z ) = (x − y ) f (e1 ) + (y − z ) f (e 2 ) + zf (e3 ) = (y , x − y + z ) .
 
ker f = Vect u avec u = (1, 0, −1) .
Par le théorème du rang dim Im f = 2 et donc Im f = ℝ 2 .

Exercice 30 Soit E un K -espace vectoriel de dimension finie, V un sous-espace vectoriel de E et


f ∈ L(E ) . Montrer que V ⊂ f (V ) ⇒ f (V ) =V .

Si V = {0} : ok
Sinon, soit (e1 ,…,e p ) une base de V . f (V ) = f (Vect(e1 , …,e p )) = Vect( f (e1 ),…, f (e p )) .
Donc f (V ) est un sous-espace vectoriel de E de dimension inférieure à p . Or V ⊂ f (V ) donc dim f (V ) ≥ p et
par suite dim f (V ) = p . Par inclusion et égalité des dimensions : f (V ) =V .
 
Exercice 31 Soit f ∈ L(E , F ) injective. Montrer que pour tout famille (x1 , …, x p ) de vecteurs de E , on a
   
rg( f (x1 ), …, f (x p )) = rg(x1 , …, x p ) .
     
rg( f (x1 ),…, f (x p )) = dim Vect( f (x1 ),…, (x p )) = dim f (Vect(x1 , …, x p ))
       
or f est injective donc dim f (Vect(x1 , …, x p )) = dim Vect(x1 , …, x p ) et ainsi rg( f (x1 ), …, f (x p )) = rg(x1 , …, x p ) .

Exercice 32 Soit E un K -espace vectoriel de dimension n ≥ 1 et f un endomorphisme nilpotent non nul de


E . Soit p le plus petit entier tel que f p = 0 .
    
a) Montrer qu’il existe x ∈ E tel que la famille (x , f (x ), f 2 (x ),…, f p −1 (x )) soit libre.
b) En déduire que f n = 0 .

a) Soit x ∉ ker f p−1 . Il en existe car f p−1 ≠ 0 .
   
Supposons λ0x + λ1 f (x ) + ⋯ + λp −1 f p −1 (x ) = o .
    
En composant par f p−1 la relation ci-dessus, on obtient λ0 f p−1 (x ) = o (car f p (x ) = … = f 2 p−2 (x ) = o )
Il s’en suit λ0 = 0 .
En composant par f p−2 ,…, f 0 la relation initiale, on obtient successivement λ1 = 0 ,..., λp −1 = 0 .
  
La famille (x , f (x ), …, f p−1 (x )) est donc libre.
b) Comme cette famille est libre et composée de p vecteurs en dimension n on a p ≤ n .
Puisque f p = 0 , f n = f n −p f p = 0 .

Exercice 33 Soit E un K -espace vectoriel de dimension finie n ∈ ℕ∗ et f un endomorphisme de E tel qu’il


   
existe un vecteur x 0 ∈ E pour lequel la famille (x 0 , f (x 0 ),…, f n −1 (x 0 )) soit une base de E .
On note C = {g ∈ L(E ) / g f = f g } .
a) Montrer que C est un sous-espace vectoriel de L(E ) .
b) Observer que C = {a 0 Id+ a1 f + ⋯ + an −1 f n −1 | a 0 , …,an −1 ∈ K} .
c) Déterminer la dimension de C .

7
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

a) C ⊂ L(E ) , 0 ∈ C , ∀λ, µ ∈ K , ∀g , h ∈ C on a
f (λg + µh ) = λ ( f g ) + µ( f h ) = λ (g f ) + µ(h f ) = (λg + µh ) f donc λg + µh ∈ C .
b) Soit g = a 0 Id+ a1 f + ⋯ + an −1 f n −1 .
On a g f = a 0 f + a1 f 2 + ⋯ + an −1 f n = f g donc g ∈ C .
Ainsi {a 0 Id+ a1 f + ⋯ + an −1 f n −1 | a 0 ,…,an −1 ∈ K} ⊂ C .
Inversement, soit g ∈ C .
  
Puisque (x 0 , f (x 0 ),…, f n −1 (x 0 )) est une base de E , il existe a 0 ,a1 ,…,an −1 ∈ K tels que :
   
g (x 0 ) = a 0x 0 + a1 f (x 0 ) + ⋯ + an −1 f n −1 (x 0 ) .
Introduisons h = a 0 Id+ a1 f + ⋯ + an −1 f n −1 .
     
g , h ∈ C et g (x 0 ) = h (x 0 ) donc g ( f (x 0 )) = f (g (x 0 )) = f (h (x 0 )) = h ( f (x 0 ))
   
et de manière plus générale : g ( f k (x 0 )) = f k (g (x 0 )) = f k (h (x 0 )) = h ( f k (x 0 )) .
  
Ainsi g et h prennent mêmes valeurs sur la base (x 0 , f (x 0 ),…, f n −1 (x 0 )) donc g = h .
Ainsi C ⊂ {an −1 f n −1 + ⋯ + a1 f + a 0 Id | a 0 ,…,an −1 ∈ K} puis l’égalité.
c) On a C = Vect(Id, f , f 2 , …, f n −1 ) .
    
De plus si a 0 Id+ a1 f + ⋯ + an −1 f n −1 = 0 alors en évaluant en x 0 : a 0x 0 + a1 f (x 0 ) + ⋯ + an −1 f n −1 (x 0 ) = o or la
  
famille (x 0 , f (x 0 ),…, f n −1 (x 0 )) est libre donc a 0 = a1 = ⋯ = an −1 = 0 .
La famille (Id, f , f 2 ,…, f n −1 ) est une famille libre et génératrice de C , c’est donc une base de C .
Par suite dim C = n .
  
Exercice 34 Soit E un K -espace vectoriel et f ∈ L(E ) tel que ∀x ∈ E , les vecteurs x et f (x ) sont
colinéaires.
  
a) Justifier que ∀x ∈ E , ∃λx ∈ K tel que f (x ) = λx .x .
 
b) Montrer que pour tout couple de vecteurs non nuls x et y , on a λx = λy .
   
(indice : on pourra distinguer les cas : (x , y ) liée ou (x , y ) libre.)
c) Conclure que f est une homothétie vectorielle.
 
a) Si x = o alors n’importe quel λx convient..
    
Sinon, la famille (x , f (x )) étant liée, il existe (λ , µ ) ≠ (0, 0) tel que λx + µ f (x ) = o .
   
Si µ = 0 alors λx = o , or x ≠ o donc λ = 0 ce qui est exclu car (λ , µ ) ≠ (0, 0) .
 
Il reste µ ≠ 0 et on peut alors écrire f (x ) = λx x avec λx = −λ µ .
      
b) Cas (x , y ) liée : on peut écrire y = µx avec µ ≠ 0 (car x , y ≠ o ).
      
D’une part f (y ) = λy y = µλy x . D’autre part f (y ) = f (µx ) = µ f (x ) = µλx x .
 
Sachant µ ≠ 0 et x ≠ o , on conclut : λx = λy .
 
Cas (x , y ) libre :
         
D’une part f (x + y ) = λx +y (x + y ) , d’autre part f (x + y ) = f (x ) + f (y ) = λx x + λyy .
   
Ainsi λx +y (x + y ) = λx x + λyy .
 
Par liberté de la famille (x , y ) , on peut identifier les coefficients et on obtient λx = λx +y = λy .
 
c) L’application x ֏ λx est constante sur E \ {o } . Notons λ la valeur de cette constante.
     
On a ∀x ∈ E \ {o } , f (x ) = λx , de plus cette identité vaut aussi pour x = o et donc f = λ Id .

Exercice 35 Soit E un K -espace vectoriel de dimension finie.


Soit f , g ∈ L(E ) tels que f 2 + f g = I .
Montrons que f et g commutent.

On a f ( f + g ) = Id donc par le théorème d’isomorphisme, f + g = f −1 d’où ( f + g ) f = Id qui donne


f g = g f .

8
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Rang d’une application linéaire

Exercice 36 Soit E un K -espace vectoriel de dimension finie et f , g ∈ L(E ) .


Montrer que rg( f + g ) ≤ rg( f ) + rg(g ) puis que rg( f ) − rg(g ) ≤ rg( f − g ) .

On a Im f + g ⊂ Im f + Im g donc
rg( f + g ) ≤ dim(Im f + Im g ) = dim Im f + dim Im g − dim Im f ∩ Im g ≤ rg( f ) + rg(g ) .
rg( f ) = rg( f − g + g ) ≤ rg( f − g ) + rg(g ) donc rg( f ) − rg(g ) ≤ rg( f − g ) .
Donc rg( f ) − rg(g ) ≤ rg( f − g ) puis on conclut par symétrie sachant rg( f − g ) = rg(g − f ) .

Exercice 37 Soit E et F deux K -espaces vectoriels de dimension finie et f ∈ L(E , F ), g ∈ L(F , E ) telles
que f g f = f et g f g = g .
Montrer que f , g , f g et g f ont même rang.

Le rang d’une application linéaire composée est inférieur aux rangs des applications linéaires qui la compose.
D’une part rg( f g ), rg(g f ) ≤ rg( f ), rg(g )
D’autre part rg( f ) = rg( f g f ) ≤ rg(g f ), rg( f g ), rg(g ) et rg(g ) = rg(g f g ) ≤ rg( f )
Ces comparaisons permettent de conclure.

Théorème du rang

Exercice 38 Déterminer une base du noyau et de l’image des applications linéaires suivantes :
a) f : ℝ 3 → ℝ 3 définie par f (x , y , z ) = (y − z , z − x , x − y )
b) f : ℝ 4 → ℝ 3 définie par f (x , y , z , t ) = (2x + y + z , x + y + t , x + z − t )
c) f : ℂ → ℂ définie par f (z ) = z + iz ( ℂ est ici vu comme un ℝ -espace vectoriel).
 
a) u = (x , y , z ) ∈ ker f ⇔ x = y = z . u = (1,1,1) forme une base de ker f .
Par le théorème du rang rg f = dim ℝ 3 − dim ker f = 2 .
 
Soit v = f (1, 0, 0) = (0, −1,1) et w = f (0,1, 0) = (1, 0, −1) vecteurs non colinéaires de Im f .
 
(v , w ) est une famille libre formée de 2 = dim Im f vecteurs de Im f , c’est donc une base de Im f .
   
b) ker f = {(x , y , −2x − y , −x − y )/ x , y ∈ ℝ } = Vect(u , v ) avec u = (1, 0, −2, −1) et v = (0,1, −1, −1) .
 
(u , v ) est une famille libre, elle forme donc une base de ker f , par suite dim ker f = 2 .
Par le théorème du rang : rg f = dim ℝ 4 − dim ker f = 2 .
 
a = f (1, 0, 0, 0) = (2,1,1) ∈ Im f et b = f (0,1, 0, 0) = (1,1, 0) ∈ Im f .
(a ,b ) forme une famille libre formée de 2 = dim Im f vecteurs de Im f , c’est donc une base de Im f .
c) ker f = {z = a + i .b / a ,b ∈ ℝ ,a + b = 0} .
Soit z1 = 1− i , on observe que ker f = Vect(z1 ) , donc (z1 ) forme une base de ker f et dim ker f = 1 .
Par le théorème du rang : rg f = dim ℝ ℂ − dim ker f = 1 .
z 2 = f (1) = 1 + i ∈ Im f , donc (z 2 ) forme une base de Im f car rg f = 1 .

Exercice 39 Soit E un K -espace vectoriel de dimension finie n et f un endomorphisme de E .


Montrer l’équivalence : ker f = Im f ⇔ f 2 = 0 et n = 2 rg( f ) .

(⇒) Si ker f = Im f alors f 2 = 0 car Im f ⊂ ker f .


De plus, par le théorème du rang : dim E = rg f + dim ker f = 2 rg f car dim ker f = dim Im f .
(⇐) Si f 2 = 0 et n = 2 rg( f ) alors d’une part Im f ⊂ ker f et d’autre part, par le théorème du rang :
2 rg f = rg f + dim ker f donc dim Im f = dim ker f . Par inclusion et égalité des dimensions Im f = ker f .

9
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Exercice 40 Soit E un K -espace vectoriel de dimension finie et f ∈ L(E ) tel que rg( f 2 ) = rg( f ) .
a) Etablir Im f 2 = Im f et ker f 2 = ker f .
b) Montrer que Im f et ker f sont supplémentaires dans E .

a. rg( f 2 ) = rg( f ) ⇒ Im f 2 = Im f car on sait Im f 2 ⊂ Im f .


Par le théorème du rang ker f 2 = ker f car on sait ker f ⊂ ker f 2 .
b. Soit x ∈ ker f ∩ Im f .
On peut écrire x = f (a ) . Comme f (x ) = 0 , on a a ∈ ker f 2 = ker f donc x = 0 .
Par le théorème du rang, on conclut.

Exercice 41 Soit E un K -espace vectoriel de dimension finie et f un endomorphisme de E .


Montrer que les assertions suivantes sont équivalentes :
(i) Im f et ker f supplémentaires dans E
(ii) E = Im f + ker f
(iii) Im f 2 = Im f
(iv) ker f 2 = ker f .

(i) ⇒ (ii) : ok
(ii) ⇒ (iii) Supposons E = Im f + ker f .
L’inclusion Im f 2 ⊂ Im f est vraie indépendamment de l’hypothèse.
        
∀y ∈ Im f , ∃x ∈ E tel que y = f (x ) . Or on peut écrire x = u + v avec u ∈ Im f et v ∈ ker f .
   
Puisque u ∈ Im f , on peut écrire u = f (a ) avec a ∈ E . On a alors
     
y = f ( f (a ) + v ) = f 2 (a ) + f (v ) = f 2 (a ) ∈ Im f 2 . Ainsi Im f ⊂ Im f 2 puis l’égalité.
(iii) ⇒ (iv) Supposons Im f 2 = Im f .
Par le théorème du rang : dim E = rg f + dim ker f = rg f 2 + dim ker f 2 donc dim ker f = dim ker f 2 .
De plus l’inclusion ker f ⊂ ker f 2 est toujours vraie.
Par inclusion et égalité des dimensions : ker f = ker f 2 .
(iv) ⇒ (i) Supposons ker f = ker f 2 .
       
Soit y ∈ Im f ∩ ker f . On peut écrire y = f (x ) avec x ∈ E . Or f (y ) = o donc f 2 (x ) = o . Ainsi
    
x ∈ ker f 2 = ker f et par suite y = f (x ) = o . Finalement Im f ∩ ker f = {o } .
De plus, par le théorème du rang dim E = dim Im f + dim ker f donc Im f et ker f sont supplémentaires dans
E.

Exercice 42 Soit E un K -espace vectoriel de dimension finie et f , g ∈ L(E ) tels que f + g bijectif et
g f = ɶ0 . Montrer que rg( f ) + rg(g ) = dim E .

g f = ɶ0 donne Im f ⊂ ker g donc rg( f ) ≤ dim ker g = dim E − rg(g ) . Par suite rg( f ) + rg(g ) ≤ dim E .
f + g bijectif donne Im f + g = E . Or Im f + g ⊂ Im f + Im g d’où dim E ≤ rg( f ) + rg(g ) .

Exercice 43 Soit E un K -espace vectoriel de dimension finie n .


Soit u et v deux endomorphismes de E tels que : E = Im u + Im v = ker u + ker v .
Etablir que d’une part, Im u et Im v , d’autre part ker u et ker v sont supplémentaires dans E .

dim (Im u ∩ Im v ) = rg u + rg v − dim (Im u + Im v ) = rg u + rg v − dim E et


dim (ker u ∩ ker v ) = dim ker u + dim ker v − dim (ker u + ker v ) = dim ker u + dim ker v − dim E
donc en sommant : dim (Im u ∩ Im v ) + dim (ker u ∩ ker v ) = 0 car en vertu du théorème du rang :
dim E = rg u + dim ker u = rg v + dim ker v .

Par suite dim ( Im u ∩ Im v ) = dim (ker u ∩ ker v ) = 0 et donc Im u ∩ Im v = ker u ∩ ker v = {o } .
Les espaces Im u et Im v sont supplémentaires dans E . De même pour ker u et ker v .

10
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

Exercice 44 Soit f , g ∈ L(E ) tels que f + g = Id et rg f + rg g = dim E .


Montrer que f et g sont des projecteurs complémentaires.

∀x ∈ ker f on a f (x ) + g (x ) = x donc g (x ) = x d’où ker f ⊂ Im g .


Par égalité des dimensions ker f = Im g . De même ker g = Im f .
∀x ∈ ker f ∩ Im f , on a x = f (x ) + g (x ) = 0 donc ker f et Im f sont supplémentaires dans E .
Enfin ∀x ∈ Im f , g (x ) = 0 et ∀x ∈ ker f , g (x ) = x d’où g projecteur et f = Id− g son complémentaire.

Exercice 45 Soit E , F deux K -espaces vectoriels de dimension finie et f , g ∈ L(E , F ) .


Im f ∩ Im g = {0}
Montrer que rg( f + g ) = rg( f ) + rg(g ) ⇔ 
ker f + ker g = E

( ⇒ ) Im( f + g ) ⊂ Im f + Im g donc rg( f + g ) ≤ rg( f ) + rg(g ) − dim(Im f ∩ Im g ) puis dim Im f ∩ Im g = 0 .


ker f ∩ ker g ⊂ ker( f + g ) donc dim E − rg( f ) + dim E − rg(g ) − dim ker f + ker g ≤ dim E − rg( f + g ) et alors
dim ker f + ker g ≥ dim E puis ker f + ker g = E .
( ⇐ ) Soit x ∈ Im f + Im g . On peut écrire x = f (a ) + g (b ) avec a ,b ∈ E puis x = f (a ′ + a ′′) + g (b ′ + b ′′) avec
a ′,b ′ ∈ ker f et a ′′,b ′′ ∈ ker g . On a alors x = f (a ′′) + g (b ′) = ( f + g )(a ′′ + b ′) et ainsi x ∈ Im( f + g ) . Par suite
Im f + Im g ⊂ Im( f + g ) et l’autre inclusion étant connue, on a l’égalité Im f + Im g = Im( f + g ) . Par les
dimensions et sachant Im f ∩ Im g = {0} , on peut conclure à rg( f ) + rg(g ) = rg( f + g ) .

Exercice 46 Soit E un K -espace vectoriel de dimension n et F ,G deux sous-espaces vectoriels de E .


Former une condition nécessaire et suffisante sur F et G pour qu’il existe un endomorphisme u
de E tel que Im u = F et ker u = G .

Par le théorème du rang, la condition dim F + dimG = dim E est nécessaire.


Montrons qu’elle est aussi suffisante.
Soit H un supplémentaire de G dans E . On a dim H = dim F = p
     
Soit (ε1 , …, εn ) une base de E telle que (ε1 , …, εp ) soit base de H et (εp +1 ,…, εn ) base de G .
 
Soit (e1 ,…,e p ) une base de F .
Une application linéaire est caractérisée par l’image d’une base.
    
Soit u : E → E définie par : ∀1 ≤ i ≤ p, u (εi ) = ei et ∀p + 1 ≤ i ≤ n , u (εi ) = o .
Par construction, il est clair que F ⊂ Im u et G ⊂ ker u .
Par le théorème du rang et la relation dim F + dimG = dim E , on obtient dim F = rg u et dimG = dim ker u .
Par inclusions et égalités des dimensions : F = Im u et G = ker u .

Exercice 47 Soit E un K -espace vectoriel de dimension n ∈ ℕ .


Montrer qu’il existe un endomorphisme f tel que Im f = ker f ssi n est pair.

Si un tel endomorphisme f existe alors dim E = rg( f ) + dim ker f = 2 rg( f ) donc n est pair.
Inversement si n est pair, n = 2p avec p ∈ ℕ
Si p = 0 , l’endomorphisme nul convient.
 
Si p > 0 , soit B = (e1 , …,e2 p ) une base de E et f ∈ L(E ) défini par :
       
f (e1 ) = o , …, f (ep ) = o , f (e p +1 ) = e1 ,…, f (e 2 p ) = e p .
   
Pour cet endomorphisme, il est clair que Vect(e1 , …,ep ) ⊂ Im f et Vect(e1 ,…,ep ) ⊂ ker f .
Par suite dim Im f , dim ker f ≥ p et par le théorème du rang dim Im f , dim ker f = p .
 
Par inclusion et égalité des dimensions : Im f = Vect(e1 , …,e p ) = ker f .

Exercice 48 Images et noyaux itérés d’un endomorphisme :


Soit E un K -espace vectoriel de dimension finie n ≥ 1 et f un endomorphisme de E .
Pour tout p ∈ ℕ , on pose I p = Im f p et N p = ker f p .
a) Montrer que (I p )p ≥0 est décroissante tandis que (N p )p ≥0 est croissante.

11
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

b) Montrer qu’il existe s ∈ ℕ tel que I s +1 = I s et N s +1 = N s .


c) Soit r le plus petit des entiers s ci-dessus considérés.
Montrer que ∀s ≥ r , I s = I r et N s = N r .
d) Montrer que I r et N r sont supplémentaires dans E .
    
a) ∀y ∈ Im f p +1 , ∃x ∈ E , y = f p +1 (x ) = f p ( f (x )) ∈ Im f p donc I p +1 ⊂ I p .
      
∀x ∈ ker f p , on a f p (x ) = o donc f p +1 (x ) = f (o ) = o puis x ∈ ker f p +1 . Ainsi N p ⊂ N p +1 .
b) La suite dim I p est une suite décroissante d’entiers naturels donc il existe s ∈ ℕ tel que dim I s = dim I s +1 .
Par inclusion et égalité des dimensions, on a alors I s = I s +1 .
De plus, par le théorème du rang : dim N s = dim E − dim I s = dim E − dim I s +1 = dim N s +1 .
Par inclusion et égalité des dimensions, on a alors N s = N s +1 .
c) Montrons par récurrence sur s ≥ r que I s = I r .
La propriété est vraie au rang r .
Supposons la propriété vraie au rang s .
On sait déjà que I s +1 ⊂ I s .
    
∀y ∈ I s , ∃x ∈ E tel que y = f s (x ) = f s −r ( f r (x )) .
     
Or f r (x ) ∈ I r = I r +1 donc ∃u ∈ E tel que f r (x ) = f r +1 (u ) et alors y = f s +1 (u ) ∈ I s +1 .
Ainsi I s +1 = I s puis, par hypothèse de récurrence : I s +1 = I r .
Par le théorème du rang : dim N r + dim I r = dim E = dim N s + dim I s donc par inclusion et égalité des
dimensions : ∀s ≥ r , N s = N r .
     
d) Soit x ∈ I r ∩ N r . Il existe u ∈ E tel que x = f r (u ) et on a f r (x ) = o .
    
Par suite u ∈ N 2r , or N 2r = N r donc x = f r (u ) = o . Par suite I r ∩ N r = {o } .
De plus, par le théorème du rang : dim I r + dim N r = dim E donc I r et N r sont supplémentaires dans E .

Exercice 49 Soit f ∈ L(E ) et F un sous-espace vectoriel de E . Montrer que dim ker f ∩ F ≥ dim F − rg f .

On applique le théorème du rang à la restriction f|F de rang inférieur à rg f .

Exercice 50 Soit E un K -espace vectoriel de dimension finie et f , g ∈ L(E ) .


Soit H un supplémentaire de ker f dans E .
On considère h : H → E la restriction de g f à H .
a) Montrer que ker g f = ker h + ker f .
b) Observer que rg(h ) ≥ rg( f ) − dim ker(g ) .
c) En déduire que dim ker g f ≤ dim ker g + dim ker f .
   
a) Si x ∈ ker h alors x ∈ ker g f et si x ∈ ker f alors x ∈ ker g f donc ker h + ker f ⊂ ker g f .
     
Inversement, soit x ∈ ker g f . On peut écrire x = u + v avec u ∈ H et v ∈ ker f .
     
(g f )(x ) = o donc h (u ) = (g f )(u ) = o d’où x ∈ ker h + ker f .
b) f réalise une bijection de H vers Im f donc rg(h ) = rg(g|Im f )
rg(g |Im f ) + dim ker g Im f = dim Im f donc rg(h ) = rg( f ) − dim ker g|Im f ≥ rg( f ) − dim ker g .
c) dim ker g f ≤ dim ker h + dim ker f .
dim ker h = dim H − rg(h ) ≤ rg( f ) − (rg f − dim ker g ) ≤ dim ker g puis l’inégalité voulue.

Forme linéaire en dimension finie

Exercice 51 Soit E un K -espace vectoriel de dimension n ∈ ℕ∗ et ϕ une forme linéaire non nulle sur E .
 
Montrer que pour tout u ∈ E \ ker ϕ , ker ϕ et Vect(u ) sont supplémentaires dans E .

12
Espaces vectoriels de dimensions finies || http://mpsiddl.free.fr || david Delaunay

   
kerϕ est un hyperplan de E et Vect u une droite car u ≠ o puisque u ∉ ker ϕ .

ker ϕ + Vect(u ) est un sous-espace vectoriel de E contenant ker ϕ , donc de dimension n −1 ou n .
 
Si dim ker ϕ + Vect(u ) = n −1 alors par inclusion et égalité des dimensions : ker ϕ + Vect(u ) = ker ϕ .
  
Or u ∈ ker ϕ + Vect(u ) et u ∉ ker ϕ . Ce cas est donc exclu.
 
Il reste dim ker ϕ + Vect(u ) = n i.e. ker ϕ + Vect(u ) = E .
 
Comme de plus dim ker ϕ + dim Vect(u ) = n −1 + 1 = n = dim E , on peut affirmer que ker ϕ et Vect(u ) sont
supplémentaires dans E .

Exercice 52 Soit E un K -espace vectoriel de dimension n et ( f1 , f2 , …, fn ) une famille de formes linéaires



sur E . On suppose qu’il existe un vecteur x ∈ E non nul tel que pour tout i ∈ {1, …, n } ,

fi (x ) = 0 . Montrer que la famille ( f1 , f2 , …, fn ) est liée dans E ∗ .

Soit ϕ une forme linéaire ne s’annulant pas sur x . Celle-ci n’est pas combinaison linéaire des ( f1 , …, fn ) . Cette
famille n’est donc pas génératrice et par suite elle est liée car formée de n = dim E ∗ éléments de E ∗ .

Exercice 53 Soit f , g ∈ E ∗ telles que ker f = ker g . Montrer qu’il existe α ∈ K tel que f = αg .
 
Si f = 0 : ok. Sinon, on introduit u ∉ ker f de sorte que Vect u et ker f soient supplémentaires puis on
  
introduit α de sorte que f (u ) = αg (u ) avant de conclure via h = f − αg s’annule sur ker f et u .

Exercice 54 Dans ℝ 3 , on considère le sous-espace vectoriel H = {(x , y , z ) ∈ ℝ 3 | x − 2y + 3z = 0} .


   
Soit u = (1, 2,1) et v = (−1,1,1) . Montrer que B = (u , v ) forme une base de H .
 
u , v ∈ H car ces vecteurs vérifient l’équation définissant H .
 
(u , v ) est libre et dim H = 2 car H est un hyperplan de ℝ 3 .
On secoue, hop, hop, le résultat tombe.

Exercice 55 Soit f un endomorphisme de ℝ 3 tel que f 2 = 0 .


Montrer que ∃a ∈ ℝ 3 et ∃ϕ ∈ ( ℝ 3 )∗ tels que ∀x ∈ ℝ 3 on a f (x ) = ϕ (x ).a .

Si f = 0 la propriété est immédiate. Sinon f 2 = 0 donne Im f ⊂ ker f et en vertu du théorème du rang,


dim Im f = 1 . Soit a un vecteur directeur de la droite Im f . Pour tout x ∈ ℝ 3 , il existe un unique α ∈ ℝ tel que
f (x ) = α.x . Posons ϕ (x ) = α ce qui définit ϕ : E → ℝ . f (λx + µy ) = ϕ (λx + µy )a et
f (λx + µy ) = λ f (x ) + µ f (y ) = (λϕ (x ) + µϕ (y ))a avec a ≠ 0 donne la linéarité de ϕ .
david Delaunay http://mpsiddl.free.fr

13
Les fractions rationnelles

I. Le corps des fractions rationnelles

1°) Construction
Déf : On appelle fraction rationnelle à coefficients dans K et en l’indéterminée X tout élément représenté par
un rapport A B formé par A, B ∈ K [X ] avec B ≠ 0 . On note K (X ) l’ensemble de ces éléments.
Déf : Deux fractions rationnelles A B et C D sont dites égales ssi AD = BC .
Déf : Tout polynôme P ∈ K [X ] est dit égal à la fraction rationnelle P 1 ∈ K (X ) . En ce sens K [X ] ⊂ K(X ) .
Déf : Soit F = A B et G = C D deux éléments de K (X ) et λ ∈ K .
λ.A AD + BC AC
On définit les fractions rationnelles λ.F , F +G , FG par : λ.F = , F +G = , FG = .
B BD BD
Théorème :
(K (X ), +,.) est un K -espace vectoriel et (K (X ), +,×) est un corps.

2°) Représentant irréductible


Théorème : ∀F ∈ K (X ), ∃!(P ,Q ) ∈ K [X ] tel que :
2

(1) Q est unitaire


(2) F = P Q .
(3) P et Q sont premiers entre eux.
La fraction P Q est appelée représentant irréductible de F .

3°) Degré
Déf : Soit F ∈ K (X ) de représentant irréductible P Q .
On appelle degré de F le nombre : deg F = deg P − degQ ∈ ℤ ∪ {−∞} .
Prop : Soit F = A B ∈ K (X ) . On a deg F = deg A − deg B .
Prop : Soit F ,G ∈ K (X ) et λ ∈ K .
deg F si λ ≠ 0
deg λ.F =  , deg(F +G ) ≤ max(deg F , degG ) et deg FG = deg F + degG .
−∞ si λ =0

4°) Dérivation
Déf : Soit F ∈ K (X ) de représentant irréductible P Q .
P ′Q − PQ ′
On appelle fraction rationnelle dérivée de F la fraction F ′ = .
Q2
A′ B − AB ′
Prop : Soit F = A B ∈ K (X ) . On a F ′ = .
B2
Prop : Soit F ,G ∈ K (X ) et λ ∈ K . (λF ) ′ = λF ′, (F +G ) ′ = F ′ +G ′, (FG ) ′ = F ′G + FG ′ et
 F ′ F ′G − FG ′
lorsque G ≠ 0 :   =
G  G2
Prop : Soit F ∈ K (X ) tel que F ≠ 0 . On a deg F ′ ≤ deg F −1 .

5°) Racines et pôles d’une fraction rationnelle


Déf : Soit F ∈ K (X ) de représentant irréductible P Q .
On appelle racine de F toute racine de P .
On appelle pôle de F toute racine de Q .

-1/6-
Déf : Soit F ∈ K (X ) de représentant irréductible P Q et a ∈ K .
Si a est racine de F (resp. pôle de F ), la multiplicité de a en tant que racine de P (resp. racine de Q )
est appelée multiplicité de la racine a dans F (resp. du pôle a dans F ).
Prop : Soit F = A B ∈ K (X ) − {0} et a ∈ K .
Posons α, β ∈ ℕ les multiplicités de a en tant que racine de A, B .
Si α > β alors a est racine de F de multiplicité α − β .
Si α = β alors a n’est ni racine, ni pôle de F .
Si α < β alors a est pôle de F de multiplicité β − α .

6°) Evaluation
Déf : Soit F ∈ K (X ) de représentant irréductible P Q et a ∈ K .
On dit que F est définie en a ssi Q (a ) ≠ 0 .
P (a )
On pose alors F (a ) = appelée valeur de F en a .
Q (a )
Prop : Soit F ∈ K (X ) de représentant A B et a ∈ K .
Si B (a ) ≠ 0 alors F est définie en a et F (a ) = A(a ) B (a )
Prop : Soit a ∈ K, F ,G ∈ K (X ) et λ ∈ K .
Si F et G sont définies en a alors λF , F +G , FG et F ′ le sont aussi.

7°) Fonctions rationnelles


Déf : Soit F ∈ K (X ) . On appelle ensemble de définition de F , l’ensemble DF formé des a ∈ K tels que F
définie en a .
Déf : Soit F ∈ K (X ) P Q et D une partie incluse dans DF .
D → K
On appelle fonction rationnelle associée à F définie sur D l’application Fɶ :  .
a ֏ Fɶ (a ) = F (a )
Quand D = DF , on parle simplement de fonction rationnelle associée à F .
Prop : Soit F ,G ∈ K (X ) et D une partie infinie de K .
Si ∀x ∈ D ∩ D ∩ D , Fɶ (x ) = Gɶ (x ) alors F = G .
F G

II. Décomposition en éléments simples

1°) Partie entière


Théorème :
∀F ∈ K (X ), ∃!(E ,G ) ∈ K [X ]× K(X ) tel que :
1) F = E +G ,
2) degG < 0 .
E est alors appelé partie entière de F , on la note E = Ent(F ) .

2°) Partie polaire


Théorème :
Soit F ∈ K (X ) et a un pôle de multiplicité α ∈ ℕ * de F .
∃!(R,G ) ∈ K [X ]× K (X ) tel que :
R
1) F = G + ,
(X −a )α
2) a n’est pas pôle de G ,
3) deg R ≤ α −1 .
R
La fraction est appelée partie polaire de F en a .
(X −a )α

-2/6-
Prop : (décomposition de la partie polaire)
Soit a ∈ K, α ∈ ℕ∗ et R ∈ K α −1 [X ] .
R λα λ2 λ
∃!(λ1 ,..., λα ) ∈ K α tel que = +⋯+ + 1 .
(X −a ) α
(X − a ) α
(X −a ) 2
X −a

3°) Décomposition en éléments simples dans C(X)


Théorème :
Toute fraction rationnelle de ℂ(X ) est égale à la somme de sa partie entière et de ses différentes parties
polaires.
Cor : Pour F ∈ ℂ(X ) de représentant irréductible P Q .
Si la factorisation de Q dans ℂ [X ] est : Q = (X −a1 )α1 … (X −an )αn avec a1 ,...,an deux à deux
distincts.
αi
n λi , j
Les pôles de F sont les ai de multiplicité αi et on peut écrire : F = Ent(F ) + ∑∑ avec
i =1 j =1 (X − a i ) j
λi , j ∈ ℂ .
Cette écriture, qui est unique, est appelée décomposition en éléments simples de F dans ℂ(X ) .

4°) Techniques de DES


a) démarche
Soit F ∈ ℂ(X ) . Pour former la DES de F :
• On exprime F sous forme irréductible P Q .
• On détermine Ent(F ) en réalisant la division euclidienne de P par Q .
• On factorise Q dans ℂ(X ) de sorte de déterminer les pôles de F ainsi que leurs multiplicités.
• On exprime la DES de F à l’aide de coefficients inconnus : a ,b , c ,d ,...
• On détermine ces coefficients par diverses méthodes
b) détermination de la partie polaire relative à un pôle simple
Soit F ∈ ℂ(X ) de représentant irréductible P Q et a un pôle simple de F . Q = (X −a )Qˆ avec Qˆ (a ) ≠ 0 .
P λ
La DES de F permet d’écrire : F = =G + avec G n’ayant pas de pôle en a .
(X −a )Qˆ X −a
P 
En multipliant par X −a puis en évaluant en a on obtient λ =   (a ) .
Qˆ 
c) détermination de la partie polaire relative à un pôle double
Soit F ∈ ℂ(X ) de représentant irréductible P Q et a un pôle double de F . Q = (X −a ) 2Qˆ avec Qˆ (a ) ≠ 0 .
P λ µ
La DES de F permet d’écrire : F = =G + +
(X −a ) 2Qˆ (X − a ) 2 X − a
P 
En multipliant par (X −a ) 2 puis en évaluant en a on obtient λ =   (a ) .
Qˆ 

 P ′
En dérivant la relation précédente puis en évaluant en a : µ =   (a ) .
Qˆ 
d) démarche générale
Soit F ∈ ℂ(X ) de représentant irréductible P Q et a un pôle de multiplicité α de F . Q = (X −a )αQˆ avec
P λα λ
Qˆ (a ) ≠ 0 . La DES de F est de la forme : F = =G + + ⋯+ 1 .
(X −a )αQˆ (X − a ) α X −a
avec G n’ayant pas de pôle en a .

-3/6-
P 
= 0 + λα + 0 . Ainsi λα =   (a ) .
P (a )
En multipliant par (X −a )α puis en évaluant en a :
Qˆ (a ) Qˆ 
λα
On reprend alors le processus avec G = F − qui présente en a un pôle d’ordre < α .
(X −a )α
e) astuces de calculs
exploitation de la parité, évaluation en un point, multipliant le relation de DES par x et faire x → +∞ .

III. Primitives de fonctions rationnelles

dx
1°) Détermination de ∫ x −a ave c a ∈ ℂ

dx
Soit a ∈ ℂ déterminons ∫ x −a .
dx
Si a ∈ ℝ alors ∫ x −a = ln x −a +C
te
.

Si a ∈ ℂ \ ℝ alors on peut écrire a = α + i β avec α, β ∈ ℝ et β ≠ 0 .


1 x − α + iβ x −α β
= = +i
x −a (x − α )2 + β 2 (x − α ) 2 + β 2 (x − α ) 2 + β 2
1 x −α
donne ∫ x −a dx = ln x −a + i arctan β
.

αx + β
2°) Détermination de ∫x 2
+ px + q
dx sur ℝ

Soit α, β ∈ ℝ et p ,q ∈ ℝ tels que p 2 − 4q < 0 .


L’équation x 2 + px + q = 0 n’a pas de racines réelles.
α
(2x + p ) + λ
αx + β α (2x + p ) dx
∫ x 2 + px + q dx = ∫ x 2 + px + q dx = 2 ∫ x 2 + px + q dx + λ ∫ x 2 + px + q
2

2x + b dx
.∫ 2 dx = ln(x 2 + px + q ) +C te , reste à déterminer : ∫ 2
x + px + q x + px + q
 p 4q − p 2  p
2 2

On écrit : x 2 + px + q = x +  + = x +  + δ 2 .


 2 4 
 2
On réalise le changement de variable : u = x + p 2
dx dx du 1 2x + p
∫x 2
+ px + q ∫ 
=
p 
2
=∫ 2
u + δ 2
= arctan
δ 2δ
+C te
x +  + δ 2
 2 

3°) Primitivation de fonctions rationnelles


Soit F ∈ K (X ) , on veut déterminer ∫ F (x )dx sur les intervalles où x ֏ F (x ) est définie.

• On écrit F sous forme irréductible.


• Si on peut écrire F (x ) = x n −1G (x n ) avec G ∈ ℂ(X ) et n ≥ 2 alors on réalise le changement de variable
1
∫ F (x )dx = ∫ x n∫
n −1
t = x n car G (x n )dx = G (t )dt .

• On réalise la DES de F dans ℂ(X ) .


• On primitive chacun des termes de la DES précédente.

-4/6-
IV. Primitivation se ramenant à des fonctions rationnelles
x
1°) Fonctions rationnelles en eαx avec α non nul

Soit F ∈ ℝ (X ) , on veut déterminer ∫ F (e


αx
) dx sur les intervalles où cela a un sens.
1 F (u )du
On réalise le changement de variable u = eαx ,du = αu dx : ∫ F (e ) dx =
α∫
αx
.
u

2°) Fonctions rationnelles en cos x et sin x


On appelle polynôme réels en deux indéterminées X et Y toute expression de la forme
N M
P (X ,Y ) = ∑∑ a p ,q X pY q avec a p ,q ∈ ℝ .
p = 0 q =0

On note ℝ [X ,Y ] l’ensemble de ces polynômes.


On appelle fraction rationnelle réelle en les indéterminées X et Y toute expression de la forme
P (X ,Y )
R (X ,Y ) = avec P ,Q ∈ ℝ [X ,Y ],Q ≠ 0 .
Q (X ,Y )
On note ℝ (X ,Y ) l’ensemble de ces fractions.
Soit R ∈ ℝ (X ,Y ) , on veut déterminer ∫ R(cos x ,sin x )dx sur tout intervalle où x ֏ R (sin x , cos x ) est définie.
On procède par changement de variable.
a) règles de Bioche
Théorème : (Règles de Bioche)
Notons f (x ) = R (cos x ,sin x )
Si f (−x )d(−x ) = f (x )dx alors on pose t = cos x
Si f (π − x )d(π − x ) = f (x )dx alors on pose t = sin x
Si f (x + π )d(x + π ) = f (x )dx alors on pose t = tan x
Le changement de variable proposé transforme alors la détermination de ∫ f (x )dx en la primitivation
d’une fonction rationnelle en t .
b) méthode systématique
Lorsque les règles de Bioche échouent, on peut néanmoins réaliser le changement de variable : t = tan(x 2)
1
pour lequel dt = ... = (1 + t 2 )dx .
2
1− t 2
2t
Sachant cos x = et sin x = on a :
1+ t 2 1+ t 2
 
1− t , 2t  2 dt et on sait poursuivre la détermination.
2

∫ R (cos x ,sin x )dx = ∫ 1 + t 2 1 + t 2  1 + t 2


R

3°) Fonctions rationnelles en ch x et sh x


Soit R ∈ ℝ (X ,Y ) , on veut déterminer ∫ R(ch x ,sh x )dx sur tout intervalle où x ֏ R (ch x ,sh x ) est définie.

a) règles de Bioche
On remplace ch x par cos x et sh x par sin x .
Si les règles de Bioche s’appliquent à la fonction formée et si celles-ci invitent au changement de variable
t = cos x , sin x ou tan x alors on effectue le changement de variable t = ch x , sh x ou th x .
b) méthode systématique
Si les règles de Bioche échouent, on écrit sh x et ch x sous forme exponentielle et on réalise le changement de
variable : t = ex .

-5/6-
ax + b
4°) Fonctions rationnelles en x et n
cx + d
Soit n ∈ ℕ tel que n ≥ 2 et a ,b ,c ,d ∈ ℝ tels que ad −bc ≠ 0 .
 ax + b 
Soit R ∈ ℝ (X ,Y ) , on veut déterminer ∫ R x , n dx sur les intervalles où cela est possible.
 cx + d 
ax + b
On effectue le changement de variable : t = n en commençant par exprimer x en fonction de t .
cx + d
b −dt n n (ad −bc )t n −1  ax + b  b −dt n  n (ad −bc )t n −1
x= , dx = dt puis ∫ R x , n 
dx = ∫ R  n , t  dt .
ct n −a (ct n −a ) 2  cx + d  ct −a  (ct −a )
n 2

En particulier : c = 0 et d = 1
On détermine ∫ R(x , n
ax + b )dx via t = n ax + b .

5°) Fonctions rationnelles en x et ax 2 + bx + c


Soit a ,b , c ∈ ℝ tels que a ≠ 0 et ∆ = b 2 − 4ac ≠ 0 .
Soit R ∈ ℝ (X ,Y ) , on veut déterminer ∫ R(x , ax 2 + bx + c )dx sur tout intervalle où cela est possible.

 b 
2
∆ 
On écrit ax 2 + bx + c sous forme canonique : ax 2 + bx + c = a x +  − 2  .
 2a  4a 

Par un changement de variable affine on peut alors transformer ax 2 + bx + c sous l’une des formes
1 − u 2 , u 2 + 1 ou u 2 − 1 et on réalise alors les changements de variable respectifs :
u = sin t , u = sh t , u = ± ch t .

-6/6-
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

Les fractions rationnelles

Exercice 1 Montrer qu’il n’existe pas de fraction rationnelle F telle que F 2 = X .

Si F est solution alors deg F 2 = 2 deg F = 1 avec deg F ∈ ℤ . C’est impossible.

Exercice 2 Déterminer un supplémentaire de K [X ] dans K (X ) .

Soit V = {F ∈ K(X ) / deg F < 0} . V ⊂ K [X ] , 0 ∈V et ∀λ, µ ∈ K , ∀F ,G ∈V ,


deg(λF + µG ) ≤ max(deg F , degG ) < 0 donc λF + µG ∈V . V est un sous-espace vectoriel.
Clairement V ∩ K [X ] = {0} .
De plus ∀F ∈ K (X ) , F = P +G avec P = Ent(F ) ∈ K [X ] et G ∈V .

Exercice 3 Soit F ∈ K (X ) . Montrer que deg F ′ < deg F −1 ⇒ deg F = 0 .

A A′ B − AB ′
Supposons deg F ′ < deg F −1 . F = et F ′ = .
B B2
Si A ou B sont constants : c’est assez rapide
Sinon : deg F ′ < deg F −1 ⇒ deg(A′ B − AB ′) < deg A′ B = deg AB ′ donc coeff(A′ B ) = coeff(AB ′) d’où
deg A = deg B puis deg F = 0 .

Exercice 4 Soit F ∈ K (X ) de représentant irréductible P Q .


Montrer que F est paire ssi P et Q sont tous deux pairs ou impairs.

Si F est paire alors F (−X ) = F (X ) donc P (−X )Q (X ) = P (X )Q (−X ) .


Q (X ) | P (X )Q (−X ) et P ∧Q = 1 donc Q (X ) | Q (−X ) . De même Q (−X ) | Q (X ) .
Or coeff(Q (X )) = 1 et coeff(Q (−X )) = (−1)n avec n = degQ .
Si n est pair alors Q (−X ) = Q (X ) puis P (−X ) = P (X ) .
Si n est impair alors Q (−X ) = −Q (X ) puis P (−X ) = −P (X ) .


i
Exercice 5 Soit n ∈ ℕ∗ et ω = e n .
a) Soit P ∈ ℂ [X ] un polynôme vérifiant P (ωX ) = P (X ) .
Montrer qu’il existe un polynôme Q ∈ ℂ [X ] tel que P (X ) = Q (X n ) .
n −1
X + ωk
b) En déduire la réduction au même dénominateur de la fraction rationnelle F = ∑ k
.
k =0 X − ω

+∞ +∞ +∞
a) P = ∑ ak X k . P (ωX ) = P (X ) donne ∑a ω X k
k k
= ∑ ak X k puis ∀n ∈ ℕ , ak ω k = ak .
k =0 k =0 k =0
+∞
Par suite ∀k ≠ 0 [n ] , ak = 0 . En posant bℓ = an ℓ et Q = ∑ bℓ X ℓ on a P (X ) = Q (X n ) .
ℓ=0
n −1 k
X +ω P
b) La réduction au même dénominateur de F = ∑ k
donne F = n avec deg P = n .
k =0 X − ω X −1
P (ωX ) P (X )
Comme F (ωX ) = F (X ) on obtient n = puis P (ωX ) = P (X ) .
X −1 X n −1
Par suite P est de la forme P = aX n + b .
En étudiant la partie entière de F on a : a = n .
X n +1
En étudiant la valeur de F en 0 on a : b = n . Par suite F = n n .
X −1

1
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

Racines et pôles

Exercice 6 Soit p et q deux entiers naturels non nuls premiers entre eux.
X p −1
Déterminer les racines et les pôles de F = en précisant les multiplicités respectives.
X q −1

Déterminons les racines communes à X p −1 et X q −1 . Soit ω un telle racines.


On a ω p = ωq = 1 . Puisque p et q sont premiers entre eux, il existe u , v ∈ ℤ tels que pu + qv = 1 .
On a alors ω = ω pu +qv = (ω p )u (ωq )v = 1 . Inversement, 1 est racine commune.
De plus, notons que toutes les racines de X p −1 et X q −1 sont simples.
Les racines de F sont les racines p ème de l’unité autres que 1. Elles sont simples.
Les pôles de F sont les racines q ème de l’unité autres que 1. Ils sont simples.
1 n’est ni pôle, ni racine.

Exercice 7 Soit F ∈ K (X ) .
a) Soit a un zéro d’ordre α ≥ 1 de F . Montrer que a est zéro d’ordre α −1 de F ′ .
b) Comparer les pôles de F et de F ′ , ainsi que leur ordre de multiplicité.
Notons P Q le représentant irréductible de F .
a) Soit a zéro de multiplicité α ≥ 1 . On a P = (X −a )α Pˆ avec Pˆ (a ) ≠ 0 et Q (a ) ≠ 0 .
ˆ + (X −a )Pˆ ′Q − (X −a )PQ
(X −a )α−1 (αPQ ˆ ′)
F′ = 2
.
Q
ˆ + (X −a )Pˆ ′Q − (X −a )PQ
a n’est pas racine de αPQ ˆ ′ , donc a est racine de multiplicité α −1 de F ′ .
b) Soit a pôle de F de multiplicité α . On a P (a ) ≠ 0 et Q = (X −a )αQˆ avec Qˆ (a ) ≠ 0 .
(X −a )P ′Qˆ − αPQˆ − (X −a )PQˆ ′
F′= .
(X −a )α +1Qˆ 2
a n’est pas racine de (X −a )P ′Qˆ − αPQˆ − (X −a )PQˆ ′ , donc a est pôle de multiplicité α + 1 de F ′ .

1
Exercice 8 Montrer qu’il n’existe pas de F ∈ ℂ(X ) telle que F ′ = .
X

Par l’absurde, supposons qu’il existe F ∈ ℂ(X ) telle que F ′ = 1 X .


Notons P Q son représentant irréductible. F ′ = 1 X donne (P ′Q − PQ ′)X = Q 2 .
X divise Q 2 donc 0 est racine de Q 2 et donc a fortiori de Q . Posons α ∈ ℕ∗ sa multiplicité dans Q .
P et Q étant premier entre eux, 0 n’est pas racine de P .
0 est racine de multiplicité α −1 de PQ ′ et racine de multiplicité au moins α de P ′Q donc 0 est racine de
multiplicité exactement α −1 de P ′Q − PQ ′ .
D’autre part 0 est racine de multiplicité 2α de Q 2 = (P ′Q − PQ ′)X .
Par égalité de multiplicité 2α = (α −1) + 1 d’où α = 0 . Absurde.

Décomposition en éléments simples

Exercice 9 Montrer que l’application Ent : K (X ) → K [X ] est linéaire et déterminer son noyau.

Soit λ , µ ∈ K et F ,G ∈ K (X ) . F = Ent(F ) + Fˆ et G = Ent(G ) +Gˆ avec deg Fˆ , degGˆ < 0 .


Puisque λF + µG = λ Ent(F ) + µ Ent(G ) + λFˆ + µGˆ avec deg(λFˆ + µGˆ ) < 0 on a
Ent(λF + µG ) = λ Ent(F ) + µ Ent(G ) . Ainsi Ent est linéaire. ker Ent = {F ∈ K(X ) / deg F < 0} .

2
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

Exercice 10 Effectuer la décomposition en éléments simples des fractions rationnelles suivantes :


X 2 + 2X + 5 X 2 +1 1
a) 2 b) c)
X − 3X + 2 (X −1)(X − 2)(X − 3) X (X −1) 2
2X 1 4
d) e) f)
X 2 +1 X 2 + X +1 (X 2 + 1) 2
3X −1 1 3
g) h) i) .
X (X + 1)2
2
X + X 2 +1
4
(X −1) 2
3

X 2 + 2X + 5 8 13
a) = 1− +
X 2 − 3X + 2 X −1 X − 2
X 2 +1 1 5 5
b) = − +
(X −1)(X − 2)(X − 3) X −1 X − 2 X − 3
1 1 1 1
c) 2
= + 2

X (X −1) X (X −1) X −1
2X 1 1
d) = +
X 2 +1 X − i X + i
1 i 3 i 3
e) 2
=− +
X + X +1 X −j X − j2
4 1 i 1 i
f) =− − − +
(X 2 + 1) 2 (X − i ) 2 X − i (X + i ) 2 X + i
3X −1 1 5 4 5
g) 2 2
=− 2 + − 2

X (X + 1) X X (X + 1) (X + 1)
1 (1− j ) 6 (1− j 2 ) 6 (1− j ) 6 (1− j 2 ) 6
h) 4 2
= + − − .
X + X +1 X −j X −j2 X+j X + j2
i) En exploitant l’astuce F ( j 2 X ) = F ( jX ) = F (X ) :
3 13 23 j2 3 2j 3 j 3 2j 2 3
= − + − + − .
(X 3 −1) 2 (X −1) 2 (X −1) (X − j )2 (X − j ) (X − j 2 )2 (X − j 2 )

n!
Exercice 11 Soit n ∈ ℕ . Former la décomposition en éléments simples de F = .
X (X −1) … (X − n )
n
n! ak n! n! n 
=∑ avec ak = = (−1)n −k = (−1)n −k   .
X (X −1)...(X − n ) k =0 (X − k ) k (k −1)...1.(−1)…(k − n ) k !(n − k )! k 

Applications de la décomposition en éléments simples

1
Exercice 12 Soit la fraction F = .
X (X + 1)
a) Réaliser la décomposition en éléments simples de F .
n
1
b) En déduire une simplification pour n ≥ 1 de ∑ .
k =1 k (k + 1)
n
1
c) Procéder de même pour calculer : ∑ k (k +1)(k + 2) .
k =1

3
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

X + 1− X 1 1
a) F = = − .
X (X + 1) X X + 1
n n
1 1 1 1 n
b) Par télescopage : ∑ k (k + 1) = ∑ k − k +1 = 1− n +1 = n +1 .
k =1 k =1
n
1 12 1 12 1 1 1 1
c) On a
X (X + 1)(X + 2)
= − +
X X +1 X + 2
donc ∑ k (k +1)(k + 2) = 4 − 2n + 2 + 2n + 4 .
k =1

1
Exercice 13 Exprimer la dérivée d’ordre n de .
X (X 2 + 1)
(n )
1 1 12 12  1 
 (−1)n n !
= − − et on sait : =
2
X (X + 1) X X − i (X + i )  X −a  (X −a )n +1
(n )
 1   1 12 1 2 
donc   = (−1)n n ! n − − .
 X (X + 1) 
2
X (X − i )n
(X + i )n 

1
Exercice 14 Soit F = ∈ ℂ(X ) .
X 2 +1
a) En réalisant la DES de F , exprimer F (n ) .
Pn
b) Montrer qu’il existe Pn ∈ ℝ n [X ] tel que F (n ) = .
(X 2 + 1)n +1
c) Déterminer les zéros de Pn .

1  1 1  (n ) (−1)n n ! 1 1 
a) F =  −  , F =  − .
2i  X − i X + i  
2i  (X − i )n +1
(X + i ) 
n +1 

Pn (−1)n n !
b) F (n ) = 2
(X + 1)n +1
avec Pn =
2i
( (X + i )n +1 − (X − i )n +1 ) ∈ ℂ n [X ] .

Mais Pn = Pn donc Pn ∈ ℝ n [X ] .
 k π 
c) Pour x ∈ ℝ : Pn (x ) = 0 ⇔ (x + i )n +1 = (x − i )n +1 ⇔ ∃k ∈ {1,…, n } , x = cot  .
 n + 1
Cela fournit n racines réelles et il n’en peut y en avoir d’autres complexes.

1
Exercice 15 Soit F = .
(X −1)3 (X + 1)3
a) Quelle relation existe entre la partie polaire de F en 1 et celle en −1 .
b) Former la décomposition en éléments simples de la fraction F .
2
c) En déduire un couple (U ,V ) ∈ ℝ [X ] tel que : (X + 1)3U + (X −1)3V = 1 .

a) F (−X ) = F (X ) .
P (X ) −P (−X )
Si 3
est la partie polaire de F en 1, alors est sa partie polaire en −1 .
(X −1) (X + 1)3
1 18 3 16 3 16 18 3 16 3 16
b) = − + − − − .
(X −1)3 (X + 1)3 (X −1)3 (X −1) 2 X −1 (X + 1)3 (X + 1) 2 X + 1
c) En réduisant au même dénominateur :
1 1
U = (2 − 3(X −1) + 3(X −1)2 ) et V = − (2 + 3(X + 1) + 3(X + 1) 2 ) .
16 16

Exercice 16 On pose ωk = e 2ik π / n avec k ∈ {0, …, n −1} .


n −1
1
Simplifier F = ∑ .
k = 0 X − ωk

4
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

P
Après réduction au même dénominateur F = n
avec deg P < n .
X −1
 P (X ) 
∀k ∈ {0, …n −1} ,  n −1  (ωk ) = 1 donc P (ωk ) − n ωkn−1 = 1 .
 nX 
Puisque P − nX n −1 ∈ ℝ n −1 [X ] et possède n racines, c’est le polynôme nul.

Exercice 17 Soit n ∈ ℕ tel que n ≥ 2 et p ∈ {0,1,…, n −1} . On pose pour k ∈ {0,1,…, n −1} ,
 2ik π  n −1
ωkp
ωk = exp  . Mettre sous forme irréductible : ∑ .
 n  k = 0 X − ωk

n −1
ωkp P
∑ X −ω
k =0
= n
X −1
avec deg P < n .
k

P (ωk )
De plus, par décomposition en éléments simples : = ωkp .
(X n −1) ′(ωk )
Par suite on a P (ωk ) = n ωkn −1ωkp = n ωkp −1 .
Ces n relations permettent de reconnaître P puisqu’on sait deg P < n
On obtient : P = nX p−1 si p ≥ 1 ou P = nX n −1 si p = 0 .

n
Exercice 18 Soit n ∈ ℕ∗ et z1 , z 2 ,…, z n ∈ ℂ deux à deux distincts. On pose Q = ∏ (X − z k ) .
k =1

Xp
a) Pour p ∈ {0,1,…, n −1} , exprimer la décomposition en éléments simples de à l’aide des
Q
Q ′(z k ) .
n
z kp
b) En déduire, pour p ∈ {0,1,…, n −1} , la valeur de ∑
k =1 Q ′ (z k )
.

Xp n
λk z kp
a) =∑ avec λk = .
Q k =1 X − z k Q ′(z k )
X p +1 n
λX
b) En multipliant par X , =∑ k puis en remplaçant X par un réel de limite +∞ , on obtient d’un
Q k =1 X − zk
n
z kp
côté ∑
k =1 Q ′(z k )
et de l’autre 1 si p + 1 = n et 0 sinon.

Exercice 19 Soit P ∈ ℂ [X ] un polynôme scindé à racines simples : x1 ,…, x n .


a) Former la DES de 1 P .
n
1 1
b) On suppose P (0) ≠ 0 . Observer : ∑ x P ′(x =−
P (0)
.
k =1 k k)

n
1 1 λi 1
a) = =∑ avec λi = .
P λ (X − x1 ) … (X − x n ) i =1 X − x i ′
P (x i )
n
1 1
b) En évaluant en 0 : ∑ x P ′(x ) = − P (0) .
i =1 i i

Exercice 20 Soit P ∈ ℂ [X ] un polynôme scindé à racines simples : x1 ,…, x n .


a) Former la DES de P ′′ P .
n
P ′′(x k )
b) En déduire que ∑ =0.
k =1 P ′(x k )

5
Les fractions rationnelles || http://mpsiddl.free.fr || david Delaunay

P ′′ P ′′ n
λi P ′′(x i )
a) = =∑ avec λi = .
P λ (X − x1 ) …(X − x n ) i =1 X − x i P ′(x i )
XP ′′ n
b) Puisque deg
P
< 0 on a ∑λ
i =1
i =0.

Exercice 21 Soit a1 , …, an ∈ ℂ deux à deux distincts, α1 ,…, αn ∈ ℂ tels que ∀i , j ∈ {1, 2, …, n } ,ai + αj ≠ 0 .
 x1 x2 xn
 + ⋯+ =1
a1 + α1 a 2 + α1 an + α1

 x1 + x 2 ⋯ + x n = 1
Résoudre le système  a + α a 2 + α2 a n + α2 .
 1 2
 ⋮
 x1 x2 xn
 + ⋯+ =1
a1 + αn a 2 + αn an + αn

n
xi
Soit F = 1− ∑ . Le système équivaut à F (α1 ) = … = F (αn ) = 0 .
i =1 a i + X
n
P
En réduisant F au même dénominateur F = avec P unitaire, deg P = n et Q = ∏ (X + ai ) .
Q i =1

F (α1 ) = … = F (αn ) = 0 implique P = (X − α1 ) … (X − αn )


n
(−1)n ∏ (αk + ai )
k =1
La DES de F donne x i = n
.
∏ (ak −ai )
k =1
k ≠i

david Delaunay http://mpsiddl.free.fr

6
Théorie des ensembles
Les ensembles ont été brièvement présentés en début d’année, ici on étudie ceux-ci de manière plus approfondie.
E , F ,G , H désignent des ensembles.

I. Ensembles

1°) Inclusion
Déf : On dit que E est inclus dans F , et on note E ⊂ F , ssi tout élément de E est aussi élément de F .
Ainsi : E ⊂ F ⇔ ∀x ∈ E , x ∈ F .
Prop : E = F ⇔ E ⊂ F et F ⊂ E .
Prop : E ⊂ F et F ⊂ G ⇒ E ⊂ G ,

2°) Sous ensemble


Déf : On appelle partie (ou sous-ensemble) d’un ensemble E tout ensemble A inclus dans E .
L’ensemble formé des parties de E est noté : P (E ) .

3°) Opérations dans P (E )


Soit A, B ,C trois parties d’un ensemble E .
a) union et intersection A B
Déf : On appelle union de A et B l’ensemble noté A ∪ B formé des éléments de E
qui appartiennent à A ou à B :
Ainsi A ∪ B = {x ∈ E / x ∈ A ou x ∈ B } .
A∪B
Déf : On appelle intersection de A et B l’ensemble noté A ∩ B formé des éléments de E
A B
qui appartiennent à A et à B :
Ainsi A ∩ B = {x ∈ E / x ∈ A et x ∈ B } .
Prop : A ∪ A = A, A ∩ A = A ,
A ∪ E = E ,A ∩ E = A , A∩B
A ∪ ∅ = A, A ∩ ∅ = ∅ ,
A ∪ B = B ∪ A, A ∩ B = B ∩ A ,
A ∪ (B ∪C ) = (A ∪ B ) ∪C noté A ∪ B ∪C ,
A ∩ (B ∩C ) = (A ∩ B ) ∩C noté A ∩ B ∩C ,
A ∪ (B ∩C ) = (A ∪ B ) ∩ (A ∪C ) et
A ∩ (B ∪C ) = (A ∩ B ) ∪ (A ∩C ) .
Prop : Si A ⊂ C et B ⊂ C alors A ∪ B ⊂ C .
Si C ⊂ A et C ⊂ B alors C ⊂ A ∩ B .
b) complémentaire
Déf : On appelle complémentaire d’une partie A de E l’ensemble noté CE A formé
E A
des éléments de E qui ne sont pas dans A .
Ainsi CE A = {x ∈ E / x ∉ A} .
Prop : CE (CE A) = A , CE A
CE (A ∪ B ) = CE A ∩ CE B ,
CE (A ∩ B ) = CE A ∪ CE B ,
A ⊂ B ⇔ CE B ⊂ CE A .
A B
c) différences
Déf : On appelle ensemble A privé de B l’ensemble noté A \ B (ou A − B )
constitué des éléments de E qui sont dans A sans être dans B . Ainsi :
A \ B = {x ∈ E / x ∈ A et x ∉ B } .
A\B

-1/6-
Prop : A \ B = A ∩ CE (B ) . A B
Déf : On appelle différence symétrique de A et B l’ensemble noté A∆B
déterminé par A∆B = (A \ B ) ∪ (B \ A) .
Prop : A∆B = (A ∪ B ) \ (A ∩ B ) ,
A∆B
Prop : A∆A = ∅, A∆∅ = A et A∆E = CE A .
A∆B = B∆A et (A∆B )∆C = A∆(B∆C ) .

4°) Familles
I désigne un ensemble.
a) définition
Déf : On appelle famille d’éléments de E indexée sur I la donnée, pour tout i ∈ I d’un élément de E , noté
par ai . Une telle famille est alors notée (ai )i ∈I .
On note E I l’ensemble des familles d’éléments de E indexées sur I .
Déf : Soit J une partie de I .
(ai )i ∈J est appelée sous famille de (ai )i ∈I .
(ai )i ∈I est appelée sur famille de (ai )i ∈J .
b) famille finie
Déf : Lorsque I est un ensemble fini, on dit que la famille est finie.
Lorsque I = {1,..., n } on note souvent (ai )1≤i ≤n au lieu de (ai )i ∈I .
Cette famille est alors usuellement confondue avec le n uplet : (a1 ,..., an ) .
c) suite
Déf : Lorsque I = ℕ , la famille (an )n ∈ℕ est appelée suite d’éléments de E .
On note E ℕ l’ensemble de ces suites.
d) famille de parties d’un ensemble
Déf : On appelle famille de parties d’un ensemble E , toute famille (Ai )i ∈I formée d’éléments de P (E ) i.e.
telle que ∀i ∈ I , Ai ⊂ E .
Déf : Soit (Ai )i ∈I une famille de parties de E . On pose :
– ∪ A = {x ∈ E / ∃i ∈ I , x ∈ A } appelée union de la famille (A )
i ∈I
i i i i ∈I .

– ∩ A = {x ∈ E / ∀i ∈ I , x ∈ A }
i ∈I
i i appelée intersection de la famille (Ai )i ∈I .

En Particulier : Si I = ∅ alors : ∪ A = ∅ et ∩ A = E .
i ∈I
i
i ∈I
i

Déf : Soit (Ai )i ∈I une famille de parties de E .


On dit que (Ai )i ∈I est un recouvrement de E ssi ∪A = E .
i ∈I
i

Déf : On dit que (Ai )i ∈I est une partition de E ssi c’est un recouvrement formée de parties non vides deux à
deux disjointes.

II. Applications
E F
1°) Définition
a× ×1
Déf : On appelle graphe de E vers F toute partie Γ de E ×F .
E est appelé ensemble de départ et F ensemble d’arrivée du graphe g . b× ×2
c× ×3
Déf : On dit qu’un graphe de E vers F est le graphe d’une application f de E vers
d× ×4
F ssi ∀x ∈ E , ∃!y ∈ F tel que (x , y ) ∈ Γ .
Pour tout x ∈ E , l’unique y ∈ F tel que (x , y ) ∈ Γ est appelé image de x par l’application f , on la note
f (x ) . Pour tout y ∈ F , les x ∈ E , s’il en existe, tels que y = f (x ) sont appelés antécédents de y par
l’application f .

-2/6-
On note f : E → F pour signifier que f est une application de E vers F (définie par l’intermédiaire de
son graphe).
On note F (E , F ) l’ensemble des applications de E vers F .
Prop : Soit f , g : E → F . On a f = g ⇔ ∀x ∈ E , f (x ) = g (x ) .

2°) Composition d’applications


Déf : Soit f : E → F et g : F → G .
On appelle composée de f par g l’application g  f : E → G définie par :
∀x ∈ E , (g  f )(x ) = g ( f (x )) .
f g
E → F →G
Symboliquement :
→
gf

Prop : Soit f : E → F , g : F → G et h : G → H .
On a (h  g )  f = h  (g  f ) encore noté h  g  f .
Prop : Soit f : E → F .
On a f  IdE = f et Id F  f = f .

3°) Injection et surjection


a) injection
Déf : Soit f : E → F . On dit que f est injective ssi f ne prend jamais deux fois la E F
même valeur i.e. : ∀x , x ′ ∈ E , x ≠ x ′ ⇒ f (x ) ≠ f (x ′) . ×
×
Prop : Soit f : E → F et g : F → G . × ×
Si f et g sont injectives alors g  f l’est aussi. × ×
×
b) surjection
Déf : Soit f : E → F . On dit que f est surjective ssi chaque élément de F possède au
E × F
moins un antécédent par f i.e. : ∀y ∈ F , ∃x ∈ E , y = f (x ) . ×
× ×
Prop : Soit f : E → F et g : F → G .
× ×
Si f et g sont surjectives alors g  f l’est aussi.
×
4°) Bijection
a) définition E F
Déf : Soit f : E → F . On dit que f est bijective ssi chaque élément de F possède × ×
un unique antécédent par f dans E i.e. : ∀y ∈ F , ∃!x ∈ E , y = f (x ) . × ×
Prop : Soit f : E → F . On a équivalence entre : × ×
(i) f est bijective,
(ii) f est injective et surjective.
Prop : Soit f : E → F et g : F → G .
Si f et g sont bijectives alors g  f l’est aussi.
b) application réciproque
Prop : Soit f : E → F et g : F → G .
Si g  f est injective alors f est injective.
Si g  f est surjective alors g est surjective.
Théorème :
Soit f : E → F . On a équivalence entre :
(i) f est bijective,
(ii) ∃g ∈ F → E telle que g  f = IdE et f  g = IdF .
De plus, si tel est le cas, l’application g ci-dessus est unique. On l’appelle application réciproque de f et
on la note f −1 .

-3/6-
Cor : Soit f : E → F . Si f est bijective alors on peut introduire f −1 : F → E et on a :
f −1  f = IdE et f  f −1 = IdF .
Cor : Soit f : E → F . Si on détermine g : F → E telle que g  f = IdE et f  g = IdF alors on peut conclure :
f bijective et f −1 = g .
Prop : Soit f : E → F . Si f est bijective alors f −1 est bijective et ( f −1 )−1 = f .
Prop : Soit f : E → F et g : F → G . Si f et g sont bijectives alors g  f aussi (g  f )−1 = f −1  g −1 .
c) permutation
Déf : On appelle permutation de E toute application bijective de E dans E .
On note S(E ) l’ensemble des permutations de E .
Prop : ∀f , g ∈ S(E ), f  g ∈ S(E ) et g  f ∈ S(E ) . ∀f ∈ S(E ), f −1 ∈ S(E ) .
Déf : On appelle involution de E toute application f : E → E telle que f  f = IdE .
Prop : Soit f : E → E . On a équivalence entre :
(i) f est une involution,
(ii) f est bijective et f −1 = f .

5°) Image directe, image réciproque d’une partie.


a) image directe
Déf : Soit f : E → F et A ∈ P (E ) .
On appelle image directe de A par f l’ensemble noté f (A) formé des valeurs prises par f sur A .
Ainsi f (A) = {f (x ) avec x ∈ A} = {f (x ) / x ∈ A} .
Déf : Soit f : E → F . On appelle image de f l’ensemble noté Im f constitué des valeurs prises par f sur E .
Ainsi Im f = f (E ) = {f (x ) / x ∈ E } .
Prop : f : E → F est surjective si et seulement si Im f = F .
b) image réciproque
Déf : Soit f : E → F et B ∈ P (F ) . On appelle image réciproque de B par f l’ensemble noté f −1 (B ) formé
des antécédents des éléments de B . Ainsi f −1 (B ) = {x ∈ E / f (x ) ∈ B } .

6°) Prolongement et restriction d’une application


Déf : Soit E , Eɶ , F , Fɶ quatre ensembles tels que E ⊂ Eɶ et F ⊂ Fɶ .
Soit f : E → F et fɶ : Eɶ → Fɶ .
On dit que fɶ prolonge f ssi ∀x ∈ E , fɶ(x ) = f (x ) .
Déf : Soit f : E → F , A ⊂ E et B ⊂ F telles que ∀x ∈ A, f (x ) ∈ B .
A → B
On appelle restriction de f de A vers B l’application : g :  .
x ֏ g (x ) = f (x )
En particulier :
Soit f : E → F et A ⊂ E .
A → F
L’application restreinte  est appelée restriction de f à A (au départ) et est notée f|A .
x ֏ f (x )
Soit f : E → F et B ⊂ F telle que Im f ⊂ B .
E → B
L’application restreinte  est appelée restriction de f à l’arrivée dans B . On la note
x ֏ f (x )
généralement encore f .

-4/6-
III. Les ensembles finis

1°) Equipotence d’ensembles


Déf : On dit qu’un ensemble E est équipotent à un ensemble F ssi il existe une bijection de E vers F . On
note alors E ≈ F .
Prop : E ≈ E , E ≈ F ⇒ F ≈ E , E ≈ F et F ≈ G ⇒ E ≈ G .
Déf : Un ensemble est dit dénombrable ssi il est équipotent à ℕ .

2°) Cardinal d’un ensemble


Déf : Pour n ∈ ℕ∗ , on note ℕ n = 1, n  = {1, 2,..., n } et ℕ 0 = ∅ .
Théorème :
Soit n , p ∈ ℕ .
S’il existe une injection de ℕ p dans ℕ n alors p ≤ n .
S’il existe une surjection de ℕ p sur ℕ n alors p ≥ n .
S’il existe une bijection de ℕ p vers ℕ n alors p = n .
Déf : On dit qu’un ensemble E est fini ssi ∃n ∈ ℕ, E ≈ ℕ n . En vertu du théorème ci-dessus, cet entier n est
alors unique, on l’appelle cardinal de E et on le note Card E (ou E , # E ). Lorsqu’un ensemble E n’est
pas fini, on dit qu’il est infini et on pose Card E = +∞ .

3°) Cardinal d’une réunion


Prop : Soit A et B deux ensembles disjoints. Si A et B sont finis alors A ∪ B l’est aussi et
Card(A ∪ B ) = Card A + Card B .
Cor : Soit (Ai )1≤i ≤n une famille finie d’ensemble deux à deux disjoints.
n n n
Si ∀1 ≤ i ≤ n , Ai est fini alors ∪A i l’est aussi et Card ∪ Ai = ∑ Card Ai .
i =1 i =1 i =1

Prop : Toute partie d’un ensemble fini est elle-même finie.


Cor : Soit A une partie d’un ensemble fini E , CardC E A = Card E − Card A ,
Card A ≤ Card E avec égalité si et seulement si A = E
Théorème :
Soit A et B deux ensembles.
Si A et B sont finies alors A ∪ B l’est aussi et Card(A ∪ B ) = Card A + Card B − Card(A ∩ B ) .
Cor : Soit (Ai )i ∈I une famille finie d’ensembles.
n n n
Si ∀1 ≤ i ≤ n , Ai est fini alors ∪A i l’est aussi et Card ∪ Ai ≤ ∑ Card Ai .
i =1 i =1 i =1

4°) Applications entre ensembles finis


Théorème :
Soit E et F deux ensembles finis.
S’il existe une injection de E dans F alors Card E ≤ Card F .
S’il existe une surjection de E sur F alors Card E ≥ Card F .
S’il existe une bijection de E vers F alors Card E = Card F .
Prop : Soit E et F deux ensembles et f : E → F . Si A est une partie finie de E alors f (A) est une partie
finie de F et Card f (A) ≤ Card A . De plus, si f est injective, alors Card f (A) = Card A .
Théorème :
Soit E et F deux ensembles finis tels que Card E = Card F .
Toute application injective de E dans F est bijective.
Toute application surjective de E sur F est bijective.
Cor : Soit E un ensemble fini et f : E → E . On a équivalence entre :
(i) f est bijective, (ii) f est injective, (iii) f est surjective.

-5/6-
IV. Dénombrement

1°) Principe des bergers


Théorème :
Soit E un ensemble, F un ensemble fini et ϕ : E → F .
Si ∃p ∈ ℕ tel que ∀y ∈ F , y possède exactement p antécédents par ϕ alors E est fini et
Card E = p.Card F .

2°) Produit cartésien


Théorème :
Si E et F sont deux ensembles finis alors E ×F l’est aussi et Card E ×F = Card E .Card F .
n n n
Cor : Soit E1 ,..., En une liste d’ensembles finis. ∏E
i =1
i = E1 ×...×En est fini et Card ∏ Ei = ∏ Card Ei .
i =1 i =1

3°) Ensembles d’applications


Théorème :
Si E et F sont deux ensembles finis alors F (E , F ) est fini et Card F (E , F ) = (Card F )Card E .

4°) Ensemble de parties


Théorème :
Si E est un ensemble fini alors P (E ) l’est aussi et Card P (E ) = 2Card E .

5°) Permutation
Théorème :
Il y a exactement n ! bijections entre deux ensembles finis à n éléments.
Cor : Si E est un ensemble fini alors S(E ) est fini et Card S(E ) = (Card E )! .

6°) Coefficients combinatoires


Déf : Soit n ∈ ℕ et p ∈ ℤ . On appelle coefficient combinatoire p parmi n le nombre
 n!
n =  p !(n − p )! si 0 ≤ p ≤ n
()
p 

0 sinon

() (
Prop : ∀n ∈ ℕ, ∀p ∈ ℤ, n = n .
p n −p )
p p +1 () ( ) ( )
Prop : Formule du triangle de Pascal : ∀n ∈ ℕ, ∀p ∈ ℤ, n + n = n + 1 .
p +1

() ( )
Prop : ∀n ∈ ℕ ∗ , ∀p ∈ ℤ, p n = n n −1 .
p p −1
Déf : On appelle combinaison de p ∈ ℕ éléments d’un ensemble E toute partie de E à p éléments.
Théorème :
Soit E un ensemble fini à n ∈ ℕ éléments et p ∈ ℕ tel que p ≤ n .

()
Il y a exactement n combinaisons possibles de p éléments de E .
p

()
Autrement dit : il y a exactement n parties à p éléments dans un ensemble à n éléments.
p
n

p =0
p()
Prop : ∀n ∈ ℕ, ∑ n = 2n .

Théorème :
n

k =0
k ()
∀a ,b ∈ ℂ, ∀n ∈ ℕ, (a + b )n = ∑ n a n −kb k .

-6/6-
Eléments de mathématiques

I. Les objets

1°) Ensembles et éléments


Déf : On appelle ensemble toute collection d’objets appelés éléments de cet ensemble. Pour signifier qu’un
élément x appartient à un ensemble E , on écrit x ∈ E . Sinon, on écrit x ∉ E .
Déf : Deux ensembles E et F sont dits égaux ssi ils sont constitués des mêmes éléments. On note
alors E = F .
Déf : On appelle ensemble vide, noté ∅ , l’ensemble constitué d’aucun élément.
Déf : Etant donnés deux ensembles E et F , on appelle intersection de E et F l’ensemble E ∩ F formés des
éléments communs à E et F .
Déf : Etant donnés deux ensembles E et F , on appelle union de E et F l’ensemble E ∪ F formés des
éléments de l’un et l’autre ensemble.

2°) Inclusion
E désigne un ensemble.
Déf : Un ensemble F est dit inclus dans E ssi tout les éléments de F sont aussi éléments de E . On note
alors F ⊂ E .
Déf : On appelle partie (ou sous-ensemble) de E , tout ensemble F dont les éléments sont tous éléments de E .
Déf : On appelle ensemble des parties de E l’ensemble noté P (E ) formé des sous-ensembles de E .

3°) Produit cartésien


a) couple
Déf : A partir de deux éléments a et b , on forme le couple (a ,b ) défini de sorte que : (a ,b ) = (a ′,b ′) ssi a = a ′
et b = b ′ .
Déf : On appelle produit cartésien de E par F l’ensemble formé des couples (a ,b ) avec a dans E et b
dans F . On le note E ×F .
b) multiplet
Déf : A partir d’éléments a1 ,...,an (avec n ∈ ℕ * ), on forme le n uplet (a1 ,...,an ) défini de sorte que :
(a1 ,…,an ) = (a1′,…,an′ ) ssi pour tout i ∈ {1,…, n } , ai = ai′ .
Déf : On appelle produit cartésien des ensembles E1 ,..., En (avec n ∈ ℕ * ) l’ensemble formé des n uplets
(a1 ,...,an ) avec pour tout i ∈ {1,2,…, n } , ai ∈ Ei .
n
On le note E1 ×⋯×En ou encore ∏Ei .
i =1

4°) Fonctions et applications


E et F désignent des ensembles
Déf : Une application (ou fonction) f de E vers F est une « manipulation » qui à chaque élément x de E
associe un et un seul élément y de F .
L’élément y est alors noté f (x ) et est appelé image de x par f .
On note f : E → F pour signifier que f est une application de E vers F .
On note F (E , F ) l’ensemble des applications de E vers F .

II. Notions de logique

1°) Assertion
Déf : On appelle assertion toute phrase mathématique significative susceptible d’être vraie (V) ou fausse (F).
Déf : Deux assertions P et Q ayant mêmes valeurs de vérité sont dites équivalentes et on note P ∼ Q .

-1/3-
Déf : Soit P (x ) une assertion dépendant d’un paramètre x élément de E .
On note {x ∈ E tel que P (x )} ou {x ∈ E / P (x )} le sous ensemble de E formé des éléments x qui
rendent l’assertion P (x ) vraie.

2°) Négation
Soit P une assertion.
Déf : On appelle négation de P , l’assertion notée non(P ) définie comme étant vraie lorsque P non(P )
P est fausse et inversement.
On peut aussi dire que l’assertion non(P ) est définie par la table de vérité : V F
F V
Prop : non(non(P )) ∼ P (le signe ∼ signifie : ont même valeur de vérité).

3°) Conjonction et disjonction


Soit P , Q et R des assertions.
Déf : On appelle conjonction (resp. disjonction) de ces deux assertions, P Q P et Q P ou Q
l’assertion notée P et Q (resp. P ou Q ) définie comme étant
vraie si et seulement si P et Q le sont toutes les deux (resp. V V V V
lorsqu’au moins l’une des deux l’est). V F F V
Prop : non(P et Q ) ∼ non(P ) ou non(Q ) . F V F V
non(P ou Q ) ∼ non(P ) et non(Q ) . F F F F

Prop : P et P ∼ P , P ou P ∼ P .
P et Q ∼ Q et P , P ou Q ∼ Q ou P ,
(P et Q ) et R ∼ P et (Q et R ) (que l’on note alors P et Q et R ),
(P ou Q ) ou R ∼ P ou (Q ou R ) (que l’on note alors P ou Q ou R ),
P et (Q ou R ) ∼ (P et Q ) ou (P et R ) ,
P ou (Q et R ) ∼ (P ou Q ) et (P ou R ) .

4°) Implications
Soit P et Q deux assertions.
Déf : On définit l’assertion P ⇒ Q comme étant vraie ssi Q ne peut pas être
P Q P ⇒Q
fausse quand P est vraie.
En français l’implication est traduite pas les expressions : « si... alors », V V V
« donc », « par suite » etc. V F F
Plus précisément, la valeur de vérité de l’assertion P ⇒ Q est donnée par : F V V
Déf : Lorsque P ⇒ Q est vraie on dit que : F F V
+ P est une condition suffisante (CS) pour Q ,
+ Q est une condition nécessaire (CN) pour P .
Déf : Q ⇒ P est appelée implication réciproque de P ⇒ Q .
Prop : (P ⇒ Q ) = non(P ) ou Q .
Prop : P ⇒ Q = non(Q ) ⇒ non(P ) .
Déf : non(Q ) ⇒ non(P ) est appelée contraposée de P ⇒ Q .
Prop : non(P ⇒ Q ) ∼ P et non(Q ) .

5°) Equivalence
Soit P et Q deux assertions.

-2/3-
Déf : On note P ⇔ Q l’assertion P ⇒ Q et Q ⇒ P .
P Q P ⇒Q Q⇒P P ⇔Q
En français l’équivalence se traduit par les
expressions : « si et seulement si » (ssi), « il faut et il V V V V V
suffit »,... V F F V F
La table de vérité de P ⇔ Q est donnée par : F V V F F
Déf : Lorsque P ⇔ Q est vraie, on dit que P et Q sont F F V V V
équivalentes et que P est un condition nécessaire et
suffisante (CNS) pour Q .
Prop : P ⇔ Q ∼ non(P ) ⇔ non(Q ) .

6°) Quantificateurs
Soit P (x ) une assertion dépendant d’un élément x ∈ E .
Déf : On définit l’assertion ∀x ∈ E , P (x ) comme étant vraie lorsque P (x ) est vraie pour tout x dans E .
Cette assertion se lit : « Quel que soit x dans E on a P (x ) »
Déf : On définit l’assertion ∃x ∈ E , P (x ) comme étant vraie lorsque P (x ) est vraie pour au moins un x
dans E .
Cette assertion se lit : « Il existe x dans E tel que P (x ) ».
Déf : On définit l’assertion ∃!x ∈ E , P (x ) comme étant vraie lorsque P (x ) est vraie pour un et un seul
élément x dans E .
Cette assertion se lit : « Il existe un unique x dans E tel que P (x ) ».
Prop : non( ∀x ∈ E , P (x )) ∼ ∃x ∈ E , non(P (x )) ,
non(∃x ∈ E , P (x )) = ∀x ∈ E , non(P (x )) .
Convention :
Toute assertion commençant par : ∃x ∈ ∅ est fausse.
Par négation : toute assertion commençant ∀x ∈ ∅ est vraie.

III. Raisonnements
Une assertion vraie est appelée énoncé, proposition ou théorème.
La véracité d’une assertion se justifie par une démonstration.
Certaines assertions sont postulées vraies sans démonstration, ce sont les axiomes.

1°) Démonstration d’une assertion


Pour démontrer la véracité d’une assertion P on peut procéder de trois manières :
(1) Montrer que P découle de résultats antérieurs i.e. déterminer un énoncé Q tel que Q ⇒ P soit vraie.
(2) Opérer par disjonction de cas i.e. déterminer un énoncé Q tel que Q ⇒ P et non(Q ) ⇒ P soient vraies.
(3) Raisonner par l’absurde i.e. montrer que non(P ) implique un résultat faux.

2°) Démonstration d’une implication


Pour démontrer la véracité d’une implication P ⇒ Q on peut procéder de deux manières :
(1) Par déduction : on détermine une assertion R telle que : P ⇒ R et R ⇒ Q .
(avec possibilité d’enchaîner plusieurs assertions intermédiaires)
(2) Par contraposée : on établit non(Q ) ⇒ non(P ) .

3°) Démonstration par récurrence


Théorème de récurrence simple :
Soit n 0 ∈ ℕ et P (n ) une assertion dépendant d’un entier n ≥ n 0 .
Si 1) P (n 0 ) est vraie et
2) ∀n ≥ n 0 , P (n ) ⇒ P (n + 1) .
alors ∀n ≥ n 0 , P (n ) est vraie.

-3/3-
Ensemble ordonné

I. Relation d’ordre
E désigne un ensemble.

1°) Définition
Déf : On appelle relation binaire R sur E toute propriété vraie pour certain couples (x , y ) d’éléments de E
et fausse pour les autres.
Lorsqu’un couple (x , y ) vérifie la relation R , on écrit x Ry . Sinon, on écrit x Ry .
Déf : Soit R une relation binaire sur E .
On dit que R est réflexive ssi ∀x ∈ E , x Rx .
On dit que R est symétrique ssi ∀x , y ∈ E , x Ry ⇔ y Rx .
On dit que R est antisymétrique ssi ∀x , y ∈ E , x Ry et y Rx ⇒ x = y .
On dit que R est transitive ssi ∀x , y , z ∈ E , x Ry et y Rz ⇒ x Rz .
Déf : Une relation binaire à la fois réflexive, symétrique et transitive est appelée une relation d’équivalence.
Déf : On appelle relation d’ordre sur un ensemble E , toute relation binaire à la fois réflexive, antisymétrique et
transitive. Une relation d’ordre est usuellement notée  à défaut d’autres notations.

2°) Ensemble ordonné


Déf : On appelle ensemble ordonné tout couple (E ,  ) formé d’un ensemble E et d’une relation d’ordre 
sur E .
Déf : Soit (E , ) un ensemble ordonné.
On appelle ordre inverse associé à  la relation  définie par : x  y ⇔y x .
On appelle ordre strict associé à  la relation ≺ définie par : x ≺ y ⇔ x  y et x ≠ y .

3°) Ordre total, ordre partiel


Déf : Soit (E ,  ) un ensemble ordonné.
Deux éléments x et y de E sont dits comparables ssi x  y ou y  x .
Déf : Soit (E ,  ) un ensemble ordonné.
On dit que l’ordre  est total ssi tous les éléments de E sont deux à deux comparables. On dit alors que
(E , ) est un ensemble totalement ordonné.
Sinon, on parle d’ordre partiel et d’ensemble partiellement ordonné.

4°) Deux relations d’ordre sur R²

II. Relation d’ordre et sous ensembles

1°) Partie minorée, partie majorée


Soit (E , ) un ensemble ordonné et A une partie de E .
Déf : On appelle majorant de A (resp. minorant), s’il en existe, tout élément M ∈ E tel que ∀a ∈ A, a  M
(resp. M  a ). On note Majo(A) (resp. Mino(A) ) l’ensemble de ces éléments.
Déf : La partie A est dite majorée (resp. minorée) ssi elle possède un majorant (resp. minorant). Une partie
majorée et minorée est dite bornée.

2°) Extremum d’une partie


Soit (E , ) un ensemble ordonné et A une partie de E .
Déf : On appelle plus grand élément de A (resp. plus petit élément), s’il en existe, tout élément M ∈ A tel que
∀a ∈ A, a  M (resp. M  a ).
Prop : Si A admet un plus grand élément (resp. plus petit élément) celui-ci est unique. On le note max(A)
(resp. min(A) )

-1/3-
3°) Propriétés fondatrices des nombres entiers
Toute partie non vide et minorée de ℤ possède un plus petit élément.
Toute partie non vide et majorée de ℤ possède un plus grand élément.
Prop : (principe de récurrence)
Soit E ⊂ ℕ .
Si 0 ∈ E et ∀p ∈ ℕ, p ∈ E ⇒ p + 1 ∈ E
alors E = ℕ .
Théorème de récurrence simple :
Soit n 0 ∈ ℕ et P (n ) une assertion dépendant d’un entier n ≥ n 0 .
Si 1) P (n 0 ) est vraie et
2) ∀n ≥ n 0 , P (n ) vraie ⇒ P (n + 1) vraie
alors ∀n ≥ n 0 , P (n ) est vraie.
Théorème de récurrence double :
Soit n 0 ∈ ℕ et P (n ) une assertion dépendant d’un entier n ≥ n 0 .
Si 1) P (n 0 ) et P (n 0 + 1) sont vraies et
2) ∀n ≥ n 0 on a P (n ) et P (n + 1) vraies ⇒ P (n + 2) vraie
alors ∀n ≥ n 0 , P (n ) est vraie.
Théorème de récurrence forte :
Soit n 0 ∈ ℕ et P (n ) une assertion dépendant d’un entier n ≥ n 0 .
Si 1) P (n 0 ) est vraie et
2) ∀n ≥ n 0 on a P (n 0 ),…, P (n ) vraies ⇒ P (n + 1) vraie
alors ∀n ≥ n 0 , P (n ) est vraie.
Théorème de récurrence finie :
Soit n 0 , n1 ∈ ℕ tels que n 0 ≤ n1 et P (n ) une assertion dépendant d’un entier n 0 ≤ n ≤ n1 .
Si 1) P (n 0 ) est vraie et
2) ∀n 0 ≤ n < n1 on a P (n ) vraie ⇒ P (n + 1) vraie
alors ∀n 0 ≤ n ≤ n1 , P (n ) est vraie.

4°) Borne supérieure, borne inférieure


Soit (E , ) un ensemble ordonné et A une partie de E .
Déf : On appelle borne supérieure de A , si elle existe, le plus petit des majorants de A . On la note sup A .
On appelle borne inférieure de A , si elle existe, le plus grand des minorants de A . On la note inf A .
Sous réserve d’existence : sup A = min(Majo (A)) et inf A = max(Mino (A)) .
Prop : Si A admet un plus grand élément alors A admet une borne supérieure et sup A = max A .
Si A admet un plus petit élément alors A admet une borne inférieure et inf A = min A .

5°) Propriétés fondatrices des nombres réels


Toute partie non vide et majorée de ℝ admet une borne supérieure.
Toute partie non vide et minorée de ℝ admet une borne inférieure.
Convention :
Si A est une partie de ℝ non vide et non majorée, on pose sup A = +∞ .
Si A est une partie de ℝ non vide et non minorée, on pose inf A = −∞ .
Si A = ∅ , on pose sup A = −∞ et inf A = +∞ .
Théorème :(réalisation séquentielle d’une borne sup/inf)
Soit A une partie non vide de ℝ .
Il existe (un ) ∈ Aℕ tel que un → sup A ∈ ℝ .
Il existe (vn ) ∈ Aℕ tel que vn → inf A ∈ ℝ .

-2/3-
III. Fonctions et relation d’ordre

1°) Comparaison de fonction


Soit E un ensemble et (F , ) un ensemble ordonné
Déf : On définit une relation binaire notée  sur F (E , F ) par :
f 
g ⇔ ∀x ∈ E , f (x )  g (x ) .
Prop :  est une relation d’ordre sur F (E , F ) .

2°) Monotonie de fonctions


Soit (E , ) , (F , ) et (G , ) trois ensembles ordonnés.
Déf : On dit que f : E → F est croissante (resp. décroissante) ssi
∀x , y ∈ E , x  y ⇒ f (x )  f (y ) (resp. x  y ⇒ f (y )  f (x ) ).
On dit que f : E → F est strictement croissante (resp. décroissante) ssi
∀x , y ∈ E , x ≺ y ⇒ f (x ) ≺ f (y ) (resp. x ≺ y ⇒ f (y ) ≺ f (x ) ).
On dit que f est monotone ssi f est croissante ou décroissante.
Prop : Soit f : E → F et g : F → G .
Si f et g ont même monotonie alors g  f est croissante.
Si f et g sont de monotonies contraires alors g  f est décroissante.
Prop : Soit (un )n ∈ℕ une suite d’éléments de E .
La suite (un ) est croissante (resp. décroissante) ssi ∀n ∈ ℕ, un +1  un (resp. un +1  un ).
La suite (un ) est strictement croissante (resp. décroissante) ssi ∀n ∈ ℕ, un +1 ≺ un (resp. un +1 ≺ un )

3°) Fonction minorée, majorée


Soit E un ensemble, (F , ) un ensemble ordonné.
Déf : On appelle majorant de f : E → F , s’il en existe, tout majorant de Im f i.e. tout élément M ∈ F tel que
∀x ∈ E , f (x )  M .
On appelle minorant de f : E → F , s’il en existe, tout minorant de Im f i.e. tout élément M ∈ F tel que
∀x ∈ E , f (x ) 
M.
La fonction f : E → F est dite majorée (resp. minorée) ssi elle possède au moins un majorant (resp.
minorant).
Une fonction minorée et majorée est dite bornée.

4°) Extremum d’une fonction


Soit E un ensemble et (F , ) un ensemble ordonné.
Déf : On dit que f : E → F admet un maximum en a ∈ E ssi ∀x ∈ E , f (x )  f (a ) .
f (a ) apparaît alors comme étant le plus grand élément de Im f , on l’appelle maximum de f et on le
note max f ou max f (x ) .
x ∈E

On dit que f admet un minimum en a ∈ E ssi ∀x ∈ E , f (x )  f (a ) .


f (a ) apparaît alors comme étant le plus petit élément de Im f , on l’appelle minimum de f et on le note
min f ou min f (x ) .
x ∈E

On appelle extremum, un minimum ou un maximum d’une fonction.

5°) Borne supérieure et borne inférieure d’une fonction


Soit E un ensemble.
Déf : On appelle borne supérieure (resp. inférieure) de f : E → ℝ , si elle existe, la borne supérieure (resp.
inférieure) de Im f . On la note sup f ou sup f (x ) (resp. inf f ou inf f (x ) ).
x ∈E x ∈E

-3/3-
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

Nombres entiers

Exercice 1 Soit P = {2k | k ∈ ℤ} et I = {2k + 1| k ∈ ℤ} les ensembles formés respectivement des entiers
pairs et impairs. Montrer que P ∩ I = ∅ .

Par l’absurde. Si P ∩ I ≠ ∅ , considérons x ∈ P ∩ I .


Comme x ∈ P : ∃k ∈ ℤ, x = 2k . Comme x ∈ I : ∃ℓ ∈ ℤ, x = 2ℓ + 1 .
Par suite 2k = 2ℓ + 1 puis 1 2 = (ℓ − k ) ∈ ℤ . Absurde
L’erreur de raisonnement classique est de décrire x comme un nombre pair et impair en prenant le même entier
k.

Exercice 2 Montrer qu’il n’existe pas de suite strictement décroissante d’entiers naturels.
Par l’absurde, supposons que (un ) soit une telle suite.
A = {un / n ∈ ℕ} est une partie non vide de ℕ , elle possède donc un plus petit élément m .
Puisque m ∈ A , il existe n ∈ ℕ tel que m = un . Mais alors un +1 < un ≤ m = min A . Absurde.

Principe de récurrence

 1 
Exercice 3 Soit (un ) une suite réelle telles que u 0 = 1 et ∀n ∈ ℕ, un +1 = 1 + u .
 n + 1 n
Donner l’expression du terme général un de cette suite.

u 0 = 1 , u1 = 2 , u 2 = 3 ,...
Par récurrence, on montre aisément ∀n ∈ ℕ, un = n + 1 .

Exercice 4 Soit (un ) la suite réelle déterminée par u 0 = 2, u1 = 3 et ∀n ∈ ℕ, un +2 = 3un +1 − 2un .


Montrer que ∀n ∈ ℕ, un = 2n + 1 .

Par récurrence double.


Pour n = 0 et n = 1 : ok
Supposons la propriété établie aux rangs n et n + 1 (avec n ≥ 0 ).
un + 2 = 3un +1 − 2un = 3.2n +1 + 3 − 2.2n − 2 = 2n + 2 + 1 .
HR
Récurrence établie

1 1 3n
Exercice 5 Montrer que ∀n ∈ ℕ \ {0,1} ,1 + 2
+⋯+ 2 > .
2 n 2n + 1
Par récurrence sur n ≥ 2 .
Pour n = 2 ok.
Supposons la propriété établie au rang n ≥ 2 .
1 1 3n 1 3(n + 1)
1+⋯+ 2 + 2
≥ + 2
≥ .
n (n + 1) HR 2n + 1 (n + 1) ? 2n + 3
Vérifions l’inégalité proposée :
3n 1 3(n + 1) n 2 + 2n
+ 2
− = ≥0 .
2n + 1 (n + 1) 2n + 3 (2n + 1)(n + 1) 2 (2n + 3)
Récurrence établie.

Exercice 6 Montrer que ∀n ∈ ℕ ∗ ,1!3!… (2n + 1)! ≥ ((n + 1)!)n +1 .

1
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

Par récurrence sur n ≥ 1 .


Pour n = 1 : ok
Supposons la propriété établie au rang n ≥ 1 .
1!3!… (2n + 1)!(2n + 3)! ≥ ((n + 1)!)n +1 (2n + 3)!≥((n + 2)!)n + 2 .
HR ?

Vérifions l’inégalité proposée :


((n + 1)!)n +1 (2n + 3)! (2n + 3)! (n + 2)(n + 3) … (2n + 3)
n +2
= n +2
= ≥1 .
((n + 2)! (n + 1)!(n + 2) (n + 2)(n + 2) … (n + 2)
Récurrence établie.

Exercice 7 Le raisonnement suivant est erroné :


Montrons, par récurrence sur n ∈ ℕ∗ , la propriété :
P (n ) = n points deux à deux distincts quelconques du plan sont toujours alignés.
Pour n = 1 et n = 2 , la propriété est vraie.
Supposons la propriété établie au rang n ≥ 2 .
Considérons alors n + 1 points deux à deux distincts A1 , A2 , …, An , An +1 .
(HR) Les points A1 , A2 , …, An sont alignés sur une droite D .
(HR) Les points A2 ,…, An , An +1 sont alignés sur une droite D ′ .
Or D et D ′ contiennent les deux points distincts A2 et An , donc D = D ′ .
Par suite A1 , A2 , …, An , An +1 sont alignés sur la droite D = D ′ .
Récurrence établie.
Où est l’erreur ?
A l’avant dernière ligne, pour que A2 et An soient distincts, il est nécessaire que n ≥ 3 .
L’hérédité de la récurrence ne s’enchaîne alors plus avec l’initialisation.

Exercice 8 On se propose d’établir ∀n ∈ ℕ∗ , ∃(p ,q ) ∈ ℕ 2 tel que n = 2p (2q + 1) en procédant de deux


manières :
a) 1ère méthode : Pour n ∈ ℕ∗ fixé, on pose A = {m ∈ ℕ / 2m | n } .
Montrer que A admet un plus grand élément p et que pour celui-ci on peut écrire
n = 2p (2q + 1) avec q ∈ ℕ .
b) 2ème méthode : Procéder par récurrence forte sur n ∈ ℕ∗

a) A est une partie de ℕ , non vide car m = 0 ∈ A et majorée car 2m | n ⇒ 2m ≤ n ⇒ m ≤ log 2 n donc A
possède un plus grand élément p .
Puisque p ∈ A , 2p | n ce qui permet d’écrire n = 2p k .
Puisque p + 1 ∉ A , 2 |k et donc k est impair de la forme 2q + 1 avec q ∈ ℕ .
b) Pour n = 1 : p = q = 0 conviennent.
Supposons la propriété établie jusqu’au rang n ≥ 1 .
Si n + 1 est impair alors l’écriture est directement obtenue avec p = 0 et n + 1 = 2q + 1 .
Si n + 1 est pair alors on peut écrire n + 1 = 2k avec 1 ≤ k ≤ n .
Par l’hypothèse de récurrence, on peut écrire k = 2p (2q + 1) puis n + 1 = 2p +1 (2q + 1) .
Récurrence établie.

2
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

Sommes

Exercice 9 Parmi les formules suivantes, lesquelles sont vraies :


n n n n n n n
a) ∑ α +a
i =1
i = α + ∑ ai
i =1
b) ∑a
i =1
i + bi = ∑ ai + ∑ bi
i =1 i =1
c) ∑ αa
i =1
i = α ∑ ai
i =1
α
n n n n  n  n n n n
d) ∑ a b = ∑ a ∑b e) ∑a α
= ∑ ai  f) ∑∑ a = ∑∑ ai , j ?
i =1
i i
i =1
i
i =1
i
i =1
i
 i =1  j =1 i =1
i,j
i =1 j =1

b) c) f)

Exercice 10 Etablir l’une des trois formules suivantes :


n
n (n + 1) n
n (n + 1)(2n + 1) n
n 2 (n + 1) 2
a) ∑ k = b) ∑ k 2 = c) ∑k 3
=
k =1 2 k =1 6 k =1 4

Par récurrence.
n n
Exercice 11 A partir des valeurs connues de ∑k
k =1
et ∑k
k =1
2
, calculer :
n
a) ∑ k (k +1)
k =1
b) 1.n + 2.(n −1) + ⋯ + (n −1).2 + n .1 .

n n n
n (n + 1)(n + 2)
a) ∑ k (k +1) = ∑ k
k =1 k =1
2
+ ∑k =
k =1 3
.
n n n
n (n + 1)(n + 2)
b) 1.n + 2.(n −1) + ⋯ + (n −1).2 + n .1 = ∑ k (n + 1− k ) = (n + 1)∑ k − ∑ k 2 =
k =1 k =1 k =1 6

n
Exercice 12 Calculer ∑ (−1) k .
k =1
k

2n n 2n +1

∑ (−1) k = ∑ −(2ℓ −1) + 2ℓ = n


k =1
k

ℓ =1
et ∑ (−1) k = n − (2n +1) = −(n +1)
k =1
k

n
1
Exercice 13 Montrer que la suite de terme général un = ∑ est strictement croissante.
k =1 n + k

n +1 n
1 1 1 1 1 1 1
un +1 − un = ∑ −∑ = + − = − >0.
k =1 n + 1 + k k =1 n + k 2n + 2 2n + 1 n + 1 2n + 1 2n +2

n
Exercice 14 Montrer que ∑ k ! ≤ (n +1)!
k =0

Par récurrence sur n ∈ ℕ , sachant (n + 1)!+ (n + 1)! = 2.(n + 1)! ≤ (n + 2)! .

n
k
Exercice 15 Calculer ∑ (k +1)! .
k =1

n
k n
(k + 1) −1 n
1 1  n
1 n
1 1
∑ (k +1)! = ∑ = ∑  −  = ∑ − ∑ = 1− .
k =1 k =1 (k + 1)! 
k =1  k ! (k + 1)! 
 k =1 k ! k =1 (k + 1)! (n + 1)!

p
Exercice 16 a) Calculer ∑ kk ! .
k =1

b) Soit p ∈ ℕ . Montrer que ∀n ∈  0, (p + 1)!−1 , il existe un (p + 1) uplet (n 0 , n1 , …, n p ) ∈ ℕ p +1


tel que :

3
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

p
∀k ∈  0, p , 0 ≤ nk ≤ k et n = ∑ nk k ! .
k =0
c) Justifier l’unicité d’une telle suite.
p p
a) ∑ kk ! = ∑ (k + 1)!− k ! = (p +1)!−1 .
k =1 k =1

b) Par récurrence forte sur p ≥ 0 .


Pour p = 0 : ok
Supposons la propriété établie jusqu’au rang p ≥ 0 .
Soit n ∈  0, (p + 2)!−1 .
Réalisons la division euclidienne de n par (p + 1)! : n = q (p + 1)!+ r avec 0 ≤ r < (p + 1)! .
Puisque 0 ≤ n < (p + 2)! on a 0 ≤ q ≤ p + 1 .
p p +1
Par HR, on peut écrire r = ∑ nk k ! et en prenant n p +1 = q on a n = ∑ nk k ! .
k =0 k =0
Récurrence établie.
p p
c) Supposons n = ∑ nk k ! = ∑ nk′k ! avec les conditions requises.
k =0 k =0
p p −1 p
Si n p < n p′ alors ∑ nk k ! ≤ n p p !+ ∑ k .k ! = (n p +1)p !−1 < n p′ p ! ≤ ∑ nk′k ! .
k =0 k =0 k =0

Ceci est absurde donc nécessairement n p ≥ n p′ puis par symétrie n p = n p′ .


On simplifie alors le terme n p p ! et on reprend le principe pour conclure à l’unicité.

Sommes géométriques
n
Exercice 17 Calculer, pour tout θ ∈ ℝ , la somme ∑e
k =0
ik θ
.

n
ei (n +1)θ −1
Si θ ≠ 0 [ 2π ] alors ∑e
k =0
ik θ
= iθ
e −1
(somme géométrique de raison eiθ ≠ 1 )
n n
Si θ = 0 [ 2π ] alors ∑e
k =0
ik θ
= ∑1 = n +1 .
k =0

n
Exercice 18 Calculer, pour tout q ∈ ℂ , la somme ∑q
k =0
2k
.

n
q 2 n + 2 −1
Si q 2 ≠ 1 alors ∑ q 2k =
k =0 q 2 −1
(somme géométrique de raison q 2 )
n
2
Si q = 1 alors ∑q
k =0
2k
= n +1 .

n
Exercice 19 Pour q ∈ ℂ \ {1} et n ∈ ℕ , on pose Sn = ∑ kq k .
k =0

En calculant qSn − Sn , déterminer la valeur de Sn .

n n n +1 n n
nq n +2 − (n + 1)q n +1 + q
qS n − Sn = ∑ kq k +1 − ∑ kq k = ∑ (k −1)q k − ∑ kq k = nq n +1 − ∑ q k − 0 = .
k =0 k =0 k =1 k =0 k =1 q −1
nq n + 2 − (n + 1)q n +1 + q
Donc Sn = .
(q −1)2

4
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

Sommes doubles
n n n
Exercice 20 A partir des valeurs connues de ∑k ,
k =1
∑ k 2 et
k =1
∑k
k =1
3
, calculer :

a) ∑
1≤i , j ≤n
(i + j ) 2 b) ∑
1≤i < j ≤n
ij c) ∑
1≤i , j ≤n
min(i , j ) .

n n n n n n
n 2 (n + 1)(7n + 5)
a) ∑ (i + j ) 2 = ∑∑ (i 2 + 2ij + j 2 ) = n ∑ i 2 + 2∑∑ ij + n ∑ j 2 = .
1≤i , j ≤n i =1 j =1 i =1 i =1 j =1 i =1 6
n −1  n  n−1 n + i + 1
n n −1
n (n −1)(n + 1)(3n + 2)
b) ∑ ij = ∑ ∑ ij = ∑ i ∑ j  = ∑ i (n − i ) = .
1≤i< j ≤n i =1 j =i +1 i =1

 j =i +1

 i =1 2 24
n  i n  n
 j+ i (i + 1) n (n + 1)(2n + 1)
c) ∑
1≤i , j ≤n
min(i , j ) = ∑ ∑

i =1  j =1
∑  ∑i
j =i +1 
 =
i =1
i
2
+ i (n − i ) =
6
.

n
Exercice 21 Soit n ∈ ℕ∗ . Calculer C n = ∑
1≤p <q ≤n
(p + q ) en remarquant que ∑
1≤ p ,q ≤n
p + q = 2C n + 2∑ p .
p =1

n
Après réorganisation des termes : ∑
1≤ p ,q ≤n
p + q = 2C n + 2∑ p .
p =1
n n n
(n −1)n (n + 1)
2∑ p = n (n + 1) et ∑ ∑ p +q = n 2
(n + 1) d’où C n = .
p =1 p =1 q =1 2

Produits

Exercice 22 Parmi les formules suivantes, lesquelles sont vraies :


n n n n n n n n
a) ∏ αa
i =1
i = α∏ai
i =1
b) ∏a b = ∏a ∏b
i =1
i i
i =1
i
i =1
i c) ∏a
i =1
i + bi = ∏ai + ∏bi ?
i =1 i =1

b)
n
 1
Exercice 23 Calculer ∏1 + k  .
k =1

n
 1 n
k +1 2 3 n + 1
∏1 + k  = ∏
k =1 k =1 k
=
12

n
= n +1 .

Exercice 24 On désire calculer le produit P (x ) = ∏


0≤k ≤n
cos(2k x ) pour tout x ∈ ℝ .

a) Commencer par traiter le cas x = 0 [π ] .


b) Pour x ≠ 0 [π ] , simplifier sin(x )P (x ) et exprimer P (x ) .

a) Si x = 0 [ 2π ] alors P (x ) = 1 . Si x = π [ 2π ] alors P (x ) = −1 .
1 1
b) sin(x )P (x ) = sin x .cos x .cos 2x … cos 2n x = sin 2x cos 2x … cos 2n x = n +1 sin 2n +1 x
2 2
sin(2n +1 x )
donc P (x ) = n +1 .
2 sin(x )

5
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

n
k
Exercice 25 Soit a ∈ ℝ et P = ∏ (1 + a 2 ) .
k =0
a) Calculer P quand a = 1 .
b) Calculer (1−a )P quand a ≠ 1 et en déduire la valeur de P .
n
a) Si a = 1 alors P = ∏ 2 = 2n +1 .
k =0
n n
b) Si a ≠ 1 alors (1−a )P = (1−a )(1 + a )(1 + a 2 ) ⋯(1 + a 2 ) = (1−a 2 )(1 + a 2 ) ⋯ (1 + a 2 ) donc en reprennant le
n +1
processus (1−a )P = (1−a 2 ) puis la valeur de P .

Nombres factoriels

Exercice 26 Exprimer 2× 4×⋯× (2n ) puis 1×3×⋯× (2n + 1) à l’aide de factoriels

1.2.3.4.5.6×⋯× (2n ) × (2n + 1) (2n + 1)!


2.4.6×⋯× (2n ) = 2n1.2.3×⋯×n = 2n n ! et 1.3.5×⋯× (2n + 1) = = .
2.4.6×⋯× (2n ) 2n n !

n n
Exercice 27 Montrer de deux manières ∏ (4k − 2) = ∏ (n + k )
k =1 k =1

(1) Par récurrence sur n ∈ ℕ :


Pour n = 0 : ok
Supposons la propriété établie au rang n ≥ 0 .
n +1 n n

∏ (4k − 2) = ∏ (4k − 2)×(4n + 2) = ∏ (n + k )× (4n + 2) .


k =1 k =1
HR
k =1
n +1 n n
(2n + 1)(2n + 2)
∏ (n +1 + k ) = (n + 2)(n + 3)…(2n + 2) = ∏ (n + k )×
k =1 k =1 n +1
= ∏ (n + k ) × (4n + 2) .
k =1
Récurrence établie.
(2) Directe :
n n n
(2n )! (2n )!
∏ (4k − 2) = 2 ∏ (2k −1) = 2
k =1
n

k =1
n
(1×3×…× (2n −1)) =
n!
et ∏ (n + k ) = (n +1)(n + 2) …(2n ) =
k =1 n!
.

Coefficients binomiaux
n
Exercice 28 Montrer que pour tout n ∈ ℕ et tout p ∈ ℤ : p n n −1
p = n p −1 . En déduire que () ( ) ∑ p (np ) = n 2
p =0
n −1
.

n n
n! (n −1)! n = n n −1 = n (1 + 1)n −1 = n 2n −1 .
()
p np = p
p !(n − p )!
=n
(p −1)!(n − p )!
−1 .
= n np − 1 ( ) ()
∑ p ∑ p −1
p
p =0 p =1

Exercice 29 Calculer pour tout n ∈ ℕ∗ :


n n n
a) S 0 = ∑ n
k
k =0
() b) S1 = ∑ k n
k
k =0
() c) S 2 = ∑ k 2 n
k =0
k .()
a) S 0 = (1 + 1)n = 2n .
n
b) ((1 + x )n ) ′ = n (1 + x )n −1 donne ∑ k (nk )x
k =1
k −1
= n (1 + x )n −1 donc S1 = n 2n −1 .

c) (x ((1 + x )n )′)′ = (nx (1 + x )n−1 )′ = n (1 + x )n −1 + n (n −1)x (1 + x )n −2 donne


n

∑k
k =1
2
(nk )x k −1
= n (1 + x )n−1 + n (n −1)x (1 + x )n−2 donc S 2 = n 2n −1 + n (n −1)2n −2 = n (n + 1)2n −2 .

6
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

E (n / 2) E ((n −1) / 2)

Exercice 30 Pour n ∈ ℕ∗ , calculer A = ∑ (2nk ) et B = ∑ (2kn+1) en formant un système dont A et


k =0 k =0
B seraient solutions.
n n
A+B = ∑ n n

p =0
n
() p n
p = (1 + 1) = 2 et A − B = ∑ (−1) p = (1−1) = 0 = 0 , donc A = B = 2 .
n n n −1

p =0
()
n
Exercice 31 Soit n ∈ ℕ . Calculer ∑ (np ) j
p =0
p
.
E (n 3) E ((n −1) 3) E (n −2 3)
En déduire : A = ∑ (3nk ), B = ∑
k =0 k =0
(3kn+1) et C = ∑ (3k n+ 2) . k =0

n nπ
n j p = (1 + j )n = 2n ei π
∑(
p =0
p ) 3
cosn
3
.
nπ nπ
i π −i π
A + B +C = 2n , A + jB + j 2C = 2n e 3
cosn et A + j 2B + jC = 2n e 3 cosn (par conjugaison).
3 3
2n  nπ π 2n  (n − 2)π π 2n  (n + 2)π π
Par suite A = 1 + 2cos cosn  , B = 1 + 2 cos cosn  , C = 1 + 2 cos cosn  .
3 3 3 3  3 3 3  3 3

Exercice 32 Soit n , p ,q ∈ ℕ tels que n ≤ p + q .


n
En développant de deux manières (1 + x )p × (1 + x )q , établir : ∑ (kp )(n −q k ) = (p n+ q ) .
k =0

+q .
Le coefficient de x n dans (1 + x )p × (1 + x )q = (1 + x ) p +q est p n ( )
Lorsqu’on développe le produit (1 + x )p × (1 + x )q , on obtient un x n en croisant un x k de (1 + x )p par un x n −k
de (1 + x )q (pour 0 ≤ k ≤ n ). Le coefficient de x k dans (1 + x )p est kp et le coefficient x n −k dans (1 + x )q est ()
n

(n −q k ) donc le coefficient de x n
dans (1 + x )p × (1 + x )q est ∑ (kp )(n −
k =0
q
k ) d’où l’égalité.

n
Exercice 33 Calculer, pour tout n , p ∈ ℕ , la somme ∑ (p +k k )
k =0

∑ (p +k k ) = (p0) + (p +
k =0
1 ) + ( 2 ) + ⋯ + ( n ) = ( 1 ) + ( 2 ) + ⋯ + ( n ) donc
1 p+2 p +n p+2 p+2 p +n

∑ (p +k k ) = (p +2 2) + ⋯ + (p +n n ) = (p +nn +1)
k =0

n  p 
Exercice 34 Calculer pour n , p ∈ ℕ∗ , la somme ∑ ∏(i + j ) .
i =0 j =1

n  p  n
(i + p )! n
p + n + 1 (p + n + 1)!
∑ ∏(i + j ) = ∑
i =0 j =1 i =0 i! i =0
(
= p !∑ i +i p = p !
 n )  =
 (p + 1)n !
.

Exercice 35 Développer (a + b + c )n .
n k
n!
(a + b + c )n = ∑∑ n
k =0 ℓ =0
( )( )
k n −k k −ℓ ℓ n k
k ℓ a b c et k ℓ = (n − k )!(k − ℓ )!ℓ ! . ( )( )

7
Nombres entiers || http://mpsiddl.free.fr || david Delaunay

n
Exercice 36 a) Soit n ∈ ℕ . Calculer ∑ (−1)
k =0
k
(nk ) .
( )( ) ( )(
b) Soit k , ℓ, n ∈ ℕ tels que ℓ ≤ k ≤ n . Comparer n k n n −ℓ
k ℓ et ℓ k − ℓ . )
k
c) Soit (x ) une suite de réels. On pose ∀k ∈ ℕ, y = ∑ (kℓ )x .
n k ℓ
ℓ =0
n
Montrer que ∀n ∈ ℕ, x n = ∑ (−1)n −k n
k yk .
k =0
()
n
a) ∑ (−1)
k =0
k
(nk ) = 0 n
= {10 sisinon
n=0
.

n! k! n! (n − ℓ )!
b) n ( )( )
k n n −ℓ
k ℓ = k !(n − k )! ℓ !(k − ℓ )! = ℓ !(n − ℓ )! (n − k )!(k − ℓ)! = ℓ k − ℓ . ( )( )
n n k n n
c) ∑ (−1)
k =0
n −k
yk = ∑∑ (−1)n −k n
k = 0 ℓ =0
k
( )( )
k ℓ x ℓ = ∑ x ℓ ∑ (−1)
n −k n k
k ℓ
ℓ =0 k =ℓ
( )( )
n n n
Or ∑ (−1)
k =ℓ
n −k
(nk )(kℓ ) = (−1) (nℓ ) ∑ (−1) (nk −−ℓℓ) or ∑ (−1) (nk −−ℓℓ) = {10 sisinon
n −ℓ

k =ℓ
k −ℓ ℓ=n
.
k =ℓ
k −ℓ

n
Par suite : ∑ (−1)
k =0
n −k
yk = x n .

(−1)k +1 n
n n
1
Exercice 37 Montrer que pour tout n ∈ ℕ∗ , ∑
k =1 k k =∑ .
k =1 k
()
Par récurrence sur n ≥ 1 sachant :
n +1
(−1)k +1 n + 1 n +1
(−1)k +1 n n +1
(−1)k +1 n n
1 n +1 (−1)k +1 n + 1 n
1 1 n +1
1

k =1 k k ( = ∑
k =1
) k k + ∑
k =1 k
()
k − 1 = ∑
k =1 k
+ ∑
k =1 n + 1
k =( )

k =1 k
+ = ∑
n + 1 k =1 k
. ( )
n
2n + 1
Exercice 38 Calculer S n = ∑ (−1)k  .
k =0
 k 

2n + 1  2n  2n 


Exploitons  = +  .
 k  k −1  k 
n
 2n  n  2n 
On obtient S n = ∑ (−1)k  
 + ∑ (−1)k   .
k =0
k −1 k =0 k 
n −1
2n  n  2n 
Par décalage d’indice S n = ∑ (−1)k +1   + ∑ (−1)k   .
k =0
 k  k =0
k 
2n 
Après simplification, S n = (−1)n   .
n 
david Delaunay http://mpsiddl.free.fr

8
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Eléments de logique

Exercice 1 Décrire les parties de ℝ dans lesquelles évoluent x pour que les assertions suivantes soient
vraies :
a) (x > 0 et x < 1) ou x = 0 b) x > 3 et x < 5 et x ≠ 4
c) (x ≤ 0 et x > 1) ou x = 4 d) x ≥ 0 ⇒ x ≥ 2 .

a) [0,1[ b) ]3, 4[ ∪ ]4,5[ c) {4} d) ]−∞, 0[ ∪ [ 2, +∞[ .

Exercice 2 Etant donnés P , Q et R trois assertions, vérifier en dressant la table de vérité :


a) P ou (Q et R ) ∼ (P ou Q ) et (P ou R )
b) non(P ⇒ Q ) ∼ P et non(Q ) .

P v v v v f f f f
Q v v f f v v f f
a) Dans les deux cas on obtient la table
R v f v f v f v f
v v v v v f f f
P v v f f
b) Dans les deux cas on obtient la table Q v f v f
f v f f

Exercice 3 On dispose de neuf billes visuellement identiques, huit d’entre elles ont même masse mais la
neuvième est plus lourde. Comment, en deux pesées sur une balance à deux plateaux, peut-on
démasquer l’intrus ?
On compare deux paquets de trois billes.
Si l’un est plus lourd que l’autre, c’est qu’il contient l’intrus.
Sinon, l’intrus est parmi les trois billes restantes.
Ainsi, on sait dans quel paquet de trois billes se situe l’intrus.
Dans ce celui-ci, on compare deux billes.
Si l’une est plus lourde que l’autre, c’est l’intrus.
Sinon, l’intrus est la troisième.

Exercice 4 On dispose de neuf billes visuellement identiques, elles ont toutes la même masse sauf une.
Comment, à l’aide d’une balance à deux plateaux, démasquer l’intrus en trois pesées ?
Notons 1,2,3,4,5,6,7,8,9 nos billes.
On commence par comparer 2 lots constituées de 1,2,3 et de 4,5,6.
Si ceux-ci ont même masse alors l’intrus se trouve dans 7,8,9.
On compare alors 1 et 7 puis 1 et 8 pour démasquer l’intrus.
Si les deux premiers lots n’ont pas même masse, l’intrus ci trouve.
La bille 9 servira alors de bille témoin.
Pour fixer les idées (et sans perte de généralités), supposons que le premier lot est plus lourd que le second.
Comparons maintenant les billes 1 et 4 avec les billes 2 et 5.
Si celles-ci ont même masse commune, l’intrus se trouve dans les deux autres billes 3 et 6. Une comparaison de
3 avec 9 permet alors de savoir qui est l’intrus de 3 ou de 6.
Si celles-ci n’ont pas même masse commune, pour fixer les idées (et sans perte de généralités), supposons que 1
et 4 soient plus lourdes que 2 et 5.
Si l’intrus est plus lourd que ses congénères alors cela ne peut ni être 4 ni être 2 à cause respectivement des
première et deuxième pesées.
Si l’intrus est plus léger que ses congénères alors cela ne peut ni être 2 ni être 4 à cause respectivement des
première et deuxième pesées.
Dans tous les cas l’intrus est soit 1, soit 5.
Une comparaison de 1 avec 9 permet alors de démasquer l’intrus.

1
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Quantificateurs

Exercice 5 Soient I un intervalle de ℝ et f : I → ℝ une fonction définie sur I à valeurs réelles.


Exprimer verbalement la signification des assertions suivantes :
a) ∃C ∈ ℝ , ∀x ∈ I , f (x ) = C
b) ∀x ∈ I , f (x ) = 0 ⇒ x = 0
c) ∀y ∈ ℝ , ∃x ∈ I , f (x ) = y
d) ∀x , y ∈ I , x ≤ y ⇒ f (x ) ≤ f (y )
e) ∀x , y ∈ I , f (x ) = f (y ) ⇒ x = y .

a) la fonction f est constante


b) la fonction f ne peut s’annuler qu’en 0 (mais n’y est pas forcée de s’y annuler)
c) la fonction f prend toute valeur réelle
d) la fonction f est croissante
e) la fonction f ne prend jamais deux fois la même valeur

Exercice 6 Soient I un intervalle de ℝ et f : I → ℝ une fonction définie sur I à valeurs réelles.


Exprimer à l’aide de quantificateurs les assertions suivantes :
a) la fonction f s’annule
b) la fonction f est la fonction nulle
c) f n’est pas une fonction constante
d) f ne prend jamais deux fois la même valeur
e) la fonction f présente un minimum
f) f prend des valeurs arbitrairement grandes
g) f ne peut s’annuler qu’une seule fois.

a) ∃x ∈ I , f (x ) = 0
b) ∀x ∈ I , f (x ) = 0
c) ∃x , y ∈ I , f (x ) ≠ f (y )
d) ∀x , y ∈ I , x ≠ y ⇒ f (x ) ≠ f (y ) ou ∀x , y ∈ I , f (x ) = f (y ) ⇒ x = y
e) ∃a ∈ I , ∀x ∈ I , f (x ) ≥ f (a )
f) ∀M ∈ ℝ, ∃x ∈ I , f (x ) > M
g) ∀x , y ∈ I , f (x ) = 0 et f (y ) = 0 ⇒ x = y .

Exercice 7 Soient I un intervalle de ℝ non vide et f : I → ℝ une fonction à valeurs réelles définie sur I .
Exprimer les négations des assertions suivantes :
a) ∀x ∈ I , f (x ) ≠ 0
b) ∀y ∈ ℝ , ∃x ∈ I , f (x ) = y
c) ∃M ∈ ℝ, ∀x ∈ I , f (x ) ≤ M
d) ∀x , y ∈ I , x ≤ y ⇒ f (x ) ≤ f (y )
e) ∀x , y ∈ I , f (x ) = f (y ) ⇒ x = y
f) ∀x ∈ I , f (x ) > 0 ⇒ x ≤ 0 .

a) ∃x ∈ I , f (x ) = 0
b) ∃y ∈ ℝ , ∀x ∈ I , f (x ) ≠ y
c) ∀M ∈ ℝ , ∃x ∈ I , f (x ) > M
d) ∃x , y ∈ I , x ≤ y et f (x ) > f (y )
e) ∃x , y ∈ I , f (x ) = f (y ) et x ≠ y
f) ∃x ∈ I , f (x ) > 0 et x > 0 .

2
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Exercice 8 Soit f : ℝ → ℝ . Quelle différence de sens ont les deux assertions proposées :
a) ∀x ∈ ℝ, ∃y ∈ ℝ , y = f (x ) et ∃y ∈ ℝ , ∀x ∈ ℝ , y = f (x ) .
b) ∀y ∈ ℝ , ∃x ∈ ℝ , y = f (x ) et ∃x ∈ ℝ, ∀y ∈ ℝ , y = f (x ) .
c) ∀x ∈ ℝ, ∃M ∈ ℝ, f (x ) ≤ M et ∃M ∈ ℝ, ∀x ∈ ℝ, f (x ) ≤ M ?

a) la première assertion est vérifiée par toute assertion, la seconde signifie f constante.
b) la première assertion signifie que f prend toute valeur dans ℝ , la seconde est absurde.
c) la première est toujours vérifiée, la seconde signifie que f est majorée.

Exercice 9 Soit f : ℝ → ℝ une fonction continue.


On considère les assertions suivantes :
P : « ∀x ∈ ℝ, f (x ) = 0 », Q : « ∃x ∈ ℝ, f (x ) = 0 » et
R : « ( ∀x ∈ ℝ , f (x ) > 0) ou ( ∀x ∈ ℝ , f (x ) < 0) ».
Parmi les implications suivantes lesquelles sont exactes :
a) P ⇒ Q b) Q ⇒ P c) Q ⇒ R
d) non(R ) ⇒ Q e) non(Q ) ⇒ non(P ) f) non(P ) ⇒ non(R ) ?

a) d) e) sont les assertions exactes

Exercice 10 Soit a ∈ ℝ .
a) Montrer que ( ∀ε ≥ 0, a ≤ ε) ⇒ a = 0 .
b) Montrer que ( ∀ε > 0, a ≤ ε) ⇒ a = 0 .

a) Supposons ∀ε ≥ 0, a ≤ ε . En particulier, pour ε = 0 , on a a ≤ 0 donc a = 0 .


b) Par contraposée, montrons : a ≠ 0 ⇒ ∃ε > 0, a > ε .
a
Supposons a ≠ 0 . Pour ε = on a ε > 0 et a > ε ce qui détermine un ε convenable.
2

Ensembles

Exercice 11 Soit E = {a ,b ,c } un ensemble. Peut-on écrire :


a) a ∈ E b) a ⊂ E c) {a } ⊂ E
d) ∅ ∈ E e) ∅ ⊂ E ? f) {∅} ⊂ E ?

On peut écrire : a), c), e).

Exercice 12 Un ensemble est dit décrit en compréhension lorsqu’il réunit les éléments d’un ensemble vérifiant
une propriété. Un ensemble est dit décrit en extension lorsqu’on cite ses éléments. Par exemple,
{n ∈ ℤ / ∃k ∈ ℤ, n = 2k } et {2k / k ∈ ℤ} sont des descriptions respectivement en compréhension
et en extension de l’ensemble des entiers pairs.
a) Décrire en compréhension et en extension l’ensemble {1,3,5, 7,…} .
b) Décrire en compréhension et en extension l’ensemble {1,10,100,1000,…} .
c) Décrire en extension l’ensemble des nombres rationnels.
d) Décrire en en compréhension l’ensemble ]0,1] . Pensez-vous qu’il soit possible de décrire cet
ensemble en extension ?
e) Décrire en compréhension et en extension l’ensemble des valeurs prises par une fonction
f :ℝ→ ℝ.
f) Décrire en compréhension l’ensemble des antécédents d’un réel y par une fonction f : ℝ → ℝ .

a) {1,3,5, 7} = {n ∈ ℕ / ∃k ∈ ℕ, n = 2k + 1} = {2k + 1/ k ∈ ℕ} .
b) {1,10,100,1000,…} = {x ∈ ℝ / ∃k ∈ ℕ, x = 10k } = {10k / k ∈ ℕ} .

3
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

c) ℚ = {p q | p ∈ ℤ,q ∈ ℕ∗ } .
d) ]0,1] = {x ∈ ℝ / 0 < x ≤ 1} .
e) {y ∈ ℝ / ∃x ∈ ℝ , y = f (x )} = {f (x ) / x ∈ ℝ } .
f) {x ∈ ℝ / f (x ) = y } .

Exercice 13 Décrire P (P ({a })) où a désigne un élément.

P ({a }) = {∅, {a }} et P (P ({a })) = {∅, {∅} , {{a }} , {∅, {a }}} .

Exercice 14 Soient A, B ,C ∈ P (E ) . Etablir A \ (B ∩C ) = (A \ B ) ∪ (A \ C )

A \ (B ∩C ) = A ∩C E (B ∩C ) = (A ∩C E B ) ∪ (A ∩C EC ) = (A \ B ) ∪ (A \ C )

Exercice 15 Etant donné A et B deux parties de E , justifier C E A \ C E B = B \ A .

C E A \ C E B = C E A ∩ C EC E B = B ∩ C E A = B \ A .

Exercice 16 Etant données A , B et C trois parties de E , justifier les équivalences suivantes :


a) A ⊂ B ⇔ A ∪ B = B .
b) A = B ⇔ A ∩ B = A ∪ B .
c) A ∪ B = A ∩C ⇔ B ⊂ A ⊂ C

d) {
A ∪ B = A ∪C
A ∩ B = A ∩C
⇔ B =C

a) (⇒) Supposons A ⊂ B . On a toujours B ⊂ A ∪ B .


Pour x ∈ A ∪ B . Que x ∈ A ou x ∈ B on a x ∈ B donc A ∪ B ⊂ B . Ainsi A ∪ B = B .
(⇐) Supposons A ∪ B = B . Puisque A ⊂ A ∪ B , on a A ⊂ B .
b) (⇒) Supposons A = B . On a A ∩ B = A = A ∪ B .
(⇐) Supposons A ∩ B = A ∪ B . On a A ⊂ A ∪ B ⊂ A ∩ B ⊂ B et de même B ⊂ A donc A = B .
c) (⇒) Supposons A ∪ B = A ∩C .
On a B ⊂ A ∪ B = A ∩C ⊂ A ⊂ A ∪ B = A ∩C ⊂ C .
(⇐) Supposons B ⊂ A ⊂ C . A ∪ B = A = A ∩C .
d) (⇒) Supposons A ∪ B = A ∪C et A ∩ B = A ∩C . Soit x ∈ B .
Si x ∈ A alors x ∈ A ∩ B = A ∩C donc x ∈ C .
Si x ∉ A alors B ⊂ f ( f −1 (B )) donc x ∈ A ∪C , or x ∉ A donc x ∈ C .
Dans les deux cas x ∈ C . Ainsi B ⊂ C et de manière symétrique C ⊂ B d’où l’égalité.
(⇐) Si B = C alors clairement A ∪ B = A ∪C et A ∩ B = A ∩C .

Exercice 17 Soient A et B deux parties de E , on appelle différence symétrique de A et B , l’ensemble :


A ∆ B = (A \ B ) ∪ (B \ A) . Montrer que A∆B = (A ∪ B ) \ (A ∩ B ) .

Soit x ∈ E .
x ∈ A∆B ⇔ (x ∈ A et x ∉ B ) ou (x ∈ B et x ∉ A)
⇔ (x ∈ A ou x ∈ B ) et (x ∈ A ou x ∉ A) et (x ∉ B ou x ∈ B ) et (x ∉ B ou x ∉ A)
⇔ x ∈ A ∪ B et x ∉ A ∩ B ⇔ x ∈ (A ∪ B ) \ (A ∩ B )
d’où l’égalité des ensembles.

Exercice 18 Etant donnés A , B et C trois parties d’un ensemble E , montrer que :


a) A∆B = A∆C ⇔ B = C
b) A \ B = A ⇔ B \ A = B
c) A∆B = A ∩ B ⇒ A = B = ∅ .

4
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

a) Si A∆B = A∆C alors pour tout x ∈ B :


Si x ∈ A alors x ∉ A∆B et donc x ∉ A∆C et puisque x ∈ A , x ∈ C .
Si x ∉ A alors x ∈ A∆B et donc x ∈ A∆C et puisque x ∉ A , x ∈ C .
Dans les deux cas x ∈ C . Ainsi B ⊂ C et un raisonnement symétrique donne C ⊂ B puis l’égalité.
Réciproque immédiate.
b) A \ B = A ⇔ A ∩C E B = A ⇔ A ⊂ C E B or A ⊂ C E B ⇔ B ⊂ C E A et donc A \ B = A ⇔ B \ A = B .
c) A∆B = (A ∪ B ) \ (A ∩ B ) donc A∆B = A ∩ B ⇒ A ∩ B = ∅ = A ∪ B ⇒ A = B = ∅ .

Exercice 19 Soient A, B deux parties de E .


Discuter et résoudre l’équation A ∪ X = B d’inconnue X ∈ P (E ) .

Si A ⊄ B il est clair que l’équation n’a pas de solutions. S = ∅ .


Si A ⊂ B alors A ∪ X = B ⇒ X ⊂ B et A \ B ⊂ X . Inversement ok
Ainsi S = {X ∈℘ (E ) / A \ B ⊂ X ⊂ B }

Exercice 20 Soient A, B deux parties de E .


Discuter et résoudre l’équation A ∩ X = B d’inconnue X ∈ P (E ) .

Si B ⊄ A alors l’équation n’a pas de solution.


Si B ⊂ A . Soit X une solution de l’équation.
On a X = (A ∩ X ) ∪ (A ∩ X ) = B ∪C avec C = A ∩ X ⊂ A .
Inversement, pour X = B ∪C avec C ⊂ A , A ∩ X = (A ∩ B ) ∪ (A ∩C ) = B .
Ainsi S = {X = B ∪C / C ⊂ A} = {X ∈ P (E ) / B ⊂ X ⊂ B ∪ A} .

Injectivité, surjectivité et bijectivité

Exercice 21 Soient f : ℕ → ℕ et g : ℕ → ℕ les applications définies par :


k / 2 si k est pair
∀k ∈ ℕ, f (k ) = 2k et g (k ) =  k −1 / 2si k est impair .
( )
a) Etudier l’injectivité, la surjectivité et la bijectivité de f et g .
b) Préciser les applications g  f et f  g .
Etudier leur injectivité, surjectivité et bijectivité.
k 0 1 2 3 … k 0 1 2 3 …
a) et .
f (k ) 0 2 4 6 … g (k ) 0 0 1 1 …
f est injective car 2k = 2k ′ ⇒ k = k ′ mais non surjective car les nombres impairs ne sont pas des valeurs
prises.
g est surjective car 2y est un antécédent de y mais non injective car un nombre pair et l’impair qui le suit
prennent même valeur pas g .

b) (g  f )(k ) = k donc g  f = Id ℕ . ( f  g )(k ) = {kk −si1ksinon


est pair
.

g  f est bijective. f  g n’est ni injective, ni surjective.

Exercice 22 Soient a , b et c trois réels tels que c ≠ 0 et a 2 + bc ≠ 0 .


ax + b
On considère la fonction f : ℝ \ {a c } → ℝ \ {a c } définie par f (x ) = .
cx −a
Justifier que l’application f est bien définie.
Calculer f  f , en déduire que f est une permutation dont on déterminera l’application
réciproque.

5
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

f est bien définie sur ℝ \ {a c } car le dénominateur ne s’y annule pas.


a
f (x ) = ⇔ (ax + b )c = a (cx −a ) ⇔ a 2 + bc = 0 qui est exclu, donc f est à valeurs dans ℝ \ {a c } .
c
( f  f )(x ) = ⋯ = x . Puisque f  f = Id ℝ , f est une involution, c’est donc une permutation et f −1 = f .

n 2 si n est pair



Exercice 23 Soit f : ℕ → ℤ définie par f (n ) =  n +1 .
−
 sinon
2
Montrer que f est bien définie et bijective.

Soit n ∈ ℕ .
Si n est pair alors f (n ) = n 2 ∈ ℤ + et si n est impair alors f (n ) = − (n + 1) 2 ∈ ℤ−∗ .
Dans les deux cas f (n ) ∈ ℤ .
Soient n , n ′ ∈ ℕ . Supposons f (n ) = f (n ′) .
Compte tenu de la remarque précédente, n et n ′ ont nécessairement même parité.
Si n et n ′ sont pairs alors n 2 = n ′ 2 donc n = n ′ .
Si n et n ′ sont impairs alors − (n + 1) 2 = − (n ′ + 1) 2 donc n = n ′ .
Ainsi f est injective.
Soit m ∈ ℤ .
2m
Si m ≥ 0 alors pour n = 2m ∈ ℕ on a f (n ) = =m .
2
2m
Si m < 0 alors pour n = −2m −1 ∈ ℕ on a f (n ) = =m .
2
Ainsi f est surjective.
Finalement f est bijective.

Exercice 24 Soient f : E → F et g : F → G . Etablir les implications suivantes :


a) g  f injective ⇒ f injective.
b) g  f surjective ⇒ g surjective
c) g  f injective et f surjective ⇒ g injective.
d) g  f surjective et g injective ⇒ f surjective.

a) Supposons g  f injective.
Soient x , x ′ ∈ E . Si f (x ) = f (x ′) alors g ( f (x )) = g ( f (x ′)) . Or g  f injective, donc x = x ′ .
Ainsi f injective.
b) Supposons g  f surjective.
Soit z ∈ G . Il existe x ∈ E tel que z = g ( f (x )) . Pour y = f (x ) ∈ F , on a g (y ) = z . Ainsi g surjective.
c) Supposons g  f injective et f surjective.
Par a), on a f injective et donc f bijective. Introduisons f −1 .
g = (g  f )  f −1 est injective par composition d’applications injectives.
d) Supposons g  f surjective et g injective.
Par b), on a g surjective donc g bijective. Introduisons g −1 .
f = g −1  (g  f ) est surjective par composition d’applications surjectives.

Exercice 25 Soient E , F ,G trois ensembles, f : E → F , g : F → G et h : G → E


Etablir que si h  g  f est injective et que g  f  h et f  h  g sont surjectives alors f , g et h
sont bijectives.
Supposons h  g  f injective et g  f  h ainsi que f  h  g surjectives.
Puisque (h  g )  f est injective, on a f injective.
Puisque f  (h  g ) est surjective, on a f surjective.

6
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Par suite f est bijective et on peut introduire f −1 .


Par composition h  g = (h  g  f )  f −1 est injective et par suite g est injective.
D’autre part g  f  h est surjective et donc g aussi. Finalement g est bijective.
Par composition h = (h  g )  g −1 est injective et h = f −1  ( f  h  g )  g −1 est surjective donc h est bijective.

Exercice 26 Soient E un ensemble et f : E → E telle que f  f  f = f .


Montrer que f est injective si, et seulement si, f est surjective.

Supposons f injective.
Soit y ∈ E . On a f (( f  f )(y )) = f (y ) , or f est injective donc ( f  f )(y ) = y .
Pour x = f (y ) ∈ E on a f (x ) = f ( f (y )) = y . Finalement f est surjective.
Supposons f surjective.
Soient x , x ′ ∈ E tels que f (x ) = f (x ′) .
Puisque f est surjective, f  f l’est aussi et donc ∃a ,a ′ ∈ E tels que x = ( f  f )(a ) et x ′ = ( f  f )(a ′) .
La relation f (x ) = f (x ′) donne alors ( f  f  f )(a ′) = ( f  f  f )(a ′) d’où f (a ) = f (a ′) puis
x = f ( f (a )) = f ( f (a ′)) = x ′ . Finalement f est injective.

Exercice 27 Soient f : E → F et g : F → E deux applications telles que f  g  f soit bijective.


Montrer que f et g sont bijectives

Par l’exercice précédent, f  g  f bijective implique f injective et f surjective.


Ainsi f est bijective et on peut introduire f −1 .
g = f −1  ( f  g  f )  f −1 est bijective par composition d’applications bijectives.

Exercice 28 Soient E , F ,G trois ensembles, f1 , f2 : E → F et g : F → G .


On suppose g  f1 = g  f2 et g injective. Montrer que f1 = f2 .

∀x ∈ E on a (g  f1 )(x ) = (g  f2 )(x ) i.e. g ( f1 (x )) = g ( f2 (x )) donc f1 (x ) = f2 (x ) . Ainsi f1 = f2 .

Exercice 29 Soient E , F ,G trois ensembles, f : E → F et g1 , g 2 : F → G .


On suppose f surjective et g1  f = g 2  f . Montrer que g1 = g 2 .

∀y ∈ F , ∃x ∈ E tel que y = f (x ) et alors g1 (y ) = (g1  f )(x ) = (g 2  f )(x ) = g 2 (y ) donc g1 = g 2 .

Exercice 30 Soit f : E → I une application surjective. On pose, pour tout i ∈ I , Ai = f −1 ({i }) .


Montrer que les Ai sont non vides, deux à deux disjoints, de réunion égale à E .

Puisque f est surjective, les Ai sont non vides.


Si Ai ∩ Aj ≠ ∅ alors pour x ∈ Ai ∩ Aj on a f (x ) = i et f (x ) = j donc i = j .
Par contraposée : i ≠ j ⇒ Ai ∩ Aj = ∅ .
Soient x ∈ E et i = f (x ) . On a x ∈ Ai . Ainsi E ⊂ ∪ Ai puis l’égalité.
i ∈I

P (E ) → P (A)× P (B )
Exercice 31 Soient A et B deux parties d’un ensemble E et f :  . Montrer que :
X ֏ (X ∩ A, X ∩ B )
a) f est injective ssi A ∪ B = E
b) f est surjective ssi A ∩ B = ∅ .

a) Supposons f injective. f (E ) = (A, B ) = f (A ∪ B ) donc E = A ∪ B .


Supposons A ∪ B = E . Soient X ,Y ∈ P (E ) .
Si f (X ) = f (Y ) alors (X ∩ A, X ∩ B ) = (Y ∩ A,Y ∩ B ) donc

7
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

X = X ∩ E = X ∩ (A ∪ B ) = (X ∩ A) ∪ (X ∩ B ) = (Y ∩ A) ∪ (Y ∩ B ) = Y ∩ (A ∪ B ) = Y ∩ E = Y .
Ainsi f est injective.
b) Supposons f surjective. L’élément (A, ∅) possède un antécédent X ∈ P (E ) .
On a A ∩ B = (X ∩ A) ∩ B = A ∩ (X ∩ B ) = A ∩ ∅ = ∅ .
Supposons A ∩ B = ∅ .
Soit (A′, B ′) ∈ P (A) × P (B ) . Pour X = A′ ∪ B ′ , on a
f (X ) = ((A′ ∩ A) ∪ (B ′ ∩ A), (A′ ∩ B ) ∪ (B ′ ∩ B )) = (A′, B ′) car A′ ∩ A = A′ , B ′ ∩ A = ∅ etc.

Image directe et image réciproque d’une partie

Exercice 32 Décrire l’image directe de ℝ par la fonction exponentielle.


Déterminer l’image réciproque de l’intervalle [−1, 4] par la fonction f : x ֏ x 2 définie sur ℝ .

exp( ℝ ) = ℝ +∗ et f −1 ([−1, 4]) = [−2, 2] .

Exercice 33 Soit f : E → F une application.


a) Montrer que : ∀A, A′ ∈ P (E ) , f (A ∪ A′) = f (A) ∪ f (A′) et f (A ∩ A′) ⊂ f (A) ∩ f (A′) .
b) Montrer que : ∀B , B ′ ∈ P (F ) , f −1 (B ∪ B ′) = f −1 (B ) ∪ f −1 (B ′) et
f −1 (B ∩ B ′) = f −1 (B ) ∩ f −1 (B ′) .

a) Soit y ∈ f (A ∪ A′) . Il existe x ∈ A ∪ A′ tel que y = f (x ) .


Si x ∈ A alors y ∈ f (A) . Sinon, x ∈ A′ et y ∈ f (A′) . Dans les deux cas y ∈ f (A) ∪ f (A′) .
Inversement, soit y ∈ f (A) ∪ f (A′) . Si y ∈ f (A) alors il existe x ∈ A tel que y = f (x ) .
Or x ∈ A ⊂ A ∪ A′ donc y ∈ f (A ∪ A′) . De même si y ∈ f (A′) .
Par double inclusion, l’égalité.
Soit y ∈ f (A ∩ A′) . Il existe x ∈ A ∩ A′ tel que y = f (x ) .
Puisque x ∈ A ∩ A′ , on a x ∈ A donc y ∈ f (A) . De même y ∈ f (A′) donc y ∈ f (A) ∩ f (A′) .
b) Soit x ∈ E .
x ∈ f −1 (B ∪ B ′) ⇔ f (x ) ∈ B ∪ B ′ ⇔ f (x ) ∈ B ou f (x ) ∈ B ′
⇔ x ∈ f −1 (B ) ou x ∈ f −1 (B ′) ⇔ x ∈ f −1 (B ) ∪ f −1 (B ′)
D’où la première égalité. La seconde égalité s’établit par la même démonstration, en changeant union en
intersection et « et » en « ou ».

Exercice 34 Soit f : E → F une application.


Etablir : ∀A ∈ P (E ), A ⊂ f −1 ( f (A)) et ∀B ∈ P (F ), f ( f −1 (B )) ⊂ B .

Soit x ∈ A . On a f (x ) ∈ f (A) donc x ∈ f −1 ( f (A)) . Ainsi A ⊂ f −1 ( f (A)) .


Soit y ∈ f ( f −1 (B )) . Il existe x ∈ f −1 (B ) tel que y = f (x ) . Or, puisque x ∈ f −1 (B ) , on a f (x ) ∈ B i.e. y ∈ B .
Ainsi f ( f −1 (B )) ⊂ B .

Exercice 35 Soient E et F deux ensembles et f : E → F .


Montrer que f est injective ssi ∀A, A′ ∈ ℘ (E ), f (A ∩ A′) = f (A) ∩ f (A′) .

Supposons f injective.
Soient A, A′ ∈ ℘ (E ) . On sait déjà f (A ∩ A′) ⊂ f (A) ∩ f (A′) .
Soit y ∈ f (A) ∩ f (A′) . Il existe x ∈ A et x ′ ∈ A′ tel que y = f (x ) = f (x ′) .
Or f est injective donc x = x ′ ∈ A ∩ A′ puis y ∈ f (A ∩ A′) .
Inversement supposons ∀A, A′ ∈ ℘ (E ), f (A ∩ A′) = f (A) ∩ f (A′) .

8
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Soient x , x ′ ∈ E . Supposons f (x ) = f (x ′) .
Pour A = {x } et A′ = {x ′} on a f (A ∩ A′) = f (A) ∩ f (A′) = { f (x )} ≠ ∅ donc A ∩ A′ ≠ ∅ puis x = x ′ .

Exercice 36 Soit f : E → F une application. Montrer que :


a) f est injective ⇔ ∀A ∈ ℘ (E ), A = f −1 ( f (A)) .
b) f est surjective ⇔ ∀B ∈ ℘ (F ), f ( f −1 (B )) = B .

a) (⇒) Supposons f injective. Soit A ∈ P (E ) .


On sait déjà que A ⊂ f −1 ( f (A)) .
Pour x ∈ f −1 ( f (A)) , on a f (x ) ∈ f (A) donc il existe x ′ ∈ A tel que f (x ) = f (x ′) .
Puisque f est injective, x = x ′ et donc x ∈ A . Ainsi f −1 ( f (A)) ⊂ A puis l’égalité.
(⇐) Supposons ∀A ∈ P (E ), A = f −1 ( f (A)) . Soient x , x ′ ∈ A .
Si f (x ) = f (x ′) . Considérons A = {x } . On a f (A) = {f (x )} donc x ′ ∈ f −1 ( f (A)) = A d’où x = x ′ .
Ainsi f injective.
b) (⇒) Supposons f surjective. Soit B ∈ P (F ) .
On sait déjà f ( f −1 (B )) ⊂ B .
Soit y ∈ B . Puisque f est surjective, il existe x ∈ E tel que f (x ) = y .
Puisque f (x ) ∈ B , on a x ∈ f −1 (B ) et donc y = f (x ) ∈ f ( f −1 (B )) . Ainsi B ⊂ f ( f −1 (B )) puis l’égalité.
(⇐) Supposons ∀B ∈ P (F ), f ( f −1 (B )) = B .
Soit y ∈ F . Pour B = {y } , on a f ( f −1 ({y })) = {y } donc f −1 ({y }) ≠ ∅ . Par suite f est surjective.

Exercice 37 Soit f : E → F une application. Montrer que :


f est bijective ssi ∀A ∈ ℘ (E ), f (C E A) = C F f (A) .

(⇒) Soit A ∈ P (E ) . Soit y ∈ f (C E A) , il existe x ∈ C E A tel que y = f (x ) .


Pour tout y ′ ∈ f (A) , il existe x ′ ∈ A tel que y ′ = f (x ′) , or x ′ ∈ A et x ∉ A donc x ≠ x ′ et f étant injective
y = f (x ) ≠ f (x ′) = y ′ . Par suite y ∈ C F f (A) . Ainsi f (C E A) ⊂ C F f (A) .
Inversement. Soit y ∈ C F f (A) , comme f est surjective, il existe x ∈ E tel que y = f (x ) .
Or y ∉ f (A) donc x ∉ A i.e. x ∈ C E A puis y = f (x ) ∈ f (C E A) . Ainsi C F f (A) ⊂ f (C E A) .
(⇐) Montrons que f est injective. Soient x , x ′ ∈ E .
Si x ≠ x ′ alors pour A = {x } on a x ′ ∈ C E A puis f (x ′) ∈ f (C E A) = C F f (A) = C F { f (x )} i.e. f (x ) ≠ f (x ′) .
Montrons que f est surjective.
Pour A = E on a Im f = f (E ) = C F (C F f (E )) = C F ( f (C E E )) = C F f (∅) = C F ∅ = F .
Finalement f est bijective.

Ensembles ordonnés

Exercice 38 On définit une relation binaire  sur ℝ +∗ par : x  y ⇔ ∃n ∈ ℕ, y = x n .


Montrer que  est une relation d’ordre. Cet ordre est-il total ?

Soit x > 0 , on a x = x n pour n = 1 ∈ ℕ donc x  x . La relation  est réflexive.


Soient x , y > 0 , si x  y et y  x alors ∃n , m ∈ ℕ tels que y = x n et x = y m .
On a alors x = x nm donc ln x = nm ln x
Si x = 1 alors y = x n = 1 = x .
Si x ≠ 1 alors ln x ≠ 0 puis 1 = nm . Or n , m ∈ ℕ donc n = m = 1 puis x = y .
Finalement la relation  est antisymétrique.
Soient x , y , z > 0 . Si x  y et y  z alors ∃n , m ∈ ℕ tels que y = x n et z = y m .

9
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

On a z = x mn avec mn ∈ ℕ donc x  z . La relation  est transitive.


Finalement  est une relation d’ordre.

Exercice 39 Soit  la relation définie sur E = {(x , y ) ∈ ℝ 2 / x ≤ y } par :


(x , y )  (x ′, y ′) ⇔ (x , y ) = (x ′, y ′) ou y ≤ x ′
Montrer que  est une relation d’ordre sur E .

 est clairement réflexive et transitive.


Si (x , y )  (x ′, y ′) et (x ′, y ′)  (x , y ) alors (x , y ) = (x ′, y ′) ou x ≤ y ≤ x ′ ≤ y ′ ≤ x et donc
(x , y ) = (x , x ) = (x ′, y ′) .

Exercice 40 On définit une relation binaire  sur {z ∈ ℂ / Im(z ) ≥ 0} par : z  z ′ ⇔ z < z ′ ou z = z ′ et


Re(z ) ≤ Re(z ′) .
Montrer qu’il s’agit d’une relation d’ordre total.
 est clairement réflexive.
Si z  z ′ et z ′  z alors nécessairement z = z ′ et Re(z ) = Re(z ′) donc z = z ′ car Im(z ), Im(z ′) ≥ 0 .
Si z  z ′ et z ′  z ′′ alors si z < z ′′ alors z  z ′′ et sinon z = z ′ = z ′′ et donc Re(z ) ≤ Re(z ′) ≤ Re(z ′′)
ce qui permet à nouveau d’affirmer z  z ′′ .

Exercice 41 Soit E l’ensemble des couples (I , f ) formé d’un intervalle I et d’une fonction réelle définie sur
I.
On définit une relation  sur E par : (I , f )  (J , g ) ⇔ I ⊂ J et g↾I = f .
Montrer que  est une relation d’ordre sur E .

La relation est clairement symétrique.


Si (I , f )  (J , g ) et (J , g )  (I , f ) alors I ⊂ J , J ⊂ I et g |I = f donc I = J et f = g .
Si (I , f )  (J , g ) et (J , g )  (K , h ) alors I ⊂ J ⊂ K et h↾I = (h↾J )↾I = g↾I = f donc (I , f )  (K , h ) .
Finalement  est une relation d’ordre.

Exercice 42 Soient E un ensemble et f : E → ℝ une application injective.


On définit sur E une relation binaire  par : x  y ⇔ f (x ) ≤ f (y ) .
Montrer que  est une relation d’ordre sur E .

Soit x ∈ E . On a f (x ) ≤ f (x ) donc x  x .
Soient x , y ∈ E . Si x  y et y  x alors f (x ) ≤ f (y ) et f (y ) ≤ f (x ) donc f (x ) = f (y ) . Or f est injective
donc x = y .
Soient x , y , z ∈ E . Si x  y et y  z alors f (x ) ≤ f (y ) et f (y ) ≤ f (z ) donc f (x ) ≤ f (z ) puis x  z
Finalement,  est une relation d’ordre.

Exercice 43 Soient A, B deux parties d’un ensemble E ordonné par  .


On suppose que A et B ont chacun un plus grand élément.
Qu’en est-il de A ∪ B lorsque l’ordre est total ? lorsqu’il ne l’est pas ?
Que dire de A ∩ B ?

Si l’ordre est total A ∪ B possède un plus grand élément : max(A ∪ B ) = max(max(A), max(B )) .
Si l’ordre n’est pas total, les plus grands éléments de A et de B peuvent ne pas être comparés aux éléments de
A et B . Dans (ℕ ∗ ,|) , pour A = {2, 4} et B = {3,9} , A et B ont un plus grand élément alors que A ∪ B n’en
a pas.
A ∩ B peut ne pas posséder de plus grand élément, cet ensemble peut notamment être vide.

10
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Exercice 44 Soit (E , ) un ensemble ordonné tel que toute partie non vide admet un plus petit élément et un
plus grand élément.
Montrer que E est fini.
Par l’absurde supposons E infini.
Posons x 0 = min E , x1 = min E \ {x 0 } ,..., x n = min E \ {x 0 , x1 , …, x n −1 } ,...
L’ensemble {x 0 , …, x n ,…} n’a pas de plus grand élément. Absurde.

Exercice 45 Soit E un ensemble ordonné par une relation ≤ .


Un tableau à n lignes et p colonnes est formé d’éléments ai , j ∈ E avec i indice de ligne
( 1 ≤ i ≤ n ) et j indice de colonne ( 1 ≤ j ≤ p ).
On note le plus petit élément de chaque colonne et l’on prend le plus grand de ces plus petits :
max min ai , j .
1≤ j ≤p 1≤i ≤n

On note aussi le plus grand élément de chaque ligne et l’on prend le plus petit de ces plus grands :
min max ai , j .
1≤i ≤n 1≤ j ≤ p

a) Comparer ces deux nombres.


b) Donner un exemple de non égalité.

a) Pour tout 1 ≤ m ≤ n , ai ,m ≤ max ai , j donc min ai ,m ≤ min max ai , j puis max min ai ,m ≤ min max ai , j .
1≤ j ≤p 1≤i≤n 1≤i ≤n 1≤ j ≤p 1≤m ≤p 1≤i≤n 1≤i ≤n 1≤ j ≤p

1 4
b) Pour le tableau   , max min a = 2 et 1min max ai , j = 3 .
3 2 1≤j ≤2 1≤i≤2 i , j ≤i ≤2 1≤ j ≤2

Les ensembles finis

Exercice 46 Soient E un ensemble fini, F un ensemble quelconque et f : E → F une application.


Montrer que : f est injective ssi Card( f (E )) = Card(E ) .

Si E = ∅ alors f (E ) = ∅ et l’égalité proposée est vraie.


Sinon, on peut écrire E = {x1 ,…, x n } avec des x i deux à deux distincts et n = Card E .
f (E ) = { f (x1 ), …, f (x n )} , or f est injective, les f (x i ) sont deux à deux distincts donc Card( f (E )) = n .

Exercice 47 Soient A , B et C trois parties d’un ensemble finie E . Exprimer Card(A ∪ B ∪C ) en fonctions
des cardinaux de A, B ,C , A ∩ B , B ∩C ,C ∩ A et A ∩ B ∩C .

Card(A ∪ B ∪C ) = Card A + Card B ∪C − Card(A ∩ B ) ∪ (A ∩C ) donc


Card(A ∪ B ∪C ) = Card A + Card B + CardC − Card B ∩C − Card A ∩ B − CardC ∩ A + Card A ∩ B ∩C

Exercice 48 Soient A et B deux parties de E et F .


Etant donnée une application f : E → F , est-il vrai que :
a) Si A est une partie finie de E alors f (A) est une partie finie de F .
b) Si f (A) est une partie finie de F alors A est une partie finie de E .
c) Si B est une partie finie de F alors f −1 (B ) est une partie finie de E .
d) Si f −1 (B ) est une partie finie de E alors B est une partie finie de F ?

a) oui, car si A = {x1 , …, x n } alors f (A) = {f (x1 ),…, f (x n )} est fini.


b) non, il suffit de considérer une fonction constante définie sur un ensemble infini.
c) non, il suffit de considérer une fonction constante définie sur un ensemble infini.
d) oui, car B ⊂ f ( f −1 (B )) et f ( f −1 (B )) est fini.

11
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Dénombrement

Exercice 49 Soient E et F deux ensembles finis de cardinaux respectifs n et p .


Combien y a-t-il d’injections de E dans F ?
Si n > p , il n’y a pas d’injections possibles.
Si n = 0 , il y a une injection : l’application vide.
Si 0 < n ≤ p alors on peut écrire E = {x1 ,…, x n } avec les x i deux à deux distincts.
Pour former une injection de E dans F :
On choisit f (x1 ) dans F : p choix.
On choisit f (x 2 ) dans F \ { f (x1 )} : p −1 choix.
...
On choisit f (x n ) dans F \ { f (x1 ), …, f (x n −1 )} : p − n + 1 choix.
p!
Au total, il y a p × (p −1) ×⋯× (p − n + 1) = choix.
(p − n )!

Exercice 50 Soient E = {1,…, n } et F = {1,…, p } avec n ≤ p ∈ ℕ .


Combien y a-t-il d’applications strictement croissantes de E vers F ?
Une application f : E → F strictement croissante est entièrement déterminée par son image qui est une partie

()
p parties à n éléments dans F et donc autant d’applications strictement
formée de n éléments de F . Il y a n
croissantes de E vers F .

Exercice 51 Combien existe-t-il de relation d’ordre total sur un ensemble E à n éléments ?

Une relation d’ordre total sur E permet définit une bijection de {1, …, n } vers E et inversement.
Par suite il y a n ! relation d’ordre total possibles.

Exercice 52 On trace dans un plan n droites en position générale (i.e. deux d’entre elles ne sont jamais
parallèles ni trois d’entre elles concourantes). Combien forme-t-on ainsi de triangles ?

Notons tn le nombre de triangles formés.


t0 = t1 = t 2 = 0 et t3 = 1 .
n (n −1) n (n −1)
Pour tout n ≥ 3 , tn +1 = tn + car la nouvelle droite définit, en plus des précédents, nouveaux
2 2
triangles (correspondants au choix de deux droites parmi les précédentes).
n
k (k −1) 1 n 2 1 n n (n + 1)(2n + 1) n (n + 1) n (n + 1)(n −1)
Par suite tn +1 = ∑ = ∑k − ∑k = − = .
k =1 2 2 k =1 2 k =1 12 4 6

Exercice 53 Soient p ,q ∈ ℕ et n ∈ 0, p + q . Proposer une démonstration par dénombrement de l’égalité


n

( p +q =
n ) ( )(
∑ kp n −q k .
k =0
)
Soit E un ensemble à p + q éléments séparé en deux parties disjointes E ′ et E ′′ de cardinaux p et q .

( )
+ q parties à n éléments dans E .
Il y a exactement p n

Or pour former une partie à n élément de E , on peut pour chaque k ∈ 0, n commencer par choisir k
p  q 
éléments dans E ′ avant d’en choisir n − k dans E ′′ . Il y a    possibilités pour chaque k ∈ 0, n puis
k n − k 
n
p  q 
au total ∑ k n − k  possibilités d’où l’identité.
k =0

12
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Exercice 54 Soient E et F deux ensembles finis non vides de cardinaux respectifs n et p .


On note Snp le nombre de surjections de E sur F .
a) Calculer Sn1 , Snn et Snp pour p > n .
b) On suppose p ≤ n et on considère a un élément de E .
On observant qu’une surjection de E sur F réalise, ou ne réalise pas, une surjection de E \ {a }
sur F , établir Snp = p (Snp−−11 + Snp−1 ) .
p
p 
c) En déduire que Snp = ∑ (−1)p−k  k n .
k =0
k 

a) Si F est un singleton, il n’y a qu’une application à valeurs dans F et celle-ci est surjective. Sn1 = 1 .
Si Card E = Card F < +∞ alors les surjections de E sur F sont aussi les bijections. Par suite Snn = n ! .
Si Card E < Card F , il n’existe pas de surjections de E sur F . Ainsi Snp = 0 .
b) Une surjection de E sur F telle que sa restriction à E \ {a } soit surjective peut prendre n’importe quelle
valeurs en a . Il y en a pSnp−1 .
Une surjection de E sur F telle que sa restriction à E \ {a } ne soit pas surjective doit prendre en a la valeur
manquante. Il y a p possibilité pour choisir la valeur en a et S np−−11 surjections de E \ {a } sur F \ { f (a )} . Au
total, il y en a pS np−−11 .
Au final Snp = p (Snp−−11 + Snp−1 ) .
c) Montrons la propriété par récurrence sur n ∈ ℕ∗ .
1
Pour n = 1 . p = 1 , S11 = 1 et ∑ (−1)
k =0
1−k
(1k )k = 1 .
Supposons la propriété établie au rang n −1 ≥ 1 .
n
Pour p = 1 : Sn1 = 1 et ∑ (−1)
k =0
1−k
(nk )k = 1 .
Pour 1 ≤ p ≤ n :
p −1 p

( )
Snp = p (Snp−−11 + Snp−1 ) = p ∑ (−1) p−1−k p k−1 k n −1 + p ∑ (−1) p−k kp k n −1
k =0 k =0
()
p p

k =0
(
1 )
−1 k n −1 =
= ∑ (−1) p−k p kp − ∑ (−1)p−k
k =0
(kp )k n

Récurrence établie.

Exercice 55 Pour n ∈ ℕ∗ et p ∈ ℕ , on note Σnp le nombre de n uplets (x1 , …, x n ) ∈ ℕn tels que


x1 + ⋯ + x n = p .
a) Déterminer Σn0 , Σ1n , Σn2 , Σ1n et Σn2 .
b) Etablir ∀n ∈ ℕ∗ , ∀p ∈ ℕ , Σnp +1 = Σn0 +Σ1n + ⋯ +Σnp .
c) En déduire que Σnp = n +pp −1 . ( )
n (n −1) n (n + 1)
a) Σn0 = 1 , Σ1n = n , Σn2 = n + = , Σ1n = n et Σn2 = n + 1 .
2 2
b) Le nombre de n + 1 uplets (x1 ,..., x n , x n +1 ) ∈ ℕn tels que x1 + ⋯ + x n +1 = p avec x n +1 = k ∈ 0, p est Σnp −k .
Donc Σnp +1 = Σn0 +Σ1n + ⋯ +Σnp .
c) Par récurrence sur n ∈ ℕ∗ , montrons ∀n ∈ ℕ ∗ , Σnp = n +pp −1 . ( )
Pour n = 1 : ok
Supposons la propriété établie au rang n ≥ 1 :

( ) ()
∀p ∈ ℕ, Σnp +1 = Σn0 + ⋯ +Σnn = n 0−1 + 1n + ⋯ + n +pp −1 = n + p
p
( ) ( )
Récurrence établie.

13
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Exercice 56 Soit E un ensemble à n éléments.


a) Soit X une partie à p éléments de E .
Combien y a-t-il de parties Y de E disjointes de X ?
b) Combien y a-t-il de couples (X ,Y ) formés de parties disjointes de E ?

a) Autant que de parties de E \ X : 2n −p


n
b) ∑ (np ) 2
p =0
n −p
= (1 + 2)n = 3n .

Exercice 57 Soit E un ensemble à n éléments. Combien y a-t-il de parties X et Y de E telles que X ⊂Y ?

Pour k ∈ {0, …, n } , il y a n ()
k parties Y à un k éléments dans E .
Pour une telle partie Y , il y a 2k parties X incluses dans Y .
n
Au total, il y a ∑ (nk ) 2
k =0
k
= (1 + 2)n = 3n couples (X ,Y ) ∈ ℘ (E ) 2 tels que X ⊂Y .

Exercice 58 Soit A une partie d’un ensemble E à n éléments. On pose p = Card A .


a) Combien y a-t-il de parties X de E contenant A ?
b) Combien y a-t-il de parties X de E à m ∈ {p ,…, n } éléments contenant A ?
c) Combien y a-t-il de couples (X ,Y ) de parties de E tels que X ∩Y = A ?

a) Autant que de parties de E \ A : 2n −p


n −p .
b) Autant que de parties de E \ A à m − p éléments : m −p ( )
c) Une fois X à m éléments contenant A déterminé il y a 2n −m choix de Y possibles et donc
n n −p

∑ (mn −−pp ) 2
m =p
n −m
=∑ n− ( )
p n −p−k = (1 + 2)n −p = 3n −p .
k 2
k =0

Exercice 59 Soit E un ensemble à n éléments. Calculer ∑ Card(X ) et ∑


X ⊂E X ,Y ⊂E
Card(X ∩Y ) .

Pour k ∈ {0, …, n } , il y a n ()
k parties X à un k éléments dans E .
n n
Par suite ∑ Card(X ) = ∑ ∑
X ⊂E k =0 X ⊂E
k = ∑k n
k =0
()
n −1
k = n2 .
Card( X ) =k

Pour k ∈ {0, …, n } , il y a n ()
k parties Z à k éléments dans E .
Pour une telle partie Z , les parties X contenant Z ont ℓ ∈ {k ,…, n } éléments.

Il y a n −k
( )
ℓ − k parties X à ℓ éléments contenant Z .
Pour une telle partie X , une partie Y telle que X ∩Y = Z est une partie Y déterminée par
Z ⊂Y ⊂ Z ∪C E X . Il y a 2n−ℓ parties Y possibles.
n
Il y a ∑ (nℓ −−kk ) 2
ℓ =k
n −ℓ
= (1 + 2)n −k = 3n −k couples (X ,Y ) tels que X ∩Y = Z .
n n


X ,Y ⊂E
Card(X ∩Y ) = ∑
k =0
∑ ∑
Z ⊂E X ,Y ⊂E
Card(X ∩Y ) = ∑ k n
k =0
n −k
k 3 . ()
Card Z =k X ∩Y =Z
n
Or ((3 + x )n ) ′ = n (3 + x )n −1 = ∑ k n n −k k −1
k 3 x donc
k =0
() ∑
X ,Y ⊂E
Card(X ∩Y ) = n 4n −1 .

Exercice 60 Combien y a-t-il de p -cycles dans (Sn , ) ?

14
Ensembles et applications || http://mpsiddl.free.fr || david Delaunay

Une injection f de ℕ p dans ℕ n permet de définir le p -cycle ( f (1)… f (p )) .


Tous les p -cycles de ℕ n peuvent ainsi être définit par exactement f injections différentes.
n!
En vertu du principe des berges, il y a exactement p -cycles dans Sn .
p (n − p )!
david Delaunay http://mpsiddl.free.fr

15
Polynômes en une indéterminée
K désigne ℝ ou ℂ .

I. Construction de l’anneau des polynômes

1°) Polynômes
Déf : On appelle polynôme à coefficients dans K en l’indéterminée X tout objet noté
+∞
P = ∑ an X n = a 0 + a1X + ... + an X n + ... où (an )n ∈ℕ est une suite d’éléments de K nulle à partir d’un
n =0

certain rang, appelée suite des coefficients de P . On note K [X ] l’ensemble de ces éléments.
+∞ +∞
Déf : Deux polynômes P = ∑ an X n et Q = ∑ bn X n ∈ K [X ] sont dits égaux ssi ils ont les mêmes
n =0 n =0

coefficients. Ainsi : P = Q ⇔ ∀n ∈ ℕ,an = bn .


Déf : Soit C ∈ K . On appelle polynôme constant égal à C le polynôme C + 0.X + ⋯ = C .
Déf : On appelle monôme, tout polynôme de la forme : 0 + 0.X + ⋯ + 0.X n −1 + aX n + 0.X n +1 + ⋯ = aX n
avec a ∈ K , n ∈ ℕ .
+∞
Déf : Soit P = ∑ an X n ∈ K [X ] . On dit que P est un polynôme pair (resp. impair) ssi ∀p ∈ ℕ,a 2 p +1 = 0
n =0

(resp. a 2 p = 0 ).

2°) L’espace vectoriel des polynômes


+∞ +∞
Déf : Soit P = ∑ an X n ∈ K [X ] et Q = ∑ bn X n ∈ K [X ] .
n =0 n =0
+∞
On définit le polynôme P +Q ∈ K [X ] par : P +Q = ∑ (an + bn )X n .
n =0

+∞
Déf : Soit P = ∑ an X n ∈ K [X ] et λ ∈ K .
n =0
+∞
On définit le polynôme λ.P ∈ K [X ] par : λ.P = ∑ (λ.an )X n .
n =0

Théorème :
(K [X ], +,.) est un K -espace vectoriel dont l’élément nul est le polynôme nul.

3°) Degré
+∞
Déf : On appelle degré de P = ∑ an X n ∈ K [X ] polynôme non nul le plus grand n ∈ ℕ tel que an ≠ 0
n =0

On le note n = deg P .
Déf : Le coefficient an est alors appelé coefficient dominant de P .
Convention :
Si P = 0 , on pose deg P = −∞ .
deg P si λ ≠ 0
Prop : ∀P ∈ K [X ], ∀λ ∈ K , deg(λ.P ) =  .
−∞ si λ = 0

Prop : ∀P ,Q ∈ K [X ],deg(P +Q ) ≤ max(deg P , degQ )


avec égalité lorsque deg(P ) ≠ deg(Q ) .

-1/9-
4°) Le sous-espace vectoriel Kn [X ]

Déf : Pour n ∈ ℕ , on note Kn [X ] l’ensemble des polynômes de K [X ] de degré inférieur à n . Ainsi


Kn [X ] = {P ∈ K [X ] / deg P ≤ n } .
Théorème :
Kn [X ] est un sous-espace vectoriel de K [X ] de dimension n + 1 dont la famille B = (1, X ,..., X n ) est
une base, dite base canonique.
Cor : Il en découle que dim K [X ] = +∞ .

5°) L’anneau des polynômes


On définit une multiplication sur K [X ] en imitant le principe de multiplication des expressions polynomiales.
+∞ +∞
Déf : Soit P = ∑ an X n ∈ K [X ] et Q = ∑ bn X n ∈ K [X ] .
n =0 n =0
+∞
On définit le polynôme PQ par : PQ = ∑ cn X n avec
n =0
n
cn = ∑ akbn −k = ∑ab k ℓ = a 0bn + a1bn −1 + ⋯ + anb0 .
k =0 k + ℓ =n

Théorème :
(K [X ], +,×) est un anneau commutatif d’élément nul le polynôme nul et d’élément unité le polynôme
constant égal à 1 .

6°) Degré d’un produit


Théorème :
∀P ,Q ∈ K [X ] , deg PQ = deg P + degQ
Cor : Les polynômes inversibles sont les polynômes constants non nuls.
Cor : ∀P ,Q ∈ K [X ], PQ = 0 ⇒ P = 0 ou Q = 0 .
Ainsi, dans K [X ] , il n’y a pas de diviseurs de zéro.

7°) Fonctions polynomiales


a) valeur d’un polynôme en un point
Déf : Soit P = a 0 + a1X + ⋯ + an X n ∈ K [X ] et x ∈ K .
On appelle valeur de P en x le scalaire P (x ) = a 0 + a1x + ⋯ + an x n .
Prop : Soit P ,Q ∈ K [X ] , λ , µ ∈ K et x ∈ K .
(λ.P + µ.Q )(x ) = λP (x ) + µQ (x ) , (PQ )(x ) = P (x )Q (x ) et (P Q )(x ) = P (Q (x )) .
Déf : On appelle racine (ou zéro) d’un polynôme P ∈ K [X ] tout x ∈ K tel que P (x ) = 0 .

Déf : On appelle équation algébrique, tout équation de la forme P (x ) = 0 d’inconnue x ∈ K et où P ∈ K [X ] .


Le degré de P est alors appelé degré de l’équation P (x ) = 0 .
b) fonction polynomiale
Déf : On appelle fonction polynomiale associée à P ∈ K [X ] définie sur D ⊂ K l’application :
D → K
Pɶ :  .
x ֏ Pɶ (x ) = P (x )
Lorsque D = K , on parle de fonction polynomiale associée à P .

Prop : Soit P ,Q ∈ K [X ] et λ , µ ∈ K . λ
+ µ.Q
.P + µ.Q = λ.P
, P

×Q
×Q = P
.

-2/9-
8°) Composition de polynômes
+∞
Déf : Soit P = ∑ an X n ∈ K [X ] et Q ∈ K [X ] .
n =0
+∞
On définit le polynôme composé P Q (aussi noté P (Q ) ) par : P Q = P (Q ) = ∑ anQ n ∈ K [X ] .
n =0

Prop : ∀P ,Q , R ∈ K [X ] et ∀λ, µ ∈ K :
(λ.P + µ.Q )  R = λ.P  R + µ.Q  R et (PQ )  R = (P  R )× (Q  R ) .

II. Dérivation

1°) Dérivée première


+∞
Déf : Soit P = ∑ an X n = a 0 + a1X + ... + an X n + ... ∈ K [X ] .
n =0

On appelle polynôme dérivé de P , le polynôme noté P ′ défini par :


+∞ +∞
P ′ = a1 + 2a 2 X + ⋯ + nan X n −1 + ⋯ = ∑ nan X n −1 = ∑ (n + 1)an +1X n .
n =1 n =0

Prop : Soit P ∈ K [X ] .
Si P est constant : P ′ = 0 .
Si P non constant : deg P ′ = deg P −1 et coeff(P ′ ) = deg P .coeff(P ) .
Dans les deux cas : deg P ′ ≤ deg P −1 .
Cor : P ′ = 0 ⇔ P polynôme constant.
Prop : ∀λ, µ ∈ K , ∀P ,Q ∈ K [X ] , (λP + µQ ) ′ = λP ′ + µQ ′ et (PQ ) ′ = P ′Q + PQ ′ .
n
Cor : (P1P2 ...Pn ) ′ = ∑ (P1 ...Pˆi ...Pn )Pi ′ et (P n ) ′ = nP ′P n −1 .
i =1

Prop : ∀P ,Q ∈ K [X ] , (P Q ) ′ = Q ′ ×P ′ Q .

Déf : Soit P ∈ K [X ] . On appelle polynôme primitif de P tout polynôme Q tel que Q ′ = P .

2°) Dérivée d’ordre supérieur


Soit D : K [X ] → K [X ] défini par D (P ) = P ′ .
D est un endomorphisme de K [X ] .
On note D 0 = Id, D 1 = D , D 2 = D  D , …, D n = D  D … D ( n termes)
Déf : Soit n ∈ ℕ et P ∈ K [X ] . Le polynôme P (n ) = D n (P ) est appelé polynôme dérivé d’ordre n de P .

Prop : Soit P ∈ K [X ] et n ∈ ℕ .
Si deg P < n alors deg P (n ) = −∞ .
Si deg P ≥ n alors deg P (n ) = deg P − n .
Prop : ∀λ, µ ∈ K , ∀P ,Q ∈ K [X ] :
n

k =0
k ()
(λP + µQ )(n ) = λP (n ) + µQ (n ) et (PQ )(n ) = ∑ n P (k )Q (n −k ) .

3°) Formule de Taylor


Théorème :
+∞
P (n ) (a )
∀P ∈ K [X ] , ∀a ∈ K , P = ∑ (X −a )n .
n =0 n!

-3/9-
III. Arithmétique des polynômes

1°) Divisibilité
a) polynômes associés
Déf : Soit P ,Q ∈ K [X ] . On dit que P et Q sont associés ssi ∃λ ∈ K *,P = λQ .
Prop : Si P et Q sont associés et ont mêmes coefficients dominants
alors P = Q .
Déf : Un polynôme P ∈ K [X ] est dit unitaire (ou normalisé) ssi son coefficient dominant est égal à 1.

Prop : Tout polynôme P ∈ K [X ] non nul est associé à unique polynôme unitaire.
b) relation de divisibilité
Déf : Soit A, B ∈ K [X ] . On dit que A divise B ssi ∃U ∈ K [X ] , B = AU .
On note alors A | B .
Déf : Soit A ∈ K [X ] . On note Div(A) l’ensemble des diviseurs et Mul(A) l’ensemble des multiples de A .
Prop : Soit A et B des polynômes respectivement associés à C et D . On a A | B ⇔ C | D .
c) propriétés de la divisibilité
Prop : ∀A, B ,C ∈ K [X ]
A | B et B | C ⇒ A | C ,
A | B et B | A ⇒ A et B associés,
A | B et B ≠ 0 ⇒ deg A ≤ deg B ,
A | B et deg A = deg B ⇒ A et B associés.
Prop : ∀A, B ,C , D ∈ K [X ]
A | B et A | C ⇒ A | B +C ,
A | B et C | D ⇒ AC | BD ,
A | B ⇒ ∀n ∈ ℕ, An | B n .

2°) Division euclidienne


a) énoncé
Théorème :
2
∀A, B ∈ K [X ] avec B ≠ 0 , ∃!(Q , R ) ∈ K [X ] tel que :
A = BQ + R et deg R < deg B
Les polynômes Q et R sont appelés quotient et reste de la division euclidienne de A par B .
b) applications
Prop : Soit A, B ∈ K [X ] tels que B ≠ 0 . On a :
B | A ⇔ le reste de la division euclidienne de A par B est nul.
Prop : Soit P ∈ K [X ] et a ∈ K . a est racine de P ⇔ (X −a ) | P .

3°) Pgcd et ppcm de deux polynômes


a) pgcd
Déf : On note Div(A, B ) = Div(A) ∩ Div(B ) l’ensemble des diviseurs communs à A et B .
Prop : Si A = BQ + R alors Div(A, B ) = Div(B , R ) .
Théorème :
Soit A, B ∈ K [X ] , il existe un unique polynôme D ∈ K [X ] unitaire ou nul, tel que Div(A, B ) = Div(D ) .
Déf : Ce polynôme D est appelé pgcd des polynômes A et B .
On note D = pgcd(A, B ) ou D = A ∧ B .

-4/9-
Théorème : (Egalité de Bézout)
Si D = pgcd(A, B ) alors ∃U ,V ∈ K [X ] tels que D = AU + BV .
Prop : pgcd(A, B ) = pgcd(B , A) .
Si A | B alors pgcd(A, B ) est associé à A .
Prop : Si C est unitaire alors pgcd(AC , BC ) = pgcd(A, B )×C .
b) ppcm
Déf : On note Mul(A, B ) = Mul(A) ∩ Mul(B ) l’ensemble des multiples communs à A et B .
Théorème :
Soit A, B ∈ K [X ] , il existe un unique polynôme unitaire ou nul tel que Mul(A, B ) = Mul(M ) .
Déf : M est alors appelé ppcm de A et B .
On note M = ppcm(A, B ) ou A ∨ B .
Prop : ppcm(A, B ) = ppcm(B , A)
Si A | B alors ppcm(A, B ) est associé à B .
Prop : Si C est unitaire alors ppcm(AC , BC ) = ppcm(A, B )×C .

4°) Polynômes premiers entre eux


a) définition
Déf : Deux polynômes A et B sont dits premiers entre eux ssi leurs seuls diviseurs communs sont les
polynômes constants non nuls.
Ceci signifie encore pgcd(A, B ) = 1 . On note alors A ∧ B = 1 .
b) théorème de Bézout
Théorème :
On a équivalence entre :
(i) A et B sont premiers entre eux,
(ii) ∃U ,V ∈ K [X ] tels que AU + BV = 1 .
Cor : A ∧ B et A ∧C = 1 ⇒ A ∧ (BC ) = 1 ,
A ∧ B1 = 1,..., A ∧ Bn = 1 ⇒ A ∧ (B1 ...Bn ) = 1 ,
A ∧ B = 1 ⇒ ∀m , n ∈ ℕ, Am ∧ B n = 1 .
c) théorème de Gauss
Théorème :
A | BC et A ∧ B = 1 ⇒ A | C .
Théorème :
A | C , B | C et A ∧ B = 1 ⇒ AB | C .
Cor : Si A1 ,..., An sont des diviseurs de P deux à deux premiers entre eux
alors A1 ...An | P .
d) produit du pgcd et du ppcm
Théorème :
∀A, B ∈ K [X ], pgcd(A, B )× ppcm(A, B ) est associé à AB .

5°) Décomposition en produit de facteurs irréductibles


Déf : Soit P ∈ K [X ] un polynôme non constant.
On dit que P est irréductible dans K [X ] ssi ses seuls diviseurs sont ses diviseurs triviaux.
Sinon, P est dit composé.
Prop : Soit A ∈ K [X ] et P un polynôme irréductible de K [X ] .
Si P /| A alors P ∧ A = 1 .

-5/9-
Prop : Soit A, B ∈ K [X ] et P un polynôme irréductible dans K [X ] .
P | AB ⇒ P | A ou P | B .
Théorème :
Soit A un polynôme non constant de K [X ] .
∃λ ∈ K *, ∃N ∈ ℕ*, ∃P1 ,..., PN polynômes irréductibles de K [X ] unitaires et deux à deux distincts et
∃α1 ,..., αN ∈ ℕ * tels que :
A = λP1α1 P2α2 ...PNαN .
De plus cette décomposition est unique à l’ordre près des facteurs, on l’appelle décomposition primaire de
A.

IV. Racines d’un polynôme

1°) Racines et degré


Prop : Soit P ∈ K [X ] .
Si a1 ,...,an sont des racines deux à deux distinctes de P
alors (X −a1 )...(X −an ) | P
Théorème :
Si P est un polynôme non nul alors P ne peut avoir plus de racines que son degré.
Cor : Un polynôme de degré n possède au plus n racines.
Une équation algébrique de degré n ∈ ℕ possède au plus n solutions.
Cor : Soit P ∈ Kn [X ] .
Si P possède au moins n + 1 racines alors P = 0 .
Cor : Soit P ∈ K [X ] .
Si P possède une infinité de racines alors P = 0 .

2°) Polynôme et fonction polynomiale


Soit D une partie infinie de K .
Déf : On note P (D , K ) l’ensemble des fonctions polynomiales de D vers K .
Théorème :
L’application qui à P associe Pɶ est un isomorphisme du K -espace vectoriel K [X ] vers P (D, K ) .
Cor : Si deux fonctions polynomiales prennent les mêmes valeurs une infinité de fois, c’est qu’elles sont issues
du même polynôme. Ainsi :
( ∀x ∈ D, a 0 + a1x + a 2x 2 + ⋯ = b0 + b1x + b2x 2 + ⋯) ⇒ ∀n ∈ ℕ,a n = bn .
C’est le principe d’identification des coefficients des fonctions polynomiales.

3°) Multiplicité des racines


Déf : Soit P ∈ K [X ] tel que P ≠ 0 et a ∈ K .
On appelle ordre de multiplicité de a en tant que racine de P le plus grand α ∈ ℕ tel que (X −a )α | P .
Si α = 0 alors a n’est pas racine de P .
Si α = 1 on parle de racine simple.
Si α ≥ 2 on parle de racine multiple (double, triple,…)
Convention :
Si P = 0 alors tout a ∈ K est dit racine de multiplicité +∞ de P .
Prop : Soit P ∈ K [X ] non nul, a ∈ K et α ∈ ℕ .
On a équivalence entre :
(i) a est racine de multiplicité α de P ,
(ii) (X −a )α | P et (X −a )α+1 |P ,
(iii) ∃Q ∈ K [X ] tel que P = (X −a )αQ et Q (a ) ≠ 0 .

-6/9-
Prop : Soit P ∈ K [X ] et a1 ,...,an des racines deux à deux distinctes de P de multiplicités respectives au moins
égales à α1 ,..., αn .
On a (X −a1 )α1 ...(X −an )αn | P .
Théorème :
Si P est un polynôme non nul alors la somme des multiplicités de ses racines ne peut excéder son degré.
Cor : Soit P ∈ Kn [X ] .
Si P admet des racines dont la somme des multiplicités est au moins n + 1 alors P = 0 .
Cor : Soit P un polynôme de degré n ∈ ℕ .
Si P admet au moins n racines distinctes alors il n’y en n’a pas d’autres et celles-ci sont simples.

4°) Multiplicité et dérivation


Théorème :
Si a est racine de multiplicité α ∈ ℕ∗ de P
alors a est racine de multiplicité α −1 de P ′ .
Cor : Les racines de P sont simples ssi P et P ′ n’ont pas de racines communes.
Théorème :
Soit P ∈ K [X ] non nul, a ∈ K et α ∈ ℕ∗ .
On a équivalence entre :
(i) a est racine d’ordre de multiplicité α de P ,
(ii) P (a ) = P ′(a ) = ... = P ( α−1) (a ) = 0 et P (α ) (a ) ≠ 0 .

V. Polynômes scindés

1°) Définition
Déf : Un polynôme P ∈ K [X ] est dit scindé dans K [X ] ssi
∃λ ∈ K *, ∃n ∈ ℕ*, ∃x1 ,…, x n ∈ K , P = λ (X − x1 )...(X − x n ) .
Théorème :
Soit P ∈ K [X ] un polynôme non constant.
On a équivalence entre :
(i) P est scindé dans K [X ] ,
(ii) La somme des multiplicités des racines de P égale son degré.

2°) Polynôme complexe


a) théorème de d’Alembert-Gauss
Théorème : (admis)
Tout polynôme non constant de ℂ [X ] admet au moins une racine.
On dit que ℂ algébriquement clos.
Cor : Les polynôme irréductibles de ℂ [X ] sont ceux de degré 1 .
Théorème :
Soit P ∈ ℂ [X ] non constant.
∃λ ∈ K∗ , ∃N ∈ ℕ ∗ , ∃a1 ,...,aN ∈ ℂ deux à deux distincts et ∃α1 ,..., αN ∈ ℕ * tels que
P = λ (X −a1 )α1 ...(X −a N )αN .
De plus cette décomposition est unique à l’ordre près des facteurs.
Cor : Tout polynôme non constant de ℂ [X ] est scindé.
Tout polynôme de ℂ [X ] de degré n ∈ ℕ possède n racines comptées avec multiplicité.
Toute équation algébrique complexe de degré n ∈ ℕ∗ possède n solutions complexes comptées avec
multiplicité.

-7/9-
b) arithmétique et racines
Prop : Soit A, B ∈ ℂ [X ] . On a équivalence entre :
(i) A | B ,
(ii) les racines de A sont aussi racines de B de multiplicité au moins égale.
Prop : Soit A, B ∈ ℂ [X ] . On a équivalence entre :
(i) A ∧ B = 1 ,
(ii) A et B n’ont pas de racines en commun.
c) polynôme conjugué
Déf : Soit P = an X n + ... + a1X + a 0 ∈ ℂ [X ] .
On appelle polynôme conjugué de P le polynôme P = an X n + ... + a1X + a 0 ∈ ℂ [X ] .

Prop : Soit P ,Q ∈ ℂ [X ] .
P = P , P +Q = P +Q , PQ = PQ ,
P |Q ⇔ P |Q ,
∀a ∈ ℂ, P (a ) = P (a ) .
Prop : Soit P ∈ ℂ [X ] , a ∈ ℂ et α ∈ ℕ .
On a équivalence entre :
(i) a est racine de multiplicité α de P ,
(ii) a est racine de multiplicité α de P .

3°) Polynôme réel


Déf : Soit P ∈ ℝ [X ] . On appelle racine complexe de P toute racine de P vu comme polynôme complexe.

Prop : Soit P ∈ ℝ [X ] un polynôme de degré n ∈ ℕ . P admet exactement n racines complexes comptées


avec multiplicité.
Prop : Les racines complexes de P ∈ ℝ [X ] sont deux à deux conjuguées et deux racines conjuguées ont même
multiplicité.
Prop : Les polynômes irréductibles de ℝ [X ] sont :
+ les polynômes de degré 1 ,
+ les polynômes de degré 2 de discriminant < 0 (i.e. sans racines réelles).
Théorème :
Soit P ∈ ℝ [X ] non constant.
∃ λ ∈ ℝ ∗ , ∃N , M ∈ ℕ ,
∃a1 ,...,a N ∈ ℝ deux à deux distincts,
∃(p1 , q1 ),..., (pM ,q M ) ∈ ℝ 2 deux à deux distincts, tels que ∆ j = p j2 − 4q j < 0 , ∃α1 ,..., αN ∈ ℕ * et
∃β1 ,..., βM ∈ ℕ * tels que :
N M
β
P = λ∏ (X −ai )αi ∏ (X 2 + p j X + q j ) j .
i =1 j =1

De plus cette décomposition est unique à l’ordre près des facteurs.


Cor : Les polynômes de degré impair possèdent au moins une racine réelle.

4°) Relations entre racines et coefficients d’un polynôme scindé

Soit P = an X n + ⋯ + a1X + a 0 un polynôme scindé de degré n ∈ℕ∗ réel ou complexe.


Soit x1 ,..., x n les racines de P comptées avec multiplicité.
On a P = an X n + ⋯ + a1X + a 0 = an (X − x1 ) … (X − x n ) .
En développant le second membre, on peut exprimer les coefficients de P en fonction de ses racines.

-8/9-
Déf : Soit n ∈ ℕ∗ et x1 ,…, x n ∈ K .
On appelle expressions symétriques élémentaires des x1 ,..., x n les quantités suivantes :
n
σ1 = ∑ x i , σ2 = ∑ x i x j , σ3 = ∑ x i x j x k , …, σ p = ∑ x i1 x i2 ...x ip (pour 1 ≤ p ≤ n ),
i =1 1≤i < j ≤n 1≤i < j <k ≤n 1≤i1 <i2 <...<ip ≤n

…, σn = x1x 2 ...x n .
Ainsi σp apparaît comme étant la somme de tous les produits possibles de p éléments d’indices distincts
choisis dans x1 ,..., x n .
Prop : Soit n ∈ ℕ∗ , x1 ,…, x n ∈ K et σ1 , …, σn les expressions symétriques élémentaires en les x1 ,..., x n . On a
(X − x1 ) … (X − x 2 ) = X n − σ1X n −1 + ⋯ + (−1)k σk X n −k + ⋯ + (−1)n σn .
Théorème :
Soit P = an X n + ... + a1X + a 0 un polynôme de degré n ∈ ℕ * .
et x1 ,..., x n ∈ K . On a équivalence entre :
(i) x1 ,..., x n sont les racines de P comptées avec multiplicité,
(−1)k an −k
(ii) ∀1 ≤ k ≤ n , σk = .
an
En Particulier :
Soit P = aX 2 + bX + c avec a ≠ 0 .
x + x 2 = −b a
x1 et x 2 sont les racines de P comptées avec multiplicité ssi  1 .
x1x 2 = c a
En Particulier :
Soit P = aX 3 + bX 2 + cX + d avec a ≠ 0 .
x1 + x 2 + x 3 = −b a

x1 , x 2 , x 3 sont les racines de P comptées avec multiplicité ssi  x1x 2 + x 2x 3 + x 3x1 = c a .

x1x 2x 3 = −d a

-9/9-
Polynôme en une indéterminée || http://mpsiddl.free.fr || david Delaunay

L’anneau des polynômes

Exercice 1 Résoudre les équations suivantes :


a) Q 2 = XP 2 d’inconnues P ,Q ∈ K [X ]
b) P  P = P d’inconnue P ∈ K [X ] .

a) Si (P ,Q ) est un couple solution de polynômes non nuls alors Q 2 = XP 2 donne 2 degQ = 1 + 2 deg P avec
deg P , degQ ∈ ℕ ce qui est impossible. Il reste le cas où l’un des polynômes P ou Q est nul et l’autre, alors,
l’est aussi. Inversement, le couple nul est effectivement solution.
b) Si deg P ≥ 2 alors deg P  P = (deg P ) 2 > deg P et donc P n’est pas solution.
Si deg P ≤ 1 alors on peut écrire P = aX + b et alors
a 2 = a
P  P = P ⇔ a (aX + b ) + b = aX + b ⇔  ⇔ (a = 1 et b = 0) ou (a = 0 et b quelconque). Finalement
ab = 0
les solutions sont le polynôme X et les polynômes constants.

Exercice 2 On définit une suite de polynôme (Pn ) par P0 = 2, P1 = X et ∀n ∈ ℕ, Pn + 2 = XPn +1 − Pn .


a) Calculer P2 et P3 .
Déterminer degré et coefficient dominant de Pn .
b) Montrer que, pour tout n ∈ ℕ et pour tout z ∈ ℂ∗ on a Pn (z + 1 z ) = z n + 1 z n .
c) En déduire une expression simple de Pn (2 cos θ ) pour θ ∈ ℝ .
d) Déterminer les racines de Pn .

a) P2 = X 2 − 2 , P3 = X 3 − 3X .
Par récurrence double sur n ∈ ℕ , on montre deg Pn = n et coeff(Pn ) = 1 .
b) Par récurrence double sur n ∈ ℕ :
Pour n = 0 et n = 1 : ok
Supposons la propriété établie aux rangs n et n + 1 (avec n ≥ 0 )
 1  1   1 1
Pn +2 (z ) = (z + 1 z )Pn +1 (z ) − Pn (z ) = z + z n +1 + n +1  − z n + n  = z n +2 + n +2 .

HR  z  z   z  z
Récurrence établie.
c) Pn (2 cos θ ) = Pn (eiθ + e−iθ ) = einθ + e−in θ = 2 cos n θ .
d) Soit x ∈ [−2, 2] . Il existe θ ∈ [0, π ] unique tel que x = 2 cos θ .
π + 2k π
Pn (x ) = 0 ⇔ cos n θ = 0 ⇔ ∃k ∈ {0,…, n −1} , θ = .
2n
 π + 2k π 
Par suite les x k = 2 cos  avec k ∈ {0, …, n −1} constituent n racines distinctes de an ≠ 0 et a 0 ≠ 0 .
 2n 
Puisque le polynôme Pn est de degré n , il n’y en a pas d’autres.

Dérivation

Exercice 3 Résoudre les équations suivantes :


a) P ′ 2 = 4P d’inconnue P ∈ K [X ]
b) (X 2 + 1)P ′′ − 6P = 0 d’inconnue P ∈ K [X ] .

a) Parmi les polynômes constants, seul le polynôme nul est solution.


Parmi les polynômes non constants, si P est solution alors 2(deg P −1) = deg P et donc deg P = 2 . On peut
alors écrire P = aX 2 + bX + c avec a ≠ 0 .

1
Polynôme en une indéterminée || http://mpsiddl.free.fr || david Delaunay

a = 1
P ′ 2 = 4P ⇔ 4a 2X 2 + 4abX + b 2 = 4aX 2 + 4bX + 4c ⇔ 
c = b 2 4
Les solutions de l’équation sont P = 0 et P = X 2 + bX + b 2 4 avec b ∈ K .
b) Parmi les polynôme de degré inférieur à 1, seul le polynôme nul est solution.
Pour P polynôme tel que deg P ≥ 2 alors la relation (X 2 + 1)P ′′ − 6P = 0 implique, en raisonnant sur
l’annulation des coefficients dominants, deg P (deg P −1) = 6 donc deg P = 3 .
En cherchant P sous la forme P = aX 3 + bX 2 + cX + d avec a ∈ K ∗ , on obtient que seuls les polynômes
P = a (X 3 + X ) avec a ∈ K ∗ sont solutions.
Finalement les polynômes solutions sont les a (X 3 + X ) avec a ∈ K .

Exercice 4 Montrer que pour tout entier naturel n , il existe un unique polynôme Pn ∈ ℝ [X ] tel que
Pn − Pn′ = X n . Exprimer les coefficients de Pn à l’aide de nombres factoriels.

Les polynômes solutions de Pn − Pn′ = X n sont nécessairement de degré n .


Cherchons ceux-ci de la forme : Pn = an X n + an −1X n −1 + ⋯ + a1X + a 0 .
Pn − Pn′ = X n équivaut à an = 1, an −1 = nan ,an −2 = (n −1)an −1 ,…,a 0 = 1.a1 .
Par suite l’équation Pn − Pn′ = X n possède une et une seule solution qui est :
n
n! k
P = X n + nX n −1 + n (n −1)X n −2 + ⋯ + n ! = ∑