Préparation Aux Concours 2021 MP2 AGADIR 2

MP2-AGADIR Préparation Algèbres:générale -linéaires – bilinéaires et EVN.
2020
thème 2 : Algèbres : générale -linéaires – bilinéaires et les EVN..
Page 1
Contents
1 Révisions algèbre linéaire MPSI 3

I. espaces vectoriels - applications linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II. Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
III. Matrices -déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
IV. Exercices corrigés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
V. Problème 1 :CNC 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2 Structures algébriques usuelles 67

I. Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
I.1 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
I.2 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
I.3 Structure d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
II. exercices corrigés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
III. Problème 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3 Réduction des endomorphismes et des matrices : 99

I. Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
I.1 Sous-espaces stables ; éléments propres d’un endomorphisme,d’une matrice carrèe . . . . . . . 99
I.2 Polynôme caractèristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
I.3 Endomorphismes et matrices carrèes diagonalisables . . . . . . . . . . . . . . . . . . . . . . . 106
I.4 Endomorphismes et matrices carrèes trigonalisables . . . . . . . . . . . . . . . . . . . . . . . . 108
I.5 Polynômes d’un endomorphisme, d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . 110
I.6 Application à la rèduction de la notion de polynôme annulateur . . . . . . . . . . . . . . . . . 114
I.7 classes de similitudes pour les matrices complexe ordre ≤ 3 . . . . . . . . . . . . . . . . . . . 116
III. Problème 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
IV. Problème 4 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
V. Problème 5 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
4 Espaces vectoriels normés , espaces préhilbertiens réels ,espaces

euclidiens : 176
I. Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
I.1 Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
I.2 Espaces préhilbertiens réels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
III. Problème 6 :CNC 2019 MP2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
IV. Problème 7 : ................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
V. Problème 8 : ................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
VI. Problème 9 : ................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
2
Chapter 1
Révisions algèbre linéaire MPSI
Dans toute ce chapitre, K désigne le corps R , C ou Q et E, F désigneront des espaces vectoriels sur le corps K.
I. espaces vectoriels - applications linéaires.

Définition 1
F est un sous-espace vectoriel de E si, et seulement si

• F ̸= ∅ (en général on montre que 0 ∈ F )
• F est stable par combinaison linéaire c’est-à-dire :
∀ λ ∈ K, ∀ (x, y) ∈ E 2 , x + λy ∈ F
Définition 2
f : E −→ F est linéaire (sur le corps K) si, et seulement si
∀ λ ∈ K, ∀ (x, y) ∈ E 2 , f (x + λy) = f (x) + λf (y)
On note alors L(E, F ) l’ensemble des applications linéaires de E dans F

• Si F = E, on dit que f est un endomorphisme. On note L(E) l’ensemble des endomorphismes
• Si f est bijective ont dit que c’est un isomorphisme.
• Si f est un automorphisme bijectif, on dit que c’est un automomorphisme. L’ensemble des auto-
morphismes est appelé groupe linéaire et est noté GL(E)
Rappels des principales définitions
• Im f = f (E) = {y ∈ F |∃ x ∈ E, y = f (x)} et ker f = {x ∈ E |f (x) = 0}

ker f est un sous-espace vectoriel de E et Im f est un sous-espace vectoriel de F .
• f est dite surjective si Im f = F c’est-à-dire : ∀ y ∈ F, ∃ x ∈ E, y = f (x)
• f est dite injective si ∀ (x, y) ∈ E 2 , f (x) = f (y) ⇒ x = y.
f ∈ L(E) est injective si, et seulement si ker f = {0}
3
MP2-AGADIR Préparation Algèbres:générale -linéaires – bilinéaires et EVN. 2020
Remarque 1
{ ∑
n }
vect(x1 , x2 . . . , xn ) = x ∈ E ∃ (λ1 , λ2 , . . . , λn ) ∈ K , x =
n
λ i xi
i=1
{∑
n }
= λi xi (λ1 , λ2 , . . . , λn ) ∈ K n
i=1
c’est un sous espace vectoriel de E appelé sous espace vectoriel engendré par la famille de vecteurs
(x1 , . . . , xn ) .
Définition 3
Soit (x1 , . . . , xn ) une famille finie d’éléments de E.
1. On dit que cette famille est libre (ou linéairement indépendante) si

( )
∀ λ1 , . . . , λn ∈ K, λ1 x1 + . . . + λn xn = 0 =⇒ λ1 = λ2 = . . . = λn = 0 .
2. On dit qu’elle est génératrice de E si E = vect(x1 , x2 , . . . , xn ) c’est-à-dire
∑
n
∀ x ∈ E, ∃ (λ1 , λ2 . . . , λn ) ∈ K n | x = λ i xi
i=1
3. une base si elle est libre et génératrice.

Si une base est finie, on appelle dimension de E le cardinal de cette base. Toutes les bases ont
alors le même cardinal.
( )
Thèorème 1 théorème de la base incomplète
Soit E de dimension n ̸= 0 et soit p ∈ [[ 1, n − 1 ]]. Soit (e1 , . . . ep ) une famille libre.

Il existe n − p vecteurs notés (ep+1 , . . . en ) tels que (e1 , . . . en ) soit une base de E.
Proposition 1
dim E = n
• Une famille génératrice à au moins n éléments.

• Une famille génératrice avec exactement n éléments est une base.
• Une famille libre à au plus n éléments.
• Une famille libre avec exactement n éléments est une base.
Page 4
Remarque 2
Pour montrer que (e1 , . . . , en ) est une base de E :
• Si on ne connaît pas la dimension de E, montrer que (e1 , . . . , en ) est libre et génératrice .
Si dim E = n :
• Montrer que detβ (e1 , . . . , en ) ̸= 0 où β est une base de E.
• Montrer que (e1 , . . . , en ) est libre.

• Montrer que (e1 , . . . , en ) est génératrice.
• Montrer que rg(e1 , . . . , en ) = n.
( )
Remarque 3 Cas d’une famille quelconque
Soit (xi )i∈I une famille de vecteurs du K-espace vectoriel E.

• On dit que la famille (xi )i∈I est libre si ∀J ⊂ I tel que J est fini, la famille (xi )i∈J est libre.
• On dit que la famille (xi )i∈I est génératrice de E si tout vecteur de E s’exprime comme une
combinaison linéaire des vecteurs de cette famille, c’est-à-dire que ∀x ∈ E, ∃J ⊂ I avec J fini
tel que x est combinaison linéaire des vecteurs de (xi )i∈J ,on notera vect (xi )i∈I l’ensemble des
combinaisons linéaires de la famille (xi )i∈I .
• On dit que (xi )i∈I est une base de E si (xi )i∈I est à la fois libre et génératrice.
• En pratique
– Pour montrer que la famille (xi )i∈I est libre on montre que toute sous-famille de type
(xi1 , . . . , xin ) où n ∈ N∗ est libre.
– Pour montrer que la famille (xi )i∈I est génératice de E (ie : E = vect (xi )i∈I on montre que
: ∑n
∀x ∈ E ∃ n ∈ N∗ ∃(λi1 , . . . , λin ) ∈ Kn tel que : x = k=1 λik xik .
• Théoréme de la base incomplète Soit E un K-espace vectoriel de dimension finie, G = (gi )i∈I
une famille génératrice finie de E et L = (gi )i∈J une sous-famille libre de G.
∃K | J ⊂ K ⊂ I et B = (gi )i∈K base de E
Proposition 2
• F ⊂ E ⇒ dim F ⩽ dim E.
• Si F ⊂ E et dim F = dim E alors F = E.
Proposition 3
Si E et F sont de dimension finie.
• dim E × F = dim E + dim F. Notamment dim K n = n.

• dim L(E, F ) = dim E × dim F
• dim Mn,p (K) = np
• dim Kn [X] = n + 1
Page 5
Définition 4
On appelle rang de n vecteurs (e1 , e2 , . . . , en ) l’entier positif défini par
rg(e1 , e2 , . . . , en ) = dim vect(e1 , e2 , . . . , en )
Rappel important : Soit (e1 , e2 , . . . , eq ) des vecteurs de E

∑
• vect(e1 , e2 , . . . , eq ) = vect(e1 , . . . , e∑
i+ j̸=i λj ej , . . . , eq ) par conséquent :
rg(e1 , e2 , . . . , eq ) = rg(e1 , . . . , ei + j̸=i λj ej , . . . , eq )
• rg(e1 , e2 , . . . , eq ) ⩽ q et rg(e1 , e2 , . . . , eq ) ⩽ dim E.
• (e1 , e2 , . . . , eq ) liée et (e1 , e2 , . . . , eq−1 ) libre alors :

eq ∈ vect(e1 , e2 , . . . , eq−1 ) .
• rg(e1 , e2 , . . . , eq ) = q si, et seulement si (e1 , e2 , . . . , eq ) est libre.

Notamment, rg(e1 , e2 , . . . , eq ) < q si, et seulement si la famille est liée.
• rg(e1 , e2 , . . . , eq ) = dim E si, et seulement si (e1 , e2 , . . . , eq ) est génératrice de E
Définition 5
Soit F et G deux sous-espaces vectoriels de E. On appelle somme de F et G, l’ensemble
F + G = {x ∈ E | ∃ (f, g) ∈ F × G, x = f + g}
Définition 6
On dit que la somme F + G est directe si ∀ (f, g) ∈ F × G, f + g = 0 =⇒ f = g = 0.

On écrit alors F + G = F ⊕ G.
Proposition 4
1. F ∩ G = {0}
2. F et G sont en somme directe.

3. tout élément x de F + G se décompose de manière unique sous la forme x = f + g avec f ∈ F et
g ∈ G c’est-à-dire
∀ x ∈ F + G, ∃ ! (f, g) ∈ F × G | x = f + g
Définition 7
On dit que F et G sont supplémentaires dans E si E = F ⊕ G ou encore
∀ x ∈ E, ∃ ! (f, g) ∈ F × G, x = f + g
Page 6
Remarque 4
Un espace vectoriel a en général une infinité de supplémentaires. Ne pas confondre la notion de supplé-
mentaire avec celle de complémentaire.
Proposition 5
En dimension finie, tout sous-espace vectoriel de F , admet un supplémentaire.
démonstration : Si F = E, il suffit de poser G = {0}, et inversement G = E si F = {0}.

Sinon, soit (e1 , . . . ep ) une base de F . C’est notamment une famille libre de E. D’après le théorème de la base incomplète, il existe
n − p vecteurs notés (ep+1 , . . . en ) tels que (e1 , . . . en ) soit une base de E.
Il suffit de poser G = vect(ep+1 , . . . en ).
cqfd
Définition 8
Soit E de dimension finie et F un sous-espace vectoriel de E. On dit qu’une base de E est adaptée à
F si ses premiers éléments forment une base de F
Remarque 5
On rappelle au passage la relation dim(F ⊕ G) = dim F + dim G.
Remarque 6
Pour montrer que deux applications linéaires sont égales il suffi de montrer qu’elles coïncident sur les
éléments d’une base.
Définition 9
Soit f ∈ L(E, F ), on suppose Im f de dimension finie. On appelle rang de f , l’entier
rg f = dim (Im f ) .
Si β = (e1 , . . . , en ) est une base de E et γ est une base quelconque de F , Im(f ) = vect{f (e1 ), . . . , f (en )}
on a aussi
rg f = dim(Im(f )) = dim vect{f (e1 ), . . . , f (en )} = rg (matβ,γ f )
Page 7
Remarque 7
• f surjective si, et seulement si rg f = dim F

( )
• rg f ⩽ min dim E, dim F
Proposition 6
Soit f ∈ L(E, F ) et soit deux isomorphismes h : H → E et g : F → G.

( ) ( ) ( ) ( )
rg f ◦ h = rg f et rg g ◦ f = rg f
“Le rang est invariant par composition avec un isomorphisme”.
Remarque 8
En fait, on a d’une façon plus générale rg(f ◦ g) ⩽ min(rg f, rg g) car Im f ◦ g ⊂ Im f et que

( )
dim f (Im g) ⩽ dim Im ( g par exemple avec )le théorème du rang (ou puisque si (g1 , g2 , . . . , gn ) est
une base de Im g alors f (g1 ), f (g2 ), . . . , f (gn ) est génératrice de Im f|Im g ou de Im f ◦ g ).
Ce théorème est fondamental :
( )
Thèorème 2 théorème du rang
Soient E de dimension finie et f ∈ L(E, F )
dim E = dim(ker f ) + dim(Im f ) = dim(ker f ) + rg f
Remarque 9
Notamment dim(Im f ) ⩽ dim E (espace de départ).
Thèorème 3
Soient E et F deux espaces vectoriels tel que dim E = dim F < +∞.
Soit f ∈ L(E, F ). :
Les propositions suivantes sont équivalentes :
1. f est bijective (ie :det f ̸= 0 ).

2. f est injective (ie :ker f = {0E } ).
3. f est surjective (ie :Im f = F ou rg(f ) = dim E ) .
Page 8
Remarque 10
L’hypothèse dim E = dim F est notamment vérifiée pour f ∈ (E).
Thèorème 4
• Soit f ∈ L(E, F ). L’image d’une base de E par f est génératrice de Im f

• l’image d’une (de toute) base de E est une base de Im f si, et seulement si f est un isomorphisme
de E vers Im f
Définition 10
Soient E1 , E2 , . . . , En des sous-espaces vectoriels d’un K-espace vectoriel E.

On appelle somme des espaces vectoriels E1 , E2 , . . . , En l’ensemble
{ }
E1 + E2 + · · · + En = x1 + x2 + · · · + xn (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En
∑n
On le note également k=1 Ei .
Remarque 11
∑n
• k=1 Ei est l’image de l’application linéaire φ : E1 × E2 × · · · × En −→ E
(x1 , x2 , . . . , xn ) 7−→ x1 + x2 + · · · + xn
C’est donc un sous-espace vectoriel de E.
• Si un espace vectoriel contient

∑chaque Ei , il contient donc les éléments x1 + x2 + · · · +
∑x n où
n n
xi ∈ Ei c’est-à-dire contient i=1 Ei . Inversement, en considérant les vecteurs nuls, i=1 Ei
contient chacun des Ei . Par suite
( n )
∑n ∪
Ei = vect Ei
i=1 i=1
Définition 11
∑p
On dit que les sous-espaces E1 , E2 , . . . , En sont en somme directe, (ou encore que la somme i=1 Ei
est directe) si pour tout (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En
x1 + x2 + . . . + xn = 0 =⇒ x1 = x2 = . . . = xn = 0
la somme est alors notée

∑
n ⊕
n
Ei = E1 ⊕ E2 ⊕ · · · ⊕ En = Ei
i=1 i=1
Page 9
Proposition 7
∑p ∑p
La somme i=1 Ei est directe si, et seulement si tout vecteur x de i=1 Ei se décompose de manière
unique comme somme d’éléments de E1 , E2 , . . . , En c’est-à-dire
∑
p
∀x ∈ Ei , ∃ ! (x1 , x2 , . . . , xn ) ∈ E1 × E2 × · · · × En , x = x1 + x2 + . . . + xn .
i=1
Remarque 12
Vous avez vu en première année que F + G = F ⊕ G ⇐⇒ F ∩ G = {0}.
La réciproque est fausse à partir de 3 sous-espaces.
Considérons l’exemple R2 = vect(1, 0) + vect(0, 1) + vect(1, 1). La somme n’est pas directe mais
vect(1, 0) ∩ vect(0, 1) = vect(1, 0) ∩ vect(1, 1) = vect(0, 1) ∩ vect(1, 1) = {0}
Proposition 8
Soit E est de dimension finie et E1 , . . . , En des sous-espaces vectoriels de E.

( n )
∑ ∑n
dim Ei ⩽ dim Ei
i=1 i=1
avec égalité si, et seulement si la somme est directe.
( )
Corollaire 1 caractérisation en dimension finie
Dit plus explicitement, en dimension finie :

( n )
∑ ∑ n ∑
n
dim Ei = dim Ei si, et seulement si Ei est directe
i=1 i=1 i=1
⊕n ∑n
On note alors dim ( i=1 Ei ) = i=1 dim Ei .
Remarque 13
On rappelle à cette occasion la formule de Grassmann dim(F + G) = dim F + dim G − dim F ∩ G.
Corollaire 2
Soient E de dimension finie et E1 , E2 , . . . , Eq des sous-espaces vectoriels .
⊕
n { ∑n { ∑n
dim
∑n E = i=1 dim Ei dim E∑= i=1 dim Ei
E= Ei ⇐⇒ ⇐⇒ n
i=1 i=1 Ei est directe E = i=1 Ei
Page 10
Pour deux espaces, le théorème devient
Corollaire 3
Soient E de dimension finie et F, G deux sous-espaces vectoriels de E.

{ {
F ∩ G = {0} F +G=E
E = F ⊕ G ⇐⇒ ⇐⇒ .
dim E = dim F + dim G dim E = dim F + dim G
Thèorème 5
Soit E de dimension finie .

Si pour tout i de ⊕[[ 1, q ]], βi désigne une base de Ei , alors la réunion β des βi est une base de E si, et
q
seulement si E = i=1 Ei . . ⊕q
Elle est ⊕
appelée base adaptée a la décomposition E = i=1 Ei .De plus :
q
Si E = i=1 Ei et si x = x1 + · · · + xq est la décomposition de x suivant les facteurs Ei , on pose :
pi : x 7→ xi
⊕
, pi est le projecteur sur Ei parallèlement à j̸=i Ej et la famille de projecteurs (pi )1≤i≤q est dite famille
de projecteurs associée a cette somme directe ∑ ,elle peut être caractérisée par les propriétés
⊕q suivantes:
q
pi ◦ pi = pi , i ̸= j ⇒ pi ◦ pj = pj ◦ pi = 0, i=1 pi = I E , Im p i = Ei , ker p i = j=1|j̸=i Ej
( )
Thèorème 6 Dualité
• Si H est un hyperplan de E, alors ∃φ ∈ E ∗ \ {0} telle que H = ker φ. Toute forme linéaire φ telle
que H = ker φ s’appelle une équation de H.
⊕
• Si H est un hyperplan de E et x ∈/ H alors : E = H Kx .
• Soient φ, ψ ∈ E ∗ \ {0}, alors ker φ ⊂ ker ψ ⇔ ∃α ∈ K/φ = αψ. Si H est un hyperplan de E et φ

une équation de H, les équations de H sont les αψ avec α ∈ K∗ .
• en dimension finie si B = (e1 , ..., en ) une base de E. On définie la famille de forme linéaire
B ∗ = (e∗1 , ..., e∗n ) par :
∑n
e∗i (ej ) = δij (ie : e∗i ( xj ej ) = xi )
j=1
∗ ∗
La famille B forme une base de E appelée base duale de B. On dit que B est la base antéduale
de B ∗ .
Page 11
II. Exercices corrigés .

( )
Exercice 1 facile
On considère dans R4 :
v1 = (1, 2, 0, 1) v2 = (1, 0, 2, 1) v3 = (2, 0, 4, 2)
w1 = (1, 2, 1, 0) w2 = (−1, 1, 1, 1) w3 = (2, −1, 0, 1) w4 = (2, 2, 2, 2).
1. Montrer que (v1 , v2 ) est libre et que (v1 , v2 , v3 ) est liée.

2. Montrer que (w1 , w2 , w3 ) est libre et que (w1 , w2 , w3 , w4 ) est liée.
3. Montrer que (v1 , v2 , w1 , w2 ) est libre.
4. Soit F le sous-espace vectoriel de R4 engendré par (v1 , v2 , v3 ).

(a) Déterminer une base de F .
(b) Donner un supplémentaire de F .
5. Soit G le sous-espace vectoriel engendré par (w1 , w2 , w3 , w4 ). Déterminer une base de G.
6. (a) A l’aide des bases trouvées en 4. et 5. construire un système générateur de F + G.

(b) En déduire que F + G = R4 .
7. (a) Montrer que v1 + v2 est dans F ∩ G.
(b) Calculer la dimension de F ∩ G.
(c) Donner une base de F ∩ G.
8. F et G sont-ils supplémentaires?
Solutions :
1. v1 et v2 ne sont pas proportionnels, donc la famille (v1 , v2 ) est libre. En revanche, v3 = 2v1 et donc (v1 , v2 , v3 )
est liée.
2. Soit aw1 + bw2 + cw3 = 0. On trouve le système
 

 a − b + 2c = 0 
 a − b + 2c = 0
 
2a + b − c = 0 3b − 5c = 0
⇐⇒

 a+b = 0 
 2b − 2c = 0
 
b+c = 0 b+c = 0
Les deux dernières équations donnent immédiatement b = c = 0 et en revenant à la première on obtient aussi
a = 0. Ainsi, la famille (w1 , w2 , w3 ) est libre. Étudions maintenant aw1 + bw2 + cw3 + dw4 = 0. On trouve
le système  

 a − b + 2c + 2d = 0 
 a − b + 2c + 2d = 0
 
2a + b − c + 2d = 0 3b − 5c − 2d = 0
⇐⇒

 a + b + 2d = 0 
 2b − 2c = 0
 
b + c + 2d = 0 b + c + 2d = 0


 a + b + 2d = 0

−2b − 2d = 0
⇐⇒

 c = b

2b + 2d = 0
La seconde et la dernière équation sont identiques, et on trouve que le système est équivalent à


 a = b

b = b

 c = b

d = −b
Page 12
Ainsi, w1 + w2 + w3 − w4 = 0 : la famille (w1 , w2 , w3 , w4 ) est liée. Bien sûr, on pouvait remarquer dès le
départ que w4 = w1 + w2 + w3 . . . .
3. On résoud toujours l’équation av1 + bv2 + cw1 + dw2 = 0 et on prouve que a = b = c = d = 0. Le détail des
calculs est laissé au lecteur courageux...
4. (a) (v1 , v2 , v3 ) est une famille génératrice de F mais ce n’est pas une base de F car elle n’est pas libre.
Puisque v3 est C.L de v1 et v2 , la famille (v1 , v2 ) engendre aussi F . Elle est libre : c’est une base de F .
(b) Puisque (v1 , v2 , w1 , w2 ) est une famille libre de 4 vecteurs dans un espace de dimension 4, c’est une base
de R4 . Si F0 est le sous-espace vectoriel engendré par w1 et w2 , alors F0 est un supplémentaire de F . En
effet, F ∩ F0 = {0}, puisqu’un élément x de F ∩ F0 s’écrit à la fois x = av1 + bv2 = av1 + bv2 + 0w1 + 0w2
et x = cw1 + dw2 = 0v1 + 0v2 + cw1 + dw2 ce qui entraine, par unicité de l’écriture dans une base,
a = b = c = d = 0 et x = 0. De plus, dim(F ⊕ F0 ) = dim(F ) + dim(F0 ) = 4, et donc F ⊕ F0 est un
sous-espace de R4 de dimension 4 : F ⊕ F0 = R4 .
5. En raisonnant comme à la question précédente, mais en utilisant cette fois le résultat de la question 2. on
trouve que (w1 , w2 , w3 ) est une base de G.
6. (a) Un système générateur de F + G est obtenu en faisant la réunion d’un système générateur de F et d’un
système générateur de G. La famille (v1 , v2 , v3 , w1 , w2 , w3 , w4 ) est donc un système générateur de F + G.
(b) D’après la question 3, (v1 , v2 , w1 , w2 ) est une famille libre. Puisqu’elle comporte quatre éléments, c’est
une base de R4 . Ainsi, le sous-espace vectoriel qu’elle engendre est égal à R4 . Or, on a vect(v1 , v2 , w1 , w2 ) ⊂
F + G, et donc F + G = R4 puisqu’il contient R4 (et est évidemment contenu dans R4 ).
7. (a) Puisque v1 et v2 sont dans F et que F est un espace vectoriel, v1 + v2 est dans F . De plus, v1 + v2 =
w4 ∈ G.
(b) Par le théorème des quatre dimensions, on a
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)
d’où on tire 4 = 2 + 3 − dim(F ∩ G), soit dim(F ∩ G) = 1.

(c) Posons v = v1 + v2 . Alors la famille (v) est une famille libre de un vecteur dans un espace de dimension
1. C’est une base de F ∩ G.
8. Non, F ∩ G ̸= {0}.
Exercice 2
Soit (ϕλ )λ≥0 la famille de fonctions de C([0, 1], R) définie par ∀x ∈ [0, 1]ϕλ (x) = xλ . Montrer que
famille (ϕλ )λ≥0 est une famille libre de C([0, 1], R).
Solutions :
Méthode 1:
′
On considére l’application linéaire T définie par : T : C 1 (]0, 1], R) → C([0, 1], R), f 7→ x → xf (x). ∀λ ≥ 0 ,
T (ϕλ ) = λϕλ ainsi la famille (ϕλ )λ≥0 est une famille de vecteurs propres associés a des valeures propres deux a
deux distincts d’ou (ϕλ )λ≥0 est une famille libre.
Méthode 2 :
(par l’absurde).
Soit n ∈ N∗ et (λk )1≤k≤n tels que 0 ≤ λ1 < λ2 < .... < λn supposons que la famille (ϕλk )1≤k≤n est liée. alors
∑
n
il existe une famille non nulle de scalaires (αk )1≤k≤n tel que : αk ϕλk = 0.
k=1
∑
n
Soit m=inf{k ∈ [[0, n]];αk non nul }, alors αk ϕλk = 0 et donc pour tout x ∈]0, 1],
k=m
∑
n
αm + αk xλk −λm = 0, ,puis en tendant x vers 0, on obtient que :
k=m+1
αm = 0. ,ce qui est absurde , d’ou la famille (ϕλk )1≤k≤n est une famille libre de C([0,1]).
Enfin la famille (ϕλ )λ≥0 est une famille libre de C([0,1]).
Page 13
Exercice 3
Soit E un ev et f ∈ L(E). Montrer que f est une homothétie si et si ∀x ∈ E (x, f (x)) liée .
Solutions :
Si x est un vecteur non nul tel que (x, f (x)) est liée alors il existe un scalaire λx tel que f (x) = λx x. Si x = 0,
f (x) = 0 = 0x et encore une fois il existe un scalaire λx tel que f (x) = λx x.
Inversement, si pour tout x de E, il existe λx ∈ tel que f (x) = λx x, alors la famille (x, f (x)) est liée. Donc
[(∀x ∈ E, (x, f (x)) liée) ⇔ (∀x ∈ E, ∃λx ∈ / f (x) = λx x)].
Notons de plus que dans le cas oú x ̸= 0, la famille (x) est une base de la droite vectorielle Vect(x) et en
particulier, le nombre λx est uniquement défini.
Montrons maintenant que f est une homothétie c’est á dire montrons que : ∃λ ∈ / ∀x ∈ E, f (x) = λx.
Soient x0 un vecteur non nul et fixé de E puis x un vecteur quelconque de E.
1er cas. Supposons la famille (x0 , x) libre. On a f (x+x0 ) = λx+x0 (x+x0 ) mais aussi f (x+x0 ) = f (x)+f (x0 ) =
λx x + λx0 x0 et donc
(λx+x0 − λx )x + (λx+x0 − λx0 )x0 = 0.
Puisque la famille (x0 , x) est libre, on obtient λx+x0 − λx = λx+x0 − λx0 = 0 et donc λx = λx+x0 = λx0 . Ainsi,
pour tout vecteur x tel que (x, x0 ) libre, on a f (x) = λx0 x.
2ème cas. Supposons la famille (x0 , x) liée. Puisque x0 est non nul, il existe un scalaire µ tel que x = µx0 .
Mais alors
f (x) = µf (x0 ) = µλx0 x0 = λx x.
Finalement, il existe un scalaire k = λx0 tel que pour tout vecteur x, f (x) = kx et f est une homothétie. La
réciproque étant claire, on a montré que
∀f ∈ L(E), [(f homothétie) ⇔ (∀x ∈ E, (x, f (x)) liée)].
Exercice 4
Soit A ∈ R[X] un polynôme non-nul et F = {P ∈ R[X]; A divise P }. Montrer que F est un

sous-espace vectoriel de R[X] et trouver un supplémentaire à F .
Solutions :
Remarquons que F = {AQ; Q ∈ R[X]}, ce qui permet facilement de prouver que F est un sous-espace vectoriel
de R[X]. D’autre part, prenons maintenant B ∈ R[X]. D’après la division euclidienne, il s’écrit de façon unique
sous la B = AQ + R, où Q ∈ R[X] et R ∈ Rd−1 [X], où d est le degré de d, c’est-à-dire de façon unique comme
la somme d’un élément de F et d’un élément de Rd−1 [X]. Ceci signifie exactement que F et Rd−1 [X] sont des
sous-espaces vectoriels supplémentaires de R[X].
Exercice 5
Soit E = D(R, R) l’espace des fonctions dérivables et F = {f ∈ E | f (0) = f ′ (0) = 0}. Montrer que F
est un sous-espace vectoriel de E et déterminer un supplémentaire de F dans E.
Page 14
Solutions :
̸ 0
Analysons d’abord les fonctions de E qui ne sont pas dans F : ce sont les fonctions h qui vérifient h(0) =
ou h′ (0) ̸= 0. Par exemple les fonctions constantes x 7→ b, (b ∈ R∗ ) ou les homothéties x 7→ ax, (a ∈ R∗ )
n’appartiennent pas à F .
Cela nous donne l’idée de poser { }
G = x 7→ ax + b | (a, b) ∈ R2 .
Montrons que G est un supplémentaire de F dans E.
Soit f ∈ F ∩ G, alors f (x) = ax + b (car f ∈ G) et f (0) = b et f ′ (0) = a ; mais f ∈ F donc f (0) = 0 donc b = 0
et f ′ (0) = 0 donc a = 0. Maintenant f est la fonction nulle : F ∩ G = {0}.
Soit h ∈ E, alors remarquons que pour f (x) = h(x) − h(0) − h′ (0)x la fonction f vérifie f (0) = 0 et f ′ (0) = 0
donc f ∈ F . Si nous écrivons l’égalité différemment nous obtenons
h(x) = f (x) + h(0) + h′ (0)x.
Posons g(x) = h(0) + h′ (0)x, alors la fonction g ∈ G et
h = f + g,
ce qui prouve que toute fonction de E s’écrit comme somme d’une fonction de F et d’une fonction de G : E = F +G.
En conclusion nous avons montré que E = F ⊕ G.
Exercice 6
Soit E un espace vectoriel et f ∈ L(E).

1. Montrer que
ker(f ) = ker(f 2 ) ⇐⇒ Imf ∩ ker(f ) = {0}.
2. On suppose que E est de dimension finie. Montrer que
ker(f ) = ker(f 2 ) ⇐⇒ Imf ⊕ ker(f ) = E ⇐⇒ Im(f ) = Im(f 2 ).
Solutions :
1. On peut commencer par remarquer que si f (x) = 0, alors f 2 (x) = 0 et donc on a toujours ker(f ) ⊂ ker(f 2 ).
C’est l’autre implication qui n’est pas toujours vraie.
Supposons donc ker(f ) = ker(f 2 ) et montrons que Im(f ) ∩ ker(f ) = {0}. Soit x ∈ Im(f ) ∩ ker(f ). Alors
y = f (x), et f (y) = 0. En particulier, f 2 (x) = 0, donc f (x) = 0, puisque ker(f 2 ) ⊂ ker(f ). Ainsi,
y = f (x) = 0, ce qui prouve une implication.
Réciproquement, supposons ker(f ) ∩ Im(f ) = {0} et montrons que ker(f 2 ) ⊂ ker(f ). Si x ∈ ker(f 2 ), alors
on a f (f (x)) = 0. Si on pose y = f (x), alors y ∈ ker(f ) ∩ Im(f ), et donc f (x) = y = 0, ce qui prouve que
x ∈ ker(f ).
2. D’après le théorème du rang, on a dim(Im(f )) + dim(ker(f )) = dim(E). Or, si ker(f ) ∩ Im(f ) = {0},
ker(f ) ⊕ Im(f ) est un sous-espace vectoriel de E de dimension dim(Im(f )) + dim(ker(f )) = dim(E) : il est
donc égal à E tout entier. On vient donc de prouver que
ker(f ) ∩ Im(f ) = {0} ⇐⇒ ker(f ) ⊕ Im(f ) = E.
En tenant compte de la question précédente, ceci prouve la première équivalence.

On va ensuite démontrer que la première et la troisième assertion sont équivalentes, ce qui achèvera la preuve.
En effet, si ker(f ) = ker(f 2 ), d’après le théorème du rang, on
dim(Im(f )) = dim(E) − dim(ker(f ))

= dim(E) − dim(ker(f 2 ))
= dim(Im(f 2 )).
Page 15
Or, on a toujours Im(f 2 ) ⊂ Im(f ) puisque f 2 (x) = f (f (x)) pour tout x de E. Les deux sous-espaces sont
égaux. La réciproque se prouve exactement de la même façon. On remarque que dim(Im(f )) = dim(Im(f 2 ))
entraîne dim(ker(f )) = dim(ker(f 2 )) en utilisant le théorème du rang, et on utilise l’inclusion toujours vraie
ker(f ) ⊂ ker(f 2 ).
Exercice 7
Le but de cet exercice est l’étude de l’application ∆ définie sur R[X] par (∆P )(X) = P (X + 1) − P (X).
1. Question préliminaire : Soit (Pn ) une famille de R[X] telle que pour chaque n, deg(Pn ) = n.
Prouver que (Pn ) est une base de R[X].
2. Montrer que ∆ est une application linéaire. Calculer son noyau et son image.
3. Montrer qu’il existe une unique famille (Hn )n∈N de R[X] telle que H0 = 1, ∆(Hn ) = Hn−1 , et
Hn (0) = 0. Montrer que (Hn ) est une base de R[X].
4. Soit P ∈ Rp [X]. Montrer que P peut s’écrire
∑
p
P = (∆n P )(0)Hn .
n=0
∑n
5. Montrer que l’on a (∆n P )(0) = k=0 (−1)
n−k k
Cn P (k).
X(X−1)...(X−n+1)
6. Montrer que pour tout n, Hn = n! .
7. En déduire que, pour tout polynôme P de degré p, les assertions suivantes sont équivalentes :
i. P prend des valeurs entières sur Z.
ii. P prend des valeurs entières sur {0, . . . , p}.
iii. Les coordonnées de P dans la base (Hn ) sont des entiers.
iv. P prend des valeurs entières sur p + 1 entiers consécutifs.
Solutions :
1. Pour montrer que la famille est libre, il suffit de prouver que toute sous-famille finie est libre ou encore que,
pour tout p, la famille (P0 , . . . , Pp ) est libre. Imaginons que l’on ait une relation de liaison α0 P0 +· · ·+αp Pp =
0, où l’un au moins des αi est non nul. Soit q le plus grand des i pour lequel αi ̸= 0. Alors, le polynôme
α0 P0 + · · · + αq Pq est de degré q, et en même temps il est nul : c’est bien sûr une contradiction. La famille
(Pn ) est donc libre. D’autre part, fixons un p ≥ 0 et Q un polynôme de degré p. Puisque (P0 , . . . , Pp ) est une
famille libre de Rp [X] qui est de dimension p + 1, il en est une base. Ainsi, Q peut s’écrire α0 P0 + · · · + αp Pp ,
ce qui prouve que la famille (Pn ) est génératrice : c’est donc une base de R[X].
2. La linéarité ne pose pas de problèmes. D’autre part, si le terme dominant de P est αn X n , le terme dominant
de ∆(P ) est αn × nX n−1 . Ainsi, ∆P = 0 si et seulement P ∈ R0 [X] (ie si P est un polynôme constant).
D’autre part, posons pour n ≥ 0 Pn = ∆(X n+1 ). La famille (Pn ) est une famille de polynômes à degrés
étagés. En outre, cette famille est contenue dans Im(∆). On a donc, d’après le résultat de la question
préliminaire, R[X] = vect(Pn ; n ≥ 0) ⊂ Im(∆). Ceci prouve que ∆ est surjective.
3. On note E = {P ∈ R[X]; P (0) = 0}. E est un supplémentaire de R0 [X] dans R[X]. Ainsi, ∆ induit un
isomorphisme de E sur R[X]. On montre alors l’existence et l’unicité de Hn par récurrence sur n, le cas n = 0
étant donné par l’énoncé. Supposons (H0 , . . . , Hn−1 ) uniquement construits. Alors, la remarque précédente
fait qu’il existe un unique Hn de E tel que ∆(Hn ) = Hn−1 . On montre alors facilement par récurrence que
pour chaque n, deg(Hn ) = n (cela vient du fait que deg(∆(P )) = deg(P ) − 1 si P n’est pas un polynôme
constant. D’après le résultat de la question préliminaire, (Hn ) forme une base de R[X].
Page 16
4. Puisque (Hn ) est une base de R[X], et puisqu’en outre la famille (Hn ) est à degrés étagés, il existe des réels
α0 , . . . , αp tels que P = α0 H0 + · · · + αp Hp . Calculons ∆n (P ), sachant que ∆n (Hk ) = Hk−n si n ≤ k,
∆n (Hk ) = 0 sinon. On obtient donc :
∆n P = αn H0 + · · · + αp Hp−n .
On évalue ensuite ce polynôme en 0, en utilisant le fait que Hk (0) = 0 si k ̸= 0, mais vaut 1 si k = 0. On

obtient donc :
∆n P (0) = αn .
5. On va montrer que
∑
n
(∆n P )(X) = (−1)n−k Cnk P (X + k),
k=0
l’évaluation en 0 faisant le reste. Notons T (P )(X) = P (X + 1); clairement, T k (P )(X) = P (X + k). Remar-
quons que ∆ = T − I. Puisque T et I commutent, il est légitime d’appliquer la formule du binôme, et on a
:
∑n
∆n = (−1)n−k Cnk T k .
k=0
Les calculs son effectués dans l’algèbre (L(R[X], +, ., o) des endomorphismes de R[X] . Il suffit
d’évaluer ceci en P pour obtenir le résultat annoncé.
6. Posons Qn = X(X−1)...(X−n+1)
n! . Il est clair que Q0 = 1, Qn (0) = 0, et un calcul quasi-immédiat montre que
∆Qn = Qn−1 . Ainsi, la famille (Qn ) satisfait les conditions uniques qui définissent la famille (Hn ). C’est
donc que Qn = Hn pour tout n.
7. Il est d’abord clair que i. =⇒ ii.. Que ii. entraîne iii. résulte du calcul de ∆n P (0) et de la décomposition
de P dans la base Hn . Remarquons d’autre part que si a est dans {0, . . . , n − 1}, Hn (a) = 0, et si a ≥ n,
Hn (a) = Can ∈ Z. Si a < 0, a s’écrit −b avec b > 0, et on a Hn (a) = (−1)k Cb+k−1 k
. La décomposition de P
dans la base Hn fait alors que P (a) ∈ Z pour tout a ∈ Z, et on a prouvé l’équivalence des 3 premiers points.
Enfin, il est clair que i. =⇒ iv. Si P prend des valeurs entières sur {a, . . . , a + p}, alors Q(X) = P (X + a)
prend des valeurs entières sur {0, . . . , p}, et par l’équivalence des 3 premiers points, Q prend des valeurs
entières sur Z tout entier. Il en est de même pour P .
Exercice 8
Soit E un R-espace vectoriel. Soient p et q deux projecteurs de E.

1. Montrer que p + q est un projecteur si et seulement si p ◦ q = q ◦ p = 0.
2. Montrer que, dans ce cas, on a Im(p + q) = Im(p) ⊕ Im(q) et ker(p + q) = ker p ∩ ker q.
Solutions :
1. La condition est suffisante. En effet, si p ◦ q = q ◦ p = 0, alors
(p + q)2 = p2 + p ◦ q + q ◦ p + q 2 = p + q
et donc p + q est un projecteur.

Réciproquement, si p + q est un projecteur, alors le calcul précédent donne
p ◦ q + q ◦ p = 0.
On a alors :
p ◦ q = p2 ◦ q = p ◦ (p ◦ q) = −p ◦ (q ◦ p) = −(p ◦ q) ◦ p = (q ◦ p) ◦ p = q ◦ p.
On obtient donc 2p ◦ q = 0, ce qui entraîne p ◦ q = 0 et par suite q ◦ p = 0.
Page 17
2. Prouvons d’abord que Im(p) et Im(q) sont en somme directe. En effet, si x ∈ Im(p) ∩ Im(q), alors x = p(x)
et x = q(x) d’où x = p(x) = p(q(x)) = 0.
D’autre part, il est clair que Im(p+q) ⊂ Im(p)+Im(q). Réciproquement, soit z = p(x)+q(y) ∈ Im(p)+Im(q).
Alors
p(z) = p2 (x) + p ◦ q(y) = p(x) et q(z) = q ◦ p(x) + q 2 (y) = q(y).
Ainsi, z = (p + q)(z) ∈ Im(p + q).
Enfin, on a toujours ker(p) ∩ ker(q) ⊂ ker(p + q). Réciproquement, si p(x) + q(x) = 0, alors puisque Im(p) et
Im(q) sont en somme directe, on a p(x) = 0 et q(x) = 0, d’où x ∈ ker(p) ∩ ker(q).
( )
Exercice 9 Polynômes d’interpolation de Lagrange
Comment déterminer les polynômes P qui prennent des valeurs données sur une famille (ai )ni=0
,(ai )0≤i≤n d’éléments de K distincts deux à deux?
En utilisant l’application linéaire
( )
u : P ∈ K[X] 7→ P (a0 ), . . . , P (an ) ∈ Kn+1
Le noyau de u est constitué des polynômes qui admettent ∏n pour racines les scalaires ai , i ∈ [[ 0, n ]]; ker u
est donc l’ensemble des multiples du polynôme N = i=0 (X −ai ). Puisque N est un polynôme de degré
n + 1, Kn [X] est un supplémentaire de (N ) = ker u, donc est isomorphe à Im u. Ainsi ( Im u est un sous-)
espace vectoriel de Kn+1 de dimension dim Kn [X] = n+1, donc Im u = Kn+1 et P 7→ P (a0 ), . . . , P (an )
réalise un isomorphisme de Kn [X] sur Kn+1 .
∏ X−a
Pour i ∈ [[ 0, n ]], on pose Li = j∈[[ 0,n ]]\{j} ai −ajj . Les Li sont sont des polynômes de degré n qui
vérifient
∀(i, j) ∈ [[ 0, n ]]2 , Li (aj ) = δij
∑n ∑n
Puisque i=0 λi Li (ak ) = i=0 λi δik = λk , la famille (L0 , . . . , Ln ) est une famille libre et maximale,
donc une base de Kn [X] et
∑
n
∀P ∈ Kn [X], P = P (ai )Li
i=0
( )−1 ∑
n
u|Kn [X] (λ0 , . . . , λn ) = λi Li
i=0
∑
n
u(P ) = (λ0 , . . . , λn ) ⇐⇒ ∃A ∈ Kn [X], P = λi Li + AN
i=0
Si Kn [X] et Kn+1 sont munies de leurs bases canoniques, déterminer la matrice de u|Kn [X] et son inverse.
Page 18
Exercice 10
Soient E un espace vectoriel

∪ endomorphisme de E. Pour k ∈ N, on pose Nk = Ker(f k ) et
et f un∩
Ik = Im(f k ) puis N = Nk et I = Ik . (N est le nilespace de f et I le cœur de f )
k∈N k∈N
1. (a) Montrer que les suites (Nk )k∈N et (Ik )k∈N sont respectivement croissante et décroissante pour
l’inclusion.
(b) Montrer que N et I sont stables par f .
(c) Montrer que ∀k ∈ N, (Nk = Nk+1 ) ⇒ (Nk+1 = Nk+2 ).
2. On suppose de plus que dimE = n entier naturel non nul.

(a) Soit A = {k ∈ N/ Nk = Nk+1 } et B = {k ∈ N/ Ik = Ik+1 }. Montrer qu’il existe un entier
p ⩽ n tel que A = B = {k ∈ N/ k ⩾ p}.
(b) Montrer que E = Np ⊕ Ip .
(c) Montrer que f/N est nilpotent et que f/I ∈ GL(I).
3. Trouver des exemples où

(a) A est vide et B est non vide,
(b) A est non vide et B est vide,
(c) (****) A et B sont vides.
4. Pour k ∈ N, on pose dk = dim(Ik ). Montrer que la suite (dk − dk+1 )k∈N est décroissante.
Solutions :
1. (a) Soient k ∈ N et x ∈ E. x ∈ Nk ⇒ f k (x) = 0 ⇒ f (f k (x)) = 0 ⇒ x ∈ Nk+1 .

∀k ∈ N, Nk ⊂ Nk+1 .
Soient k ∈ N et y ∈ Ik+1 ⇒ ∃x ∈ E/ y = f k+1 (x) ⇒ ∃x ∈ E/ y = f k (f (x)) ⇒ y ∈ Ik .
∀k ∈ N, Ik+1 ⊂ Ik .
(b) Soit x ∈ N . Il existe un entier k tel que x est dans Nk ou encore tel que f k (x) = 0. Mais alors
f k (f (x)) = f (f k (x)) = 0 et f (x) est dans Nk et donc dans N . Ainsi, N est stable par f .
Soit y ∈ I. Alors, pour tout naturel k, il existe xk ∈ E tel que y = f k (xk ). Mais alors, pour tout entier
k, f (y) = f (f k (xk )) = f k (f (x)) est dans Ik , et donc f (y) est dans I. I est stable par f .
(c) Si Nk = Nk+1 , on a déjà Nk+1 ⊂ Nk+2 . Montrons que Nk+2 ⊂ Nk+1 .
Soit x ∈ Nk+2 . Alors f k+1 (f (x)) = 0 et donc f (x) ∈ Nk+1 = Nk . Donc, f k (f (x)) = 0 ou encore x est
dans Nk+1 . On a montré que
∀k ∈ N, [(Nk = Nk+1 ) ⇒ (Nk+1 = Nk+2 )].
2. (a) Notons tout d’abord que, pour tout entier naturel k, Nk ⊂ Nk+1 et Ik+1 ⊂ Ik . Si de plus, on est en
dimension finie, alors d’après le théorème du rang,
Nk = Nk+1 ⇔ Ik+1 = Ik ⇔ dimNk = dimNk+1 .
Donc A = B (éventuellement = ∅).
La suite des noyaux itérés ne peut être strictement croissante pour l’inclusion car alors la suite des
dimensions de ces noyaux serait une suite strictement croissante d’entiers naturels, vérifiant par une
récurrence facile dimNk ⩾ k pour tout naturel k, et en particulier dimNn+1 > dimE ce qui est exclu.
Donc il existe un entier k tel que Nk = Nk+1 . Soit p le plus petit de ces entiers k.
Par définition de p, Nk est strictement inclus dans Nk+1 pour k < p, puis Np = Np+1 et d’après 1)c)
pour tout entier naturel k supérieur ou égal à p on a Nk = Np (par récurrence sur k ⩾ p). Donc
A = {p, p + 1, p + 2, ...}.
Enfin, dim(N0 ) < dim(N1 ) < ... < dim(Np ) et donc dim(Np ) ⩾ p ce qui impose p ⩽ n.
Page 19
(b) On a déjà dimNp + dimIp = dimE. Il reste à vérifier que Ip ∩ Np = {0}.

Soit x un élément de Ip ∩ Np . Donc f p (x) = 0 et il existe y ∈ E tel que x = f p (y). Mais alors f 2p (y) = 0
et y est dans N2p = Np (car 2p ⩾ p) ou encore x = f p (y) = 0.
E = I p ⊕ Np .
(c) Ici N = Np = Kerf p et I = Ip = Imf p .
Soit f ′ = f/N . D’après 1)b), f ′ est un endomorphisme de N puis immédiatement f ′p = 0. Donc f/N est
nilpotent.
Soit f ′′ = f/I . f ′′ est d’après 1)b) un endomorphisme de I. Pour montrer que f ′′ est un automorphisme
de I, il suffit de vérifier que Kerf ′′ = {0}. Mais Kerf ′′ ⊂ Kerf ⊂ N et aussi Kerf ′′ ⊂ I. Donc
Kerf ′′ ⊂ N ∩ I = {0}. Donc f/I ∈ GL(I).
3. Il faut bien sûr chercher les exemples en dimension infinie.
(a) Soit f de R[X] dans lui-même qui à un polynôme P associe sa dérivée P ′ . On vérifie aisément que
∀k ∈ N, Nk = Rk [X] et donc la suite des noyaux itérés est strictement croissante. La suite des Ik est
par contre constante : ∀k ∈ N, Ik = R[X]. Dans ce cas, A est vide et B = N.
(b) A un polynôme P , on associe le polynôme XP . Les Nk sont tous nuls et pour k ∈ N donné, Ik est
constitué des polynômes de valuation supérieure ou égale à k ou encore Ik = X k R[X]. Dans ce cas,
A = N et B = ∅.
(c) Soit f l’endomorphisme de R[X] qui à X n associe X n+1 si n n’est pas une puissance de 2 et 0 si n est
une puissance de 2 (f (1) = X, f (X) = 0, f (X 2 ) = 0, f (X 3 ) = X 4 , f (X 4 ) = 0, ...)
Soit k un entier naturel.
k
−1 k k
+1+2k −1 k+1 k k k+1
f2 (X 2 +1
) = X2 = X2 ̸= 0 et f 2 (X 2 +1
) = f (X 2 ) = 0.
Donc, pour tout entier naturel k, N2k −1 est strictement inclus dans Nk . A est vide.
k+1 k+1 k
Ensuite, X 2 ∈ I2k −1 mais X 2 ∈/ I2k . En effet, si l ⩾ 2k+1 + 1, f 2 (X l ) est ou bien nul ou bien de
k
degré supérieur ou égal à 2k + 2k+1 + 1 > 2k+1 et si l ⩽ 2k+1 , f 2 (X l ) = 0 car entre l et 2k + l − 1, il y a
une puissance de 2 (il y a 2k nombres entre l et 2k + l − 1, ensuite 2k + l − 1 < 2k + 2k+1 = 3 × 2k < 2k+2
et enfin l’écart entre deux puissances de 2 inférieures à 2k+1 vaut au maximum 2k+1 − 2k = 2k ) . Donc,
I2k contient le polynôme nul ou des polynômes de degré strictement supérieur à 2k+1 et ne contient donc
k+1
pas X 2 . Finalement, pour tout entier naturel k, I2k est strictement inclus dans I2k −1 et B est vide.
4. Pour k entier naturel donné, on note fk la restriction de f à Ik . D’après le théorème du rang, on a
dimIk = dimKerfk + dimImfk avec Imfk = f (Ik ) = Ik+1 .
Donc, pour tout entier naturel k, dk − dk+1 = dimKerfk .

Or, pour tout entier naturel k, Kerfk+1 = Kerf ∩ Ik+1 ⊂ Kerf ∩ Ik = Kerfk et donc dk+1 − dk+2 =
dimKerfk+1 ⩽ dimKerfk = dk − dk+1 .
Finalement, pour tout entier naturel k, dk+1 − dk+2 ⩽ dk − dk+1 et la suite des images itérées décroît de
moins en moins vite.
Exercice 11
Dans cet exercice, on suppose connue la propriété suivante : si E1 est un espace vectoriel et F1 est
un sous-espace vectoriel de E1 , alors il possède un supplémentaire. Soient alors E, F, G trois espaces
vectoriels, u ∈ L(F, G) et v ∈ L(E, G). Démontrer que les propriétés suivantes sont équivalentes :
1. Im(v) ⊂ Im(u);
2. Il existe w ∈ L(E, F ) tel que v = u ◦ w.
Solutions :
Page 20
• (2) ⇒ (1) : c’est l’inclusion facile. En effet, si x ∈ Im(v), alors x = v(y) = u(w(y)) et donc x ∈ Im(u).
• (1) ⇒ (2) : commençons par réfléchir à ce que l’on souhaite... Pour x ∈ E, on veut définir w(x) ∈ F tel
que u(w(x)) = v(x). Mais, puisque Im(v) ⊂ Im(u), alors il existe y ∈ E tel que v(x) = u(y). On a envie de
poser w(x) = y, ce qui donne la bonne factorisation. Le problème c’est que plusieurs y peuvent répondre à ce
problème... On va se simplifier la tâche en considérant F1 un supplémentaire de ker u dans F . Alors u|F1 est
un isomorphisme de F1 sur G. En particulier, on peut définir l’isomorphisme réciproque f : G → F1 vérifiant
u(f (x)) = x. On pose alors w(x) = f (v(x)). w est bien un élément de L(E, F ), et
∀x ∈ E, u(w(x)) = u(f (v(x))) = v(x).
Exercice 12
Soient un sous-corps de C et E un -espace vectoriel de dimension finie notée n. Soit u un endomorphisme

de E. On dit que u est nilpotent si et seulement si ∃k ∈ N∗ / uk = 0 et on appelle alors indice de
nilpotence de u le plus petit de ces entiers k (par exemple, le seul endomorphisme u, nilpotent d’indice
1 est 0).
1. Soit u un endomorphisme nilpotent d’indice p. Montrer qu’il existe un vecteur x de E tel que la
famille
(x, u(x), ..., up−1 (x)) soit libre.
2. Soit u un endomorphisme nilpotent. Montrer que un = 0.
3. On suppose dans cette question que u est nilpotent d’indice n. Déterminer rgu.
Solutions :
1. Soit p(∈ N∗ ) l’indice de nilpotence de u.

Par définition, up−1 ̸= 0 et plus généralement, pour 1 ≤ k ≤ p − 1, uk ̸= 0 car si uk = 0 alors up−1 =
uk ◦ up−1−k = 0 ce qui n’est pas.
Puisque up−1 ̸= 0, il existe au moins un vecteur x non nul tel que up−1 (x) ̸= 0.
Montrons que la famille (uk (x))0≤k≤p−1 est libre.
∑p−1
Soit (λk )0≤k≤p−1 ∈p tel que k=0 λk uk (x) = 0. Supposons qu’au moins un des coefficients λk ne soit pas
nul. Soit i = Min {k ∈ {0, ..., p − 1}/ λk ̸= 0}.
∑
p−1 ∑
p−1 ∑p−1 ∑
p−1
λk uk (x) = 0 ⇒ λk uk (x) = 0 ⇒ up−1−i ( λk uk (x)) = 0 ⇒ λk up−1−i+k (x) = 0
k=0 k=i k=i k=i
⇒ λi u p−1
(x) = 0 (car pour k ≥ i + 1, p − 1 − i + k ≥ p et donc up−1−i+k = 0)
⇒ λi = 0 (car up−1 (x) ̸= 0)
ce qui contredit la définition de i.

Donc tous les coefficients λk sont nuls et on a montré que la famille (uk (x))0≤k≤p−1 est libre.
2. Le cardinal d’une famille libre est inférieur ou égal à la dimension de l’espace et donc p ≤ n. Par suite,
un = up ◦ un−p = 0.
3. rg (u) = dim vect(u(x), . . . , un−1 (x)) = n − 1.
III. Matrices -déterminants
Page 21
Matrices et déterminants
I. Cours .
I.1 Les matrices .
I.1.a Calculs matriciels .
Généralités
Définition 1
Soient n, p ∈ N∗ .
• A ∈ Mn,p (K) est une matrice à n lignes et p colonnes , on peut écrire A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ou
sous 
forme d’un tableau rectangulaire 
a1,1 a1,2 . . . a1,j . . . a1,p
 a2,1 a2,2 . . . a2,j . . . a2,p 
 
... ... ... ... ... ...  ( ) ( )
A=   ou. A = ai,j 1 ⩽ i ⩽ n ou ai,j .

 ai,1 ai,2 . . . ai,j . . . ai,p  1⩽j⩽p
... ... ... ... ... ... 
an,1 an,2 . . . an,j . . . an,p
On dit que A est de taille (n, p) . Les ai,j sont appelés coefficients de la matrices A .
• Attention les couples (i, j) est une variable muette on peut alors noté une matrice A =
(ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ou A = (ak,l )(k,l)∈[[ 1,n ]]×[[ 1,p ]] ou bien A = (ax,y )(x,y)∈[[ 1,n ]]×[[ 1,p ]] ....etc .
La matrice nulle 0n,p

La matrice de type (n, p) dont tous les coefficients sont des zéros est appelée la matrice nulle et est notée 0n,p ou
plus simplement 0. 0n,p = (0)(i,j)∈[[ 1,n ]]×[[ 1,p ]] La matrice identité In
La matrice carrée suivante s’appelle la matrice identité :
 
1 0 ... 0
 0 1 ... 0 
 
In =  .. .. .. ..  = (δi,j )(i,j)∈[[ 1,n ]]2
 . . . . 
0 0 ... 1
Où δi,j est le symbole de Kronecker . Les matrices triangulaires inférieur

Soit A une matrice carré d’ordre n. On dit que A est triangulaire inférieure si ses éléments au-dessus de la diagonale
sont nuls, autrement dit :
i < j =⇒ aij = 0.
Une matrice triangulaire inférieure a la forme suivante:
 
a11 0 ··· ··· 0
 ..
 a21 a22 . . . .
 
 .. .. .. .. 
..
 . . . . 
.
 
 . . .. 
 .. .. . 0 
an1 an2 ··· ··· ann
On notera T In (K) l’ensemble des matrices triangulaires inférieurs d’ordre n et à coefficients dans K.
Les matrices triangulaires supérieures
Soit A une matrice carré d’ordre n.On dit que A est supérieure si ses éléments en-dessous de la diagonale sont nuls,
page 1 Année 2018/2019 CPGE AL QALAM AGADIR

autrement dit :
i > j =⇒ aij = 0.
Une matrice triangulaire supérieure a la forme suivante:
 
a11 a12 . . . ... ... a1n
 0 a22 . . . ... ... a2n 
 
 .. .. .. .. 
 . . . . 
 
 .. . .. .. 
 . .. . . 
 
 . .. .. .. 
 .. . . . 
0 ... ... ... 0 ann
On notera T Sn (K) l’ensemble des matrices triangulaires inférieurs d’ordre n et à coefficients dans K. Les matrices
diagonales
une matrice diagonale d’ordre n est une matrice carrée d’ordre n dont tous les coefficients extra-diagonaux sont nuls.
Cest donc une matrice de la forme
 
a1 0 ... 0
 0 a2 ... 0 
 
D= .. .. .. ..  = (ai δi,j )(i,j)∈[[ 1,n ]]2
 . . . . 
0 0 ... an
. est notée parfois D = diag(a1 , ..., an ) (C’est une matrice triangulaire supérieure et inférieure en même temps .)
On notera Dn (K) l’ensemble des matrices diagonales d’ordre n à coefficients dans K. Les matrices élémentaires
Ei,j
Une matrice élémentaire de Mn,p (K) est une matrice dont tous les coefficients sont nuls sauf un qui vaut 1 .Si
(i, j) ∈ [[ {, 1 ]]n × [[ {, 1 ]]p , Ei,j la matrice dont tous les coefficients sont nuls sauf celui à la i-ème ligne et j-ème
colonne :
 
0
 .. 
 0 . 0 
 
Ei,j = 0 · · · 0 1 0 · · · 0

 ← i
 .. 
 0 . 0 
0
↑
j
On écrira aussi Ei,j = (δi,k δj,l )(k,l)∈[[ 1,n ]]×[[ 1,p ]]
Attention aux indices des lignes et des colonnes .
Définition 2
Soit  
a11 a12 ... a1p
 a21 a22 ... a2p 
 
A= .. .. ..  ∈ Mn,p (K).
 . . . 
an1 an2 ... anp
On appelle matrice transposée de A la matrice tA de type (p, n) définie par :
 
a11 a21 . . .. an1
 a12 a22 . . . an2 
 
A= . ..  ∈ Mp,n (K).
t
..
 .. . . 
a1p a2p ... anp
Autrement dit : Si A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K) , alors
t
A = (aj,i )(i,j)∈[[ 1,p ]]×[[ 1,n ]] ∈ Mp,k (K). Ou encore la i-ème ligne de A devient la i-ème colonne de tA (et
réciproquement la j-ème colonne de tA est la j-ème ligne de A)

Définition 3
Une matrice carrée A d’ordre n est symétrique si elle est égale à sa transposée, c’est-à-dire si
t
A=A
.
ou encore si aij = aji pour tout i, j ∈ [[ 1, n ]]. Les coefficients sont donc symétriques par rapport à la
diagonale.
On notera Sn (K) l’ensemble des matrices symétriques d’ordre n.
Définition 4
Une matrice carrée A d’ordre n est antisymétrique si elle est égale à l’opposée de sa transposée, c’est-à-
dire si
t
A = −A,
.
ou encore si aji = −ai,j pour tout i, j ∈ [[ 1, n ]].
Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours tous nuls.
On notera An (K) l’ensemble des matrices symétriques d’ordre n.
( )
Proposition 1 Structure d’espace vectoriel sur Mn,p (K)
1. On définit sur Mn,p (K) une addition et une multiplication externe comme suit :
∀A = (ai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] , B = (bi,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K), ∀λ ∈ K :
A + B = (ai,j + bi,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]] et λ.A = (λai,j )(i,j)∈[[ 1,n ]]×[[ 1,p ]]
2. Mn,p (K) est K espace vectoriel .

.
3. (Ei,j )1⩽i⩽n est une base de Mn,p (K) appelée base canonique de Mn,p (K).
1⩽j⩽p
∑
n ∑
p
4. ∀A = (ai,j )1⩽i⩽n ∈ Mn,p (K), A = ai,j Ei,j .
1⩽j⩽p i=1 j=1
5. Mn,p (K) est K espace vectoriel de dimension np . (dim(Mn,p (K)) = n × p).
Proposition 2
L’application transposition A 7→t A est un isomorphisme de l’espace vectoriel Mn,p (K) vers l’espace vecto-
riel Mp,n (K) , en particulier ∀A, B ∈ Mn,p (K), ∀α ∈ K :
• t(A + B) =t A +t B .
• t(αA) = αtA
• t(tA) = A

( )
Proposition 3 sous-espace vectoriel de Mn (K)
1. L’ensemble Dn (K) des matrices diagonales d’ordre n est un sous-espace vectoriel de dimension n de
Mn (K) de plus (E1,1 , . . . , En,n ) est une base de Dn (K).
2. L’ensemble T Sn (K) des matrices triangulaires supérieurs d’ordre n est un sous-espace vectoriel de
n(n + 1)
dimension de Mn (K) de plus {Ei,j |1 ⩽ i ⩽ j ⩽ n} est une base de T Sn (K).
2
3. L’ensemble T In (K) des matrices triangulaires inférieures d’ordre n est un sous-espace vectoriel de
n(n + 1)
dimension de Mn (K) de plus {Ei,j |1 ⩽ j ⩽ i ⩽ n} est une base de T In (K).
2
4. L’ensemble Sn (K) des matrices symétriques d’ordre
. n est un sous-espace vectoriel de dimension
n(n + 1)
de Mn (K) de plus {Ei,j + Ej,i |1 ⩽ i ⩽ j ⩽ n} est une base de Sn (K).
2
5. L’ensemble An (K) des matrices antisymétriques d’ordre n est un sous-espace vectoriel de dimension
n(n − 1)
de Mn (K) de plus {Ei,j − Ej,i |1 ⩽ i < j ⩽ n} est une base de An (K).
2
⊕
6. Mn (K) = Sn (K) An (K)
La somme , le produit par un scalaire d’une matrice diagonale , triangulaires sup , triangulaire
inf , symétrique , antisymétrique est respectivement une matrice diagonale , triangulaires
sup , triangulaire inf , symétrique , antisymétrique
Produit matricielle
( )
Définition 5 Produit de deux matrices
Soient A = (aij ) ∈ Mn,p (K) une matrice de type (n, p) et B = (bij ) ∈ Mp,q (K) une matrice de type (p, q).
Alors le produit C = (cij ) = AB ∈ Mn,q (K) est une matrice de type (n, q) dont les coefficients cij sont
définis par : .
∑
p
∀(i, j) ∈ [[ 1, n ]] × [[ 1, q ]], cij = aik bkj
k=1
On peut écrire le coefficient de façon plus développée, à savoir :
cij = ai1 b1j + ai2 b2j + · · · + aik bkj + · · · + aip bpj .
Il est commode de disposer les calculs de la façon

 suivante. 
b1,1 · · · b1,j ··· b1,q
 .. .. .. 
 . . . 
 
 bi,1 · · · bk,j ··· bi,q 
 
 . .. .. 
 .. . . 
bp,1 · · · bp,j ··· bp,q
 ↓ 
  c1,1 .................. c1,q
a1,1 ··· a1,k ··· a1,p  . .. 
 .. .. ..   .. . 
  
 . . .   
 ai,1 c ci,q 
 ··· ai,k ··· ai,p 
 −→  i,1 ··· ci,j ··· 
 ..   

.. ..  
. . .   .. .. 
 . . 
an,1 ··· an,k ··· an,p
cn,1 .................. cn,q

( )
Remarque 1 Notation très commode !
Soit A = (aij )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K) il est trés commode d’adopter La notation suivante :
∀ (i, j) ∈ [[ 1, n ]] × [[ 1, p ]], ai,j = [A]i,j Coefficient de la i-éme ligne et de la j-éme collonne de A.
Avec la notation précédente on a :
• [A + B]i,j = [A]i,j + [B]i,j . .
• ∀λ ∈ K, [λA]i,j = λ [A]i,j .
∑
p
• [A × B]i,j = [A]i,k × [B]k,j
k=1
( )
Proposition 4 Récapitulatif important des produits matriciels à apprendre
     
1 0 0
 ..   ..   .. 
.  .  .
     
1. La base canonique (e1 , . . . , en ) de Mn,1 (K) s’écrit (0 , . . . , 1 i-éme , . . . , 
    
0) , de plus :
.  .  .
 ..   ..   .. 
0 0 1
(te1 , . . . ,t en ) = ((1, . . . , 0), . . . , (0, . . . , 1)) est la base canonique de M1,n (K) et de Kn .
( )
x1
2. Pour tout X = . ∈ Mp,1 (K) et pour tout A = (aij )(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (K)
..x
p
∑p
• AX = j=1 xj Cj avec (C1 , . . . , Cp ) sont les vecteurs colonnes de A.
∑
.
• Si (e1 , . . . , ep ) est la base canonique de Mp,1 (K) , ∀j ∈ [[ 1, p ]], Aej = Cj j-éme colonne de A.
• Si (f1 , . . . , fn ) est la base canonique de M1,n (K) , ∀i ∈ [[ 1, n ]], fi A = Li i-éme ligne de A.
• ∀ (i, j) ∈ [[ 1, n ]] × [[ 1, p ]], fi Aej = aij
3. Si de plus n = p
• ∀(i, j, k, l) ∈ [[ 1, n ]]4 ,Eij Ekl = δjk Eil
• AEij = (δlj aki )(k,l)∈[[ 1,n ]]2 et Eij A = (δki ajl )(k,l)∈[[ 1,n ]]2
• Si D = diag(λ1 , λ2 , . . . , λn ) une matrice diagonale .
AD = (λj aij )(i,j)∈[[ 1,n ]]2 et DA = (λi aij )(i,j)∈[[ 1,n ]]2
• A ∈ Mn (K) est une matrice triangulaire supérieure si, et seulement si
∀i, ∈ [[ 1, n ]], Aei ∈ vect (e1 , . . . , ei ).
4. ∀A, B ∈ Mn,p (K), A = B ⇔ ∀X ∈ Mn,p (K) AX = BX.

Proposition 5
1. (Mn (K), +, ×) est un anneau , de plus la matrice identité In est son élément neutre pour la multi-
plication .
2. Dés que ⩾ 2n , (Mn (K), +, ×) est non commutatif et non intègre .

3. ∀A ∈ (Mn (K), +, ×), A0 = In , ∀k ∈ N Ak+1 = Ak × A.
Autrement dit, Ak = A × A × · · · × A.
| {z }
k facteurs
4. Soient A et B deux éléments de Mn (K) qui commutent, c’est-à-dire tels que AB = BA. Alors,
pour tout entier p ∈ N∗ , on a les formules du binôme
. :
p ( )
∑ p
(A + B)p = Ap−k B k
k
k=0
∑
p−1
Ap − B p = (A − B)( Ak B p−1−k )
k=0
∑
p−1
In − A = (In − A)(
p
Ak )
k=0
Proposition 6
1. L’ensemble Dn (K) des matrices diagonales d’ordre n est un sous anneau commutatif de l’anneau
(Mn (K), +, ×), de plus :
∀D = diag(λ1 , λ2 , . . . , λn ), D′ = diag(λ′1 , λ′2 , . . . , λ′n ) ∈ Dn (K).
• DD′ = diag(λ1 λ′1 , λ2 λ′2 , . . . , λn λ′n ).

• ∀k ∈ N, Dk = diag(λk1 , λk2 , . . . , λkn ).
2. L’ensemble des T Sn (K) des matrices triangulaires supérieurs d’ordre n est un sous-anneau de l’anneau
(Mn (K), +, ×), de plus : .
∀A = (aij )(i,j)∈[[ 1,n ]]2 , B = (bij )(i,j)∈[[ 1,n ]]2 ∈ T Sn (K) :
• AB est une matrice triangulaire supérieurs dont les termes de la diagonale sont
a11 b11 , . . . , aii bii , . . . , ann bnn .
• ∀k ∈ N Ak est une matrice triangulaire supérieurs dont les termes de la diagonale sont
ak11 , . . . , akii , . . . , aknn .
3. On a des résultats identique pour l’ensemble T In (K) des matrices triangulaires inférieurs .

( )
Proposition 7 GLn (K)
1. L’ensemble des matrices inversibles de l’anneau (Mn (K), +, ×) est noté

GLn (K) = {A ∈ Mn (K)|∃B ∈ Mn (K); AB = In et BA = In }.
2. (GLn (K), ×) est un groupe appelé Groupe linéaire d’ordre n.

3. In est inversible de plus In−1 = In .
4. Soient A et B deux matrices inversibles de Mn (K)

. , alors :
(a) AB est inversible et (AB)−1 = B −1 A−1 .
(b) Par récurrence simple sur m ∈ N∗ , si A1 , . . . , Am sont inversibles, alors
−1 −1
(A1 A2 · · · Am )−1 = A−1
m Am−1 · · · A1 .
(c) tA est inversible et on a (tA)−1 =t (A−1 ).
I.1.b Représentations matricielles .

Définitions
( )
Définition 6 Matrices d’un vecteur et d’une famille de vecteurs
Soit E un espace vectoriel de dimension finie et soit B = (e1 , e2 , . . . , ep ) une base de E.
1. Pour chaque x ∈ E, il existe un p-uplet unique d’éléments de K (x1 , x2 , . . . , xp ) tel que :x = x1 e1 +

x2 e2 + · · · + xp ep .. On appelle matrice du vecteur x dans la base B de E la matrice des coordonnées
de x dans la base B de E définie par :
 x1 
x2
matB (x) =  ..  ∈ Mp,1 (K)
.
. xp
2. Soient F = (u1 , u2 , . . . , uk ) ∈ E k une famille de k vecteurs de E telle que :

∑
p
∀j ∈ [[ 1, k ]], uj = aij ei , on appelle matrice de la famille de vecteurs F dans la base B de E la
i=1
matrice définie par :
matB (F) = (ai,j )(i,j)∈[[ 1,p ]]×[[ 1,k ]] ∈ Mp,k (K)
(Matrice dont les colonnes sont formés des matrices colonnes coordonnée des vecteurs de F )
( )
Définition 7 Matrice d’une application linéaire
Soient B = (e1 , . . . , ep ) une base de E,C ′ = (f1 , . . . , fn ) une base de F . et u ∈ L(E, F ) une application
linéaire de E dans F . On appelle matrice de u dans les bases B de E et C de F la matrice :
matB,C (u) = C(u(B) = C(u(e1 ), . . . , u(ep )) ∈ Mnp (K)

∑
n
Plus précisément , si ∀j ∈ [[ 1, p ]], u(ej ) = a1,j f1 + a2,j f2 + · · · + an,j fn = ai,j fi .
.
i=1
u(e1 ) . . . u(ej ) ... u(ep )
 
f1 a11 a1j ... a1p
f2  a21 a2j ... a2p 
 
matB,C (u) = .  .. .. .. ..  ∈ Mnp (K)
..  . . . . 
fn an1 anj ... anp

( )
Définition 8 Matrice d’une endomorphisme
Si u ∈ L(E) est un endomorphisme de E tel que : dim(E) = n ∈ N∗ et B = (e1 , . . . , en ) une base de E

. On appelle matrice de u dans la base B la matrice. matB (u) = matB,B (u), c’est la matrice de u dans la
base B en tant que base de l’espace de départ E et de l’espace d’arrivée E
Remarque 2
Les matrices représentatives d’un vecteur ,d’une famille

. de vecteurs est d’une application linéaire dépendent
des choix des bases.
Application du calcul matriciel aux applications linéaires Dans tout ce paragraphe E , F et G désignent
trois K-espaces vectoriels de dimension finies tel que :
• dim(E) = p ∈ N∗ , dim(F ) = n ∈ N∗ et dim(G) = m ∈ N∗ .
• e = (e1 , . . . , ep ) base de E ,f = (f1 , . . . , fn ) base de F et g = (g1 , . . . , gm ) base de G.

( )
Thèorème 1 Image d’un vecteur
Soient
 u ∈ L(E, F ) , x ∈ E et y ∈ F
 tel que : A = mate,f (u) = (ai,j ) ∈ Mn,p (K) et X = mate (x) =
x1  y1 
x2 y2
 ..  ∈ Mp,1 (K) et Y = matf (y) =  .  ∈ Mn,1 (K) Alors :
. ..
xp yn


 a11 x1 +a12 x2 +a13 x3 + ··· +a1p xp = y1

 ···

 a21 x1 +a22 x2 +a23 x3 + +a2p xp = y2

 .. ... .. .. .

. . . . = ..
u(x) = y ⇔ AX = Y ⇔

 a i1 x1 +ai2 x2 +ai3 x3 + ··· +aip xp = yi



 .. .. .. .. .

 . . . . = ..

an1 x1 +an2 x2 +an3 x3 + ··· +anp xp = yn
C’est les trois visions équivalentes d’une équation linéaire :

Vectorielle ⇔ Matricielle ⇔ Analytique
Thèorème 2
mate,f L(E, F ) −→ Mn,p (K)

:
L’application . est un isomorphisme d’espaces vectoriels ,
u 7−→ mate,f (u)
en particulier : ∀u, v ∈ L(E, F ), ∀λ ∈ K mate,f (u + λv) = mate,f (u) + λ mate,f (v)
Thèorème 3
1. Pour tout u ∈ L(E, F ) et v ∈ L(F, G), on a mate,g (v ◦ u) = matf,g (v) × mate,f (u) (bases organisées
en Chasles inversé )
2. si dim(E) = dim(F ) (n = p) alors , ∀u ∈ L(E, F. ) :
u est un isomorphisme ⇔ mate,f (u) ∈ GLn (K) Inversible

Dans ce cas : mate,f (u−1 ) = (mate,f (u))−1 .

( )
Corollaire 1 Cas des endomorphisme
Soit E un K espace vectoriel de dimension n ∈ N∗ et e = (e1 , . . . , ep ) une base de E ,alors :

1. Pour tout u, v ∈ L(E), mate (v ◦ u) = mate (v) × mate (u)
.
2. Pour tout u ∈ L(E) et k ∈ N , mate (uk ) = (mate (u))k .
3. ∀u ∈ L(E) , u ∈ GL(E) ⇔ mate (u) ∈ GLn (K).
linéaire canoniquement associée à une matrice , rang d’une matrice

( )
Définition 9 Endomorphisme canoniquement associé à une matrice
Soit A ∈ Mn,p (K) une matrice on appelle application linéaire canoniquement associée à A ,
l’application linéaire définie par :
fA : Mp,1 (K) −→ Mn,1 (K)

∈ L(Mp,1 (K), Mn,1 (K))
X 7−→ AX
Si de plus n = p , fA ∈ L(Mn,1 (K)) est dit endomorphisme canoniquement associé à la matrice carrée A.
.
Noter que la matrice de l’application linéaire canoniquement associée à A dans les bases canoniques de
Mp,1 (K) et Mn,1 (K) est la matrice A.
Par abus de notations en identifiant Mn,1 (K) à Kn et Mp,1 (K) à Kp on pose parfois :
fA : Kp −→ Kn
∈ L(Kn , Kp )
X 7−→ AX
Proposition 8
1. ∀A, B ∈ Mn,p (K), A = B ⇔ fA = fB

∀λ ∈ K, fλA+B = λfA + fB
2. ∀A ∈ Mn,p (K), B ∈ Mp,q (K), fA ◦ fB = fAB .
3. ∀A ∈ Mn (K), A ∈ GLn (K) ⇔ fA ∈ GL(Mn,1 (K)). Dans ce cas :

(fA )−1 = fA−1 (Très utile pour le calcul de A−1 , notamment AX = Y ⇔ X = A−1 Y !!!)
( )
Définition 10 Noyau , image et rang d’une matrice
Soit A ∈ Mn,p (K) une matrice de vecteurs colonnes (C1 , . . . , Cp ). On appelle :

• Noyau de A l’ensemble ker A = {X ∈ Mp,1 (K)|AX = 0} = ker(fA )
• Image de A l’ensemble .
ImA = {AX ∈ Mn,1 (K)|X ∈ Mp,1 (K)} = Im(fA ) = Vect(C1 , . . . , Cp )
• On appelle rang de la matrice A, le rang de la famille de vecteurs (C1 , . . . , Cp ) dans lespace Mn,1 (K)
. On a alors : rg(A) = dim(ImA) = rg(fA ) = dim Vect(C1 , . . . , Cp ).
Remarque 3
Les colonnes de A engendrent l’image, les lignes de A. donnent un système d’équations du noyau.

Proposition 9
1. ∀A ∈ Mn,p (K), rg(A) + dim(ker(A)) = p.
2. ∀A ∈ Mn,p (K), rg(A) ⩽ min(n, p).
3. ∀A ∈ Mn,p (K), ∀B ∈ Mp,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).
Le rang d’une matrice ne change pas si on la multiplie à droite ou à gauche par une
matrice inversible .
4. ∀A ∈ Mn (K) , les assertions suivantes sont équivalentes :
.
(a) A est inversible
(b) rg(A) = n
(c) ker(A) = {On,1 }
(d) Im(A) = Mn,1 (K)
(e) Les colonnes (C1 , . . . , Cn ) de A est une base de Mn,1 (K)
(f) Les lignes (L1 , . . . , Ln ) de A est une base de M1,n (K)
5. ∀A ∈ Mn,p (K), rg(A) = rg(tA) = rg(L1 , . . . , Ln ) où (L1 , . . . , Ln ) sont les vecteurs lignes de A ,ainsi
Le rang d’une matrice est invariant par transposition.
( )
A B
Matrice par blocs Une matrice M ∈ Mn,p (K) peut s’écrire sous la forme de “blocs” par M = où
C D
A ∈ Mq,l (K), B =∈ Mq,p−l (K), C =∈ Mn−q,l (K) et D ∈ Mn−q,n−l (K).
Remarque 4
Si B = 0q,p−l ou C = 0n−q,l on dit que A est triangulaire

. par blocs.
Si B = 0q,p−l et C = 0n−q,l on dit que A est diagonale par blocs.
Proposition 10
Sous réserve que les opérations soient bien définies, on a

( ) ( ′ ) (. ′ )
A B A B′ AA + BC ′ AB ′ + BD′
× ′ ′ =
C D C D CA′ + DC ′ CB ′ + DD′
Exemple 1
Soient A, B ∈ Mn (K) deux matrices en effectuant les produits par blocs :

 
L1 B
( )  
AB = AC1 . . . . ACn =  ... 
Ln B
Où (C1 , . . . , Cn ) sont les colonnes de B et (L1 , . . . , Ln ) les lignes de A.

Changement de base Soit E un espace vectoriel de dimension finie n. On sait que toutes les bases de E ont n
éléments.
Définition 11
Soit e une base de E. Soit e′ une autre base de E.

On appelle matrice de passage de la base e vers la base e′ , et on note Pee ′ , la matrice carrée de taille
n × n définie par :
.
Pee ′ = mate (e′ )
( La j-ème colonne de cette matrice est formée des coordonnées du j-ème vecteur de la base e′ , par rapport
à la base e).
Proposition 11
1. La matrice de passage d’une base e vers une base e′ est inversible et son inverse est égale à la matrice
de passage de la base e′ vers la base e :
( e ′ )−1
Pee′ =
. Pe
2. Si e, e′ et e′′ sont trois bases, de E alors
Pee” = Pee ′ × Pee”

′
Proposition 12
1. Soit x ∈ E tel que : X = mate (x) (matrice dans l’ancienne base ) et X ′ = mate′ (x) (matrice dans la
nouvelle base ) , alors :
X = P × X ′ et X ′ = P −1 × X (Faites attention. à l’ordre ).
2. Soit F = (u1 , . . . , uk ) ∈ E k une famille de vecteurs de E tel que :A = mate (F) et A′ = mate′ (F) ,
alors :
A = P × A′ et A′ = P −1 × A
( )
Thèorème 4 Formule de changement de base
Soient
• E, F deux K espaces vectoriels de dimensions finies.
• e, e′ deux bases de E et P = Pee ′ .
• f, f ′ deux bases de E et Q = Pff ′ .

• u ∈ L(E, F ). .
• A = mate,f (u) (matrice dans les anciennes bases) et B = mate′ ,f ′ (u) (matrice dans les nouvelles
bases).
Alors :
B = Q−1 AP et A = QAP −1

( )
Corollaire 2 Cas d’un endomorphisme (Q=P
Soient
• E un K espace vectoriel de dimension finie.
• e, e′ deux bases de E et P = Pee ′ .

.
• u ∈ L(E) un endomorphisme de E
• A = mate (u) (matrice dans l’ancienne base ) et B = mate′ (u) (matrice dans la nouvelle base).
Alors :
B = P −1 AP et A = P BP −1
Matrices équivalentes , matrices semblables , trace
Thèorème 5
Si E et F sont deux espaces vectoriels de dimensions p et nrespectivement, et si u ∈ L(E, F ) est de rang

r ∈ [[ 1, min(n, p) ]] alors il existe une base e de E et une base f de F telles que :
(. )
Ir 0r,p−r
mate,f (u) = Jr =
0n−r,r 0n−r,p−r
( )
Définition 12 Matrices équivalentes
. si ∃P ∈ GLn (K), ∃Q ∈ GLp (K) / B = Q−1 AP .

Soient A, B ∈ Mn,p (K). A et B sont dites équivalentes
Remarque 5
.
L’équivalence des matrices est une relation d’équivalence sur Mn,p (K).
Thèorème 6
( )
Ir 0r,p−r
1. Si M ∈ Mn,p (K), M est équivalentes à la matrice Jr = où r = rg(M ).
0n−r,r 0n−r,p−r
2. Deux matrices de Mn,p (K) sont équivalentes si et seulement si elles ont le même rang.
.
3. Si M ∈ Mn,p (K) alors rg(M ) = rg( M
t
4. Si E et F sont deux espaces vectoriels de dimensions p et nrespectivement, et si u ∈ L(E, F ) ,

rg(u) = rg(mate,f (u)) et indépendant du choix des bases e et f .
Définition 13
Soient A, B ∈ Mn (K). On dit que A est semblable à. B s’il existe P ∈ Gln (K) tel que B = P −1 AP .
Elles représentent donc la matrice d’un même endomorphisme f dans des bases différentes.

Remarque 6
A R B ⇐⇒ A est semblable à B est une relation d’équivalence c’est-à-dire (rappel)

La relation est réflexive : ∀ A ∈ Mn (K), ARA, (considérer P = In ).
La relation est symétrique : ∀ (A, B) ∈ Mn (K)2 , ARB ⇐⇒ BRA

( )−1 ( −1 )
puisque B = P −1 AP ⇐⇒ A = P BP −1 = P −1 A P
.
La relation est transitive : ∀ (A, B, C) ∈ Mn (K)3 , ARB et BRC =⇒ ARC
puisque B = P −1 AP et C = Q−1 BQ =⇒ C = Q−1 P −1 AP Q = (P Q)−1 A(P Q)
On appelle alors classe d’équivalence d’une matrice A l’ensemble des matrice en relation avec A c’est-à-dire
{M ∈ Mn (K), | ∃ P ∈ GLn (K), M = P −1 AP }
Définition 14
Soit A = (ai,j )1⩽i,j⩽n ∈ Mn (K).

On appelle trace de la matrice A la somme de ses éléments diagonaux c’est-à-dire
.
∑n
Tr(A) = ak,k .
k=1
Proposition 13
∗
1. Tr ∈ (Mn (K)) .
2. ∀ A ∈ Mn,p (K), ∀ B ∈ Mp,n (K), Tr(AB) = Tr(BA).

.
−1
3. ∀ A ∈ Mn (K), ∀ P ∈ GLn (K), Tr(P AP ) = Tr(A).
4. ∀ A ∈ Mn,p (K), Tr(tA) = Tr(A)
Proposition 14
Soit u ∈ L(E) et soit A = mate u et B = mat′e u. On. a Tr B = Tr A
Définition 15
Soit f ∈ L(E). On appelle trace de f la trace de sa matrice

. relativement à n’importe quel base de E.
Proposition 15
1. Soient u, v ∈ L(E) alors : Tr(u ◦ v) = Tr(v ◦ u).

.
2. Soit p un projecteur de E alors : Tr(p) = rg(p).

I.2 Les déterminants .
Groupe symétrique
Définition 16
Soit n ∈ N∗ .
. noté Sn des bijections de {1..n} dans {1..n}.
on désigne par groupe symétrique d’ordre n l’ensemble
Tout élément de Sn est appelé permutation.
Remarque 7
( )
Sn , ◦ est un groupe d’élément neutre id[[ 1,n ]] . .
On représente une permutation par la liste des éléments de {1..n} en dessous de laquelle on indique l’image de chaque
élément.ainsi σ ∈ Sn est représentée par :
( )
1 2 ... ... ... n
σ= .
σ(1) σ(2) . . . . . . . . . σ(n)
Définition 17
Soit σ ∈ Sn une permutation de [[ 1, n ]] , On appelle Support de la permutation σ l’ensemble :

.
Supp(σ) = {i ∈ [[ 1, n ]] ; σ(i) ̸= i}.
Définition 18
Soit p ∈ [[ 2, n ]] .On dit qu’un élément σ de Sn est un p-cycle si elle a pour support un sous-ensemble
{a1 , a2 , . . . , ap } de [[ 1, n ]] et tel que
• ∀ i ∈ [[ 1, p − 1 ]], σ(ai ) = ai+1 et σ(ap ) = a1

.
• ∀ i ̸∈ {a1 , a2 , . . . , , ap }, σ(i) = i.(bien sur !!)
( )
Dans ce cas σ est noté a1 a2 · · · ap .
Un 2-cycle est appelé transposition elle est noté : (a1 , a2 ).
Thèorème 7
Pour n ⩾ 2, toute permutation de Sn se décompose de façon unique en produit de cycles à supports deux
à deux disjoints . .
On dit que les cycles engendrent le groupe symétrique (Sn , ◦).

Proposition 16
Pour n ⩾ 2.
( )
1. Tout p-cycle a1 a2 ··· ap se décompose en produit de transpositions , de plus :
( )
a1 a2 · · · ap = (a1.ap−1 )(a1 ap−2 ) . . . (a1 a3 )(a1 a2 )
2. Toute permutation de Sn se décompose en produit de transpositions.

On dit que les transpositions engendrent le groupe symétrique (Sn , ◦).
( )
Définition 19 signature d’une permutation
Soit σ ∈ σ ∈ Sn où n ⩾ 2.
On dit qu’un couple (i, j) ∈ [[ 1, n ]]2 est une inversion de σ lorsque : i < j et σ(i) > σ(j).
On note I(σ) le nombre d’inversions de la permutation σ , et on définit la signature de la permutation σ
par :
.
ε(σ) = (1)I(σ) ∈ {1, −1}
• une permutation est dite paire si elle est de signature 1.

• une permutation est dite impaire si elle est de signature -1.
( )
Thèorème 8 Fondamentale
1. Les transpositions sont de signature −1.

2. Soient σ, σ ′ ∈ Sn , on a
ε(σσ ′ ) .= ε(σ)ε(σ ′ ).
( )
Ont dit que l’application ε est donc un morphisme de groupes de (Sn , ◦) vers {−1, 1}, × .
3. La signature d’un p-cycle est (−1)p
Remarque 8
Pour déterminer la signature d’une permutation il suffit de la décomposer en produit de cycles ou de

.
permutations et d’utiliser la deuxième propriété du théorème précédents , si par exemple σn = τ1 τ2 . . . τq
q
où les τi sont des transpositions. On a ε(σ) = (−1) .
Applications multilinéaires

Définition 20
Soit E et F deux espaces vectoriels .

On dit que l’application f : (x1 , x2 , . . . , xn ) 7−→ f (x1 , x2 , . . . , xn ) de E n vers F est n-linéaire de E dans
F si elle est linéaire par rapport à chacune de ses variables c’est-à-dire que chacune de ses applications
partielles y 7−→ f (x1 , , . . . , xi−1 , y, xi+1 , . . . , xn ) est linéaire , c’est à dire :
∀(x1 , x2 , . . . , xn ) ∈ E n , ∀i ∈ [[ 1, n ]], ∀x, y ∈ E, ∀λ ∈ K. ,
f (x1 , . . . , xi−1 , λx + y, xi+1 , . . . , xn ) = λf (x1 , . . . , xi−1 , x, xi+1 , . . . , xn ) + f (x1 , . . . , xi−1 , y, xi+1 , . . . , xn )
• Si n = 2 , f est dite bilinéaire .

• Si n = 3 , f est dite trilinéaire .
Proposition 17
Soit f une application n-linéaire de E vers F .Alors :

∀(x1 , x2 , . . . , xn ) ∈ E n , ∀i ∈ [[ 1, n ]], ∀(λ1 , λ2 , . . . , λn ) ∈ Kn
.
1. f (λ1 x1 , . . . , λn xn ) = λ1 × · · · × λn f (x1 , . . . , xn )
2. f (x1 , , . . . , xi−1 , 0E , xi+1 , . . . , xn ) = 0F
Définition 21
Soit f une application n-linéaire de E vers F .
1. f est dite antisymétrique si pour toute transposition τ ∈ Sn et pour tout

(x1 , . . . , xn ) ∈ E n
f (xτ (1) , . . . , xτ (n) ) = −f (x1 , . . . , xn )

Dit plus simplement, elle change de signe en lui permutant deux de ses variables c’est-à-dire pour
tout i, j ∈ [[ 1, n ]], f (. . . , xi , . . . , xj , . . . ) = −f (. .. . , xj , . . . , xi , . . . )
2. f est dite alternée si elle s’annule dés que deux variables sont égales c’est-à-dire pour tout
(x1 , . . . , xn ) ∈ E n
∃(i, j) ∈ [[ 1, n ]]tel que , (i ̸= j et xi = xj ) ⇒ f (x1 , . . . , xn ) = 0F
3. Si F = K, on dit que f est une forme n-linéaire antisymétrique (resp .alternée).
Proposition 18
Soit f une application n-linéaire de E vers F .Alors :.

f est antisymétrique si, et seulement si f est alternée .

Proposition 19
Soit f une application n-linéaire de E vers F .Alors :

1. f est alternée si, et seulement si , pour tout σ ∈ Sn et pour tout (x1 , . . . , xn ) ∈ E n
f (xσ(1) , . . . , xσ(n) ) = ε(σ)f (x1 , . . . , xn )

.
∑et (x1 , . . . , xn ) ∈ E est liée alors , f (x1 , . . . , xn ) = 0F et f (x1 , . . . , xi , . . . , xn ) =

n
2. Si f est alternée
f (x1 , . . . , xi + λj xj , . . . , xn ) (ie : la valeurs de f ne change pas si on ajoute à un vecteur une
j̸=i
combinaison linéaire des autres .)
Déterminants On suppose que dim E = n, considérons la base e = (e1 , e2 , . . . , en ) de E.

∑
n
Soit x1 , x2 , . . . , xn n vecteurs de E définis par leurs coordonnées xj = ai,j ei .
i=1
( )
Définition 22 formule de Leibniz
On appelle déterminant dans la base e des n vecteurs x1 , x2 , . . . , xn le scalaire
a1,1 a1,2 ··· a1,n

∑ . ∑ ∏
n a2,1 a2,2 ··· a2,n
dete (x1 , x2 , . . . , xn ) = ε(σ)aσ(1)1 aσ(2)2 · · · aσ(n)n = ε(σ)( aσ(i)i ) = . .. .. ..
.. . . .
σ∈Sn σ∈Sn i=1
an,1 an,2 ··· an,n
où (ai,j )1⩽i⩽n désigne les coordonnées de xj dans e.
Thèorème 9
Soit E un espace vectoriel de dimension n et e = (e1 , . . . , en ) une base de E.
• L’ensemble Λ∗n des formes n-linéaire alternées sur

. E est de dimension 1.
Toute forme n-linéaire alternée est multiple du déterminant.
• Notamment, dete est l’unique forme n-linéaire alternée telle que dete (e) = 1.
Corollaire 3
Si e et e′ sont deux bases de E

.
dete′ = dete′ (e) × dete

Remarque 9
1
On a alors dete′ (e) = dete (e′ ) d’où
.
1
dete′ = dete (e′ ) dete
Proposition 20
On suppose dim E = 2, muni d’une base e = (e1 , e2 ).

Soient x, y deux vecteurs de E sécrivant x = x1 e1 + x2 e2 , y = y1 e1 + y2 e2 . Alors le déterminant dans la
base e de x et y est le scalaire
x y
dete (x, y) = 1 . 1 = x1 y2 − x2 y1
x2 y2
De plus si e est la base canonique de R2 ,dete (x, y) représente l’aire orienté du parallélogramme de cotés
x, y .
( )
Thèorème 10 caractérisation des bases
dim E = n. .
la famille (x1 , x2 , . . . , xn ) est une base si, et seulement si dete (x1 , x2 , . . . , xn ) ̸= 0.
Corollaire 4
dim E = n. .
la famille (x1 , x2 , . . . , xn ) est liée si, et seulement si dete (x1 , x2 , . . . , xn ) = 0.
Thèorème 11
Soit f ∈ L(E).
Pour toute base e = (e1 , e2 , . . . , en ) et e′ = (e′1 , e′2 , . . .. , e′n ) de E on a
( ) ( )
dete f (e1 ), f (e2 ), . . . , f (en ) = dete′ f (e′1 ), f (e′2 ), . . . , f (e′n )
Définition 23
On appelle déterminant de l’endomorphisme f le scalaire

( )
det f = dete f (e1 ),. f (e2 ), . . . , f (en )
où e = (e1 , e2 , . . . , en ) est une base quelconque de E.

Remarque 10
( )
. n ) = det f × det(x1 , x2 , . . . , xn ).
D’aprés la démo précédente, dete f (x1 ), f (x2 ), . . . , f (x
e
Proposition 21
∀ u, v ∈ L(E), det(u. ◦ v) = det u × det v
( )
Corollaire 5 caractérisation des automorphismes
f est un isomorphisme si, et seulement si det f ̸= 0.

. −1
On a alors det(f −1 ) = (det f )
Remarque 11
( ) ( )
. K ∗, × .
det est alors un morphisme du groupe GL(E), ◦ vers
Proposition 22
∀ f ∈ L(E), ∀ λ ∈ K,. det(λf ) = λn det f.
Définition 24
On appelle déterminant de la matrice carrée A le déterminant de ses vecteurs colonnes dans la base
canonique de Mn,1 (K) ou Kn . On le note det A. Si A = (ai,j ) 1⩽i⩽n ,
1⩽j⩽n
. a1,1 a1,2 ··· a1,n

∑ ∏
n a2,1 a2,2 ··· a2,n
det A = ε(σ)( aσ(i)i ) = . .. .. ..
.. . . .
σ∈Sn i=1
an,1 an,2 ··· an,n
Proposition 23
Soit f ∈ L(E) et e une base de E. Si A = mate f alors

.
det A = det f.

Remarque 12
( ′)
dete (e′ ) = det Pee .
Corollaire 6
1. ∀ A, B ∈ Mn (K), det(AB) = det A × det B.

.
2. ∀ A ∈ Mn (K), ∀ λ ∈ K, det(λA) = λn det A.
( )
Proposition 24 caractérisation des matrices inversibles
A ∈ GLn (K) si, et seulement si det A ̸= 0.

( . ) −1
On a alors det A−1 = (det A) .
Thèorème 12
Pour toute matrice A ∈ Mn (K) on a .

det t A = det A.
Détermination pratique d’un déterminant Le calcul de déterminant de vecteurs dans une base ou d’un endo-
morphisme revient à calculer le déterminant d’une matrice carrée que, dans cette section, nous appellerons simplement
déterminant.
Développement suivant une ligne ou une colonne
Définition 25
On appelle mineur d’ordre i, j d’une matrice carrée A,

. le déterminant ∆i,j obtenu en supprimant la iéme
ligne et j-iéme colonne de A.
( )
Thèorème 13 développement suivant une colonne
Soit A = (ai,j ) 1⩽i⩽n ∈ Mn (K), on a :

1⩽j⩽n
.
∑
n
∀ j ∈ [[ 1, n ]], det A = ai,j (−1)i+j ∆i,j .
i=1

( )
Thèorème 14 développement suivant une ligne
Soit A = (ai,j ) 1⩽i⩽n ∈ Mn (K), on a :

1⩽j⩽n
.
∑
n
∀ i ∈ [[ 1, n ]], det A = ai,j (−1)i+j ∆i,j .
j=1
Corollaire 7
∏
n
Si A = (ai,j ) 1⩽i⩽n est une matrice triangulaire de M. n (K) alors det A = akk .
1⩽j⩽n k=1
Définition 26
On appelle comatrice de A ∈ Mn (K) la matrice notée comat A ∈ Mn (K) formée des cofacteurs de A
. est (−1)i+j ∆ où ∆ est le mineur d’ordre (i, j)
c’est-à-dire la matrice dont le coefficient d’indice (i, j) i,j i,j
de A.
Proposition 25
Soit A ∈ Mn (K). On a .
A.t comat A = t
comat A.A = (det A)In
Corollaire 8
1 t
Soit A ∈ GLn (K), A−1 = comat A. .
det A
Corollaire 9
Soit A ∈ Mn (K), B ∈ Mp (K) et C ∈ Mn,p (K) on a

( ) ( . )
A C A 0n,p
det = det = det A × det B
0p,n B C B

Pour calculer le déterminant d’une matrice
• On peut développer suivant une ligne et une colonne par les relations
∑
n ∑
n
i+j
det A = ai,j (−1) ∆i,j = ai,j (−1)i+j ∆i,j
i=1 j=1
• procéder à des opérations élémentaires
– pour faire apparaître un maximum de 0 puis développer

– se ramener à une forme triangulaire.
• On peut aussi utiliser des techniques spécifiques au problème demandé
– Établir une relation de récurrence.

– Décomposer la matrice en blocs “utiles” ou la décomposer en produit de matrices.
– Utiliser une forme polynomiale ( cf. déterminant de Van-der-Monde)
IV. Exercices corrigés :

Exercice 13
 
1 0 2
Soit A = 0 −1 1 . Calculer A3 − A. En déduire que A est inversible puis déterminer A−1 .
1 −2 0
Solutions :
On vérifie facilement que A2 − 3A + 2I3 = 0. On réécrit ceci en :
( )
−1
A(A − 3I3 ) = −2I3 ⇐⇒ A (A − 3I3 ) = I3 .
2
−1
Ainsi, A est inversible et son inverse est 2 (A − 3I3 ).
Exercice 14
1. Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.

 
0 1 −1
2. Soit A = −1 2 −1. Déduire de la question précédente la valeur de An , pour n ≥ 2.
1 −1 2
Solutions :
1. On sait que
X n = (X 2 − 3X + 2)Qn (X) + an X + bn ,
où an X + bn est le reste dans la division euclidienne de X n par X 2 − 3X + 2. Pour trouver la valeur de an et
bn , on évalue l’égalité précédente en les racines de X 2 − 3X + 2, c’est-à-dire en 1 et 2. On trouve le système :
{
an + bn = 1
2an + bn = 2n
dont l’unique solution est an = 2n − 1 et bn = 2 − 2n .
Page 43
2. Il suffit de remarquer que A2 − 3A + 2I3 = 0. Remplaçant dans l’expression de la division euclidienne, on

trouve
An = (2n − 1)A + (2 − 2n )I3 .
Exercice 15
On considère l’endomorphisme f de R3 dont la matrice dans la base canonique est :

 
1 1 1
A =  −1 2 −2  .
0 3 −1
Donner une base de ker(f ) et de Im(f ).
Solutions :
Le noyau de f est l’ensemble des triplets (x, y, z) tels que

 
 x+y+z = 0  x = −4y
f (x, y, z) = 0 ⇐⇒ −x + 2y − 2z = 0 ⇐⇒ y = y
 
3y − z = 0 z = 3y
Le noyau de f est donc la droite vectorielle de vecteur directeur (−4, 1, 3) noter que :
−4f (e1 ) + f (e2 ) + 3f (e3 ) = 0. Par le théorème du rang, Im(f ) = vect((f (e1 ), f (e2 ), f (e3 )) est de dimension 2.
De plus, f (e1 ) = (1, −1, 0) et f (e2 ) = (1, 2, 3) sont clairement indépendants. Donc (f (e1 ), f (e2 )) est une base de
Im(f ).
Exercice 16
Soit u l’application linéaire de R3 dans R2 dont la matrice dans leur base canonique respective est
( )
2 −1 1
A= .
3 2 −3
On appelle (e1 , e2 , e3 ) la base canonique de R3 et (f1 , f2 ) celle de R2 . On pose

1 1
e′1 = e2 + e3 , e′2 = e3 + e1 , e′3 = e1 + e2 et f1′ = (f1 + f2 ), f2′ = (f1 − f2 ).
2 2
1. Montrer que (e′1 , e′2 , e′3 ) est une base de R3 puis que (f1′ , f2′ ) est une base de R2 .
2. Quelle est la matrice de u dans ces nouvelles bases?
Solutions :
1. Notons P la matrice de passage de (e1 , e2 , e3 ) à (e′1 , e′2 , e′3 ) et Q la matrice de passage de (f1 , f2 ) à (f1′ , f2′ ).
Alors on a :  
0 1 1 ( )
1 1 1
P = 1 0 1  et Q = .
2 1 −1
1 1 0
on a det(P ) = 2 ̸= 0 et det(Q) = −1 2 ̸= 0 d’où :
La famille (e′1 , e′2 , e′3 ) est une base de R3 et (f1′ , f2′ ) est une base de R2 .
Page 44
2. Si B est la matrice de u dans les nouvelles bases, alors la formule du changement de base nous dit que
B = Q−1 AP . Or, ( )
−1 1 1
Q =
1 −1
de sorte que ( )
−1 3 6
B= .
1 3 −4
Exercice 17
Soit M ∈ Mn (C).
1. Montrer que si rg(M ) = 1, il existe deux vecteurs X et Y tels que M = XY t .
2. Montrer que si rg(M ) = 2, il existe deux couples de vecteurs indépendants (X, Z) et (Y, T ) tels
que M = XY t + ZT t .
3. Généraliser aux matrices de rang k.
Solutions :    
λ1 µ1
   ..  , alors XY t est la matrice
Le point de départ de l’exercice est le suivant. Si X =  ...  et Y =  . 
λn µn
 
λ1 Y t
 .. 
XY t =  .  = (λi µj )(i,j)∈[[ 1,n ]]2 .
λn Y t
1. Puisque le rang
 de M est égal à 1, alors une des lignes de M , disons Lp , est telle que Li = λi Lp pour tout i.
λ1
 
Posons X =  ...  et Y tel que Y t = Lp . Alors on vérifie facilement que M = XY t .
λn
2. Puisque le rang de M est égal à 2, on peut sélectionner deux lignes Lp et Lq telles que, pour chaque i, on
t t
a Li = λi Lp + µi Lq , et les lignes Lp et Lq sont indépendantes. On
 posealors Y = Lp, T = Lq (le couple
λ1 µ1
 ..   .. 
(Y, T ) est bien constitué de deux vecteurs indépendants) et X =  . , Z =  . . Les vecteurs X et
λn µn
Z sont aussi indépendants. En effet, on a (λp , µp ) = (1, 0) et (λq , µq ) = (0, 1). Si aX + bZ = 0, en étudiant
la p-ième ligne, on trouve a = 0, et en étudiant la q-ième ligne, on trouve b = 0.
3. Clairement, la même méthode prouve que si le rang de M vaut k, il existe deux couples de k vecteurs
indépendants (X1 , . . . , Xk ) et (Y1 , . . . , Yk ) tels que
M = X1 Y1t + · · · + Xp Ypt .
Page 45
Exercice 18
Soit E un K−ev, et p ∈ L(E). On dit que p est un projecteur si p ◦ p = p.

1. Etude individuelle
(a) Montrer que pour tout y ∈ Im(p), alors p(y) = y. En déduire que E = ker(p) ⊕ Im(p). On
dit que p est le projecteur sur Im(p) parallèlement à ker(p).
(b) On suppose désormais que E est de dimension( finie. Montrer
) qu’il existe une base de E dans
Ir 0n−r,r
laquelle la matrice de p s’écrit par blocs avec
0n−r,r 0n−r
r égale au rang de p .
En déduire que la trace d’un projecteur est égal à son rang.
2. Etude collective. Soient E1 , . . . , Ep des sous-espaces vectoriels de E. On suppose que E1 ⊕ · · · ⊕
Ep = E. On note pi le projecteur sur Ei parallèlement à ⊕j̸=i Ej . Montrer que pi ◦ pj = 0 si i ̸= j
et p1 + · · · + pn = IdE .
Solutions :
1. (a) Soit y ∈ Im(p). Alors y = p(x). On en déduit p(y) = p(p(x)) = p(x) = y. Prouvons maintenant que
ker(p) et Im(p) sont en somme directe. Si y ∈ ker(p) ∩ Im(p), alors y = p(y) = 0. Pour prouver que les
deux sous-espaces sont supplémentaires, il y a deux alternatives :
• la première est d’utiliser le théorème du rang (le faire!). Cette méthode suppose néanmoins que E
est de dimension finie, ce que l’on ne suppose pas à ce moment de l’exercice.
• la seconde est de faire à la main! Prenons donc x ∈ E, et posons y = x − p(x). Il est clair que
x = p(x) + y, et comme p(y) = 0, y ∈ ker(p).
(b) Considérons une base de E formée par la réunion d’une base de Im(p) et d’une base de ker(p) (on obtient
bien une base de E car les sous-espaces sont supplémentaires). Alors la matrice de p dans cette base a
exactement la forme voulue. La trace de p (ie la trace de cette matrice) vaut donc le nombre de vecteurs
dans une base de Im(p), donc la dimension de Im(p), c’est-à-dire encore le rang de p.
2. Il est clair que Im(pj ) = Ej ⊂ ker(pi ) ce qui prouve que pi ◦ pj = 0. D’autre part, si x ∈ Ei , on a
p1 (x) + · · · + pi (x) + · · · + pn (x) = 0 + · · · + x + · · · + 0 = x.
On a p1 + · · · + pn = IdE sur chaque Ei , donc sur tout l’espace par ”recollement”. En outre, le calcul de la
trace du projecteur à l’aide de la trace de sa matrice dans cette base montre que cette trace vaut exactement
le nombre de vecteurs d’une base de Im(p), c-est-à-dire exactement le rang de p.
Exercice 19
Soit n ≥ 1. Pour (i, j) ∈ {1, . . . , n}2 , on note Ei,j la matrice dont tous les coefficients sont nuls, sauf le
coefficient situé à la i-ième ligne et à la j-ième colonne qui vaut 1.
1. Soit A ∈ Mn (R). Calculer AEi,j et Ei,j A.
2. En déduire quelles sont les matrices de Mn (R) qui commutent avec toutes les matrices de Mn (R).
Solutions :
1. On effectue les produits comme d’habitude. Notant A = (ak,l ), toutes les colonnes de AEi,j sont nulles sauf
la j-ième. Le terme à la l-ième ligne et à la j-ième colonne de AEi,j est égal à al,i . On a donc
 
0 . . . a1,i . . . 0
 .. .. 
 . a2,i . 

AEi,j =  . 
. ..  .
 .. .. . 
0 . . . an,i . . . 0
Page 46
De même, on obtient  
0 ... ... 0
 .. .. 
 . . 
 
Ei,j A = 
 aj,1 aj,2 ... aj,n 

 . .. 
 .. . 
0 ... ... 0
où la seule ligne non-nulle est la i-ième.
2. Remarquons d’abord que A ∈ Mn (R) commute avec tous les éléments de Mn (R) si et seulement si AEi,j =
Ei,j A pour tout i, j. L’implication directe est évidente. Réciproquement, si A commute avec tous les Ei,j ,
alors, comme (Ei,j )1≤i,j≤n est une base de Mn (R), toute matrice M ∈ Mn (R) s’écrit (de façon unique)
∑
n
M= αi,j Ei,j .
i,j=1
On a alors
∑
n
AM = αi,j AEi,j
i,j=1
∑n
= αi,j Ei,j A
i,j=1
= M A.
Ceci prouve bien que A commute avec toute matrice M . Maintenant, soit A une matrice qui commute avec
tous les Ei,j . Fixons i, j. On a AEi,j = Ei,j A. De la forme de ces deux matrices calculée à la question
précédente, on remarque qu’elles doivent avoir tous leurs coefficients nuls, sauf éventuellement celui situé à
l’intersection de la i-ième ligne et de la j-ième colonne. Ainsi, on obtient
• aj,k = 0 si k ̸= j. Puisque ceci est valable pour j arbitraire, la matrice A est diagonale.
• ai,i = aj,j , en identifiant les coefficients situés à l’intersection de la i-ième ligne et de la j-ième colonne
de respectivement AEi,j et Ei,j A. Puisque i et j sont quelconques, tous les coefficients diagonaux de A
sont égaux.
Ainsi, on vient de prouver que A = λIn pour un certain réel λ. Réciproquement, toute matrice de cette forme
commute avec les éléments de Mn (R).
Si on interprète ce calcul dans le langage des applications linéaires, on a prouvé que les endomorphismes d’un
espace vectoriel de dimension finie qui commutent avec tous les autres endomorphismes de cet espace sont
les homothéties.
Exercice 20
Soit f une forme linéaire sur Mn (C) telle que ∀(A, B) ∈ (Mn (C))2 , f (AB) = f (BA). Montrer qu’il
existe un complexe a tel que f = aTr.
Solutions : ∑
Soit f une forme linéaire sur Mn (C). Pour A = (ai,j )1⩽i,j⩽n , posons f (A) = 1⩽i,j⩽n αi,j ai,j où les αi,j sont
indépendants de A (les αi,j sont les f (Ei,j )).

Soient i et j deux entiers distincts pris dans 1, n.
αi,i = f (Ei,i ) = f (Ei,j Ej,i ) = f (Ej,i Ei,j ) = f (Ej,j ) = αj,j ,
et
αi,j = f (Ei,j ) = f (Ei,i Ei,j ) = f (Ei,j Ei,i ) = f (0) = 0.

∑n
Finalement en notant α la valeur commune des αi,i , 1 ⩽ i ⩽ n, pour toute matrice A on a f (A) = α i=1 ai,i =
αTrA où α est indépendant de A. (Réciproquement, les f = αTr, α ∈ C, sont des formes linéaires vérifiant
∀(A, B) ∈ Mn (R)2 , f (AB) = f (BA).)
Page 47
Exercice 21
Montrer que tout hyperplan de Mn (R) contient des matrices inversibles.
Solutions :
Soit H un hyperplan de Mn (R). H est le ∑ noyau d’une forme linéaire non nulle f .
Pour M = (mi,j )1⩽i,j⩽n , posons f (M ) = 1⩽i,j⩽n ai,j mi,j où les ai,j sont n2 scalaires indépendants de M et
non tous nuls. ∑n
ai,i
1er cas. Supposons qu’il existe deux indices distincts k et l tels que ak,l ̸= 0. Soit M = In − i=1 Ek,l .
∑ ak,l
n
M est
∑n
inversible car triangulaire à coefficients diagonaux tous non nuls et M est dans H car f (M ) = i=1 ai,i −
ai,i
ak,l i=1 = 0.
ak,l
 
0 1 0 ... 0
 .. . . .. .. . 
 .
 . . . .. 
 
2ème cas. Si tous les ak,l , k ̸= l, sont nuls, H contient la matrice inversible  ... ..
. 0 .
 
 .. 
 0 . 1 
1 0 ... ... 0
Exercice 22
1. Soit E un espace vectoriel et f ∈ L(E). Montrer que f est une homothétie si et seulement si,
pour tout x ∈ E, la famille (x, f (x)) est liée.
2. Soit A ∈ Mn (K) de trace nulle. Montrer que M est semblable à une matrice n’ayant que des zéros
sur la diagonale.
Solutions :
1. Si f est une homothétie, alors (x, f (x)) est bien toujours liée. Réciproquement, l’hypothèse nous dit, que
pour tout x non-nul, il existe un scalaire λx tel que f (x) = λx x. On doit prouver qu’il existe un scalaire λ
tel que λx = λ pour tout x de E, ou encore que λx = λy quels que soient x et y non-nuls. Si la famille (x, y)
est liée, c’est clair, car y = µx et µλy x = λy y = f (y) = µf (x) = µλx x et on peut simplifier par µx ̸= 0. Si la
famille (x, f (x)) est libre, calculons f (x + y). D’une part,
f (x + y) = λx+y (x + y) = λx+y x + λx+y y,
d’autre part,
f (x + y) = f (x) + f (y) = λx x + λy y.
Puisque la famille (x, y) est libre, toute décomposition d’un vecteur à l’aide de combinaison linéaire de ces
vecteurs est unique. On obtient donc λx = λy = λx+y , ce qui est le résultat voulu.
2. On va raisonner par récurrence sur n, le résultat étant vrai si n = 1. Soit f l’application linéaire associée à
A dans la base canonique de Kn . Si f est une homothétie, alors A est diagonale et comme sa trace est nulle,
c’est la matrice nulle. Sinon, soit x ∈ Kn tel que (x, f (x)) est libre. Alors on peut compléter cette famille en
une base (x, f (x), e3 , . . . , en ). Dans cette base, la matrice de f est semblable à
 
0 ∗ ... ∗
 1 
 
N = 0 N ′ .
 
..
.
Page 48
Autrement dit, M est semblable à N . Puisque N est de trace nulle, N ′ est de trace nulle. On peut lui
appliquer l’hypothèse de récurrence : il existe Q ∈ GLn−1 (K) tel que Q−1 N ′ Q soit une matrice n’ayant que
des zéros sur la diagonale. Posons alors
 
1 ∗ ... ∗
 0 
 
P = 0 Q .
 
..
.
Alors, P est inversible, et on vérifie aisément que P −1 N P est une matrice n’ayant que des zéros sur la
diagonale. Ainsi, N , donc M , est semblable à une telle matrice.
Exercice 23
σ étant une permutation de {1, ..., n} donnée, on définit la matrice notée Pσ , carrée d’ordre n dont le
terme ligne i colonne j est δi,σ(j) (où δi,j est le symbôle de Kronecker. On note G l’ensemble des Pσ
où σ décrit Sn .
1. (a) σ et σ ′ étant deux éléments de Sn , calculer Pσ × Pσ′ .
(b) En déduire que (G, ×) est un sous-groupe de (GLn (R), ×), isomorphe à (Sn , ◦) (les matrices
Pσ sont appelées matrices de permutation ).
2. (Une utilisation des Pσ ) A étant une matrice carrée donnée, calculer APσ et Pσ A. Que constate-
t-on ?
Solutions :
1. (a) Soient σ et σ ′ deux éléments de Sn . Soit (i, j) ∈ {1, ..., n}2 . Le coefficient ligne i, colonne j de Pσ Pσ′
vaut
∑
n
δi,σ(k) δk,σ′ (j) = δi,σ(σ′ (j)) ,
k=1
et est donc aussi le coefficient ligne i, colonne j de la matrice Pσ◦σ′ . Par suite,
∀(σ, σ ′ ) ∈ (Sn )2 , Pσ × Pσ′ = Pσ◦σ′ .
(b) Soit σ ∈ Sn . D’après a), Pσ Pσ−1 = Pσ◦σ−1 = PId = In = Pσ−1 Pσ . On en déduit que toute matrice Pσ
est inversible, d’inverse Pσ−1 . Par suite, G ⊂ GLn (R) (et clairement, G ̸= ∅).
Soit alors (σ, σ ′ ) ∈ (Sn )2 .
Pσ Pσ−1
′ = Pσ Pσ′ −1 = Pσ◦σ′ −1 ∈ G.
On a montré que G est un sous-groupe de (GLn (R), ×).

Soit φ : Sn → G . D’après a), φ est un morphisme de groupes. φ est clairement surjectif. Il
σ 7→ Pσ
reste à vérifier que φ est injectif.
Soit σ ∈ Sn .
σ ∈ Kerφ ⇒ Pσ = In ⇒ ∀(i, j) ∈ {1, ..., n}2 , δi,σ(j) = δi,j

⇒ ∀i ∈ {1, ..., n}, δi,σ(i) = 1 ⇒ ∀i ∈ {1, ..., n}, σ(i) = i
⇒ σ = Id.
Puisque le noyau du morphisme φ est réduit à {Id}, φ est injectif.

Ainsi, φ est un isomorphisme du groupe (Sn , ◦) sur le groupe (G, ×) et on a montré que (G, ×) est un
sous-groupe de (GLn (R), ×), isomorphe à (Sn , ◦).
Page 49
2. Soit (i, j) ∈ {1, ..., n}2 . Le coefficient ligne i, colonne j de APσ vaut :
∑
n
ai,k δk,σ(j) = ai,σ(j) .
k=1
Ainsi, l’élément ligne i, colonne j, de APσ est l’élément ligne i, colonne σ(j), de A, ou encore, si j est un
élément donné de {1, ..., n}, la j-ème colonne de APσ est la σ(j)-ème colonne de A. Ainsi, si on note C1 ,...,Cn
les colonnes de A (et donc A = (C1 , ..., Cn )), alors APσ = (Cσ(1) , ..., Cσ(n) ). En clair, multiplier A par Pσ à
droite a pour effet d’appliquer la permutation σ aux colonnes de A (puisque Pσ est inversible, on retrouve le
fait que permuter les colonnes de A ne modifie pas le rang de A).
De même, le coefficient ligne i, colonne j, de Pσ A vaut
∑
n ∑
n
δi,σ(k) ak,j = δσ−1 (i),k ak,j = aσ−1 (i),j ,
k=1 k=1
(on a utilisé σ(k) = i ⇔ k = σ −1 (i)) et multiplier A par Pσ à gauche a pour effet d’appliquer la permutation
σ −1 aux lignes de A.
Exercice 24
1. Soit A ∈ Mn (K) de diagonale nulle. Montrer qu’il existe dans Mn (K) une matrice diagonale D
et une matrice X telles que DX − XD = A.
2. Pour tout n ∈ N∗ , montrer qu’à tout endomorphisme u de trace nulle d’un K-espace vectoriel E
de dimension n, on peut associer une base de E dans laquelle u est représenté par une matrice de
diagonale nulle.
3. Soient E un K-espace vectoriel de dimension finie n > 0, et C(E) l’ensemble des commutateurs
de L(E) (i.e. l’ensemble des applications de la forme f g − gf ).
Montrer que C(E) est un sous-espace vectoriel de L(E) ; en donner une base.
Solutions :
1. Soient D = Diag(η1 , . . . , ηn ) et X = (ξi,j ). L’élément d’indices (i, j) de DX − XD est :

∑n ∑n
k=1 δi,k ηi ξk,j − k=1 ξi,k δk,j ηj = (ηi − ηj )ξi,j . on prenant les ηi deux à deux distincts, et pour avoir
DX − XD = A, il suffit alors de prendre ξi,j = (ηi − ηj )−1 ai,j si i ̸= j, et ξi,i quelconque.
2. Raisonnons par récurrence sur n : c’est clairement vrai au rang n = 1, supposons donc que c’est encore vrai
pour n − 1. Considérons un espace vectoriel de dimension n, et u ∈ L(E) de trace nulle.
Si u = 0, c’est fini. Si u ̸= 0, comme u est de trace nulle, ce n’est pas une homothétie. Soit donc e ∈ E tel
que (en , u(en )) est libre. Complétant cette famille en une base de E, on constate qu’il existe un hyperplan
E ′ de E qui contient u(en ) et ne contient pas en . Soit p le projecteur sur E ′ parallélement à Ken , et u′
l’endomorphisme x 7→ p(u(x)) de E ′ .
On constate que Tr u′ = Tr u = 0, donc il existe une base e′ = (e1 , . . . , en−1 ) de E ′ dans laquelle la matrice
A′ de u′ est de diagonale nulle.
Dans cette base, la matrice A de u est de diagonale nulle.
3. On constate que les commutateurs sont de trace nulle, et réciproquement, on vient de voir que tout endo-
morphisme de trace nulle est un commutateur.
Partant de la base canonique de L(E) associée à la base canonique de Mn (K) par le choix d’une base quel-
conque de E, on considére les endomorphismes ui,j dont la matrice est Ei,j pour i ̸= j, et les endomorphismes
ui,i de matrice Ei,i − En,n pour 1 ≤ i ≤ n − 1. On obtient bien une famille libre de n2 − 1 éléments du
sous-espace C(E) de dimension n2 − 1. C’est une base cherchée.
Page 50
Exercice 25
Dans E = Rn , on considère l’hyperplan H d’équation x1 + ... + xn = 0 dans la base canonique (ei )1≤i≤n
de E. Pour σ ∈ Sn donnée, on considère l’endomorphisme fσ de E défini par : ∀i ∈ E, fσ (ei ) = eσ(i) .
1
∑
On pose alors p = n! σ∈Sn fσ . Montrer que p est une projection dont on déterminera l’image et la
direction.
Solutions :
Pour (x1 , ..., xn ) ∈ E, on pose φ((x1 , ..., xn )) = x1 + ... + xn . φ est une forme linéaire non nulle sur E et H est
le noyau de φ. H est donc bien un hyperplan de E.
Il est clair que, pour (σ, σ ′ ) ∈ Sn2 , fσ ◦ fσ′ = fσ◦σ′ . (L(E), +, .) est un espace vectoriel et donc, p est bien un
endomorphisme de E.
( )2
1 ∑ ∑
p2 = 2 fσ = fσ ◦ fσ′ .
n!
σ∈Sn (σ,σ ′ )∈(Sn )2
Mais, (Sn , ◦) est un groupe fini. Par suite, l’application Sn → Sn , injective (même démarche que dans
σ 7→ σ ◦ σ ′ ∑ ∑
l’exercice précédent ), est une permutation de Sn . On en déduit que, pour σ ′ donnée, σ∈Sn fσ◦σ′ = σ∈Sn fσ .
Ainsi, en posant q = n!p.
1 ∑ ∑ 1 ∑ 1 1
p2 = 2
( fσ◦σ′ ) = 2 q = 2 .n!q = q = p.
n! ′ n! ′ n! n!
σ ∈Sn σ∈Sn σ ∈Sn
p est donc une projection. Déterminons alors l’image et le noyau de p. Soit i ∈ {1, ..., n}.
1 ∑ 1 ∑
p(ei ) = fσ (ei ) = eσ(i) .
n! n!
σ∈Sn σ∈Sn
Maintenant, il y a (bien sûr) autant de permuations σ telles que σ(i) = 1, que de permutations σ telles que
n = (n − 1)!. Donc,
σ(i) = 2,... ou de permutations σ telles que σ(i) = n, à savoir n!
1 n! ∑ 1∑
n n
∀i ∈ {1, ..., n}, p(ei ) = ek = ek .
n! n n
k=1 k=1
1
∑n
Posons u = n k=1 ek . D’après ce qui précède,
Imp = Vect(p(e1 ), ..., p(en )) = Vect(u).

Ensuite, si x = x1 e1 + ... + xn en est un élément de E,
∑
n ∑
n ∑
n
p(x) = 0 ⇔ xk p(ek ) = 0 ⇔ ( xk )u = 0 ⇔ xk = 0 ⇔ x ∈ H.
k=1 k=1 k=1
Ainsi, p est la projection sur Vect(u) parallèlement à H.
Exercice 26
Calculer le déterminant suivant :

1 1 ... ... 1
α1 α2 ... ... αn
V (α1 , . . . , αn ) = α12 α22 ... ... αn2 .
.. .. ..
. . .
α1n−1 α2n−1 ... ... αnn−1
Page 51
Solutions :
Nous allons procéder par récurrence sur n. On commence par remarquer que, pour n = 2, on a V (α1 , α2 ) = α2 −α1 .
Nous allons donc prouver que : ∏

V (α1 , . . . , αn ) = (αj − αi ).
1≤i<j≤n
Cette formule est vraie pour n = 2, et supposons là vraie au rang n − 1. Si deux des αi sont égaux, la formule est
trivialement vraie, les deux termes étant égaux à 0. On suppose donc que les αi sont tous distincts, et on considère
P (x) = V (α1 , . . . , αn−1 , x). Le développement de ce déterminant par rapport à la dernière colonne prouve que
P est un polynôme de degré exactement n − 1, et de coefficient dominant V (α1 , . . . , αn−1 ). Or, si x = αi , avec
i ≤ n − 1, le déterminant possède deux colonnes identiques et est donc nul. Ces valeurs sont donc les racines de P
(il y en a exactement n − 1), et P se factorise sous la forme :
P (x) = V (α1 , . . . , αn−1 )(x − α1 ) . . . (x − αn−1 ).
Il suffit de choisir x = αn pour obtenir le résultat.
Exercice 27
Soit A = (ai,j ) ∈ Mn (R). On note A(x) la matrice dont le terme général est ai,j + x.
1. Montrer que la fonction x 7→ det(A(x)) est une fonction polynômiale de degré inférieur ou égal à
1.
2. Pour a et b deux réels distincts et α1 , . . . , αn ∈ R, en déduire la valeur du déterminant suivant
α1 a ... a
.. ..
b α2 . .
.. .
.. ..
. . . a
b ... b αn
Solutions :
1. Retranchons la première colonne à toutes les autres colonnes. Alors le déterminant de A(x) est égal au
déterminant d’une matrice dont la première colonne est constituée par des termes du type ai,1 + x et tous les
autres coefficients sont des constantes (ne dépendent pas de x). Si on développe ce déterminant par rapport
à la première colonne, on trouve que
∑
n
det(A(x)) = (−1)i (ai,1 + x) det(Ai )
i=1
où Ai est une matrice à coefficients réels. D’où le résultat.

2. Soit D(x) le déterminant de la matrice obtenue en ajoutant x à chacun des coefficients. D’après la question
précédente, on sait que D(x) = ax + b pour des réels a et b. De plus, D(−a) est le déterminant d’une matrice
triangulaire inférieure dont les éléments diagonaux sont αi − a. D’où
∏
n
D(−a) = (αi − a).
i=1
De même, on a
∏
n
D(−b) = (αi − b).
i=1
a et c se déduisent alors facilement par la résolution d’un système 2 × 2 :

{
a = D(−b)−D(−a)
a−b
b = aD(−b)−bD(−a)
a−b .
Page 52
Exercice 28
Soient a, b, c des réels et ∆n le déterminant de la matrice n × n suivant :
a b 0 ... 0
.. ..
c a b . .
∆n = .. .. .. .
0 . . . 0
.. .. .. ..
. . . . b
0 ... 0 c a
1. Démontrer que, pour tout n ≥ 1, on a ∆n+2 = a∆n+1 − bc∆n .

(n+1)an
2. On suppose que b2 = ac. Démontrer que, pour tout n ≥ 1, on a ∆n = 2n .
Solutions :
1. On développe le déterminant par rapport à la première colonne. On trouve :
b 0 ...
c a b 0 ...
∆n+2 = a∆n+1 − c ..
. .
0 c a b
.. .. ..
0 0 . . .
On développe encore le second déterminant par rapport à la première ligne, et on trouve le résultat demandé
:
∆n+2 = a∆n+1 − bc∆n .
2. On va procéder par récurrence double. Précisément, on va prouver par récurrence sur n ≥ 1 l’hypothèse Hn
suivante :
(n+1)an (n+2)an+1
Hn : ”∆n = 2n et ∆n+1 = 2n+1 .”
3a2
Puisque ∆1 = a et ∆2 = a2 − bc = 4 , H1 est vraie. Supposons l’hypothèse vraie au rang n et prouvons-la
(n+2)an+1
au rang n + 1. On a directement ∆n+1 = 2n+1 . De plus,
(n + 2)an+2 a2 (n + 1)an (n + 3)an+2

∆n+2 = a∆n+1 − bc∆n = − × = .
2n+1 4 2n 2n+2
Ceci prouve Hn+2 .
Exercice 29
Soient a1 , . . . , an des nombres complexes, et ω = e2iπ/n , et A et M les matrices suivantes :

 
a1 a2 a3 . . . an
 a2 a3 a4 . . . a1 
 
A= . . . . ..  ,
 .. .. .. .. . 
an a1 . . . . . . an−1
 
1 1 ... ... 1
 1 ω ω2 ... ω n−1 
 
M = .. .. .. .. .
 . . . . 
1 ω n−1 ω 2(n−1) ... ω (n−1)(n−1)
Calculer det(AM ) et en déduire det(A).
Page 53
Solutions :
Effectuons le calcul demandé. On obtient que la k-ième colonne de AM est égale à la k-ième colonne de M
multipliée par a1 + a2 ω k−1 + · · · + an ω (k−1)(n−1) . En notant
P (x) = a1 + a2 x + · · · + an xn−1 ,
on a donc d’une part

det(AM ) = P (1)P (ω) . . . P (ω n−1 ) det(M )
et d’autre part
det(AM ) = det(A) det(M ).
Puisque le déterminant de M est non nul (c’est un déterminant de Van der Monde), on a :
det(A) = P (1)P (ω) . . . P (ω n−1 ).
Exercice 30
C, D quatre matrices de Mn (K). On leur associe la matrice de M2n (K) :

Soient(A, B, )
A B
M= .
C D
1. On suppose que C et D commutent. Vérifier : det M = det(AD − BC) (Indication : étudier

d’abord le cas où D est inversible).
2. Que se passe-t-il si ce sont B et D qui commutent ?
Solutions :
) (
X Y
1. (a) Ici D est inversible. Nous aurons à envisager des matrices de la forme : N = où X, Y , Z et
Z T
T sont des matrices carrées d’ordre n. Rappelons que pour une telle matrice, si Y = 0 ou Z = 0, alors
det N =(det X det T . )
AX + BZ AY + BT
MN = , donc en prenant X = D, Y = 0, Z = −C et T = D−1 , on obtient,
CX + DZ CY + DT
compte tenu de CD = DC :
( ) ( )
D 0 AD − BC BD−1
N= et M N = ,
−C D−1 0 In
d’où det N = 1 et det M = det(AD − BC).
(b) Ici D n’est pas inversible.
( dispose des)deux polynômes de K[X] : P = det M (X) et Q = det(A(D − XIn ) − BC), où M (X) =
On
A B
.
C D − XIn
Comme C et D − tIn commutent pour tout t ∈ K, ce qui précéde montre que P et D prennent les mêmes
valeurs en tout point de K qui n’est pas valeur propre de K. Il en résulte que P = Q, et en particulier
que P (0) = Q(0).
2. Il suffit d’utiliser det M = det tM .
Exercice 31
( )
1
Soit A = ai +bj où a1 ,..., an , b1 ,...,bn sont 2n réels tels que toutes les sommes ai + bj soient
1≤i,j≤n
non nulles. Calculer detA (en généralisant l’idée du calcul d’un déterminant de Vandermonde par
l’utilisation d’une fraction rationnelle) et en donner une écriture condensée dans le cas ai = bi = i.
Page 54
Solutions :
Si deux des bj sont égaux, det(A) est nul car deux de ses colonnes sont égales. On suppose dorénavant que les bj
sont deux à deux distincts. Soient λ1 ,..., λn , n nombres complexes tels que λn ̸= 0. On a
1 ∑n
detA = det(C1 , ..., Cn−1 , λj Cj ) = detB,
λn j=1
∑n λj (X−a1 )...(X−an−1 )
où la dernière colonne de B est de la forme (R(ai ))1≤i≤n avec R = j=1 X+bj . On prend R = (X+b1 )...(X+bn ) .
2
R ainsi définie est irréductible (car ∀(i, j) ∈ [1, n] , ai ̸= −bj ). Les pôles de R sont simples et la partie entière
de R est nulle. La décomposition en éléments simples de R a bien la forme espérée. Pour ce choix de R, puisque
R(a1 ) = ... = R(an−1 ) = 0, on obtient en développant suivant la dernière colonne
1
∆n = R(an )∆n−1 ,
λn
avec
(−bn − a1 )...(−bn − an−1 ) (a1 + bn )...(an−1 + bn )

λn = lim (z + bn)R(z) = = .
z→−bn (−bn + b1 )...(−bn + bn−1 ) (bn − b1 )...(bn − bn−1 )
Donc
(an − a1 )...(an − an−1 )(bn − b1 )...(bn − bn−1 )

∀n ≥ 2, ∆n = ∆n−1 .
(an + b1 )(an + b2 )...(an + bn )..(a2 + bn )(a1 + bn )
En réitérant et compte tenu de ∆1 = 1, on obtient
∏ ∏
(aj −ai ) 1≤i<j≤n (bj −bi )
∆n = ∏
1≤i<j≤n
= Van(a∏1 ,...,an )Van (b1 ,...,bn )
.
1≤i,j≤n (ai +bj ) (ai +bj )
1≤i,j≤n
Dans le cas particulier où ∀i ∈ [1, n] , ai = bi = i, en notant Hn le déterminant (de Hilbert) à calculer :

H = Van
2
n ∏ (1,2,...,n) . Mais,
1≤i,j≤n (i+j)
 
∏ ∏
n ∏
n ∏
n ∏2n
 (n + i)! k!
(i + j) = (i + j) = = ∏nk=1 2 ,
i=1 j=1 i=1
i! ( k=1 k!)
1≤i,j≤n
et d’autre part,
 
∏ ∏
n−1 ∏
n ∏
n−1
1 ∏
n
Van(1, 2, ..., n) = (j − i) =  (j − i) = (n − i)! = k!.
i=1 j=i+1 i=1
n!
1≤i<j≤n k=1
Donc,
∏n 3
( k=1 k!)
∀n ≥ 1, Hn = ∏2n
n! × k=1 k!
2 .
V. Problème 1 :CNC 2016
Page 55
Concours National Commun – Session 2016 – Filière MP
L’énoncé de cette épreuve, particulière aux candidats de la filière MP,

comporte 4 pages.
L’usage de tout matériel électronique, y compris la calculatrice, est interdit.
Les candidats sont informés que la qualité de la rédaction et de la présentation, la clarté et la précision des raisonnements
constitueront des éléments importants pour l’appréciation des copies. Il convient en particulier de rappeler avec précision
les références des questions abordées.
Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé, il le signale sur sa copie et
poursuit sa composition en expliquant les raisons des initiatives qu’il est amené à prendre.
Le sujet de cette épreuve est composé d’un problème.
Durée : 4 heures
Problème
Soit n un entier naturel supérieur ou égal à 2, on désigne par E = Mn (R) l’espace vectoriel des matrices
carrées d’ordre n à coefficients réels et on note par E ∗ = L (E, R), le R-espace vectoriel des formes linéaires
sur E, (une forme linéaire sur E est une application linéaire de E sur R). On rappelle qu’un hyperplan de E
est un sous-espace vectoriel supplémentaire à une droite vectorielle dans E. La matrice transposée de M est
notée tM . Si M ∈ E, on note Vect(M ) le sous-espace vectoriel de E engendré par M . On désigne par In la
matrice unité de Mn (R) et pour tout s ∈ N, on note [[1, n]] = {1, ..., s}.
On définit l’application trace, notée Tr, de E vers R comme suit, pour tout M = (mi,j )1≤i,j≤n ∈ E,
n
P
Tr(M ) = mk,k .
k=1
L’objet du problème est de montrer, dans la partie V, que tout hyperplan vectoriel de E contient au moins une
matrice inversible et dans la partie VI, que tout hyperplan vectoriel de E qui est muni d’un produit scalaire,
contient au moins une matrice orthogonale.
Partie I
Étude de quelques propriétés de l’application trace
1. (a) Montrer que Tr est une forme linéaire.
(b) Montrer que pour tous éléments A et B de E, Tr(AB) = Tr(BA) = Tr((tA)(tB)).
(c) Déterminer la dimension de ker Tr.
(d) Montrer que E = ker Tr ⊕ Vect(In ).
(e) Vérifier que ker Tr est un hyperplan de E qui contient au moins une matrice inversible.
2. Soit ϕ l’application qui, à toute matrice M de E associe ϕ(M ) = M + Tr(M )In .
(a) Montrer que ϕ est un automorphisme de E.
(b) i. Déterminer E1 (ϕ) = {M ∈ E; ϕ(M ) = M }.
ii. Montrer que En+1 (ϕ) = {M ∈ E; ϕ(M ) = (n + 1)M } = Vect(In ).
iii. En déduire que ϕ est diagonalisable et déterminer les valeurs propres de ϕ.
3. Soit J une matrice non nulle de E dont la trace est nulle. On considère ψ l’endomorphisme de E qui, à
toute matrice M de E associe ψ(M ) = M + Tr(M )J.
(a) Vérifier que le polynôme X 2 − 2X + 1 est un polynôme annulateur de ψ.
(b) Montrer que 1 est la seule valeur propre de ψ.
(c) ψ est-il diagonalisable ? Justifier la réponse.
Épreuve de Mathématiques I 1/4 Tournez la page S.V.P.

Partie II
Un premier résultat préliminaire
Soient F et G deux espaces vectoriels de dimensions respectivement finies p ∈ N∗ et m ∈ N∗ . Soit u une
application linéaire de F vers G, de rang r tel que r ∈ N. Mm,p (R) désigne l’espace vectoriel des matrices à
coefficients réels, à m lignes et p colonnes.
1. Soit F1 un supplémentaire de ker u dans F , on considère l’application v : F1 → Im(u) telle que
x 7−→ v(x) = u(x). Montrer que v est un isomorphisme.
2. On suppose que 0 < r < min(p, m) et on note B = (e1 , ..., ep ) une base de F , telle que (e1 , ..., er ) soit
une base de F1 et (er+1 , ..., ep ) une base de ker u. On pose, pour tout entier naturel i ∈ [[1, r]], εi = v(ei ).
(a) Montrer qu’il existe une famille (εr+1 , ..., εm ) de vecteurs de G, telle que la famille C = (ε1 , ..., εm )
soit une base de G.
(b) Déterminer MatB,C (u), la matrice de u relativement aux bases B et C .
3. En déduire que pour toute matrice M de Mm,p (R), si 0 < r = rg(M ) < min(m, p), alors il existe
deux matrices
inversibles
S et T respectivement de Mm (R) et Mp (R) telles que M = SJm,p,r T −1 avec
Ir 0
Jm,p,r = ∈ Mm,p (R) et Ir la matrice identité de Mr (R).
0 0
4. Quelle est la forme de la matrice Jm,p,r , dans chaque cas suivant, ( 0 < r = p < m), ( 0 < r = m < p ), (
0 < r = m = p) ? Justifier la réponse.
Partie III
Un deuxième résultat préliminaire
Soit L un espace vectoriel sur R de dimension finie s( s ∈ N∗ ). Notons L∗ = L (L, R) l’espace des formes
linéaires de L. Soit B = (l1 , ..., ls ) une base de L. On note, pour touti ∈ [[1, s]], li∗ la forme linéaire sur L définie
1 si i = j
de la façon suivante, pour tout entier j ∈ [[1, s]], li∗ (lj ) = δij où δij = , le symbole de Kronecker.
0 sinon
1. Montrer que B ∗ = (l1∗ , ..., ls∗ ) est une famille libre de L∗ .
X s
2. Soit x ∈ L tel que x = xi li , montrer que, pour tout j ∈ [[1, s]], lj∗ (x) = xj .
i=1
3. En déduire que B est une famille génératrice de L∗ .
∗
4. En déduire la dimension de L∗ .
Partie IV
Une caractérisation d’une forme linéaire sur E
Soit A une matrice de E, on définit l’application φA de E vers R, de la façon suivante, pour tout M de E,
φA (M ) = Tr(AM ).
1. Vérifier que φA est une forme linéaire sur E.
2. Soit h l’application définie de E vers E ∗ par A → h(A) = φA .
Soit (i, j) ∈ [[1, n]] × [[1, n]], une matrice élémentaire Ei,j = (ek,l )1≤k,l≤n ∈ Mn (R) est définie comme suit,
pour tout couple d’entiers (k, l) ∈ [[1, n]] × [[1, n]], ek,l = δki δlj , ( δki ( resp. δlj ) est le symbole de Kronecker
qui est défini dans la partie III).
(a) Vérifier que h est une application linéaire.
(b) i. On pose A = (ak,l )1≤k,l≤n ∈ Mn (R) et soit (i, j) ∈ [[1, n]] × [[1, n]], calculer φA (Ei,j ) en fonction
des coefficients de la matrice de A.
ii. En déduire que h est injective.

(c) En déduire que h est un isomorphisme d’espaces vectoriels.
Partie V
Tout hyperplan de E contient au moins une matrice inversible
Soit H un hyperplan de E.
1. Montrer que pour toute matrice A non nulle de E qui n’appartient pas à H, on a E = H ⊕ Vect(A).
2. Montrer qu’il existe une matrice B de E telle que H = ker(φB ).
 
0 ... ... 0 1
 1 0 
.. .. ..
 
3. On note r = rg(B) et on considère la matrice de E, P1 =  . . .
 
 0

 . . . .. ..

. . . . . .

 . . 
0 ... 0 1 0
(a) Montrer que P1 est une matrice inversible.
ri,i = 1 si 1 ≤ i ≤ r

(b) On suppose que 0 < r < n et on note Rr = (ri,j )1≤i,j≤n , avec . Montrer
ri,j = 0 sinon
que P1 appartient à ker(φRr ).
4. En déduire que tout hyperplan H de E contient au moins une matrice inversible.
Partie VI
Tout hyperplan de E contient au moins une matrice orthogonale
L’espace vectoriel E étant muni du produit scalaire défini comme suit, pour toutes matrices M et N de E,
(M |N ) = Tr(tM N ). On rappelle que le groupe orthogonal et l’espace vectoriel des matrices symétriques de
E sont notés respectivement On = {M ∈ E; tM M = In } et Sn = {M ∈ E; tM = M }.
Soit N un élément de On , on définit l’application θN de E dans lui-même comme suit, pour tout P de E,
θN (P ) =t N P N .
1. On pose A = (ai,j )1≤i,j≤n et B = (bi,j )1≤i,j≤n deux éléments de E.
n Pn
(a) Montrer que (A|B) = ai,j bi,j .
P
i=1 i=1
(b) Vérifier que tout hyperplan de E est l’orthogonal d’une matrice Y non nulle, cet hyperplan sera
noté HY .
(c) Montrer que pour toute matrice orthogonale N de E, θN est un automorphisme d’algèbres de E.
(d) Vérifier que pour toutes matrices N1 et N2 orthogonales de E, θN1 ◦ θN2 = θN2 N1 et (θN1 )−1 = θtN1 .
2. Montrer que pour toute matrice orthogonale N de E, θN est une bijection de On sur lui-même.
3. Montrer que pour toute matrice orthogonale N de E, θN est une bijection de Sn sur lui-même.
4. Soit Y une matrice non nulle de E, P un élément de E et N une matrice orthogonale de E, montrer que
la matrice P appartient à HY si et seulement si θN (P ) appartient à HθN (Y ) .
1
5. On suppose dans cette question que n est pair. Soit Y un élément non nul de E. On pose Ys = (Y +tY ).
2
(a) Montrer que On ∩ Sn ∩ HY = On ∩ Sn ∩ HYs .
(b) Montrer qu’il existe une matrice orthogonale U de E telle que Y 0 = θU (Ys ) soit diagonale.
 
0 ... 0 1
 ..
 . ... ... 0 

(c) On considère la matrice suivante Q =  .  de E, vérifier que Q ∈ On ∩ Sn ∩ HY .
 0 . . . . . . .. 
  0
1 0 ... 0

(d) Montrer que θtU (Q) ∈ On ∩ Sn HY .

(e) En déduire que si n est un nombre pair, alors tout hyperplan HY de E contient au moins une
matrice orthogonale et symétrique.
6. On suppose maintenant que n = 2p + 1 où p ≥ 1. On rappelle qu’une matrice orthogonale est positive
si son déterminant est égal à 1. Soit Y une matrice non nulle de E.
(a) Montrer qu’il existe une matrice orthogonale U de E, telle que les éléments diagonaux d1,1 , d2,2 , ..., dn,n
de D = θU (Y ) vérifient |d1,1 | ≤ |d2,2 | ≤ ... ≤ |dn,n |.
(b) Si dn,n = 0, déterminer dans ce cas, une matrice orthogonale et positive appartenant à HY .
(c) On suppose que dn,n 6= 0 et on considère la suite (εk )1≤k≤n définie de la façon suivante, pour tout
entier k tel que 1 ≤ k ≤ n, εk est le signe de dk,k si dk,k 6= 0, et εk = 1 si dk,k = 0.
Soit P 0 = (p0i,j )1≤i,j≤n , la matrice carrée diagonale d’ordre 2p − 1, telle que, pour tout entier k,
1 ≤ k ≤ 2p − 1, p0k,k = (−1)k εk . On pose aussi, pour tout réel α,
0
ε2p cos α −ε2p sin α P 0
Aα = M2 (R) et Pα = ∈ M2p+1 (R).
ε2p+1 sin α ε2p+1 cos α 0 Aα
i. Vérifier que Pα est une matrice orthogonale.
ii. Montrer qu’il existe trois réels a, b et c dépendant de (dk,k )1≤k≤n , d2p+1,2p , d2p,2p+1 et de
(εk )1≤k≤n tels que (Pα |D) = a cos α + b sin α − c, avec a > 0.
a b
iii. Soit β un réel tel que sin β = √ et cos β = √ .
2
a +b 2 a + b2
2
On suppose dans cette question que |c| ≤ a. √
Montrer qu’il existe au moins un réel α tel que a2 + b2 sin(α + β) = c.
iv. Soit (an )n≥1 une suite croissante de nombres réels positifs. Montrer que pour tout entier p ≥ 1,
2p−1
(−1)k−1 1ak ≤ a2p + a2p+1 .
P
0≤
k=1
v. En déduire qu’il existe un réel α0 tel que (Pα0 |D) = 0.
vi. En déduire que la matrice θtU (Pα0 ) ∈ On ∩ HY .
vii. Établir que si n est un nombre impair, alors tout hyperplan HY de E contient au moins une
matrice orthogonale et positive.
F IN DE L’ ÉPREUVE
Épreuve de Mathématiques I 4/4 F IN

Corrigé du problème 1 :CNC 2016
Page 60
C ONCOURS N ATIONAL COMMUN - S ESSION 2016 - F ILIÈRE MP
Épreuve de mathématiques II
Correction
Partie I
Étude de quelques propriétés de l’application trace
1. (a) ∀A, B ∈ E, ∀λ ∈ R, on a tr(A + λB) = tr(A) + λ tr(B), donc l’application tr est linéaire.
n
X
(b) Posons A = (aij )1≤i,j≤n , B = (bij )1≤i,j≤n et C = AB = (cij )1≤i,j≤n avec cij = aik bkj . On a
k=1
n
X n X
X n n X
X n
tr(AB) = cii = aik bki = bki aik = tr(BA).
i=1 i=1 k=1 k=1 i=1
tr(t A) = tr(A), donc tr(AB) = tr t (AB) = tr t Bt A = tr(t At B).

D’autre part, il est clair que
D’où l’égalité demandée.
(c) tr est une forme linéaire non nulle puisque tr(In ) = n 6= 0, donc ker(tr) est un hyperplan de
E, d’où :
dim ker tr = dim E − 1 = n2 − 1.
(d) In ∈
/ ker(tr), donc ker(tr) et Vect(In ) sont deux sous-espaces supplémentaires de E, d’où :
E = ker(tr) ⊕ Vect(In ).
6 j sont
(e) Les matrices élémentaires Eij avec i = toutes éléments de ker(tr) et par combinaison
linéaire la matrice  
0 1 0 ... 0
0 0 1 . . . 0
 
M =  ... ... .. . . .. 

 . . .
0 0 0 . . . 1
1 0 0 ... 0
appartient à ker(tr). M est inversible, car par exemple égale à la matrice de passage de la base
canonique (e1 , e2 , ..., en ) de Rn à la base (en , e1 , ..., en−1 ).
2. (a) Il est clair que ϕ est un endomorphisme de E, de plus si ϕ(M ) = 0, alors M = − tr(M )In donc
mij = 0 pour i 6= j et ∀i, mii = − tr(M ), d’où tr(M ) = −n tr(M ) ou encore tr(M ) = 0 = mii
et ceci pour tout i.
Finalement M = 0 et par conséquent ϕ est endomorphisme injectif, donc est un automor-
phisme de E.
(b) i. ϕ(M ) = M si, et seulement si, tr(M ) = 0, donc E1 (ϕ) = ker(tr).
tr M
ii. ϕ(M ) = (n + 1)M si, et seulement si, tr(M )In = nM ou encore M = In donc mij = 0
n
tr M
pour i 6= j et mii = , donc nécessairement m11 = m22 = ... = mnn pour tout i. D’où
n
M = λIn avec λ ∈ R. Donc En+1 (ϕ) ⊂ Vect(In ). L’inclusion réciproque est évidente. D’où
En+1 (ϕ) = Vect(In ).
iii. D’après les deux questions précédentes 1 et n + 1 sont des valeurs propres de ϕ dont
les sous-espaces propres sont E1 (ϕ) et En+1 (ϕ) et comme E1 (ϕ) = ker(tr) et En+1 (ϕ) =
Vect(In ), alors les sous-espaces propres sont supplémentaires ( la question 1. d) de la
partie I ), donc ϕ est diagonalisable.
CNC 2016 1/6 Prof: Mohamed TARQI

3. (a) Pour tout M ∈ E, on a :
ψ 2 (M ) = ψ(M )+tr(M )ψ(J) = M +tr(M )J+tr(M )J+tr(M ) tr(J)J = ψ(M )+tr(M )J = 2ψ(M )−M,
donc X 2 − 2X + 1 est un polynôme annulateur de ψ.

(b) Puisque ψ 6= IdE , le polynôme annulateur X 2 − 2X + 1 = (X − 1)2 est le polynôme minimal
de ψ. Donc 1 est l’unique valeur propre de ψ.
(c) C’est un résultat du cours : le polynôme minimal de ψ admet une racine double, donc ψ n’est
pas diagonalisable.
Partie II
Un premier résultat préliminaire
1. Il est clair que v est linéaire, de plus si x ∈ F1 tel que v(x) = 0, alors u(x) = 0, donc x ∈ ker u ∩ F1 =
{0}, donc x = 0. D’autre part dim F1 = dim Im(u), donc v est un isomorphisme.
2. (a) Puisque v est un isomorphisme la famille (ε1 , ..., εr ) est une base de Im(u). D’après le théo-
rème de la base incomplète, il existe des vecteurs (εr+1 , ..., εn ) telle que la famille (ε1 , ..., εr , εr+1 , ..., εm )
soit une base de G.
(b) Relativement aux bases précédentes, la matrice de u est de la forme :

Ir 0
MatB,C (u) = .
0 0
3. Notons u l’endomorphisme canoniquement associé à M . D’après ce qui précède il existe une base
B de Rp et une base C de Rm telles que

Ir 0
MatB,C (u) = .
0 0
Désignons par S la matrice de passage de la base canonique de Rp à la base B et T la matrice de

passage de la base canonique de Rm à la base C, alors S et T sont inversibles et on a la formule de
changement de bases M = SMatB,C (u)T −1 = SJm,p,r T −1 .

I
4. • Si 0 < r = p < m, Jm,p,r = r .
0

• Si 0 < r = m < p, Jm,p,r = Ir 0 .
• Si 0 < r = p = m, Jm,p,r = Ir .
Partie III
Un deuxième résultat préliminaire
s
X s
X
1. Soit λ1 , λ2 , ..., λn des scalaires réels tels que λi li∗ = 0, donc ∀j ∈ [[1, s]], 0 = λi li∗ (lj ) = λj ,
i=1 i=1
donc la famille (l1∗ , l2∗ , ..., ls∗ ) est libre.
 
s
X s
X
2. Par linéarité, ∀k ∈ [[1, s]], lk (x) = lk∗  xj lj  = xj lk∗ (lj ) = xk .
j=1 j=1

s
X
3. Soit l une forme linéaire et x = xi li un élément de L. On a :
i=1
s
X s
X s
X
l(x) = xi l(li ) = li∗ (x)l(li ) = αi li∗ (x)
i=1 i=1 i=1
en posant αi = l(li ). Nous voyons donc que les s formes linéaires l1∗ , l2∗ , ..., ls∗ engendrent L∗ et
comme elles sont libres, ces formes linéaires décrivent une base de L∗ .
4. D’après ce qui précède, L∗ = Vect(l1∗ , l2∗ , ..., ls∗ ), d’où dim L∗ = s = dim L.
Partie IV
Une caractérisation d’une forme linéaire sur E
1. L’application φA est clairement linéaire, c’est une conséquence de la linéarité de l’application trace..
2. (a) Soient A et B de E et λ ∈ R. Pour tout M ∈ E, on a :
h(A + λB)(M ) = tr((A + λB)M ) = tr(AM ) + λ tr(BM ) = h(A)(M ) + λh(B)(M ).
Donc h est bien linéaire.

(b) i. On vérifie facilement que φA (Eij ) = aji .
ii. Si h(A) = 0, alors, en particulier φA (Eij ) = aji = 0 et ceci pour tout (i, j), donc A = 0 et
par conséquent h est injective.
(c) Les espaces Mn (R) et Mn (R)∗ sont de même dimension finie. Donc l’injectivité de h est équi-
valente à la bijectivité.
Partie V
Tout hyperplan de E contient au moins une matrice
inversible
1. Soit ϕ une forme linéaire non nulle telle que H = ker ϕ. Il suffit donc de montrer que les deux sous-
espaces H et Vect(A) sont supplémentaires puisque la somme des dimensions est égale celle de E.
Soit M ∈ H ∩ Vect(A), alors il existe λ ∈ R tel que M = λA et ϕ(M ) = 0. D’où ϕ(λA) = λϕ(A) = 0,
comme ϕ(A) 6= 0, donc λ = 0 et par conséquent M = 0.
2. Il existe une matrice B telle que pour toute matrice M , on ait ϕ(M ) = tr(BM ) = φB (M ) ( d’après
la question 2.c) de la partie IV ). Donc H = ker ϕ = ker(φB ).
3. (a) P1 est inversible, c’est la matrice de passage de la base canonique (e1 , e2 , ..., en ) de Rn à la base
(e2 , e3 , ..., en , e1 ).
(b) On vérifie facilement que tr(Rr P1 ) = 0 ( Rr P1 a sa diagonale nulle ).
4. B est équivalente à Rr : P BQ = Rr , où P et Q sont inversibles. On a donc, pour toute matrice M ,
tr(BM ) = tr(P −1 Rr Q−1 M ) = tr(Rr QM P ).
Si on trouve Y inversible telle que tr(Rr Y ) soit de trace nulle, on a gagné (on pose M = Q−1 Y P −1
qui reste à la fois dans GLn (R) et dans l’hyperplan H ). Pour cela, on peut par exemple poser
Y = P1 .

Partie VI
Tout hyperplan de E contient au moins une matrice
orthogonale
n
X n
X
1. (a) Posons C = tAB = (cij )1≤i,j≤n avec cij = aki bkj . D’où (A|B) = tr(tAB) = cii =
k=1 i=1
n X
X n
aki bkj .
i=1 k=1
(b) Soit H un hyperplan de E, donc il existe une matrice B telle que H = ker(φB ), donc il suffit
de prendre Y = tB.
(c) On peut vérifier facilement que ∀P1 , P2 ∈ E et ∀λ ∈ R, on a :
θN (λP1 + P2 ) = λθN (P1 ) + θN (P2 ),
et
θN (P1 P2 ) = θN (P1 )θN (P2 ),
de plus
θN (In ) = tN In N = In .
Enfin, θN (P ) = tN P N = 0 si, et seulement si, P = 0, car N est inversible.
En conclusion, θN est un automorphisme d’algèbres.
(d) On a, pour tout P ∈ E, θN1 ◦ θN2 (P ) = θN1 (tN2 P N2 ) = tN1 (tN2 P N2 )N1 = t(N2 N1 )P (N2 N1 ) =
θN2 N1 (P ) donc θN1 ◦ θN2 = θN2 N1 . En particulier, θN1 ◦ θtN1 = θtN1 N1 = θIn = IdE , donc
(θN1 )−1 = θtN1 .
2. Soit P une matrice orthogonale. On a :
(θN (P ))−1 = (tN P N )−1
= N P −1 N
t
t
= N tP N
t
= (θN (P ))
et donc θN (P ) est orthogonale. De plus θN (P ) = P 0 est équivalent à θtN (P 0 ) = P , il en résulte que
θN est une bijection de On sur lui-même .
3. Soit P une matrice symétrique. On a :
t tt
(θN (P )) = ( NPN)
t
= N tP N
t
= NPN
= θN (P )
et donc θN (P ) est symétrique. De plus θN (P ) = P 0 est équivalent à θtN (P 0 ) = P , il en résulte que
θN est une bijection de Sn sur lui-même .
4. On a
(θN (Y )|θN (P )) = tr(t(tN Y N )(tN P N ))
= tr(tN tY N tN P N )
= tr(tN tY P N )
= tr(tY P )
= (Y |P )

Donc (θN (Y )|θN (P )) = 0 si, et seulement si, (Y |P ) = 0, c’est-à-dire P ∈ HY si, et seulement si,
θN (P ) ∈ HθN (Y ) .
5. (a) Soit M ∈ On ∩ Sn . Puisque M est symétrique, on a les égalités :
(Y |M ) = (tY |tM ) = (tY |M )

1
Donc, si M ∈ HY , les produits scalaires (Y |M ) et (tY |M ) sont nuls. Il en résulte que (Y + tY )|M =
2
0, on en déduit que M ∈ HYs .
1
Réciproquement, si M ∈ HYs , alors (Y + tY )|M = 0, donc
2
(Y |M ) = −(tY |M )
et puisque M est symétrique,

(Y |M ) = −(tY |tM )
ou encore
(Y |M ) = −(Y |M ).
On en déduit que (Y |M ) = 0, et que M ∈ HY .
On conclusion, on a l’égalité :
On ∩ Sn ∩ HY = On ∩ Sn ∩ HYs .
(b) La matrice Ys étant symétrique réelle, donc elle est diagonalisable dans une base orthonormée
( théorème spectral ), autrement dit il existe une matrice orthogonale U telle que tU Ys U =
θU (Ys ) = Y 0 soit diagonale.
n X
X n
(c) Il est clair que Q est orthogonale et symétrique, de plus (Q|Y 0 ) = (Q)ij (Y 0 )ij = 0 ( les
i=1 j=1
deux diagonales de Q et de Y 0 ne se coupent pas, car n est pair ), donc
Q ∈ On ∩ Sn ∩ HY 0 .
(d) On a Q ∈ On ∩ Sn ∩ HθU (Ys ) , donc
0 = (tU Ys U |Q) = (Ys |U QtU )
et par conséquent U QtU ∈ On ∩Sn ∩HYs = On ∩Sn ∩HY , c’est-à-dire θtU (Q) ∈ On ∩Sn ∩HY .
(e) La matrice θtU (Q) répond à la question.
(a) Soit f l’endomorphisme canoniquement associé à Y ( Y donc la matrice de f dans la base
canonique de Rn ). Donc, si U est une matrice orthogonale, θU (Y ) est la matrice de f dans une
autre base orthonormée. Donc pour trouver une telle matrice U il suffit de faire un change-
ment des éléments de la base en permutant les vecteurs de la base de tel manière à avoir
|d1,1 ≤ |d2,2 | ≤ ... ≤ |dn,n |.
(b) Si dn,n = 0, alors tous les éléments diagonaux de U sont nuls, dans ce cas on peut prendre la
matrice In qui est orthogonale.
(c) i. On a t 0 0
t P 0 P 0
Pα Pα = tA = In .
0 α 0 Aα
Donc Pα est orthogonale.

ii.
2p−1
X
(Pα |D) = (−1)k εk dkk + (ε2p d2p,2p + ε2p+1 d2p+1,2p+1 ) cos α
k=1
+(ε2p+1 d2p+1,2p − ε2p d2p,2p+1 ) sin α
2p−1
X
= (−1)k |dkk | + (|d2p,2p | + |d2p+1,2p+1 |) cos α
k=1
+(ε2p+1 d2p+1,2p − ε2p d2p,2p+1 ) sin α
Il suffit donc de prendre a = |d2p,2p | + |d2p+1,2p+1 | > 0, b = ε2p+1 d2p+1,2p − ε2p d2p,2p+1 et
2p−1
X
c= (−1)k |dkk |.
k=1
√ c
iii. Si |c| ≤ a, alors nécessairement |c| ≤ a2 + b2 , et donc l’équation sin (α + β) = √
a + b2
2
en α admet des solutions dans R.
iv. Montrons la propriété par récurrence sur p. Pour p = 1, l’inégalité devient
a1 ≤ a2 + a3
ce qui est bien vérifie, car (an )n est positive et croissante. Supposons la propriété vraie à
l’ordre p. Alors
2p+1
X 2p−1
X
(−1)k−1 ak = (−1)k−1 ak − a2p + a2p+1
k=1 k=1
≤ a2p + a2p+1 − a2p + a2p+1
≤ 2a2p+1
≤ a2p+2 + a2p+3
donc l’inégalité est vraie à l’ordre p + 1. Elle est donc vraie pour tout p ∈ N∗ .
v. D’après la question iii.
2p−1
X
|c| = (−1)k |dkk | ≤ |d2p,2p | + |d2p+1,2p+1 | = |a|
k=1
donc la condition d’existence de α0 est assurée. D’où (Pα0 |D) = 0.

vi. On a Pα0 ∈ On ∩ HD , et comme D = θU (Y ), alors θtU (Pα0 ) ∈ On ∩ HY .
vii. Si det(θtU (Pα0 )) = −1, alors det(−θtU (Pα0 )) = 1 ( n est impair ), et donc une des deux
matrices θtU (Pα0 )) ou θtU (Pα0 )) est dans HY et positive.
•••••••• •

Chapter 2
Structures algébriques usuelles
I. Rappel de cours .
I.1 Groupes
Définition : Structure de groupe : Soit G un ensemble et ∗ une loi de composition interne sur G.
On dit que (G, ∗) a une structure de groupe lorsque :
• ∗ est une lci sur G ;
• ∗ est associative ;
• ∗ admet un élément neutre eG ∈ G ;
• tout élément x ∈ G doit admettre un symétrique pour ∗ dans G.
Si de plus, ∗ est commutative, on dira que (G, ∗) est un groupe commutatif ou abélien.
Caractérisation des sous-groupes : Soit (G, ∗) un groupen et H ⊂ G.

(H, ∗) sous-groupe de (G, ∗) si et seulement si :
• eG ∈ H
• ∀x ∈ H, x−1 ∈ H
• ∀x, y ∈ H, x ∗ y ∈ H.
OU
• eG ∈ H
• ∀x, y ∈ H, x ∗ y −1 ∈ H
propriété : Toute intersection de sous-groupe est un sous-groupe.
Lemme fondamental : ∀n ∈ N, nZ = {kn, k ∈ N} est un sous-groupe de (Z, +)

Réciproquement, si G est un sous-groupe de (Z, +), ∃n ∈ N | G = nZ.
Définition / Théorème : groupe produit : Soit (G, ∗) et (G′ , •) deux groupes (resp. commutatifs).
En définissant dans G × G′ la loi □ par :
∀(a, b) ∈ G × G′ , ∀(c, d) ∈ G × G′ , (a, b)□(c, d) = (a ∗ c, b • d)
alors (G × G′ , □) est un groupe produit (resp. commutatif).
Morphisme de groupe Soient (G, ⋆) et (H, ⋄) deux groupes et f une application de G dans H. f est un
morphisme de groupe si
∀(x, y) ∈ G2 , f (x ⋆ y) = f (x) ⋄ f (y)
Dans ce cas, ker f = {x ∈ G, f (x) = eH } est un sous-groupe de G et Im f = {f (x), x ∈ G} est un sous-groupe de
H.
67
Définition : sous-goupe engendré : Soit (G, ∗) un groupe et A une partie de G. On appelle sous-groupe
engendré par A, noté Gr(A) ou < A > , le plus petit sous-groupe (au sens de l’inclusion) contenant A.
Si A = ∅, ⟨A⟩ = {e}.
Si A ̸= ∅, ⟨A⟩ = {a1 × a2 × . . . × ap | p ∈ N∗ , ∀i ∈ [[ 1, p ]], ai ou a−1
i ∈ A}
Une partie A d’un groupe (G, ×) est dite génératrice de G si ⟨A⟩ = G.
Un groupe G est dit monogène si ∃x ∈ G; G = ⟨{x}⟩ = {xk | k ∈ Z} et G est dit cyclique s’il est monogène et fini.
Générateurs de (Sn , ◦) (Sn , ◦) est un groupe non commutatif dés que n ≥ 3 est fini de cardinal n! et est engen-
dré par les cycles et aussi par les transposition {(i , j) |1 ≤ i < j ≤ n}.
Groupe (Z/nZ, +)
1. Si n ∈ N et a ∈ Z, on note a la classe de congruence de a modulo n définie par :
a = {b ∈ Z | b ≡ an} = {a + kn, k ∈ Z}
L’ensemble des classes d’équivalence modulo n est noté Z/nZ.

2. a = b ⇔ a ≡ b [n]
Il y a autant d’éléments dans Z/nZ que de restes possibles dans la division euclidienne par n, c’est-à-dire n.
3. si n ̸= 0, Z/nZ est fini de cardinal n et ses éléments sont 0, 1,…,n − 1.

4. • Soit a, b ∈ Z, soit n ∈ N. Si a ≡ a′ [n] et b ≡ b′ [n], alors a + b ≡ a′ + b′ [n].
• Soient a, b ∈ Z/nZ. a + b = a + b.
• (Z/nZ, +) est un groupe cyclique ( Z/nZ = ⟨1⟩), de plus pour k ∈ Z , Z/nZ = ⟨k⟩ ⇐⇒ k ∧ n = 1.
Classification des groupes monogènes

1. Soit (G, ×) un groupe et a ∈ G.
Z → G
L’application fa : est un morphisme de (Z, +) dans (G, ×) d’image égale à ⟨a⟩.
k 7→ ak
Z → ⟨a⟩
Si ker fa = {0}, alors l’application ga : est un isomorphisme.
k 7→ ak
Z/nZ → ⟨a⟩
Si ker fa ̸= {0}, ∃n ∈ N⋆ | ker fa = nZ et l’application ga : est un isomorphisme.
k 7→ ak
2. Si (G, ×) est un groupe monogène infini, G est isomorphe à (Z, +).
Si (G, ×) est un groupe cyclique de cardinal n , G est isomorphe à (Z/nZ, +). et plus précisément, pour tout
Z/nZ → G
générateur a de G, l’application est un isomorphisme.
k 7→ ak
Ordre d’un élément Soit (G, ·) un groupe de neutre e. Soit a ∈ G. Soit < a > le groupe engendré par a (des
puissances de a). Alors :
• ou bien ∀k ∈ N∗ ; ak ̸= e : on dit que a est d’ordre infini.
– Card (< a >) = ∞ ;
– an = e ⇔ n = 0 ;
{ }
– < a >= ak , |, k ∈ Z isomorphe a (Z, +).
• ou bien ∃k ∈ N∗ ; ak = e , alors ∃!n ∈ N⋆ tel que : < a > est isomorphe à (Z/nZ, +): on dit que a est d’ordre
n et noté o(a) .
– Card (< a >) = n ;
({ })
– n = M in k ∈ N⋆ /ak = 0 ;
{ }
– < a >= e, a1 , a2 , . . . , an−1 .
– si a est d’ordre fini alors ∀k ∈ Z, ak = e ⇒ o(a) divise k
– Si G est fini alors l’ordre de tout élément de G divise le cardinal de G (∀a ∈ G, o(a)|CardG), ie
∀a ∈ G, aCardG = e.
Page 68
I.2 Anneaux et corps

Définition : anneau : Soit A un ensemble et ⊕ et ∗ deux lois de composition interne sur A. On dit que (A, ⊕, ∗)
a une structure d’anneau lorsque :
• (A, ⊕) est un groupe commutatif ;
• ∗ est associative ;
• ∗ admet un élément neutre ;
• ∗ est distributive par rapport à ⊕ : ∀x, y, z ∈ A, x ∗ (y ⊕ z) = (x ∗ y) ⊕ (x ∗ z) et (y ⊕ z) ∗ x = (y ∗ x) ⊕ (z ∗ x).

Si de plus ∗ est commutative, on dit que (A, ⊕, ∗) est un anneau commutatif.
Proposition : caractérisation des sous-anneaux : Soit (A, +, ·) un anneau et A′ ⊂ A. (A′ , +, ·) sous-anneau

de (A, +, ·) si et seulement si :
• 1 A ∈ A′ ;
• ∀a, b ∈ A′ ,
1. a + (−b) ∈ A′ ;
2. a · b ∈ A′ .
Morphisme d’anneau : Soit (A, +, ·) et (A′ , ⊕, ⊗) deux anneaux. Soit f : A → A′ une application. On dit que
f est un morphisme de l’anneau (A, +, ·) dans l’anneau (A′ , ⊕, ⊗) lorsque :
• f (1A ) = 1A′ ;
• ∀a, b ∈ A,
1. f (a + b) = f (a) ⊕ f (b) ;
2. f (a · b) = f (a) ⊗ f (b).
Identités remarquables dans un anneau Si a et b sont deux élément permutables de l’anneau (A, +, ×), on
a ∀n ∈ N :
n (
∑ ) n (
∑ )
n n k n−k n n
(a + b) = a b = (a + b) = an−k bk
k k
k=0 k=0
∗
et ∀n ∈ N : ∑n−1
an − bn = (a − b)( k=0 an−1−k bk )
En particulier, ∀a ∈ A et ∀n ∈ N∗ :
(n−1 ) (n−1 )
∑ ∑
1 − an = (1 − a) ak = ak (1 − a)
k=0 k=0
Anneau intègre Un anneau commutatif (A, +, ×) est dit intègre s’il n’est pas réduit au singleton {0} et si,
∀(x, y) ∈ A2 ,
x × y = 0 =⇒ x = 0 ou y = 0
Théorème : Soit (A, +, ×) un anneau.

Soit A⋆ l’ensemble des éléments inversibles ( i.e. x inversible ⇔ ∃x′ ∈ A tel que x × x′ = 1A = x′ × x), alors (A⋆ , ×)
ou (U (A), ×) est un groupe appelé groupe des inversibles.
Remarque : Soit (A, +, ×) et (B, +, ×) deux anneaux alors :
• U (A × B) = U (A) × U (B)
• si f : A → B est un isomorphisme d’anneaux alors : U (B) = f (U (A)).
Corps Un anneau commutatif (A, +, ×) est un corps s’il n’est pas réduit au singleton {0} et si tout élément non
nul de A admet un inverse pour × dans A (ie : A⋆ = A − {0A } ).
Page 69
Définition : idéal d’un anneau commutatif : Soit (A, +, ×) un anneau commutatif.

Soit I une partie de A. On dit que I est idéal de A si :
• (I, +) est un sous-groupe de (A, +) ;
• ∀a ∈ A, ∀x ∈ I, a × x ∈ I.
Exemple : Soient (A, +, ×) un anneau commutatif et a ∈ A , aA = (a) = {a × x, |, x ∈ A} est un idéal de l’anneau
(A, +, ×) appelé idéal principal engendré par a .
Propriété : [I = A] ⇔ [1A ∈ I].
Définition : anneaux principal: un anneau commutatif (A, +, ×) est dit anneau principale si, et seulement si
tout idéal de (A, +, ×) est principal ( ie : I es un idéal de (A, +, ×) si, et seulement si ∃a ∈ A; I = (a) ) .
Définition : notion de divisibilité : Soit (A, +, ×) un anneau commutatif intègre . Soient a, b ∈ A. On dit
que b divise a ou que a est un multiple de b que l’on écrit b|a lorsque : ∃k ∈ A tel que a = b × k ou encore a ∈ bA.
Propriété : Soient a et b deux éléments d’un anneau intègre A. b|a ⇔ aA ⊂ bA.

b|a et a| ⇔ ∃u ∈ U (A) ; b = ua on dit que a et b sont associés.
Propriété : noyau d’un morphisme d’anneau : Soit Φ un morphisme d’anneau de A vers A′ . Soit Ker Φ =
{x ∈ A / Φ(x) = 0A′ }. Alors Ker Φ est un idéal de l’anneau A.
Proposition : intersection et somme de deux idéaux : Soient I et J deux idéaux d’un anneau A. Alors :
• I ∩ J est un idéal de A. C’est le plus grand idéal (au sens de l’inclusion) inclus dans I et dans J .
• I + J = {a + b / a ∈ I, b ∈ J } est un idéal de A, c’est le plus petit idéal (au sens de l’inclusion) contenant
à la fois I et J et doonc I ∪ J .
Application 1 : arithmétique dans Z :

Les idéaux de l’anneau (Z, +, ×) sont les nZ = (n) avec n ∈ N , ainsi l’anneau (Z, +, ×) est un anneau principal.
m∈N
PPCM : m = P P CM (a, b) = a ∨ b si et seulement si
mZ = aZ ∩ bZ
d∈N
PGCD : d = P GCD(a, b) = a ∧ b si et seulement si
dZ = aZ + bZ
Application 2 : arithmétique dans K[X] :

Théorème de base : Les seuls idéaux de K[X] s’écrivent, avec P ∈ K[X] :
P · K[X] = (P ) = {P × A / A ∈ K[X]} = (P )
ainsi l’anneau (K[X], +, ×) est un anneau principal.De plus si I est un idéal non nul de K[X] il existe un
unique polynôme unitaire P ∈ K[X] tel que :I = (P ).
PPCM :
• si A = 0 ou B = 0, le PPCM de A et B est 0 ;
• sinon, M = A ∨ B est l’unique polynôme unitaire tel que (A) ∩ (B) = (M ).
{
A|P
Ceci traduit que ∀P ∈ K[X], ⇔ (A ∨ B)|P .
B|P
PGCD :
• si A = 0 et B = 0, le PGCD de A et B est 0 ;
• sinon, D = A ∧ B est l’unique polynôme unitaire tel que (A) + (B) = (D).
{
∆|A
Ceci traduit que ∀∆ ∈ K[X], ⇔ ∆|(A ∨ B).
∆|B
Irréductibles : • Les polynômes irréductibles de C[X] sont les polynômes de degré 1.
• Les polynômes irréductibles de R[X] . sont les polynômes de degré 1 ainsi que les polynômes de degré
2 ayant un discriminant ∆ < 0.
• On ne connaît pas tout les polynômes irréductibles de Q[X].
Page 70
Compatibilité de la loi × avec la relation de congruence :
Propriété : Soit n ∈ N, ∀(a, b, c, d) ∈ Z4 . Si a ≡ b[n] et c ≡ d[n], alors a × c ≡ b × d[n].

Corolaire : Soit n ∈ N. Soient (a, b) ∈ Z2 et k ∈ Z. Si a ≡ b[n], alors ak ≡ bk [n].
Conséquence : On n’a donc aucun problème à définir dans Z/nZ a × b = a × b.
 
a ≡ b[m] [ ]
Autre propriété intéressante :  a ≡ b[n]  ⇒ a ≡ b [mn]
m∧n=1
Théorème : l’anneau (Z/nZ, +, ×) : (Z/nZ, +, ×) est un anneau commutatif.
• Il est intègre si, et seulement si n premier .

• C’est un corps si, et seulement si n premier.
Théorème : éléments inversibles de Z/nZ pour × :

[ ]
k est inversible dans Z/nZ pour × ⇔ [k ∧ n = 1]
⋆
(Z/nZ) = {k | k ∈ [[ 1, n ]]k ∧ n = 1}
Définition : la fonction indicatrice

( d’Euler : On appelle fonction indicatrice d’Euler la fonction Φ : N → N
⋆)
définie par : ∀n ∈ N, ϕ(n) = Card (Z/nZ) = Card({k ∈ [[ 1, n ]]|k ∧ n = 1}).
Euler , Fermat : le théorème d’Euler: si a ∈ Z et a ∧ n = 1 alors aϕ(n) ≡ 1[n] .

le théorème de Fermat : Si p est premier, ∀a ∈ Z, ap ≡ a[p].
{
x ≡ a[m]
théorème chinois : Soient m, n ∈ N tels que m ∧ n = 1, (a, b) ∈ Z . Le système d’équation
2
où x
x ≡ b[n]
est une
 inconnue entière
 admet au moins une solution x0 . L’ensemble des solutions est alors S = x0 + (mn)Z
x ≡ a[m] [ ]
(ie :  x ≡ b[n]  ⇔ x ≡ x0 [mn] ).)
m∧n=1
Propriétés de la fonctions indicatrice d’Euler

• Si p est premier ϕ(p) = p − 1.
• Si p est premier et α ∈ N∗ , ϕ(pα ) = pα − pα−1 .
• Si n ∧ m = 1, alors ϕ(nm) = ϕ(n)ϕ(m).
∏
r
• Si n = pα
i où p1 , . . . , pr sont des nombres premiers deux à deux distincts et α1 , . . . , αr des entiers naturels
i
i=1
non nuls, alors :
∏r ( )
1
φ(n) = n 1−
i=1
pi
I.3 Structure d’algèbre

Définition : Soit A un ensemble, + et × deux lois de compositions internes sur A et · une loi de composition
externe sur A. Si
1. (A, +, ×) est un anneau (resp. commutatif, resp. intègre) ;

2. (A, +, ·) est un K-espace vectoriel (K étant un coprs) ;
3. ∀α ∈ K, ∀x, y ∈ A, α · (x × y) = (α · x) × y = x × (α · y)
On dit que (A, +, ×, ·) est une K-algèbre (resp. commutative, resp. intègre).
Page 71
Définition : Soit (A, +, ×, ·) une algèbre. On dit que (A′ , +, ×, ·) est sous algèbre de A si A′ est à la fois un
sous-anneau et un sous-espace vectoriel de A. Autrement dit :
• A′ ⊂ A ;
• ∀x, y ∈ A′ , ∀α ∈ K,
1. x + y ∈ A′ ;
2. x × y ∈ A′ ;
3. α · y ∈ A′ ;
• 1 A ∈ A′ .
Définition : Soit φ : A → B où A et B sont deux K-algèbres. On dit que φ est un morphisme d’algèbre si c’est
à la fois un morphisme d’anneau et une application linéaire. Autrement dit : ∀x, y ∈ A, ∀α ∈ K,
• φ(x + y) = φ(x) + φ(y) ;
• φ(x × y) = φ(x) × φ(y) ;
• φ(α · x) = α · φ(x) ;
• φ(1A ) = 1A′ .
II. exercices corrigés.

Exercice 32
1. Soient G un groupe et x, y ∈ G des éléments qui commutent et d’ordres respectifs m et n premiers

entre eux. Montrer que xy est d’ordre mn. Montrer que l’hypothèse m et n premiers entre eux
est indispensable.
( ) ( 0 1 )
2. Montrer que A := 01 −1 0 et B := −1 −1 sont des éléments de GL(2, R) d’ordres finis et que AB
n’est pas d’ordre fini.
Correction
1. Déjà (xy)mn = xmn y mn = (xm )n (y n )m = e.e = e d’où o(xy)|mn . Soit p = o(xy) tel que (xy)p = e, alors
e = (xy)mp = xmp y mp = y mp , et donc mp est divisible par l’ordre de y , c’est-à-dire n. Comme m et n sont
premiers entre eux alors d’après le théorème de Gauss n divise p. Un raisonnement semblable à partir de
(xy)np = e conduit à : m divise p. Finalement m|p et n|p donc mn|p car m et n sont premiers entre eux d’où
:o(xy) = mn .
Voici un contre exemple dans le cas où m et n ne sont pas premiers entre eux : dans le groupe (Z/12Z, +) :
2̄ est d’ordre 6, 4̄ est d’ordre 3, mais 2̄ + 4̄ = 6̄ est d’ordre 2 ̸= 3 × 6.
( )
1 n
2. A est d’ordre 4, B est d’ordre 3, (AB) = n
n’est jamais la matrice identité pout n ≥ 1.
0 1
Page 72
Exercice 33
( )
1 2 3 4 5 6 7
1. Soit σ = .
3 5 6 7 1 2 4
(a) Décomposer σ en produit de cycles à supports disjoints.

(b) Donner la signature de σ.
(c) Décomposer σ en produit de transpositions.
(d) Calculer σ 2015 .
2. On considère le groupe symétrique Sn(. )

a1 a2 . . . ap
Rappel: la permutation σ = est un cycle de longueur p, que
a2 a3 . . . a1
l’on note (a1 a2 . . . ap ) d’ordre p et de signature (−1)p−1 de plus (a1 a2 . . . ap ) =
(a1 , ap ) . . . (ap−2 , ap )(ap−1, ap ).
Si τ ∈ Sn , montrer que τ στ −1 = (τ (a1 ) τ (a2 ) . . . τ (ap )).
Correction
1. (a) On cherche l’orbite de 1. On trouve 3,6,2,5. 4 n’est pas dans l’orbite de 1, on cherche son orbite. On
trouve 7. Tous les éléments de {1, . . . , 7} étant couverts, la décomposition de σ en produit de cycles à
supports disjoints est
σ = (1 3 6 2 5) ◦ (4 7).
(b) La signature du 5−cycle (1 3 6 2 5) est (−1)5−1 = 1. La signature de la transposition (4 7) est -1. La
signature de σ est donc 1 × (−1) = −1.
(c) On va décomposer chaque cycle intervenant dans la décomposition de σ en produit de transpositions.
Pour (4 7), c’est déjà fait! Pour le 5-cycle, on a tout simplement
(1 3 6 2 5) = (1 3) ◦ (3 6) ◦ (6 2) ◦ (2 5),
d’où
σ = (1 3) ◦ (3 6) ◦ (6 2) ◦ (2 5) ◦ (4 7).
On peut alors retrouver que la signature de σ est égale à −1.
(d) On remarque que σ 10 = Id (l’ordre de σ valant le ppcm de 2 et 5, soit 10). Ainsi, σ 2010 = (σ 10 )201 = Id.
Ainsi, σ 2015 = σ 5 = (4 7).
2. On commence par la détérmination du support de τ στ −1 .
Soit k ∈ {1, . . . , n} , k appartient au support de τ στ −1 si et si :τ στ −1 (k) ̸= k, ce qui entraine que
:στ −1 (k) ̸= τ −1 (k), alors τ −1 (k) ∈ {a1 , . . . , ap } , d’où supp(τ στ −1 ) = {τ (a1 ) τ (a2 ) . . . τ (ap )}.
De plus ∀k ∈ 1, p − 1 ] , τ στ −1 τ (ak ) = τ (ak+1 ) et τ στ −1 τ (ap ) = τ (a1 )

Finalement : τ στ −1 = (τ (a1 ) τ (a2 ) . . . τ (ap ))
Exercice 34
Un élément x d’un anneau A est dit nilpotent s’il existe un entier n ≥ 1 tel que xn = 0. On fixe x, y
deux éléments nilpotents qui commutent
1. Montrer que xy est nilpotent.
2. Montrer que x + y est nilpotent.
3. Montrer que 1A − x est inversible.

4. Soient u, v ∈ A tel que uv est nilpotent. Montrer que vu est nilpotent.
Correction
Page 73
Soient n, m tels que xn = 0 et y m = 0.

1. Puisque x et y commutent, on a (xy)n = xn y n = 0 × y n = 0.
2. Remarquons
∑n+m (n+m)d’abord que pour p ≥ n, on a xp = xp−n xn = 0. D’après la formule du binôme, (x + y)n+m =
k=0 k
k n+m−k
x y . Mais, pour k ≥ n, xk = 0xk y n+m−k = 0. D’autre part, pour k < n, on a
n + m − k ≥ m et donc y n+m−k = 0xk y n+m−k = 0. Ainsi, (x + y)n+m = 0. On pourrait même se contenter
de prendre la puissance n + m − 1.
3. L’idée est d’utiliser l’identité remarquable (toujours valable dans un anneau)
1 − xp = (1 − x)(1 + x + · · · + xp−1 ).
Si on l’applique pour p = n, alors on obtient
1 = (1 − x)(1 + x + · · · + xn−1 )
ce qui implique que 1 − x est inversible d’inverse 1 + x + · · · + xn−1 .

4. Soit n ≥ 1 tel que (uv)n = 0. Alors
(vu)n+1 = v(uv)n u = v × 0 × u = 0.
Ainsi, vu est nilpotent.
Exercice 35
√ √
On considère Z[ 2] = {a + b 2; a, b ∈ Z}.
√
1. Montrer que (Z[ 2], +, ×) est un anneau.
√ √
2. On note N (a + b 2) = a2 − 2b2 . Montrer que, pour tous x, y de Z[ 2], on a N (xy) = N (x)N (y).
√ √
3. En déduire que les éléments inversibles de Z[ 2] sont ceux s’écrivant a + b 2 avec a2 − 2b2 = −
+ 1.
Correction
√
1. Il suffit de prouver que c’est un sous-anneau de (R, +, ×). Mais Z[ 2] est
√ √ √
• stable par la loi + : (a + b 2) + (a′ + b′ 2) = (a + a′ ) + (b + b′ ) 2.
• stable par la loi × : √ √ √
(a + b 2) × (a′ + b′ 2) = (aa′ + 2bb′ ) + (ab′ + a′ b) 2
.
√ √
• stable par passage à l’opposé −(a + b 2) = −a + (−b) 2.
√ √
De plus, 1 ∈ Z[ 2], ce qui achève la preuve du fait que Z[ 2] est un sous-anneau de R.
√ √
2. Posons x = a + b 2 et y = a′ + b′ 2. En tenant compte de la formule pour le produit obtenue à la question
précédente, on a
N (xy) = (aa′ + 2bb′ )2 − 2(ab′ + a′ b)2

= (aa′ )2 − 2(ab′ )2 − 2(a′ b)2 + (4bb′ )2 .
D’autre part,
N (x) × N (y) = (a2 − 2b2 )(a′2 − 2b′2 )

= (aa′ )2 − 2(ab′ )2 − 2(a′ b)2 + (4bb′ )2 .
√
3. Soit x = a + b 2. Supposons d’abord que x est inversible, d’inverse y. Alors N (xy) = N (1) = 1, et donc
N (x)N (y) = 1. Puisque N (x) et N (y) sont tous les deux des entiers, on a nécessairement N (x) = − + 1.
Réciproquement, si N (x) = − 1, alors, en utilisant la quantité conjuguée :

+
√
1 a−b 2 + √
√ = 2 = − (a − b 2)
a+b 2 a − 2b 2
√ √
ce qui montre que a + b 2 est inversible, d’inverse −+ (a − b 2).
Page 74
Exercice 36
∏
Soit K un corps fini. Calculer x∈K ∗ x
Correction
Dans le produit, on regroupe chaque élément avec son inverse. Ceci est possible s’ils sont distincts, et dans ce
cas, on peut simplifier le produit xx−1 = 1. On en déduit que
∏ ∏ ∏
x= x= x.
x∈K ∗ x=x−1 x2 =1
Or, dans un corps K, l’équation x2 = 1 a pour solution 1 et −1. Si ces deux nombres sont distincts, alors le
produit vaut −1. Si ces deux nombres sont égaux, alors le produit de ces deux nombres vaut 1 = −1 également.
Finalement, dans tous les cas, on a bien ∏
x = −1.
x∈K ∗
Exercice 37
Soit P ∈ Cn [X] admettant n racines simples α1 , . . . , αn . Soient A1 , . . . , An les points du plan complexe
d’affixe respectives α1 , . . . , αn .
1. Décomposer la fraction rationnelle P ′ /P en éléments simples.

2. Soit β une racine de P ′ , et soit B son image dans le plan complexe. Déduire de la question
précédente que
∑ n
1
= 0.
j=1
β − αj
3. En déduire que B est un barycentre de la famille de points (A1 , . . . , An ), avec des coefficients
positifs. Interpréter géométriquement cette propriété.
Correction
1. On va étudier séparément les parties polaires relatives à chaque racine. On peut factoriser P en P (X) =
(X − αj )Q(X), soit en dérivant P ′ (X) = Q(X) + (X − αj )Q′ (X). On trouve alors
P ′ (X) 1 Q′ (X)
= + .
P (X) X − αj Q(X)
Or, αj n’est pas racine de Q, donc Q′ /Q n’admet pas αj pour pôle et X−α 1
j
est la partie polaire de P ′ /P
relative à a. En résumé, la décomposition en éléments simples recherchée est
P′ ∑ p
1
= .
P j=1
X − αj
2. Il suffit d’évaluer l’équation précédente en β.

3. On multiplie par la quantité conjuguée et on trouve
∑n
β̄ − ᾱj
= 0.
j=1
|β − α j |2
Prenant le conjugué de cette expression, on trouve :

 
∑n
1 ∑n
1
 β = αj ,
j=1
|β − αj |2
j=1
|β − αj |2
ce qui correspond bien au résultat souhaité. On vient donc de prouver que toute racine de P ′ est dans
l’enveloppe convexe des racines de P . Ce résultat s’appelle le théorème de Lucas, il est aussi valide si les
racines de P ne sont pas simples. La preuve est similaire, si ce n’est que la décomposition en éléments simples
de P ′ /P est plus difficile à obtenir. C’est un bon exercice!
Page 75
Exercice 38
Soit n ≥ 2.
1. Démontrer que Sn est engendré par les transpositions (1 2), (1 3), . . . , (1 n).
2. Démontrer que Sn est engendré par les transpositions (1 2), (2 3), . . . , (n − 1 n).
3. (a) On considère la transposition t = (1 2) et le cycle c = (1 2 3 . . . n). Calculer ck tc−k .
(b) En déduire que Sn est engendré par t et c.
Correction
1. Puisque les transpositions engendrent Sn , il suffit de démontrer que toute transposition (i j), avec i < j, s’écrit
comme produit des transpositions (1 k). Mais si i = 1, c’est déjà fait, et si 1 < i, on a (i j) = (1 i)◦(1 j)◦(1 i).
2. On va utiliser la question précédente et démontrer que toute transposition (1 k) s’écrit comme produit de
transpositions de la forme (i i + 1). On procède par récurrence finie sur k ∈ {2, . . . , n}, la propriété étant
vraie si k = 2. Supposons la propriété vraie au rang k. Pour la prouver au rang k + 1, il suffit d’écrire que
(1 k + 1) = (k k + 1) ◦ (1 k) ◦ (k k + 1).
3. (a) On va prouver par récurrence finie sur k ∈ {0, . . . , n − 2} que ck ◦ t ◦ c−k = (k + 1 k + 2). La propriété
est vraie si k = 0. Supposons la prouvée au rang k. Alors
ck+1 ◦ t ◦ c−(k+1) = c ◦ (k k + 1) ◦ c−1 = (k + 1 k + 2).
(b) D’après la question précédente, toute transposition de la forme (k k + 1) s’écrit en fonction de c et de

t. De plus, ces transpositions engendrent Sn . Ainsi, c et t engendrent Sn .
Exercice 39
Soit n ≥ 1. Déterminer la signature de la permutation suivante :

( )
1 2 ... n − 1 n
σn = .
n n − 1 ... 2 1
Correction
Notons ϵn la signature de σn . Pour n ≥ 3, on peut décomposer σn en τn ◦ sn où τn est la transposition (1 n)

et sn est la permutation ( )
2 3 ... n − 2 n − 1
sn = .
n − 1 n − 2 ... 3 2
Mais il est clair que la signature de sn vaut celle de σn−2 (il s’agit de la même permutation, mais en renumérotant
les éléments). On obtient donc la formule de récurrence
ϵn = −ϵn−2 .
En particulier, ϵn = ϵn−4 pour n ≥ 4, et il suffit donc de regarder la congruence modulo 4 de n pour trouver la
valeur de ϵn . On en déduit que 

 ϵ4k+1 = ϵ1 =1

ϵ4k+2 = ϵ2 = −1

 ϵ4k+3 = ϵ3 = −1

ϵ4k+4 = ϵ4 =1
Page 76
Exercice 40
On dit qu’un polynôme P ∈ C[X] de degré n est réciproque s’il s’écrit P = an X n + · · · + a0 avec
ak = an−k pour tout k dans {0, . . . , n}.
(1)
1. Soit P ∈ C[X] de degré n. Démontrer que P est réciproque si et seulement si P (X) = X n P X .
2. Montrer qu’un produit de polynômes réciproques est réciproque.

P
3. On suppose que P et Q sont réciproques et que Q|P . Démontrer que Q est réciproque.
4. Soit P ∈ C[X] un polynôme réciproque.

(a) Démontrer que si α est une racine de P , alors α ̸= 0 et α−1 est une racine de P .
(b) Démontrer que si 1 est une racine de P , alors sa multiplicité est supérieure ou égale à 2.
(c) Démontrer que si le degré de P est impair, alors −1 est racine de P .
(d) Démontrer que si P est de degré pair et si −1 est une racine de P , alors sa multiplicité est
supérieure ou égale à 2.
5. Démontrer que tout polynôme réciproque de C[X] de degré 2n se factorise en
P = a2n (X 2 + b1 X + 1) . . . (X 2 + bn X + 1).
Que peut-on dire si le degré de P est impair?
Correction
1. Soit P = an X n + · · · + a0 , alors ( )
1
X Pn
= a0 X n + · · · + an .
X
Ainsi, si P est réciproque, on a bien X n P (1/X) = P (X). Réciproquement, si X n P (1/X) = P (X), alors on
a nécessairement a0 = an , a1 = an−1 , etc... Donc P est réciproque.
2. Soient P et Q réciproques, de degrés respectifs n et m. Alors
X n P (1/X) = P (X) et X m Q(1/X) = Q(X).
On en déduit que
X n+m (P Q)(1/X) = X n P (1/X)X m Q(1/X) = P (X)Q(X) = (P Q)(X).
Ainsi, d’après la question précédente, P Q est réciproque.

3. Le raisonnement est complètement identique, en utilisant le quotient au lieu du produit!
4. (a) Puisque P est réciproque, a0 = an ̸= 0 et donc P (0) = a0 ̸= 0. D’autre part, si α est racine de P , alors
la relation P (α) = αn P (α−1 ) prouve que α−1 est aussi racine de P .
(b) Dérivons la relation de la première question. On trouve, pour tout x ̸= 0,
P ′ (x) = nxn−1 P (1/x) − xn−2 P ′ (1/x).
On évalue en 1, et on trouve
P ′ (1) = −P ′ (1)
et donc P ′ (1) = 0. On en déduit que 1 est racine au moins double.
(c) On utilise encore le résultat de la première question, et on remarque que P (−1) = −P (−1) puisque le
degré de P est impair. Donc P (−1) = 0.
(d) On raisonne exactement comme deux questions plus haut.
5. On va procéder par récurrence sur n, le cas n = 1 étant trivial. Supposons donc que le résultat a été démontré
pour tout polynôme réciproque de degré 2n, et prouvons-le pour un polynôme réciproque P de degré 2n + 2.
Soit α une racine de P . Alors, on sait que α ̸= 0 et que α−1 est aussi racine de P . Si α ̸= 1, −1, α−1 ̸= α
et on peut factoriser P par (X − α)(X − α−1 ). Or, il est facile de vérifier que (X − α)(X − α−1 ) s’écrit
(X 2 + bn+1 X + 1). D’autre part, si α = 1 ou α = −1, alors α est racine de multiplicité au moins deux, et on
Page 77
peut factoriser par (X − α)2 . Un tel polynôme s’écrit encore (X 2 + bn+1 X + 1). Donc, dans tous les cas, en
P
notant Q = X 2 + bn+1 X + 1, on a Q|P et P , Q réciproques. On en déduit que Q est réciproque, de degré
2n, donc par l’hypothèse de récurrence s’écrit
P
= a2n+2 (X 2 + b1 X + 1) . . . (X 2 + bn X + 1).
Q
On remultiplie par Q, et on a bien prouvé que le résultat est vrai au rang n + 1.
Si maintenant P est réciproque de degré impair 2n + 1, alors −1 est racine de P et P se factorise par le
P
polynôme réciproque Q = X + 1. Donc Q est réciproque de degré pair 2n, donc s’écrit a2n+1 (X 2 + b1 X +
2
1) . . . (X + bn X + 1). Ainsi, tout polynôme réciproque de degré impair 2n + 1 se factorise en
P = a2n+1 (X + 1)(X 2 + b1 X + 1) . . . (X 2 + bn X + 1).
Exercice 41
Soit P (X) = an X n + · · · + a0 un polynômes à coefficients dans Z, avec an ̸= 0 et a0 ̸= 0. On suppose

que P admet une racine rationnelle p/q avec p ∧ q = 1. Démontrer que p|a0 et que q|an . Le polynôme
P (X) = X 5 − X 2 + 1 admet-il des racines dans Q?
Correction
On écrit que P (p/q) = 0 et on met tout au même dénominateur en multipliant par q n . On trouve
an pn + an−1 pn−1 q + · · · + a1 pq n−1 + a0 q n = 0.
On commence par isoler a0 q n et on trouve que
p(an pn−1 + an−1 pn−2 q + · · · + a1 q n−1 ) = −a0 q n .
En particulier, p|a0 q n . Puisque p ∧ q = 1, on en déduit que p|a0 . De même, en isolant an pn , on trouve
q(an−1 pn−1 + · · · + a0 q n−1 ) = −an pn ,
soit q|an pn , soit, puisque p ∧ q = 1, q|an . Si le polynôme X 5 − X 2 + 1 admet une racine rationnelle p/q, alors p|1
et q|1, et donc p = − + 1 et q = + 1. Autrement dit, les seules racines rationnelles possibles sont 1 et −1. Or, elles ne
−
sont pas racines de Q. Donc Q n’admet pas de racines rationnelles.
Exercice 42
Soit p un nombre premier impair que l’on écrit sous la forme p = 2s × d + 1. Soit a ∈ {1, . . . , p − 1}.
On définit une suite récurrente (bi ) en posant
i
bi = ad×2 .
1. Question prélimaire : Montrer que dans Z/pZ, l’équation x2 = 1 entraine x = 1 ou x = −1.

2. Montrer que bs ≡ 1 [p].
3. On suppose que b0 n’est pas congru à 1 modulo p. Montrer l’existence de i ∈ {0, . . . , s − 1} tel
que bi ≡ −1 [p].
4. En déduire un test de non-primalité d’un entier.
Correction
1. On factorise x2 − 1 en (x − 1)(x + 1). Par intégrité de Z/pZ, l’équation (x − 1)(x + 1) = 0 entraine x = 1 ou

x = −1.
s
2. On a bs = ad×2 = ap−1 . Le résultat est donc une conséquence immédiate du petit théorème de Fermat.
Page 78
3. Posons = sup{j ≥ 0; bj n’est pas congru à 1} modulo p. Un tel nombre existe car b0 n’est pas congru à 1
modulo p (l’ensemble que l’on considère est non vide), et pour tout j ≥ s, bj ≡ 1 [p] (l’ensemble est majoré
par s, et même par s − 1). Ainsi, on a i ∈ {0, . . . , s − 1}. D’autre part, b2i = bi+1 ≡ 1 [p]. D’après le résultat
de la première question, bi ≡ 1 [p] ou bi ≡ −1 [p]. La première possibilité est exclue par définition de i. Donc
bi ≡ 1 [p].
4. Soit p un entier impair dont on souhaite tester s’il est premier. On le factorise sous la forme p = d×2s +1. Pour
différentes valeurs de a, on calcule la suite bi donnée par l’énoncé. Si b0 ̸= 1 et pour tout i ∈ {1, . . . , s − 1},
bi n’est pas congru à −1 modulo p, alors on est sûr que p n’est pas premier. C’est le test de (non-)primalité
de Miller-Rabin.
Exercice 43
Soit H un sous-groupe de (R, +) non réduit à {0}, et on pose G = H∩]0, +∞[.

1. Montrer que G admet une borne inférieure α dans R+ .
2. On suppose que α > 0. Démontrer que α ∈ H, puis que H = αZ.

3. On suppose que α = 0. Démontrer que H est dense dans R.
Correction
1. Puisque H est un sous-groupe de (R, +) non réduit à {0}, il possède un élément h ̸= 0. Puisque −h est
aussi élément de H, H possède toujours un élément strictement positif. Autrement dit, G est une partie de
R non-vide et minorée : G admet une borne inférieure.
2. Si α ∈/ H, alors, par définition de la borne inférieure, pour tout ϵ > 0, il existe un élément β ∈]α, α + ϵ[.
Prenons ϵ = α. Alors β − α ∈ H, car (H, +) est un groupe. De plus, β − α > 0. On a donc β − α ∈ G.
Mais on a aussi β − α ≥ α, puisque α est la borne inférieure de G, ce qui contredit que β est dans l’intervalle
]α, 2α[.
On a donc α ∈ H, et puisque (H, +) est un groupe, on a automatiquement αZ ∈ H. Si l’inclusion était
stricte, on pourrait trouver x ∈ H\αZ. Soit k ∈ Z tel que
kα < x < (k + 1)α.
On a alors
x − kα ∈ H et 0 < x − kα < α,
contredisant à nouveau la définition de α.
3. Il s’agit de prouver que, pour tout a ∈ R et tout ϵ > 0, il existe h ∈ H∩]a − ϵ, a + ϵ[.
• Si 0 ∈]a − ϵ, a + ϵ[, alors puisque α = 0, il existe h ∈ H dans ]0, a + ϵ[, donc dans ]a − ϵ, a + ϵ[.
• Sinon, puisque (H, +) est un groupe et est donc symétrique par rapport à 0, on peut supposer que
]a − ϵ, a + ϵ[⊂]0, +∞[. Soit β ∈ H tel que 0 < β < ϵ. On introduit
A = {n ∈ N; nβ ≤ a − ϵ}.
Alors A est une partie de N non-vide (elle contient 0) et majorée. Soit N son plus grand élément, et
posons h = (N + 1)β. Puisque N + 1 n’est pas élément de A, on a h > a − ϵ. De plus,
h ≤ N β + β ≤ a − ϵ + ϵ ≤ a < a + ϵ.
Ainsi, h ∈]a − ϵ, a + ϵ[, achevant la preuve de la densité de H dans R.
Page 79
Exercice 44
Pour n ≥ 1 un entier, on définit l’indicateur d’Euler de n par :
ϕ(n) = card{1 ≤ k ≤ n; k est premier avec n}.
1. Calculer ϕ(p) lorsque p est un nombre premier.

2. Calculer ϕ(pα ), où p est premier et α ≥ 1.
3. Que signifie ϕ(n) pour l’anneau Z/nZ?

4. En déduire que si n ∧ m = 1, alors ϕ(nm) = ϕ(n)ϕ(m).
5. Déduire des questions précédentes une formule pour calculer ϕ(n) pour tout entier n.
6. (a) Soit d un diviseur de n. On pose
Ad = {1 ≤ k ≤ n; k ∧ n = d} .
Quel est le cardinal de Ad ?

∑
(b) En déduire que n = d|n ϕ(d).
Correction
1. Tous les nombres compris entre 1 et p, sauf p lui-même, sont premiers avec p puisque p est premier. Donc
ϕ(p) = p − 1.
2. Le pgcd de k et de pα n’est pas égal à 1 si et seulement si k est un multiple de p. Il suffit donc de compter le
nombre de multiples de p qui sont inférieurs ou égaux à pα et de retrancher ce nombre à pα . Un tel nombre
s’écrit p × l avec p × l ≤ pα , soit l ≤ pα−1 . On obtient donc
ϕ(pα ) = pα − pα−1 .
3. k est premier avec n si et seulement si sa classe est inversible dans l’anneau Z/nZ. Ainsi, ϕ(n) désigne le
nombre d’éléments inversibles de Z/nZ.
4. D’après le théorème chinois, les anneaux Z/nmZ et Z/nZ × Z/mZ sont isomorphes. Le groupe de leurs
éléments inversibles sont également isomorphes. D’autre part, pour deux anneaux A et B, il est facile de
prouver que (A × B)∗ = A∗ × B ∗ . Ainsi,
∗ ∗ ∗
(Z/nmZ) et (Z/nZ) × (Z/mZ)
sont isomorphes et ont donc le même nombre d’éléments. En calculant ce nombre d’éléments, on trouve :
ϕ(nm) = ϕ(n)ϕ(m).
5. On décompose n en produits de facteurs premiers n = pα αr

1 . . . pr . On trouve
1
ϕ(n) = ϕ (pα 1
) . . . ϕ (pα r
)
( α11 α1 −1
)r ( r αr −1
)
= p1 − p1 × · · · × pαr − pr
( ) ( )
1 1
= n 1− ... 1 − .
p1 pr
6. (a) Soit k ∈ Ad . Alors k s’écrit d × l, avec l ∧ n = 1 et 1 ≤ ld ≤ n ce qui entraîne 1 ≤ l ≤ nd (remarquons

que nd est entier). Réciproquement, tout entier k s’écrivant d × l avec 1 ≤ l ≤ nd est élément de Ad . On
en déduit que (n)
card(Ad ) = ϕ .
d
(b) Il est clair que les ensembles Ad , pour d|n, forment une partition de {1, . . . , n}. Ainsi, on a
∑ ∑ (n) ∑
n= card(Ad ) = ϕ = ϕ(d).
d
d|n d|n d|n
Pour obtenir la dernière inégalité, on a effectué le changement de variables d′ = n/d.
Page 80
Exercice 45
Soit p un nombre premier impair. On rappelle que le groupe G = (Z/pZ)∗ est cyclique, c’est-à-dire
qu’il existe x0 ∈ G tel que {xs0 ; s ≥ 0} = G.
1. Soit x ∈ G. Que vaut xp−1 ?
p−1
2. En déduire que si k est un carré dans Z/pZ, ie s’il existe l tel que k = l2 , alors k 2 = 1.
3. Prouver la réciproque.
4. Soit x ∈ G. Que peut valoir x(p−1)/2 ?
Correction
1. Il s’agit simplement d’une application du petit théorème de Fermat qui dit que si a∧n = 1, alors an−1 ≡ 1 [n].
On peut aussi utiliser le théorème de Lagrange et dire que l’ordre de x divise l’ordre du groupe, ici p − 1.
2. On écrit k = l2 et on a k (p−1)/2 = lp−1 = 1.
3. Soit x0 un élément générateur de G. Il existe s tel que k = xs0 . Il suffit de montrer que s est pair : en effet,
écrivant s = 2t, on obtient k = (xt )2 . Or,
s(p−1)
k (p−1)/2 = x0 2
= 1.
Comme x0 est d’ordre p − 1 puisqu’il engendre G qui est de cardinal p − 1, p − 1 divise s(p − 1)/2. Autrement
dit, il existe u ∈ Z tel que s(p − 1)/2 = u(p − 1). Ceci prouve que s = 2u, donc que s est pair.
4. Soit y = x(p−1)/2 . Alors y 2 = 1, et donc (y − 1)(y + 1) = 0. Puisque Z/pZ est un anneau intègre, on en
déduit y = 1 ou y = −1. On a donc x(p−1)/2 ∈ {−1, 1} (en prenant ces représentants modulo p).
Exercice 46
Le but de cet exercice est de montrer qu’il n’existe pas d’entier n ≥ 2 tel que n divise 2n −1. On raisonne
par l’absurde et on supposons qu’un tel entier n existe. On note p le plus petit diviseur premier de n
Montrer que p ≥ 3.
.On note m l’ordre de la classe de 2 dans (Z/pZ)∗ .
1. (a) Montrer que m|p − 1.
(b) Montrer que m|n.
(c) Conclure.
Correction
1. Si 2|n, alors 2|2n − 1 et donc 2n − 1 est pair, ce qui n’est pas le cas.
2. (a) Puisque p est premier, (Z/pZ)∗ est un groupe de cardinal p−1. D’après le théorème de Lagrange, l’ordre
de tout élément divise p − 1. Donc m|p − 1.
(b) Par hypothèse, 2n ≡ 1 [n] ce qui entraîne 2n ≡ 1 [p], ou encore 2n = 1 dans Z/pZ. n est donc un
multiple de l’ordre de 2, ou encore m|n.
(c) Puisque p est le plus petit facteur premier de n, on a n ∧ (p − 1) = 0. Ainsi, m|pgcd(p − 1, n) = 1, et
donc m = 1. C’est absurde puisque 2 ̸= 1 dans Z/pZ, p ≥ 3. Il est donc impossible que n divise 2n − 1.
Page 81
Exercice 47
Le but de cet exercice est de démontrer le théorème de Wilson : un entier n ≥ 2 est premier si et
seulement si (n − 1)! ≡ −1 [n].
1. Soit p ≥ 2 premier. Combien de solutions l’équation x2 = 1 admet-elle de solutions dans Z/pZ?
2. Soit p ≥ 2 premier. Montrer que (p − 1)! = −1 [p].
3. Soit n ≥ 2 un entier tel que n divise (n − 1)! + 1. Montrer que pour tout a ∈ {1, . . . , n − 1}, a est
inversible dans (Z/nZ, ×). En déduire que n est premier.
Correction
1. L’équation x2 = 1 est équivalente à (x − 1)(x + 1) = 0, ce qui est équivalent à dire, puisque Z/pZ est un
corps, x = 1 ou x = −1.
2. Travaillons dans Z/pZ. Tout élément de {1̄, . . . , p − 1} est inversible et son inverse est différent de lui-même,
sauf pour 1̄ et −1 d’après la question précédente. Dans le produit 2̄ × · · · × p − 2, on peut donc regrouper
chaque élément avec son inverse, et on trouve que
1̄ × · · · × p − 1 = 1̄ × p − 1 = −1
ce qui est le resultat attendu.

3. Soit a ∈ {1, . . . , n − 1}. Alors a est un facteur de (n − 1)! et donc il existe k tel que (n − 1)! = ak. On en
déduit a × (−k) ≡ 1 [n], et donc a est inversible dans Z/nZ. Par le théorème de Bézout, ceci signifie que a
est premier avec n, et ceci est vrai pour tout a de {1, . . . , n − 1}. Autrement dit, n est premier.
Exercice 48
Soit n ≥ 3 un entier.
n−2
1. Soit a un entier impair. Montrer que a2 ≡ 1 [2n ].
( )∗
2. Le groupe Z/(2n Z) est-il cyclique?
Correction
1. On procède par récurrence sur n et on écrit a = 2k+1. Pour n = 3, on a (2k+1)2 = 4k 2 +4k+1 = 1+4k(k+1).
Or, k(k + 1) est un nombre pair car ou bien k, ou bien k + 1 est pair. Ainsi, 4k(k + 1) est divisible par 8 et
n−2
a2 ≡ 1 [8]. Supposons maintenant le résultat établi au rang n, c’est-à-dire que a2 = 1 + u2n . On met tout
au carré et on trouve :
(n+1)−2
a2 = (1 + u2n )2
= 1 + 2u2n + u2 22n
= 1 + 2n+1 (u + u2 2n−1 )
ce qui prouve bien le résultat au rang n + 1.

( )∗
2. Soit G = Z/(2n Z) . Un élément x de Z/(2n Z) est élément de G si et seulement si x ∧ 2n = 1, si et
seulement si x ∧ 2 = 1. Ainsi, on peut décrire G comme
G = {x; 1 ≤ x ≤ 2n , x ∧ 2 = 1} .
Mais dans {1, . . . , 2n }, il y a exactement 2n−1 éléments impairs. Le cardinal de G est donc égal à 2n−1 . Or,
pour g = a ∈ G, la question précédente nous dit que
{g k ; k ≥ 0} = {g k ; 0 ≤ k < 2n−2 }.
Ce dernier ensemble comporte au plus 2n−2 éléments, et g n’est pas un élément cyclique de G. G n’est donc
pas cyclique.
Page 82
( )
Exercice 49 Nombres de Mersenn , Fermat
1. Soient a > 2 et n > 2 deux entiers. Si an − 1 est premier, montrer que a = 2 et que n est premier.
2. Soit n ∈ N∗ . Si 2n + 1 est premier, montrer que n est une puissance de 2.
Correction
1. La relation xn − 1 = (x − 1)(xn−1 + · · · + x + 1) montre que pour tout x ≥ 2, x − 1 divise xn − 1. L’entier

an − 1 étant premier, il est nécessaire que a − 1 = 1, soit a = 2.
écrivons n = pq où p et q sont des entiers naturels. an − 1 = 2pq − 1 = (2q )p − 1, donc 2q − 1 divise an − 1,
ce qui entraine q = 1 ou q = n puisque an − 1 est premier. L’entier n est donc premier.
2. Si n est impair, la relation xn + 1 = (x + 1)(1 − x + · · · + xn−1 ) montre que x + 1 divise xn + 1.
Si n n’est pas une puissance de 2, n a au moins un facteur impair p > 1. écrivons n = pq. L’entier
2n + 1 = (2q )p + 1 est divisible par 2q + 1, donc non premier. Ainsi, n est une puissance de 2.
Exercice 50
1. Pour tout entier naturel n non nul, on note σ(n) la somme des diviseurs de n. Exprimer σ(n) en
fonction des termes intervenants dans la décomposition de n en facteurs premiers.
Montrer que
n ∧ m = 1 =⇒ σ(mn) = σ(m)σ(n)
2. On dit qu’un entier naturel non nul n est parfait s’il est égal à la somme de ses diviseurs propres
(i.e. σ(n) = 2n). Si 2p − 1 est un nombre premier, montrer que n = 2p−1 (2p − 1) est parfait.
3. Réciproquement, démontrer qu’un nombre parfait pair n est de la forme 2p−1 (2p − 1), où 2p − 1
est nécessairement un nombre premier.
Correction
1. On note Dn l’ensemble des diviseurs positifs d’un entier n ∈ N∗ .

On pose φ : Dn × Dm −→ Dmn définie par φ(d1 , d2 ) = d1 d2 .
alors φ réalise une bijection deDn × Dm vers Dmn en effet l’équation φ(d1 , d2 ) = d où d ∈ Dmn a pour
unique solution (d ∧ n, d ∧ m) dans Dn × Dm .
∑ ∑ ∑ ∑ ∑ ∑
d’où σ(nm) = d | nm d= u | n et v | m uv = u|n v|m uv =
v = σ(n)σ(m).
u|n u v|m
∑α α+1
Si p est premier, les diviseurs de p sont les p avec 0 ≤ β ≤ α donc, σ(p ) = β=0 pβ = 1−p
α β
1−p .α
αk ∏k α +1
pi i −1
On trouve, si n = pα
1 . . . pk , σ(n) =
1
i=1 ( p1 −1 ).
2. σ(n) = σ(2p−1 (2p − 1)) = σ(2p−1 )σ(2p − 1) = (2p − 1)2p = 2n.

3. Comme n est pair, il existe un entier p ≥ 2 tel que n = 2p−1 m, avec m impair. Alors σ(n) = σ(2p−1 )σ(m) =
(2p − 1)σ(m). Or σ(n) = 2n = 2p m, donc (2p − 1)|2p m, donc (2p − 1)|m. Autrement dit, il existe l ∈ N∗ tel
que m = (2p − 1)l. On obtient alors σ(m) = 2p l = m + l.
Si l > 1, m a au moins trois diviseurs : m, l et 1, donc σ(m) ≥ m + l + 1, ce qui est absurde. Donc l = 1, et
les seuls diviseurs de m sont 1 et m, donc m est premier.
Remarque : on ne connait aucun nombre parfait impair, on ne sait même pas s’il en existe. On sait juste que s’il en
existe, ils ont plus de 300 chiffres, plus de 8 facteurs premiers distincts, dont au moins un est supérieur à 100110).
Page 83
III. Problème 2 :
Notations, rappels et présentation du problème
∗
L’ensemble des entiers naturels sera noté N, celui des entiers relatifs Z. On notera (Z/nZ) l’ensemble des
éléments de Z/nZ inversibles pour la multiplication.
Étant donnés deux entiers relatifs a et b, le plus grand diviseur commun de a et b sera noté PGCD (a, b) ou
pgcd ab. On rappelle que pgcd a0 = a.
a est dit premier avec b si pgcd ab = 1.
a ≡ b mod n signifie que a est congru à b modulo n, c’est-à-dire que n divise (b − a).
{ }
Un groupe (G, ×) est dit cyclique s’il existe un élément a de G et un entier naturel p tel que G = 1, a, a2 , a3 , . . ., ap ,
où ak = a × a × . . . × a (k termes) ; a est alors un générateur de (G, ×).
Pour un entier naturel n supérieur ou égal à 2, on notera respectivement :
Sn l’ensemble des entiers strictement positifs, inférieurs ou égaux à n, et premiers avec n.
Dn l’ensemble des diviseurs de n, entiers positifs (en particulier, 1 appartient à Dn ).
∑
La notation désignera une somme étendue à tous les éléments d de Dn .
d∈Dn
Enfin, on notera ϕ(n) le cardinal de Sn .
La première partie du problème a pour but d’établir une identité due à Euler concernant la fonction ϕ, à l’aide
d’un raisonnement probabiliste.
Dans la deuxième partie, on étudie le groupe des éléments inversibles pour la multiplication dans Z/nZ, et on
montre que, si n n’a qu’un seul diviseur premier, alors ce groupe est cyclique.
La troisième partie introduit la notion de nombres pseudo-premiers forts et se propose d’en donner une carac-
térisation algorithmique sur une calculatrice programmable.
Enfin, la quatrième partie a pour objet l’étude de nombres appelés nombres de Carmichaël, présentant des
similarités avec les nombres premiers, et se termine par la présentation d’un test probabiliste pour la détection de
nombres premiers.
Page 84
Partie I
1. On considère dans cette question un univers probabilisé (Ω, B, P ). L’événement contraire d’un événement E
sera noté E.
(a) Soient A1 et A2 deux événements indépendants de cet univers ; montrer que A1 et A2 sont indépendants.
(b) Généralisation : soit k un entier naturel non nul et A1 , A2 , …, Ak k événements mutuellement indépen-
dants de Ω.
i. Montrer que A1 , A2 , …, Ak sont indépendants.
ii. Montrer par récurrence que A1 , A2 , …, Ak sont indépendants.
Dans toute la suite de cette partie, n désigne un entier naturel supérieur ou égal à 2 et X une variable aléatoire
sur Ω, prenant ses valeurs dans l’ensemble {1, . . ., n} de manière équiprobable, c’est-à-dire telle que pour tout
1
i = 1, . . ., n, on a P (X = i) = .
n
2. On considère l’événement A1 : “X est multiple de 2” et l’événement A2 : “X est multiple de 5”.
(a) On suppose que n = 100.
Calculer les probabilités des événements A1 et A2 . A1 et A2 sont-ils indépendants ?
(b) On suppose maintenant que n = 101. Reprendre les questions du (a) dans ce cas.
∏
k
3. On suppose que la décomposition en facteurs premiers de n s’écrit n = pα
i , où les αi sont des entiers
i
i=1
supérieurs ou égaux à 1.
Enfin, pour i entier naturel, 1≤i≤k, Ai désigne l’événement “X est divisible par pi ”.
(a) Soit A l’événement : “X est premier avec n” ; exprimer P (A) à l’aide de n et ϕ(n).
1
(b) Montrer que P (Ai ) = pour tout entier i, 1≤i≤k.
pi
(c) Montrer que les (Ai )1≤i≤k sont mutuellement indépendants.
(d) Exprimer A à l’aide des Ai .
( )
∏
k 1
(e) En déduire que ϕ(n) = n 1− (E).
i=1 pi
4. On se propose de retrouver l’égalité précédente (E) par une autre méthode ; soient p et q deux entiers naturels
premiers entre eux.
{
Spq → {0, . . ., p − 1} × {0, . . ., q − 1}
On considère l’application h : où a (resp. b) est le reste de la division
r 7→ (a, b)
euclidienne de r par p (resp. par q).
(a) Montrer que h(Spq ) est inclus dans Sp × Sq .
(b) Montrer que h est injective.
(c) Justifier l’existence de deux entiers α et β de Z tels que : αp + βq = 1.
Soit (a, b) un couple de Sp × Sq . On note x = αpb + βqa ; montrer que x ≡ a mod p et x ≡ b mod q.
En déduire que l’image de h est Sp × Sq , puis que ϕ(pq) = ϕ(p)ϕ(q).
(d) À l’aide d’une récurrence sur le nombre de diviseurs premiers de n, retrouver alors l’égalité (E).
5. Identité d’Euler :
(a) Soit d un diviseur de n et a un entier naturel non nul ; montrer que PGCD (a, n) = d si, et seulement si,
n
il existe un entier k premier avec tel que a = kd. En déduire le nombre des entiers a tels que 1≤a≤n
d
et PGCD (a, n) = d.
(b) Pour tout entier d diviseur de n, on note Cd l’événement “PGCD (X, n) = d”.
Exprimer P (Cd ) à l’aide de n, d et de la fonction ϕ.
∑ 1 (n)
(c) En déduire que ϕ = 1 (rappel : Dn note l’ensemble des diviseurs de n dans N).
d∈Dn n d
Page 85
n
(d) Montrer que l’application u qui, à tout diviseur d de n associe u(d) = est une bijection de Dn dans
∑ d
lui-même. Montrer que ϕ(d) = n (identité d’Euler).
d∈Dn
Partie II
n étant toujours un entier supérieur ou égal à 2, l’objet de cette partie est l’étude du groupe noté ((Z/nZ)∗ , ×)
des éléments de Z/nZ inversibles pour la multiplication.
On rappelle que cet ensemble est composé des classes modulo n des nombres premiers avec n. On pourra donc
remarquer que ϕ(n) = card ((Z/nZ)∗ ).
La classe d’un entier a sera notée ȧ.
A) Des résultats généraux sur les groupes et les anneaux.
1. Soient a et b deux éléments d’un anneau commutatif (A, +, ×) et n un entier naturel non nul. Montrer que
bn − an est divisible par b − a.
Donner le quotient de bn − an par b − a sous forme de somme.
2. Montrer que (Z/nZ, +, ×) est un corps si, et seulement si, n est premier.
3. Factorisation de polynômes.
(a) Soit P un polynôme de degré k supérieur ou égal à 1, à coefficients dans Z/nZ, où n est un entier
premier.
Montrer que P admet au plus k racines (on pourra raisonner par récurrence sur k).
(b) Déterminer, dans Z/6Z, les racines du polynôme P (X) = X 2 − X. Que peut-on en conclure ?
(c) Trouver, dans Z/6Z[X], deux factorisations distinctes de X 2 − X sous la forme (X − ȧ)(X − ḃ).
4. On rappelle que si x est élément d’un groupe fini G, l’ordre de x est le plus petit entier naturel k non nul tel
que xk = 1, où 1 désigne l’élément neutre de G.
(a) Soit
{ x un élément } de G, groupe fini de cardinal n ; montrer que, si k est l’ordre de x, alors l’ensemble
1, x, . . ., xk−1 est un sous-groupe de G.
En déduire que l’ordre de x divise le cardinal de G, et que xn = 1.
(b) Si p est un entier naturel premier et x un entier naturel non divisible par p, montrer que xp−1 − 1 est
divisible par p.
B) Étude du groupe ((Z/nZ)∗ , ×) quand n est premier.
On suppose dans cette sous-partie que n est un entier premier supérieur ou égal à 3. Si d est un entier naturel
non nul et strictement inférieur à n, on note ζ(d) le nombre des éléments de ((Z/nZ)∗ , ×) d’ordre d.
∑
1. Montrer que ζ(d) = n − 1.
d∈Dn−1
2. Soit d un diviseur de n − 1 et soit ȧ un élément de ((Z/nZ)∗ , ×) d’ordre d, s’il existe.

ȧ vérifie ainsi ȧd = 1̇.
{ }
(a) Montrer que l’ensemble des racines du polynôme X d − 1̇ est, dans (Z/nZ)∗ , 1̇, ȧ, ȧ2 , ȧ3 , . . ., ȧd−1 .
(b) On suppose que k est un entier naturel inférieur ou égal à d, non premier avec d. Montrer que ȧk a un
ordre strictement inférieur à d.
(c) En déduire que ζ(d)≤ϕ(d).
Déduire des questions précédentes et de la première partie que ζ(d) = ϕ(d) pour tout diviseur d de n − 1.
Montrer en{particulier qu’il}existe au moins un élément ḃ d’ordre n − 1 dans ((Z/nZ)∗ , ×) et que
(Z/nZ)∗ = 1̇, ḃ, ḃ2 , . . ., ḃn−2 .
Page 86
C) Cas n = pα .
On suppose maintenant que n s’écrit sous la forme n = pα , où p est un entier premier, et α un entier naturel
supérieur ou égal à 2.
D’après la partie II B), il existe donc un entier b, dont la classe ḃ est d’ordre p − 1 dans ((Z/nZ)∗ , ×).
1. Montrer que l’un au moins des deux entiers bp−1 ou (b + p)p−1 n’est pas congru à 1 modulo p2 : on notera c
l’un des nombres b ou b + p de façon à ce que cp−1 ne soit pas congru à 1 modulo p2 .
r
2. Montrer par récurrence que, pour tout entier naturel r, il existe un entier k, premier avec p tel que cp (p−1)
=
1 + kr × pr+1 . En déduire que ċ appartient à (Z/nZ)∗ .
3. Soit r l’ordre de ċ dans ((Z/nZ)∗ , ×).
(a) Expliquer pourquoi r divise pα−1 (p − 1) et pourquoi (p − 1) divise r.
(b) En déduire qu’il existe un entier naturel β inférieur ou égal à α − 1 tel que r = pβ (p − 1).
(c) Montrer finalement que β = α − 1 et que ċ est un générateur de ((Z/nZ)∗ , ×).
4. Application : Déterminer un générateur de ((Z/7Z)∗ , ×) puis un générateur de ((Z/49Z)∗ , ×).
Partie III
Nombres pseudo-premiers forts
Dans toute cette partie, p désigne un entier impair supérieur ou égal à 3, et on notera (p − 1) = q × 2s , où q est
un entier naturel impair et s un entier naturel supérieur ou égal 1.
1. Dans cette question, on suppose p premier.

p−1
(a) Soit a un entier premier avec p. Montrer que a 2 est congru à 1 ou à p − 1 modulo p.
(b) On dit qu’un entier naturel a vérifie la propriété Ha (p) si :
r
(aq ≡ 1 mod p) ou (∃r entier, 0≤r < s tel que aq×2 ≡ p − 1 mod p) Ha (p)
Montrer que tout entier naturel a premier avec p vérifie Ha (p).
2. On dit qu’un nombre p impair, non nécessairement premier, est pseudo-premier fort en base a si la propriété
Ha (p) est vérifiée ; on écrira en abrégé que p est a-ppf.
Par exemple, 25 est 7-ppf car 24 = 3 ∗ 23 et 73×2 = 117649 ≡ 24 ≡ −1 mod 25.
Montrer que si a est un entier tel que le pgcd de a et p est strictement plus grand que 1, alors p ne peut pas
être a-ppf.
3. Construction d’un algorithme :
(a) Un entier p impair et un entier a étant donnés, écrire un algorithme permettant de tester si p est a-ppf.
N.B. : On ne cherchera pas à écrire, pour le calcul de aq modulo p un algorithme rapide de puissance,
mais on pourra se contenter d’une boucle calculant a2 modulo p, a3 modulo p, …, aq modulo p.
Vous retranscrirez cet algorithme sur votre copie en langage algorithmique (français) ou dans le langage
de votre machine, en spécifiant le modèle que vous employez.
Implanter cet algorithme sur votre machine ; on peut le tester en contrôlant que tout nombre p premier
est a-ppf pour tout a premier avec p.
(b) Reportez le tableau suivant sur votre copie et complétez les cases vides pour “oui” ou “non” à l’aide du
programme précédent.
p 49 91 111 121 135 1225
a 30 74 28 94 43 999
p est a-ppf
(c) On peut vérifier (la vérification n’est pas demandée) que l’ensemble des entiers a, compris au sens large
entre 1 et 560 tels que 561 soit a-ppf est {1, 50, 101, 103, 256, 305, 458, 460, 511, 560}.
Montrer que l’ensemble des classes modulo 561 de ces entiers constitue un sous-groupe cyclique de
((Z/561Z)∗ , ×).
Page 87
Partie IV
A) Nombres de Carmichaël
L’objet de cette aprtie est la caractérisation de certains nombres, appelés nombres de Carmichaël.
On rappelle que pour tout entier naturel premier p, et tout a entier premier avec p, ap−1 ≡ 1 mod p.
La réciproque n’est pas vraie ; un nombre n est appelé nombre de Carmichaël si :
a) n n’est pas premier
b) pour tout nombre a premier avec n, an−1 est congru à 1 modulo n.
1. Montrer que si n = p1 × p2 × . . . × pk où p1 , p2 , …, pk sont des nombres premiers deux à deux distincts tels
que (pi − 1) divise (n − 1) pour tout i de {1, 2, . . ., k}, alors n est un nombre de Carmichaël.
Montrer en particulier que 561, 10585 sont des nombres de Carmichaël.
2. Dans toute cette question, on suppose que n est un nombre de Carmichaël et l’on désire établir la réciproque
du résultat obtenu en question 1.
(a) On suppose tout d’abord que n est une puissance de 2, n = 2α , où α est un entier ≥2.
Quel est le cardinal de (Z/nZ)∗ ? En déduire que pour tout entier a impair a(2α − 1) ne peut être
congru à 1 modulo n sauf si a est congru à 1 modulo n ; que peut-on conclure ?
(b) On suppose désormais que n admet au moins un facteur premier impair p1 et l’on note p1 , p2 , …, pk les
∏
k
facteurs premiers de n ; la décomposition de n est alors n = pα
i .
i
i=1
∗
i. Soit ω un entier dont la classe modulo pα 1 est un générateur de ((Z/p1 Z) , ×) ; ω existe d’après la
1 α1
partie II. À l’aide de la bijection définie dans la question I.4, montrer qu’on peut trouver un entier
t tel que :
t ≡ ω mod pα 1 et, pour tout i (s’il en existe) tel que 2≤i≤k„ t ≡ 1 mod pi .
1 αi
Montrer qu’alors t n−1

≡ 1 mod n.
1 −1
ii. En déduire que pα 1 (p 1 − 1) divise (n − 1), puis que α1 = 1, et enfin que (p1 − 1) divise (n − 1).
iii. Montrer que n est nécessairement impair et que n peut s’écrire sous la forme n = p1 × p2 × . . . × pk
où p1 , p2 , …, pk sont des nombres premiers deux à deux distincts tels que (pi − 1) divise (n − 1)
pour tout i de {1, 2, . . ., k}. Conclure.
3. Montrer qu’un nombre de Carmichaël admet au moins trois facteurs premiers.
4. Résoudre l’équation 85p − 16k = 1, où (k, p) appartient à Z2 .
Déterminer le plus petit nombre de Carmichaël divisible par 5 et 17.
B) Le test de Miller-Rabin
1. Soit n un nombre non premier et qui ne soit pas non plus un nombre de Carmichaël.
Montrer qu’il existe au moins un entier a inférieur à n et premier avec n tel que n ne soit pas a-ppf.
2. En fait, on peut démontrer et l’on admettra que, pour tout nombre n non premier, l’ensemble des classes
des entiers naturels a strictement inférieurs à n tels que n soit a-ppf est inclus dans un sous-groupe strict de
((Z/nZ)∗ , ×).
Le test de Miller-Rabin est alors le suivant : étant donnés un nombre impair n et un entier k, on effectue k
épreuves indépendantes ; l’épreuve n¡i (i = 1, . . ., k) consistant à choisir un entier ai de manière équiprobable
parmi {1, 2, 3, . . ., n − 1} et à tester la propriété “n est ai -ppf”.
• Si, pour l’un des ai , n n’est pas ai -ppf, n est composé.
• Si n est pseudo-premier fort pour tous les ai , alors n est déclaré premier.
On suppose que n est composé (c’est-à-dire non premier) ; par quelle valeur (en fonction de k), peut-on
majorer la probabilité de déclarer n premier ?
Corrigé du problème 2 :
Page 88
Capes Externe de Mathématique 2003
Corrigé de l’épreuve d’algèbre
PARTIE I
1.a C’est une question de cours :

h i
P (A2 ) = P A1 ∪ A1 ∩ A2 = P A1 ∩ A2 + P (A1 ∩ A2 ) (évenèments incompatibles)

= P A1 ∩ A2 + P (A1 )P (A2 ) (évènements indépendants)
puis
P A1 ∩ A2 = P (A2 ) − P (A1 )P (A2 ) = (1 − P (A1 ))P (A2 ) = P A1 P (A2 )
donc A1 et A2 sont indépendants.
1.b.I Notons B1 = A1 et Bi = Ai pour i ∈ [[2, n]], et soient i1 , i2 , . . . , ik tels que 1 ≤ i1 < i2 < . . . < ik ≤ n. Si
i1 6= 1, on a :
P (Bi1 ∩ Bi2 . . . ∩ Bik ) = P (Ai1 ∩ Ai2 . . . ∩ Aik ) = P (Ai1 )P (Ai2 ) . . . P (Aik ) = P (Bi1 )P (Bi2 ) . . . P (Bik )
Si i1 = 1, on sait que Ai1 , et également Bi1 , est indépendant de Ai2 ∩ . . . ∩ Aik . On en déduit :
P (Bi1 ∩ Bi2 . . . ∩ Bik ) = P (Bi1 )P (Ai2 ∩ . . . ∩ Aik ) = P (Bi1 )P (Ai2 ) . . . P (Aik ) = P (Bi1 )P (Bi2 ) . . . P (Bik ).
Les événements A1 , A2 , . . . , Ak sont donc mutellement indépendants.
1.b.II Cela résulte directement d’une application récurrente de la question I.
2.a Nous avons directement :

50 1


 P (A1 ) = P ({2, 4, 6, . . . , 98, 100}) = =



 100 2
20 1

P (A2 ) = P ({5, 10, 15, . . . , 95, 100}) = =


 100 5
10 1


 P (A1 ∩ A2 ) = P ({10, 20, . . . , 90, 100}) =

= = P (A1 )P (A2 )
100 10
donc les événements A1 et A2 sont indépendants.
2.a Nous avons cette fois :

50


 P (A1 ) = P (X ∈ {2, 4, 6, . . . , 98, 100}) =



 101
20

P (A2 ) = P (X ∈ {5, 10, 15, . . . , 95, 100}) =


 101
 P (A1 ∩ A2 ) = P (X ∈ {10, 20, . . . , 90, 100}) = 10 =


6 P (A1 )P (A2 )

101
donc les événements A1 et A2 ne sont pas indépendants.
3.a L’hypothèse d’équiprobabilité donne :
Card(Sn ) φ(n)
P (A) = = .
n n
3.b Comme il existe exactement n/pi multiple de pi compris entre 1 et n, nous avons :
n/pi 1
P (Ai ) = = .
n pi
3.c Le même argument qu’en b prouve que pour tout d ∈ Dn , la probabilité de l’événement “d divise X” est
égale à 1/d. Pour 1 ≤ i1 < i2 < . . . < im ≤ k, les pi étant des nombres premiers distincts, un entier est
divisible par pi1 , pi2 , . . . pik si et seulement s’il est divisible par d = pi1 pi2 . . . pim . On en déduit :
1 1 1 1 1
P (Ai1 ∩ Ai2 ∩ . . . ∩ Aim ) = P (d | X) = = = ... = P (Ai1 )P (Ai2 ) . . . P (Aim )
d pi1 pi2 . . . pim pi1 pi2 pim
donc les événements Ai sont mutuellement indépendants.
3.d Un entier i ≥ 1 admet avec n un diviseur commun non trivial si et seulement s’il admet un diviseur commun
premier. A est donc le complémentaire de la réunion des Ai , d’où :
[ \
A= Ai = Ai .
1≤i≤k 1≤i≤k
3.e Comme les événements Ai sont mutuellement indépendants, nous en déduisons :

k k
\ Y Y 1
φ(n) = n P (A) = n P ( Ai ) = n (1 − P (Ai )) = n (1 − ).
i=1 i=1
pi
1≤i≤k
4.a Soit r ∈ Spq et (a, b) = h(r). Comme r est premier avec pq, il l’est aussi avec p. Nous avons ensuite
1 = r ∧ p = p ∧ a (c’est le principe de l’algorithme d’Euclide), donc a ∈ Sp . Par symétrie, b ∈ Sq .
4.b Soient r1 et r2 deux éléments de Spq tels que h(r1 ) = (a, b) = h(r2 ). Nous en déduisons que p et q divisent
r1 − r2 , i.e. que p ∨ q divise r1 − r2 . Comme p ∧ q = 1, p ∨ q = pq ; d’autre part, |r1 − r2 | < pq, donc r1 = r2
et h est injective.
4.c p et q sont premiers entre eux, donc le théorème de Bézout assure l’existence de α et β. Nous avons ensuite :
x = αpb + (1 − αp)a = a + pα(b − a)
donc x est congru à a modulo p, puis à b modulo q par symétrie.
Notons y l’unique élément de [[1, pq]] congru à x modulo pq. Supposons que y et pq ne soient pas premiers
entre eux : ils possèdent donc un diviseur premier commun z. Comme z divise pq et est premier, il divise soit
p, soit q. Sans perte de généralité, nous supposerons que z divise p. Comme il divise également y, il divise
x (qui est congru à y modulo pq, donc modulo p) : nous en déduisons que p divise x − αpb = βqa. Comme
p est premier avec a (a ∈ Sp ), avec q (c’est l’hypothèse initiale) et avec β (car nous avons une relation de
Bézout entre p et β), le lemme de Gauss montre que p divise 1, cas trivial que l’on peut exclure (si p = 1,
2
h est clairement bĳective de Sq sur {0} × Sq ). Ainsi, y est élément de Spq et h(y) = (a, b) : l’image de h
contient Sa × Sb .
Nous avons ainsi démontré que h réalisait une bĳection de Spq sur Sp × Sq , ce qui donne :
φ(pq) = Card(Spq ) = Card(Sp × Sq ) = Card(Sp ) Card(Sq ) = φ(p)φ(q).
4.d Si n s’écrit pα avec p premier et α ∈ N∗ , les entiers de [[1, n]] non premiers avec n sont exactement les pα−1
multiples de p. Nous en déduisons :
1
φ(pα ) = pα − pα−1 = pα (1 − ).
p
Soit k ≥ 2 et supposons que la relation (E) soit vérifiée pour tout entier possédant k − 1 facteurs premiers
distincts. Si n est un entier se décomposant sous la forme
k
Y
n= pα
i
i
i=1
Qk−1
où les pi sont des entiers premiers distincts et les αi des entiers naturels non nuls, i=1 pα αk
i et pk sont
i
premiers entre aux, donc :
k−1 k−1 k−1 k

!
Y Y Y 1 1 Y 1
φ(n) = φ( pαi αk
i )φ(pk ) = pα
i
i
(1 − ) pα
k
k
(1 − ) = n (1 − ).
i=1 i=1 i=1
p i p k i=1
p i
La relation (E) est donc démontrée par récurrence.
5.a Supposons que a ∧ n = d. On peut alors écrire a = kd et n = k ′ d, avec k et k ′ entiers. Si u divise k et k ′ , ud

divise a et n, donc ud divise d, ce qui impose u = 1 ; k et k ′ sont donc premiers entre eux : il existe donc un
entier k tel que k soit premier avec n/d et a = kd.
Réciproquement, supposons qu’un tel entier existe. Comme d divise n et a, il existe u tel que a ∧ n = ud.
On en déduit que ud divise n et a, donc que u divise n/d et k : ceci impose u = 1 et a ∧ n = d.
Les entiers a compris entre 1 et n tels que a ∧ n = d sont donc les entiers de la forme kd avec k premier avec
n/d et kd ≤ n : il en existe φ(n/d).
φ(n/d)
5.b Nous en déduisons que P (Cd ) = .
n
5.c Les évènement Cd , pour d décrivant Dn , forment un système complet d’évènements de Ω, ce qui donne :
X X 1
1= P (Cd ) = φ(n/d).
n
d∈Dn d∈Dn
5.d Si d ∈ Dn , n/d est également un diviseur de n compris entre 1 et n : l’application u est donc à valeur dans
Dn . Comme u est injective et que Dn est fini, u est une bĳection de Dn sur lui-même. Par changement de
variable, nous obtenons l’identité d’Euler :
X X X
φ(d) = φ(u(d)) = φ(n/d) = n.
d∈Dn d∈Dn d∈Dn
3
PARTIE II A
1 A étant commutatif, nous pouvons écrire :
bn − an = (b − a)(bn−1 + bn−2 a + · · · + ban−2 + an−1 )

n−1
X
donc bn − an est divisible par b − a et le quotient vaut bn−k ak .
k=0
2 Si n n’est pas premier, il existe a, b ∈ [[2, n − 1]] tels que ab = n : on en déduit que ȧ × ḃ = 0̇ avec ȧ et ḃ non
nuls ; l’anneau Z/nZ n’est donc pas intègre : ce n’est pas un corps.
Supposons que n est premier et soit ȧ un élément non nul de Z/nZ. Comme n est premier, a et n sont
premiers entre eux (les seuls diviseurs de n sont 1 et n, et n ne divise pas a). Le théorème de Bézout affirme
qu’il existe u, v ∈ Z tels que au + vn = 1, ce qui donne ȧ × u̇ = 1̇ : ȧ est inversible et Z/nZ est un corps.
3.a C’est un résultat général sur les polynômes : si k = 1, la propriété est claire (un polynôme de degré 1 admet
exactement une racine) ; supposons que k soit un entier au moins égal à 2 et que la propriété demandée soit
vraie pour les polynômes de degré k − 1. Fixons P ∈ Z/nZ[X] de degré k. Si P n’admet pas de racine, il
admet bien au plus k racines ; sinon, soit a une racine de P . La division euclidienne de P par X − a s’écrit
P = (X − a)Q + P (a) = (X − a)Q (l’existence de la division euclidienne dans K[X] est vérifiée dès que K
est un corps commutatif). Comme Q est de degré k − 1, il a au plus k − 1 racines et P a au plus k racines.
3.b Il suffit de calculer P (ȧ) pour a = 0, 1, 2, 3, 4, 5 : les racines de P sont 0̇, 1̇, 3̇ et 4̇. Comme P est de degré 2,
cela prouve que Z/6Z n’est pas un corps.
3.c On obtient facilement :

X 2 − X = (X − 0̇)(X − 1̇) = (X − 3̇)(X − 4̇).
4.a Notons H l’ensemble des xi pour i décrivant Z. H est clairement non vide (il contient 1), stable par produit
et par passage à l’inverse : c’est un sous-groupe de G. Sii ∈ N, on peut écrire la division euclidienne de i
q
par k : i = qk + r avec 0 ≤ r ≤ k − 1. On a donc xi = xk xi = xi , et donc {1, x, x2 , . . . , xk−1 } = H est un
sous-groupe de G.
H est de cardinal k (si xi = xj avec 0 ≤ i ≤ j ≤ k − 1, xj−i = 1 avec 0 ≤ j − i < k, donc i = j par minimalité
de k). Le théorème de Lagrange assure donc que k divise n.
4.b Comme p est premier, Z/pZ est un corps et ẋ est un élément non nul de ce corps. Il appartient donc au
∗
groupe mutiplicatif (Z/pZ) , qui est de cardinal p − 1. On en déduit que l’ordre de ẋ divise p − 1, i.e. que
p−1
(ẋ) = 1̇, soit encore xp−1 ≡ 1 mod p : p divise xp−1 − 1.
PARTIE II B
∗
1 Comme l’ordre d’un élément de (Z/)Z est un diviseur de n − 1, on obtient une partition :
[
(Z/nZ)∗ = {ȧ ∈ (Z/nZ)∗ , ordre(ȧ) = d}
d∈Dn−1
4
et donc X
n − 1 = Card (Z/nZ)∗ =

ζ(d).
d∈Dn−1
2.a Comme ȧ est d’ordre d, les éléments ȧi , pour i compris entre 0 et d − 1, sont deux à deux distincts ; ces
éléments étant d’autre part racines de X d − 1̇ qui est de degré d, ils constituent l’ensemble des racines de
X d − 1̇ (Z/nZ est un corps). On en déduit que X d − 1̇ est scindé sur Z/pZ, avec :
X d − 1̇ = (X − 1̇)(X − ȧ)(X − ȧ2 ) . . . (X − ȧd−1 ).
2.b Soit u le PGCD de k et d (u ≥ 2). On peut écrire k = uv et d = uw avec v, w entiers, w < d. On a alors :
w v
ȧk = ȧuvw = ȧd = 1̇
donc l’ordre de ȧk divise w, et est donc strictement inférieur à d.
2.c L’énoncé est mal posé : il y a un moment où l’on doit cesser de supposer que ȧ existe. Deux cas sont à
étudier :
• s’il existe un élément ȧ d’ordre d, les autres éléments d’ordre d sont nécessairement de la forme ḃ = ȧk
avec k ∈ [[1, d]] (d’après (a)) et vérifiant k ∧ d = 1 (d’après (b)). Il existe donc au plus φ(d) éléments
d’ordre d, soit ζ(d) ≤ φ(d) ;
• si un tel élément ȧ n’existe pas, ζ(d) = 0 ≤ φ(d).
Nous avons donc :

∀ d ∈ Dn−1 , ζ(d) ≤ φ(d)
et X X
ζ(d) = n − 1 = φ(d)
d∈Dn−1 d∈Dn−1
Ceci impose que l’on ait ζ(d) ≤ φ(d) pour tout diviseur d de n − 1.
En particulier, il existe un élément ḃ d’ordre n − 1 (ζ(n − 1) = φ(n − 1) ≥ 1 car 1 est premier avec n − 1) ;
∗
l’ensemble {1̇, ḃ, . . . , ḃn−2 } est donc de cardinal n − 1 : c’est le groupe (Z/nZ) tout entier, qui est donc
cyclique.
PARTIE II C
1 Supposons que bp−1 et (b + c)p−1 soient congrus à 1 modulo p2 . Alors :

p−1
X
p−1
(b + p)p−1 = pk bn−1−k ≡ bp−1 + (p − 1)pbp−2 mod p2
k
k=0
et donc (p − 1)pbp−2 est divisible par p2 : comme p est premier avec p − 1, ceci impose que p divise bp−2 :
c’est absurde.
2 Pour r = 0, nous avons cp−1 ≡ bp−1 ≡ 1 modulo p, donc il existe k0 ∈ Z tel que cp−1 = 1 + k0 p. Si k0 n’était
pas premier avec p, il serait divisible par p (p est premier) et cp−1 serait congru à 1 modulo p2 , ce qui n’est
pas le cas.
5
r
Soit r ≥ 0 et supposons qu’il existe un entier pr premier avec p tel que cp (p−1) = 1 + kr pr+1 . Nous avons
alors :
p p
p
r
pr+1 (p−1)
X
p (p−1)) r+1 p r+1
c = c = (1 + kr p ) = 1 + pkr p + kri pir+i
i
i=2

Pp p
Posons donc kr+1 = kr + i=2 kri p(i−1)r+i−2 .
i

p
• pour i = 2, kri p(i−1)r+i−2 = p p−1 2 r
2 kr p est multiple de p ;
i

p
• pour i ≥ 3, kri p(i−1)r+i−2 l’est encore car (i − 1)r + i − 2 ≥ i − 2 ≥ 1.
i
On en déduit que kr+1 est un entier congru à kr modulo p, donc premier avec p.
∗
3.a Notons a l’ordre de ċ dans (Z/nZ) . a divise l’ordre φ(n) = pα−1 (p − 1) de ce groupe. D’autre part, ca est
également congru à 1 modulo p, donc ba ≡ ca ≡ 1 mod p : on en déduit que l’ordre de ḃ dans (Z/pZ)∗ divise
a, c’est-à-dire que p − 1 divise a.
3.b Nous pouvons écrire a sous la forme pβ q avec 0 ≤ β et q premier avec p. Comme a divise pα−1 (p − 1), β est
inférieur ou égal à α − 1 et q divise p − 1. D’autre part, p − 1 divise pβ q et est premier avec p : le lemme
de Gauss assure donc que p − 1 divise q : ceci prouve donc que p − 1 = q, ce qui donne bien l’expression
cherchée.
β
3.c Comme cp (p−1) = 1 + kβ pβ+1 , nous en déduisons que kβ pβ+1 est congru à 0 modulo pα , ce qui impose
β + 1 ≥ α (car p ne divise pas kβ ). Ainsi, β = α − 1 et ċ est d’ordre φ(n) : c’est un générateur de (Z/nZ)∗ .
4 On peut choisir b = 3 (32 et 33 ne sont pas congrus à 1 modulo 7, donc ḃ est d’ordre 6 dans (Z/7Z)∗ ). Comme
36 n’est pas congru à 1 modulo 49, c = 3 convient : 3̇ est un générateur du groupe multiplicatif (Z/49Z)∗ .
PARTIE III
1.a Notons x la classe de a modulo p. Comme xp−1 = 1, x(p−1)/2 est racine du polynôme X 2 − 1 : ce polynôme
(sur le corps commutatif Z/pZ[X]) a pour seules racines 1 et −1, donc a(p−1)/2 est congru à 1 ou à p − 1
modulo p.
1.b Soit a un entier premier avec p et supposons qu’il n’existe pas d’entier r compris entre 0 et s − 1 tel que
r s−1
aq×2 soit congru à p − 1 modulo p. En particulier, a(p−1)/2 = aq×2 n’est pas congru à p − 1 modulo 1,
s−2
donc il est congru à 1 modulo p d’après le (a). Si s ≥ 2, on en déduit que aq×2 a un carré égal à 1 modulo
p et n’est pas congru à p − 1 modulo p : il est donc congru à 1 modulo p. Une récurrence immédiate permet
s−s
d’arriver à aq×2 congru à 1 modulo p : l’entier a vérifie donc Ha (p).
Ainsi, tout entier a premier avec p vérifie Ha .
2 Par contraposée : supposons que p est a-ppf. Si aq est égal à 1 modulo p, il existe un entier v tel que
aq + vp = 1 et a ∧ p = 1 par le théorème de Bézout. Sinon, il existe un entier r compris entre 0 et s − 1 et
r
un entier v tel que −aq×2 + v = 1, ce qui donne encore une relation de Bézout entre a et p : a ∧ p = 1.
3.a J’utilise ici le langage Maple. L’analyse est la suivante :
6
• on commence par calculer q et s ;
• on initialise une variable b à la valeur bq modulo p ;
• on initialise une variable booléenne bool, qui prend la valeur true si b vaut 1 ou p − 1 et false sinon.
• on initialise un compteur r à la valeur 1 (on a déjà testé le cas r = 0, et on va étudier ensuite la valeur
r = 1) ;
• tant que bool est faux et que r n’a pas atteint la valeur s, on remplace b par b2 et on donne à bool la
r
valeur true si b vaut p − 1, i.e. si l’on a trouvé un r tel que aq×2 soit congru à p − 1 modulo p ;
• à la fin de la boucle, la variable bool contient la réponse à la question posée : on termine en renvoyant

cette valeur.
ppf := proc(a,p)
local q,s,b,bool;
q := p-1;
s := 0;
while q mod 2=0 do
q := q/2;
s := s+1;
od;
b := a;
for i from 2 to q do
b := b*a mod p
od;
bool := (b=1)or(b=p-1);
r := 1;
while (not bool) and (r<s) do
b := b^2 mod p;
bool := (b = p-1)
r := r+1;
od;
bool;
end;
L’algorithme d’exponentiation rapide dont parle l’énoncé est le suivant :
exponentiation := proc(a,q,p)
local b;
if q=1 then
a mod p
elif q mod 2 = 0 then
b := exponentiation(a,q/2,p);
b*b mod p;
else
b := exponentiation(a,(q-1)/2,p);
a*(b*b mod p) mod p
fi;
end:
3.b L’algorithme donne les résultats :
7
p 49 91 111 121 135 1225
a 30 74 28 94 43 999
p est a-ppf oui oui non oui non oui
3.c En confondant un entier et sa classe modulo 561, nous avons :
500 = 1, 501 = 50, 502 = 256, 503 = 458, 504 = 460, 505 = 560
506 = 511, 507 = 305, 508 = 103, 509 = 101, 5010 = 1

donc l’ensemble proposé est le sous-groupe de (Z/561Z)∗ engendré par 50.
PARTIE IV A
1 On suppose que n = p1 × . . . × pk et que pi − 1 divise n − 1 pour tout i. Comme k ≥ 2 (condition évidemment

oubliée dans l’énoncé), n n’est pas premier. Soit ensuite a un nombre premier avec n. Pour chaque i, a étant
premier avec pi , on a api −1 ≡ 1 mod pi . Comme pi − 1 divise n − 1, on en déduit que b = an−1 − 1 est
divisible par pi . Comme les pi sont des entiers premiers distincts, b est divisible par leur produit : an−1 est
congru à 1 modulo n et n est un nombre de Carmichaël.
560 et 10585 sont des nombres de Carmichaël car 561 = 3 × 11 × 17 et 10585 = 5 × 29 × 73, avec 2, 10, 16
diviseurs de 560 et 4, 28, 72 diviseurs de 10584.
α−1
2.a Ce cardinal est φ(n) = 2α−1 . On en déduit que pour a impair, i.e. pour a premier avec n, a2 est congru
à 1 modulo n, ce qui donne dans Z/nZ :
α−1
+2α−1 −1 α−1 α−1 α−1
1̇ = ȧn−1 = ȧ2 = ȧ2 ȧ2 −1
= ȧ2 −1
On en déduit que l’ordre de ȧ divise à la fois 2α−1 et 2α−1 − 1 : il est donc égal à 1 et a ≡ 1 modulo n.
Comme ceci doit être vérifié pour tout entier a impair, ceci impose n = 2 : c’est absurde car n est non
premier. Nous avons donc montré qu’il n’existait pas de nombre de Carmichaël de la forme 2α .
2.b.(I) Comme pα α2 αk
1 , p2 , . . . , pk sont deux à deux premiers entre eux, la question I 4) (et une récurrence élémentaire)
1
prouve que l’application h : Sn → Spα1 1 × Spα2 2 . . . Spαk qui à un entier r associe la suite (r1 , r2 , . . . , rk ) où
k
ri est le reste de la division euclidienne de r par pα i , est bĳective. L’élément (ω, 1, 1, . . . , 1) admet donc un
i
antécédent t par h. Comme t est premier avec chaque pα i , il est également premier avec n, et donc t
i n−1
≡1
mod n, puisque n est un nombre de Carmichaël.
2.b.(II) On en déduit que tn−1 est congru à 1 modulo p1α1 (car pα

1 divise n), puis que ω
1 n−1
est également congru à
α1 α1 α1
1 modulo p1 (car t ≡ ω mod p1 ). L’ordre de ω dans Z/p1 Z divise donc n − 1, soit
p1α1 −1 (p1 − 1) = φ(pα

1 ) | n − 1.
1
En particulier, pα
1
1 −1
est un diviseur commun à n et à n − 1 : il est donc égal à 1, ce qui prouve que α1 = 1,
puis que p1 − 1 divise n − 1.
2.b.(III) Ainsi, p1 − 1 est un nombre pair (car p1 est impair) qui divise n − 1 : on en déduit que n est impair : tous
les pi sont impairs. Par symétrie, le résultat démontré avec p1 est valable pour tous les facteurs premiers
8
impairs de n, i.e. pour tous les pi : n s’écrit p1 p2 . . . pk où les pi sont des nombres premiers impairs tels que
pi − 1 divise n − 1 pour tout i.
Nous avons donc démontré le résultat annoncé :
Un entier naturel n est un nombre de Carmichaël si et seulement s’il s’écrit n = p1 p2 . . . pk avec k ≥ 2 et

p1 , . . . , pk nombres premiers tels que pi − 1 divise n − 1 pour tout i (cette condition imposant aux pi d’être
impairs).
3 Soit n un nombre de Carmichaël et supposons que n = p1 p2 avec p1 , p2 nombres premiers impairs tels que
p1 > p2 . Alors il existe un entier q tel que (p1 −1)q = p1 p2 −1. Comme p1 (q−p2 ) = q−1 ≥ 0, q ≥ p2 . En posant
q = p2 +r, nous obtenons (p1 −1)r = p2 −1. Si r était non nul, nous aurions p2 −1 = (p1 −1)r ≥ p1 −1 > p2 −1 :
absurde. Nous en déduisons que r = 0, puis que p2 = 1 : c’est encore absurde. Un nombre de Carmichaël est
donc produit d’au moins trois nombre premiers impairs distincts.
4 L’algorithme d’Euclide étendu donne une solution particulière :

85 = 5 × 16 + 5
n
16 = 3 × 5 + 1
puis 1 = 16 − 3 × 5 = 16 − 3 × (85 − 5 × 16) = 16 × 16 − 3 × 85. En posant p0 = −3 et k0 = −16, nous avons
ensuite :
∀ p, k ∈ Z, 85p − 16k = 1 ⇐⇒ 85(p − p0 ) = 16(k − k0 ) ⇐⇒ ∃q ∈ Z, k = k0 + 85q ∩ p = p0 + 16q
d’où les solutions :
S = {(−16 + 85q, −3 + 16q), q ∈ Z}
Nous allons cherché un nombre de Carmichaël de la forme n = 5 × 17 × p. Il faut donc trouver un nombre
premier p, distinct de 5 et 17 tel que 4, 16 et p − 1 divisent 85p − 1. Si un tel p existe, il doit exister k ∈ Z
tel que 85p − 16k = 1 : p est donc de la forme −3 + 16q avec q ∈ Z. Pour q = 1, nous obtenons p = 13 et on
vérifie facilement que 12 divise 5 × 13 × 17 − 1. L’entier 1105 est donc un nombre de Carmichaël multiple de
85, et c’est clairement le plus petit.
PARTIE IV B
1 Comme n n’est pas premier, ni de Carmichaël, il existe un entier naturel a premier avec n tel que an−1
n’est pas congru à 1 modulo n : les calculs se faisant modulo n, on peut supposer que a < n. En écrivant
n − 1 = q × 2s (avec s ≥ 0 et q impair) et en notant x la classe de a modulo n, nous avons :
s
• xq 6= 1 car sinon, xn−1 = (xq )2 = 1 ;
r 2s−r−1
• pour r tel que 0 ≤ r < s, xq×2 6= −1 car sinon, xn−1 = (xq × 2r )2

= 1.
Nous en déduisons que p est a-ppf.
2 Notons F l’ensemble des a ∈ [[1, n − 1]] tels que n soit a-ppf. La probabilité de déclarer n premier est donc
k
égale à Card(F ) ∗
n−1 . Si H désigne le sous-groupe multiplicatif de (Z/nZ) engendré par F , nous avons :
φ(n) n−1
Card(F ) ≤ Card(H) ≤ ≤
2 2
∗
puisque H est un sous-groupe strict et que son cardinal divise le cardinal φ(n) du groupe (Z/nZ) . La
1
probabilité de déclarer qu’un entier est premier alors qu’il ne l’est pas est donc majorée par k .
2
9
Page 98
Chapter 3
Réduction des endomorphismes et des matrices :
K désigne un sous-corps de , en pratique K = où K = R.
I.1 Sous-espaces stables ; éléments propres d’un endomorphisme,d’une matrice car-

rèe
E est un K espace vectoriel.
Définition 12
Soient A, B ∈ Mn (K).
On dit que A et sont semblable si, et seulement si ∃P ∈ GLn (K) telle que A = P BP −1 .
Remarque 14
1. La similitude des matrices est une relation d’èquivalence dans Mn (K).
2. L’ensemble {P AP −1 | P ∈ GLn (K)} des matrices semblables a la matrice A ∈ Mn (K) est appelèe
classe de similitude de A.
Proposition 9
Soient A, B ∈ Mn (K).
A et B sont semblables si, et seulement si A et B sont les matrices d’un même endomorphisme dans
deux bases de Mn1 (K)
.
Proposition 10
Deux matrices semblables de Mn (K) ont la même trace et le même dèterminant , on dit que la trace
et le dèterminant sont des invariants de similitude.
Définition 13
Si u ∈ L(E), un sous-espace vectoriel F de E est dit stable par u si u(F ) ⊂ F .

F → F
Dans ce cas, l’endomorphisme uF : est dit induit par u sur F .
x 7→ u(x)
99
Remarque 15
Si F = vect(e1 , , ep ) ,alors F est stable par u si, et seulement si

∀ i ∈ [[ 1, p ]], u(ei ) ∈ F = vect(e1 , . . . ep ).
Proposition 11
Soit u ∈ L(E)
1. Toute intersection de sous-espaces stables par u est un sous-espace stable par u.

2. Toute somme finie de sous-espaces stables par u est un sous-espace stable par u.
Proposition 12
Soit F ̸= {0} un sous-espace vectoriel de E et soit β une base adaptèe à F .

( est stable)par u si, et seulement si matβ f est triangulaire supèrieure par blocs du type matβ u =
F
A B
où p = dim F et A est la matrice de uF dans (e1 , . . . , ep ).
0n−p,p C
Remarque 16
( )
A B
det = det A det C.
0n−p,p C
Proposition 13
⊕
p
Soient E1 , . . . , Ep une famille de sous-espaces vectoriels de E tels que E = Ei . On note ni = dim Ei .
i=1
Soient u ∈ (E), B une base de E adaptèe à cette dècomposition.
Pour tout i, Ei est stable par u si, et seulement si MB (u) est diagonale par blocs pour le partage
(n1 , . . . , np ). Dans ce cas, on a :  
M1 0
MB (u) =  ... 
0 Mp
où Mi = MBi (uEi ) ∈ Mni (K).
Remarque 17
∏p
Sous les notations de la proposition prècèdente , on a alors det M = i=1 det Mi .
Exemple 1
1. E et {0} sont stables pour tout endomorphisme de E.
2. Une homothètie stabilise tous les sous-espaces vectoriels de E. La rèciproque est d’ailleurs vraie
(et constitue un exercice classique.)
3. ker f et Im f sont stables par f .
Page 100
( )
Définition 14 ‘elèments propres d’un endomorphisme
Soit E un K-espace vectoriel et u ∈ L(E).
• x{∈ E est appelé vecteur propre de u si x ̸= 0 et la droite vectorielle D = Kx est stable par u (ie
x ̸= 0E
: ).
∃λ ∈ K | u(x) = λx
• λ ∈ K est appelé valeur propre de u s’il existe un vecteur x non nul de E tel que u(x) = λx.
• Si λ est une valeur propre de u, on appelle sous-espace propre de u associé à λ, et on note Eλ (u)
le sous-espace vectoriel ker(u − λidE ) = {x ∈ E | u(x) = λx}.
• Le spectre de l’endomorphisme u est L’ensemble des valeurs propres de u il est notè SpK (u) .
Remarque 18
• Si x ̸= 0E et u(x) = λx, on dit que x est un vecteur propre associà à la valeur propre λ.
• Si λ est une valeur propre de u, Eλ (u) = {vecteurs propres associès à λ} ∪ {0E }
• Les vecteurs propres,les valeurs propres et le spectre d’un endomorphisme u sont appelès èlèments
propres de u.
Proposition 14
Soit u ∈ L(E) et F un sous-espace vectoriel de E stable par u.

On note uF l’endomorphisme induit par u sur F . Alors :
• Toute valeur propre de uF est valeur propre de u.
• Tout vecteur propre de uF est vecteur propre de u associè à la même valeur propre.
• Eλ (uF ) = F ∩ Eλ (u)
( )
Thèorème 7 Fondamental
Soient u, v ∈ L(E),si u ◦ v = v ◦ u alors :
1. ker u et Im u sont stables par v.
2. tout sous-espace propre de u est stable par v.
Page 101
Remarque 19
Soit λ ∈ Sp(u) alors Eλ (u) est stable par u et l’endomorphisme induit par u sur le sous espace propre
Eλ (u) est l’homothètie de rapport λ.
Proposition 15
Soit E un K-espace vectoriel et u ∈ L(E).

Alors toute somme finie de sous-espaces propres de u associès à des valeurs propres deux à deux distinctes
est directe.
Corollaire 4
Toute famille de vecteurs propres d’un endomorphisme associès à des valeurs propres deux à deux
distinctes est libre
Corollaire 5
Un endomorphisme d’un K-espace vectorielle de dimension finie n ∈ N∗ possède au plus n valeurs

propres distinctes (ie : le spectre d’un endomorphisme d’un espace de dimension finie n est fini et de
cardinal au plus n).
( )
Définition 15 ‘elèments propres d’une matrice carrèe
Soit M ∈ Mn (K) une matrice carrèe d’ordre n ∈ N∗ .

• On dit qu’un vecteurs X ∈ Mn1 (K) est un vecteur propre de la matrice M si X ̸= 0n1 et
AX = λX (èquation aux èlèments propres).
• λ ∈ K est appelé valeur propre de M s’il existe un vecteur X non nul de Mn1 (K) tel que
M X = λX.
• Si λ est une valeur propre de M , on appelle sous-espace propre de M associé à λ, et on note
Eλ (M ) le sous-espace vectoriel ker(M − λIn ) = {X ∈ Mn1 (K) | M X = λX}.
• Le spectre de la matrice M est L’ensemble des valeurs propres de M il est notè SpK (M ) .
Remarque 20
Soit M ∈ Mn (K). On note fM l’endomorphisme canoniquement associè à M alors :

X est un vecteur propre de M si, et seulement si X est un vecteur propre de fM .
λ ∈ K est une valeur propre de M si, et seulement si λ est une valeur propre de fM .
SpK (M ) = SpK (fM )
( ie : M et fM ont les même èlèments propres)
Proposition 16
Si L est un sous-corps de K et si M ∈ Mn (L), alors SpL (M ) ⊂ SpK (M )
Page 102
I.2 Polynôme caractèristique

Dans tout ce paragraphe E un K-espace vectoriel de dimension finie n ∈ N∗ .
Remarque 21
1. Soit u ∈ L(E), E un K-espace vectoriel de dimension finie.

Si λ ∈ K :
λ ∈ Sp(u) ⇐⇒ ∃x ∈ E, x ̸= 0E | u(x) = λx
⇐⇒ ∃x ∈ E, x ̸= 0E | (u − λ idE )(x) = 0E
⇐⇒ ker(u − λ idE ) ̸= {0E }
⇐⇒ u − λ idE non injectif
⇐⇒ u − λ idE non bijectif
⇐⇒ det(u − λ idE ) = 0
2. Soit A ∈ Mn (K), λ ∈ K.
A ∈ Sp(A) ⇐⇒ A − λIn ∈
/ GLn (K)
⇐⇒ rg(A − λIn ) < n
dim Eλ (A) = n − rg(A − λIn )
( )
Définition 16 Polynôme caractèristique d’un endomorphisme
Soit E un K-espace vectoriel de dimension finie et u ∈ (E)

On appelle polynôme caractèristique de u l’unique polynôme χu de K[X] définit par :
∀X ∈ K, χu (X) = det(X idE −u)
Exemple 2
Dèterminer les polynômes caractèristiques d’une homothètie , d’un projecteur et d’une symètrie de E
( )
Définition 17 Polynôme caractèristique d’une matrice
Soit A ∈ Mn (K).
On appelle polynôme caractéristique de A l’unique polynôme χA de K[X] définie par :
∀X ∈ K, χA (X) = det(XIn − A)
Remarque 22
Soit A ∈ Mn (K) , χA = χfA où fA est l’endomorphisme canoniquement associè à A
Page 103
Thèorème 8
1. Soit u ∈ (E) et χu son polynôme caractèristique. Alors deg χu = n et :
χu = X n − Tr(u)X n−1 + . . . + (−1)n det(u)
2. Si A ∈ Mn (K), alors :
χA = X n − Tr(A)X n−1 + . . . + (−1)n det(A)
Proposition 17
1. Soit u ∈ (E) et χu son polynôme caractèristique. Alors :
SpK (u) = {λ ∈ K | χu (λ) = 0}
2. Soit A ∈ Mn (K) .alors :

SpK (A) = {λ ∈ K | χA (λ) = 0}
(ie : les valeurs propres sont les racines du pôlynome caractéristique ).
Remarque 23
1. Si n = 2
χA = X 2 − Tr(A)X + det(A)
et
χu = X 2 − Tr(u)X + det(u)
.
2. Le
( spectre
) d’une matrice dèpend du corps de base par exemple en considèrant la matrice A =
0 −1
∈ M2 (K) ,SpC (A) = {i, −i} et SpR (A) = ∅.
1 0
3. A est inversible si et si 0 n’appartient pas au spectre de A.
Remarque 24
On retrouve que u possède au plus dim E valeurs propres.

Si E est un C-espace vectoriel de dimension finie ou un R-espace vectoriel de dimension impaire, tout
endomorphisme de E possède au moins une valeur propre.
Page 104
Proposition 18
∏
n
1. Soit u ∈ (E) tel que χu soit scindè sur K, c’est à dire χu (X) = (X − λi ). Alors :
i=1
∑
n
λi = Tr(u)
i=1
∏n
λi = det(u)
i=1
∏
n
2. Si A ∈ Mn (K) et χA scindè sur K, c’est à dire χA (X) = (X − λi ), alors :
i=1
∑
n
λi = Tr(A)
i=1
∏n
λi = det(A)
i=1
Proposition 19
Si A ∈ Mn (K) et P ∈ GLn (K), alors :

1. χtA = χA et Sp(tA) = Sp(A).
2. χP −1 AP = χA et Sp(P −1 AP ) = Sp(A).
3. ∀λ ∈ Sp(A), dim Eλ (P AP −1 ) = dim Eλ (A) et Eλ (P AP −1 ) = fP (Eλ (A))

4. Sp(P −1 ) = { λ1 | λ ∈ Sp(P )}.
Définition 18
1. Si u ∈ (E), on appelle ordre de multiplicitè d’une valeur propre λ de u, et on note mλ , son ordre
de multiplicitè en tant que racine de χu
2. Si A ∈ Mn (K), on appelle ordre de multiplicitè d’une valeur propre λ de A, et on note mλ , son
ordre de multiplicitè en tant que racine de χA .
Remarque 25
∏
Soit u ∈ (E) tel que χu soit scindè sur K, alors χu (X) = (X − λi )mλ en particulier ;
λ∈Sp(A)
∑
mλ × λ = Tr(u)
λ∈Sp(u)
∏
λmλ = det(u)
λ∈Sp(u)
On a les même rèsultats pour une matrice.
Page 105
Thèorème 9
Soit u ∈ (E), F un sous-espace vectoriel de E stable par u. On note v l’endomorphisme induit par u
sur F . Alors :
χv | χu
( )
Thèorème 10 ordre de multiplicitè et dimension des sev propre
1. Soit E un K-espace vectoriel de dimension finie, u ∈ (E).

Si λ est une valeur propre de u, alors Eλ (u) est stable par u et :
1 ⩽ dim Eλ (u) ⩽ mλ
2. A ∈ Mn (K) et λ ∈ Sp(A), alors :

1 ⩽ dim Eλ (A) ⩽ mλ
.
Remarque 26
si λ est une valeur propre simple (de multiplicité 1 ) alors : dim Eλ (A) = mλ = 1.
Proposition 20
Soient E un K-espace vectoriel de dimension finie, E1 , . . . , Ep une famille de sous-espaces vectoriel tels
⊕p
que E = Ei est une somme directe stable par u alors :
i=1
∏
p
χu = χEi
i=1
I.3 Endomorphismes et matrices carrèes diagonalisables

E désigne dans cette section un K-espace vectoriel de dimension finie.
Définition 19
Soit u ∈ L(E).
u est diagonalisable s’il existe une base de E dans laquelle la matrice de u est diagonale, c’est-à-dire
une base formée de vecteurs propres de u.
Page 106
Remarque 27
Si u posséde une unique valeur propre λ :
u diagonalisable ⇐⇒ ∃B = (e1 , . . . , en ) base de E | ∀i, u(ei ) = λei

 
λ 0
 .. 
⇐⇒ ∃B base de E | MB (u) =  . 
0 λ
⇐⇒ u = λ id
Corollaire 6
Tout endomorphisme de E possédant n = dim E valeurs propres distinctes est diagonalisable.
( )
Thèorème 11 CNS de diagonalisabilité
Soit u ∈ L(E).
⊕
u diagonalisable ⇐⇒ Eλ (u) = E
λ∈Sp(u)
∑
⇐⇒ dim Eλ (u) = dim E
λ∈Sp(u)
{
χu scindé sur K
⇐⇒
∀λ ∈ Sp(u), dim Eλ (u) = m(λ)
Remarque 28
Les valeurs propres simples n’influent pas sur la diagonalisabilité d’un endomorphisme, de plus si ∃λ ∈
Sp(u), dim Eλ (u) < mλ , u est non diagonalisable .
Soit u ∈ L(E).
Soient E1 , . . . , Ep tel que :E = E1 ⊕ . . . ⊕ Ep avec ∀i ∈ [[ 1, p ]], Ei stable par u, et u induit sur Ei est
une homothétie.
Alors u est diagonalisable.
Remarque 29
Soit u ∈ L(E) diagonalisable. Pour diagonaliser l’endomorphisme u, il suffit

⊕ d’exhiber une base propre
en considérant, par exemple, une base adaptée à la décomposition E = λ∈Sp(u) Eλ (u).
.
Soit n ∈ N∗ .
Définition 20
A ∈ Mn (K) est dite diagonalisable dans Mn (K) si l’endomorphisme canoniquement associé à A est
diagonalisable.
Page 107
Proposition 21
Soit A ∈ Mn (K).
A est diagonalisable dans Mn (K) si, et seulement si ∃P ∈ GLn (K) telle que P −1 AP = D est une
matrice diagonale (c’est-à-dire : A est semblable à une matrice diagonale ).
( )
Proposition 22 Condition suffisante de diagonalisabilité
Toute matrice de Mn (K) possédant n valeurs propres distinctes est diagonalisable.
( )
Proposition 23 CNS de diagonalisabilité
Soit A ∈ Mn (K).
∑
A diagonalisable ⇐⇒ dim Eλ (A) = n
λ∈SpK (A)
⇐⇒ χA scindé sur K et ∀λ ∈ SpK (A), dim Eλ (A) = m(λ)
Pratique de la diagonalisation :
En pratique, pour déterminer si A est diagonalisable, on détermine les valeurs propres de A (souvent en calculant
χA , si possible sous forme factorisée).
• Trouver λ tel que rg(A − λIn ) < n.
• Chercher λ ∈ K tel que le système AX = λX possède une solution non nulle.
On détermine pour chaque valeur propre λ la dimension de Eλ (A), puis on conclut en les sommant ou en vérifiant
que dim Eλ (A) = m(λ).
Pour déterminer P telle que P −1 AP soit diagonale, on concatène les bases des différents sous-espaces propres. La
matrice diagonalisée de A est la matrice dont les éléments diagonaux sont les valeurs propres de A, répétées selon
leurs multiplicités.
On forme une matrice de passage P diagonalisant A en prenant pour colonnes les vecteurs propres de A. La matrice
diagonale D obtenue a pour coefficients diagonaux les valeurs propres respectives des colonnes formant P .
Remarque 30
On établira par la suite que ”toute matrice symétrique est orthogonalement diagonalisable ” (Théorème
spectral).
I.4 Endomorphismes et matrices carrèes trigonalisables

Soit E un K espace vectoriel de dimension finie n ∈ N∗ .
Définition 21
u ∈ (E) est dit trigonalisable s’il existe B base de E dans laquelle la matrice de u soit triangulaire
supérieure . Une telle base est dite base de trigonalisation de l’endomorphisme u.
A ∈ Mn (K) est dite trigonalisable si l’endomorphisme qui lui est canoniquement associé est trigonalis-
able, ou encore si il existe P ∈ GLn (K) telle que P −1 AP = T soit triangulaire supérieure.
Page 108
Remarque 31
1. u diagonalisable =⇒ u trigonalisable.
2. Le premier vecteur d’une base de trigonalisation est un vecteur propre de l’endomorphisme.
3. Mat(e1 ,...,en ) (u) triangulaire supérieure ⇐⇒ Mat(en ,...,e1 ) (u) triangulaire inférieure
4. On a l’équivalence suivante :
u est trigonalisable dans la base (e1 , . . . , en ) ⇐⇒ ∀i ∈ [1, n] , u(ei ) ∈ vect{e1 , . . . , ei }

⇐⇒ ∀i ∈ [1, n] , vect{e1 , . . . , ei } stable par u
∑
5. Si dim Eλ (u) = dim E − 1, alors u est trigonalisable.
λ∈Sp(u)
( )
Thèorème 12 Fondamental : cns de trigonalisabilité
Soit E un K-espace vectoriel de dimension finie et u ∈ (E).

u trigonalisable ⇐⇒ χu scindé dans K [X]. Ce qui est toujours le cas si K = C
Corollaire 7
Soit A ∈ Mn (K) . u trigonalisable ⇐⇒ χA scindé sur K [X]. Ce qui est toujours le cas si K = C.
Méthode pour trigonalisation une matrice A donnée :
Soit A ∈ Mn (K) telle que χA soit scindé dans K[X].
Pour trigonaliser A, on détermine λ1 valeur propre de A et e1 vecteur propre associé. Le vecteur

 e1 définit la pre-

1 ∗ ... ∗
 0 
 
mière colonne d’une matrice de passage Qque l’on construit inversible. On a alors : Q−1 AQ =  0 A ′ .
 
..
.
,χA′ divise χA d’où χA′ est scindé dans K[X] alors , A′ est trigonalisable
 à l’aide
 d’une matrice de passage P ′
1 ∗ ... ∗
 0 
 
telle que :P ′−1 A′ P ′ = T ′ triangulaire supérieure , on pose P =  0 P ′  . et on a : P −1 Q−1 AQP =
 
..
.
 
1 ∗ ... ∗
 0 
 
 0 T ′  . triangulaire supérieure , ainsi R = QP trigonalise la matrice A.
 
..
.
Définition 22
Soit u ∈ L(E).
f est dit nilpotant si il existe p ∈ N ∗ tel que :
up = 0̃
Le plus petit p vérifiant cette identité est appelé indice de nilpotence de u. On a la même définition
pour les matrices nilpotentes .
Page 109
Exemple 3
( )
1 1
1. La matrice A = . est une matrice nilpotente d’indice 2.
−1 −1
2. Toute matrice triangulaire stricte est nilpotente.
Proposition 24
u ∈ L(E), alors les assertions suivantes sont équivalentes :

1. u est nilpotent
2. u est trigonalisable et Sp(u) = {0}
3. ∃ B base de E tel que : matB (u) soit une matrice triangulaire supérieur stricte , c’est à dire
triangulaire avec tous ces termes diagonaux nuls.
4. χu = X n est nilpotent
I.5 Polynômes d’un endomorphisme, d’une matrice carrée

Soient E un K-ev où K est un sous-corps de .
( )
Définition 23 Polynômes d’un endomorphisme et de matrice
1. Soit u ∈ L(E)
∑n , on pose u = IdE et ∀k ∈ N, .u
0 k+1
= uk ◦ u .
Soit P = k=0 ak X k ∈ K [X] On définit le polynôme d’endomorphisme P (u) ∈ L(E) par :
∑
n
P (u) = ak uk .
k=0
∑n
2. Soient A ∈ Mn (K) ( n ∈ N∗ ) et P = k=0 ak X k ∈ K [X] .
On définit le polynôme de la matrice P (A) ∈ Mn (K) par :
∑
n
P (A) = a k Ak .
k=0
Exemple 4
∑n
Si P = k=0 ak X k ∈ K [X] et D = diag(λ1 , . . . , λn ) ∈ Mn (K) une matrice diagonale, alors P (D) =
diag(P (λ1 ), . . . , P (λn )).
On peut généraliser le résultat précédent comme suit :
Soit A ∈ Mn (K) une matrice diagonalisable alors , ∀P ∈ K[X], P (A) est diagonalisable au moyen de la
même matrice de passage car :
∃Q ∈ GLn (K); Q−1 AQ = D = diag(λ1 , . . . , λn ) matrice diagonale , d’où
Q−1 P (A)Q = P (D) = diag(P ((λ1 ), . . . , P (λn )) matrice diagonale .
Page 110
Proposition 25
(K[X], +, ., ×) → (L(E), +, ., ◦)
Soit u ∈ L(E) , Soit Φu : { ., alors :
P 7→ P (u)
1. Φu est un morphisme d’algèbre .
2. ker(Φu ) = {P ∈ K[X]; P (u) = 0L(E) } est un idéal de K[X] appelé idéal des polynômes annulateurs
de u.
3. Im(Φu ) est une sous-algèbre commutative de (L(E), +, ., ◦) , qu’on notera K[u] et qu’on appellera
sous-algèbre engendrée par u,en particulier
K[u] = {P (u); P ∈ K[X]} = Vect{uk ; k ∈ N}
Proposition 26
(K[X], +, ., ×) → (Mn (K), +, ., ×)

Soit A ∈ Mn (K) , Soit ΦA : { ., alors :
P 7→ P (A)
1. ΦA est un morphisme d’algèbre .
2. ker(ΦA ) = {P ∈ K[X]; P (A) = 0n } est un idéal de K[X] appelé idéal des polynômes annulateurs
de A.
3. Im(ΦA ) est une sous-algèbre commutative de (Mn (K), +, ., ×) , qu’on notera K[A] et qu’on ap-
pellera sous-algèbre engendrée par A , en particulier
K[A] = {P (A); P ∈ K[X]} = Vect{Ak ; k ∈ N}
( )
Proposition 27 Définition du polynôme minimal πu
Soit u ∈ L(E) .
Si ker(Φu ) ̸= {0} (ie : ∃P ∈ K[X] − {0}; P (u) = 0 ) , alors il existe un unique polynôme unitaire noté :
πu tel que : ker(Φu ) = πu K[X] = (πu ) , de plus : πu est appelé polynôme minimal de u .
( Le polynôme minimal de u est l’unique générateur unitaire de l’idéal des polynômes annulateurs de u
.)
Thèorème 13
Si dim E est finie et u ∈ L(E), alors πu existe

(ie : il existe au moins un polynôme non nul annulateur de u ).
Tout endomorphisme en dimension finie admet un polynôme minimal .
Proposition 28
Soit A ∈ Mn (K) .
Alors il existe un unique polynôme unitaire noté : πA tel que : ker(ΦA ) = πA K[X] = (πA ) , de plus :
πA est appelé polynôme minimal de la matrice A .
Page 111
( )
Remarque 32 Technique
1. Sous réserve d’existence πu est l’unique polynôme unitaire P de K[X] tel que :
P (u) = 0
{ .
∀Q ∈ K[X] Q(u) = 0 ⇒ P |Q
2. Soient u ∈ L(E) et P, Q ∈ K[X].

ker P (u) ⊂ ker Q(u)
P |Q ⇒ { .
Im(Q(u)) ⊂ Im(P (u))
3. Soient u, v ∈ L(E).
Si u ◦ v = v ◦ u alors : ∀P, Q ∈ K[X] P (u) ◦ Q(v) = Q(v) ◦ P (u).
On a les mêmes résultats pour les matrices .
Thèorème 14
1. Soit u ∈ L(E).
Si πu existe et d = deg(πu ) alors (id, , ud−1 ) est une base de K[u] et dim(K[u]) = d.
Sinon K[u] est de dimension infinie , deux polynômes en u sont égaux si et seulement s’ils ont
mêmes coefficients.
2. Soient A ∈ Mn (K) et d = deg(πA ) , alors : (In , , Ad−1 ) est une base de K[A] et dim(K[A]) = d.
Proposition 29
1. Si F est un sev stable par u et si u admet un polynôme minimal, alors uF aussi et πuF |πu .
2. Soit A ∈ Mn (K) et P ∈ GLn (K) alors :
πA = πt A = πP AP −1
Thèorème 15
Soit u ∈ L(E) alors :

1. Soient λ ∈ K et P ∈ K[X]. Si λ ∈ Sp(u) alors P (λ) ∈ Sp (P (u)).
2. Si P est un polynôme annulateur de u alors : ∀λ ∈ Sp(u), P (λ) = 0

(ie : Sp(u) ⊂ ensemble des racines de P ).
3. En particulier Si πu existe alors les valeurs propres de u sont des racines du polynôme minimal
de u , en particulier le spectre de u est fini.
( )
Thèorème 16 Le théorème de Cayley-Hamilton
Soient E un K-ev de dimension finie et u ∈ L(E) (resp. A ∈ Mn (K)). Soit χu le polynôme caractéris-
tique de u (resp. χA celui de A), alors :
χu (u) = 0L(E) (resp. χA (A) = 0n ) (ie : πu |χu (resp . πA |χA ) ).
Page 112
( )
Remarque 33 Matrice compagne d’un polynôme
∑n−1
Soit P (X) = X n − k=0 ak X k un polynôme unitaire de degrés n ∈ N∗ . la matrice
 
0 0 a0
 1 0 ··· a1 
 
CP =  . . . 
 .. .. .. 
0 ··· 1 an−1
est dite matrice campagne de P , car χCP (X) = P (X) en particulier : λ est une racine de P si, et
seulement si λ est une valeur propre de CP .
Corollaire 8
Soient E un K-ev de dimension finie et u ∈ L(E) (resp. A ∈ Mn (K)) , alors :

Sp(u) = {λ ∈ K; πu (λ) = 0} (resp.Sp(A) = {λ ∈ K; πA (λ) = 0} ).
( )
Thèorème 17 théorème de décomposition des noyaux ou lemme des noyaux
Soit u ∈ L(E) .
1. Soit P, Q ∈ K[X] tels que P ∧ Q = 1. Soit u ∈ L(E). Alors :
Ker ((P Q) (u)) = Ker (P (u)) ⊕ Ker (Q (u))
2. Si P1 , . . . , Pk sont k polynômes deux à deux premiers entre eux, alors :

[( k ) ]
∏ ⊕ k
Ker Pi (u) = Ker (Pi (u))
i=1 i=1
3. Si P un polynôme annulateur de u (par exemple le polynôme minimal πu ) et si P se décompose

∏k ⊕k
en P = i=1 Pi , avec ∀i, j ∈ [1, k] , i ̸= j, Pi ∧ Pj = 1, alors E = i=1 Ker (Pi (u)).
4. On a les même résultats pour une matrice ( Il suffit de passer par l’endomorphisme canoniquement
associée ).
( )
Remarque 34 Généralisation hors programme
Soient P, QK[X], D = P ∧ Q et M = P ∨ Q.
On a : ker P (f ) + ker Q(f ) = ker M (f ), Im P (f ) + Im Q(f ) = Im D(f ),

ker P (f ) ∩ ker Q(f ) = ker D(f ), Im P (f ) ∩ Im Q(f ) = Im M (f ).
Page 113
Exemple 5
1. Soit p est un projecteur de E puisque X 2 − X = X(X − 1) est un polynôme annulateur de p et

X ∧ (X⊕− 1) = 1,alors d’après le lemme des noyaux :
ker(p) ker(p − IdE ) = E. ⊕
De même si s est une symétrie de E alors : ker(s + IdE ) ker(s − IdE ) = E.
2. Soit u ∈ L(E) un endomorphisme du K-ev de dimension finie E telle que

∏
: χu (X) = (X − λi )mλ .
λ∈Sp(u)
⊕
d’après le lemme des noyaux ker χu (u) = λ∈Sp(u) (ker(u − λIdE )mλ et d’après le théorème de
Cayley-Hamilton
⊕ χu (u) = 0L(E) d’où :
E = λ∈Sp(u) ker(u − λIdE )mλ somme directe stable par u , de plus
ker(u − λIdE )mλ est appelé sous-espace caractéristique associé à la valeur propre λ .
I.6 Application à la rèduction de la notion de polynôme annulateur

( )
Thèorème 18 Décomposition spectrale d’un endomorphisme diagonalisable
Soient E un K-ev de dimension fini n ∈ N∗ et u ∈ L(E) un endomorphisme diagonalisable tel que :

λ1 , , λq sont les valeurs propres
⊕q de u sans répétition et (p1 , . . . , pq ) la famille de projecteurs associée à
la somme directe : E = i=1 Eλi (u).alors :
∑q
1. u = i=1 λi pi .
∑q
2. ∀k ∈ N∗ , uk = i=1 λi k pi .
∑q
3. ∀A ∈ K[X], A(u) = i=1 A(λi )pi .
4. ∀i ∈ [[ 1, q ]], pi = Li (u) ∈ K[u] , avec (L1 , L2 , . . . , Lq ) est la famille de polynômes d’interpolation
de Lagrange associée à (λ1 , λ2 , . . . , λq ).
5. (p1 , . . . , pq ) est appellée famille de projecteurs spectraux associés à u.
Page 114
( )
Proposition 30 Décomposition spectrale d’une matrice diagonalisable
Soit A ∈ Mn (K) une matrice diagonalisable et notons (λ1 , λ2 , . . . , λq ) ses valeurs propres distinctes et
P ∈ GLn (K) tel que : 
λ1 In1
 λ 2 I n2 
  −1
A=P 
P .

 
λq I nq
Alors :
 
On1
 
∑q   −1
1. A = i=1 λi P   I ni P .

 
0nq
Décomposition spectrale de A
 
On1
 
∑q   −1
2. A = i=1 λi Ai où Ai = P 
 Ini P

 
0nq
∑q
3. ∀k ∈ N∗ , Ak = λ i k Ai .
i=1
∑q
4. ∀ϕ ∈ K[X], ϕ(A) = i=1 ϕ(λi )Ai .
5. ∀i ∈ [[ 1, q ]], Ai = Li (A) ∈ K[A] , avec (L1 , L2 , . . . , Lq ) est la famille de polynômes d’interpolation

de Lagrange associée à (λ1 , λ2 , . . . , λq ).
( )
Thèorème 19 Caractérisations de la diagonalisabilité et de la trigonalisabilité
Soit E un K-ev de dimension finie non nulle et u ∈ L(E). Il y a équivalence entre les assertions suivantes
:
1. u est diagonalisable
2. (u − λ1 id)(u − λp id) = 0 où λ1 , , λp sont les valeurs propres de u sans répétition
3. il existe P ∈ K[X]{0} scindé à racines simples tel que P (u) = 0

4. πu est scindé à racines simples
∏
Dans ce cas : πu (X) = λ∈Sp(u) (X − λ).
Il y a équivalence entre les assertions suivantes :

1. u est trigonalisable
2. il existe P ∈ K[X]{0} scindé tel que P (u) = 0
3. πu est scindé.
On a les même résultats pour une matrice.
Page 115
Proposition 31
Soit E un K-ev de dimension finie non nulle et u ∈ L(E).

u un endomorphisme diagonalisable (resp. trigonalisable) et F un sev non nul stable par u. Alors uF
est diagonalisable (resp. trigonalisable).
Dans le cas diagonalisable, un sous-espace de E est stable par u si et seulement s’il est engendré par
une famille finie de vecteurs propres.
( )
Thèorème 20 Trigonalisation forte
soit E un ev de dimension finie non nulle, u ∈ L(E) trigonalisable, λ1 , , λp les valeurs propres de u de
multiplicitésm1 , , mp . Alorsil existe une base B dans laquelle la matrice de u est diagonale par blocs :
T1
 T2 
MatB (u) =  
 où Ti est une matrice triangulaire supérieure de taille mi ayant λi pour

Tp
unique valeur propre : Ti = λi Imi + Ni avec Nimi = 0.
( )
Exemple 6 Une trigonalisation plus commode
Reprenant l’exemple de la trigonalisation de la matrice

 
1 4 −2
A =  0 6 −3  .
−1 4 0
Nous avons établit que χA (X) = (X − 3)(X − 2)2 , on appliquant le lemme des noyaux et le théorème
de Cayley-Hamilton à l’endomorphisme
⊕ canoniquement associé à A on a
M3,1 (R) = ker(A − 3I3 ) ker(A − 2I3 )2 et puisque ,
dim ker(A − 2I3 )2 = 2 et dim ker(A − 2I3 ) = 1 alors ,
il existe u2 ∈ ker(A − 2I3 )2 − ker(A − 2I3 ),
de plus ((A − 2I3 )u2 , u2 ) est une base de ker(A − 2I3 )2 (elle est libre !!).
 
1
Or (u1 ) avec u1 =  1  est une base de ker(A − 3I3 ) d’où : B = u1 , (A − 2I3 )u2 , u2 ) est une base de
1
 
3 0 0
M3,1 (R) telle que : MatB (fA ) = 0 2 1 .si P est la matrice de passage de la base canonique à la
0 0 2
base B , D = P diag(3, 2, 2)P −1 matrice diagonalisable et
N = A − D matrice nilpotente d’indice 2 alors , A = D + N avec N D = DN
cette décomposition est dite Décomposition de Dunford de A , ∑1
elle est très utile pour calculer An avec n ∈ N à l’aide de la formule du binôme (An = k=0 Ckn N k Dn−k
).
I.7 classes de similitudes pour les matrices complexe ordre ≤ 3 .

Ici on a choisi de raisonner sur les dimensions des sous espaces propres , on pourra raisonner sur
le polynôme minimal de u.
Si E est de dimension 1
Tout endomorphisme de E est une homothétie.
Page 116
Soit u ∈ (E) telle que χu soit scindé sur K.
χu (X) = (X − λ)(X − µ)
Si λ ̸= µ : u est diagonalisable car possède 2 valeurs propres distinctes et ∃B base de E telle que :
( )
λ 0
MB (u) =
0 µ
Si λ = µ ,(πu (X) = (X − λ)(X − µ) ): Sp(u) = {λ}, m(λ) = 2 donc 1 ⩽ dim Eλ (u) ⩽ 2.
Si dim Eλ (u) = 2 , (πu (X) = (X − λ) ): u = λ idE donc ∀B base de E :

( )
λ 0
MB (u) =
0 λ
= (X − λ)2 ): Soit (e1 ) base de Eλ (u) que l’on complète en (e1 , e2 ) base de E.
Si dim Eλ (u) = 1 , (π(u (X) )
λ a
On a alors M(e1 ,e2 ) (u) = avec a ̸= 0.
0 b
χu (X) = (λ − X)(b − X) donc b = λ. De plus, ae1 ∈ Eλ . On pose donc B = (ae1 , e2 ) et on a :
( )
λ 1
MB (u) =
0 λ
Soit u ∈ (E) telle que χu soit scindé sur K.
Si χu possède 3 racines distinctes λ, µ, ν : u est diagonalisable car possède 3 valeurs propres distinctes et ∃B
base de E telle que :
 
λ 0 0
MB (u) =  0 µ 0
0 0 ν
Si χu possède 2 racines distinctes λ, µ : On peut supposer m(λ) = 1 et m(µ) = 2.

On a donc dim Eλ (u) = 1 et dim Eµ (u) ∈ {1, 2}.
Si dim Eµ (u) = 2 : u est diagonalisable donc ∃B base de E telle que :

 
λ 0 0
MB (u) =  0 µ 0
0 0 µ
Si dim Eµ (u) = 1 : Soient (e1 ) base de Eλ (u), (e2 ) base de Eµ (u), et (e1 , e2 , e3 ) base de E. On a alors
λ 0 a
M(e1 ,e2 ,e3 ) =  0 µ b .
0 0 c
χu (X) = (λ − X)(µ − X)2 = (λ − X)(µ − X)(c − X) donc c = µ.
dim Eµ (u) = 1
= 3 − rg(u  − µ idE ) 
λ−µ 0 a
= 3 − rg  0 0 b
0 0 0  
λ 0 a
Donc b ̸= 0, donc (e1 , be2 , e3 ) est une base de E et M(e1 ,be2 ,e3 ) (u) =  0 µ 1 .
0 0 µ
On pose (e′1 , e′2 , e′3 ) = (e1 , be2 , e3 ). On cherche t | u(e′3 + te′1 ) = µ(e′3 + te′1 ) + e′2 .
Page 117
      
λ 0
a t t 0
0 a
1 0 = µ 0 + 1 =⇒ t =
µ
µ−λ
0 0
µ (1 1 0 )
a
On pose B = e1 , be2 , e3 + e1 et on a :
µ−λ
 
λ 0 0
MB (u) =  0 µ 1
0 0 µ
Si χu possède une racine triple λ : On a χu (X) = (λ − X)3 .
Si dim Eλ (u) = 3 : u = λ idE donc ∀b base de E :

 
λ 0 0
MB (u) =  0 λ 0
0 0 λ
Si dim Eλ (u) = 2: Soient

 (e1 , e2 ) base de Eλ (u) et (e1 , e2 , e3 ) base de E.
λ 0 a
On a M(e1 ,e2 ,e3 ) =  0 λ b  avec (a, b) ̸= (0, 0).
0 0 λ
• Si a ̸= 0, on pose B = (e2 , ae1 + be2 , e3 ).

• Si b ̸= 0, on pose B = (e1 , ae1 + be2 , e3 )
Dans tous les cas, on a :  
λ 0 0
MB (u) =  0 λ 1
0 0 λ
Si dim Eλ (u) = 1 : (λ idE −u)3 = 0(E) donc u − λ idE est nilpotent.

 
0 1 0
Or (λ idE −u)2 ̸= 0(E) donc ∃B base de E telle que MB (u − λ idE ) = 0 0 1, donc :
0 0 0
 
λ 1 0
MB (u) =  0 λ 1
0 0 λ
( )
Thèorème 21 Les classe de similitude dans le cas χu scindé : hors programme
Soit E un K-espace vectoriel de dimension 3 et u ∈ (E) telle que χu soit scindé sur K.
Alors il existe B une base de E telle que :
     
 λ 0 0 λ 0 0 λ 1 0 
MB (u) ∈  0 µ 0 ,  0 µ 1  ,  0 λ 1
 
0 0 ν 0 0 µ 0 0 λ
Page 118
Remarque 35
Pour répondre aux questions de type A et B sont elles semblables , que faire ?
• Ces matrices doivent avoir le même rang, la même trace, le mime déterminant, le même polynôme
caractéristique , des espaces propres de même dimension et le même polynôme minimal.
Ces dernières conditions sont nécessaires ( mais pas suffisantes. )
• On peut montrer qu’il s’agit des matrices d’un endomorphisme de Rn dans des bases différentes.
On raisonne alors par analyse et synthèse, en disant que A est la matrice dans la base canonique
et on cherche une base dans laquelle la matrice de f serait B.
• Utiliser les théorème de réduction : A et B sont-elles semblables à la même matrice diagonale(ou
triangulaire) ?
• En petite dimension A et B doivent être dans la même classe de similitude.

• On peut chercher les matrices P tel que AP = P B puis parmi celles-ci, voir s’il y en a des
inversibles. Cette méthode est souvent longue et fastidieuse et en général n’aboutit pas.

Exercice 51
E = C 0 (R, R). Pour f élément de E, ϕ(f ) est l’application définie par :

∫x
∀x ∈ R∗ , (ϕ(f ))(x) = x1 0 f (t) dt si x ̸= 0 et (ϕ(f ))(0) = f (0).
1. Montrer que ϕ est un endomorphisme de E.

2. Etudier l’injectivité et la surjectivité de ϕ.
3. Déterminer les éléments propres de ϕ.
Solutions :
1. Soit f ∈ C 0 (R, R). Soit F une primitive de f sur R. Pour tout x ∈ R∗ , on a (ϕ(f ))(x) = F (x)−F (0)
x−0 .
F est continue sur R donc ϕ(f ) est continue sur R∗ . De plus, F étant dérivable en 0
F (x) − F (0)
lim (ϕ(f ))(x) = lim = F ′ (0) = f (0) = (ϕ(f ))(0).
x→0 x→0 x−0
x̸=0 x̸=0
Finalement ϕ(f ) est continue sur R. Ainsi, ϕ est une application de E dans E. La linéarité de ϕ est claire et
finalement
ϕ ∈ L(C 0 (R, R)).

∫x
2. Si f est dans Ker(ϕ) alors f (0) = 0 et pour tout x non nul, 0 f (t) dt = 0. Par dérivation on obtient ∀x ∈ R∗ ,
f (x) = 0 ce qui reste vrai pour x = 0 et donc f = 0. Finalement Ker(ϕ) = {0} et ϕ est injective.
ϕ n’est pas surjective car pour toute f ∈ E, ϕ(f ) est de classe C 1 sur R∗ . Mais alors par exemple, l’application
g : x 7→ |x − 1| est dans E mais n’est pas dans Im(ϕ).
ϕ est injective et n’est pas surjective.
Page 119
3. On cherche λ ∈ R et f continue sur R et non nulle telle que ∀x ∈ R, (ϕ(f ))(x) = λf (x). D’après la question
précédente, 0 n’est pas valeur propre de ϕ et donc nécessairement λ ̸= 0.
Pour x = 0, nécessairement f (0) = λf (0) et donc ou bien λ = 1 ou bien f (0) = 0.
∫x
On doit avoir pour tout x ∈ R∗ , f (x) = λx 1
f (t) dt. f est nécessairement dérivable sur R∗ . Pour tout
∫ x
0
x ∈ R , on a 0 f (t) dt = λxf (x) et par dérivation, on obtient pour x ∈ R∗ ,
∗
f (x) = λ(xf ′ (x) + f (x)).
Soit I l’un des deux intervalles ] − ∞, 0[ ou ]0, +∞[.
λ−1
∀x ∈ I, f (x) = λ(xf ′ (x) + f (x)) ⇒ ∀x ∈ I, f ′ (x) + f (x) = 0
λx
(λ−1) ln |x| λ − 1 (λ−1) ln |x|
⇒ ∀x ∈ I, e λ f ′ (x) + e λ f (x) = 0
λx
( λ−1 )′
⇒ ∀x ∈ I, |x| λ f (x) = 0
λ−1 1−λ
⇒ ∃K ∈ R/ ∀x ∈ I, |x| λ f (x) = K ⇒ ∃K ∈ R/ ∀x ∈ I, f (x) = K|x| λ .
1−λ 1−λ
1er cas. Si λ ∈] − ∞, 0[∪]1, +∞[ alors 1−λλ < 0 et donc limx→0 |x|
λ = +∞. La fonction x 7→ K|x| λ
ne peut donc être la restriction à I d’une fonction continue sur R que dans le cas K = 0. Ceci fournit
f/]−∞,0[ = 0, f/]0,+∞[ = 0 et f (0) = 0 par continuité en 0. Dons f est nécessairement nulle et λ n’est pas
valeur propre de ϕ dans ce cas.
2ème cas. Si λ = 1, les restriction de f à ] − ∞, 0[ ou ]0, +∞[ sont constantes et donc, par continuité de f
en 0, f est constante sur R. Réciproquement, les fonctions constantes f vérifient bien ϕ(f ) = f . Ainsi, 1 est
valeur propre de f et le sous-espace propre associé est constitué des fonctions constantes.
{
K1 x λ −1 si x ≥ 0
1
3ème cas. Si λ ∈]0, 1[, nécessairement ∃(K1 , K2 ) ∈ R2 / ∀x ∈ R, f (x) = . f ainsi

K2 (−x) λ −1 si x < 0
1
définie est bien continue sur R. Calculons alors ϕ(f ).

(ϕ(f ))(0) = f (0) = 0 puis si x > 0,
∫x
= λK1 x λ −1 = λf (x)
1−λ 1 1
1 λK1 λ
(ϕ(f ))(x) = x 0
K1 t λ dt = x x
et de même si x < 0. Enfin, (ϕ(f ))(0) = 0 = λf (0). Finalement ϕ(f ) = λf . λ est donc valeur propre de ϕ
(K1 = K2 = 1 fournit une fonction non nulle) et le sous-espace
{ 1 −1 propre associé à λ est{ de dimension 2. Une
x λ si x ≥ 0 0 si x ≥ 0
base de ce sous-espace est (f1 , f2 ) où ∀x ∈ R, f1 (x) = et f2 (x) = .
(−x) λ −1 si x < 0
1
0 si x < 0
Finalement
Sp(ϕ) =]0, 1].
Exercice 52
 
3 1 0
Soit A =  −4 −1 0 .
4 8 −2
1. Vérifier que A n’est pas diagonalisable.

2. Calculer πA .
3. Déterminer Ker(A − I)2 .

 
a 0 0
4. Montrer que A est semblable à une matrice de la forme  0 b c 
0 0 b
5. Calculer An pour n entier naturel donné.
Page 120
Solutions :
1. χA = (2 + X)((3 − X)(−1 − X) + 4) = (X + 2)(X 2 − 2X + 1) = (X + 2)(X − 1)2 .

A diagonalisable ⇒ dim(Ker(A − I))
 =2 ⇒ rg(A − I) = 1 ce qui n’est
 pas .Donc A n’est pas diagonalisable.
0 1
De plus, E−2 = Vect(e1 ) où e1 =  0  et E1 = Vect(e2 ) où e2 =  −2 .
1 −4
2. πA |χA ( d’après Cayley-Hamilton ), 1 et −2 sont des racines πA de de plus A n’est pas diagonalisable alors
πA n’est pas a racine simples donc : πA = (X + 2)(X − 1)2 = χA .
    
2 1 0 2 1 0 0 0 0
3. (A − I)2 =  −4 −2 0   −4 −2 0  =  0 0 0  et donc Ker(A − I)2 est le plan
4 8 −3 4 8 −3 −36 −36 9
d’équation 4x + 4y − z = 0.
4. On note f l’endomorphisme de R3 dont la matrice dans la base canonique de R3 est A. Le théorème de
Cayley-Hamilton et le théorème de décomposition des noyaux permettent d’affirmer
M3,1 (R) = Ker(A + 2I) ⊕ Ker(A − I)2 .
De plus, chacun des sous-espaces Ker(A + 2I) et Ker(A − I)2 étant stables par f , la matrice de f dans toute
base adaptée à cette décomposition est diagonale par blocs. Enfin, Ker(A − I) est une droite vectorielle
contenue dans le plan Ker(A − I)2 et en choisissant une base de Ker(A − I)2 dont l’un des deux vecteurs est
dans Ker(A − I), la matrice de f aura la forme voulue.
       
0 1 1 0 1 1
On a déjà choisi e1 =  0  et e2 =  −2  puis on prend e3 =  −1 . On note P =  0 −2 −1 .
1 −4 0 1 −4 0
 
−4 −4 1
P est inversible d’inverse P −1 =  −1 −1 0 . On peut déjà affirmer que P −1 AP est de la forme
  2 1 0
−2 0 0
 0 1 × . Plus précisément
0 0 1
      
3 1 0 1 1 1
Ae3 − e3 =  −4 −1 0   −1  −  −1  =  −2  = e2
4 8 −2 0 0 −4
et donc Ae3 = e2 + e3 puis

     
0 1 1 −4 −4 1 −2 0 0
A = P T P −1 où P =  0 −2 −1 , P −1 =  −1 −1 0  et T =  0 1 1 .
1 −4 0 2 1 0 0 0 1
5. Soit n ∈. Posons T = D + N où D = diag(−2, 1, 1) et N = E2,3 . On a N D = DN et N 2 = 0. Puisque les

matrices D et N commutent, la formule du binôme de Newton permet d’écrire
T n = Dn + nDn−1 N = diag((−2)n , 1, 1) + ndiag((−2)n−1 , 1, 1)E2,3 = diag((−2)n , 1, 1) + nE2,3

 
(−2)n 0 0
= 0 1 n .
0 0 1
Puis
   
0 1 1 (−2)n 0 0 −4 −4 1
An = P T n P −1 = 0 −2 −1   0 1 n   −1 −1 0 
1 −4 0 0 0 1 2 1 0
    
0 1 n+1 −4 −4 1 2n + 1 n 0
= 0 −2 −2n − 1   −1 −1 0 = −4n −2n + 1 0 .
(−2)n −4 −4n 2 1 0 −4(−2)n − 8n + 4 −4(−2)n − 4n + 4 (−2)n
Page 121
 
2n + 1 n 0
∀n ∈, An =  −4n −2n + 1 0 .
−4(−2)n − 8n + 4 −4(−2)n − 4n + 4 (−2)n
Exercice 53
iπ
Donner toutes les suites (xn ), (yn ) et (zn ) telles que : (on notera ω = e 3 )

 xn+1 = xn + yn
∀n ∈ N, yn+1 = yn + zn

zn+1 = zn + xn
Parmi les solutions de ce système, donner celle qui satisfait x0 = 2 et y0 = z0 = 1.
( 1 1 0:)
Solutions
Soit A = 0 1 1 . χA = (X − 2)(ω − X)(ω̄ − X) donc A est diagonalisable sur .
101
(1)
ker(A − 2I) = 1
1
(x) { (1−ω)x+y=0 { y=(ω−1)x { 2
y ∈ ker(A − ωI)si, etseulementsi (1−ω)y+z=0 si, etseulementsi z=(ω−1)2 x si, etseulementsi y=ω4 x donc
z z=ω x
( 1 ) (1−ω)z+x=0
ker(A − ωI) = ω24

ω ( 1 )
On en déduit que ker(A − ω̄I) = ω̄24
(1 1 1 ) ω̄ (1 0 0 )
Ainsi en posant P = 1 ω4 ω̄4 on obtient P −1 AP = 0 ω 0
2 2
0 0 ω̄
1 ω ω̄
( xn ) ( 1 0 0 )( a ) { xn = a+b ωn +c ω̄n
On en déduit que les solutions sont les suites de la forme zyn =P 0 ω n
0
n
b soit : yn = a+b ωn+2 +c ω̄n+2
n 0 0 ω̄ c zn = a+b ω n+4 +c ω̄ n+4
où a, b, c sont trois complexes.
{ a+b+c =2
En résolvant le système a+bω2 +cω̄2 =1 on obtient la solution particulière cherchée : c’est la solution associée à
4 4
a+bω +cω̄ =1
a =
4/3, b = c = 1/3.
 xn = 4/3 + 2/3 cos(nπ/3)
yn = 4/3 + 2/3 cos((n + 2)π/3)

zn = 4/3 + 2/3 cos((n + 4)π/3)
Exercice 54
 
3 0 0
Résoudre dans M3 (R) l’équation X 2 = A où A =  8 4 0 .
5 0 1
Solutions :
Soit X ∈ M3 (R). Si X 2 = A alors AX = X 3 = XA et donc X et A commutent.

A admet trois valeurs propres réelles et simples à savoir 1, 3 et 4. Donc A est diagonalisable dans R et les sous
espaces propres de A sont des droites. X commute avec A et donc laisse stable les trois droites propres de A.
Ainsi une base de M3,1 (R) formée de vecteurs propres de A est également une base de vecteurs propres de X
ou encore, si P est une matrice réelle inversible telle que P −1 AP soit une matrice diagonale D0 alors pour la même
matrice P , P −1 XP est une matrice diagonale D. De plus
√
X 2 = A ⇔ P D2 P −1 = P D0 P −1 ⇔ D2 = D0 ⇔ D = diag(− + 3, + 2, + 1)
− −
   
2 0 0 1/2 0 0
ce qui fournit huit solutions deux à opposées. On peut prendre P =  −16 1 0  puis P −1 =  8 1 0 .
5 0 1 −5/2 0 1
D’où les solutions
Page 122
  √    √  
2 0 0 3ε1 0 0 1/2 0 0 2 √3ε1 0 0 1/2 0 0
 −16 1 0   0 2ε 0   8 1 0  =  −16  8 1 0 
√ 3ε1 2ε2 0
5 0 1 0 0 ε3 −5/2 0 1 5 3ε1 0 ε3 −5/2 0 1
 √ 
√ 3ε1 0 0
=  −8√ 3ε1 + 16ε2 2ε2 0  .
5( 3ε1 − ε3 )/2 0 ε3
où (ε1 , ε2 , ε3 ) ∈ {−1, 1}3 .

( )
Exercice 55 Déterminant circulant
 
0 1 0 ... 0
 .. .. .. .. .. 
 . . . . . 
 
 .. .. 
1. Soit Jn =  . . 0  (de format n ⩾ 3). Diagonaliser Jn .
 
 .. 
 0 . 1 
1 0 ... ... 0
a0 a1 ... an−2 an−1

an−1 a0 a1 an−2
.. .. .. ..
2. En déduire la valeur de . . . . .
..
a2 . a0 a1
a1 a2 ... an−1 a0
Solutions :
1. Le polynôme χJn = X n − 1 qui est scindé à racines simples dans C et donc J est diagonalisable dans C.
Les valeurs propres de J sont à choisir parmi les racines n-èmes de 1 dans C. On pose ω = e2iπ/n . Vérifions
que ∀k ∈ [0, n − 1], ω k est valeur propre de J.
Soient k ∈ [0, n − 1] et X = (xj )1⩽j⩽n un élément de Mn,1 (C).
 
 x2 = ω k x1  x2 = ω k x1 

 
  x2 = ω k x1

 k 
 k 2 

 x3 = ω x2  x3 = (ω ) x1  x3 = (ω k )2 x1
JX = ω k X ⇔ .. ⇔ .. ⇔
. . ..

 
 
 .

 xn = ω xn−1
k 
 k n−1
xn = (ω ) x1 


 
 xn = (ω k )n−1 x1
x1 = ω k xn x1 = (ω k )n x1
et donc
 
1
 ωk 
 
 (ω k )2 
JX = ω k X ⇔ X ∈ Vect(Uk ) où Uk =  .
 .. 
 . 
(ω k )n−1
Donc ∀k ∈ [0, n − 1], ω k est valeur propre de J. Les valeurs propres de J sont les n racines n-èmes de 1.
Ces valeurs propres sont toutes simples. Le sous espace propre associé à ω k , 0 ⩽ k ⩽ n − 1, est la droite
vectorielle Dk = Vect(Uk ).
Soit P la matrice de Vandermonde des racines n-èmes de l’unité c’est-à-dire P = (ω (j−1)(k−1) )0⩽j,k⩽n−1
puis D = diag(1, ω, ..., ω n−1 ), alors on a déjà vu que P −1 = n1 P (exercice ??) et on a
Page 123
( )
J = P DP −1 avec D = diag(ω j )1⩽j⩽n , P = ω (j−1)(k−1) 1⩽j,k⩽n et P −1 = 1
nP avec ω = e2iπ/n .
Remarque. La seule connaissance de D suffit pour le 2).

2. Soit A la matrice de l’énoncé.
A = a0 I + a1 J + a2 J 2 + ... + an−1 J n−1 = Q(J) où Q = a0 + a1 X + ... + an−1 X n−1 .
D’après 1), A = P × Q(D) × P −1 et donc A est semblable à la matrice diag(Q(1), Q(ω), ..., Q(ω n−1 )). Par
suite, A a même déterminant que la matrice diag(Q(1), Q(ω), ..., Q(ω n−1 )). D’où la valeur du déterminant
circulant de l’énoncé :
a0 a1 ... an−2 an−1

an−1 a0 a1 an−2
.. .. .. .. ∏n−1 (∑n−1 )
. . . . = k=0 j=0 e2i(j−1)(k−1)π/n aj .
..
a2 . a0 a1
a1 a2 ... an−1 a0
Exercice 56
Soit A une matrice carrée de format n.

Montrer que A est nilpotente si et seulement si ∀k ∈ [1, n], Tr(Ak ) = 0.
Solutions :
Soit Anilpotente,alors elle est A est trigonalisable et  Sp (A) = {0}. Donc il existe P ∈ GLn (C) telle que
0 ∗ 0 ∗
−1  .  −1  .  ( )
A=P  ..  P et pour tout i ∈ N, A = P 
i ..  P . On en déduit, Tr Ai = 0, pour tout
0 0 0 0
i ∈ N.
Réciproquement, raisonnons par l’absurde en supposant A non nilpotente.
Le polynôme caractéristique de A est scindé sur C, notons λ1 , . . . , λr les valeurs propres non nulles de A et
n1 , . . . , nr leur multiplicité respective.
La matrice A est semblable à la matrice triangulaire
 
λ1
 .. .. 
 . . 
 
 λ ∗ 
 1 
 . . 
 ··· . ··· 
 
 λr 
M =  ..


 .. 
 . . 
 λr 
 
 0 0 
 
 . 
 .. 
0
où les λi apparaissent ni fois sur la diagonale. ( )

On a l’égalité A = P −1 M P donc la matrice Ak = P −1 M k P est semblable à M k et 0 = Tr Ak = ni λki + · · · +
nr λkr , pour tout k ≥ 1.
Si on écrit ces égalités pour k ∈ {1, . . . , r} sous forme matricielle, on obtient
  
λ1 λ2 · · · λr n1
 λ21 λ22 · · · λ2r   
   n2 
 .. ..   ..  = 0
 . .  . 
λr1 λr2 ··· λrr nr
Page 124
∏
Or le déterminant de la matrice carrée de gauche est λ1 · · · λr (λj − λi ) ̸= 0.
1≤i<j≤r
Donc nécessairement n1 = n2 = · · · = nr = 0 et la matrice A est semblable à une matrice triangulaire ne
comportant que des 0 sur la diagonale, donc elle est nilpotente et par conséquent A est elle-même nilpotente, ce
qui est absurde.
Exercice 57
Soit F = Mn (K) l’espace vectoriel sur K des matrices carrées d’ordre n à coefficients dans K. Si i et
j sont des entiers compris entre 1 et n, on note par Fij l’élément de F dont le coefficient (i, j) est 1
et dont les autres coefficients sont nuls. Montrer que les Fij forment une base de F . Dimension de F ?
Soit D dans F et diagonale. Soient α et β dans K et soit l’endomorphisme Φ de F qui à la matrice
X fait correspondre la matrice Φ(X) = αXD + βDX. Calculer Φ(Fij ). Φ est il un endomorphisme
diagonalisable? Donner son polynôme caractéristique en fonction des coefficients de D et de α et β.
Solutions :
∑
∑ ∈ F, il est clair que X = 1≤i,j≤n xij Fij . C’est donc une famille génératrice. Elle est
Si X = (xij )1≤i,j≤n
indépendante, car si 1≤i,j≤n xij Fij est la matrice nulle, cela implique que xij = 0 pour tous i et j. C’est donc une
base de F . Elle est de taille n2 , donc F est de dimension n2 . Ensuite, si D = diag(d1 , . . . , dn ) et si X = (xij )1≤i,j≤n
alors le coefficient (i, j) de la matrice Φ(X) = αXD + βDX est (αdj + βdi )xij . Donc Φ(Fij ) = (αdj + βdi )Fij ,
ce qui est dire que Fij est un vecteur propre de Φ pour la valeur propre αdj + βdi . L’espace F admet donc
une base de vecteurs propres de Φ. D’après le cours, cela entraîne que Φ est diagonalisable. Si on le représente
dans la ∏base de vecteurs propres, le déterminant de Φ est donc le ∏ produit des éléments diagonaux, c’est à dire
n ∏n n ∏n
det Φ = i=1 j=1 (αdj + βdi ). Plus généralement det(Φ − λidF ) = i=1 j=1 (αdj + βdi − λ).
Exercice 58
Soit f l’endomorphisme de R3 dont la matrice dans la base canonique est A. Trouver les sous espaces
stables par f dans chacun des cas suivants :
 
1 1 −1
1. A =  1 1 1 
1 1 1
 
2 2 1
2. A =  1 3 1 
1 2 2
 
6 −6 5
3. A =  −4 −1 10 .
7 −6 4
Solutions :
1−X 1 −1
1. χA = 1 1−X 1 = (1 − X)(X 2 − 2X) − (2 − X) + (2 − X) = −X(X − 1)(X − 2).
1 1 1−X
On est dans le cas d’une matrice diagonalisable avec 3 valeurs propres simples.
Recherche des droites stables. Dans chacun des cas, les droites stables sont les droites engendrées par
des vecteurs propres. On obtient immédiatement les 3 droites stables : E0 = Vect(e1) où e1 = (1, −1, 0),
E1 = Vect(e2 ) où e2 = (1, −1, −1) et E2 = Vect(e3 ) où e3 = (0, 1, 1).
Recherche des plans stables. Soit P un plan stable par f . La restriction de f à P est un endomorphisme
de P et on sait de plus que le polynôme caractéristique de f/P divise celui de f . f/P est diagonalisable car f
Page 125
l’est car on dispose d’un polynôme scindé à racines simples annulant f et donc f/P . On en déduit que P est
engendré par deux vecteurs propres indépendants de f/P qui sont encore vecteurs propres de f . On obtient
trois plans stables : P1 = Vect(e2 , e3 ), P2 = Vect(e1 , e3 ) et P3 = Vect(e1 , e2 ).
2−X 2 1
2. χA = 1 3−X 1 = (2 − X)(X 2 − 5X + 4) − (−2X + 2) + (X − 1) = (1 − X)((X − 2)(X −
1 2 2−X
4) − 2 − 1) = (1 − X)(X 2 + 6X − 5) = −(X − 1)2 (X − 5). Puis E1 est le plan d’équation x + 2y + z = 0 et
E5 = Vect((1, 1, 1)).
On est toujours dans le cas diagonalisable mais avec une valeur propre double.
Les droites stables sont E5 = Vect((1, 1, 1)) et n’importe quelle droite contenue dans E1 . Une telle droite est
engendrée par un vecteur de la forme (x, y, −x − 2y) avec (x, y) ̸= (0, 0).
Recherche des plans stables. Soit P un plan stable par f . f est diagonalisable et donc f/P est un
endomorphisme diagonalisable de P . Par suite, P est engendré par deux vecteurs propres indépendants
de f . On retrouve le plan propre de f d’équation x + 2y + z = 0 et les plans engendrés par (1, 1, 1) et
un vecteur quelconque non nul du plan d’équation x + 2y + z = 0. L’équation générale d’un tel plan est
(−a − 3b)x + (2a + 2b)y + (b − a)z = 0 où (a, b) ̸= (0, 0).
6−X −6 5
3. χA = −4 −1 − X 10 = (6−X)(X 2 −3X+56)+4(6X+6)+7(5X−55) = −X 3 +9X 2 −15X−25 =
7 −6 4−X
−(X + 1)(X 2 − 10X + 25) = −(X + 1)(X − 5)2 .
E−1 = Vect(10, 15, 4) et E5 = Vect((1, 1, 1)). On est dans le cas où A admet une valeur propre simple et une
double mais n’est pas diagonalisable. Les droites stables par f sont les deux droites propres.
Recherche des plans stables. Soit P un plan stable par f . Le polynôme caractéristique de f/P est unitaire
et divise celui de f . Ce polynôme caractéristique est donc soit (X − 1)(X − 5) soit (X − 5)2 .
Dans le premier cas, f/P est diagonalisable et P est nécessairement le plan Vect((10, 15, 4)) + Vect((1, 1, 1))
c’est-à-dire le plan d’équation 11x − 6y − 5z = 0.
Dans le deuxième cas, χf/P = (X − 5)2 et 5 est l’unique valeur propre de f/P . Le théorème de Cayley-
Hamilton montre que (f/P − 5Id)2 = 0 et donc P est contenu dans Ker(f − 5Id)2 . Ker(f − 5Id)2 est le
plan d’équation x = z qui est bien sûr stable par f car (f − 5Id)2 commute avec f .
 
1 3 −7
005684 Soit A =  2 6 −14 . A est de rang 1 et donc admet deux valeurs propres égales à 0 . TrA = 0 et
1 3 −7
donc la troisième valeur propre est encore 0. Donc χA = −X 3 . A est nilpotente et le calcul donne A2 = 0. Ainsi,
si X est une matrice telle que X 2 = A alors X est nilpotente et donc X 3 = 0.
Réduction de A. A2 = 0. Donc ImA ⊂ KerA. Soit e3 un vecteur non dans KerA puis e2 = Ae3 . (e2 ) est une
base de ImA que l’on complète en (e1 , e2 ) base de KerA.
(e1 , e2 , e3 ) est une base de M3,1 (C) car si ae1 + be2 + ce3 = 0 alors A(ae1 + be2 + ce3 ) = 0 c’est-à-dire ce2 = 0
et donc c = 0. Puis a = b = 0 car la famille (e1 , e2 ) est libre.  
0 0 0
Si P est la matrice de passage de la base canonique de M3,1 (C) à la base (e1 , e2 , e3 ) alors P −1 AP =  0 0 1 .
  0 0 0
3 −7 0
On voit peut prendre P =  −1 −14 0 .
0 −7 1
2
Si X = A, X commute avec A et donc X laisse stable ImA etKerA. On  en déduit que Xe2 est colinéaire
a 0 d
à e2 et Xe1 est dans Vect(e1 , e2 ). Donc P −1 XP est de la forme  b c e . De plus, X est nilpotente de
0 0 f
polynôme caractéristique
  (a − λ)(c − λ)(f − λ). On a donc nécessairement a = c = f = 0. P −1 XP est de la forme
0 0 b
 a 0 c .
0 0 0
 2  
0 0 b 0 0 0
Enfin, X 2 = A ⇔  a 0 c  =  0 0 1  ⇔ ab = 1.
0 0 0 0 0 0
 
0 0 a1
Les matrices X solutions sont les matrices de la forme P  a 0 b  P −1 où a est non nul et b quelconque.
0 0 0
Page 126
 
14 −7 0
1 
On trouve P −1 = 49 −1 −3 0  puis
−7 −21 49
  1  
3 −7 0 0 0 a 14 −7 0
1 
X= −1 −14 0   a 0 b   −1 −3 0 
49
0 −7 1 0 0 0 −7 −21 49
 
−7a 0 a − 7b
3
 
14 −7 0
1  − 14 0 − 1 − 14b


= −1 −3 0 
49  a 
−7 −21 49
−7a 0 −7b
 
−2a − 3
7a +b a− 9
7a + 3b 3
a − 7b
 
=
 − 4a +
1
7a + 2b1 2a + 3
7a + 6b − a1 − 14b  ∗
 , (a, b) ∈ C × C.
−2a + b a + 3b −7b
Exercice 59
 
1 0 −1
Commutant de  1 2 1 .
2 2 3
Solutions :
 
1 0 −1 1−X 0 −1
Soit A =  1 2 1 . χA = 1 2−X 1 = (1 − X)(X 2 − 5X + 4) − (−2 + 2X) = (1 −
2 2 3 2 2 3−X
X)(X 2 − 5X + 4 + 2) = −(X − 1)(X − 2)(X − 3).
A est à valeurs propres réelles et simples. A est diagonalisable dans R et les sous-espaces propres sont des
droites.
Si M est une matrice qui commute avec A, M laisse stable ces droites et donc si P est une matrice inversible
telle que P −1 AP soit diagonale alors la matrice P −1 M P est diagonale. Réciproquement une telle matrice commute
avec A.
C(A) = {P diag(a, b, c)P −1 , (a, b, c) ∈ C3 }.

  
 2b − c −a + 2b − c a−c
2 
On trouve C(A) =  −b + c a−b+c (−a + c)/2  , (a, b, c) ∈ C3 . On peut vérifier que C(A) =
 
2c − 2b −2b + c c
2
Vect(I, A, A ).
Exercice 60
 
0 1 0
Résoudre dans M3 (C) l’équation X 2 =  0 0 1 .
0 0 0
Solutions :
 
0 1 0
Posons N =  0 0 1 . On a N 2 = E1,3 et N 3 = 0. Si X ∈ M3 (C) est une matrice carrée vérifiant
0 0 0
X 2 = N , alors X 6 = 0. Donc X est nilpotente et, puisque X est de format 3, on sait que X 3 = 0. Mais alors
N 2 = X 4 = 0 ce qui n’est pas . L’équation proposée n’a pas de solution.
Page 127
Exercice 61
Pour σ ∈ Sn , n ⩾ 2, on définit la matrice Pσ par Pσ = (δi,σ(j) )1⩽i,j⩽n .
1. Calculer det(Pσ ) pour tout σ ∈ Sn .

2. (a) Montrer que ∀(σ, σ ′ ) ∈ Sn2 , Pσ × Pσ′ = Pσ◦σ′ .
(b) On pose G = {Pσ , σ ∈ Sn }. Montrer que (G, ×) est un groupe isomorphe à Sn .
3. Soit A = (ai,j )1⩽i,j⩽n ∈ Mn (C). Calculer APσ .
4. Trouver les valeurs propres d’une matrice de pemutation (on pourra utiliser le résultat hors pro-
gramme : toute permutation se décompose de manière unique à l’ordre près des facteurs en produit
de cycles à supports disjoints).
Solutions :
1. Soit σ ∈ Sn .
∑ ∑
det(Pσ ) = σ ′ ∈Sn ε(σ ′ )pσ′ (1),1 . . . pσ′ (n),n = σ ′ ∈Sn ε(σ ′ )δσ′ (1),σ(1) . . . δσ′ (n),σ(n) = ε(σ),
car δσ′ (1),σ(1) . . . δσ′ (n),σ(n) ̸= 0 ⇔ ∀i ∈ [1, n] , σ ′ (i) = σ(i) ⇔ σ ′ = σ.
∀σ ∈ Sn , det(Pσ ) = ε(σ).
2. (a) Soit (σ, σ ′ ) ∈ Sn2 . Soit (i, j) ∈ [1, n] . Le coefficient ligne i, colonne j, de la matrice Pσ × Pσ′ vaut
2
∑n
k=1 δi,σ(k) δk,σ ′ (j) .
Dans cette somme, si k ̸= σ ′ (j), le terme correspondant est nul et quand k = σ ′ (j), le terme correspon-
dant vaut δi,σ(σ′ (j)) . Finalement, le coefficient ligne i, colonne j, de la matrice Pσ × Pσ′ vaut δi,σ(σ′ (j))
qui est encore le coefficient ligne i, colonne j, de la matrice Pσ◦σ′ .
∀(σ, σ ′ ) ∈ Sn2 , Pσ × Pσ′ = Pσ◦σ′ .
(b) Montrons que G est un sous-groupe du groupe (GLn (R), ×). G contient In = PId et d’autre part, G est
contenu dans GLn (R) d’après 1).
(G, ×) est un sous-groupe de (GLn (R), ×).
3. Le coefficient ligne i, colonne j, de la matrice APσ vaut

∑n
k=1 ai,k δk,σ(j) = ai,σ(j) .
Par suite, si C1 ,…, Cn désignent les colonnes de la matrice A, la matrice APσ est la matrice dont les colonnes
sont Cσ(1) ,…, Cσ(n) .
Si A = (C1 . . . Cn ), APσ = (Cσ(1) . . . Cσ(n) ).
4. Commençons par trouver le polynôme caractéristique d’un cycle c de longueur ℓ (1 ⩽ ℓ ⩽ n). Soit fc
l’endomorphisme de E = R( n
) la base canonique de R . Il existe une base de E dans
de matrice Pc dans n
Jℓ 0ℓ,n−ℓ
laquelle la matrice de fc est où la matrice Jℓ est la matice de l’exercice ??. Le polynôme
0n−ℓ,ℓ In−ℓ
caractéristique χPc de Pc est donc (−1)n (X − 1)n−ℓ (X ℓ − 1) (voir exercice ??).
Soit maintenant σ ∈ Sn . On note fσ l’endomorphisme de E = Rn de matrice Pσ dans la base canonique de
Rn . σ se décompose de manière unique à l’ordre près des facteurs en produit de cycles à supports disjoints,
ces cycles commutant deux à deux.
Page 128
Posons donc σ = c1 ◦ ... ◦ cp , p ⩾ 1, où les ci , 1 ⩽ i ⩽ p, sont des cycles à supports disjoints, et no-
tons
 ℓi la longueur du cycle ci , 1 ⩽ i ⩽ p. Il existe une base de E dans laquelle la matrice de fσ est
Jℓ1 0 ... 0
 .. .. . 
 0
 . . .. 
 où k = n − ℓ1 − ... − ℓp est le nombre de points fixes de σ.
 . .. 
 .. . J ℓp 0 
0 . . . 0 Ik
Le polynôme caratéristique cherché est donc χPσ = (−1)n (X ℓ1 − 1) . . . (X ℓp − 1)(X − 1)n−ℓ1 −...−ℓp . On en
déduit immédiatement les valeurs propres de Pσ .
Exercice 62
Résoudre les systèmes différentiels suivants :
1.  ′
 x = x + 2y − z
y′ = 2x + 4y − 2z
 ′
z = −x − 2y + z
2.  ′
 x = y+z
y′ = −x + 2y + z
 ′
z = x+z
Solutions :
1. Introduisons la matrice  
1 2 −1
A= 2 4 −2  ,
−1 −2 1
 ′ 
x (t)
de sorte que le système s’écrit X ′ = AX avec X(t) =  y ′ (t) . Le polynôme caractéristique de A est
z ′ (t)
X 2 (X − 6). 0 est valeur propre double, mais A est de rang 1 et donc ker(A) est de dimension 2. Une base de
ker(A) est donnée par les vecteurs u1 = (1, 0, 1) et u2 = (2, −1, 0). D’autre part, une base de ker(A − 6I) est
donné par u3 = (1, 2, −1). Les solutions sont donc données par les triplets s’écrivant
X(t) = λu1 + µu2 + γe6t u3 .
2. Introduisons cette fois la matrice  

0 1 1
A =  −1 2 1 ,
1 0 1
 
x′ (t)
de sorte que le système s’écrit X ′ = AX avec X(t) =  y ′ (t) . Son polynôme caractéristique est X(X −
z ′ (t)
1)(X − 2), de sorte que ses valeurs propres sont 0, 1, 2, de vecteurs propres respectifs associés u0 = (1, 1, −1),
u1 = (0, −1, 1), et u2 = (1, 1, 1). Ainsi, les solutions sont données par les triplets
X(t) = λu0 + µet u1 + γe2t u2 .
Page 129
Exercice 63
Soit A la matrice  
2 0 1
 1 −1 −1  .
−1 2 2
1. Calculer le polynôme caractéristique de A.
2. En déduire la valeur de exp(tA).
3. Résoudre le système différentiel
 ′
 x1 (t) = 2x1 (t) + x3 (t)
x′ (t) = x1 (t) − x2 (t) − x3 (t)
 2′
x3 (t) = −x1 (t) + 2x2 (t) + 2x3 (t)
Solutions :
1. Un calcul sans difficultés montre que χA (X) = (X − 1)3 .

2. Posons N = A − I3 . Alors, d’après le théorème de Cayley-Hamilton, on a N 3 = 0, et donc N est nilpotent
d’indice 3. Ceci facilite grandement le calcul de l’exponentielle de N . En effet, on a
∑
+∞
t2 2
exp(tN ) = tn N n = I3 + tN + N .
n=0
2
D’autre part, puisque tA = tI3 + tN et que tI3 et tN commutent, on a

( )
t2
exp(tA) = exp(tI3 ) exp(tN ) = et I3 + tN + N 2 .
2
On en déduit  
t+1 t2 t2 + t
exp(tA) = et  t t − 2t + 1
2
t2 − t .
−t −t2 + 2t −t + 2t + 1
2
3. Soit X(t) = (x1 (t), x2 (t), x3 (t)). Alors X(t) = exp(tA)X(0). En notant X(0) = (a, b, c), on trouve
x1 (t) = a(t + 1)et + bt2 et + c(t2 + t)et

x2 (t) = atet + b(t2 − 2t + 1)et + c(t2 − t)et
x3 (t) = −atet + b(−t2 + 2t)et + c(−t2 + 2t + 1)et .
Exercice 64
Soit A ∈ Mn (R).
1. Discuter le rang de Comat(A) en fonction du rang de A.
2. Résoudre, pour n ≥ 3, l’équation ComA = A.
Solutions :
1. • Si A est inversible, la formule de Cramer tCom(A)A = det(A)In prouve que Com(A) est inversible.
• Si le rang de A est inférieur ou égal à n-2, puisque la comatrice est fabriquée à partir de déterminants
extraits d’ordre n − 1, la comatrice est nulle.
Page 130
• Si le rang de A vaut n − 1, notons u (resp. v) l’endomorphisme associé à A (resp. à tCom(A)) dans la

base canonique de Rn . Nécessairement, on a (u) ⊂ ker(v), et donc la dimension du noyau de v est au
supérieur à n − 1. Ce n’est pas n, puisque la comatrice n’est pas la matrice nulle (un des déterminants
extraits d’ordre n − 1 de A est non nul). Le théorème du rang prouve alors que le rang de la comatrice
est 1.
2. • Le cas A = 0 donne une solution.
• Dans le cas où le rang de A est compris entre 1 et n − 2, l’étude précédente montre que l’équation est
impossible (sinon A serait la matrice nulle).
• Si le rang de A est n − 1, le rang de la comatrice est 1 < n − 1 : l’équation est toujours impossible.
• Si A est inversible, les solutions sont toutes les matrices A telles que tAA = (det A)In . Mais on a alors
det( tAA) = (det A)2 = det A, équation qui entraîne que det A = 1. Les solutions sont alors les matrices
A vérifiant tAA = In , c’est-à-dire l’ensemble des matrices orthogonales.
Exercice 65
( )
B 0
Soit A, B, C trois matrices carrées telles que A =
0 C
Alors A est diagonalisable si, et seulement si B et C et dans ce cas : πA = πB ∨ πC .
Solutions :
En effet si A l’est alors elle annule le polynôme scindé à racines simples πA . Mais
( ) ( )
πA (B) 0 0 0
πA (A) = =
0 πA (C) 0 0
D’où πA (B) = πA (C) = 0 et par suite B et C sont diagonalisables puis qu’annulent un polynôme scindé à
racines simples de plus πB ∨ πC |πA .
Réciproquement : Si B et C sont diagonalisable πB ∨πC scindé à racines simple annule A , d’où A est diagonalisable
de plus πA |πB ∨ πC .
Dans ce cas : πA = πB ∨ πC .
Exercice 66
( )
A A
Déterminer les matrices A ∈ Mn (R) telles que la matrice B = soit diagonalisable.
0 A
Solutions :
Supposons que B soit diagonalisable. Alors il existe un polynôme scindé à racines simples, noté P , tel que
P (B) = 0. Calculons P (B). On montre facilement par récurrence sur n que
( n )
A nAn
Bn = .
0 An
Ainsi, par linéarité, on trouve que ( )

P (A) AP ′ (A)
P (B) = .
0 P (A)
Puisque P (B) est nul, on a aussi P (A) = 0 et AP ′ (A) = 0. Le point crucial est de remarquer que, puisque P est
scindé à racines simples, on a P ∧ P ′ = 1. En effet, tout diviseur irréductible de P , qui est forcément de la forme
(X − a) (car P est scindé), ne peut pas aussi diviser P ′ (car les racines de P sont simples). Par le théorème de
Bézout, on en déduit qu’il existe deux polynômes U et V de R[X] tels que
U (X)P (X) + V (X)P ′ (X) = 1
Page 131
soit encore
XU (X)P (X) + V (X)XP ′ (X) = X.
On évalue cette égalité en A, et puisque P (A) = 0 et AP ′ (A) = 0, on trouve
0+0=A
et donc A doit être la matrice nulle. Réciproquement, si A est la matrice nulle, B est clairement diagonalisable.
Exercice 67
Soit f un endormorphisme d’un R−espace vectoriel E de dimension finie. Montrer qu’il existe toujours
une droite ou un plan de E stable par f
Solutions :
On note Pf le polynôme caractéristique de f , que l’on factorise en produit d’irréductibles sur R :
∏
l ∏
m
Pf (X) = (X − αi )ni (X 2 + aj X + bj )qj .
i=1 j=1
Si cette factorisation possède un facteur de degré 1, l’endomorphisme possède un vecteur propre u, et la droite
vectorielle vect(u) convient. Sinon, d’après le théorème de Cayley-Hamilton :
(f 2 + a1 f + b1 Id)q1 ◦ · · · ◦ (f 2 + am f + bm Id)qm = 0.
La composée d’applications bijectives étant bijective, une des applications que l’on compose au moins n’est pas
bijective. On en déduit par exemple que f 2 + a1 f + b1 Id n’est pas une bijection. Soit u dans le noyau de cette
application. Alors vect(u, f (u)) est un plan stable, car f 2 (u) = −a1 f (u) − b1 u. Remarquons qu’un endomorphisme
sur un R−espace vectoriel n’admet pas forcément une valeur propre, comme le prouve l’endomorphisme :
( )
0 1
.
−1 0
Exercice 68
Soient E un K-espace vectoriel de dimension finie, u1 , . . . , um une famille d’endomorphismes diago-

nalisables de E commutant deux à deux. Montrer qu’il existe une base de E diagonalisant tous les
ui .
Solutions :
On procède par récurrence sur m. Précisément, on prouve pour m ≥ 1 la propriété suivante :

Pm : Pour tout K-espace vectoriel E de dimension finie, pour toute famille de m endomorphismes de
E, u1 , . . . , um , diagonalisables et commutant deux à deux, il existe une base diagonalisant tous les ui .
La propriété est vraie pour m = 1. Supposons qu’elle est vraie pour m − 1, et prouvons-la au rang m. Soit λ
une valeur propre de u1 , et Eλ le sous-espace propre associé. Alors Eλ = ker(u − λIE ) est stable par chaque ui ,
pour i ≥ 2, puisque ui commute avec u1 . Notons vi,λ la restriction de ui à Eλ . Alors on a une famille de m − 1
endomorphismes de Eλ , v2,λ , . . . , vm,λ qui commutent, et qui sont diagonalisables (rappelons que la restriction
d’un endomorphisme diagonalisable à un sous-espace stable reste diagonalisable). Par l’hypothèse de récurrence, il
existe une base Bλ de Eλ qui diagonalise chaque vi,λ , pour i ≥ 2. Elle diagonalise aussi v1,λ puisque v1,λ = λIEλ .
Il suffit alors de réunir les bases Bλ , pour λ décrivant l’ensemble des valeurs propres de u1 , pour obtenir une base
de E qui diagonalise tous les ui .
Page 132
Exercice 69
Soit E un espace vectoriel de dimension finie sur K = R ou C et soit u ∈ L(E). Démontrer que u est
diagonalisable si et seulement si tout sous-espace de E possède un supplémentaire stable par u.
Solutions :
Commençons par prouver le sens direct. Soit n = dim E et soit B une base de E constituée de vecteurs propres
pour u. Soit F un sous-espace vectoriel de E de dimension p < n et soit (u1 , . . . , up ) une base de F . Alors, par
le théorème de la base incomplète, il existe des vecteurs (ep+1 , . . . , en ) de B tels que (u1 , . . . , up , ep+1 , . . . , en ) soit
une base de E. Soit G = vect(ep+1 , . . . , en ). Alors G est stable par u et c’est un supplémentaire de F .
Réciproquement, on construit par récurrence sur p ≤ n une famille libre (e1 , . . . , ep ) de vecteurs propres de u. Le
cas p = n donnera la base voulue. Construisons d’abord e1 . Soit H n’importe quel hyperplan de E. Il possède
un supplémentaire stable, autrement dit il existe e1 ∈ E tel que vect(e1 ) est stable par u. Ainsi, e1 est un vecteur
propre de u. Supposons (e1 , . . . , ep ) construits, avec p < n, et construisons ep+1 . Soit H un hyperplan de E
contenant (e1 , . . . , ep ). Il possède un supplémentaire stable par u. Autrement dit, il existe ep+1 ∈ / H qui est un
vecteur propre de u. La famille (e1 , . . . , ep ) étant libre par hypothèse de récurrence, et le vecteur ep+1 n’étant pas
dans H, la famille (e1 , . . . , ep+1 ) est bien une famille libre de vecteurs propres de u.
Exercice 70
Soit E un espace vectoriel de dimension finie, et f un endomorphisme de E vérifiant f 2 = −Id.

1. Donner un exemple de tel endomorphisme sur R2 .
2. Montrer que f n’a pas de valeurs propres réelles. En déduire que la dimension de E est paire.
3. Montrer que, pour tout x de E, vect(x, f (x)) est stable par f .

4. En déduire que si dim E = 2n, il existe des vecteurs (e1 , . . . , en ) tels que (e1 , f (e1 ), . . . , en , f (en ))
forme une base de E. Quelle est la matrice de f dans cette base?
Solutions :
1. Soit f l’endomorphisme dont la matrice dans la base canonique de R2 est :

( )
0 −1
.
1 0
Un simple calcul matriciel montre que f 2 = −I.

2. Si λ est une valeur propre associée au vecteur propre x, la condition f 2 (x) = −x entraîne que λ2 = −1 : il
n’existe pas de valeurs propres réelles. Si l’espace était de dimension impaire, le polynome caractéristique
serait de degré impair, et aurait une racine réelle, ce qui donnerait une valeur propre réelle : impossible!
3. Soit y ∈ vect(x, f (x)), y = ax + bf (x). On a :
f (y) = af (x) − bx ∈ vect(x, f (x)).
4. Procédons de proche en proche. Soit e1 un vecteur non-nul de E. f (e1 ) n’est pas lié à e1 , puisque f est sans
valeur propre. On choisit ensuite e2 ∈
/ vect(e1 , f (e1 )). Il faut prouver que f (e2 ) ∈
/ vect(e1 , f (e1 ), e2 ). Mais si
tel était le cas, on aurait
f (e2 ) = ae1 + bf (e1 ) + ce2 − e2 = af (e1 ) − be1 + cf (e2 ),
et en remplaçant f (e2 ) par ae1 + bf (e1 ) + ce2 , on trouverait que la famille (e1 , f (e1 ), e2 ) est liée. On continue
ainsi pour construire e3 , etc... La matrice résultante est diagonale par blocs, les n blocs sont ceux apparus à
la question 1.
Page 133
Exercice 71
( )
λ1 λ2
Soit A ∈ Mp (R) diagonalisable, et Λ = diagonalisable.
( ) λ3 λ4
λ1 A λ2 A
Montrer que B = est diagonalisable
λ3 A λ4 A
Solutions :
( ) ( ) ( )
u 0 0
Soit u un vecteur du noyau de A. On a alors B =B = . On constate que k vecteurs indépendants
0 u 0
de ker A permettent d’obtenir 2k vecteurs indépendants de ker B.
Soit maintenant u un vecteur propre de A associé à une ( valeur
) propre π non nulle. On cherche des vecteurs
αu
propres de B associés à une valeur propre c sous la forme , on est alors conduit au systéme
βu
{
α λ1 + βλ2 = πc α ( )
c α
αλ3 + βλ4 = π β, ce qui montre que est vecteur propre de Λ associé à la valeur propre πc .
β
Soit alors ((α1 ,( )2 , β2 )) une
β1 ), (α ( base ) de vecteurs
( ) propres(de Λ, ) associée
( aux ) valeurs
( )propres ρ1 et ρ2 .
α1 u α1 u α2 u α2 u α1 u α2 u
On a alors : B = ρ1 π , et B = ρ2 π , et et sont indépendants.
β1 u β1 u β2 u β2 u β1 u β2 u
On constate qu’on obtient ainsi 2p vecteurs propres linéairement indépendants, donc B est diagonalisable.
Exercice 72
Soit E un C-espace vectoriel de dimension n, et u ∈ L(E).
1. Soit P ∈ [X]. Déterminer le spectre de P (u).

2. On suppose u2 diagonalisable ; donner une condition nécessaire et suffisante pour que u soit
diagonalisable.
Solutions :
1. Si P est nul ou constant, c’est trivial. Soit donc P de degré supérieur ou égal à 1. D’aprés le théoréme de
d’Alembert, P : xP (x) est surjective.
Soit π une valeur propre de P (u). Alors (P − π)(u) n’est pas injective.
∏k ∏k
On peut écrire P − π = a i=1 (X − λi )αi avec a ∈∗ . Donc i=1 (u − λi Id)αi n’est pas injective.
Donc il existe i ∈ 1, k tel que (u − λi Id) n’est pas injective. Alors P (λi ) = π.
Réciproquement, si x est un vecteur propre de u associé à la valeur propre λ, P (u)(x) = P (λ)x.
Donc le spectre de P (u) est {P (λ), λ ∈ Sp(u)}.
2. u2 étant diagonalisable, on a E = ker u2 ⊕ ker(u2 − λ1 Id) ⊕ · · · ⊕ ker(u2 − λp Id), où les λi sont tous non nuls,
et deux à deux distincts.
Pour i ∈ 1, p, soit αi tel que αi2 = λi . (X − αi ) et (X + αi ) étant premiers entre eux, le théoréme de
décomposition des noyaux donne : ker(u2 − λi Id) = ker(u2 − αi Id) ⊕ ker(u2 + αi Id), donc :
E = ker u2 ⊕ ker(u2 − α1 Id) ⊕ ker(u2 + α1 Id) ⊕ · · · ⊕ ker(u2 − αp Id) ⊕ ker(u2 + αp Id)
De cela, on déduit que si ker u ⊊ ker u2 , la somme des sous-espaces propres de u est différente de E. Donc :
(u diagonalisable) ⇐⇒ (ker u = ker u2 )
Page 134
III. Problème 3 :
Page 135
E3A 2002 MP Maths 3 page 1
Concours ENSAM - ESTP - ECRIN - ARCHIMEDE
Épreuve de Mathématiques 3 MP
durée : 4 heures
Problème
Préliminaires (définitions et rappels).
• Dans tout le problème E désigne un espace vectoriel de dimension finie sur le corps C des
nombres complexes. On note n sa dimension et on suppose n > 2. On note L(E) son algèbre
d’endomorphismes.
• Soit u ∈ L(E). Si B est une base de E, on note M at(u, B) la matrice de u sur la base B.
• Soit u ∈ L(E). Pour tout entier naturel p non nul. on note up = u . . ◦ u}. On pose u0 = Id.
| ◦ .{z
p f ois
• Soit P ∈ C[X] et u ∈ L(E) ; on notera P (u) l’application linéaire définie par :
X X
∀q ∈ N, P (u) = ak uk si P (X) = ak X k .
06k6q 06k6q
• Soit u ∈ L(E). On appelle commutant de u l’ensemble C(u) des endomorphismes qui commutent
avec u ; on a :
C(u) = {v ∈ L(E), u ◦ v = v ◦ u} .
On rappelle que C(u) est un sous-espace vectoriel de L(E).
• On dit qu’un endomorphisme u ∈ L(E) est nilpotent si et seulement si il existe un entier naturel
non nul p tel que up = 0. Dans ce cas, le plus petit entier p vérifiant up = 0 est appelé indice de
nilpotence de u.
• On note Mn (C) l’algèbre des matrices carrées à n lignes et n colonnes et à coefficients dans le
corps des nombres complexes C.
Partie 0. Un exemple.
Dans cette partie, on considère la matrice M de Mn (C) telle que : M est diagonale et ses coefficients
diagonaux sont les n entiers consécutifs 1, 2, . . .. n. Ainsi, on a :
 
1 0 0 . . 0
0 2 0 0 . . 
 
0 0 . 0 . . 
M =  

. 0 . . . . 
 . . . . . 0
0 . . . 0 n
On note C(M ) le sous-espace vectoriel formé par les matrices de Mn (C) qui commutent avec M .
1. Démontrer que C(M ) est l’ensemble des matrices diagonales.
2. En déduire la dimension de C(M ).
Dans toute la suite du problème, u désigne un endomorphisme de E.

Partie I. Commutant d’un endomorphisme diagonalisable.
Si λ ∈ C est une valeur propre de u, on note Eλ (u) le sous-espace propre associé :
Eλ (u) = ker (u − λId).
Dans cette partie, on suppose l’endomorphisme u diagonalisable.

Soient p ∈ N∗ et (λ1 , λ2 , . . ., λp ) ∈ Cp ses valeurs propres. On a :
M
E= Eλi (u).
16i6p
On pose ni = dim Eλi (u) pour 1 6 i 6 p.

Soit B une base de E. On rappelle que la base B est dite adaptée à la somme directe E =
L
Eλi (u) s’il existe pour chaque entier i compris entre 1 et p, une base (ei1 , . . ., eini ) du sous-espace
16i6p
¡ ¢
vectoriel Eλi (u) telle que B = e11 , . . ., e1n1 , e21 , . . ., e2n2 , . . ., ep1 , . . ., epnp .
1. Montrer que si v ∈ C(u) alors les sous-espaces Eλi (u) sont stables par v.
2. Pour tout entier i compris entre 1 et p, on note ui l’endomorphisme de Eλi (u) induit par u. Que
peut-on dire de ui ?
3. En déduire que v ∈ C(u) si et seulement si, sur une base B adaptée à la somme directe E =
L
Eλi (u) :
16i6p
 
V1 0 0 . . 0
 0 V2 0 0 . .
 
0 0 . 0 . .
M at(v, B) = 
.

 0 . . . .
. . . . . 0
0 . . . 0 Vp
avec Vi ∈ Mni (C) pour 1 6 i 6 p.
P
4. Montrer que dim C(u) = n2i .
16i6p
5. Montrer que si u est diagonalisable, alors dim C(u) > n.
6. Montrer qu’il existe u ∈ L(E) diagonalisable tel que dim C(u) = n.
Partie II. Commutant d’un endomorphisme nilpotent d’indice 2.
On suppose dans cette partie que u est nilpotent d’indice 2 et que n > 2. On note r le rang de u.
On pose s = n − 2r.
n
1. Montrer que Im u ⊂ ker u. En déduire que r 6 .
2
2. Soit G un supplémentaire de ker u dans E muni de la base (e01 , e02 , . . ., e0r ), montrer que la famille
(u(e01 ), u(e02 ), . . ., u(e0r )) est une base de Im u.
3. En utilisant un sous-espace vectoriel H de E tel que ker u = Im u ⊕ H, montrer qu’il existe une
base B 0 de E telle que :  
0 0 Ir lr
M at(u, B0 ) = 0 0 0  ls
0 0 0 lr
↔
r ↔s ↔r
Ir désigne la matrice identité d’ordre r.
0 est définie par blocs en posant :

4. Soit v ∈ L(E) ; la matrice de v dans la base B 
A1 A2 A3 lr
0 
M at(v, B ) = A4 A5 A6  ls
A7 A8 A9 lr
↔
r ↔
s ↔
r
Montrer 
que v ∈ C(u) si et seulement si

 A4 = 0s,r

A7 = 0r,r
0p,q désignant la matrice nulle à p lignes et q colonnes.

 A = 0r,s
 8
A9 = A1
n2
5. En déduire la dimension de C(u) en fonction de n et de r. Montrer que : dim C(u) > .
2
Partie III. Commutant d’un endomorphisme u vérifiant la relation (1) :
(1) (u − Id) ◦ (u − 2Id)2 = 0.
Id désigne l’application identique de E. On rappelle que :
(u − 2Id)2 = (u − 2Id) ◦ (u − 2Id).
On pose E1 = ker (u − Id) et E2 = ker (u − 2Id)2 , n1 = dim E1 et n2 = dim E2 ; on suppose de

plus n1 > 1, n2 > 1 et n > 2.
1. Montrer en rappelant le théorème utilisé que :
E = E1 ⊕ E2 .
On note p1 le projecteur sur E1 parallèlement à E2 et p2 le projecteur sur E2 parallèlement à

E1 .
2. Décomposer en éléments simples dans C(X) la fraction rationnelle
1
F (X) = .
(X − 1)(X − 2)2
En déduire deux polynômes U et V tels que :
1 = U (X)(X − 1) + V (X)(X − 2)2 , deg U < 2 et deg V < 1.
3. Montrer que p1 = V (u) ◦ (u − 2Id)2 et p2 = U (u) ◦ (u − Id).

4. On note d = p1 + 2p2 ; montrer que d est diagonalisable.
5. Soit w = u − d. Calculer w2 , en déduire que w = 0 ou w est nilpotent d’indice 2.
6. Détermination de dim C(u).
(a) Montrer que : v ∈ C(u) si et seulement si v ∈ C(d) et v ∈ C(w).
(b) Déterminer les restrictions de w à E1 et E2 respectivement. En déduire qu’il existe une
base B de E telle que µ ¶
0 0 ln1
M at(w, B) =
0 N ln2
↔
n1 ↔n2
où N est la matrice de l’endomorphisme induit par (u − 2Id) sur E2 sur une base de E2 .
(c) Montrer que le rang de la matrice N est égal à n2 − dim (ker (u − 2Id)).
(d) Montrer que v ∈ C(u) si et seulement si µ ¶

V1 0 ln1
M at(v, B) =
0 V2 ln2
↔
n ↔
n
1 2
et
V2 N = N V2 .
(e) Montrer que u est diagonalisable si et seulement si N = 0.

(f) On suppose u non diagonalisable. déterminer dim C(U ) en fonction de n1 , n2 et dim (ker (u − 2Id)).
Page 140
CORRIGÉ de l’épreuve de MATHS 3 de E3A - 2002 - Filière MP
Autour du commutant d’un endomorphisme
Partie 0. Un exemple.
1. M a pour terme général mi,j = i δi,j . Soit A ∈ Mn(C) de terme général ai,j .
Xn Xn
A ∈ C(M ) ⇐⇒ A M = M A ⇐⇒ ∀ (i, k) ∈ [[1; n]]2, ai,j mj,k = mi,j aj,k
j=1 j=1
n
X n
X
⇐⇒ ∀ (i, k) ∈ [[1; n]]2, j ai,j δj,k = i δi,j aj,k ⇐⇒ ∀ (i, k) ∈ [[1; n]]2, k ai,k = i ai,k
j=1 j=1
⇐⇒ ∀ (i, k) ∈ [[1; n]]2, (i 6= k =⇒ ai,k = 0) ⇐⇒ A est diagonale.
2. En notant (Ei,j )1≤i,j≤n la base canonique de Mn (C), on a :

n
X
n
A ∈ C(M ) ⇐⇒ ∃ (α1, . . . , αn) ∈ C / A = αi Ei,i.
i=1
Une base de C(M ) est donc : (E1,1, E2,2, . . . , En,n), donc dim C(M ) = n.
Partie I. Commutant d’un endomorphisme diagonalisable.
1. Soit v ∈ C(u) et x ∈ Eλi (u). Ainsi u(x) = λi .x.

D’une part, v u(x) = v(λi .x) = λi .v(x), d’autre part, v u(x) = u v(x) .
Donc u v(x) = λi .v(x), ce qui montre que v(x) ∈ Eλi (u).
Donc tous les sous-espaces propres Eλi (u) sont stables par v.
2. On sait d’autre part que chaque Eλi (u) est stable par u, ce qui autorise à considérer l’endomorphisme ui induit par u
sur Eλi (u). ui n’est autre que l’homothétie de rapport λi de Eλi (u).
p
M
3. Soit B une base adaptée à la somme directe E = Eλi (u).
i=1
• Si v ∈ C(u), comme chaque Eλi (u) est stable par v, on sait que B = M at(v, B) est diagonale par blocs de la forme
V1 0 ... 0
 
.. .
 0

V2 . .. 
B= .  avec Vi ∈ Mni (C).

 .. .. ..
. . 0 
0 . . . 0 Vp
V1 0 . . . 0
 
.. .
 0 V
 . .. 
• Réciproquement, supposons que B = M at(v, B) soit de la forme B =  . . 2 .  avec Vi ∈ Mni (C).

 .. .. .. 0 
0 . . . 0 Vp
B étant en particulier une base de vecteurs propres de u, alors A = M at(u, B) est diagonale et on peut la décomposer
D1 0 . . . 0
 
. .. 
 0 D2 . . . 

en blocs sous la forme A =  . .. ..  avec Di = λi .Ini (puisque ui est une homothétie).
 .. . . 0 
0 . . . 0 Dp
Comme ∀ i ∈ [[1; p]], Di Vi = (λi .Ini ) Vi = Vi (λi .Ini ) = Vi Di , alors A B = B A, donc u ◦ v = v ◦ u, d’où v ∈ C(u).
m02rm3ca.tex - page 1
4. Par l’isomorphisme v 7−→ M at(v, B) de L(E) dans Mn(C), on obtient que C(v) a la même dimension que le sous-espace
vectoriel de Mn (C) constitué des matrices ayant la forme de B.
X p
Ces matrices dépendent de (ni )2 coefficients arbitraires, donc peuvent s’écrire comme combinaison linéaire de
i=1
p
X p
X
2
(ni ) matrices Ej,k de la base canonique de Mn (C). Donc dim C(u) = (ni )2.
i=1 i=1
p
X
5. Comme ∀ i ∈ [[1; p]], (ni )2 ≥ ni , alors dim C(u) ≥ ni = dim E = n (en effet u étant diagonalisable, n est égal à la
i=1
somme des dimensions des sous-espaces propres de u).
6. Soit B une base quelconque de E. L’endomorphisme u de E représenté dans la base B par la matrice M de la partie
0 est tel que dim C(u) = dim C(M ) = n.
Partie II. Commutant d’un endomorphisme nilpotent d’indice 2.

1. Supposons que u ◦ u = 0. Soit y ∈ Im u. Alors ∃ x ∈ E / y = u(x). Donc u(y) = u u(x) = u2(x) = 0, d’où
y ∈ Ker u.
n
Ainsi Im u ⊂ Ker u. De plus, rg u = dim (Im u) ≤ dim (Ker u) = n − rg u, donc 2 rg u ≤ n, d’où r ≤ .
2
2. On remarque d’abord que puisque G est un supplémentaire de Ker u, alors dim G = n − dim (Ker u) = rg u = r, donc
il est légitime de noter (e01 , . . . , e0r ) une base de G
On sait que u induit un isomorphisme ũ de G sur Im u. Ainsi l’image de la base (e01 , . . . , e0r ) de G est une base de
Im u.
x −→ u(x)
Redémontrons le théorème d’isomorphisme utilisé ci-dessus. Considérons ũ : qui est linéaire.
G Im u
. Ker ũ = Ker u ∩ G = {0}, donc ũ est injective.
. Im u = u(E) = u(G + Ker u) = u(G) + u(Ker u) = u(G) = ũ(G), donc ũ est surjective, donc bijective.
3. E = Ker u ⊕ G = Im u ⊕ H ⊕ G. On a donc dim (Im u) = dim G = r et dim H = n − 2r = s.

Soit (e0r+1 , . . . , e0r+s ) une base de H. Considérons la famille B 0 = u(e01 ), . . . , u(e0r ), e0r+1 , . . ., e0r+s , e01, . . . , e0r ).
Il s’agit d’une base de E adaptée à la somme directe E = Im u ⊕ H ⊕ G.  
0 0 Ir l r
0 0 0  l s
Alors u(B0 ) = 0, . . . 0, 0, . . ., 0, u(e01), . . . , u(e0r ) , donc M at(u, B0) =
0 0 0 l r
↔ ↔ ↔
r s r
     
0 0 Ir A1 A2 A3 A1 A2 A3 0 0 Ir
4. v ∈ C(u) ⇐⇒  0 0 0   A4 A5 A6  =  A4 A5 A6   0 0 0 
0 0 0 A7 A8 A9 A7 A A9 0 0 0
8
    A4 = 0s,r
0 0 A1 A7 A8 A9 
A7 = 0r,r

v ∈ C(u) ⇐⇒  0 0 A4  =  0 0 0  ⇐⇒ .
 A8 = 0r,s
0 0 A7 0 0 0 
A = A1
 9 
A1 A2 A3
Ainsi v ∈ C(u) si et seulement si M at(v, B 0 ) de la forme  0 A5 A6 .
0 0 A1
5. Le nombre de coefficient arbitraires de cette matrice est égal à r n + s (s + r) = n r + (n − 2r) (n − r) = n 2 + 2 r2 − 2 r n.

Ainsi dim C(u) = (n − r)2 + r2 .
n n2
En posant fn (x) = 2 x2 − 2 n x + n2 , alors fn0 (x) = 2 (2 x − n), donc fn admet un minimum pour x = égal à .
2 2
n2
Ainsi dim C(u) ≥ .
2
Partie III. Commutant d’un endomorphisme vérifiant la relation (1).
1. Les polynômes P1 = X − 1 et P2 = (X − 2)2 sont premiers entre eux.

De plus (P1P2 )(u) = P1(u) ◦ P2(u) = (u − Id) ◦ (u − 2 Id)2 = 0.
Le théorème de décomposition des noyaux donne : Ker (P1 P2 )(u) = Ker P1(u) ⊕ Ker P2(u) , c’est à dire :
E = Ker (u − Id) ⊕ Ker (u − 2 Id)2 = E1 ⊕ E2 .
Remarquons tout de suite que E1 et E2 étant des noyaux de polynômes en u sont stables par u.
a b c
2. La décomposition en éléments simples dans C(X) de F (X) est de la forme : F (x) = + + .
X − 1 (X − 2)2 X − 2
1
. On multiplie par X − 1, puis on remplace X par 1, ce qui donne : = a + b × 0 + c × 0, donc a = 1.
(1 − 2)2
1
. On multiplie par (X − 2)2, puis on remplace X par 2, ce qui donne : = a × 0 + b + c × 0, donc b = 1.
2−1
. Pour X := 0, on trouve que c = −1.
1 1 1 1 3−X
Donc F (X) = + − = + .
X − 1 (X − 2)2 X − 2 X − 1 (X − 2)2
Ainsi 1 = (X − 1) (X − 2)2 F (X) = (X − 2)2 + (X − 1) (3 − X), donc V (X) = 1 et U (X) = 3 − X.
3. On en déduit que : Id = U (u) ◦ (u − Id) + V (u) ◦ (u − 2 Id)2.

Donc ∀ x ∈ E, x = U (u) ◦ (u − Id) (x) + V (u) ◦ (u − 2 Id)2 (x).

Posons x1 = V (u) ◦ (u − 2 Id)2 (x) et x2 = U (u) ◦ (u − Id) (x). Ainsi x = x1 + x2 .

Vérifions par exemple que x1 ∈ E1 = Ker P1(u) = Ker (u − Id). On rappelle que des polynômes en u commutent.
2
2

On a : (u − Id)(x1 ) = (u − Id) ◦ V (u) ◦ (u − 2 Id) (x) = V (u) (u − Id) ◦ (u − 2 Id) (x) = V (u)(0) = 0.
On montre de même que x2 ∈ E2.
On a donc décomposé x en x1 + x2 avec x1 ∈ E1 et x2 ∈ E2. On en déduit que x1 = p1(x) et x2 = p2(x).

Ainsi ∀ x ∈ E, p1 (x) = V (u) ◦ (u − 2 Id)2 (x), donc p1 = V (u) ◦ (u − 2 Id)2 = (u − 2 Id)2 = u2 − 4 u + 4 Id.
De même p2 = U (u) ◦ (u − Id) = (3 Id − u) ◦ (u − Id) = −u2 + 4 u − 3 Id.
L’intérêt de ces égalités est que p1 et p2 s’expriment comme des polynômes en u.
4. Montrons que d = p1 + 2 p2 est diagonalisable.

In1 0
Solution matricielle Dans une base B adaptée à la somme directe E = E1 ⊕ E2; M at(d, B) = ce qui
0 2 I n2
montre que d = p1 + 2 p2 est diagonalisable.
Autre solution p1 et p2 sont des projecteurs associés, donc p1 ◦ p2 = p2 ◦ p1 = 0.
On a : Id = p1 + p2, d = p1 + 2 p2 et d2 = p21 + 2 p1 ◦ p2 + 2 p2 ◦ p1 + 4 p22 = p1 + 4 p2.
d2 − d d2 3 d
On tire p1 = 2 d − d2 et p2 = , donc Id = p1 + p2 = − + , d’où d2 − 3 d + 2 Id = 0.
2 2 2
Ainsi d annule le polynôme X 2 − 3 X + 2 = (X − 1) (X − 2) scindé à racines simples, donc d est diagonalisable.
5. w = u − d avec d = p1 + 2 p2 = (u2 − 4 u + 4 Id) + 2 (−u2 + 4 u − 3 Id) = −u2 + 4 u − 2 Id.

Donc w = u2 − 3 u + 2 Id = (u − Id) ◦ (u − 2 Id).
On en déduit que w 2 = (u − Id) ◦ (u − Id) ◦ (u − 2 Id)2 = (u − Id) ◦ 0 = 0.
Ainsi, ou bien w = 0, ou bien w 6= 0 et w 2 = 0, c’est à dire w est nilpotent d’indice 2.
6. Détermination de C(u).
(a) ∗ Si v ∈ C(u), alors v commute avec tout polynôme en u, donc en particuler avec d = −u 2 +4 u−2 Id et w = u2 −3 u+2 Id.
∗ Si v commute avec d et avec w, alors v commute avec u = d + w.
Ainsi : v ∈ C(u) ⇐⇒ v ∈ C(d) et v ∈ C(w).
(b) w est un polynôme en u, donc E1 = Ker (u − Id) et E2 = Ker (u − 2 Id) sont stables par w.
De plus w = (u − 2 Id) ◦ (u − Id), d’où E1 = Ker (u − Id) ⊂ Ker w, donc la restriction de w à E1 est nulle.
En outre, ∀ x ∈ E2 = Ker (u2 −4 u+4 Id), w(x) = (u2 −3 u+2 Id)(x) = (u2 −4 u+4 Id)(x)+(u−2 Id)(x) = (u−2 Id)(x),
donc w et u − 2 Id) coïncident sur E2.
En se plaçant sur une base B = “B1 ∪ B200 adaptée à la somme directe
E=E 1 ⊕ E2 , alors w admet dans cette base une
0 0 l n1
représentation matricielle diagonale par blocs de la forme W = 0 N l n2 où l’on sait que N est la matrice
↔ ↔
n1 n2
dans la base B2 de l’endomorphisme w2 induit sur E2 par w, donc aussi par u − 2 Id.

In1 0
Puisque u = d + w, il en résulte que M at(u, B) = .
0 I n2 + N
Remarque : puisque w 2 = 0, on a N 2 = 0.
(c) On a Ker w2 = E2 ∩ Ker (u − 2 Id) = Ker (u − 2 Id) car Ker (u − 2 Id) ⊂Ker (u − 2 Id)2 = E2.
Donc rg N = rg w2 = dim E2 − dim (Ker w2) = n2 − dim Ker (u − 2 Id) .
(d) ∗ Si v commute avec v stabilise E1 = Ker (u − Id) et E2 = Ker (u − 2 Id), alors M at(v, B) est diagonale par
u, alors
V1 0
blocs de la forme . En traduisant que M at(u, B) et M at(v, B) commutent, on trouve que V2 N = N V2 .
0 V2

V1 0
∗ Réciproquement si M at(u, B) est de la forme avec V2 N = N V2 , on constate immédiatement que
0 V2
M at(u, B) et M at(v, B) commutent, donc u et v commutent, d’où v ∈ C(u).
(e) ∗ Si u est diagonalisable, alors u − 2 Id l’est aussi et on sait l’endomorphisme w2 induit sur E2 par u − 2 Id est
diagonalisable. Donc N = M at(w2 , B2) est diagonalisable. Or N est nilpotente, donc ses valeurs propres sont toutes
nulles (car si N X = λ.X et X 6= 0, alors 0 = N 2 .X = λ2 .X, donc λ = 0).
Ainsi N est semblable à la matrice diagonale nulle, donc N = 0.
∗ Si N = 0, alors w = 0, donc u = d est diagonalisable.
donc N 6= 0, donc N est nilpotente d’indice égal à 2.

(f) On suppose u non diagonalisable,
Posons p = dim Ker (u − 2 Id) . Ainsi le rang de N est r2 = n2 − p.
Puisque N est nilpotente d’indice 2, d’après le II.5, le commutant de N a pour dimension (n2 −r2 )2 +r22 = p2 +(n2 −p)2 .
De la caractérisation obtenue au (d), on déduit que dim C(u) = n21 + p2 + (n2 − p)2 .
Fin du corrigé
IV. Problème 4 :
Page 145
Centrale MP Mathématiques 1 Calculatrices autorisées 2019
Notations et dénitions
Dans tout le problème, K désigne R ou C, N désigne l'ensemble des entiers naturels et n est un entier naturel.
On note K [X] le sous-espace vectoriel de K[X] des polynômes de degré inférieur ou égal à n à coecients dans K et,
pour n > 1, M (K) la K-algèbre des matrices carrées de taille n à coecients dans K. La matrice unité est notée I
n
et on désigne par GL (K) le groupe des matrices inversibles de M (K).

n n
n n
Pour toute matrice A de M (K), on note A la transposée de la matrice A, rg(A) son rang, tr(A) sa trace,
>
χ = det(XI − A) son polynôme caractéristique, π son polynôme minimal et sp(A) l'ensemble de ses valeurs
n
propres dans K.
A n A
Dans tout le problème, E désigne un espace vectoriel sur le corps K de dimension nie n supérieure ou égale à 2, et
L(E) est l'algèbre des endomorphismes de E. On note f un endomorphisme de E.
On note f = Id et ∀k ∈ N, f = f ◦ f .
0
E
k+1 k
Si Q ∈ K[X] avec Q(X) = a + a X + · · · + a X , Q(f ) désigne l'endomorphisme a Id + a f + · · · + a f . On note

m m
K[f ] la sous-algèbre commutative de L(E) constituée des endomorphismes Q(f ) quand Q décrit K[X].
0 1 m 0 E 1 m
De même, on utilise les notations suivantes, similaires à celles des matrices, pour un endomorphisme f de E :
rg(f ), tr(f ), χ , π et sp(f ).
f f
Enn, on dit que f est si et seulement s'il existe un vecteur x dans E tel que (x , f (x ), . . . , f (x )) soit n−1
une base de E.
cyclique 0 0 0 0
I. Matrices compagnons et endomorphismes cycliques
I.A.
Soit M ∈ M (K). n
1. Montrer que M et M ont même spectre. >
2. Montrer que M est diagonalisable si et seulement si M est diagonalisable.

>
I.B. Matrices compagnons

3. Soit (a , a , . . . , a
0 1 n−1 ) ∈ Kn et Q(X) = X n+ an−1 Xn−1 + · · · + a0 . On considère la matrice
 
0 . . . . . . . . . 0 −a0
... ..
1 0 . . . . . . 0 −a1 
 
 
.. . . . . . . . . . .. ..
0 1 −a2 
CQ = 
 
..

...
 
 
 
 1 0 −an−2 
0 . . . . . . 0 1 −an−1
Déterminer en fonction de Q le polynôme caractéristique de C . Q

4. Soit λ une valeur propre de C . Déterminer la dimension et une base du sous-espace propre associé.
Q
>
1/4
I.C. Endomorphismes cycliques

5. Montrer que f est cyclique si et seulement s'il existe une base B de E dans laquelle la matrice de f est de la
forme C , où Q est un polynôme unitaire de degré n.
Q
6. Soit f un endomorphisme cyclique. Montrer que f est diagonalisable si et seulement si χ est scindé sur K et
a toutes ses racines simples.
f
7. Montrer que si f est cyclique, alors (Id, f, f , . . . , f ) est libre dans L(E) et le polynôme minimal de f est
2 n−1
de degré n.
I.D. Application à une démonstration du théorème de Cayley-Hamilton
8. Soit x un vecteur non nul de E. Montrer qu'il existe un entier p strictement positif tel que la famille
2
(x, f (x), f (x), . . . , f (x)) soit libre et qu'il existe (α , α , . . . , α ) ∈ K tel que :
p−1
0 1 p−1
p
α0 x + α1 f (x) + · · · + αp−1 f p−1 (x) + f p (x) = 0
9. Justier que Vect(x, f (x), f (x), . . . , f (x)) est stable par f .

2 p−1
10. Montrer que X + α X + · · · + α divise le polynôme χ .

p
p−1
p−1
0 f
11. Démontrer que χ (f ) est l'endomorphisme nul.
f
II. Etude des endomorphismes cycliques
II.A. Endomorphismes cycliques nilpotents

Dans cette sous-partie, on suppose que f est un endomorphisme nilpotent de E. On note r le plus petit entier naturel
tel que f = 0.
r
12. Montrer que f est cyclique si et seulement si r = n. Préciser alors la matrice compagnon.
II.B.
Dans cette sous partie II.B, on suppose K = C.
On suppose que (Id, f, f , . . . , f ) est libre et on se propose de montrer que f est cyclique.
2 n−1
On factorise le polynôme caractéristique de f sous la forme

p
Y
χf (X) = (X − λk )mk
k=1
où les λ sont les p valeurs propres deux à deux distinctes de f et les m de N leurs ordres de multiplicité respectifs.
k k
∗
Pour k ∈ [[1, p]], on pose F = ker((f − λ Id ) ).

k k E
mk
13. Montrer que les sous-espaces vectoriels F sont stables et que E = F ⊕ · · · ⊕ F .

k 1 p
Pour k ∈ [[1, p]], on note ϕ l'endomorphisme induit par f − λ Id sur le sous-espace vectoriel F ,
k k k
(
Fk → Fk
ϕk :
x 7→ f (x) − λk x
14. Justier que ϕ est un endomorphisme nilpotent de F .

k k
On note ν le plus petit entier naturel tel que ϕ = 0.
k
νk
15. Pourquoi a-t-on ν 6 dim(F ) ?

k
k k
2/4
16. Montrer, avec l'hypothèse proposée, que pour tout k ∈ [[1, p]], on a ν = m . k k
17. Expliciter la dimension de F pour k ∈ [[1, p]], puis en déduire l'existence d'une base B = (u , . . . , u ) de E dans
laquelle f a une matrice diagonale par blocs, ces blocs appartenant à M (C) et étant de la forme
k 1 n
mk
 
... .. 
λk 0 ... ... ... 0

... .. 
 1 λk

.. . . . . . . . . . . . . .. 

0 1 λk

..

... . . . λ 0 



 k
0 ... ... 0 1 λk
On pose x = u + u + · · · + u
0 1 m1 +1 . m1 +···+mp−1 +1
18. Déterminer les polynômes Q ∈ C[X] tels que Q(f )(x ) = 0. 0
19. Justier que f est cyclique.
III. Endomorphismes commutants, décomposition de Frobenius
On appelle commutant de f l'ensemble C(f ) = {g ∈ L(E)/ f ◦ g = g ◦ f }.

20. Montrer que C(f ) est une sous-algèbre de L(E).
III.A. Commutant d'un endomorphisme cyclique
On suppose que f est cyclique et on choisit un vecteur x dans E tel que (x , f (x ), . . . , f
0 0 0
n−1 (x
0 )) est une base de E.
Soit g ∈ C(f ), un endomorphisme qui commute avec f .
21. Justier l'existence de λ , λ , . . . , λ de K tels que
0 1 n−1
n−1
X
g(x0 ) = λk f k (x0 )
k=0
22. Montrer alors que g ∈ K[f ].

23. Établir que g ∈ C(f ) si et seulement s'il existe un polynôme R ∈ K n−1 [X] tel que g = R(f ).
III.B. Décomposition de Frobenius
On se propose de démontrer le théorème de décomposition de Frobenius : toute matrice est semblable à une matrice
diagonale par blocs, ces blocs étant des matrices compagnons.
24. Montrer que si la réunion d'un nombre ni de sous-espaces vectoriels F , . . . , F de E est un sous-espace vectoriel,
alors l'un des sous-espaces F contient tous les autres.
1 r
i
On note d le degré de π . f
25. Justier l'existence d'un vecteur x de E tel que (x , f (x ), . . . , f (x )) est libre.
1 1 1
d−1
1
Pour tout x non nul de E, on pourra remarquer que Ix = {P ∈ K[X]/ P(f )(x) = 0} est un idéal de K[X]
engendré par un polynôme unitaire πf,x diviseur de πf et considérer les sous-espaces vectoriels ker(πf,x (f )).
On pose e = x , e = f (x ), ..., e = f (x ) et E = Vect(e , e , . . . , e ).
1 1 2 1 d
d−1
1 1 1 2 d
26. Montrer que E est stable par f et que E = {P(f )(x )/ P ∈ K[X]}.
1 1 1
3/4
On note ψ l'endomorphisme induit par f sur le sous-espace vectoriel E ,

1 1
(
E1 → E1
ψ1 :
x 7→ f (x)
27. Justier que ψ est cyclique.

1
On complète, si nécessaire, (e , e , . . . , e ) en une base (e , e , . . . , e ) de E. Soit Φ la d-ième forme coordonnée qui à
tout vecteur x de E associe sa coordonnée suivant e . On note F = {x ∈ E/ ∀i ∈ N, Φ(f (x)) = 0}.
1 2 d 1 2 n
i
d
28. Montrer que F est stable par f et que E et F sont en somme directe.
1
Soit Ψ l'application linéaire de E dans K dénie, pour tout x ∈ E, par
d
Ψ(x) = (Φ(f i (x)))06i6d−1 = (Φ(x), Φ(f (x)), . . . , Φ(f d−1 (x)))
29. Montrer que Ψ induit un isomorphisme entre E et K . 1

d
30. Montrer que E = E ⊕ F. 1

31. En déduire qu'il existe r sous-espaces vectoriels de E, notés E , . . . , E , tous stables par f , tels que :
1 r
E = E ⊕ ··· ⊕ E ;
1 r
pour tout 1 6 i 6 r, l'endomorphisme ψ induit par f sur le sous-espace vectoriel E est cyclique;
i i
si on note P le polynôme minimal de ψ , alors P divise P pour tout entier i tel que 1 6 i 6 r − 1.
i i i+1 i
III.C. Commutant d'un endomorphisme quelconque

32. Montrer que la dimension de C(f ) est supérieure ou égale à n.
33. On suppose que f est un endomorphisme tel que l'algèbre C(f ) est égale à K[f ]. Montrer que f est cyclique.
IV. Endomorphismes orthocycliques
Dans cette partie, on suppose que K = R et que E est un espace euclidien. Le produit scalaire de deux vecteurs x, y
de E est noté (x|y) et on désigne par O(E) le groupe des isométries vectorielles de E.
On dit qu'un endomorphisme est s'il existe une base orthonormale de E dans laquelle la matrice de f
est de la forme C (matrice compagnon).
orthocyclique
IV.A. Isométries vectorielles orthocycliques

Soit f ∈ O(E).
34. Soit f ∈ O(E) ayant le même polynôme caractéristique que f . Montrer qu'il existe des bases orthonormales B
0
et B de E pour lesquelles la matrice de f dans B est égale à la matrice de f dans B .

0 0 0
35. En déduire que f est orthocyclique si et seulement si χ = X − 1 ou χ = X + 1. f

n
f
n
IV.B. Endomorphismes nilpotents orthocycliques

Soit f un endomorphisme nilpotent de E.
36. Montrer qu'il existe une base orthonormale de E dans laquelle la matrice de f est triangulaire inférieure.
37. En déduire que f est orthocyclique si et seulement si
f est de rang n-1 et ∀x, y ∈ (ker f ) , (f (x)|f (y)) = (x|y) ⊥
4/4
Page 150
Centrale MP Un corrigé de Mathématiques 1 2019
I. Matrices compagnons et endomorphismes cycliques
I.A.
1. On a χ donc

M = det(XIn − M) = det (XIn − M)> = det(XIn − M> ) = χM>
sp(M) ⇔ χ sp

∀λ ∈ K, λ ∈ M (λ) = 0 ⇔ χM> (λ) = 0 ⇔ λ ∈ M>
Ainsi sp(M) = sp M et donc M et M ont même spectre

> >
2. ⇐ On suppose que M est diagonalisable.

:
Ceci q nous fournit P ∈ GL (K) et D ∈ M (K) diagonale telles que M = PDP

n n
−1
donc M = P D P = P DP d'où M est diagonalisable

> −1 > > >
> −1 > >
⇒ :On suppose que M est diagonalisable.

>
Pour montrer que M est diagonalisable, on utilise l'implication précédente en remarquant que M = M>
>
.
On a bien montré que M est diagonalisable si et seulement si M est diagonalisable
>
I.B. Matrices compagnons
X ... ... ... 0 a0
... .. a
−1 X ... ... 0 a1
3. On a χ (X) = det (XI − C ) = .. . . . . . . . . . ..

CQ n Q
0 −1
.. 2
.. . . . −1 X a n−2
0 . . . . . . 0 −1 X + a
On eectue alors les opérations élémentaires pour i allant de n − 1 à 1 : L ←− L + XL :
n−1
i i i+1
0 ... ... ... 0 Q(X)

Xn−1 + an−1 Xn−2 + · · · + a2 X + a1
... .. ..
−1 0 ... ... 0
.. . . . . . . . . . .. ..
0 −1
χCQ (X) =
.. . . . −1 0 X2 + an−1 X + an−2
0 ... ... 0 −1 X + an−1
On développe ensuite selon la première ligne pour obtenir :
. ..
−1 0 ... ... 0
0 −1 . .
χCQ (X) = (−1)n+1 Q(X) .. . . . . . . . . . .. = (−1)n+1 Q(X)(−1)n−1
.. . . . −1 0
0 ... ... 0 −1
Ainsi Q est le polynôme caractéristique de C Q
1/14
..
 
...
0 1 0 ... 0
..
 
... ...
 0 0 1
4. On a .

>
 
(CQ ) =   
 0 

 0 ... 0 1 
−a0 −a1 . . . −an−1
On a χCQ> = χCQ = Q
 
ainsi
Q(λ) = 0 .
x1
Soit .. ,
 x2 
X =   ∈ Mn,1 (K)
 
 
xn
 


x2 = λx1 

 x2 = λx1
2
.. ..
 
x3 = λx2 x3 = λ x1

 

 
(CQ )> X = λX ⇐⇒ ⇐⇒
 
xn = λn−1 x1
 
xn

 = λx n−1



 
n−1 )x = λn x

−a x −. . . − a 
(−a − a λ − . . . − a
0 1 n−1 xn = λxn 0 1 n−1 λ 1 1
Ainsi ∀i ∈ [[2, n]], xi = λi−1 x1

(CQ )> X = λX ⇐⇒
Q(λ)x1 = 0
Notez bien que le "ainsi" concerne toute l'équivalence !
 
1
Comme λ est racine de Q, alors , vect(X ) où ..

 λ 
dim Eλ CQ> = 1 Eλ CQ> =

Xλ = 
 
λ 
 
λn−1
I.C. Endomorphismes cycliques
5. ⇒ On suppose que f est cyclique.

:
Ceci nous fournit x ∈ E tel que B = x , f (x ), . . . , f (x ) soit une base de E

0 0 0
n−1
0
Il existe alors (λ , λ , . . . , λ ) ∈ K tel que f (x ) = X λ f (x )

n−1
n n i
0 1 n−1 0 i 0
i=0
Je pose alors Q = X + X(−λ )X ∈ K[X]

n−1
n i
i
de sorte que Q est unitaire de degré n et M (f ) = C

i=0
On suppose qu'il existe une base B = (e , e , . . . e ) de E dans laquelle la matrice de f est de la forme
B Q
⇐
C , où Q est un polynôme unitaire de degré n
: 0 1 n−1
Ainsi ∀i ∈ [[0, n − 2]], f (e ) = e

Q
donc (e , f (e ), f (e ), . . . , f (e )) est une base de E et donc f est cyclique

i i+1
2 n−1
0 0 0 0
f est cyclique si et seulement s'il existe une base B de E dans laquelle la matrice de f
est de la forme C où Q est un polynôme unitaire de degré n
Q
6. ⇐ : On suppose que χ est scindé sur K et a toutes ses racines simples.

Ainsi |sp(f )| = deg(χ ) = dim E
f
donc f est diagonalisable d'après le cours

f
2/14
⇐ : On suppose que f est diagonalisable. Comme f est cyclique,

ceci nous fournit B une base de E et Q ∈ K[X] unitaire de degré n tel que M (f ) = C d'après 5.
Ainsi C est M diagonalisable même pour C d'après
et il en est de X 2
B Q
>
Q Q
Ainsi K = d'où n =

n > >
E C λ Q dim E C λ Q
sp λ∈ (f ) sp( ) λ∈ CQ>
or on a ∀λ ∈ sp C , dim E C = 1 d'après 4 donc sp C = n

>
> >
or d'après 1 : sp C = sp (C ) = sp (f )
Q λ Q Q
>
donc f admet n valeurs propres distinctes dans K

Q Q
donc χ est scindé sur K et a toutes ses racines simples

f
Ainsi f est diagonalisable si et seulement si χ est scindé sur K et a toutes ses racines simples
f
7. On suppose que f est cyclique.

Soit (λ , . . . , λ ) ∈ K tel que X λ f = 0 . Montrons ∀i ∈ [[0, n − 1]], λ = 0
n
n i
0 n−1 i L(E) i
Comme f est cyclique, ceci nous fournit x ∈ E tel que B = (x, f (x), . . . , f (x)) soit une base de E
i=0
n−1
donc X λ f (x) = 0 (x) = 0

n
i
i L(E) E
ainsi ∀i ∈ [[0, n − 1]], λ = 0 car B est libre

i=0
i
Alors (Id, f, f , . . . , f ) est libre dans L(E)

2 n−1
Je note d le degré de π . D'après le cours on a d = dim (K[f ]).

Or (Id, f, f , . . . , f ) est libre dans K[f ] donc d > n
f
2 n−1
de plus d'après Cayley-Hamilton, on a χ est annulateur de f

d'où π | χ or ce sont des polynômes non nuls ainsi on a d = deg (π ) 6 deg (χ ) = n
f
f f f f
ainsi n = d d'où le polynôme minimal de f est de degré n
On ne se sert pas de cette question pour montrer le théorème de Cayley-Hamilton dans le paragraphe I.D qui suit.
I.D. Application à une démonstration du théorème de Cayley-Hamilton
8. On note N = m ∈ N f (x) libre .

n o
∗ i
x
On sait que 1 ∈ N car x 6= 0 et que ∀m > n, m 6∈ N car dim E = n
06i6m−1
Ainsi N est une partie de N non vide majorée par n − 1

x E x
∗
donc N admet un plus grand élément p ∈ N .

x
∗
Ainsi la famille f (x) est libre et la famille f (x) est liée

x
i i
06i6p−1 06i6p
On a bien l'existence de p ∈ N et de (α , α , . . . , α ) ∈ K tels que la famille

∗ p
(x)) est libre et α x + α f (x) + · · · + α f

0 1 p−1
(x, f (x), f (x), . . . , f2 p−1 (x) + f (x) = 0 p−1 p
0 1 p−1
9. On a f Vect(x, f (x), f (x), . . . , f (x)) = Vect(f (x), f (x), f (x), . . . , f (x)) car f linéaire
2 p−1 2 3 p
or f (x) = −α x − α f (x) + · · · − α f (x) ∈ Vect(x, f (x), f (x), . . . , f (x))

p p−1 2 p−1
d'où f Vect(x, f (x), f (x), . . . , f (x)) ⊂ Vect(x, f (x), f (x), . . . , f (x))

0 1 p−1
2 p−1 2 p−1
Ainsi Vect(x, f (x), f (x), . . . , f (x)) est stable par f

2 p−1
3/14
10. Je note alors f˜ l'endomorphisme induit par f sur Vect(x, f (x), f (x), . . . , f (x)) 2 p−1
D'après ce qui précède B = x, f (x), f (x), . . . , f (x) est une base de Vect(x, f (x), f (x), . . . , f
2 p−1 2 p−1 (x))
On remarque que M (f˜) = C en notant Q = α + α X + · · · + α X + X p−1 p
d'où χ = Q or χ |χ car f˜ induit par f

B Q 0 1 p−1
f˜ f˜ f
On a montré que X + α X + · · · + α divise le polynôme χ

p
p−1
p−1
0 f
11. En reprenant les notations précédentes, on a Q(f )(x) = 0 et il existe P ∈ K[X] tel que PQ = χ
Ainsi χ (f ) = P(f ) ◦ Q(f ) donc χ(f )(x) = P(f ) [Q(f )(x)] = P(f )(0) = 0 car P(f ) linéaire
f
On a ainsi montré que : ∀x ∈ E, χ(f )(x) = 0

f
or χ(f ) ∈ L(E) d'où χ (f ) est l'endomorphisme nul

f
II. Etude des endomorphismes cycliques
II.A. Endomorphismes cycliques nilpotents
12. ⇒ On suppose f cyclique alors deg (π ) = n d'après 7

:
De plus d'après le cours, χ = X car f nilpotente

f
n
or π |χ selon Cayley-Hamilton et π est unitaire par dénition

f
donc π = X
f f f
n
ainsi f = 0 et ∀i ∈ [[0, n − 1]], f 6= 0

f
n i
d'où r = n
⇐ : On suppose que r = n donc f = 0 et f 6= 0 n n−1
Ceci nous fournit x ∈ E tel que f (x) 6= 0 n−1
Soit λ , . . . , λ ∈ K tels que X λ f (x) = 0.

n−1
i
0 n−1 i
On montre que ∀i ∈ [[0, n − 1]], λ = 0

i=0
On suppose, par l'absurde, que la propriété est fausse

i
Je note alors j le minimum de!{i ∈ [[0, n − 1]] | λ 6= 0 }  i
Ainsi 0 = f X n−1 X X n−1 n−1

n−1−j i n−1−j i n−1 n−1+i−j
λ f (x) = f i  λ f (x) = λ f (x) + λf (x)i j i
i=0 i=j i=j
Or ∀i > p, f (x) = 0 donc λ f (x) = 0 et λ 6= 0
i n−1
d'où f (x) = 0 ce qui est absurde

j j
n−1
Ainsi (x, f (x), . . . , f (x)) est une famille libre composée de n vecteurs de E et dim E = n
n−1
donc (x, f (x), . . . , f (x)) est une base de E

n−1
donc f est cyclique.

On a montré que f est cyclique si et seulement si r = n
On remarque que la matrice compagnon associée est unique car les coecients de cette matrices sont donnés
par ceux du polynôme caractéristique.
On sait que si f est cyclique et nilpotente, alors χ = X f
n
4/14
 
0 ... ... ... 0 0
... ..
1 0 ... ... 0 0
 
ainsi la matrice compagnon de f dans ce cas est .. . . . . . . . . .

 
.. ..
0 1 0
 ∈ Mn (R)
 
..

... 1
 
 
 
 0 0
0 ... ... 0 1 0
II.B.
13. Pour k ∈ [[1, p]], (f − λ Id ) et f commutent car C[f ] est une algèbre commutative
mk
donc F = Ker((f − λ Id ) ) est stable par f

k E
mk
k k E
On a χ (X) = Y (X − λ ) et les polynômes (X − λ ) sont deux à deux premiers entre eux

p
mk mk
f k k
Alors selon le lemme de décomposition des noyaux, on a

k=1
Ker (χ (f )) = Ker((f − λ Id ) ) ⊕ · · · ⊕ Ker((f − λ Id ) ) = F ⊕ · · · ⊕ F

f 1 E
m1
p E
mp
1 p
de plus selon Cayley-Hamilton, χ (f ) = 0 et donc Ker (χ (f )) = E

d'où E = F ⊕ · · · ⊕ F
f f
1 p
14. Soit x ∈ F . On a (f − λ Id) (x) = 0 mk
Pour tout y ∈ F , on a (f − λ Id)(y) = ϕ (y) ∈ F

k k
ainsi pour tout p ∈ N, (f − λ Id) (x) = ϕ (x) par récurrence immédiate sur p
k k k k
p p
donc ϕ (x) = 0, comme c'est vrai pour tout x ∈ F , on conclut que ϕ est un endomorphisme nilpotent de F
k k
mk
15. D'après le cours, l'indice de nilpotence de ϕ , endomorphisme de F est majoré par dim F
k k k k
ainsi ν 6 dim(F )
k k k
k k
16. Je note P = Y(X − λ ) . Soit k ∈ [[1, p]]. Soit x ∈ F .

p
νi
i k
i=1
 
On a P(f ) =  Id
p
Y
(X − λi )νi (f ) ◦ (f − λk )νk

i=1
i6=k
   
donc P(f )(x) = 

p
Y p
Y
(X − λi )νi (f ) ϕνkk (x) =  (X − λi )νi (f ) (0) = 0
  
i=1 i=1
donc P(f ) coïncide avec l'endomorphisme nul sur chaque F et E = F ⊕ · · · ⊕ F d'après 13

i6=k i6=k
donc P(f ) = 0
k 1 p
Je note d le degré de P comme P est unitaire alors (Id, f, f , . . . , f ) est liée 2 d
donc d > n car (Id, f, f , . . . , f ) est libre 2 n−1
or d = X ν d'où n 6 X ν
p p
i i
On remarque à l'aide de la question 14 que ν 6 m pour tout k ∈ [[1, p]]

i=0 i=0
k k
donc n 6 X ν 6 X m = n
p p
k k
i=0
ainsi les inégalités sont des égalités et pour tout k ∈ [[1, p]], on a ν = m
k=0
k k
5/14
17. Comme E = F ⊕ · · · ⊕ F d'après 13 et ∀k ∈ [[1, p]], ν 6 dim F d'après 15

1 p k k
on a donc avec la question précédente n = X ν 6 X dim(F ) = n

p p
k k
k=1 k=1
Comme à la question précédente, on obtient : ∀k ∈ [[1, p]], ν = m = dim (F ) k k k
ϕ est un endomorphisme nilpotent de F d'indice ν = m = dim (F )

donc selon 12, ϕ est nilpotent et cyclique.
k k k k k
k  
1 0 . . . .. 
0 0 ... ... ... 0


. . . .
.

ceci nous fournit une base B de F tel que M (ϕ ) =  . . . . . . . . . .  ∈ M (C)

 
0 1 0
k k
.
. . . . .Bk k mk

. . . . . . . 0 0
.
0 ... ... 0 1 0
En notant f l'endomorphisme
k  induit par f sur F ,  k
. .. 
λ 0 ... ... ... 0
.
k

.
... .. 
1 λ k

on a alors M (f ) =  . . . . . . . . . .  ∈ M (C)


0 1 λ k
Bk
.
k
. . . . . mk
. . . . . . . λ 0 
. k
0 ... ... 0 1 λ
En concaténant les bases B pour k allant de 1 à p
k
On obtient une base B adaptée à la décomposition en somme directe E = F ⊕ · · · ⊕ F

k
1 p
ainsi B = (u , . . . , u ) est une base de E dans laquelle f a une matrice diagonale par blocs de formes voulues
1 n
Remarque : pour la suite on peut démontrer que pour une telle base on a nécessairement :
∀k ∈ [[1, p]], (f − λ Id) (u ) = 0 puis
k
mk
m1 +···+mk−1 +1
∀k ∈ [[1, p]], ∀i ∈ [[1, mk ]], um1 +···+mk−1 +i ∈ Fk
On peut aussi supposer que l'on travaille avec la base choisie.

18. Pour k ∈ [[1, p]], on a u ∈F
ainsi ∀i ∈ N, f (u ) ∈ F car F stable par f
m1 +···+mk−1 +1 k
i
puis pour tout P ∈ C[X], on a P(f )(u ) ∈ F car F est stable par combinaison linéaire.
m1 +···+mk−1 +1 k k
m1 +···+mk−1 +1 k k
Et ainsi P(f )(x ) = X P(f )(u ) est la décomposition de P(f )(x ) sur F ⊕ · · · ⊕ F
p
0 m1 +···+mk−1 +1 0 1 p
Soit Q ∈ C[X]. On a donc Q(f )(x ) = 0 ⇐⇒ ∀k ∈ [[1, p]], Q(f )(e ) = 0

k=1
0 k
Je note e = u et on a B = (e , ϕ (e ), . . . , ϕ (e )) est une base de F mk −1
On a vu que la matrice de ϕ dans cette base est C

k m1 +···+mk−1 +1 k k k k k k k
X mk
donc π = X car ϕ est cyclique et nilpotent et dim(F ) = m selon 12
k
mk
∀k ∈ [[1, p]], (f − λ Id) (u ) = 0 puis

ϕk k k k
mk
k m1 +···+mk−1 +1
6/14
∀k ∈ [[1, p]], ∀i ∈ [[1, mk ]], um1 +···+mk−1 +i ∈ Fk

Par ailleurs on montre facilement que
∀P ∈ C[X], P(ϕk ) = 0 ⇐⇒ P(ϕk )(ek ) = 0
car P(ϕ ) commute avec tout ϕ et que est une base de .

i ϕik (ek ) 06i<m

Fk
Par ailleurs on a Q(ϕ ) = 0 ⇐⇒ X |Q (nilpotent et cyclique)
k k k
mk
donc Q(f )(e ) = 0 ⇐⇒ Q(ϕ + λ Id )(e ) = 0 ⇐⇒ X |Q(X + λ )

k
mk
ainsi Q(f )(e ) = 0 ⇐⇒ (X − λ ) |Q(X)

k k k Fk k k
mk
donc comme les (X − λ ) sont deux à deux premiers entre eux,

k k
mk
k
on a nalement Q(f )(x ) = 0 ⇐⇒ Y (X − λ ) |Q

p
mk
0 k
k=1
19. Soit (λ ) tel que X λ f (x ) = 0 Je note Q = X λ X de sorte que Q(f )(x ) = 0

n−1 n−1
i i
i 06i6n−1 ∈ Kn i 0 i 0
i=0 i=0
ainsi (X − λ ) |Q d'après la question précédente or deg(Q) 6 n − 1 < n = deg

p p
!
Y Y
mk
k (X − λk )mk
donc Q est le polynôme nul et ainsi ∀i ∈ [[0, n − 1]], λ = 0

k=1 k=1
donc f (x ) est une famille libre de n vecteurs de E et n = dim E

i
i
0
d'où f (x ) est une base de E ce qui justie que f est cyclique

06i6n−1
i
0 06i6n−1
III. Endomorphismes commutants, décomposition de Frobenius
20. L'application g 7−→ f ◦ g − g ◦ f est un endomorphisme de L(E) dont le noyau est C(f )
Ainsi C(f ) est un sous-espace vectoriel de L(E)
De plus, soit g et h ∈ C(f ). On a (g ◦ h) ◦ f = g ◦ f ◦ h = f ◦ (g ◦ h)
ainsi C(f ) est stable par ◦ et il est clair que Id ∈ C(f )
Ainsi C(f ) est une sous-algèbre de L(E)
III.A. Commutant d'un endomorphisme cyclique
21. On a g(x ) ∈ E et (x , f (x ), . . . , f (x )) est une base de E.

0 0 0
n−1
0
d'où l'existence de λ , λ , . . . , λ de K tels que g(x ) = X λ f (x )

n−1
k
0 1 n−1 0 k 0
k=0
22. Il sut d'établir que les applications linéaires g et X λ f coïncident sur la base (x , f (x ), . . . , f .
n−1
k n−1 (x
k 0 0 0 ))
On montre par récurrence immédiate que ∀i ∈ N, g ∈ C f

k=0
i
Soit i ∈ [[0, n − 1]]. En utilisant 21 et le fait que l'algèbre K[f ] est commutative
n−1 n−1
!
X X
i i i k
λk f k f i (x0 )

g f (x0 ) = f (g(x0 )) = f λk f (x0 ) =
k=0 k=0
7/14
donc g = X λ f et g ∈ K[f ]
n−1
k
k
23. On vient d'établir le sens direct (avec un polynôme de degré 6 n − 1)

k=0
La réciproque vient du fait que K[f ] est une algèbre commutative et que K [X] ⊂ K[X] et f ∈ K[f ].
On conclut que
n−1
g ∈ C(f ) si et seulement s'il existe un polynôme R ∈ K [X] tel que g = R(f ) n−1
III.B. Décomposition de Frobenius
24. On suppose que G = F ∪ · · · ∪ F est un sous espace de E.

Par l'absurde, je suppose qu'aucun des sous-espaces F ne contient tous les autres.
1 r
Ainsi r > 2 et G 6= {0}.

i
Quitte à réduire le nombre, on peut supposer qu'aucun F n'est inclus dans la réunion des
autres. Cela nous fournit x ∈ F qui n'est dans aucun des F pour i > 2.
Méthode 1 : i
Sinon, F 6= G et on peut aussi trouver y ∈ G \ F .

1 1 i
Pour tout scalaire λ, on a y + λx 6∈ F (car sinon y ∈ F ) et ainsi y + λx ∈ F ∪ · · · ∪ F .

1 1
La droite ane y + Kx est donc incluse dans F ∪ · · · ∪ F et contient une innité d'éléments
1 1 1 1 2 r
car K est inni et t ∈ K 7→ y + tx est injective car x 6= 0

1 2 r
Ceci nous fournit j ∈ [[2, r]] et λ 6= λ dans K tel que y + λx ∈ F et y + λ x ∈ F

1 1
0 0
donc x ∈ F (par combinaison linéaire) ce qui est absurde

1 j 1 j
Comme G est un K−espace vectoriel de dimension nie, on peut munir G d'une norme.
1 j
Méthode 2 :
De plus les notions topologiques sur G sont indépendantes du choix de la norme car dim G < +∞.
Comme les F sont des sous-espaces de G de dimensions nies, ce sont des fermés de G.
Soit i ∈ [[1, r]]. Comme F 6= G, cela nous fournit e ∈ G \ F .
i
Soit x ∈ F . On a alors : ∀p ∈ N , x + e 6∈ F
i i
∗ 1
i p i
Pour toute boule B centré en x, il existe p ∈ N , x + e ∈ B car x + e converge vers x

∗ 1 1
x 0 p0 x p0
Ainsi relativement à G, les F sont des fermés d'intérieurs vides.
p>1
Donc pour i ∈ [[1, r]], Ω = G \ F un ouvert dense dans G

i
i i
On pose V = \ Ω
i
i j
On montre par récurrence nie que les V (1 6 i 6 r) sont des ouverts non vides de G
j=1
Pour l'initialisation c'est évident car V = Ω est dense dans G.

i
Pour l'hérédité, Ton suppose pour i < r que V est un ouvert non vide
1 1
on a V = V Ω estun ouvert (intersection de deux ouverts) et non vide car V 6= ∅ et Ω dense

i
i+1 i i+1 i i+1
donc V 6= ∅ et V = G \  [ F  = ∅ ce qui est absurde

r
r r j
j=1
Ainsi l'un des sous-espaces F contient tous les autres i
Pour r = 2, il existe une preuve classique purement algébrique. Pour le cas général, la preuve
doit utiliser le fait que K est inni.
Remarque :
En eet, si jeSprendsS le corps K = Z/2Z, E = K , F = Vect ((1, 0)), F = Vect ((0, 1)) et F = Vect ((1, 1)).
2
On a E = F F F et pourtant aucun des sous-espaces F ne contient tous les autres.

1 2 3
1 2 3 i
8/14
25. Soit x ∈ E On considère l'application ϕ : P ∈ K[X] 7−→ P(f )(x) ∈ E.

Comme I = {P ∈ K[X]/ P(f )(x) = 0} est le noyau de l'application linéaire ϕ ,
x
I un sous groupe de (K[X], +)

x x
Pour P ∈ I et Q ∈ K[X], on a QP ∈ I
x
car (QP)(f )(x) = (Q(f ) ◦ P(f )) (x) = Q(f ) (P(f )(x)) = 0 car Q(f ) ∈ L(E)
x x
d'où I est un idéal de K[X] comme π ∈ I , cet idéal est non réduit à {0}
ce qui nous fournit π ∈ K[X] unitaire (donc non nul) tel que I = (π ) = {π
x f x
f,x P | P ∈ K[X] }
On remarque que : ∀x ∈ E, π |π
f,x x f,x
f,x f
Si on écrit π = Y P décomposition en facteurs irréductibles, où N ∈ N , les P sont irréductibles unitaires

N
αi ∗
f i i
et distincts deux à deux et enn les α ∈ N .

k=1
i
∗
Alors le nombre de diviseurs unitaires de π est Y (α + 1)

N
f i
k=1
Ainsi l'ensemble {π | x ∈ E } est ni de cardinal noté r où r ∈ [[1, Y (α + 1)]]

N
f,x i
On peut donc choisir u , . . . u ∈ E, tel que {π | x ∈ E } = {π | i ∈ [[1, r]] }

k=1
1 r f,x f,ui
Ainsi E = [ ker(π (f )) car ∀x ∈ E, x ∈ ker(π (f ))

r
f,ui f,x
La question 24 nous fournit i ∈ [[1, r]] tel que ker(π (f )) = E

i=1
On note x = u et on a ker(π (f )) = E
0 f,ui0
On remarque que π (f ) = 0 donc π |π

1 i0 f,x1
or π |π et ce sont des polynômes unitaires

f,x1 L(E) f f,x1
donc π = π Finalement
f,x1 f
f,x1 f
∀P ∈ K[X], P(f )(x1 ) = 0 ⇐⇒ πf |P
en faisant comme en 19, on montre que (x , f (x ), . . . , f (x )) est libre 1 1

d−1
1
26. En faisant comme en 9, on montre que E est stable par f

De plus, on a E = {P(f )(x )/ P ∈ K [X]} ⊂ {P(f )(x )/ P ∈ K[X]}
1
Soit P ∈ K[X]. Comme π 6= 0,

1 1 d−1 1
f
le théorème de la division euclidienne nous fournit Q et R ∈ K[X] tels que Pdeg(R)

= Qπ + R f
< d = deg(π )
On a alors P(f )(x ) = [Q(f ) ◦ π (f )] (x ) + R(f )(x ) = R(f )(x ) ∈ {T(f )(x )/ T ∈ K [X]}
f
1 f 1 1 1 1 d−1
On conclut que E = {P(f )(x )/ P ∈ K[X]}
1 1
27. D'après ce qui précède B = (e , e , . . . , e ) est une base de E .

De plus on a M (ψ ) = C matrice compagnon du π polynôme unitaire de degré d = dim(E )
1 2 d 1
B 1 πf f 1
alors d'après 5, ψ est cyclique 1
28. Pour i ∈ N, on note F = Ker Φ ◦ f ainsi F = \ F est bien un sous-espace de E

i
i
i
De plus, on a pour i > 1, f (F ) ⊂ F donc

i∈N
i i−1
!
\ \ \
f (F) ⊂ f Fi ⊂ f (Fi ) ⊂ Fi−1 = F
i∈N∗ i∈N∗ i∈N∗
9/14
d'où F est stable par f

Soit u ∈ E ∩ F.
1
Comme u ∈ E , cela nous fournit λ , . . . , λ tels que u = X λ e

d
1 1 d ∈K k k
k=1
or Φ(x) = λ et Φ(f (x)) = 0 car u ∈ F, donc λ d'où u =

d−1
X
0 =0 λk ek
d d
k=1
puis f (u) = X λ e et donc λ = 0 et f (u) = X λ e

d−1 d−2
k k+1 d−1 k k+1
En réitérant le procédé, on trouve λ = . . . = λ = 0

k=1 k=1
donc u = 0
d−2 1
L'autre inclusion étant évidente, on a E ∩ F = {0} d'où E et F sont en somme directe

1 1
29. Je note Ψ l'application linéaire induite par Ψ entre E et K . d
Soit x ∈ Ker(Ψ ).
1 1
On a x ∈ E et Φ(x) = Φ(f (x)) = · · · = Φ(f (x)) = 0.

1
d−1
En faisant comme à la question précédente, on obtient x = 0

1
L'autre inclusion étant évidente, on a Ker(Ψ ) = {0}

Ainsi Ψ est une application linéaire injective entre E et K or dim(E ) = d = dim(K )
1
d d
En utilisant le théorème du rang, on obtient que Ψ est surjective puis bijective

1 1 1
1
Ainsi Ψ induit un isomorphisme entre E et K 1

d
30. De la question précédente, on montre que Ψ est surjective de E vers K et que ker(Ψ) T E = {0}. d
Ainsi dim (E ) = d = rg (Ψ) et dim(E) = dim (ker(Ψ)) + rg(Ψ) = dim (ker(Ψ)) + dim (E )
1
donc E = E ⊕ Ker(Ψ)
1 1
1
On a Ker Ψ = \ F (les F sont introduits en 28) on a donc F ⊂ Ker Ψ

d−1
i i
i=0
Soit x ∈ Ker(Ψ). Montrons que x ∈ F

Soit i ∈ N. Il sut d'établir que Φ(f (x)) = 0 i
Le théorème de la division euclidienne nous fournit Q et R ∈ K[X] tel que deg(R) < d et X = Qπ + R. i
f
On peut écrire R = X a X . On a comme en 26 et car Φ est linéaire

d−1
k
k
k=0
d−1
X
Φ(f i (x)) = Φ (0) + Φ (R(f )(x)) = 0 + ak Φ f k (x) = 0
k=0
ainsi F ⊃ Ker Ψ d'où F = Ker Ψ

on conclut que E = E ⊕ F 1
31. Avant de commencer la construction par récurrence, on remarque que dans ce qui précède le
polynôme minimal de f est celui de ψ et donc que ∀x ∈ F, π (f )(x) = 0
Préambule :
1 ψ1
Initialisation : On prend E , F et ψ comme ci dessus.

On a E stable par F et ψ cyclique.
1 1
On pose P = π = π , G = F de sorte que E ⊕ G = E

1 1
On a ∀x ∈ G , P (f )(x) = 0
1 f ψ1 1 1 1
1 1
10/14
Hérédité : Soit k ∈ N . ∗
On suppose avoir l'existence de k sous-espaces vectoriels de E, notés E , . . . , E et G tous stables par f ,

tels que
1 k k
E = E ⊕ ··· ⊕ E ⊕ G ;
pour tout 1 6 i 6 k, l'endomorphisme ψ induit par f sur le sous-espace vectoriel E est cyclique;
1 k k
si on note P le polynôme minimal de ψ , alors P divise P pour tout entier i tel que 1 6 i 6 k − 1
k i
∀x ∈ G , P (f )(x) = 0
i i i+1 i
k k
Si dim G = 0, on s'arrête et on pose r = k
Sinon, on applique 24 à 30 à l'endomorphisme induit par f sur G
k
On obtient alors E , G sous espaces stables par f et le polynôme P tels que

k
k+1 k+1 k+1
E = E ⊕ ··· ⊕ E ⊕ G ;
l'endomorphisme ψ induit par f sur le sous-espace vectoriel E est cyclique;
1 k+1 k+1
si on note P le polynôme minimal de ψ , alors P divise P

k+1 k+1
∀x ∈ G , P (f )(x) = 0
k+1 k+1 k+1 k
k+1 k+1
On a ainsi la construction voulue au rang k.
Cette construction algorithmique s'arrête car à chaque étape dim(E ) 6 1 et donc r 6 dim(E).
car (dim G ) est une suite à valeurs dans N strictement décroissante.
Conclusion : k
On obtient ainsi le résultat voulu.

k k
On en déduit qu'il existe r sous-espaces vectoriels de E, notés E , . . . , E , tous stables par f , tels que : 1 r
E = E ⊕ ··· ⊕ E ;1 r
pour tout 1 6 i 6 r, l'endomorphisme ψ induit par f sur le sous-espace vectoriel E est cyclique;
i i
si on note P le polynôme minimal de ψ , alors P divise P pour tout entier i tel que 1 6 i 6 r − 1.
i i i+1 i
III.C. Commutant d'un endomorphisme quelconque
32. Je reprends les notations de la questions précédente pour la décomposition de Frobenius de f .

Je note Λ l'application telle que pour (g , . . . , g )L(E ) × · · · × L(E ), on a Λ(g , . . . , g ) déni sur E par
1 r 1 r 1 r
Λ(g , . . . , g )(x) = g (x ) + · · · g (x ) où x = x et les x ∈ E

X r
1 r 1 1 r r k k k
Ainsi dénie, Λ est linéaire de L(E ) × · · · × L(E ) à valeurs dans L(E)

k=1
De plus on montre facilement que Λ est injective et que Λ (C(ψ ) × · · · × C(ψ )) ⊂ C(f )
1 r
Ainsi dim (C(f )) > dim (C(ψ ) × · · · × C(ψ )) = dim (C(ψ )) + · · · + dim (C(ψ ))
1 r
or pour i ∈ [[1, r]], en notant n = dim E on a C(ψ ) = Vect(ψ , ψ , . . . , ψ ) d'après 23 du

1 r 1 r
0 1 ni −1
III.A
Comme ψ est cyclique alors (ψ , ψ , . . . , ψ ) est libre d'après 7

i i i i i i
0 1 ni −1
donc dim (C(ψ )) = n = dim (E ) d'où

i i i i
i i i
dim (C(ψ1 )) + · · · + dim (C(ψr )) = dim (E1 ) + · · · + dim (Er ) = dim (E1 ⊕ · · · ⊕ Er ) = dim(E) = n
Ainsi la dimension de C(f ) est supérieure ou égale à n
33. On note d = deg (π ). D'après le cours, on a dim (K[f ]) = d
or K[f ] = C(f ) et dim C(f ) > n donc d > n.
f
Or on a π |χ comme conséquence de Cayley-Hamilton ainsi d 6 n

donc d = n
f f
Or en reprenant les notations précédentes, on a dim(E ) = d = n

Donc E = E et ψ = f or ψ est cyclique
1
ainsi f est cyclique

1 1 1
11/14
IV. Endomorphismes orthocycliques
IV.A. Isométries vectorielles orthocycliques
34. Pour θ ∈ R, la matrice est semblable à la matrice R(−θ) (géométriquement en

cos(θ) − sin(θ)
R(θ) =
sin(θ) cos(θ)
échangeant les deux vecteurs de la base orthonormée ce qui change l'orientation du plan).
Si θ ≡ 0 [2π], alors R(θ) = I .
Si θ ≡ π [2π], alors R(θ) = −I .
2
Si θ 6≡ 0 [π], alors il existe θ ∈ ]0, π[ tel que R(θ ) soit semblable à R(θ ).
2
0 0 0
D'après le cours sur la réduction des automorphismes orthogonaux, il existe une base orthonormale B, p, q
et r ∈ N et θ , . . . , θ ∈ ]0, π[ tels que la matrice de f dans B soit diagonale par blocs de la forme :
diag (I , −I , R (θ ) , . . . , R (θ )).
1 r
On remarque que p + q + 2r = n = dim(E)

p q 1 r
et χ = X − tr(R(θ)) + det (R(θ)) = X − 2 cos(θ) + 1 = X − e X − e

R(θ)
2 2 iθ −iθ
on a ainsi χ = χ × χ × χ × · · · × χ = (X − 1) (X + 1) Y X − e X − e
r
p q iθi −iθi
f Ip (−Iq ) R(θ1 ) R(θr )
Quitte à réordonner les vecteurs de la base, on peut supposer que 0 < θ 6 θ 6 · · · 6 θ < π
i=1
ainsi p est la multiplicité de 1, q est la multiplicité de −1 dans χ et les θ , . . . , θ sont donnés dans l'ordre par
1 2 r
les racines non réelles de χ

f 1 r
Ainsi comme χ = χ , on pourra trouver B base orthonormée telle que M (f ) ait la même forme diagonale
f
0 0
par blocs.
f f0 B0
ainsi il existe des bases orthonormales B et B de E telles que M (f ) = M (f ) 0

B B0
0
35. =⇒ On suppose que f est orthocyclique.

:
Ceci nous fournit Q = X + a X + · · · + a X + a ∈ R[X] et B une base orthonormée de E tels que

n
n−1
n−1
1 0
 
0 ... ... ... 0 −a0
... ..
1 0
 ... ... 0 −a1 
 
.. . . . . . . . . . .. ..
0 1 −a2 
MB(f ) = CQ =   = (C1 | · · · |Cn )
 
.. ... 1
 
 
 
 0 −an−2 
0 ... ... 0 1 −an−1
où C , . . . , C désigne les colonnes de la matrice.
Comme f ∈ O(E), B est orthonormée, alors M (f ) ∈ O(n)
1 n
d'où (C , . . . , C ) est une base orthonormée de R muni du produit scalaire usuel noté h·, ·i
B
n
donc pour 1 6 i 6 n − 1, on a C ⊥ Cet donc 0 = hC , C i = −aet 1 = hC , C i = a

1 n
2
i n i n i n n 0
0 ... ... ... 0 −a0
... ..
1 0 ... ... 0 0 
 
ainsi a et
 
.. . . . . . . . . . .. ..
0 1 0 
∈ {−1, 1} MB (f ) = CQ = 
 
0
..

... 1
 
 
 
 0 0 
0 ... ... 0 1 0
Ainsi d'après 3, on a n n
χf ∈ {X − 1, X + 1}
12/14
⇐= : On suppose que χ = X + a avec a ∈ {−1, 1}. n
On note Q = χ et on considère B = (e , . . . , e , e ) une base orthonormée de E.

f
On considère alors l'unique endomorphisme g ∈ L(E) tel que M (g) = C fourni par le cours.
f 1 n−1 n
g envoie la base B sur la famille F = (e , . . . , e , ae ).

B Q
On remarque que F est une famille orthonormale de E composée de n vecteurs de E or dim(E) = n

2 n 1
donc g est un endomorphisme de E qui envoie la base orthonormée B sur la base orthonormée F
Ainsi g ∈ O(E) et χ = χ = χ = Q = χ et f ∈ O(E).
g MB (g) CQ f
Alors la question 34 nous fournit les deux bases orthonormées respectivement B et B pour lesquelles
respectivement f et g ont la même matrice notée M. Ainsi il existe P ∈ O(n) matrice de changement de
f g
bases orthonormales telle que

M = P−1 MB (g)P = P−1 CQ P
Ainsi la matrice C = PMP = PM (f )P représente f dans une base orthonormée.
−1 −1
Ce qui prouve que f est orthocyclique.

Q Bf
On en déduit que : f est orthocyclique si et seulement si χ = X − 1 ou χ = X + 1 f

n
f
n
IV.B. Endomorphismes nilpotents orthocycliques
36. Comme f est nilpotent, le cours nous fournit une base B = (e , . . . , e ) telle que M (f ) soit triangulaire s s
supérieure.
s 1 n Bs
On applique le procédé de Gram-Schmidt à B pour obtenir une base orthonormale B = ( , , . . . , ) et en

notant la matrice de passage P de B à B est triangulaire supérieure ainsi que P .
s o 1 2 n
−1
s o
Comme le sous-espace des matrices triangulaires supérieures est stable par produit;
alors la matrice M (f ) = P M (f )P est triangulaire supérieure.
−1
Alors en notant B = ( , . . . , , ), on a B base orthonormale de E et M (f ) triangulaire inférieure

Bo Bs
Bi
ainsi il existe une base orthonormale de E dans laquelle la matrice de f est triangulaire inférieure
i n 2 1 i
37. ⇐= On suppose que f est de rang n − 1 et que ∀x, y ∈ (ker f ) , (f (x)|f (y)) = (x|y).
:
⊥
La question précédente nous fournit une base orthonormée B = (e , . . . , e ) tel que A = M (f ) soit
triangulaire inférieure.
1 n B
Je note A = (C | . . . |C ) en colonnes.
Comme f est nilpotente, alors χ = X d'après le cours
1 n
n
donc la matrice est triangulaire strictement inférieure (diagonale nulle)

f
ainsi e ∈ Ker f \ {0} et comme dim (Ker f ) = n − rg(f ) = 1,

on a Ker f = Vect(e ) et Ker(f ) = {e } = Vect(e , . . . , e ) car B est orthonormée
n
⊥ ⊥
Ainsi pour tout i, j ∈ [[1, n − 1]], par calcul dans une base orthonormée on a :
n n 1 n−1
hC , C i = (f (e )|f (e )) = (e |e ) = δ (symbole de Kronecker)

donc si 1 6 i < j 6 n − 1, on a hC, C i =0 et hC , C i = hC , C i = 1
i j i j i j i,j
i j i i j j
 . 
  0
.  . 
0
.
 . 
.  . 
On a donc C =  .  et C =  .  avec a ∈ {−1, 1} car a = hC , C i = 1
 
 
2
.  . 
n n−1 n−1 n−1 n−1 n−1
.  
 0 
0
an−1
13/14
..
 
0
..
 
 
On trouve ensuite C avec a car hC et hC

 
 
n−2 =
 
 n−1 ∈ {−1, 1} n−2 , Cn−1 i =0 n−2 , Cn−2 i =1
 0 
 
an−2 
0
 
0 ... ... ... 0 0
... ..
a1 0 ... ... 0 0
 
En procédant de même, on obtient .. .. où les a ∈ {−1, 1}

 
.. . . . . . . . . .
 0 a2 0
A=
 
i
..

... a
 
 
 
 n−2 0 0
0 ... ... 0 an−1 0
La base B = (e , a e , a a e , . . . , a e , a e ) est orthonormée et M (f ) = C .

n−2
Y n−1
Y
0
1 1 2 1 2 3 i n−1 i n B0 Xn
Ainsi f est orthocyclique.

i=0 i=0
=⇒ :On suppose que f est orthocyclique.

Comme f est cyclique et nilpotent , on a π = χ = X d'après 12 n
Commme f est orthocyclique,

f f
cela nous fournit une base orthonormée B = (e , . . . , e ) telle que M (f ) = C .

Comme X = χ = χ = Q, on a M (f ) = C .
1 n B Q
n
B Xn
donc rg(f ) = rg(C ) = n − 1, Vect(e ) = Ker f et Vect(e , . . . , e ) = (Ker f )
f CQ
⊥
et on vérie facilement que ∀x, y ∈ (ker f ) , (f (x)|f (y)) = (x|y) par calcul dans la base orthonormée B
Xn n 1 n−1
⊥
14/14
V. Problème 5 :
Page 165

comporte 4 pages.
L’usage de tout matériel électronique, y compris la calculatrice, est interdit
Les candidats sont informés que la qualité de la rédaction et de la présentation, la clarté

et la précision des raisonnements constitueront des éléments importants pour l’appréciation des
copies. Il convient en particulier de rappeler avec précision les références des questions abordées.
Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé,
il le signale sur sa copie et poursuit sa composition en expliquant les raisons des initiatives qu’il
est amené à prendre.
Le sujet de cette épreuve est composé d’un problème.
Durée : 4 heures
Problème
Soit (A, +, ×, .) une K-algèbre, c’est-à-dire (A, +, ×) est un anneau et (A, +, .) est un K-espace vecto-
riel, tel que ∀α ∈ K, ∀(x, y) ∈ A2 , (α.x)×y = x×(α.y) = α.(x×y), avec K = R ou K = C. Soit k.k une
norme sur A, k.k est appelée une norme sous-multiplicative de la K-algèbre A, si pour tout (x, y) ∈ A2 ,
kx × yk ≤ kxkkyk. Dans tout le problème n et p désignent des entiers naturels non nuls, on rappelle
que, Mn,p (K) est l’ensemble des matrices à coefficients dans K ayant n lignes et p colonnes. Si n = p,
alors Mn,p (K) est noté Mn (K) et on rappelle aussi que Mn (K), muni de ses opérations usuelles, est
une K-algèbre. Pour toute matrice A de Mn (K), on note A0 = In et ∀n ∈ N, An+1 = AAn , où In est
la matrice identité de Mn (K). GLn (K) désigne le groupe des matrices inversibles de Mn (K).
Partie I
Etude de quelques normes sur Mn (K)
On définit sur Mn (K) la norme notée k.k∞ , telle que ∀A = (ai,j )1≤i≤n, 1≤j≤n ∈ Mn (K),
kAk∞ = max (|ai,j |).
1≤i≤n, 1≤j≤n
1. Montrer que ∀(A, B) ∈ (Mn (K))2 , kABk∞ ≤ nkAk∞ kBk∞ .
2. Soit N une norme sur Mn (K).
a) On pose (Eij )1≤i≤n, 1≤j≤n la base canonique de Mn (K). Ã !
P
Soit X = (xi,j )1≤i≤n, 1≤j≤n ∈ Mn (K). Montrer que N (X) ≤ N (Eij ) kXk∞ .
1≤i≤n, 1≤j≤n
b) i) Montrer que N est une fonction continue de Mn (K) muni de la norme k.k∞ vers R
muni de la valeur absolue.
ii) On pose S∞ = {X ∈ Mn (K); kXk∞ = 1}. Montrer qu’il existe X0 ∈ S∞ tel que pour
tout X ∈ S∞ , N (X0 ) ≤ N (X).
iii) En déduire qu’il existe α > 0 tel que pour tout X ∈ Mn (K), αkXk∞ ≤ N (X).
c) En déduire que toutes les normes de Mn (K) sont équivalentes.
3. Soit N une norme sur Mn (K) et soit (A, B) ∈ (Mn (K))2 .

a) Montrer qu’il existe un réel strictement positif β tel que N (AB) ≤ nβkAk∞ kBk∞ .
b) Montrer qu’il existe deux réels strictement positifs α et β tels que N (AB) ≤ n αβ2 N (A)N (B).
c) En déduire qu’il existe un réel strictement positif γ tel que γN soit une norme sous-
multiplicative sur Mn (K).
Épreuve de Mathématiques II Page 1/4

4. Soit N unennorme sur Mn,1 (K), pour toute

o matrice A de Mn (K), on pose,
N (AX)
kAk = sup N (X) ; X ∈ Mn,1 (K) \ {0} .
a) i) Justifier, pour tout A ∈ Mn (K), l’existence de kAk.

ii) Montrer que, pour tout A ∈ Mn (K), kAk = sup {N (AX); X ∈ Mn,1 (K), N (X) = 1}.
iii) Montrer que k.k est une norme sur Mn (K).
b) i) Montrer que, pour tout A ∈ Mn (K) et pour tout X ∈ Mn,1 (K), N (AX) ≤ kAkN (X).
ii) En déduire que, pour tout (A, B) ∈ (Mn (K))2 , kABk ≤ kAkkBk.
Partie II
Suites de matrices
On rappelle que si (Am )m∈N est une suite d’éléments de Mn,p (K) et si A ∈ Mn,p (K), la suite (Am )m∈N
converge vers A si la suite réelle (kAm − Ak)m∈N converge vers 0, où k.k est une norme donnée sur
Mn,p (K), on écrit dans ce cas lim Am = A.
m→+∞
1. Soit (Am )m∈N est une suite d’éléments de Mn,p (K) et soit A ∈ Mn,p (K), on pose pour tout
(m)
m ∈ N, Am = (ai,j )1≤i≤n, 1≤j≤p et A = (ai,j )1≤i≤n, 1≤j≤p .
Montrer que la suite (Am )m∈N converge vers A si, et seulement si, pour tout (i, j) ∈ N × N;
(m)
1 ≤ i ≤ n, 1 ≤ j ≤ p, la suite (ai,j )m∈N converge vers ai,j .
µ ¶
(m)
En cas de convergence, on écrit lim Am = lim ai,j .
m→+∞ m→+∞
1≤i≤n, 1≤j≤p
Ã !
α
1 −m
2. Soit α un réel, on pose pour tout m ∈ N∗ , Am = α .
m 1
a) Montrer que ∗ , il existe C ∈ R et θ ∈ [− π , π ] tels que,
Ã pour tout m ∈ N ! m m 2 2
cos θm − sin θm
Am = Cm
sin θm cos θm
b) Déterminer lim Am
m.
m→+∞
Partie III
Séries de matrices
P
m
Soit (Am )m∈N une suite d’éléments de Mn,p (K), on pose pour m ∈ N, Sm = Ak . On dit que la
k=0
série de terme général Am converge si la suite (Sm )m∈N des sommes partielles converge, sinon la série
P
+∞
est dite divergente. En cas de convergence, la limite de la suite (Sm )m∈N se note Ak .
k=0
On dit que la série de terme général Am est absolument convergente, si la série numérique de terme
général N (Am ) converge, avec N une norme définie sur Mn,p (K).
(m)
1. Soit (Am )m∈N est une suite d’éléments de Mn,p (K), on pose pour tout m ∈ N, Am = (ai,j )1≤i≤n, 1≤j≤p .
Montrer que la série de terme général Am converge si, et seulement si, pour tout (i, j) ∈ N × N;
(m)
1 ≤ i ≤ n, 1 ≤ j ≤ p, la série de terme général ai,j converge. En cas de convergence, on écrit
µ +∞ ¶
P
+∞ P (m)
Am = ai,j .
m=0 m=0 1≤i≤n, 1≤j≤p
2. Montrer que toute série absolument convergente de Mn (K) est convergente.
P m P m
+∞
3. Soit A une matrice non nulle de Mn (K) telle que A converge, montrer que A est
m∈N m=0
inversible et déterminer
Ã son
! inverse.
4 5
4. On pose B = 3 −6 .
5 7
3 −6

P
a) Montrer que B m est convergente et déterminer sa valeur.
m∈N
P
+∞
b) En déduire l’inverse de Bm.
m=0
Partie IV
Exponentielle d’une matrice
1
1. Montrer que, pour toute matrice A de Mn (K), la série de terme général m! Am , m ∈ N, est
convergente. Par la suite, on appelle l’exponentielle d’une matrice A de Mn (K), la matrice notée
P 1 m
+∞
exp(A), telle que exp(A) = m! A .
m=0
Dans toute la suite du problème, on note exp l’application définie sur Mn (K).
2. Soit S une matrice de Mn (K) telle que S 2 = In . Déterminer exp(S) en fonction de In et de S.
3. a) Soit (A, B) ∈ (Mn (K))2 tel que AB = BA. Montrer que exp(A + B) = exp(A) exp(B).
b) En déduire que si A ∈ Mn (K), alors exp(A) est une matrice inversible et déterminer son
inverse en fonction de A.
4. On note, pour tout (βi )1≤i≤n ∈ Kn , diag (βi )1≤i≤n , la matrice diagonale (ai,j )1≤i≤n, 1≤j≤n de
Mn (K), telle que pour tout i, 1 ≤ i ≤ n, ai,i = βi .
a) Montrer que ∀(αi )1≤i≤n ∈ Kn , exp (diag(αi )1≤i≤n ) = diag (eαi )1≤i≤n
b) Montrer que ∀A ∈ Mn (K), ∀P ∈ GLn (K), exp(P −1 AP ) = P −1 exp(A)P .
c) Soit T = (ti,j )1≤i≤n, 1≤j≤n ∈ Mn (K) une matrice triangulaire supérieure, montrer que
exp(T ) = (t0i,j )1≤i≤n, 1≤j≤n est aussi une matrice triangulaire supérieure telle que
∀i ∈ {1, . . . , n}, t0i,i = eti,i .
d) Soit A ∈ Mn (C), montrer que det(exp(A)) = eT r(A) , où T r(A) désigne la trace de la matrice
A.  
4 1 1
 
5. Soit A =  6 4 2 , pour tout réel t, déterminer exp(tA).
−10 −4 −2
Partie V
Application aux systèmes différentiels linéaires
Soit M ∈ Mn (K) et I un intervalle non trivial de R.
1. Montrer que la fonction f : I → Mn (K) définie par f (t) = exp(tM ) est de classe C 1 sur I et que
∀t ∈ I, f 0 (t) = M f (t) = f (t)M .
2. Soient t0 ∈ I, A ∈ Mn (K) et B : I → Mn,1 (K)) une fonction continue. On considère le système
différentiel suivant (S): Y 0 = AY + B.
a) Montrer, en utilisant un changement de variable convenable, que:
Y 0 (t) = AY (t) + B(t) ⇔ (exp(tA))z 0 (t) = B(t)
b) En déduire que les solutions du système différentiel (S) sont exactement les applications de
la forme: Z t
∀t ∈ I, Y (t) = exp ((t − u)A) B(u)du + (exp(tA))v,
t0
où v est un paramètre arbitraire de Kn .
3. On suppose, dans cette question, que A est une matrice diagonalisable de Mn (K) dont les valeurs
propres sont λ1 , λ2 , . . . , λn (non nécessairement distinctes) et soit (V1 , V2 , . . . , Vn ) une base formée
de vecteurs propres telle que pour tout i, 1 ≤ i ≤ n, Vi est associé à λi .
Montrer que la solution générale du système différentiel homogène Y 0 = AY est de la forme
Y (t) = α1 exp(λ1 t)V1 + . . . αn exp(λn t)Vn , où (α1 , . . . , αn ) ∈ Kn .


 0
 4x(t) + y(t) + z(t) = x (t)
4. Résoudre le système différentiel suivant 6x(t) + 4y(t) + 2z(t) = y 0 (t) , avec la condition

 −10x(t) − 4y(t) − 2z(t) = z 0 (t)
initiale suivante x(0) = 1, y(0) = 2 et z(0) = 3.
Partie VI
Toute matrice antisymétrique réelle est diagonalisable sur C
1. Soit N ∈ Mn (C), on suppose que N est nilpotente d’indice s, où s est un entier naturel non nul.
a) Montrer que (In , N, . . . , N s−1 ) est une famille libre.
b) Pour tout nombre complexe λ et pour tout réel t, exprimer exp(t(λIn + N )) en fonction de
P tk k
s−1
λ, t et k! N .
k=0
2. Soit A ∈ Mn (C) qui admet λ ∈ C comme unique valeur propre.
a) Montrer que N = A − λIn est nilpotente.
b) Montrer que les solutions du système différentiel X 0 = AX sont toutes bornées sur R si, et
seulement si, λ est imaginaire pur et A = λIn .
3. Soit A ∈ Mn (C), dont le polynôme caractéristique est Q = (X − λ1 )n1 . . . (X − λq )nq , les
λ1 , . . . , λq sont deux à deux distincts, q ∈ N∗ , n1 , n2 , . . . , nq sont des entiers naturels non nuls.
Soit f l’endomorphisme de Cn canoniquement associé à A.
a) Montrer qu’il existe une base de Cn dans laquelle la matrice de f est diagonale en q blocs.
b) Montrer que les solutions de X 0 = AX sont bornées sur R si, et seulement si, λ1 , . . . , λq
sont imaginaires purs et A est diagonalisable.
4. Montrer que toute matrice antisymétrique réelle est diagonalisable sur le corps des nombres
complexes C, et que ses valeurs propres sont imaginaires pures.
Partie VII
Quelques transformations induites par l’exponentielle matricielle
Soit M ∈ Mn (K), on dit que M est une matrice unipotente si M = In + N , avec N une matrice
nilpotente. On note Nn (K) l’ensemble des matrices nilpotentes de Mn (K) et Un (K) l’ensemble des
matrices unipotentes de Mn (K). Pour toute matrice N de Nn (K), on défini la fonction notée ln, par
P (−1)k−1 k
+∞
ln(In + N ) = k N .
k=1
1. Soit N une matrice nilpotente de Mn (K) d’indice de nilpotence s ≥ 2.
a) Montrer qu’il existe deux polynômes P et Q de même degré r tels que,
exp(N ) = P (N ) et ln(In + N ) = Q(N ).
b) Montrer qu’au voisinage de 0, P (Q(x)) = 1 + x + ◦(xr ) et Q(P (x) − 1) = x + ◦(xr ).
c) Montrer que exp est une application bijective de l’ensemble Nn (K) vers l’ensemble Un (K)
et déterminer sa bijection réciproque.
2. On pose V = {αIn + N ; α ∈ C et N ∈ Nn (C)} et W = {β(In + N ); β ∈ C∗ et N ∈ Nn (C)}.
a) Montrer que exp est une application surjective de V vers W .
b) exp est-elle injective de V vers W ? Justifier votre réponse.
3. On note Sn (R) le sous ensemble de Mn (R) constitué par les matrices symétriques et Sn++ (R) le
sous ensemble de Mn (R) constitué par les matrices symétriques définies positives c’est -à- dire
les matrices symétriques M de Mn (R) qui vérifient ∀X ∈ (Mn,1 (R)) \ {0}, t XM X > 0.
Montrer que exp est une application surjective de Sn (R) vers Sn++ (R).
FIN DE L’ÉPREUVE

Corrigé du problème 5:
Partie I
Étude de quelques normes sur Mn (K)
1. ∀A, B ∈ Mn (K), ∥AB∥∞ ≤ ∥A∥∞ ∥B∥∞
∑
n ∑
n
Pour tous i, j, (AB)i,j = ai,k bk,j , donc |(AB)i,j | ≤ |ai,k ||bk,j | ≤ n∥A∥∞ ∥B∥∞
k=1 k=1
et la passage au max entraine que ∥AB∥∞ ≤ n∥A∥∞ ∥B∥∞ .
 
∑
2. (a) N (X) ≤  N (Ei ) ∥X∥∞ .
j
1≤i,j≤n
∑
Soit X = xi,j Eij , du fait que ∀i, j, |xi,j | ≤ ∥X∥∞ , on obtient,
i,j
 
∑ ∑
N (X) ≤ |xi,j |N (Eij ) ≤  N (Eij ) ∥X∥∞ .
i,j 1≤i,j≤n
∑
Posons pour la suite k = N (Eij ).
1≤i,j≤n
(b) i. N : (Mn (K), ∥.∥∞ ) −→ (R, |.|) est continue.
Soit X, Y ∈ Mn (K), |N (X) − N (Y )| ≤ N (X − Y ) ≤ k∥X − Y ∥∞ , donc N est k−lipchitzienne et
par suite elle est continue.
ii. Existence de X0 tel que ∀X ∈ S∞ , N (X0 ) ≤ N (X).
L’application N est continue sur la sphère S∞ qui est compacte comme fermé borné en dimension
finie, donc N est bornée et atteint sa borne inférieure sur S∞ , ce qui assure l’existence de X0 ∈ S∞
tel que min N (X) = N (X0 ), et par suite ∀X ∈ S∞ , N (X) ≥ N (X0 ).
X∈S∞
iii. Existence de α > 0 tel que α∥.∥∞ ≤ N . ( )
X X
Soit X ∈ Mn (K) non nul, alors ∈ S∞ , donc N ≥ N (X0 ) et par suite
∥X∥∞ ∥X∥∞
∀X ∈ Mn (K) \ {0}, N (X) ≥ N (X0 )∥X∥∞ inégalité encore vérifiée pour X = On .
α = N (X0 ) est strictement positif du fait que ∥X0 ∥∞ = 1.
(c) Toutes les normes sont équivalentes sur Mn (K).
Soit N une norme sur Mn (K), on vient de montrer que α∥.∥∞ ≤ N ≤ k∥.∥∞ , donc toute norme N est
équivalente à ∥.∥∞ et par transitivité, toutes les normes seront équivalentes sur Mn (K).
3. (a) Existence de β > 0 tel que N (AB) ≤ nβ∥A∥∞ ∥B∥∞ .
N ∼ ∥.∥∞ , donc ∃β > 0 tel que N ≤ β∥.∥∞ , ce qui donne par l’inégalité de la question 1,
∀A, B ∈ Mn (K), N (AB) ≤ β∥AB∥∞ ≤ nβ∥A∥∞ ∥B∥∞ .
(b) Existence de α.
De la question c, qui précède, on α∥.∥∞ ≤ N , donc avec l’inégalité précédente, on aura ∀A, B ∈ Mn (K),
β
N (AB) ≤ n 2 N (A)N (B).
α
(c) Existence de γ > 0 tel qie γN est une norme sous-multiplicative.
nβ
Le réel γ = 2 répond à la question.
α
4. (a) i. Existence de ∥A∥.
L’application X 7−→ AX est continue comme application linéaire en dimension finie, donc ∃k > 0 tel
N (AX)
que ∀X ∈ Mn (K), N (AX) ≤ kN (X), donc l’application X 7−→ est bornée sur Mn (K)\{0},
N (X)
ce qui assure l’existence de ∥A∥.
ii. ∥A∥ = sup N (AX).
X/N (X)=1
Notons SN la sphère unité associée à N .
L’inclusion SN ⊂ Mn (K) \ {0} entraine que sup N (AX) ≤ ∥A∥.
X∈SN
X N (AX)
Réciproquement si X ∈ Mn (K) \ {0}, Y = ∈ SN , donc = N (AY ) ≤ sup N (AX),
N (X) N (X) X∈SN
ce quin donne par passage au sup, ∥A∥ ≤ sup N (AX).
X∈SN
Page 170
iii. ∥.∥ est une norme sur Mn (K).

- Soit A ∈ Mn (K) tel que ∥A∥ = 0, alors ∀X ∈ Mn,1 (K), AX = 0, en particulier Aei = 0 pour tout
vecteur de la base canonique de Mn,1 (K), donc les colonnes de A sont nulles, et par suite A = On .
- Soit A ∈ Mn (K) et λ ∈ K, alors ∥λA∥ = sup {N (λAX)} = sup {|λ|N (X)} = |λ| sup {N (AX)} =
X∈SN X∈SN X∈SN
|λ|∥A∥.
- Soit A, B ∈ Mn (K), alors ∀X ∈ SN , N ((A + B)X) = N (AX + BX) ≤ N (AX) + N (BX) ≤
∥A∥ + ∥B∥ et par passage au sup, on obtient ∥A + B∥ ≤ ∥A∥ + ∥B∥.
(b) i. ∀A ∈ Mn (K), X ∈ Mn,1 (K), N (AX) ≤ ∥A∥N (X).
X N (AX)
Soit X ∈ Mn,1 (K) \ {0}, alors Y = ∈ SN , donc = N (Y ) ≤ ∥A∥ et par suite
N (X) N (X)
N (AX) ≤ ∥A∥N (X), inégalité encore vraie pour X = 0, on conclut que N (AX) ≤ ∥A∥N (X).
ii. Déduire que ∀A, B ∈ Mn (K), ∥AB∥ ≤ ∥A∥∥B∥.
Pour tout X ∈ Mn,1 (K), N (ABX) ≤ ∥A∥N (BX) ≤ ∥A∥∥B∥N (X), donc
N (ABX)
∥AB∥ = sup ≤ ∥A∥∥B∥.
X̸=0 N (X)
Partie II
Suites de matrices
(m)
1. (Am )m converge vers A ssi, (ai,j )m converge vers ai,j pour tous i, j.
(m) (m)
lim Am = A ssi, ∥Am − A∥∞ −→ 0 ssi, max |ai,j − ai,j | −→ 0 ssi, ∀i, j, |ai,j − ai,j | −→ 0 ssi, ∀i, j,
i,j
(m)
ai,j −→ ai,j .
2. (a) Existence de C√ m et θm .
α2 1 α2 /m2 π π 1
On pose Cm = 1 + 2 , on a 2 + 2
= 1, donc ∃θm ∈] − , [ tel que = cos(θm ) et
m C
( m C m ) 2 2 Cm
α/m cos(θm ) −sin(θm )
= sin(θm ), d’où Am = Cm = Cm R(θm )
Cm ( sin(θ m) cos(θm ))
cos(θ) −sin(θ)
où on a posé pour θ ∈ R, R(θ) =
sin(θ) cos(θ)
(b) La limite de (Am
m )m . ( ) ( )
m α2 α2 1 α
Am
m = C m
m R(mθ m ), or Cm
m
= exp ln(1 + ) = exp( +o( )) −→ 1 et θ m = arcsin ∼
2 m2 2m m mCm
α
m −→ R(α).
∼ α, donc par continuité des fonctions cosinus et sinus, on obtient Am
Cm
Partie III
Séries de matrices
∑ ∑ (m)
1. Am converge ssi, ∀i, j, ai,j converge.
∑
m ∑m
(m)
Sm = Ak , donc ∀i, j, (Sm )i,j = ai,j et la question 1 de la partie II assure l’équivalence
∑ k=0 ∑ (m)
k=0
Am converge ssi, ai,j pour tous i, j.
m m
2. Toute série absolument ∑convergente est convergente. ∑ (m)

(m)
∀i, j, |ai,j | ≤ ∥Am ∥∞ et ∥Am ∥∞ converge, donc par comparaison, ∀i, j, |ai,j | converge et puisque K
∑ (m) m ∑ m
est complet ∀i, j, ai,j converge, c’est à dire Am converge.
m m
∑
3. Si la série Am converge, sa somme est inversible d’inverse In − A.
m
∑
+∞
Soit B = Am , alors par continuité de l’application M 7−→ AM , comme application linéaire en dimension
m=0
∑
+∞ ∑
+∞
finie, on obtient AB = A m+1
= Am = B − In , donc
m=0 m=1
(In − A)B = In , donc B est inversible d’inverse In − A.
Page 171
∑
4. (a) Convergence de B m est valeur de sa somme.
m ( ) ( ) ( ) ( )
1 1 1 1 1 1
χB = (X − 1/2)(X + 1/3), de plus B et B =− , donc
1 2 1 ( 2 3 )2
1 1
B = P.diag(1/2, −1/3).P −1 et par suite B m = P.diag ( )m , (− )m .P −1 et par continuité de
2 3 ( )
∑ 3 13/4 −5/4
−1
l’application M 7−→ P M P , la série B converge de somme P.diag(2, ).P −1 =
m
.
4 5/2 −1/2
m
∑
+∞
(b) Inverse de la série Bm.
m=0( )
−9/4 5/4
Son inverse est In − B = .
−5/2 3/2
Partie IV
Exponentielle d’une matrice
∑ 1
1. La série Am est convergente.
m
m!
1 m 1 ∑ 1
∥.∥ est sous-multiplicative, donc ∀m ≥ 1, ∥ A ∥≤ ∥A∥m et lasérie ∥A∥m converge vers e∥A∥ ,
m! m! m
m!
∑ 1
donc par comparaison la série Am est convergente comme série absolument convergente.
m
m!
2. Calcul de exp(S) en fonction de In et de S.

∑
+∞
1 ∑
+∞
1 ∑
+∞
1 ∑
+∞
1
exp(S) = S 2m + S 2m+1 = In + S = ch(1)In + sh(1)S.
m=0
(2m)! m=0
(2m + 1)! m=0
(2m)! m=0
(2m + 1)!
3. (a) Si AB = BA, alors exp(A + B) = exp(A)exp(B).

∑m
1 k ∑
+∞
1 k
Notons Sm (A) = A pour une matrice A ∈ Mn (K) et S∞ = A pour sa somme.
k! k!
k=0 k=0
La condition AB = BA nous permet
 d’utiliser
 ( la formule du binôme et on le calcul suivant:
)
∑ m
1 j ∑m
1 k ∑m
1 ∑ j j k−j
k
Sm (A)Sm (B) − Sm (A + B) =  A B − C A B =
j=0
j! k! k! j=0 k
k=0 k=0
 ( ) m m  
∑m
1 ∑m
1 ∑∑ 1 1 ∑m
1 ∑m
1 ∑m
1
= Aj  Bk − Aj B k−j = Aj  Bk − B k−j  =
j=0
j! k! j=0
j! (k − j)! j=0
j! k! (k − j)!
k=0 k=j k=0 k=j
∑ ∑ 1
m m−j
1
Aj B k , donc ∥Sm (A)Sm (B) − Sm (A + B)∥ ≤ Sm (∥A∥)Sm (∥B∥) − Sm (∥A∥ + ∥B∥) −→
j=0
j! k!
k=0
−→ e∥A∥ e∥B∥ − e∥A∥+∥B∥ = 0 et par suite S∞ (A + B) = S∞ (A)S∞ (B), c’est à dire exp(A + B) =
exp(A)exp(B).
(b) exp(A) est inversible d’inverse exp(−A).
la formule précédente entraine que exp(−A)exp(A) = exp(On ) = In , donc exp(A) est inversible d’inverse
exp(−A).
4. (a) Exponetielle d’une matrice ( diagonale. )
1 m 1 m 1 m
(diag(α1 , ..., αn )) = diag α1 , ..., αn , les séries composantes sont convergentes, donc exp(diag(α1 , ..., αn )
m! m! m!
diag(eα1 , ..., eαn ).
(b) exp(P −1 AP ) = P −1 exp(A)P .
∑
+∞
1 ∑
+∞
exp(P −1 AP ) = (P −1 AP )m = P −1 Am P et par continuité de l’application M 7−→ P −1 M P ,
m=0
m! m=0
∑
+∞
1 m
on aura exp(P −1 AP ) = P −1 ( A )P = P −1 exp(A)P .
m=0
m!
(c) Exponentielle d’une matrice triangulaire.
Page 172
 1 
  tm (∗∗)  t 
t1,1 (∗)  m! 1,1  e 1,1 (⋄)
 ..  1 m  ..   .. 
Soit T =  . , alors T = . , donc exp(T ) =  . .
m!  
O tn,n 1 m O etn,n
O t
m! n,n
(d) det(exp(A)) = etr(A) .
Soit A ∈ Mn (), alors A est trigonalisable dans et par suite ∃T = (ti,j )i,j triangulaire supérieure et
P ∈ GLn () tel que A = P T P −1 , donc exp(A) = P exp(T )P −1 d’où det(exp(A)) = det(exp(T )) =
∏n ∑n
eti,j = e i=1 ti,i = etr(T ) = etr(A) .
i=1
5. Calcul de exp(tA).
χA = (X − 2)3 , donc par Cayley-Hamilton A − 2I3 est nilpotente.  
2 1 + 2t t t
t
exp(tA) = exp(2tI3 ).exp(t(A−2I3 )) = e2t (I3 +t(A−2I3 )+ (A−2I3 )2 ) = e2t  6t + 2t2 1 + 2t + t2 2t + t2 .
2!
−10t − 2t2 −4t − t2 1 − 4t − t2
Partie V
Application aux systèmes différentiels linéaires
1. f est de classe C 1 et f ′ (t) = M f (t) = f (t)M .

∑
+∞ m
t
∀t ∈ R, f (t) = M m.
m=0
m!
tm m
- ∀m ∈ N, t 7−→ M est de classe C 1 sur R comme fonction à composantes polynômiales.
∑ tm m!
- La série M m converge siplement vers exp(tM ) sur R.
m
m!
tm−1 am−1
- Soit K un compact inclu dans I, alors K ⊂ [−a, a], donc ∀t ∈ K, m ∈ N∗ , ∥ M m∥ ≤ ∥M ∥m ,
(m − 1)! (m − 1)!
∑ ( tm )′
m
et par suite la série M converge normalement sur tout compact inclu dans I.
m
m!
On conclut par le théorème de dérivation terme à terme que f est de classe C 1 sur R et on ∀t ∈ R, f ′ (t) =
M exp(tM ) = exp(tM )M .
2. (a) Changement de variable convenable.
Le changement z(t) = exp(−tA)Y (t) donne l’équivalence.
(b) Solutions du système (S).
∫ t
′ ′
Y = AY + B ssi, z (t) = exp(−tA)B(t) ssi, z(t) = exp(−uA)B(u)du + v ssi,
∫ t 0
Y (t) = exp((t − u)A)du + exp(tA)v.

0
3. Solution générale du système Y ′ = AY où A diagonalisable.

∑
n
v= αi Vi , donc en prennant B = 0 dans la formule précédente, on obtient
i=1
∑
n ∑
n
Y (t) = exp(tA) αi Vi = αi exp(tA)Vi , or Am Vi = λm
i Vi , donc exp(tA)Vi = e
tλi
Vi ,
i=1 i=1
∑
n
ce qui donne Y (t) = αi exp(tλi )Vi .
i=1
4. Résolution du système.
′
Notre système est équivalent
 Y (t) = AY (t), donc de solution    
1 + 2t t t 1 1 + 7t
Y (t) = exp(tA)Y (0) = e2t  6t + 2t2 1 + 2t + t2 2t + t2   2  = e2t  2 + 16t + 7t2 
−10t − 2t 2
−4t − t2
1 − 4t − t2 3 3 − 30t − 7t2
Partie VI
Toute matrice antisymétrique réelle est diagonalisable sur
1. (a) (In , N, ..., N s−1 ) est libre.

Si (In , N, ..., N s−1 ) est liée, alors deg(ΠN ) ≤ s − 1, ce qui contredit ΠN = X s .
Page 173
∑
s−1 k
t
(b) Expression de exp(t(λIn + N )) en fonction de λ, t et N k.
k!
k=0
∑
s−1 k
t
exp(t(λIn + N )) = exp(tλIn ).exp(tN ) = exp(tλ). N k.
k!
k=0
2. (a) N = A − λIn est nilpotente.

χA = (X − λ)n , donc d’après le théorème de Cayley-Hamilton, (A − λIn )n = 0 et par suite A − λIn est
nilpotente.
(b) Les solution de X ′ = AX sont bornées ssi, λ ∈ iR et A = λIn .
Les solutions de X ′ = AX sont X(t) = exp(tA)X(0) où X(0) ∈ Mn,1 ().
⋄ Si A = λIn et λ ∈ iR, alors la solution est X(t) = eλt X(0) et donc pour n’importe qu’elle norme ∥.∥
sur Mn,1 () ∥X(t)∥ = ∥X(0)∥, donc t 7−→ X(t) est bornée.
⋄ Si t 7−→ X(t) est bornée pour tout X(0), alors le choix de X(0) ∈ Ker(N )\{0}, donne X(t) = eλt X(0)
est bornée, ce qui exige λ ∈ iR.
Choisissons maintenant X(0) ∈ / Ker(N s−1 ), alors
∑ tk
s−1
|t|s−1
∥X(t)∥ = |exp(λt)|∥ N k (X(0))∥ ∼ ∥N s−1 (X(0))∥ est bornée, ce qui exige s = 1, c’est à
k! +∞ (s − 1)!
k=0
dire N = 0 et par suite A = λIn .
On conclut que X est bornée sur R ssi, Re(λ) = 0 et A = λIn .
3. (a) Existence d’une base dans laquelle la matrice de f est diagonale par blocs.
∑
Le lemme des noyaux entraine que n = i = 1q Ker((f − λi id)ni ).
⊕
∑
Soit B = i = 1q Bi une base adaptée à cette somme directe, alors la matrice de f dans cette base est
∪
 
A1
 .. 
de la forme:  .  où Ai ∈ Mni () admmettant λi comme seule valeur propre.
Aq
(b) Condition nécessaire et suffisante de la bornitude des solutions de  X ′ = AX. 
exp(tA1 )
′  .. 
Les solutions de X = AX sont X(t) = exp(tA)v où v ∈ Mn,1 (), or exp(tA) =  . .
exp(tAq )
etAi − λi Ini est nilpotente , donc d’après la question 2, t 7−→ exp(tAi ) est bornée ssi, λi est imaginaire
pure et Ai = λi Ini .
On conclut que t 7−→exp(tA) est bornée ssi, ∀i ∈ {1, ..., q}, Re(λi ) = 0 et Ai = λi Ini ssi, la matrice de
λ1 In1
 .. 
f dans la base B est  .  ssi, ∀i ∈ {1, ..., q}, Re(λi ) = 0 et A est diagonalisable.
λq Inq
4. Toute matrice antisymétrique réelle est diagonalisable dans de spectre dans iR.
- L’antisymétrie de A entraine que T (exp(tA)) = exp(tT A) = exp(−tA) = (exp(tA))−1 , donc exp(tA) est
orthogonale.
On choisit une norme euclidienne sur Mn,1 () par exemple celle associée au produit scalaire usuel (X|Y ) =
T
XY , donc exp(tA) conserve la norme, c’est à dire ∥X(t)∥2 = ∥exp(tA)X(0)∥2 = ∥X(0)∥2 , ce qui assure la
bornitude de t 7−→ exp(tA) et par la question précédente, A est diagonalisable et Sp(A) ⊂ iR.
Partie VII
Quelques transformations induites par l’exponentielle matricielle
1. (a) Existence des polynômes P et Q.

∑
s−1
1 k ∑
s−1
(−1)k−1 k
∀k ≥ s, N k = 0, donc exp(N ) = N et ln(In + N ) = N , donc
k! k!
k=0 k=1
∑
s−1
1 k ∑
s−1
(−1)k−1 k
P = X et Q = X .
k! k!
k=0 k=1
(b) Développement limité en 0 de P oQ et Qo(P − 1).
Au voisinage de 0, ex = P (x) + o(xs−1 ) et ln(1 + x) = Q(x) + o(xs−1 .
- lim Q(x) = 0, donc P (Q(x)) = eQ(x) + o((Q(x))s−1 ), or (Q(x))s−1 ∼ xs−1 , donc o((Q(x))s−1 ) =
0
Page 174
s−1
o(xs−1 ), de plus eQ(x) = eln(1+x)+o(x ) = 1 + x + o(xs−1 ), d’où P (Q(x)) = 1 + x + o(xs−1 ).
- lim P (x) = 1, donc Q(P (x) − 1) = ln(P (x)) + o((P (x) − 1)s−1 ), or (P (x) − 1)s−1 ∼ xs−1 et
0
ln(P (x)) = ln(ex + o(xs−1 )) = x + ln(1 + e−x o(xs−1 )) = x + o(xs−1 ), d’où Q(P (x) − 1) = x + o(xs−1 ).‘
(c) exp est bijective de Nn (K) vers Un (K).
- L’application exp : Nn (K) −→ Un (K) est bien définie, en effet soit N ∈ Nn (K), alors
∑
s−1
1 k
exp(N ) = In + N = In + N ′ avec N ′ nilpotente comme somme de matrices nilpotentes qui
k!
k=1
commutent entre elles.
- La question précédente confirme que P (Q(X)) = 1 + X + X s−1 R(X) et Q(P (X) − 1) = X + X s−1 S(X)
avec R(0) = S(0) = 0, ce qui donne en remplaçant X par N , P (Q(N )) = In + N et Q(P (N ) − In ) = N .
- Soit M = In + N ∈ Un (K), alors exp(ln(M )) = exp(ln(In + N )) = P (Q(N )) = In + N = M .
- Soit N ∈ Nn (K), alors ln(exp(N )) = ln(exp(N ) − In + In ) = Q(P (N ) − In ) = N .
On conclut donc que exp est une bijection de Nn (K) vers Un (K) de bijection réciproque
∑
s−1
(−1)k
ln : Un (K) −→ Nn (K) définie par ∀M ∈ Un (K), ln(M ) = (M − In )k .
k!
k=1
2. (a) exp est une surjection de V vers W .

1
Soit M = β(In + N ) ∈ W , alors M ∈ Un (), donc d’après la question précédente, ∃N ′ ∈ Nn () tel
β
1 ′
que exp(N ) = M mais exp :7−→ est surjective, d’où l’existence de β ′ ∈ tel que β = eβ et par suite
′ ∗
β
exp(β ′ In + N ′ ) = βexp(N ′ ) = M , ce qui montre que β ′ In + N ′ ∈ V est un antécédent de M dans V .
(b) exp est-elle injective de V vers W ?
Soit θ ∈ 2πZ et A = iθIn ∈ V , alors exp(A) = In = exp(On ) mais A ̸= On , donc exp n’ext pas injective.
3. exp est une surjection de Sn (R) vers Sn++ (R).
- Montrons d’abord qu’une valeur propre d’une matrice de Sn++ (R) est dans R∗+ .
Soit A ∈ Sn++ (R) et λ ∈ Sp(A), alors ∃X ∈ Mn,1 (R) \ {0} tel que AX = λX, donc t XAX = λt XX, d’où
t
XAX
λ= X > 0.
X
- Soit M ∈ Sn++ (R), alors la théorème spectral assure l’existence de P ∈ On (R) et D = diag(λ1 , ..., λn ) tel
que M = P DP −1 avec les λi dans R∗+ .
exp : R −→ R∗+ étant bijective, donc ∀i ∈ {1, ..., n}, λi = eµi où µi ∈ R.
On a alors M = exp(P ∆P −1 ) = exp(P ∆t P ) avec ∆ = diag(µ1 , ..., µn ). Alors S = P ∆t P ∈ Sn (R) et
M = exp(S).
Page 175
Chapter 4
Espaces vectoriels normés , espaces préhilbertiens réels ,espaces
euclidiens :
I.1 Espaces vectoriels normés
Généralités
K désignera le corps R ou C, E et F des espaces vectoriels sur K.
Définition 24
On appelle norme sur E toute application de E vers R vérifiant
• ∀ x ∈ E, N (x) = 0 =⇒ x = 0. (séparation)
• ∀ x ∈ E, ∀ λ ∈ K, N (λx) = |λ|N (x) (homogénéité)
• ∀ (x, y) ∈ E 2 , N (x + y) ⩽ N (x) + N (y). (inégalité triangulaire)
On note souvent ∥x∥ à la place de N (x)
Définition 25
Un espace vectoriel
( muni
) d’une
( norme
) est appelé espace vectoriel normé.
On note souvent E, N ou E, ∥ ∥ pour désigner l’espace vectoriel normé E muni de la norme N .
Remarque 36
1. Si N est une norme de E alors ∀ x ∈ E, N (x) ⩾ 0 , en effet

0 = N (OE ) = N (x − x) ≤ 2N (x).
( )
2. Un vecteur x d’un evn E, ∥∥ est dit unitaire si et seulement si : ∥x∥ = 1
( )
3. Soit E, N un evn,on a ∀ (x, y) ∈ E 2 , N (x − y) ⩽ N (x) + N (y).
Par récurrence on a également
∀ (x1 , x2 , . . . , xn ) ∈ E n , N (x1 + x2 + · · · + xn ) ⩽ N (x1 ) + N (x2 ) + · · · + N (xn )
4.
∀ x, y ∈ E 2 , ∥x∥ − ∥y∥ ⩽ ∥x − y∥
176
Définition 26
( )
Soient E, ∥∥ un evn,x ∈ E et A,B deux parties de E.
1. On appelle distance de x à la partie A le réel : d(x, A) = inf a∈A ∥x − a∥.
2. On appelle distance entre A et B le réel : d(A, B) = inf (a,b)∈A×B ∥a − b∥
Exemple 7
1. Si β = (e1 , . . . , en ) est une base de E, on définit plus généralement trois normes sur E par
v
u n
∑n
u∑
||x||1 = |xi | et ||x||2 = t |xi |2 et ||x||∞ = max |xi |
i∈[[ 1,n ]]
i=1 k=1
∑n
où x = i=1 xi ei .
2. Sur l’espace Mn,p (K) (n, p ∈ N∗ des matrices d’ordre (n, p) , on définit trois normes :
A = (ai,j )1⩽i⩽n ∈ Mn,p (K) :
1⩽j⩽p
v  
u
∑
n u∑n ∑p ∑
p
u 
||A||1 = max |ai,j | et ||A||2 = t |ai,j |2  et ||A||∞ = max |ai,j |
1⩽j⩽p 1⩽i⩽n
i=1 i=1 j=1 j=1
3. Pour f ∈ B(X, F ) on définit sa norme infinie par

{ }
∥f ∥∞ = sup ||f (x)||F = sup ||f (x)||F x ∈ X
x∈X
qui peut être aussi noté N∞ (f ) ,alors (B(X, F ), ∥∥∞ ) est un espace vectoriel normè ,
( ) ( )
4. On définit sur C [a, b], K trois normes usuelles:∀f ∈ C [a, b], K
∥f ∥∞ = supx∈[a,b] |f (x)| (Norme de la convergence uniforme)

∫b
∥f ∥1 = a |f (t)| dt (Norme de la convergence en moyenne)
√∫
b
∥f ∥2 = a
|f (t)|2 dt (Norme de la convergence en moyenne quadratique )
Définition 27
Soit E un R espace vectoriel, on appelle produit scalaire sur E une forme bilinéaire, symétrique, définie
E × E −→ R
positive c’est-à-dire une application telle que:
(x, y) 7−→ (x| y)
bilinéaire : a 7→ (x| a) et a 7→ (a| y) sont linéaires pour tout x et y de E.

symétrique : ∀ x, y ∈ E, (x| y) = (y| x).
définie positive • ∀ x ∈ E, (x| x) ⩾ 0 (positivité)

• ∀ x ∈ E, (x| x) = 0 =⇒ x = 0.
Dans ce cas (E, (|)) est dit espace préhilbertien réel ,si de plus E est de dimension finie (E, (|)) est dit
espace Euclidien.
Page 177
Exemple 1 : Pour E = Rn , on définit pour x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ) :

∑
n
(x| y) = xk yk .
k=1
Exemple 2 : Pour E = C([a, b], R) et f, g ∈ E, on définit

∫ b
(f | g) = f g.
a
Définition 28
Si (.| .) est un produit scalaire sur E, on appelle norme euclidienne de x ∈ E le réel

√
∥x∥ = (x| x).
Plus généralement,
√ on dit que N est une norme euclidienne s’il existe un produit scalaire φ tel que
∀ x ∈ E, N (x) = φ(x, x).
( )
Thèorème 22 inégalités de Cauchy-Schwarz et triangulaire
Soit (E, (|)) un espace préhilbertien réel.

•
∀ x, y ∈ E, | (x| y)| ⩽ ∥x∥ ∥y∥.
L’ égalité à lieu si, et seulement si x et y sont colinéaires.

•
∀ x, y ∈ E, ∥x + y∥ ⩽ ∥x∥∥y∥.
L’égalité à lieu si, et seulement si x et y sont positivement liées (ie : ∃λ ∈ R+ tel que :x = λy ou
y = λx).
• Une norme euclidienne est une norme sur E.
Proposition 32
Si ∥ ∥ est une norme euclidienne de E , alors pour x, y ∈ E

•
1( )
(x|y) = ∥x + y∥2 − ∥x∥2 − ∥y∥2
2
.
(Identité de polarisation)
• ( )
∥x + y∥2 + ∥x − y∥2 = 2 ∥x∥2 + ∥y∥2
.
( Identité du parallélogramme)
• On montre en exercice que toute norme vérifiant l’identité du parallélogramme est une norme
euclidienne.
Page 178
Exemple 8
On définit un produit sur Mn,p (R) en posant pour A, B ∈ Mn,p (R) ,

(A|B) = Tr(t AB),et en déduit que || ||2 est une norme sur Mn,p (K).
Proposition 33
Soit (Ei , Ni )1⩽i⩽n (n ∏∈ N∗ ) une famille finie d’espaces vectoriels normés. Pour ∏n
n
X = (x1 , . . . , xn ) ∈ i=1 Ei on pose N∞ (X) = max1⩽i⩽ Ni (xi ) Alors N∞ est une norme de i=1 Ei
appelée norme produit .
Définition 29
Soient (un )n∈N ∈ E N une suite d’éléments d’un espace vectoriel normè (E, || ||) et ℓ ∈ E.
On dit que (un )n∈N converge vers ℓ pour la norme N si la suite réelle (∥un − ℓ∥)n∈N converge vers 0.
Avec quantificateurs ceci devient :
∀ ε > 0, ∃ N ∈ N : ∀ n ∈ N, n ⩾ N =⇒ ∥un − ℓ∥ ⩽ ε.
On note lim un = ℓ ou un −−−−−→ ℓ.

n→+∞ n→+∞
La suite (un )n∈N est dite convergente (CV) si, et seulement si il existe ℓ ∈ E tel que :(un )n∈N converge
vers ℓ.
Si elle ne converge pas, une suite est dite divergente (DV) .
On notera C(E) l’ensemble des suites convergentes de E.
Proposition 34
Si une suite convergente (un )n∈N ∈ E N alors elle est bornée c’est à dire :
∃ M > 0, ∀ n ∈ N, ||un || ⩽ M.
( )
Proposition 35 l’evn (l∞ (E), N∞ )
l∞ (E) désigne l’ensemble des suites bornées de l’espace vectoriel normè (E, || ||) .
l∞ (E) est un espace vectoriel normè pour la norme N∞ définie par :
∀u = (un ) ∈ l∞ (E), N∞ (u) = sup ||un ||

n∈N
.
Proposition 36
Soit E de dimension finie et β = (e1 , e2 , . . . , ep ) une base de E.

Pour qu’une suite (un )n∈N d’éléments de E soit convergente il faut et il suffit que ses suites coordonnées
convergent. ∑p ∑p
Plus précisément, avec un = i=1 un,i ei et ℓ = i=1 ℓi ei ,
lim un = ℓ ⇐⇒ ∀ i ∈ [[ 1, p ]], lim un,i = ℓi

n→+∞ n→+∞
Page 179
Proposition 37
• L’ensemble C(E) des suites convergentes de E est un K-ev.

C(E) −→ E
• l’application est linéaire.
(un )n∈N 7−→ lim un
• Ce qui s’illustre par :
Si (un )n∈N et (vn )n∈N convergent respectivement vers ℓ et ℓ′ , alors pour tout λ ∈ K,
(un + λvn )n∈N converge vers ℓ + λℓ′ .
Proposition 38
si (λn )n∈N est une suite de scalaires de Kconvergente vers λ et (xn )n∈N une suite de vecteurs de E
convergente vers x, alors (λn xn )n∈N converge vers λx.
Proposition 39
Soient (Ei , Ni )i∈[[ 1,p ]] (p ∈ N∗ ) une famille finie d’espaces vectoriels normés ,
∏p ∏p
(un ) = ((un , . . . , un∏ )) ∈ ( i=1 Ei )N une suites d’éléments de ( i=1 Ei , N∞ )
(1) (p)
p
et l = (l1 , . . . , lp ) ∈ i=1 Ei alors :
(i)
la suite (un ) converge vers l si, et seulement si ∀i ∈ [[ 1, p ]] , la suite (un ) converge vers li et dans ce
(1) (p)
cas :lim un = (lim un , . . . , lim un ).
( )
Définition 30 valeur d’adhérence d’une suite
Soient (un )n∈N ∈ E N une suite d’éléments de E et a ∈ E.

On dit que a est une valeur d’adhérence de la suite (un ) si, et seulement si il existe une suite extraite
(uφ(n) ) de la suite (un ) tel que : lim uφ(n) = a.
n→+∞
(ie : les valeurs d’adhérences sont les limites des suites extraites)
remarque : : On montre par récurrence que ∀n ∈ N; φ(n) ≥ n.
exemple : : 1 et −1 sont des valeurs d’adhérence de la suite de terme général un = (−1)n , en effet :
Thèorème 23
Soient (un )n∈N ∈ E N une suite d’éléments de E et a ∈ E.

alors : a est une valeur d’adhérence de la suite (un )n∈N si, et seulement si
∀ ε > 0, ∀ n ∈ N; ∃p ≥ n; ∥up − a∥ ≤ ε.
Page 180
Proposition 40
Soit (un )n∈N ∈ E N de limite ℓ ∈ E. Alors ℓ est l’unique valeur d’adhérence de(un ). (ie :toute suite
extraite converge vers ℓ)
. La réciproque est fausse.
Toute suite admettant deux valeurs d’adhérence est divergente .
exemple : la suite de terme général un = (−1)n est divergente .
Topologie d’un espace vectoriel normé

(E, || ||) est un espace vectoriel normè .
( )
Définition 31 Voisinage
Soient V une partie de E et a ∈ V ,on dit que V est un voisinage de a si, et seulement si il existe r ∈ R∗+
tel que :B(a, r) ⊂ V .
On notera Va l’ensemble des voisinages de a.
Proposition 41
Soit a ∈ E alors :
• Toute intersection finie de voisinages de a est un voisinage de a.
• Toute partie contenant un voisinage de a est un voisinage de a.
( )
Définition 32 ouvert et fermé
• On dit qu’une partie U de E est ouverte si U est un voisinage de chacun de ces points ,ce qui se
traduit par :
∀ a ∈ U, ∃ r > 0 | B(a, r) ⊂ U
• Une partie X est dite fermée si son complémentaire X c est ouvert
Proposition 42
• Une union quelconque de parties ouvertes est encore une partie ouverte.
• Une intersection finie de parties ouvertes est encore une partie ouverte.
• Une union finie de parties fermées est encore une partie fermée.
• Une intersection quelconque de parties fermées est encore une partie fermée.
Page 181
Exemple 9
1. E et ∅ sont ouverts et fermés.

2. Toute boule ouverte est un ouvert.
3. Toute boule fermé est un fermé.

4. Tout singleton {x} est fermé , Toute partie finie est fermé .
5. Toute sphère est fermée.
Définition 33
On dit que a ∈ E est adhérent à une partie A si toute boule ouverte de centre a rencontre A c’est-à-dire
∀ r > 0, A ∩ B(a, r) ̸= ∅.
On note A l’ensemble des points adhérents à A.
A = {a ∈ E; ∀ r > 0, A ∩ B(a, r) ̸= ∅}
Intuivement, il s’agit des points de A et des points “aux bords” de A.

exemples :
1. A ⊂ A (car si a ∈ A alors ∀ r > 0, a ∈ A ∩ B(a, r)).
2. B(a, r) = B(a, r)
3. l’ensemble des points adhérents à ]a, b[ est l’ensemble [a, b].
Définition 34
On dit qu’une partie A est dense dans E si, et seulement si A = E.
Exemple 10
1. Q et R − Q sont denses dans R.

2. Soient A une partie de E et x ∈ E :
x ∈ A ⇔ d(x, A) = 0
3. Soit A et B deux parties de E :

• A⊂B⇒A⊂B
• A∪B =A∪B
• A ∩ B ⊂ A ∩ B et qu’on a pas toujours égalité.
Page 182
Thèorème 24
Soit A une partie de E alors :

1. A est un fermé de E.
2. A est un fermé de E si, et seulement si A = A.

3. A est le plus petit fermé de E contenant A.
( )
Thèorème 25 caractérisation séquentielle des points adhérents et d’un fermé
Soient A une partie de E et x ∈ E alors :

1.
x ∈ A ⇔ ∃(an ) ∈ AN ; lim an = x
(ie : x est adhérent à A si, et seulement s’il existe une suite de points de A convergeant vers x)
2. Un ensemble X est un fermé si, et seulement si
∀(xn ) ∈ X N , [ (xn ) converge dans E ⇒ lim xn ∈ X]
(ie :toute suite convergente de X converge dans X).
Définition 35
Soient A une partie non vide de E et a ∈ A On dit que a est un point intérieur d’une partie A si s’il
existe une boule ouverte de centre a incluse dans A c’est-à-dire
∃ r > 0, B(a, r) ⊂ A.
(ie: A est un voisinage de a).

◦
Par convention ∅= ∅.
◦
On note A l’ensemble des points intérieurs à A.
◦
∗+
A= {a ∈ A|∃r ∈ R ; B(a, r) ⊂ A}
Remarque 37
◦
A⊂ A ⊂ A
Proposition 43
◦ c ◦
Soit A une partie de E alors : (A)c = Ac et A = Ac
Page 183
Proposition 44

◦
1. A est un ouvert de E.
◦
2. A est un ouvert de E si, et seulement si A =A
◦
3. A est le plus grand ouvert inclus dans A.
Exemple 11
Soient A et B deux parties de E :

◦ ◦
1. A ⊂ B ⇒A⊂B
◦ ◦ ◦
2. A ∩ B =A ∩ B
◦ ◦ ◦
3. A ∪ B ⊂ A ∪ B , et on a pas toujours égalité.
Définition 36
◦
On appelle frontière de A la partie férmèe Fr(A) = A\A
Inutitivement, il s’agit du « bord » de A (lorsqu’ il y en a un.) c’est-à-dire les points pouvant être « approchés »
à la fois par l’intérieur et par l’extérieur de cet ensemble.
Remarque 38
◦
Fr(A) = A ∩ (A)c
Définition 37
Soient (E, || ||) , A une partie non vide de E et a ∈ A.
1. On dit qu’une partie U de E est un voisinage de a relativement à A si, et seulement si ∃V ∈ Va

tel que :U = V ∩ A.
2. On dit qu’une partie U de E est un ouvert de E relativement à A si, et seulement si il existe O
ouvert de E tel que : U = O ∩ A.
3. On dit qu’une partie U de E est un fermée de E relativement à A si, et seulement si il existe F
fermée de E tel que : U = F ∩ A.
4. On dit qu’une partie B de A est dense dans A si, et seulement si A ⊂ B.
Remarque 39
U une partie ouverte de E relativement de A si, et seulement si ∀x ∈ U , U est un voisinage de x

relativement à A.
Page 184
Exemple 12
E = R ,A = ]1, 3] et B = ]2, 3]
B n’est pas un ouvert de R mais B est un ouvert de R relativement à A car B = ]2, 4[ ∩ A .
B est un voisinage de 3 relativement à A mais ce n’est pas un voisinage de 3.
Définition 38
′ ′
Soient N et N deux normes sur un K-espace vectoriel E. On dit que N et N sont èquivalentes si, et
seulement si ′
∃α, β ∈ R∗+ ; ∀x ∈ E βN (x) ≤ N (x) ≤ αN (x)
′
(ie : les ensembles { NN′(x)
(x)
; x ∈ E − {0E }} et { NN ((x)
x)
; x ∈ E − {0E }} sont majorés .)
Remarque 40
L’équivalence des normes est une relation d’équivalence .
( )
Thèorème 26 Caractérisation séquentielle de l’équivalence des normes
′
Soient N et N deux normes sur un K-espace vectoriel E.
′
1. ∃α ∈ R∗+ ; ∀x ∈ E N (x) ≤ αN (x) si, et seulement si
′
∀(xn ) ∈ E N lim N (xn ) = 0 ⇒ lim N (xn ) = 0
.
′
2. N et N sont équivalentes si, et seulement si
′
∀(xn ) ∈ E N lim N (xn ) = 0 ⇔ lim N (xn ) = 0
Remarque 41
1. Deux normes équivalentes ont les même suites convergentes avec la même limite.
′
N N
(ie :xn −−−−−→ a ⇔ xn −−−−−→ a).
n→+∞ n→+∞
′
2. Deux normes équivalents N et N définissent la même topologie : même ouverts ,même fer-
més,même intérieurs et même adhérences.
′
Car si βN ≤ N ≤ αN alors , ∀a ∈ E et r ∈ R∗+ ,
BN ′ (a, βr) ⊂ BN (a, r) ⊂ BN ′ (a, αr)
.
′
3. N et N ne sont pas équivalentes si, et seulement si
N (xn )
∃(xn ) ∈ (E − {0})N ; lim = +∞ ou 0
N ′ (xn )
Page 185
Thèorème 27
Dans un espace vectoriel normè de dimension finie toute les normes sont équivalentes.
Remarque 42
Les différentes notions topologiques sont invariantes par rapport au choix d’une norme en dimension
finie
Définition 39
Soient A ⊂ E et f ∈ F (A, F ).
On dit que f est k-lipschitzienne où lipschitzienne de rapport k sur I si
∃ k ∈ R+ , ∀(x, y) ∈ A2 , ∥f (x) − f (y)∥ ⩽ k∥x − y∥
f est dite lipschitzienne s’il existe k tel qu’elle soit k-lipschitzienne.
Exemple 13
Soient A une partie non vide de E et a ∈ E ,Montrer que les applications : x 7→ d(x, A) et x 7→ ∥x − a∥
sont 1-lipschitziennes .
Remarque 43
1. D’après l’inégalité des accroissements finis, toute fonction à dérivée bornée est
lipschitzienne.
√
√ x
2. x 7→ x est continue sur R+ mais n’y est pas lipschitzienne car −−−→ +∞, on ne peut donc
√ √ x x→0
pas avoir ∀x ∈ R+ , | x − 0| ⩽ k|x − 0|.
Définition 40
Soit A une partie de E, f ∈ F (A, F ) et a un point adhérent à A.

On dit que f admet une limite l ∈ F au point a si, et seulement si
∀V ∈ Vl , ∃U ∈ Va ; f (A ∩ U ) ⊂ V . ce qui s’exprime par :
∀ε > 0, ∃α > 0, | ∀x ∈ A, ∥x − a∥ ⩽ α ⇒ ∥f (x) − l∥ ⩽ ε
Remarque 44
Si la fonction f admet une limite l en a ∈ A , alors f est bornée au voisinage de a.
Page 186
( )
Thèorème 28 Caractérisation séquentielle d’une limite
Soient f : A ⊂ E → F une fonction et a ∈ A.

f tend vers l en a si, et seulement si pour toute suite (un )n∈N de I tendant vers a, (f (un ))n∈N tend
vers l.
Méthode 1
Ce théorème est très utile pour montrer qu’une limite n’existe pas.
exemples :
(1)
• f (x) = sin x a-t-elle une limite en 0 ?
1
Soit un = . f (un ) = 0 et un −−−−−→ 0 .
nπ n→+∞
Donc si la limite existe, elle vaut zéro (car toute sous suite d’une suite convergente converge vers la même
limite).
1
Mais vn = −−−−−→ 0 et pourtant f (vn ) −−−−−→ 1 ̸= 0
2nπ + π2 n→+∞ n→+∞
D’où une contradiction.
• L’application de R2 \{(0, 0)} dans R définie par

xy
f (x, y) =
x2 + y 2
( ) ( )
n’a pas de limite en (0, 0) car f n1 , 0 = 0 −−−−−→ 0 et f n1 , n1 = 2 −
1
−−−−→ 1 ̸= 0.
n→+∞ n→+∞ 2
• f: R −→ R
{
n’a pas de limite en 0
1 si x ̸= 0
x 7−→
0 si x=0
En effet considérons la suite définie par un = 0. On a alors f (un ) = 0 −−−−−→ 0.
n→+∞
D’autre part considérons la suite définie par vn = 1

n. On a alors f (un ) = 1 −−−−−→ 1.
n→+∞
Proposition 45
Soit F de dimension finie, β = (e1 , e2 , . . . , en ) une base de F et f : E −→ F .

f admet une limite en∑a si, et seulement ∑n si ses applications coordonnées en admettent une. Plus
n
précisément, avec f = i=1 fi ei et l = i=1 li ei ,
lim f (x) = l ⇐⇒ ∀ i ∈ [[ 1, n ]], lim fi (x) = li

x→a x→a
Page 187
Proposition 46
Soient (Fi , Ni )i∈[[ 1,p ]] (p ∈ N∗ ) une famille finie d’espaces vectoriels normés A ⊂ E ,a ∈ A,
∏p
f : A ⊂ E −→ i=1 Fi
x 7−→ f (x) = (f1 (x), . . . , fp (x))
∏p
une application et l = (l1 , . . . , lp ) ∈ i=1 Fi alors :
lim f (x) = l ⇐⇒ ∀ i ∈ [[ 1, p ]], lim fi (x) = li

x→a x→a
Proposition 47
• Si f et g admettent respectivement l et l′ comme limite en a, alors pour tout λ, µ ∈ K, λf + µg

admet une limite en a et lima (λf + µg) = λl + µl′ .
• si f est une fonction à valeurs réelles admettant λ comme limite en a et g une fonction vectorielle
admettant l comme limite en a, alors f g admet une limite en a et on a lima f g = λl.
• si f est une fonction à valeurs réelles admettant λ ̸= 0 comme limite en a, alors 1

f admet une
limite en a et lima f1 = λ1 .
Proposition 48
Soient f : A1 −→ F, g : A2 −→ F ′ telles que f (A1 ) ⊂ A2 et a adhérent à A1 .

On suppose que lim f = l1 et lim g = l2
a l1
Alors lim g ◦ f existe et vaut l2 .
a
Définition 41
Soit f : A −→ F et a ∈ A.
On dit que f est continue au point a si, et seulement si lim f (x) = f (a)
x→a
c’est-à-dire lim ∥f (x) − f (a)∥ = 0.
x→a
Définition 42
Soit A ⊂ E. On dit que f : A −→ F est continue sur A si elle est continue en chaque point de A. On
note C(A, F ) ou C 0 (A, F ) l’ensemble des fonctions continues de A dans F .
Remarque 45
Deux normes équivalentes sur E d’une part et deux normes équivalentes sur F d’autre part définissent
les même applications continues .
Page 188
( )
Thèorème 29 Caractérisation séquentielle de la continuité
f est continue en a si, et seulement si pour toute suite (un )n∈N de I tendant vers a, (f (un ))n∈N tend
vers f (a).
Proposition 49
C(A, F ) est un K-espace vectoriel .

Autrement dit, toute combinaison linéaire de fonctions continues est continue.
Proposition 50
Dans le cas où F = C, C(A, C) est une K-algèbre.

Autrement dit une combinaison linéaire, le produit et le quotient (lorsque le dénominateur ne s’annule
pas) de fonctions continues est encore continue.
( )
Proposition 51 composition
Soient f : A1 −→ F, g : A2 −→ F ′ telles que f (A1 ) ⊂ A2 et a ∈ A1 .

Si f est continue en a et g continue en f (a) alors g ◦ f est continue en a
de plus si f ∈ C(A1 , F ) et g ∈ C(A2 , F ′ ) alors : g ◦ f ∈ C(A1 , F ′ ).
Proposition 52
∑n
Soit F de dimension finie et β = (e1 , e2 , . . . , en ) une base de F . Notons f = i=1 fi ei .
f est continue A si, et seulement si ses applications coordonnées (les fi ) le sont.
Proposition 53
Soient (Fi , Ni )i∈[[ 1,p ]] (p ∈ N∗ ) une famille finie d’espaces vectoriels normés A ⊂ E,
∏p
f : A ⊂ E −→ i=1 Fi
x 7−→ f (x) = (f1 (x), . . . , fp (x))
une application
∏p alors :
f ∈ C(A, i=1 Fi ) si, et seulement si ∀i ∈ [[ 1, p ]], fi ∈ C(A, Fi ).
exemples :
Toute application f : A ⊂ E 7→ F lipschitzienne sur A est continue sur A.(si f est k-lipschitzienne il suffit de
prendre α = kε dans la définition de la continuité ).
Page 189
Soit (e1 , . . . , en ) une base d’un K-espace vectoriel E

Pour i ∈ [[ 1, n ]], on note pi : x = x1 e1 + · · · + xn en 7−→ xi alors ∀i ∈ [[ 1, n ]] , pi est continue sur E car 1-
lipschitzienne sur E en effet ∀x = x1 e1 +· · ·+xn en , y = y1 e1 +· · ·+yn en ∈ E ,|pi (x)−pi (y)| = |xi −yi | ≤ ∥x−y∥∞ .
Toute application polynomiale à plusieurs variables est continue sur E .
( )
x2 + y 2 cos x
(x, y) 7−→ est continue sur R2 .
arctan(xy) 1+x12 +y2
(x, y) 7→ x et (x, y) 7→ y sont continues sur R2 . Ainsi f : (x, y) 7→ x2xy

+y 2 est continue sur R \{(0, 0)} comme
2
somme, produit et quotient de fonctions continues sur R2 \{(0, 0)} dont le dénominateur ne s’annule pas.
( )
Thèorème 30 continuité et topologie
Soit f : A ⊂ E 7→ F une application , alors les assertions suivantes sont équivalentes :
1. f est continue sur A.

2. L’image réciproque de tout ouvert de F est un ouvert de A. (ie : ∀O ouvert de F , f −1 (O) est
un ouvert de A)
3. L’image réciproque de tout fermé de F est un fermé de A. (ie : ∀Ω fermé de F , f −1 (Ω) est un
fermé de A)
Corollaire 9
Soit f ∈ C 0 (E, R), et α ∈ R.
• Les ensembles {x ∈ E | f (x) ⩽ α}, {x ∈ E | f (x) = α} sont des fermés.
• L’ensemble {x ∈ E | f (x) < α} est un ouvert.
Proposition 54
Soient f, g : E 7→ F deux applications et A ⊂ E.

Si
• f et g continues sue E.
• A est dense dans E.
• fA = gA
Alors f = g
Définition 43
Soit f : A ⊂ E 7→ F une application ,on dit que f est uniformément continue sur A si, et seulement si
∀ε > 0, ∃α > 0, | ∀x, y ∈ A, ∥x − y∥ ⩽ α ⇒ ∥f (x) − f (y)∥ ⩽ ε
Page 190
Remarque 46
Toute application uniformément continue sur A est continue sur A.
( )
Thèorème 31 caractérisation séquentielle de l’uniforme continuité
Soit f : A ⊂ E 7→ F une application alors : f est uniformément continue sur A si, et seulement si
∀(xn ), (yn) ∈ AN , lim(xn − yn ) = 0 ⇒ lim(f (xn ) − f (yn )) = 0
Remarque 47
Le théorème précédent est très utile pour montrer qu’une application n’est pas uniformément continue
.
Exemple 14
1. Toute application lipschitzienne est uniformément continue.

2. Soit f : A ⊂ E 7→ F tel que :∃k, r ∈ R+∗ ; ∀(x, y) ∈ A2 , ∥f (x) − f (y) | ≤ k∥x − y∥r ,alors f
est uniformément continue sur A ,en effet dans la définition de l’uniforme continuité il suffit de
1
prendre pour ε ∈ R+∗ α = ( kε ) r . √ √
√ exemple l’application x 7→ x est uniformément
Ainsi par
√
continue sur R+ car ∀x, y ∈ R+ , | x −
y| ≤ |x − y|, mais elle n’est pas lipschitzienne sur R+ .
3. l’application f : x 7→ sin(x2 ) n’est pas uniformément continue sur R .
Thèorème 32
Soit u ∈ L(E, F ) une application linéaire de E dans F ,alors u est continues sur E si, et seulement si
∃ k > 0, ∀ x ∈ E, ∥u(x)∥ ⩽ k∥x∥
(ie: l’ensemble { ∥u(x)∥

∥x∥E , x ∈ E − {0E }} est majoré).
F
Notamment,u est lipschitzienne sur E.

On notera Lc (E, F ) l’ensemble des applications linéaires de E vers F continues sur E , on notera Lc (E)
l’ensemble des endomorphismes continues sur E.
Page 191
Remarque 48
Soit u ∈ L(E, F )
1. Les assertions suivantes sont équivalentes :

(a) u continue sur E
(b) u continue en 0E ou n’importe quel point a ∈ E.
(c) u lipschitzienne sur E
(d) u uniformément continue sur E
(e) u bornée sur la sphère unité S(0E , 1) de E.
2. u est non continue sur E si, et seulement si ∃(xn ) ∈ (E − {0E })N tel que :lim ∥u(x n )∥
∥xn ∥ = +∞.
3. Lc (E) est une sous-algèbre de l’algèbre (L(E), +, ., ◦) des endomorphismes de E.
Thèorème 33
Soient E un espace vectoriel normè de dimension finie , F un espace vectoriel normè et

u ∈ L(E, F ).
• ∃k ∈ R∗+ ∀ x ∈ E, ∥u(x)∥ ⩽ k∥x∥

• u est continue sur E ,on dit que tout application linéaire en dimension finie est continue .
• L(E, F ) = Lc (E, F ).
( )
Thèorème 34 Continuité des applications multilinéaires en dimension finie
∗
∏n (Ei )i∈[[ 1,n ]] (n ∈ N ) une famille finie d’espaces vectoriels normés
Soient ∏n de dimensions finies et
f : i=1 Ei 7−→ F une application n-linéaire. f est alors continue sur i=1 Ei . Dit plus clairement :
Toute application multilinéaire en dimensions finies est continue.
exemples :
1. (A, B) 7→ AB est continue sur Mn (K) car bilinéaire en dimension finie. Notamment, si (An )n∈N et (Bn )n∈N
convergent vers A et B, alors (An Bn )n∈N converge vers AB.
2. Dans l’algèbre L(E) où E est de dimension finie, l’application (f, g) 7−→ f ◦ g est continue car bilinéaire en
dimension finie..
3. Si E est de dimension finie, l’application de K × E vers E définie par (λ, x) 7−→ λx est continue car bilinéaire
en dimension finie. .
On a plus précisément ∥λx∥ = |λ| ∥x∥.
4. Un produit scalaire est continue car d’après l’inégalité de Cauchy-Schwarz ∀x, y ∈ E, |(x|y)| ≤ ∥x∥∥y∥.
5. On retrouve que (x1 , . . . xn ) 7−→ detβ (x1 , . . . xn ) est continue puisque n-linéaire en dimension finie.
Page 192
Remarque 49
Avec les mêmes démonstrations, toute application linéaires vérifiant ∀ x ∈ E, ∥f (x)∥ ⩽ k∥x∥, et toute
application n-linéaire ∏n
vérifiant une relation du type ∀ (x1 , . . . , xn ) ∈ i=1 Ei , ∥f (x1 , . . . , xn )∥ ⩽ k∥x1 ∥ . . . ∥xn ∥, est continue,
même en dimension infinie.
( )
Définition 44 Propriété de Bolzano-Weierstrass
Soit A une partie de E .On dit que A est une partie compacte de E si, et seulement si de toute suite
d’éléments de A on peut extraire une sous-suite convergente dans A.
Proposition 55
A compacte ⇒ A fermée et bornée.
La réciproque est fausse
Proposition 56
Soient B une partie compacte de E et A une partie de B alors :
A compacte ⇔ A fermée et bornée
( )
Thèorème 35 théorème de Bolzano-Weierstrass
Soient (E, ∥ ∥) un espace vectoriel normè de dimension finie et A une partie de E alors :
1. A est compacte ⇔ A est fermé et bornée
2. Une suite bornée de E converge si, et seulement si, elle possède une unique valeur d’ adhérence.
3. De toute suite bornée de E on peut extraire une sous-suite convergente .
Thèorème 36
Un sous-espace de dimension finie d’un espace vectoriel normè est fermé.
Page 193
Proposition 57
1. Soient E , F deux evn A ∈ P(E) et B ∈ P(F ) alors :
A compacte de E et B compacte de F ⇔ A × B compacte de E × F
2. Soient (Ei , Ni )1⩽i⩽p (p ∈ N∗ ) une famille finie d’espaces vectoriels normés et

∀i ∈ [[ 1, p ]] Ai . ∈ P(Ei ) alors :
∏
p ∏
p
∀i ∈ [[ 1, p ]] Ai compacte de Ei ⇔ Ai est un compact de Ei
i=1 i=1
Tout produit finie de compacts est un compact.
Thèorème 37
Soient A une partie compacte de E , a ∈ A et (un ) ∈ AN une suite d’éléments de A.

(un ) converge vers a si, et seulement si a est l’unique valeur d’adhérence de la suite (un ).
Remarque 50
Deux normes équivalentes définissent les même parties compactes.
( )
Thèorème 38 Image continue d’un compact
{
f est continue sur A
Soit f : A ⊂ E 7→ F une application . Si alors : f (A) est un compact de F .
A compact de E
L’image continue d’un compact est un compact.
Corollaire 10
{
f est continue sur A
Soit f : A ⊂ E 7→ R une application . Si alors : f est bornée sur A est atteint
A compact de E
ces bornes sur A.
(ie : ∃ a, b ∈ A ; f (a) = supx∈A f (x) et f (b) = inf x∈A f (x) en fait il s’agit d’un Max et d’un Min)
( )
Thèorème 39 théorème de Heine
Toute fonction continue sur un compact est uniformément continue sur ce compact .
Page 194
Exemple 15
Soit A une partie compacte de E ,montrer que : ∀x ∈ E, ∃a ∈ A ; d(x, A) = ∥x − a∥
( )
Définition 45 Chemin
Soit A ⊂ E .
Un chemin dans A est une application continue de [0; 1] dans A : γ : [0; 1] → A continue. γ([0; 1]) est
appelé support du chemin.
( )
Définition 46 connexité par arcs
On dit qu’une partie A de E est connexe par arcs lorsque pour tous a, b ∈ A, il existe un chemin allant
de a à b, c’est-à-dire qu’il existe γ : [0; 1] → A tel que : γ(0) = a et γ(1) = b
( )
Proposition 58 partie convexe
On dit qu’une partie A de E est convexe si, et seulement si ∀a, b ∈ A, [a, b] ⊂ A.

Toute partie convexe de E est connexe par arcs.
Exemple 16
1. Tout intervalle de R est convexe donc connexe par arcs.
2. Toute boule de E est convexe donc connexes par arcs.
Thèorème 40
Soit A partie de R. Les trois propositions suivantes sont équivalentes :
1. A est convexe
2. A est un intervalle
3. A est connexe par arcs
( )
Proposition 59 Recollement de chemins
Soient γ
1 , γ2 deux chemins dans A tels que γ1 (1) = γ2 (0).
 a = γ1 (0)
Soient b = γ1 (1)

c = γ2 (1)
On peut alors définir un chemin γ, noté γ1 ∗ γ2 ainsi :
γ : [0; 1] →  A

 γ1 (2t) si 0 ≤ t ≤ 1
t 7→ 2
 1
 γ2 (2t − 1) si ≤ t ≤ 1
2
Page 195
Proposition 60
{
A et B connexes par arcs
Soit A et B deux partie de E . Si Alors A ∪ B est connexe par arcs .
A ∩ B ̸= ∅
( )
Proposition 61 Ensemble étoilé
On dit que A ⊂ E est étoilé par rapport à a si pour tout x ∈ A, [a; x] ⊂ A.

A est dit étoilé s’il est étoilé par rapport à l’un de ses points.
Si A est étoilé, alors il est connexe par arcs.
( )
Proposition 62 composantes connexes

1. La relation binaire ∼ définie par : ∀ x, y ∈ A x ∼ y si, et seulement si il existe un chemin de A
joignant x à y est une relation d’équivalence sur A.La classe d’équivalence d’un élément x ∈ A
pour cette relation d’équivalence est noté C(x) est appelée composante connexe de x.
C(x) est la plus grande partie connexe par arcs de A contenant x.
{C(x), x ∈ A} est une partition de A formée de parties connexes par arcs .
2. A est connexe par arcs si, et seulement si ∀x ∈ A, C(x) = A
Thèorème 41
Soit A une partie de E et f : A ⊂ E → F une application. Si f est continue sur A et A connexe par
arcs ,alors f (A) est connexe par arcs.
L’image continue d’une partie connexe par arcs est connexe par arcs.
( )
Corollaire 11 TVI
Soit A une partie de E et f : A ⊂ E → R une application. Si f est continue sur A et A connexe par
arcs ,alors f (A) est un intervalle.
Ce qui s’exprime par ∀a, b ∈ A, ∀λ ∈ [f (a), f (b)] , ∃c ∈ A ; f (a) = λ.
Exemple 17
1. le produit de deux connexes par arcs est connexe par arcs.
2. la somme de deux connexes par arcs est connexe par arcs.

3. les seuls parties ouvertes et fermés de E sont E et ∅.
4. R − {a} (a ∈ R) et non connexe par arcs.
5. Soit E un R-ev de dimension n ≥ 2, E − {a} (a ∈ E) est connexe par arcs.

6. il n’existe pas de bijection continue de C vers R.
Page 196
I.2 Espaces préhilbertiens réels

Soit (E, (| )) un espace préhilbertien réel.
( )
Thèorème 42 procédé d’orthonormalisation de Gram-Schmidt
Soit (u1 , u2 , . . . , un ) une famille libre de E, il existe une famille orthonormale (e1 , e2 , . . . , en ) de E telle
que : ∀ p ∈ [[ 1, n ]], vect{e1 , . . . , ep } = vect{u1 , . . . , up }.
( )
Proposition 63 Calculs dans une BON
Soit B = (e1 , e2 , . . . , en ) une base orthonormèe d’un espace euclidien (E, (| )) de dimension n ∈ N∗ ,alors
:
 
(e1 | x)
∑n  
1. ∀x ∈ E , x = i=1 (ei | x) ei et M atB (x) =  ...  ∈ Mn,1 (R).
(en | x)
∑n
2. ∀x, y ∈ E, (x|y) = i=1 (ei | x) (ei | y) = t XY = t Y X. où X et Y désignent les matrices colonnes
constituées des coordonnées de x et y dans la base B.
3. Soit ((u1 , u2 , . . . , up ) ∈ E p une famille de p vecteurs de E,alors :
M atB ((u1 , u2 , . . . , up ) = ((ei |uj ))(i,j)∈[[ 1,n ]]×[[ 1,p ]] ∈ Mn,p (R).
4. Soit f ∈ L(E) ,alors :

• M atB (f ) = ((ei |f (ej )))(i,j)∈[[ 1,n ]]2 ∈ Mn (R).
∑n
• tr(f ) = i=1 (ei |f (ei ).
( )
Thèorème 43 Théorème de projection
Soit F un sous-espace vectoriel de dimension finie de E tel que : dim(F ) = p ∈ N∗ et (e1 , e2 , . . . , ep )

une base orthonormèe de F ,alors :
( )⊥
1. F ⊕ F ⊥ = E et F ⊥ = F.
2. On appelle projecteur orthogonal sur F , le projecteur sur F parallèlement à F ⊥ ,on notera pF ce
projecteur.
De plus ∀x ∈ E, pF (x) est l’unique élément y ∈ F tel que : y − x ∈ F ⊥
(c’est-à-dire : ∀x, y ∈ E, y = pF (x) ⇔ y ∈ F et x − y ∈ F ⊥ .)
3. ∀x, y ∈ E, (x − pF (x)|pF (y)) = 0.
∑p
4. ∀x ∈ E, pF (x) = k=1 (ei | x)ei .
Page 197
( )
Thèorème 44 Théorème de projection
Soit F un sous-espace vectoriel de dimension finie de E tel que : dim(F ) = p ∈ N∗ , (e1 , e2 , . . . , ep ) une
base orthonormèe de F et ∥ ∥ la norme euclidienne associée au produit scalaire (|),alors :
1. ∀x ∈ E, d(x, F ) = ∥x−pF (x)∥, de plus pF (x) est l’unique élément y ∈ F tel que : d(x, F ) = ∥x−y∥
(c’est-à-dire :∀x, y ∈ E, y = pF (x) ⇔ y ∈ F et d(x, F ) = ∥x − y∥. )
2 2
2. ∀x ∈ E , ∥x∥2 = ||pF (x)|| + ∥x − pF (x)∥2 = ||pF (x)|| + d(x, F )2 .
3. ∀x ∈ E, ∥pF (x)∥ ≤ ∥x∥.

∑p 2
4. ∀x ∈ E, i=1 |(ei | x)| ⩽ ∥x∥ . (Inégalité de Bessel)
2
exemples :
Soit H un hyperplan de E tel que : H = (Ra)⊥ ,alors: ∀x ∈ E
(a|x) (a|x)
PRa (x) = a, PH (x) = x − a
∥a∥ 2 ∥a∥2
(a|x) |(a|x)|
d(x, Ra) = ∥x − a∥, d(x, H) =
∥a∥ 2 ∥a∥
SH (x) = x − 2 (a|x) (a|x)
∥a∥2 a (réflexion par rapport a l’hyperplan H) SRa (x) = 2 ∥a∥2 a − x (retournement par rapport a la
droite Ra)
Thèorème 45
Soient (en )n∈N une famille orthonormale dénombrable de E et x ∈ E,alors :

∑n
1. ∀n ∈ N i=0 |(ei |x)|2 ≤ ∥x∥2 .
2. La suite ((en |x))n∈N ∈ RN est de carré sommable .
∑ ∑+∞
n∈N |(en |x)| = n=0 |(en |x)| ≤ ∥x∥ .
2 2 2
3.
(Inégalité de Bessel)
( )
Définition 47 Suites totales,bases hilbertiennes
Soit (en )n∈N une famille orthonormale dénombrable de E,on dit que la famille (en )n∈N est une famille
totale ou base hilbertienne de E si, et seulement si Vect{en |n ∈ N} est dense dans (E, ∥∥) munit de la
norme hilbertienne ∥∥ associée au produit scalaire (|) de E.
(c’est-à-dire Vect{en |n ∈ N} = E.)
( )
Remarque 51 Attention
Une base hilbertienne n’est pas nécessairement une base de E.
Page 198
Thèorème 46
Soit (en )n∈N une famille totale de E , on note pour n ∈ N , pn la projection orthogonale sur Fn =
Vect(e0 , . . . , en ),alors :
1. ∀x ∈ E, lim ∥pn (x) − x∥ = 0 c’est-à-dire la suite (pn (x)n∈N ) converge vers x dans (E, ∥∥) munit
n→+∞
de la norme hilbertienne ∥∥ associée au produit scalaire (|) de E.
∑+∞
n=0 |(en |x)| = ∥x∥ .
2 2
2.
(égalité de Parseval )
Définition 48
On dit que u ∈ L(E) est un endomorphisme symétrique ou autoadjoint si

( ) ( )
∀ (x, y) ∈ E 2 , u(x)| y = x| u(y)
On notera S(E) l’ensemble des endomorphismes symétriques de E.
Proposition 64
Soit u un endomorphisme symétrique de E,alors :
1. Si λ1 , λ2 ∈ Sp(u), et λ1 ̸= λ2 ,alors :
Les sous espaces propres Eλ1 (u) et Eλ2 (u) sont orthogonaux ( Eλ1 (u) ⊥ Eλ2 (u)),
(c’est-à-dire les sous espaces propres associées à des valeurs propres deux à deux distincts d’un
endomorphisme symétrique sont deux à deux orthogonaux) .
2. Si F est stable par u, alors F ⊥ est stable par u.
3. ker(u) = (Im(u))⊥ , et si de plus dim(E) est finie , alors :

Im(u) = (ker(u))⊥ et E = Im(u) ⊕⊥ ker(u) somme directe orthogonale.
Proposition 65
Soient p un projecteur et s une symétrie de E ( p ◦ p = p et s ◦ s = IdE ) ,alors :

1. p est un projecteur orthogonal si, et seulement si p est symétrique (p ∈ S(E)).
2. s est une symétrie orthogonal si, et seulement si s est symétrique (s ∈ S(E)).
Dans la suite de ce chapitre (E, ( | )) est un espace euclidien de dimension n ∈ N∗ .
( )
Thèorème 47 théorème de représentation de Riesz
Soit E un espace vectoriel euclidien. ( )

L’application de Φ : E −→ E ∗ est bijective où φa est définie par φa (x) = (a|x) .
a 7−→ φa
Autrement dit :
∀ f ∈ E ∗ , ∃ ! a ∈ E | ∀ x ∈ E, f (x) = (a| x).
Page 199
Proposition 66
Soit u ∈ L(E),alors :
u est symétrique si, et seulement si la matrice de u dans toute base orthonormèe de E est une matrice
symétrique .
c’est-à-dire u ∈ S(E) ⇔ ∀B bon de E MatB (u) ∈ Sn (R).
( )
Thèorème 48 Théorème Spectral
Soit u un endomorphisme symétrique de l’espace (E, ( | )) , alors :

1. Il existe une base orthonormèe de E formée de vecteurs propre de u.
2. u est diagonalisable dans une base orthonormèe .
⊕⊥
3. E = λ∈Sp(u) Eλ (u).
On dit que tout endomorphisme symétrique est diagonalisable dans une

base orthonormèe .
( )
Corollaire 12 Théorème spectral pour matrices symétrique
Soit A ∈ Sn (R) (n ∈ N∗ ) une matrice symétrique , alors A est diagonalisable au moyen d’une matrice
de passage orthogonale , en particulier :
∃P ∈ On (R) , ∃D matrice diagonale tel que : A = P D t P

On dit que toute matrice symétrique est orthogonalement diagonalisable ou
diagonalisable au moyen d’une matrice de passage orthogonale.
Thèorème 49
1. Soient u ∈ S(E) un endomorphisme symétrique de E et B = (e1 , . . . , en ) une base orthonormèe

formée de vecteurs propres de u,tel que :
∀i ∈ [[ 1, n ]], u(ei ) = λi ei .Alors :
∑n ∑n
(a) ∀x ∈ i=1 xi ei ∈ E , (u(x)|x) = i=1 λi x2i .
(b) Sp(u) ⊂ R+ ⇔ ∀x ∈ E, (u(x)|x) ≥ 0.
Sp(u) ⊂ R− ⇔ ∀x ∈ E, (u(x)|x) ≤ 0.
(c)
∀x ∈ E, ( min λ)∥x∥2 ≤ (u(x)|x) ≤ ( max λ)∥x∥2
λ∈Sp(u) λ∈Sp(u)
(c’est-à-dire ∀x ∈ E − {0}, Ru (x) ∈ [minλ∈Sp(u) λ, maxλ∈Sp(u) λ].)
2. Soit A ∈ Sn (R) une matrice symétrique alors :

(a) Sp(A) ⊂ R+ ⇔ ∀X ∈ Mn,1 (R), t XAX ≥ 0.
Sp(A) ⊂ R− ⇔ ∀X ∈ Mn,1 (R), t XAX ≤ 0.
(b) max∥X∥=1 t XAX = maxλ∈Sp(A) λ et min∥X∥=1 t XAX = minλ∈Sp(A) λ
Application du théorème spectral à l’étude des extremum d’une fonction de deux variable
Page 200
Thèorème 50
Soit f ∈ C 2 (U, R) où U est un ouvert de R2 . Soit (x0 , y0 ) ∈ U tel que

∂f ∂f
∂x (x0 , y0 ) = ∂y (x0 , y0 ) = 0 (point critique de f ). Avec les notations de Monge soit :
∂2f ∂2f ∂2f

r= (x0 , y0 ) s= (x0 , y0 ) t= (x0 , y0 )
∂x2 ∂x∂y ∂y 2
1. Si r · t − s2 > 0, f présente un extremum local en (x0 , y0 ) :

• si r > 0, c’est un minimum local ;
• si r < 0, c’est un maximum local ;
2. Si r · t − s2 < 0, f ne présente pas en (x0 , y0 ) un extremum local mais présente un point selle ou
point col.
3. Si r · t − s2 = 0,on ne peut rien dire un développement limité d’ordre 2 ne permet pas de conclure
.
Définition 49
Soient E un espace euclidien et f ∈ L(E).

On dit que f est une isométrie vectorielle ou un ou automorphisme orthogonal (ou encore endomorphisme
orthogonal) si, et seulement si
∀ x ∈ E, ∥f (x)∥ = ∥x∥.
On dit que « f conserve la norme ».
L’ensemble des isométrie de E est noté O(E). On l’appelle groupe orthogonal.
( )
Thèorème 51 caractérisation des endomorphismes orthogonaux
Soit E euclidien et f ∈ L(E), les propositions sont èquivalentes
1. f ∈ O(E).
( )
2. ∀ (x, y) ∈ E 2 , f (x) f (y) = (x| y). On dit que « f conserve le produit scalaire ».
3. Pour toute base orthonormèe B, f (B) est une base orthonormèe . On dit que « f conserve les base
orthonormèe ».(ie: B ∈ On (R) )
4. Il existe une base orthonormèe B telle que f (B) est une base orthonormèe (ie: B ∈ On (R) ).
Définition 50
On appelle matrice orthogonale toute matrice A ∈ Mn (R) tel que: t AA = A t A = In .On note On (R)
l’ensemble des matrices orthogonales
Page 201
Proposition 67
Soit A ∈ Mn (R), les propositions sont èquivalentes :
1. A ∈ On (R).
2. A est inversible et A−1 = t A
3. Les colonnes de A forment une base orthonormée pour le produit scalaire canonique de Mn1 (R).
4. Les lignes de A forment une base orthonormée pour le produit scalaire canonique de M1n (R).
5. L’endomorphisme fA canoniquement associé à A est un automorphisme orthogonal de Mn1 (R)
munit de sa structure euclidienne canonique .
Proposition 68
Soient B et B ′ deux bases orthonormèes de E. Alors
P = P ass(B, B ′ ) ∈ On (R).
Proposition 69
1. Si A ∈ On (R) , alors det A ∈ {−1, 1}.

2. Si f est un endomorphisme orthogonal alors , det f ∈ {−1, 1} et Sp(f ) ⊂ {−1, 1}.
On appelle rotation toute isométrie de déterminant 1.
Définition 51
L’ensemble des isométries vectorielles (resp. des matrices orthogonales) de determinant 1 est un sous
groupe de (O(E), o) (resp.(On (R), ×) ), est appelé groupe spécial orthogonal. Il est noté SO(E) ou
O+ (E) (resp.SOn (R) ou On+ (R) ).
On notera O− (E) = O(E) − O+ (E)
Définition 52
Soit β une base orthonormèe directe de E. Alors detβ (x1 , . . . , xn ) est appelé produit mixte des n
vecteurs (x1 , . . . , xn ). On le note [x1 , . . . , xn ] , le produit mixte ne dépend pas de la base orthonormèe
directe choisie.
Page 202
Proposition 70
Soit E un espace vectoriel euclidien orienté de dimension n. et soient x1 , . . . , xn−1 , n − 1 vecteurs de

E. On appelle produit vectoriel de x1 , . . . , xn−1 et l’unique vecteur de E noté x1 ∧ · · · ∧ xn−1 vérifiant
( )
∀ x ∈ E, [x1 , . . . , xn−1 , x] = x1 ∧ · · · ∧ xn−1 | x
de plus :
• x1 ∧ · · · ∧ xn−1 ∈ Vect(x1 , . . . , xn−1 )⊥ .
• (x1 , . . . , xn−1 ) est libre si, et seulement si x1 ∧ · · · ∧ xn−1 ̸= 0.
Thèorème 52
1. Soit A ∈ O(2) alors ∃θ ∈ R tq :

( ) ( )
cos(θ) − sin(θ) cos(θ) sin(θ)
A= ou A =
sin(θ) cos(θ) sin(θ) − cos(θ)
2. { ( ) }
cos(θ) − sin(θ)
SO(2) = A= , θ∈R
sin(θ) cos(θ)
{ ( ) }
− cos(θ) sin(θ)
O (2) = A= , θ∈R
sin(θ) − cos(θ)
( )
cos(θ) − sin(θ)
3. On note ∀θ ∈ R, R(θ) =
sin(θ) cos(θ)
4. (SO(2), ×) est un groupe commutatif.

5. Soit E espace euclidien orienté de dimension 2 et r ∈ SO(E) alors il existe θ ∈ R défini modulo
2π tel que ∀B base orthonormale directe, matB (r) = R(θ)
Le réel θ défini modulo 2π est appelé angle de la rotation r

6. Soit E euclidien de dimension 2 orienté et r ∈ SO(2), ∀a ∈ E tq ∥a∥ = 1 alors on a :
(a|r(a)) = cos(θ) et det(a, r(a)) = sin(θ)
où θ désigne l’angle de la rotation r.

7. Soit E euclidien de dimension 2 et(s ∈ O−)(E) alors s est une symétrie orthogonale et ∃B base
1 0
orthonormale telle que matB (s) =
0 −1
( )
cos(θ) − sin(θ)
8. L’application s canoniquement associée à une matrice S(θ) = avec θ ∈ R est
sin(θ) cos(θ)
une symétrie orthogonale.
Page 203
Définition 53
Soit ⃗u un vecteur unitaire de E on appelle rotation d’axe ∆ = R⃗u est d’angle θ ∈ [0, 2π[ l’unique
endomorphisme r(θ, ⃗u) de E tel que : pour toute base orthonormèe directe β = (⃗u, e2 , e3 ) commençant
par ⃗u  
1 0 0
matβ r(θ, ⃗u) = 0 cos θ − sin θ
0 sin θ cos θ
Proposition 71
Soit r une rotation d’angle θ autour d’un vecteur, unitaire ⃗u. On note ∆ = R⃗u.
1. ∀ x ∈ E, r(x) = (1 − cos θ)(x|⃗u)⃗u + (cos θ) x + (sin θ) ⃗u ∧ x.

Notamment, ∀ x ∈, f (x) = P∆ (x) + (cos θ) p∆⊥ (x) + (sin θ) ⃗u ∧ p∆⊥ (x).
2. Tr(r) = 2 cos θ + 1.
( )
3. Si x ∈ ∆⊥ et ∥x∥ = 1 : cos θ = x| r(x) et sin θ = [x, r(x), ⃗u].
Notamment : pour tout x ̸∈ ∆, sin θ à le même signe que [x, r(x), ⃗u].
( )
Thèorème 53 Réduction des endomorphismes orthogonaux
Soit E un espace euclidien et u ∈ O(E) un endomorphismes orthogonal . Alors il existe des entiers
naturels p, q et r vérifiant p + q + 2r = n, et, si r ̸= 0, des réels θ1 , . . . , θr , éléments de ]0, 2π[ − {π} et
une BON B de E dans laquelle la matrice de u est diagonale par blocs de la forme :
 
Ip
 −Iq 
 
 R(θ1 ) 
 
 .. 
 . 
R(θr )
( )
cos(θi ) − sin(θi )
où pour tout i , R(θi ) = .
sin(θi ) cos(θi )
Page 204
Exercice 73
Soit E un espace vectoriel normè de dimension finie muni d’une norme ∥ · ∥, et A une partie non vide
de E. On définit la distance d’un élément x0 de E à une partie A de E, notée d(x0 , A), par la formule
d(x0 , A) = inf ∥x − x0 ∥.
x∈A
1. Supposons A compact. Montrer que pour tout x0 ∈ E il existe y ∈ A tel que d(x0 , A) = ∥y − x0 ∥.
2. Montrer que le résultat est encore vrai si on suppose seulement que A est fermé. (On remarquera
que pour toute partie B de A on a d(x0 , B) ⩾ d(x0 , A).)
3. Montrer que l’application qui à x0 associe d(x0 , A) est continue sur E (sans aucune hypothèse sur
A).
4. En déduire que si A est un fermé de E et B un compact de E tels que A et B sont disjoints, alors
il existe une constante δ > 0 telle que
∥a − b∥ ⩾ δ ∀(a, b) ∈ A × B.
5. Montrer par un contre-exemple que le résultat est faux si on suppose seulement que A et B sont
deux fermés disjoints.
Correction
1. La fonction x 7→ ∥x − x0 ∥ est continue, à valeurs réelles. Elle atteint sa borne inférieure sur tout compact.
2. On fixe un point z ∈ A, et on pose B = A∩B(x0 , ∥x0 −z∥). Puisque B ⊂ A, il est clair que d(x0 , B) ≥ d(x0 , A).
Maintenant, si y ∈ B\A, on a ∥y − x0 ∥ ≥ ∥z − x0 ∥ ≥ d(x0 , B). Ceci prouve que d(x0 , A) = d(x0 , B).
Maintenant, B est fermé comme intersection de deux fermés, et est compact car il est aussi fermé. Il existe
y ∈ B ⊂ A tel que :
d(x0 , A) = d(x0 , B) = ∥y − x0 ∥.
3. On fixe x0 et x1 deux point de E, et y dans A. D’après l’inégalité triangulaire :

∥x0 − y∥ − ∥x1 − y∥ ≤ ∥x0 − x1 ∥.
On obtient ensuite :
d(x0 , A) ≤ ∥x0 − y∥ ≤ ∥x0 − x1 ∥ + ∥x1 − y∥.
On prend enfin la borne inf pour y dans A :
d(x0 , A) ≤ ∥x0 − x1 ∥ + d(x1 , A) =⇒ d(x0 , A) − d(x1 , A) ≤ ∥x0 − x1 ∥.
Par symétrie du rôle joué par x0 et x1 , on a finalement :
|d(x0 , A) − d(x1 , A)| ≤ ∥x0 − x1 ∥.
L’application x0 7→ d(x0 , A) est 1-lipschitzienne, donc continue.
4. L’application étant continue sur le compact B, elle y atteint son minimum, disons en y0 ∈
/ A. Puisque A est
fermé, d(y0 , A) > 0, et donc :
∀a ∈ A, ∀b ∈ B, ∥a − b∥ ≥ d(b, A) ≥ d(y0 , A) > 0.
{ } { }
5. Soit A = (x, y) ∈ R2 ; y = x et B = (x, y) ∈ R2 ; y = x + e−x . A et B sont deux fermés disjoints, mais ils
ont des points infiniment proches.
Exercice 74
Soit E une partie compacte d’un espace vectoriel normé, et f : E → E une fonction continue vérifiant :
∀(x, y) ∈ E 2 , x ̸= y =⇒ ∥f (x) − f (y)∥ < ∥x − y∥.
Montrer que f admet un unique point fixe (que l’on notera α).
Page 205
Correction
Soit la fonction continue ψ(x) = ∥f (x) − x∥, définie sur E, à valeurs dans R. Cette fonction admet un minimum
atteint en α. Supposons que α ̸= f (α). Alors :
ψ(f (α)) = ∥f (α) − f (f (α))∥ < ∥α − f (α)∥ = ψ(α),
ce qui contredit la définition de la borne inférieure. Donc f (α) = α. L’unicité est immédiate : si α et β sont deux
points fixes distincts, on a en effet :
∥β − α∥ = ∥f (β) − f (α)∥ < ∥β − α∥,
ce qui est absurde.
Exercice 75
Soit E = C ∞ ([0, 1], R). On considère l’opérateur de dérivation D : E → E, f 7→ f ′ . Montrer que, quelle
que soit la norme N dont on munit E, D n’est jamais une application linéaire continue de (E, N ) dans
(E, N )
Correction
Pour a ∈ R, la fonction fa (x) = eax est dans E, et elle vérifie Dfa = afa . Or, si D était continue pour la norme
N , il existerait une constante C > 0 telle que
N (D(fa )) ≤ CN (fa )
pour tout a ∈ R. On obtiendrait alors que, pour tout a ∈ R,
|a|N (fa ) ≤ CN (fa ) =⇒ |a| ≤ C.
C’est bien sûr impossible, et D n’est pas continue sur (E, N ).
Exercice 76
Soit E = C([0, 1], R). Pour f ∈ E, on pose

∫ 1
∥f ∥1 = |f (t)|dt,
0
dont on admettra qu’il s’agit d’une norme sur E. Soit ϕ l’endomorphisme de E défini par
∫ x
ϕ(f )(x) = f (t)dt.
0
1. Justifier la terminologie : ”ϕ est un endomorphisme de E.”

2. Démontrer que ϕ est continue.
3. Pour n ≥ 0, on considère fn l’élément de E défini par fn (x) = ne−nx , x ∈ [0, 1]. Calculer ∥fn ∥1
et ∥ϕ(fn )∥1 .
∥ϕ(f )∥1
4. On pose ∥|ϕ∥| = supf ̸=0E ∥f ∥1 . Déterminer ∥|ϕ∥|.
Correction
1. ϕ est clairement une application linéaire, et il faut juste rappeler que ϕ(f ), comme primitive d’une fonction
continue, est elle-même continue (donc C 1 ).
2. On a ∫ ∫
x 1
|ϕ(f )(x)| ≤ |f (t)|dt ≤ |f (t)|dt ≤ ∥f ∥1 .
0 0
On en déduit que ∫ 1
∥ϕ(f )∥1 ≤ ∥f ∥1 dt ≤ ∥f ∥1 .
0
Ainsi, ϕ est continue.
Page 206
∫x
3. On a ϕ(fn )(x) = 0
ne−nt dt = 1 − e−nx . En particulier, ∥fn ∥1 = ϕ(fn )(1) = 1 − e−n . De plus,
∫ 1
1 − e−n
∥ϕ(fn )∥1 = (1 − e−nx )dx = 1 − .
0 n
4. D’après la question 2, pour tout f ∈ E,

∥ϕ(f )∥1 ≤ ∥f ∥1 ,
et donc ∥|ϕ∥| ≤ 1. De plus, on a
( )
1 − e−n
∥ϕ(fn )∥1 ≤ ∥|ϕ∥|∥fn ∥1 =⇒ 1 − e−n ≤ 1− ∥|ϕ∥|.
n
Passant à la limite dans cette inégalité, on conclut que ∥|ϕ∥| ≥ 1, ce qui prouve finalement que ∥|ϕ∥| = 1.
Exercice 77
Soient E un R-espace vectoriel normé, et A et B deux parties de E.

On note A + B = {a + b, (a, b) ∈ A × B}.
1. Si A est ouvert, montrer que A + B est ouvert.
2. Si A est compact et B fermé, montrer que A + B est fermé. Ce résultat subsiste-t-il si A est
seulement supposé fermé ?
Correction
∪
1. A + B = b∈B (A + {b}). Pour tout b ∈ B, il est clair que A + {b} est un ouvert de E (en effet, si B(x, ρ) ⊂ A,
alors B(x + b, ρ) ⊂ A + {b}). Donc, A + B, réunion d’ouvert, est un ouvert.
2. Soit (zn ) = (xn + yn ) une suite de A + B convergente dans E vers z, où (xn ) est une suite de A et (yn )
une suite de B. la compacité de A entraine l’existence d’une sous-suite (xϕ(n) ) de (xn ) convergeant dans A.
Notons x sa limite. Donc (yϕ(n) ) converge vers z − x, qui appartient à B car B est fermé.
Ainsi, z = x + y ∈ A + B, d’où le résultat.
Si on suppose seulement A fermé, le résultat est faux : par exemple, dans R, si x est irrationnel, Z et xZ sont
fermés, et on sait que Z + xZ est dense dans R. Si cet ensemble était fermé, il serait égal à R, or il n’a pas
la puissance du continu.
Page 207
( )
Exercice 78 Topologie matricielle
1. Montrer que GLn (R) est un ouvert de Mn (R), dense dans Mn (R).
2. Montrer
∀A, B ∈ Mn (R), com(AB) = com(A)com(B)
3. Montrer que Mn (R) \ GLn (R) est fermé mais non compact (pour n ⩾ 2).
4. Montrer que Sn (R) est fermé.
5. Soit p ∈ [0, n]. Montrer que l’ensemble des matrices de rang inférieur ou égal à p est un fermé de
Mn (R).
6. Montrer que l’ensemble des matrices diagonalisables dans Mn (C) est dense dans Mn (C). Peut-on
remplacer Mn (C) par Mn (R) ?
7. Montrer que l’ensemble des matrices stochastiques
∑n (matrices (ai,j )1⩽i,j⩽n ∈ Mn (R) telles que :
∀(i, j) ∈ [1, n]2 , ai,j ⩾ 0 et ∀i ∈ [1, n], j=1 ai,j = 1) est un compact convexe de Mn (R).
8. Soit ∆ l’ensemble des matrices diagonalisables de Mn (R).

(a) Déterminer l’intérieur et l’adhérence de ∆.
(b) ∆ est-il connexe ?
9. Soit A ∈ Mn (C).
(a) Montrer que A est diagonalisable dans Mn (C) si et seulement si sa classe de similitude dans
Mn (C) (i.e. {P −1 AP ; P ∈ GLn (C)}) est fermée dans Mn (C).
(b) L’équivalence précédente subsiste-t-elle si l’on remplace C par R ?
Correction
1. Soit d : Mn (R) → R . On sait que l’application d est continue sur Mn (R) (muni de n’importe
M 7→ det(M )
quelle norme) et que R∗ est un ouvert de R en tant que réunion de deux intervalles ouverts.
Par suite, GLn (R) = d−1 (R∗ ) est un ouvert de Mn (R) en tant qu’image réciproque d’un ouvert par une
application continue.
Soit A ∈ Mn (R). Le polynômedet(A − xI) n’a qu’un nombre( fini
) de racines (éventuellement
( ) nul) donc pour
p entier naturel supérieur ou égal à un certain p0 , det A − p I ̸= 0. La suite A − p I
1 1
est une suite
p⩾p0
d’éléments de GLn (R) convergente de limite A. Ceci montre que l’adhérence de GLn (R) est Mn (R) ou encore
GLn (R) est dense dans Mn (R).
GLn (R) est un ouvert de Mn (R), dense dans Mn (R).
2. Puisque ∀A ∈ GLn (R) Com(A) = det(A)(t A−1 ) ,on montre par un calcul simple que :
∀A, B ∈ GLn (R), Com(AB) = Com(A)Com(B) .Puisque GLn (R)×GLn (R) est dense dans Mn (R)×Mn (R)
et les applications (A, B) 7→ Com(AB) et (A, B) 7→ Com(A)Com(B) sont continues en tant que composée
d’applications continues ,alors ∀A, B ∈ Mn (R), Com(AB) = Com(A)Com(B)
3. Mn (R) \ GLn (R) est fermé en tant que complémentaire d’un ouvert.
Soit n ⩾ 2. Les matrices Ap = pE1,1 , p ∈, sont non inversibles et la suite (Ap )p∈ est non bornée. Par suite
M n(R) \ GLn(R) est non borné et donc non compact.
∀n ⩾ 2, Mn (R) \ GLn (R) est fermé mais non compact.
4. Sn (R) est un sous espace vectoriel de l’espace de dimension finie Mn (R) et est donc un fermé de Mn (R).
Sn (R) est fermé.
Page 208
5. Soit A ∈ Mn (R) et p un élément fixé de [1, n − 1] (le résultat est clair si p = 0 ou p = n).
A est de rang inférieur ou égal à p si et seulement si tous ses mineurs de format p + 1 sont nuls .
Soient I et J deux sous-ensembles donnés de [1, n] de cardinal p + 1 et AI,J la matrice extraite de A de format
p + 1 dont les numéros de lignes sont dans I et les numéros de colonnes sont dans J.
Pour I et J donnés, l’application A 7→ AI,J est continue car linéaire de Mn (R) dans Mp+1 (R). Par suite,
l’application
fI,J : A 7→ det(AI,J ) est continue sur Mn (R). L’ensemble des matrices A telles que det(AI,J ) = 0 est donc
un fermé de Mn (R) (image réciproque du fermé {0} de R par l’application continue fI,J ) et l’ensemble des
matrices de rang inférieur ou égal à p est un fermé de Mn (R) en tant qu’intersection de fermés.
6. Soit A une matrice de Mn (C). Puisque A est trigonalisable, A s’écrit :
 
λ1 ...
 0 λ2 . . . 
  −1
A=P 0 0 λ3 ∗ ...  P .
 
.. .. .. ..
. . . . ∗
On pose, pour tout k :

 1

λ1 + k ...
 0 λ2 + 2
... 
 k  −1
Ak = P  0 0 λ3 + 3
∗ ...  P .
 k 
.. .. .. ..
. . . . ∗
Dès que k est assez grand, les nombres λi + ki sont tous distincts (si λi = λj , c’est clair, et si λi ̸= λj , c’est
pas non plus très compliqué!). Donc les matrices Ak sont diagonalisables. Et elles tendent évidemment vers
A.
On ne peut remplacer Mn (C) par Mn (R).
( )
0 −1
Soient A = Supposons qu’il existe une suite de matrices diagonalisables (An ) convergeant vers
1 0
5an cn
A.On pose ∀ n ∈, An = . Pour n ∈ N , χAn = X 2 − (an + dn )X + (an dn − bn cn ) Scindé dans
bn d n )
R[X].
D’où le discriminant de χAn est ∆n = (an + dn )2 − 4(an dn − bn cn ) ≥ 0.En faisant tendre n vers +∞ on
obtient −4 ≥ 0, ce qui es absurde . On a montré que l’ensemble des matrices réelles diagonalisables dans R
n’est pas dense dans Mn (R).
7. Notons S l’ensemble des matrices stochastiques.
2
• Vérifions que S est borné. Soit A = (ai,j )1⩽i,j⩽n ∈ S. ∀(i, j) ∈ [1, n] , 0 ⩽ ai,j ⩽ 1 et donc ∥A∥∞ ⩽ 1.
Ainsi, ∀A ∈ S, ∥A∥∞ ⩽ 1 et donc S est borné.
• Vérifions que S est fermé.
2
Soit (i, j) ∈ [1, n] . L’ application fi,j : A 7→ ai,j est continue sur Mn (R) à valeurs dans R car linéaire sur
Mn (R) qui est de dimension finie. [0, +∞[ est un fermé de R car son complémentaire ] − ∞, 0[ est un ouvert
−1
de R. Par suite, {A = (ak,l )1⩽k,l⩽n / ai,j ⩾ 0} = fi,j ([0, +∞[) est un fermé de Mn (R) en tant qu’image
réciproque d’un fermé par une application continue.
∑n
Soit i ∈ [1, n]. L’ application gi : A 7→ j=1 ai,j est continue sur Mn (R) à valeurs dans R car linéaire sur
{ ∑n }
Mn (R) qui est de dimension finie. Le singleton {1} est un fermé de R. Par suite, A = (ak,l )1⩽k,l⩽n / j=1 ai,j = 1 =
gi−1 ({1}) est un fermé de Mn (R) en tant qu’image réciproque d’un fermé par une application continue.
S est donc un fermé de Mn (R) en tant qu’intersection de fermé de Mn (R).
En résumé, S est un fermé borné de l’espace Mn (R) qui est de dimension finie et donc S est un compact de
Mn (R).
2
• Vérifions que S est convexe. Soient (A, B) ∈ (S)2 et λ ∈ [0, 1]. D’une part, ∀(i, j) ∈ [1, n] , (1 − λ)ai,j +
λbi,j ⩾ 0 et d’autre part, pour i ∈ [1, n]
∑n ∑n ∑n
j=1 ((1 − λ)ai,j + λbi,j ) = (1 − λ) j=1 ai,j + λ j=1 bi,j = (1 − λ) + λ = 1,
ce qui montre que (1 − λ)A + λB ∈ S. On a montré que ∀(A, B) ∈ S 2 , ∀λ ∈ [0, 1], (1 − λ)A + λB ∈ S et
donc S est convexe.
Page 209
l’ensemble des matrices stochastiques est un compact convexe de Mn (R).
8. (a) On va prouver que l’intérieur de l’ensemble des matrices diagonalisables D de Mn (C) est l’ensemble des
matrices diagonalisables dont toutes les valeurs propres sont disjointes. Pour cela, on va démontrer deux
choses :
i. Soit M une matrice diagonalisable ayant deux valeurs propres égales. Alors M n’est pas dans
l’intérieur de D. Autrement dit, on peut trouver une suite de matrice (Mp ) qui converge vers M
et qui ne sont pas diagonalisables. Soit P une matrice inversible telle que M = P DP −1 où D est
diagonale,  
λ 0 ... 0
 . 
 0 λ
 0.. 
.
D= . 
 0 0 . . . . 
.
0 ... 0 λn
Alors, posons  
λ 1/p . . . 0
 .. 
 0 λ 0 . 
D=
 ..


 0 .. 
0 . .
0 ... 0 λn
(on peut toujours s’arranger pour que ce soient les deux premières valeurs propres qui sont égales).
Alors la suite (Mp ) définie par Mp = P Dp P −1 converge vers M et chaque Mp n’est pas diagonalis-
able. Sinon, Dp serait diagonalisable, ce qui n’est pas le cas.
ii. Soit M une matrice diagonalisable dont toutes les valeurs propres sont distinctes. Son polynôme
caractéristique χM est scindé à racines simples. Par continuité de A 7→ χA et des racines d’un
polynôme en fonction de ses coefficients, il existe un voisinage V de M tel que, pour tout A ∈ V , le
polynôme χA est scindé à racines simples. Autrement dit, A est diagonalisable. Un voisinage de M
est contenu dans D, donc M est dans l’intérieur de D.
Montrons que l’adhérence de D est T , ensemble des matrices trigonalisables.
On vérifie rapidement que toute matrice trigonalisable est limite d’une suite de matrices diagonalisables,
en ajoutant sur la diagonale des réels tendant vers 0 et rendant les valeurs propres de la matrice toutes
distinctes.
De plus, T est fermé. En effet, soit (Ak ) une suite d’éléments de T , convergeant vers Λ ∈ Mn (R). Le
polynôme caractéristique Rk de Ak est scindé sur R. On va montrer que cette suite converge vers un
polynôme R scindé, qui se trouvera être le polynôme caractéristique de Λ.
L’application qui à une matrice associe son polynôme caractéristique est continue, ce qui assure la
convergence de (Rk ), vers le polynôme caractéristique de Λ.
Les suites de coefficients des polynômes Rk sont bornés, car convergentes. Les relations entre coefficients
et racines nous permettent d’affirmer que les suites des racines des Rk comptées avec leurs ordres de
multiplicité sont convergentes. Donc R est scindé sur R.
(b) Soient A et B deux matrices réelles diagonalisables.
Soient γ1 : [0, 1] → Mn (R) et
t 7→ (1 − t).A + t.0 = (1 − t)A
γ2 : [0, 1] → Mn (R) .
t 7→ tB
Soit enfin γ : [0, 1] →  Mn (R) .

 [ ]
γ1 (2t) si t ∈ 0, 12
t 7→
 γ (2t − 1) si t ∈ [ 1 , 1]

2 2
γ1 est un chemin continu joignant la matrice A à la matrice nulle et γ2 est un chemin continu joignant
la matrice nulle à la matrice B. Donc γ est un chemin continu joignant la matrice A à la matrice
B. De plus, pour tout réel t ∈ [0, 1], la matrice γ1 (t) = (1 − t)A est diagonalisable (par exemple,
si A = P diag(λi )1⩽i⩽n P −1 alors (1 − t)A = P diag((1 − t)λi )1⩽i⩽n P −1 ) et de même, pour tout réel
t ∈ [0, 1], la matrice γ2 (t) = tB est diagonalisable. Finalement γ est un chemin continu joignant les deux
matrices A et B diagonalisables dans R, contenu dans l’ensemble des matrices diagonalisables dans R.
On a montré que
l’ensemble∆ des matrices diagonalisables dans R est connexe par arcs.
Page 210
9. (a) Supposons A non diagonalisable dans Mn (C). Il existe donc une valeur propre complexe λ pour laquelle
la dimension du sous espace propre soit strictement inférieure
 à l’ordre de multiplicité
 de λ. Il existe un
λ 1 × ··· ×
 0 λ × · · · ×
 
 .. .. .. 

élément de la classe de similitude de A qui s’écrit T =  . 0 . . .
. . . . 
 .. .. .. .. 
0 0 × ··· ×
Considérons la suite de matrices Ak = Diag( 21k , 1, . . . , 1)T Diag(2k , 1, . . . , 1). Chacune de ces matrices
est dans la classe de similitude de A et on vérifie que pour tout entier k Ak est obtenue à partir de T en
divisant les n − 1 derniéres colonnes de la premiére ligne par 2k . Par suite (Ak ) est une suite convergente
de Mn (C). Notons E sa limite.
On contrôle que rg(E − λIn ) < rg(A − λIn ) = rg(T − λIn ), ce qui assure que E n’est pas dans la classe
de similitude de A.
Donc la classe de similitude de A n’est pas fermée si A n’est pas diagonalisable.
Supposons maintenant A diagonalisable, et montrons que sa classe de similitude est fermée. nous aurons
besoin du lemme suivant : pour p entier naturel donné, l’ensemble des matrices de Mn (C) est fermé
dans Mn (C) (il suffit de montrer que son complémentaire est ouvert, comme image réciproque d’un
ouvert par une application continue).
Soit (Nk ) une suite d’éléments de la classe de similitude de A qui converge vers N . Chacune de ces
matrices a les mêmes valeurs propres que A, et le lemme précédent nous permet de constater que les
espaces propres de N sont de même dimensions que ceux de A. Ainsi, N est diagonalisable dans Mn (C),
et est dans la classe de similitude de A. Par suite, la classe de similitude de A est fermée.
(b) Non. Pour cela, il faut se rappeler que deux matrices semblables dans Mn (C) le sont aussi dans Mn (R).
( )
0 −1
Alors la matrice A = . C’est une matrice diagonalisable dans M2 (C), sans l’être dans M2 (R).
1 0
A l’aide de la propriété rappelée ci-dessus, on constate que la classe de similitude de A est fermée dans
M2 (R) alors que A n’est pas diagonalisable dans M2 (R).
Exercice 79
Soit A ∈ Mn (C). montrer que limn→∞ (eA − (I + A n

n) ) = 0.
Correction
∑n n(n−1)···(n−k+1) k ∑n k−1 Ak
Constatons que (I + A n
n) = k=0 k!nk
A = k=0 (1 − n1 )(1 − n2 ) · · · (1 − n ) k! .
Donc
A n ∑
n
1 k − 1 Ak ∑
+∞
Ak
∥eA − (I + ) ∥ = ∥ (1 − (1 − ) · · · (1 − )) + ∥
n n n k! k!
k=0 k=n+1
∑
n
1 k − 1 ∥Ak ∥ ∑
+∞
∥Ak ∥
⩽ (1 − (1 − ) · · · (1 − )) +
n n k! k!
k=0 k=n+1
∥A∥ n
= e∥A∥ − (1 + ) [n → ∞]0
n
Exercice 80
Soit E un espace euclidien, et (e1 , . . . , en ) une famille de n vecteurs de E de norme 1 tels que, pour
tout x ∈ E, on a
∑
n
∥x∥2 = ⟨x, ek ⟩2 .
k=1
Démontrer que que (e1 , . . . , en ) est une BON de E.
Correction
Page 211
On va prouver que la famille est libre et génératrice. D’une part, si on applique l’égalité avec ej , on obtient :
∑
1=1+ ⟨ek , ej ⟩2 .
k̸=j
Ainsi, pour tout k ̸= j, on a ⟨ek , ej ⟩ = 0, et la famille est orthogonale. Ainsi, c’est une famille libre. De plus, elle
est génératrice. Prenons en effet x ∈ E, et posons
∑
n
y= ⟨x, ek ⟩ek .
k=1
On va prouver que x = y. Pour cela, on remarque que, puisque la famille est orthogonale, on a ⟨x, ek ⟩ = ⟨y, ek⟩.
Or,
∑n
∥x − y∥ =
2
⟨x − y, ek ⟩2 = 0.
k=1
Donc x = y. (e1 , . . . , en ) est donc une base orthonormale de E, qui est de dimension n (ceci n’était pas précisé au
début de l’énoncé).
( )
Exercice 81 Le théoréme de Courant-Fisher
Soit A une matrice symétrique réelle d’ordre n; on désigne par fA l’endomorphisme de Mn,1 (R) canon-
iquement associé à A; il défini, pour tout u ∈ Mn,1 (R), par fA (u) = Au.
1. Justifier qu’il existe une base orthonormée de l’espace euclidien (Mn,1 (R), (.|.)) formée de vecteurs
propres de fA .
Dans la suite, on note λ1 , λ2 , ..., λn les valeurs propres de fA rangées dans l’ordre croissant et on
désigne par (e1 , e2 , ..., en ) une base orthonormée de vecteurs propres associés:
λ1 ≤ λ2 ≤ ... ≤ λn et fA (ek ) = λk ek , k ∈ {1, 2, ..., n}
Pour tout k ∈ {1, 2, ..., n}, on note Vk le sous-espace vectoriel de Mn,1 (R) engendré par les
vecteurs (e1 , e2 , ..., ek ), et Fk l’ensemble de tous les sous-espaces vectoriels de Mn,1 (R) qui sont
de dimension k.
Si v est un vecteur non nul de Mn,1 (R) on pose RA (v) = (Av|v) (v|v) =
(fA (v)|v)
(v|v) .
2. Soit k ∈ {1, 2, ..., n}.

(a) Calculer RA (ek ).
(b) Si v ∈ Vk \{0}, montrer que RA (v) ≤ λk et conclure que λk = max RA (u).
u∈Vk \{0}
3. Soient k ∈ {1, 2, ..., n} et F ∈ Fk .
(a) Montrer que la dimension du sous-espace vectoriel F ∩ vect(ek , ..., en ) est ≥ 1.

(b) Soit w un vecteur non nul de F ∩ vect(ek , ..., en ); montrer que RA (v) ≥ λk .
4. Établir le résultat, dit théorème de Courant-Fischer,
λk = min ( max RA (v)).

F ∈Fk v∈F \{0}
Correction
1. La matrice A est symétrique réelle, donc d’après le théorème spéctral, fA est diagonalisable dans une base
orthonormale de vecteurs propres.
2. Soit k ∈ {1, 2, ..., n}.
< Aek , ek >
(a) On a Aek = λk ek , donc RA (ek ) = = λk .
∥ek ∥2
∑
k
1.2.2 • Soit v ∈ Vk − {0}, alors ∃α1 , ..., αk ∈ R, tels que vk = αi ei , donc
i=1
Page 212
∑
k ∑
k ∑
k ∑
k
< Avk , vk >=< αi λi ei , αj ej >= λi αi2 ≤ λk αi2 = λk ∥vk ∥2 ,
i=1 j=1 i=1 i=1
ce qui donne: RA (vk ) ≤ λk .
• L’inégalité précédente montre que λk est un majorant, et puisque RA (ek ) = λk , ce majorant est atteint,
donc λk = max RA (u).
u∈Vk −{0}
3. Soient k ∈ {1, ..., n} et F ∈ Fk .

(a) Supposons que dim(F ∩ V ect(ek , ..., en )) = 0, alors F ∩ V ect(ek , ..., en ) = {0} et par suite:
dim(F + V ect(ek , ..., en )) = dim(F ) + dim(V ect(ek , ..., en )) ≤ n, c’est à dire n + 1 ≤ n, absurde.
∑n
1.3.2 Soit ω ∈ F ∩ V ect(ek , ..., en )) − {0}, alors ∃αk , ..., αn ∈ R non tous nuls tels que ω = αi ei , ce qui
i=k
∑
n ∑
n
donne < Aω, ω >= λi αi2 ≥ λk αi2 = λk ∥ω∥ , et par suite < Aω, ω ≥ λk .
2
i=k i=k
< Av, v > < Av, v >

4. Soit F ∈ Fk . Montrons que: sup = max
< v, v >
v∈F −{0} v∈F −{0} < v, v >
• Soit S = S(0, 1) la sphère unité de Mn,1 (R), ona:
< Av, v > v v
sup = sup < A , >= sup < Av, v >, or la dimension de Mn,1 (R) est finie,
v∈F −{0} < v, v > v∈F −{0} ∥v∥ 2 ∥v∥ 2 v∈S∩F
donc la sphère unité S de Mn,1 (R) est compacte,ce qui entraine que S ∩ F est un compact comme fermé dans
∑ v 7−→< Av, v > est continue comme fonction polynômiale en les coefficients
un compact, de plus l’application
de v( en effet < Av, v >= ai,j vi vj où A = (ai,j )i,j et v = t (v1 , ..., vn )), à valeurs réelles, donc le sup
1≤i,j≤n
< Av, v >
est atteint, et par suite sup < Av, v >= max < Av, v >= max .
v∈S∩F v∈S∩F v∈F −{0} < v, v >
• Montrons maintenant l’égalité demandée.
Soit F ∈ Fk , d’après la question 1.3, il existe w ∈ F tel que RA (w) ≥ λk , ce qui entraine que:
max RA (v) ≥ RA (w) ≥ λk , et ceci ∀F ∈ Fk , donc λk est un minorant de { max RA (v) / F ∈ Fk }, de
v∈F −{0} v∈F −{0}
plus pour F = Vk , la question 1.2.2 assure que max RA (u) = λk , donc λk est atteint en Vk , on conclut
u∈Vk −{0}
( )
donc λk = min max RA (v) .
F ∈Fk v∈F −{0}
( )
Exercice 82 Hadamard
Soit E un espace euclidien de dimension n ⩾ 1 et B une base orthonormée de E.

Montrer que pour tout n-uplet de vecteurs (x1 , ...xn ), on a : |detB (x1 , ..., xn )| ⩽ ∥x1 ∥...∥xn ∥. Cas
d’égalité ?
Correction
Si la famille (x1 , ..., xn ) est liée, l’inégalité est vraie.

Si la famille (x1 , ..., xn ) est libre, on peut considérer B0 = (e1 , ..., en ) l’orthonormalisée de Schmidt de la famille
(x1 , ..., xn ). Les bases B0 et B sont des bases orthonormées de E et donc
(x1 |e1 ) × ... ×

.. .. ..
0 . . .
|detB (x1 , ..., xn )| = |detB0 (x1 , ..., xn )| = | .. |
.. ..
. . . ×
0 ... 0 (xn |en )
∏
n ∏
n
= |(xk |ek )| ⩽ ∥xk ∥∥ek ∥ (d’après l’inégalité de Cauchy-Schwarz)
k=1 k=1
∏n
= ∥xk ∥.
k=1
Page 213
∏n
∀(x1 , . . . , xn ) ∈ E n , |detB (x1 , ..., xn )| ⩽ k=1 ∥xk ∥ (inégalité de Hadamard).
Ensuite,
- si la famille (x1 , ..., xn ) est liée, on a l’égalité si et seulement si l’un des vecteurs xk est nul
- si la famille (x1 , ..., xn ) est libre, on a l’égalité si et seulement si ∀k ∈ [[ 1, n ]], |(xk |ek )| = ∥xk ∥∥ek ∥. Les cas
d’égalité
de l’inégalité de Cauchy-Schwarz étant connus, on a l’égalité si et seulement si ∀k ∈ [[ 1, n ]], xk est colinéaire
à ek
ou encore si et seulement si la famille (x1 , ..., xn ) est orthogonale.
En résumé, l’inégalité de Hadamard est une égalité si et seulement si la famille (x1 , ..., xn ) est orthogonale
libre ou si l’un des vecteurs est nul.
( )
Exercice 83 Déterminant de Gram (Voir CNC 2019)
Soit E un espace préhilbertien réel.

Pour n ∈∗ et (x1 , ..., xn ) dans E n , on pose G(x1 , ..., xn ) = (xi |xj )1⩽i,j⩽n (matrice de Gram) puis
γ(x1 , ..., xn ) = det(G(x1 , ..., xn )) (déterminant de Gram).
1. Montrer que rg(G(x1 , ..., xn )) = rg(x1 , ..., xn ).

2. Montrer que la famille (x1 , ..., xn ) est liée si et seulement si γ(x1 , ..., xn ) = 0 et que la famille
(x1 , ..., xn ) est libre si et seulement si γ(x1 , ..., xn ) > 0.
3. On suppose que la famille (x1 , ..., xn ) est libre dans E. On pose F = Vect(x1 , ..., xn ). Pour x ∈ E,
on note pF (x) la projection orthogonale de x sur F √ puis d(x, F ) la distance de x à F (c’est-à-dire
γ(x,x1 ,...,xn )
d(x, F ) = ∥x − pF (x)∥2 ). Montrer que d(x, F ) = γ(x1 ,...,xn ) .
Correction
1. Soit F = Vect(x1 , ..., xn ) et m = dimF . Soit B = (ei )1⩽i⩽m une base orthonormée de F puis M la matrice
de la famille (xj )1⩽j⩽n dans la base B .M = ((ei |xj )) est une matrice rectangulaire de format (m, n).
Soit (i, j) ∈ 1, m × 1, n. Puisque la base B est orthonormée, le coefficient ligne i, colonne j de la matrice
t
M M est
∑m ∑m ∑m
k=1 mk,i mk,j = k=1 (ek |xi )(ek |xj ) = (xi | k=1 (ek |xj )ek ) = (xi |xj ),
et on a donc
G(x1 , x2 , ..., xn ) = t M M .
Puisque rg(x1 , ..., xn ) = rgM , il s’agit de vérifier que rg(t M M ) = rgM . Pour cela, montrons que les matrices
M et t M M ont même noyau.
Soit X ∈ Mn,1 (R). X ∈ KerM ⇒ M X = 0 ⇒ t M M X = 0 ⇒ X ∈ Ker(t M M ) et aussi
X ∈ Ker(t M M ) ⇒ t M M X = 0 ⇒ t X t M M X = 0 ⇒ t (M X)M X = 0 ⇒ ∥M X∥22 = 0 ⇒ M X = 0 ⇒ X ∈

KerM .
Finalement, Ker(t M M ) = KerM et donc, d’après le théorème du rang, rg(x1 , ..., xn ) = rgM = rg(t M M ) =
rg(G(x1 , x2 , ..., xn )).
rg(G(x1 , x2 , ..., xn )) = rg(x1 , . . . , xn ).
2. D’après 1),
(x1 , ..., xn ) liée ⇔ rg(x1 , x2 , ..., xn ) <⇔ rgG(x1 , x2 , ..., xn ) < n ⇔ G(x1 , x2 , ..., xn ) ∈
/ GLn (R)
⇔ γ(x1 , x2 , ..., xn ) = 0.
De plus, quand la famille (x1 , x2 , ..., xn ) libre, avec les notations de la question 1), on a m = n et la matrice
M est une matrice carrée. On peut donc écrire
Page 214
γ(x1 , x2 , ..., xn ) = det(t M M ) = det(t M ) × det(M ) = (detM )2 > 0.
(x1 , ..., xn ) liée ⇔ γ(x1 , . . . , xn ) = 0

(x1 , ..., xn ) libre ⇔ γ(x1 , . . . , xn ) > 0.
remarque :
γ(x1 , x2 , ..., xn ) = [x1 , x2 , ..., xn ]2
3. 1ère solution. Soit x un vecteur de E et pF (x) son projeté orthogonal sur F . Dans la première colonne de
γ(x, x1 , . . . , xn ), le théorème de Pythagore permet d’écrire (puisque x − pF (x) ∈ F ⊥ )
     
(x|x) ∥x − pF (x) + pF (x)∥2 ∥x − pF (x)∥2 + ∥pF (x)∥2
 (x|x1 )   (x − pF (x) + pF (x)|x1 )   (pF (x)|x1 ) 
     
 .. = .. = .. 
 .   .   . 
(x|xn ) (x − pF (x) + pF (x)|xn ) (pF (x)|xn )
   
∥x − pF (x)∥2 (pF (x)|pF (x))
 0   (pF (x)|x1 ) 
   
= .. + .. 
 .   . 
0 (pF (x)|xn )
Après avoir remplacé aussi en première ligne les (x|xi ) par (pF (x)|xi ), on obtient par linéarité par rapport à
la première colonne
γ(x, x1 , x2 , ..., xn ) = γ(x − pF (x), x1 , x2 , ..., xn ) + γ(pF (x), x1 , x2 , ..., xn )
Maintenant, pF (x) est dans F et donc la famille (pF (x), x1 , x2 , ..., xn ) est liée puis d’après la question 2)
γ(pF (x), x1 , x2 , ..., xn ) = 0. Il reste γ(x, x1 , x2 , ..., xn ) = γ(x − pF (x), x1 , x2 , ..., xn ) et en développant suivant
la première colonne, on obtient
∀x ∈ E, γ(x, x1 , . . . , xn ) = γ(x − pF (x), x1 , x2 , ..., xn ) = ∥x − pF (x)∥2 γ(x1 , x2 , ..., xn ).
Finalement
√
γ(x,x1 ,x2 ,...,xn )
∥x − pF (x)∥ = γ(x1 ,x2 ,...,xn ) .
∑n
2ème solution. Posons pF (x) = i=1 λi xi puis d = ∥x − pF (x)∥ de sorte que
d2 = (x − pF (x))|(x − pF (x)) = (x − pF (x))|x = ∥x∥2 − (x|pF (x)).
D’autre part, pour chaque i ∈ 1, n, x|xi = (x − pF (x)|xI ) + (pF (x)|xi ) = (pF (x)|xi ). Par suite, les n + 1 réels
d2 , λ1 ,..., λn sont solutions du système d’équations linéaires
 2

 d + λ1 (x|x1 ) + . . . + λn (x|xn ) = ∥x∥2

 λ1 (x1 |x1 ) + . . . + λn (x1 |xn ) = (x|x1 )
..

 .


λ1 (xn |x1 ) + . . . + λn (xn |xn ) = (x|xn )
Le déterminant de ce système vaut γ(x1 , x2 , ..., xn ) > 0 et le système est de Cramer. Le déterminant associé
à d2 est γ(x, x1 , x2 , ..., xn ) et les formules de Cramer refournissent
γ(x,x1 ,...,xn )
d2 = γ(x1 ,...,xn ) .
Exercice 84
Soit E un espace vectoriel euclidien, et p un projecteur de E. Montrer que p est un projecteur orthogonal
si et seulement si pour tout x de E, on a ∥p(x)∥ ≤ ∥x∥.
Page 215
Correction
Supposons d’abord que p est un projecteur orthogonal. Pour tout x de E, x = p(x) + (x − p(x)), où p(x) ⊥
x − p(x). Le théorème de Pythagore donne alors ∥x∥2 = ∥p(x)∥2 + ∥x − p(x)∥2 , ce qui entraîne ∥p(x)∥ ≤ ∥x∥ pour
tout x de E. Réciproquement, supposons que pour tout x de E, ∥p(x)∥ ≤ ∥x∥, et supposons que p est le projecteur
sur F parallèmement à G. Prenons x dans F , et y dans G, et posons f (t) = ∥x + ty∥2 . Le développement de la
norme donne :
f (t) = ∥x∥2 + 2t(x, y) + t2 ∥y∥2 .
f est donc une fonction dérivable. En outre, p(x + ty) = x, et donc f (0) = ∥x∥2 ≤ ∥x + ty∥2 ≤ f (t). f atteint donc
son minimum en 0. On a donc f ′ (0) = 0, ce qui donne (x, y) = 0 : F et G sont orthogonaux, ce qui signifie que p
est un projecteur orthogonal.
Exercice 85
Soit E un espace vectoriel euclidien. Un endomorphisme symétrique u ∈ S(E) est dit positif si pour
tout x de E, (u(x), x) ≥ 0. Il est dit défini positif si pour tout x de E non nul, (u(x), x) > 0. On notera
S + (E) l’ensemble des endomorphismes symétriques positifs, et S ++ (E) l’ensemble des endomorphismes
symétriques définis positifs.
1. Soit u ∈ S(E). Montrer que u appartient à S + (E) si et seulement si ses valeurs propres sont
positives ou nulles. Donner une condition nécessaire et suffisante sur les valeurs propres de u ∈
S(E) pour que u ∈ S ++ (E).
√ λ1 , . . . , λp ses valeurs propres (distinctes), et Ei = ker(u − λi IdE ). On définit vi

2. Soit u ∈ S + (E),
par vi (x) = λi x si x ∈ Ei , et vi (x) = 0 si x ∈ Ei⊥ . On note enfin v = v1 + · · · + vp . Justifier que
v 2 = v ◦ v = u, et que v est positif.
3. Soit w un autre élément de S + (E) tel que w2 = u.
(a) Montrer que wu = uw.

(b) En déduire que w(Ei ) ⊂ Ei .
(c) Soit wi l’endomorphisme induit par w sur Ei . Vérifier que wi est symétrique positif, puis
diagonaliser wi .
(d) En déduire que w = v.
Correction
1. Puisque u est symétrique, il existe une base orthonormée∑n B = (e1 , . . . , en ) de vecteurs propres, correspondant
aux valeurs propres λ1 , . . . , λn . Prenant x ∈ E, x = i=1 xi ei , on a
∑
n
(u(x), x) = λi x2i .
i=1
Si toutes les valeurs propres sont positives, on en déduit que cette quantité est positive. Réciproquement ,
∀i ∈ [[ 1, n ]] , (u(ei ), ei ) = λi ≥ 0 . Pour que u soit défini positif, il est nécessaire et suffisant que toutes les
valeurs propres de u soient strictement positives. Le raisonnement est identique.
√ spectral, les Ei sont en somme directe√orthogonale. Ainsi, si x ∈ Ei , on a vj (x) = 0 si

2. D’après le théorème
j ̸= i et vi (x) = λi x. Ainsi, v(x) = v1 (x) + · · · + vn (x) = λi x, et v 2 (x) = λi x. Puisque E1 ⊕ · · · ⊕ En = E,
la relation est vraie sur E tout entier par recollement. D’autre part, v est symétrique positif, car chacun des
vi est symétrique positif.
3. (a) On a : w ◦ u = u2 ◦ u = u3 = u ◦ u2 = u ◦ w.
(b) Il est bien connu que si deux endomorphismes commutent, le noyau de tout polynôme en l’un est stable
par l’autre. En particulier, les sous-espaces propres de u sont stables par w.
(c) wi est un endomorphisme symétrique positif, car c’est la restriction à un sous-espace stable d’un endo-
morphisme positif. wi est donc diagonalisable dans une base orthonormale. En outre, si µ est une de
2 2
ses valeurs
√ propres, associée au vecteur propre
√ y, on a w(y) = µy =⇒ w (y) = µ y = λi y. Il vient
µ = λi , puisque µ est positif. Ainsi, wi = λi IdEi .
(d) On retrouve w comme w = w1 + · · · + wn . Ainsi, w coïncide avec v sur chaque Ei , et donc w = v (par
recollement).
Page 216
( )
Exercice 86 polynômes orthogonaux
Soient a, b ∈ R avec a < b et w :]a, b[→ R une fonction continue strictement positive.
On désigne par H = L2 (I), H est donc l’ensemble des fonctions continues de I dans R telles que : f 2
est intégrable sur I =]a, b[ H est muni du produit scalaire
∫ b
< f, g >= f (t)g(t)w(t)dt,
a
On désigne par E l’espace vectoriel R[X] et pour tout entier naturel n, En désigne le sous-espace
vectoriel Rn [X] des polynômes de degré inférieur ou égal à n.
Partie 1 – Polynômes orthogonaux

1. Montrer que l’application de E × E dans R définie par
∫ b
(P, Q) 7→ ⟨P |Q⟩ = P (t)Q(t)w(t)dt
a
est un produit scalaire sur E.

On appelle système orthogonal pour ⟨|⟩ toute famille de polynôme (Pk )k∈N telle que deg Pk = k
et ⟨Pk |Pl ⟩ = 0 si k ̸= l.
2. Montrer qu’il existe un système orthogonal dans E.
3. Montrer que si (Pk )k≥0 et (Qk )k≥0 sont deux systèmes orthogonaux de E, alors il existe une suite
de réels (λk )k≥0 telle que Pk = λk Qk pour tout entier k. En déduire l’existence et l’unicité d’une
famille orthogonale unitaire (i.e. dont tous les polynômes sont unitaires).
4. On suppose dans cette question seulement que a = 0, b = 1 et w(t) = 1 pour tout t ∈ [0, 1]. On
rappelle le théorème de Weierstrass suivant : toute fonction continue sur un segment est limite
Pn
uniforme sur ce segment d’une suite de fonctions polynômes. On note enfin Un = ∥P n∥
. Prouver
que (Un ) est une base hilbertienne de H.
Partie 2 – Étude des zéros Soit désormais (Pn )n≥0 un système orthogonal et k un entier naturel.
1. Justifier l’existence de deux entiers naturels p, q, de deux suites finies (ri )1≤i≤p et (sj )1≤j≤q de
réels de ]a, b[, de deux suites finies (αi )1≤i≤p et (βj )1≤j≤q d’entiers naturels > 0 avec αi impair et
βj pair, et de Q ∈ E sans racine dans ]a, b[ tels que
Pk = (X − r1 )α1 · · · (X − rp )αp (X − s1 )β1 · · · (X − sq )βq Q.
2. Montrer que si p < k, alors ⟨Pk |(X − r1 ) · · · (X − rp )⟩ = 0.

3. En déduire que toutes les racines complexes de Pk sont réelles, simples et dans l’intervalle ]a, b[.
On désigne désormais par rk,1 < rk,2 < · · · < rk,k les racines de Pk . On les appelle les points de Gauss
du polynôme Pk .
1. Pourquoi cette suite ne dépend-elle que de w et pas du choix de la suite orthogonale ?
Partie 3 – Relation de récurrence
1. On rappelle que (Pn )n est un système orthogonal. Montrer qu’il existe trois réels αn , βn , γn tels
que XPn = αn Pn−1 + βn Pn + γn Pn+1 . (Partir de XPn .)
2. On suppose Pn unitaire pour tout n ∈ N. Montrer l’existence de deux suites r�elles (an )n≥2 et
(bn )n≥2 telles que pour tout entier n ≥ 2, Pn = (an + X)Pn−1 + bn Pn−2 .
Correction
Force du produit scalaire des polynômes orthogonaux :
∀P, Q, R ∈ R[X], < P Q, R >=< P, QR >=< Q, P R >,
Page 217
Partie 1 – Polynômes orthogonaux

∫b
1. La bilinéarité et la symétrie sont claire, en vertu de la linéarité de l’intégrale. On a ⟨P |P ⟩ = a P (t)2 w(t)dt ≥ 0
car P (t)2 w(t) ≥ 0. Si ⟨P |P ⟩ = 0, alors P (t)2 w(t) = 0 (car positive continue d’intégrale nulle), et donc
P (t)2 = 0 pour tout t ∈ [a, b]. Donc P a une infinité de racines et P = 0.
2. On orthonormalise (1, X, . . . , X n ) par le procédé de Gram-Schmidt pour tout n.

remarque : (Pk )0≤k≤n est une base orthogonale de En .
3. Montrons l’existence de λk ∈ R∗ par récurrence sur k ∈ N. Si k = 0, alors P0 et Q0 sont des polynômes
constants non nuls. Donc λ0 = P0 /Q0 convient. Remarquons que (Pk )0≤k≤n et (Qk )0≤k≤n sont des bases de
En car échelonnées en degré. Donc Pk est une base de l’orthogonal de Ek−1 dans Ek . Il en de même pour
Qk et ces deux polynômes sont donc proportionnels, ce qui conclut la récurrence. Enfin il existe un unique
λk tel que λk Pk soit unitaire.
4. Il est d’abord clair que (Un )n≥1 est une famille orthonormale. Il suffit donc de prouver que l’espace vectoriel
engendré par les Un qui n’est autre que l’ensemble des polynômes est dense dans H. Fixons f ∈ L2 ([0, 1])
et ϵ > 0. , d’après le théorème de Weierstrass, il existe un polynôme P tel que ∥f − P ∥∞ ≤ ϵ. Utilisant
l’inégalité triangulaire et le fait que ∥f − P ∥2 ≤ ∥f − P ∥∞ , on obtient que
∥f − P ∥2 ≤ ϵ,
ce qui prouve la densité des polynômes dans L2 ([0, 1]).
Partie 2 – Étude des zéros
1. On désigne par r1 , . . . , rp (resp. s1 , . . . , sq ) les racines de Pk dans ]a, b[ de multiplicité impaire (resp. paire).
Donc
Pk = (X − r1 )α1 · · · (X − rp )αp (X − s1 )β1 · · · (X − sq )βq Q
où αi est la multiplicité de ri et βj la multiplicité de sj , et Q n’a pas de racines dans ]a, b[ par construction.
2. Puisque deg(X −r1 ) · · · (X −rp ) = p < k, on a (X −r1 ) · · · (X −rp ) ∈ Ek−1 et donc Pk ⊥ (X −r1 ) · · · (X −rp ).
3. Par l’absurde : avec les notations de la question précédente, cela revient à supposer que p < k. On a donc
∫ b
⟨Pk |(X − r1 ) · · · (X − rp )⟩ = P (t)(t − r1 ) · · · (t − rp )dt
a
∫ b
= (t − r1 )α1 +1 · · · (t − rp )αp +1 (t − s1 )β1 · · · (t − sq )βq Q(t)dt.
a
Or t 7→ Q(t) est continue positive et ne s’annule pas sur ]a, b[, donc est de signe constant sur [a, b]. De
plus t 7→ (t − r1 )α1 +1 · · · (t − rp )αp +1 (t − s1 )β1 · · · (t − sq )βq est positive car les exposants sont pairs. Donc
t 7→ (t − r1 )α1 +1 · · · (t − rp )αp +1 (t − s1 )β1 · · · (t − sq )βq Q(t) est une fonction de signe constant continue
d’intégrale nulle, donc nulle. Or le polynôme (X − r1 )α1 +1 · · · (X − rp )αp +1 (X − s1 )β1 · · · (X − sq )βq Q est de
degré k + p, donc non nul, ce qui est une contradiction.
4. Les racines de Pk et de λk Pk sont les mêmes.
Partie 3 – Relation de récurrence

1. Le polynôme XPn est de degré n + 1, il s’exprime donc dans la base orthogonale P0 , · · · , Pn+1 de Rn+1 [X] :
∑
n
(XPn /Pk )
XPn = Pk
∥Pk ∥2
k=0
De plus, si k < n − 1, alors

∫ b
⟨XPn |Pk ⟩ = tPn (t)Pk (t)dt = ⟨Pn |XPk ⟩ = 0
a
∑n+1
car deg XPk < n. Si XPn = j=0 λj Pj , alors pour k < n − 1, on a ⟨XPn |Pk ⟩ = λk et donc λk = 0. D’où
l’existence de αn , βn , γn .
Page 218
2. Si Pn est unitaire, alors XPn aussi, et par comparaison des termes dominants dans l’égalité précédente, on a
γn+1 = 1. On pose alors an = βn−1 et bn = αn−1 .
( )
Exercice 87 Exemple de polynômes orthogonaux , opérateur symétriques
Soit n ∈ N∗ fixé et E = R2n [X], l’espace vectoriel réel des polynômes réels de degré inférieur ou égal à
2n; il est muni du produit scalaire défini par:
∫ 1
∀(P, Q) ∈ E 2 , ⟨P, Q⟩ = P (t)Q(t)dt
−1
(on ne demande pas de vérifier qu’il s’agit bien d’un produit scalaire).
Soit ∆ : E −→ E défini par:
∀P ∈ E, ∆(P ) = (X 2 − 1)P ′′ + 2XP ′
où l’on note respectivement P ′ ou P ′ (X), ainsi que P ′′ ou P ′′ (X) les dérivées premières et deuxièmes
de P = P (X).
1. (a) Soit F = {P ∈ E/P (X) = P (−X)} et G = {P ∈ E/P (X) = −P (−X)}.
Montrer que F et G sont deux sous-espaces vectoriels de E supplémentaires et orthogonaux.
Préciser la dimension de F et de G.
(b) Vérifier que ∆ est un endomorphisme de l’espace vectoriel réel E.
(c) En considérant la matrice de ∆ relativement à la base canonique (1, X, . . . , X 2n ), déterminer
les valeurs propres de ∆. Préciser si ∆ est diagonalisable, et la dimension des sous-espaces
propres.
(d) Soit k ∈ [|0, 2n|], et on pose λk = k(k + 1).
Justifier l’existence d’un unique vecteur propre Pk de ∆ associé à λk , tel que Pk soit de degré
k et admette 1 comme coefficient de X k ?
(e) Montrer que pour tous P et Q dans E, on a: ⟨∆(P ), Q⟩ = ⟨P, ∆(Q)⟩ (ie:∆ est un opérateur
symétrique ).
2
En déduire que pour tout (k, h) ∈ [|0, 2n|] tel que k ̸= h, on a: ⟨Pk , Ph ⟩ = 0.
Que peut-on en déduire pour B = (P0 , P1 , . . . , P2n )?
(f) Montrer que (P0 , P2 , . . . , P2n ) est une base de F et (P1 , P3 , . . . , P2n−1 ) est une base de G.
2. On prend ici n = 1, et l’espace euclidien E = R2 [X], toujours muni du produit scalaire défini par:
∫ 1
∀(P, Q) ∈ E , ⟨P, Q⟩ =
2
P (t)Q(t)dt
−1
(a) Expliciter P0 , P1 , P2 définis en 1. , et en déduire une base orthonormale de E formée de

vecteurs propres pour ∆.
(b) Soit G = {P ∈ E/P (X) = −P (−X)}. Calculer la distance euclidienne de A = X + 1 au
sous-espace vectoriel G de E.
(c) Montrer que C = {h ∈ L(E)/h ◦ ∆ = ∆ ◦ h} est un espace vectoriel réel de dimension 3. On
pourra utiliser la matrice de ∆ et de h ∈ C dans la base (P0 , P1 , P2 ).
(d) Déterminer tous les endomorphismes g de E tels que g ◦ g = ∆. On les donnera par leur
matrice dans la base (P0 , P1 , P2 ).
Correction
1. (a) F est l’ensemble des polynômes pairs de degré inférieur ou égal à 2n on peut donc écrire
( )
F = vect 1, X 2 , .., X 2k , .., X 2n
de même ( )
G = vect X, .., X 2k+1 , .., X 2n−1
On en déduit que ce sont deux sous espaces vectoriels de E. De plus on a
dim (F ) = n + 1 et dim (G) = n
Page 219
Soit P ∈ F ∩ G, on a alors P (X) = P (−X) = −P (−X) d’où P = 0 donc F ∩ G = {0} .

On sait de plus que dim (E) = 2n + 1, donc les sous espaces F et G sont supplémentaires.
Soit (k, k ′ ) ∈ [[0, n]] × [[1, n]] , on a
⟨ ⟩ ∫ 1 [ ]1
′
2k 2k′ −1 1 ′
X 2k , X 2k −1 = t t dt = ′
t2(k+k ) =0
−1 2 (k + k ) −1
On en déduit que F et G sont orthogonaux

(b) La dérivation des polynômes est une application linéaire donc ∆ est une application linéaire. Soit P ∈ E
on a (( ) )
deg (∆ (P )) = deg X 2 − 1 P ′′ + 2XP ′
( (( ) ) )
⇒ deg (∆ (P )) ≤ inf deg X 2 − 1 P ′′ , deg (2XP ′ ) ≤ deg (P )
Donc ∆ (P ) est un polynôme de degré inférieur ou égal à 2n donc ∆ (P ) ∈ E.
Conclusion : ∆ est un endomorphisme de E
(c) On a
∆ (1) = 0 et ∆ (X) = 2
Soit k ∈ [[2, 2n]] ,
( ) ( )
∆ X k = X 2 − 1 k (k − 1) X k−2 + 2X.kX k−1 = k (k + 1) X k − k (k − 1) X k−2
La matrice de ∆ relative à la base canonique est donc

 
0 0 −2 0 ··· ··· 0
 .. .. .. 
 0 2 0 . . . 
 
 .. .. .. .. 
 . 0 6 . −k (k − 1) . . 
 
 .. .. .. .. 
 . . . 0 . 0 
 
 . .. 
 .. . k (k + 1) −2n (2n − 1) 
 
 . .. .. 
 .. . . 
0 ··· ··· ··· 0 2n (2n + 1)
La matrice est triangulaire supérieure, les valeurs propres sont alors les éléments de la diagonale. On a
donc
Sp (∆) = {k (k + 1) / k ∈ [[0, 2n]]}
Les valeurs propres sont 2 à 2 distinctes (la fonction k → k (k + 1) est trictement croissante sur IN ) on
en déduit que ∆ est diagonalisable et que les sous espaces propres sont tous de dimension 1.
(d) d’après le calcul précédent on a deg (∆ (P )) = deg (P ) pour deg (P ) > 0 et ∆ (1) = 0. De plus si a est le
coefficient dominant de P alors le coefficient dominant de ∆ (P ) est k (k + 1) a. Les polynômes associés
à la valeur propre de λk sont donc de degré k. Or l’espace propre associé à λk est de dimension 1 il
existe donc un unique polynôme unitaire qui engendre ce sous espace. On note Pk ce polynôme il est,
d’après ce qui précède, de degré k et de coefficient dominant 1.
(e) Soit (P, Q) ∈ E 2 , on a
∫ 1 (( ) )
⟨∆(P ), Q⟩ = t2 − 1 P ′′ (t) + 2tP ′ (t) Q (t) dt
−1
On peut remarquer que (( ) )′

∆ (P ) = X2 − 1 P ′
On fait donc une intégration par parties
∫
[( 2 ) ]1 1 ( )
⟨∆(P ), Q⟩ = t − 1 P ′ (t) Q (t) −1 − t2 − 1 P ′ (t) Q′ (t) dt
−1
∫ 1 ( )
= − t2 − 1 P ′ (t) Q′ (t) dt
−1
∫
[( ) ]1 1 (( ) )
= − t2 − 1 Q′ (t) P (t) −1 + t2 − 1 Q′′ (t) + 2tQ′ (t) P (t) dt
−1
= ⟨P, ∆(Q)⟩
Page 220
L’endomorphisme ∆ est donc symétrique.

∆ est donc diagonalisable dans une base orthogonale.
Les polynômes Pk étant associés à des valeurs propres deux à deux distinctes ils forment une famille
2
orthogonale et donc pour tout (k, h) ∈ [|0, 2n|] tel que k ̸= h, on a: ⟨Pk , Ph ⟩ = 0.
La famille B = (P0 , P1 , . . . , P2n ) est une base orthogonale.
(f) d’après le calcul de la matrice à la question c) on a
( ) ( )
∀k ∈ [[0, n]] ∆ X 2k ∈ F et ∀k ∈ [[1, n]] ∆ X 2k−1 ∈ G
On en déduit que F et G sont des sous espaces stables par ∆. La restriction de ∆ à l’un de ces sous
espace est alors diagonalisable. Comme les sous espaces propres de ∆ sont de dimension 1 on en
déduit, à l’aide des degrés, que ∀k ∈ [[0, n]] P2k ∈ F et ∀k ∈ [[1, n]] P2k−1 ∈ G. De plus la famille
(P0 , P2 , . . . , P2n ) est libre car orthogonale et dim (F ) = n + 1 donc (P0 , P2 , . . . , P2n ) est une base de F.
De même (P1 , P3 , . . . , P2n−1 ) est une base de G
2. On prend ici n = 1, et l’espace euclidien E = R2 [X], toujours muni du produit scalaire défini par:
∫ 1
∀(P, Q) ∈ E , ⟨P, Q⟩ =
2
P (t)Q(t)dt
−1
(a) on a ∆ (1) = 0 donc P0 = 1

∆ (X) = 2X donc P1 = X.
On cherche maintenant un polynôme unitaire de degré 2 pair tel que ∆ (P2 ) = 6P2 . Il est de la forme
P2 = X 2 + α. On a ( ) ( )
∆ X 2 + α = 6X 2 − 2 = 6 X 2 + α
d’où P2 = X 2 − 31 .
La famille (P0 , P1 , P2 ) est orthogonale, il suffit donc de la normaliser pour obtenir une base orthonormale
de E.
On a
∫ 1 ∫ 1
2 2 2
∥P0 ∥ = 1dt = 2 , ∥P1 ∥ = t2 dt =
−1 −1 3
∫ 1( )2
2 1 8
∥P2 ∥ = t2 − dt =
−1 3 45
D’où une base othonormale de E est

(√ √ √ ( ))
1 3 3 5 1
, X, √ X2 −
2 2 2 2 3
(b) d’après la question 1f ) on a G = vect (P1 ) c’est à dire G = vect (X) . De plus les polynômes X et 1 sont
orthogonaux, la porjection de A sur G est donc X
La distance de A à G est alors
(∫ ) 21
1 √
d (A, G) = ∥A − X∥ = ∥1∥ = dt = 2
−1
(c) l’application de L (E) dans lui même qui à h associe h ◦ ∆ − ∆ ◦ h est linéaire, donc C (qui est le noyau de
cette application) est un sous espace vectoriel de L (E) . Soit M la matrice de ∆ dans la base (P0 , P1 , P2 )
et H la matrice d’un endomorphisme h élément de C. On a
 
0 0 0
M = 0 2 0 
0 0 6
h est un élément de C si et seulement si M H = HM. En notant H = (hij ) on obtient alors

   
0 0 0 0 2h12 6h13
M H = HM ⇔  2h21 2h22 2h23  =  0 2h22 6h23 
6h31 6h32 6h33 0 2h32 6h33
On en déduit que H est aussi une matrice diaogonale. L’ensemble des matrices qui commutent avec M
est donc engendré par (E11 , E22 , E33 ) , il est donc de dimension 3.
Par isomorphisme on peut donc dire que C est un espace vectoriel de dimension 3.
Page 221
(d) un endomorphisme g tel que g ◦ g = ∆ vérifie g ◦ ∆ = g 3 = ∆ ◦ g, c’est donc un élément de C. Sa matrice

dans la base (P0 , P1 , P2 ) estdiagonale, 
d’après la question précédente.
 On cherche 
donc les matrices B
0 0 0 0 0
√ 0
diagoanles telles que B 2 =  0 2 0  .On alors 4 solutions  0 − + 2 0 
√
0 0 6 0 0 +
− 6
Exercice 88
Soient E un espace vectoriel euclidien de dimension finie non nulle, et A une partie convexe fermée et
non vide de E.
1. Soit x ∈ E. Montrer qu’il existe un unique élément p(x) ∈ A vérifiant, pour tout y ∈ A,
∥x − p(x)∥ ⩽ ∥x − y∥.
2. établir, pour x ∈ E et y ∈ A, (x − p(x)|p(x) − y) ⩾ 0.
3. Prouver que pour (x, y) ∈ E 2 , ∥p(x) − p(y)∥ ⩽ ∥x − y∥.
Correction
Si x ∈ E et si B est une partie non vide de E, notons d(x, B) = inf y∈B ∥x − y∥.
1. Soient x ∈ E, y ∈ A et B = {z ∈ A | ∥x − z∥ ⩽ ∥x − y∥}. Il est clair que d(x, A) = d(x, A ∩ B). Or, A ∩ B

est un fermé borné, donc un compact, et z 7→ ∥x − z∥ est une application continue, il existe donc z ∈ A tel
que d(x, A) = d(x, A ∩ B) = ∥x − z∥.
Supposons que (y, z) ∈ A2 vérifient y ̸= z et d(x, A) = ∥x − y∥ = ∥x − z∥. D’aprés l’identité de la médiane :
y+z 1 1 1 1
∥x − ∥ = ∥x − y + x − z∥2 = ∥x − y∥2 + ∥x − z∥2 − ∥y − z∥2
2 4 2 2 4
1
= [d(x, A)]2 − ∥y − z∥2 < [d(x, A)]2
4
Or, A est convexe, donc y+z

2 ∈ A, d’où une contradiction.
2. Pour t ∈ [0, 1[, tp(x) + (1 − t)y ∈ A.
∥x − p(x)∥2 ⩽ ∥x − tp(x) − (1 − t)y∥2 = ∥x − p(x) + (1 − t)[p(x) − y]∥2

= ∥x − p(x)∥2 + (1 − t)2 ∥p(x) − y∥2 + 2(1 − t)(x − p(x)|p(x) − y)
On en déduit que (1 − t)∥p(x) − y∥2 + 2(x − p(x)|p(x) − y) ⩾ 0, on en déduit le résultat en faisant tendre t
vers 1.
3.
∥x − y∥2 = ∥x − p(x) + p(x) − p(y) + p(y) − y∥2
= ∥p(x) − p(y)∥2 + ∥x − p(x) + p(y) − y∥2 + 2(x − p(x) + p(y) − y|p(x) − p(y))
Or le terme (x − p(x) + p(y) − y|p(x) − p(y)) = (x − p(x)|p(x) − p(y)) + (y − p(y)|p(y) − p(x)) est positif
d’aprés ce qui précéde, d’où le résultat.
Exercice 89
Soit E un espace préhilbertien réel. Une famille (xi )i∈I de vecteurs de E est dite obtusangle si et
seulement si ∀(i, j) ∈ I 2 , (i ̸= j) =⇒ ((xi |xj ) < 0).
1. Pour tout p ∈ N∗ , montrer que si (x1 , . . . , xp , xp+1 ) est une famille obtusangle, alors (x1 , . . . , xp )
est une famille libre.
2. Quel est le nombre maximum des vecteurs d’une famille obtusangle dans un espace euclidien de
dimension n ∈ N∗ .
Page 222
Correction
Remarquons que si une famille obtusangle contient plus de deux vecteurs, ils ne peuvent être nuls, et que toute
sous-famille d’une famille obtusangle est elle-même obtusangle.
1. La remarque préliminaire prouve que la propriété P1 est vraie.

Soit alors p ∈ N∗ tel que Pp est vraie, et soit (x1 , . . . , xp+2 ) une famille obtusangle. Supposons que
(x1 , . . . , xp+1 ) est liée.
∑p
D’aprés l’hypothése de récurrence, (x1 , . . . , xp ) est libre, donc xp+1 = i=1 αi xi .
L’écriture de ∥xp+1 ∥2 > 0 premet de conclure que l’un au moins des αi est strictement négatif, par exemple
αp .
∀i ∈ {1, . . . , p − 1, p + 2}, (xi |xp+1 − αp xp ) = (xi |xp+1 ) − αp (xi |xp ) < 0,
donc la famille (x1 , . . . , xp−1 , xp+1 − αp xp , xp+2 ) est obtusangle. D’aprés l’hypothése de récurrence, cette
famille est donc libre, ce qui est absurde.
On en déduit que l’hypothése Pp+1 est vraie, d’où le résultat d’aprés le principe de récurrence.
2. Une famille obtusangle d’un espace euclidien ne peut contenir plus de n + 1 vecteurs.
Exercice 90
∑
Soit M = (mi,j )1⩽i,j⩽n une matrice orthogonale. Prouver que | i,j mi,j | ⩽ n.
Correction
M traduit un endomorphisme orthogonal m de Rn dans la base canonique (ei )1⩽i⩽n . On a mi,j = (ei |m(ej )),
donc
∑ ∑n ∑
n
| mi,j | = |( ei m( ej ))|
i,j i=1 j=1
L’inégalité de Cauchy-Schwartz permet d’écrire :
∑ ∑
n ∑
n ∑
n
| mi,j | ⩽ ∥ ei ∥∥m( ej )∥ = ∥ ei ∥ 2 = n
i,j i=1 j=1 i=1
∑n
Remarque : on voit facilement que l’égalité est réalisée lorsque j=1 ej est vecteur propre de m, soit si toutes
les colonnes de M sont de somme 1 (ou −1)
Exercice 91
∑
Soit A dans Mn (R). On pose S(A) = i,j a2i,j .
1. Montrer que, pour tout O ∈ On (R), S(t OAO) = S(A).

2. Déterminer les matrices P ∈ Gln (R) telles que ∀A, S(P −1 AP ) = S(A).
Correction
1. Remarquons que S(A) = Tr(tAA). Le résultat en découle.
2. Soit P = [pi,j ] vérifiant l’énoncé. S(P A) = S(P −1 (P A)P ) = S(AP ). Appliquant

∑n cette identité
∑n aux matrices
Ek,l de la base canonique de Mn (R), on obtient, pour tout couple (k, l), i=1 p2i,k = j=1 p2l,j . Les deux
sommes sont donc indépendantes de k et l, notons a2 leur valeur commune.
Soit k ∈ ∑ [[ 1, n ]]. Prenons pour A la matrice de terme général pk,i δj,l . Alors P A est la matrice de terme
général
∑ ∑ ( r pi,r pk,r )δ
∑l,j∑, AP la matrice de terme∑ général
∑ pk,i pl,j , on déduit alors de S(AP ) = S(P A) que
2 2 2 4 2 4
( p i,r pk,r ) = p p , soit a + ( p i,r p k,r ) = a , ce qui améne, pour tout couple (i, k),
i r ∑ i j k,i l,j i̸=k r
i ̸= k =⇒ r pi,r pk,r = 0 et se traduit par t P P = a2 In : la matrice a1 P est donc orthogonale. La réciproque
est évidente d’aprés la premiére question.
Page 223
( )
Exercice 92 Iwasawa !
On note Tn l’ensemble des matrices carrées réelles d’ordre n triangulaires supérieures à éléments diag-
onaux dans R∗+ .
1. Soit E un espace euclidien de dimension n. Montrer qu’à toute base ϵ de E on peut associer une
unique base orthonormale b de E telle que Pϵb ∈ Tn .
2. Soit M une matrice réelle d’ordre n inversible. Montrer qu’il existe une unique T ∈ Tn telle que
T M soit orthogonale.
Correction
1. Il s’agit simplement de redémontrer le procédé d’orthonormalisation de Schmidt.
2. Ici E est Rn , muni de sa structure euclidienne canonique. On note c la base canonique, qui est orthonormale,
et ϵ la base quelconque définie par Pcϵ = M . D’aprés ce qui précéde, il existe une unique base b orthonormale
(i.e. telle que A = Pcb soit orthogonale) pour laquelle T = Pϵb appartient à Tn . On a A = Pcϵ Pϵb = M T .
Remarque : cette méthode fournit un calcul pratique de M −1 = T A−1 , avec A−1 = tA. Dans la pratique,
on n’utilise pas le procédé de Schmidt, pour des raisons de propagation des erreurs d’arrondis, mais une
récurrence conduisant à la décomposition de M sous la forme M = AR, avec A orthogonale et R triangulaire.
( )
Exercice 93 Voir CNC 2015
1. Montrer que On , groupe orthogonal de Mn (R), est compact dans Mn (R).

2. On est-il connexe ? Quelles sont les composantes connexes de On ?
Correction
1. Munissons par exemple Mn (R) de la norme ∥∥∞:(ai,j )1⩽i,j⩽n 7→maxi,j |ai,j | .
Mn (R) étant de dimension finie, il suffit de prouver que On est à la fois fermé et borné.
• L’application A 7→ AtA est continue de Mn (R) dans Mn (R), comme composée de l’application linéaire
A 7→ (A, tA) et de l’application bilinéaire (B, C) 7→ BC, toutes deux continues.
Il en résulte que, image réciproque de {In } par cette application, On est un fermé de Mn (R).
∑n
• Soit P = (pi,j ) un élément de On . On sait que ∀i ∈ [[ 1, n ]], j=1 p2i,j = 1, donc ∀(i, j)[[ 1, n ]]2 , |pi,j | ⩽ 1,
et donc ∥P ∥∞ ⩽ 1. donc On est une partie bornée de Mn (R).
2. L’application A 7→ det A est continue de Mn (R) dans R. Pour A ∈ On , on sait que det A = 1 si A ∈ On , et
det A = −1 si A ∈ On \SOn .
Aucune de ces parties n’étant vide, On n’est pas connexe puisque son image par l’application det n’est pas
un intervalle de R.
Montrons que SOn est connexe par arcs, et donc connexe. Pour cela, il suffit de montrer qu’on peut joindre
toute A ∈ SOn à In par un arc continu contenu dans SOn .
Soit donc A ∈ SOn . L’étude de la réduction du groupe orthogonal ( nous apprend ) qu’il existe P ∈ SOn telle
−1 cos θi − sin θi
que P AP = B = Diag (Ip , M1 , . . . , Ml ), où p + 2l = n et Mi = , θi ∈ R.
sin θi cos θi
( tout t ∈ [0, 1], nous
A ) pouvons associer la matrice B(t) déduite de B en remplaçant chaque Mi par Mi (t) =
cos tθi − sin tθi
.
sin tθi cos tθi
Bien évidemment, B(t) ∈ SOn , et nous disposons donc d’une application γ : t 7→ B(t) continue de [0, 1] dans
SOn telle que In = B(0) et B = B(1), c’est un arc continu contenu dans SOn joignant In à B.
7 P M P −1 est continue car linéaire de SOn dans SOn . Donc ϕ ◦ γ est un arc
Enfin, l’application ϕ : M →
continu contenu dans SOn joignant In = ϕ(In ) à A = ϕ(B), ce qui termine de montrer que SOn est connexe
par arcs.
P ∈ \SOn étant donnée, l’application continue A 7→ P A est un homéomorphisme de SOn dans On \SOn , ce
qui prouve que On \SOn est aussi connexe par arcs.
En conclusion, les deux composantes connexes de On sont SOn et On \SOn .
Page 224
III. Problème 6 :CNC 2019 MP2
Page 225
Concours National Commun – Session 2019 – MP
L’énoncé de cette épreuve, particulière aux candidats de la filière MP,

comporte 3 pages.
L’usage de tout matériel électronique, y compris la calculatrice, est interdit
Les candidats sont informés que la qualité de la rédaction et de la présentation, la clarté et la précision
des raisonnements constitueront des éléments importants pour l’appréciation des copies. Il convient en
particulier de rappeler avec précision les références des questions abordées.
Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé, il le signale
sur sa copie et poursuit sa composition en expliquant les raisons des initiatives qu’il est amené à prendre.
Le sujet de cette épreuve est composé d’un exercice et d’un problème indépendants entre eux.
Exercice
(Noté sur 04 points sur 20)
 
3 1 −1
Soit A = 1 1 1  ∈ M3 (R) ; on note v l’endomorphisme de R3 canoniquement associé à A.
2 0 2
1.1. Calculer le polynôme caractéristique χA de la matrice A et en déduire que A possède une seule
valeur propre λ à préciser.
1.2. Déterminer Ker (v − λ idR3 ), le sous-espace propre de v associé à son unique valeur propre λ.
1.3. La matrice A est-elle diagonalisable dans M3 (R) ? Est-elle trigonalisable dans M3 (R) ?
1.4. On considère l’endomorphisme u = v − 2 idR3 et on pose e1 = (1, 0, 0).
1.4.1. Montrer que l’endomorphisme u est nilpotent.
1.4.2. Déterminer le noyau de l’endomorphisme u2 puis vérifier que e1 6∈ Ker u2 .
1.4.3. Montrer que la famille B = u2 (e1 ), u(e1 ), e1 est une base de R3 et écrire la matrice T de v

dans la base B, puis exprimer la matrice A en fonction de T .

+∞
X 1 k
1.4.4. Calculer l’exponentielle de la matrice A. On rappelle que exp(A) = A .
k!
k=0
Problème
Déterminants de Cauchy et de Gram
Application au calcul de la distance à un sous-espace vectoriel
Pour tout p ∈ N∗ , on note Mp (R) l’espace vectoriel des matrices carrées d’ordre p à coefficients
réels ; la matrice identité de Mp (R) se notera Ip . Si M ∈ Mp (R), on note det M son déterminant et tM
sa transposée.
1ère Partie
Calcul du déterminant de Cauchy
On considère un entier n > 2 et deux suites finies (ak )16k6n et (bk )16k6n de réels telles que ai + bj 6= 0
pour tout couple (i, j) ∈ {1, . . . , n}2 . Pour tout entier m tel que 0 < m 6 n, le déterminant de Cauchy
d’ordre m, associé aux familles (ak )16k6n et (bk )16k6n , est le nombre, noté ∆m , égal au déterminant de
1
la matrice ai +bj .
16i,j6m
2.1. On suppose qu’il existe (i1 , i2 ) ∈ {1, . . . , n}2 , avec i1 6= i2 , tel que ai1 = ai2 . Justifier que ∆n = 0.
On suppose désormais que les réels a1 , . . . , an sont deux à deux distincts et on considère la fraction
rationnelle Qn−1
j=1 (X − bj )
R = Qn .
k=1 (X + ak )
Épreuve de Mathématiques II 1 /3 Tournez la page S.V.P.

n−1
Y n
Y
2.2. Justifier que les polynômes (X − bk ) et (X + ak ) de R[X] sont premiers entre eux.
k=1 k=1
2.3. Décomposition en éléments simples de la fraction R
2.3.1. Préciser les pôles de la fraction rationnelle R et vérifier qu’ils sont tous simples.
2.3.2. En déduire que la décomposition en éléments simples, dans R(X), de la fraction R est de la
n
X αk
forme R = en précisant les expressions des réels αk en fonction des ak et des bk .
X + ak
k=1
2.4. Application au calcul de ∆n
1 1 1
a1 +b1 ··· a1 +bn−1 a1 +bn
.. .. ..
2.4.1. Montrer que αn ∆n = . . . .
1 1 1
an−1 +b1 ··· an−1 +bn−1 an−1 +bn
R(b1 ) ··· R(bn−1 ) R(bn )
2.4.2. En déduire que αn ∆n = R(bn )∆n−1 .
Q
16i<j6n (aj − ai )(bj − bi )
2.4.3. Calculer ∆2 puis montrer que, pour tout n > 2, ∆n = Q .
16i,j6n (ai + bj )
2ème Partie
Matrice et déterminant de Gram
Expression de la distance euclidienne à un sous-espace vectoriel
Dans cette partie, E désigne un espace préhilbertien réel ; son produit scalaire sera noté ( . | . ) et la
norme associée se notera k.k. Si F est un sous-espace vectoriel de E, de dimension finie , pF désigne la
projection orthogonale sur F .
Soit p un entier > 2. Pour tout (u1 , . . . , up ) ∈ E p , on note G(u1 , . . . , up ) = (ui |uj ) 16i,j6p la matrice

de Mp (R) de terme général (ui |uj ). G(u1 , . . . , up ) s’appelle la matrice de Gram des vecteurs u1 , . . . , up ;
le déterminant de cette matrice, noté |G(u1 , . . . , up )|, s’appelle déterminant de Gram.
3.1. Cas p = 2
Soit (u1 , u2 ) ∈ E 2 . Justifier que |G(u1 , u2 )| > 0 et que |G(u1 , u2 )| = 0 si, et seulement si, la famille
(u1 , u2 ) est liée.
3.2. Vérifier que, pour tout (u1 , . . . , up ) ∈ E p , la matrice G(u1 , . . . , up ) est symétrique.
3.3. Cas d’une famille liée
Soit (u1 , . . . , up ) ∈ E p .
3.3.1. Soit i ∈ {1, . . . , p} et Xsoit (λj )j6=i une famille quelconque de p − 1 réels ; on pose wk = uk si
k ∈ {1, . . . , p} \ {i} et wi = ui + λj uj . Montrer que |G(w1 , . . . , wp )| = |G(u1 , . . . , up )|.
j6=i
3.3.2. En déduire que si la famille (u1 , . . . , up ) est liée, alors |G(u1 , . . . , up )| = 0.
3.4. Cas d’une famille libre
On considère ici une famille libre (u1 , . . . , up ) d’éléments de E et on note (e1 , . . . , ep ) une base ortho-
normée du sous-espace vectoriel Vect({u1 , . . . , up }). Soit B = bi,j 16i,j6p ∈ Mp (R) la matrice dont les
Xp
coefficients sont tels que, pour tout j ∈ {1, . . . , p}, uj = bk,j ek .
k=1
3.4.1. Pour tout couple (i, j) d’éléments de {1, . . . , p}, exprimer le produit scalaire (ui |uj ) à l’aide
des coefficients de la matrice B.
3.4.2. En déduire que G(u1 , . . . , up ) = tBB.
3.4.3. Montrer alors que |G(u1 , . . . , up )| > 0.
3.5. Application au calcul de la distance à un sous-espace vectoriel
On considère un sous-espace vectoriel F de E, de dimension finie n > 2, et on note (v1 , . . . , vn ) une
base quelconque de F .
Épreuve de Mathématiques II 2 /3 −→
3.5.1. Montrer que, pour tout x ∈ E,

|G(v1 , . . . , vn , x)| = |G v1 , . . . , vn , pF (x) | + kx − pF (x)k2 |G(v1 , . . . , vn )|.

3.5.2. En déduire que, pour tout x ∈ E, la distance du vecteur x au sous-espace vectoriel F , notée
d(x, F ), est donnée par : s
|G(v1 , . . . , vn , x)|
d(x, F ) = .
|G(v1 , . . . , vn )|
3.6. Un exemple de matrice de Gram
Soit n un entier naturel ≥ 2 ; on note (e1 , . . . , en ) la base canonique de Rn et < , > son produit scalaire
canonique. On note An la matrice de Mn (R) de terme général ai,j = min(i, j) pour (i, j) ∈ {1, . . . , n}2 ,
et on considère les vecteurs v1 , . . . , vn de Rn définis par :
k
X
∀ k ∈ {1, . . . , n}, vk = ei .
i=1
3.6.1. Montrer que (v1 , . . . , vn ) est une famille libre de Rn .

3.6.2. Calculer le produit scalaire <vi , vj >, pour tout (i, j) ∈ {1, . . . , n}2 ; en déduire que An est une
matrice de Gram.
3.6.3. Montrer que la matrice An est orthogonalement diagonalisable et que ses valeurs propres sont
strictement positives.
3ème Partie
Application au calcul d’un minimum
On note R[X] l’espace vectoriel réel des polynômes à coefficients dans R. Pour tout k ∈ N, l’élément
Xk de la base canonique de R[X] se notera Pk ; en particulier, P0 = 1.
Z 1
On considère l’application ( . | . ) définie sur R[X]2 par : (P |Q) = P (t)Q(t) dt, (P, Q) ∈ R[X]2 .
0
4.1. Montrer que ( . | . ) est un produit scalaire sur l’espace vectoriel réel R[X].
4.2. Calcul d’une distance
Soit p un entier > 2 et soit (nk )1≤k≤p une suite finie d’entiers naturels deux à deux distincts.
4.2.1. Pour tout (i, j) ∈ {1, . . . , p}2 , exprimer le produit scalaire (Pni |Pnj ) en fonction de ni et nj .
4.2.2. En utilisant les résultats de la première partie, exprimer le déterminant de la matrice de Gram
G(Pn1 , . . . , Pnp ) en fonction des entiers n1 , . . . , np .

4.2.3. Montrer que Pn1 , . . . , Pnp est une famille libre de R[X].
4.2.4. On note Wp le sous-espace vectoriel de R[X] engendré par la famille Pn1 , . . . , Pnp .

p
1 Y |nk − r|
Montrer que, pour tout entier naturel r, d(Pr , Wp ) = √ .
2r + 1 nk + r + 1
k=1
4.3. Application au calcul d’un minimum
Soit n un entier > 2 et soit ψ : Rn −→ R l’application définie par :
Z 1 2
n
∀ (a1 , . . . , an ) ∈ R , ψ(a1 , . . . , an ) = 1 − a1 t − · · · − an tn dt.
0
4.3.1. À l’aide d’une interprétation euclidienne, montrer qu’il existe un unique point (a1 , . . . , an ) de
Rn en lequel l’application ψ atteint son minimum, autrement dit :
ψ(a1 , . . . , an ) = inf ψ(x1 , . . . , xn )
(x1 ,...,xn )∈Rn
4.3.2. Calculer ψ(a1 , . . . , an ) en fonction de n.
Fin de l’épreuve
Épreuve de Mathématiques II 3 /3 Fin

Page 229
Correction proposée par :

EL Amdaoui Mustapha
elamdaoui@gmail.com
Exercice
 
3 1 −1
Soit A =  1 1 1  ∈ M3 (R) ; on note v l’endomorphisme de R3 canoniquement associé à A.
2 0 2
1.1. Par définition du polynôme caractéristique, on a :
X −3 −1 1
χA (X) = det (XI3 − A) = −1 X −1 −1
−2 0 X −2
X −3 −1 0
= −1 X −1 X −2 C3 ← C3 + C2
−2 0 X −2
X −3 −1 0
= 1 X −1 0 L2 ← L2 − L3
−2 0 X −2
X −2 X −2 0
= 1 X −1 0 L1 ← L1 + L2
−2 0 X −2
X −2 0 0
= 1 X −2 0 C2 ← C2 − C1
−2 2 X −2
3
= (X − 2)
Donc Sp (A) = {2}, c’est-à-dire que A possède une seule valeur propre λ = 2
 
a
1.2. Soit x = (a, b, c) ∈ R3 et X =  b , alors x ∈ ker (v − 2idR3 ) si, et seulement, si (A − 2I3 )X = 0. Or
c

a + b − c = 0

(A − 2I3 )X = 0 ⇐⇒ a−b+c =0

a =0

(
a=0
⇐⇒
b=c
Donc ker(v − 2idR3 ) = Vect ((0, 1, 1))

1.3. • La valeur propre 2 de A est d’ordre de multiplicité 3 et la dimension de son sous-espace propre est
de dimension 1, donc elle n’est pas diagonalisable.
• χA est scindé sur R, alors A est trigonalisable sur M3 (R)
1.4. On pose u = v − 2idR3
3
1.4.1. On a : u3 = (v − 2idR3 ) = χv (v). Le théorème de Cayley-Hamilton affirme que χv (v) = 0 et, par
suite, u3 = 0. Donc u est nilpotent
 
0 0 0
2
1.4.2. La matrice représentative de u2 est (A − 2I3 ) = 2 2 −2, donc pour x = (a, b, c) ∈ R3 , on a
2 2 −2
x ∈ ker(u2 ) ⇐⇒ a + b − c = 0 ⇐⇒ c = a + b
Donc ker(u2 ) = Vect ((1, 0, 1), (0, 1, 1)).

/ ker(u2 ), car u2 (e1 ) = (0, 2, 2) 6= (0, 0, 0)
e1 = (1, 0, 0) ∈
Correction de l’épreuve de Mathématiques II 1/8 Tournez la page S.V.P.

 
3 0
1
1.4.3. Posons Bc la base canonique de R3 , alors Mat (B) = 1 0 dont le déterminant −2 6= 0, donc
2
Bc
  2 2
0  
0 1 0 2 1 0
B est une base de R3 et Mat (u) = 0 0 1. Donc T = Mat (v) = 0 2 1 et A = P T P −1
B B
  0 0 0 0 0 2
3 0 1
avec P = 1 2 0
2 2 0
1.4.4. On pose N = A − 2I3 ; la matrice N est nilpotente et elle commute avec 2I3 , alors par les propriétés
de l’exponentielle
N2

exp(A) = exp(2I3 + N ) = exp(2I3 ) exp(N ) = e2 I3 + N +
2
Avec les calculs précédents qui donnent les expressions de N et N 2

 
2 1 −1
exp(A) = e2 2 1 0
3 1 0
*** *** ***
Problème
1ère partie
Calcul du déterminant de Cauchy
2.1. Si deux des ai sont égaux, ∆n est nul car il s’agit d’un détermiant d’une matrice dont deux de ses lignes
sont égales.
n−1
Y n
Y
2.2. Les deux polynômes (X − bk ) et (X + ak ) sont scindés et sans aucune racine commune, donc ils
k=1 k=1
sont premiers entre eux
2.3. Décomposition en éléments simples de R
n−1
Y
(X − bk )
k=1
2.3.1. La fraction rationnelle R = n est irréductible dont les pôles −a1 , · · · , −an qui sont deux
Y
(X + ak )
k=1
à deux distincts, donc ils sont simples
2.3.2. On a deg(R) = −1 < 0. Par le théorème de décomposition en éléments simples, il existe α1 , · · · , αn
n
X αk
tels que R = . Les pôles sont simples, donc
X + ak
k=1
n−1
Y n−1
Y
(−ak − bj ) (ak + bj )
j=1 j=1
αk = [(X + ak ) R]X=−ak = n = n
Y Y
(aj − ak ) (ak − aj )
j=1 j=1
j6=k j6=k
2.4. Application au calcul de ∆n

1
2.4.1. Pour i ∈ [[1, n]] ; on pose Li la i-ème ligne de la matrice et Bn la matrice dont les
ai + bj 16i,j6n

n
X
lignes L1 , · · · , Ln−1 et αi Li . D’une part
i=1
1 1 1
···
a1 + b1 a1 + bn−1 a 1 + bn
.. .. ..
. . .
det(Bn ) = 1 1 1
···
an−1 + b1 an−1 + bn−1 an−1 + bn
n n n
X αi X αi X αi
···
a
i=1 i
+ b1 a
i=1 i
+ bn−1 i=1 i
a + bn
1 1 1
···
a1 + b1 a1 + bn−1 a1 + bn
.. .. ..
= . . .
1 1 1
···
an−1 + b1 an−1 + bn−1 an−1 + bn
R(b1 ) ··· R(bn−1 ) R(bn )
D’autre part
n
!
X
det(Bn ) = det L1 , · · · , Ln−1 , α i Li
i=1
n
X
= αi det (L1 , · · · , Ln−1 , Li ) det est n-linéaire
i=1
n−1
X
= αn det (L1 , · · · , Ln−1 , Ln ) + αi det (L1 , · · · , Ln−1 , Li ) det est alternée
| {z }
i=1
=0
= αn ∆n
Par transitivité
1 1 1
···
a1 + b1 a1 + bn−1 a 1 + bn
.. .. ..
αn ∆n = . . .
1 1 1
···
an−1 + b1 an−1 + bn−1 an−1 + bn
R(b1 ) ··· R(bn−1 ) R(bn )
2.4.2. Comme b1 , · · · , bn−1 sont les racines de R, alors pour tout i ∈ [[1, n − 1]], on a R(bi ) = 0 et, par
suite,
1 1 1
···
a1 + b1 a1 + bn−1 a 1 + bn
.. .. ..
αn ∆n = . . .
1 1 1
···
an−1 + b1 an−1 + bn−1 an−1 + bn
0 ··· 0 R(bn )
puis on développe le déterminant du second membre de l’égalité précédente par rapport à la

dernière ligne, on obtient
1 1
···
a1 + b1 a1 + bn−1
αn ∆n = R(bn ) .. .. = R(bn )∆n−1
. .
1 1
···
an−1 + b1 an−1 + bn−1

2.4.3. • Calcul de ∆2 . On a :
1 1
∆2 = a1 + b1 a1 + b2
1 1
a2 + b1 a2 + b2
1 1
= −
(a1 + b1 )(a2 + b2 ) (a2 + b1 )(a1 + b2 )
a1 b1 + a2 b2 − a1 b2 − a2 b1
=
(a1 + b1 )(a2 + b2 )(a2 + b1 )(a1 + b2 )
(a2 − a1 ) (b2 − b1 )
=
(a1 + b1 )(a2 + b2 )(a2 + b1 )(a1 + b2 )
• On démontre l’égalité par récurrence sur n > 2

– Pour n = 2, l’inégalité est vérifiée
Y
(aj − ai ) (bj − bi )
16i<j6n
– Soit n > 2, on suppose que ∆n = Y . On fait appel à l’inégalité
(ai + bj )
16i,j6n
n
Y
(bn+1 − bk )
R (bn+1 ) k=1
trouvée à la question 2.4.2., alors ∆n+1 = ∆n . Or R (bn+1 ) = n+1 et
αn+1 Y
(bn+1 + ak )
k=1
n
Y
(an+1 + bj )
j=1
αn+1 = n , alors
Y
(an+1 − aj )
j=1
n n
Y Y
Y
(bn+1 − bk ) (an+1 − aj ) (aj − ai ) (bj − bi )
k=1 j=1 16i<j6n
∆n+1 = n+1
× n × Y
Y Y (ai + bj )
(bn+1 + ak ) (an+1 + bj )
16i,j6n
k=1 j=1
Y
(aj − ai ) (bj − bi )
16i<j6n+1
= Y
(ai + bj )
16i,j6n+1
Ce qui achève la récurrence
2ème partie
Matrice et déterminant de Gram
(u1 |u1 ) (u1 |u2 ) 2
3.1. Soit u1 , u2 ∈ E, on a |G (u1 , u2 )| = = ku1 k2 ku2 k2 − (u1 |u2 ) est positif ou nul d’après
(u2 |u1 ) (u2 |u2 )
l’inégalité de Schwarz et il est nul si, et seulement si, la famille (u1 , u2 ) est liée.
3.2. G (u1 , · · · , up ) est symétrique car le produit scalaire l’est : ∀i, j ∈ [[1, p]] , (ui |uj ) = (uj |ui )
3.3 Cas d’une famille liée
3.3.1. Rappelons que le déterminant d’une matrice ne change pas si on ajoute à une ligne ( colonne )
un combinaison linéaire des autres lignes ( colonnes ), alors, par bilinéarité du produit scalaire, on

obtient
(u1 |u1 ) ··· (u1 |wi ) ··· (u1 |up )

.. .. ..
. . .
|G(w1 , · · · , wp )| = (wi |u1 ) · · · (wi |wi ) · · · (wi |up )
.. .. ..
. . .
(up |u1 ) ··· (up |wi ) ··· (up |up )
(u1 |u1 ) ··· (u1 |wi ) ··· (u1 |up )
.. .. ..
. . . n+1
X
= (ui |u1 ) ··· (ui |wi ) ··· (ui |up ) Li ← Li − λj Lj
.. .. .. j=1
. . . j6=i
(up |u1 ) · · · (up |wi ) · · · (up |up )

(u1 |u1 ) ··· (u1 |ui ) ··· (u1 |up )
.. .. ..
. . . p
X
= (ui |u1 ) ··· (ui |ui ) ··· (ui |up ) Li ← Ci − λj Cj
.. .. .. j=1
. . . j6=i
(up |u1 ) · · · (up |ui ) · · · (up |up )

= |G(u1 , · · · , up )|
3.3.2. Si la famille (u1 , · · · , up ) est liée, alors l’unX

des vecteurs ui peut s’écrire comme combinaison
linéaire des uj avec j 6= i sous la forme ui = λj uj . D’après la question 3.3.2., on a
j6=i
p
X
|G(u1 , · · · , up )| = G(u1 , · · · , ui−1 , ui − λj uj , ui+1 , · · · , up )
j=1
j6=i
= |G(u1 , · · · , ui−1 , 0, ui+1 , · · · , up )| = 0
Le dernier déterminant est nul car sa i-ème colonne est nulle
3.4. Cas d’une famille libre
3.4.1. (e1 , · · · , ep ) étant une base orthonormale de Vect(u1 , · · · , up ), alors
p
X
∀i, j ∈ [[1, p]] , (ui |uj ) = bk,i bk,j
k=1
3.4.2. Les deux matrices t BB et G(u1 , · · · , up ) sont carrées d’ordre p. Le coefficient ci,j de position de
(i, j) de la matrice t BB vaut
X p
ci,j = bk,i bk,j = (ui |uj )
k=1
Donc t BB = G(u1 , · · · , up )
3.4.3 D’après la question précédente 3.4.2., on a
|G(u1 , · · · , up )| = det t BB = det(B)2

La liberté de la famille (u1 , · · · , up ) montre que (u1 , · · · , up ) est une base de l’espace Vect(u1 , · · · , up )
et par conséquent B est inversible puisqu’il s’agit d’une matrice de passage. On conclut donc
|G(u1 , · · · , up )| = det (t BB) = det(B)2 > 0
3.5. Application au calcul de la distance à un sous-espace vectoriel
3.5.1. Soit x ∈ E. Remarquons que pour tout vecteur y ∈ F on a : (y, x) = (y|PF (x)) et par le théorème

2 2
de Pythagore kxk2 = kPF (x)k + kx − PF (x)k , de sorte que
(v1 |v1 ) ··· (v1 |vn ) (v1 |PF (x))

.. .. ..
. . .
(vi |v1 ) ··· (vi |vn ) (vi |PF (x))
|G (v1 , · · · , vn , x)| = .. .. ..
. . .
(vn |v1 ) ··· (vn |vn ) (vn |PF (x))
(PF (x)|v1 ) · · · (PF (x)|vn ) kPF (x)k2 + kx − PF (x)k2
(v1 |v1 ) ··· (v1 |vn ) (v1 |PF (x))
.. .. ..
. . .
(vi |v1 ) ··· (vi |vn ) (vi |PF (x))
= .. .. ..
. . .
(vn |v1 ) ··· (vn |vn ) (vn |PF (x))
(PF (x)|v1 ) · · · (PF (x)|vn ) kPF (x)k2
(v1 |v1 ) ··· (v1 |vn ) (v1 |PF (x))
.. .. ..
. . .
(vi |v1 ) ··· (vi |vn ) (vi |PF (x))
+ .. .. ..
. . .
(vn |v1 ) ··· (vn |vn ) (vn |PF (x))
(PF (x)|v1 ) · · · (PF (x)|vn ) kPF (x)k2 + kx − PF (x)k2
= |G (v1 , · · · , vn , PF (x))| + kx − PF (x)k2 . |G (v1 , · · · , vn )|
3.5.2. F étant un sous-espace de dimension finie, alors
d(x, F ) = kx − PF (x)k
Or, d’après la question 3.5.1., |G(v1 , · · · , vn , x)| = kx − PF (x)k2 |G(v1 , · · · , vn )|, donc
s
|G(v1 , · · · , vn , x)|
d(x, F ) = kx − PF (x)k =
|G(v1 , · · · , vn )|
3.6. Un exemple de matrice de Gram

 
1 ··· ··· 1
 .. .. 
0 . .
3.6.1. Notons Bc la base canonique de Rn , alors B = Mat (v1 , · · · , vn ) = 
. ..  qui est

Bc  .. .. ..
. . .
0 ··· 0 1
triangulaire supérieure dont les coefficients diagonaux valent 1, alors elle est inversible et , en
conséquent, (v1 , · · · , vn ) est une base de Rn
3.6.2. La famille Bc est une base orthonormée pour le produit scalaire canonique < ., . >, alors
< vi , vj >= min(i, j)
La matrice An = (< vi , vj >)16i,j6n est de Gram

3.6.3 • La matrice An est réelle symétrique, alors par le théorème spéctral elle est orthogonalement
diagonalisable
• Soit λ ∈ Sp(An ) et X ∈ Mn,1 (R) un vecteur propre unitaire qui est associé à λ, alors An X =
λX, puis t XAn X = λ. D’autre part An = t BB, donc t XAn X = t X t BBX = kBXk2 > 0, car
B est inversible et XX ∈ Mn,1 (R) \ {0}. Bref λ = kBXk2 > 0
3ème partie
Application au calcul d’un minimum
Z 1
4.1. (P, Q) ∈ R[X]2 → P (t)Q(t)dt est bien définie.
0
Soient λ, µ ∈ R et P, Q, R ∈ R[X].

Z 1 Z 1
• Symétrie : (P |Q) = P (t)Q(t)dt = Q(t)P (t)dt = (Q|P )
0 0
Z 1 Z 1 Z 1
• Binlinéarité : (P |λQ + µR) = P (t) (λQ(t) + µR(t)) dt = λ P (t)Q(t)dt + µ P (t)R(t)dt.
0 0 −1
La symétrie assure que (.|.) est linéaire par rapport à la première variable
Z 1
• Positivité : (P |P ) = P 2 (t)dt > 0
0
Z 1
• Définie : Si (P |P ) = 0 alors P 2 (t)dt = 0. Or la fonction t → P 2 (t) est continue positive sur [0, 1]
0
donc c’est la fonction nulle et puisque le polynôme P admet alors une infinité de racines, c’est le
polynôme nul.
Finalement (.|.) est un produit scalaire sur le R-espace vectoriel E.
4.2. Calcul d’une distance
4.2.1 Par définition du produit scalaire
Z 1 Z 1
1
tni +nj dt =

Pni |Pnj = Pni (t)Pnj (t)dt =
0 0 ni + nj + 1

1
4.2.2. Pour i ∈ [[1, p]], on pose ai = ni et bi = ni + 1, alors G Pn1 , · · · , Pnp = . On
ai + bi 16i,j6p
appelle l’égalité obtenue à la question 2.4.3, alors :
Y 2
(nj − ni )
16i<j6p
G Pn1 , · · · , Pnp = Y
(ni + nj + 1)
16i,j6p

4.2.3. Puisque les ni sont deux à deux distincts, alors G Pn1 , · · · , Pnp > 0. Le résultat de la question
3.3.2 affirme, par contraposée, que Pn1 , · · · , Pnp est libre
4.2.4 Posons np+1 = r, alors
Y 2
(nj − ni )
16i<j6p+1
G Pn1 , · · · , Pnp , Pnp+1 = Y
(ni + nj + 1)
16i,j6p+1
Y p
2 Y 2
(nj − ni ) (np+1 − ni )
16i<j6p i=1
= Y × p+1 p
(ni + nj + 1) Y Y
16i,j6p
(ni + np+1 + 1) × (np+1 + nj + 1)
| {z } i=1 j=1
=|G(Pn1 ,··· ,Pnp )|
p
Y p
Y
2 2
Avec (np+1 − ni ) = (r − ni ) et
i=1 i=1
p+1
Y p
Y p
Y 2
(ni + np+1 + 1) × (np+1 + nj + 1) = (2np+1 + 1) (np+1 + nk + 1)
i=1 j=1 k=1
p
Y 2
= (2r + 1) (r + nk + 1)
k=1
Alors
p
Y 2
(r − nk )
G Pn1 , · · · , Pnp , Pnp+1 k=1
= p
G(Pn1 , · · · , Pnp ) Y 2
(2r + 1) (r + nk + 1)
k=1

Par la question 3.5.2. on conclut que

s p
G Pn1 , · · · , Pnp , Pnp+1 1 Y |r − nk |
d (Pr , Wp ) = =√
G(Pn1 , · · · , Pnp ) 2r + 1 k=1 + nk + 1
r
4.3. Application au calcul d’un minimum

Xn
4.3.1. Remarquons que l’application (a1 , · · · , an ) 7−→ ak X k est un isomorphisme d’espaces vectoriels
k=1
de Rn vers F = Vect X, X 2 , · · · , X n et pour le produit scalaire défini dans le début de cette partie,
on a :
n 2
X
n k
∀(a1 , · · · , an ) ∈ R , ψ(a1 , · · · , an ) = 1 − ak X
k=1
On sait que d (1, F ) est atteinte en un unique point qui est le projeté orthogonal de 1 sur F ,
 
n 2
 X 
2 2
k1 − PF (1)k = d (1, F ) = inf 1− xk X k , (x1 , · · · , xn ) ∈ Rn
 
k=1
= inf {ψ(x1 , · · · , xn ) , (x1 , · · · , xn ) ∈ Rn }
D’où l’existence d’un unique (a1 , · · · , an ) ∈ Rn tel que
ψ(a1 , · · · , an ) = inf {ψ(x1 , · · · , xn ) , (x1 , · · · , xn ) ∈ Rn }
4.3.2. D’après la question 4.2.4, on a :
ψ(a1 , · · · , an ) = d(1, F )2
|G (P1 , · · · , Pn , P0 )|
=
|G(P1 , · · · , Pn )|
n
Y k2 1
= 2 = (n + 1)2
k=1
(k + 1)
Correction de l’épreuve de Mathématiques II 8/8 F IN

IV. Problème 7 :
Page 238
Page 243
E3A, 2007, MP, Mathématiques A
(5 pages )
Partie I
1) X 7−→ (F | X) est une forme linéaire sur Mn (R) et elle est non nulle car (F | F ) 6= 0 donc son noyau est
un hyperplan de Mn (R) et, ainsi, H est un hyperplan de Mn (R) .
n n P
n
Posons Y = tF X. On a ∀i ∈ [[1, n]]2 yii =
P P
2) fki xki donc (F | X) = fki xki donc , puisque fki = 1
k=1 i=1 k=1
n
P n
P n−1
P
pour i = k ou i = 1 ou i = n et fki = 0 sinon, on a (F | X) = xkk + xk1 + xkn .
k=1 k=2 k=1
3) Par définition de H, on a F ∈ H ⊥ donc, puisque Mn (R) est de dimension finie, on a Mn (R) = H ⊕ R.F .
Soit M ∈ Mn (R), on peut donc écrire M = N + λF avec N ∈ H et λF ∈ H ⊥ et, en prenant le
(F | M )
produit scalaire avec F , (F | M ) = (F | N ) + λkF k2 = λkF k2 donc λ = . On a donc
kF k2
∀U ∈ H, M − U = (N − U ) + λF avec N − U ∈ H. Donc le théorème de Pythagore donne kM − U k2 =
(F | M )2 |(F | M )|
kN − U k2 + λ2 kF k2 > λ2 kF k2 = donc d(M, H) = .
kF k2 kF k
n P
n √
kF k2 = 2
P
4) fki = n + 2(n − 1) = 3n − 2 donc kF k = 3n − 2 .
i=1 k=1
0 0 ··· 0 1
 
1 0 ··· 0 1
. . .. .. 
5) a) B= . .
. . . . donc rg(B) = 2 .
1 0 ··· 0 1
1 0 ··· 0 0
1 0 ··· 0 0
 
1 0 ··· 0 1
. . .. .. 
b) B2 =  . . 2
. . . . donc rg(B ) = rg(B) = 2 .
1 0 ··· 0 1 
0 0 ··· 0 1

c) D’après le théorème du rang, dim Ker(g) + dim Im(g) = n et si x ∈ Ker(g) ∩ Im(g), on a g(x) = 0E
2 2
et il existe y tel que x = g(y) donc g (y) = 0E . Ainsi y ∈ Ker(g2 ). Mais Ker(g) ⊂ Ker(g 2 ) et
2 2
dim Ker(g) = n − 2 = dim Ker(g ) puisque, selon [b], rg(g) = rg(g ) donc Ker(g ) = Ker(g). On a
donc y ∈ Ker(g) donc x = g(y) = 0E . Donc Ker(g) ⊕ Im(g) = R n .
E3A, 2007, MP, Mathématiques A 2/5

d) Prenons une base B = e1 , . . . , en−2 , en−1 , en adaptée
à la somme directe ci-dessus. On a g(ek ) = 0E
pour k ∈ [[1, n − 2]] et g(ek ) ∈ Im
! g = Vect en−1 n pour tout k et, notamment pour k ∈ {n − 1, n}.
, e
O O
Donc Mat(g, B) = avec B 0 ∈ M2 (R). De plus,
O B0

O
2 = rg(g) = rg (Mat(g, B)) = rg = rg ( O B ) = rg( tB 0 ) = rg(B 0 )
t 0
B0
donc B 0 est inversible. !

O O
Donc B est semblable à une matrice de la forme avec B 0 ∈ GL2 (R) .
O B0
e) On a directement Tr(B) = 0, Tr(B 2 ) = 2.

0 0
Soient λ et µ, les valeurs
propres
dans C de B (pas forcément distinctes). B
est trigonalisable dans
2
λ c λ c(λ + µ)
M2 (C) donc semblable à et donc B 02 est semblable à . Or, selon [d], Tr(B) =
0 µ 0 µ2 !
O O
Tr(B 0 ) donc λ + µ = 0 et [d] donne aussi que B 2 est semblable à donc Tr(B 2 ) = Tr(B 02 )
O B 02
soit λ2 + µ2 = 2. On a donc µ = −λ et 2λ2 = 2 donc Sp(B 0 ) = {−1, 1} .

f) F.~x = α~x ⇔ (In + B).~x = α~x donc F.~x = α~x ⇔ B.~x = (α − 1)~x donc Sp(F ) = 1 + β | β ∈ Sp(B)
et Eα (F ) = Eα−1 (B). Comme χB = X n−2 χB 0 = X n−2 (X + 1)(X − 1), Sp(B) = {−1, 1, 0} et, puisque
m(1) = m(−1) = 1, dim E−1 (B) = dim E1 (B) = 1. D’autre part, on a dim E0(B) = dim(Ker g) =
n − 2. Donc Sp(F ) = {0, 1, 2} avec dim E0 (F ) = dim E2 (F ) = 1 et dim E1 (F ) = n − 2 .

6) D’après la formule du [3], il suffit de calculer (F | P ( tF )) = Tr tF P ( tF ) = Tr S( tF ) en no-
tant S(X) = XP (X). Or dim E0 (F ) + dim E2 (F ) + dim E1 (F ) = n donc E0 (F ) ⊕ E2 (F ) ⊕
E1 (F ) = R n c’est à dire que F est diagonalisable
donc tF également. Ainsi S( tF ) est semblable à
t
Diag S(1), . . . , S(1), S(0), S(2) donc Tr S( F ) = (n − 2)S(1) + S(0) + S(2) = (n − 2)P (1) + 2P (2).
(n − 2)P (1) + 2P (2)
√

Donc d P ( tF ), H = .
3n − 2
Partie II
1) a) Par caractérisation de la borne inférieure, ∀ε > 0, ∃ y ∈ H, d(x0 , H) 6 kx0 − yk < d(x0 , H) + ε. On

1 pour n ∈ N et on note y un des y ∈ H vérifiant l’inégalité. On a donc
applique ceci à ε = n + 1 n
1
∀n ∈ N, yn ∈ H et d(x0 , H) 6 kx0 − yn k < d(x0 , H) +
n+1
donc il existe une suite (yn )n∈N telle que ∀n ∈ N, yn ∈ H et lim kx0 − yn k = d(x0 , H) .
n→+∞

b) On a ∀n ∈ N, kyn k = kyn − x0 + x0 k 6 kyn − x0 k + kx0 k et la suite kx0 − yn k n∈N est bornée

puisqu’elle converge donc la suite kyn k n∈N est aussi bornée. Le théorème de Bolzano-Weierstrass donne
alors l’existence d’une suite (yϕ(p) )p∈N extraite de (yn )n∈N qui converge dans E. Mais, quand E est de
H est fermé. Comme ∀p ∈ N, yϕ(p) ∈
dimension finie, tous ses sous-espaces vectoriels sont fermés donc H,
on a z0 = lim yϕ(p) ∈ H. D’autre part, la suite kx0 −yϕ(p) k p∈N est extraite de la suite kx0 −yn k n∈N
p→+∞
qui converge vers d(x0 , H) donc elle converge vers la même limite. Enfin, par continuité de la norme,
kx0 − yϕ(p) k −−−→ kx0 − z0 k et donc, par unicité de la limite, kx0 − z0 k = d(x0 , H).
p→+∞
En conclusion, ∃ z0 ∈ H, kx0 − z0 k = d(x0 , H) .
Par définition, Ker h = h−1 {0R } et le singleton {0R } est un fermé de R. Or l’image réciproque d’un

2) a)
fermé par une application continue est un fermé donc si h est continue alors Ker h est fermé dans E .

b) Supposons que la forme linéaire h ne soit pas continue, on a non ∃ K > 0, ∀x ∈ E, |h(x)| 6 K kxk
soit ∀K > 0, ∃ x ∈ E, |h(x)| > K kxk. Appliquons ceci à K = n + 1 pour n ∈ N et notons xn un x ∈ E
vérifiant la propriété: on a donc |h(xn )| > (n + 1) kxn k. Ceci montre que h(xn ) 6= 0, on peut donc poser
h(xn ) kxn k
tn = xn . On a alors h(tn ) = = 1 et ktn k = 1 donc t −−−→ 0 .
< n+ 1 n E
h(xn ) h(xn ) |h(xn )| n→+∞
On a donc ∀n ∈ N, h(tn − t0 ) = h(tn ) − h(t0 ) = 1 − 1 = 0 donc ∀n ∈ N, tn − t0 ∈ H et tn − t0 −−−→ −t0
n→+∞
donc, puisque H est fermé, −t0 ∈ H. Mais ceci est faux car h(−t0 ) = −h(t0 ) = −1.
L’hypothèse de départ était donc fausse et on a bien si Ker h est fermé dans E alors h est continue .
2
c) H ⊃ H donc H 6= 0 et si (x, y) ∈ H et λ ∈ R, la caractérisation séquentielle de l’adhérence donne
l’existence de deux suites (xn )n∈N et (yn )n∈N telles que ∀n ∈ N, (xn , yn ) ∈ H 2 , lim xn = x, lim yn =
n→+∞ n→+∞
y et alors , par linéarité de la limite, x + λy = lim (xn + λyn ) avec ∀n ∈ N, xn + λyn ∈ H et donc
n→+∞
x + λy ∈ H. Donc H est un sous-espace vectoriel de E .
d) Puisque H ⊂ H, on a soit H = H et, dans ce cas, H est fermé, soit H $ H. Si H $ H, prenons

a ∈ H \H
h(x) h(x)
et soit x ∈ E quelconque. On a h(a) 6= 0 puisque a ∈
/ H et on peut donc écrire x = a+ x − a
h(a) h(a)

h(x) h(x) h(x)
avec a ∈ H et h x − a = h(x) − h(a) = 0 donc x − a ∈ H ⊂ H. Puisque H est un
h(a) h(a) h(a)
sous-espace vectoriel de E, on a donc x ∈ H ce qui donne E ⊂ H .
On peut donc conclure : H est fermé ou dense .
Partie III
1) Soit x ∈ H ⊥ . Par densité de H dans E, il existe une suite (xn )n∈N telle que ∀n ∈ N, xn ∈ H et
lim xn = x. On a donc ∀n ∈ N, (x | xn ) = 0. Mais, par continuité du produit scalaire, (x | xn ) −−−→
n→+∞ n→+∞
(x | x) donc (x | x) = 0 et donc x = 0E . Réciproquement 0E ∈ H ⊥ donc H ⊥ = {0E } .
2) H ⊕ H ⊥ = H ⊕ {0E } donc H ⊕ H ⊥ = H .
3) Pour tout x ∈ E, il existe une suite (xn )n∈N telle que ∀n ∈ N, xn ∈ H et lim xn = x. On a, par
n→+∞
définition, 0 6 d(x, H) 6 kx − xn k car xn ∈ H et lim kx − xn k = 0 donc ∀x ∈ E, d(x, H) = 0 .
n→+∞
4) Si d(x, H) est atteinte, il existe z0 ∈ H tel que 0 = d(x, H) = kx − z0 k donc x = z0 et x ∈ H. La

réciproque est claire donc d(x, H) n’est atteinte que si x ∈ H .
Partie IV
1) a) On a ∀x ∈ E, |h(x)| 6 ||| h ||| kxk donc, pour x = x0 − y, |h(x0 )| 6 ||| h ||| kx0 − yk. Or ||| h ||| =
6 0 car
|h(x0 )|
h est non nulle donc ∀y ∈ H, kx0 − yk > .
||| h |||
|h(x0 )|
b) La borne inférieure étant le plus grand des minorants, d(x0 , H) > .
||| h |||
c) Si d(x0 , H) = 0, l’inégalité ci-dessus donne h(x0 ) = 0 donc x0 ∈ H. La réciproque est évidente donc
d(x0 , H) = 0 ⇔ x0 ∈ H .
|h(w)|
d) α) Par caractérisation de la borne supérieure, ∀ε > 0, ∃ w 6= 0E , ||| h ||| >> ||| h ||| − ε. On
kwk
applique ceci à ε = n +1 pour n ∈ N et on note w un de ces w 6= 0 . On a ∀n ∈ N, ||| h ||| − 1 <
1 n E n+1
|h(wn )| |h(wn )|
6 ||| h ||| donc il existe (wn )n∈N telle que ∀n ∈ N, wn ∈ E \ {0E } et ||| h ||| = lim .
kwn k n→+∞ kwn k

h(x) h(x)
β) Puisque x0 ∈
/ H, on peut écrire tout x ∈ E sous la forme x = x0 + x − x0 = λx0 + y
h(x0 ) h(x0 )
avec λ ∈ R et y ∈ H (vérification immédiate). Ainsi ∀n ∈ N, ∃ (λn , yn ) ∈ R × H, wn = λn x0 + yn .
Erreur d’énoncé: la condition λn 6= 0 n’est, en général, pas vérifiée pour tout n ∈ N. Il suffit,
par exemple, de choisir w0 ∈ H pour avoir λ0 = 0 car l’écriture ci-dessus est unique puisque la somme
|h(wn )|
R.x0 ⊕ H est directe. On ne modifie pas la valeur de la limite de en modifiant la valeur de w0
kwn k
(ou d’un nombre fini de termes) donc [α] est toujours vérifié.
|h(wn )| |h(wn )|
Par contre, on a ∃ n0 , ∀n > n0 , λn 6= 0 car −−−→ ||| h ||| > 0 donc ∃ n0 , ∀n > n0 , >0
kwn k n→+∞ kwn k
h(wn )
donc ∀n > n0 , h(wn ) 6= 0 et donc λn = 6= 0.
h(x0 )
−yn
γ) D’une part, |h(wn )| = |λn h(x0 )+yn | = |λn | |h(x0 )| et, d’autre part, ∀n > n0 , kwn k = |λn | x0 − >
λn
−yn
|λn | d(x0 , H) car ∈ H. Donc, puisque kwn k = 6 0, |λn | =6 0 pour n > n0 et d(x0 , H) 6= 0 pour x0 ∈
/ H,
λn
on a
|h(wn )| |λn | |h(x0 )| λn | |h(x0 )| |h(x0 )|
∀n > n0 , = 6 = .
kwn k kwn k |λn | d(x0 , H) d(x0 , H)
|h(wn )| |h(x0 )|
En faisant abstraction de l’erreur d’énoncé signalée plus haut, on a bien ∀n > n0 , 6 .
kwn k d(x0 , H)
|h(x0 )| |h(x0 )|
e) En passant à la limite dans l’inégalité précédente, on obtient ||| h ||| 6 donc d(x0 , H) 6
d(x0 , H) ||| h |||
|h(x0 )|
et on a obtenu l’inégalité inverse au [c] donc d(x0 , H) = .
||| h |||
kuk∞
2) a) On a ∀n ∈ N, u n
n+1 6 et cette série majorante converge car c’est une série géométrique de raison
X u2 2n+1
1 n
2 donc 2n+1 n∈N
est absolument convergente .
b) D’après [a], h est bien définie. Pour tout (u, v) ∈ E 2 et λ ∈ R, on a

∞ ∞ ∞
X un + λvn X un X vn
h(u + λv) = n+1 = n+1 + λ n+1 = h(u) + λh(v)
n=0
2 n=0
2 n=0
2
car toutes les séries convergent. Donc h ∈ E ∗ . D’autre part, l’inégalité vue au [a] donne
∞ ∞ ∞ 1
X un X |un | X kuk∞ 2 = kuk
∀u ∈ E, |h(u)| 6 6 6 = kuk ∞ ∞
2n+1 1 − 21
n+1 n+1
n=0 n=0
2 n=0
2
|h(u)|
ce qui montre la continuité de h. De plus, ∀u 6= 0, 6 1 donc, en prenant la borne supérieure,
kuk∞
||| h ||| 6 1. Donc h est une forme linéaire continue et ||| h ||| 6 1 .
c) On a clairement vp ∈ E et kvp k∞ = 1. Or
p p 1
X 1 1X 1 1 1 − 2p+1 1
h(vp ) = = n = = 1 − p+1 > 0
n=0
2n+1 2 n=0 2 2 1− 1 2
2
|h(vp )| 1 et donc |h(vp )| −−−→ 1 .

donc = 1 − p+1
kvp k∞ 2 kvp k∞ p→+∞
|h(vp )|
On a 6 ||| h ||| 6 1 donc ||| h ||| = 1 .
kvp k∞
|h(u)|
d) Supposons qu’il existe u 6= 0E tel que = ||| h ||| = 1 on a donc |h(u)| = kuk∞ et toutes les
kuk∞
∞ ∞ ∞
P |un | P kuk∞ P kuk∞ − |un |
inégalités du [b] sont des égalités. En particulier, n+1 = n+1 donc = 0
n=0 2 n=0 2 n=0 2n+1
kuk∞ − |un |
avec ∀n ∈ N, > 0 donc on a ∀n ∈ N, |un | = kuk∞ . Mais alors |un | −−−→ kuk∞ 6= 0 en
2n+1 n→+∞
contradiction avec le fait que u ∈ E donc lim |un | = 0.
n→+∞
|h(u)|
Donc il n’existe pas de u ∈ E \ {0E } tel que = ||| h ||| .
kuk∞
e) Il suffit d’utiliser le résultat du [II.a]: puisque h est continue, H = Ker h est fermé .
f) Soit x0 ∈ / H, si d(x0 , H) était atteinte alors ∃ z0 ∈ H, d(x0 , H) = kx0 − z0 k. Or, selon [1.e], d(x0 , H) =
|h(x0 )| |h(x0 )| |h(x0 ) − h(z0 )| |h(x0 − z0 )|
donc kx0 − z0 k = = et donc, puisque x0 − z0 6= 0E , = ||| h |||
||| h ||| ||| h ||| ||| h ||| kx0 − z0 k
ce qui est impossible vu [d]. Donc pour x ∈ / H, d(x, H) n’est jamais atteinte .
* * *
* *
*
V. Problème 8 :
Page 249
Les calculatrices sont interdites
****
N.B. : Le candidat attachera la plus grande importance à la clarté , à la précision et à la
concision de la rédaction.
Si un candidat est amené à repérer ce qui peut lui sembler être une erreur d’énoncé, il la signa-
lera sur sa copie et devra poursuivre sa composition en expliquant les raisons des initiatives qu’il a
été amené à prendre.
****
Notations

Soit et des entiers supérieurs ou égaux à 1. On note le -espace vectoriel des

matrices à coefficients dans ayant lignes et colonnes. Lorsque , est noté plus
simplement et est muni de sa structure d’algèbre, représentant la matrice identité.
désigne l’ensemble des matrices inversibles de et l’ensemble des ma-
trices symétriques de

.

Tout vecteur de est identifié à un élément

de
de la ème ligne de soit . Dans toute la suite, nous noterons indifféremment
tel que l’élément
un

élément de aussi bien que le vecteur de qui lui est associé.
Pour dans et dans , on note le coefficient de
la ligne de .
Selon le contexte, désigne soit le réel nul, soit la matrice nulle de , soit encore la matrice
ème
nulle de .
est muni de son produit# scalaire canonique noté ! " et de la norme associée notée ! ! ! ! .
Une matrice symétrique de est dite positive si et seulement si :
$ % & ' # (
$ % ) * + & ' # "
et définie positive si et seulement si :
Tournez la page S.V.P.

2
On note , .- / 0 1
l’ensemble des matrices symétriques réelles positives et , .- - / 0 1 l’ensemble des
matrices symétriques réelles définies positives.
Partie I
/2 2 4=3 4 < 1 5 4 /2 6 . 7 8 / 0 1 1 9 : 5 , . / 0 1
I.1 Soit
a) ; / ; 2 4 1 9 ; <; 2 / 4 ; 4 1 2<; 4 / 2 ; 2 1 4
.
et . Etablir les égalités :
b)
c) ; 2 : 4< >2? : 4=@ < > : 2? 4@.
.
A // : 8 8 33 : 9 1 1 5 5 / , . . - / /0 0 1 1 C 1 9 3 .: 8 / B 0 1 : 39 5 8 , B . - / 0 1 5 ./ 0 1
I.2 Démontrer les propriétés suivantes :
AA D : 5 :6 9 . / 0 , 1 - 3 ; D D 5 , , - .-- / 0 1 : : 9 , - -
a) .
b) .
c)
: 5 , . /0 1 .
A<G 2E56 . 7 8 / 0 1 3 ; 2 : 2F<=G
:
I.3 a) Soit vérifiant :
propre de est nulle et en déduire .
b) Donner un exemple de matrice carrée
: . Montrer que toute valeur
d’ordre 3, non nulle et vérifiant : H

A 25 6I 7 8 / 0 1 3 ; 2 H 2<G
I.4 a) Soit : 5 , . / 0 1 . Montrer que : appartient à , . - / 0 1 si et seulement si toutes ses valeurs
propres sont positives.
b) Que peut-on dire d’une matrice symétrique réelle semblable à une matrice symétrique
réelle positive ?
I.5 On munit , . /0 1 J @
des relations notées et , définies respectivement par :
A / : 8 3 : 9 1 5 / , . / 0 1 1 9 3 / : 8 J: 9 K L : 8 M : 9 5 , . - / 0 1 1
A / : 8 3 : 9 1 5 / , . / 0 1 1 9 3 / : 8 @ : 9 K L : 8 M : 9 5 , .- - / 0 1 1
et
a) Montrer que la relation J est une relation d’ordre sur , . / 0 1 .

b) Montrer que pour N JO , cet ordre n’est pas total sur , . / 0 1 .
c) La relation @ est-elle une relation d’ordre ?
d) Trouver un exemple dans , 9 / 0 1 montrant que : 8 J: 9 et : 8 < P : 9 n’implique pas
nécessairement : 8 @ : 9 .
.
I.6 Soit Q et R deux endomorphismes de 0 diagonalisables et vérifiant Q S R < R S Q .
a) Démontrer que tout sous-espace propre de Q est stable par R .
b) Soit T 8 3 T 9 3 U U U 3 T V les valeurs propres distinctes de Q et W X Y 3 W X Z 3 U U U 3 W X [ les sous-
espaces propres de Q respectivement associés. Pour tout \ 5] ^ 3 O 3 U U U 3 _ ` , on note R a l’endomor-
phisme de W X b induit par R . Montrer que pour tout \ 5] ^ 3 O 3 U U U 3 _ ` il existe une base c a de W X b
formée de vecteurs propres de R . En déduire qu’il existe une base c de 0
. telle que les matrices de
Q et R dans cette base soient toutes deux diagonales.
3
d e
I.7 a) Soit et deux matrices diagonalisables de fg h i j
. Montrer que les matrices et d e
d e
commutent si et seulement si elles sont diagonalisables au moyen d’une même matrice de passage.
lmonp E
n q n v
t s u o
m l p
w E
n q n t s
b) On donne les matrices et suivantes :
d k q np nq nE nrq nn e k qq wr yrxF

wrq wn
Montrer que d et e sont diagonalisables au moyen d’une même matrice de passage et déterminer
I.8 Soit h z { | z } j ~ h g h i j j } tel que z { z } k z } z { . Montrer que z { z } ~ g h i j .

explicitement une telle matrice de passage.
I.9 a) Soit h z { | z } j ~ h g h i j j } tel que z { z } k z } z { . Montrer que :
z } z { k z } } z {}
nE n vérifient z } z { .
b) Montrer que les matrices z { ko nEn et z } ko }
Vérifient-elles z } } z }{ ?
E
Partie II
On se propose dans cette partie de caractériser de diverses manières la définie positivité d’une
z ~ g hi j
matrice symétrique réelle.
z
II.1 Soit . Montrer que les quatre propositions suivantes sont équivalentes :
a) est définie positive.

~ h i j z z k
g
b) Toutes les valeurs propres de sont strictement positives.
zd g e g
c) Il existe telle que
d) est positive et inversible.
.
g hi j
l n s
II.2 Soit et les matrices de données par :
n n . . . ...
n . . . . . . . . . ...
e g k m ... . . . . . . . . . n t | d g k w g q e g
.. .. ..
. n
n
F
. .
a) Montrer que pour tout vecteur k h j { g de i g :
} g { q } }
d g k { { h { j g
Tournez la page S.V.P.

4
b) En déduire que est définie positive.

® ¯¯¯
c) En cherchant une matrice de la forme :
¡ ¢F£ ¢¥¤r¦ . ¦. .¦§¤ ... ¯¯¯

¤¨ .. . .
¡
© £
..
© ..
ª ¤ ª °± ¡ ² ± £ ² ³ ´
. . . .
.. . . ..
. . .
¤«¦ ¦ ¦ inversible ¦ ¦ ¦¬¤ ¡

¢ £ ¢
telle¡ que µ .
II.3 Soit ¶
¹ ¹ ¶ µ . On note ½ ¹ ¾ ¾ ¾
déterminer explicitement une matrice
famille des vecteurs colonnes de . Pour ¿

et telles que
et Å
, on note Æ ¹ ± Å la± projection ±
la
³
orthogonale de Å sur Vect ¹ ¾ · ¸ ¸ ´ º ¾ ³ » ¼ ¾ ´ º ± Â ± ± Ã Ä ² ¢ © ¦ ¦ ¦ º
a) Justifier que ½ est ± une± base± de ³ . À Á ¦¦¦ ³´ º
.
b) On définit la famille de vecteurs Ç ¹ È È ¢ © ¦ ¦ ¦ ² º È par les relations :

´ ¢ ± © ± È ¦ ¦ ¦ ± ¾ º Æ ª ¹ ¾
È ¾ et É ¿
Montrer que la famille¢ Ç est¢ orthogonale ³ À Â et± ¦ ¦que¦ ± Ã c’est Ä ± une ² base² Ê de² ¢ . ² º
c) Soit Ë ¹ Ì Ì Ì la famille de vecteurs définie par Ì
´ Í Í È Í Í È pour tout
¿la base Ë à la base. Ë ½ estest ¢alors ± © ± une¦ ¦ ¦ base ± ºorthonormale de . Montrer que la matrice ² Á de passage
²
³ À Á ± Â d)± ¦ ¦ Soit
¦ ± Ã Ä Î la matrice triangulaire supérieure.
´ de à la la base Ë . Montrer que ² de
qu’alors
peut s’écrire sous la forme Î Ï où Ï est une matrice triangulaire supérieure inversible et
de passage de la base canonique
oÐ
¶ µ Ï Ï . ® ´
e) Montrer que la matrice ¶ ÂÊ Ê Â ° admet une décomposition de la forme
¶définie
µ Ï positive.
Ï où Ï est une matrice triangulaire supérieure Ê Âr Â Â ¤ et en déduire que ¶ est symétrique
Ö Ê ¤rÑ inversible
II.4 a) Soit Ò Ó ¹ . Déterminer × ¹ tel que µ × Ò × .

Ö
¤Ó Û ÔÕ ³ · © ´ º ¹ . Montrer que³ Ø © estÙ ¢ ´ définie º Ú À ¤ Ä positive si et seulement ¤ si
b) Soit oÔ
¹ Tr Ü c) Soit et det Ü
Ô¹ , Õ équivaut Ô ³. On· © décompose ´ encore º à ¹ Û ¶ Ü sous etla forme Û ©Ü .
¶
ce qui
¤ ¤ º Ã
³ ¶ · ´ Ó º Û µ¶ È Þ Û È ª ¹ ¶ Þ ª ¹
Ý Â Ö ¤ Õ Ê Ô ¤ º
È ± ³ ´ ± ³ Ø ¢ Ù¢ ´ º ± ³ · ¢ ´ º
5
ßà áâ ã ä å æ ç sous la forme è ß é ê ëì é à æ ì ß ê à áâ í ä ã ä å æ ç , montrer que pour

î ðï ñ :
En écrivant
ò ò÷ ò ÷ ò÷
ß ó ß ð î ô è é õîö ß ê ë ø õî ö ß ê å î ó ê ù ç ÷ ß ò ê÷ ú åç
ø î û ñ î ö
et en déduire que ó est définie positive si et seulement si å et ó ê ù est définie positive ç .
récurrence une suite de nombres réels å î÷ ü ç ä ý ü ÷ ý â et une suite de matrices å ÷ ó ü ò ç ÷ ä ý ü ý â comme suit. On
d) En gardant les notations de la question II.4 c) précédente, on peut alors construire par
ó ä ð ó ì î ä ð î ì ä ð ì ó êä ð ó ê ì ó ð î ä ó äê ù ä ä
pose d’abord :
Si þ ÿ , on décompose ó ò ÷ sous la forme ø

÷ ÷
ó ð è î ø ó ê ëì ÷ î ò ÷ à æ ì à áâ í ã ä å æ ç ì ó ê à â í å æ ç
ø øðø î ø ø
On pose à nouveau ó øó ê ù ü etü on ø itèreü le processus ø précédent. ø ø On obtient ainsi une
suite de matrices symétriques réelles å ó ç ä ý ý â où ó est d’ordre þ ù
îå ü ç ä ý ü ý â liés par les relations :ø ø ø ø ò ÷ õ ö ÷ ò÷
et une suites de réels
à ü ð î ÷ü ü ü ð îü ü ü ü
ìö ì ì þ ù ö ì ó è ü ó ü ê ëì ó ä ó ê ù
Le processus s’arrête pour ð þ car ó â est alors d’ordre et on note ó â ð å î â ç .
Montrer que ó est définie positive si et seulement si tous ö les réels de la suite å î ü ç ä ý ü ý â sont
strictement positifs.
î

e) Soit ó ð
à å æ ç . Selon les notations précédentes, déterminer explici-
tement les réels î ä î î associés à cette matrice ó et en déduire que ó est définie positive si et
ì ì
seulement si :
ø îûñ î û ñ et î û

ì ñ

Fin de l’énoncé
Page 255
Concours Commun Polytechnique
Filière PC
Concours 2003 math 1
PARTIE 1n n
1a) Si X = (xi )i=1 et Y = (yi )i=1 sont des éléments de Mn,1 (R) on a
n
X
t
XY =t Y X = xi yi
i=1
1b) Développement sans problème :

¡t ¢2
XY = (t XY )(t XY ) = (t XY )(t Y X) calcul précédent
¡ ¢
= (t X) Y t Y (X) par associtivité
= (t Y X)(t XY ) =t Y (X t X)Y symétriquement
1c) Si on considère que ” t XY = hx, yi dans une base orthonormée” n’est pas un formule classique on refait le calcul
et X
t
X (SY ) = xi si,j yj = hX, SY i
(i,j)
t t t t
puis comme S est symétrique X (SY ) = X SY = (SX)Y = hSX, Y i
2a) On a : ∀X ∈ Mn,1 (R) ,t XS1 X ≥ 0 et t XS2 X ≥ 0 et donc en ajoutant t X (S1 + S2 ) X ≥ 0
¡ ¢2
(S1 , S2 ) ∈ Sn+ (R) ⇒ S1 + S2 ∈ Sn+ (R)
2b) idem car la somme d’un réel positif et d’un réel strictement positif est un réel strictement positif.
2
2c) On a : ∀X ∈ Mn,1 (R) , t X (t AA) X =t (AX)(AX) = hAX, AXi = kAXk ≥ 0 . Et donc
∀A ∈ Mn (R) , t AA ∈ Sn+ (R)

2
3a) Si SX = λX on a t XSX = λt XX = λ kXk . Donc si t XSX = 0 on a λ = 0 (car X est non nul donc kXk 6= 0
)
S est donc une matrice diagonalisable (car symétrique réelle) ayant une unique valeur propre 0 . S est donc la
matrice nulle: S = P.0.P −1 = (0)
3b) On veut que M X soit orthogonal à X pour tout X . c’est une propriété classique du produit vectoriel . Il suffit
de prendre pour M la matrice de x− > i ∧ x
 
0 0 0
M =  0 0 −1 
0 1 0
On vérifie alors bien t XM X = 0

n
4a) S étant symétrique réelle est diagonalisable dans une base orthonormée (Vi )i=1 : il existe D = diag(λk ) telle que
∀k , SVk = λk Vk Pn
Si toutes les valeurs propres sont positives on a alors pour toute matrice colonne X = k=1 yk Vk
* n n
+ n
X X X
t
XSX = hX, SXi = y k Vk , λk yk Vk = λk yk2 ≥ 0
k=1 k=1 k=1
2
Réciproquement si λ est valeur propre de S et X un vecteur propre asocié.le calcul du 3a donne t XSX = λ kXk .
−→
comme on suppose t XSX ≥ 0 et que X 6= 0 on a bien λ ≥ 0
4b) deux matrices semblables ont même spectre . Donc si S 0 est symétrique réelle semblable à S symétrique positive
les valeurs propres de S (donc de S 0 ) sont toutes positives donc S 0 est positive.
5a) Sur Sn (R) la relation ≥ est bien :
• binaire
• réflexive : (0)n est bien positive donc S1 ≥ S1
m03pp1ca.tex - page 1
• antisymétrique : si S1 ≥ S2 et si S2 ≥ S1 les valeurs propres de S2 − S1 sont toutes à la fois positives et
négatives. S2 − S1 est donc diagonalisable ( car symétrique réel) ayant une seul valeur propre 0 donc c’est la
matrice nulle. . S2 = S1
• transitive : Si S1 ≥ S2 et S2 ≥ S3 on a S1 − S2 ∈ Sn+ (R) et S2 − S3 ∈ Sn+ (R) donc d’après 2a la somme

S1 − S3 ∈ Sn+ (R) et donc S1 ≥ S3 .
5b) il suffit de prendre S1 = 0 et pour S2 une matrice symétrique ayant une valeur propre positive et une négative .
Exemple  
0 0 0
 0 1 0 
0 0 −1
/ Sn++ (R)
5c) la relation > n’est pas réflexive car (0)n ∈
5d) On peut se douter (ou montrer) qu’une matrice de Sn++ (R) a des valeurs propres strictement positives.
On prend
 donc S2 = 0 et S1 symétrique ayant des valeurs propres
 positives
 et ayant la valeur propre 0 . Par exemple
0 0 0 x 6= 0
S1 =  0 0 0  On a S1 6= (0) t XS1 X = z 2 ≥ 0 et si X =  0  t XS1 X = 0
0 0 1 0
6a) question de cours .On doit montrer x ∈ Eλ (u) ⇒ v(x) ∈ Eλ (u) . Donc u(x) = λx ⇒ u(v(x)) = λv(x). Or
u(v(x)) = (u ◦ v)(x)
= (v ◦ u) (x) par hypothèse sur u et v
= v(u(x)) = v(λ(x))
= λv(x) par linéarité de v
6b) L’endomorphisme induit par v diagonalisable sur un sous espace stable est lui même diagonalisable. Donc
l’endomorphisme vi est diagonalisable et il existe une base de Eλi (u) qui est une base de vecteurs propres de vi . u
étant diagonalisable E est somme directe des sous espaces propres .L’union des bases précédente est donc une base
de E . Par construction ces vecteurs sont des vecteurs propres de v et de u (car éléments des sous espaces propres)
. Dans cette base u et v sont donc simultanément diagonalisables.
7a) Si A et B commutent A et B sont diagonalisables au moyen d’une même matrice de passage . On prend la
question précédente avec A = M atC (u) et B = M atC (v) . P est alors la matrice de passage de C à B .
Réciproquement si A et B son diagonalisables au moyen d’une même matrice de passage . On a A = P DP −1 ,
B = P ∆P −1 et comme deux matrices diagonales commutent AB = BA = P (D∆) P −1
7b)
A est de rang 1 et E0 (A) est le
plan (x + y − z = 0) . Par la trace on en déduit que la troisième valeur propre est 3
1
puis on trouve E3 (A) = V ect  1 
−1
Pour B le calcul du polynôme caractéristique en commençant par exemple par faire C2 +C3 − > C3 donne deux valeurs
propres 4(double)et 1(simple)
 . Puis le calcul des sous espaces propres donne : E4 (B) est le plan −2x + y − z = 0
1
et E1 (B) = V ect  1  . On vérifie alors que E1 (B) ⊂ E0 (A) , E3 (A) ⊂ E4 (B) . Les trois droites E1 (B), E3 (A) ,
2
E0 (A) ∩E4 (B) sont trois droites de vecteurs propres communs qui engendrent l’espace . Une matrice de passage est
:  
1 1 0
P = 1 1 1 
−1 2 1
remarque : je ne pense pas que le passage par l’endomorphisme induit par v sur E0 (A) soit plus simple
8) S1 et S2 sont diagonalisables (symétriques réels) , et commutent . S1 et S2 sont donc diagonalisables avec une
même matrice de passage (S1 = P DP −1 , S2 = P ∆P −1 ). Cette matrice de passage diagonalise aussi S1 S2 = S2 S1 =
P D∆P −1 , la matrice diagonale semblable à S1 S2 étant le produit des deux matrices semblables à S1 et S2 . S1 et S2
étant positives ont toutes leurs valeurs propres positives. Les valeurs propres de S1 S2 sont donc aussi toutes positives
et S1 S2 est symétrique positive.(toujours 4a)
9a) Avec les notations précédentes (S1 = P DP −1 , S2 = P ∆P −1 ). On donc ∆ − D positives . Donc pour les termes
diagonaux δ i − di ≥ 0 et di ≥ 0 . La fonction carrée est croissante sur R+ donc ∀i , δ 2i ≥ d2i . ∆2 − D2 est donc
positive et S22 − S12 est une matrice symétrique semblable à une matrice symétrique positive donc est aussi positive.
S22 ≥ S12 ( cf 4b) µ ¶
1/2 −1
9b) On a S2 − S1 = de valeurs propres 0 et 5/2 réels positifs. La mtrice est positive est S2 ≥ S1
−1 2
S1 de valeurs µ propres 0 et ¶
1 donc S1 ≥ 0
2 2 1/4 −2
et S2 − S1 = de déterminant −9/4 . Le produit des valeurs est négatif. L’une des valeurs propres es
−2 7
négatives.S22 − S12 n’est pas positive.
Partie II
1)
a ⇔ b : idem I4a
n
S étant symétrique réelle est diagonalisable dans une base orthonormée (Vi )i=1 : il existe D = diag(λk ) telle que ∀k
, SVk = λk Vk Pn
Si toutes les valeurs propres sont strictement positives on a alors pour toute matrice colonne non nulle X = k=1 yk Vk
* n n
+ n
X X X
t
XSX = hX, SXi = y k Vk , λk yk Vk = λk yk2 > 0
k=1 k=1 k=1
En effet on a une somme de termes positifs , un au moins étant strictement positif.

2
Réciproquement si λ est valeur propre de S et X vecteur propre asocié on a t XSX = λ kXk . comme on suppose
t −
→
XSX > 0 et que X 6= 0 on a bien λ > 0
t
b ⇒ c . S étant diagonalisable dans une base orthonormée (symétrique réelle) on peut écrire √ S = P D P . avec
D = diag(di ) . Par hypothèses les di sont strictement positifs . On peut donc définir ∆ = diag( di ) qui est inversible
car les termes diagonaux sont non nuls. M = ∆t P est alors une solution du problème.
t
M M = P ∆∆t P = P Dt P = S
c ⇒ d si S =t M M avec M inversible , S est inversible (comme produit de matrices inversibles) et S est positive
d’après I2c
d ⇒ b : S est positive donc toutes les valeurs propres de S sont positives et S est inversible donc 0 n’est pas valeur
propre de S . Les valeurs propres de S sont donc strictement positives.
On a la chaı̂nes b ⇒ c ⇒ d ⇒ b et a ⇔ b donc l’équivalence des 4 propositions.
2a) A est bien une matrice symétrique.
n
Si X = (xi )ni=1 et Y = AX = (yj )j=1 on a :

 y1 = 2x1 − x2
∀j ∈ [[2, n − 1]] , yj = −xi−1 + 2xi − xi+1

yn = −xn−1 + 2xn
On a donc
n
X n
X n
X n−1
X
t
XAX = xi yi = 2 x2i − xi−1 xi − xi xi+1
i=1 i=1 i=2 i=1
Ã n ! Ãn−1 ! n−1 n−1
X X X X
= x2i + x21 + x2i + x2n − xj xj+1 − xi xi+1
i=2 i=1 i=1 i=1
  Ãn−1 !
n−1
X X n−1
X
=  x2j+1 + x21  + x2i + x2n −2 xi xi+1
j=1 i=1 i=1
n−1
X ¡ 2 ¢
= x21 + x2n + xi+1 − 2xi xi+1 + x2i
i=1
n−1
X 2
= x21 + x2n + (xi − xi+1 )
i=1
2b pour toute colonne X on constate que t XAX est une somme de carrédonc est un réel positif. De plus la somme
 x1 = 0
est nulle si et seulement si chaque terme est nul donc si et seulement si ∀i ∈ [[1..n−]] , xi+1 − xi = 0

xn = 0
Tous les xi sont donc nuls . Donc si X 6= (0) t XAX est strictement positif.
2c) Avec la matrice M du sujet notons S =t M M = (si,j ) on a en faisant le produit :


 s1 = u21

i > 1 ⇒ si = u2i + vi−1
2

 1 ≤ i ≤ n − 1 ⇒ si,i+1 = si+1,i = ui vi

|j − i| > 1 ⇒ si,j = 0
On doit donc résoudre le système non linéaire

 u21 = 2
i > 1 ⇒ u2i + vi−1
2
=2

1 ≤ i ≤ n − 1 ⇒ ui vi = −1
On a donc vi = − u1i et en reportant u2i = 2 − 1

u2i−1
. Soit en posant ai = u2i la suite homographique:
½
a1 = 2
1
ai = 2 − ai−1
1
l’équation l = 2 − 1/l donne un point fixe double l = 1 . La suite ai −1 est donc arithmétique . Or
1 1 ai−1 1
= 1 = =1+
ai − 1 1 − ai−1 ai−1 − 1 ai−1 − 1
1
d’où ai −1 = i et
r r
i+1 i
ui = , vi = −
i i+1
3a) U est une base car S est une matrice inversible d’après II1c
3b) C’est la méthode d’orthogonalisation de Schmidt .Démonstration par récurrence
• (V1 ) est réduit à un seul vecteur non nul donc est une famille orthogonale de vecteurs non nuls
• (V1 , V2 ) est une famille orthogonale de vecteurs non nuls et V ect(V1 , V2 ) = V ect(U1 , U2 ). En effet
– p1 est la projection orthogonale sur V ect(U1 ) = V ect(V1 ) donc V2 = U2 − p1 (U2 ) est orthogonal à V1
– si V2 était nul , on aurait U2 = p1 (U2 ) ∈ V ect(U1 ) . Absurde car (U1 , U2 ) est libre
– (V1 , V2 ) est une famille orthogonale de vecteurs non nuls , c’est donc une famille libre.
– Enfin V ect(V1 , V2 ) ⊂ V ect(U1 , U2 ) par construction,et comme les deux familles de deux vecteurs sont
libres il y a égalité.
k−1
• On suppose que (Vi )i=1 est une famille orthogonale de vecteurs non nuls tels que V ect(Vi )k−1 k−1
i=1 = V ect(Ui )i=1
k
. Montrons que (Vi )i=1 est une famille orthogonale de vecteurs non nuls tels que V ect(Vi )ki=1 = V ect(Ui )ki=1 .
– par hypothèse de récurrence on doit seulement montrer que Vk est un vecteur non nul orthogonal à
V ect(Vi )k−1 k k
i=1 puis V ect(Vi )i=1 = V ect(Ui )i=1 .
– Par construction pk−1 est la projection orthogonale sur V ect(Vi )k−1 k−1
i=1 = V ect(Ui )i=1 donc Vk = Uk −
k−1
pk−1 (Uk ) est orthogonal à V ect(Vi )i=1
n
– Si Vk est nul alors Uk = pk−1 (Uk ) ∈ V ect(Ui )k−1
i=1 et la famille (Ui )i=1 est lié . Absurde
k
– Enfin par construction Vk ∈ V ec(Uk ) ⊕ V ect(Ui )k−1 k−1 k−1
i=1 = V ect (Ui )i=1 et V ect(Vi )i=1 = V ect(Ui )i=1 ⊂
k k k
V ect(Ui )i=1 . Donc V ect(Vi )i=1 ⊂ V ect(Ui )i=1 . Les deux familles étant libres de même cardinal , les
deux sous espaces sont égaux.
pour k = n on obtient que V est une base orthogonale de Rn .

3c) La base est orthonormale car on norme une base orthonormée ( et les dénominateurs sont non nuls car les Vi
sont des vecteurs non nuls)
Par construction de V on a vu que Vk ∈ V ect(Ui )ki=1 . Les coordonnées de Vk sur Uk+1 , · · · Un sont donc nuls .
M atU (V) est triangulaire supérieure. Diviser chaque colonne par sa norme ne change pas les coefficients nuls .
M atU (W) est triangulaire supérieure.
3d) notons B la base canonique . On a
M = M atB (U) = M atB (W) M atW (U) = P T
où T est l’inverse de la matrice triangulaire supérieure construite à la question précédente.
On a alors S =t M M =t T t P P T . Mais P est la matrice de passage de B à W toutes deux bases orthonormées .
Donc P est orthogonale et t P P = In . Il reste donc S =t T T
a b c
3e) Si on pose à priori T =  0 d e  le calcul donne :
0 0 f
 2   
a ab ac 4 −2 −2
t
T T =  ab b2 + d2 bc + de = 0 2 0 
ac bc + de c2 + e2 + f 2 −2 0 3
en résolvant le système ligne par ligne et en choisissant pour a, d, f les racines carrées positives on obtient
 
2 −1 −1
T =  0 1 −1 
0 0 1
On constate µque T¶ est inversible et donc d’après II 1 S est définie positive.
x
4a) Si X = on a t XA0 X = by 2 + 2cxy donc y = 0 ou by + 2cx = 0
y
4b)
• si A est définie positive les valeurs propres de A sont strictement positives (cf II 1). Leur somme (la trace) et
leur produit (le déterminant) le sont aussi. On a donc a + b > 0 et ab − c2 > 0. On en déduit que a + b et ab
sont strictement positifs donc a et b le sont.
2
• Si a > 0 et ab − c2 > 0 on a b > ca > 0 donc T r(A) > 0 et det(A) > 0 . La somme et le produit des valeurs
propres sont strictement positifs donc les valeurs propres sont strictement positives . D’après II 1 A est définie
positive.
4c) calcul par bloc :
µ ¶µ ¶ µ ¶
¡ t 0
¢ a t
V x ¡ t 0 t t 0 0
¢ x
x X = xa + X V xV + XS
V S0 X0 X0
= xax + xt X 0 V 0 + xt V X 0 +t X 0 S 0 S 0
= ax2 + x(t V X 0 +t X 0 V ) +t X 0 S 0 X 0
= ax2 + 2xt V X 0 +t X 0 S 0 X 0 car t V X 0 =t X 0 V d’après I 1a
µ ¶2
t
V X0 1 ¡t ¢2
= a x+ − V X 0 +t X 0 S 0 X 0
a a
µ ¶
0 2
t
VX 1 ¡t 0 t ¢
= a x+ − X V V X 0 +t X 0 S 0 X 0 d’après I 1 b
a a
"µ ¶ #
0 2
t
VX 1 t 0¡ ¢
= a x+ + 2 X −V t V + aS 0 X 0
a a
On vérifie que tous les produits matriciels ont un sens les matrices étant de tailles compatibles.
On en déduit donc :
³ t
´2
V X0
• si a > 0 et aS 0 − V t V définie positive , pour toute matrice colonne X ∈ Mn,1 (R) on a x + a ≥ 0 et
t 0 0 t 0 t t
X (aS − V V ) X ≥ 0 donc XSX ≥ 0 . De plus si XSX = 0 on a une somme nulle de réelles positives
donc chaque terme est nulle . En particulier t X 0 (aS 0 − V t V ) X 0 = 0 et donc X 0 = 0 car aS0 − V t V est définie
³ t 0
´2
positive on trouve alors x = 0 en reportant dans x + VaX = 0 . Donc X 6= 0 ⇒t XSX > 0 et S est définie
positive.
µ ¶
1
• Si S est définie positive alors a > 0 car pour X = , t XSX = a d’après le calcul précédent (avant la
(0)
division par a) et aS 0 − V t V est définie positive car pour toute matrice non nul X 0 ∈ Mn−1,1 (R)
µ ¶
t 0
¡ 0 t
¢ 0 2t 0
X aS − V V X = a XSX > 0 en prenant X =
X0
4d)
• Si S est définie positive la question précédente donne par une récurrence évidente que toutes les Si sont définies
positives et tous les ai positifs pour i < n . Enfin an > 0 comme valeur propre de la matrice Sn définie positive.
• Réciproquement si les (ai ) sont tous strictement positifs Sn = (an ) est définie positive . Sn est définie positives
et an−1 > 0 donc Sn−1 est définie positive et par récurrence si Si−1 est définie positive Si est définie positive
car ai−1 > 0 .
 
a d e µ ¶ µ ¶
d b f
4e) Si S =  d b f  on a a1 = a, V1 = , S10 = d’où
e f c
e f c
µ ¶
ab − d2 af − de
S2 =
af − de ac − e2
S est donc définie positive si et seulement si a > 0 et S2 définie positive . Donc en utilisant II 4b si et seulement si
a > 0, ab − d2 > 0 et det (S2 ) > 0 or det (S2 ) = (ab − d2 )(ac 2
¯ − e ) − (af
2
¯ − de) = a det(S)
¯ ¯ ¯ a d e ¯
¯ a d ¯ ¯ ¯
S est définie positive si seulement si a> 0 , ¯¯ ¯>0,¯ d b f ¯>0
d b ¯ ¯
¯ e f c ¯
¯
VI. Problème 9 :
Page 262

comporte 4 pages.
L’usage de tout matériel électronique, y compris la calculatrice, est interdit.
Les candidats sont informés que la qualité d,e la rédaction et de la présentation, la clarté et la précision des
raisonnements constitueront des éléments importants pour l’appréciation des copies. Il convient en particulier de
rappeler avec précision les références des questions abordées.
Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé, il le signale sur sa copie et
poursuit sa composition en expliquant les raisons des initiatives qu’il est amené à prendre.
Quelques propriétés du groupe spécial orthogonal

Application à la non continuité de la diagonalisation
On sait que toute matrice M , carrée réelle d’ordre n ≥ 2, dont le polynôme caractéristique est scindé sur R, à
racines simples, est diagonalisable ; c’est à dire que M est conjuguée à une matrice diagonale. On se demande ici si l’on
peut réaliser cette diagonalisation de manière continue ; autrement dit :
Peut-on choisir la matrice réelle coniuguant M à une matrice diagonale de façon à ce qu’elle dépende continûment
de M ?
Le but de ce problème est de démontrer que cela n’est pas possible sur tout l’ensemble des matrices
carrées réelles d’ordre n ayant n valeurs propres réelles deux à deux distinctes.
Notations et rappels
Soit n un entier ≥ 2 ; si p ∈ N∗ , on note Mn (R) l’espace vectoriel des matrices à coefficients réels, à n
lignes et p colonnes. Si p = n, Mn,p (R) est noté simplement Mn (R), c’est l’algèbre des matrices carrées réelles
d’ordre n ; In désignera la matrice identité de Mn (R) et GLn , (R) le groupe des matrices inversibles (groupe
linéaire).
Si A ∈ Mn (R), on note Tr(A) sa trace, det(A) son déterminant et χA son polynôme caractéristique ; il est
défini par :
∀λ ∈ R, χA (λ) = det(λIn − A).
Si p ∈ N∗ et M ∈ Mn (R), t M désigne la matrice transposée de M . Une matrice de Mn (R) est dite
symétrique si elle coïncide avec sa transposée. L’ensemble des matrices symétriques de Mn (R) se notera
Sn (R), c’est un sous-espace vectoriel de Mn (R).
Le produit scalaire canonique de Mn,1 (R) se notera < , > et la norme associée sera noté k.k2 ; il est défini
par (X, Y ) 7→< X, Y >:=t XY .
On note Un la partie de Mn (R) formée des matrices ayant n valeurs propres réelles deux à deux
distinctes.
Dans ce problème, l’espace vectoriel Mn (R) est muni de l’une de ses normes.
1ère Partie
Résultats préliminaires
1.1. Étude de l’ensemble U2
1.1.1. Montrer que U2 = {A ∈ M2 (R) ; (Tr(A))2 − 4 det A > 0}.
1.1.2. Montrer que les applications A 7→ Tr(A) et A 7→ det A, définies sur M2 (R) et à valeurs réelles, sont
continues.
1.1.3. Montrer que U2 est un ouvert non vide de M2 (R).
1 2
1.1.4. Dans le plan R2 , dessiner le graphe de la fonction x 7→x puis préciser, en l’hachurant sur le
4
même graphique, la partie de R correspondant à l’ensemble {(Tr(A), det A) ; A ∈ U2 }.
2

a b
1.1.5. On pose V2 = U2 ∩ ∈ M2 (R) ; b 6= 0 .
c d
Épreuve de Mathématiques II 1/4 Tournez la page S.V.P.

Justifier que toute matrice de U2 est diagonalisable dans M2 (R) et construire une application
f : V2 7→ M2 (R) continue, à valeurs dans GL2 (R) et telle que, pour tout M ∈ M2 (R), la matrice
f (M )−1 M f (M ) soit diagonale.
1.2. Commutant d’une matrice diagonale
Soient α1 , ..., αn des réels deux à deux distincts et soit A ∈ Mn (R) la matrice diagonale de coefficients
diagonaux égaux à α1 , ..., αn respectivement : A = diag(α1 , ..., αn ).
1.2.1. On pose C (A) = {M ∈ Mn (R) ; M A = AM }. Montrer que C (A) est l’ensemble des matrices
diagonales de Mn (R).
1.2.2. Soient U, V ∈ GLn (R). Montrer que U AU −1 = V AV −1 si, et seulement si, la matrice V −1 U est
diagonale.
1.3. Une CNS de conjugaison à une matrice diagonale
Soit (M, P ) ∈ Mn (R) × GLn (R) et soit D ∈ Mn (R) une matrice diagonale. Montrer que P −1 M P = D si,
et seulement si, les coefficients diagonaux de D sont les valeurs propres de M et les vecteurs colonnes
de P sont des vecteurs propres de M .
2ème Partie
Quelques propriétés du groupe spécial orthogonal SOn (R)
On rappelle que On (R) = {A ∈ Mn (R) ; t
AA = In } et SOn (R) = {A ∈ On (R) ; det A = 1}.
2.1. Montrer que On (R) est un sous-groupe du groupe linéaire GL2 (R) et que SOn (R) est un sous-groupe
du groupe On (R).

a −b
2.2. Montrer que SO2 = ∈ M2 (R) ; a2 + b2 = 1 .
b a
2.3. Le groupe SO2 (R) est connexe par arcs
cos θ − sin θ
On définit l’application Φ : R → M2 (R) par : Φ(θ) = , θ ∈ R.
cos θ sin θ
2.3.1. Montrer que l’application Φ est continue.
2.3.2. Montrer que Φ(R) = SO2 (R).
2.3.3. Justifier que SO2 (R) est une partie connexe par arcs de M2 (R).
2.4. Le groupe SOn (R) est connexe par arcs pour n ≥ 3
2.4.1. Si U ∈ On (R) ; on rappelle qu’il existe une matrice P ∈ On (R), des entiers naturels p, q et r vérifiant
p + q + 2r = n, et, si r 6= 0, des réels θ1 , ..., θr , éléments de ]0, 2π[\{π}, tels que la matrice P −1 U P
soit diagonale par blocs de la forme
 
Ip
 −Iq (0) 
cos θk − sin θk
 
P UP = 
−1  Φ(θ 1 )  avec Φ(θk ) =

, 1 ≤ k ≤ r.
.. sin θk cos θk
.
 
 (0) 
Φ(θr )
Montrer alors que U ∈ SOn (R) si, et seulement si, q est paire.
2.4.2. Soit U ∈ SOn (R)\{In }.
(i) Montrer qu’il existe P ∈ On (R), des entiers naturels p et s vérifiant p + 2s = n, et des réels
θ1 , ..., θr éléments de ]0, 2π[, tels que la matrice P −1 U P soit diagonale par blocs de la forme
 
Ip
 Φ(θ1 ) (0) 
cos θk − sin θk

P −1 U P =  .. avec Φ(θ ) = , 1 ≤ k ≤ s.
 
k
. sin θk cos θk

 (0) 
Φ(θr )

(ii) Les notations étant celles de la question (i), on définit l’application Γ : [0, 1] 7→ Mn (R) par :
 
Ip
 Φ(θ1 ) (0) 
∀t ∈ [0, 1], Γ(t) = P 
 −1
. P

 (0) . . 
Φ(θr )
Montrer que Γ est continue, à valeurs dans SOn (R) puis que Γ(0) = In et Γ(1) = U .
2.4.3. En utilisant ce qui précède, montrer soigneusement que SOn (R) est une partie connexe par arcs de
Mn (R). Pour connecter deux matrices U1 et U2 dans SOn (R), on pourra d’abord commencer par
connecter chacune d’elles à la matrice In ,
2.6. Soit A ∈ Mn (R) une matrice quelconque.
2.5.1. Montrer que l’application M 7→t M , définie sur Mn (R), est continue.
2.5.2. Justifier que l’application U 7→ U −1 , définie sur SOn (lR), est continue.
2.5.3. En déduire que {U AU −1 ; U ∈ SOn (R)} est une partie connexe par arcs de Mn (R).
3ème partie
Non continuité de la diagonalisation dans tout l’ouvert U2
On suppose qu’il existe une application f2 : U2 → M2 (R) continue, à valeurs dans GL2 (R) et telle que,
pour tout M ∈ U2 , la matrice f2 (M )−1 M f2 (M ) soit diagonale.
3.1. On considère M ∈ U2 ∩ S2 (R) et on note C1 (M ) (resp. C2 (M )) la première (resp. la deuxième) colonne
de la matrice f2 (M ).
3.1.1. Montrer que C1 (M ) et C2 (M ) sont des vecteurs propres de M associés à des valeurs propres
distinctes et prouver qu’ils sont orthogonaux dans (M2,1 (R), <, >).
C1 (M )
3.1.2. Justifier que la matrice dont la première (resp. la deuxième) colonne est ( resp.
kC1 (M )k2
C2 (M )
) est orthogonale.
kC2 (M )k2
On note α(M ) le déterminant de la matrice décrite ci-dessus et g2 (M ) ∈ M2 (R) la matrice dont pre-
C1 (M ) C2 (M )
mière(resp. la deuxième) colonne est α(M ) ( resp. )
kC1 (M )k2 kC2 (M )k2
3.1.3. Vérifier que g2 (M ) ∈ SO2 (R).
On dispose ainsi d’une application g2 : U2 ∩ S2 (R) 7→ M2 (R) à valeurs dans SO2 (R).
3.1.4. Montrer que g2 est continue et que, pour tout M ∈ U2 ∩ S2 (R), la matrice g2 (M )−1 M g2 (M ) est
diagonale.

α 0
3.2. On considère une matrice diagonale B = ∈ M2 (R), avec α 6= β.
0 β
3.2.1. Montrer que l’ensemble SB = {U AU −1 ; U ∈ SO2 (R)} est une partie de U2 ∩ S2 (R).
Dans la suite de cette partie, on note h2 la restriction de g2 à SB = {U BU −1 ; U ∈ SO2 (R)}.
3.2.2. Montrer que, pour tout M ∈ SB , la matrice h2 (M )−1 M h2 (M ) est diagonale et est semblable à B.
Quelles en sont les valeurs possibles ?
3.2.3. En déduire que l’application M 7→ h2 (M )−1 M h2 (M ) est constante sur SB .
3.2.4. Montrer que l’on peut se ramener au cas où h2 (M )−1 M h2 (M ) = B, pour tout M ∈ SB .
3.3. On reprend les notations de la questions 3.2. précédente et on suppose désormais que, pour toute
matrice M ∈ SB , h2 (M )−1 M h2 (M ) = B.
3.3.1. Montrer que, pour tout U ∈ SO2 (R), la matrice h2 (U BU −1 )−1 U est diagonale puis justifier qu’elle
est égale à ±I2 .
3.3.2. Soient ϕ2 : SO2 (R) → SB × {−I2 , I2 } et ψ2 : SB × {−I2 , I2 } → SO2 (R) les applications définies
par : ϕ2 (U ) = (U BU −1 , h2 (U BU −1 )−1 U ) et ψ2 (M, D) = h2 (M )D.
Montrer que ϕ2 et ψ2 sont des bijections réciproques l’une de l’autre.

3.3.3. Montrer que l’application U 7→ Tr(h2 (U BU −1 )−1 U ), définie sur SO2 (R) et à valeurs réelles, est
continue et a pour ensemble image la paire {−2, 2}.
3.3.4. Trouver une contradiction et conclure qu’une telle application f2 n’existe pas.
4ème Partie
Non continuité de la diagonalisation dans tout l’ouvert Un pour n ≥ 3
Dans cette partie, on admet que Un est un ouvert de Mn (R) et on suppose qu’il existe une appli-
cation fn : Un → Mn (R) continue, à valeurs dans GLn (R) et telle que, pour tout M ∈ Un , la matrice
f2 (M )−1 M f (M ) soit diagonale.
4.1 On considère M ∈ Un ∩ Sn (R) et on note Ck (M ) la k-ième colonne de la matrice fn (M ), pour tout
k ∈ {1, ..., n}.

C1 (M ) Cn (M )
4.1.1. Montrer que Ia famille , ..., est une base orthonormée de l’espace eucli-
kC1 (M )k2 kCn (M )k2
dien (Mn,1 (R), <, >).
Dans la suite de cette partie,
on note α(M ) le déterminant, dans la base canonique, de la famille
C1 (M ) Cn (M )
, ..., et on désigne par gn (M ) ∈ Mn (R) la matrice dont la k-ième colonne vaut
kC1 (M )k2 kCn (M )k2
C1 (M ) Ck (M )
α(M ) si k = 1 et vaut ) si k ∈ {2, ..., n}.
kC1 (M )k2 kCk (M )k2
4.1.2. Justifier que gn (M ) ∈ SOn (R).
On dispose ainsi d’une application gn : Un ∩ Sn (R) → Mn (R) à valeurs dans SOn (R).
4.1.3. Montrer que gn est continue et que, pour tout M ∈ Un ∩ Sn (R), la matrice gn (M )−1 U gn (M ) est
diagonale.
4.2. On considère des réels α1 , ..., αn deux à deux distincts et on note A ∈ Mn (R) la matrice diagonale de
coefficients diagonaux égaux à α1 , ..., αn respectivement : A = diag(α1 , ..., αn ).
4.2.1. Montrer que l’ensemble SA = {U AU −1 ; U ∈ SOn (R)} est une partie de Un ∩ Sn (R).
Dans la suite de cette partie, on note hn la restriction de gn à SA = {U AU −1 ; U ∈ SOn (R)}.
4.2.2. Montrer que l’application M 7→ hn (M )−1 M hn (M ), définie sur SA , ne prend qu’un nombre fini de
valeurs. Combien exactement ?
4.2.3. Justifier alors que l’application M 7→ hn (M )−1 M hn (M ), définie sur SA , est constante.
4.2.4. Montrer qu’on peut se ramener au cas où hn (M )−1 M hn (M ) = A, pour tout M ∈ SA .
4.3. On reprend les notations de la questions 4.2. précédente et on suppose désormais que, pour toute
matrice M ∈ SA , hn (M )−1 M hn (M ) = A.
4.3.1. Montrer que, pour tout U ∈ On (R), hn (U AU −1 )−1 U est une matrice diagonale de SOn (R).
4.3.2. On note Dn l’ensemble des matrices diagonales de SOn (R). Montrer que Dn est fini et déterminer
son cardinal.
4.3.3. Soient ϕn : SOn (R) → SA × Dn et ψ2 : SA × Dn → SOn (R) les applications définies par :
ϕn (U ) = (U AU −1 , hn (U AU −1 )−1 U ) et ψn (M, D) = hn (M )D.
Montrer que ϕ2 et ψ2 sont des bijections réciproques l’une de l’autre.
4.3.4. Montrer que l’application U 7→ Tr(hn (U AU )−1 )−1 U ) définie sur SOn (R) et à valeurs réelles, est
continue et a pour ensemble image Tr(Dn ).
4.3.5. Trouver une contradiction et conclure qu’une telle application fn n’existe pas.
F IN DE L’ ÉPREUVE
Épreuve de Mathématiques II 4/4 F IN

Page 267
CNM-Maths-2-Session 2015 Correction
Correction proposée par El Amdaoui

École Royale de l’Air-Marrakech.Maroc
Partie I
1.1.
1.1.1. A ∈ U2 si, et seulement, si χA admet deux racines distinctes. Avec χA = X 2 −
2
Tr (A) X + det(A) dont le discriminant ∆ = (Tr (A)) − 4 det(A), il vient que A ∈ U2
2
si, et seulement, si (Tr (A)) − 4 det(A) > 0
1.1.2. A 7−→ det(A) et A 7−→ Tr (A) sont des fonctions polynomiales en coefficients de A,
donc elles sont continues sur Mn (R)
1.1.3. Par les théorèmes généraux ϕ = Tr2 − 4 det est continue sur M2 (R) à valeurs dans
R, puisque U2 = ϕ−1 (]0, +∞[) est l’image réciproque d’un ouvert par une fonction
continue, donc il s’agit d’un ouvert de M2 (R).

2 0
U2 6= ∅, car ∈ U2
0 1
1
1.1.4. Notons C la courbe de l’application x 7−→ x2
4
1.1.5. – Une matrice de U2 est carrée et elle admet deux valeurs propres distinctes, donc elle
est diagonalisable. q
2
Tr (M ) − Tr (M ) − 4 det(M )

a b
– Soit M = ∈ V2 . Les valeurs propres de M sont λ1 =
c d 2
q
2
Tr (M ) + Tr (M ) − 4 det(M )
et λ2 = . Le système M X = λX, avec λ ∈ {λ1 , λ2 }
2
x
et X = ∈ M2,1 (R) fournit
y
(
ax + by = λx

b
⇐⇒ X ∈ Vect
cx + dy = λy λ−a

b b
Posons alors f (M ) = , on a bien f (M ) ∈ GL2 (R) et l’application
λ1 − a λ2 − a
f est continue car ses fonctions composantes sont continues. En outre

−1 λ1 0
f (M ) M f (M ) =
0 λ2
1.2.
elamdaoui@gmail.com 1 www.elamdaoui.com
X
1.2.1. Soit M ∈ Mn (R), on pose M = mij Eij avec (Eij )16i,j6n est la base canonique
16i,j6n
de Mn (R). On a
X X
AM = αk mij Ekk Eij = αi mij Eij
16k,i,j6n 16i,j6n
et
X X
MA = αk mij Eij Ekk = αj mij Eij
16k,i,j6n 16i,j6n
2
Donc AM = M A équivaut à ∀i, j ∈ [[1, n]] , αi mij = αj mij équivaut à ∀i 6= j ∈
2
[[1, n]] , mij = 0. Ainsi C (A) est l’ensemble de matrices diagonales
1.2.2. L’égalité U AU −1 = V AV −1 équivaut à V −1 U A = AV −1 U ou encore équivaut à
V −1 U ∈ C (A). Avec C (A) égale l’ensemble des matrices diagonales
1.3. Notons Mi la ième colonne de M et posons D = diag (d1 , · · · , dn )
P −1 M P = D ⇐⇒ M P = P D
⇐⇒ ∀i ∈ [[1, n]] , [M P ]i = [P D]i
⇐⇒ ∀i ∈ [[1, n]] , M Pi = P Di
⇐⇒ ∀i ∈ [[1, n]] , M Pi = di Pi
⇐⇒ ∀i ∈ [[1, n]] , Pi −
→ de M associé à la vp d
vp i
Partie II
2.1. On montre que On (R) est un sous-groupe de GLn (R)

– On (R) ⊂ GLn (R), In ∈ On (R) .
– Soient A, B ∈ On (R).
AB est inversible et (AB)−1 = B −1 A−1 = t B t A = t (AB) donc AB ∈ On (R).
– Soit A ∈ On (R).
−1 −1 t
A−1 est inversible et A−1 = (t A) = (A−1 ) donc A−1 ∈ On (R).
Donc On (R) est un sous-groupe de (GLn (R), ×).
SOn (R) est le noyau de morphisme de groupes det, donc c’est un sous-groupe de On (R)

a −b
2.2. Soit M = ∈ M2 (R) tel que a2 + b2 = 1, on a bien
b a
t
M M = I2 et det(M ) = a2 + b2 = 1
Donc M ∈ SO2 (R).

a c
Inversement soit M = ∈ SO2 (R), les relations t M M = I2 et M t M = I2 entraînent
b d
(
a2 + b 2 = 1
le système et le calcul du déterminant de M donne ad − bc = 1, ainsi on
c2 + d2 = 1
obtient
2 2
(a − d) + (b + c) = a2 + d2 + c2 + b2 + 2 (bc − ad) = 0
Donc d = a et c = −b
2.3.
2.3.1. Φ est continue car ses fonctions composantes sin et cos sont continues
2.3.2. Soit θ ∈ R, d’après la question 2.2., la matrice Φ(θ) appartient à SO2 (R). Ainsi la
première inclusion Φ (R) ⊂ SO2 (R).
Inversement soit M ∈ SO2 (R), d’après la question 2.2., il existe a, b ∈ R tels que

a −b
a2 + b2 = 1 et M = . Mais l’égalité a2 + b2 = 1 assure l’existence d’un réel
b a

cos θ − sin θ
θ ∈ R tel que a = cos θ et b = sin θ et par suite M = = Φ (θ). On en
sin θ cos θ
déduit la deuxième inclusion SO2 (R) ⊂ Φ (R)
2.3.3. SO2 (R) = Φ (R) est l’image de R, qui est connexe par arcs, par une application
continue, donc c’est un connexe par arcs
2.4. Le groupe SOn (R) est connexe par arcs pour n > 3
2.4.1. U ∈ SOn (R) si, et seulement, si det(U ) = 1. Or
r
Y
det(U ) = det P −1 U P = det (−Iq ) det (Φ (θi )) = (−1)q

i=1
Cette dernière valeur vaut 1 si, et seulement, si q est pair

2.4.2. Soit U ∈ SOn (R) \ {In }
(i) On écrit  
Ip 0 ··· ··· 0
 .. .. 
0
 −Iq . . 

t
. .. .. ..
 ..
PUP =  . Φ (θ1 ) . .


.
.. ..

.
. . . 0 

0 ··· ··· 0 Φ (θr )
On ne peut pas avoir à la fois r = 0 et q = 0 car U 6= In . Ainsi si q = 0 c’est fini,
sinon q est pair et la matrice −Iq peut s’exprimer par blocs
−I2 (0)
 
 −I2 
−Iq =   ∈ Mq (R)
 
 . .. 
(0) −I2

−1 0
Puisque −I2 = = Φ (π), on prend alors φ1 = · · · = φ q2 = π et on
0 −1
change d’indice pour obtenir l’expression demandée
(ii) Il est clair que Γ à valeurs dans SOn (R) et que Γ(0) = In et Γ(1) = U . L’appli-
cation
Ip 0 ··· 0
 
 .. .. 
 0 Φ (tθ1 ) . . 
t ∈ [0, 1] 7−→ 
.
 ∈ SOn (R)
 .. .. .. 
. . 0 
0 ··· 0 Φ (tθs )
est continue car ses composantes son continues à savoir les identités de R et les
fonctions t ∈ [0, 1] 7−→ cos (tθi ) et t ∈ [0, 1] 7−→ sin (tθi ). En outre
A ∈ SOn (R) 7−→ P At P
est continue, car c’est la restriction d’une application linéaire en dimension finie.
Ainsi par composition Γ est continue sur [0, 1]
2.4.3. Soient U1 , U2 , ∈ SOn (R).
– Si l’une des matrices U1 ou U2 égale In , c’est fini
– Sinon, soit Γ1 ( resp Γ2 ) le chemin défini auparavant joignant In et U1 ( resp In et
U2 ). On considère l’application Γ définie sur [0, 1] par
Γ1 (1 − 2t) si t ∈ [0, 12 ]

Γ(t) =
Γ2 (2t − 1) si t ∈ [ 12 , 1]
Γ est continue sur [0, 1] à valeurs dans SOn (R) et elle vérifie Γ(0) = U1 et Γ(1) = U2
2.5. Soit A ∈ Mn (R)

2.5.1. L’application M 7−→ t M est linéaire de en dimension finie, donc elle est continue sur
Mn (R)
2.5.2. Notons que pour tout U ∈ SOn (R), U −1 = t U , donc l’application U 7−→ U −1 est
continue sur SOn (R) car elle est la restriction d’une application continue
2.5.3. L’application X ∈ Mn (R) 7−→ X, t X est continue car elle est linéaire en dimension

finie. De plus l’application (X, Y ) ∈ Mn2 (R) 7−→ XAY est bilinéaire en dimension
finie, donc elle est continue, puis par composition
X ∈ Mn (R) 7−→ XAt X ∈ Mn (R)
est continue sur Mn (R). Puisque SOn (R) est connexe par arcs et pour tout U ∈
SOn (R), t U = U −1 , alors l’ensemble considéré est l’image d’un connexe par arcs par
une application continue donc il s’agit d’un connexe par arcs
Partie III
3.1.
3.1.1 D’après la question 1.3. les colonnes de f2 (M ) sont les vecteurs propres de M . Par
hypothèse les valeurs propres de M sont simples. Notons λi la valeur propre associé à
Ci (M ) où i ∈ {1, 2}. D’une part, on a
t
C1 (M ) M C2 (M ) = λ2 t C1 (M ) C2 (M )
Et d’autre part
t t
C1 (M ) M C2 (M ) = (M C1 (M ))C2 (M ) = λ1 t C1 (M ) C2 (M )
Donc λ1 < C1 (M ) , C2 (M ) >= λ2 < C1 (M ) , C2 (M ) >, et comme λ1 6= λ2 alors

< C1 (M ) , C2 (M ) >= 0
C1 (M ) C2 (M )
3.1.2 Les deux vecteurs colonnes et constitue une famille orthonor-
k C1 (M ) k k C2 (M ) k
mée, donc la matrice considérée est orthogonale
3.1.3 On a α (M ) = ±1, la matrice g2 (M ) est orthogonale et det (g2 (M )) = α2 (M ) = 1,
donc g2 (M ) ∈ SO2 (R)
3.1.4 Les fonctions C1 et C2 sont continues : Elles sont les composantes de f2 vue comme
applications de M2 (R) à valeurs dans M2,1 (R) × M2,1 (R). Par composition M 7−→
k Ci (M ) k est continue et elle ne s’annule pas surU2 , donc les deux fonctions
M 7−→
Ci (M ) C1 (M ) C2 (M )
sont continues. Enfin α : M 7−→ det , est conti-
k Ci (M ) k k C1 (M ) k k C2 (M ) k
nue car det : M2,1 (R) × M2,1 (R) −→ R est bilinéaire. Ainsi g2 est continue. Pour
C1 (M ) C2 (M )
M U2 ∩ S2 (R), les vecteurs α(M ) et sont propres de M et ils
k C1 (M ) k k C2 (M ) k
constituent les vecteurs colonnes de g2 (M ), alors , d’après la question 1.3., la matrice
−1
g2 (M ) M g2 (M ) est diagonale

α 0
3.2. On considère une matrice diagonale B = ∈ M2 (R), avec α 6= β
0 β
3.2.1. Soit A ∈ SB , alors A est semblable à B, donc elle admet deux valeurs propres distinctes
et par suite A ∈ U2 . En outre pour toute matrice U ∈ SO2 (R), on a U −1 = t U et
t t
U Bt U = t U t Bt U = U Bt U
Donc U BU −1 ∈ S2 (R)
−1
3.2.2. Le résultat de la question 3.1.4. affirme que la matrice h2 (M ) M h2 (M ) est dia-
−1
gonale. De plus la matrice M est semblable aux deux matrices B et h2 (M ) M h2 (M ),
−1 −1
alors par transitivité h2 (M ) M h2 (M ) et B sont semblables. La matrice h2 (M ) M h2 (M )
est diagonale dont les éléments de la diagonale sont α et β, doncil n’y a que deux
−1 β 0
valeurs possibles de h2 (M ) M h2 (M ) qui sont B et B ′ =
0 α
−1
3.2.3. L’application M 7−→ h2 (M ) M h2 (M ) est continue sur le connexe par arcs à valeurs
dans {B, B ′ }, avec B 6= B ′ , donc elle est constante, car sinon {B, B ′ } sera connexe
par arcs dans M2 (R), ce qui est absurde

β 0
3.2.4. Si la constante vaut B c’est fini, sinon h2 (M )−1 M h2 (M ) = . Dans un tel cas
0 α
la première ( resp deuxième ) colonne de h2 (M ) est un vecteur propre de M associé à la
valeur propre β (resp α), alors pour obtenir B il faut permuter les colonnes de h2 (M ).
C2 (M )
On redéfinit g2 (M ) comme étant la matrice dont la première colonne α(M )
k C2 (M)k
C2 (M ) C2 (M ) C1 (M )
et dont la deuxième colonne , avec α(M ) = det ,
k C2 (M ) k k C2 (M ) k k C1 (M ) k
3.3
−1
3.3.1. Soit U ∈ SO2 (R) et posons M = U BU −1 , la relation h2 (M ) M h2 (M ) = B donne
−1
h2 (M ) U BU −1 h2 (M ) = B, soit
−1 −1
h2 (M ) U B = Bh2 (M ) U
−1
La matrice B vérifie les conditions de la question 1.2. et h2 (M ) U une matrice com-
mutant avec B, donc d’après la question 1.2.1. la matrice h2 (M )−1 U est diagonale.

−1 −1 cos θ − sin θ
h2 (M ) U ∈ SO2 (R), alors il existe θ ∈ R tel que h2 (M ) U = et
sin θ cos θ
puisque elle est diagonale, alors sin θ = 0, soit θ ≡ 0 [π], en conséquence
−1
h2 (M ) U = ±I2
3.3.2. Les deux applications ϕ2 et ψ2 sont bien définies.

– Pour U ∈ SO2 (R), on a :
−1
ψ2 ◦ ϕ2 (U ) = ψ2 U BU −1 , h2 U BU −1 U
−1
= h2 U BU −1 h2 U BU −1

U
= U
Donc ψ2 ◦ ϕ2 = idSO2 (R)

– Soit (M, D) ∈ SB × {−I2 , I2 }, on a :
ϕ2 ◦ ψ2 (M, D) = ϕ2 (h2 (M ) D)

−1
= MB , h2 (MB ) h2 (M ) D
Avec
−1
MB = h2 (M ) DBD−1 h2 (M )
−1
= h2 (M ) Bh2 (M )
= M
Il vient que

−1
ϕ2 ◦ ψ2 (M, D) = M, h2 (M ) h2 (M ) D = (M, D)
Donc ϕ2 ◦ ψ2 = idSB ×{−I2 ,I2 }
Donc les applications ϕ2 et ψ2 sont des bijections réciproques l’une de l’autre

3.3.3. L’application U 7−→ h2 U BU −1 est continue sur SO2 (R) à valeurs dans SO2 (R),

−1
d’après la question 2.5.2. l’application U 7−→ h2 U BU −1 est continue sur
−1
SO2 (R). Puis U 7−→ h2 U BU −1

U et par composition par la trace qui est linéaire
en dimension finie, alors la fonction considérée est continue sur SO2 (R) à valeurs
dans R.
−1 −1
3.3.1,

D’après
la question pour tout U ∈ SO 2 (R), h 2 U BU U = ±I2 , donc
−1 −1
U ∈ {−2, 2}. La question 3.3.2 montre que ϕ est une bijection,

Tr h2 U BU
donc I2 et −I2 admettent des antécédents, donc l’ensemble des valeurs prises est
exactement {−2, 2}
3.3.4. SO2 (R) est connexe par arcs dont l’image, par une application continue, égale {−2, 2}
qui n’est pas connexe. Ce qui est absurde. Donc une telle fonction f2 n’existe pas
Partie IV
4.1.
4.1.1 D’après la question 1.3. les colonnes de fn (M ) sont les vecteurs propres de M . Par
hypothèse les valeurs propres de M sont simples. Notons λi la valeur propre associé à
Ci (M ) où i ∈ [[1, n]]. D’une part, on a pour tout i, j ∈ [[1, n]] tels que i 6= j :
t
Ci (M ) M Cj (M ) = λj t Ci (M ) Cj (M )
Et d’autre part
t t
Ci (M ) M Cj (M ) = (M Ci (M ))Cj (M ) = λi t Ci (M ) Cj (M )
Donc λi < Ci (M ) , Cj (M ) >= λj < Ci (M ) , Cj (M ) >, et comme λi 6= λj alors

< Ci (M ) , Cj (M ) >= 0. Ainsi la famille (C1 (M ), · · · , Cn (M )) est orthogonale,
et
C1 (M ) Cn (M )
puisqu’elle est sans vecteur nul, donc la famille ,··· , est
k C1 (M ) k k Cn (M ) k
orthonormale dans Mn,1 (R) qui est de dimension n, donc c’est une BON
4.1.2 On a α (M ) = ±1, la matrice gn (M ) est orthogonale car la famille constituée de
ses vecteurs colonnes est orthonormée, en outre det (gn (M )) = α2 (M ) = 1, donc
gn (M ) ∈ SOn (R)
4.1.3 Les fonctions (Ci )ni=1 sont continues : Elles sont les composantes de fn vue comme
n
applications de Mn (R) à valeurs dans Mn,1 (R) . Par composition pour tout
i ∈ [[1, n]], l’application M 7−→ k Ci (M ) k est continue et elle ne s’annule pas
Ci (M )
sur Un , donc les fonctions M 7−→ sont continues. Enfin α : M 7−→
k Ci (M ) k
Ci (M ) Cn (M )
det ,··· , est continue car det : Mn,1 (R)n −→ R est multi-
k Ci (M ) k k Cn (M ) k
C1 (M )
néaire. Ainsi gn est continue. Pour M ∈ Un ∩ Sn (R), les vecteurs α(M ) ,
k C1 (M ) k
C2 (M ) Cn (M )
,··· sont propres de M et ils constituent les vecteurs colonnes
k C2 (M ) k k Cn (M ) k
−1
de gn (M ), alors , d’après la question 1.3., la matrice gn (M ) M gn (M ) est diagonale
4.2. On considère une matrice diagonale A = diag (α1 , · · · , αn ), avec α1 , · · · , αn deux à deux
distincts
4.2.1. Soit M ∈ SA , alors M est semblable à A, donc elle admet n valeurs propres distinctes
et par suite M ∈ Un . En outre pour toute matrice U ∈ SOn (R), on a U −1 = t U et
t t
U At U = t U t At U = U At U
Donc U AU −1 ∈ Sn (R)
−1
4.2.2. Le résultat de la question 3.1.4. affirme que la matrice hn (M ) M hn (M ) est diago-
−1
nale. De plus la matrice M est semblable aux deux matrices B et hn (M ) M hn (M ),
−1
alors par transitivité hn (M ) M hn (M ) et B sont semblables. Donc il n’y a que
n! valeurs possibles de hn (M )−1 M hn (M ) qui sont diag ασ(1) , · · · , ασ(n) , avec σ

parcourt le groupe symétrique Gn

4.2.3. L’application M 7−→ hn (M )−1 M hn (M ) est continue sur le connexe par arcs à va-

leurs dans {diag ασ(1) , · · · , ασ(n) , σ ∈ Gn }, donc elle est constante, car sinon

{diag ασ(1) , · · · , ασ(n) , σ ∈ Gn } sera connexe par arcs dans Mn (R), ce qui est
absurde
4.2.4. Il existe σ ∈ Gn tel que hn (M )−1 M hn (M ) = diag ασ(1) , · · · , ασ(n) . On redéfinit la

Ck (M )
matrice dont la ième colonne est le vecteur associé à la valeur propre αi ,
k Ck (M ) k
puis α(M ), comme auparavant, le déterminant de cette matrice construite et enfin
gn (M ) la matrice obtenue de cette dernière en multipliant sa première colonne par
α(M )
4.3
−1
4.3.1. Soit U ∈ SOn (R) et posons M = U AU −1 , la relation hn (M ) M hn (M ) = A donne
−1
hn (M ) U AU −1 hn (M ) = A, soit
−1 −1
hn (M ) U A = Ahn (M ) U
−1
La matrice A vérifie les conditions de la question 1.2. et hn (M ) U une matrice
−1
commute avec A, donc d’après la question 1.2.1. la matrice hn U AU −1 U est
diagonale.
( n
)
Y
4.3.2. Dn = diag (ε1 , · · · , εn ) , εi ∈ {−1, 1} et εi = 1 est un ensemble fini car
i=1
−→ {−1, 1}n

Dn
ϕ:
diag (ε1 , · · · , εn ) 7−→ (ε1 , · · · , εn )
est injective et {−1, 1}n un ensemble fini de cardinal 2n .

Le cardinal de Dn est le nombre de n-uplets (ε1 , · · · , εn ) de {−1, 1}n pour les-
Yn
quels εi = 1, qui vaut aussi le nombre de n-uplets (ε1 , · · · , εn ) de {−1, 1}n
i=1
qui contiennent un nombre pair de composantes valant −1, ce nombre vaut
X
Cn2s = 2n−1 , donc Card (Dn ) = 2n−1
062s6n
4.3.3. Les deux applications ϕn et ψn sont bien définies.
– Pour U ∈ SOn (R), on a :
−1
ψn ◦ ϕn (U ) = ψn U AU −1 , hn U AU −1 U
−1
= hn U AU −1 hn U AU −1

U
= U
Donc ψ2 ◦ ϕ2 = idSOn (R)

– Soit (M, D) ∈ SB × Dn , on a :
ϕn ◦ ψn (M, D) = ϕn (hn (M ) D)

−1
= MA , hn (MA ) hn (M ) D
Avec
−1
MA = hn (M ) DAD−1 hn (M )
= hn (M ) Ahn (M )−1
= M
Il vient que

−1
ϕn ◦ ψn (M, D) = M, hn (M ) hn (M ) D = (M, D)
Donc ϕn ◦ ψn = idSB ×Dn

Donc les applications ϕ2 et ψ2 sont des bijections réciproques l’une de l’autre
4.3.4. D’après la question 4.1.3 l’application U 7−→ hn U AU −1 est continue sur SOn (R) à

−1
valeurs dans SOn (R), d’après la question 2.5.2. l’application U 7−→ hn U BU −1
−1
est continue sur SOn (R). Puis U 7−→ hn U BU −1 U et par composition par la
trace qui est linéaire en dimension finie, alors la fonction considérée est continue sur
SO2 (R) à valeurs dans R.
−1
D’après
la question 4.3.3.
pour tout U ∈ SOn (R), hn U BU −1 U ∈ Dn , donc
−1 −1
U ∈ Tr (Dn ). La question 4.3.3. montre que ϕn est une bijection,

Tr hn U BU
donc tout élément de Dn admet un antécédent, donc l’ensemble des valeurs prises est
exactement Tr (Dn )
4.3.5. SOn (R) est connexe par arcs dont l’image par une application continue égale Tr (Dn ),
qui n’est pas un intervalle, qui n’est pas connexe. Ce qui est absurde, car les connexes
par arcs de R sont les intervalles. Donc une telle fonction fn n’existe pas

Préparation Aux Concours 2021 MP2 AGADIR 2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Préparation Aux Concours 2021 MP2 AGADIR 2

Transféré par

Droits d'auteur :

Formats disponibles

MP2-AGADIR Préparation Algèbres:générale -linéaires – bilinéaires et EVN.

thème 2 : Algèbres : générale -linéaires – bilinéaires et les EVN..

1 Révisions algèbre linéaire MPSI 3

2 Structures algébriques usuelles 67

3 Réduction des endomorphismes et des matrices : 99

4 Espaces vectoriels normés , espaces préhilbertiens réels ,espaces

I. espaces vectoriels - applications linéaires.

F est un sous-espace vectoriel de E si, et seulement si

f : E −→ F est linéaire (sur le corps K) si, et seulement si

∀ λ ∈ K, ∀ (x, y) ∈ E 2 , f (x + λy) = f (x) + λf (y)

On note alors L(E, F ) l’ensemble des applications linéaires de E dans F

• Si f est bijective ont dit que c’est un isomorphisme.

Rappels des principales définitions

• Im f = f (E) = {y ∈ F |∃ x ∈ E, y = f (x)} et ker f = {x ∈ E |f (x) = 0}

f ∈ L(E) est injective si, et seulement si ker f = {0}

Soit (x1 , . . . , xn ) une famille finie d’éléments de E.

1. On dit que cette famille est libre (ou linéairement indépendante) si

2. On dit qu’elle est génératrice de E si E = vect(x1 , x2 , . . . , xn ) c’est-à-dire

3. une base si elle est libre et génératrice.

Soit E de dimension n ̸= 0 et soit p ∈ [[ 1, n − 1 ]]. Soit (e1 , . . . ep ) une famille libre.

• Une famille génératrice à au moins n éléments.

• Une famille libre avec exactement n éléments est une base.

Pour montrer que (e1 , . . . , en ) est une base de E :

• Si on ne connaît pas la dimension de E, montrer que (e1 , . . . , en ) est libre et génératrice .

• Montrer que detβ (e1 , . . . , en ) ̸= 0 où β est une base de E.

• Montrer que (e1 , . . . , en ) est libre.

Soit (xi )i∈I une famille de vecteurs du K-espace vectoriel E.

∃K | J ⊂ K ⊂ I et B = (gi )i∈K base de E

Si E et F sont de dimension finie.

• dim E × F = dim E + dim F. Notamment dim K n = n.

On appelle rang de n vecteurs (e1 , e2 , . . . , en ) l’entier positif défini par

rg(e1 , e2 , . . . , en ) = dim vect(e1 , e2 , . . . , en )

Rappel important : Soit (e1 , e2 , . . . , eq ) des vecteurs de E

• (e1 , e2 , . . . , eq ) liée et (e1 , e2 , . . . , eq−1 ) libre alors :

• rg(e1 , e2 , . . . , eq ) = q si, et seulement si (e1 , e2 , . . . , eq ) est libre.

• rg(e1 , e2 , . . . , eq ) = dim E si, et seulement si (e1 , e2 , . . . , eq ) est génératrice de E

Soit F et G deux sous-espaces vectoriels de E. On appelle somme de F et G, l’ensemble

On dit que la somme F + G est directe si ∀ (f, g) ∈ F × G, f + g = 0 =⇒ f = g = 0.

2. F et G sont en somme directe.

On dit que F et G sont supplémentaires dans E si E = F ⊕ G ou encore

En dimension finie, tout sous-espace vectoriel de F , admet un supplémentaire.

démonstration : Si F = E, il suffit de poser G = {0}, et inversement G = E si F = {0}.

On rappelle au passage la relation dim(F ⊕ G) = dim F + dim G.

Soit f ∈ L(E, F ), on suppose Im f de dimension finie. On appelle rang de f , l’entier

• f surjective si, et seulement si rg f = dim F

Soit f ∈ L(E, F ) et soit deux isomorphismes h : H → E et g : F → G.

“Le rang est invariant par composition avec un isomorphisme”.

En fait, on a d’une façon plus générale rg(f ◦ g) ⩽ min(rg f, rg g) car Im f ◦ g ⊂ Im f et que

Ce théorème est fondamental :

Soient E de dimension finie et f ∈ L(E, F )

dim E = dim(ker f ) + dim(Im f ) = dim(ker f ) + rg f

Notamment dim(Im f ) ⩽ dim E (espace de départ).

Les propositions suivantes sont équivalentes :

1. f est bijective (ie :det f ̸= 0 ).

3. f est surjective (ie :Im f = F ou rg(f ) = dim E ) .

L’hypothèse dim E = dim F est notamment vérifiée pour f ∈ (E).

• Soit f ∈ L(E, F ). L’image d’une base de E par f est génératrice de Im f

Soient E1 , E2 , . . . , En des sous-espaces vectoriels d’un K-espace vectoriel E.

• Si un espace vectoriel contient

la somme est alors notée

Vous avez vu en première année que F + G = F ⊕ G ⇐⇒ F ∩ G = {0}.

La réciproque est fausse à partir de 3 sous-espaces.

Soit E est de dimension finie et E1 , . . . , En des sous-espaces vectoriels de E.

avec égalité si, et seulement si la somme est directe.