Le 15/03/2020

Résumé de cours Algébre MP*

A.CHABCHI

Contents
I Algèbre linéaire 3
A Espace vectoriel - Application linéaire . . . . . . . . . . . . . . . . 3
1 Egalité entre deux s-ev en dimension …nie : . . . . . . . . . . 3
2 Base en dimension …nie : . . . . . . . . . . . . . . . . . . . . . . 3
3 Somme directe : . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 Détermination d’une application linéaire : . . . . . . . . . . . 4
5 Formule du rang : . . . . . . . . . . . . . . . . . . . . . . . . . . 4
6 Hyperplan : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
7 Dualité en dimension …nie : (N’est plus au programme) . . 6
B Matrices : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Tout d’abord les ABC : . . . . . . . . . . . . . . . . . . . . . . . 6

2 Changement de base et de coordonnées . . . . . . . . . . . . 7

3 Matrices équivalentes : . . . . . . . . . . . . . . . . . . . . . . . 7
4 Matrices semblables : . . . . . . . . . . . . . . . . . . . . . . . . 8
5 Trace : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6 Trace d’endomorphisme : . . . . . . . . . . . . . . . . . . . . . 8
7 Déterminant en dimension …nie : . . . . . . . . . . . . . . . . . 9

II Réduction en dimension …nie 11

A Sous espace stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

B Polynôme d’endomorphisme ou de matrice . . . . . . . . . . . . . 11

1 Les ABC sur les polynômes . . . . . . . . . . . . . . . . . . . . 11
2 Décomposition des noyaux : . . . . . . . . . . . . . . . . . . . 12
3 Polynôme annulateurs et polynôme minimal . . . . . . . . . 12
C Eléments propres : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1 Polynôme annulateur : . . . . . . . . . . . . . . . . . . . . . . 13

1
 2 Endomorphisme induit : . . . . . . . . . . . . . . . . . . . . . . 13
3 Polynôme caractéristique : . . . . . . . . . . . . . . . . . . . . . 13
4 Théorème de Cayley-Hamilton : . . . . . . . . . . . . . . . . 15
D Réduction en dimension …nie . . . . . . . . . . . . . . . . . . . . . 15
1 Endomorphisme diagonalisable : . . . . . . . . . . . . . . . . 15
2 Théorèmes de diagonalisation : . . . . . . . . . . . . . . . . . . 16
3 Endomorphisme et matrice trigonalisable : . . . . . . . . . . 16
4 Théorème de trigonalisation : . . . . . . . . . . . . . . . . . . . 17
5 Réduction des symétriques : . . . . . . . . . . . . . . . . . . . . 17
6 Densité classique : . . . . . . . . . . . . . . . . . . . . . . . . . . 17

III Espace préhilbertiens 18

A Produit scalaire - Forme quadratique . . . . . . . . . . . . . . . . 18
1 Produit scalaire - norme prélilbertienne . . . . . . . . . . . . 18
2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
B Endomorphisme d’un Euclidien . . . . . . . . . . . . . . . . . . . . 21
1 Adjoint (Adhérence du programme) . . . . . . . . . . . . . . 21
2 Réduction dans le groupe orthogonal . . . . . . . . . . . . . 22
C Géométrie euclidienne de R2 et R3 : . . . . . . . . . . . . . . . . . 23
D Forme quadratique (Ne sont plus expilcitement au programme) 25
E Extension aux préhilbertiens complexe :(N’est plus au pro-
gramme) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

IV Structure 26
A Groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
B Anneau, corps, algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . 27

Abstract
Pour que ce résumé soit plus e¢ cace, il est illustré par de nombreux exemples
d’applications, ces exemples utilisent toutes les notions du programme, en cas de di¢ -
culté ils peuvent-être laissé pour une seconde lecture. Bon courage !

2
I. Algèbre linéaire
Dans la suite K désigne l’un des corps R ou C et E un K ev; u 2 L (E) et M 2
Mn (K)

A. Espace vectoriel - Application linéaire

En dimension …nie, il faut noter l’apport considérable du calcul matriciel. Ainsi un

problème linéaire présente deux aspects : L’aspect vectoriel et l’aspect matriciel, selon les
cas, on choisit l’un ces aspect, mais en général n’hésitez de passer de l’un des modes à
l’autre. Voir les nombreux exemples de ce résumé.

1. Egalité entre deux s-ev en dimension …nie :

Caractérisation : F un s-ev de E ssi F 6= ? et pour tout (x; y) 2 F et tout 2 K;
( x + y) 2 F:

Proposition 1 Deux s-ev sont égaux si et seulement si ils ont la même dimension et l’un
est contenu dans l’autre.

Exemple 2 En dimension …nie, soit u 2 L (E) ; montrer que ker (u) = ker u2 équivalent
à Im (u) = Im u2
Réponse : On sait que ker (u) ker u2 et Im u2 Im (u) ; la formule du rang
assure que dim ker (u) = dim ker u ssi dim Im (u) = dim Im u2 d’où l’équivalence
2

cherchée.

2. Base en dimension …nie :

Dé…nition 3 Base = famille libre et génératrice

Proposition 4 Si dim E = n; Une famille ayant n élément est base de E ssi elle est
libre ssi elle est génératrice.

Exemple 5 Soit (P0 ; :::; Pn ) une famille de polynômes échelonnés : deg (Pk ) = k: Mon-
trer que c’est une base de Kn [X]
réponse : La matrice de (P0 ; :::; Pn ) dans la base canonique (1; X; :::; X n ) étant tri-
angulaire supérieure dont aucun zéro sur la diagonale, donc la famille est une base.

Exemple 6 Soit u 2 L (E) un endomorphisme nilpotent d’indice p = n = dim (E) :

Montrer qu’il existe e 2 E tel que B = e; u (e) ; :::; un 1 (e) soit une base de E:
Réponse : On choisit e 2 E tel que un 1 (e) 6= 0; alors B est libre de cardinal
n = dim (E) ; c’est donc une base de E:

3. Somme directe :
p
X
Dé…nition 7 Soit Ei des s-ev de E: La somme Ei est directe si tout élément x 2
i=1
n
X n
X
Ei s’écrit de manière unique sous la forme x = xi
i=1 i=1
L
n
avec (x1 :; ; ; ; xn ) 2 E1 :::: En : Une telle somme sera notée Ei :
i=1

3
 p
X
Caratérisation : La somme Ei est directe ()
i=1
n
!
X
8 (x1 :; ; ; ; xn ) 2 E1 :::: En ; xi = 0 =) x1 = ::: = xn = 0
i=1
En particulier pour n = 2; la somme E1 + E2 est directe ssi E1 \ E2 = f 0 g :
Caractérisation en dimension …nie : !
X p Xp Xp
La somme Ei est directe () dim Ei = dim Ei :
i=1 i=1 i=1

Exemple 8 Soit p 2 L (E) un projecteur : p2 = p; avec dimension E …nie, montrer que

ker (p) et Im (p) sont supplémentaire.
Réponse : Tout vecteur s’écrit : x = (x p (x)) + p (x) avec (x p (x)) 2 ker (p) et
p (x) 2 Im (p) : De plus leur intersection est réduite au vecteur nul. D’où le résultat.

4. Détermination d’une application linéaire :

Image d’une base : Soit (ei )i2I une base de E et (fi )i2I une famille de vecteurs
de F; alors il existe une unique application linéaire u de E vers F véri…ant :
8 i 2 I; u (ei ) = fi : Autrement dit, une application linéaire est entièrement déter-
minée par les images des éléments d’une base.
Ainsi deux applications linéaires sont égales sur E si et seulement si elles coïncident
sur les éléments d’une base de E:

Exemple 9 Soit u 2 L (E) un endomorphisme cyclique : Càd l’espace E admet une

base de la forme B = e; u (e) ; :::; un 1 (e) : Montrer qu’un endomorphisme v 2 L (E)
commute avec u est entièrement déterminé par v(e): ( Raisonner sur les éléments de la
n
X1
k
base B): En déduire que v est un polynôme en u : Pour cela poser v (e) = k u (e) et
k=0
n
X1
k
montrer que v = ku en remarquant que ces deux endomorphismes coincident sur la
k=0
base B:
L
n
Par restriction : On suppose que E = Ei et on se donne ui 2 L (Ei ; F ) pour
i=1
tout i 2 f1; :::; ng : Alors il existe une unique application linéaire u de E vers F véri…ant :
8 i 2 f1; :::; ng ; ui soit la restriction de u sur Ei : Autrement dit, une application linéaire
est entierement déterminée par ses restriction sur les Ei : Ainsi deux applications linéaires
sont égales sur E si et seulement si leurs restrictions sur tout les Ei sont égales.

Exemple 10 Soit u 2 L (E) un endomorphisme diagonalisable et v 2 L (E) un autre

endomorphisme. Montrer que u v = v u si et seulement si v laisse stable tout les
sous-espaces
L propres E (u) de u: Pour le sens indirect, puisque u est diagonalisable on
aE= E (u) ; puis montrer facilement que u v et v u coincident sur les sous-
2Sp(u)
espaces propres E (u) de u:

5. Formule du rang :

Si u 2 L (E; F ) où dimension de E …nie, alors dim E = rg (u) + dim ker (u)

Conséquence : Si dim E = dim F alors on a :

4
 u est inversible () u est injective () u est surjective

Exemple 11 En dimension n; si u 2 L (E) tel que rg (u IdE ) = p 1; alors

est valeur propre de u de multiplicité m n p : en e¤ et selon la formule du rang
dim E (u) = dim ker (u IdE ) = n rg (u IdE ) = n p; et on sait que pour toute
valeur propre dim E (u) m :

Exemple 12 En dimension …nie, soit u 2 L (E) avec dim ker (u) = m; montrer que pour
tout k 2 N; dim ker uk+1 dim ker uk m:
Réponse : On montrer facilement que u ker uk+1 ker uk ; soit v : ker uk+1 !
k k+1
ker u la restriction de u sur ker u ; on sait que ker (v) = ker uk+1 \ ker (u) =
ker (u) par croissance de la suite des noyaux itérés. Par application de la formule du rang
à v; on obtient : dim ker uk+1 = dim ker (u) + rg (v) m + dim ker uk d’où le résultat:
(Utiliser surtout pour les endomorphismes nilpotents)

Exemple 13 Soit A 2 An (R) une matrice antisymétrique réelle, montrer que le rang de
A est pair.
Réponse : On munit Rn de sa structure euclidienne canonique, et soit u 2 L (Rn )
l’endomorphisme canonique associé à A: on a : u = u; où u désigne l’adjoint de u:
On sait que Im (u) est stable par u; soit alors v l’endomophisme induit par u sur l’image.
?
D’une part on a ker v = ker u \ Im u = ker u \ Im u = (Im u) \ Im (u) = f0g ; ainsi
v injective et par dimension bijective. D’autre part v = v donc det (v ) = det (v) =
rg(u) rg(u)
( 1) det (v) ; d’où ( 1) = 1; càd le rang de u est pair.

Exemple 14 Soit A; B 2 Mn (C) qui commutent, montrer que A et B ont un vecteur

propre commun.
Réponse : Soit u et v les endomorphismes de Cn associés respectivement à A et B:
on a Xu est scindé dans C [X] ; donc u admet une valeur propre complexe : Puisque
uv = vu; alors E (u) est stable par v: Soit w l’endomorphisme induit par v sur E (u) ;
puisqu’on travaille dans C; alors w admet un vecteur propre x = (x10
; :::; xn )1: Ainsi x est
x1
B .. C
vecteur propre commun à u (car x 2 E (u)) et v: Par suite X = @ . A est vecteur
xn
propre commun à A et B:

6. Hyperplan :
Dé…nition 15 C’est un s-ev de codimension 1 : cad admet un supplémentaire de dimen-
sion 1.

C’est aussi le noyau d’une forme linéaire non nulle .

Exemple 16 H = f 2 C 0 ([ 1; 1] ; R) = f (0) = 0 est un hyperplan de C 0 ([ 1; 1] ; R) :

Exemple 17 H = fM 2 Mn (R) = T r (AM ) = 0g est un hyperplan de Mn (R) où A une

matrice …xé de Mn (R) :

Proposition : Deux formes linéaires non nulles ont le même noyau ssi elles sont
liées. (proportionnelles)

5
7. Dualité en dimension …nie : (N’est plus au programme)
dim E = n et E = L (E; K) l’espace des formes linéaires sur E:

1. Base duale et préduale : (N’est plus au programme)

(a) Si B = (e1 ; :::; en ) base de E alors 9 !B = ( 1 ; :::; n) base de E telle que :

8 i; j 2 f1; :::; ng ; i (ej ) = ij
(b) Si C = ( 1 ; :::; n ) base de E alors 9 !C = (e1 ; :::; en ) base de E telle que :
8 i; j 2 f1; :::; ng ; i (ej ) = ij :

Dans ce cas, B dite base duale de B et C dite base antéduale de C :

2. Applications attachées : La dualité peut-être pratique pour montrer qu’une

famille de formes linéaires ou de vecteurs est une base :
E ! Kn
(a) B = (e1 ; :::; en ) base de E () u : est un isomor-
7 ! ( (e1 ) ; ::: (en ))
phisme.
(cad ker = f0g : la seule forme linéaire qui annule (e1 ; :::; en ) est la forme NULLE)
E ! Kn
(b) C = ( 1 ; :::; n) base de E () u : est un isomor-
x 7 ! ( 1 (x) ; ::: n (x))
phisme.
(cad ker u = f0g : le seule vecteur qui est annulé par ( 1 ; :::; n) est le vecteur NUL)

Exemple 18 Soit x0 ; :::; xn des réels deux à deux distincts, soit i et i les formes
linéaires dé…nies sur R2n+1 [X] par i (P ) = P (xi ) et i (P ) = P 0 (xi ) : Montrer que
la famille C = ( 0 ; :::; n ; 0 ; :::; n ) est une base du dual (R2n+1 [X]) :
R2n+1 [X] ! R2n+2
Réponse : u : ; u est clairement linéaire,
P 7 ! ( 0 (P ) ; ::: n (P ) ; 0 (P ) ; :::; n (P ))
si P 2 ker (u) alors P admet les xi comme racines au moins double, donc P admet (2n + 2)
racines, or deg (P ) 2n + 1; ainsi P = 0: u est alors injective, par dimension c’est un
isomorphisme, ainsi la famille C est une base de (R2n+1 [X]) :

Multiplicateurs de Lagrange : Soit 1 ; :::; p; 2 E des formes linéaires sur E;

T
p
alors ker i ker () 2 vect 1 ; :::; p
i=1

B. Matrices :
1. Tout d’abord les ABC :

n X
X n
dim Mn (K) = n2 ; avec la base canonique (Eij )1 i;j n et M = mij Eij ;
i=1 j=1
Eij Ekl = jk Eil

il faut maîtriser les opérations algébriques sur les matrices, surtout le produit :
n
X
(AB)ij = Aik Bkj (Produit de la ième ligne A par la jième colonne de B)
k=1

6
 If faut savoir former la matrice d’une application linéaire dans des bases données.
La kième colonne est formé des coordonnée de ....
Le rang d’une matrice : rg (A) = rg (C1 ; :::; Cn ) = rg (L1 ; :::; Ln ) = rg (t A) ; où les
Ci les colonnes de A; les Li ses lignes.
Les produits de matrices dé…nies par blocs,...ETC
n (n + 1) n (n 1)
dim Sn (R) = (matrices symétriques) et dim An (R) = ( anti-
2 2
symétriques)

Exemple 19 Déterminer les matrices M = (mij ) 2 Mn (K) qui commutent avec toute
les matrices N 2 Mn (K) :
n
X
2
Réponse : Il su¢ t que M Eij = Eij M pour tout (i; j) 2 f1; :::; ng ; donc mki Ekj =
k=1
n
X mij = 0 pour i 6= j
mjk Eik ; donc pour
mii = mjj pour tout (i; j)
k=1
Donc M = In est matrice scalaire ( une homothétie). La réciproque de ce fait est
triviale.

2. Changement de base et de coordonnées

Soit u 2 L (E) ; avec dim E = n; soit B = (e1 ; :::; en ) et B 0 = (e01 ; :::; e0n ) deux bases
X n Xn
de E et P la matrice de passage de B à B 0 ; soit x = xk ek = x0k e0k 2 E: On note
0 1 0 0 1 k=1 k=1
x1 x1
B C B C
X = @ ... A et X 0 = @ ... A ; alors on a :
xn x0n

X = P X 0 et M atB 0 (u) = P 1
M atB (u) P

3. Matrices équivalentes :
Dé…nition 20 M et N 2 Mn;p (K) équivalentes s’il existe P 2 GLn (K) et Q 2 GLp (K)
inversibles telles que : M = P N Q

Caractérisation : M et N 2 Mn (K) équivalentes ssi elles ont le même rang ssi

elles représentent la même application linéaire dans des bases bien choisies. On a alors les
résultats suivants :

Ir 0
rg (M ) = r si et seulement si M est équivalente à Jr =
0 0
Le rang se conserve par produit à gauche ou à droite par une matrice inversible.
Une matrice A est de rang r lorsqu’elle admet une sous matrice extraite de taille r
inversible et toute les matrices extraites de taille r + 1 sont non inversibles
Une matrice A 2 Mn (K) ; rg (A) = 1 () A = X t Y; avec X; Y 2 Mn;1 (K) ; X; Y 6=
0

7
4. Matrices semblables :
1
Dé…nition 21 M et N semblable s’ il existe P inversible telle que : M = P NP

Invariant de similitude: Deux matrices semblables ont le même rang, la même

trace, le même det, le même spectre, le même polynôme caractéristique. Ainsi le det, la
trace, le rang, le spectre et le polynôme caractéristique sont appelès des invariants de
similitude.

Exercice 22 Classique : Pour n 3; M; N 2 Mn (K) sont semblables () M = N

et XM = XN : Retour faux pour n 4:

Caractérisation : M et N semblables ssi elles elles représentent le même en-

domorphisme dans des bases bien choisies.

Exemple 23 Soit M 2 M3 (K) nilpotente : M 3 = 0 et M 2 6= 0; Montrer que

0 d’indice 31
0 1 0
est semblable à la réduite de Jordan T = @ 0 0 1 A
0 0 0
Réponse : Soit u 2 L K l’endomophisme canonique associé à M; on a u3 = 0 et
3

u 6= 0: Soit e 2 K3 tel que u2 (e) 6= 0: On véri…e simplement que B = u2 (e) ; u (e) ; e

2

est famille libre de 3 élements, donc base de K3 ; et M atB (u) = T: Ainsi M et T sont
semblables puisqu’elles représentent le même endomorphisme.

Exercice 24 (classique) : Deux martices réelles semblables dans Mn (C) le sont aussi
dans Mn (R) : Ecrire P = P1 + iP2 et chercher une matrice de passage réelle de la forme
P1 + tP2 .

5. Trace :
C’est une forme linéaire sur Mn (K) ; véri…ant :

n X
X n
1 t 2
T r (M N ) = T r (N M ) ; T r P M P = T r (M ) ; T r MM = jmij j
i=1 j=1

6. Trace d’endomorphisme :
Dé…nition 25 Si u 2 L (E) avec dim E = n 1; alors T r (u) = T r (matB (u)) où B
est une base quelconque de E:

Calcul de la trace : Si B = (e1 ; :::; en ) base de E,

n
X
alors T r (u) = (composante de u (ei ) sur ei ) , la trace de u est la somme des
i=1
composantes des u (ei ) sur ei :

Mn (K) ! Mn (K)
Exemple 26 Application : On considère l’endomorphisme u : ;
M 7 ! AM
calculer T r (u) :

8
 Réponse : Soit B = (Eij )1 i;j n la base canonique de Mn (K) ; alors u (Eij ) =
Xn X n n
X
AEij = apq Epq Eij = api Epj ; donc la composante de u (Eij ) sur Eij est aii :
p=1 q=1 p=1
n X
X n
Ainsi T r (u) = aii = nT r (A) :
i=1 j=1

7. Déterminant en dimension …nie :

X Q
n
Dé…nition 27 Si A = (aij )ij 2 Mn (K) ; alors det (A) = "( ) ai (i) ; où Sn
2Sn i=1

désigne le groupe symétrique et " ( ) désigne la signature de la permutation :

Si u 2 L (E) ; det (u) = det (M atB (u)) ; avec B base quelconque de E:

C’est une formule théorique, s’utilise rarement. mais reste utile par exemple montrer
que pour M 2 Mn (K) :
n
– Le polynôme caractéristique XM (X) = ( 1) det (M XIn ) = X n tr (M ) X n 1
+
n
:::: + ( 1) det (M ) :
– det (In + xM ) = 1 + xT r (M ) + O x2 (Oral Mines)

n
X i+k
Développement de det(A) selon sa kième colonne : det (A) = ( 1) aik ik ,
i=1
où ik désigne le déterminant de la matrice de taille (n 1) obtenue à partir de A en
éliminant la ième ligne et la kième colonne. ik le mineur d’ordre (i; k) :Pratique
pour calculer des valeurs propres à partir du polynôme caractéristique.
n
X i+k
Développement de det(A) selon sa kième ligne : det (A) = ( 1) aki ki .
i=1

Le det est une fonction n linéaire alternée en fonctions des colonnes (ou des lignes)
de A:
– Ne change pas en ajoutant à une colonne (resp une ligne) une combinaison
linéaire des autres colonnes (resp lignes) de A:
n
– det ( A) = det (A) ; où n la taille de A:
det (t A) = det (A) ; det (AB) = det (A) det (B)
t
1 com (A)
A inversible () det (A) = 0; dans ce cas A = ; avec com (A) =
det (A)
i+j
( 1) ij ; avec ij le mineur d’ordre (i; j) :

Exemple 28 Montrer que A 7 ! A 1 est de classe C 1 sur GLn (K) :

Réponse : Soit A = (aij ) ; les coe¢ cients de A 1 sont des fonctions rationnelles en
les aij ; avec un dénominateur valent det(A) ne s’annulant jamais, donc de classe C 1 sur
GLn (K).

9
Exemple 29 Montrer que le groupe des matrices inversibles GLn (K) est un ouvert dense
dans Mn (K)
Réponse : GLn (K) ouvert car image réciproque de l’ouvert K par la fonction det qui
est continue.
1 1
Dense car toute matrice M = lim M In ; avec M In 2 GLn (K) pour
p!+1 p p
p N car le spectre de M est FINI.

Exemple 30 Soit M 2 Mn (K) ; Montrer que le polynôme caractéristique t 7 ! XM (t)

0 n+1
est dérivable en 0 et que XM (0) = ( 1) T r (com (M )) ; où com (M ) désigne la coma-
trice de M:
Réponse : On dérive un déterminant colonne par colonne.

Déterminants particuliers :
Q
n
– Si A = (aij ) est triangulaire, alors det (A) = aii : Valable en particulier
i=1
pour A diagonale.
A B
– Matrice triangulaire par blocs : det = det (A) det (C) : Se généralise
0 C
pour plusieurs blocs.
: : 1 1
1 : : p :
.. ..
– Déterminant de Vandermonde : V ( 1 ; 2 ; :::; p ) = . . =
.. ..
. .
p 1 p 1
Q 1 : : : p
( j i ): Ainsi la matrice Vandermonde est inversible ssi les i sont
1 i<j p
deux à deux distincts.

Exemple 31 En dimension n; soit u un endomophisme ayant n valeurs propres, montrer

que u est cyclique : càd l’espace E admet une base de la forme e; u (e) ; :::; un 1 (e) :
Réponse : On diagonalise u dans base B = (e1 ; :::; en ) de vecteurs propres associés
n
X
aux valeurs propres ( 1 ; :::; n ), on écrit e = xi ei ; alors detB e; u (e) ; :::; un 1 (e) =
i=1
(x1 :::xn ) V ( 1; 2 ; :::; p) : Il su¢ t alors de prendre tout les xi non nuls.

Exemple 32 Montrer que toute matrice diagonale D = diag ( 1 ; :::; n ) est un polynôme
de degré n 1; en la matrice diagonale = diag (1; :::; n) :
n
X1
i
Réponse : On écrit P (X) = i X ; on obtient le système linéaire :
k=0
P (1) = 1 ; P (2) = 2 ; :::; P (n) = n ; matriciellement cela s’ècrit
0 0 1
1 : : 1n 1 0 1 0 1
B 20 : : : 2n 1 C 1 1
B CB C B C
B .. .. CB C B C
B . . C B C B C ; c’est un système de Cramer car sa
B CB C = B C
B . . C@ A @ A
@ .. .. A
n n
n0 : : : n n 1
matrice est du Vandemonde avec des scalaires deux à deux distincts. D’où le résultat.

10
II. Réduction en dimension …nie

A. Sous espace stable

F est dit stable par u 2 L (E) si u (F ) F; alors u induit un endormorphisme uF

sur F:

Si uv = vu alors ker (u IdE ) est stable par v: En particulier ker (u) et Im(u) sont
toujours stables par u:
ker (uF ) = F \ ker (u), si de plus F \ ker (u) = f0g ; alors uF est injective.
Une droite = vect (e) est stable si et seulement si e est un vecteur propre de u:

Si E = F G et B = (BF ; BG ) une base de E adaptée à cette somme, alors F et G

M 0
sont stable par u 2 L (E) si et seulement si M atB (u) = diagonale par
0 N
blocs.

B. Polynôme d’endomorphisme ou de matrice

1. Les ABC sur les polynômes
Un polynôme P de degré n est NUL si et seulement si il admet plus que (n + 1)
racines. ( Comptées avec leur multiplicité)

racine de multiplicité m d’un polynôme P

() P ( ) = P 0 ( ) = ::: = P (m 1) ( ) = 0 et P (m) ( ) 6= 0
m
() P (X) = (X ) Q (X) avec Q ( ) 6= 0

Tout polynôme est scindé dans C [X] et les irréductibles de C [X] sont ceux du
premier degré.
Les irréductibles de R [X] sont ceux du premier ordre ou du second ordre avec un
descriminent strictement négatif.
Bezout : Deux polynômes P et Q sont premiers entre eux si et seulement si il existe
U et V 2 K [X] tel que : P U + QV = 1: Très utilisé en réduction.
Q
n
Relations entre coe¢ cients et racines : On suppose P (X) = an (X i) =
i=1
P
n
ak X k scindé, alors
k=0

P k an k
– i1 ::: ik = ( 1) :
1 i1 <:::<ik n an
P
n an 1 Q
n
n a0
– En particulier i = (k = 1) et i = ( 1) : (k = n):
i=1 an i=1 an

11
Exemple 33 Polynôme d’intepolation de Lagrange : Soit f : I ! K une fonction
et 0 ; :::; n 2 I deux à deux distincts, montrer qu’il existe un unique polynôme P 2
Kn [X] véri…ant P ( i ) = f ( i ) pour tout i 2 f0; :::; ng :
Q
n X j
Réponse : On pose Li (X) = ; alors Li ( j ) = ij ; donc il su¢ t
j=0; j6=i i j
n
X
de poser P (X) = f ( i ) Li (X) : polynôme d’interpolation de Lagrange.
i=0
L’unicité : Si un autre polynôme Q véri…e les mêmes équations, alors P Q de degré
n et admet (n + 1) racines, donc il est nul.
m
X m
X
Dé…nition 34 u 2 L (E) et P (X) = ak X k ; alors P (u) = ak uk 2 L (E) avec la
k=0 k=0
convention u0 = IdE :
m
X m
X
M 2 Mn (K) et P (X) = ak X k ; alors P (M ) = ak M k 2 Mn (K) avec la
k=0 k=0
convention M 0 = In :

On note K[u] = fP (u) = P 2 K[X]g la K algèbre des polynômes en u: de même

pour K [M ] = fP (M ) = P 2 K[X]g

Proposition : On a : (P Q) (u) = P (u) oQ (u) = Q (u) oP (u) : En particulier les

polynômes en u commutent entre eux
Attention P (u) oQ (u) (x) = P (u) (Q (u) (x)) mais non pas (P (u)) (x) (Q (u) (x)) qui
n’a pas de sens : produit de deux vecteurs ! Eviter aussi les écritures P (u (x)) qui n’ont
pas de sens : polynôme appliqué à un vecteur, ce qui est juste c’est (P (u)) (x) : un
endomorphisme appliqué à un vecteur.

2. Décomposition des noyaux :

Soit u 2 L (E) et P = P1 P2 :::Pm où P1 ; :::; Pm sont des polynômes de K[X]; premiers
L
m
entre eux deux à deux, alors : ker P (u) = ker Pi (u)
i=1
L
m
Si de plus P (u) = 0; on aura : E = ker Pi (u) :C’est le cas où P = Xu ou P = u.
i=1

Exemple 35 Pour une symértie s2 = IdE donc (s Id) (s + Id) = 0; on a E = ker (s id)
ker (s + Id) ; de même pour un projecteur E = ker (p) ker (p Id) :

3. Polynôme annulateurs et polynôme minimal

Iu l’ensemble des polynômes annulateurs de u est un idéal de K; lorsqu’il est non
nul il est engendré un unique polynôme unitaire u dit le polynôme minimal de u:
En dimension …nie u existe toujours.
dim K[u] = deg u et IdE ; u; :::; udeg u 1
est une base de K[u]:
P 2 K[X] ; l’endomorphisme P (u) est inversible si et seulement si pgcd (P; u) = 1:
1
Dans ce cas son inverse (P (u)) est aussi un polynôme en u:

12
Exemple 36 : Soit A 2 Mn (K) une matrice nilpotente d’indice p, montrer que A2
A + 2In est inversible et que son inverse est un polynôme de degré p 1 .
Réponse : On a A = X p ; donc pgcd( A ; X 2 X + 2) = 1; donc A2 A + 2In
1
inversible et A2 A + 2In 2 K [A] = vect In ; A; :::; Ap 1 :

C. Eléments propres :
Dé…nition 37 2 K: 2 Sp (u) ssi ( E (u) = ker (u IdE ) 6= f0g) càd ( (u IdE ) non injective)
càd (9 x 2 E; x 6= 0; u (x) = x) :
De même 2 Sp (M ) ssi 9 X 2 Mn;1 ; X 6= 0; M X = X:

En dimension …nie, 2 Sp (u) () (u IdE ) non inversible () det (u IdE ) =

0 () rg (u Id) < dim E:
L
La somme E (u) est toujours directe : Une famille de vecteurs propres
2Sp(u)
associés à des valeurs propres deux à deux distinctes est donc libre.
Si uv = vu alors les E (u) sont stables par v

Exemple 38 Soit u; v 2 L (E) diagonalisables et qui commutent, montrer que u et v sont

diagonalisables dans une même base.
Réponse : Notons 1 ; :::; p les valeurs propres de u; puisque u est diagonalisable
alors E = E 1 (u) ::: E p (u) : Par ailleurs uv = vu; donc les E i (u) sont stables par
v; on note vi l’endomorphisme induit par v sur E i (u) ; vi est diagonalisable car v est
diagonalisable, donc l’espace E i (u) admet une base Bi formée de vecteurs propres de vi
(donc de v) : Ainsi B = (B1 ; :::; Bp ) est une base de diagonalisation commune de u et v:

1. Polynôme annulateur :
P 2 K[X]; u (x) = :x =) (P (u)) (x) = P ( ) :x: Donc si P (u) = 0; alors
Sp (u) f 2 K; P ( ) = 0g :

Les valeurs propres de u sont parmis les racines de tout polynôme annulateur de u.

Les valeurs propres de u sont exactement les racines du polynôme minimal u de u.

k
Exercice 39 La suite des noyaux itérés Fk = ker (u Id) devient stationnaire exacte-
ment à partir de l’indice de la valeur propre : multiplicité de en tant que racine de
u:

2. Endomorphisme induit :
Si v est un endomorphisme induit par u sur F alors Sp (v) Sp (u) et E (v) =
F \ E (u)

3. Polynôme caractéristique :
n
On suppose dim E …nie. On a Xu (X) = ( 1) det (u XidE ) et XM (X) =
n
( 1) det (M XIn ) :
n
Xu (X) = X n tr (u) X n 1
+ ::: + ( 1) det (u) :

13
 Le polynôme caractéristique d’un endomorphisme induit par u divise celui de u:

Le spectre de u est l’ensemble des racines ( dans K) du polynôme caractéristique de

u:
Si 2 Sp (u) alors 1 dim E (u) m : la multiplicité de la valeur propre :En
particulier la dimension d’un sous-espace propre associé à une valeur propre simple
est 1.

Lorsque Xu est scindé sur K alors la trace ( respectivement le déterminant ) de u

est la somme ( respectivement le produit ) des valeurs propres de u comptées avec
leurs ordres de multiplicité.

Exemple 40 Déterminer le polynôme caractéristique d’une matrice A d’ordre 2:

Réponse : On directement XA (X) = X 2 T r (A) X + det (A) :

0 41 Déterminer le polynôme
Exemple 1 caractéristique d’une matrice de type compagon
0 1 0 0
B .. .. C
B 0 0 1 . . C
B C
M =B .
B .. . .. . .. . ..
C
C
B 0 C
@ 0 0 0 1 A
a0 an 2 an 1
n
0 X M (X) = ( 1) det (M XIn ) ; notons
1 (C1 ; :::; Cn ) les colonnes de la matrice (M XIn ) =
X 1 0 0
B .. .. C
B 0 X 1 . . C
B C
B . .. .. .. C et e¤ ectuant l’opération
B .. . . . 0 C
B C
@ 0 0 X 1 A
a0 an 2 X + an 1
C1 C1 + XC2 + ::: + X n 1 Cn ; puis on développe le déterminant! obtenu selon sa
nX1
première colonne, on obtient alors XM (X) = X n ak X k
k=0

Exemple 42 Matrice à diagonale strictement dominante : Soit A = (aij ) 2

n
X
Mn (K) ; on suppose que pour tout i 2 f1; :::; ng : jaii j > jaij j : Montrer que 0
j=1; j6=i
n’est pas valeur propre de A et en déduire que A est inversible.
1 0
x1
B C
Réponse : Si par l’absurde 0 2 Sp (A) ; alors il existe X = @ ... A = 6 0 tel que
xn
X n
AX = 0; soit k tel que kXk1 = jxk j ; alors l’équation (AX)k = 0 donne aik xi = 0;
i=1
donc
n
X n
X n
X n
X
xi xi
akk xk = aik xi ; donc jakk j = aik jaik j jaik j : Absurde
xk xk
i=1;i6=k i=1;i6=k i=1;i6=k i=1;i6=k

Ainsi 0 2
= Sp (A) et par suite A est inversible.

14
Exercice 43 Localisation des valeurs propres ou des racines d’un polynôme : Soit P (X) =
n
X1
Xn ak X k : Montrer que les racines de P véri…ent : j j max (ja0 j ; 1 + ja1 j ; :::; 1 + jan 1 j) :
k=0
Considérer la matrice compagon t M de l’exemple ci-dessus associé au polynôme P: Re-
marquer que si P ( ) = 0; alors t M In n’est pas à diagonale strictement dominante et
conclure avec l’exemple précédant.

4. Théorème de Cayley-Hamilton :
Xu (u) = 0 et XM (M ) = 0 : le polynôme caractéristique de u annule u ou encore Le
polynôme minimal de u divise le polynôme caractéristique de u.

Exemple 44 Soit u 2 L(E) dont le polynôme caractéristique Xu est scindé dans K[X];
i=p
Y
n
on pose Xu = ( 1) ( i X)mi et Fi = ker(u i Id)
mi
: Montrer que les Fi sont stables
i=1
L
p
par u et que E = Fi :
i=1
m
Réponse : On applique la décomposition des noyaux aux polynômes ( i X) i qui
L
p
sont premiers entre eux deux à deux, on trouve : ker (Xu (u)) = Fi ; or ker(Xu (u)) = E
i=1
selon le théorème de Cayley-Hamiton.

Exemple 45 En dimension …nie, soit u 2 L (E) admettant 0 comme valeur propre sim-
ple, montrer que ker (u) = ker u2 et en déduire que ker (u) et Im (u) sont supplémentaire
dans E:
Réponse : Puisque 0 est valeur propre simple, alors Xu est de la forme XQ; avec
Q (0) 6= 0; donc pgcd(X; Q) = 1; de même pgcd X 2 ; Q = 1: D’autres part les polynômes
Xu = XQ et X 2 Q sont annulateurs de u (Cayley-Hamilton), donc selon la décompostion
des noyaux : E = ker (u) ker Q (u) = ker u2 ker Q (u) : En passant aux dimension, on
obtient dim ker (u) = dim ker u2 ; or il est classique que ker (u) ker u2 ; d’où l’égalité
ker (u) = ker u2 : Puis, on montre facilement que ker (u) \ Im (u) = f0g ; ils sont donc
supplémentaire par la formule du rang.

Exemple 46 Si M 2 Mn (K) nilpotente, alors M n = 0 : En e¤ et SpC (M ) = f0g ; donc

XM (X) = X n ; Caley-Hamilton assure M n = 0

D. Réduction en dimension …nie

1. Endomorphisme diagonalisable :
Dé…nition 47 u 2 L (E) est dit diagonalisable lorsque l’une des conditions équivalentes
est réalisée :

E admet une base formée de vecteurs propres de u:

L
E= E (u) :
2Sp(u)
X
dim E = dim (E (u)) :
2Sp(u)

Il existe une base de E dans laquelle la matrice de u est diagonale.

15
Dé…nition 48 Matrice diagonalisable : M 2 Mn (K) est dite diagonalisable s’elle
est semblable dans Mn (K) à une matrice diagonale.

M 2 Mn (K) est diagonalisable si et seulement si l’endomorphisme de Kn canonique-

ment associé est diagonalisable. Càd il existe P 2 Mn (K) inversible et D 2 Mn (K)
diagonale telles que : D = P 1 AP

2. Théorèmes de diagonalisation :

Théorème1 : u est diagonalisable si et seulement si son polynôme caractéristiqueXu

est scindé sur K et pour tout 2 Sp (u) ; dim (E (u)) = m la mutiplicité de :

Théorème2 : u est diagonalisable si et seulement si u est annulé par un polynôme

scindé dans K [X] et à racines simples.( par exemple un projecteur, une symétrie sont
diagonalisables)

Théorème3 : Si le polynôme caractéristique Xu est scindé et à racines simples sur

K alors u est diagonalisable. Attention : il s’agit uniquement d’une condition su¢ sante,
elle n’est pas nécessaire : voir le cas des homothéties diagonalisable avec une seule valeur
propre !
0 1
1 3 0
Exemple 49 Diagonaliser la matrice A = @ 3 2 1 A:
0 1 1
Réponse : On a XA (X) = (X + 4) (X 1) (X 03) 0scindé1et
1 à racice simple,0donc
0 A11
3 1
diagonalisable dans M3 (R) : De plus E 4 (A) = vect @@ 5 AA ; E1 (A) = vect @@ 0 AA
1 3
00 11 0 1 0 1
3 4 0 0 4 0 0
et E3 (A) = vect @@ 2 AA ; donc @ 0 1 0 A = P 1 AP; avec P = @ 0 1 0 A
1 0 0 3 0 0 3
0 1
x1
B C
Exemple 50 Soit X = @ ... A 2 Mn;1 (C) et A = X t X = (xi xj )1 i;j n 2 Mn (C) :
xn
Quel est le rang de A? En déduire les valeurs propres de A: Sous -quelle condition A est
diagonalisable?
Réponse : La kième colonne de A est Ck = xk X; donc rg(A) = rang (C1 ; :::; Cn ) 1 :
deux colonnes sont liées. donc dim ker (A) n 1; donc 0 valeur propre d’ordre (n 1) :
Xn
L’autre valeur propre est donnée par T r (A) est vaut T r (A) = t XX = x2k : donc A
k=1
diagonalisbale si et seulement si A = 0 ou T r (A) 6= 0:

3. Endomorphisme et matrice trigonalisable :

Dé…nition 51 u 2 L (E) est dit trigonalisable lorsqu’il existe une base B de E dans
laquelle la matrice de u est triangulaire supérieure.

Dé…nition 52 Matrice trigonalisable : M 2 Mn (K) est dite trigonalisable s’elle est

semblable dans Mn (K) à une matrice triangulaire supérieure. Càd il existe P 2 Mn (K)
inversible et T 2 Mn (K) triangulaire supérieure telles que : T = P 1 AP

16
 M 2 Mn (K) est trigonalisable si et seulement si l’endomorphisme de Kn canon-
iquement associé est trigonalisable.

4. Théorème de trigonalisation :

Théorème : u est trigonalisable si et seulement si son polynôme caractéristiqueXu

est scindé sur K .
0 1
4 0 2
Exemple 53 Réduire la matrice A = @ 0 1 0 A:
5 1 3
2
Réponse : On a XA (X) = (X + 2) (X 1) ; et dim E1 (A) = 1 < 2; donc A non
diagonalisable, mais XA étant scindé donc A est trigonalisble dans M3 (R) : On cherche
3 vecteurs libres (C10
; C2 ; C3 ) tels que
1 : AC1 = C1 ; AC2 = C1 + C2 et AC3 = 2C3 ; alors
1 1 0
A sera semblable à @ 0 1 0 A
0 0 2

Conséquences :

– Tout endomorphisme d’un C ev est trigonalisable.

– Toute matrice est trigonalisable dans Mn (C) :

endomorphisme induit :

– Si u 2 L (E) diagonalisable ( respectivement trigonalisable ), alors tout les

endomorphismes induits par u sont aussi diagonalisables ( respectivement trig-
onalisables )
– Si u 2 L (E) diagonalisable ( respectivement trigonalisable ), alors pour tout
P 2 K [X] ; les endomorphismes P (u) et exp(u) sont aussi diagonalisables (
respectivement trigonalisables ) dans la même base.

5. Réduction des symétriques :

On suppose ici E euclidien.

– Théorème spectral : Tout endomorphisme symétrique u 2 L (E) : u = u

est diagonalisable dans une base orthonormée de E:
– Version matricielle : Toute matrice symétrique réelle S 2 Sn (R) est orthog-
onalement semblable à une matrice diagonale. càd il existe D 2 Mn (R) diag-
onale formée des valeurs propres de S et P 2 On (R) orthogonale : t P = P 1
telles que :
D = t P SP = P 1 SP

6. Densité classique :
Exemple 54 Montrer que le groupe des matrices inversibles GLn (K) est un ouvert dense
dans Mn (K). L’idée est de preturber la diaginale.
Réponse : l’application det : M 7 ! det (M ) est continue car polynômiale des co-
e¢ cients de M et GLn (K) = det 1 (K ) ; or K ouvert donc aussi Gln (K) ouvert de
Mn (K) :

17
 1
Par ailleurs pour tout M 2 Mn (K) ; M = lim M In , or le spectre de M
p!+1 p
1 1
est …nie donc pour p assez grand 2
= Sp (M ) ; donc M In inversible, ainsi M est
p p
limite d’une suite de matrice inversible, donc adhérente à GLn (K) :
Pour montrer certains propiètés sur les matrices ( ou les endomorphismes ) on pourra
commencer par le cas des matrices inversibles et généraliser par cette densité.

Exemple 55 Montrer que l’ensemble des matrices diagonalisables dans Mn (K) est dense
dans celui des matrices trigonalisables dans Mn (K) :
Indication : On trigonalise A et on pertube légerement la diagonale pour rendre les
valeurs propres deux à deux distinctes pour obtenir une suite de matrice diagonalisable

III. Espace préhilbertiens

Les résultats les plus importants sont le théorème spectral et la réduction
dans des BON des formes quadratiques :

Dans toute la suite E un R ev; u 2 L (E) et M 2 Mn (R) : Soit B = (e1 ; :::; en ) une
base de E;
1 0
n n x1
X X B C
x = xi ei et y = yi ei deux vecteurs de E: On note X = @ ... A et Y =
i=1 i=1 xn
0 1
y1
B .. C
@ . A:
yn

n
X
Le produit scalaire usuel de Rn : t XY = t Y X = xi yi : A ne pas confondre avec
i=1
X t Y = (xi yj )1 i;j n qui est une matrice carrée de taille n

A. Produit scalaire - Forme quadratique

1. Produit scalaire - norme prélilbertienne
Produit scalaire : Forme bilinéaire symétrique dé…nie positive sur E:( Pour
montrer un produit scalaire, la bilinéairité et la symétrie sont on général évidentes,
on met l’accent sur dé…nie positive ). E est dit préhilbertien et se note h:; :i :
p
kxk = hx; xi est la norme préhilbertienne associée à ce produit scalaire
Inégalité de Cauchy-Schwarz : E préhilbertien alors pour tout x; y 2 E; jhx; yij
kxk kyk avec égalité si et seulement si (x; y) liés. Très utile pour montrer des inégal-
ités dans des espaces prélibertiens : Rn ; C ([a; b] ; R) ; Mn (R) ; ::::

2. Orthogonalité
E préhilbertien

x ? y , hx; yi = 0

18
A partie de E; A? = fx 2 E = 8 a 2 A; hx; ai = 0g ( Pour montrer qu’un vecteur
a est nul, on pourra penser à montrer qu’il est orthogonal à tout vecteur x de E ).
Si F est un sous-espace vectoriel de dimension …nie de E alors : E = F F ? et
F ?? = F ( Toujours valable si E de dimension …nie : Euclidien )
2 2 2
Pythagore : x ? y , kx + yk = kxk + kyk : Le sens direct se généralise pour
un nombre …ni de vecteurs orthogonaux.
Procédé de Gram-Schmidt : Si E euclidien et B = (e1 ; :::; en ) une base de E,
alors il existe une base une base orthonormée C = (c1 ; :::; cn ) de E;véri…ant pour
tout k 2 f1; :::; ng ; vect (c1 ; :::; ck ) = vect (e1 ; :::; ek ) ; avec

P
k
ek+1 hci ; ek+1 i ci
e1 i=1
c1 = et ck+1 =
ke1 k Pk
ek+1 hci ; ek+1 i ci
i=1

Noter que la matrice de passage de B à C est triangulaire supérieure, ainsi que son
inverse.
Pour retenir la formule, noter aussi que le numérateur de ck+1 est ek+1 p (ek+1 )
où p la projection orthogonale sur V ect (c1 ; :::; ck )
Ce procédé s’applique dans les préhilbertiens aux bases in…nies

Exemple 56 Décomposition QR : Montrer que toute matrice M 2 GLn (R)

s’écrit M = QR; où Q orthogonale et R triangulaire supérieure. On note Bc la
base canonique, B la base des colones de A et C la BON obtenue par Gram-Schmidt
à partir de B. Alors M = PBc C = PBc B PBC ; poser Q = PBc B orthogonale car
transforme une BON et une BON et R = PBC triangulaire supérieure selon le
critère de Gram-Schmidt.

Intérêt des B.O.N. :

u 2 L (E) et M = M atB (u) = (mij ) 2 Mn (R) : Soit B = (e1 ; :::; en ) une base
orthonormée de E;
0 1
n n x1
X X B C
x = xi ei et y = yi ei deux vecteurs de E: On note X = @ ... A et Y =
i=1 i=1 xn
0 1
y1
B .. C
@ . A:
yn

– Produit *scalaire dans BON+:

Xn n
X n X
X n n X
X n n
X
hx; yi = xi ei ; yj ej = xi yj hei ; ej i = xi yj ij = xi yi = t XY
i=1 j=1 i=1 j=1 i=1 j=1 i=1
: comme dans Rn Euclidien canonique
Xn
2
– Norme dans BON : kxk = x2i = t XX:
i=1
– Matrice d’un endomorphisme u dans BON : mij = hei ; u (ej )i :

19
 – Projection orthogonale dans BON : On suppose ici E préhilbertien et F est un
sous-espace vectoriel de dimension …nie de E alors : E = F F ? ; On note pF la
pF (x) 2 F
projection orthogonale sur F : pF (x) est caractérisé par :
(x pF (x)) 2 F ?
Si B = (e1 ; :::; en ) une base orthonormée de F; alors
n
X n
X
2 2 2
pF (x) = hei ; xi ei et kxk = jhei ; xij + kx pF (x)k
i=1 i=1

De plus pF (x) est l’unique élément de F en lequel la distance d (x; F ) est

atteinte.
Inégalité de Bessel : Si (en )n2N est une famille orthonormale de E; alors
X 2
X 2 2
la série jhen ; xij est convergente et on a jhen ; xij kxk :
n 0 n 0

Suite totale ou base hilbertienne : Une suite orthonormée (en )n2N est dite base
hilbertienne de E lorsque vect (e)n2N est dense dans E:
Identité de Parseval : Si (en )n2N une base hilbertienne de E, et pn la projection
orthogonale sur Fn = vect (e0 ; :::; en ) ; alors lim kx pn (x)k = 0: dans ce cas on
n!+1
a
X+1
2 2
hen ; xi = kxk : Parseval
n=0

Z
1 2
Exemple 57 Dans E = C2 (R; R) muni de hf; gi = f (t) g (t) dt: La famille
p p 2 0
1; 2 cos (nx) ; 2 sin (nx) n2N est une base hilbertienne de E:( solution utilise le
théorème d’approximation de Weierstrass trigonométrique)
Z 1
Exemple 58 Dans E = C ([0; 1] ; R) muni de hf; gi = f (t) g (t) dt: La famille
0
Ln
est une base hilbertienne de E; où (Ln )n la famille des polynômes
kLn k n2N
orthogonaux de Legendre. ( solution utilise le théorème de Weierstrass algébrique)

Théorème de la projection orthogonale (Distance à un sous-ev) : On

suppose E préhilbertien et F est un sous-espace vectoriel de dimension …nie de E
alors : E = F F ? ; On note pF la projection orthogonale sur F:

Si x 2 E; alors d (x; F ) = kx pF (x)k

Forme linéaire d’un euclidien : E euclidien alors pour toute forme linéaire
sur E; il existe un unique élément a de E tel que :

8 x 2 E; (x) = ha; xi

(utile pour montrer l’existence de l’adjoint )

Exemple 59 Soit une forme linéaire sur Mn (R) ; montrer qu’il existe une unique
matrice A telle que 8 M 2 Mn (R) ; (M ) = T r (AM )
Réponse : On munit Mn (R) de son produit scalaire usuel hM; N i = T r (t M N ) et on
applique le résultat ci-dessus.

20
B. Endomorphisme d’un Euclidien
On suppose E euclidien u 2 L (E)

1. Adjoint (Adhérence du programme)

Il existe un unique u 2 L (E) ; 8 x; y 2 E; hu (x) ; yi = hx; u (y)i :

l’adjoint d’un endomorphisme est l’analogue de la transposée d’une matrice : cette

remarque est très utile pour retrouver les propriètés de l’adjoint.
t
MatBON (u ) = (MatBON (u)). Attention ce résultat nécessite une base
Orthonormée.
Donc u et u ont les même spectres, déterminants, polynômes caractéristiques,traces,
rangs et normes triples.
F est un sous-ev stable par u si et seulement si F ? est stable par u : En particulier
un hyperplan H est sable par u si et seulement si son orthogonal H ? est dirigé par
un vecteur propre de u :
? ?
ker(u ) = Im (u) ; Im(u ) = ker (u)
Endomorphisme symétrique ou autoadjoint :

– u est dit symétrique ou autoadjoint si 8 x; y 2 E; hu (x) ; yi = hx; u (y)i , on a

:
u symetrique , MatBON (u) est symétrique
– Un projecteur p de E est symérique si et seulement si il est orthogonal càd
?
(Im (p)) = ker (p)
– Endomorphisme symétrique est dit positif : pour tout x 2 E; hu (x) ; xi 0
– Endomorphisme symétrique dé…ni positif : pour tout x 2 E; x 6= 0; hu (x) ; xi >
0:
– Matrice symétrique positive : S 2 Sn+ (R) lorsque :

P our tout X 2 Mn;1 (R) ; t XSX 0

0
() l endomorphisme canonique de Rn associe est positif
() la forme quadratique associée q (X) =t XSX est positive

– Matrice symétrique dé…nie positive : S 2 Sn++ (R) lorsque :

P our tout X 2 Rn nf0g; t XSX 0

() l0 endomorphisme canonique de Rn associe est def ini positif
() la forme quadratique q (x) = hu (x) ; xi associée est dé…nie positive

Exemple 60 Montrer que u u; uu ; t AA et At A sont toujours symétriques positifs.

2
Réponse : La symétrie est clair, puis hu u (x) ; xi = ku (x)k 0 et t X (t AA) X = t (AX) (AX) =
2
kAXk 0

Automorphisme orthogonal ou isométrie vectorielle :

1
– u 2 GL (E) est orthogonal si u = u :

21
 u est orthogonal
() u conserve le produit scalaire : hu (x) ; u (x)i = hx; yi
() u conserve la norme : ku (x)k = kxk
– u 2 L (E), alors :
() la matrice de u dans une BON est orthogonale :
1
Cad t MatBON (u) = (MatBON (u))
() u transforme une BON de E en une BON de E:
– La composée et l’inverse d’isométrie est une isométrie, on parle du groupe
orthogonal O (E) :
– Si u est orthogonal alors det (u) = 1; Sp (u) f 1; 1g :
+
– O (E) = SO (E) le sous groupe des isométries positives, dit le groupe spécial
orthogonal.
– Réduction ;
Un automorphisme orthoganal u est diagonalisable si et seulement si u2 =
IdE càd u est une symétrie orthigonale.
Si u 2 O+ (E) une isométrie positive, alors il existe une BON de E dans
laquelle la matrice de u est diiagonale par bloc de la forme diag (Ip ; Iq ; A1 ; :::; As ) ;
cos ( i ) sin ( i )
avec Ai = ; p; q; s 2 N.
sin ( i ) cos ( i )

2. Réduction dans le groupe orthogonal

Les sous-espaces propres d’un endomorphisme (respectivement d’une matrice réelle)
symétrique sont deux à deux orthogonaux.
Le polynômes caractéristiques d’un endomorphisme (respectivement d’une matrice
réelle) symétrique est scindé sur R : toutes ses valeurs propres sont réelles.
Le résultat le plus important de réduction reste le :
THEOREME SPECTRAL : Diagonaliser un endomorphisme ou
dans un euclidien les diago-
une matrice est toujours très intéressant,
naliser dans une BON sera idéal, ceci est possible pour ceux qui sont
Symétriques
Théorème spectral : Tout endomorphisme symétrique u de E est diagonalisabe
dans une base orthonormée de E: ( La base B de diagonalisation à un double
interêt : la matrice de u dans B est diagonale et les calculs dans B sont simples
car elle est orthonormée ).
Théorème spectral pour les matrices symétriques réelles : Toute matrice
symétrique réelle S de Sn (R) est orthogonalement semblable à une matrice
diagonale. càd : il existe D diagonale formée des valeurs propres de S et il existe
P 2 On (R) orthogonale telles que :

D = t P SP = P 1
SP

Exemple 61 La forme quadratique la plus utilisée et la plus étudiée et qui fait

partie du programme est q (x) = hu (x) ; xi = t XSX où u et S sont symétriques.
Réduire cette forme.
Réponse : pour réduire cette forme, on applique le théorème spectral à u ou à
n
X
2
S; on trouve dans une BON de vecteurs propres de u : q (x) = i yi ; avec les i les
i=1
valeurs propres de u et les yi les coordonnées de x dans la BON de vecteurs propres.

22
 2 2
Exemple 62 L’autre forme quadratique aussi très utilisée est q (x) = ku (x)k = kM Xk ;
où u et M sont quelconques non forcément symétriques. Réduire cette forme quadratique
Réponse : Pour réduire cette forme, il faut remarquer que q (x) = hu u (x) ; xi = t X (t M M ) X,
c’est donc la forme quadratique associée à l’endo symétrique u u ou à la matrice
symétrique t M M; on applique le théorème spectral à u u ou à t M M; on trouve
Xn
dans une BON de vecteurs propres de t M M : q (x) = 2
i yi ; avec les i les valeurs
i=1
propres de t M M et les yi les coordonnées de x dans la BON de vecteurs propres.

Voici d’autres applications :

Exemple 63 Soit u symétrique, on suppose sp (u) R+ ; montre que u positif :

q (x) = hu (x) ; xi 0; 8 x 2 E
Réponse : on applique le théorème spectral à u ; on trouve dans une BON
n
X
2
(e1 ; :::; en ) de vecteurs propres de u : q (x) = i yi ; avec les i les valeurs propres de u
i=1
et les yi les coordonnées de x dans la BON de vecteurs propres.

Exemple 64 Encadrement de q (x) :

2 2
min ( i ) kxk q (x) = hu (x) ; xi max ( i ) kxk

Exemple 65 Norme subordonnée euclidienne : Si de plus on prend u = v v

ou S = t M M; on obtient :
2 2 t 2
q (x) = kv (x)k = kM Xk M M kxk
p p
Ce qui donne jjjvjjj = (v v) et jjjM jjj = (t M M )

Caractérisation des symétrique positifs et dé…nis positifs : (Adhérence

du programme)

– u 2 L (E) symétrique est positif si et seulement si Sp(u) [0; +1[ :( Même

résultat pour une matrice symétrique )
– u 2 L (E) symétrique est dé…ni positif si et seulement si Sp(u) ]0; +1[ : (
Même résultat pour une matrice symétrique )

C. Géométrie euclidienne de R2 et R3 :
Ici E = R2 ou R3 est euclidien usuel orienté. Soit B une BON, en général B la base
canonique de E:

Soit u 2 L (E) un endomorphisme de E; avec M = matB (u) ; alors

u est une isométrie vectorielle () t M M = In

Isométrie vectorielle de R2 = O R2 :

cos ( ) sin ( ) cos ( ) sin ( )

u 2 O R2 () M atBON (u) = ou
sin ( ) cos ( ) sin ( ) cos ( )

23
 cos ( ) sin ( )
– De plus M atBON (u) = () u est la rotation d’angle
sin ( ) cos ( )
(de centre l’origine bien sur !); avec les complexes u (z) = ei z:
cos ( ) sin ( )
– De plus M atBON (u) = () u est la symétrie axi-
sin ( ) cos ( )
ale d’axe ( ) d’angle polaire : Càd d’équation cartésienne : y cos
2 2
x sin = 0: avec les complexes u (z) = ei z:
2
– Le groupe O+ R2 est abélien : les rotations du plan commutent

Isométrie vectorielle de R3 = O R3 :

u 2 O R3 () 9 une BON B = (c1 ; c2 ; c3 ) ;

0 1 0 1
1 0 0 1 0 0
M atB (u) = @ 0 cos ( ) sin ( ) A ou @ 0 cos ( ) sin ( ) A
0 sin ( ) cos ( ) 0 sin ( ) cos ( )
0 1
1 0 0
– On a de plus : dim (ker u Id) = 1 () M atB (u) = @ 0 cos ( ) sin ( ) A ()
0 sin ( ) cos ( )
u est la rotation d’axe = vect (c1 ) = ker (u Id) orienté par c1 et d’angle
6= 0. On a les résultats suivants

– Formule de Rodrigues : Si r = r ( ; ) avec ( ) = vect (a) où a est un

vecteur unitaire, alors on a :

8 x 2 R3 , r (x) = cos ( ) x + (1 cos ( )) ha; xi a + sin ( ) (a ^ x)

L’axe est donné par = ker (u Id)

T r (u) = 1 + 2 cos ( ) donne le cos ( )
2
Le produit mixte hx ^ r (x) ; ai = sin ( ) ka ^ xk détermine le signe du
sin( ) ; x 2 R3 quelconque.
0 1
1 0 0
– On a de plus dim (ker u Id) = 2 () M atB (u) = @ 0 1 0 A () u est
0 0 1
la re‡exion de plan P = vect (c2; c3 ) = ker (u Id).
– On a de plus
0 1
1 0 0
dim (ker u Id) = 0 () M atB (u) = @ 0 cos ( ) sin ( ) A
0 sin ( ) cos ( )
? ?
() u = r( ; ) s =s r( ; )

où = ker (u + Id) : Dans ce cas on a les résultats suivants :

L’axe est donné par = ker (u + Id)
T r (u) = 1 + 2 cos ( ) donne le cos ( )
2
Pour tout x 2 ? ; Le produit mixte hx ^ r (x) ; ai = sin ( ) ka ^ xk déter-
mine le signe du sin( )

24
 Déplacement de R3 : Isométrie a¢ ne positive de R3
Soit f un déplacement de R3 ; alors F = M 2 R3 = f (M ) = M ; alors F est soit
vide soit une droite.

– F = M 2 R3 = f (M ) = M = une droite a¢ ne () f une rotation a¢ ne

d’axe d’angle :
!
– F = M 2 R3 = f (M ) = M = ? le vide et M 7 ! M f (M ) constante () f
! !
la translation de vecteur V = Of (O)
!
– F = M 2 R3 = f (M ) = M = ? le vide et M 7 ! M f (M ) non constante
!
() f est un vissage = t! V
r ( ; ) = r ( ; ) t!
V
; avec V parallèle à :

D. Forme quadratique (Ne sont plus expilcitement au programme)

Dé…nition 66 Pour x = (x1 ; :::; xn ) une forme quadratique en x est de la forme
n
X X
q (x) = ai x2i + 2 aij xi xj
i=1 i<j

q contient uniquement des carrés en xi et des produits xi xj :

En général on s’intéresse au signe de q; pour cela il faut la réduire : càd éliminer les
produits xi xj et ne garder que les carrés yi2 avec yi les nouvelles coordonnées de x:

Exemple 67 La première forme quadratique que vous avez étudier depuis plusieurs an-
nées est q ((x; y)) = x2 + 2 xy + y 2 ; elle est positive ou négative si et seulement si
0
= 2 0
Ici on a utilisé les aquis de la terminale, Cette année on fera mieux : On considère
la matrice M = symétrique de q;

alors q positive ou négative () M positive ou ( M ) positive

() les valeurs propres de M sont 0 ou 0
2
, det (M ) = 0

Réduction des formes quadratiques :( Le cas général n’est plus au pro-

gramme)

– Si q est une forme quadratique sur E et sa forme polaire, alors il existe une
base B = (e1 ; :::; en ) orthonormée de E dans laquelle la matrice de q est
diagonale. cad : (ei ; ej ) = 0 pour i 6= j:
Xn n
X
2
Dans cette base si x = xi ei alors q (x) = i xi ; où i = (ei ; ei ) = q (ei ) :
i=1 i=1
Donc q se décompose en sommes de carrés de formes linéaires indépendantes
( coordonnées ), cette décomposition a l’avantage d’être dans une base or-
thonormée.

Réduction des matrices symétriques représentant une forme quadratique

(N’est plus au programme) : Toute matrice symétrique réelle S est congruente à
une matrice diagonale. Càd il existe D diagonale et P inversible telles que :

D = t P SP

25
 Attention P n’est pas orthogonale, D et S ne sont pas semblables ! Ne pas
confondre ce résultat avec celui obtenu à l’aide du théorème spectral appliqué à S :
Une matrice symétrique représente un endomorphisme symétrique (dans une BON)
ou une forme quadratique, on peut alors la réduire selon ces deux aspects :

Dans le premier cas, elle est orthogonalement semblable à une matrice diagonale
–
Dans le deuxième cas, elle est congruente à une matrice diagonale

Toute matrice symétrique réelle dé…nie positive S est congruente à la matrice

identité. Càd il existe P inversible telle que :

In = t P SP

Réduction simultanées : (N’est plus au programme) Si q1 est une forme

quadratique dé…nie positive sur E et q2 une forme quadratique sur E; alors il existe
une base de E q1 orthonormale et q2 orthgonale:
Matriciellement : Si A et B sont deux matrices symétriques réelles avec A dé…nie
positive, alors il existe P inversible et D diagonale telles que :

In = t P AP et D = t P BP

E. Extension aux préhilbertiens complexe :(N’est plus au pro-

gramme)
Les changements dans les produits scalaires complexes sont :

La bilinéairité est remplacée par la linéairité à droite et la semi-linéairité à gauche.

La symétrie est remplacée par le caractère hermitien : (x; y) = (y; x)
2 2 2
les régles de calcul changent : kx + yk = kxk + 2 Re hx; yi + kyk
2 2 2
Pythagore : x ? y =) kx + yk = kxk + kyk ( un seul sens )
Si (e1 ; :::; en ) est une BON de F; alors la projection orthogonale sur F est
n
X
pF (x) = hei ; xi ei : Noter que la projection est linéaire, donc x est placé à droite
i=1

Les notions d’othogonalité, de projection orthogonale, de procédé de Gram-Schmidt,

d’inégalité de Bessel, ..., restent valables.

IV. Structure
A. Groupe
Si (G; :) un groupe, alors F G est un sous-groupe ssi F 6= ? et 8 (x; y) 2 F;
xy 1 2 F:
Une intersection de sous-groupe est un sous-groupe. On parle alors de sous-groupe
engendré par une partie comme étant l’intesection de tout les sous- groupes contenant
la partie.

26
 Une réunion de sous-groupes n’est jamais un sous-groupe sauf s-ils sont tous contenu
dans l’un d’entre eux.
Un produit cartésien de groupe est un groupe pour la loi produit.

Exemple 68 Si f :G ! G0 un morphisme de groupe : f (xy) = f (x) f (y) ; alors

ker (f ) et Im (f ) sont des sous-groupes respectifs de G et G0

Exemple 69 E un K-ev, (GL (E) ; o) le groupe linéaire de E; analogue de (GLn (K) ; )

pour les matrices

Exemple 70 O (E) ; O+ (E) sont des sous-groupes de GL (E)

Groupe monogène - cyclique

Groupe monogène = engendré par un seul élément : G = hai = fan = n 2 Zg
Groupe cyclique = mongéne et …ni : G = hai = e; a; :::; ap 1

Proposition 71 Tout groupe monogène in…ni est isomorphe à (Z; +) et tout groupe
cyclique de cardinal n est isomorphe à (Z=nZ; +) :

Ordre d’un élément dans un groupe :

a 2 (G; :) est d’ordre …ni si il existe n 2 N tel que an = e: Dans ce cas O (a) = p =
min fn 2 N = an = eg
Si O (a) = p alors hai = e; a; :::; ap 1
et an = e () p divise n:(T heoreme de
Lagrange)
Dans un groupe …ni tout les éléments sont d’ordre …ni diviseurs de l’ordre de G (
cardinal de G)
Théorème de Lagrange : Le cardinal de tout sous groupe divise la cardinal du
groupe.

B. Anneau, corps, algèbre

Les dé…nitions d’anneaux, sous-anneau, corps, K-algèbre, morphisme d’anneaux
doivent être connu.
Si (A; +; ) anneau commutatif, I A est un idéal si I 6= ?; 8x; y 2 I; 8a 2
A; x + y 2 I et ax 2 I (Absorant)

Proposition 72 Les seuls idéaux de (Z; +; ) sont les nZ; n 0: Z est principal

Proposition 73 Les seuls idéaux de (K [X] ; +; ) sont les P K [X] : K [X] est prin-
cipal

Application à l’arithmétique des nombres entiers et des polynômes : Di-

visibilité, pgcd, ppcm, Bezout, Gauss, irréductible, anneau Z=nZ; théorème chinois.

27