Exercices D Algebre Et de Probabilites Mpsi

MPSI
Exercices
d’algèbre
et de probabilités
David Delaunay
RÉSUMÉS DE COURS
MÉTHODES
3 NIVEAUX D’EXERCICES
• apprentissage
• entraînement
• approfondissement
CORRIGÉS DÉTAILLÉS
PAS À PAS
deboeck PI
SUPÉRIEUR
Exercices
d’algèbre
et de probabilités
Collection Prépas scientifiques
Dirigée par Olivier Rodot
C. ANTONINI, Algèbre MP/MP*
N. BASBOIS et P. ABBRUGIATI, Algèbre MPSI/PCSI, 2e édition
G. COSTANTINI, Analyse MPSI/PCSI, 2e édition
K. DAO DUC et D. DELAUNAY, Probabilités
D. DELAUNAY, Exercices d’analyse MP/MP*
D. DELAUNAY, Exercices d’analyse MPSI
D. DELAUNAY, Exercices d’algèbre et de probabilités MP/MP*
D. DELAUNAY, Exercices d’algèbre et de probabilités MPSI
O. RODOT, Analyse MP/MP*
Chez le même éditeur

T. RIBEYRE, Chimie PC/PC*
M.-A. SCHOTT, J. VALENTIN, G. MAGADUR, S. CLÈDE, A.-L. LEFEVRE,
A. ALTMAYER-HENZIEN, Chimie PCSI/MPSI

*
MPSI
■
Exercices
d’algèbre
et de probabilités
IB id Del
► i
RÉSUMÉS DE COURS
i
■
MÉTHODES
i
3 NIVEAUX D’EXERCICES :
i • apprentissage
i
i
• entraînement
i • approfondissement
i
CORRIGÉS DÉTAILLÉS
i
i
PAS À PAS
i
boeckri
SUPÉRIEUR
Pour toute information sur notre fonds et les nouveautés dans votre domaine
de spécialisation, consultez notre site web : www.deboecksuperieur.com
© De Boeck Supérieur s.a., 2017 1ère édition, 2017

Rue du Bosquet, 7 B-1348 Louvain-la-Neuve 1er tirage, 2017
Tous droits réservés pour tous pays.

Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par pho
tocopie) partiellement ou totalement le présent ouvrage, de le stocker dans une banque
de données ou de le communiquer au public, sous quelque forme et de quelque manière
que ce soit.
Imprimé aux Pays-Bas.
Dépôt légal :
Dépôt légal France : juin 2017
Dépôt légal Belgique : 2017/13647/091 ISBN : 978-2-8073-0613-4
La pratique d’exercices est essentielle à l’apprentissage du cours de mathématiques : il
n’est pas de meilleure façon de mémoriser et de comprendre un théorème que d’en faire
usage !
Cet ouvrage regroupe sur 13 chapitres 401 exercices portant sur le programme d’algèbre
et de probabilités en classe de MP SI. Il respecte strictement le programme en cours et
vient compléter l’ouvrage d’analyse que l’on retrouvera dans la même collection.
Chaque chapitre commence par un rappel des principales définitions et des résultats
essentiels du cours. Il se poursuit avec des exercices aux corrigés détaillés regroupés sur
trois niveaux :
— Les exercices d’apprentissage servent à l’acquisition des concepts fondamentaux du
cours. Ce sont souvent des sujets faciles où j’ai choisi volontairement de ne faire
figurer que peu de technicité.
— Les exercices d’entraînement permettent de poursuivre l’acquisition du cours, trois
niveaux d’étoiles servent à anticiper leur difficulté. Ces sujets ont été choisis pour
leur intérêt, leur classicisme ou ont été inspirés par des questions rencontrées aux
écrits et aux oraux des différents concours.
— Les exercices d’approfondissement sont les plus ambitieux, ils nécessitent souvent de
passer par une phase de recherche ou entrent en résonance avec d’autres chapitres
du programme. Ces sujets sont inspirés de questions rencontrées aux concours les
plus ambitieux.
Les corrections des exercices sont accompagnées de méthodes. Celles-ci servent à souligner
les idées récurrentes ou bien à mettre en exergue la démarche qui va être suivie pour
résoudre la question posée. Le lecteur pourra prendre appui sur celles-ci pour amorcer
une résolution ou pour reprendre la main lors de sa lecture d’une correction. Afin d’aider
le lecteur dans son étude, il est fait référence aux théorèmes utilisés lors de leurs premiers
usages. Les notes de bas de pages complètent les résolutions en présentant des démarches
alternatives ou font le lien avec d’autres sujets présents dans l’ouvrage.
Je remercie vivement Olivier Rodot d’avoir initié ce projet, François Pantigny pour
son expertise TeXnique et Pierrick Soleillant pour sa relecture attentive ainsi que les
corrections apportées.
Je dédicace cet ouvrage à ma fille Libi.
David Delaunay
CHAPITRE 1
Ensembles et applications
1.1 Rudiments de logique
Définition
|| Une assertion est une phrase mathématique syntaxiquement correcte.
Dans un cadre axiomatique1 donné, une assertion est susceptible d’être vraie ou fausse.
Dans ce qui suit, P, Q et 1Z désignent des assertions.
1.1.1 Négation
Définition
On appelle négation d’une assertion P, l’assertion « non(P) » définie comme étant
vraie lorsque P est fausse et inversement.
Les assertions P et non (non(P)) ont mêmes valeurs de vérité.
1.1.2 Conjonction et disjonction

Définition
On appelle conjonction de deux assertions P et Q, l’assertion « P et Q » définie
comme étant vraie si P et Q le sont toutes les deux et fausse lorsqu’au moins l’une
des deux assertions l’est.
1. Le cadre axiomatique usuel est celui de Zermelo et Fraenkel avec axiome du Choix (ZFC). Celui-ci
est présumé non contradictoire ce qui signifie l’absence d’assertions à la fois vraies et fausses...
Chapitre 1. Ensembles et applications
Définition
On appelle disjonction1 de deux assertions V et Q, l’assertion « P ou Q » définie
comme étant vraie lorsqu’au moins l’une des deux assertions P ou Q est vraie et
fausse lorsque les deux assertions le sont.
En notant P ~ Q pour signifier que les deux assertions P et Q ont les mêmes valeurs de
vérité, on vérifie les propriétés :
— Idempotences :
(P et P) ~ P ainsi que (P ou P) ~ P ;
— Commutativités :
(P et Q) ~ (Q et P) ainsi que (P ou Q) ~ (Q ou P) ;
— Associativités :
(P et (Q et P)) ~ ((P et Q) et P) et l’on note simplement (P et Q et P),
(P ou (2 ouP)) ~ ((P ou Q) ou P) et l’on note simplement (P ou Q ou P) ;
— Distributivités2 :
(P et (Q ou P)) - ((P et Q) ou (P et P)),
(P ou (Q et P)) ~ ((P ou Q) et (P ou P)) ;
— Lois de Morgan :
(non (P et Q)) ~ (non(P) ou non(Q)),
(non(P ou Q)) ~ (non(P) et non(Q)).
1.1.3 Implications et équivalences

Définition
On définit l’assertion împlication «P => Q » comme étant vraie lorsque la véracité
de P impose la véracité de Q. Plus précisément, l’assertion « P => Q » est vraie
lorsque P est vraie et Q vraie ou bien lorsque P est fausse.
L’assertion « P => Q » n’est fausse que lorsque P est vraie et Q fausse. On vérifie que
les assertions « P => Q » et « non (P) ou Q » ont mêmes valeurs de vérité.
Théorème 1 (Contraposition)
(P => Q) ~ (non(Q) => non(P)).
Théorème 2 (Négation d’une implication)

(non(P => Q)) ~ (P et non(Q)).
1. Le « ou » du langage commun est souvent exclusif comme dans l’expression « fromage ou dessert ».
Le « ou » mathématique est inclusif.
2. On évitera d’écrire (P et Q ou P) car l’interprétation n’en est pas claire : doit-on comprendre
((P et Q) ou P) ou (P et (Q ou 7£)) ?
1.1 Rudiments de logique El
Définition
On définit l’assertion à’ équivalence «P <=> Q » comme étant vraie lorsque les asser
tions P et Q ont mêmes valeurs de vérité.
Théorème 3 (Double implication)

(P^Q)~((P^Q)et(Q=»P)).
1.1.4 Quantificateurs
Lorsque la valeur de vérité d’une assertion P dépend d’un paramètre x, cette assertion
peut être notée P(x) afin de souligner cette dépendance.
Définition
On définit l’assertion de quantification universelle « Vrr € E, P(x) » comme étant
vraie lorsque l’assertion P(x) est vraie pour tout élément x de l’ensemble E et fausse
sinon.
On définit l’assertion de quantification existentielle « 3x G E, P(x) » comme étant
vraie lorsque l’assertion P(x) est vraie pour au moins un élément x de E et fausse
sinon.
Les symboles V et 3 se lisent « quel que soit » et « il existe ». On définit aussi l’asser
tion « 3!æ € B, P(x) » comme étant vraie lorsque l’assertion P(x) est vérifiée pour un
élément x de E et un seul :
(9!x e E, P(æ)) 3x € E, P(x) et ( \/x G E, Mx' G E, (P(x) et P(a/)) x = x'
Dans les phrases quantifiées précédentes, la lettre x revêt un rôle muet.
Théorème 4 (Négation d’une phrase quantifiée)
non(Va; G E, P(rr)) ~ 3x e E, non(P(æ))

non(3# G E, Pfxf) ~Vx e E, non(P(æ)).
Toute assertion commençant par « 3x G 0 » est assurément fausse, peu importe ce qui
suit. Par négation, toute assertion débutant par « Va; G 0 » est vraie.
1.1.5 Raisonnements
On peut vérifier une assertion P :
— Par déduction1 :
On détermine une assertion vraie Q telle que « Q => P » soit vraie.
— Par disjonction de cas :
On détermine une assertion Q telle que « Q => P » et « non(Q) => P » soient toutes
les deux vraies.
1. Ou modus ponens.
□ Chapitre 1. Ensembles et applications
— Par V absurde :
On détermine une assertion Q fausse telle que « non(P) => Q » soit vraie.
On peut vérifier une implication « P => Q » :
— Par enchaînement d’implications :
On détermine une assertion P telle que « P => P » et « P => Q » soient toutes les
deux vraies (et l’on peut enchaîner les assertions intermédiaires).
— Par contraposition :
On établit « non(Q) => non(P) ».
1.2 Ensembles
On appelle ensemble toute collection d’objets appelés éléments de cet ensemble. Pour
signifier l’appartenance d’un élément æ à un ensemble E, on écrit x e E.
Deux ensembles sont dit égaux lorsqu’ils sont constitués des mêmes éléments.
L’ensemble ne contenant aucun élément est appelé ensemble vide et est noté1 0.
1.2.1 Inclusion
Définition
On dit qu’un ensemble F est inclus dans un ensemble E si tous les éléments de F
sont éléments de E. On note alors F CE.
Théorème 5 (Double inclusion)

Si E est inclus dans F et F inclus dans E, les ensembles E et F sont égaux.
Définition
Tout ensemble F inclus dans un ensemble E est appelé sous-ensemble de E. Plus
communément, on dit que E est une partie de E.
Les parties de E constituent un ensemble noté p(E) et appelé ensemble des parties de E.
Si P(rc) est une assertion dépendant d’un paramètre x, on note2
{x e E | p(x)}
le sous-ensemble constitué des éléments de E qui vérifient l’assertion P(x).
1.2.2 Opérations sur les parties d’un ensemble

Soit A, B et C trois parties d’un ensemble E.
1. La notation {} doit être considérée comme caduque tandis que la notation {0} ne décrit pas
l’ensemble vide mais un ensemble à un élément qui est l’ensemble vide...
2. On dit que cette partie est définie en compréhension : ses éléments ne sont pas explicitement décrits
mais sont déterminés par la vérification d’une propriété.
1.2 Ensembles □
Définition
On appelle complémentaire de la partie A de E l’ensemble noté C#A formé des élé
ments de E qui ne sont pas dans A :
CEA =f [x G E I x i A}.
S’il n’y a pas d’ambiguïté sur l’ensemble E contenant la partie A étudiée, on emploie
aussi la notation A pour désigner le complémentaire de A dans E.
On vérifie (^(CÂ) = A (ou encore A = A) ainsi que le renversement des inclusions par
passage au complémentaire :
Théorème 6
Ac B ==> C#B C Ce A c’est-à-dire B C A.
Définition
On appelle union des parties A et B l’ensemble noté AU B formé des éléments de E
qui appartiennent à au moins l’une des deux parties :
AUB d= G E | r G A ou r e B}.
Les parties A et B sont toutes deux incluses dans l’union du B. Aussi, A U B est inclus
dans toute partie C qui contient à la fois les parties A et B.
Définition
On appelle intersection des parties A et B l’ensemble noté An B formé des éléments
de E qui appartiennent aux deux parties :
AnB^[xEE\xEAetxE B}.
L’intersection A A B est incluse dans chacune des deux parties A et B. Aussi, A A B

contient toute partie C à la fois incluse dans A et dans B.
Lorsque l’intersection des parties A et B est vide, celles-ci sont dites disjointes.
Par conjonctions, disjonctions et négations, on vérifie les propriétés suivantes :
— Idempotences : AU A = A et An A = A;
— Commutativités : AuB = BüA et AnB = BnA;
— Neutralités :AuQ = AetAïïE = A;
— Associativités1 : A U (B U C) = (A U B) U C et A A (B A C) = (A A B) A C;
— Distributivités : Au(BaC) = (AUB)A(AüC) et AA(BUC) = (AaB)U(AaC).
- Lois de Morgan2 : (^(A U B) = C#A A C#B et CS(A A B) = CÂ U C#B.
1. Par ces propriétés d’associativité, il est légitime d’écrire AUBUC et AnBnC sans préciser de
parenthèses organisant le calcul. En revanche, écrire A n B U C est ambigu et doit être évité.
2. On peut aussi énoncer An B = AU B et AU B = An B.
Chapitre 1. Ensembles et applications
Définition
On définit l’ensemble différence A\B comme étant constitué des éléments de E qui
sont dans A sans être dans B.
On observe A \ B = A Cl C#B = A A B.
1.2.3 Produit cartésien

Etant donné deux éléments a et 6, on définit l’objet couple (a, 6) de sorte que deux couples
(a, 6) et (a', 6') sont égaux si, et seulement si, a = a' et b = b'.
Définition
On appelle produit cartésien de deux ensembles E et F, l’ensemble E x F formé des
couples (n, b) pour a parcourant E et b parcourant F.
Lorsque E = F, on note plus légèrement E2 au lieu de E x E.
Si E, F et G désignent trois ensembles, on note E x F x G l’ensemble (F x F) x G. Ses
éléments se nomment des triplets et se visualisent sous la forme (a, b, c) avec a dans F, b
dans F et c dans G.
Plus généralement, on définit par récurrence le produit cartésien de n + 1 ensembles à
partir du produit cartésien de n ensembles :
Æ?i x • • • x En x En+1 =f (Ei x • ■ • x En) x En+1.
Un élément de l’ensemble Fi x • • • x En se nomme un n-uplet. On parle aussi de multiplet.

Lorsque les ensembles Fi,... ,En sont égaux, on note En au lieu de Fi x • • • x En.
1.3 Applications
Soit F, F et G des ensembles.
1.3.1 Définition
Définition
On appelle application (ou fonction) f au départ de F et à valeurs dans F l’association
à chaque élément x de F d’un unique élément y de F. L’élément y est appelé valeur
prise par l’application f sur l’élément x, on le note f(x).
On écrit f : E F pour signifier que f est une application de F vers F. On note F(F, F)
(ou Fe) l’ensemble constitué des applications de F vers F.
Deux applications f et g au départ de F et à valeurs dans F sont dites égales lorsqu’elles
prennent les mêmes valeurs en tout point, c’est-à-dire
f(x) — g(x) pour tout x G E.
Il est commun de définir une application f en précisant une « démarche calculatoire »

permettant de déterminer sans ambiguïté la valeur prise par f sur chaque élément de
1.3 Applications
l’ensemble de départ. Par exemple, on définit l’application identité de E par
Aussi, si A désigne une partie de E, on définit la fonction indicatrice de A comme étant

l’application 1^ : E —> {0,1} déterminée par
x |1 si æ e A
U(æ) = < n .
0 smon.
Lorsqu’une application /: E F est définie par une formule du type x i-> /(#), étudier
sa bonne définition consiste en la résolution des deux problèmes suivants :
— vérifier que pour chaque valeur de x dans E, le « calcul » de f(x) est possible;
— vérifier que la valeur obtenue par ce calcul est élément de F.
1.3.2 Prolongements et restrictions

Soit une application f : E —> F et des ensembles E et F vérifiant E C E et F C F.
Définition
On dit qu’une application f : E F prolonge f si elle vérifie :
f(x) = f(x) pour tout x G E.

Soit une application f : E —> F et des parties A et B incluses dans E et F respectivement
vérifiant
f(x) e B pour tout x e A. (*)
Définition
On définit la restriction de f au départ de A et à valeurs dans B comme étant
l’application /|^ : A —> B déterminée par
/IaW f(x) pour tout x e A.

La condition (*) est nécessaire à la bonne définition de la restriction. Lorsque B = F,
cette condition est évidemment respectée et la restriction simplement notée /l^.
1.3.3 Composition
Soit deux applications f: E —> F et g: F G.
Définition
On appelle composée de g par f l’application g o f de E vers G déterminée par
(fl ° /)O) =f fl (/(#)) pour tout x e E.

On vérifie aisément Id# o / = / et / old# = f. Au surplus, si h désigne une application
de G vers un ensemble B, on a la propriété d’associativité (h o g) o f = h o (g o /).
Par celle-ci, on peut écrire h o g o f sans avoir la nécessité de préciser le parenthésage
organisant le calcul.
10 Chapitre 1. Ensembles et applications
1.3.4 Familles
Soit I un ensemble et une application a : I E.
Définition
En notant ai la valeur a(ï) pour chaque indice i dans I, l’application a est appelée
famille d’éléments de E indexée par I et est notée
La notion de famille ne se distingue pas de la notion d’application. On parle de famille
plutôt que d’application lorsque ce sont les valeurs prises ai qui nous intéresse plus que
l’association i i—> a(i).
On peut ainsi introduire la famille (2k)des entiers pairs, la famille (pn)neN* des
nombres premiers (en convenant de noter pn le n-ième nombre premier), etc.
Si désigne une famille de parties de E, on définit V union et Vintersection des
éléments de cette famille par
IJ Ai =f {x e E | Bi G I, x e Ai} et Q A, =f {x G E | Vi G I, x G A}-
tel iei
1.3.5 Injection, surjection, bijection

Définition
On dit qu’une application f: E F est injective lorsque celle-ci ne prend jamais
deux fois la même valeur :
V(x,®z) G E2, x / x' => /(æ) f(x').

Par contraposition, f est injective lorsque
V(x,x')eE2, f(x) = f(xf) => x = xf.
Par passage à la négation, f n’est pas injective si
3(æ, x') e E2, f(x) = f(x') et x xf.
Définition
On dit qu’une application f : E F est surjective1 lorsque celle-ci prend toutes les
valeurs de son ensemble d’arrivée :
V?/ e F, Bx e E, f(x) = y.
Par passage à la négation, f n’est pas surjective si
By G F, \/x e E, f(x) ± y.
1. La notion de surjectivité est intimement liée aux ensembles entre lesquels l’application opère : on
ne peut qualifier une application x i—> f(x) de surjective sans préciser quels sont les ensembles de départ
et d’arrivée.
1.3 Applications 11
Définition
On dit qu’une application f : E F est bijective1 si / prend toutes les valeurs de
son ensemble d’arrivée une fois et une seule :
\/y e F, 3!æ e E, f(x) = y.
On peut alors introduire son application réciproque f-1: F —> E définie de sorte que
V(a:,y) e E x F, y = f(x) • > x=
Théorème 7
Soit une application /: E —> F. On a équivalence entre :
(i) f est bijective ;
(ii) f est injective et surjective ;
(iii) il existe une application g: F —> E vérifiant g o / = Id# et f o g = Id#.
De plus, si tel est le cas, g est l’application réciproque de /.
Enfin, on peut énoncer les résultats de composition :
Théorème 8
Soit deux applications f : E —> F et g : F —> G.
Si f et g sont injectives, la composée g o f l’est aussi.
Si f et g sont surjectives, la composée g o f l’est aussi.
Si f et g sont bijectives, la composée g o f l’est aussi et (g o /)-1 = o g~r.
1.3.6 Images directes et images réciproques

Soit une application f : E —> F.
Définition
On appelle image directe par l’application f d’une partie A de E, le sous-ensemble
de F constitué des éléments possédant un antécédent dans A :
f(A) = {y e F | 3x G A, f(x) = y}.

Plus légèrement, l’ensemble /(A) est constitué des valeurs prises par f sur les éléments
de A. On écrit
f(A) = {/(®) P G A}.
En particulier, f(E) désigne l’ensemble des valeurs prises par /. Celui-ci s’appelle X image
de f et est noté Im(/).
1. Ici aussi il est essentiel de spécifier entre quels ensembles l’application opère lorsque l’on affirme
celle-ci bijective.
Définition
On appelle image réciproque par l’application f d’une partie B de F, l’ensemble
constitué des éléments de E dont l’image est dans B :
{xeE\f{x)eB}.
L’emploi de la notation /-1 dans l’écriture ne présume pas que l’application soit
bijective1.
1.4 Relations binaires
Soit E un ensemble.
Définition
On appelle relation binaire E sur l’ensemble E toute propriété vérifiée par certains
couples (#, y) d’éléments de E et fausse pour les autres.
Lorsqu’un couple (x, y) vérifie la relation 7£, on écrit xlZ y. On écrit xl/ty sinon.
1.4.1 Propriétés remarquables

Les relations binaires sur un ensemble E peuvent être nombreuses et variées. Parmi toutes
celles-ci, les plus intéressantes vérifient une ou plusieurs des propriétés qui suivent.
Définition
Soit B une relation binaire sur l’ensemble E. On dit que
— TZ est réflexive lorsque : \/x E E, xE x\
— 7£ est symétrique lorsque : V(x, y) E E2, x 1Z y => y 7£ x ;
- 7£ est antisymétrique lorsque : V(æ, y) E E2, (x 1Z y et y 7Z x') => x = y ;
— 1Z est transitive lorsque : V(rc, y,z) E E\ (x H y et y Tt z) => x 7£ z.
Seule l’égalité vérifie ces quatre propriétés.
1.4.2 Relation d’ordre

Définition
On appelle relation d’ordre toute relation binaire à la fois réflexive, antisymétrique
et transitive.
La relation < est une relation d’ordre 2 sur la droite réelle R.
L’inclusion sur p(E) ou la divisibilité dans N* sont aussi des relations d’ordre.
1. Si f est bijective, la notation J-1 (B) devient ambiguë : s’agit-il d’une image réciproque par f ou
d’une image directe par /-1 ? En fait, ces deux interprétations se confondent dans ce cas.
2. La relation est aussi une relation d’ordre mais pas la relation < car non réflexive : cette dernière
s’appelle un ordre strict.
1.5 Exercices d’apprentissage 13
Définition
Une relation d’ordre E sur un ensemble E est qualifiée de totale lorsque tous les
éléments de E sont deux à deux comparables :
V(æ,î/)gE2, x 7Z y ou ylZx.
Sinon l’ordre est dit n’être que partiel.

La relation sur la droite réelle est une relation d’ordre totale. La relation de divisibilité
sur N* est une relation d’ordre partielle : les entiers 2 et 3 ne sont pas comparables au
sens de la divisibilité puisque aucun ne divise l’autre.
1.4.3 Relation d’équivalence

Définition
On appelle relation Eéquivalence toute relation binaire à la fois réflexive, symétrique
et transitive.
Une relation d’équivalence se comprend souvent comme une égalité modulo certains cri
tères. En réunissant entre eux les éléments qui se correspondent pour une relation d’équi
valence donnée, on définit le concept suivant :
Définition
Soit 7£ une relation d’équivalence sur l’ensemble E. On appelle classe d’équivalence
d’un élément x de E pour la relation E la partie Cl(rr) formée des éléments qui sont
en relation avec x :
Cl(æ) = {y e E | x H y}.
Les classes d’équivalence sont souvent notées æ, ±, x, etc.
Théorème 9
Si 7£ est une relation d’équivalence sur l’ensemble E alors
a) \/x G E, x G Cl(#) ;
b) \/(x, y) eE2,x K y => Cl(a;) = C1(î/) ;
c) V(æ, y} E E2, x féy => C1(æ) O Cl(x/) = 0.
Ainsi, les classes d’équivalence ne sont jamais vides et deux classes d’équivalence dis
tinctes sont disjointes. De plus, tout élément y d’une classe d’équivalence C1(æ) déter
mine entièrement celle-ci puisque Cl(?/) = Cl(æ) : on dit que les éléments d’une classe
d’équivalence sont des représentants de celle-ci.
1.5 Exercices d’apprentissage
EetF désignent des ensembles.

1.5.1 Phrases quantifiées
Exercice 1
Soit f une fonction de R vers R. Que signifient les phrases quantifiées suivantes ?
(a) 3M G R, Vx e R, f(x) M.
(b) VM e R, 3x G R, f(x) M.
(c) \/x G R, x 0 => f(x) 0.
(d) Vx e R, f(x) = 0 => x = 0.
(e) 3A G R, 3C G R, Væ G R, x > A /(æ) = C.
Solution
méthode
On comprend une phrase quantifiée en lisant celle-ci de la droite vers la gauche
et en interprétant successivement chaque quantificateur.
(a) La portion « Væ G R, /(æ) < M » signifie que la fonction f est majorée par M.
La phrase complète se comprend :
« La fonction f est majorée»
(b) La portion « 3x G R, f(x) M » signifie que la fonction f prend une valeur au

moins égale à M. Ceci valant pour tout M, la phrase complète peut s’exprimer :
« La fonction f prend des valeurs arbitrairement grandes. »
(c) L’implication « x 0 => /(æ) > 0 signifie que, si x est positif12, la valeur f(x)
est aussi positive. La phrase complète s’exprime
« La fonction f prend des valeurs positives sur R+. »
(d) L’implication « f(x) = 0 => x = 0 » signifie que si f s’annule en x alors x est

nul. Ceci valant pour n’importe quel x, la phrase complète signifie :
« La fonction f ne peut3 s’annuler qu’en 0. »
(e) La portion « Mx E R, x A => fÇx) = C » signifie que f est constante égale

à G au delà de A. La portion « 3C G R, \/x G R, x A => f(x) = C » affirme que /
est constante au delà de A. La phrase complète se comprend :
« Pour des valeurs assez grandes de la variable4, la fonction f est constante. »
1. Les paramètres M et x exprimant cette phrase quantifiée sont muets et ne doivent donc pas
apparaître dans l’expression de l’interprétation de celle-ci.
2. Sans plus de précision, positif se comprend au sens large : « positif ou nul ».
3. Ce qui ne signifie pas pour autant que la fonction s’annule en 0.
4. Plus légèrement, on dira que la fonction f est constante au voisinage de -|-oo.
Exercice 2
Soit f : E —> F une application. Dans chaque cas, donner la différence de sens entre
les deux assertions proposées ?
(a) « \/x G E, By G F, y = f(x) » et « By G F, Va; G F, y — f(x) ».
(b) « V?/ G F, Bx G F, y = f(x) » et « Bx G E, \/y G F, y = f(x) ».
Soit P(x,y) une assertion dépendant d’un couple (x,y) élément de F x F.
(c) Laquelle des deux assertions suivantes entraîne l’autre ?
« Bx G E^y e F, P(x, y) » et « V?/ G F, Bx G E, P(x, y) ».
Pourquoi ne sont-elles généralement pas équivalentes ?
Solution
méthode
|| Intervertir V et 3 transforme significativement le sens d’une phrase quantifiée.
(a) La première phrase signifie que la fonction f prend une valeur en tout point : ceci
est une propriété vraie pour n’importe quelle fonction définie de F vers F. La seconde
phrase signifie que la fonction f prend la même valeur en tout point, autrement dit, elle
est constante.
(b) La première phrase signifie que la fonction f atteint toute valeur de son ensemble
d’arrivée, autrement dit, elle est surjective. La seconde phrase signifie qu’il existe une
valeur de la variable qui prend par f toutes les valeurs de F : cette propriété est notoi
rement fausse dès que F possède au moins deux éléments, une fonction ne prend qu’une
seule valeur en tout point !
(c) S’il existe une valeur de x pour laquelle l’assertion P(x, y) est vérifiée pour tout y,
il suffit, pour chaque y, de reprendre cette valeur de x pour vérifier P(x,y). Autrement
dit
(zkr G E,\/y G F, P(æ,?/)) => (\/y G F, Bx G F, P(x,y)y
Cependant, la réciproque peut être fausse car dans la seconde phrase, la valeur de x est
susceptible de dépendre de y. Ce n’est pas le cas dans la première phrase où celle-ci est
uniforme, c’est-à-dire la même pour chaque valeur de y.
Exercice 3
Soit f : R —> R une application. Ecrire les négations des phrases quantifiées suivantes :
(a) BM G R, (Va; G R, f(x) M) ou (Va; G R, /(a;) M).
(b) Va; G R, /(a;) > 0 => x 0.
(c) V(æ,y) € R2, x C y =} /(æ) < /(y).
(d) Va G R, Ve > 0, 3a > 0, Vx & R, |a; — a| C a => |/(^) — /(a)| £•
Solution
(a) méthode
La négation d’une assertion est mécanique :
— les « et » deviennent « ou » et inversement ;
— les « V » deviennent « 3 » et inversement (Th. 4 p. 5).
La négation de la phrase proposée s’exprime
VAf e R, (3a: e R, /(a;) < M) et (3a; G R, f(x) > M).
La phrase initiale signifie que la fonction f est minorée ou majorée, sa négation que la
fonction n’est ni minorée, ni majorée.
(b) méthode
|| La négation de « P ==> Q » est « P et non(Q) » (Th. 2 p. 4).
La négation de la phrase proposée s’écrit
3x e R, f(x) 0 et x < 0.
La phrase initiale signifie que la fonction f ne prend des valeurs positives que sur R+.
Sa négation correspond à l’existence d’une valeur strictement négative de la variable sur
laquelle la fonction est positive.
(c) La négation cherchée est

3(o:,y) 6 R2, x < y et f(x) > f(y).
La phrase initiale signifie que la fonction f est croissante. Sa négation ne signifie pas que
la fonction est décroissante puisque le « V » est devenu « 3 » !
(d) méthode
Il n’est pas nécessaire de comprendre1 le sens d’une phrase quantifiée pour en
exprimer la négation !
La négation cherchée s’écrit
3n e R, 3s > 0, Va > 0, 3x € R, |# — a\ < a et |/(æ) — /(a)| > s.
Exercice 4
Soit f : R —> R une application. Signifier à l’aide de phrases quantifiées les affirma
tions suivantes :
(a) La fonction f est la fonction nulle.
(b) La fonction f s’annule.
(c) La fonction f ne s’annule que sur R+.
(d) La fonction f s’annule au plus une fois.
1. Cependant, cette phrase quantifiée a bien un sens : elle exprime que la fonction f est continue.
1.5 Exercices d'apprentissage 17
Solution
(a) Il s’agit d’une affirmation universelle : « \/x E R, f(x) = 0 ».
(b) Il s’agit d’une affirmation existentielle : « Bx E R, f(x) = 0 ».
(c) méthode
L’affirmation est de nature hypothétique : « si la valeur /(a?) est nulle alors x
est élément de R+ ». On l’exprime par une implication.
On écrit « Mx E R, f(x) = 0 => x E R+ » ou, la forme équivalente obtenue par
contraposition (Th. 1 p. 4), « Væ E R, x < 0 => f(x) 0 ». On peut aussi écrire, mais
c’est plus alambiqué, « Væ E R, /(#) 0 ou x 0 ».
(d) Il s’agit à nouveau d’une affirmation de nature hypothétique. On peut l’exprimer

par la phrase « V(æ,y) G R2, (/(#) = 0 et f(y) = 0) => x — y ».
1.5.2 Raisonnements
Exercice 5
Montrer que 1/2 est un nombre irrationnel.
Solution
On veut établir l’impossibilité d’écrire a/2 comme un nombre rationnel.
méthode
|| On raisonne par l’absurde1.
Par l’absurde, supposons a/2 rationnel. Il est alors possible d’écrire \/2 sous la forme
d’une fraction irréductible p/q avec p et q entiers. En élevant au carré et en organisant
les membres, on obtient p2 = 2q2. L’entier p2 est donc pair et p l’est aussi. On peut alors
écrire p = 2k avec k entier et l’égalité p2 = 2q2 se simplifie en 2k2 = q2. On en déduit
que l’entier q2 est pair et donc q l’est aussi. Ainsi, les entiers p et q sont tous deux pairs.
C’est absurde puisque la fraction p/q est supposée irréductible !
Finalement, a/2 est nombre irrationnel.
Exercice 6
(a) Vérifier que x2 + x + 1 est strictement positif quelle que soit la valeur du réel x.
(b) Vérifier que lorsque n est un entier naturel, le nombre n(n2+1) l’est aussi.
(c) Vérifier que lorsque le produit de deux réels est nul, l’un des facteurs est nul.
1. Lors d’un raisonnement par l’absurde, il importe d’introduire celui-ci en écrivant « Par l’absurde »
et de conclure ... à une absurdité !
Solution
(a) En terme quantifié, la propriété voulue s’exprime
\/x E R, x2 + x + 1 > 0.
méthode
Pour démontrer une propriété universelle, on introduit une valeur arbitraire
du paramètre en rédigeant « Soit x dans E ». On établit ensuite la propriété
voulue pour cette valeur de x désormais fixée.
Soit x dans R. On écrit le trinôme x2 + x -F 1 sous forme canonique et l’on conclut
2 , A 1\23 3 „
æ2+a: + l= a; + -) +- > - > 0.
\ 2 J4 4
(b) On veut établir la propriété

n(n2 + 1)
Vn e N, e N.
Soit n dans N.
méthode
|| Par disjonction de cas, on discute selon la parité de n.
Cas : n pair. On peut écrire n = 2k avec k E N et alors
n(n2 + 1) z 9 x
= /c(n2 + l) EN.
Cas : n impair. On peut écrire n = 2k + 1 avec À; E N et alors

n(n2 + 1) / n x
= n(2k2 + 2k + 1) E N.
Dans les deux cas, la propriété voulue est vérifiée.
(c) Introduisons des notations permettant de préciser l’étude : considérons x et y deux

réels tels que xy = 0, on veut établir
x=0 ou y = 0.
méthode
Pour montrer une disjonction « P ou Q », il est usuel de supposer non(P) et
de vérifier que l’on a alors nécessairement Q.
Supposons x non nul. On peut introduire son inverse l/x et réaliser le calcul suivant :
7y=-X^7y=-XO = O.
X X
Ainsi, lorsque x n’est pas nul, y l’est nécessairement.

Exercice 7
(a) Montrer que tout nombre rationnel peut s’écrire comme somme de deux nombres
irrationnels.
(b) Montrer que, pour tout entier naturel, il existe un nombre premier1 qui lui est
strictement supérieur.
(c) A quelle condition un réel peut-il s’écrire à la fois comme la somme et le produit
des deux mêmes réels ?
Solution
(a) En termes quantifiés, la propriété voulue s’exprime
Væ e Q, 3(a, b) e (R \ Q)2, x = a + b.
Soit x un nombre rationnel. Il s’agit d’établir l’existence d’un couple (a, b) tel que voulu.
méthode
On peut établir une existence en exhibant un élément convenable, ici, un couple
solution.
Exploitons l’irrationalité de >/2 vue précédemment et posons a = x — \/2 et b = y/2.
Le réel a est irrationnel car, par l’absurde, s’il était rationnel %/2 = x — a le serait
aussi par différence de deux nombres rationnels. Le réel b est aussi irrationnel et l’on a
évidemment x = a + b.
Finalement, l’existence du couple (a, b) est établie.
(b) En notant P l’ensemble des nombres premiers, la propriété souhaitée s’exprime
Vn € N, 3p e P, p > n.
Soit n un entier naturel. On ne sait pas exprimer de nombres premiers arbitrairement

grands, il est donc difficile d’exhiber un nombre premier solution.
méthode
|| On peut montrer une existence en constatant que l’inexistence est impossible.
Par l’absurde, s’il n’existe pas de nombres premiers strictement supérieurs à n, c’est
que tous les nombres premiers sont inférieurs à n. Il n’existe alors qu’un nombre fini de
nombres premiers. Ceci est absurde car contredit le théorème d’Euclide sur l’infinité des
nombres premiers.
(c) Soit t e R. On cherche à quelle condition sur t, il existe des réels a et b tels que
l’on puisse écrire
t = a 4- b et t = ab.
1. Un nombre premier est un entier p 2 dont les seuls diviseurs positifs sont 1 et lui-même : 2, 3, 5,
7, 11, 13,... sont les premiers nombres premiers. Le théorème d’Euclide (Th. 16 p. 92) assure l’existence
d’une infinité de nombres premiers. Cette notion sera approfondie dans le chapitre 3.
Il n’est pas évident d’exhiber des réels a et b donnant cette écriture et l’énoncé suggère
que celle-ci n’est peut-être d’ailleurs pas toujours possible.
méthode
On raisonne par « analyse-synthèse ». Lors de la phase d’analyse, on suppose
la propriété vraie et l’on étudie les implications de celle-ci. Lorsque cette étude
paraît suffisante, on aborde la phase de synthèse où l’on vérifie la propriété
dans le contexte fourni par l’analyse.
Analyse : Supposons t = a-\-b et t = ab pour un certain couple (a, 6) de réels. Les
réels a et b sont les deux racines de l’équation (x — a) (x — b) = 0 d’inconnue x réelle.
En développant, cette équation s’écrit encore x2 — tx +1 = 0. Pour que cette équation
possède deux racines réelles, il est nécessaire que son discriminant soit positif ce qui
donne t2 — 4t > 0. Cette condition semblant suffisante, on peut aborder la synthèse.
Synthèse : Supposons t2 — 4Z > 0. L’équation x2 — tx + t = 0 possède deux racines
réelles :
t — y/t2 — 4t t + \/t2 — 4t
a =---------------- et b =----------------.
2 2
Pour celles-ci, on vérifie par le calcul t = a + b et t = ab.
En résumé, un réel t est somme et produit des deux mêmes réels si, et seulement
si, t2 — 4t > 0 soit encore t € ]—oo ; 0] U [4 ; +oo[.
Exercice 8
(a) Soit a E R. Etablir l’implication
(Vs > 0, |a| C e) => a = 0.
(b) Soit a E R. Etablir l’implication
(Ve > 0, |a| < s) => a = 0.
(c) Soit x et y deux réels. Etablir l’équivalence
x2 + y2 = 0 <=> x — 0 et y — 0.
Solution
(a) méthode
On peut montrer une implication « P => Q » en supposant P et en vérifiant
alors Q.
Supposons |a| e pour tout e 0. Cette propriété vaut en particulier pour e = 0 et
donc |a| 0. On en déduit immédiatement a = 0.
(b) méthode
On peut montrer une implication « P => Q » en établissant sa contraposée
« non(Q) ==> non(P) » (Th. 1 p. 4).
Par contraposée, montrons : « a 0 => 3s > 0, |a| > s ».

Supposons a 0. Pour s = |u| /2, on vérifie s > 0 et |a| > s. Ceci détermine une valeur
de s convenable établissant l’existence voulue.
(c) méthode
On peut établir une équivalence par enchaînement d’équivalences mais aussi
en raisonnant par double implication (Th. 3 p. 5). Lorsque l’une d’elles est
facile, on peut alors se focaliser sur l’implication difficile.
Raisonnons par double implication.
( => ) Si x — y = 0, il est immédiat que x2 4- y2 = 0.
( 4= ) Supposons x2 + y2 = 0. Puisque y2 est positif, on peut écrire l’encadrement
0 x2 C x2 + y2 = 0
et affirmer x2 = 0. On en déduit x = 0 puis y = 0.
1.5.3 Opérations dans p(E)
Exercice 9
Soit A, B et C trois parties d’un ensemble E.
(a) Montrer A \ (B A C) = (A \ B) U {A \ C).
(b) On suppose dABcdACetAUBcdUC. Montrer B C C.
(c) On suppose A \ B = C. Montrer A U B = B U C.
(d) On suppose AA B = B C\C = C A A et d U B = B U C = C U A. Montrer que
les trois ensembles A, B et C sont égaux.
Solution
(a) méthode
On peut montrer l’égalité de deux ensembles en vérifiant qu’il est équivalent
d’appartenir à l’un ou à l’autre.
Soit x G E. Par définition, on a
x e A \ (B A C) 4=4> x G A et x (B A C).
Par négation de « x e (B A C) »,
x (B A C) 4=> x B ou x £ C.
On peut alors reprendre l’équivalence précédente et poursuivre par distributivité
x G A \ (B A C) 4=> x G A et {x B ou x C)
*<=> (x G A et x B) ou (x G A et x C)
4=4 (x e A \ B) ou (x G A \ C)
4=^ xe (A\B)U(A\C).
Les parties A \ (B Pl C) et (A \ B) U {A \ C) étant constituées des mêmes éléments, elles

sont égales1.
(b) méthode
On montre une inclusion en choisissant un élément arbitraire dans le premier
ensemble et en établissant que celui-ci appartient au second.
Soit x un élément de B. Procédons par disjonction de cas.

Cas : x E A. L’élément x appartient à A et B donc àAnB = APlCet donc à C.
Cas : x A. L’élément x appartient à B donc à AuB = dUC. Il n’est cependant pas
élément de A, c’est donc qu’il est élément de C.
Dans les deux cas, x est élément de C et ainsi, tout élément de B est nécessairement
élément de C. Finalement, la partie B est incluse dans C.
(c) méthode
|| On peut montrer l’égalité de deux ensembles par double inclusion (Th. 5 p. 6).
B est évidemment inclus dans A U B et C = A \ B est inclus dans A donc dans A U B.

On en déduit une première inclusion B U C C A U B.
Inversement, soit x un élément de A U B. Procédons par disjonction de cas.
Cas : x E B. L’élément x appartient évidemment2 à B U C.
Cas : x B. L’élément x appartient nécessairement à A mais il n’est pas élément de B,
il est donc élément de A \ B = C donc de B U C.
Dans les deux cas, on peut affirmer que x est élément de B U C et conclure à la seconde
inclusion A U B C B U C. Par double inclusion, on a l’égalité demandée.
(d) méthode
Les hypothèses portées par les parties A, B et C sont symétriques, il suffit
d’établir une inclusion pour conclure.
Soit x un élément de A. Supposons par l’absurde qu’il n’est pas élément de B. Il n’est
donc pas élément de A Pl B et donc pas élément de A A C. Il est cependant élément de A,
il n’est donc pas élément de C. L’élément x n’appartient ni à B, ni à C, il n’appartient
donc pas à BUC. Cependant, il appartient à l’union AuB qui est supposée égale à BUC.
C’est absurde.
On vient ainsi d’établir A C B. Par symétrie, on peut aussi affirmer B C C et C C A
puis conclure que ces trois parties sont égales.
1. On peut aussi obtenir cette égalité par opérations en écrivant A \ (B O C) = A Cl B O C puis en

exploitant que le complémentaire d’une intersection est l’union des complémentaires.
2. N’affirmons pas de suite que A U B est inclus dans B U C dans le cas où x appartient à B : cela
n’a pas de sens. On pourra affirmer l’inclusion seulement lorsque toutes les situations de la disjonction
de cas seront résolues !
1.5.4 Applications
Exercice 10
On considère la fonction /: R —> R définie par /(æ) == x2. Déterminer
(a)Im(/) (b)/([-l;2]) (c) J"1 ([1 ;2[).
Solution
(a) méthode
|| Ne pas confondre l’image et l’ensemble d’arrivée d’une application.
L’ensemble d’arrivée de l’application f est la droite réelle et son image correspond à

l’ensemble des valeurs qu’elle prend, ici la demi-droite des réels positifs.
(b) méthode
|| /(A) est l’ensemble des valeurs prises par f sur A.
Sur [— 1 ; 2], la fonction f est continue, décroît de 1 à 0 avant de croître de 0 à 4 : elle

prend ses valeurs dans [0 ; 4] et toute valeur de [0 ; 4] est une valeur prise par f sur [—1 ; 2].
On peut affirmer
/([—1 ; 2]) = [0 ;4].
(c) méthode
Il n’est pas besoin de savoir f bijective pour introduire : cette partie
est simplement l’ensemble des antécédents éventuels des éléments de B.
On détermine l’ensemble des antécédents des éléments de [1 ; 2[ en recherchant les

réels x vérifiant 1 x2 < 2. En discutant selon le signe de x, on obtient
/-1([l;2[)=]-^;-l]U[l;v/2[.
Exercice 11
Soit f:E-+F une application.
(a) Soit A et A' deux parties de E. Montrer
A C Æ => /(A) c /(Æ).
(b) Soit B et B' deux parties de F. Établir
B CB' => f~\B) C f-\B'\

Solution
(a) On suppose A C A' et l’on veut établir l’inclusion /(A) C /(A') : on introduit
un élément dans le premier ensemble et l’on montre qu’il appartient nécessairement au
second. Soit y un élément1 de /(A).
méthode
Pour exploiter ou caractériser l’appartenance à une image directe, on prend
appui sur l’équivalence suivante :
y e f(A) 4=> 3x e A, f(x) = y.
Il existe x dans A tel que y = Or x est aussi élément de A' et y peut se comprendre
comme une valeur prise par f sur A'. Ainsi, tout élément de /(A) est aussi élément
de /(A') : on a l’inclusion /(A) C /(A').
(b) On suppose B C B' et l’on veut établir l’inclusion J-1 (B) C /~1(B/). Soit x un
élément de /-1(B).
méthode
Pour exploiter ou caractériser l’appartenance à une image réciproque, on s’ap
puie 2 sur l’équivalence suivante :
4=> f(x) e B.
On a f(x) G B et donc /(a?) G B' car on a supposé B C B'. On a ainsi immédiatement x

élément de /-1(B') et l’on peut conclure /-1(B) C /-1(B').
Exercice 12
Soit f : N -> N et g : N —> N les applications déterminées par :
k/2 si A; est pair

f(k) = 2k et g(k) =
(k — l)/2 si A; est impair.
(a) Étudier la bonne définition des applications f et g.

(b) Étudier les injectivités des applications f et g.
(c) Étudier les surjectivités des applications f et g.
(d) Préciser les applications g o f et f o g. Sont-elles bijectives?
1. Puisque cet élément est une valeur prise par f, il est « naturel » de le noter y plutôt que x.
2. Ignorant si f bijective, il est impossible d’affirmer que x s’écrit y-1(î/) pour un certain y dans B.
Solution
(a) méthode
On observe qu’une application f: E F est bien définie en vérifiant que,
pour chaque x dans E, la valeur /(rr) est parfaitement définie1 et est élément
de F.
La bonne définition de l’application f ne revêt aucune difficulté : pour chaque k E N,

la valeur 2k est parfaitement définie et est élément de N.
La bonne définition de l’application g est à peine plus délicate : pour chaque k E N,
si k est pair, la valeur k/2 est bien définie et est un entier naturel et, si k est impair, il
en est de même pour la valeur (k — l)/2.
On peut visualiser les premières valeurs prises par ces deux fonctions dans les tableaux
suivants
k 0 1 2 3 4... k 0 12 3 4
fW 0 2 4 6 8... 9^) 0 0 112
(b) méthode
Pour montrer l’injectivité d’une application /, on introduit x et x' dans son
ensemble de départ et l’on suppose /(#) = f(x') afin d’établir x = x'.
Soit k et k' dans N. On suppose f(E) = f(k'), c’est-à-dire 2k = 2k'. En simplifiant
par 2, on obtient directement k = k'. On peut conclure que f est injective.
méthode
Pour montrer qu’une application n’est pas injective, il suffit d’exhiber deux
valeurs x et x' distinctes ayant même image.
On a g{ff) = 0 et #(1) = 0 : l’application g n’est pas injective.
(c) méthode
Pour montrer qu’une application n’est pas surjective, il suffit d’exhiber une
valeur de l’ensemble d’arrivée qui n’est pas une valeur prise.
Les valeurs prises par f sont toutes des entiers pairs, la valeur 1 appartient à l’ensemble
d’arrivée mais n’est pas une valeur prise par f : l’application f n’est pas surjective.
méthode
On montre la surjectivité d’une application en déterminant un antécédent à
chaque valeur de l’ensemble d’arrivée.
Soit y E N une valeur arbitraire de l’ensemble d’arrivée de g. Posons2 k = 2y. La
valeur k appartient à l’ensemble de départ de g et, puisqu’il s’agit d’un nombre pair, on
vérifie g(k} = y. Ainsi, l’application g est surjective.
1. Cela signifie que la valeur existe et est unique.
2. On peut aussi proposer k = 2y + 1.
(d) Soit k e N. On a (go f)(k) = g(2k). Puisque 2k est un entier pair, g (2k) = k et,
finalement\ g o f = Id^.
Soit k e N. On a (/ o g)(k) = f(g(k)).
méthode
|| Afin d’évaluer g(k) il est nécessaire de discuter selon la parité de k.
Si k est pair, (/ o g)(k) = f(k/2) = k.
Si k est impair, (/ o g)(k) = f((k — l)/2) = k — 1.
Les valeurs successives prises par la composée f o g sont 0,0, 2, 2,4,4,...
L’application g o f est bijective mais l’application f o g ne l’est pas, elle n’est même ni
injective, ni surjective.
Exercice 13
Soit s: N —> N* l’application définie par s(n) = n + 1. Montrer que l’application s
est bijective :
(a) En constatant la définition d’une application bijective.
(b) En vérifiant injectivité et surjectivité.
(c) En déterminant une application susceptible d’être son application réciproque.
Solution
Commençons par souligner que l’application s est bien définie, notamment car ses
valeurs sont prises dans N*.
(a) méthode
Par retour à la définition, on montre qu’une application f : E —> F est bijective
en résolvant, pour chaque valeur de y dans F, l’équation /(æ) = y et en
observant que celle-ci admet une unique solution x dans E.
Soit y G N*. On a immédiatement
s(n) = y ■<=> n = y-l.
L’équation s(n) = y admet donc une unique solution et celle-ci est bien élément de N :
on peut affirmer que s est bijective.
(b) méthode
|| En étudiant séparément12 surjectivité et injectivité, on retrouve l’étude de
|| l’existence et de l’unicité d’une solution à l’équation f(x) = y.
1. La composée go f est égale à l’identité et, pourtant, ni l’application /, ni l’application g n’est

bijective. Pour pouvoir affirmer que deux applications f et g sont bijectives et réciproques l’une de
l’autre, il faut que les deux composées f o g et g o f soient égales à des applications identités.
2. Dans les situations faciles, comme celle en cours, il est assez inefficace de raisonner ainsi. Dans des
situations plus délicates, la séparation des deux problématiques peut être pertinente. Dans des résultats
futurs (Th. 4 p. 206 et Th. 15 p. 278) la résolution d’une des deux problématiques entraînera la résolution
de l’autre ce qui conduira à la bijectivité.
Soit n et n' dans N. Si s(ri) = s(n') alors n + 1 = n' + 1, puis en simplifiant, n = n'.
L’application s est injective.
Soit y dans l’ensemble d’arrivée N*. Pour n = y — 1, n est élément de l’ensemble de
départ et vérifie s(n) = y : l’application s est surjective.
(c) Introduisons1 p: N* —> N l’application définie par p(m) = m — 1. L’application p

est bien définie.
méthode
On montre que les applications s et p sont bijectives et réciproques l’une de
l’autre en étudiant les deux2 composées s op et p o s.
Pour tout n G N, on a (p o s)(n) = p(n + 1) = n et, pour tout m G N*, on a aussi

(sop)(m) = s{m — 1) = m. On peut donc affirmer pos = Id^ et sop = Id^* : l’application
s est bijective et p est son application réciproque.
1.5.5 Relations binaires
Exercice 14
Soit / : E —> R une application injective. On définit sur E une relation binaire < par
x^y <=> /(z) < /(y).
(a) Montrer que est une relation d’ordre sur E.

(b) S’agit-il d’une relation d’ordre totale ?
Solution
(a) méthode
| On vérifie que la relation est réflexive, antisymétrique et transitive.
Soit x G E. On a f(x) f(x) et donc x x. La relation est réflexive.
Soit x et y des éléments de E tels que x y et y x. On a /(a?) /(p) et /(p) f(x)
donc f(x) = f(y). Or f est injective et l’on peut poursuivre en affirmant x = y. La
relation est antisymétrique.
Enfin, soit x, y et z des éléments de E tels que x y et y z. On a /(x) /(p)
et /(?/) /(^) donc /(#) /(z) puis x z. La relation est transitive.
Finalement, est une relation d’ordre sur E.
(b) méthode
Une relation d’ordre est totale si, et seulement si, tous les éléments sont deux
à deux comparables.
1. Il serait anticipé de noter s-1 cette application : on ne sait pas encore que c’est la bijection
réciproque de s même si nous allons l’établir.
2. Avoir une seule composée égale à l’identité ne suffit pas : voir sujet 12 p. 24.
Soit x et y deux éléments de E. Les réels f(x) et f(y) sont comparables. Si f(x) f(y)
alors x y, sinon y x. La relation d’ordre est totale.
Exercice 15
On définit une relation1 binaire 7^ sur l’ensemble E — en posant
X Tl y <=> 3(k,£) e (N*)2, kx = ty.
(a) Montrer que 7Z définit une relation d’équivalence.

(b) Décrire la classe d’équivalence d’un réel x.
Solution
(a) méthode
|| On vérifie que la relation TZ est réflexive, symétrique et transitive.
Soit x un réel positif. On a x 1Z x car kx = £x pour (fc, £) = (1,1) e (N*)2 : la relation

est réflexive.
Soit x et y deux réels positifs. On suppose x 1Z y. Il existe (fc, £) G (N*)2 tel que kx = ky
et l’on peut alors aussi écrire k'y = t!x avec (V,£') — (i, k) e (N*)2. Ainsi, y 1Z x et l’on
peut affirmer que la relation est symétrique.
Enfin, soit a?, y et z trois réels positifs. On suppose x 7Z y et y 1Z z. On peut donc
introduire deux couples (fc,^) et (&',£') dans (N*)2 tels que kx = ky et k'y = t'z. On a
alors kk'x = ££'z, c’est-à-dire k"x = E'z ww (k"= (kkf E (N*)2. Ainsi, x 1Z z
et l’on peut affirmer que la relation est transitive : c’est une relation d’équivalence.
(b) méthode
Pour déterminer la classe d’équivalence de x, on recherche les y qui sont en
relation avec x.
Soit y un réel. On a
xRy 3(M) e (N*)2, kx = £y
<=> 3(fc,£) e (N*)2, k

y= T
3r e Q+, y = rx.
La classe d’équivalence peut donc s’écrire
Cl(æ) = {rx | r e Q+}.
1. C’est la relation de commensurabilité : deux longueurs sont commensurables lorsqu’elles sont mul
tiples d’une longueur commune.
1.6 Exercices d'entraînement 29
1.6 Exercices d’entraînement
1.6.1 Opérations dans p(E)
Exercice 16 *
Soit A, B et C trois parties d’un ensemble E. Vérifier
(A U B) n (B U C) n (C u A) = (A n B) U (B n C) u (C n A).
Solution
méthode
On factorise partiellement le premier membre par
(A u B) n (B u G) = B u (A n C).
On poursuit par distributivité
(AuB) n (BuC) n (Cu A) = (Bu (AnC)) n (Gu A)

= (B n (Gu A)) u ((AnC)n (OU A))
Or, puisqu’il y a inclusion, (A P C) D (C U A) = A n C et l’on peut poursuivre par

distributivité et conclure
(A U B) n (B u C) n (GU A) = (B n (Cu A)) u (An G)

= (BnG)u(BnA)u(AnG).
Exercice 17 ** (Différence symétrique)

On définit la différence symétrique de deux parties A et B d’un ensemble E par
A A B = (Au B) n (Âns).
Soit A, B et C trois parties de E.

(a) Calculer A A A, A A A, A A B et A A 0.
(b) Vérifier la propriété d’associativité
A A (B A G) = (A A B) A C.
(c) Établir
A A B = A A G => B = C.
Solution
(a) Directement
A A A = (A U A) n (A n A) = A n A = 0
AAÂ = (AUÂ)n(AnÂ) =EOE=E
A A E = (AU E) n (Â7ÜË) = E nÂ = Â
A A 0 = (A U 0) n (A 0 0) = A A E = A.
(b) méthode
On dresse un tableau traitant toutes les possibilités d’appartenance d’un élé
ment x de E.
On exprime par V et F l’appartenance ou non de æ à l’ensemble précisé en tête de
colonne.
A B c BAC A AB A A (B A C) (A A B) A C
V V V F F V N
V V F V F F F
V F V V V F F
V F F F V V V
F V V F V F F
F V F V V V V
F F V V F V V
F F F F F F F
Les deux dernières colonnes sont identiques, les ensembles A A (B A G) et (A A B) A G

sont donc constitués des mêmes éléments, à savoir ceux qui sont communs aux trois
ensembles A, B, C ainsi que ceux qui appartiennent à l’un des trois sans figurer dans l’un
des deux autres.
(c) méthode
A est une opération pour laquelle 0 joue le rôle d’un élément neutre et pour
laquelle toute partie est son propre symétrique : on simplifie l’équation en
composant par A.
Supposons A A B = A A C. En composant par A, on peut affirmer par associati
vité (A A A) A B = (A A A) A C ce qui donne 0 A B = 0 A C puis B — C.
1.6.2 Injection, surjection, bijection
Exercice 18 *
Soit f une fonction réelle définie au départ d’un intervalle I.
Montrer que si f est strictement monotone alors f est injective.
1.6 Exercices d’entraînement 31
Solution
méthode
On peut montrer qu’une application f est injective en vérifiant
x / y => f(x) / /(y).
Quitte à considérer —ce qui ne change pas la nature du problème, on peut supposer
la fonction f strictement croissante. On sait alors
V(æ,y) e Z2, X < y => f(x) < f(y).
Soit x et y deux éléments distincts de I. Quitte à les échanger, on peut supposer x < y
auquel cas l’implication au-dessus donne f(x) < f(y) et donc f(x) ± f(y)-
L’application f est injective.
Exercice 19 *
Soit f : E —> F une application.
Que dire de la restriction de f au départ de E et à valeurs dans Im(/) ? Que dire de
plus si l’on sait f injective ?
Solution
méthode
Une application est surjective lorsqu’elle prend toutes les valeurs de l’ensemble
qui exprime son ensemble d’arrivée1.
Notons f':E—> Im(/) la restriction considérée. Celle-ci est parfaitement définie car
elle prend bien ses valeurs dans Im(/). Au surplus, cette restriction est surjective car,
pour tout y dans Im(/), il existe x dans E tel que f(x) = y auquel cas f'Çx) = y.
Si de plus l’application f est injective, la restriction f' l’est aussi2 car, pour tous x
et y éléments de E,
f'(x) = f'(y) => /(æ) = /(y)

x = y.
On peut alors affirmer que f' est bijective.

En substance, on retiendra que la restriction d’une injection à son image induit une
bijection.
1. Il est important de savoir distinguer l’ensemble image d’une application de l’ensemble d’arrivée.
Ce dernier est introduit en même temps que l’ensemble de départ lorsque l’on présente une application.
2. De façon générale, la restriction d’une injection est une injection.
Exercice 20 *
Soit a, b et c trois réels tels que c 0 et a2 -F bc / 0. On introduit E — R \ { }.
On considère la fonction f: E->E définie par
. ax + b
x) =-------- .
ex — a
(a) Justifier que l’application f est bien définie.
(b) Calculer f o f. En déduire que f est une bijection dont on déterminera l’appli
cation réciproque.
Solution
(a) méthode
On vérifie non seulement que l’on peut calculer f(x) mais aussi que cette valeur
est bien élément de E.
Soit x e E. On peut calculer le réel y = car le dénominateur ne s’annule pas
puisque x a/c. Au surplus
ax -F b a . _. , x
-------- = - 4=> \ax -F b)c = a(cx — a)
ex — a c
«<=> a2 -F bc = 0.
Or on a supposé a2 -Fbc 0 et l’on peut donc affirmer que y appartient à E. La fonction f
est donc bien définie au départ de E1 et à valeurs dans E.
(b) Pour x e E
ax±b +b
ex—a
O J J Cv
ax±b
ex—a
Après réduction au même dénominateur puis simplification
z . a2x -F ab -F bcx — ab 2
(/ ° j)(x) =--------- -------------- — = x car a -F bc 0.
aex + bc — ac + az
Ainsi, f o f = Id#. L’application f est alors bijective d’application réciproque égale à
elle-même1.
Exercice 21 **
Soit /: C —> C l’application définie par f(z) = z2.
(a) Montrer que l’application f est surjective mais non injective.
On note Q = [z G C | Re(z) > 0}.
(b) Montrer que la restriction f' de f au départ de Q et à valeurs dans C \ R_ est
bijective.
1. On dit que f est une involution.

Solution
(a) L’application f n’est pas injective puisque /(l) = /(—1).

Soit Z e C. Déterminons z e C tel que f(z) = Z.
méthode
|| On écrit Z sous forme trigonométrique : Z = \Z\e10 avec 0 un argument de Z.
En posant z = y/\Z\e10^2 € C, on obtient f(z) = Z. Toute valeur de l’ensemble

d’arrivée C possède au moins un antécédent : la fonction / est surjective.
(b) méthode
|| On commence par vérifier la bonne définition de la restriction f'.
Soit z E Q. On peut écrire z = a + ib avec a > 0 et l’on a alors f(z) = a2 — b2 + 2ia6.

Si b / 0, f(z) n’est pas réel et a fortiori n’appartient pas à R_. Si b — 0, f(z) = a2 > 0
n’est pas non plus élément de R_. Ainsi,
VzeQ, /(z)eC\R_.
La restriction f' de f au départ de Q et à valeurs dans C \ R. est donc bien définie.

Vérifions qu’elle est injective. Soit z et z' dans C tels que f'(z) = f'(z'), c’est-à-dire
tels que z2 = z'2. Après différence des membres, on obtient (z — z')(z + z'} = 0. On
a alors z = z' ou z = — z'. Cependant, les parties réelles de z et z' sont toutes deux
strictement positives et l’alternative z — —z' est impossible. Il reste z — z' et l’on peut
affirmer que la restriction f' est injective.
Vérifions qu’elle est aussi surjective. Soit Z un élément de l’ensemble d’arrivée C\R_.
Comme au-dessus, on écrit Z = |Z|e16> avec 0 un argument de Z que l’on choisit dans
l’intervalle ]— tt ; tt[. En posant z = y/\Z]e10/2, on définit un complexe dont le carré vaut Z
et dont la partie réelle est strictement positive. En effet,
7T 7T T
0 car 1^1 7^ ° et 2 e J 2 ’ 2 L
Ainsi, z E Q et f'(z) = Z. La fonction /' est surjective et, finalement, bijective.
Exercice 22 **
On considère l’application f : N —> Z définie par
n
2 si n est pair
_ n+1
2 sinon.
Montrer que l’application f est bijective et exprimer sa bijection réciproque.

Solution
Afin de nous familiariser avec la fonction /, calculons ses premières valeurs :
n 0 1 2 3 4...
/(n) 0-11-22...'
On vérifie que l’application f est bien définie au départ de N et à valeurs dans Z. En

effet, si n est pair, on peut écrire n = 2k avec k E N et alors /(n) = k E N C Z. Aussi,
si n est impair, on peut écrire n = 2k + 1 avec k E N et alors /(n) = — (fc +1) G Z. Dans
les deux cas, les valeurs prises par f sont bien des entiers relatifs.
Montrons maintenant que l’application f est bijective.
Soit p E Z. Résolvons l’équation /(n) = p d’inconnue n E N.
méthode
On observe que les entiers pairs sont envoyés sur les entiers positifs tandis
que les entiers impairs sont envoyés sur les entiers strictement négatifs : on
détermine un antécédent en discutant selon son signe.
Si p est positif, l’équation /(n) = p ne possède pas de solutions parmi les entiers
impairs. Pour n pair, l’équation /(n) — p se résout en n = 2p E N ce qui détermine une
unique solution à l’équation /(n) = p.
De façon semblable, si p est un entier strictement négatif, les solutions de l’équa
tion /(n) = p sont à rechercher parmi les entiers impairs. Après résolution, on obtient
que n = — (2p + 1) E N est la seule solution.
Finalement, pour chaque p E Z, l’équation /(n) = p possède une unique solution n
dans N. L’application f est bijective et sa bijection réciproque /-1 : Z —> N est déterminée
par les résolutions qui précèdent
r'(p) = K +1. 8ipï0

I— (2p + l) smon.
Exercice 23 **
Soit f : E -> F et g : F —> G deux applications. Etablir :
(a) g o f injective => f injective.
(b) g o f surjective ==> g surjective.
(c) g ° f injective et f surjective => g injective.
(d) g o f surjective et g injective => f surjective.
Solution
Notons que la composée g o f définit une application de E vers G.
méthode
Pour ne pas s’égarer, il peut être utile de convenir de noter x, x' les éléments
choisis dans E, de noter y, y' ceux choisis dans F et z, z1 ceux choisis dans G.
(a) Supposons gof injective. Soit x et x' dans E. Si f(x) = f(x'\ il vient en composant
par g l’égalité #(/(#)) = ^(/(rr')), c’est-à-dire (gof)(x) = (gof)(xf>). Or la fonction gof
est injective et donc x = x'. Ainsi, la fonction f est injective.
(b) Supposons gof surjective. Soit z e G. Il existe x e E tel que z = g^f{x\). En

posant y = /(æ) e F, on obtient g (y) — z. Ainsi, la fonction g est surjective.
(c) Supposons gof injective et f surjective.

méthode
|| On observe1 que f est bijective et l’on introduit /-1.
Puisque g o f est injective, l’étude du (a) assure que f est injective et donc bijective
(Th. 7 p. 11). On peut alors introduire sa bijection réciproque et écrire
9 = {g ° f)° f"1-
L’application g est donc injective par composition d’injections (Th. 8 p. 11).
(d) Supposons gof surjective et g injective. Par l’étude du (b), on peut affirmer que g
est surjective donc bijective. On conclut alors que f est surjective par la composition2
de surjections
f = 9~' ° (g°f)-
Exercice 24 ***
Soit E un ensemble et f: E —> E une application telle que f o f o f — f.
Montrer que f est injective si, et seulement si, f est surjective.
Solution
On raisonne par double implication.
( => ) Supposons f injective. Soit y e E. On écrit
/(y) = (/°/°/)(y) = /((/°/)(y))-
La fonction f étant injective, on obtient y = (J o Ceci suffit à déterminer un
antécédent de y puisque, pour x = f(y) G E, on a f(x) = f(f(y)) = y-
Ainsi, la fonction f est surjective.
( <= ) Supposons f surjective.
Soit x, x' 6 E tels que f(x) — f(x').
méthode
Par la surjectivité de /, on écrit x et x' de sorte de faire apparaître f o f o f
afin d’exploiter l’hypothèse f o f o f = f.
1. Une démonstration de l’implication « g(y) = g(y') ==> y = y' » est aussi possible en introduisant x
et x' antécédents de y et y' par f.
2. La détermination d’un antécédent par f à un élément y E F quelconque est aussi possible en
introduisant z = g(y) qui possède un antécédent par gof.
Puisque f est surjective, la composée f o f l’est aussi et l’on peut introduire a et a'
dans E tels que x = (fo /)(a) et x' = (f o /)(a')- L’égalité f(x) = f(x') se relit alors
(/°/°/)(a) = (/° / °/)(«'), c’est-à-dire /(a) = /(a'). On en déduit /(/(a)) = /(/(a'))
donc x = x'.
Ainsi, la fonction f est injective1.
1.6.3 Images directes et images réciproques
Exercice 25 *
Soit f : E —> F une application.
(a) Soit Ai et A2 deux parties de E. Montrer
/(AiUA2) = /(Ai)U/(A2) et /(AiAA2)c/(Ai)A/(A2).
(b) Soit Bi et B2 deux parties de F. Montrer
r1(BiuB2) = r1(B1)u/-i(B2) et r1(BinB2) = ri(Bi)n/-i(B2).
Solution
(a) méthode
Il On raisonne par inclusions.
Montrons l’égalité f(Ai U A2) = /(Ai) U f(A2) par double inclusion.

Soit y G /(Ai U A2). Par définition, y est la valeur prise par / sur un certain élément x
de Ai U A2. Si x est élément de Ai alors y appartient à /(Ai). Sinon, x est élément de A2
et y appartient à /(A2). Dans les deux cas y est élément de l’union /(Ai) U /(A2) ce qui
fournit une première inclusion : /(Ai U A2) C /(Ai) U /(A2).
Soit y G /(Ai) U /(A2). Si y appartient à /(Ai) , il existe x dans Ai tel que y = f(x).
Or Ai est inclus dans Ai U A2 et donc y peut se comprendre comme l’image d’un élément
de Ai U A2 : y e /(Ai U A2). De même2, si y e /(A2), on obtient y e /(Ai U A2). Ceci
fournit la seconde inclusion : /(Ai) U /(A2) C /(Ai U A2). On peut conclure à l’égalité.
Montrons maintenant l’inclusion /(Ai A A2) C /(Ai) Cl /(A2).
Soit y e /(Ai A A2). Il existe x dans Ai A A2 tel que y = f(x). Puisque Ai A A2 est
inclus dans Ai, x est élément de Ai et l’on peut écrire y G /(Ai). De même3, y E f(A2)
et donc y G /(Ai) A /(A2).
1. La fonction est alors bijective et vérifie f o f = Id#. Son application réciproque est elle-même, c’est
une involution.
2. On pourrait aussi employer le résultat du sujet 11 p. 23 : A C A' => J (A) C /(A7) avec A = Ai
(ou A = A2) et A' = Ai U A2.
3. De nouveau, on peut exploiter le résultat du sujet 11 p. 23.
(b) méthode
| On raisonne par équivalences.
Soit x G E.
xG U B2) <=> /(æ) G Bi u b2

f(x) G Bi ou /(a;) G B2
4=> x G /-1(Bi) ou x & /-1(B2)
<=> x&f-\Br^f-\B2).
On en déduit la première égalité : f UB2) = / 1(Bi) O f 1(-02)-

On obtient la seconde égalité par la même démonstration en changeant union en in
tersection et « et » en « ou ».
Exercice 26 **
Soit f: E-ïF une application. A quelle condition sur f peut-on affirmer
V(A, 4Û e p(B)2, /(Ai n42) = /(Ai) n /(A2)?
Solution
méthode
Il On montre que l’égalité est toujours vraie si, et seulement si, f est injective.
Supposons f injective. Soit Ai,A2 E p(E). Par l’étude du sujet précédent, on sait
déjà l’inclusion /(Ai n A2) C /(Ai) n /(A2). Étudions l’inclusion réciproque. Soit y un
élément de /(Ai) Pl /(A2). L’élément y est une valeur prise par / en certain x de Ai et
aussi une valeur prise par / en certain x' de A2. Cependant, la fonction / est supposée
injective et donc x = x’ ce qui détermine un élément commun à Ai et A2. Ainsi, y est
élément de /(Ai n A2).
Finalement, on a par double inclusion l’égalité /(Ai A A2) = /(Ai) A /(A2).
Inversement, supposons l’égalité vraie pour toutes parties Ai et A2 de E et montrons
que / est injective. Soit x et x' dans E tels que f(x) = f(xf).
méthode
Il On introduit des parties Ai et A2 adaptées au contexte.
Considérons Ai = {æ} et A2 = {#'}. On a
/(A1nA2) = /(Ai)n/(A2) = {/(x)}/0.
Nécessairement, Ai A A 2 est non vide et donc x = x'. On peut alors conclure que / est
injective.
Exercice 27 **
Soit f:E~+F une application.
(a) Établir
VAepÂcf1^)) et VB G p(F),/(/^(B)) C B.
(b) Montrer
/ est injective <=> VA G p(B), A = /-1(/(A)).
(c) Montrer
f est surjective <=> VB € p(F), /(/-1(B)) — B.
Solution
(a) Soit A une partie de E. Pour x € A, l’élément y = f(x) est évidemment une
valeur de /(A) et, puisque x en est un antécédent, on peut écrire x E /-1(/(A)). Ainsi,
on obtient l’inclusion A C /-1(/(A)).
Soit B une partie de F. Soit y e /(/-1(B)). L’élément y est une valeur prise par f sur
un certain élément x de /-1(B). Or les éléments de /-1(B) ont tous leur image dans B.
En particulier, y = f(x) appartient à B. Ainsi, on obtient /(/-1(B)) C B.
(b) On raisonne par double implication.

( => ) Supposons f injective. Soit A e p(B). On sait déjà que A C f~1(f(A)).
Etudions l’inclusion inverse. Pour x e /-1(/(A)), on a f(x) e f(A) et il existe donc x'
dans A tel que /(#) = /(a/). Puisque f est injective, on a nécessairement x = xr et x est
élément de A. Ainsi, /-1(/(A)) C A puis l’égalité.
( 4= ) Supposons A = /-1(/(A)) pour toute partie A de E et montrons que f est
injective. Soit x et x' deux éléments de A tels que f(x) =
méthode
|| On introduit une partie A permettant d’exploiter l’hypothèse.
Considérons A = {æ} C E. On a /(A) = {/(#)} et donc x' E = A = {#}.

On en déduit x = x'. Ainsi, la fonction f injective.
(c) On raisonne à nouveau par double implication.

( => ) Supposons f surjective. Soit B e p(F). On sait déjà /(/-1(B)) c B. Étudions
l’inclusion réciproque. Soit y e B. Puisque f est surjective, il existe un antécédent x E E
à la valeur y. Puisque f(x) = y € B, cet antécédent x est élément de /-1(B) et donc
y — f(x) est une valeur prise par f sur /-1(B), autrement dit y G /(/-1(B)). Ainsi, on
obtient B C /(/-1(B)) puis l’égalité.
( <= ) Supposons /(/ 1(B)) = B pour toute partie B de F. Soit y € F. Montrons

que cet élément y admet un antécédent par f.
méthode
|| On introduit une partie B permettant d’exploiter l’hypothèse.
Considérons B = {y} c F. On a /(/ 1 ({?/})) = {y} et donc f 1 ({?/}) ± 0. Il existe

donc au moins un antécédent à l’élément y , l’application f est surjective.
Exercice 28 ***
Soit f : E —> F une application. Montrer
f est bijective <=> VA e p(E'), /(CeA) = CF/(A)
Solution
( => ) On suppose f bijective.
méthode
Soit A et A' deux parties de E. Puisque f est injective, on vérifie :
/(A'\A) = /(A')\/(A).
En effet, un élément de f(A' \ A) est une valeur prise par f sur A' mais ne peut être
une valeur prise par f sur A car f est injective. Inversement, un élément de f(A') \ f(A)
est une valeur prise par f sur un élément de A' qui ne peut pas être élément de A.
En choisissant A' = E, la surjectivité de f donne f(E) = F et donc
f(CEA) = f(E \ A) = f(E) \ f(A) = F \ f(A) = CFf(A).
( ) Montrons que f est injective. Soit x et x' deux éléments distincts de E et

considérons la partie A = {#}. L’élément x' appartient au complémentaire de A et donc
/(*') e /(CFA) = Cf/(A) = CF {/(«)}.
On en déduit f[x) L’application f est injective.

Montrons que f est aussi surjective. Considérons A = E.
CFIm(/) = Cf/(Æ7) = f(CEE) = /(0) = 0.
On en déduit Im(/) = F. L’application f est surjective et, finalement, bijective.

1.6.4 Relations binaires
Exercice 29 * (Ordre lexicographique)

Sur E = R2, on définit une relation binaire par
(x, y) (a/, y') <=> x < x' ou (x = x' et y < y'}.
(a) Vérifier que définit une relation d’ordre sur E.

Solution
(a) Soit (a:, y) G E. On &x=xtiy^y donc (#, y) (x, y). La relation est réflexive.
Soit (x,y) et (x',yf) dans E tels que (x,y) (x',yf>) et (x',yf) (x,y)
méthode
On remarque
(x,y) (a/,7/) => x x'
ainsi que
(a;, 7/) (xr ,y,y) et x — x1 => y y'.
On a simultanément x x' et x1 < x donc x = x'. La comparaison (x,y) < (a;', 7/')
donne alors y < y'. On obtient de même y' < y donc y = yr. On peut alors conclure
(x,y) = (a/, 7/') et affirmer que la relation est antisymétrique.
Soit (x,y), (x',yf) et (x",y") dans E tels que (x,y) (x',y') et (x',y') (x'\y"). On
a x < x' et x’ < x" donc x x". Poursuivons par disjonction de cas.
Cas : x < x". On peut conclure immédiatement (x,y) (x" ,y"\
Cas : x = x". On a x = x' — x" et nécessairement y < y' et y' < y" donc y < y". On
peut à nouveau affirmer (x,y) (a/', 7/"). La relation est transitive.
Finalement, est bien une relation d’ordre sur E.
(b) Vérifions que la relation d’ordre est totale. Soit (x,y) et (x',y') deux éléments
de E.
Si x / xr alors x < x' ou x1 < x et donc (a?, y) (a/, y') ou (a/, y') (x, y).
Si x = x', on compare y et y'. Si y < y' alors (x,y) (x',yfy), sinon (x',y') (a;, 7/).
Dans tous les cas, on peut comparer les couples (x,y) et (x',yf).
Exercice 30 **
Soit la relation binaire définie sur le demi-plan E — {(a, 6) G R2 | a < 6} par
(a, 6) <=> (a, 6) = (a', b') ou b a'.
(a) Montrer que est une relation d’ordre sur E.

Solution
(a) La relation est évidemment réflexive.
Soit (a, b), (a7, b7) et (a77, b77) trois éléments du demi-plan E vérifiant (a, b) (a7, b7)
et (a7, b7) (a77, b77). Si deux éléments sont égaux, on a immédiatement (a, b) (a77, b77).
Sinon, on a b < a' et b' < a" donc b a" car on sait aussi a' b'. On trouve alors
(a, 6) (a77, 6") et l’on peut affirmer que la relation est transitive.
Soit (a, b) et (a7, b7) des éléments du demi-plan E. On suppose (a, 6) (a7, b7) et
(a7, b7) (a, 6). On a alors
((a, b) = (a7, b7) ou b < a7) et ((a7,b7) = (a,b) ou b' C a).
En factorisant par distributivité, on obtient
(a,b) = (a7,b7) ou (b a' et b' C a). (*)
Cependant, on a aussi a < b et a' < b' de sorte que b < a' et b' < a entraînent
a^bâ'^b'â
et donc (a,b) = (a,a) — Ça',b'). L’assertion (*) se résume alors en (a,b) = (a7,b7) et la
relation est antisymétrique.
Finalement, est une relation d’ordre.
(b) Vérifions que la relation d’ordre n’est pas totale.
méthode
On établit qu’une relation d’ordre n’est pas totale en exhibant deux éléments
qui ne sont pas comparables.
Les couples (1,3) et (2,4) sont éléments de E mais ne sont pas comparables :
(1,3) =4(2,4) et (2,4) ^(1,3).
La relation d’ordre1 n’est que partielle.
Exercice 31 *
Soit f:E^F une application. On définit une relation binaire sur E par :
x1ly <=^> f(x) = f(y).
(a) Montrer que 7Z définit une relation d’équivalence sur E.

(b) Exprimer la classe d’équivalence de x élément quelconque de E.
1. Si a et b se comprennent comme les extrémités d’un segment [a ; b], la relation (a, 6) Ça', b')
signifie que les segments [a ; b] sont confondus ou qu’ils « se suivent ».
Solution
(a) Soit x dans E. On a f(x) = f(x) et donc x E x. La relation est réflexive.
Soit x et y dans E. Si x E y alors f(x) = f(y) et donc f(y) = f(x) ce qui permet
d’écrire y Ex. La relation est symétrique.
Soit x, y et z dans E. Si x E y et y E z alors f(x) = f(y) = f(z) et donc x E z. La
relation est transitive.
Finalement, E est une relation d’équivalence.
(b) méthode
|| On vérifie que les éléments en relation avec x sont les antécédents de /(#).
Soit y e E.
xTly /(a:) = /(y)

<*=* /(y) ë {/(x)}
<==> V € /-1({/(x)}).
On a donc
Cl(x) = /-1({/(x)}).
1.7 Exercices d’approfondissement
Exercice 32 *
Soit A et B des parties de E.
Discuter et résoudre l’équation A U X = B d’inconnue X e p(E).
Solution
méthode
|| On raisonne par analyse-synthèse.
Analyse : Supposons X solution de l’équation A U X = B. On a nécessairement A
inclus dans B et X inclus dans B. Cependant, ceci ne suffit pas, il faut aussi que les
éléments de B qui ne sont pas dans A se retrouvent dans X et donc B \ A C X.
Résumons, si l’équation A U X — B admet une solution X, nécessairement
AcB et B\A G X G B.
Synthèse : Distinguons deux cas :

Cas : A B. Il n’y a pas de solutions à l’équation AUX = B.
Cas : A G B. Pour toute partie X vérifiant B \ A G X G B, on vérifie par double
inclusion A U X — B et donc X est solution. L’ensemble des solutions de l’équation est
alors
{X \ B\AcX CB}.
1.7 Exercices d’approfondissement 43
Exercice 33 **
Soit A et B deux parties d’un ensemble E et
f p(£) -> p(A) x p(B)

[ XH(xnA,xnB).
(a) Montrer que / est injective si, et seulement si, A U B = E.

(b) A quelle condition la fonction f est-elle surjective ?
Solution
(a) Supposons f injective.
méthode
Il Lorsqu’une fonction f est injective, il suffit d’établir f(x) = f(y) pour pouvoir
|| affirmer x = y.
On a f(E) = (A, B) et f(A U B) = (A, B). Par injectivité, on peut affirmer E = A U B.
Inversement, supposons A U B = E. Soit X et Y dans p(E) telles que f(X) = f(Y).
On a donc
fxnA^rnA
(Xabêab.
En écrivant X = XAE = XA(AUB),il vient par distributivité
x = (x a A) u (x a b) = (y a A) u (y a B) = y a (A u b) = y.
L’application / est donc injective.
(b) méthode
La surjectivité est une notion « quelque peu duale » de la notion d’injectivité.
En renversant la condition d’injectivité A U B = E, on peut s’attendre à ce
que la condition de surjectivité soit A A B = 0.
Supposons f surjective. L’élément (A,0) de p(A) x p(B) possède un antécédent X
dans p(E). Pour celui-ci, on a XAA = A et XAB = 0. Par commutativité et associativité,
on obtient alors
A AB = (X A A) AB = A A (X AB) = AA 0 = 0.
Inversement, supposons A AB = 0. Soit (A7, B') un élément arbitraire de p(A) x p(B).

Pour X = A' U B7, on a
/(X) - ((A7 A A) U (B7 A A), (A7 A B) U (B7 A B)) = (A7, B7).
L’application f est donc surjective.

Exercice 34 **
Soit E et F des ensembles non vides. Montrer qu’il existe une injection de E dans F
si, et seulement si, il existe une surjection de F sur E.
Solution
méthode
A partir d’une injection i: E F, on construit une surjection s: F —> E
vérifiant s o i = Id# et inversement.
Supposons qu’il existe une injection i: E —> F. La restriction de celle-ci à son image
définit1 une bijection j: E Im(z). Choisissons arbitrairement un élément a dans l’en
semble non vide E et considérons l’application s: F —» E déterminée par
= siæelm(î)
1a sinon.
L’application s vérifie s o i = Id#, elle est donc surjective2.

Inversement, supposons qu’il existe une surjection s: F E. Chaque x appartenant
à E possède au moins un antécédent par s. Parmi ceux-ci, choisissons en un et po
sons i(x) égal à celui-ci. On définit ainsi une application i: E —> F vérifiant s o i = Id#,
l’application i est donc injective3.
Exercice 35 ***
Soit E un ensemble. Montrer qu’il n’existe pas d’applications surjectives de E
vers p(E').
Solution
méthode
En s’inspirant du paradoxe du menteur4, on introduit une partie de E qui ne
peut avoir d’antécédent par une application donnée f:E-+ p(iT).
Soit f:E—> p(E). Considérons la partie A de E définie par

A = {x e E I x £ f(x)}.
Montrons par l’absurde que cette partie A ne peut avoir d’antécédent par /. Supposons
qu’il existe x dans E tel que f(x) = A et interrogeons-nous sur l’appartenance de a; à A.
Si x est élément de A alors x est élément de f(x) et donc x n’est pas élément de A
puisque, par définition, les éléments de A sont les x tels que x £ f(x).
Si x n’est pas élément de A alors x n’est pas élément de f(x) et donc x est élément
de A. C’est absurde !
L’application f ne peut pas être surjective.
1. Voir sujet 19 p. 31.
2. Si la composée g o f est surjective, l’application g est surjective, voir sujet 23 p. 34.
3. Si la composée g o f est injective, l’application f est injective, voir encore le sujet 23 p. 34.
4. Ni un menteur, ni une personne affirmant la vérité, ne peuvent dire « je suis un menteur ».
Exercice 36 ***
Soit /: p(B) —> p(-E’) une application croissante au sens de l’inclusion, c’est-à-dire
une application vérifiant
V(A, B) e p(E)12, A c B =* f(A) c /(B).
Montrer qu’il existe une partie A de E vérifiant /(A) = A.
Solution
méthode
|| On introduit la plus grande partie A vérifiant A C /(A).
Considérons B la réunion de toutes les parties A de E vérifiant A G f(A) :
B = [J A avec <S = {A e p(B) | A c f(A)}.

Aes
Par définition de la partie B, on a la propriété
A G f(A) AcB. (*)
Pour toute partie A de S, on a A G B et donc /(A) G f(B) par croissance de f. Or

on a aussi A G f(A) et donc A G f(B). On en déduit B G f(B) car B est la réunion des
parties A éléments de S.
De plus, on a alors par croissance de f l’inclusion f(B) G fÇfÇB^ et donc f(B) G B
en vertu de la propriété (*) utilisée par A = f(B).
Finalement \ on a obtenu par double inclusion f(B) = B : on dit que B est un point
fixe2 de f.
1. On aurait aussi pu introduire la plus petite partie A vérifiant A G /(A), à savoir, l’intersection de
toutes les parties ayant cette propriété.
2. On pourra mettre en résonance cet exercice avec le sujet 28 du chapitre 1 de l’ouvrage Exercices
d’analyse MPSI dans la même collection.
CHAPITRE 2
Calculs algébriques
2.1 Les entiers naturels et le principe de récurrence
2.1.1 Les entiers naturels

On désigne par N l’ensemble infini des entiers naturels : 0,1, 2,...
Cet ensemble est muni d’une relation d’ordre totale vérifiant :
Théorème 1
Toute partie non vide de N possède un plus petit élément1.
Lorsqu’il existe au moins un naturel vérifiant une propriété donnée, ce résultat permet
d’affirmer l’existence d’un plus petit entier naturel vérifiant cette propriété. Aussi, on
peut établir que toute partie non vide et majorée de N possède un plus grand élément2.
Théorème 2 (Principe de récurrence)

Si E est une partie de N contenant 0 et vérifiant
\/p e N, p e E => p +1 e E
alors E — N.
Ce théorème permet d’établir la validité des raisonnements par récurrence qui suivent.
1. On dit que N muni de est un ensemble bien ordonné.
2. Plus généralement, toute partie non vide et minorée de Z (resp. majorée) admet un plus petit
élément (resp. un plus grand élément).
48 Chapitre 2. Calculs algébriques
2.1.2 Les raisonnements par récurrence

Soit no G N et P(n) une assertion dépendant d’un paramètre entier n no-
Théorème 3 (Récurrence simple)

Si
P(no) est vérifiée (initialisation)
{ Vn no, P (ri) => P(n -F 1) (hérédité)

alors P (ri) est vraie pour tout n no-
Il est quelquefois nécessaire de disposer de l’hypothèse de récurrence sur plusieurs rangs

précédents afin d’établir la propriété au rang supérieur. Dans ce cas, on rédige une ré
currence forte :
Théorème 4 (Récurrence forte)

Si
P (no) est vérifiée (initialisation)

Vn no, (P(no),P(no + 1),..., P(ri)) => P(n -F 1) (hérédité forte)
alors P (ri) est vraie pour tout n > no.
On peut aussi énoncer des principes de récurrence multiples, parmi lesquels figure la
récurrence double : si
P (no) et P (no + 1) est vérifiée (initialisation double)

\/n no, (P(n) et P(n -F 1)) => P(n -F 2) (hérédité double)
alors P (ri) est vraie pour tout n no.
2.2 Sommes et produits
2.2.1 Sommes numériques

Soit n un entier naturel non nul et (ai)i^^n = (ai,az,... ,an) une famille de nombres
réels ou complexes.
Définition
On appelle somme de la famille le nombre
n
déf
E — &i -F -2 ~F • •g
Dans la description de cette somme, l’indice i joue un rôle muet.

2.2 Sommes et produits 49
Plus généralement, si (ajiej désigne une famille finie de nombres réels ou complexes, on
introduit la somme des éléments de cette famille notée
12ai-
iei
Lorsque l’ensemble d’indexation I est vide, on convient que cette somme est nulle.
Théorème 5
Si (ai)ie/ et (6z)ze/ sont des familles finies de nombres réels ou complexes alors, pour
tout A réel ou complexe,
72 = A 7" «7 et 72 (a» + M = 72 + 72
iei iei iei iei iei
Théorème 6
Si est une famille de réels positifs alors
72°-
ie/
De plus, cette somme n’est nulle que si tous les ai sont nuis.
2.2.2 Sommes remarquables

On retient les sommes suivantes, pour1 n G N*,
i i ~ n(n + l)
k=l
Efc = l + 2 + -- - + n=
f;^ = i» + 2= + ... + n^"(,, + 1)(.(2’‘ + 1)
k=l
ainsi que la somme géométrique, pour n € N,
V = 1 + q + g2 H------ F qn = —--------- pour q / 1.

,r,
k=0 1—q
Plus généralement, la somme des termes successifs d’une suite géométrique de raison
différente de 1 s’obtient par la formule :
1 nombre de termes
z , x JL x (XaOL/jLJL
(premier terme) x --------------------------------.
1 — raison
1. Ces deux formules sont aussi valables pour n = 0 en rappelant qu’une « somme vide » est nulle.
On rencontre aussi fréquemment des sommes télescopiques1
&0-
2.2.3 Réorganisation de la sommation
Théorème 7 (Changement d’indice)

Soit une famille finie de nombres réels ou complexes. Si </?: I —> J est une
application bijective alors
y? aj ~
jEJ i£l
La transformation d’une somme en l’autre est appelée changement d’indice défini par
la relation j = <p(i). En particulier, lorsque ip est de la forme i i-> i -h Cte, on parle de
glissement d’indice. C’est le cas de la transformation suivante :
n n+1
y^ aî=y? ai~i'
j=Q 2=1
Lorsque <p est de la forme i i—> Cte — z, on parle de renversement d’indice comme l’illustre
la transformation ci-dessous
n n
K a3 = F an-i'
J=0 2=0
On vérifie à chaque fois que les termes sommés sont parfaitement identiques 2.
Théorème 8 (Regroupement de termes)

Soit une famille finie de nombres réels ou complexes. Si I est la réunion de
sous-ensembles Ii, I2, • • •, deux à deux disjoints, on a
p / \
yzai=yzai "* yz~ y> i yz i•
iei ieh ieiP j=i \ieij /
Il importe que les ensembles Ij soient deux à deux disjoints afin de ne pas adjoindre de
nouveaux termes à la somme. En particulier, lorsque l’on découpe une somme en deux,
on sera attentif à ne pas dédoubler le terme frontière : pour p E [1 ; n],
n p n
57 q» = 57a» + 57 ai
2=1 2=1 2=p+l
1. La somme est alors égale à « la différence des extrêmes ».

2. Poser j = 2i n’est pas un changement d’indice correct : la somme aj comporte des termes
d’indices impairs alors que 5Z?=o a2ï n’en comporte aucun.
2.2 Sommes et produits 51
2.2.4 Sommes doubles

Lorsque l’ensemble d’indexation d’une somme correspond à un ensemble de couples (z, J),
on dit que l’on a affaire à une somme double.
Parmi celles-ci figurent les sommes rectangulaires dont le calcul peut être organisé par
regroupement de termes
n / p
y? ai j=y? ( y? j
(zJ)G[[l;n]]x[[l;p]] i=l \j=l
On rencontre aussi fréquemment des sommes triangulaires dont le calcul peut aussi être
organisé par regroupement de termes1
Deux organisations du calcul d’une somme triangulaire.

1. Dans les deux écritures proposées, on sera attentif à l’ordre dans lequel les deux sommes sont
écrites car la somme contenue dépend de l’indice de la somme contenante.
2.2.5 Produits numériques

Définition
On appelle produit d’une famille de nombres réels ou complexes le nombre
72
déf
nai = ai x <22 x • • • x an.
2=1
Plus généralement, on définit aussi le produit d’une famille finie (ai)iei de nombres réels
ou complexes
IIOi
Lorsque l’ensemble d’indexation I est vide, on convient que le produit vaut 1.
Théorème 9
Si (ajiel et sont des familles finies de nombres réels ou complexes alors, pour
tout A réel ou complexe,
JJ Xai = A" JJ et JJ(aA) = I JJ ai j I JJ bt I

iei iei iei \iei / \iei /
avec n le nombre d’éléments de I.

Changement d’indice et regroupement de termes sont possibles pour les produits.
Parmi les produits remarquables, citons les produits télescopiques :
72
TT Qi+1 _ Qn+1
M «2 «1
2=1
2.3 Formules du binôme et de factorisation
2.3.1 Coefficients binomiaux

Définition
On appelle factorielle d’un naturel n le produit des entiers allant de 1 à n :
72
n! =f JJ k = 1 x 2 x • • • x n.
fc=i
Le tableau ci-dessous figure les valeurs des dix premières factorielles1 :
n 0 1 2 3 4 5 6 7 8 9
n\ 1 1 2 6 24 120 720 5 040 40 320 362 880
1. On remarquera que la factorielle de 0 vaut 1 car correspond à un produit vide.
2.3 Formules du binôme et de factorisation 53
Définition
Soit p E Z et n € N. On définit le coefficient binomial p parmi n par
(n\ déf n\ (n\ déf n .

= —,------- tt si p E [10 ; nl| et 1=0 smon.
\p ) p\(n — p)\ \p J
Théorème 10 (Symétrie et formule du triangle de Pascal)

Pour tout p € Z et tout n E N, on a
On retient les valeurs remarquables

n n(n — 1)
—n et
n—2 2
2.3.2 Formule du binôme
Théorème 11 (Formule du binôme de Newton1)

Soit n € N. Pour tous a et b nombres réels ou complexes
(ân-kbk.
(a + b)n
\k J
En particulier, on retrouve l’identité remarquable (a -F b)2 = a2 + 2ab + b2 et l’on peut

généraliser celle-ci :
(a -F 6)3 — a? 3(z^6 H- H- b% y
{a -F 6)4 = n4 + 4a36 -F 6a2b2 -F 4u63 -F 64,
(a -F 6)^ = -F 5cz46 -F 10d3&^ -F lOu^ô3 -F 5ci&4 -F 6^,...
En remplaçant b par —6, on peut aussi développer (a — 6)n.
2.3.3 Formule de factorisation
Théorème 12 (Formule de factorisation géométrique)

Soit n € N. Pour tous a et b nombres réels ou complexes
n—1
an-bn = (a-b)ân-1-kbk.
k=0
1. Par symétrie des rôles joués par a et b, on peut aussi énoncer une formule où les exposants de a
et b dans la somme sont échangés.
En particulier, on retrouve l’identité remarquable a2 — b2 — (a — 6) (a -F 6) et l’on peut

généraliser celle-ci :
a3 — 63 =(a — 6) (a2 -F ab + 62),

a4 — b4 =(a — 6) (a3 -F a2b + ab2 + b3),
a5 — b5 =(a — 6) (a4 -F a3b + a2b2 + ab3 -F b4),...
2.4 Systèmes d’équations linéaires

Ici, paramètres et inconnues sont des nombres réels ou complexes.
2.4.1 Présentation
Définition
On appelle système cTéquations linéaires à n équations et p inconnues tout système
de la forme
f «1,1^1 + «1,2^2 H-----+ ai,pXp = 6i
«2,1^1 + «2,2^2 H-----+ U2,pXp = 62
W i : : : :
k“b ^n,2^2 “F * * * “F ^n,p*^p ~ bn

d’inconnues aq, #2,..., xp et où les et les bi désignent des paramètres.
Théorème 13
Le système est transformé en un système équivalent lorsque :
— on échange les équations d’indices i et j (on note Li <-> Lj) ;
— on multiplie l’équation d’indice i par un nombre a non nul (on note Li <- aLi) ;
— on ajoute à l’équation d’indice i l’équation d’indice j (avec j ï) multipliée
par un facteur A (on note Li 4— Li + XLj).
2.4.2 Algorithme du pivot

Résolvons le système d’équations linéaires
' ai,1^1 + ai,2^2 H-----+ a^pxp = 61

«2,1^1 + a2,2æ2 + • • • + a2,p^p — b2
(S): <
"F an,22?2 -F • • • 4- an pxp — bn.
Étape 1 : (Détermination du premier pivot)

Si les coefficients aij,..., an^ devant l’inconnue x± sont tous nuis, on réordonne les
inconnues pour se ramener à une situation où ceci n’a pas lieu. Quitte à échanger
deux équations, on peut alors supposer pi = ai,i ± 0 (c’est le premier pivot).
2.4 Systèmes d’équations linéaires 55
Étape 2 : (Annulation des coefficients sous le premier pivot)

Par des opérations du type Li <r- Li + ALi avec A bien choisi, on annule les coeffi
cients devant X\ dans les équations d’indices allant de 2 à n.
Par équivalences, on a alors transformé le système étudié en un système de la forme
+ a'1?2^2 H------ +
a'2 2^2 H------ +a'2 pxp = b'2
<
< an,2x2 H---- + a'n,pxp = &n-
Etapes suivantes :
On reprend les étapes précédentes en opérant avec les équations allant de 2 à n,
pour déterminer un deuxième pivot, puis les équations 3 à n, etc.
Après avoir éventuellement renommé les inconnues, on parvient à un système de la forme :
'piî H-----+ a'{rxr + a'{r+1xr+i H------ +
prxr + u"r+1ær+1 H-----+ a"pxp = b"

’ 0 =6"+1
0 = 6"
avec pi,..., pr des nombres non nuis appelés pivots.

Définition
Il Les r premières équations sont les équations principales et les suivantes sont les équa-
|| tions de compatibilité.
Si l’une des équations de compatibilité est fausse, le système n’a pas de solutions.
Si toutes les équations de compatibilité sont vérifiées, le système (S) est équivalent au
système triangulaire
>ia;i H-----+ a",rxr = b" - (a'{,r+1xr+i H------ +

< •. : : :
k prxr = b" - {a''r+1xr+1 H-----+ ^r,PxpY
Ce système se résout en cascade en partant de la dernière équation pour remontrer jusqu’à

la première. On exprime alors séparément les inconnues principales x\,..., xr en fonction
des inconnues paramètres xr+i, •.•,xp :
3^1 = /?1 + û^l^+l^r+l + ’ ’ * +
< : : :
^Xp — H- l^r+l ”1” * ’ ’ H- ^r,p^p
et ceci suffit à décrire l’ensemble des solutions du système.

2.5.1 Principe de récurrence
Exercice 1
Exprimer simplement le terme général de la suite (un) déterminée par :
(a) uq = 0 et Vn G N, un+i = un + 2n + 1.
(b) uq = 1, Ui = 1 et Vn G N, tzn+2 - (n + l)(un+i + un) = 0.
(c) uq = 1 et Vn G N, un+1 = u0 4- tq H------ F un.
Solution
méthode
On calcule les premiers termes de chaque suite afin de proposer une formule
« crédible ». On valide ensuite celle-ci par une récurrence adaptée.
(a) Les premiers termes de la suite (nn) sont
n 0 1 2 3 4 5
0 1 4 9 16 25
Il semble que le terme un soit égal à n2. On le vérifie par une récurrence simple.
Pour n = 0, on a bien uq = O2.
Supposons l’égalité un = n2 vraie à un certain1 rang n 0 et vérifions que celle-ci a
lieu au rang suivant :
un+1 = un -F 2n -F 1 = n2 4- 2n -F 1 = (n -F l)2.
La récurrence est établie.
(b) Les premiers termes de la suite (nn) sont
n 0 1 2 3 4 5
1 1 2 6 24 120
Il semble que un soit égal à n!.

méthode
Puisque les termes de la suite se calculent à partir des deux rangs qui précèdent,
on raisonne par récurrence double2.
1. On rédige « à un certain rang » et non « pour tout rang ».

2. Pour que le mécanisme de récurrence progresse correctement, il importe de supposer la propriété
vraie aux rangs n et n + 1 pour l’établir au rang n + 2 suivant. Supposer cette propriété aux rangs n et
n + 2 pour l’établir au rang intermédiaire n + 1 est incorrect.
On commence par une initialisation double : L’égalité un = n! est vérifiée aux rangs
initiaux n = 0 et n = 1.
On poursuit avec une hypothèse de récurrence double : on suppose l’identité un = n!
vraie aux rangs n et n +1 (avec n 0). On vérifie ensuite qu’elle est vraie au rang n-j-2 :
un+2 = (n + l)(«n+i + Un) = (n + 1) ((n + 1)! +n!) = (n + 2)!

=(n+2).n!
(c) Les premiers termes de la suite (tzn) sont
n 0 1 2 3 4 5
un 1 1 2 4 8 16
Il semble que un soit égal à 2n 1 à partir du rang 1.

méthode
Puisque le terme un se calcule à partir de tous les termes précédents, on
raisonne par récurrence forte.
L’égalité un = 2n-1 est vérifiée pour n = 1.
Supposons l’égalité Uk = 2fc-1 vraie pour tous les rangs k allant de 1 à n (avec n 1).
Au rang suivant, on obtient par sommation géométrique
n i_ 2n
Un+1 = Uo + W1 H------ F un = 1 + 2fc-1 = 1+ = 2".
2.5.2 Sommes et produits
Exercice 2
Soit n e N*. Calculer les sommes suivantes :
(a) An — 1x2 + 2x3 + ”* + îix (n 4-1) (b) Bn — 1 x n 4- 2 x (îi — 1) 4- • * * 4~ n x 1
(c) = l2 + 32 + ■ ■ ■ + (2n + l)2 (diDri = 2- + _L + ...__^L_.
Solution
méthode
On exprime les sommes étudiées avec le symbole et l’on exploite si besoin
les égalités
n(n 4- l)(2n 4- 1)
6
(a) Les termes sommés sont les produits de deux entiers successifs : ce sont les k(k+V)
pour k allant de 1 à n. On peut alors écrire
n n
An = 1 x 2 + 2 x 3 + ■ ■ ■ + n x (n + 1) = k(k + 1) = (k2 + k).
k=l k=l
En séparant la somme en deux, il vient

n n / i i\
n(n + l)(2n + 1) _ n(n + l)(n + 2)
+ 6 = 3
k=l k=l
(b) Les termes sommés sont des produits d’entiers de somme égale à n + 1 : ce sont
les k(n + 1 — k) pour k allant de 1 à n. On peut alors écrire
n n
=1 x n+2 x (n - 1) H--------- F n x 1 = + 1 — k) = X^((n + 1)& — &2)-
k=l k—1
En séparant la somme en deux

n n n n
n(n + l)(n + 2)
Bn = (n + 1) k — k2 = (n +1) — k2
k=l ' k=l k=l k=l 6
ne depend
pas de k
(c) Les termes sommés sont les carrés des entiers impairs : ce sont les (2k +1)2 pour k
allant de 0 jusqu’à n.
n n
Cn = l2 + 32 + • • • + (2n + l)2 = ^(2fc + l)2 = 52(4fc2 + 4fc + 1).
k=0 k=0
En séparant la somme en trois
Cw = 4£fc2 + 4£fc+£l = 4£fc2+4£fc + n+l= (n + 1)(2n+1)(2n + 3).

k—0 k=0 k=0 k=0 k—0
n-f-1 termes
(d) Les termes sommés sont les inverses des produits de deux entiers successifs : ce
sont les pour k allant de 1 à n.
i i 1 -V 1
” “ 1 x 2 + 2 x 3 + " ’ + n(n + 1) ~ + 1) ’
méthode
|| On fait apparaître une somme télescopique en écrivant 1 = (k + 1) — k.
On transforme l’écriture du terme sommé

n
Dn = Z (fc + 1) — À?
k=l
k(k + 1)
On peut alors achever le calcul en simplifiant les termes intermédiaires
k—1 k=2 k—n

1 / 1 1\ / 1 1\ /I 1\ 1
T + ( — ~ + “ ) + ( — “ + ~ ) + ’ ’ * + (--------)---------- -
1 \ 2 2/ y 3 3/ \n nj n+1
n+1 n+1
Exercice 3
Soit n G N. Calculer les sommes suivantes
n 2n
(a)An = 52(-l)Vfc (b)sn-52(-i)fefc3
k=0 k=l
(c) Cn = + Çd)Dn = +
,j^n
Solution
(a) méthode
|| On reconnaît une somme géométrique.
On écrit
^ = £(-i+2fc = 52(-+fc.
k=0 k=0
Il s’agit d’une somme géométrique de raison —x2 1 :

1 _ va1'arAnnombre de termes
= (premier terme) x --------------------------------
1 — raison
1 - (-#2)n+1 1 + (—l)nx2n+2
= lx ----- ------ 5----- =------ -—.
1 + xz 1 + XZ
(b) méthode
On scinde la somme en deux (Th. 8 p. 50) selon la parité de k afin de résoudre
la puissance de (—1).
2n 2n 2n
Bn = ]T(-i)fcfc3 = ç-i/k3 + 52 (-i)fcfc3-
k—1 k—1 k=l
k pair k impair
Les indices k pairs de la première somme peuvent s’écrire 2p pour p allant de 1 à n alors
que les indices k impairs de la seconde somme s’écrivent 2p — 1 pour les mêmes valeurs
de p. On obtient alors
Bn = £ (-!)2îW)3 + £ (-l)2p"1(2p - l)3.

p=1 s ' p=1 ' '
On peut ensuite combiner les deux sommes en une seule puisque la plage d’indexation
est identique
Bn = £(2p)3 - £(2p - l)3 = £((2p)3 - (2p - l)3)

P=1 P=1 P=1
n
= y^(12p2 — 6p 4-1) = n2(4n 4- 3).
P=i
(c) méthode
Il s’agit d’une somme double rectangulaire, on l’exprime comme deux sommes
emboîtées.
n / n \ n / n \ n / n \
c. = £(.+;) = £ E<>+j) =£ +E En-

i=l \j = l / i=l \j=l / i=l \j=l /
=Sr =S2
Par symétrie, les sommes Si et S2 sont égales : on se contente de calculer Si. Le

terme de la somme en l’indice j étant constant, il est facile de déterminer celle-ci et de
poursuivre le calcul
n n
n2(n -F 1)
donc Si = ni = n i=
i=l i=l
2
Finalement,
Cn = 2Si = n2(n 4-1).
(d) méthode
Il s’agit d’une somme triangulaire, on l’exprime comme deux sommes emboî
tées : au choix une somme sur i d’une somme sur j supérieur à i ou une somme
sur j d’une somme sur i inférieur à j.
On choisit la deuxième description car un peu plus simple :
Calculons à part la somme en l’indice i. On sépare celle-ci en deux
É(>+>) = Éi+
2=1 i=l 2=1
j termes
On peut alors reprendre et terminer le calcul initial
Exercice 4
Soit n e N*. Calculer les produits suivants :
n n / -,
(a) JJ Qk avec Q C C +I
fc=l fc=l '
Solution
(a) Multiplier les puissances de q conduit à sommer les exposants :
JJ qk = q x q2 x ••• x qn = ç1+2+-+n — ^n(n2+1).

k=i
(b) méthode
|| On exprime un produit télescopique.
En détaillant les facteurs du produit, on fait apparaître des simplifications
k—1 fc=2 k=n
Exercice 5
Soit n e N. Exprimer à l’aide de nombres factoriels les produits suivants
(a) 2 x 4 x 6 x • • • x (2n) (b) 1 x 3 x 5 x • • • x (2n + 1).
Solution
(a) méthode
On regroupe les 2 de chaque facteur pair avant de reconnaître un nombre
factoriel.
n / n \
2 x 4 x 6 x • • • x (2n) = JJ(2M = 2” I II k ) = 2”n!
k=l \k=l /
Lors de ce calcul 2 apparaît avec une puissance n car il figure dans chacun des n facteurs
constituant le produit.
(b) méthode
Il On introduit les facteurs pairs intermédiaires pour faire apparaître un nombre
factoriel.
, o 1 x 2 x 3 x 4 x • • • x (2n) x (2n + 1)
1 x 3 x • • • x (2n + 1) =------------ - -------------- v z 7 v——A
v 7 2 x 4 x • • • x (2n)
Au numérateur figure le produit de tous les entiers allant de 1 à 2n+l et au dénominateur
le produit des entiers pairs calculé au-dessus. On conclut
1 x 3 x • • • x (2n + 1) =
v 7 2nn!
Exercice 6
Soit n € N. Calculer
n
n
È2k
k=Q
k
Solution
méthode
On reconnaît le développement (1 + 2)n par la formule du binôme de Newton
(Th. 11 p. 53).
n
■yn—k
x 2k = (1 + 2)n = 3".
Solution
(a) On reconnaît les développements de (1 + l)n et de (1 — l)n.
Ê(î) = ÈO1”_‘xl'! = (1+1)" = 2

k=Q ' ' k=0 '
et
= Ê fâ X (-D1 = (1 + (-D)" - 0.
k=0 ' ' k=0 '
Notons que, lorsque n est nul, cette dernière somme vaut 0° = 1.
(b) Les sommes définissant A et B correspondent respectivement aux sommes des

termes d’indices pairs et des termes d’indices impairs de la somme des k parmi n.
méthode
| On forme un système dont les deux quantités sont solutions.
On observe
méthode
|| On écrit les coefficients binomiaux à l’aide de nombres factoriels.
On vérifie :
n! n x (n — 1)! n (n — 1)! n An — 1
p!(n — p)! p x (p — l)!(n — p)! p (p—l)!(n —p)! p \p — 1
(n-l)-(p-l)
On exploite la formule précédente pour exprimer autrement le terme sommé
Dans la somme en second membre, le facteur n ne dépend pas de l’indice de sommation

ce qui permet de le factoriser
Un glissement d’indice permet de terminer le calcul1
= n2n-x
2.5.4 Systèmes d’équations linéaires
Exercice 9
Résoudre dans R les systèmes d’équations liné*lires suivants en discutant selon la
valeur du paramètre m :
(x + y + z + t = \ ' mx 4- y + z — 1
(a) < x -F y -F 2z = 0 (b) < x + my + z — m
[ x + y + 2t = m 2
x + y -F mz = m .
Solution
(a) méthode
On applique l’algorithme du pivot de Gauss. Il sera commode de figurer les
inconnues respectives les unes en dessous des autres.
'x + y + z + t = l x+y+z+t=l
< x + y + 2z =0 z — t = —1
x+y + 2t = m
L2^—L/2—Li —z 1=m—1
L34—L3 — L1
'x + y + z + t = 1
< z — t — —1
0 = m — 2.
La troisième équation est une équation de compatibilité.

Cas : m ÿé 2. Le système est incompatible, il n’y a pas de solutions.
1. On verra une démarche alternative dans le sujet 19 p. 74.
Cas : m = 2. On poursuit la résolution en simplifiant l’équation de compatibilité et en

considérant les inconnues x et z comme principales1
( x 4- y + z +t = 1 _ ( x 4- z= 1 — y — t
[ z — t=— 1 [ Z — —1 +É
(x = 2 — y — 2t
z = —1 + t.
L’ensemble des solutions est alors l’ensemble des quadruplets2
(2 — ?/— 2t,?/, —1 + t, t) avec ÜM) 6 R2.
(b) méthode
On applique à nouveau l’algorithme du pivot en prenant soin de réduire au
minimum le nombre de discussions selon les valeurs du paramètre m.
mx + y + z = 1 x + y H- mz = m2
x + my + z — m < x + my + z = m
Li 3
x + y 4- mz = m2 mx + y 4- z — 1
x 4- y+ mz =
{m — V)y 4- (1 — m)z = m — m 2
Z/3^—Z/3—77lZ/i (1 — m)y + (1 — m2^z = 1 - m3
'xi y+ mz
< (m — l)y 4- (1 — m)z = m — m 2
(1 — m)(2 4- rn)z = (1 — m)(m + l)2.
méthode
Il On poursuit la résolution dans le cas où les « pivots » facteurs de y et z sont
Il non nuis puis on traite les cas particuliers.
Cas : m / 1 et m — 2. Le système présente un unique triplet (x, y, z) solution à savoir
/ m 4- 1 1 (m 4-1)2 \
\ m + 2’m + 2’ m + 2 /
Cas : m = 1. Le système se résume à l’équation x + y + z = 1 et, en considérant x
comme inconnue principale, l’ensemble des solutions est constitué des triplets 3
(1 — y — z, y, z) avec (y, z)çR2.
Cas : m = —2. La dernière équation du système se relit 0 = 3. Le système n’a pas de
solutions.
1. On pourrait aussi considérer les inconnues x et t, y et z ou encore y et t comme principales, mais
pas x et y ou z et t. Le choix de tel ou tel couple d’inconnues principales modifiera la description de
l’ensemble des solutions.
2. On peut aussi proposer la description (2, 0, —1,0) + y(—1,1,0,0) + t(—2, 0,1,1) avec y, t E R qui
fait apparaître la structure affine de l’ensemble des solutions (voir p. 320).
3. On peut aussi proposer la description affine (1,0, 0) + y(—1,1,0) + z(—1, 0,1) avec y, z G R.
Exercice 10
Soit a, b et 0 des réels. Résoudre le système suivant d’inconnue (æ, y) € R2 :
. f cos(0)æ - sin(0)y = a (1)

( sin(0)x + cos(0)y = b (2).
Solution
Il n’est pas possible d’appliquer simplement l’algorithme du pivot sans discuter selon
les valeurs du paramètre 0 et les éventuelles annulations de cos# ou de sin#. On peut ce
pendant résoudre le système sans discussion en raisonnant par combinaison d’équations :
méthode
|| On isole les inconnues par combinaison d’équations sachant cos2 #4-sin2 0 = 1.
Soit (x,y) un couple solution du système (S). La combinaison cos# x (1) + sin# x (2)
isole x et simplifie le terme en y. Parallèlement, la combinaison — sin# x (1) 4-cos# x (2)
détermine y. On obtient alors
x = cos(#)u + sin(#)6
y = — sin(#)a -F cos(#)6.
Inversement1, on vérifie par le calcul que les valeurs x et y proposées ci-dessus déter
minent un couple solution :
cos(#)(cos(#)a 4- sin(#)ô) — sin(#)(— sin(#)n 4- cos(#)6) = a

sin(#)(cos(#)a + sin(#)6) + cos(#)(— sin(#)n 4- cos(#)ô) = b.
2.6.1 Principe de récurrence
Exercice 11 *
Etablir que tout entier naturel non nul n s’écrit
n = 2k(2p 4- 1) avec (p, k) e N2
en procédant de deux manières :

(a) En introduisant le plus grand entier k tel que 2k divise n.
(b) En raisonnant par récurrence.
1. La résolution du système étant conduite par implication, une vérification de la solution obtenue
est nécessaire.
Solution
(a) méthode
On montre l’existence d’un plus grand entier vérifiant une propriété en obser
vant que l’ensemble des nombres concernés est une partie de N non vide et
majorée.
Introduisons l’ensemble A = e N | 2€ divise n}. C’est une partie de N et celle-ci est

non vide car 0 en est élément. De plus, elle est majorée car1
2m | n 2m n
=> m C n.
La partie A possède donc un plus grand élément k.

Puisque k est élément de A, 2k divise n ce qui permet d’écrire n = 2km avec m entier.
Puisque k 4-1 n’est pas élément de A, 2 ne divise pas m qui est donc un nombre impair
de la forme 2p + 1 avec p e N. L’entier n s’écrit alors 2k(2p -F 1) comme voulu.
(b) Raisonnons par récurrence forte sur n e N*.

Pour n = 1 : k et p égaux à 0 conviennent.
Supposons la propriété établie jusqu’au rang n 1 et étudions l’entier n+1. Procédons
par disjonction de cas :
Cas : n + 1 est impair. L’écriture est directement2 obtenue avec k = 0 et n+1 = 2p+l.
Cas .’n + 1 est pair. On peut écrire n + 1 = 2m avec 1 C m C n. Par l’hypothèse de
récurrence forte, il est possible d’écrire m = 2k(2p + 1) puis n + 1 = 2fc+1(2p + 1) avec p
et k entiers.
Exercice 12 *
Montrer par récurrence que, pour tout entier naturel non nul n,
n n
JJ (4fc - 2) = JJ (n + fc).
fc=l k—1
Solution
Pour n = 1, les deux produits comportent un seul facteur égal à 2 : l’égalité est vérifiée.
Supposons la propriété établie au rang n 1.
méthode
Ne pas omettre de changer n en n + 1 dans le facteur du second produit lorsque
celui-ci est exprimé au rang n + 1.
1. La deuxième implication est justifiée par la comparaison m 2m que l’on établit par récurrence.
2. On ne fait alors pas usage de l’hypothèse de récurrence.
D’une part, on isole un facteur au premier produit

n+l / n \
J (4fc - 2) = I n (4fc - 2) I X (4n + 2)-
k=l \k= 1 /
D’autre part, en exprimant les facteurs du second produit
n+l
(n + 1 + fc) = (n + 2) x (n + 3) x • • • x ( 2n ) x (2n + 1) x (2n H- 2)
k=l k=2 k=n—l k=n k=n-\-l
on observe
n+l
j(n + 1 + fc) = (2n -|- 1) x (2n H- 2)
fc=i (n+l)
En simplifiant le quotient final, on obtient
n+l
J (n + 1 + k) = x (4n + 2).
k=l
L’hypothèse de récurrence permet alors de conclure

n+l n+l
JJ (n + 1 + fc) = n (4fc -2) x (4n + 2) = JJ (4fc - 2).
fc=i k=l k=l
La récurrence est établie1.
Exercice 13 **
Soit x un réel non nul tel que x + | soit entier.
(a) Montrer que, pour tout n e N,
Xn + — e z.
xn
(b) Donner un exemple de réel x non trivial ayant la propriété qui précède.
Solution
(a) méthode
Il11 On exprime rrn+1 H------
j.n+1
— en fonction de xn H-----
xn et x71-1 +
En développant le produit
1. On peut aussi proposer une démonstration directe en observant les deux produits égaux à .
Montrons alors la propriété voulue en raisonnant par récurrence double sur n G N.

Pour n = 0, x° + = 2 est un entier. Pour n = 1, x + est un entier par hypothèse.
Supposons la propriété vérifiée aux rangs n et n — 1 (avec n 1). Par l’identité (*), il
vient
ez ez gz
(b) méthode
|| On choisit p G Z et l’on résout l’équation x + = p.
Pour x E R*
_L o
x H— = p <==> x — px + 1 = 0.
x
L’équation du second degré est de discriminant A = p2 — 4 : elle détermine une solution
réelle non triviale dès que p2 — 4 > 0. Pour p = 3, on peut proposer
3 + a/5
2.6.2 Sommes numériques
Exercice 14 *
Pour x un réel différent de 1 et n un entier naturel, on pose
n
sn=
k=0
(a) Déterminer la valeur de Sn en calculant xSn — Sn.

(b) Retrouver la valeur de Sn en dérivant la fonction x i-> 1 + x H---- + xn.
Solution
(a) méthode
|| On simplifie xSn — Sn en s’aidant d’un glissement d’indice.
On développe, le x dans la somme

n n
xSn Sn — ^2 kxk+i - 52 kxk.
/c=0 k=0
On réalise le glissement d’indice £ = k H- 1 dans la première somme avant de renommer k

l’indice de celle-ci
n+1 n n+1 n
xsn -sn = ^2^~ i)^ - 52kxk = 52 ~ 52kxk-

£=1 fc=O k=l k=O
En isolant le terme d’indice n+1 de la première somme et le terme d’indice 0 de la

seconde., on peut combiner les deux sommes sur leur portion commune
n n
xSn — Sn = nxn+1 + — kxk} — O.xc0 = nxn+1 — ^ÿ^xk.
fc=n+l k 1 k=0 k
Enfin, la dernière somme est géométrique de raison x (avec x 1) et
xSn — Sn = nxn+1 — x-----

x—1
Après réduction au même dénominateur et division par x — 1, on conclut
_ nxn+2 — (n + 1)j++1 + x
(b) Pour x 7^ 1, l’identité géométrique s’écrit
i+z+æ2d— -\-xn = y^ xk =---------------- .

k=0
x-1
On dérive en la variable x ce qui fait disparaître le terme constant correspondant à

l’indice k = 0
n
ran+1 — (n + l)æn + 1
1 + 2x + • • • + nx”-1 = ^2
(x - l)2
k=l
En multipliant cette relation par x et en ajoutant un terme nul correspondant à l’in

dice k — 0, on retrouve
nxn+2 — (n + l)#n+1 + x
Sn
(z-1)2
Exercice 15 **
Soit n € N*. Calculer
n n j
£“! “ £<*+!)>■
Solution
méthode
|| On fait apparaître une somme télescopique en écrivant k = (k + 1) — 1.
On écrit
n n n
52 fc.fc! = + 1) - l).fc! = + 1)! - fc!).
k—1 k—1 k=l
On exprime les termes sommés afin de voir les simplifications

n
J2((fc + 1)! - fc!) = (2! - 1!) + (3! - 2!) + • • - + ((n + 1)! - n!) = (n + 1)! - 1.
k=l
De manière semblable, on obtient
y. k _A(fc + l)-l _ A/l 1 \ 1

(*+i)! (fc + w (rc+i)!’
Exercice 16 ***
Soit n e N*. Calculer
52 min(i,j).
1^2 ,j^n
Solution
méthode
Par regroupement de termes (Th. 8 p. 50), on sépare la somme en plusieurs
sommes pour chacune desquelles on sait déterminer min(î,J).
On écrit
52 = 52 52 minG,j)+ 52 min(M)-
1 1 22
—% 1 22l
— 1 <i^n —J
La somme intermédiaire est une somme simple :

72
n(n + 1)
E -E-
1^2=7^72 2=1
2
Les deux sommes extrêmes sont triangulaires et elles sont égales par un argument de
symétrie. On exprime la somme double comme deux sommes emboîtées en étant attentif
à la nature triangulaire du domaine de sommation
n(n — l)(n + 1)
6
72—2 termes
Finalement,
. /. n(n-l)(n + l) n(n + 1) n(n + l)(2n + 1)

Emm(z, ?) = 2 x —------- —------- - H------------- = — ------- —-------- -
6 2 6
n
Figure illustrant min(z,j) = fe2.
k=l
2.6.3 Produits numériques
Exercice 17 *
Soit u € R. Pour n € N, on pose
P’n = fj(l + n2fc).

k—0
(a) Calculer Pn lorsque a = 1.

(b) On suppose a =£ 1. Donner la valeur de Pn en calculant (1 — a)Pn.
Solution
(a) Si a = 1, un calcul direct est possible (en remarquant que le produit comporte n+1
facteurs)
n
Pn= n2 = 2"+1-
k=0
(b) méthode
|| On exploite l’identité remarquable (a — b)(a + 6) = a2 — b2.
En regroupant successivement les deux premiers facteurs1
(1- a)Pn — (1 — a)(l + a)(1 + a2) ... (1 + a2 )

= (l-«2)
= (1 — a2) (1 + a2)... (1 + a2") = • • •
=l—a4
= (l-a2”)(l+a2”) =l-a2"+1.
On peut alors conclure 2

i 2™+1
F = —
n 1-a ’
Exercice 18 **
Soit n 6 N*. Exprimer à l’aide de nombres factoriels le produit
Solution
méthode
Après réduction au même dénominateur, on exprime un produit d’entiers pairs
et d’entiers impairs.
On écrit
TT fi___ jL j = TT 4^2 ~ 1 _ TT ~ 1)(2^ + !)
IM
k=ix
4fc2 ') H
t=i
4fc2 11
fc=i
(2k)
■ 7
2
ce qui conduit au calcul des trois produits

n n n
JJ(2fc-l), JJ(2fc+l) et f[(2fc).
k=l k=l k=l
D’une part, on a déjà vu3
n<2«« n<“+i)=e^r-
k=l k=l
1. Lors des calculs, on précise l’étape finale afin de proposer la bonne expression. On sera en particulier
attentif à ce que les exposants de a sont des puissances de 2 et non simplement des nombres pairs.
2. La formule obtenue correspond aussi à la somme géométrique l + a + a2+a3 + -- - + a2'^1 : on
peut vérifier cette propriété en développant le produit initial et en observant que ce développement fait
apparaître, une fois et une seule, tous les termes de la somme précédente.
D’autre part, en introduisant les facteurs pairs intermédiaires y compris un dernier

facteur 2n pour simplifier l’expression finale du résultat
rr ,n, l x 2 x 3 x 4 x • ■ • x (2n - l) x (2n) (2n)!

,liV
k=l
7 v 7 2x4x-x2n v 7
2nn!
Finalement,
((2n)!)1
2 2n + 1 /2n\2
=<2n+i) (2"n!)4 16n \ n )
k=l X 7
Exercice 19 *
Soit nEN. En considérant la fonction /: x i-> (1 -F rc)n, calculer
Solution
Par la formule du binôme, on a l’expression développée
n / \
fix') = V ( ]xk pour tout x e R.
k—0 x 7
méthode
|| On dérive la fonction f avant d’évaluer en 1.
Par dérivation1, on a pour tout réel x
/'(x) = n(l + .r)n-1 =V fc(? V-1.

k=l v 7
En évaluant en x — 1, on obtient2
En multipliant f'(x) par x (afin de faire apparaître xk au lieu de xk 1) avant de dériver

à nouveau, on obtient
n z \
xf"(x) + f'(x) = n(l + nrc)(l + x)n~2 = k2 (
\k )
k=l K 7
1. Le terme constant correspondant à l’indice k = 0 disparaît lors de la dérivation.

2. On retrouve le résultat déjà obtenu dans le sujet 8 p. 63.
En évaluant en x = 1, il vient
méthode
On exprime une somme télescopique par la formule du triangle de Pascal
(Th. 10 p. 53).
Pour tout k G N*, on écrit
n+ n + /A
k ) k — 1)
et l’on obtient par télescopage
n+p+ 2
p+1
Par la symétrie des coefficients binomiaux, on peut aussi remarquer
n+q+1 n + p+ 1
Q P
Exercice 21 **
Calculer
^ = È(-Dfc(\+1)
k=0 ' '
Solution
méthode
|| On décompose le coefficient binomial par la formule du triangle de Pascal.
Pour k 1, on écrit
2n 4~ 1 2n
k k-1
On isole le terme d’indice 0 de la somme et l’on peut percevoir la somme étudiée sous
forme télescopique
Exercice 22 ** (Formule de Chu-Vandermonde)

Soit n, p et q trois entiers naturels vérifiant n p 4- q. En développant de deux
manières (1 -F x)p+q, établir
Solution
méthode
|| On étudie le coefficient de xn dans (1 + x)p+q = (1 + x)p x (1 + x)q.
D’une part,
(1 4- x)p x (1 4- x)q
Le coefficient de xn dans (1 4- x}p x (1 4- x)q est donc (p+9).

D’autre part,
(1 4- x)p x (1 + x)q —
et le coefficient de xn dans le développement de ce produit est la somme des produits

(?) (J) Pour les indices i et j vérifiant i 4- j = n.
L’identification1 de ces deux coefficients donne
quitte à adjoindre quelques coefficients nuis 2 à la dernière somme.
Exercice 23 **
Soit n € N. Calculer
Solution
méthode
On reprend l’idée du sujet précédent avec la formule de symétrie (Th. 10 p. 53)
Le coefficient de xn dans (1 + x)2n est (2™). On peut retrouver ce coefficient en consi

dérant (1 + x)2n = (1 + x)n x (1 + x)n ce qui donne l’identité
coefficient de xk coefficient de xn k
dans (1 + a;)n dans (1 + æ)n
méthode
|| Pour faire apparaître (—l)fc, on considère le développement de (1 — x)n.
Le coefficient de xn dans (1 — a?)n(l + x)n est
coefficient de xk coefficient de xn k
dans (1 — æ)n dans (1 + æ)n
Or ce coefficient est aussi celui de xn dans (1 — æ2)n et donc
si n est impair
si n est pair.
1. Lorsque deux fonctions polynomiales sont égales sur R, elles sont nécessairement écrites avec les
mêmes coefficients (Th. 9 p. 154).
2. Rappelons que le coefficient (™) est nul lorsque p n’est pas compris entre 0 et n.
Solution
méthode
En exploitant la formule du binôme, on forme un système de trois équations
vérifiées par A, B et C.
D’une part,
n / \
A + B + C = ^(n] = (1 + 1)” = 2n. (1)
Æ=0 ' '
D’autre part, en exploitant1 j3p = 1, j3p+1 = j et J3p+2 = j2, on obtient
A + Bj + Cj2 = £ (Ajk = (1 + j)" = (-/)” (2)

k=0 ' '
Par conjugaison, on a aussi

A + Bj2 + Cj = (3)
La combinaison (l) + (2) + (3) détermine A car 1 + j + j2 = 0
A = |(2" + (-»”+ H2)").

O
On simplifie cette expression en écrivant
(-j)” + (-/)” = (-j)” + (~j)n = 2Re((-J)") = 2Re(e“i”7r/3) = 2 cos
et donc
n7F
A= [ 2n + 2 cos
O \ T
La combinaison (1) + j2(2) + J (3) détermine B :
s=|(2”+j2H2)n+j(-jn = |
2"+2 cos
O O
1. Le nombre j désigne la racine troisième de l’unité e21,r/3, elle vérifie j3 = 1, 1 + j’ + j2 = 0 et

J = j2-
et de même (1) + j(2) +J2(3) détermine C :
(n + 2)tt\
2n + 2cos 3 J
Exercice 25 **
Soit n e N*.
(a) Vérifier que, pour tout k E [1 ; n],
n—k+1 ( n
\k) k —1
(b) En déduire que
(c) Application : Montrer

/2n\ > 4n
ynJ 2n + 1
Solution
(a) En exploitant l’écriture factorielle des coefficients binomiaux
n\ (n — k + 1) n\ (n — k + 1) / n \
k) kl(n — ky. k
(k — l)!(n — k + 1)! k — 1/
(b) Si 1 n/2 alors 2k < n 4-1 et donc n — k + 1 > k puis

n n—k+1 / n \ n
k k \k — 1/ k-1
méthode
|| La deuxième inégalité se déduit de la formule de symétrie : Q) = (n™k
Si n/2^k^n — 1 alors £ = n — k vérifie 1 n/2 donc
n n n\
c’est-à-dire
£- 1 k+1 À; /
(c) méthode
Par ce qui précède, on peut affirmer que, dans la formule du binôme, c’est le1
« coefficient binomial du milieu » qui est le plus grand.
On a
— (1 + l)2n = 22n et f^n>) pour tout k G [0 ; 2nJ.

fc=0 \ / k 7 \ 7
On en déduit
22n (2n + 1) (2nA|
< > \n7
nombre de termes
dans la somme
puis l’inégalité proposée.
2.7 Exercices d'approfondissement
Exercice 26 *
Soit n G N* et ai,.. ., an des réels positifs et sn — ai + • •■ ‘ + an. Vérifier
n JL qk
tf (1 + flfc) sn
k\'
fe=l k=0
Solution
On vérifie l’inégalité proposée par récurrence.
Pour n = 1, l’inégalité est vérifiée, il s’agit même d’une égalité.
Supposons la propriété vérifiée au rang n avec n 1. Soit ai,... ,an,an+i des réels
positifs. Considérons sn = ai H------ \-an et sn+i = sn + an+i. Par hypothèse de récurrence
on peut écrire
n+1 / n \
JJ(l + afc) < I 52j(l + an+i).
k=l \k=0 J
En développant puis en opérant un glissement d’indice

n l. \ n v. n n v. n+l l. i
( V S " W11*
2.iri(
fc=0
+ an+iA)-2.fcï+r-fci-
X/,
7
V Sn _1_ \' snan+l = 2.i!
k=0
sn
+2. s(fc-!),
n
k=0
an+l
fc=0 k=l V 7
On combine ensuite les deux sommes sur leur portion commune
méthode
Si x et y sont des réels positifs, on a1
xk + kxk~xy < (a; + y)k pour tout k 1.

1. Plus précisément, si n est pair, ce coefficient est unique et correspond à l’indice n/2, si n est impair,
il sont deux correspondant aux indices successifs (n — l)/2 et (n + l)/2.
On a H- ks\ 1an+i s^+1 pour tout k compris entre 1 et n. On a aussi par un

argument semblable (n + l)s™an+i On en déduit
Qn+1 n+l Qk
5n+l ôn+l
(n + 1)!
fc=o k\ ’
Exercice 27 **
Soit n un entier naturel.
(a) Montrer l’existence et l’unicité de nombres entiers an et bn vérifiant
(1 + a/2) — CLn + bny/2.
(b) Calculer — 262*.

(c) Montrer qu’il existe un unique p G N* tel que
(1 + Vï)n = Vp + Vp -1-
Solution
(a) Montrons l’existence par la formule du binôme de Newton 2
(1 + ^2)" = Ê(")(72)‘.
fc=0 x 7
En séparant la somme en deux selon la parité de l’indice, il vient
(i+=p=0E —2P
+ p=0£J G»+ J «p+1=«n+2P\/2
avec les entiers
méthode
|| L’unicité de l’écriture provient de l’irrationalité de y/2.
Supposons
(1 + \/2)n = a + bV2 = a' + ô'V2
1. En effet, xk et kxk~1y sont les deux premiers termes du développement de (x + y)k, les autres
étant tous positifs.
2. On peut aussi raisonner par récurrence en constatant ao = 1 et = 0 et, pour tout n 6 N,
+1 = (J'n H- 2bn et = an + bn.
avec a, 6, a', b' entiers. Par différence de membres, on a (b' — 6)\/2 = a — a'. Par l’absurde,
si b 7^ 6', on peut exprimer y/2 comme quotient de deux nombres entiers ce qui contredit
son irrationalité. On a donc b = b' puis, nécessairement, a = a'.
(b) méthode
Par le même calcul qu’au-dessus, on constate
Dès lors
a2n-2b2n = (an-bnV2)(an + bny/2) = (1 + 72)”(1 - ^2)” = (-1)".
(c) La fonction x y/x+y/x — 1 est strictement croissante donc injective : ceci assure
l’unicité de l’écriture. Reste à établir l’existence.
Cas : n est pair. On a = 1 4- 26^. Pour p = e N,
(1 + Vï)n = an -F y/2bn = y/p + y/p - 1.
Cas : n est impair. On a 2b^ = a/ + 1. Pour p = 26^ ç
(1 + a/2) = a/2 bn + an = y/p + y/p — 1.
Exercice 28 ***
Soit n un entier > 2. Montrer que
n’est pas entier.
Solution
Les premières valeurs de Hn sont données dans le tableau ci-dessous :
2 3 4 5 6 7 8
3 11 25 137 49 363 761
2 6 12 60 20 140 280
méthode
Il On montre par récurrence forte que Hn est le quotient d’un entier impair par
Il un entier pair.
Pour n = 2, la propriété est vérifiée.
Supposons la propriété vraie jusqu’au rang n — 1 (avec n > 3). Raisonnons par dis
jonction de cas.
2.7 Exercices d'approfondissement 83
Cas : n impair. On écrit par l’hypothèse de récurrence
Hn = Hn_r + t avec Hn_! = (p,q) G N x N*.

n
Après réduction au même dénominateur, on obtient l’écriture voulue
_ (2p + l)n + 2q
tin — ~
car (2p + l)n est impair puisque produit de deux entiers impairs.
Cas : n pair. On peut écrire n = 2m avec m 2 puis, en séparant les termes d’indices
pairs de ceux d’indices impairs dans la somme, on écrit
Par l’hypothèse de récurrence forte, Hm est le quotient d’un entier impair par un en
tier pair, a fortiori, l’est aussi. Au surplus, comme on l’a vu dans l’étude du cas
précédent, l’ajout de l’inverse d’un entier impair conserve cette propriété. On en déduit
que Hn est le quotient d’un entier impair par un entier pair.
La récurrence est établie et l’on peut affirmer que, pour tout n 2, le nombre Hn n’est
pas entier.
Exercice 29 ***
Soit n e N*. Vérifier
Solution
méthode
|| On écrit1 | comme l’intégrale de 0 à 1 d’une puissance de x.
Pour tout A; G N*,
. . 0
On peut alors écrire par linéarité de l’intégrale
d#.
1. On peut aussi raisonner par récurrence en exploitant la formule de Pascal.

Soit x € [0 ; 1]. Par la formule du binôme
(i-< = £(-i)fc
fc=0
Pour x / 0, on isole le terme d’indice 0 de la somme et l’on obtient en divisant par x

l’égalité
l-(l-æ)n
x
Dans le second membre, on reconnaît la somme des termes d’une suite géométrique de
raison 1 — x
n—1
1 - (1 -a?)w 1 - (1 -x)n
£(i-*)fc =
1 - (1 - a;) X
On a ainsi obtenu la formule
Celle-ci est encore vraie1 pour x — 0.

On peut alors poursuivre le calcul initial
Exercice 30 *** (Développement factoriel d’un entier)

(a) Montrer que, pour tout n € N*, il existe p G N* et (ai, û2, ..., ap) G Np tels que
p
n— afc./c! avec 0 ak < k et ap / 0.
k=l
(b) Vérifier l’unicité de cette écriture.
1. On peut vérifier que l’on obtient n dans les deux membres ou utiliser, sans calculs, un argument
de continuité : de part et d’autre les fonctions sont continues et elles sont égales au voisinage de 0 donc
égales en 0.
Solution
(a) méthode
On raisonne par récurrence forte en opérant la division euclidienne (Th. 4
p. 88) de n par la plus grande factorielle qui lui est inférieure.
Pour n = 1, on peut immédiatement écrire n = ai .1! avec ai = 1.
Supposons l’existence de l’écriture vraie jusqu’au rang n — 1 (avec n 2). Introdui
sons1 p le plus grand entier tels que p\ n et réalisons la division euclidienne de n
par p\ :
n = p\q + r avec 0 r < p\
Posons alors ap = q G N. D’une part, ap 1 car n p\. D’autre part, ap < p + 1
car n < (p + 1)! par définition de p. Il suffit ensuite de décomposer le reste r.
Si r est nul, on pose ai = • • • = ap_\ = 0 et l’on obtient l’écriture attendue de n.
Si r est non nul, on peut exploiter l’hypothèse de récurrence forte pour décomposer r
car r < p! n. On peut ainsi écrire
Q
r= bk-k\ avec 0 bk k et bq / 0.
k=i
Puisque bq est au moins égal à 1, on a q\ r et donc q < p : la décomposition de r est

de longueur strictement inférieure à p. En posant (ai,..., aq) = (6i,... ,bq) et, s’il y a
lieu, ag+i,..., ap-i égaux à 0, on obtient l’écriture
p
n= ak-k\ avec 0 a^ C k et ap 0.
k=l
(b) Supposons
p q
n= ak.k\ = yy bk-k\
k=l k=l
avec les conditions requises.

Puisque ap 1, on a n p\. Aussi, sachant ak C k pour tout /c, ona2
p p
n< k-k' = + 1) “ 0^ = (P + 0! ” L
k=l k=l
On peut alors affirmer l’encadrement
p! n < (p + 1)!
1. Ce plus grand entier existe car l’ensemble des entiers p tels que p! < n est une partie non vide et
majorée.
2. Voir le calcul de la somme dans le sujet 15 p. 70.
De même, on a aussi l’encadrement
q\ < n < (q + 1)!
On en déduit p = q. On dispose alors de l’égalité suivante avec deux sommes de mêmes

longueurs
p p
âk.k\ = ^bk-kl
k=l k=l
Par l’absurde, supposons (ai,..., ap) / (fei, • • •, bp) et considérons le plus grand entier r
de [1 tel que ar ÿ^br. Après simplification, on dispose de l’égalité
r r
^2ak-k\ = ôfc.A;! avec ary^br. (*)
k=l k=l
Quitte à permuter les écritures, on peut supposer ar < br, c’est-à-dire ar + 1 < br. On
a alors
r r—1 r
n= ak-k\ + ar-r' < br.r\ b^.k\ = n.
k=\ k—1 k=l
<r!
Cette inégalité stricte est absurde : on a justifié l’unicité de l’écriture.

CHAPITRE 3
Arithmétique des entiers
3.1 Divisibilité
3.1.1 Divisibilité dans Z

Définition
On dit qu’un entier1 a divise un entier 6, et l’on note a | 6, lorsqu’il existe un entier k
tel que b = ak. On dit alors que a est un diviseur de b ou encore que b est un multiple
de a.
Les entiers 1, a, — 1 et — a sont des diviseurs de a, ce sont ses diviseurs triviaux.

En dehors du cas a = 0 qui est divisible par tout entier, les diviseurs de a sont assurément
inférieurs à a en valeur absolue.
Théorème 1 (Double divisibilité)

Soit a et b deux entiers
a | b et b | a ==> |a| = \b\.
En particulier, lorsque a et b sont naturels, on obtient l’antisymétrie de la relation de

divisibilité :
a | b et b | a => a = b.
1. Lorsque l’on parle d’entier, on signifie : entier relatif.

88 Chapitre 3. Arithmétique des entiers
Théorème 2 (Transitivité)
Soit a, b et c trois entiers.
a | b et b | c => a | c.
Théorème 3 (Divisibilité des combinaisons entières)

a | b et a | c => V(iz, v) € Z2, a | {bu 4- cv).
3.1.2 La division euclidienne
Théorème 4 (Division euclidienne dans Z)

Pour tout a € Z et tout b e N*, il existe un unique couple {q,r) d’entiers vérifiant
a = bq 4- r et 0 < r < b.
Les entiers q et r sont respectivement nommés quotient et reste de la division eucli

dienne de a par b.
L’entier b est un diviseur de a si, et seulement si, le reste r est nul.
3.1.3 Calculs en congruence

Soit n e N*.
Définition
On dit qu’un entier a est congru à un entier b modulo n lorsque n divise la diffé
rence b — a. On note alors
a = b [n].
En particulier, n divise a si, et seulement si, a = 0 [n].
Théorème 5
La congruence modulo n définit une relation d’équivalence sur Z, relation pour la
quelle tout entier est congru à un unique entier r compris entre 0 et n — 1.
Cet entier r correspond au reste de la division euclidienne de a par n.

La relation de congruence modulo n est compatible avec les opérations arithmétiques :
Théorème 6
Soit a, a', b et b' des entiers. Si a = a' [n] et b = b' [n] alors
a + b = a' 4- b' [n] et ab = a'b' [n].
En particulier, on obtient par récurrence ap = bp [n] pour tout p e N.

3.2 PGCD et PPCM 89
3.2 PGCD et PPCM
3.2.1 PGCD
Définition
On appelle PGCD de deux entiers a et b le plus grand1 diviseur commun à a et b. On
le note a /\b.
Les diviseurs communs à a et b étant aussi les diviseurs communs à |a| et |6|, il est usuel
de travailler avec des entiers naturels lorsque l’on étudie un PGCD.
Théorème 7
Les diviseurs communs à deux entiers a et b sont exactement les diviseurs du PGCD
de a et b.
On dispose ainsi de l’équivalence suivante où l’implication directe 2 est remarquable :
Vd G Z, (d | a et d | b) <=> d | (a A 6).
3.2.2 Propriétés calculatoires

Théorème 8
Pour tous a, & et c entiers :
a) a A 0 = |a| ;
b) a /\b = b /\ a (commutativité) ;
c) a A (6 A c) = {a A b) A c (associativité).
Par la propriété d’associativité, on peut écrire a A b A c sans préciser le parenthésage

organisant le calcul. On définit ainsi le PGCD des trois entiers a, b et c. Plus généralement,
on peut introduire le PGCD ai A ... A an d’une famille (ai,..., an) d’entiers. Celui-ci est
l’unique entier naturel vérifiant
Vd G Z, (d | ai et ... et d | an) 4=4* d | ai A ... A an.
3.2.3 L’algorithme d’Euclide

Soit a et b deux entiers. Quitte à considérer leurs valeurs absolues, on suppose a et b
positifs.
Si b est nul, on connaît le PGCD de a et b : a A 0 = a.
Si b est non nul, le PGCD de a et b est aussi celui de b et de r avec r le reste de la division
euclidienne de a par b : a /\b = b /\r.
1. Plus précisément, lorsque a ou b est non nul, l’ensemble des diviseurs communs à a et b est fini
non vide et il existe donc un plus grand diviseur commun. Lorsque a et b sont tous deux nuis, on pose
le PGCD égal à 0. Dans les deux cas, le PGCD est un plus grand diviseur pour la relation de divisibilité.
2. L’implication réciproque est immédiate par transitivité.
Ces deux propriétés sont à l’origine de Valgorithme d’Euclide calculant le PGCD de deux
entiers naturels :
Théorème 9 (Algorithme d’Euclide)

Partant de la division euclidienne de a par 6, lorsque l’on opère une succession de
divisions euclidiennes du diviseur par le reste tant que le reste obtenu est non nul,
le PGCD de a et b correspond au dernier reste non nul.
Par cette succession de divisions euclidiennes il est possible d’exprimer le PGCD de deux
entiers comme une combinaison entière de ces deux entiers :
Théorème 10 (Relation de Bézout)

Si d désigne le PGCD de deux entiers a et 6, on peut écrire
d = au + bv avec (u,v) E Z2.
Plus généralement, si d est le PGCD d’une famille (ai,..., an) d’entiers, on peut écrire
d — a-ûi +---- F anun avec (ai,..., un) e Zn.
3.2.4 PPCM
Définition
On appelle PPCM de deux entiers a et b le plus petit entier naturel multiple commun
à a et b. On le note q V b.
Par la propriété q V b = |q| V |fe|, il est usuel d’étudier des PPCM d’entiers naturels.
Théorème 11
Les multiples communs à deux entiers a et b sont exactement les multiples du PPCM
de a et b.
On dispose ainsi de l’équivalence suivante où l’implication directe est remarquable :
Vm E Z, (q | m et b | m) (q V 6) | m.
On retrouve pour le PPCM les propriétés de commutativité et d’associativité déjà vues
pour le PGCD. Par cette dernière, on peut introduire le PPCM d’une famille finie d’entiers.
3.2.5 Relation entre le PGCD et le PPCM

Les PGCD et PPCM de deux1 entiers sont liés par la formule :
Théorème 12
Pour tous q et b entiers,
(q A 6)(q V b) = \ab\.
1. La relation n’est pas valable si l’on considère le PGCD et le PPCM d’une famille de trois nombres
entiers ou plus.
3.3 Entiers premiers entre eux 91
3.3 Entiers premiers entre eux
3.3.1 Définition
Définition
Deux entiers a et b sont dits premiers entre eux lorsque leurs seuls diviseurs communs
sont 1 et —1.
Il revient au même de dire que leur PGCD vaut 1, c’est-à-dire d’écrire a A b = 1.
Des diviseurs de deux nombres premiers entre eux sont eux-mêmes premiers entre eux.
Théorème 13 (Factorisation du pgcd)

Si u et b sont deux entiers de PGCD d, on peut écrire
a = da' et b — db' avec a' et b' des entiers premiers entre eux..
C’est par factorisation du PGCD du numérateur et du dénominateur d’un nombre ration

nel que l’on forme son représentant irréductible.
3.3.2 Le théorème de Bézout
Théorème 14 (Théorème de Bézout)

Deux entiers a et b sont premiers entre eux si, et seulement si, il existe un couple (u, v)
formé d’entiers vérifiant au + bv = 1.
En application, si un entier a est premier avec les entiers b et c, il l’est aussi avec le
produit bc. Par récurrence, on obtient que a est premier avec bp pour tout p E N.
3.3.3 Le lemme de Gauss

Lorsqu’un entier a divise un produit bc, il ne divise pas nécessairement l’un des facteurs b
ou c. Cependant, on a le résultat suivant :
Théorème 15 (Lemme de Gauss)

a | bc et a A b = 1 ==> a | c.
En application, si deux entiers a et b premiers entre eux divisent un entier c, leur pro
duit ab divise aussi c.
3.4 Nombres premiers
3.4.1 Définition
Définition
Soit p un entier au moins égal à 2. On dit que p est un nombre premier si ses seuls
diviseurs positifs sont 1 et p. Sinon, l’entier p est dit composé.
Les douze premiers nombres1 premiers sont : 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37.
Théorème 16 (Théorème d’Euclide sur les nombres premiers)

L’ensemble P des nombres premiers est infini.
3.4.2 Le lemme d’Euclide

Le caractère atomique des nombres premiers se traduit par le résultat suivant :
Théorème 17 (Lemme d’Euclide)

Si un nombre premier p divise un produit ab de deux entiers, il divise au moins l’un
des deux facteurs a ou b.
3.4.3 Le théorème fondamental de l’arithmétique
Théorème 18 (Théorème fondamental de l'arithmétique)

Tout entier naturel n non nul s’écrit de façon unique à l’ordre près des facteurs
n=
k=l
avec r € N, pi,... ,pr des nombres premiers deux à deux distincts et ai,..., ar des
entiers naturels non nuis.
Définition
|| L’écriture de l’entier n ci-dessus se nomme sa décomposition en facteurs premiers2.
3.4.4 Valuation p-adique

Soit p un nombre premier.
1. On ne considère pas que 1 soit un nombre premier. On ne considère pas non plus qu’il s’agit d’un
nombre composé : c’est un élément inversible dans l’anneau Z (voir chapitre suivant).
2. On parle aussi de décomposition primaire. Lorsque n = 1, cette écriture est réalisée avec un produit
vide.
3.4 Nombres premiers 93
Définition
On appelle valuation p-adique d’un entier non nul n l’exposant de la plus grande
puissance de p qui divise n. Cette valuation est notée vp(n).
La valuation p-adique de n correspond à l’exposant1 de p dans sa décomposition en
facteurs premiers. On peut alors écrire 2
n = ± n PVpM-
pep
Théorème 19
Si a et b sont deux entiers non nuis
a) vp(ab) - vp(a) + vp(ty ;
b) a | b 4=> Vp € P, vp(a) vp(b) ;
c) a A b = 1 <=> Vp e P, vp(a) = 0 ou vp(b) — 0.
Si un entier n s’écrit
n = Il avec deux à deux distincts

k=i
les diviseurs positifs de n sont les
d = JJ p%k avec \/k e [1 ; r], 0 /3k ak.

k=i
Si a et b sont des entiers non nuis
a A b = JJ et ay b = JJ pmax(vp(a),vp(fc)) _
per peP
Le PGCD de a et b regroupe ce qui est « commun » aux entiers a et b.
3.4.5 Le petit théorème de Fermat
Théorème 20 (Petit théorème de Fermat)

Si p est un nombre premier alors, pour tout entier a,
pXa => ap-1 = 1 [p].
En conséquence ap = a [p] que p divise a ou non.

1. Cet exposant est nul si p n’est pas un facteur premier de n.
2. Soulignons que ce produit ne contient qu’un nombre fini de facteurs différents de 1 ce qui permet
de lui attribuer un sens bien qu’il porte sur un ensemble d’indexation infini.
3.5.1 Divisibilité
Exercice 1
Soit n € N. Etablir les divisibilités suivantes :
(a) 6 | 5n3 + n (b) 5 | 22n+1 4- 32n+1 (c) 9 | 4n - 1 + 6n.
Solution
(a) méthode
|| On vérifie1 que 5n3 + n est nul modulo 6.
En étudiant les six valeurs possibles de n modulo 6, on observe n3 = n [6]. On a

donc 5n3 + n = 6n3 = 0 [6]. Ceci assure la divisibilité affirmée.
(b) méthode
|| On vérifie que 22n+1 + 32n+1 est nul modulo 5.
On a 22n = 4n et 32n = 9n = 4n [5] donc
22n+l + 32n+i = 2x4n + 3x4n = 5x4n = 0 [5].
(c) méthode
|| On factorise2 4n — 1 + 6n afin de faire apparaître des divisibilités par 3.
Par la formule de factorisation géométrique (Th. 12 p. 53)
4n - 1 = (4 - 1) (1 + 4 + • • • + 4n-1)
et donc
4n - 1 + 6n = 3 x (1 + 4 + • • • + 4n“1 + 2n).
Or
1 T 4 T • • • T 4n T 2n = 1T1T*,*4-1T 2tî = 3îz = 0 [3].
n termes
On peut donc conclure que 9 divise 4n — 1 + 6n.
Exercice 2 (Équations diophantiennes)

Déterminer les couples (rr, y) € Z2 vérifiant
1. On peut aussi raisonner par récurrence.

2. On peut encore raisonner par récurrence.
Solution
(a) méthode
On forme une équation équivalente où le problème est transformé en celui de
la recherche des diviseurs d’un entier.
En passant les inconnues x et y en premier membre, on factorise l’expression en x et y
à une constante additive près
xy = 3x + y + 2 <=> xy — 3x — y — 2
(æ-l)(y-3) = 5.
Un couple (x,y) est solution si, et seulement si, le couple (æ — 1,7/ — 3) est constitué
de deux diviseurs associés de 5. Les couples correspondants étant (5,1) , (1,5), (—5, —1)
et (-1,-5), les solutions respectives sont
(6,4), (2,8), (-4, 2) et (0,-2).
(b) méthode
On écrit sous forme canonique les deux expressions du second degré en x et y
avant de factoriser une différence de deux carrés.
x2 — 6x — y2 — 2y = 4 <=> {x — 3)2 — (y + l)2 = 12

<=> ((a; - 3) - (y + 1)) ((x - 3) + (y + 1)) = 12
<=> (x - y - 4)(æ + y - 2) = 12.
Les couples (x, y) solutions se déduisent des factorisations 12 = ab avec a, b entiers.
x—y—4=a x=°±b+3
x+y—2 = b y=b
-^-l.
En éliminant les couples qui ne sont pas constitués d’entiers, les solutions de l’équation
étudiée sont les couples formés à partir de (a, b) = (6, 2), (2,6), (—6,—2) et (-2,-6) à
savoir respectivement
(7,-3), (7,1), (-1,1) et (-1,-3).
3.5.2 PGCD et PPCM
Exercice 3
Calculer le PGCD d des entiers a = 33 et b = 24 ainsi qu’un couple (tz, v) de coefficients
entiers exprimant une relation de Bézout d = au + bv.
Solution
méthode
On calcule le PGCD de a par b par l’algorithme d’Euclide (Th. 9 p. 90) en
exprimant parallèlement chaque reste comme combinaison entière de a et b.
33 = 24 x 1 + 9 9 = 33 — 24 xl = n — b
24 = 9x2 + 6 6 = 24 — 9x2 = 6— (a — b)x2 = 3b — 2u
9= 6x1+3 3 = 9 — 6 x 1 = (n — b) — (3b — 2n) = 3n — 4b
6= 3x2 + 0.
Le PGCD de 33 et 24 vaut 3 et l’on peut écrire 3 = au + bu avec1 (o, v) — (3, —4).
Exercice 4
Soit o et 6 deux entiers naturels avec b non nul.
(a) Montrer que si r est le reste de la division euclidienne de a par b alors 2r — 1
est le reste de la division euclidienne de 2a — 1 par 2b — 1.
(b) En déduire
(2a - 1) A (2Ô - 1) = 2aA6 - 1.
Solution
(a) La division euclidienne de a par b s’écrit a = bq + r avec 0 + r < b.
méthode
|| On vérifie que 2b — 1 divise la différence de 2a — 1 et 2r — 1.
(2a - 1) - (2r - 1) = 2bq+r — 2r = 2r(2bq - 1).

Par la formule de factorisation géométrique (Th. 12 p. 53)
2bq - 1 = (2b - 1) (1 + 2b + • • • + 2^"1))
et donc 2b — 1 divise (2a — 1) — (2r — 1) • Ceci permet d’écrire
2a - 1 = (2b - 1)Q + 2r - 1 avec Q € Z.
méthode
Cette identité ne suffit pas pour identifier le reste de la division euclidienne, il
faut aussi vérifier un encadrement (Th. 4 p. 88).
Puisque 0 r < b, on a 0 + 2r — 1 < 2b — 1 et donc 2r — 1 est bien le reste de la
division euclidienne de 2a — 1 par 2b — 1.
1. Ce couple n’est pas unique, les autres couples solutions sont les (3+8A;, —4—llfc) avec k parcourant Z
(voir sujet 13 p. 102).
(b) méthode
Par l’algorithme d’Euclide, on calcule le PGCD de 2a — 1 et 2b — 1 parallèlement
au calcul du PGCD de a et b.
Posons czq = ai = b, le reste de la division euclidienne de a$ par ai et, plus

généralement, a^+i le reste de la division euclidienne de a^-i par a^ tant que ak est non
nul. En notant m +1 le rang pour lequel le reste nm+i est nul, on sait que am désigne le
PGCD de a et b.
Pour tout k compris entre 1 et m, on a
(2afc-1 - 1) A (2afe - 1) = (2ak - 1) A (2afc+x - 1)
car 2afc+1 — 1 est le reste de la division euclidienne de 2ak~1 — 1 par 2ak — 1. On en déduit
(2° - 1) A (2fc - 1) = (2“° - 1) A (2ai - 1) = • • •

= (2“m - 1) A (2“m+1 - 1) = 2“A6 - 1.
2a/\b_l =0
Exercice 5
Soit a, b et k des entiers. Etablir
a A b = Ça + kb) A b.
Solution
méthode
En arithmétique, on établit fréquemment l’égalité de deux entiers naturels par
double divisibilité (Th. 1 p. 87).
Posons d le PGCD de a et b et ô celui de a + kb et b. Le PGCD d divise la combinaison
entière a + kb (Th. 3 p. 88) car c’est un diviseur commun à a et b. L’entier d est donc un
diviseur commun à a + kb et b et c’est donc un diviseur de ô (Th. 7 p. 89). Inversement,
le PGCD 5 divise a + kb et 6, il divise donc aussi a — a 4- kb — kb et c’est alors un diviseur
de d. Par double divisibilité, on peut conclure que d et 6 sont égaux1.
3.5.3 Entiers premiers entre eux
Exercice 6
Montrer que, pour tout n G Z, les entiers n, n + 1 et 2n + 1 sont premiers entre eux
deux à deux. Que dire des entiers n2 -F n et 2n -F 1 ?
1. Lorsque b est non nul, si a = a' [6] alors a A b = a' A b.

Solution
méthode
On peut vérifier que deux entiers sont premiers entre eux en calculant leur
PGCD ou en exploitant le théorème de Bézout (Th. 14 p. 91).
Si d désigne le PGCD de n et n H- 1 alors d divise n, d divise n + 1 et donc divise la
différence n +1 — n = 1. On en déduit d = 1 et l’on peut affirmer que les entiers n et n +1
sont premiers entre eux. Plus rapidement, on peut dire que n et n +1 sont premiers entre
eux en vertu de l’égalité de Bézout
n x (—1) + (n + l) x 1 = 1.
On affirme de même que n et 2n + 1 sont premiers entre eux d’une part, et aussi n + 1
et 2n -F 1 d’autre part, par les égalités
n x (—2) + (2n + 1) x 1 = 1 et (n + 1) x 2 + (2n + 1) x (—1) = 1.
Enfin1, 2n + 1 étant premier avec les facteurs n et n + 1, il l’est aussi avec leur
produit n(n + 1) = n2, 4- n.
Exercice 7
Soit a, b et c trois entiers avec a et c premiers entre eux.
(a) Montrer a /\ (bc) = a /\b.
(b) Que dire de a V (&c) ?
Solution
(a) Posons d le PGCD de a et b et 5 celui de a et bc. Montrons que d et ô sont égaux
par double divisibilité.
L’entier d divise a, il divise aussi b et a fortiori bc, il divise donc ô.
Inversement, l’entier ô divise a et le produit bc.
méthode
Sachant que ô divise le produit bc, il suffit de vérifier qu’il est premier 2 avec c
pour affirmer qu’il divise b par le lemme de Gauss (Th. 15 p. 91).
Puisque ô divise a et que ce dernier est premier avec c, ô est aussi premier 3 avec c. Par
le lemme de Gauss, on peut alors affirmer que ô divise b et, finalement, ô divise d car il
est diviseur commun à a et b.
Par double divisibilité, on peut conclure que d et ô sont égaux.
1. On pourrait aussi constater une égalité de Bézout : (n2 + n) x (—2) + (2n + 1) x (1 — n) = 1.

2. Affirmer que ô ne divise pas c n’est pas suffisant !
3. Les diviseurs communs à 5 et c sont a fortiori des diviseurs communs à a et b.
(b) méthode
|| PGCD et ppcm sont liés par la relation (a A 6) (a V 6) — \ab\ (Th. 12 p. 90).
On a donc
(a A (6c)) (a V (6c)) = |a6| |c| = (a /\b)(a\/ 6) |c|.
=a/\b
Cas : a A b est non nul. On peut simplifier par a A 6 et affirmer a V (6c) = (a V 6) |c|.
Cas : a A b est nul. Les entiers a et 6 qui en sont multiples sont aussi nuis et la relation
ci-dessus est encore vraie car elle correspond à l’égalité de deux 0.
Exercice 8
Soit a et b deux entiers relatifs. Montrer
a| b - • • a2 | b2.
Solution
L’implication directe est immédiate : si b = ak avec k entier alors 62 = a2 £ avec £ — k2
entier. Etudions l’implication réciproque.
méthode
|| On écrit1 a et 6 en factorisant leur PGCD (Th. 13 p. 91).
Soit d = a/\b. On peut écrire a = da' et b = db' avec a' et b' entiers premiers entre eux.
Supposons que a2 divise 62 c’est-à-dire d2a!2 divise d2b'2. Pour pouvoir simplifier par d2,
on traite séparément le cas où d = 0.
Cas : d = 0. On a a et 6 nuis car multiples de d et la propriété voulue est immédiate.
Cas ; d / 0. On peut simplifier par d2 puis affirmer que a' divise le produit b'2 x 1.
Or a' est premier avec b' donc aussi avec b'2. Par le lemme de Gauss (Th. 15 p. 91) on
peut affirmer que a' divise le facteur 1 et donc a' = ±1. On en déduit a = et a est
alors un diviseur de 6.
3.5.4 Nombres premiers
Exercice 9
Soit p un nombre premier et a un entier. Montrer
p\a ou p et a sont premiers entre eux.
1. Dans le cas où a et b sont non nuis, on peut aussi exploiter a2 | b2 <=> up(a2) < Vp(b2) pour
tout p nombre premier (Th. 19 p. 93).
Solution
méthode
|| On calcule le PGCD de p et a.
Soit d = p A a. L’entier d est diviseur positif du nombre premier p, il vaut donc 1 ou p.
Cas : d = 1. Les entiers a et p sont premiers entre eux.
Cas : d — p. L’entier p divise a car le PGCD d est un diviseur de a.
Exercice 10 (Morphisme de Frobenius)

Soit p un nombre premier.
/p\
(a) Pour tout 1 k < p, montrer que le coefficient binomial I I est un multiple
de p.
(b) En déduire que, pour tous entiers a et 6, (a + b)p = ap + bp [p].
Solution
(a) Soit k e [1 ;p — 1].
méthode
On exploite la formule1
p(p-
fc/ k \k — 1/
On réécrit2 la formule proposée
'P~ 1\ p\
P k- 1) = k k)'
Les coefficients binomiaux étant des nombres entiers, on peut affirmer que p divise le
produit k(fy.
méthode
|| Lorsqu’un entier divise un produit et que l’on souhaite établir qu’il divise l’un
|| des facteurs, on peut penser au lemme de Gauss (Th. 15 p. 91).
Puisque le nombre premier p ne divise pas À;, p et k sont premiers entre eux3 et donc p
divise le coefficient binomial (^).
(b) méthode
|| On développe (a + b)p par la formule du binôme (Th. 11 p. 53).

2. Il n’est pas possible de faire de l’arithmétique avec des nombres rationnels : il faut réécrire la
formule de sorte de ne manipuler que des nombres entiers.
3. Voir le sujet précédent.
On isole les termes d’indices 0 et p de la somme et l’on simplifie par congruence les
termes intermédiaires
p / \ p~t / \
(a + b)p = ^2 ( f ) ap~kbk = ap + ( ? ) aP~kbk + = <*P + Ïp\ •
k=o k=i 2^6
=0 [p]
Notons qu’en raisonnant par récurrence sur n, on peut alors aisément établir np = n [p] :
on retrouve ainsi un énoncé possible du petit théorème de Fermat (Th. 20 p. 93).
3.6.1 Études arithmétiques
Exercice 11 *
Déterminer les x € Z tels que
(a) (x - 2) | {x 4- 2) (b) (x - 1) | (x2 + x 4- 1).
Solution
(a) méthode
On détermine les valeurs de x pour lesquelles le quotient est un entier en
décomposant celui-ci en somme.
Soit x e Z. L’entier x = 2 n’est pas solution, on suppose dans la suite x / 2.
t 4- 2 4
(x - 2) I (x + 2) ^4 = 1 +----- - e Z
x—2 x—2
(x - 2) | 4.
A partir des diviseurs de 4, on détermine les valeurs de x solutions : —2,0,1,3,4 et 6.
(b) On reprend la même démarche. Soit x G Z. L’entier x = 1 n’est pas solution, on

suppose dans la suite x / 1.
/ i\ i / 2 -, \ T x 4~ 1 _ 3 _
(x — 1) (# 4~ x 4-1) 4 z ----------— = x 4- 2 4----------- € Z
7 x—1 x—1
<=> (x - 1) I 3.
Les valeurs de x solutions sont : —2, 0, 2,4.
Exercice 12 *
Soit x et y deux entiers. Montrer
7 | x et 7 | y 4==> 7 | x2 + y2.
Solution
méthode
|| On calcule les valeurs possibles des carrés modulo 7.
On obtient le tableau suivant1 :
X 0 1 2 3 4 5 6
x2 0 1 4 2 2 4 1
En sommant deux entiers parmi 0,1, 2 et 4, la seule possibilité pour obtenir 0 modulo 7
est de sommer deux fois 0. On en déduit que, pour qu’une somme de deux carrés soit
nulle modulo 7, il faut et il suffit que les deux carrés le soient et donc
7 | x2 + y2 x2 + y2 = 0 [7]
<=> x = 0 [7] et y = 0 [7]
<=> 7 | x et 7 | y.
Exercice 13 ** (Coefficients de l’égalité de Bézout)

Soit a et b deux entiers non nuis de PGCD d. Notre but est de déterminer tous les
couples (îz, v) € Z2 tels que au + bv = d.
(a) Justifier l’existence d’un couple solution (îzqô)-
(b) Exprimer à partir de (uq^Vq) tous les couples solutions.
Solution
(a) Une relation de Bézout (Th. 10 p. 90) assure immédiatement l’existence d’un
couple (îioô) solution.
(b) méthode
On exploite la solution particulière (uo,ô) pour retraduire l’équation étudiée
et exploiter les outils d’arithmétique.
Soit (tt, v) G Z2.
au + bv = d <==> au + bv = auo + bvo

<==> a(u — îzo) — b{vo — v).
Le PGCD d divise les deux membres de cette égalité.
méthode
On factorise a et b par leur PGCD (Th. 13 p. 91) afin de pouvoir simplifier par
celui-ci.
1. Ce tableau comporte une symétrie que l’on peut aisément expliquer : (7 — fc)2 = k2 [7].
On peut écrire a = da' et b = db' avec a' et b' premiers entre eux. On poursuit alors la
chaîne d’équivalence précédente en simplifiant par d qui est non nul
au + bu = d <==> a'(u — îzq) = ^(ô — ^)-
Poursuivons la résolution en raisonnant par double implication.
Soit (u,v) un couple solution. L’entier a' divise le produit b'(vQ — u), or il est premier
avec le facteur b', le lemme de Gauss assure donc que a' divise Vq — v. Il existe alors un
entier k permettant d’écrire vq — v = ka' soit encore v = zjq — ka'. En injectant cette
écriture dans l’égalité a'(u — uj) = b'(vo — v), il vient a'(u — zzq) = a'b'k. En simplifiant
par a' (qui est non nul), on obtient u = uq + kb'.
La réciproque étant immédiate, on peut affirmer que les couples (zz, v) solutions sont :
(uq + kb', vq — ka') avec k parcourant Z.
Exercice 14 **
Soit m et n deux entiers naturels non nuis premiers entre eux.
(a) Soit x un nombre rationnel. On suppose que xn est entier, montrer que x est
entier.
(b) Soit a et b deux entiers non nuis tels que = bn. Montrer qu’il existe c E N*
tel que a = cn et b = cm.
Solution
(a) méthode
On écrit x sous forme irréductible et l’on traduit la propriété xn E Z comme
une égalité entre nombres entiers.
On écrit le nombre rationnel x sous forme irréductible p/q avec p E Z, q E N*, p et q
premiers entre eux. En posant k la valeur de xn, on a l’identité pn = kqn. On en déduit
que q divise le produit pn = pn x 1. Or p et q sont premiers entre eux et donc pn et
q le sont aussi. Par le lemme de Gauss (Th. 15 p. 91), on peut affirmer que q divise le
facteur 1 et donc q = 1. On en déduit x = p E Z.
(b) méthode
Les entiers m et n étant premiers entre eux, on peut introduire (zz, v) E Z2 tel
que mu + nv = 1 (Th. 14 p. 91).
Analyse : Supposons que c soit une valeur solution. On peut calculer c en écrivant
c = c1 = cmu+nv = (cm)u(cn)v = buav.
Synthèse : Posons c = buav. On vérifie :
yn inu nv (kn\unnv nmu nv mu+nv
G — U CL — l U J CL — CL (JL — (JL — (JL.
De même, on obtient cm = b. Cependant, c est a priori un nombre rationnel car les

exposants u et v sont des entiers relatifs. Puisque cn est un nombre entier, l’étude de la
question précédente assure que c est nombre entier, au surplus, non nul.
Exercice 15 ** (Triplets pythagoriciens)

On étudie l’équation (E) : a2 4- b2 = c2 d’inconnue (a, b, c) E Z3.
Soit (a, 6, c) une solution non nulle. Si d désigne le PGCD des trois entiers a, b et c,
on peut simplifier l’équation par d2 et se ramener à la situation où d = 1 : nous
supposons par la suite être dans cette situation.
(a) Montrer que a, b et c sont deux à deux premiers entre eux.
(b) Quelles sont les congruences possibles d’un carré modulo 4 ? En déduire que
l’une des deux valeurs a ou b est paire et l’autre impaire.
On suppose que b est pair.
(c) Montrer qu’il existe x et y entiers tels que c + a = 2x2 et c — a = 2y2.
(d) Quels sont les triplets (u, 6, c) € Z3 solutions de l’équation a2 + b2 = c2 7
Solution
(a) Si k est diviseur commun à a et b alors k2 divise c2 et donc1 k divise c. Or le
PGCD de a, b et c est supposé égal à 1 et donc k divise 1. Ainsi, a et b sont premiers entre
eux. On montre de même que a et c d’une part, b et c d’autre part, sont aussi premiers
entre eux.
(b) Selon que x est pair ou impair son carré est congru à 0 ou 1 modulo 4. Si a et b
sont tous deux impairs, c2 = a2 + b2 est congru à 2 modulo 4 ce qui est impossible. Si a
et b sont tous deux pairs, ils ne sont pas premiers entre eux ce qui est aussi exclu. L’une
des valeurs est donc paire et l’autre impaire. Notons que c est un nombre impair.
(c) méthode
|| On factorise le second membre de l’égalité b2 = c2 — a2.
On écrit b = 2p avec p entier et l’égalité a2 + b2 = c2 donne
2 7/? / c+a c—a

p = kl avec k =------ et l =--------.
2 2
Les nombres a et c étant impairs, k et l sont des entiers.
méthode
On montre que k et l sont des carrés en vérifiant qu’ils sont premiers entre
eux.
Un diviseur commun à k et l divise a = k — l et c = k + l. Les entiers a et c étant
premiers entre eux, il en est de même de k et £. Le produit kl étant un carré et les
entiers k et £ n’ayant aucun facteurs premiers en commun, ce sont chacun des carrés2.
On en déduit les écritures proposées de c + a et de c — a.
2. Plus précisément, k = x2 avec x = p/\k et £ = y2 avec y = p /\£.
(d) On a alors
a = x2 — y2, b = 2xy et c = x2 + y2 avec (æ,î/)gZ2.
On vérifie par un simple calcul qu’un tel triplet est solution. Enfin, on retrouve la
généralité des solutions, en multipliant a, b et c par un même facteur d entier et en
offrant la possibilité d’échanger les expressions de a et b.
Exercice 16 **
On note Div(n) l’ensemble des diviseurs positifs d’un entier n E Z.
Soit a, b deux entiers premiers entre eux. Etablir la bijectivité de l’application
f Div(n) x Div(6) -à Div(a6)
Solution
On vérifie facilement que est bien définie à valeurs dans Div(u6) : si k divise a et £
divise b alors = k£ divise ab. On montre ensuite que ç? réalise une bijection en
observant qu’elle est injective et surjective.
Soit (fc, t) et (V, £') deux couples éléments de Div(tz) xDiv(6) tels que £) = <p(kf,
c’est-à-dire k£ = k'£'.
méthode
Les diviseurs de deux entiers premiers entre eux sont eux-mêmes premiers
entre eux.
Les entiers a et b étant premiers entre eux, les entiers k et £' sont premiers entre eux.
Or k divise le produit k'£', il divise donc le facteur k' en vertu du lemme de Gauss. Par
un raisonnement symétrique, on obtient aussi que k' divise k et l’on en déduit que les
naturels k et k' sont égaux. Un raisonnement analogue1 donne £ = £' et l’on peut affirmer
que l’application p est injective.
Montrons maintenant que p est surjective. Soit d € Div(n6).
méthode
On définit un antécédent (A;, £) e Div(a) x Div(6) au diviseur d en choisissant
pour k ce qui est « commun » à a et d et en procédant de même pour £ avec b
et d.
Posons2 A; = uAdet£ = &Ad. On a évidemment (A:,£) G Div(a) x Div(6). Vérifions
par double divisibilité que le produit k£ correspond à d.
D’une part, A; et £ sont premiers entre et divisent chacun d. Leur produit divise donc
aussi d.
1. Plutôt qu’une simplification par k, cet argument évite d’avoir à traiter séparément le cas k = 0,
cas que l’on peut rencontrer lorsque a = 0 et b = 1.
2. En d’autres termes, on regroupe dans la décomposition primaire de d les facteurs premiers qui sont
en commun à a pour former k et les autres pour former A
D’autre part, on peut écrire les relations de Bézout k = au + dv et £ = bu' + du'

avec a, v, U', v' des entiers. On en déduit /c£ = abU + dV avec C, V entiers. Puisque d est
diviseur de ab, on obtient que d divise aussi k£.
Finalement, on a d = kê et l’on peut affirmer que l’application est surjective.
Exercice 17 ** (Théorème RSA)

Soit p et q deux nombres premiers distincts, n = pq et e un entier naturel premier
avec le produit (p — l)(g — 1).
(a) Justifier qu’il existe un entier d 0 tel que ed = 1 [{p — 1)(q — 1)].
(b) Montrer que xed = x [n] pour tout entier x.
Solution
(a) Par le théorème de Bézout, il existe des entiers u et v tels que
eu + (p — 1)(q — = 1.
On a donc
eu=l [(p - l)(g- 1)].
Cependant, on ignore si l’entier u est positif. Considérons alors le reste d de la division

euclidienne de u par (p — l)(ç — 1). Celui-ci convient car d 0 et u = d [(p — 1)(q — 1)]
donc
ed= 1 [(p — 1)(q — 1)].
(b) Soit x € Z.
méthode
On vérifie par le petit théorème de Fermat (Th. 20 p. 93) que p et q divisent
le nombre xed — x.
On introduit1 A: G N tel que ed = 1 + k(p — 1)(q — 1).

Cas ; p divise x. L’entier p divise xed car ed 1 et donc divise aussi xed — x.
Cas : p ne divise pas x. Le petit théorème de Fermat donne xp~} = 1 [p]. On en déduit
xed —XX (xp-1)fc^ =XX = x |pj
et donc à nouveau p divise xed — x.

On montre de même que q divise xed — x. Sachant que p et q sont deux nombres
premiers distincts, on peut affirmer que n = pq divise xed — x.
1. L’entier k est nécessairement positif car e et d le sont.

Exercice 18 *** (Suite de Fibonacci)

On considère la suite (ç?n) déterminée par
<A) = 0, =1 et Vn G N, ç9n+2 = <Pn+i +
(a) Vérifier que, pour tout n G N, ç>n et ç?n+i sont des entiers premiers entre eux.
(b) Soit k G N*. Montrer
Pk+n = pkPn+i + Pk-iPn pour tout n G N.
Soit a G N et b G N*.
(c) Établir
<£a+b A pb = (fa A Pb puis pa A (pb = Pb A Pr
où r est le reste de la division euclidienne de a par b.
(d) Conclure
Pa A Pb ~ Pa/\b'
Solution
(a) On vérifie par récurrence double que pn est un nombre entier : la propriété est
vraie aux rangs 0 et 1 et l’est aussi au rang n + 2 lorsqu’elle l’est aux rangs n et n -h 1.
méthode
| On sait1 (a + kb) /\b — a /\b pour tous entiers a, b et k.
On a donc pn+2 A pn+i — (ç?n+i + Pn) ^Pn — Pn+i A pn. Le PGCD de deux termes
consécutifs de la suite est constant égal à p^ A po = 1. Les entiers pn et ç>n+i sont donc
premiers entre eux pour tout n G N.
(b) Soit A; G N*.
méthode
On vérifie que les deux suites (pk+n)n(E^ et (pkPn+i + Pk-iPn)neN satisfont
les mêmes conditions de récurrence.
Posons un = Pk+n et vn = PkPn+i + Pk-iPn pour tout n G N.

On a uo = pk = PkPi + = ô-
On a aussi = pk+i = Pk + Pk-i = PkP2 + Pk-iPi = car p2 = 1.
Enfin, on vérifie aisément les relations un+2 = ^n+i + un et vn+2 = un+i + vn pour
tout naturel n. Les suites (nn) et (yn) satisfont la même relation de récurrence double
ainsi que les deux mêmes conditions initiales : elles sont égales.

(c) Par la propriété (a + kty A b = a A 6,
Ç?a+6 A Vb = (VaVb-1 + <Pa+l Vb) ^Vb = ^VaVb-1) A Vb-
ez
Aussi, les entiers Vb et Vb-i étant premiers entre eux, on peut poursuivre1 et affir
mer Va+b /\Vb = Va ^Vb-
Par récurrence, on obtient Va^Vb — Va+qb AVb pour tout q e N. En écrivant a = bq + r
la division euclidienne de a par b et en exploitant la propriété précédente avec r au lieu
de a, on obtient Vr h Vb = Vr+bq A Vb — Va A Vb-
(d) Comme dans le sujet 4 p. 96, on calcule le PGCD de Va et Vb parallèlement au

calcul du PGCD de a et b par l’algorithme d’Euclide. En reprenant les notations de ce
sujet, on a pour tout k compris entre 1 et m
Vak^ A Vak = Vak A Vak+1
et donc
Va Vb — Vao A Vai — ’ ’ ’ — Va™ A VO — VaAb-
3.6.2 Nombres premiers
Exercice 19 *
Soit p un nombre premier supérieur à 5. Montrer que p2 — 1 est divisible par 24.
Solution
méthode
|| On vérifie que 3 et 8 divisent p2 — 1 = (p — l)(p + 1).
Le nombre premier p est impair et donc les nombres p — 1 et p + 1 sont tous deux des
entiers pairs. De plus, ce sont des entiers pairs consécutifs et donc l’un d’eux est divisible
par 4. Ainsi, 8 divise p2 — 1.
Les entiers p— 1, p et p+1 sont trois entiers consécutifs, l’un d’eux est divisible par 3. Ce
ne peut pas être l’entier p car celui-ci est premier au moins égal à 5. Ainsi, 3 divise p2 — 1.
Enfin, 3 et 8 sont premiers entre eux et leur produit divise aussi p2 — 1.
Exercice 20 **
Soit a et p deux entiers supérieurs à 2. Montrer que, si ap — 1 est un nombre premier,
alors a = 2 et p est premier.

Solution
méthode
On exploite la factorisation géométrique (Th. 12 p. 53) :
ap — 1 = (a — 1) (1 + a + • • • + ap-1).
Supposons ap — 1 premier. Par l’identité ci-dessus, a — 1 divise ap — 1 et donc a — 1 = 1
ou a — 1 = ap — 1 car les seuls diviseurs positifs d’un nombre premier sont 1 et lui-même.
Le cas a — 1 = ap — 1 est à exclure car a et p sont supérieurs à 2. Il reste le cas a — 1 = 1,
c’est-à-dire1 a = 2.
Montrons maintenant que p est un nombre premier. Soit d un diviseur de p strictement
inférieur à p. On peut écrire p = cd avec c > 1 puis
2P — 1 = (2d)c-l= (2d - 1) (1 + 2d + • • ■ + (2d)c X).
Comme au-dessus, on peut affirmer que 2d — 1 divise le nombre premier 2P — 1 et,

puisque 2d — 1 < 2P — 1, on obtient 2d — 1 = 1 puis d = 1. Ainsi, les seuls diviseurs de p
sont 1 et lui-même et l’on peut affirmer que p est un nombre premier.
3.6.3 L’infinité des nombres premiers
Exercice 21 ** (Nombres de Fermat)

Pour n e N, on introduit Fn = 22™ -F 1.
(a) On suppose n et m sont deux entiers naturels distincts. Montrer Fn A Fm = 1.
(b) Exploiter cette propriété afin de retrouver le théorème d’Euclide affirmant l’exis
tence d’une infinité de nombres premiers (Th. 16 p. 92).
Solution
(a) Quitte à échanger, supposons n < m.
méthode
|| On remarque que Fm — 1 = (Fn — l)2™
En développant la relation ci-dessus par la formule du binôme, on obtient l’écriture
9 m—n\
Fm-1= £ ( i +vFn
K J
k=0
avec v € Z car les coefficients binomiaux sont des entiers.

1. Les 2P — 1 sont les nombres de Mersenne.
En réorganisant les termes, il vient Fm — vFn = 2 et l’on en déduit que le PGCD de Fn

et Frri divise 2 : il vaut donc 1 ou 2. Cependant, Fn et Fm ne sont pas des nombres pairs,
ils sont donc premiers entre eux.
(b) Les entiers Fn sont en nombre infini et possèdent chacun des facteurs premiers
distincts, il existe donc une infinité de nombres premiers.
Exercice 22 **
Montrer qu’il existe une infinité de nombres premiers de la forme 4n — 1 avec n entier.
Solution
méthode
En raisonnant par l’absurde, on introduit 4N — 1 avec N le produit de tous
les nombres premiers de la forme 4n — 1.
Par l’absurde, supposons qu’il n’existe qu’un nombre fini de nombres premiers de la
forme 4n — 1. On peut introduire le nombre N égal au produit de ceux-ci et considérer
l’entier 47V — 1.
2 n’est pas un facteur premier de 47V — 1 car c’est un nombre impair. Aucun facteur
premier de 47V — 1 ne peut s’écrire de la forme 4n — 1 car un tel facteur divise TV mais
ne divise pas 1. Tous les facteurs premiers de 47V — 1 sont donc des entiers impairs de la
forme 4n+1 avec n entier. Ceux-ci sont tous congrus à 1 modulo 4 et, par produit, 47V — 1
l’est aussi. Cependant, 47V — 1 est congru à —1 modulo 4. C’est absurde!
Exercice 23 ***
On désire établir qu’il existe une infinité de nombres premiers de la forme 4n + 1.
Pour cela on raisonne par l’absurde et l’on suppose que ceux-ci sont en nombre fini.
On pose TV le produit de ceux-ci et l’on introduit
M = (27V)2 + 1.
(a) On suppose qu’il existe un facteur premier q de M de la forme 4n 4- 3. Établir
W-1 = -i [q].
(b) Conclure en exploitant le petit théorème de Fermat.
Solution
(a) Puisque q divise AT, on a (27V)2 = — 1 [q] et alors
(27V)9-1 = ((27V)2)2n+1 = (~l)2n+1 = -1 [q] .
(b) Puisque le nombre premier q ne divise pas 2N, le petit théorème de Fermat donne
(27V)9-1 = 1 [q].
Sachant que 1 et —1 ne sont pas congrus modulo ç, on obtient une absurdité : aucun
facteur premier de M n’est de la forme 4n + 3.
méthode
|| On observe que M ne possède pas de facteurs premiers.
Les facteurs premiers de M ne peuvent donc qu’être 2 et de la forme 4n + l. Cependant,

ceux-ci divisent 2N mais ne divisent pas 1 = M — 4iV2. C’est absurde.
Finalement, il existe une infinité de nombres premiers de la forme1 4n -F 1.
3.6.4 Décomposition en facteurs premiers
Exercice 24 **
Soit n € N au moins égal à 2. Montrer que n est le produit de ses diviseurs non
triviaux2 si, et seulement si, n = p3 avec p nombre premier ou n = pq avec p et q
des nombres premiers distincts.
Solution
( => ) Si n = p3 avec p nombre premier, les diviseurs non triviaux de n sont p et p2.
Si n = pq avec p, q nombres premiers distincts, les diviseurs non triviaux de n sont p et q.
Dans les deux cas, n est le produit de ses diviseurs non triviaux.
( <= ) Supposons n égal au produit de ses diviseurs non triviaux.
méthode
|| On introduit un facteur premier p de n et l’on étudie d = n/p.
L’entier n est divisible par un nombre premier p et ne peut lui être égal. On peut donc
écrire n = dp avec 1 < d < n. Distinguons deux cas :
Cas : d possède un facteur premier q distinct de p. Les trois entiers d, p et q sont des
diviseurs non triviaux de n. Si d est différent de q, ces diviseurs sont distincts ce qui est
absurde car dpq > dp = n. On a donc d = q et l’on obtient l’écriture n = pq avec p et q
nombres premiers distincts.
Cas : p est le seul diviseur premier de d. On peut écrire d — pa avec a E N* et les
diviseurs non triviaux de n sont les p,p2,... ,pa. Si a — 1 ou a 3, l’entier n n’est pas
le produit de ses diviseurs non triviaux. Il reste a = 2 ce qui donne n = p3.
Finalement, seuls les entiers de la formep3 et pq (avecpet q nombres premiers distincts)
sont égaux au produit de leurs diviseurs non triviaux.
1. Plus généralement, le théorème de la progression arithmétique de Dirichlet assure que, pour deux
entiers naturels a et b premiers entre eux donnés, il existe une infinité de nombres premiers de la
forme an + b.
2. Dans ce sujet, on se limite aux diviseurs positifs. Les diviseurs triviaux de n sont 1 et n.
Exercice 25 **
Soit n e N \ {0,1} dont la décomposition en facteurs premiers s’écrit
n = JJ avec P1 ’ • • • ’Pr nombres premiers deux à deux distincts.

k=l
Montrer que la somme cr(n) des diviseurs positifs de n vaut
Solution
Les diviseurs positifs de n s’écrivent (Th. 19 p. 93) :
JJ avec \/k e [1 ; r], 0 (3k ak.

k=l
Par l’unicité de la décomposition en facteurs premiers d’un entier, à chaque choix

des /?i,..., /3r correspond un diviseur unique. On a donc
«i «2 Oir
(31=0/32=0 /3r=0
Q!l \ / O!2 \ / ar
(Epf1
01=0 /
E^ ••• E^
\02=O / \ft.=0
Par sommations géométriques de raisons différentes de 1, on conclut :
o-(«)=n
e+1-i
fc=l Pk -1
Exercice 26 *
Soit A un ensemble de n + 1 > 2 entiers distincts tous inférieurs ou égaux à 2n.
Montrer qu’il existe deux éléments de A tels que l’un divise l’autre.
Solution
méthode
Par le principe des tiroirs, on détermine dans A deux éléments s’écrivant
2k(2p + 1) et 2£(2p + 1) avec la même valeur de p.
Tout entier m compris entre 1 et 2n s’écrit de façon unique m = 2k(2p + 1) avec p
compris entre 0 et n — 1.
Il y a exactement n valeurs de p possibles, et donc, parmi les n + 1 éléments de A,
il en existe au moins deux pour lesquels les valeurs de p sont les mêmes. Ces éléments
s’écrivent 2k(2p + 1) et 2£(2p + 1) : le plus petit des deux divise l’autre.
Exercice 27 **
On note d(n) le nombre de diviseurs positifs de n € N*. Montrer
-, n n i
- 52
k=l
= ^2k+bn
k—1
avec (&n) une suite bornée.
Solution
méthode
On exprime la somme des d(k) comme une somme double et l’on réorganise
la sommation.
Notons Div(n) l’ensemble des diviseurs positifs de n. On peut écrire
k=\ k=l deDiv(fc)
En échangeant les deux sommes
k=l d—1 kÇzMd(ri)
avec Md(n) l’ensemble des multiples de d inférieurs à n : d,2d,... ,pd avec p = [g].
On peut alors poursuivre le calcul en écrivant
n n
E^) = E L -d
k=i
Sachant x — 1 < |_xj æ, pour tout réel x, on obtient l’encadrement
-1 £rf(fc)
/c=l
puis
1 n n t
fc=l d=l
Le terme encadré définit la suite (ôn) qui est effectivement bornée.
Exercice 28 *** (Formule d’inversion de Môbius)

Pour n E N* on pose
O si n est divisible par le carré d’un nombre premier
{ (—l)r si n est le produit de r nombres premiers deux à deux distincts.
En particulier, /i(l) = 1. Enfin, pour n E N*, on pose1
d\n
(a) Soit p un nombre premier et a € N*. Calculer s(pQ).

(b) Soit m et n E N* premiers entre eux, vérifier s(mn) = s(m)s(n).
(c) En déduire la valeur de s(n) pour tout n G N*.
On considère une fonction u : N* —> C et la fonction v : N* —> C définie par
«n =
d\n
(d) Soit n G N*. Vérifier la formule d’inversion
d\n
Solution
(a) Les diviseurs de pa sont les p13 avec 0 < /3 < a et donc
s(p“) = ^=0
= 1 + (-1) + o =o.
0=0 0=1 0^2
(b) méthode
Puisque m et n sont premiers entre eux, les diviseurs de mn sont2 les produits
k£ avec k diviseur de m et £ diviseur de n.
1. La somme introduite porte sur les entiers d diviseurs positifs de n.

On peut alors organiser le calcul de la somme définissant s(mn)
s(mri) = /i(d) = E mW) = E(E^(h)

d\mn k\m et £|n k\m \ £|n
Les entiers À; et £ parcourant les sommes étant deux à deux premiers entre eux, on
a //(&£) = //(à;)/i(£). En effet, si l’un des deux entiers est divisible par le carré d’un nombre
premier, les deux membres de l’égalité sont nuis. Sinon, ils s’écrivent respectivement
avec q et r nombres premiers tous distincts et l’égalité se relit (—l)9+r = (—1)9(—l)r.
On peut alors poursuivre le calcul en factorisant à l’intérieur des sommes
s(nm) = 52 52 = E mW
k\m \ t\n . ,7^^2 k\m \ £|n
1 indépendant
de £
indépendant
de k
52^) ) ( E^w = s(m)s(n).

.k\m / \£|n
(c) Si n est supérieur à 2, la décomposition de n en produit . .p™r de facteurs

premiers donne
s(n) = s(Pi9 x • • • x <s(Prr) = 0-
Si n vaut 1, s(n) = 1 car la somme se limite à un terme égal à 1.
(d) Soit n e N*. Simplifions
méthode
|| On réorganise le calcul en échangeant les deux sommes.
La double somme considérée porte sur les couples (c, d) avec c | d et d | n. Par transi
tivité, c divise n. L’entier d étant divisible par c, il peut s’écrire ck. La condition d | n
devient alors k |1 -.
c On obtient donc
indépendant
de k
Lorsque k parcourt les diviseurs de , l’entier £ = parcourt aussi les diviseurs de et

donc
E^f^)77^ = EÊ^W )u(c) = Es(9m('c') = u^-
d\n c\n \£|Ç / c|n '
Exercice 29 *** (Formule de Legendre)

(a) Soit p un nombre premier et n G N. Établir
Inn
avec
Inp
(b) Application : Soit a, b € N, montrer
(2a)!(26)!
a!6!(u 4- 6)!
Solution
(a) méthode
On simplifie dans le produit décrivant ni les facteurs qui ne sont pas multiples
de p.
Dans le produit ni = 1 x 2 x • •• xn figurent exactement k multiples de p avec k le plus
grand entier tel que pk < n, c’est-à-dire k = |_^J. On peut donc écrire
ni = 1 x • • • x p x • • • x 2p x - • x kp x • • • x n.
Dans ce produit, les facteurs autres que les ip avec 1 C i k n’influent pas sur la valeur
de la valuation p-adique de ni : on peut les simplifier et écrire
vp(nl) = vp(p x2px • • • x kp) = vp(pk) 4- vp(l x2x---xk) = k + vp(kï).
Autrement dit,
n
î7p(n!) =
P
Par le même calcul, on obtient encore
1 n 1 n
vp(n!) = î
p
p |_P P LP
Or1
1 n n
P P p2
et donc (*) se relit
1. En effet, les deux inégalités et J < donnent l’égalité voulue par croissance
de la fonction partie entière.
On répète ce calcul jusqu’au rang r introduit dans l’énoncé pour lequel pr < n < pr+1
et l’on obtient1
n n
np(n!) =
P p2
=o
(b) méthode
Il On compare les valuations p-adiques du numérateur et du dénominateur pour
y tout nombre premier p (Th. 19 p. 93).
Soit x et y deux réels. En discutant selon l’appartenance de x à l’un ou l’autre des
intervalles [|æj ; |_æj + l/2[ et [|jrJ + 1/2 ; |_xj + 1 [ et une discussion analogue en p, on
vérifie l’inégalité
Ld + LyJ + Læ + yJ L2æJ + L2?yJ •
On a donc, pour tout nombre premier p et tout entier i 1,
a+b
pi
En sommant ces inégalités jusqu’à une valeur de i suffisamment grande (ce qui a pour
effet d’adjoindre des 0 aux sommes étudiées), on obtient
vp(a!) + vp(è!) +vp((a + b)!) vp((2a)!) + vp((2Z>)!).
c’est-à-dire
vp(a\b\(a + à)!) vp((2a)!(2i>)!).
On peut donc affirmer que le quotient étudié est entier.
Exercice 30 *** (Théorème d’Aubry)

Soit N un entier strictement positif et C le cercle d’équation x2 + y2 = N.
On suppose que le cercle C possède un point (ô,Po) à coordonnées rationnelles.
On introduit (æq,?/q) un point à coordonnées entières obtenues par arrondis des
coordonnées de (xq, î/o)- En étudiant, lorsque cela a un sens, l’intersection du cercle C
avec la droite joignant (æq,î/o) et (x^yo), montrer que ce cercle contient un point à
coordonnées entières. J
Solution
méthode
On vérifie que les coordonnées du point intersection proposé sont des nombres
rationnels s’écrivant avec un dénominateur commun inférieur au dénominateur
commun des coordonnées du point de départ.
1. La formule peut aussi être comprise ainsi : up(n!) est la somme du nombre de multiples de p, de p2,
de p3, etc. inférieurs à n.
Si le couple (#o>3/o) est à coordonnées entières la conclusion est entendue.

Sinon, on peut écrire en choisissant un dénominateur commun
Xq = et y0 = avec p0, Qo £ Z et d0 e N \ {0,1} .

do do
Considérons alors un couple (æq,î/o) à coordonnées entières obtenues par arrondis des
coordonnées (æo>2/o)- En notant D la distance entre les deux points considérés, on a
2 = (x0 - x'o)2 + (y0 - 2/o)2

0 < D1 | + 5 = |-
En développant les carrés, on obtient
d2 = N2 - 2(a?oô + yoy'o) + (ô) + (vo) •

Par réduction au même dénominateur, on observe
Ce nombre t est donc de la forme io-k avec k entier. Les coordonnées (oq, î/i) sont alors
de la forme
Pi . qi
Xi = — et yr = -— avec pi,Qi G Z et di G N*, di < dg.
di di
Si di = 1, le processus s’arrête : on a obtenu un point à coordonnées entières. Sinon, il

suffit de répéter la manipulation. Le processus va nécessairement s’arrêter car les déno
minateurs communs aux deux coordonnées décroissent strictement à chaque itération.
1. L’appartenance de (x,y) au cercle C se traduit par une équation du second degré en t, connaître
une des racines suffit à déterminer l’autre car le produit des racines se lit sur les coefficients de l’équation.
CHAPITRE 4
Structures algébriques usuelles
4.1 Loi de composition interne
4.1.1 Définition
Définition
On appelle loi de composition interne (ou opération) sur un ensemble E toute ap
plication de E x E vers E. Lorsque l’on convient de noter * une loi de composition
interne, on note x*y l’image du couple (#,?/) par l’application *. L’élément x^y est
appelé composé de x par y via la loi *.
L’addition et la multiplication définissent des lois de composition internes sur N, Z, R,
etc. L’union et l’intersection définissent des lois de composition internes sur p(Æ). La
composition des applications définit une loi de composition interne sur E(EyE).
4.1.2 Propriétés
Soit x une loi de composition interne sur un ensemble E.
Définition
|| On dit que la loi * est commutative lorsque a * b = b * a pour tous a et b dans E.
Définition
On dit que la loi * est associative lorsque a * (6 * c) = (a * 6) * c pour tous a, b et c
dans E.
Dans R, l’addition et la multiplication sont commutatives et associatives. Dans p(E'), il en
est de même pour l’union et l’intersection. Dans F(E, E\ la composition des applications
est associative mais n’est pas commutative dès que E possède au moins deux éléments.
120 Chapitre 4. Structures algébriques usuelles
Lorsqu’une loi ★ est associative, on peut écrire a * b * c sans préciser de parenthèses

organisant le calcul. De manière générale, on définit par récurrence
n déf . J-,
* ai = «i * «2 * " • * «n pour tous ai,..., an G L.
i=l
Soit de plus T une autre loi de composition interne sur E.

Définition
On dit que la loi * est distributive sur la loi T lorsque a * (6 T c) = (a * 6) T (a ★ c)
et (b T c) * a = (b * a) T (c * a) pour tous a, b et c dans E.
Dans R, la multiplication est distributive sur l’addition. Dans p(E'), l’intersection est
distributive sur l’union et inversement.
4.1.3 Élément neutre

Soit * une loi de composition interne sur un ensemble E.
Définition
On dit qu’un élément e de E est neutre pour la loi * si e ★ x = x * e = x pour tout x
de E.
Lorsqu’un tel élément existe, il est unique.
Dans R, 0 est le neutre pour l’addition et 1 le neutre pour la multiplication. Dans p(E'),
l’ensemble vide 0 est le neutre pour l’union et E est le neutre pour l’intersection.
Dans E(E, E\ l’application Id# est le neutre pour la composition des applications.
4.1.4 Éléments symétrisables

Soit * une loi associative sur un ensemble E possédant un neutre e.
Définition
On dit qu’un élément x de E est symétrisable1 pour la loi ★ s’il existe un élément x'
dans E vérifiant x * x' = x' * x = e. Cet élément x' est alors unique, on l’appelle le
symétrique de x et on le note sym(æ).
L’élément neutre e est symétrisable et égal à son symétrique : sym(e) = e.
Dans R, tout nombre est symétrisable pour l’addition mais seul les réels non nuis sont
symétrisables pour la multiplication. Dans EfJEÊ), les éléments symétrisables pour la
composition des applications sont les bijections.
Théorème 1
Si x est un élément symétrisable de E, sym(#) l’est aussi et sym(sym(æ)) = x.
Si x et y sont des éléments symétrisables de E, le composé x * y l’est aussi et2
sym(z *y) = sym(?/) * sym(rr).
1. On dit aussi que l’élément est inversible.

2. On sera attentif au renversement de l’ordre de x et y dans cette formule.
4.1 Loi de composition interne 121
4.1.5 Itérés d’un élément

Soit * une loi associative sur un ensemble E possédant un neutre e.
Pour x G E et n e N*, on pose
n déf . n déf
x = x*x* • • • ★x et x = e.
n termes
Définition
|| L’élément xn est appelé itéré d’ordre n de l’élément x.
Théorème 2
Soit x G E. Pour tous p et q G N, xp * xq = xp+q et (xPY = xpq.
Si x et y sont deux éléments de E, (x^y)n se comprend (x*y) * • • • * (x*y). Lorsque les

éléments x et y commutent (c’est-à-dire si x * y = y*x), on peut réorganiser ce calcul
en xn * yn.
Si un élément x est inversible, xn l’est aussi et l’on définit
x n =f sym(æn) = sym(#) * sym(rr) * • • • * sym(rr).

n termes
En particulier, x 1 désigne le symétrique de x et l’on a la formule (x*y) 1 = y l*x 1

pour x et y symétrisables.
Lorsque x est inversible, les formules du théorème 2 sont valables pour p,q G Z.
4.1.6 Partie stable

Soit 'k une loi de composition interne sur un ensemble E.
Définition
On dit qu’une partie A de E est stable pour la loi * lorsque x * y G A pour tous x
et y dans A.
Dans R, l’ensemble N est une partie stable pour l’addition et la multiplication.
Lorsqu’une partie A est stable, on peut définir une restriction de la loi * opérant sur A.
Celle-ci s’appelle la loi induite par * sur la partie stable A et est communément encore
notée 'k.
Si * est commutative (resp. associative) sur E, la loi induite sur une partie stable A l’est
aussi. Si E admet un élément neutre et qu’il appartient à A, il est évidemment aussi
élément neutre pour la loi induite. Si de plus la loi est associative, un élément de A
est symétrisable si, et seulement si, il est symétrisable dans E et que son symétrique
appartient à A.
4.2 Structure de groupe
4.2.1 Définition
Définition
On appelle groupe1 tout couple (G, *) formé d’un ensemble G et d’une loi de compo
sition interne * sur G vérifiant :
1) la loi * est associative ;
2) la loi * possède un élément neutre dans G ;
3) tout élément de G est symétrisable pour la loi *.
Si de plus la loi * est commutative, on dit que le groupe (G,*) est commutatif (ou
encore abélieri).
On dit qu’un groupe est noté additivement lorsque sa loi est notée +. Dans ce cas, on
note x + y le composé de x par y, on note 0 l’élément neutre et —x le symétrique 2 de x
que l’on appelle opposé. L’itéré d’ordre n e Z de x est noté nx.
L’usage veut que l’on réserve l’utilisation de la notation additive aux groupes commuta
tifs.
On dit qu’un groupe est noté multiplicativement lorsque sa loi est notée x ou (•). Dans
ce cas, on note xy le composé de x par y et 1 l’élément neutre. Le symétrique de x est
noté3 x-1 et s’appelle Y inverse de x. Il est fréquent de manipuler des multiplications non
commutatives (comme le produit matriciel présenté dans le chapitre 9).
(C, +) et (C*, x) sont des groupes abéliens usuels4.
4.2.2 Groupe des permutations d’un ensemble

Définition
On appelle permutation d’un ensemble E toute bijection de E vers lui-même. L’en
semble des permutations de E est noté Se ou &(E\
Théorème 3
(<S#, °) est un groupe de neutre la permutation identité Id#.
Ce groupe n’est pas commutatif dès que E possède au moins 3 éléments. Il est fini et
possède ni éléments lorsque E est fini à n éléments.
4.2.3 Sous-groupe
Soit (G, ★) un groupe de neutre e.
1. Abusivement et s’il n’y a pas d’ambiguïté sur la loi ★, on dit simplement que G est un groupe.
2. Ceci permet aussi de définir l’opération de soustraction : x — y devant se comprendre x ★sym(?/).
3. On n’emploie pas la notation L lorsque la multiplication n’est pas commutative.
4. (R, x) et (C, x) ne sont pas des groupes car 0 n’y est pas inversible.
4.3 Structure d’anneau 123
Définition
On appelle sous-groupe de (G, *) toute partie H de G contenant le neutre e, stable
par passage au symétrique et stable par composition, c’est-à-dire vérifiant pour tous x
et y de H
e e H, sym(#) E H et x*y E H.
On peut aussi affirmer rapidement qu’une partie H de G est un sous-groupe de (G, *) en

constatant qu’il s’agit d’une partie non vide stable par composition avec le symétrique1 :
H ÿé 0 et V(.t, ?y) G/f2, x * sym(?/) G H.
Les parties {e} et G sont des sous-groupes de (G,*), on dit que ce sont ses sous-groupes
triviaux.
Théorème 4
Si H est un sous-groupe d’un groupe (G,*) alors (LT,*) est un groupe2 de même
neutre que G.
Z, Q et R sont des sous-groupes de (C, +) : ce sont des groupes additifs.

R*, R^_ et U sont des sous-groupes de (C*, x) : ce sont des groupes multiplicatifs.
4.3 Structure d’anneau
4.3.1 Définition
Définition
On appelle anneau3 tout triplet (A, +, x) formé d’un ensemble A et de deux lois de
composition internes + et x sur A vérifiant :
1) (A, +) est un groupe abélien de neutre noté 0 (ou Oa) ;
2) x est associative et possède un neutre dans A noté 1 (ou 1a) ;
3) x est distributive sur +.
Si de plus la loi x est commutative, on dit que l’anneau est commutatif.
(Z, +, x), (Q, +, x), (R, +, x) et (C, +, x) sont des anneaux commutatifs.
Dans le chapitre 9, on évoquera l’anneau des matrices carrées qui n’est généralement pas
commutatif.
L’ensemble A {0} muni des lois + et x déterminées par 0 + 0 = 0 et 0 x 0 = 0 est un
anneau appelé anneau nul. C’est le seul dans lequel 0 a = 1a-
1. En notation additive, on lit x — y E H et l’on parle de stabilité par différence. En notation

multiplicative, on lit xy-1 E H et l’on parle de stabilité par composition avec l’inverse.
2. La loi ★ sur H est la loi induite sur la partie stable H par la loi * de G.
3. En l’absence d’ambiguïté, on dit simplement que A est un anneau.
4.3.2 Calculs dans un anneau

Soit (A, +, x) un anneau.
Théorème 5
Pour tout a € A, on a Oa x a = a x 0 a = 0a-
On en déduit (-a) x 6 = a x (-6) = — (ab) pour tous a, b € A et, plus généralement, on a
(nn)6 = n(ab) = a(nb) pour tout n E Z.
Définition
|| On dit que deux éléments a et b d’un anneau commutent lorsque ab = ba.
Théorème 6 (Formule du binôme)

Si a et b sont deux éléments de l’anneau A qui commutent, alors
n / \
(a + b)n = an~kbk pour tout n € N.
Zc=O '
Lorsque a et b ne commutent pas, on a seulement (a + à)2 = a2 + ab + ba + b2.
Théorème 7 (Formule de factorisation géométrique)

Si a et b sont deux éléments de l’anneau A qui commutent, alors
n— 1
an - bn = (a - b) ^2 an~1~kbk pour tout n e N*.
fc=0
4.3.3 Éléments inversibles

Soit (A, +, x) un anneau.
Définition
Un élément a E A est dit inversible s’il existe b E A tel que ab = ba = 1a- Cet
élément b est alors unique, on l’appelle V inverse de a et on le note a-1.
L’élément 1a est inversible et U1 = U. L’élément 0a n’est pas inversible sauf dans
l’anneau nul.
Théorème 8
L’ensemble Ax des éléments inversibles de l’anneau A est un groupe multiplicatif1.
1. C’est-à-dire un groupe pour la multiplication définie sur l’anneau A.

4.3.4 Corps
Définition
On appelle corps tout anneau commutatif (Æ, +, x), non réduit à {O#} et dont tous
les éléments, sauf le nul, sont inversibles.
(Q, +, x), (R, +, x) et (C, +, x) sont des corps fameux.
4.4.1 Loi de composition interne
Exercice 1
Soit E un ensemble muni d’une loi *. On dit qu’un élément e est neutre à gauche
(resp. à droite) lorsque e * x = x (resp. x ★ e = x) pour tout x de E.
Montrer que si la loi * possède un neutre à gauche et un neutre à droite, elle possède
un élément neutre.
Solution
On suppose que la loi * possède un neutre à gauche e et un neutre à droite e!.
méthode
|| On calcule de deux façons e*e'.
Puisque e est neutre à gauche e * e' — e'. Puisque e' est neutre à droite, on a
aussi e * e' = e. On en déduit e — e'. Cet élément est alors neutre pour la loi *.
Exercice 2
Soit E un ensemble muni d’une loi * associative possédant un neutre e. Montrer
que si x et y sont deux éléments de E tels que les composés x^y et y*x sont
symétrisables alors x et y sont symétrisables.
Solution
Soit x et y deux éléments de E tels que x * y et y * x sont symétrisables de symétriques
respectifs z et t.
méthode
En raisonnant par analyse-synthèse, on peut proposer des candidats pour les
inverses de x et y.
Analyse : Supposons x et y symétrisables. Par la formule (x + y)-1 = y~r *x~r on a
x~x = y*(x* y)-1 = y* z et aussi x~r = {y * x)~x * y — t * y.
Synthèse : Posons xr = y * z et x" = t * y.

Par associativité, on a1 xkx' = x* (y*z) = (x*?/)-kz — e et, par un calcul analogue,

on vérifie x" *x = e. Pour affirmer que x est inversible, il reste à vérifier 2 x' = x" ce qui
se fait en calculant de deux façons x" * x * x' par associativité :
x" * (æ ★ x') = x"ke= x" et {x" *x)*x' = e*x' = x'.
Ainsi, x est inversible d’inverse x' = x". On établit que y est inversible par un raisonne
ment analogue ou simplement par composition d’éléments inversibles : y = (y*x) xrr-1.
Exercice 3
On note E — [0 ; 1] et, pour x,y E E, on pose
x*y=x+y— xy.
(a) Vérifier que * définit une loi de composition interne sur E.

(b) Etudier la commutativité et l’associativité de la loi *.
(c) Existe-t-il un élément neutre ? Quels sont les éléments symétrisables ?
(d) Soit a G [0 ; 1]. Vérifier que A = [a ; 1] est une partie stable.
Solution
(a) méthode
Vérifier qu’une loi de composition interne sur E est bien définie consiste non
seulement à vérifier l’existence du composé x * y mais aussi à vérifier son
appartenance à E.
Pour x,y E E, le réel xky est parfaitement défini. Il s’agit alors de vérifier qu’il
appartient à E. D’une part,
xky= x 4- y(l — x) 0.
D’autre part,
1 - x * y = (1 - x) (1 - y) 0.
On peut donc affirmer que x * y est bien élément de E.
(b) Pour tous x et y de E, on vérifie x * y = y * x grâce la commutativité des opéra

tions -F et x. La loi * est donc commutative.
Soit x,y,z E E. Par les propriétés calculatoires usuelles sur les réels
(x * y) * z = (x + y - xy) + z - {x + y - xy)z = x + y + z - (xy + xz + yz) + xyz.

1. On dit alors que x est inversible à droite et que x' est un inverse à droite de x. De façon similaire,
on définit l’inversibilité à gauche.
2. De façon générale, si un élément est inversible à droite et à gauche, il est inversible car ses inverses
à droite et à gauche sont nécessairement égaux.
Le calcul de x * (y * z) conduit à une expression identique et l’on peut affirmer que la

loi * est associative.
(c) méthode
Pour établir l’existence d’un élément neutre on mène souvent une analyse afin
de déterminer celui-ci. Cependant, la situation en cours est assez évidente...
Pour y = 0, on observe xd) = x = 0*x pour tout x € E. On peut donc affirmer que 0
est élément neutre.
méthode
|| Pour déterminer les éléments symétrisables, on raisonne par analyse-synthèse.
Analyse : Si x G E est symétrisable, il existe x' E E vérifiant x * x' = 0, c’est-à-dire
x'(x — 1) = x. Cette équation d’inconnue x' n’a pas de solution lorsque x = 1 et une
solution qui est x/(x — 1) lorsque x 1. Si x > 0, cette solution est strictement négative
et ne détermine donc pas un élément de B. Le seul cas restant est x = 0.
Synthèse : x = 0 est évidemment symétrisable puisque c’est le neutre de la loi *.
En résumé, seul 0 est symétrisable.
(d) Soit xyy G E. On sait déjà x * y 1 et l’on observe

x * y = x -F 7/(1 — x) x.
On en déduit que si x et y sont éléments de A, x * y x a et donc x * y G A.
4.4.2 Groupes
Exercice 4
On note G = ] — 1 ; 1[ et, pour x,yçG, on pose
Montrer que la loi * munit G d’une structure de groupe abélien.
Solution
méthode
|| On vérifie que * définit bien une loi de composition interne sur G.
Pour x.y G G, le dénominateur 1 + xy est strictement positif car \xy\ = |#| \y\ est
strictement inférieur à 1 : on peut définir le réel x * y. Vérifions ensuite que x * y est
élément de G. On a la chaîne d’équivalence
— l<x*y<l <=> — 1 — xy<x + y<l + xy
<î=^> -(1 + x)(l + y) < 0 < (1 - æ)(l - y).
Sachant 1 + x > 0, 1 — rc > 0 et les mêmes propriétés en y, on peut affirmer que x *y est
bien élément de G.
méthode
On vérifie ensuite que la loi est associative, possède un neutre et que tout
élément est symétrisable.
Commençons par souligner que la loi * est commutative : pour tous x et y de G, on
vérifie x * y — y * x grâce la commutativité des opérations 4- et x.
Soit x, y, z G G. Par les propriétés calculatoires usuelles sur les réels
. îjU,_ ^±1 .z= î+^+z = 1+^ = x + y + z + xyz

i+xy 1 + t+^z l + xy + yz + zx'
Le calcul de x * (y * z) conduit à une expression identique et l’on peut affirmer que la

loi * est associative.
On observe = x = 0*x pour tout x G G : on peut affirmer que 0 est élément
neutre. Enfin, pour x G G, on a x * (—x) = 0 = (—x) * x avec —x G G : tout élément
de G est symétrisable. On peut conclure que (G,*) est un groupe abélien1.
Exercice 5
Soit a et b deux réels. Montrer que aZ + bZ = [ak -F b£ | fc, £ G Z} est un sous-groupe
de (R, 4-).
Solution
méthode
On vérifie que uZ 4- bZ est une partie de R, non vide et stable par composition
avec le symétrique 2.
uZffibZ est évidemment une partie de R et elle est non vide car 0 lui appartient puisque
l’on peut écrire 0 = ak 4- b£ avec k = £ = 0 G Z.
Soit x et y deux éléments de aZ 4- bZ. Etudions si x — y en est aussi élément. On peut
écrire x = ak 4- b£ et y = ak' 4- bt' avec /c,£, V,£' G Z. On a alors x — y = ak" 4- b£"
avec k" = k — k' G Z et £" = £ — £' G Z. On a donc x — y G aZ 4- bZ.
Finalement, on peut affirmer que aZ + bZ est un sous-groupe de (R, +).
Exercice 6
(a) Soit n G N*. On considère Un = {zGC|zn = l} l’ensemble des racines n-ièmes
de l’unité. Montrer que Un muni de la multiplication des nombres complexes est un
groupe.
(b) Soit a un élément d’un ensemble E. On considère H = {/ G Se | /(a) = a}
l’ensemble des permutations de E fixant a. Montrer que H muni du produit de
composition des applications est un groupe.
1. C’est-à-dire un groupe commutatif.

2. Ici, la loi étant additive, on parle plutôt de stabilité par différence.
Solution
méthode
Lorsque la loi est connue, il est fréquent d’établir qu’une structure est un
groupe en observant que c’est un sous-groupe d’un groupe déjà référencé (Th. 4
p. 123).
(a) Vérifions que Un est un sous-groupe du groupe1 (C*, x). Les racines n-ièmes de
l’unité sont des complexes de module 1, elles sont a fortiori non milles et donc Un C C*.
Il y a exactement n racines n-ièmes de l’unité et donc Un est non vide. Reste à vérifier
la stabilité par composition avec l’inverse. Pour z, z' e Un, on a z x z'~x e Un car
Finalement, Un est un sous-groupe de (C*, x) et donc (Un, x) est un groupe : c’est le

groupe des racines n-ièmes de Vanité.
(b) Vérifions que H est un sous-groupe du groupe des permutations (5(B), o) (Th. 3
p. 122). H est clairement une partie de Se- H est non vide2 puisque le neutre Id#
en est élément car Id# (a) = a. Vérifions la stabilité par composition et par passage au
symétrique. Soit f,geH. D’une part, (/o#)(a) = /(g(a)) = /(a) = a et donc fog G H.
D’autre part, /-1(a) = /-1(/(n)) = a et donc /-1 e H.
Finalement, H est un sous-groupe de (5#, o) et donc (B, o) est un groupe.
Exercice 7
Soit E un ensemble. On définit la différence symétrique3 A AB de deux parties A
et B de B par la relation A AB = (A U B) A (An B).
Montrer que (p(B), A, n) est un anneau commutatif.
Solution
méthode
|| On vérifie les axiomes de définition d’un anneau.
Dans le sujet 17 p. 29, il a déjà été établi que l’opération A est associative, possède un
neutre 0 et que toute partie A est symétrisable pour A de symétrique elle-même. Il est
immédiat que l’opération A est commutative car U et A le sont. On peut donc affirmer
que (p(B), A) est un groupe abélien.
L’opération d’intersection est associative et possède un neutre : E. Elle est aussi com
mutative.
1. Soulignons que (C, x) n’est pas un groupe car 0 n’est pas inversible.
2. Pour vérifier qu’une partie est non vide lorsque l’on veut établir que c’est un sous-groupe d’un
groupe donné, il est usuel d’étudier l’appartenance du neutre car celui-ci appartient à tous les sous-
groupes.
Il reste à établir la distributivité de A sur A en vérifiant1 An (BAC) = (AAB)A(AaC)

pour tous A, B, C E p(B).
Par définition de la différence symétrique
(A A B)A(A AC) = ((A A B) U (A A C)) A (A A B A C)
On écrit (A A B) U (A A C) = A A (B U C) et A A B A C=AUB A C et alors
(AAB)A(AAC) = (A A (B UC)) A (ÂUBTlC).
Par distributivité de l’intersection sur la deuxième union
(A A B) A(A A C) = (A A (B U C) A Â) U (A A (B U C) A BÜTC)
=0 -An(BAC)
ce qui fournit l’identité de distributivité.

Finalement, (p(B), A, A) est un anneau commutatif de neutres 0 et E.
4.5.1 Loi de composition interne
Exercice 8 *
Soit E un ensemble muni d’une loi * associative possédant un neutre e. Montrer
qu’un élément a est symétrisable si, et seulement si, l’application f : E E définie
par f(x) = a * x est bijective.
Solution
( ==> ) Si l’élément a est symétrisable, on peut introduire l’application g: E -A E défi
nie par g(x) = aT^x. On vérifie par associativité les égalités2 fog = Id# et g o f = Id#.
On peut donc affirmer que f est bijective (et g est sa bijection réciproque).
( 4= ) Supposons f bijective et introduisons a' l’antécédent du neutre e par f. On a
par définition a* a! = e, mais il faut aussi vérifier a! * a = e pour pouvoir affirmer que a
est symétrisable de symétrique a'.
méthode
|| On compare f(a' *a) et /(e).
Par associativité
f(a' *a) = a * (a' * d) = (a*a')*a = e*a = a = f(d).
L’application f étant injective, on peut conclure a' * a = e et l’élément a est donc
symétrisable.
1. Par commutativité de l’intersection, l’étude de cette seule identité suffit : il n’est pas nécessaire de
considérer (BAC) A A = (B A A)A(C A A).
/( /(. ))
2. On constate l’égalité f o g = Id# en montrant c t = x pour tout x E E.
Exercice 9 **
Soit E un ensemble muni d’une loi ★ associative. On suppose qu’il existe a G E telle
que, pour tout x € E, il est possible d’écrire x = ak y = z k a avec Q/, z) E E2.
Montrer que (E, *) possède un neutre et que a est symétrisable.
Solution
Pour x = a, l’hypothèse permet d’introduire e et e' tels que a = ake = e'ka.
méthode
| On vérifie que e et e' sont neutres à droite et à gauche pour la loi ★.
Soit x G E. On peut écrire x — ak y = z k a avec y,z G E et alors
xke = (z k d) k e = z k (ak é) = z k a — x.
De même, on vérifie er k x = x. Comme déjà vu dans le sujet 1 p. 125, le calcul de e * e'

assure que les deux éléments e et e' sont égaux et l’on peut affirmer que * possède un
neutre.
Enfin, pour x = e, on peut introduire y et z tels que e = aky = z ka. En calculant de
deux façons z ★ a k y, on obtient y = z et l’on peut affirmer que a est symétrisable et y
est son symétrique.
Exercice 10 ***
Soit E un ensemble fini non vide muni d’une loi de composition interne associative ★.
Montrer qu’il existe un élément e dans E vérifiant e*e = e.
Solution
méthode
|| Pour x G E, la suite des x2™ (avec n E N) comporte des répétitions.
Soit x G E. Puisque l’ensemble E est fini, la suite x2" ne peut être formée d’éléments
deux à deux distincts et il existe donc p < q tels que
Posons alors a — x2P et n = q — p G N* de sorte que
a 2n = x 2px2n = x 2q = a.
Si n = 1, l’élément e = a convient. Si n > 1, considérons1 e = a2™ 1 G E et vérifions

que celui-ci convient :
qTI-|-1 _Q nTl nTl__ c\ nTl__ ex nTl__ -i
e*e — a =a ka 2 = ak a =a = e.
1. Ce choix peut être motivé : si E est un groupe, son neutre vérifie eke = e et correspond à l’élément
introduit puisque a * a2 -1 = a.
4.5.2 Groupes
Exercice 11 *
Soit (G, ★) un groupe. On suppose x2 = e pour tout x G G. Montrer que le groupe G
est commutatif.
Solution
méthode
|| On exploite la formule d’inversion (x + y)-1 = y~r ★ æ'"1.
Pour tout x G G, l’égalité x2 = e donne x — x~r : dans le groupe G chaque élément
est égal à son inverse. Pour tous x et y de G, le composé x * y est élément de G et donc
x*y = (xty)-1 — y~r = y *x.
Ainsi, les éléments du groupe G commutent deux à deux.
Exercice 12 *
Soit a et b deux éléments d’un groupe G noté multiplicativement. Montrer
(ab)n = 1 => (ba)n = 1.
Solution
Rappelons que (a6)n doit être compris (a6)(a&)... (aô) produit à n facteurs.
méthode
|| Par associativité, a(bà)n = aba.. .ba = {ab)na.
L’élément a étant inversible, on peut écrire (ba)n — a~1{ab)na. Si (a6)n = 1, on
simplifie et l’on conclut (ba)n = a~rla = 1.
Exercice 13 ** (Transport de loi)

Soit (G,*) un groupe et ç>: G —> E une application bijective au départ de G et à
valeurs dans un ensemble E. On définit une loi de composition interne T sur E en
posant
x T y = ip(ip~x(x) * <P-I(y)).
Montrer que (Æ, T) est un groupe.
Solution
Commençons par souligner que la loi T est bien définie car on peut composer par *
les éléments p~1Çx) et p~1{y) ce qui détermine un élément de G dont l’image par p est
dans E.
Soit x, y et z dans E. On a
a:T (ÿT z} = xT <p((p~1(y)^(p~1(z)) = if>\ip~\x) * (y>~X(y)

La loi ★ étant associative, on poursuit
ïT (yT z) = = <£>(<£>-1(æ) * <£-1(y)) T z = (a? T y) T z.
Ainsi, la loi T est associative.

méthode
Un peu d’intuition, ou une petite analyse, suffit à déterminer le neutre pour
la loi T.
Notons e le neutre de G et introduisons1 er = ç?(e). Pour tout x G E
x T e' = </9(<£>-1(a;) *e) = =x
et l’on vérifie de même e' T x = x. L’élément e' est donc neutre pour la loi T.
Reste à établir que tout élément de E est inversible pour la loi T. Soit x un élément
arbitraire de E. On introduit2 x' = 99 (a-1) avec a = ç>-1(æ) et l’on vérifie que x' est
l’inverse de x :
x T x' = * a-1) = ç>(e) = e' et xf T x — * a) = e'.
Ainsi, x est inversible et x' est son inverse.

Finalement, (E, T) est un groupe.
Exercice 14 **
Soit G = R* x R et * la loi de composition interne définie sur G par
(x, y) * (æz, y') = (xxr, xy' + y).
(a) Observer que la loi * n’est pas commutative.

(b) Montrer que (G, *) est un groupe dont on précisera le neutre.
(c) Vérifier que R^ x R est un sous-groupe de (G,*).
Solution
Commençons par souligner que la loi * est bien définie sur G car xxr 0 quand x 0
et x' 0.
(a) méthode
Exhiber deux éléments qui ne commutent pas suffit pour affirmer que la loi
n’est pas commutative.
On a (1,2)*(3,4) = (3,6) et (3,4)*(1, 2) = (3,10). La loi ★ n’est donc pas commutative.
1. Une petite analyse suffit à déterminer e' : si la loi T admet un neutre e', l’égalité x T e' = x donne
(£-1(æ) ★ <£-1(e') = (£_1(æ) et donc ç?-1(e') est neutre pour la loi *.
2. Si l’intuition fait défaut, une petite analyse suffit encore à révéler xf. Notons que ce dernier est
noté x' et non æ-1 car on ignore à ce stade si x est inversible.
(b) Commençons par étudier l’associativité de la loi ★. Soit (rr, x/), (Â?/) et (æ",î/")
trois éléments de G. D’une part,
((æ, y) x (a/, y')) * (x'f, y") = (xx', xy' + y) * (#", y") = (xx'x", xx'y" + xy' + y).
D’autre part,
(x, y) * ((#', y') * (x", y")) — (x, y) * (x'x", x'y" + y') = Çxx'x", xx'y" + xy' + y).
La loi * est donc associative.

méthode
La loi n’étant pas commutative, neutralité et inversibilité s’étudient en calcu
lant les compositions dans les deux sens.
Une petite recherche suffit à révéler un candidat pour le neutre de la loi * : on
veut e = (a, 6) e G vérifiant e * (æ, y) = (x, y) et (x, y)*e = {x, y) pour tout (x, y) € G.
Ceci revient à écrire
(ax, ay + b) = (x, y) et (xa, xb + y) = (#, y).
Prendre a = 1 et b — 0 convient : e = (1,0) e G est élément neutre.

Il reste à vérifier que tout élément (æ, y) e G est inversible. On cherche alors (x',y')
vérifiant (#, y) * (a/, y') = (1,0) et (#', y') * (æ, y) = (1,0). Après résolution, x' = 1/x
et y' = —y/x déterminent un couple (x',y') e G convenable.
Finalement, (G,*) est un groupe.
(c) H = R^_ x R est une partie de G non vide. Soit (x,y) et (x' ,y') deux éléments
de H. On a
/ \ / , /\-i / x (1 y'\ ( x xy' \ x

(x,y)-k(x,y) 1 = I —,- --- ) = I —,----- - + y jeH
\ /y»' /y»' / \ /y»/ zy»' /
car —
zy»<
> 0.
\ <X/ eXz / \ eX/ tX/ / «Xz
Ainsi, H est un sous-groupe de (G,*).
4.5.3 Sous-groupes
Exercice 15 *
Montrer que {x + yy/3 | (#,y) € et x2 — 3y2 — 1} est un sous-groupe de (R*, x)
Solution
Nommons H la partie étudiée. Celle-ci est incluse dans R* car
x2 - 3y2 = (x + yVÏ) {x - yy/3) = 1 =^> x + yV3 0
H est non vide car 1 e H puisque l’on peut écrire 1 = 1 + 0^/3 avec l2 — 3.02 = 1.
Soit a et b deux éléments de H. On écrit a — x yyfë et b = x' + y'a/3 avec les

conditions entendues sur x,y,xr et y'. On a alors
ab = xx' + 3yyf + (xy' + x'y) a/3 avec x", y" G Z.
=x" —y"
On vérifie par développement
(a:")2 - 3(y")2 = (xx> + 3W)2 - 3(æy' + æ'y)2 = (x2 - 3y2) (x'2 - 3y'2) = 1.
Ainsi, ab est élément de H. Enfin, en multipliant par la quantité conjuguée x — y\/3 qui
est non nulle
a-1 =-----\ = X - yV$ 6 H.
x + y V3 x2 ~ 3y2
Finalement, H est un sous-groupe de (R*, x).
Exercice 16 **
Montrer que
V={2€C|3neN*,2n = l}
est un groupe multiplicatif.
Solution
Montrons que V est un sous-groupe1 du groupe (C*, x ). La partie V est incluse
dans C* et est non vide. Soit z et z' deux éléments de V.
méthode
Il Les exposants pour lesquels les puissances de z et z' sont égales à 1 ne sont
| pas forcément identiques.
Il existe n et m G N* tels que zn = z,rn = 1. Considérons l’exposant nm G N* et
constatons
~nm (~n\rri im
\ZZ ) — —------- — —------777 — —— — 1.
V / zfnm (zfrn} ln
On a donc zz'-1 G V.
Finalement, V est un sous-groupe de (C*, x) et donc (V, x) est un groupe.
Exercice 17 **
On appelle centre d’un groupe (G, ★) l’ensemble
Z(G) = {x G G | \/y G G, x*y = y *x}.
Montrer que.Z(G) est un sous-groupe de (G,*).
1. V est la réunion des groupes Un des racines n-ièmes de l’unité. V ne se confond pas avec le groupe U
des complexes de module 1 car il existe des complexes de module 1 qui ne sont pas racines de l’unité.
Solution
méthode
Il Z (G) se comprend comme l’ensemble formé des éléments de G qui commutent
Il avec tous les éléments de G.
Z (G) est une partie non vide de G car e en est élément puisque eky = y = y k e pour
tout y de G. Soit x et x' deux éléments de Z (G). Pour tout y e G
(x*x')*y = xk(x' ky) = xk (y k x') car x' e Z (G)

= (xky) kx' = (ykx)kx' car x e Z (G)
= y k (x k x').
Ainsi, xkx' e Z (G). Reste à vérifier la stabilité par passage au symétrique.

Soit x e Z(G).
méthode
|| On exploite la commutation de x avec y~x.
Soit y G G. L’élément x commute avec tout élément de G et donc notamment avec t/-1.
On peut alors écrire xky~r = y~rkx. En passant cette relation au symétrique, on obtient
ykx~r = [x*y~^ 1 = (y~1*x} 1=x~~1ky
et donc x-1 G Z (G).
Exercice 18 **
Soit H une partie finie non vide d’un groupe (G,*).
On suppose que H est stable pour la loi k. Montrer que H est un sous-groupe de G.
Solution
La partie H étant par hypothèse non vide et stable par *, il suffit de vérifier qu’elle est
aussi stable par passage au symétrique. Soit x e H.
méthode
|| Les itérés de x ne peuvent être deux à deux distincts.
Par stabilité de H, les itérés xn avec n e N* sont tous éléments de H. Or H est une
partie finie, les itérés qui précèdent étant en nombre infini, ils comportent des répétitions.
On peut alors introduire m,n e N* tels que xn+m = xn. En simplifiant par xn (ce qui
est possible dans le groupe G car tous les éléments y sont inversibles), il vient xm = e.
Cas : m > 1. Le symétrique de x est Æm-1 avec m — 1 e N*, c’est donc un élément
de H.
Cas : m = 1. On a x — e et le symétrique de x est simplement x donc élément de H.
Exercice 19 **
Soit H et K deux sous-groupes d’un groupe G noté multiplicativement. On forme
H K — {xy | x € H et y G K} et KH = {yx | y G K et x e H}.
Etablir que H K est un sous-groupe de G si, et seulement si, KH C H K et qu’alors

H K = KH.
\___________________________________________________________________________________ _____ j
Solution
( 4= ) Supposons KH C HK. Les parties H et K étant non vides, la partie H K est
aussi non vide. Etudions la stabilité de H K par produit et par passage à l’inverse.
Soit a et b deux éléments de HK. On peut écrire a = xy et b = x'y' avec x,x' G H
et y, y' G K. On a alors ab = xyx’y'.
méthode
L’hypothèse KH C. HK permet, en modifiant les éléments, de transformer le
produit d’un élément de K par un élément de H en celui d’un élément de H
par un élément de K.
Le facteur yx' est élément de KH, on peut donc l’écrire x"y" avec x" e H et y" € K.
On a alors
ab = x(x"y")y' = (xx")(y"y') = xÿ
avec x = xx" Ç. H et ÿ = y”y1 g K car H et K sont des sous-groupes de G. Ainsi, le
produit ab appartient à HK.
Enfin, a~1 = y~1x~1 G KH C H K. La partie H K est donc un sous-groupe de G.
( => ) Supposons que H K soit un sous-groupe de G. Soit a — yx avec y G K et x G H
un élément de KH.
méthode
|| Par passage à l’inverse, on échange les positions des éléments de H et K.
On peut écrire a = (rr-1?/-1) 1 avec x”1 G H et y-1 G K. L’élément a est alors
l’inverse d’un élément du sous-groupe HK et c’est donc aussi un élément de HK.
Ainsi, KH C HK.
Aussi un élément de a de H K appartient à KH. En effet, a-1 appartient à H K ce qui
permet d’écrire a-1 = xy avec x G H et y G K et alors a = y~1x~1 G KH. Par double
inclusion, on conclut H K — KH.
4.5.4 Groupes finis
Exercice 20 **
Soit G un groupe possédant 4 éléments. Montrer que G est commutatif.
Solution
Adoptons une notation multiplicative pour la loi de G et notons l,a, 6, c les quatre
éléments de G. Il est entendu que 1 commute avec les trois autres éléments. Il reste à
vérifier que ces derniers commutent entre eux et, compte tenu de la généralité de l’étude,
il suffit de vérifier que a et b commutent.
méthode
| On montre ab = 1 ou ab — c par exclusion des autres possibilités.
Le cas ab = a est impossible car, en composant par a-1 à gauche, on obtient b = 1.
Le cas ab = b est de même impossible. Il reste donc ab = 1 ou ab = c. De même, on a
aussi ba — 1 ou ba = c.
Si ab = 1 alors b est l’élément inverse de a et donc ba = a-1 a = 1. De même, si ba = 1,
on a ab = 1. Si ab 1 et ba / 1, il reste ab = c = ba.
Dans tous les cas les éléments a et b commutent1.
Exercice 21 **
Soit G un groupe noté multiplicativement possédant un nombre pair d’éléments.
Montrer qu’il existe x G G tel que x2 = 1 et x 1.
Solution
méthode
| On regroupe les éléments de G avec leur inverse.
Pour chaque x E G, on introduit la partie Ax = {æ, x~1}. Cet ensemble se confond
avec Ax-i et il est constitué de deux éléments sauf si x = æ-1, c’est-à-dire, sauf si x2 = 1.
Au surplus, les parties Ax sont disjointes ou confondues. En effet, si Ax Cl Ay ± 0, les
éléments x et y sont égaux ou inverses l’un de l’autre mais, dans les deux cas, Ax = Ay.
L’ensemble G est formé d’un nombre pair d’éléments et est la réunion des Ax. Sachant
que Ai ne possède qu’un élément, il existe au moins un élément x dans G, différent du
neutre, tel que Ax soit un singleton. Pour cet élément, on a x2 = 1.
4.5.5 Anneaux et corps
Exercice 22 * (Anneau de Boole)

Soit (A, +, x) un anneau de Boole2, c’est-à-dire une anneau dans lequel x2 = x pour
tout x E A.
(a) Montrer que 2x = Oa pour tout x E A. En déduire que A est un anneau
commutatif.
(b) Montrer que l’on définit une relation d’ordre sur A en posant
x y xy = x.
1. Le plus petit groupe fini non commutatif a 6 éléments : c’est le groupe des permutations de {1, 2, 3}.
2. L’anneau (p(Æ?), A, p) étudié dans le sujet 7 p. 129 est un exemple non trivial d’anneau de Boole.
Solution
(a) Soit x e A.
méthode
|| On développe (1a -F x)2.
L’égalité (1a -F x)2 = 1a + x donne 1a -F 2x + x2 = 1a 4- x car x2 = x. Après simpli
fication, on a directement 2x = Oa-
Soit x,y E A. En développant1 l’égalité (x -F y)2 = x + y, on obtient
x 2 + xy + yx + y 2 = x + y.
En simplifiant, on parvient à l’identité xy -F yx = Oa car x2 = x et y2 = y. Or on a aussi
par l’étude précédente 2xy = Oa et l’on en déduit xy = yx.
(b) Soit x E A. Puisque x2 = x, la relation est réflexive.

Soit x,y E A. Si x y el y x alors xy = x et yx = y. Par commutativité, on conclut
que x et y sont égaux.
Soit x, ?/, z E A. Si x y et y < z alors xy = x et yz = y. On en déduit xz = (xy)z
puis xz = x(yz) = xy = x c’est-à-dire x z.
Finalement, est une relation d’ordre2 sur A.
Exercice 23 **
Soit (A, +, x) un anneau vérifiant xyx = x2y pour tous x et y dans A. Montrer que
l’anneau est commutatif.
Solution
méthode
Le sujet est posé dans un anneau : ceci invite à raisonner en introduisant
l’opération d’addition.
Soit x et y deux éléments de A. On exploite l’hypothèse avec les éléments 1a + x et y.
En développant l’égalité (1a + x)y(lA + x) = (1a + æ)2?/, on obtient
y -F xy -F yx -F xyx = y + 2xy -F x2y.
En simplifiant, il reste yx = xy.
Exercice 24 ** (Nilpotence)
On dit qu’un élément x d’un anneau (A,-F, x) est nilpotent lorsqu’il existe n E N*
vérifiant xn = Oa- Soit x et y deux éléments de l’anneau (A, -F, x).
(a) Montrer que si x est nilpotent et que x et y commutent, alors xy est nilpotent.
(b) Montrer que si xy est nilpotent, alors yx l’est aussi.
(c) Montrer que si x et y sont nilpotents et commutent, alors x -F y est nilpotent.
(d) Montrer que si x est nilpotent alors 1a — x est inversible et préciser (1a — x)~r.
1. La formule (æ + y)2 = x2 -F 2xy -F y2 n’est pas adaptée car on ignore si x et y commutent.
2. Dans l’anneau (^>(Æ?), A, n), la relation se confond avec C.
Solution
(a) Soit n e N* tel que xn = 0 a- Puisque x et y commutent, on peut réordonner les
facteurs du produit
(a;y)n = (xy)(xy)... (xy) = xnyn = 0Ayn = 0A.

n facteurs
Ainsi, l’élément xy est nilpotent.
(b) Soit n G N* tel que Çxy)n = 0a- En multipliant à gauche par y et à droite par x
(yx)n+x = y(xy)nx = yOAx = 0A.
L’élément yx est donc nilpotent.
(c) Soit n, m G N* tels que xn = ym = 0a-

méthode
Il On développe (x + y)p par la formule du binôme (Th. 6 p. 124) en choisissant
|| un exposant suffisamment grand pour être assuré de ne sommer que des 0a-
Puisque x et y commutent, on peut exploiter la formule du binôme et écrire pour p G N
p / \
(x + yy = ^{Pkyyp~k-
k=0 ' '
Lorsque k n, on a1 xk = xnxk~n = 0A^k~n = 0 a et le terme d’indice k de la somme

est nul.
Lorsque p — k m, on obtient comme au-dessus yp~k = 0 a et encore une fois le terme
d’indice k de la somme est nul.
En choisissant p = n + m — 1 G N* (ou une valeur supérieure), on est assuré que, pour
chaque k compris entre 0 et p, l’une des deux conditions k n ou p — k m est satisfaite.
On obtient alors (x + p)p = 0a car somme de termes tous nuis.
(d) Soit n G N* tel que xn = 0a-

méthode
|| On exploite la formule de factorisation géométrique (Th. 7 p. 124).
Puisque æ et 1a commutent, on peut écrire les factorisations
1a = 1a - xn = (1A - æ)(lA + x H------ F æn-1) et

1a ~ U - xn = (1A + x H------ 1- af1-1) (1A - x).
On en déduit que 1a — x est inversible et 1A + x +-----F æn-1 est son inverse.

1. L’écriture xk = xnxk~n est possible car l’exposant k — n est positif.

Les sujets 25 à 28 nécessitent des résultats présentés dans le chapitre 6 relatif au dénom
brement.
Exercice 25 **
On dit qu’un élément a d’un ensemble E muni d’une loi ★ est régulier lorsque, pour
tout (x,y) e E2,
a* x = a*y => x = y (régularité à gauche)

x ★ a = y * a => x = y (régularité à droite).
(a) Montrer que tous les éléments d’un groupe sont réguliers.
(b) Soit E un ensemble fini muni d’une loi associative pour laquelle il existe un
élément régulier. Montrer que la loi * possède un élément neutre.
(c) Soit G un ensemble fini non vide muni d’une loi associative pour laquelle tous
les éléments sont réguliers. Montrer que G est un groupe.
Solution
(a) Soit a, x et y des éléments d’un groupe (G,*).
Si a * x = a * y, en composant avec a-1 à gauche, il vient a-1 * (a ★ x) = a-1 * (a* y),
puis, par associativité, e*x = e*y ce qui donne x = y. Ainsi, a est régulier à droite et
l’on montre de même que a est régulier à gauche.
(b) Soit a e E.
méthode
|| On montre par cardinalité que l’application x i-> a * x est bijective.
La régularité à gauche de a signifie que l’application x i—> a * x est injective. Or cette
application va de l’ensemble fini E vers lui-même, elle est donc bijective (Th. 4 p. 206).
Par surjectivité, on peut introduire un élément e G E pour lequel a * e = a. Vérifions
alors que e élément neutre pour la loi *. Soit x e E arbitraire. On a par associativité
a * (e ★ x) = (a*e)*x = a*x.
Par régularité à gauche de a, on peut simplifier et affirmer e * x = x. En particulier, on
peut écrire e * a = a et aussi
(x * e) * a = x * (e * a) = x * a.
Par régularité à droite de a, on obtient x * e = x.
Finalement, e est élément neutre pour la loi ★.
(c) L’ensemble G étant non vide on peut exploiter le résultat précédent et affirmer
l’existence d’un neutre e. Reste à vérifier que tout élément de G est symétrisable.
Soit a E G. Comme au-dessus on peut affirmer la bijectivité de l’application x i-> a ★ x

et introduire un élément a' pour lequel a * a' = e. De plus, par associativité,
a * (a' * a) = (a* o!) * a = e* a = a = a* e.
Par régularité de a, on obtient a' * a = e. Ainsi, a est symétrisable et l’on peut conclure
que G est un groupe.
Exercice 26 *
Soit (G,*) un groupe possédant 2n éléments avec n 2.
On suppose qu’il existe deux sous-groupes H et K possédant chacun n éléments et
vérifiant H A K = {e}. Montrer n = 2.
Solution
On a
Card (K UÆ) = Card(H) + Card(Æ) - Card(Æ A K) = 2n - 1.
Il existe donc un unique élément g dans G qui n’appartient ni à H ni à K.
méthode
|| On étudie la composition d’un élément de H par un élément de K.
Soit x E H et y E K deux éléments distincts du neutre e (ce qui est possible car n est
supérieur à 2). Par l’absurde, si le composé x*y appartient à //, alors, par opérations
dans le sous-groupe H, l’élément y — x~x *(x*y) appartient aussi à H. Ceci est exclu
car y est un élément de K distinct de e. Ainsi, x*y n’appartient pas à H et l’on montre
de même qu’il n’appartient pas à K : il est nécessairement égal à g.
Si l’on considère alors x, x' E H et y E K tous distincts de e, on peut affirmer x*y = g
et x' *y = g ce qui entraîne x — g * y-1 — x' : la partie H ne possède qu’un élément en
plus de e et donc n = 2.
Exercice 27 **
Soit (G, *) un groupe fini dans lequel x2 = e pour tout x E E.
(a) Soit H un sous-groupe strict1 de (G,*) et a un élément de G \ H.
Montrer que K = H U H' avec H' = {a * x | x E H] est un sous-groupe de G.
(b) Avec les notations qui précèdent, donner le cardinal de K en fonction de celui
de H.
(c) En déduire que le cardinal de G est une puissance de 2.
Solution
Commençons par souligner que le groupe G est commutatif (voir sujet 11p. 132).
(a) K est une partie non vide de G. Elle est évidemment stable par passage au symé
trique car, dans G, tout élément est égal à son symétrique. Il reste à vérifier la stabilité
1. Un sous-groupe strict est un sous-groupe différent du groupe.
de K par composition. Soit x et y deux éléments de K. On discute selon l’appartenance

des éléments à H ou H'.
Si x et y appartiennent au sous-groupe H, x * y est élément de H.
Si x et y sont éléments de H' (qui n’est pas un sous-groupe), on peut écrire x = a*x'
et y = a* y' avec x', y' G H. Sachant la loi commutative et a2 = e, on simplifie
x*y = (a*?) * (a*î/) — °? * x' * y' — x' * y' G H.
Si x est élément de H et y élément de H1 (le cas symétrique est analogue), on
écrit y = a* y' avec y' G H et par commutativité de la loi
x * y = x * (a * y') = a*(x'ky') G H'.
Dans tous les cas, x * y est élément de K.
(b) méthode
|| On vérifie que H et H' sont deux parties disjointes de mêmes cardinaux.
L’application x H> a * x est injective et transforme H en H'. On en déduit que H
et H' ont le même nombre d’éléments. Aussi, les parties H et H' sont disjointes car a est
choisi dans G \ H. En effet, si H Pi H' / 0, il existe un élément x de H qui s’écrit a * x'
avec x' e H et alors a = x * x'~r e H ce qui est exclu.
On en déduit Card(K) = Card(K) + Card(K') — 2Card(K).
(c) méthode
|| Partant de {e}, on construit des sous-groupes emboîtés jusqu’à parvenir à G.
Soit Hq = {e}. Pour i G N, si H = Hi est distinct de G, on choisit un élément a
dans G \ H et l’on définit = K comme ci-dessus. On construit ainsi une suite de
sous-groupes Ho, LTi, 7L2,... chacun de cardinal double du précédent. Le processus de
construction s’arrête nécessairement car le groupe G est fini. Si i désigne l’indice pour
lequel Hi = G, on a Card(G) = 2L
Exercice 28 *** (Conjugaison dans un groupe)

Soit G un groupe fini noté multiplicativement.
(a) On appelle normalisateur de x G G l’ensemble N(x) = {g G G | gxg~r = x}.
Montrer que N(x) est un sous-groupe de G.
(b) Montrer que l’on définit une relation d’équivalence 1Z sur G en posant
xTly <=> 3g e G, y = gxg-1.
(c) On note Cl(a?) la classe d’équivalence d’un élément x pour la relation H. Montrer
Card(G) - Card(Cl(æ)) x Card(7V(z)).
(d) Application : On suppose que G est de cardinal pa avec p premier et a G N*.

Montrer que son centre1 Z (G) n’est pas réduit à {!}.
Solution
(a) N (x) est une partie non vide de G car le neutre 1 en est élément puisque 1x1 = x.
Soit g et h deux éléments de N(x). On a gxg~x — x et hxh~x = x donc
[gh~^x^gh~^ 1 = gh~1xhg = gh~r (hxh~r^hg = gxg~x = x.
Ainsi, ghT1 est élément de N(x) et l’on peut affirmer que N(x) est un sous-groupe2
de G.
(b) Soit x e G. On peut écrire x = gxg 1 avec g — 1 et donc x 1Z x.

Soit x,y e G tels que x 1Z y. Il existe g e G tel que y = gxg~r et alors x = hyhr1
avec h = g-1 G G. On a donc y 1Z x.
Enfin, soit x,y,z e G tels que x 1Z y et y TZ z. Il existe g, h e G tels que y = gxg1
et z = h/yhr1. On a alors z = kxk~r avec k = hg e G et donc x7Z z.
La relation 7Z est réflexive, symétrique et transitive, c’est une relation d’équivalence.
(c) méthode
On introduit l’application G —> Cl(æ) définie par <p(g) = gxg~x et l’on
étudie les antécédents des éléments de Cl(rc).
Les valeurs prises par ç? sont bien en relation avec x : l’application ip introduite est
bien définie à valeurs dans Cl(rc). De plus, la classe d’équivalence de x réunit les éléments
en relation avec x et l’application ip est surjective.
Soit y e C1(æ). Etudions l’ensemble des antécédents de y. Par surjectivité, il existe g
dans G tel que cp(g) = y. Pour h e G, on a alors
(p(h) = y hxh 1 = gxg 1

g~1hxÇg~1h) 1 = x
g”1 h, G N(x).
L’ensemble des antécédents de y est donc l’ensemble des gk avec k parcourant N(x).
L’application k gk étant injective, on peut affirmer qu’il y a exactement Card(7V(#))
antécédents à chaque y de Cl(ir). En dénombrant les éléments de G en regroupant entre
eux ceux qui prennent la même valeur par on obtient
Card(G) = Card(Cl(x)) x Card (TV(æ)).

nombre de nombre de fois qu’une
valeurs possibles valeur donnée est prise
(d) méthode
Les classes d’équivalence réalisent une partition de G : le cardinal de G est la
somme des cardinaux des classes d’équivalence de G.
2. N (x) est simplement le sous-groupe des éléments qui commutent avec x.
Les cardinaux des classes d’équivalence de G divisent le cardinal de G, ils sont donc
chacun de la forme p@ pour P G N.
Soit x G G et P e N tel que CardCl(#) = p&. Si P = 0, la classe d’équivalence de x
est un singleton ce qui signifie que x commute avec tout élément de G : il appartient au
centre de G. Sinon, le cardinal de Cl(æ) est un multiple de p.
En dénombrant G selon ses classes d’équivalence, on obtient
pa = Card(G) = 52 1 + ^2 Card(C)
C classe d’équivalence C classe d’équivalence
Card(C)=l Card(C)>l
Card(Z(G)) + 52 Card(C') .
C classe d’équivalence
Card(C)>l
Les termes de la somme étant tous multiples de p, il en est de même du cardinal de Z(G)
et donc Z(G) 7^ {1}.
Exercice 29 **
Soit a et b deux éléments d’un anneau (A, +, x). Montrer que si 1a — ab est inversible
alors 1a — ba l’est aussi.
Solution
méthode
Lorsque ab est nilpotent1, ba l’est aussi et l’on sait exprimer les inverses
de 1a — ab et de 1a — ba. En déterminant une relation entre ces deux inverses,
on peut espérer révéler une relation vraie en situation générale.
Si (ab)n = 0a, on a (6a)n+1 = 0a et
(1a — ab)"1 = 1a + ab H-------F (n6)n-1 et (1a — ba)~T = 1a + ba H-------F (6u)n.
On observe alors (1a — = 1a + b(pA — ab)~1a.

Revenons au cas général. Supposons 1a — ab inversible et notons x son inverse. On a
(1a — ab)x = æ(1a — ab) = 1a ce qui donne x = 1a + abx — 1a + xab. Introduisons
ensuite y = 1 + bxa. On obtient en remplaçant x dans les termes bxa
(1a — ba)y = 1A + bxa — ba — babxa = 1a + 6(1a + abx)a — ba — babxa = 1a et

t/(1a— ba) = 1a + bxa — ba — bxaba = 1A + 6(1a + xab)a — ba — bxaba = 1a-
On en déduit que 1a — ba est inversible et que y est son inverse.

Exercice 30 ** (Équation de Pell-Fermat)

On s’intéresse à l’équation (TT): x2 — 2t/2 = 1 d’inconnue (æ,2/) 6 Z2.
Pour la résoudre, on étudie l’ensemble
G = {(x,y) G N* x Z | x2 - 2y2 = 1}.
(a) Pour {x, y) et (x',y') dans G, on pose
(æ, y) * (x', y') = (xx' + 2yy', xy' -F x'y).
Montrer que * munit G d’une structure de groupe dont on précisera le neutre e.

Pour (x,y) € G, on pose <p(x,y) = ln(# + V^y).
(b) On introduit a = (3,2) G G. Montrer
V(z,î/)gG, 0 < <p(x, y) < ç?(a) (x,y)=e.
(c) Vérifier que, pour tout (x,y) G G et tout (x',y') E G,
<p((x,y)^(x',y')) = <fi(x,y) +ip(x',y'). (*) .
(d) En déduire que les éléments de G sont les an avec n G Z.
Solution
(a) Commençons par vérifier que la loi * est bien définie sur G. Pour (x,y) et (x',y')
deux éléments de G, on a
xx' + 2yy' e Z et xx' + 2yy' = t/1 + 2y2 ^/l + 2y'2 + 2yy' > 2 |y| |y'| + 2yy' 0
et donc xx' + 2yy' E N*. On a aussi évidemment xy' + x'y G Z et enfin on vérifie par
développement
(xx' + 2yy')2 - 2(xy' + x'y)2 = (x2 — 2y2} (x'2 — 2y'2) = 1x1 = 1.
La loi ★ est donc bien définie sur G et à valeurs dans G.
On vérifie que la loi est associative en observant avec des notations entendues :
(æ,î/)* ((a;z,yz)*(a:",y"))
= (xx'x” + 2(xy'y” + x'y” y + x"yy'),xx'y” + x'x”y + x”xy' + 2yy'y”')
= ((x,y)*(a:/,y'))
Enfin, on vérifie que e = (1, 0) est élément neutre et que tout (x, y) E G est symétrisable
de symétrique (x, — y) E G.
(b) Commençons par souligner que l’application p est bien définie sur G car, pour
tout (æ, y) E G,
x + V2y = y 1 4- 2y2 + V2y > y/2 \y\ + V2y 0.
Soit (x, y) E G.
Cas : y < 0. On a x — y/2y > 1 car x 1 puis
ç?(rr, y) = ln(# + V2y) = — ln(# — Vïy) < 0.
Cas : y 2. On a x = + 2y2 3 donc
<p(x,y) = ln(rr + V2y) ç?(a).
On en déduit que l’encadrement 0 ç?(æ, y) < ç?(a) n’est possible que si y = 0 ou y = 1.

Dans le cas y = 0, on obtient (x,y) = e comme voulu. Le cas restant y = 1 est à exclure
car x = \/3 n’est pas un entier.
(c) On remarque par simple développement
{x + Vïy) {x' + V^y') = (xx' + 2yy') + Vz(xy' + x'y).
En passant au logarithme, on obtient l’identité (*).
(d) Il est entendu que les itérés an avec n E Z sont tous éléments de G. Vérifions
ensuite que tout élément (x, y) E G est de cette forme.
méthode
On introduit n la partie entière du quotient (/?(#, y)/ip(o) de sorte que
nip(o) ç?(æ,y) < (n + l)<^(a).

En raisonnant par récurrence, on vérifie1 grâce à l’identité (*) que p(ap^ = pp(o)
d’abord pour p E N puis, plus généralement, pour p E Z. On a alors
0 <p((x, y) * a~n>) = p(x, y) — rup(o) < p(o)

eG
et donc (æ, y) * a~n = 'e puis (x, y) = an.

On peut alors générer les solutions de l’équation x2 — 2y2 = 1. Les premières valeurs
sont :
(1,0), (3,2), (17,12), (99,70), (577,408),...
En approfondissant le sujet, on pourrait observer que ces couples (æn,î/n) correspondent
aux écritures (3 -h 2\/2)n = xn + \/2yn.
1. L’application y? transforme la loi ★ sur G en l’addition sur R, elle transforme donc l’itéré de
composition d’ordre n dans G en l’itéré additif d’ordre n dans R. En seconde année, on dira que ç? est
un morphisme du groupe (G,*) vers (R,+).
CHAPITRE 5
Polynômes et fractions rationnelles
K désigne R ou C.
5.1 L’anneau des polynômes
5.1.1 Polynômes
Définition
Un polynôme à coefficients dans K est une expression de la forme
P = Qq + a±X + • • • +
avec n E N et ao,..., an des éléments de K.

Les nombres sont appelés les coefficients du polynôme P et la lettre X servant à
exprimer le polynôme, s’appelle une indéterminée.
L’ensemble des polynômes à coefficients dans K est noté K[X].
Deux polynômes
P = clq + ct^X + • • • + anXn et Q = &o H- b±X + • • • + bmXm
sont égaux si, et seulement si, dk = bk pour tout indice k pour lequel les deux coefficients
ont un sens, les autres coefficients, s’il y en a, étant nuis1.
1. Autrement dit, lorsque n < m, les deux polynômes seront dit égaux si clq = do, ai = an = bn
et 6n+i = • • • = bm — 0.
150 Chapitre 5. Polynômes et fractions rationnelles
Un polynôme de la forme P = <zq avec Oq G K est dit constant. Si de plus &o = 0, on dit
que c’est le polynôme nul. Un polynôme de la forme P = anXn est appelé un monôme.
5.1.2 Degré d’un polynôme

Définition
On appelle degré d’un polynôme P = uq + a±X + • •• 4- anXn non nul le plus grand
indice k tel que est non nul. Celui-ci est noté deg(P).
On convient de poser le degré du polynôme nul égal à — oo.
Un polynôme de degré exactement n s’écrit
P = oq + a±X 4- • • • 4- anXn avec an 0.
Un polynôme de degré inférieur à n s’écrit
P = oq -|- a±X + • • • + anXn
sans conditions particulières sur les coefficients. On note Kn[X] l’ensemble des polynômes
de degrés inférieurs ou égaux à n.
Définition
Si P est un polynôme non nul, on appelle coefficient dominant de P le coefficient
d’indice n égal au degré P.
Lorsque le coefficient dominant est égal à 1, on dit que le polynôme est unitaire.
5.1.3 Somme de deux polynômes

Soit P et Q deux polynômes de K[X]
P = ao + a±X + • • • 4- anXn et Q= H- b±X 4- • • • 4~
Quitte à adjoindre des coefficients nuis à l’un des polynômes, on peut supposer m = n.
Définition
On définit le polynôme somme P + Q par l’expression
P+Q — + &o) + (ai + bi)X 4- • • • + (an + bn)Xn.
Théorème 1
Si F et Q sont deux polynômes de K[X], on a
deg(F + Q) max(deg(F), deg(Q)).
De plus, si les deux polynômes sont de degrés distincts, il y a égalité.

5.1 L’anneau des polynômes 151
5.1.4 Produit de deux polynômes

Soit P et Q deux polynômes de 5C[X]
P — clq + a^X + • • • 4- anXn et Q= 4" b±X + • • • +
Définition
On définit le polynôme produit P x Q par l’expression
P X Q d= c0 + C1X + • • ■ + cn+mXn+m
avec1
Ck = ^2 a^3 Pour tout k G [0 ; n 4- mj.
i+j=k
Théorème 2
Si F et Q sont deux polynômes de K[X], on a
degl'FQ) = deg(F) + deg(Q).
En particulier, le produit de deux polynômes non nuis est un polynôme non nul.
Les opérations d’addition et de multiplication sont compatibles avec les notations em
ployées2 pour exprimer un polynôme et munissent K[X] d’une structure d’anneau :
Théorème 3
(K[X], 4-, x) est un anneau commutatif d’élément nul le polynôme nul et d’élément
unité le polynôme constant égal à 1.
Enfin, en multipliant par un polynôme constant égal à A, on définit la multiplication par

un scalaire :
AP An0 + AuiX + • • • 4- XanXn.
5.1.5 Composition
Définition
Soit P = oq 4- a±X 4- • • • 4- anXn un polynôme de K[X] et Q G K[X]. On définit le
polynôme composé P o Q par
n
PoQ = a^Qk = ao 4- a±Q 4- • • • 4- anQn.
k=0
Ce polynôme est aussi noté P(Q). En particulier, P(X) est une autre écriture possible
pour désigner le polynôme F.
1. Dans cette écriture, la somme porte sur les indices i G [0 ; n] et j G [0 ; m] vérifiant i 4- j = k.
2. En particulier, on a Xp x Xq = Xp+q pour tous p et q G N.
5.1.6 Divisibilité
Définition
Soit A et B deux polynômes de K[X]. On dit que le polynôme A divise le polynôme B,
et l’on note A | B, s’il existe P G K[X] tel que B = AP. On dit alors que A est un
diviseur de B ou encore que B est un multiple de A.
Les polynômes constants non nuis divisent tous les polynômes.
Le polynôme nul est divisible par n’importe quel polynôme. Celui-ci mis à part, les
diviseurs d’un polynôme non nul sont de degrés inférieurs au degré de ce polynôme.
La relation de divisibilité est réflexive et transitive mais pas antisymétrique :
Théorème 4
Si A et B sont deux polynômes de K[X]
A | B et B | A <=> 3A G K*, A = ÀB.
On dit alors que les polynômes A et B sont associés.
Si A divise B et si deg(A) = deg(B) alors A et B sont associés.
5.1.7 Division euclidienne
Théorème 5 (Division euclidienne dans K[X])

Pour tous A et B G K[X] avec B non nul, il existe un unique couple (Q,B) de
polynômes de K[X] vérifiant
A = BQ -F R et deg(B) < deg(B).
Les polynômes Q et R sont respectivement nommés quotient et reste de la division

euclidienne de A par B.
Le polynôme B divise A si, et seulement si, le reste R est le polynôme nul.
5.2 Racines d’un polynôme
5.2.1 Fonction polynomiale

Soit P = no + a±X H---- -F anXn un polynôme de ŒC[X].
Définition
On appelle valeur de P en x G K le nombre
n
P{x) = akxk = no -F a±x + • • • -F anxn.
k=0
5.2 Racines d’un polynôme 153
Lorsque P et Q désignent deux polynômes de ]K[X] et x un élément de EC, on observe la

compatibilité du calcul polynomial avec le calcul sur les valeurs :
(F + Q)(z) = F(F) + Q(j:), (PQ)(x) = P(x)Q(x) et (FoQ)(æ) = F(Q(<
Définition
Si V désigne une partie de K, on appelle fonction polynomiale associée à F définie
sur P l’application
ô.
[ X l-> P(x).
5.2.2 Racines
Définition
|| On appelle racine1 d’un polynôme F e K[X] tout A G K tel que F(A) = 0.
Dans le cadre complexe, l’existence de racines est acquise par le résultat suivant :
Théorème 6 (Théorème de d’Alembert-Gauss)

Tout polynôme complexe non constant possède au moins une racine.
Dans le cadre réel, l’existence de racines réelles n’est pas certaine. Cependant, tout po
lynôme réel peut aussi se comprendre comme un polynôme complexe.
Définition
On appelle racine complexe d’un polynôme réel F toute racine de F compris comme
un polynôme de C[X].
Les racines complexes d’un polynôme réel sont deux à deux conjuguées.
5.2.3 Racines, divisibilité, degré

En observant que le reste de la division euclidienne d’un polynôme F par X — A est le
polynôme constant égal à F(A), on obtient le résultat :
Théorème 7
Une valeur A G K est racine de P e K[X] si, et seulement si, X — A divise F.
En raisonnant par récurrence, on en déduit que des nombres deux à deux distincts
Ai,..., An sont racines de F si, et seulement si, (X — Ai)... (X — An) divise F. Une
conséquence remarquable est la suivante :
Théorème 8
Le nombre de racines d’un polynôme non nul est inférieur à son degré.
1. On parle aussi de zéro d’un polynôme.

Seul le polynôme nul possède plus de racines que son degré. Ce résultat permet d’identifier
polynôme et fonction polynomiale définie sur une partie infinie :
Théorème 9
Si deux fonctions polynomiales sont égales sur une partie infinie, elles sont issues du
même polynôme1.
5.2.4 Multiplicité d’une racine

Définition
Soit P un polynôme non nul de K[X] et A e K. On appelle multiplicité de A en tant
que racine de P le plus grand a € N tel que (X — A)a divise P.
La multiplicité est nulle lorsque A n’est pas racine de P. Sinon, on parle de racine simple,
de racine double, etc. selon que a = 1, a = 2, etc.
Théorème 10
Soit P un polynôme de K[X], Ai,..., Am G K deux à deux distincts et ai,..., am e N.
Les Ai,..., Am sont des racines de P de multiplicités respectives au moins ai,..., am
si, et seulement si, (X — Ai)6*1 x • • • x (X — Am)am divise P.
On sait alors comparer les multiplicités et le degré d’un polynôme non nul :
Théorème 11
La somme des multiplicités des racines d’un polynôme non nul est inférieure à son
degré.
Dans le cadre des polynômes complexes, il y a même égalité en vertu du théorème de

d’Alembert-Gauss (Th. 6 p. 153).
Dans le cadre des polynômes réels, il y a aussi égalité sous réserve de décompter les
racines complexes et non seulement les racines réelles. Notons que les racines complexes
conjuguées d’un polynôme réel ont la même multiplicité.
5.2.5 Polynôme scindé

Définition
Un polynôme non nul P de K[X] est dit scindé sur UC lorsqu’il est possible de le
factoriser sous la forme
n
P = aH(X — Ai) avec a e K*, n G N et Ai,..., An G K.
i=l
1. Dit autrement : il est possible d’identifier les coefficients qui définissent ces fonctions polynomiales.
5.2 Racines d’un polynôme 155
Un tel polynôme est de degré n, de coefficient dominant a et les Ai,..., An en sont les
racines comptées avec multiplicité1.
Théorème 12
Un polynôme non nul P de K[X] est scindé sur K si, et seulement si, son degré est
égal à la somme des multiplicités de ses racines dans K.
En particulier, tout polynôme non nul de C[X] est scindé sur C.
Le polynôme X2 +1 n’est pas scindé sur R mais est scindé sur C : X2 + 1 = (X — i)(X + i).
La notion de polynôme scindé dépend du corps d’étude.
5.2.6 Relations coefficients-racines d’un polynôme scindé

Lorsque l’on identifie l’écriture développée et l’écriture factorisée d’un polynôme scindé
anXn + an-iX”-1 + • • • + aiX + a0 = an(X - AJ(X - A2)... (X - An)
on peut exprimer les coefficients du polynôme en fonctions de ses racines. On introduit

pour cela les expressions symétriques élémentaires en les racines Ai,..., An :
ak Aî2 • • • Aik pour tout k G [1 ; n].

<22 <•••<*&
La quantité (Xk est la somme de tous les k-produits possibles d’éléments de Ai,..., An.
En particulier,
<7i — Ai H------ F An et crn = Ai x ••• x An.
Théorème 13 (Relations coefficients-racines)

Si P = anXn + • • • + a±X + Uq est un polynôme scindé de degré n et si Ai,..., An
désignent ses racines comptées avec multiplicité alors
(Xk = (~l)fe-n~fc pour tout k G [1 ;n].
En particulier,
(X - Ai)(X - A2)... (X - An) = Xn- (TiX^"1 + u2Xn-2 + • • • + (-l)n<7n

n
= Xn + ^2(-l)fc<7fcXn-fc.
k=l
1. Une racine simple apparaît une fois dans la liste, une racine double apparaît deux fois, etc.
5.3 Dérivation
5.3.1 Polynôme dérivé

Définition
Le polynôme dérivé P' d’un polynôme P — (1q + a^X + + • • • + unXn est
n— 1
P' — &i + Zo^X + • • • + nanXn 1 = ^(k + l)a^_(_iX^.
k=o
Ce polynôme s’exprime encore1
P'= ^kakXk-\
k=i
Le polynôme P' est nul si, et seulement si, P est constant. Sinon2, deg(P') = deg(P) — 1.
Théorème 14
Si P et Q sont des polynômes de K[X]
(P + Q)' = P' + Q', {PQY = P'Q-\-PQ' et (PoQ) = Q'xP'oQ.
5.3.2 Dérivées d’ordres supérieurs

Définition
On dit que P est le polynôme dérivé d’ordre 0 de P. Pour n € N, on appelle polynôme
dérivé d’ordre n + 1 de P le polynôme dérivé du polynôme dérivé d’ordre n de P. On
note P^ le polynôme dérivé d’ordre n de P.
Théorème 15 (Formule de Leibniz)

Si P et Q sont des polynômes de EC[X] et n un entier naturel
n
=£ n jp(n-/c)Q(fc)
k)
fc=O
Théorème 16 (Formule de Taylor polynomiale)

Si P est un polynôme de UC[X] de degré au plus n et si À € K alors
k=0
1. Dans cette formule de dérivation, Xk est simplement transformé en kXk~r. On notera la disparition
du terme constant correspondant à l’indice k = 0.
2. Dans les deux cas, on peut affirmer deg(P') < deg(P) — 1.
5.4 Arithmétique des polynômes 157
En particulier, les coefficients ak d’un polynôme P sont donnés par la formule
p(fc)(0)
ak = ——,— pour tout k e N.
kl
5.3.3 Multiplicité d’une racine et polynômes dérivés successifs
Théorème 17
Soit P un polynôme de K[X], A € K et a E N. On a équivalence entre :
(i) A est racine de multiplicité a de P ;
(ii) P(A) = P'(A) = • • • = P^-Â) = 0 et P^(A) Q.
Si A est racine de multiplicité a 1 de P alors A est racine de multiplicité a — 1 de P'.

Les racines multiples de P sont les racines communes à P et P'.
5.4 Arithmétique des polynômes
5.4.1 PGCD
Soit A et B deux polynômes de K [AT] non tous deux nuis.
Définition
Tout polynôme de degré maximal parmi les diviseurs communs à A et B est appelé
un PGCD de A et B.
Théorème 18
Les diviseurs communs aux polynômes A et B sont exactement les diviseurs d’un de
leurs PGCD.
Tous les PGCD de A et B sont alors associés : un seul est unitaire, on le note A AB.
Lorsque A et B sont tous deux nuis, on pose A A B = 0 et le théorème précédent reste
valable avec cette convention.
5.4.2 Algorithme d’Euclide

Soit A et B deux polynômes de K[X].
Si B est nul, A est un PGCD de A et B.
Si B est non nul, on peut introduire le reste R de la division euclidienne de A par B et
tout PGCD de B et de R est aussi PGCD de A et de B.
Théorème 19 (Algorithme d’Euclide)

Partant de la division euclidienne de A par B, lorsque l’on opère une succession de
divisions euclidiennes du diviseur par le reste tant que le reste obtenu est non nul,
le dernier reste non nul correspond à un PGCD de A et B.
Par cette succession de divisions euclidiennes il est possible d’exprimer un PGCD de deux
polynômes comme une combinaison polynomiale de ceux-ci :
Théorème 20 (Relation de Bézout)

Si D est un PGCD de deux polynômes A et B de K[X], on peut écrire
D = AU + BV avec (U, V) G K[X]2.
5.4.3 PPCM
Soit A et B deux polynômes de K[X] tous deux non nuis.
Définition
Tout polynôme de degré minimal parmi les polynômes non nuis multiples communs
à A et B est appelé un ppcm de A et B.
Théorème 21
Les multiples communs aux polynômes A et B sont exactement les multiples d’un
de leurs PPCM.
Tous les PPCM de A et B sont alors associés : un seul est unitaire, on le note A V B.
Lorsque l’un des polynômes A ou B est nul, on pose A V B = 0 et le théorème précédent
reste valable avec cette convention.
Théorème 22
Pour tous A et B e K[X], les polynômes (A A B) (A V B) et AB sont associés.
5.4.4 Couples de polynômes premiers entre eux

Définition
Deux polynômes A et B de K[X] sont dits premiers entre eux lorsque leurs seuls
diviseurs communs sont les polynômes constants non nuis. Il revient au même de dire
que le polynôme constant égal à 1 est un PGCD de A et B et l’on note alors A AB = 1.
Théorème 23 (Théorème de Bézout)

Deux polynômes A et B sont premiers entre eux si, et seulement si, il existe un
couple (B, V) formé de deux polynômes de K[X] vérifiant AU + BV = 1.
5.4 Arithmétique des polynômes 159
Théorème 24 (Lemme de Gauss)

Soit A, B et C trois polynômes de K[X].
A | BC et A A B = 1 ==> A | C.
5.4.5 Polynômes irréductibles

Définition
Un polynôme P de K[X] non constant est dit irréductible sur R si ses seuls diviseurs
positifs sont les polynômes constants non nuis et ses polynômes associés.
Les polynômes irréductibles de C[X] sont les polynômes de degré 1 et l’on dispose du
théorème de factorisation affirmant à nouveau que les polynômes complexes non nuis
sont scindés sur C :
Théorème 25 (Décomposition en facteurs irréductibles dans C[X])

Tout polynôme complexe P non nul s’écrit de façon unique à l’ordre près des facteurs
m
P = a£[(X-Afe)afe
k=l
avec a e C*, m € N, e C deux à deux distincts et ai,...,am e N*.
Le nombre a est alors le coefficient dominant de F, m le nombre de racines distinctes,

celles-ci sont les Ai,..., Am de multiplicités respectives ai,..., am.
Les polynômes irréductibles de R[X] sont les polynômes de degré 1 ainsi que les poly
nômes de degré 2 sans racines réelles.
Théorème 26 (Décomposition en facteurs irréductibles dans R[X])

Tout polynôme réel P non nul s’écrit de façon unique à l’ordre près des facteurs
m p
p=a n (x - Xkp n (^2+
fc=l k—1
avec a G R*, m,p 6 N, Ai,..., Xm € R deux à deux distincts, (/ii, iî),..., (/ip, Vp)
des couples deux à deux distincts de réels vérifiant la condition Aj = /zj — 4z/y < 0
et ai,..., am, ,..., /3p (E N .
Le nombre a est alors le coefficient dominant de F, les Ai,..., Am sont ses racines réelles
de multiplicités respectives ai,..., am et les facteurs (X2 -F [ijX + sont associés
aux racines complexes conjuguées de P.
5.4.6 Arithmétique et racines
Théorème 27
Dans C[X], un polynôme A divise un polynôme B si, et seulement si, les racines
de A sont racines de B de multiplicités au moins égales.
Théorème 28
Dans C[X], deux polynômes sont premiers entre eux si, et seulement si, ils ne pos
sèdent pas de racines en commun.
En particulier, les polynômes P et P' sont premiers entre eux si, et seulement si, les
racines de P sont toutes simples.
Dans R[X], ces résultats sont encore valables à condition de considérer les racines com
plexes des polynômes et non seulement les racines réelles.
5.5 Le corps des fractions rationnelles
5.5.1 Les fractions rationnelles

Définition
Une fraction rationnelle à coefficients dans K en l’indéterminée X est un élément F
représenté par un quotient
— avec A, B E K[X] et B / 0.
On note K(X) l’ensemble de ces fractions rationnelles.

Soit A,B^CfD E K[X] avec B et D non nuis. On définit l’égalité sur les fractions
rationnelles de sorte que
A _ £ AD = BC.
B ~
Il n’y a donc pas unicité de la façon de figurer une fraction rationnelle. Cependant :
Théorème 29
Si F est une fraction de K(X), il existe un unique couple (P, Q) E K[X]2 vérifiant
F=^, PAQ = 1
et Q est unitaire.
Définition
|| Le quotient P/Q est alors appelé représentant irréductible de la fraction rationnelle F.
Un polynôme P de K[X] s’identifie à la fraction rationnelle irréductible P/l.
5.5 Le corps des fractions rationnelles 161
5.5.2 Opérations
On définit une addition et une multiplication sur K(X) prolongeant celles sur K[X] en
posant
A C déf AD + BC A C déf AC
B + D~ BD et B X D ~ BD'
Toute fraction non nulle est inversible et donc
Théorème 30
(K(X), 4-, x) est un corps.
L’inverse d’une fraction F = A/B non nulle est 1/F = B/A.
5.5.3 Degré
Définition
On appelle degré d’une fraction rationnelle F = A/B le nombre
deg(F) = deg(.4) - deg()B G Z U {-oc} .
Théorème 31
Pour F et G deux fractions de K(X),
deg(F + G) < max(deg(F), deg(G)) et deg(FG) = deg(F) + deg(G).
5.5.4 Racines et pôles

Soit F une fraction de ,K(X) de représentant irréductible P/Q.
Définition
On appelle racine de F toute racine de F. On appelle pôle de F toute racine de Q.
On définit la multiplicité de ces racines et pôles à partir des multiplicités respectives
relatives aux polynômes F et Q.
Supposons la fraction rationnelle F représentée par le quotient Al B et soit A G K. Si A
est racine de A de multiplicité a G N et racine de B de multiplicité /3 G N alors :
— si a > /?, A est racine de F de multiplicité a — (3 ;
— si a < (3, A est pôle de F de multiplicité /3 — a;
— si a = /?, A n’est ni racine, ni pôle, de F.
Une fraction rationnelle n’admet qu’un nombre fini de pôles et seule la fraction rationnelle
nulle admet une infinité de racines.
5.5.5 Fonction rationnelle associée

Soit F une fraction de K(X) de représentant irréductible P/Q.
Définition
Si A G K n’est pas pôle de F, on dit que F est définie en A et l’on appelle valeur de
F en A le nombre :
F(XÏ
( } = QW
Si la fraction rationnelle F est représentée par le quotient A/B et si A n’est pas racine
de B alors F est définie en A et F(A) = A(A)/B(A).
Définition
Si V est une partie de EC ne contenant pas de pôles de F, on appelle fonction ration
nelle associée à F définie sur P l’application
F.
’ } àh F(A).
Si deux fonctions rationnelles sont définies et égales sur une partie V infinie, elles sont
issues de la même fraction rationnelle.
5.5.6 Décompositions en éléments simples

Théorème 32
Pour toute fraction F de K(X), il existe un unique couple (F, G) G K[X] x K(X)
vérifiant F = F + G et deg(G) < 0.
Définition
|| Le polynôme F ainsi introduit s’appelle la partie entière de la fraction F.
Si la fraction F s’écrit A/B avec A, B G K[X], B 0, la partie entière de F est le
quotient de la division euclidienne de A par B.
Théorème 33 (Décomposition en éléments simples dans C(X))

Soit F une fraction de C(X) de représentant irréductible P/Q.
Si la décomposition en facteurs irréductibles du dénominateur Q dans C[X] s’écrit
m
q=
k=l
alors la fraction F s’écrit de manière unique
avec F sa partie entière et a^j des nombres complexes.

Définition
|| Cette écriture se nomme la décomposition en éléments simples de F dans C(X).
Théorème 34 (Décomposition en éléments simples dans R(X))

Soit F une fraction de R(X) de représentant irréductible P/Q.
Si la décomposition en facteurs irréductibles du dénominateur Q dans R[X] s’écrit
m p
q=n (x
k=l
- x*)akk=l
n x+
alors la fraction F s’écrit de manière unique
m / \ p / Pk k v \ \
p = p+ akj I + 5^ l’V I
£1 Vè - xk)j ) tï (*2+i^kx+vk)3 )
avec E sa partie entière et des nombres réels.
Définition
|| Cette écriture se nomme la décomposition en éléments simples de F dans R(X).
Les techniques de calculs de décompositions en éléments simples sont présentées dans le
sujet 11 p. 171.
5.6.1 Polynômes
Exercice 1
Trouver les P e R[Xj tels que P(X2) = (X2 - X + l)P(X).
Solution
méthode
On commence par déterminer le degré des polynômes solutions puis on calcule
ceux-ci en raisonnant par coefficients inconnus.
Le polynôme nul est solution de l’équation proposée. Soit P un polynôme non nul de
degré n E N. Le polynôme composé F(X2) est de degré 2n tandis que (X2 — X + l)P(X)
est de degré n + 2. Les solutions non milles de l’équation sont donc à chercher parmi les
polynômes de degré 2.
Soit P = aX2 + bX + c un polynôme de degré inférieur1 à 2.
F(X2) = (X2 - X + 1)F(X)

<=> aX4 + bX2+c = aX4 + (b - a)V3 + (a - b + c)X2 + (b - c)X + c
b—a=0
< a—b+c=b
X
b — c = 0.
Après résolution du système, on peut affirmer que les polynômes solutions sont les poly
nômes a(X2 + X + 1) avec a G R.
Exercice 2
Soit n e N. En étudiant la dérivée n-ième de X2n, établir
Solution
méthode
Il On réalise2 un premier calcul par une dérivation directe et un second en dé-
II rivant le produit Xri x Xn par la formule de Leibniz (Th. 15 p. 156).
On calcule les premières dérivées de X2rl :

(X2n)' = 2nX2n~\ (X2n)" = 2n(2n - l)X2n“2,...
A chaque dérivation l’exposant de la puissance de X perd une unité. Au bout de n

dérivation, le X2n devient Xn multiplié par les exposants intermédiaires 2n, 2n — 1, etc.
jusqu’à n + 1 obtenu lors de l’ultime dérivation, à savoir celle de Xn+1. On en déduit
l’expression
(X2^)(2n) = 2n x (2n - 1) x • ■ • x (n + l)Xn = (*)
Parallèlement, l’application de la formule de Leibniz donne
{X2n) (2») = M W (%n) . (**)
fc=O
En raisonnant comme au-dessus, on vérifie pour tout k E [0 ; n]
(XnŸk) = nx (n-l)x-x (n-H l)Xn~fe = -, ^-—Xn-k.

(n — k)l
1. Ce polynôme est de degré 2 si, et seulement si, a 7^ 0.
2. On trouvera une autre résolution dans le sujet 23 p. 77.
En remplaçant k par n — k dans la formule ci-dessus, on obtient aussi
-n\(n-fc) _ ni k
> ~k\x
Les identités (*) et (**) donnent alors
(n — k)l k!
En identifiant les coefficients et en divisant par ni il vient
5.6.2 Racines
Exercice 3
Soit P un polynôme de degré n € N possédant au moins n racines distinctes. Peut-il
y en avoir d’autres ? Quelles sont leurs multiplicités ?
Solution
méthode
Un polynôme non nul possède moins de racines que son degré (Th. 8 p. 153).
Plus précisément, la somme des multiplicités de ses racines est inférieure à son
degré (Th. 11 p. 154).
Le polynôme P étant de degré n, il possède au plus n racines et donc en possède
exactement n : un tel polynôme ne peut avoir d’autres racines que celles proposées. De
plus, ces dernières sont toutes des racines simples car la somme des multiplicités des n
racines est au moins égale à n mais ne peut excéder n.
Exercice 4
Montrer qu’il existe un unique polynôme P G R[X] vérifiant
Vt € R, F(sint) = sin(3t).
Solution
Par développement trigonométrique
sin(3£) = sin(2t + t) = sin(2f) cos(t) + sin(f) cos(2£) = 3sin(t) - 4sin3(t).

=2 sin(t) cos(t) =1-2 sin2 (t)
Le polynôme P = 3X — 4X3 définit donc une solution. Vérifions que celle-ci est unique.
méthode
On peut montrer que deux polynômes sont égaux en observant que leur diffé
rence possède plus de racines que son degré.
Soit P et Q deux polynômes solutions du problème posé. Pour tout t réel, on a
F(sint) = Q(sint) et donc le polynôme P — Q s’annule en tout x e [—1 ; 1]. Ce polynôme
possède alors une infinité de racines : c’est le polynôme nul et l’on conclut P = Q.
Exercice 5
Vérifier que, pour tout n G N*,
(X - I)2 I (nXn+1 - (n + l)Xn + 1).
Déterminer le quotient de cette division.
Solution
Soit n G N* et Pn = nXn+1 - (n + l)Xn + 1.
méthode
Par dérivation, on vérifie que 1 est racine au moins double de Pn (Th. 10
p. 154).
Fn(l) = n — (n + 1) + 1 = 0 et P^X) = TlX + 1) — (^ + l)n = 0.

La valeur 1 est racine au moins double de Pn et donc (X — l)2 divise Pn.
méthode
On forme le quotient1 en factorisant deux fois Pn par X — 1 grâce à l’identité
géométrique
Xn - 1 = (X - 1)(1 + X + • ■ • + Xn-1).
On écrit
nX”+1 - nXn - (Xn - 1) = n(X - l)Xn - (X - 1)(1 + X + • • • + X”"1)

= (X - 1)(nXn - (1 + X + • • • + X”-1)).
Or
nXn - (1 + X + • • ■ + X”-1) = (Xn - 1) + (Xn - X) + • • • + (Xn - X”"1)

= (X - 1)((1 + X + • • • + X"-1) + X(1 + X + • • • + Xn~2) + • • • + x1*-1)
= (X — 1)(1 + 2X + 3X2 + • • • + nX"-1).
Finalement,
nXn+1 - (n + l)Xn + 1 = (X - 1)2(1 + 2X + 3X2 + • • • + nX””1).

1. On démontre ainsi de nouveau que (X — l)2 divise Pn.
Exerc ice 6
Déter:miner les triplets complexes (æ, 7/, z) tels qije :
x -F y + z = 2 x + y + z =2
(a)< xy + yz -F zx = —5 (b) < x2 + y2 + z2 — 6
xyz — —6 x3 + y3 + z3 = 8.
Solution
méthode
On détermine les racines du polynôme P = (X — x)(X — y)(X — z) dont on
calcule les coefficients à l’aide du système étudié (Th. 13 p. 155).
(a) Soit (x, y, z) un triplet solution du système proposé. Ce système donne directement
les valeurs des expressions symétriques élémentaires :
cri = x + y + z = 2, (T2 = xy -F yz + zx = — 5 et a3 = xyz = —6.
Par développement
P = (X - x)(X - y)(X -z) = X3- (TiX2 + a2X - <t3 = X3 - 2X2 - 5X + 6.
La valeur 1 est racine apparente du polynôme P ce qui permet de factoriser1 par (X — 1) :
P = (X - 1)(X2 - X - 6) = (X - 1)(X + 2)(X - 3).
Par conséquent, le triplet (rr, ?/, z) vaut (1, —2,3) à l’ordre près des valeurs.
Inversement, on vérifie que de tels triplets sont solutions, soit par le calcul, soit en
remontant le raisonnement qui ne contient pas véritablement de ruptures d’équivalences.
(b) Soit (x, y, z) un triplet solution. Posons
Si = x -F y -F z = 2, S2 = x2 -F y2 -F z2 = 6 et S3 = x3 + y3 -F z3 = 8.
méthode
A partir de Si, S2, S3 on peut déterminer les valeurs des expressions symé
triques élémentaires cri, a2 et cr3.
On a immédiatement <7i = Si = 2.
Par développement d’un carré, on observe
(x -F y + z)2 = x2 + y2 + z2 -F 2(xy + yz + zx)

= 82 =(T2
et donc S2 = S2 -F 2(T2 ce qui donne <72 = —1.

1. Le facteur associé peut être déterminé en raisonnant par coefficients inconnus, en posant une
division euclidienne ou directement avec un peu d’habileté.
Par développement d’un cube, on fait apparaître <73 et un nouveau terme t

(x + y + z)3 = x3 + y3 + z3 + 3(x2y + y2x + y2z + z2y + z2x + x2z) + 6 xyz .
=s3 =t =a3
On détermine t en développant le produit S1S2 :

(x + y 4- z) (x2 + y2 + z2} = x3 + y3 + z3 + x2y -F y2x + y2z + z2y + z2x + x2z.
=s3 =t
On obtient t = S1S2 — S3 = 4 puis cr3 = —2.

On a alors
(X - x}(X - y)(X - z) = X3 - 2X2 - X + 2 = (X - 1)(X + 1)(X - 2).
Le triplet (x, y, z) vaut (1, —1, 2) à l’ordre près des valeurs.
Inversement, on vérifie par le calcul qu’un tel triplet est solution.
5.6.3 Arithmétique des polynômes
Exercice 7
Soit A = 2X4 + X3 - X2 - X - 1 et B = X3 4- X2 + X - 3
(a) Calculer le quotient Q et le reste R de la division euclidienne de A par B.
(b) Calculer un PGCD D des polynômes A et B.
(c) Déterminer deux polynômes U et V tels que D = AU 4- BV.
Solution
(a) Quotient et reste se calculent en posant une division euclidienne :
2X4 + X3 - X2- X-l X3 + X2 + X - 3
2X4 + 2X3 + 2X2 - 6X 2X — 1
-X3 - 3X2 + 5X - 1
-X3- X2- X + 3
- 2X2 + 6X - 4
On obtient Q = 2X — 1 et R = —2X2 + 6X — 4.
(b) On calcule le PGCD de A et B par l’algorithme d’Euclide (Th. 19 p. 157) :

2X4 f X3 - X2 - X - 1 = (X3 + X2 + X - 3)(2X - 1) - 2X2 4- 6X - 4
+ X - 3 = ( - 2X2 + 6X - 4) ( - 4- 11X - 11
/ 9 4
-2X2 + 6X - 4 = (11X - 11) (----- X + — + 0.
Le dernier reste non nul détermine un PGCD : 11X — 11. En choisissant ce PGCD unitaire,
on écrit A A B = X — 1.
(c) Par les divisions euclidiennes qui précèdent, on peut exprimer successivement
chaque reste sous la forme AU 4- BV avec U et V des polynômes :
-2X2 + 6X - 4 = A x 1 - B x (2X - 1)
11X - 11 = B - (-2X2 + 6X - 4) - 2^
/I \ / 7 \
= Axl-X + 2\+Bx l—X2 — -X + 3).
Cette écriture n’est pas unique : les couples (U — BP, V + AP) avec P parcourant K[X]
sont aussi solutions.
Exercice 8
Soit n € N*.
(a) Décomposer Xn — 1 en facteurs irréductibles dans C[X].
(b) Décomposer Xn — 1 en facteurs irréductibles dans R[X].
Solution
(a) méthode
On peut former la décomposition en facteurs irréductibles d’un polynôme
dans C[X] à partir de la détermination de son coefficient dominant et de ses
racines comptées avec multiplicité.
Le polynôme Xn — 1 est unitaire et ses racines sont les racines n-ièmes de l’unité, à
savoir les — e21k^^n avec k parcourant [0;n — 1]. Puisqu’il y a exactement n racines
celles-ci sont simples1 et l’on peut écrire
n—1
xn~i==
fc=O
(b) méthode
On déduit la factorisation dans R[X] de celle dans C[X] en regroupant en
semble les racines complexes conjuguées pour former les facteurs irréductibles
de degré 2.
Cas : n impair. On écrit n — 2p 4- 1.

üJo = 1 est la seule racine réelle et üün_k désigne la racine conjuguée de En regrou
pant celles-ci
p p
X2P+i _ i = (X - 1) JJ(X - wfc)(X - wn_fc) = (X -1) n (* - "k)(X - ü£)
Zv = l fc = l
=(X-1)II X12-2cos(-Âx + l
\ 2p + 1)
Zc=l
Cas : n pair. On écrit n = 2p et les calculs sont analogues sauf qu’il y a deux racines
réelles wq = 1 et wp = — 1- On obtient
P"1 ( /kqr\
X2p - 1 = (X - 1)(X + 1) TT X2 - 2cos( — IX + 1
-LJ- \
k=i \
\\ pn /)
Exercice 9
(a) Décomposer X4 + 2X3 + X2 — 2X — 2 en facteurs irréductibles dans R[X].
(b) Décomposer X4 + 1 en facteurs irréductibles dans R[X].
Solution
(a) méthode
|| À partir de racines apparentes, il est possibles de factoriser un polynôme.
1 et —1 sont racines de X4 + 2X3 + X2 — 2X — 2, on peut donc factoriser1 ce polynôme
par (X — 1)(X + 1), on obtient
X4 + 2X3 + X2 - 2X - 2 = (X - 1)(X + 1)(X2 + 2X + 2).
Le trinôme qui apparaît en facteur est de discriminant A < 0, c’est un facteur irréductible
réel et l’on a donc formé la décomposition cherchée.
(b) méthode
|| On factorise l’expression en faisant apparaître une différence de deux carrés.
X4 + 1 = (X2 + l)2 - 2X2 = (X2 - V2X + 1) (X2 + \/2X + 1).

Les trinômes apparus sont sans racines réelles, ce sont des facteurs irréductibles.
Exercice 10
(a) Vérifier que X2 + X + 1 divise2 X10 4- X5 + 1.
(b) Montrer que X3 — X2 + 1 et X2 — 2X -F 2 sont premiers entre eux3.
1. Par exemple, en posant la division euclidienne de X4 + 2X3 + X2 — 2X — 2 par (X — 1)(X + 1).

2. Le sujet ne précise pas si la divisibilité est à entendre dans R[X] ou dans C[X] car cela est sans
Solution
(a) méthode
On vérifie que les racines complexes de X*2 + X +1 sont racines de X10+X5 +1
de multiplicités au moins égales (Th. 27 p. 160).
Les racines de X2 + X + 1 sont les racines simples j = e217r/3 et j = j2. On sait

1 + j- + j2 = 0 et J3 = 1. On en déduit J10 + J5 + 1 = j -F j2 + 1 = 0 et donc j est
racine deX10 + X5 + l. Les polynômes étudiés étant réels, on est assuré que la racine
conjuguée j est aussi racine de X10 + X5 + 1. Le polynôme X2 + X + 1 divise donc
X10 + X5 + l.
(b) méthode
On vérifie 4 que les deux polynômes n’ont pas de racines complexes en commun
(Th. 28 p. 160).
Il n’est pas simple de déterminer les racines de X3 — X2 + 1 au contraire de celles de

X2 - 2X + 2 qui sont 1 + i et 1 — i : on étudie par le calcul si ces dernières sont ou non
racines de X3 — X2 + 1 :
(1 + i)3 - (1 + i)2 + 1 = 1 + 3i - 3 - i - (1 + 2i - 1) + 1 = -1 0
1 + i n’est donc pas racine de X3 — X2 + 1. Par conjugaison des racines complexes d’un
polynôme réel, 1 — i ne l’est pas non plus : les deux polynômes sont premiers entre eux.
5.6.4 Décompositions en éléments simples
Exercice 11
Décomposer en éléments simples :
X3
(a) Ÿ2----- QY . O danS (b) x3 + x2 + x dans
X—1
(c) Y3----- ÔV-----9 dan® (d) (X-1)2(X + 1)2 dans
xx — 0X1 — Z
(e) x'âZ ï dans (f) (^ + l)(X» + X + 2) d“S Rm
incidence. En effet, les deux polynômes étant réels, quotient et reste de la division euclidienne de l’un
par l’autre peuvent se calculer dans R[X] et ce sont les mêmes que l’on retrouve dans C[X].
3. Encore une fois il n’est pas nécessaire de préciser si l’étude a lieu dans R[X] ou dans C[X] car
le PGCD se calcule par une succession de divisions euclidiennes et ce sont les mêmes qui sont réalisées
dans R[X] et dans C[X]. En substance le PGCD unitaire de deux polynômes réels est identique dans R[X]
et dans C[X].
4. On peut aussi calculer le PGCD par l’algorithme d’Euclide.
Solution
méthode
Pour décomposer une fraction rationnelle en éléments simples :
— on l’exprime sous forme irréductible ;
— on calcule sa partie entière qui est le quotient de la division euclidienne
du numérateur par le dénominateur ;
— on factorise le dénominateur dans le corps spécifié ;
— on exprime la décomposition en éléments simples à l’aide de coefficients
inconnus ;
— on détermine ceux-ci.
(a) La fraction étudiée est déjà sous forme irréductible (il n’y a pas de racines com
plexes communes au numérateur et au dénominateur). La division euclidienne du numé
rateur par le dénominateur s’écrit1
X3 = (X2 - 3X + 2)(X -F 3) -F 7X - 6.
La partie entière de la fraction vaut donc X + 3. Enfin, le dénominateur se factorise

X2 — 3X 4-2 = (X — 1)(X — 2). La décomposition en éléments simples de la fraction
s’exprime alors
X3 o « b ,
(X-l)(X-2) =X + 3+ —+ W
méthode
On détermine a en multipliant (*) par X — 1 puis en évaluant2 en 1. On
procède de façon analogue pour b.
X3 X3
= e‘ 6 = (X^ï) x-, = 8'
La décomposition en éléments simples cherchée s’exprime
_ Y,, 1 I 8
X2-3X + 2 X-l X-2'
(b) La fraction étudiée est déjà sous forme irréductible et sa partie entière vaut 1
car X3 est le terme dominant au numérateur et au dénominateur. Dans C[X], la factori
sation du dénominateur s’écrit X3 -F X2 -F X = X(X — j) (X — J2) avec j = e2i7r/3 racine
troisième de l’unité. La décomposition en éléments simples de la fraction s’exprime
x3 + x2 + l , a b c .
x^ + x‘ + x = 1 + x+ x^J + x^
1. Seul le quotient nous intéresse, il n’est pas nécessaire de calculer précisément le reste.
2. Dans le premier membre de (*), on simplifie par X — 1 avant d’évaluer en 1. Dans le second membre
tous les termes sauf celui contenant a sont multipliés par 0 et disparaissent.
méthode
Il La fraction rationnelle décomposée étant réelle, on doit obtenir par conjugaison
| une décomposition identique. L’unicité de l’écriture entraîne alors c = b.
X3 + X2 + 1 X3 + X2 + 1 2 +J2
et c = 6 = J2.
X2 + X + 1 x=0_ ’ X(x-j2) j{j - J2)
Finalement,
X3 4- X2 + 1 j2
X3 + X2 + X
+ X-j2'
(c) La fraction étudiée est sous forme irréductible et sa partie entière est nulle car elle
est de degré strictement négatif. On observe que —1 est racine du dénominateur ce qui
permet de le factoriser : X3 — 3X — 2 = (X + 1)2(X — 2). La décomposition en éléments
simples s’écrit
X>-3X-2 = (XT1? + XT1 + X^2 “AceE' (A)
méthode
c se détermine comme au-dessus tandis que a s’obtient en multipliant (A) par
(X + l)2 avant d’évaluer en —1.
X-l 2 X-l 1
a= 3 et C~TxTÏŸx=2
X-2 x=-i 9
méthode
Pour calculer b on peut former une équation liant a, 6, c en évaluant (A) en un
point (par exemple en 0). Plus efficacement, on peut aussi multiplier par X et
considérer la limite en +oo.
Par cette dernière démarche, on obtient la relation 0 = a x 0 + ô x 1 + c x 1 et l’on a
donc b = —c.
Finalement,
Y_1 2 1 1
1 _ 3____________ 9 i 9
X3 — 3X — 2 (X + l)2 X+l X-2’
(d) La fraction étudiée est sous forme irréductible et sa partie entière est nulle car
elle est de degré strictement négatif. Son dénominateur est déjà factorisé dans R[X] et
sa décomposition en éléments simples est de la forme
1 a b c d
(X - 1)2(X + l)2 “ (X - 1)2 + % - I + (X + I)2 + X + 1 avec a’6’c’deR-
On a
1 1 1 1
4 et C ~ (X - l)2
a~ (xTïp 4
méthode
On calcule b et c en formant des relations liant les coefficients de la décompo
sition.
En multipliant par X puis en considérant la limite en -Foo, on obtient b -F d = 0. En
évaluant en 0, on observe 1 — a — b + c + d. On en déduit d — 1/4 et b = —1/4. On
conclut1
1 1111
__________ ___________ _ 4____________ 4 _i______ 4______ I 4
(x - i)2(x +1)2 “ (x -1)2 x -1 (x +1)2 x+r
(e) La fraction étudiée est sous forme irréductible et sa partie entière est nulle. Son
dénominateur se factorise X3 — 1 = (X — 1) (X2 -F X -F 1) dans R[X] et sa décomposition
en éléments simples est de la forme
X a bX + c ,
j^ï A l ' jp + X + 1 “V" °
Par des calculs analogues aux précédents on obtient a = 1/3.

méthode
On calcule simultanément les réels b et c en multipliant (□) par X2 + X + 1
puis en évaluant en j qui en est racine.
On obtient
Les nombres b et c étant réels, on peut opérer une identification : b = — 1/3 et c = 1/3.
X / —/X + d
x3 -1 = x -1+ x2 + x + r
(f) La fraction étudiée est sous forme irréductible et sa partie entière est nulle car
elle est de degré strictement négatif. Son dénominateur est déjà factorisé dans R[X] et
sa décomposition en éléments simples est de la forme
1 aX -F b cX + d 7 7 ™
(X2 -F 1) (X2 -F X -F 2) = X2 + l ----- ——- avec a, 6, c, d G K.
Les réels a et b peuvent se calculer comme au-dessus

1 _ 1
ai + b= F + X+2
~Fi 2
1. La fraction décomposée est paire : en changeant X en —X la décomposition en éléments simples
ne doit pas être modifiée. Ceci permet de justifier a = c et d = —b avant calculs.
On en déduit a = —1/2 et b = 1/2.

Les réels c et d peuvent être calculés par un procédé analogue en introduisant1 une
racine üü de X2 + X + 2. On peut cependant être plus rapide en formant des relations
sur les coefficients.
En multipliant par X et en étudiant la limite en +oo, on obtient a Pc = 0 donc c = 1/2.
En évaluant en 0, il vient 1/2 = 6 +d/2 et donc d = 0.
1 -5V + I
(X2 + l)(X2+X + 2) ” X2 + l ^X2 + X + 2*
méthode
En dernier recours2 il est possible de réduire au même dénominateur une
décomposition en éléments simples afin d’identifier les coefficients inconnus.
Il est aussi fréquent de former des décompositions en éléments simples par des astuces
d’écriture comme la suivante :
1 _ 1 (X - /1) - (X - A) __ 1 / 1 1 A
(X-A)(X-/i) “ (A-/z) ’ (X —A)(X —/z) ~ X-/i\X-X X-/1J
Exercice 12
Soit P un polynôme complexe non constant.
Exprimer en fonction des racines de P et de leurs multiplicités respectives la décom
position en éléments simples de la fraction P'/P.
Solution
Notons Ai,..., Am les racines de P et ai,..., am leurs multiplicités respectives. En
introduisant le coefficient dominant a, on peut écrire la factorisation
m
P = aH(X-Àk)“‘.
k=l
méthode
La dérivée d’un produit est la somme des produits obtenus en ne dérivant
qu’un facteur.
m / / \ \
P’=a^ H •
k=l \ v / /
x =((X-Afc)“fc) jjLk
En simplifiant, on obtient
P _ &k
~P~ f-X-A/
k=l
Cette identité correspond à une décomposition en éléments simples. Or il y a unicité de
ces décompositions, c’est donc la décomposition en éléments simples de P'/P.
1. Il n’est pas nécessaire de déterminer eu, savoir eu2 = — (w + 2) suffit à mener les calculs.
2. En pratique, on est rarement aussi désespéré...
5.7.1 Généralités
Exercice 13 *
Déterminer les polynômes P de K[X] vérifiant P(X + 1) = P(X).
Solution
Soit P un polynôme solution.
méthode
|| On étudie les racines du polynôme Q = P(X) — P(0).
Par la propriété P(X + 1) = P(X), on obtient P(k + 1) = P(k) et donc P(k) = P(0)
pour tout k G N. Le polynôme Q admet donc une infinité de racines (tous les entiers
naturels), c’est donc le polynôme nul. On en déduit que le polynôme P est constant. La
réciproque est immédiate.
Exercice 14 *
Déterminer les polynômes réels P de degré au plus 3 tels que
(X-1)2|(F-1) et (X + l)2 I (F+l).
Solution
méthode
|| Afin dé réduire le nombre de calculs, on commence par déterminer P'.
Analyse : Soit P un polynôme solution. 1 est racine au moins double de P — 1 et donc
aussi racine de (P — 1)' = P'. Par le même argument, —1 est aussi racine de P' et donc
X2 — 1 = (X — 1)(X + 1) divise P' (Th. 7 p. 153.). Au surplus, P' est de degré au plus 2
et l’on peut donc écrire P' = a(X2 — 1) avec a G R. Par intégration
P = ^X3 — aX + b avec (a, 6) G R2.

O
Les conditions P(l) = 1 et P(—1) = —1 permettent de déterminer a = —3/2 et b = 0 :
P = -|x3 + |x.
Synthèse : Le polynôme proposé est bien solution puisque de degré 3 et défini de sorte
que 1 et —1 sont racines au moins doubles de respectivement P — 1 et P + 1.
Exercice 15 **
Déterminer les polynômes de K[X] divisibles par leur polynôme dérivé.
5.7 Exercices d'entraînement 177
Solution
Parmi les polynômes constants, seul le polynôme nul est divisible par son polynôme
dérivé. Il reste à déterminer les solutions parmi les polynômes non constants.
Soit P un polynôme non constant et n e N* son degré.
méthode
On exprime P en fonction de F', puis P' en fonction de P" et ainsi de suite
jusqu’à parvenir au polynôme constant F^n\
Analyse : Si P' divise F, on peut écrire
nF = (X — A)FZ avec AGK (*)
car deg(F') = deg(F) — 1 et le coefficient dominant de F' vaut n fois celui de F. En

dérivant (*), on obtient nP' = {X — A)F" + P' et donc
(n-l)F' = (X-A)F".
On répète ce calcul jusqu’à écrire

p(n-i) = (X - A)F(n).
Or P® = n\a avec a le coefficient dominant de F. En remontant les calculs précédents,

on obtient F = a(X — A)n.
Synthèse : Les polynômes de la forme a(X — A)n avec n, A G K. et n G N* sont divisibles
par leur polynôme dérivé.
Exercice 16 ***
Déterminer les polynômes non nuis F de C[X] vérifiant :
(a) F(X2) = P(X)P(X + 1) (b) P(X2) = P(X)P(X - 1).
Solution
(a) Soit F un polynôme non nul vérifiant F(X2) = P(X)F(X + 1).
méthode
On détermine les racines possibles de F en observant que, lorsque A est racine
de F, d’autres racines s’en déduisent.
Si A est racine de P alors A2 l’est aussi car
F(A2) = F(A)F(A +1) = 0.
De même, A4, A8,... sont alors racines de F. Or le polynôme F n’admet qu’un nombre
fini de racines. La suite des A, A2, A4,... doit comporter des répétitions et il existe donc k
et £ dans N avec k < £ tel que A2 = A2 . Ceci entraîne que A est nul ou bien égal à une
racine de l’unité. En particulier, si A n’est pas nul, il est de module 1.
Aussi, si A est racine de F, (A — l)2 est racine de F car
F((A - l)2) = F(A - l)F(A) = 0.

Comme au-dessus, on peut affirmer A — 1 = 0 ou |A — 1| = 1.

En dehors de A = 0 et A = 1, les racines A possibles figurent
à l’intersection des deux cercles déterminés par les conditions
|A| = 1 et |A — 1| = 1 : ce sont les complexes e17r/3 et e“17r/3.
Cependant, ces deux racines sont à exclure car leurs carrés ne
sont pas racines de P.
En résumé, seuls 0 et 1 peuvent être racines de P et l’on peut
écrire
P = aXa(X - 1)^ avec a € C*, a, 0 G N.
On vérifie alors qu’un tel polynôme est solution si, et seulement si,
aX2a(X2 - 1/ = a2Xa(X - 1)^(X + 1)°XA
Si cette condition est vérifiée, on a a2 = a donc a = 1. Aussi, en identifiant l’exposant

des puissances de X, on obtient 2a — a /3 donc a = (3. Inversement, si a = 1 et a = (3,
l’égalité précédente est vraie car on peut écrire X2 — 1 = (X — 1)(X -F 1).
Finalement, les polynômes non nuis solutions de l’équation sont les
(X2-X)a avec a e N.
(b) Soit P un polynôme non nul vérifiant P(X2) = P(X)P(X — 1). En raisonnant
comme au-dessus, on obtient que si A est racine de P alors A2 et (A + l)2 le sont aussi.
On en déduit A = 0, A = —1 ou A vérifie |A| = |A -F1| = 1 ce qui donne A = j ou j2
avec j = e217r/3. Le cas A = 0 est à exclure car (0 -F l)2 n’est pas racine de P. De même,
le cas A = — 1 peut être exclu car (—l)2 n’est pas racine de P. Ainsi, les seules racines
possibles pour P sont j et j2 ce qui permet d’écrire
P = a(X - j)a(X - j2 f avec a G C*,a,/3 G N.
Un tel polynôme est alors solution si, et seulement si,
a(X2 - j)“(X2 - j2)0 = a2(X-j)a(X-j2)0(X - 1 - j)a(X - 1 - j2f.
En exploitant j = j4 en premier membre et 1 -F j -F j2 = 0 en second membre, on obtient

l’égalité équivalente
a(X - J2f(X + /)“(X -p(X + jf = a2(X - j)“(X - j2)^(X+J2)“(X + j)F
Cette égalité est vérifiée si, et seulement si, a = 1 et a — /3.

Finalement, les polynômes non nuis solutions sont les
(X — j)a(X — J2)6* c’est-à-dire (X2 + X-Fl)a avec a e N.

5.7.2 Racines
Exercice 17 *
Soit
P — anXn + an-iXn 1 + • • • + cliX 4- uq
un polynôme à coefficients entiers tel que an / 0 et czq 0.

(a) On suppose que P admet une racine rationnelle r = p/q exprimée sous forme
irréductible. Montrer que p | clq et q | an.
(b) Factoriser dans R[X]
P = 2X3 - X2 - X - 3.
Solution
(a) méthode
Par réduction au même dénominateur, on transforme l’égalité P(r) = 0 en une
identité entre entiers permettant d’employer les outils d’arithmétique.
L’égalité P(r) = 0 donne
anpn + un_ipn-1Q 4--------- F a^pqn~r + aoqn = 0
où tous les paramètres sont entiers. Puisque p divise la portion anpn 4- • • • 4- (Zipgn-1,
il divise aussi aoqn. Or p et q sont premiers entre eux et donc p divise cz0 en vertu du
lemme de Gauss (Th. 15 p. 91). Un raisonnement analogue donne q | anpn donc q | an.
(b) Si P admet un racine rationnelle r = p/q alors p divise 3 et q divise 2. Les racines
rationnelles possibles se limitent donc à la liste : ±1, ±3, et ±|. On observe que |
est racine et l’on peut donc factoriser P par 2X — 3 :
P = (2X-3)(X2 + X + 1).
Le trinôme apparu en second membre étant sans racines réelles, la factorisation dans R[X]
s’arrête à cette écriture.
Exercice 18 *
Soit
P — Xn 4“ CLn—\Xn 1 4~ • • • 4~ d\X 4~ &o £ C[X].
Montrer que si un nombre complexe £ est racine de P alors
ICI < max(l, |a0| + l«i| +-----F |an-i|).

Solution
Si £ est racine de P, l’égalité P(£) = 0 donne
— (&n-l£n 1 + • • • + ttlC + ao)- (*)
méthode
Il On discute selon que |£| est inférieur ou supérieur à 1 afin de pouvoir comparer
Il les |£|k entre eux.
Cas : |£| 1. L’inégalité voulue est vraie.

Cas : |£| > 1. On a \Ç\k |£|n-1 pour tout k e [0;n — 1]. L’identité (*) donne alors
par l’inégalité triangulaire
iein^K-iiier1 + --- + hiiei + hi

^|«n-l||C|n 1-l----------1 + lao| |£T X-
En simplifiant par |£|n-1 / 0, on obtient |£| \an_i| + ••• + |ui| + |«o| et l’on peut
conclure.
Exercice 19 **
Soit P un polynôme réel non constant.
(a) On suppose que P est scindé à racines simples. Montrer que le polynôme P' est
lui aussi scindé.
(b) Montrer que le résultat perdure même si les racines de P ne sont pas simples.
(c) Le polynôme X6 — X -F 1 est-il scindé sur R ?
Solution
(a) Soit n G N* le degré de P. Le polynôme P étant supposé scindé à racines simples,

il possède exactement n racines distinctes Ai,..., An.
méthode
|| Par le théorème de Rolle, on montre que P' possède n — 1 racines distinctes.
Quitte à redéfinir l’indexation des racines, on suppose celles-ci triées en ordre stricte
ment croissant Ai < A2 < • • • < An afin que les intervalles ]Xk ; Afc+i[ ne se chevauchent
pas. Soit k E [1 ;n — 1]. La fonction polynomiale t 1—> P(t) est continue sur [A& ; A^+i],
dérivable sur ]Xk ; [ et prend les mêmes valeurs en A& et Afc+i. Par le théorème de
Rolle, il existe E ]Xk 5 Afc+i[ tel que P'(jJLk) = 0. Ceci détermine n — 1 racines pour le
polynôme P', toutes distinctes car
Ai < /Zi < A2 < /^2 < • • ’ < An-1 < fin— 1 < An.
Le polynôme P' étant de degré n — 1, il est scindé à racines simples (Th. 12 p. 155).
(b) Soit n 1 le degré de P et m 1 le nombre de ses racines distinctes Ai,, Am.

On introduit aussi leurs multiplicités respectives ai,..., am G N*. Par dérivation, les
réels Ai,...,Am sont racines de P' de multiplicités1 respectives ai — l,...,am — 1.
Comme au-dessus, le théorème de Rolle fournit m — 1 racines distinctes des précé
dentes /ii,..., Hm—i et la somme des multiplicités des racines de P' est au moins égale
à
m m—1 m—1
(ttfc - 1) + ^2 1 = 5? Qfc - ™ + (m - 1) = n - 1.
k=l V k=l k=l
^multiplicité de Afc ^multiplicité de /Zfc
Le polynôme P' étant de degré n — 1, il est scindé. On peut ajouter que les [ik sont des
racines simples.
(c) Lorsque P est scindé sur R, les seules racines multiples de P' sont des racines
de P. Ici P' = 6X5 — 1 et P" = 30X4. 0 est racine multiple de P" sans être racine de P'.
Le polynôme P' n’est donc pas scindé sur R et, a fortiori, P ne l’est pas non plus2.
5.7.3 Relations coefficients-racines d’un polynôme scindé
Exercice 20 **
Soit a G R, n G N* et Pn = (X + l)n — e2ma
(a) Déterminer les racines du polynôme Pn ainsi que leurs multiplicités.
(b) En déduire la valeur de
Solution
(a) méthode
On résout l’équation zn = Z d’inconnue z G C en introduisant les racines
n-ièmes de l’unité cuk = e21W™ avec fa ç [0 ; n — 1].
Soit z G C.
Bk G [0 ; n - 1], = e2ifc7r/”
<=> 3k G [0 ; n - 1J, z = e2i(“+fc7r/n) - 1.
1. Si A est racine simple de P alors A est racine de multiplicité 0 de F', autrement dit, A n’est pas
racine de F'.
2. En revanche, ce polynôme est scindé sur C comme le sont tous les polynômes non nuis.
Les racines du polynôme Pn sont les Zk pour k E [0 ; n — 1]. Ces valeurs étant deux à
deux distinctes et au nombre de n = deg(Fn), ce sont des racines simples1.
(b) méthode
|| Le coefficient constant du polynôme Pn est lié au produit des racines.
Le polynôme Pn étant scindé et unitaire, on peut écrire
n—l
(JV + l)"-e2i”a= f[(X-^).
k=0
En évaluant2 en 0, on obtient
n—l
l-e2i"° = (-ir
fc=0
méthode
On factorise par l’exponentielle imaginaire d’angle moitié :
On écrit alors
n Zfc = H (e2i(a+^> - 1) = 2nin f JJ e^+Tr)

fc=0 k=0 \k=0
On en déduit
n— l
i 1 - e2ina sin(na)
Ifsm 2n gina 2n-i
fc=0
Exercice 21 **
Donner une condition nécessaire et suffisante sur (p, q) e C2 pour que le poly
nôme X3 + pX -F q admette une racine multiple et déterminer celle-ci.

2. Ou en identifiant le coefficient constant dans les deux polynômes : cela revient au même.
Solution
méthode
On simplifie1 le système exprimant les coefficients du polynôme Xs -fi pX -fi q
en fonction de ses racines sachant que deux racines sont identiques.
Notons x,y,z les trois racines comptées avec multiplicité du polynôme X3 -fipX -fi q.
On sait (Th. 13 p. 155)
x -fi y -fi z = 0
< xy -fi yz -fi zx = p
xyz = —q.
Si le polynôme P admet au moins une racine double, on peut supposer z = x quitte à
renommer les racines. Dans ce cas le système précédent se réécrit
2x -fi y = 0 ' y = —2x

< 2xy -fi x2 = p puis —3æ2 = p (1)
x2y = —q 2æ3 = q (2).
Les équations (1) et (2) entraînent alors la condition 4p3 -fi 27 q2 = 0.

Inversement, supposons cette condition remplie.
méthode
On détermine x et y solutions du système précédent en faisant le quotient des
équations (1) et (2).
Afin de pouvoir diviser par p, on traite séparément le cas p = 0.
Si p = 0 alors q = 0 et le polynôme X3 admet au moins une racine double.
Si p 0, on peut poser
3q 3q
x= et y = —.
2p p
On vérifie alors le développement
(X-x)2(X-y) =X3+pX + q
et l’on peut affirmer que le polynôme X3 + pX + q admet une racine double.
Exercice 22 ***
Soit x, y, z trois nombres complexes de somme nulle. Vérifier
x3 -fi p5 -fi z5 / x2 -fi y2 -fi z2 \ / x3 -fi y3 -fi z3 \

5 =V 2 JV 3 )’
1. D’autres méthodes sont possibles, voire plus simples, comme rechercher les racines de P' et étudier
à quelle condition l’une d’elles est racine de P ou encore calculer le PGCD de P et P'.
Solution
Posons S2 = x2 4- y2 H- z2, S3 = x3 + y3 + z3 et S5 = x3 4- y3 + z3.
méthode
On introduit le polynôme
P = (X - x)(X - y)(Z - z) = X3 +pX + q
avec p — xy 4- yz -F zx et q = —xyz.
Par développement d’un carré
(x + y + z)2 = x2 + y2 + z2 + 2p
et donc S2 = —2p.
Les valeurs x, y et z étant chacune racines de F, on a
P{x) 4- P(y) + P(z) = x3 + y3 + z3 4- p(x 4- y 4- z) 4- 3q = 0
et donc S3 = —3q.
Enfin, x3 = — px — q donne x3 = —px3 — qx2 puis x3 = p2x + pq — qx2. En sommant
avec les relations analogues pour y et z, il vient
x3 4- y5 + z3 = p2 x 0 4- 3pq - qS2 = 5pq.
La relation proposée est dès lors immédiate.
5.7.4 Arithmétiques des polynômes
Exercice 23 *
Soit A et y deux éléments distincts de K et P G K[X].
(a) Exprimer en fonction de P le reste de la division de P par (X — A)(X — //).
(b) Exprimer en fonction de P le reste de la division de P par (X — A)2.
Solution
(a) La division euclidienne de P par (X — A)(X — /z) s’écrit
P=(X-A)(X-/z)Q + F (*)
avec Q et R polynômes, deg(F) < 2 (Th. 5 p. 152).
méthode
On exprime le reste à coefficients inconnus et l’on détermine ceux-ci en évaluant
en A et y.
On écrit R — aX 4- b avec a, b E K. En évaluant (*) en A et /z, on forme un système
d’inconnue (a, 6)
f aX + b = P(A)
[a/z 4- b = P(jP).
Après résolution, on obtient1
R = P(M)-P(A)x + /zP(A)-AP(/i)
/z — A /i — A
(b) La division euclidienne de P par (X — A)2 s’écrit
P = (X - A)2Q + R (A)
avec Q et R polynômes, R = aX 4- b avec a, b G K.
méthode
|| On opère comme au-dessus en exploitant au surplus une dérivation.
On forme un système de deux équations d’inconnue (a, 6) en évaluant (A) en A puis
en dérivant (A) avant d’évaluer à nouveau en A
( aX + b = P(A)
\ a = P'(A).
Après résolution, on obtient
P = P'(A)(X — A) + P(A).
Exercice 24 **
Montrer que, pour tous a et b G N*,
b | a <=> Xb - 1 | Xa - 1.
Solution
méthode
|| On exprime le reste de la division euclidienne de Xa — 1 par Xb — 1 en fonction
|| de celui de a par b.
La division euclidienne de a par b s’écrit
a = bq + r avec 0 < r < b.
Vérifions alors que le reste de la division euclidienne de Xa — 1 par Xh — 1 est Xr — 1.

On étudie pour cela si Xb — 1 divise la différence (Xa — 1) — (Xr — 1).
Par l’identité géométrique
(Xa - 1) - (xr -1) = xbq+r -Xr = Xr(Xbq - 1)

= Xr (X6 - 1) (1 + X6 + • • • 4- X6^-1)).
1. Le polynôme R détermine la droite passant par (A, P(A)) et (/i, P(/z)).

On peut donc écrire la division euclidienne
Xa -t = (Xb — 1)Q + R
avec Q un polynôme et R = Xr — 1 vérifiant deg(Æ) < deg(Xb - 1).

Il est alors possible de conclure par une chaîne d’équivalences :
b | a <=> r = 0
Xr - 1 - 0
Xb - 1 | Xa - 1.
Exercice 25 **
Soit A et B deux polynômes non constants de K[X] premiers entre eux.
Montrer qu’il existe un unique couple (77, V) G K[X]2 vérifiant
deg(77) < deg(B)

AU + BV = 1 et
deg(V) < deg(A).
Solution
Existence : Puisque A et B sont premiers entre eux, le théorème de Bézout (Th. 23
p. 158) assure l’existence d’un premier couple (77, V) de polynômes vérifiant AU+BV = 1.
méthode
|| Par division euclidienne, on réduit les degrés des polynômes U et V.
La division euclidienne de U par B s’écrit
U = BQ + Ù avec deg(77) < deg(B).
Posons ensuite V = V + AQ. On vérifie AÙ + BV = AU + BV = 1 avec la première

condition deg(77) < deg(B). Aussi, on a alors (Th. 1 p. 150)
deg(A^7 + BV) < max(deg(ALr), deg(BV)).
Les degrés des polynômes non constants AÙ et BV doivent donc être égaux pour que
leurs plus grandes puissances de X se simplifient. On en déduit
deg(V) = deg(A) + deg(77) - deg(B) < deg(A).
On a ainsi formé un couple (77, V) tel que voulu.

Unicité : Soit (77, V) et (77, V) deux couples solutions. On a à la fois AU + BV = 1
et AÙ + BV = 1. Par différence, il vient
A(U — Ù) = B(V - V).

Le polynôme A divise alors B(V — V). Or il est premier avec B et donc, par le lemme
de Gauss (Th. 24 p. 159), il divise V — V. Cependant,
deg(y — V) max(deg(V), deg(V)) < deg(A)
et V — V est donc le polynôme nul. On en déduit V = V puis U = U.
Exercice 26 **
Soit P G K[X]. Montrer que P(X) - X divise P(P(X)) - X.
Solution
méthode
|| On vérifie d’abord que P(X) — X divise P(P(X)) — P(X).
En introduisant les coefficients de P, on peut écrire

n
P(X) = âkXk
k=0
et alors
n
P(P(X)) - P(X) = E ak (pWk - xk) •
fc=0
Or, en vertu de l’identité géométrique, P(X) — X divise chaque terme P(X)k — Xk :
(P(X)fc - Xk) = (P(X) - x) (pçx^-1 + XP(X)fc~2 + • • • + Xk~ly).
On en déduit que P(X) — X divise P(P(X)) — P(X) puis divise
P(P(X)) - X = (p(P(X)) - P(X)) + (P(X) - X).
Exercice 27 **
Soit a G ]0 ; tt[ et n G N*. Décomposer en facteurs irréductibles dans R[X]
X2n — 2cos(u)Xn + 1.
Solution
méthode
On factorise le polynôme dans C[X] en commençant par déterminer ses racines
puis on combine entre eux les facteurs correspondant aux racines conjuguées.
Le polynôme Y2 — 2cos(u)y +1 est de discriminant A = (2isin(u))2 < 0 et ses racines

sont eia et e-ia. On a donc la factorisation
Y2 - 2 cos(n)y + 1 = (K - eia) (Y - e“ia).
Par substitution
X2n - 2cos(u)Xn + 1 = (Xn - eia) (Xn - e"ia).
Les racines de Xn — eia sont1 les eâ+2/c7r^/n avec k E [0 ; n — 1] et celles de Xn — e-ia

s’en déduisent par conjugaison. Ainsi,
n—1 n—1
X2n - 2cos(a)X” + 1 = JJ (X - â+2k^ln) JJ {X - ei(“+2fe’r)/«)
k=0 fc=0
tt/^2 /a + 2fc7r\__ \
= Tl -X -2cos ---------- X + l .
\
k=Q \
\x n J7 /
/
Les facteurs du second degré écrits sont assurément irréductibles car le polynôme étudié
initialement est sans racines réelles.
5.7.5 Familles de polynômes classiques
Exercice 28 ** (Polynômes de Tchebychev)

Soit n G N. On pose fn : [—1 ; 1] —> R l’application définie par
= cos(narccos x).
(a) Soit x e [—1 ; 1]. Simplifier fo(#)> /i(æ) et h{x)'

Exprimer /n+1(æ) 4- /n-i(æ) en fonction de fn(x) et donner fs(x).
(b) Etablir qu’il existe un unique polynôme Tn de R[X] dont la fonction polynomiale
associée coïncide avec fn sur [—1 ; 1].
(c) Donner le degré de Tn ainsi que son coefficient dominant.
(d) Montrer que Tn possède n racines distinctes toutes dans ] — 1 ; 1 [.
Solution
(a) méthode
|| On pose 0 = arccosrr afin d’alléger les écritures qui suivent.
On sait cos 6 = x et l’on obtient directement
/o(æ) = 1, /i(æ) = x et Ï2(^) = cos(20) = 2 cos2 0 — 1 = 2x2 — 1.

1. Pour déterminer les racines, on résout une équation zn = Z. Pour zq = eia/n, on obtient une
solution particulière que l’on exploite pour transformer l’équation en Çz/zo)n = 1.
Par la factorisation de cosp -F cosq ou tout simplement par développement :
fn+lÇx) + = COs((/l + 1)0) + COs((îl - 1)0)

= 2cos(0) cos(n^) = 2xfn(x).
On en déduit
fa(x) = 2xf2(x) - = 4æ3 - 3i.
(b) Unicité : Soit Tn et Tn deux polynômes solu

tions. Pour tout x G [—1 ; 1], on a
(Tn - fn)(x) = fn(x) - fn(x) = 0.
Le polynôme Tn — Tn possède donc une infinité de

racines : c’est le polynôme nul.
Existence :
méthode
Inspiré par les calculs de la question précédente, on introduit1* la suite de
polynômes (7b) déterminée par les conditions
7b = 1, T1=X et =2XTn-Tn.1.
Vérifions par récurrence double sur n G N que Tn{x) — fn(x) pour tout x G [—1 ; 1].
Compte tenu du choix de 7b et 7i, la propriété est vraie aux rangs 0 et 1. Supposons
la propriété vraie aux rangs n et n — 1 avec n 1. Pour tout x G [—1 ; 1], on vérifie :
Tn+i(x) = 2xTn(x) - Tn_i(x) = 2æ/n(a;) - /n_i(æ) = fn+i(x).
(c) Par récurrence double sur n G N, on vérifie deg(Tn) = n.

La propriété est vraie pour n = 0 et n — 1. Supposons la propriété établie aux rangs n
et n — 1 avec n 1. On a deg(2XTn) = n + 1 et deg(Tb-i) = n — 1. Par différence de
polynômes de degrés distincts, on peut affirmer deg(Tn+i) = n + 1.
Lors du calcul qui précède, on a vu que la plus grande puissance de X dans Tn+i
provient du terme 2XTn. Le coefficient dominant de Tn+i est donc le double de celui
de Tn pour n 1. Sachant 7i = X, on peut affirmer que le coefficient dominant de Tn
est 2n~1. Le coefficient dominant de 7b se calcule séparément et vaut 1.
1. On trouvera une démarche alternative à celle proposée ici dans le sujet 23 du chapitre 3 de l’ouvrage
Exercices d’analyse MPSI.
(d) méthode
On résout l’équation Tn(x) = 0 dans l’intervalle [—1 ; 1] sur lequel on sait
exprimer simplement Tn.
Soit x E [—!;!].
Tn(x) — 0 <=> cos(narccosx) = 0

3k e Z, n arccos x = — + kir.
Puisque n arccos x appartient à [0 ; n?r], le paramètre k ci-dessus évolue nécessairement

dans [0 ; n — 1]. On reprend alors la chaîne d’équivalences :
Tn(x) = 0 <=> 3k € [0; n — 1], arccosx = +. l)7r

__ ,71 /(2fc + l)7r\
4=> 3k E [0 ; n — IL x — cos (---- - ------ ).
\ 2n J
La dernière équivalence étant assurée par la bijectivité de la fonction cos sur [0 ; tt].
Ainsi, on a obtenu que Tn possède n racines dans l’intervalle [—1 ; 1] à savoir les Xk
pour k E [0 ; n — 1] avec
/ (2k + 1)tt\
xk = cos I ---- —---- I .
Ces dernières sont deux à deux distinctes (car la fonction cos est injective sur [0 ; tt]) et
éléments de ] —1 ; 1[. Le polynôme Tn étant de degré n, il ne peut pas posséder d’autres
racines et celles-ci sont simples.
Exercice 29 ** (Polynômes de Legendre)

Pour tout entier naturel n on pose
(a) Montrer que Ln est un polynôme unitaire de degré n.

(b) Vérifier que, pour tout polynôme réel Q avec deg(Q) < n, on a
y Ln(t)Q(t)d^ = 0.
(c) En déduire que Ln possède n racines simples toutes dans l’intervalle ]—1 ; 1[.
Solution
(a) Ln est le polynôme dérivé d’ordre n du polynôme Un = (A2 — l)n qui est de
degré 2n. Chaque dérivation abaisse le degré d’une unité et donc deg(Ln) = n.
De plus, le polynôme Un est unitaire et les dérivations font successivement apparaître

les facteurs 2n, 2n — 1, n + 1 devant la plus grande puissance de X. Le coefficient
dominant de Ln est donc
n\
x 2n x (2n — 1) x • • • x (n + 1) = 1.
(2n)!
(b) méthode
Par intégration par parties, on dérive le polynôme Q jusqu’à ce qu’il dispa
raisse.
Les valeurs 1 et —1 sont racines d’ordre de multiplicité n de Un = (X — l)n(X + l)n.
Ces valeurs sont donc racines des polynômes dérivés pour tout k e [0 ; n — 1].
On réalise une première intégration par parties avec les fonctions u et v de classe C1
données par
«(i) = Unn~1\t) et v(t) = <?(*)•
On obtient
£ L„(t)Q(i) dt = dt.
=0
En renouvelant ce type d’intégration par parties, il vient
r rn(t)Q(t)di=(-n2 f u^-2\tmt)dt = ■■■

n- J-l J-l
=(-ir y1 t/„(t)Q(n)(t)dt=o.
=0
(c) méthode
On multiplie Ln par un polynôme non nul choisi de sorte que le produit soit
de signe constant sur [—1 ; 1].
Soit ui,U2,... ,ap les racines d’ordres de multiplicité impairs du polynôme Ln appar
tenant à l’intervalle ] — 1 ; 1 [. En chacune de celles-ci, la fonction t i—> Ln{f) s’annule en
changeant de signe. Introduisons alors le polynôme Q = (X — ui)(X — a2) • • • (X — ap)
défini de sorte que la fonction t o Ln(t)Q(t) soit de signe constant sur [—1 ; 1]. Cette
fonction est de plus continue et n’est pas la fonction nulle sur [—1 ; 1], son intégrale ne
peut donc être nulle et par conséquent p = deg(Q) n. Sachant que le polynôme Ln
est de degré n, il ne peut avoir plus de n racines et l’on peut affirmer qu’il possède
exactement n racines simples1 toutes dans l’intervalle ]—1 ; 1[.
1. Une démonstration directe est aussi possible par application répétée du théorème de Rolle à Un et
ses polynômes dérivés : pour k G [0 ; n— 1], si s’annule k fois dans ] —1 ; 1 [, sachant qu’il s’annule aussi
en —1 et en 1, sa dérivée s’annule au moins (fc + 1) fois dans ] —1 ; 1[ (en fait exactement k + 1 fois).
Exercice 30 *** (Polynômes de Fibonacci1)

On considère la suite de polynômes (Fn) déterminée par
Fq = 0, Fi = 1 et Vn € N, Fn+2 — În+i + Fn.

(a) Vérifier que, pour tout n e N, Fn et Fn+i sont premiers entre eux.
(b) Soit k e N*. Montrer
Fk+n = FkFn+i 4- Fk_iFn pour tout n e N.
Soit n G N et & G N*.

(c) Établir
A Fb = Fa A Fb.
(d) Conclure
_Fa/\ Fb = Fa/\b-_______________________________
Solution
(a) On vérifie par récurrence sur n G N que Fn et Fn+i sont premiers entre eux.
Pour n = 0, les polynômes 0 et 1 sont effectivement premiers entre eux.
Supposons la propriété vraie au rang n G N. Un polynôme diviseur commun à
et Fn+2 divise aussi Fn = Fn+2~XFn+i et c’est donc un polynôme constant car diviseur
commun à Fn et Fn+i.
(b) Soit /c G N*.

méthode
Il On vérifie que les deux suites (F/c+n)ne^ et (FkFn+i + Fk_iFn)ne^ satisfont
les mêmes conditions de récurrence.
Posons Pn — Fk_\_n et Qn — FkFn+i Fk—iFn.
On a Pq = Fk et Qq = FkFi + Fk~iFq = Fk.
On a aussi Pi = Fk+i et Qi = FkF2 + Fk~iFi = Fk+i car F2 = X
Enfin, on vérifie Pn+2 = XPn+i + Pn et Qn+2 = XQn±i + Qn pour tout naturel n. Les
deux suites (Fn) et (Qn) sont donc égales car satisfont la même relation de récurrence
double ainsi que les deux mêmes conditions initiales.
(c) Le PGCD de Fa et Fb divise Fa±b = FbFa+i + Fb~iFa et donc divise le PGCD

de Fa+b et Fb. Inversement, le PGCD de Fa±b et Fb divise Fb-iFa = Fa±b — FbFa-i- Or
il est premier avec Fb-i car il divise Fb. Par le lemme de Gauss, on peut affirmer qu’il
divise Fa et donc qu’il divise le PGCD de Fa et Fb.
Finalement, les PGCD de Fa+b et Fb et de Fa et Fb sont les mêmes.
1. Cet énoncé peut être mis en parallèle avec le sujet 18 p. 107.
(d) Par récurrence sur q e N, on obtient pour tout r 6 N, Fbq+r A F b = Fb A Fr et

donc
Fa A Fb = Fb A Fr
lorsque r désigne le reste de la division euclidienne de a par b.

En suivant l’algorithme d’Euclide calculant le PGCD de a et b et sachant que le dernier
reste est nul alors que le précédent est le PGCD de a et 6, on obtient
Fa A Fb = Fa^b A Fq.
On en déduit que Fa A Fb = Fa^b car Fa/\b est un polynôme unitaire1 alors que Fq est
nul.
5.7.6 Les fractions rationnelles
Exercice 31 *
Soit n G N. Former la décomposition en éléments simples de
n!
X(X-l)...(X-n)‘
Solution
La fraction rationnelle est exprimée sous forme irréductible et sa partie entière est
nulle. Le dénominateur est déjà factorisé et la décomposition s’écrit
n! CLfc „
Vtv - n
1)... (Y
(X - n) (X - k)m avec
Soit k G |[0 ; n]|. On calcule en multipliant par X — k avant d’évaluer en k :
n\
ak = X(X-l)...(X-(fc-l))x(X-(fc + l))...(X-n)
K
-A —
n\
k(k — 1) x • • • x 1 x (—1) x • • • x (k — ri) '
En passant à l’opposé les n — k derniers facteurs du dénominateur
n\ .n—k
afe = (-If-*
k\(n — k)\
1. On vérifie par récurrence double que Fn est unitaire de degré n — 1 pour tout nEN*.
Exercice 32 **
(a) Soit a E I un pôle simple d’une fraction rationnelle F de K(X) exprimée sous
forme irréductible P/Q. Montrer que la fraction F peut s’écrire
a F(<a'
------- F G avec a — —— et G € K(X) dont a n’est pas pôle.
a
(b) Application : Soit n E N*. On pose uük — e2ïkn/n pour tout k E |[0;n — 1].
Réduire au même dénominateur la fraction complexe
p-*+...+
X — üJq X — ûJn-i
.
Solution
(a) méthode
|| On organise les termes de la décomposition en éléments simples de F.
Si a est un pôle simple de F, c’est une racine simple du dénominateur Q. La décom

position en éléments simples de F fait alors apparaître un terme
a (X — a)P
avec a = ----- —-----
X—a
et d’autres termes qui, une fois regroupés, définissent1 une fraction rationnelle G.
D’une part, par opérations sur des fractions dont a n’est pas pôle, a n’est pas pôle
de G.
D’autre part, a étant racine simple de Q, on peut écrire Q — {X — a)R avec R e K[X]
vérifiant R(a) 0 et alors
(X - a)P _ P _ F(q)
Q X=a R X=a ^(a)
Or Q' = R H- (X — a)Rf et donc Q'(a) = R(u) ce qui donne l’expression voulue2 de a.
(b) La réduction au même dénominateur de la fraction F est de la forme
n—1
F= — avec P E C[X] et Q = JJ (X — 0;^).
k=0
1. Par exemple, si la décomposition de F s’écrit E + ---- |-

A—a
@ , + ,-X.xô +
A—c> ÇA—b)^
— avec a,b,c
ÇA—c)
distincts , la fraction G est la somme de la partie entière E et des termes A 7 ’ (Xe—
X—. b t -X. . X — c
2. Celle-ci peut être retenue car utile dans de nombreux sujets. On notera cependant qu’elle n’est
valable que pour des pôles simples.
Les complexes sont deux à deux distincts et correspondent aux n racines n-ièmes de
l’unité, on a donc1 Q = Xn — 1. Aussi, la fraction F est de degré strictement négatif et
donc deg(P) < deg(Q) = n.
Par la formule qui précède, on sait
= 1 pour tout k e [0 ; n — 1]
Q \^k)
et l’on a donc P(cjfc) = Q'(tJfc). Les polynômes P et Q' = nXn~x sont alors tous deux de
degrés inférieurs à n — 1 et sont égaux en chacune des n valeurs ujk, Us sont donc égaux2.
Finalement, la réduction au même dénominateur de F s’écrit
xn - r
Exercice 33 **
Si F est une fraction rationnelle de K(X) représentée par le quotient Al B (avec A
et B E K[X], B ^0), on définit la fraction dérivée de F par
. déf A1 B - AB'
F = ----- W----- •
(a) Montrer que la définition de F' ne dépend pas du quotient A/B représentant F.
(b) Etudier le degré de F' en fonction de celui de F.
(c) Montrer qu’il n’existe pas de fractions F de K(X) vérifiant F' = 1/X,
Solution
(a) méthode
Il Deux quotients A/B et C/D (avec B et D non nuis) représentent la même
|| fraction si, et seulement si, AD = BC.
Soit A, B,C,D e K[X] avec B,D 0. On suppose AD = BC et l’on obtient en
dérivant A'D + AD' = B'C + BC'. On a alors
(A'B - AB')D2 = (A'D)BD - AB'D2 = (B'C + BC' - AD')BD - AB'D2.
On développe et l’on exploite l’égalité AD = BC pour poursuivre le calcul
(A'B - AB')D2 = B’CBD + BC'BD - (AD)D'B - AD B'D = (C'D - CD')B2.
^BC ^=BC
On en déduit que les deux fractions

A'B - AB' C'D - CD'
& et
sont égales.
2. Leur différence est nulle car celle-ci est un polynôme de degré inférieur à n — 1 possédant au moins n
racines.
(b) Soit A/B avec A, B E K[X], B 0 un quotient représentant F. Si la fraction F

est constante, sa dérivée est nulle donc de degré —oc. Supposons désormais cette situa
tion écartée et introduisons p, q les degrés des polynômes A, B et a, b leurs coefficients
dominants. S’il n’est pas nul, le polynôme A'B est de degré p + q — 1 et de coefficient
dominant pab. Aussi, s’il n’est pas nul, le polynôme AB' est de degré p + q — 1 et de co
efficient dominant qab. Dans tous les cas, le polynôme différence A'B — AB' est de degré
inférieur à p + q — 1 et le coefficient de dans celui-ci est (p — q)ab. Distinguons
alors deux situations :
Cas : deg(F) 0. On ap ç, le polynôme A'B — AB' est exactement de degré p+q — 1
donc
deg(F') = deg(A' B - AB') - deg(B2) = p + q — l-2q=p-q-l = deg(F) - 1.
Cas : deg(F) = 0. On a p = q et le polynôme A'B — AB' est de degré strictement

inférieur à p + q — 1. On en déduit1
deg(F') ^p + ç — 2 — 2q = deg(F) — 2.
(c) Par l’étude qui précède, on voit qu’il est impossible que le degré de la dérivée d’une
fraction rationnelle soit égal à —1. Il n’existe donc pas de fractions telles que F' = l/X.
Exercice 34 **
Soit P un polynôme réel scindé sur R. Montrer que
P'(x)2 — P(x)P"(x) 0 pour tout x G R.
Solution
méthode
|| L’expression en premier membre fait penser à la dérivée d’un quotient.
En considérant la dérivée d’un quotient de deux fonctions polynômes 2, on peut affirmer
que, pour tout x réel qui n’est pas racine de P,
d (P\x)\ P(x)P"(x)-P'(x)2
d# \ P(x) ) pçxy
En introduisant Ai,..., Am les racines de P et ai,..., am G N* leurs multiplicités res

pectives, on sait3 que pour tout x réel différent des Ai,..., Am
d /P'(æ)\ _ _ y- œ,
donc dæ\P(æ)J ^(æ-Aj)2’
P(x) x - Xj
1. On ne peut pas dire mieux : par exemple, pour F = Xn/(Xn + 1) avec n G N*, on a deg(F) = 0
et deg(F') == -(n + 1).
2. On peut aussi introduire le concept de dérivée d’une fraction rationnelle voir sujet 33 p. 195.
On en déduit
P'\X) - pm = aj > 0.
Enfin, l’inégalité obtenue se généralise aux réels Ai,...,Am par continuité (ou, si l’on
préfère, par un calcul direct).
Exercice 35 **
Soit P un polynôme réel unitaire scindé à racines simples x^,..., xn.
Calculer, pour tout p G [0 ; n — 1],
n n
xk
Solution
Notons que les racines Xk étant simples, elles ne sont pas racines de P1 et la quantité
étudiée est bien définie.
méthode
On introduit la décomposition en éléments simples de
P ’
La fraction F est de partie entière nulle. Elle n’est peut-être pas exprimée sous forme
irréductible mais, quitte à autoriser la présence d’un terme nul, sa décomposition en
éléments simples permet d’écrire
X? ak avec ak € R.
~P hx~Xk
Soit k G [1 ; n]. On obtient ak en multipliant par X — Xk puis en évaluant en Xk- Il
revient au même de calculer la limite en Xk : ceci permet de faire apparaître1 un taux
d’accroissement
ak = lim (x - xF} ———— = xp x lim x ~ x* = xk

x-+xk P(#) k x-+xk P(x) — P(xk) P'ÇXkY
On étudie ensuite la limite de xF(x) quand x tend vers +oo. En comparant les degrés
du numérateur et du dénominateur
r 0fi si• p / n — -i1
XF(X} - PM
k
1
1 si p
x = n — 1
akX
et xF(x) = >------------------ > 5 Ufc.
k=l — Xk
“ x k=l
On en déduit
xp J0 si p n—1
P'(xk) [1 si p = n — 1.
1. Une alternative efficace est d’employer la formule acquise dans le sujet 32 p. 194.
Exercice 36 * (Irrationalité de 7r)

On veut montrer que 7r est nombre irrationnel. On raisonne par l’absurde et l’on
suppose qu’il est possible d’écrire 7r = a/b avec a, b E N*. Pour n e N, on introduit
alors
Pn = ^Xn(bX - a)n et In = [ Pn(t) smtàt.
n'- Jo
(a) Montrer que Pn et ses polynômes dérivés successifs prennent des valeurs entières
en 0.
(b) Etablir la même propriété en tt = a/b.
(c) Montrer que la suite (In) tend vers 0.
(d) Conclure en observant que In est un nombre entier
Solution
(a) 0 est racine de multiplicité n de Pn et donc Fnm\o) = 0 pour tout m < n. Aussi,
le polynôme Pn est de degré 2n et donc P^ (0) = 0 pour tout m > 2n. Reste à résoudre
le cas n < m C 2n.
On développe l’expression de Pn par la formule du binôme de Newton
méthode
La valeur de F^m\0) d’un polynôme P est liée au coefficient de Xm dans
celui-ci : F(m)(0) = rn!nm.
En considérant le coefficient de Xn+k pour m = n + k. il vient
P^(0) = m! x 1 -a) 2n—mym—n
Cette valeur est entière car a et b sont des entiers, les coefficients binomiaux sont des
entiers et le quotient de factorielles m\/n\ aussi car m n.
(b) On remarque la symétrie Fn(?r — X) = Pn(X). On obtient donc par dérivation à

l’ordre m E N
P^M = (-l)mP^m)(0) e Z.
(c) Pour n E N, on obtient par l’inégalité triangulaire et par croissances comparées

de la factorielle et d’un terme géométrique
\In — 0| = —- [ \t\n \bt — a\n |sint| dt

m Jo
7Tn X (Ô7T + d)n X 1 dt = 7T----- -------------- > 0.
Tl'. n—>H-oo
On en déduit que la suite (Zn) est de limite nulle.
(d) méthode
|| On exprime In par intégrations par parties dérivant le terme polynomial.
Une première intégration par parties avec les fonctions u et v de classe C1 déterminées
par
u(t) = — cos£ = sin et v(t) = Pn(t)
donne
In Pn^dt.
On répète1 ces intégrations par parties jusqu’à disparition du terme polynomial
2n-|-l r z , \ -1 7T
fc=l L \ z / Jo
+ (-l)2n+l rSin6-(2nt1)7r) P^2n+1)(t)dt.

Jo \ 2 / x----- ------ /
Les valeurs de Pn en 0 et tv étant entières, l’intégrale In est un nombre entier. Cependant,

la suite (In) tend vers 0 et donc, à partir d’un certain rang, In est constant égal à 0. Ceci
est absurde car pour toute valeur de n, la fonction ti-> Pn(t) sint est continue, positive,
sans être la fonction nulle : son intégrale est strictement positive !
Exercice 37 **
Soit P e R[X].
(a) On suppose P(x) 0 pour tout réel x.
Montrer qu’il existe deux polynômes A, B e R[X] tels que P = A2 + B2.
(b) On suppose P(x) 0 pour tout réel x 0.
Montrer qu’il existe deux polynômes A, B € R[X] tels que P = A2 + XB2.
1. On intègre les fonctions trigonométriques t i-> sin(t + a) en t i-> sin(t + a — 7r/2).

Solution
(a) méthode
On vérifie1 que l’ensemble des polynômes s’écrivant A2 + B2 est stable par
produit.
Pour A, B,C,D € R[X], on constate par développement l’identité :
(A2 + B2) (C2 + D2) = (AC - BD)2 + (AD + BC)2.
Il suffit alors de vérifier que P est un produit de polynômes de la forme A2 + B2 pour

pouvoir conclure. La décomposition en facteurs irréductibles de P dans R[X] s’écrit de
façon générale
m p
P - a JJ (X - Xkp n (*2 + VkX + VkŸk
k=l k=l
avec les conditions énoncées dans le Th. 26 p. 159, notamment Afc = /i2 — 4^ < 0 pour
tout indice k.
Le signe de a détermine la limite de P en +oc, il est nécessairement positif et l’on peut
écrire a = (v^) + O2
Chaque exposant otk est pair car sinon P change de signe en Afc. On peut donc écrire :
{X - Xk)ak = ((X - Afcy”=)2 + O2 avec ak = 2pk.
Enfin, l’écriture canonique de chaque facteur X2 + + Vk est de la forme voulue

car ce trinôme est sans racines réelles :
AT2 -F nkX + vk — avec Ôk = V~^k-
Par produit de facteurs de la forme A2 + B2, P est aussi de cette forme.
(b) Pour A, B, C, D e R[A?], on vérifie par développement l’identité
(A2 + XB2) (C2 + XD2) = (AC - XBD)2 + X(AD + BC)2.
L’ensemble des polynômes s’écrivant A2 + XB2 est donc stable par produit. On rai
sonne alors comme au-dessus sachant que l’hypothèse de travail assure que les racines
strictement positives sont d’ordre de multiplicité pairs. Il suffit ensuite d’exploiter les
écritures :
(X - Afc)2 = (X - Afc)2 + X x O2 pour Xk > 0
X - Afc = (V-Afc) + X x l2 pour Xk < 0
1. Une alternative possible est aussi d’organiser une factorisation de P dans C[X] sous la forme QQ
et d’introduire A la partie réelle et B la partie imaginaire de Q.
et
+ l^kX + — F (^fc F
>0 car Afc<0
Exercice 38 **
Soit P un polynôme réel scindé à racines simples de degré n 2.
(a) Montrer que P ne peut pas posséder deux coefficients nuis successifs.
(b) Montrer que les coefficients situés de part et d’autre d’un coefficient nul de P
ne peuvent être de même signe.
Solution
On introduit les coefficients Uq, ..., an E R de P : P = ao + a^X -\------ F unXn.
(a) méthode
Lorsqu’un polynôme réel est scindé à racines simples, ses polynômes dérivés le
sont aussi1.
Par l’absurde, supposons qu’il existe k < n — 1 tel que = Ufc+i = 0. Par la formule
de Taylor, on a F^fc\0) = k\ak = 0 et de même p(fc+1)(0) = 0. Le polynôme P^ admet 0
pour racine double ce qui est absurde puisque ses racines doivent être simples.
(b) méthode
Lorsqu’un polynôme réel est scindé à racines simples, ses racines séparent celles
de son polynôme dérivé.
Supposons qu’il existe un indice k G [1 ; n — 1] tel que ak = 0 et / 0. Quitte à

considérer —F, on peut aussi supposer dk+i > 0. Considérons alors le polynôme dérivé
Q = p(fe-i). par ia formule de Taylor, on a Q'(0) = k\dk = 0 et Q"(0) = (Zc+1)îa^+i > 0 :
le polynôme Q admet un minimum local en 0. Or 0 est racine de Q' et celle-ci est donc
encadrée par deux racines de Q sans autres racines de Q' intermédiaires. En notant a < b
ces deux racines, on a les variations
On en déduit Q(0) < 0 et donc2 dk-i < 0.

2. Plus généralement, on peut montrer grâce au sujet 34 p. 196.
Exercice 39 ***
Soit A, B deux polynômes complexes et non constants vérifiant
{z e C | A(z) = 0} = {z e C | 5(z) = 0} et
{z e C j A(z) = 1} = {z e C | B(z) = 1}.
Montrer que A — B.
Solution
Quitte à échanger les deux polynômes, on peut supposer n = deg(A) > deg(B).
méthode
On montre que l’ensemble [z e C | A(z) = 0} U {z e C | A(z) = 1} possède
au moins n + 1 éléments.
Soit p le nombre de racines distinctes de l’équation A(z) = 0. Puisque la somme des
multiplicités des racines de A vaut n, ces racines sont susceptibles d’être racines du
polynôme A' avec une somme de multiplicités égale à n — p. Le polynôme A! étant de
degré n — 1, le polynôme A! possède alors exactement p — 1 autres racines comptées avec
multiplicité.
Soit q le nombre de racines distinctes de l’équation A(z) = 1. Comme au-dessus, la
somme des multiplicités de celles-ci en tant que racines du polynôme A' = (A — 1)'
vaut n — q. Cependant, ces racines ne correspondent pas à celles de A et on peut donc
affirmer n — q p — Ice qui entraîne p + q n + 1.
On peut alors aisément conclure, le polynôme A — B est de degré au plus n et s’annule
au moins n + 1 fois : c’est le polynôme nul.
Exercice 40 *** (Équation de Fermat polynomiale)

(a) Soit P un polynôme complexe non nul. Montrer que le nombre p de ses racines
distinctes vérifie :
p = deg(F) — deg(F A F').
(b) Soit F, Q deux polynômes complexes premiers entre eux et vérifiant
R = P + Q est non constant.
On note p, q et r le nombre de racines distinctes des polynômes F, Q et F. En

introduisant le polynôme P'Q — Q'P, vérifier
deg(F) < p + q + r.
(c) Soit n G N avec n 3. Déterminer les triplets de polynômes complexes (F, Q, F)

tels que
Fn 4- = Rn.
Solution
(a) méthode
|| Les racines du PGCD de P et P' correspondent aux racines multiples de P.
Notons Ai,...,Ap les racines de P et ai,...,ap leurs multiplicités respectives. En
introduisant a le coefficient dominant de P, on écrit
p=an^-\r et
p
j=l
p
J=1
On constate alors
p p
deg(F) - deg(F = £a,- - - 1) = P-
j=l j=l
(b) Commençons par souligner que les polynômes P, Q et R sont deux à deux premiers
entre eux puisque, si un polynôme divise deux d’entre eux, il divise le troisième.
Le PGCD de P et P' divise le polynôme S = P'Q — PQ'. Il en est de même pour le
PGCD de Q et Q'. Aussi, on peut écrire
S = P'(R - P) - P(P' - P') = P'R - PR'
et affirmer que le PGCD de R et R' divise S. Ces trois PGCD étant deux à deux premiers
entre eux1, on peut écrire
(PAP')(QaQ')(PAP') | S. (*)
Or le polynôme S n’est pas nul. En effet, si S = 0 on a (P/R\ = 0 et les polynômes non

constants P et P ne sont pas premiers entre eux.
La divisibilité (*) avec S 0 donne
deg(P A P') + deg(Q A Q') + deg(P A P') deg(S) < deg(P) + deg(Q).
On simplifie sachant deg(P A P') = deg(P) — p et les relations analogues pour Q et R :
deg(P) < p + q + r.
(c) Soit P, Q et R trois polynômes complexes vérifiant Pn + Qn = Rri. Si a est une

racine commune aux polynômes P et Q, a est aussi racine de P. De même, a est racine
de Q lorsque a est racine commune à P et P, etc. En simplifiant les racines communes,
on peut donc se ramener à une situation où les trois polynômes complexes P, Q et P
sont deux à deux premiers entre eux. Il en est alors de même de Pn, Qn et Rn.
1. En effet, ces PGCD divisent respectivement P, Q et R qui sont deux à deux premiers entre eux.
méthode
On montre que les trois polynômes sont alors constants en organisant l’identité
Pn + Qn = Rn pour que polynôme du second membre soit celui de plus haut
degré.
Quitte à opérer des passages à l’opposé1, on peut permuter les polynômes P, Q et R
de sorte que
max(deg(P), deg(Q)) deg(F) et Pn -F Qn = Rn.
Par l’absurde, si R n’est pas constant, l’étude qui précède donne
deg(Fn) <p+g+r
en notant comme au-dessus p,q,r le nombre de racines distinctes des polynômes P, Q, R

(et donc des polynômes Pn, Qn, Fn). Or on sait aussi que le nombre de racines distinctes
d’un polynôme est inférieur à son degré et donc
ndeg(F) < deg(P) + deg(Q) + deg(F) 3deg(F) avec n 3 et deg(F) > 0.
C’est absurde. On peut alors conclure que les trois polynômes P, Q et R sont constants.
Finalement, les solutions (P, Q, R) de l’équation Pn + Qn = Rn sont les triplets
(clT,/3T, 7T) avec T E C[X] et a,/3,7 G C vérifiant an + /3n = 7n.
1. Un passage à l’opposé peut être intégré à la puissance n en écrivant — 1 = (e17r/n)n.

CHAPITRE 6
Dénombrement
6.1 Cardinal d’un ensemble fini
6.1.1 Définition
Définition
On dit qu’un ensemble E est fini s’il est en bijection avec l’ensemble1 [1 ; n] pour
une certaine valeur de n G N. Ce naturel n est alors unique et s’appelle le cardinal
de E, on le note Card(Æ) ou | JE7|.
Lorsqu’un ensemble E n’est pas fini, on le dit infini et l’on écrit Card(E') = fi-oo.
L’ensemble [a ; 6] est fini de cardinal b — a -F 1.
Si un ensemble E est fini de cardinal n, on peut introduire une bijection cp: [1 ; n] —> E.
En posant xi = pour tout i G [[1 ; n], on peut alors écrire
E = {x^..., xn} avec aq,..., xn sans répétition.
Définition
|| La famille finie (jq,..., xn) constitue une énumération de l’ensemble E.
1. On convient que [1 ;n] désigne l’ensemble vide lorsque n = 0.

206 Chapitre 6. Dénombrement
6.1.2 Cardinal d’une réunion
Théorème 1
Si A et B sont deux ensembles finis, leur union et leur intersection le sont aussi et
Card(A U B) = Card(A) + Card(B) - Card(A A B).
Si les ensembles A et B sont disjoints, Card(A U B) = Card(A) + Card(B).

Sans déterminer A A B, on peut affirmer Card(A UB) Card(A) 4- Card(B). Cette
comparaison se généralise par récurrence à une union Ai U ... U Ap d’ensembles finis :
p P
(U 52Card(AJ.
J=1
6.1.3 Cardinal d’une partie
Théorème 2
Toute partie A d’un ensemble fini E est finie et Card (A) Card (B).
De plus, Card(A) = Card(B) si, et seulement si, A = E.
Ajoutons aussi Card (C# A) = Card(B) — Card(A).
6.1.4 Applications entre deux ensembles finis
Théorème 3
Soit f : E —> F une application opérant entre deux ensembles.
a) si f est injective et si F est fini alors E est fini et Card(B) Card(F) ;
b) si f est surjective et si E est fini alors F est fini et Card(B) > Card(F) ;
c) si f est bijective et si l’un des ensembles est fini alors l’autre l’est aussi
et Card(B) = Card(F) ;
Par la dernière propriété, il est fréquent de montrer qu’un ensemble est fini tout en
calculant son cardinal, en déterminant une bijection entre cet ensemble et un ensemble
fini de cardinal connu.
Pour qu’il existe une bijection entre deux ensembles finis, il est nécessaire que ceux-ci
aient le même cardinal. Lorsque l’on sait cette condition remplie, on peut caractériser
avec efficacité une bijection :
Théorème 4
Si une application entre deux ensembles finis E et F vérifiant Card (B) = Card (F)
est injective (resp. surjective) alors elle est bijective.
6.2 Cardinaux usuels 207
6.2 Cardinaux usuels
6.2.1 Produit cartésien d’ensembles finis
Théorème 5
Si E et F sont deux ensembles finis, le produit cartésien E x F est fini et
Card(E x F) = Card(E) x Card(F).
Ce résultat s’étend par récurrence à un produit cartésien E± x • • • x Ep d’ensembles finis :
p P
(1 JCard(^).
J=1 J=1
6.2.2 Ensemble des parties d’un ensemble fini
Théorème 6
Si E est un ensemble fini, l’ensemble p(E) des parties de E est fini et
Card(p(E)) = 2Card^\
6.2.3 Ensemble des applications d’un ensemble fini vers un autre
Théorème 7
Si E et F sont deux ensembles finis, l’ensemble F(E, F) = FE des applications de E
vers F est fini et
Card (F25) = (Card(F))Card(E).
Parmi les applications de E vers F, on sait facilement1 dénombrer les injections :
Théorème 8
Si E et F sont deux ensembles finis avec p = Card(E) n = Card(F), l’ensemble
des injections E dans F a pour cardinal
n!
n x (n — 1) x • • • x (n - p -F 1) = 7---- 77.
(n — pp
Si Card(E) > Card(F), rappelons qu’il n’existe pas d’injections de E dans F.
1. Dénombrer les surjections est l’objet du sujet 19 p. 223.

6.2.4 Ensemble des permutations d’un ensemble fini

Si E est un ensemble fini, une injection de E dans E est assurément une permutation :
Théorème 9
Si E est un ensemble fini, l’ensemble Se des permutations de E est fini et
Card(<SF) = (Card(E))!
6.3 Listes, arrangements, combinaisons

E désigne un ensemble fini à n éléments et p désigne un entier naturel.
6.3.1 Nombre de p-listes

Définition
Il On appelle liste de longueur p formée d’éléments de E le choix ordonné d’éléments
|| de E avec possibilité de répétitions de ceux-ci.
Une p-liste s’identifie immédiatement à un p-uplet (æi,..., xp} élément de Ep.
Théorème 10
Il existe exactement np listes de longueur p d’éléments d’un ensemble de cardinal n.
6.3.2 Nombre de p-arrangements

Définition
On appelle arrangement de longueur p formé d’éléments de E le choix ordonné et
sans répétition de p éléments de E.
Un p-arrangement s’identifie à une injection de [1 ;p] dans E et par conséquent :
Théorème 11
Lorsque p < n, il existe n x (n — 1) x • • • x (n — p + 1) arrangements de longueur p
d’éléments d’un ensemble de cardinal n.
Si p > n, de tels arrangements ne peuvent exister et la formule ci-dessus est encore valable
car un facteur nul apparaît dans le produit.
6.3.3 Nombre de ^-combinaisons

Définition
On appelle combinaison de longueur p formée d’éléments de E le choix non ordonné
et sans répétition de p éléments de E.
Une p-combinaison s’identifie à une partie à p éléments de E.
Théorème 12
Lorsque p < n, il existe Q) combinaisons de longueur p d’éléments d’un ensemble à
n éléments.
Si p > n, de telles combinaisons ne peuvent exister et le résultat ci-dessus demeure valable
car le coefficient binomial est nul dans ce cas1.
Exercice 1
Soit A, B et C trois parties d’un ensemble fini E. Exprimer Card (A U B U C) en
fonction des cardinaux de A, B, C, A A B, BnC, C H A et An B Q C.
Solution
méthode
|| On sait exprimer le cardinal d’une union de deux ensembles finis (Th. 1 p. 206).
On considère A U B U C comme l’union de A et de B UC :
Card(A U B U C) = Card(A U (B U C))

= Card(A) + Card(B U C) - Card(A n (B U C))
Par distibutivité de l’intersection sur l’union
Card(A U B U C) = Card(A) + Card(B U C) - Card((A n B) U (A n C)).
On poursuit avec
Card((A n B) U (A n C)) = Card(A OB) + Card(A AC) - Card(A ABAC)
et l’on conclut
Card(A UB U C) = Card(A) + Card(B) + Card(C)
- Card(B n C) - Card(A AB) - Card(C n A)
+ Card (A Cl B Cl C).
Exercice 2
Soit f : E —> F une application au départ d’un ensemble fini E et à valeurs dans un
ensemble F. Montrer
f est injective Card(/(B)) = Card(B).
1. Cependant, l’expression factorielle du coefficient binomial (™) ne peut être utilisée quand p > n.
Solution
méthode
La restriction d’une application à l’arrivée dans son image est surjective et
même bijective lorsque l’application est injective1.
( => ) Si l’application f est injective, elle induit une bijection entre les ensembles E
et Im(/) = f(E)- On en déduit que l’ensemble f(E) est fini et de même cardinal que E
(Th. 3 p. 206).
( <= ) Inversement, supposons Card(/(7?)) = Card(2?). La restriction f' de l’applica
tion f au départ de E et à l’arrivée dans f(E) est surjective. Les ensembles E et f(E)
étant de cardinaux finis et égaux, c’est une bijection (Th. 4 p. 206). On en déduit que f'
est injective et donc f aussi.
6.4.2 Dénombrements
Exercice 3
Soit n,p e N. Combien existe-t-il de couples (æ,î/) G f—p;nj2 vérifiant xy 0?
Solution
méthode
Pour dénombrer un ensemble fini, on peut mettre cet ensemble en bijection
avec un ensemble fini de cardinal connu, par exemple en décrivant ses éléments.
On peut aussi opérer par réunion ou produit cartésien d’ensembles finis.
Souvent ces démarches se traduisent par la construction algorithmique des
éléments de l’ensemble sachant que :
— on multiple les possibilités, lorsque l’on passe d’une étape à l’étape sui
vante dans la construction ;
— on somme les possibilités, lorsqu’il y a une alternative stricte dans la
construction.
La valeur de x peut être nulle, strictement positive ou strictement négative.
Cas : x = 0. Toute valeur de y convient ce qui offre n -F p + 1 choix2.
Cas : x > 0. Il y a n choix pour la valeur de x et n + 1 pour la valeur de y. Au total,
cela produit n(n + 1) couples (x, y) solutions vérifiant la condition x > 0.
Cas : x < 0. C’est analogue et l’on obtient p(p + 1) couples.
Les différentes alternatives s’excluant mutuellement3, le nombre de couples cherché
vaut4
n -F p -F 1 -F n(n + 1) + p(p -F 1) = n2 -F p2 + 2n + 2p -F 1 = (n T p -F l)2 — 2np.
2. Le cardinal de [a ; 6] est b — a -F 1 et non b — a.
3. On peut aisément formaliser : l’ensemble des couples cherché est la réunion disjointe des ensembles
{0} x [—p ; n], [1 ; n]| x [0 ; n] et [—p ; — 1] x [—p ; 0] dont on vient de calculer les cardinaux respectifs.
4. L’expression finale peut aussi être comprise comme étant le nombre de couples (x, y) possibles dont
on a retiré ceux formés d’un élément strictement positif et d’un strictement négatif.
Exercice 4
Une urne contient n jetons numérotés de 1 à n (avec n 2).
(a) On tire successivement et avec remise 2 jetons dans l’urne. Combien de tirages
sont possibles ? Pour combien d’entre eux le second jeton est-il d’une valeur au moins
égale au premier ?
(b) Mêmes questions pour un tirage sans remise.
(c) On tire simultanément 2 jetons dans l’urne. Combien de tirages sont possibles ?
Pour combien d’entre eux la somme des valeurs vaut n ?
Solution
méthode
Etudier un tirage, ou un problème qui s’y rapporte, conduit souvent à dénom
brer des listes (tirage ordonné avec remise), des arrangements (tirage ordonné
sans remise) ou des combinaisons (tirage simultané donc non ordonné).
On note E l’ensemble constitué des jetons. On peut identifier E et [1 ;n].
(a) Le nombre de tirages possibles correspond au nombre de listes formées de deux
éléments de E : il y en a n2.
Si le premier tirage a pour valeur k (avec k G [1 ; n]), il existe n — k + 1 seconds tirages
possibles de valeurs supérieures (à savoir k, k + 1,..., n). Le nombre1 de tirages cherché
est donc
n n / I 1 \
/ 7 i\ 2 7 n(n +1)
E(n — k + 1) = n2 — > k + n =---- - —
fc=i fc=i
(b) Le nombre de tirages possibles correspond au nombre d’arrangements de deux

éléments de E : il y en a n(n — 1).
Si le premier tirage a pour valeur k (avec k E [1 ;n]), il existe n — k seconds tirages
possibles de valeurs supérieures (à savoir k + 1,..., n). Le nombre de tirages cherché est
donc
n n / 1x
k=l k—1
(c) Le nombre de tirages possibles correspond au nombre de combinaisons de deux

éléments de E : il y en a Q) = •
Les tirages dont la somme des valeurs vaut n sont constitués d’éléments k et f. différents
avec k + £ = n. Afin de les distinguer, on peut supposer k < £ auquel cas k < n — k et
donc 1 k < n/2. La connaissance de k suffit à déterminer la paire {k^} avec k + £ = n
et k < £ : le nombre de tirages cherché vaut donc n/2 — 1 si n est pair et (n — l)/2 si n
est impair.
1. En identifiant l’ensemble des tirages à E2, ceux cherchés sont les éléments de la réunion des
ensembles deux à deux disjoints = {(k,p) \ k p n} pour k E [1 ; n] : cet argument offre une
justification rigoureuse du calcul proposé au prix d’un formalisme un peu excessif.
Exercice 5
Cinq cartes d’un jeu de trente deux cartes constituent la main d’un joueur.
(a) Combien de mains comportent un As ?
(b) Combien de mains comportent au moins un As ?
(c) Combien de mains comportent un As et un Cœur ?
(d) Combien de mains comportent un As ou un Cœur ?
(e) Combien de mains comportent au moins un As et au moins un Cœur ?
Solution
Une main s’apparente à une combinaison de 5 éléments dans un ensemble à 32 éléments.
Il y a (352) = 201 376 mains possibles. Dans les études qui suivent, les pourcentages
indiquent la proportion du nombre de mains solutions.
(a) On choisit la couleur de l’As puis on complète la main avec 4 cartes choisies parmi
les 28 qui ne sont pas des As. Cela offre (4) x (48) = 81 900 possibilités (41 %).
(b) méthode
Il est plus commode de déterminer le nombre de mains qui ne comportent pas
d’As puis de calculer le cardinal d’un complémentaire.
On forme une main qui ne comporte pas d’As en choisissant 5 cartes parmi les 28
possibles. Il y a donc (32) — (258) = 103096 mains comportant au moins un As (51 %).
(c) méthode
|| On distingue les mains comportant l’As de Cœur des autres.
Pour former une main convenable contenant l’As de Cœur on choisit 4 cartes parmi
les 21 cartes qui ne sont ni des As, ni des Cœur. Cela donne (24) possibilités.
Pour former une main convenable ne comportant pas l’As de Cœur, on choisit la
couleur de l’As parmi les 3 possibles, on choisit la valeur du Cœur parmi les 7 qui ne
correspondent pas à l’As de Cœur et l’on complète la main avec 3 cartes choisies parmi
les 21 qui ne sont ni des As, ni des Cœur. Cela donne 3 x 7 x Q1).
Au total, il a (24) + 3 x 7 x Q1) = 33 915 possibilités (17 %).
(d) méthode
|| On exploite la formule Card(A UB) = Card(A) + Card(B) — Card(A C B).
On note A l’ensemble des mains comportant un As et B celui des mains comportant
un Cœur. Ci-dessus on a dénombré A et A D B et il est aussi facile de dénombrer B :
Card(B) = 8 x (44). On en déduit Card(A UB) = 132 993 (66 %).
(e) Les mains sans As ni Cœur sont constituées de 5 cartes choisies parmi les 21 qui
ne sont ni des As ni des Cœur, il y en a (21). Les mains sans As sont au nombre de (28) et
celle sans Cœur sont au nombre de (24). Il y a donc (258) + (24) — (251) mains ne comportant
pas d’As ou ne comportant pas de Cœur. Par passage au complémentaire on obtient
mains comportant au moins un As et au moins un Cœur (40 %).
6.5.1 Démonstrations combinatoires
Exercice 6 *
Soit n et p E N. Proposer des preuves combinatoires des formules :
Solution
Soit E un ensemble à n éléments.
(a) Il y a 2n parties dans E (Th. 6 p. 207). Celles-ci ont un cardinal k compris entre 0
et n et il y a exactement (™) parties k éléments dans E. On en tire l’identité
(b) méthode
|| On raisonne par passage au complémentaire.
L’application qui à une partie A d’un ensemble E associe son complémentaire est
bijective1 et échange les parties à p éléments avec celles à n — p éléments. Il y a donc
autant de parties à p éléments que de parties à n — p éléments.
(c) On introduit un élément x qui n’appartient pas à E.

méthode
On dénombre les parties à p +1 de l’ensemble E' = E'U {x} en discutant selon
que x en est ou non élément.
Il y a Ç+i) parties à p +1 dans l’ensemble E'. Parmi celles-ci, celles qui contiennent x
sont constituées en outre de p éléments choisis dans E, il y en a Q). Celles qui ne
1. Il s’agit d’une involution : sa bijection réciproque est elle-même.
contiennent pas x sont constituées de p + 1 éléments choisis dans E, il y en a (p^x) • On

en déduit
Exercice 7 **
Soit E un ensemble à n éléments et p un entier avec 1 < p < n. En dénombrant les
couples (A,x) constitués d’une partie A de E à p éléments et d’un élément x de A,
établir l’identité
/n\ n (n — 1\
\p/ p \p — 1J
Solution
méthode
On dénombre les couples (A, x) de deux façons, l’une en commençant par
choisir A, l’autre en choisissant x.
Il y a Q) parties A à p éléments possibles et pour chacune il y a p choix de l’élément x.
Il y a donc un total de pQ) couples (A,x) possibles.
En toute généralité, l’élément x appartient à E, il y a n possibilités pour le choisir.
Une fois ce choix fait, on forme la partie A en complétant x par le choix de p — 1 éléments
pris parmi les n — 1 constituant E \ {rc}. Cela offre possibilités pour compléter x.
Il y a donc aussi un total de couples (A,#) possibles. On peut alors conclure
n— 1\
P =n
.P- V
6.5.2 Dénombrements
Exercice 8 *
En écriture binaire, combien de fois utilise-t-on le chiffre « 1 » pour énumérer tous
les entiers compris entre 1 et 1024 ?
Solution
méthode
On forme une relation de récurrence déterminant le nombre un de chiffres « 1 »
nécessaires à l’écriture des entiers compris entre 0 et 2n — 1.
Calculons les premières valeurs pour percevoir le mécanisme.
n Entiers compris entre 0 et 2n — 1

1 0, 1 1
2 0, 1, 10, 11 4
3 0, 1, 10, 11, 100, 101, 110, 111 12
Soit n e N \ {0,1}. Les écritures binaires des 2n entiers compris entre 2n et 2n+1 — 1
s’obtiennent en devançant par 1 les écritures binaires des entiers compris entre 0 et 2n.
On a donc
^n+l 2 = 2un + 2n.

nombre de 1 pour nombre de 1 en tête nombre de 1 suivant
l’écriture des entiers de l’écriture des entiers dans l’écriture des entiers
allant de 0 à 2"' -1 allant de 2n à 2n+1 - 1 allant de 2n à 2n+1 — 1
Cette relation de récurrence invite à introduire (vn) de terme général vn = un/2n~1*

.
On vérifie vn+i = vn + 1 puis vn = n pour tout n 1.
Finalement, un = n2n~1 et il ne reste plus qu’à concrétiser pour la valeur n = 10
en traitant le nombre 210 séparément. On obtient 10.29 + 1 = 5 121 occurrences du
chiffre « 1 ».
Exercice 9 **
Soit n E N, p € N* et E — [1 ; n].
(a) Dénombrer les suites strictement croissantes (aq,... , a?p) d’éléments de E
(b) Dénombrer les suites croissantes (aq,... ,#p) d’éléments de E.
Solution
(a) Une suite strictement croissante est constituée d’éléments deux à deux distincts.
Si n < p, une telle suite ne peut exister. On suppose pour poursuivre p C n.
méthode
Une suite strictement croissante est entièrement déterminée par ses valeurs
qu’il suffit d’ordonner.
Une suite strictement croissante x = (aq,... , a;p) d’éléments de E définit une partie
A = {aq,..., xp} à p éléments dans E. Inversement, si l’on se donne une partie A de E
à p éléments, il existe une et une seule façon d’ordonner ceux-ci pour constituer une suite
strictement croissante x = (aq,..., xp) associée :
aq = min A, x% = min(A\ {aq}), x% = min(A\ {aq, aq}), etc.
Il existe donc autant1 de suites (aq,..., xp) strictement croissantes d’éléments de E que
de parties à p éléments dans £?, c’est-à-dire (™).
(b) méthode
On transforme une suite croissante en une suite strictement croissante en in
crément ant les valeurs prises.
1. On vient d’observer que l’application qui à une suite strictement croissante associe l’ensemble de
ses valeurs réalise une bijection entre l’ensemble à dénombrer et l’ensemble des parties à p éléments de E.
À une suite croissante x = (#i,..., xp) d’éléments de E, on associe par incrémentation

de chaque valeur une suite y = (t/i ,... ,yp) déterminée par
yi =X1, y2 = x2 + 1, y3 = x3 + 2,... ,yp = xp + (p - 1).
La suite y est une suite strictement croissante d’éléments de F = [1 \n + p — 1J. In-
versement, une telle suite y correspond à une et une seule suite x croissante d’éléments
de E. Par cette correspondance bijective, on peut affirmer qu’il y autant de suites crois
santes d’éléments de E que de suites strictement croissantes d’éléments de F, c’est-à-
dire
Exercice 10 ** (Anagrammes)
Un mot M long de n lettres est constitué de r lettres différentes. La j-ème lettre
apparaît pj fois dans le mot M et donc pi +---- 1- pr = n.
(a) Combien d’anagrammes différentes du mot M peut-on écrire ?
(b) Dans le développement de (ni -F az + • • • + ar)n, Quel est le coefficient du
terme up a^2 . • • a%r 1
Solution
(a) méthode
Pour construire une anagramme du mot M, on choisit pi emplacements où
positionner la première lettre, puis P2 emplacements parmi ceux restants, etc.
Choisir les emplacements où figurent la première lettre revient à déterminer une partie
à pi éléments (les positions choisies) dans un ensemble à n éléments (les positions pos
sibles). H y a donc possibilités pour choisir les emplacements de la première lettre.
La seconde lettre ne peut alors figurer que parmi les n — pi emplacements restants et il y
a (n~2P1) possibilités pour positionner celle-ci. Ainsi de suite, on obtient (n-(pi+^-+Pj-i))
possibilités pour positionner la j-ème lettre quand les précédentes ont pris place.
Au final, il y a
n - pi
anagrammes possibles.
. P2
En exploitant l’écriture factorielle des coefficients binomiaux, on simplifie significati

vement cette expression1 et l’on obtient
n! -ui
—;—;------- - anagrammes possibles.
pi!p2’-..pr!
1. On peut trouver aussi directement cette expression par le raisonnement suivant : si l’on distingue
toutes les lettres du mot M, par exemple en les numérotant, former une anagramme revient à permuter les
lettres, il y a n! possibilités (Th. 9 p. 208). Si l’on ne distingue plus les lettres, à chacune des permutations
précédentes on fait correspondre la même anagramme en permutant entre elles les premières lettres (pi !
possibilités) et de même pour les autres : à chaque permutation correspond pi ! x • • • x pr ! anagrammes
identiques.
(b) méthode
Il On commence par étudier le cas r = 3 plus facilement maîtrisable que le cas
| général sans pour autant être aussi commun que le cas r = 2.
Lorsque l’on développe le produit
(ni + &2 + ®s)n — (&1 + &2 + &3)(al + a2 + Û3) . . . (ai + tt2 + ^3)
sans combiner les facteurs sous forme de puissances, on écrit tous les mots possibles de
longueur n exprimés avec trois lettres différentes. Par exemple, pour n = 2, ce sont les
termes :
aitti, aia2, aia3, ^2^1, a2a2, aâ^ <23^1, a3a2 et aâ^.
Plus généralement, le développement de (ai +a2 H------ |-ar)n fait apparaître tous les mots
possibles de longueur n écrits avec r lettres différentes. Lorsque l’on combine les facteurs
sous forme de puissances, ce sont tous les anagrammes écrits avec pj fois a7 qui génèrent
le terme af1 a^2 ... a?r. Le coefficient de ce terme est donc le coefficient multinomial
n n\
JPl,P2T--,Pr. pi!p2! ...pr\'
On pourra retenir la formule du multinôme
(ai + a2 + • • • + ar)n
Exercice 11 **
Soit E un ensemble fini à n éléments. Combien existe-t-il
(a) de relations binaires sur E ?
(b) de relations binaires réflexives et symétriques1 sur E ?
(c) de relations binaires réflexives et antisymétriques sur E ?
Solution
(a) méthode
On définit le graphe d’une relation binaire sur un ensemble E par
r = {(x,y) & E2\x1Zy}.
Ce graphe caractérise entièrement la relation 7£.
Le graphe d’une relation binaire est une partie de E12. Il y a donc autant de relations
binaires que d’éléments dans p(E2) à savoir 2n (Th. 6 p. 207).
1. Le nombre de relations d’équivalence sur E est l’objet du sujet 18 p. 222.

(b) Une relation binaire 7£ sur E de graphe T est réflexive si, et seulement si, (rc, x) E T
pour tout x de E. Pour construire une relation réflexive, le seul degré de liberté est de
décider quels sont les couples (a?, y) avec x / y qui sont en relation, les couples (#, x)
sont quant à eux obligatoirement en relation.
Une relation binaire 7£ sur E de graphe T est symétrique lorsque l’on a (#, y) E T si, et
seulement si, (p, x) E T pour tous x et y dans E. La détermination d’une relation réflexive
et symétrique revient alors au choix des paires {#, y} avec x y pour lesquelles (x, y)
et (y,x) appartiennent à T. Il existe Q) paires d’éléments de E et déterminer celles
constituées d’éléments en relation revient à choisir1 une partie dans l’ensemble de ces
paires. Il y a donc 2n^n-1^2 relations binaires réflexives et symétriques sur E.
(c) La construction d’une relation binaire réflexive et antisymétrique passe encore par
l’étude des paires {a?,?/} avec x / y. La contrainte d’antisymétrie est que l’on ne peut
avoir simultanément (x,y) et (y,x) éléments du graphe de 1Z. Pour chaque paire {a;, a/},
trois choix sont alors possibles : soit aucun des couples (æ, y) et (p, x) n’appartient au
graphe, soit le couple (æ,p) appartient au graphe mais pas le couple (p,æ), soit l’inverse.
Au final, cela détermine2 3n(n~1)/2 relations binaires réflexives et antisymétriques sur E.
6.5.3 Compositions d’un entier
Exercice 12 * (Calcul par anagramme)

Soit p, q et n des entiers naturels.
(a) Un mot est constitué de p fois le caractère « A » et g fois le caractère « B ».
Combien peut-on constituer d’anagrammes de ce mot ?
(b) On suppose p 1. En considérant les symboles « 1 » et « -F », combien existe-t-il
de suites (jq,..., xp) E FF vérifiant x\ -F---- F xp = n ?
Solution
(a) Pour former uhe anagramme, il suffit de choisir les p positions du caractère « A »
parmi les p -F g places possibles, les positions vacantes étant alors occupées par le carac
tère « B ». Il y a donc 3
anagrammes possibles.
1. Si l’on choisit la partie vide seuls les couples (æ, x) sont en relation et la relation binaire est l’égalité.
Si l’on choisit la partie complète, tous les couples (a?, y) sont en relation.
2. Une formalisation approfondie peut sembler nécessaire : on énumère les éléments de E : xj_,..., xn.
A chaque couple avec k < •£, on associe la valeur 1, 2 ou 3 pour coder quels couples formés
de Xk et X£ sont en relation. L’ensemble des relations binaires réflexives et antisymétriques est alors en
bijection avec l’ensemble des applications au départ d’un ensemble à n(n — l)/2 éléments et à valeurs
dans un ensemble à 3 éléments.
3. Cette étude est un cas particulier de celle du sujet 10 p. 216.
(b) méthode
Une somme x± + • • • + xp peut être codée par les caractères « 1 » et « + » :
(l+...+l) + (l+...+l) + --- + (l+---+l).

æl æ2 Xp
Dans le codage proposé il y a p — 1 signes « + » (de taille standard) et x± + • • • + xp
signes « 1 ». Déterminer (aq, ..., xp) G Np de somme égale à n revient à former une
anagramme avec n fois le caractère « 1 » et p — 1 fois le caractère « + ». Il y a
(n + p-l\
I possibilités.
\ n )
Exercice 13 * (Calcul par les suites croissantes)

Soit n € N et p G N*. Il existe1 (n+p) suites croissantes de longueur p constituées
d’éléments de [0 ; n].
(a) Combien existe-t-il de suites (aq,..., xp) G Np vérifiant aq + • • • + xp n?
(b) Même question avec la condition x± + • • • + xp = n.
Solution
(a) méthode
A une suite (aq,... ,xp) G Np, on fait correspondre une suite croissante par
cumuls successifs.
A chaque suite x = (aq,... ,xp) G de somme inférieure à n, on fait correspondre
une suite y = (pi,..., yp) déterminée par
yi =î, V2 =î + ^2, ---lUk = H------ \-xk,...,yp = xr H------ \-xp.

La suite y est une suite croissante d’éléments de [0;n]|. Inversement, une telle suite y
correspond à une et une seule suite x telle que voulue : cette suite x est déterminée
par les différences des termes successifs de y. Par cette correspondance bijective, on peut
affirmer qu’il y a autant de suites (aq,..., xp) G Np de somme inférieure à n que de suites
croissantes de longueur p d’éléments de [0 ; n], c’est-à-dire
(b) méthode
La condition x± + • • • + xp = n est remplie si x^ + • • • + xp n, mais pas
aq H-----+ xp < n — 1.
En vertu de la formule de Pascal et la symétrie des coefficients binomiaux, le nombre
de suites cherché est donc
fn + p\ (n + p — + 1\ fn + p — 1\
\ P J \ P J \ p—1 J \ n J
1. Voir sujet 9 p. 215 où l’on a simplement opérer un glissement sur l’ensemble des valeurs en consi
dérant [0 ; n] au lieu de [1 ; n + 1].
Exercice 14 ** (Calcul par récurrence)

Soit n G N et p G N*. On note C% le nombre de suites (#i,..., xp) G Np vérifiant la
condition x\ + • • • + xp = n.
(a) Établir
^+1 = E^P-
k=0
(b) En déduire
n +p — 1\
n J
Solution
(a) méthode
|| On dénombre les suites (aq,..., æP+i) en discutant selon la valeur de xp+±.
Les Xj étant des entiers positifs, la valeur xP+i d’une suite (aq,..., xp, æp+i) de somme
égale à n est comprise entre 0 et n. Lorsque celle-ci vaut k, la suite (aq,..., xp, xp+i) de
somme n détermine de façon bijective une suite (æi,..., xp) G Np de somme n — k : il y
a Cpn_k possibilités. On en déduit à l’aide d’un renversement d’indice
= Vcpk.
'L j Tl — K / j K
k=0 k~Q
(b) On raisonne par récurrence sur p G N afin d’établir Cp = (n+p 1) pour tout n
de N.
Pour p = 1, il existe une seule façon d’écrire x± = n et l’on a bien = 1. Supposons
la propriété vraie au rang p 1. Soit n G N. Par l’hypothèse de récurrence, on peut
écrire
p+k— 1
k
Par la formule de Pascal1, on peut transformer cette somme en une somme télescopique
p 4- k — 1 'p -F k — 1
pour tout k G [0 ; n]
k k—1
et l’on obtient
rP+i — f + _ (p + k - 1 n+p
n k=o \ x
k 7J \x ^-1 n
=o
1. Rappelons que celle-ci est valable pour k G Z (voir Th. 10 p. 53).
Exercice 15 ** (Nombres de combinaisons avec répétition)

On appelle combinaison avec répétition de longueur p formée d’éléments d’un en
semble E le choix non ordonné de p éléments dans E avec possibilité de répétitions
de ceux-ci1. Combien peut-on former de combinaisons avec répétition de longueur p
sur un ensemble à n éléments ?
Solution
méthode
Il On choisit le nombre d’occurrences de chaque élément de l’ensemble présent
Il dans la combinaison.
On peut énumérer les éléments de E : ai,..., an. Former une combinaison avec répéti
tion d’éléments de E revient à choisir, pour chaque élément a*, le nombre Xi € N d’occur
rences de celui-ci dans la combinaison. La longueur de la combinaison est alors simple
ment la somme des Xi. Le nombre de combinaisons avec répétition de longueur p sur E
correspond alors au nombre de façon d’écrire p = x± -F • • • + xn avec (aq,..., rrn) G Nn.
Dans les sujets ci-dessus, on a pu voir que ce nombre vaut (n+p-1)-
6.5.4 Dénombrements ensemblistes
Exercice 16 *
Soit E un ensemble à n E N éléments. Combien existe-t-il de couples (X, F) consti
tués de parties de E vérifiant X G Y ?
Solution
méthode
On forme un couple (X, F) en choisissant X puis en définissant F à l’aide du
complémentaire de X dans E.
Dénombrons les couples (X, F) cherchés selon la valeur k G [0 ; nj du cardinal de la
partie X.
Soit k E [0;n]. Il y a (£) parties X possibles à k éléments dans E. Une fois celle-ci
choisie, on forme une partie F contenant X en déterminant Z = Y \ X qui est une
partie quelconque2 incluse dans E \ X. Puisque E \ X est de cardinal n — fc, il y a
exactement 2n~k parties Z possibles (Th. 6 p. 207) et donc (^)2n-fc couples (X, F)
avec X C F et Card(X) = k.
Finalement, le nombre de couples cherché est
n
= (1 + 2)n = 3”.
k=Q
1. Par exemple, les choix de 1,1,2 ou de 1,2,1 définissent la même combinaison avec répétition de
longueur 3 formée d’éléments de {1,2,3,4}.
2. Par exemple, on forme le couple (X, X) en choisissant Z — 0 G p(E\X), on forme le couple (X, E)
en choisissant Z = E\X E p(E \ X), etc.
Exercice 17 **
Soit E un ensemble à n éléments avec n 2. Combien existe-t-il de paires {X, F}
constituées de parties de E non vides et disjointes ?
Solution
méthode
A chaque paire {X, F}, il correspond deux couples (X, F) que l’on construit
en commençant par choisir la partie X.
Commençons par déterminer, selon la valeur k e [1 ; n — 1] du cardinal de X, le nombre
de couples (X, F) formés de parties de E, non vides et disjointes.
Soit k e [1 ; n — 1]. Il existe Q) parties X h k éléments incluses dans E. L’une d’elles
étant fixée, on détermine F non vide disjointe de X en choisissant une partie non vide
dans p(E \ X). Il y a 2n~k — 1 choix possibles pour la partie F et donc (2n~k — 1)
couples (X, F) convenables avec X de cardinal k. Le nombre total de couples (X, F)
convenables est alors
n— 1
-i) = E k=l
En adjoignant aux deux sommes des termes extrêmes pour reconnaître la formule du
binôme, on obtient
Tl— 1 / \
V ( ” ) (2”_fc - 1) = ((1 + 2)” - 1 - 2n) - ((1 + 1)” - 1 - 1) = 3” - 2n+1 + 1.
k=l ' '
Enfin, à chaque paire {X, F} correspondent deux couples convenables (X, F) et (F, X),
et le nombre de paires cherché est donc
3n + l
- 2n.
2
Exercice 18 ** (Nombres de Bell)

On appelle partition d’un ensemble E tout ensemble constitué de parties deux à deux
disjointes, non vides et de réunion égale à E. On note Bn le nombre de partitions 1
d’un ensemble fini à n G N* éléments et l’on pose Bo = 1. Établir que pour tout
naturel n
n / \
^n+l = F ( L.
1. Une relation d’équivalence est caractérisée pas ses classes d’équivalences qui constituent une par
tition de l’ensemble : Bn détermine le nombre de relations d’équivalence sur un ensemble à n éléments.
Solution
Considérons un ensemble E à n + 1 éléments. Parmi ceux-ci, choisissons un élément
particulier que nous nommons x.
méthode
On dénombre les partitions en discutant selon le cardinal de la partie A qui
contient l’élément x.
Dans une partition de E, il existe une seule partie A contenant l’élément x et celle-ci
est de cardinal k + 1 pour une certaine valeur de k e [0 ; n].
Pour k e [0 ; n], on construit une partition de E dont la partie contenant x est à k + 1
éléments en commençant par choisir k éléments dans E \ {x} pour constituer A : cela
offre possibilités. On complète ensuite la partie A à l’aide d’une partition de E \ A
afin de constituer une partition de E : cela offre1 Bn~k possibilités. Ainsi, il y a exac
tement partitions de E dont la partie contenant x est de cardinal k + 1 et,
finalement,
^n+1 — \ k) Bn k’
En renversant l’indexation puis en exploitant la symétrie des coefficients binomiaux on

obtient la relation attendue
n
Bn+l = £
j=0
6.5.5 Dénombrements d’applications
Exercice 19 ** (Nombre de surjections)

Soit E et F deux ensembles finis non vides de cardinaux respectifs p et n. On
note Sp,n le nombre de surjections de E sur F.
(a) Déterminer Sn,n et Sp>n lorsque p < n.
(b) On suppose p > 1, n > 1 et l’on introduit a un élément arbitraire de E. En
étudiant la restriction d’une surjection au départ de E \ {a}, établir
Sp,n = l,n .
(c) En déduire que, pour tout entier n 1 et tout entier p 1,

n z x
fc=0 ' '
1. Si A = E alors E \ A est vide. Or on a convenu Bq — 1 ce qui est cohérent avec le calcul en cours.
Solution
(a) Si F est un singleton, il n’y a qu’une application au départ de E et à valeurs
dans F et celle-ci est surjective : Sp?i — 1.
Si Card(E) = Card(F) < -Foc, les surjections de E sur F sont aussi les bijections de E
vers F ou encore les injections de E dans F : = n\ (Th. 8 p. 207).
Si Card(E) < Card(F), il n’existe pas de surjections de E sur F : Sp?n = 0.
(b) méthode
On discute selon que la restriction d’une surjection au départ de E\{a} réalise
ou non une surjection.
Une surjection de E sur F telle que sa restriction au départ de E \ {a} soit surjective
peut prendre n’importe quelle valeur en a. Il y a Sp-i,n surjections de E\ {n} sur F et n
choix possibles pour l’image de a, il y a donc nSp_i,n surjections de ce type.
Une surjection de E sur F telle que sa restriction au départ de E \ {a} ne soit pas sur
jective définit par restriction une surjection de E\{n} sur F\{/(a)}. Il y a n possibilités
pour choisir la valeur f(a) et Sp_i5n_i surjections possibles de E \ {a} sur F \ {f(a)}.
Au total, il y a nSp_ijn_i surjections dont la restriction au départ de E \ {n} n’est pas
surjective.
Une surjection de E sur F entrant dans l’une ou l’autre des deux catégories dénombrées
ci-dessus, on peut affirmer Sp,n = n(jSp-ijn + Sp_i5n_i).
(c) méthode
On exploite la formule
n (n — 1\
k \k — 1J pour tout k G [1 ; n].
La relation obtenue à la question précédente invite à réaliser un raisonnement par

récurrence sur le paramètre p G N*.
Pour p = 1, si n = 1, on sait Si?i = 1 et l’on vérifie :
= 0 + 1 = 1.
fc=0
Si n > 1, on sait Si,n = 0 et l’on vérifie à l’aide de (*) puis de la formule du binôme
n
E(-i)n-fe = —n(l - l)n-1 =0.
fc=0
L’identité voulue est donc vraie pour toute valeur de n G N* lorsque p = 1.

Supposons la propriété établie au rang p — 1 > 1. Pour n = 1, on sait Sp^ = 1 et l’on
vérifie :
1 /I \
E(-l)1-fc , )F = 0 + lp = l.
\ rV /
Pour n > 1, on exploite l’identité de la question précédente et l’hypothèse de récurrence
n—1
= n£(-l)-fc + n£(-ir-1-fe k^1.
k
k=0 k=0
On ajoute un terme nul1 à la deuxième somme en élargissant la plage d’indexation

jusqu’à n puis on combine les deux sommes avant d’employer la formule du triangle de
Pascal
kP-1
Enfin, la formule (*) permet de conclure en traitant l’indice k = 0 séparément.
kp.
La récurrence est établie 2.
Exercice 20 *** (Nombre de dérangements)

Un dérangement sur un ensemble E est une permutation a de E vérifiant a(x) x
pour tout x G E. On note Dn le nombre de dérangements existant sur un ensemble
à n G N* éléments.
(a) Etablir Dn+± = n(Dn + Dn-i) pour tout n 2.
(b) En déduire Dn = nDnî + (—l)n pour tout n 2.
(c) Conclure
n(_]\k
Dn = ni 'y ——— pour tout n 1.
kl
fc=o
Solution
(a) Soit E un ensemble à n+1 éléments et a un élément arbitrairement choisi dans E.
Si a est un dérangement de E, on sait que b = cr(a) est un élément de E différent de a.
Ceci offre n possibilités pour la valeur de b.
1. Rappelons que (™) est nul lorsque k > n ou k < 0. L’expression d’un coefficient binomial par
quotient de factorielles n’est valable que pour k G [0 ; nj.
2. Pourquoi faire commencer la somme à l’indice 0 dans cette formule alors que le premier terme
sommé est toujours nul? Lorsque n = 0 (on étudie une application à valeurs dans l’ensemble vide),
il n’existe pas d’applications et a fortiori pas de surjections à valeurs dans l’ensemble vide, sauf, si
l’ensemble de départ est vide... auquel cas l’application (que l’on appelle V application vidé) est bijective.
Sachant 0° = 1, cette affirmation est cohérente avec la formule donnant SPjn (et aussi avec celle donnant
le cardinal de l’ensemble Se des permutations de E : Card(<$£;) = pl avec p = Card(£?)).
méthode
Il On dénombre les dérangements a de E vérifiant a (a) = b en discutant selon
|| que cr(6) = a ou cr(b) a.
Les dérangements de E vérifiant cr(6) = a définissent par restriction des dérangements
de E \ {a, b} : il existe donc Dn-i dérangements de cette forme.
Dénombrons maintenant les dérangements a de E vérifiant a (a) = b et a (6) a.
Composons cette permutation avec la permutation r dont le seul effet est d’échanger a
et b et considérons a' = a o t. On vérifie cr'(b) = b et cr'(c) c pour tout c b. La
permutation a' détermine donc un dérangement sur E\{b}. Inversement, si a' est une
permutation de E réalisant un dérangement sur E\{b}, il existe une unique permutation a
telle que a' = a o t et celle-ci est un dérangement de E vérifiant cr(a) = &'(b) = b
et <t(6) = a'(a) ± a. Il y a donc autant de dérangements sur E vérifiant cr(a) = b
et (j(b) a que de dérangements sur E \ {b}, c’est-à-dire Dn.
Au final, on obtient
-^n+i — Ti x Dn ).
choix condition condition
de b cr(a)=b a(a)^b
(b) méthode
|| On vérifie l’identité par récurrence sur n 2.
Pour n = 2, on a1 = 0 et — 1 : la relation voulue est valide.
Supposons la relation vraie au rang n 2. Par la formule obtenue à la question
précédente et la relation de récurrence, il vient
Dn+i — n(Dn-i + Dn) — (Dn ~ (~l)n) + TiDn — (n + l)Dn + (—l)n+1.
(c) Soit n 2. En divisant par ni la relation de la question précédente et en réorga

nisant les membres, on peut écrire
Dn Dn-1 = (~l)n
ni (n — 1)! ni
En sommant cette relation télescopique, on obtient
Dn _ Di _ / Dk _ Dk-i
ni 1! \ kl (k — 1)!
En ajoutant les termes 1 et —1 correspondant aux indices k = 0 et k — 1 dans la somme,
on conclut
Enfin, cette identité est aussi valable2 pour n — 1.

1. Il n’existe pas de dérangements sur {a} et il existe un seul dérangement sur {a, b} à savoir la
permutation échangeant a et b.
2. La relation vaut aussi pour n = 0 car l’application vide (voir note 2 p. 225) est un dérangement.
6.6 Exercices d'approfondissement
Exercice 21 *
Soit 77 une relation d’équivalence sur un ensemble E de cardinal n. On suppose
que E possède p classes d’équivalence et l’on note q le nombre de couples (#, y) € E2
vérifiant x 'Ey. Établir n2 < pq.
Solution
méthode
On emploie l’inégalité de Cauchy-Schwarz (Th. 2 p. 394) :
Notons ni,...,np les cardinaux respectifs des p classes d’équivalence de E : on a

n = ni H— • + np car les classes d’équivalences sont deux à deux disjointes de réunion E.
Au surplus, deux éléments x et y sont en relation si, et seulement si, ils appartiennent à
la même classe d’équivalence. Il y a n2 couples (æ, y) en relation avec x et y dans la J-ème
classe d’équivalence et, au total, il y a q = n2 + • • • + n2 couples (x,y) en relation. On
conclut alors par l’inégalité de Cauchy-Schwarz :
=W
Exercice 22 **
Soit E un ensemble fini de cardinal n E N. Calculer :
(a) Card(X) (b) Card(X A F) (c)y2Card(XUY).
XQE X,YCE X,YCE
Solution
méthode
|| On regroupe les termes sommés selon la valeur du cardinal considéré.
(a) Une partie X de E est de cardinal k E |[0 ; n] et il y a exactement Q) parties à k
éléments dans E. Par regroupement des termes (Th. 8 p. 50)
E Card(X) = fV £ =È = ^n-1
XcE k=0 \ XCE / k~0 ' '

Card(X)=fc
(k) termes
cette dernière somme se calculant de diverses manières comme cela a déjà été vu dans le
sujet 8 p. 63 ou le sujet 19 p. 74.
(b) On regroupe les termes sommés selon la valeur Z de X A Y.

\ n /
(
£ Card(Z) =£ £ E k
X,YcE / fc=O \ ZcE X,YcE ,
XOY=Z Card(Z)=fc XnY=Z
Il s’agit ensuite de déterminer le nombre de couples (X, Y) e p(E)2 vérifiant X A Y = Z

pour une partie Z de cardinal k donnée. Dénombrons ces couples selon le nombre j
d’éléments qui constituent X, j variant de k à n.
Pour former une partie X à j éléments, on adjoint j — k éléments choisis dans E \ Z
à la partie Z : ceci offre (j^k) possibilités. Une fois la partie X déterminée, on définit Y
en adjoignant à Z des éléments qui ne sont pas dans Æ\X, autrement dit, en adjoignant
à Z une partie quelconque de E \ X. L’ensemble E \ X étant de cardinal n — j, ceci
offre 2n-J parties Y possibles, puis ÇZ^)2n“7 couples (X,Y) vérifiant X A Y = Z et
Card(X) = j. Finalement, le nombre de couples (X, Y) d’intersection Z est
_ ^n—k
On peut alors achever le calcul amorcé dans (*)
^2 Card(X A Y) = Z ( E kx ) = E (Z) k^~k = E (Z)fc3"-fe

X,YcE k=0 \ ZcE / k=0 ' ' k=l ' '
Card(Z)=fc
Sachant
n z \ ,
E k ( A 3n“ V”1 = -=- ((3 + æ)n) = n(3 + a;)”-1

k=l ' ' x
on obtient
^Card(Xny) = n4n~1.
X,YCE
(c) On peut reproduire un calcul analogue au précédent mais il est plus commode
d’employer la formule
Card(X U Y) = Card(X) + Card(Y) - Card(X A Y).
On obtient
52 Card(X U K) = ^2 E Card W + 52 E Card(y) - E Card(x n y)

X,YCE YCE XcE XcE YCE X,YCE
2n termes =n2n-1 2n termes =n2ri~1
= 2n x n2”-1 + 2" x n2”-1 - n4n-1 = 3îi4n-1.

Exercice 23 ** (Formule d’inversion de Pascal)

Soit n et p des entiers naturels.
(a) Soit gN tels que £ < k < n. Comparer Q) et (^Zf)-
(b) Soit (un) une suite de nombres réels et (î;^) la suite déterminée par
Établir la formule d’inversion
/c=0 V 7
(c) Application : On note SPiTl le nombre de surjections d’un ensemble E à p élé

ments sur un ensemble F à n éléments. Déterminer une expression de SPJl en obser
vant
(d) Application : On note Dn le nombre de dérangements1 sur un ensemble à n

éléments. Déterminer une expression de Dn en observant
Solution
(a) Par les expressions factorielles des coefficients binomiaux
n\ (k\ ni kl ni
k) V7 kl(n — k)l £l(k-£)l = (n-£)!£!(&-£)!
ni (n — £) ! /n — A
£l(n-E)l (n - k)l(k - £)l = V/VM’
(b) méthode
On injecte l’expression de vk dans la somme qui doit exprimer un et l’on
simplifie.
Par l’expression de vk et en échangeant les deux sommes
n / \ n k / \ / L,\ n / n / \ /1 \ \
E(-i)”~UU = ED-r'iL)«< = E Enr1 îQU
fc=O V 7 k=0 £=0 \ / \ / £=0 \k=£ \ / \ / )
(*)
Par l’identité précédente et en écrivant (—l)n k = (—l)n+fe = (—l)n € x (—V)k €
E(-i)n-fc n\ /fc\
k) V/ = (-If
Puis par glissement d’indice
si £ = n
sinon.
Dans le dernier membre de (*), la somme se limite alors au seul terme d’indice £ = n et
l’on obtient
(c) On dénombre les applications de E vers F selon les cardinaux de leurs images :
è (T) sp>k
k=0
nombre nombre de choix nombre d’applications
d’applications d’images à k éléments de E vers l’image
de E vers F dans F à k éléments choisie
et par la formule d’inversion, on obtient
kp.
(d) On dénombre les permutations de E selon les cardinaux des parties sur lesquelles
elles opèrent un dérangement :
Dk
k=0
nombre de nombre de choix nombre de permutations de E
permutations de parties à k éléments dérangeant la partie
de E dans E à k éléments choisie
et par la formule d’inversion, on obtient
nn = £(-ir-fc
k=0
Exercice 24 ** (Nombres de Catalan)

Soit n et p deux entiers naturels non nuis.
On appelle chemin monotone tout déplacement sur une grille de coordonnées entières
obtenu en partant de la case (0,0) et en se déplaçant successivement d’une unité vers
la droite ou d’une unité vers le haut.
(a) Combien existe-t-il de chemin monotone rejoignant la case (n,p) ?
On s’intéresse désormais aux chemins monotones rejoignant la case (n, n). On dit
qu’un tel chemin est sous-diagonal si les cases (x, y) qu’il emprunte vérifient la condi
tion y x.
(b) On considère un chemin qui n’est pas sous-diagonal et on lui associe un nouveau
chemin déterminé en changeant les mouvements vers la droite par des mouvements
vers le haut, et inversement, dès son premier franchissement de la diagonale.
Quelle nouvelle case rejoint ce chemin ?
(c) Combien existe-t-il de chemins sous-diagonaux rejoignant la case (n, n) ?
Solution
(a) méthode
Un chemin monotone peut être codé par une succession de lettres D et H
traduisant les déplacements vers la droite ou vers le haut.
Un chemin monotone rejoint la case (n,p) si, et seulement si,

son codage est constitué de n lettres D et p lettres H. Dénombrer
les chemins monotones rejoignant la case (n,p) revient à dénom
brer les anagrammes écrites avec n lettres D et p lettres H :
on choisit les n positions occupées par la lettre D dans la liste
des n + p places disponibles et l’on obtient (n^p) chemins mono Chemin codé
tones joignant la case (n,p). DHDDHHD
(b) méthode
|| Une petite figure peut aider à comprendre !
Illustrons ci-contre la transformation d’un chemin franchissant

la diagonale.
Au premier franchissement de la diagonale, le chemin a effectué k
déplacements sur la droite et +1 déplacements vers le haut. Il lui
reste n — k déplacements sur la droite à effectuer et n — k — 1 vers le
haut pour rejoindre la case (n, n). Cependant, on forme le nouveau
chemin en inversant ces derniers mouvements. Le nouveau chemin
fera donc un total de & + (n — k — 1) mouvements vers la droite et
de (fc + 1) + (n — k) vers le haut. Ce nouveau chemin rejoint donc
la case (n — 1, n H- 1).
(c) À un chemin monotone joignant (n, n) qui n’est pas sous-diagonal on a associé
ci-dessus un chemin joignant la case (n — l,n + 1). Inversement, un chemin joignant la
case (n — 1, n-\-1) franchit nécessairement la diagonale et, en inversant les mouvements au
premier franchissement, on détermine l’unique chemin joignant (n, ri) non sous-diagonal
qui lui est associé : il y a autant de chemins joignant (n, n) non sous-diagonaux que de
chemins monotones joignant (n—l,n + l)à savoir
Il y a en tout (2™) chemins monotones joignant la case (n, n) et parmi ceux-ci exacte
ment
2n\ / 2n \ 1 /2n
n J \n — 1J n+1 yn
chemins sous-diagonaux1.
Exercice 25 ***
Montrer qu’un ensemble E est infini si, et seulement si, pour toute application
/: E E, il existe une partie A non vide et distincte de E telle que /(A) C A.
Solution
( 4= ) On procède par contraposition. Soit E un ensemble fini. S’il est vide ou réduit
à un élément, il n’existe pas de parties A incluses dans E vérifiant A 0 et A E.
Sinon, déterminons une application f:EÊ pour laquelle il n’existe pas de parties A
telles que proposées. En posant n le cardinal de E, on peut énumérer ses éléments et
écrire E = {aq, æ25 •,xn}.
méthode
On définit une application f « cyclique » déterminée de sorte que l’apparte
nance de Xi à A entraîne celle de x2, etc.
Considérons l’application f : E —> E définie par
f(xi) = Xi+i pour tout i e [1 ; n]
en convenant que xn+i désigne aq.

Soit une partie A de E vérifiant f(A) C A Si A est non vide, il existe un indice i
dans [1 ; nj tel que Xi est élément de A. L’élément xî = f(xi) appartient aussi à A, et,
en répétant ce processus, on obtient x^ aq+i, ..., xn, aq, ..., Xi-i tous éléments de A
et donc A = E.
Ainsi, si E? est un ensemble fini, il existe une application f : E —> E pour laquelle les
seules parties A de E vérifiant /(A) C A sont 0 et E.
( => ) Soit E un ensemble infini, f : E —> E une application quelconque et x e E.
1. Dans le codage d’un chemin monotone joignant la case (n, n) il y a autant de D que de H. Un
chemin est sous-diagonal, lorsqu’il y a toujours plus de D que de H dans tous les préfixes du codage : si
D désigne une parenthèse ouvrante et H une parenthèse fermante, on vient de déterminer le nombre de
façons de disposer correctement n paires de parenthèses.
méthode
On détermine une partie A convenable en étudiant la suite des itérés de com-
position : x, f(x), f2(x) = f(f(x)), fn(x), etc.
S’il existe n € N* tel que fn(x) = x alors la partie A = {x, f(x),..., /ra-1(æ)} est non
vide, distincte de l’ensemble infini E et vérifie /(A) C A.
Sinon, la partie A = {/(#), /2(æ), ...} = {/n(#) | n e N*} est non vide, distincte de E
(car x n’est pas élément de A) et vérifie /(À) C A.
CHAPITRE 7
Espaces vectoriels
K désigne JR ou C.
7.1 Espaces vectoriels
7.1.1 Produit extérieur

Définition
On appelle produit extérieur opérant de K sur E toute application de K x E vers E.
Ce produit extérieur est usuellement noté (.) et Ax désigne alors l’image du couple
(A, x) par celui-ci. ,
Sur le produit extérieur usuel est défini par
A(#i,... ,æn) =f (A#i,..., Aæn) pour tous A e K et (#i,... ,æn) e IKn.
Sur l’ensemble K) des fonctions d’un ensemble X vers K, le produit extérieur cor
respond à la multiplication par une fonction constante.
A/: x A/(æ) pour tous A e K et f e E(X, K).
Sur l’ensemble K[X] des polynômes en l’indéterminée X, le produit extérieur correspond

à la multiplication par un polynôme constant.
236 Chapitre 7. Espaces vectoriels
7.1.2 Structure d’espace vectoriel

Définition
On appelle ^-espace vectoriel1 tout triplet (E,+,.) formé d’un ensemble E, d’une
loi de composition interne + munissant E d’une structure de groupe abélien et d’un
produit extérieur (.) opérant de K sur E vérifiant, pour tout (x,y) e E2 et tout
(A,/i) 6 K2, les identités :
X(x + 2/) = Xx 4- Xy, (A + /a)x = Xx + ptx, X(px) — (X/i)x et Ix = x.
Les éléments de K sont appelés scalaires, ceux de E sont appelés vecteurs. En parti
culier, le neutre additif de E est appelé vecteur nul et est noté 0 ou 0#.
Kn, F(X, K) et K[X] munis des opérations usuelles sont2 des IK-espaces vectoriels.
K peut aussi se comprendre comme un R-espace vectoriel. Dans cette situation, scalaires
et vecteurs se confondent avec les éléments de K et le produit extérieur correspond à la
multiplication usuelle.
C peut se comprendre comme un R-espace vectoriel. Les scalaires sont alors les nombres
réels tandis que les vecteurs sont les nombres complexes. Plus généralement, par restric
tion du champ scalaire, tout C-espace vectoriel peut se comprendre comme un R-espace
vectoriel.
Les opérations dans les espaces vectoriels peuvent être vi

sualisées par une figure en géométrie vectorielle. La réali
sation d’une telle figure passe par le choix arbitraire d’un
point représentant le vecteur nul. Contrairement à la géo
métrie affine, tous les vecteurs sont alors exclusivement
figurés au départ de ce point.
7.1.3 Structure produit
Théorème 1
Si Ei,..., En sont des K-espaces vectoriels alors E = Ei x • • • x En est un R-espace
vectoriel pour les lois + et (.) définies par :
fab. . . , Xn) + (î/1,..., yn) =f (^1 + yi, • . •,Xn + yn),

A(xi,... ,xn) =f (Aî,...,Aa;n).
De plus, le vecteur nul de E est 0# = (0^,..., 0£n).
En prenant les Ei tous égaux à R, on retrouve que Rn est un R-espace vectoriel de

vecteur nul 0k« = (0,..., 0).
1. Si K = R, on parle d’espace vectoriel réel, si K = C, on parle d’espace vectoriel complexe.

2. En particulier, l’espace des suites = E(N,K) est un K-espace vectoriel.
7.2 Sous-espaces vectoriels 237
Théorème 2
Si E un K-espace vectoriel et X un ensemble quelconque, l’ensemble F(X, E) = Ex
des fonctions de X vers E est un IK-espace vectoriel pour les lois 4- et (.) définies
par :
/ 4- g : x i-> f(x) 4- g(x) et Xf : x Xf(x).
De plus, le vecteur nul de X(X, E) est la fonction nulle x 0#.
En prenant E = K, on retrouve que F(X, K) est un IK-espace vectoriel.
7,1.4 Combinaison linéaire

Soit E un K-espace vectoriel et I un ensemble d’indexation.
Définition
Lorsque l’ensemble I est fini, on appelle combinaison linéaire d’une famille de
vecteurs de E tout vecteur x de E pouvant s’écrire
x = ^^XiXi avec (A*)^/ G

îei
Les combinaisons linéaires d’une famille d’un vecteur x sont les Xx pour A parcourant K.
Les combinaisons linéaires d’une famille de deux vecteurs x et y sont les Xx + gy pour A
et g parcourant K.
Seul le vecteur nul est combinaison linéaire de la famille vide.
Définition
Lorsque l’ensemble I est infini, on appelle combinaison linéaire d’une famille (xi)iç.i
de vecteurs de E tout vecteur combinaison linéaire d’une sous famille finie de (xifiî.
Un tel vecteur peut encore s’écrire avec famille de scalaires à support
fini1. ieI
7.2 Sous-espaces vectoriels

E désigne un ïïC-espace vectoriel.
7.2.1 Définition
Définition
On appelle sous-espace vectoriel du K-espace vectoriel E toute partie F non vide
de E stable par combinaison linéaire2, c’est-à-dire vérifiant3 Xx 4- /ay e F pour
tous A,g e K et tous x,y e F.
1. Une telle famille ne comporte qu’un nombre fini de scalaires non nuis, on dit encore que c’est une
famille presque nulle. La somme des XiXi pour i parcourant I comporte une infinité de termes mais
parmi ceux-ci il ne figure qu’un nombre fini de termes non nuis.
2. Une combinaison linéaire d’une famille finie, ou infinie, de vecteurs d’un sous-espace vectoriel F
appartient à F.
{O#} et E sont des sous-espaces vectoriels de E,

ce sont ses sous-espaces vectoriels triviaux.
Géométriquement, les sous-espaces vectoriels non
triviaux se visualisent tels des droites ou des
plans passant par le point choisi pour figurer le
vecteur nul.
Théorème 3
Si F est un sous-espace vectoriel d’un K-espace vectoriel (F, +,.) alors (F, -h,.) est
4 de même vecteur nul que E.
un IK-espace vectoriel3
Kn[X] est un sous-espace vectoriel de K[X] donc un IK-espace vectoriel.
7.2.2 Opérations
Théorème 4
Si F et G sont deux sous-espaces vectoriels de E alors
FnG = |icEÆ/|ÊFetrE(jj et F4-G==û-|-&|(zEFet6GGj-
sont des sous-espaces vectoriels de E.
Les opérations d’intersection et de somme de sous-espaces vectoriels sont commutatives,

associatives et possèdent des neutres qui sont F et {0#} respectivement.
En particulier, si Fi,..., Fn sont des sous-espaces vectoriels de F, on peut introduire les
sous-espaces vectoriels
n
F{ — Fi n ... n Fn = G E | \/i E [1 ; tz]] , x E Fi j*
i—1
n ( n 1
Fi = Fi H--------- h Fn = < ^rcj | Vz E [1 ; n], E F^ > .
i=l u=i )
3. Il existe une définition équivalente « plus économe » où l’on étudie l’appartenance à F de x + Xy
pour tous x, y E F et A E K.
4. Les lois + et (.) sur F sont définies par restriction des lois correspondantes sur E.
7.2 Sous-espaces vectoriels 239
7.2.3 Sommes directes

Soit Fi,...,Fn des sous-espaces vectoriels de E. Tout vecteur x de la somme des es
paces Fi peut s’écrire x = xi -\--------- F xn avec Xi E Fi.
Définition
On dit que la somme des espaces Fi est directe lorsqu’il y a unicité dans la décom
position précédente :
n
Vx G Fi, 2!(æi,..., xn) G Fi x • • • x Fn, x = aq H------ h xn.
4=1
Lorsque la somme Fi +-----F Fn est directe, celle-ci est notée
© Ft ou Fi © ■ • • © Fn.
2— 1
Théorème 5
Les espaces Fi,..., Fn sont en somme directe si, et seulement si, il y a unicité de la
décomposition du vecteur nul :
V(aq,... ,xn) e Fi x • • • x Fn, Xi -I------ \-xn = 0E => %i = • • • = xn = 0E-
Si l’on se limite à deux1 sous-espaces vectoriels F et G, on a une caractérisation simple :

F et G sont en somme directe <=> F A G = {0#} .
Si l’on considère plusieurs sous-espaces vectoriels Fi,... ,Fn et Fn+1, on dispose de la
propriété « d’associativité » suivante : si Fi,...,Fn sont en somme directe et si leur
somme est en somme directe avec Fn+i alors les espaces Fi,..., Fn, Fn+i sont en somme
directe. La réciproque étant aussi vraie, on peut écrire :
(Fi (B • • • (B Fn) (B Fn+i = Fi (B • • • (B Fn (B Fn+i.
7.2.4 Sous-espaces vectoriels supplémentaires

Définition
Deux sous-espaces vectoriels F et G sont dits supplé- q
mentaires si tout vecteur de F s’écrit de façon unique / x_a
comme somme d’un vecteur de F et d’un vecteur 5 /
de G : /
\/x F, 3!(a, 6) e F x G, x = a + b. F
Cela signifie encore que l’on peut écrire F = F(B G.
Plus généralement, on appelle décomposition en somme directe de l’espace F l’écriture
E — Ei © • • • (B En avec Ei des sous-espaces vectoriels de E.
1. Pour trois sous-espace vectoriels ou plus, il n’existe pas de caractérisation aussi simple et il est
alors préférable d’étudier l’unicité de la décomposition du vecteur nul.
7.2.5 Espace vectoriel engendré par une partie

Définition
On appelle espace vectoriel engendré par une partie A de E l’ensemble1 Vect (A) des
combinaisons linéaires des familles d’éléments de A.
Pour u EE. Vect{u} = {Xu | A € K}.
Cet espace est noté Ku.
Pour u,veE,
Vect {u,u} = {Xu + pv | (A, p) e K2}

= Ku + Ku.
Plus généralement,
Vect {æi, .. .,xn} = {Aiî H------ F Xnx7
Théorème 6
Vect(A) est un sous-espace vectoriel de E contenant A.
De plus, tout sous-espace vectoriel F de E contenant A contient aussi Vect(A).
Au sens de l’inclusion, Vect (A) est le plus petit sous-espace vectoriel de E contenant A.
7.3 Famille de vecteurs

Soit E un ]K-espace vectoriel et une famille de vecteurs de E indexée par un
ensemble I.
7.3.1 Famille génératrice

Définition
On dit que la famille est génératrice2 si tout vecteur de E est combinaison
linéaire de celle-ci.
En notant Vect^)^/ l’espace vectoriel engendré par la partie {xi | i G l}, la fa
mille est génératrice si, et seulement si, E — VectÇxîî.
7.3.2 Famille libre

Définition
On dit que la famille (æi)ieJ est libre si toute combinaison linéaire nulle des éléments
de cette famille s’écrit avec des scalaires nécessairement tous nuis. Sinon, on dit que
la famille est liée et une combinaison linéaire nulle écrite avec des scalaires non tous
nuis se nomme une relation linéaire.
1. Vect(A) est aussi l’intersection de tous les sous-espaces vectoriels de E contenant A.
2. En cas d’ambiguïté, on pourra être plus précis en affirmant que la famille est génératrice de E.
7.4 Espaces de dimension finie 241
Une famille formée d’un seul vecteur est libre si, et seulement si, ce vecteur est non nul.
Une famille formée de deux vecteurs est libre si, et seulement si, aucun n’est colinéaire à
l’autre.
Une famille finie (aq,... ,#n) de vecteurs de E est libre lorsque l’on a l’implication :
V(A1, . . . , An) G ÏÏCn, A1#1 + • • • + Xnxn — Al = • • • = An = 0.
Une famille infinie est libre si, et seulement si, toutes ses sous-familles finies le sont.
Théorème 7
Si la famille (xf)iei est libre, il y a unicité de l’écriture d’un vecteur de VectÇxîî
comme combinaison linéaire des vecteurs de cette famille.
7.3.3 Base
Définition
On dit qu’une famille de vecteurs de E est une base1 lorsque celle-ci est libre
et génératrice. _
Dans ]Kn, on introduit e* = (0,..., 0,1,0,..., 0) où le 1 est positionné en z-ème place. La
famille (ei,..., en) est une base que l’on appelle la base canonique2 de Kn.
Dans Kn [X], la famille de monômes (1, X,..., Xn) est une base que l’on appelle la base
canonique de Kn[X]. Dans K[X], la famille infinie (Xn)neN est une base que l’on qualifie
aussi de canonique.
La famille vide est base de l’espace nul {0#}.
7.3.4 Coordonnées
Théorème 8
Si {ei)iî est une base de E, tout vecteur x de E s’écrit de façon unique comme
combinaison linéaire de la famille
La famille de scalaire réalisant cette écriture définit la famille des coordonnées 3 de x dans
la base
7.4 Espaces de dimension finie
7.4.1 Définition
Définition
On dit qu’un ÏÏC-espace vectoriel est de dimension finie s’il possède une famille géné
ratrice formée d’un nombre fini de vecteurs.
1. En cas d’ambiguïté, on pourra être plus précis en parlant de base de E.
2. Le qualificatif canonique est là pour signifier que cette base est remarquablement simple car liée à
la construction de l’espace.
3. On parle aussi parfois des composantes d’un vecteur.
On est alors assuré de l’existence de bases à cet espace par l’un ou l’autre des deux
résultats suivants :
Théorème 9 (Théorème de la base extraite)

Si E est un K-espace vectoriel de dimension finie, on peut extraire une base de
n’importe quelle famille génératrice.
Théorème 10 (Théorème de la base incomplète)

Si E est un K-espace vectoriel de dimension finie, toute famille libre peut être com
plétée en une base.
7.4.2 Dimension
Dans un ïïC-espace vectoriel, il y a toujours moins de vecteurs dans une famille libre que
dans une famille génératrice. En conséquence, les bases sont toutes constituées du même
nombre de vecteurs.
Définition
On appelle dimension d’un IK-espace vectoriel E de dimension finie, le nombre de
vecteurs constituant les bases de celui-ci. Cette dimension est notée dim E.
On a dimKn = n, dimIKn[X] = n + 1 et l’on écrira abusivement dimK[X] = +oo.
Les espaces de dimension 1 se nomment des droites vectorielles1, ceux de dimension 2
s’appellent des plans vectoriels. L’espace nul {0#} est de dimension nulle.
Théorème 11
Si Ei,..., En sont des espaces vectoriels de dimensions finies, l’espace E± x • • • x En
l’est aussi et
dim(E’i x • • • x En) = dim Ei + • • • + dim En.
7.4.3 Rang d’une famille de vecteurs

Définition
Il On appelle rang d’une famille de vecteurs d’un espace vectoriel la dimension
Il de l’espace engendré par cette famille. Celui-ci est noté rg(æ^)ie/.
Une famille de n vecteurs est libre si, et seulement si, elle est de rang n.
7.4.4 Bases en dimension finie

En dimension finie connue, on peut caractériser avec efficacité les bases :
1. En l’absence d’ambiguïté, on peut parler simplement de droites.
7.4 Espaces de dimension finie 243
Théorème 12
Soit E un K-espace vectoriel de dimension finie n et une famille de vecteurs
de E constituée de n vecteurs exactement. On a équivalence entre :
(i) est une base;
(ii) est une famille libre;
(iii) est une famille génératrice.
7.4.5 Sous-espace vectoriel en dimension finie

Théorème 13
Si F est un sous-espace vectoriel d’un K-espace vectoriel E de dimension finie alors F
est de dimension finie et dim F dim E avec égalité si, et seulement si, F = E.
On peut alors montrer l’égalité de deux sous-espaces vectoriels en constatant une inclusion
et l’égalité de leurs dimensions (finies).
Si F est un sous-espace vectoriel d’un espace E de dimension finie, on peut compléter une
base de F afin de former une base E. Une telle base est dite adaptée à F. Les vecteurs
introduits pour compléter la base de F engendrent alors un supplémentaire de F et donc :
Théorème 14
Tout sous-espace vectoriel F d’un ŒC-espace vectoriel E de dimension finie admet au
moins un1 supplémentaire G.
De plus, en accolant une base de F et une base de G on obtient une base de E = F ® G

que l’on dit adaptée à la supplémentarité de F et G. On en déduit que les espaces
supplémentaires de F ont tous la même dimension : dim E — dim F.
Plus généralement, si F? = E± ® ® En, on peut former une base de E en accolant
des bases des espaces Ei> Une telle base est dite adaptée à la décomposition en somme
directe E = E± ® ® En.
7.4.6 Dimension d’une somme de sous-espaces vectoriels
Théorème 15 (Formule de Grassmann)

Si F et G sont des sous-espaces vectoriels de dimensions finies d’un IK-espace vecto
riel E alors F + G et F PI G sont de dimensions finies et
dim(F + G) = dim F + dim G — dim(F Pi G).
On en déduit une caractérisation rapide de la supplémentarité utile lorsque les espaces

sont de dimensions finies connues :
1. Il y a généralement plusieurs supplémentaires à un sous-espace donné : il ne faut pas confondre
supplémentaire et complémentaire ! Le complémentaire d’un sous-espace vectoriel n’est jamais un sous-
espace car il ne contient pas O^;.
Théorème 16
Soit F et G deux sous-espaces vectoriels d’un IK-espace vectoriel E de dimension
finie vérifiant dim E = dim F 4- dim G. On a équivalence entre :
(i) F et G sont supplémentaires ;
(ii) FnG = {Ofî};
(iii) F + G = F.
Enfin, on peut étudier la dimension d’une somme de plusieurs espaces :
Théorème 17
Si FiFn sont des sous-espaces vectoriels de dimensions finies alors Fi 4------ F Fn
est de dimension finie et
n \ n
( Fi j dim Fi.
i—l / i=l
De plus, il y a égalité si, et seulement si, les sous-espaces vectoriels Fi,..., Fn sont
en somme directe.
On retient l’identité
dim
7.5 Sous-espaces affines
Soit F un espace vectoriel.
7.5.1 Interprétation affine

Selon l’interprétation géométrique souhaitée, les éléments de F peuvent être indifférem
ment appelés points (et alors notés A, B, etc.) ou vecteurs (et alors notés iZ, u, etc.).
Si A et B désignent deux points de F, le vecteur ü pour lequel B = A 4- ü est noté Aè.
Il correspond au vecteur B — A.
Définition
Si ü est un vecteur de B, on appelle translation de vecteur ü l’application ta de F
vers E qui envoie le point M sur le point M' = M + ü déterminé par MM' = ü.
L’usage veut que l’on note parfois pareillement points et vecteurs même lorsque nous
usons de l’interprétation affine... La translation de vecteur a détermine alors simplement
l’application x a -F x de E vers lui-même.
7.5.2 Sous-espaces affines

Définition
Il On appelle sous-espace affine V de E toute partie obtenue par translation d’un sous-
II espace vectoriel F de E.
Le sous-espace vectoriel F déterminant V est alors unique et se nomme la direction de V.
La dimension de F définit la dimension du sous-espace affine V. Si dimV = 1, on dit
que V est une droite affine. Si dimV = 2, on dit que V est un plan affine. Lorsque
dim V = 0, l’ensemble V est réduit à un point.
Il suffit de connaître un point et la direction d’un sous-espace affine pour le décrire :
Théorème 18
Si V est un sous-espace affine de direction F et si a est un élément de V,
V = a + F = ta(F) = {a + x | x G F}.
Théorème 19
Si V et W sont des sous-espaces affines de directions F et G, leur intersection V A W
est, soit vide, soit égale à un sous-espace affine de direction F A G.
7.6.1 Sous-espaces vectoriels
Exercice 1
Soit F = {(#, î/, z) e R3 | x — y — z = 0} et G = {(a + b, a, a + 36) | a, b G R}.
(a) Montrer que F et G sont des sous-espaces vectoriels de R3.
(b) Déterminer F H G.
Solution
(a) méthode
|| On vérifie que F est une partie non vide de R3 stable par combinaison linéaire.
L’ensemble F est une partie de l’espace vectoriel réel R3 et celle-ci est non vide1 car
le vecteur nul 0^3 — (0,0,0) en est élément.
Soit u et v deux éléments de F et A, y deux réels. Etudions l’appartenance à F de la
combinaison linéaire Xu + yv.
1. Si F s’avère être un sous-espace vectoriel, le vecteur nul en est obligatoirement élément.

On peut écrire u — (æ, y, z) et v = (xf, y', z') avec x — y — z — 0 et x' — y' — z' = 0. On
a alors Au 4- yv = (xff, y", z") avec x" = Ax + yx', y" = Ay + yy' et z" = Az 4- yz'. On
vérifie aisément
x" — y" — z" — A{x — y — z) + y(x' — y' — /) = 0.
Ceci permet d’affirmer que Au 4- yv appartient à F et l’on peut alors conclure que F est
un sous-espace vectoriel1*de R3.
méthode
On peut reproduire la démonstration ci-dessus pour étudier G mais aussi,
avec plus d’efficacité, percevoir G égal à un « Vect », c’est-à-dire à un espace
vectoriel engendré.
En écrivant
(a -F 6, a, a + 36) = (a, a, a) 4- (6,0,36) = a (1,1,1) +6 (1,0,3)

=ei =e2
on exprime les éléments de G comme des combinaisons linéaires des vecteurs ei et 62

introduits. On en déduit G = Vect(ei, 62) ce qui assure que G est un sous-espace vectoriel
de R3 (Th. 6 p. 240).
(b) Le vecteur u = {x, y, z) appartient à F A G si, et seulement si, il existe «, b e R

tels que
(æ, î/, z) = (a + 6, a, a + 36) et x — y — z = 0.
Ceci conduit à étudier le système
x=a+b
y=a
z — a + 36
x — y — z = 0.
On résout celui-ci en exprimant x, y, z parmi les inconnues principales :
'x = a + b x=a+b 'x = —6

y=a y=a y = -2b
z — «4-36 z = «4-36 z =b
x—y—z—0 u 4- 26 — 0 a = —2b.
Finalement,
F n G = {(-b, -2b, b) | b e R} = Vect(-1, -2,1) = Vect(l, 2, -1).
1. On peut aussi résoudre l’équation x — y — 2 = 0 et affirmer que F est l’ensemble des combinaisons
linéaires des vecteurs (1,1,0) et (1,0,1), autrement dit, F = Vect ((1,1, 0), (1, 0,1)).
Exercice 2
Soit F, G et H des sous-espaces vectoriels d’un espace vectoriel E. Montrer
F A (G + H) D (F n G) + {F A H) et F + (G A H) c (F + G) A (F + F).
Vérifier à l’aide d’une figure que ces inclusions peuvent être strictes.
Solution
(a) méthode
Il ne faut pas confondre la somme de deux sous-espaces vectoriels avec leur
union. Un vecteur appartient à F 4- G lorsque l’on peut l’écrire x 4- y avec x
dans F et y dans G.
Soit u E (FnG)i(FnH). On peut écrire u = x 4- y avec x E FE\G et y E FC\H. On

a alors u = x 4- y E F par addition dans le sous-espace vectoriel F. On a aussi u E G -F H
car u est la somme d’un élément de G et d’un élément de H. On en déduit l’inclusion
(F A G) + (F A H) c F A (G + F).
Étudions la deuxième inclusion. Soit u E F 4- (G D B). On peut écrire u = x 4- y

avec xeF et yEGE}H. D’une part, u E F + G car x E F et y E G. D’autre part,
u E F 4- H par un argument analogue. On en déduit u E (F + G) H (F + H) et l’on peut
affirmer
F + (G A F) C (F + G) A (F + F).
Enfin, considérons trois droites vectorielles en position générale1

dans le plan R2 comme illustré ci-contre.
D’une part,
(F n G) + (F n B) = {0} + {0} = {0} et

F n (G + B) = F n R2 = F.
D’autre part,
F + (GAF) = F + {0} = F et (F + G) A (F + F) = K2 A R2 = R2.
Il se peut donc que les inclusions soient strictes.
Exercice 3
Soit A et B deux parties d’un espace vectoriel E. Établir
Vect(A U B) = Vect(A) + Vect(B).
1. Bien qu’en position générale, ces trois droites vectorielles passent par le vecteur nul.
Solution
méthode
Vect(A U B) est un sous-espace vectoriel contenant A et contenant B. Aussi,
Vect(A U B) est inclus dans tout sous-espace vectoriel contenant à la fois A
et B.
Par opérations sur les sous-espaces vectoriels, on peut affirmer que Vect(A) -h Vect(B)
est un sous-espace vectoriel de E (Th. 4 p. 238). De plus, celui-ci contient Vect(A) et
donc contient A. Aussi, il contient B et donc A U B C Vect(A) + Vect(B). On en déduit
(Th. 6 p. 240)
Vect(A U B) C Vect(A) + Vect(B).
Inversement, A est inclus dans A U B donc dans Vect(A U B). On en déduit que
Vect(A) est inclus dans Vect(A U B). Pareillement, on montre Vect(B) C Vect(A U B).
Considérons ensuite x un vecteur de Vect(A) + Vect(B). On peut écrire x = a + b avec
a e Vect(A) et b e Vect(B). Ces deux vecteurs a et b appartiennent à Vect(A U B) et
donc, par addition dans ce sous-espace vectoriel, on peut affirmer que x appartient aussi
à Vect(A U B). Ainsi, on peut affirmer l’inclusion
Vect(A) + Vect(B) c Vect(A U B)
et conclure à l’égalité1.
Exercice 4
Soit F = {/ e C([0; 1], IK.) | /(O) = /(l) = 0} et G = {g € C([0 ; 1],R) | g est affine}.
Montrer que F et G sont des sous-espaces vectoriels supplémentaires de l’espace
réel E = C([0 ; 1], IR) des fonctions continues de [0 ; 1] vers R.
Solution
méthode
|| On commence 2 par vérifier que F et G sont des sous-espaces vectoriels de E.
L’ensemble F est une partie non vide de E car la fonction nulle en est élément. L’en
semble F est aussi stable par combinaison linéaire car si j\ et /2 sont des fonctions de E
qui s’annulent en 0 et 1, la fonction Ai/i + A2/2 s’annule aussi en 0 et 1 et ce, quelles
que soient les valeurs des réels Ai et A2. On peut donc affirmer que F est un sous-espace
vectoriel de E.
L’ensemble G est aussi un sous-espace vectoriel de B. En effet, une fonction affine g
est de la forme x 1—> ax + b et se perçoit comme une combinaison linéaire des fonctions
go : x 1 et g± : x i-> x en écrivant g = ag± + bgo- Ainsi, G = Vect(go5 <7i) avec go et g±
deux fonctions de E.
1. En particulier, si A et B sont des sous-espaces vectoriels F et G, l’égalité donne Vect(FuG) égal à
F + G : la somme de deux sous-espaces vectoriels détermine le plus petit sous-espace vectoriel contenant
chacun.
2. Il arrive parfois que l’énoncé soit introduit par « On considère les espaces ... ». Dans ce cas il n’est
pas nécessaire de vérifier que les parties sont des espaces puisque cela est « donné » par le sujet.
méthode
On montre que F et G sont supplémentaires dans E en étudiant par analyse-
synthèse comment il est possible de décomposer un élément de E en la somme
d’un élément de F et d’un élément de G : l’analyse produit l’unicité de l’écri
ture, la synthèse donne l’existence.
Soit h E E.
Analyse : Supposons pouvoir écrire h = f 4- g avec f e F et g e G. On souhaite
déterminer f et g en fonction de h. D’une part, on peut introduire a, b réels tels que
g: x i-> ax F b. D’autre part, on sait /(O) = /(l) = 0. On en déduit
h(0) = /(O) + g(0) = b et h(l) = /(l) 4- g(l) = a + b
et donc b = /z(0) et a = 7i(l) — ft(0). Ceci détermine entièrement g puis f car f = h — g.
L’analyse est close : s’il est possible de décomposer h en f 4- g, cette décomposition est
déterminée de façon unique.
Synthèse : Considérons les fonctions f et g de E déterminées par le terme de l’analyse
g: x i-> (Zï(1) — h(ÏÏ))x + Æ(0) et f = h — g.
Par ces définitions, il est clair que g est élément de G et que h est la somme de f et g.
Il reste seulement à vérifier que f est élément de F ce qui s’acquiert par le petit calcul
suivant :
/(O) = h(0) — «/(O) = 0 et /(l) = ft(l)-ff(l) = 0.
On peut donc affirmer qu’il est possible d’écrire un élément de E comme somme d’un
élément de F et d’un élément de G.
Finalement, F et G sont des sous-espaces vectoriels supplémentaires de E.
7.6.2 Liberté d’une famille de vecteurs
Exercice 5
Soit E un espace vectoriel réel.
(a) Soit x, 7/, z trois vecteurs de E constituant une famille libre. On pose u = x + y,
v = y + z et w = z F x. Montrer la liberté de la famille (zz, u, w).
(b) Soit x, y, z, t des vecteurs de E constituant une famille libre. On pose u = x 4- y,
v = y F z, w = zFtets = tFx. Étudier la liberté de la famille (tt, u, w, s).
Solution
(a) méthode
On montre la liberté d’une famille de vecteurs en supposant disposer d’une
combinaison linéaire nulle d’éléments de cette famille et en établissant que
tous les scalaires introduits sont alors nuis.
Supposons au 4- flv 4- 7W = 0# avec ce, /?, 7 réels. On a alors
(ce + 7)3; + (ce + P)y + (/? 4- 7)2 = 0^.
La famille (#, ?/, z) étant supposée libre, on peut affirmer la nullité des scalaires facteurs
des vecteurs x, y et z dans la relation ci-dessus. Ceci donne les équations du système
ci-dessous
'a +7 = 0
< q + /3 = 0
H- 7 = 0.
La résolution du système constitué de ces trois équations donne a = (3 = 7 = 0 et l’on
peut conclure que la famille (tz,v,w) est libre.
(b) méthode
On montre qu’une famille est liée en révélant une relation linéaire sur les
éléments de cette famille, c’est-à-dire une combinaison linéaire nulle avec des
scalaires non tous nuis.
On observe u + w = v + s. On en déduit la relation linéaire u — v + w- s = 0e qui
assure que la famille (îz, v, w, s) est liée.
Exercice 6
Soit u et v deux vecteurs d’un ŒC-espace vectoriel E. On dit que le vecteur v est
colinéaire à u si l’on peut écrire v = au avec a 6 K.
(a) On suppose la famille (îz, v) liée. Montrer que u est colinéaire à v ou v colinéaire
à u.
(b) A quelle condition simple sur u peut-on affirmer que, lorsque la famille (w, v)
est liée, le vecteur v est colinéaire à u ?
Solution
(a) méthode
Il Lorsqu’une famille est liée, on peut introduire une relation linéaire.
Il existe deux scalaires A, p non tous deux nuis vérifiant Au -F pu = 0#. Si A 0, on
peut écrire u — au avec a = — /z/A. Si p / 0, on peut écrire v = au avec a = —X/y.
L’un ou l’autre1 de ces deux cas étant satisfait, on peut affirmer que l’un des vecteurs
est colinéaire à l’autre. On ne peut cependant pas affirmer a priori lequel ce qui suscite
l’intérêt de la question qui suit.
(b) méthode
Si l’un des vecteurs est non nul, celui-ci détermine une « direction » à laquelle
doit appartenir l’autre vecteur lorsque la famille est liée.
Si le vecteur u est non nul, le scalaire y de la relation linéaire précédente ne peut être
nul. En effet, la relation Au + pu = 0 e devient sinon Au = 0e ce qui entraîne A = 0
sachant u non nul. Ceci est absurde car A et /z ne sont pas tous deux nuis. Sachant p non
nul, on peut comme au-dessus obtenir que v est colinéaire à u.
1. Voire souvent les deux...
Exercice 7
Soit E un espace vectoriel réel de dimension 3 et e = (ei, 62,63) une base de E. On
pose
eÇ = 62 H- 2e3, 0'2 = ci + 63 et 63 = 61 + 2c2-
Montrer que la famille e' — (eêê's) est une base de E et déterminer les coordon
nées du vecteur x = ei + 62 + C3 dans les bases e et e'.
Solution
méthode
En dimension connue, on peut montrer qu’une famille est une base d’un es
pace E en observant que c’est une famille libre constituée de dimE? vecteurs
de E (Th. 12 p. 243).
Etudions la liberté de la famille e'. Supposons Aie^ + A2e'2 + ^3e3 = 0# avec Ai, A2
et A3 des réels. En exprimant les vecteurs de e' en fonction des vecteurs de e il vient
(A2 + A3)ei + (Ai + 2As)e2 + (2Ai + A2)e3 = 0e-
La famille (ei, 62, 63) étant libre, les scalaires de cette combinaison linéaire sont tous nuis
ce qui produit le système
A2 T A3 =0
{ Ai + 2A3
2Ai + A2
=0
— 0.
Après résolution, on conclut Ai = A2 — A3 = 0. La famille e' est donc une famille libre
et, puisque celle-ci est constituée de 3 = dimE? vecteurs de E?, c’est une base de E.
Les coordonnées du vecteur x dans la base e se lisent directement sur l’écriture le
définissant : ce sont 1,1,1.
L’obtention des coordonnées du vecteur x dans la base e' nécessite la résolution de
l’équation x = xê'r + xê^ + £363 en les inconnues réelles rri, x2 et x%. En exprimant x
et les vecteurs de e' en fonction des vecteurs de la famille e, l’équation précédente se relit
ei + e2 + e3 = (x2 + z3)ei + (^1 + 2a;3)e2 + (2z 1 + rr2)e3.
Par identification1 des scalaires en facteur des vecteurs de la famille libre (ei, 62, 63), on
exprime le système
x2 + ^3 = 1
< a?i + 2^3 = 1
k2a;i -F x2 = 1.
Après résolution, on obtient xi = 1/5, x2 = 3/5 et x% = 2/5.
1. Cette identification est possible car la différence des membres exprime une combinaison linéaire
nulle dont tous les scalaires doivent être nuis.
Exercice 8
Soit E l’ensemble des fonctions f : R —> R telles qu’il existe des réels a, 6, c, d pour
lesquels :
f(x) = (ax H- 6) cos x 4- (ex + d) sin x pour tout x G R.
Montrer que E est sous-espace vectoriel de ^(R, R) dont on déterminera la dimen
sion.
Solution
méthode
La dimension d’un espace vectoriel correspond souvent « au nombre de degrés
de liberté » dont on dispose pour définir un de ses éléments. Plus exactement,
on calcule la dimension d’un espace vectoriel en déterminant une base de celui-
ci.
Les éléments de E sont les combinaisons linéaires des fonctions
cq : x i—> cos a?, ci : x x cos a:, $o: sin a; et si : x a? sin a;.
On en déduit
E = Vect(co, ci, $o, 5i)-
Il s’agit donc d’un sous-espace vectoriel de l’espace ^(R, R) et la famille (cq, Ci, Sq, Si)
est génératrice de celui-ci. Vérifions que c’est aussi une famille libre. Supposons
aci + bco + csi + dso = 0
avec a,b,c,d réels et où le 0 en second membre désigne la fonction nulle. On a donc, pour
tout réel a;,
(ax + 6) cos x 4- (ex + d) sin x — 0. (*)
méthode
On particularise l’équation (*) pour différentes valeurs de x afin de former un
système d’inconnue (a, 6, c, d) dont la seule solution est nulle.
En choisissant x respectivement égal à 0, 7r, tt/2 et —tv/2, on obtient les équations du

système suivant :
6 = 0
an 4- b = 0
C7T + 2d = 0
\
C7F — 2d = 0.
La résolution de ce système donne facilement a = b = c = d = 0. On en déduit que la

famille (cq, Ci, Sq, $i) est libre et c’est donc une base de E. On peut conclure dimÆ = 4.
7.7.1 Généralités sur les espaces vectoriels
Exercice 9 *
On dit qu’une fonction f : R -> R est à support compact s’il existe A E R+ tel que f
est nulle en dehors de [—A ; A]. Vérifier que l’ensemble V des fonctions de R vers R
de classe C°° à support compact est un espace vectoriel réel pour les lois usuelles.
Solution
méthode
Lorsque les lois sont connues, on peut montrer qu’un ensemble est un espace
vectoriel en observant qu’il s’agit d’un sous-espace vectoriel d’un espace déjà
connu (Th. 3 p. 238).
On vérifie que V est un sous-espace vectoriel1 de l’espace réel P(R, R) des fonctions
de R vers R.
7? est une partie de ^(R, R) et celle-ci est non vide car la fonction nulle en est élément2.
Soit f et g deux fonctions éléments de V et À, g deux réels. La fonction Af + /ig est de
classe C°° par opérations sur les fonctions qui le sont. Vérifions qu’elle est aussi à support
compact. Les fonctions f et g l’étant, on peut introduire A E R+ et B E R+ vérifiant
Vt E R, (|t| > A => y(t) = 0) et (|t| > B => g(t) = 0).
Pour C — max(A, B), on a alors
\/t e R, \t\ > C ==> (A/ + gg)(t) = 0.
Ainsi, la fonction Af + yg est à support compact et c’est donc un élément de P.

On peut conclure que P est un sous-espace vectoriel de P(R, R) et c’est donc un espace
réel.
Exercice 10 *
Dans l’espace réel R3 :
(a) Compléter en une base la famille (îi, v) avec u = (1,1,1) et v = (0,1,1).
(b) Déterminer un sous-espace supplémentaire de F — Vect((l, 1,0), (0,1, —1)).
(c) Déterminer une base du sous-espace G = {(æ, y, z) € R3 | x — z = 0}.
(d) Déterminer une base de R3 adaptée au sous-espace G précédent.
1. On pourrait aussi étudier 7? sous-espace vectoriel de l’espace C°°(R, R) des fonctions de classe C°°.
2. Un exemple moins trivial de fonction C°° à support compact est donné dans le sujet 12 du chapitre 8
de l’ouvrage Exercices d’analyse MPSI.
Solution
(a) Les vecteurs u et v ne sont pas colinéaires et constituent une famille libre.
méthode
Toute famille libre peut être complétée en une base (Th. 10 p. 242). Les vec
teurs complétant peuvent être choisis à l’intérieur d’une famille génératrice.
L’espace R3 étant de dimension 3, il suffit d’un vecteur pour compléter (u,v) en une
base. On choisit ce vecteur parmi les vecteurs e± = (1,0,0), 62 = (0,1, 0) et 63 = (0, 0,1)
de la base canonique. Le vecteur ei ne convient pas car u — v = ei. Le vecteur e? convient.
En effetx, en opérant12 sur les vecteurs de l’espace engendré
Vect(u, tj, 62) = Vect( ei , v, 62) = Vect(ei, 63 ,62)= R3.

u—v v—e2
Ceci assure que la famille (72,77,62) est génératrice et c’est donc une base de R3. Le
vecteur 63 aurait aussi pu convenir et, plus généralement, tout vecteur n’appartenant
pas à Vect (12,77) convient.
(b) Les vecteurs 711 = (1,1,0) et = (0,1,—1) ne sont pas colinéaires et forment
donc une base de l’espace F.
méthode
Les vecteurs complétant une base d’un sous-espace vectoriel engendrent un
supplémentaire de celui-ci.
On peut compléter la famille (7/1,722) en une base à l’aide du vecteur ei de la base
canonique car
Vect(7ii,7/2,ei) = Vect( 62 ,7/2,6i) = Vect(e2, —63,61)= R3.

u2—e2
La droite D = Vect(ei) définit alors un supplémentaire du plan F. Plus généralement,

n’importe quelle droite vectorielle qui n’est pas incluse dans F détermine un supplémen
taire du plan F.
(c) méthode
On résout l’équation définissant G afin d’exprimer cet ensemble comme un
espace engendré.
L’équation x — z = 0 d’inconnue (#, 7/, z) G R3 a pour solution les triplets
(x, 7/, x) = æ(1, 0,1) + 7/(0,1,0) avec x, y G R.

1. On peut aussi vérifier que la famille est libre en étudiant la nullité d’une combinaison linéaire.
2. On ne modifie pas l’espace engendré par une famille de vecteurs lorsque l’on permute ses vecteurs,
lorsque l’on ajoute à un vecteur une combinaison linéaire des autres ou lorsque l’on multiplie un de ses
vecteurs par un scalaire non nul.
L’espace G est donc l’ensemble des combinaisons linéaires des vecteurs ui = (1,0,1)
et V2 = (0,1,0). Ces derniers étant linéairement indépendants, ils forment une base
de G.
(d) méthode
Une base adaptée à un sous-espace vectoriel est une base de l’espace dont les
premiers vecteurs constituent une base du sous-espace.
Il suffit de compléter la famille (^1,^2) en une base de IR3. Le vecteur ei de la base

canonique convient et (ui,U2,ei) est une base de R3 adaptée à G.
Exercice 11 **
Soit F et G deux sous-espaces vectoriels d’un espace vectoriel réel E. Montrer
que F U G est un sous-espace vectoriel de E si, et seulement si1, F C G ou G C F.
Solution
Si F c G, la réunion de F et G est égale à G et c’est donc un sous-espace vectoriel
de F. On conclut de même si G C F.
méthode
Il On établit la réciproque en raisonnant par contraposée.
Si F (jL G et G F, il existe des vecteurs x E F et y e G tels que x G et y F.
Etudions alors le vecteur x -F y. Celui-ci ne peut appartenir à F car 2
x + y E F => y = {x 4- y) — x EF
ce qui est exclu. De même, le vecteur x 4- y ne peut être élément de G. On en déduit que
la partie F U G n’est pas stable pour l’addition des vecteurs :
x^yEFUG et x + y^FUG.
Ainsi, F U G n’est pas un sous-espace vectoriel.
Exercice 12 ***
Soit E un espace vectoriel de dimension finie n.
(a) Soit F et G deux sous-espaces vectoriels de F vérifiant dimF + dim G > n.
Montrer que F O G n’est pas réduit au vecteur nul.
(b) Généraliser ce résultat à plusieurs sous-espaces vectoriels Fi,..., Fp de E.
1. Cette étude est généralisée dans le sujet 31 p. 272.

2. Notons que l’appartenance de x 4- y à F n’implique pas à elle seule l’appartenance de y à F : deux
vecteurs peuvent avoir une somme horizontale sans qu’aucun des deux le soit. Ici, on obtient y E F par
argument d’opération en employant x + y E F et x E F.
Solution
(a) méthode
La formule de Grassmann (Th. 15 p. 243) relie la dimension d’une somme et
celle d’une intersection.
L’espace somme F + G est inclus dans E et donc dim (F + G) n. La formule de
Grassmann donne alors
dim(F n G) = dim F + dim G — dim(F + G) > 0.
Ceci assure que F Cl G n’est pas réduit au vecteur nul.
(b) On généralise ce qui précède en établissant, pour Fi,..., Fp des sous-espaces vec
toriels de F, la propriété
p p
dim Fj > (p — l)n =>
j=i J=1
méthode
Par récurrence sur p G N*, on vérifie :
p \ p
(P| Fj j > dimFj — n(p — 1).
j=i / j=i
La propriété est entendue pour p — 1.

Supposons la propriété vraie au rang p 1 et considérons Fi,..., Fp et Fp+i des sous-
espaces vectoriels de F. Introduisons les espaces F = Fi A ... n Fp et G = FP+\. Comme
au-dessus, F + G est de dimension inférieure à n et la formule de Grassmann donne
dim(F A G) = dim F + dim G — dim(F + G) dim F -F dim G — n.
On en déduit par l’hypothèse de récurrence

p+i \ / p \ p
( n
j=i /
dim P Fj I + dim Fp+i — n
\j=i /
y^ dim Fj — np.
j=i
La récurrence est établie et la conclusion est dès lors immédiate
p / p \
y^ dim Fj > (p — l)n => dim I P Fj; j >0
j=i \j=i /
p
=> n^v{oE}.
J=1
Exercice 13 ***
Soit p e N* et Ep l’ensemble des suites complexes p-périodiques, c’est-à-dire l’en
semble des suites1 u = (uÇn)) vérifiant u(n + p) = u(n) pour tout naturel n.
(a) Montrer que Ep est un C-espace vectoriel de dimension finie et calculer celle-ci.
(b) Déterminer une base de Ep formée uniquement de suites géométriques.
Solution
(a) On vérifie que Ep est un sous-espace vectoriel de l’espace CN des suites complexes.
L’ensemble Ep est une partie non vide de CN car la suite nulle est évidemment pério
dique. Si u et v sont deux suites p-périodiques et si A, p désignent deux complexes, la suite
Au + p/v = (Au(n) + pu(n)) est p-périodique car Au(n + p) + /w(n + p) = Au(n) -F pv(n)
pour tout naturel n.
méthode
On détermine la dimension de Ep en exhibant une base de cet espace : ceci
invite à réfléchir sur les « degrés de liberté » possibles lors de la construction
d’un élément de Ep.
Une suite u de Ep est déterminée par ses premières valeurs tz(O),..., u(p — 1), les sui
vantes se déduisant par périodicité. On introduit une famille de suites e = (cq, • • •, ep-i)
traduisant le choix de ces valeurs 2. Pour tout Oî^p—1, on note e* la suite définie
par
/x I1 si n = i [pl
enn) — S
0 sinon.
Les suites e* appartiennent toutes à l’espace Ep et sont linéairement indépendantes car,

si AqCo + • • • + Ap-iCp-i est la suite nulle, les Ai sont tous nuis puisqu’ils correspondent
aux premières valeurs de cette suite. Enfin, cette famille est génératrice car, pour tout
suite u de Ep, on peut vérifier
p-i
u= u(i)ez.
i=0
Finalement, la famille e = (eo, • • • , ep-i) est une base de Ep ce qui permet d’affirmer
que l’espace Ep est de dimension p.
(b) méthode
|| On commence par déterminer les suites géométriques éléments de Ep.
1. Dans ce sujet, on adopte une notation fonctionnelle des termes de la suite en écrivant u(n) au lieu
de un-
2. Dans le chapitre suivant, on introduit la notion d’isomorphisme : celle-ci permet de calculer la
dimension de Ep en introduisant l’application qui à la suite u associe (u(0),... ,u(p — 1)) E
Soit q e C*. La suite géométrique1 (çn) est élément de Ep si, et seulement si, qn+p — qn
pour tout naturel n. Ceci équivaut à affirmer que q est une racine p-ième de l’unité. On
sait qu’il y a exactement p racines de l’unité distinctes ce qui invite à introduire les p
suites géométriques correspondantes.
Pour j e [0 ; p — 1], considérons la suite géométrique Uj déterminée par Uj (n) = uü™
avec üüj = e217r^p racine p-ième de l’unité. La famille (uq, •. . est constituée par
exactement p = dim Ep éléments de Ep, il suffit de vérifier qu’elle est libre pour affirmer
que c’est une base.
Supposons
Aoô + • • • + Ap-iUp—i = 0
avec Aq, • • •, Ap~i des nombres complexes. Pour tout naturel n, on a l’équation
p-i
méthode
|| 1 +• • •+ = 0 lorsque üj est une racine p-ième de l’unité distincte de 1.
Soit k e [0 ; p — 1] fixé. En multipliant l’équation (*) par ujkn et en sommant les

équations obtenues pour n allant de 0 à p — 1, on obtient
= 0.
En échangeant les deux sommes
(**)
où la somme contenue est géométrique de raison 1. Celle-ci est une racine p-ième
de l’unité et, lorsque j k, elle est différente de 1, de sorte que
p-i
1 - (üJjüJk X)P
1 - 1
= 0 si j k et =P*ij =k-
n=0 n=0
L’équation (**) se relit alors pAk = 0 ce qui donne Ak = 0. On peut conclure à la liberté
de la famille (uq, ..., up_i) constituant alors une base de Ep.
1. Une suite géométrique est plus généralement de la forme (uoQn) mais le facteur de colinéarité uq
non nulle peut être omis dans cette étude : faire varier celui-ci n’influe pas sur la construction d’une
base.
7.7.2 Liberté
Exercice 14 **
Soit (ni,... )Uniun+i) une famille de vecteurs d’un R-espace vectoriel E.
(a) Etablir que si la famille (ni,... ,nn) est libre et que si un+i n’appartient pas
à Vect(ni,..., un) alors (ni,..., un, nn+i) est libre.
(b) Etablir que si la famille (zz-i,..., un. un+i) est génératrice et que si nn+i est
élément de Vect(ni,..., nn) alors (ni,..., un) est génératrice.
Solution
(a) Soit (Ai,..., An, An+i) G Kn+1. Supposons
Aiîzi + • ■ • + Xnun + An+iun+i = Oe- (*)
méthode
Affirmer que la famille (ni,..., un) est libre permet d’assurer que les scalaires
Ai,..., An sont nuis une fois que l’on sait An+i nul.
Si An+i / 0, il est possible d’écrire nn+i = /qni + • • • + iinun avec /q = —A*/An+i.
Ceci est exclu car nn+i Vect(ni,..., unf On en déduit An+i = 0. L’équation (*) se
simplifie alors en Ai ni 4--------- H Annn = 0# et donc Ai = • • • = An = 0 car (m,..., un) est
libre.
Finalement, tous les Xi sont nuis et l’on peut conclure que la famille (izi,..., un. un+i)
est libre.
(b) méthode
Un vecteur de E est combinaison linéaire des ni,..., un et de nn+i et ce dernier
vecteur est lui-même combinaison linéaire des ni, ..., un.
Soit x un vecteur de E. On peut écrire x = Ajni H------ F Xnun -F An+inn+i car la famille
(ni,..., nn, un+i) est génératrice. Puisque nn+i G Vect(ni,..., nn), on peut aussi écrire
nn+i = /qm H--------- F Hnun puis affirmer x = qm H--------- F avec = Ai -F An+i/q.
Ainsi, x est combinaison linéaire de la famille (ni,... ,nn) et, finalement, cette famille
est génératrice.
Exercice 15 ***
Pour a G C, on note ea l’application de R vers C définie par ea(t) = exp(at).
Montrer que la famille (ea)aec est une famille libre d’éléments de l’espace ^(R, C).
Solution
méthode
On montre qu’une famille infinie est libre en vérifiant que toutes ses sous-
familles finies le sont.
Par récurrence sur n E N*, montrons que toute sous-famille à n éléments de (ea)aec
est libre.
Pour n = 1, une sous-famille à un élément de (ea)aGc est libre car aucune fonction de
cette famille n’est nulle.
Supposons la propriété établie au rang n 1 et considérons ai,..., an, an+i des com
plexes deux à deux distincts. Supposons
Aieai + • • • + Anean + An_|_iean+1 = 0 (1)

avec Ai,..., An, An+i G C. On dérive cette relation fonctionnelle sachant (ea)' = aea :
&iAieai + • • • + ^n^-an H- &n+i An+iean+1 — 0. (2)

La combinaison an+i(l) — (2) simplifie le terme ean+1 et donne
(ttn+i — ûi)Aieai + • • • + (an+i — an)Aneûn = 0.

Par l’hypothèse de récurrence, et en exploitant que les ai sont deux à deux distincts, on
obtient Ai = • • • = Xn — 0 et l’on en déduit An+i = 0.
La récurrence est établie et l’on peut affirmer que la famille (ea)aec est libre car toutes
ses sous-familles finies le sont.
7.7.3 Supplémentarité
Exercice 16 *
Dans l’espace réel E des fonctions de R vers R, on introduit les espaces P et I
constitués respectivement des fonctions paires et impaires. Montrer que ceux-ci sont
supplémentaires dans E.
Solution
Inutile de vérifier que P et I sont des sous-espaces vectoriels de E car le sujet l’affirme1.
méthode
Il n’est pas nécessaire2 d’étudier si P et I sont en somme directe : on peut
directement raisonner par analyse-synthèse.
Soit f une fonction élément de E.

Analyse : Supposons f = g+h avec g et h des fonctions respectivement paire et impaire.
Pour tout x réel, on a f(x) = g(x) + h(x) mais aussi, par parité, /(—x) = g(x) — h(x).
La résolution du système formé par ces deux équations détermine g et h de façon unique
/ \ f(X) + f(~X) i/ \ f(X) ~ f(~X)
g(x) —--------- -------- et h(x) =--------- -------- pour tout x E R.
1. Il n’est cependant pas difficile de vérifier que la fonction nulle est paire et qu’une combinaison
linéaire de deux fonctions paires est une fonction paire.
2. Cependant, si le lecteur à l’intuition de la décomposition d’une fonction en la somme d’une fonction
paire et d’une fonction impaire, il peut vérifier celle-ci et établir l’unicité de l’écriture en observant que
les espaces sont en somme directe.
Synthèse : Les deux fonctions g et h proposées par les identités ci-dessus sont de somme
égale à f et l’on constate aisément qu’elles ont les parités voulues.
On peut alors conclure que P et I sont des espaces supplémentaires de E.
Exercice 17 *
Soit E un espace vectoriel de dimension finie n 1 et H un sous-espace vectoriel
de E de dimension1 n — 1. Montrer que si un vecteur a de E n’appartient pas à H
alors E = H G) Vect(a).
Solution
méthode
En dimension finie connue, on peut montrer que deux sous-espaces vecto
riels sont supplémentaires en observant qu’ils sont en somme directe et que la
somme de leurs dimensions vaut la dimension de l’espace (Th. 16 p. 244).
Le vecteur a n’appartenant pas à H, ce n’est pas le vecteur nul ce qui permet d’affirmer
que l’espace Vect(a) est de dimension2 1. On vérifie donc dim J7 + dim Vect(a) = dim2?.
Montrons alors que les espaces H et Vect(a) sont en somme directe en étudiant la nullité
de leur intersection. Soit x un vecteur de l’intersection de H et Vect(a). On a x — Aa
avec A un scalaire. Ce dernier est nécessairement nul car sinon on peut écrire
ce qui établit que a est élément de H par opération dans

le sous-espace vectoriel H. On a donc x — 0# et l’on peut
affirmer 3 H A Vect(u) = {0#}. Les espaces H et Vect(a) sont
donc en somme directe et, par l’argument de dimension qui
précède, ils sont supplémentaires dans E. La figure ci-contre
illustre cette supplémentarité en dimension 3.
Exercice 18 **
Dans l’espace E des fonctions continues de [— 1 ; 1] vers R, on considère les sous-
espaces vectoriels
F± = {/ G E | f est constante}, F2 = {/ G E | W G [—1 ; 0], f(t) = 0} et
-^3 = {/€ 2? | Vi G [0 ; 1],/(£) = 0}.

Établir
E = Fi G) F% G) F3.
1. On dit que H est un hyperplan. Cette notion sera présentée et étudiée dans le chapitre 8. Le résultat
en cours apparaîtra alors comme une conséquence immédiate du Th. 16 p. 279.
2. Vérifier la condition a 7^ 0^ assure que la famille (a) est libre et constitue donc une base de
l’espace Vect(a) ce qui permet d’affirmer que celui-ci est de dimension 1.
3. Précisément, on a plutôt établi H n Vect(a) C {0#} mais l’inclusion réciproque est entendue car
H et Vect(a) contiennent le vecteur nul puisque ce sont des sous-espaces vectoriels.
Solution
méthode
On montre que des espaces .., Fn sont en somme directe en établissant
que, si xi + • • • + xn = 0# avec Xi dans F^ alors chaque Xi est nul (Th. 5
p. 239).
Supposons
/i + /2 + /3 = 0 avec fi e Fi pour i e {1,2,3}.
On a alors pour toute valeur de la variable x dans [—1 ; 1]
flW + Ï2(^) + fa(x) = 0.
En évaluant en 0, on obtient /i(0) = 0 et la fonction constante /i est nulle.

En évaluant alors en x G ]0 ; 1], on obtient fz(x) = 0 et donc f2 est nulle sur ]0 ; 1] .
Puisque fz est aussi nulle sur [—1 ; 0], c’est la fonction nulle.
Enfin, les fonctions /i et fz étant milles, la fonction /3 l’est aussi. On peut alors affirmer
que les espaces Fi, Fz et F3 sont en somme directe.
Soit f E E. Décomposons f en une somme de fonctions des sous-espaces Fi. Posons1
“'J'0;1’ et
10 si t e [—1 ; 0]
, . f0 si t e [0 ; 1]
V(t)-/(0) site[-l;0[.
La fonction /i est constante. La fonction f2 est continue, notamment en 0, et nulle

sur [—1 ; 0]. La fonction /3 est aussi continue et nulle sur [0 ; 1]. Enfin, on a évidemment f
égale à la somme des fi. On peut donc écrire
f = fi + h + h avec fi e Fi pour tout i e {1, 2,3}
et conclure
E = Fi O Fz © F3.
Exercice 19 **
Soit F un sous-espace vectoriel d’un espace E de dimension finie et G un supplé
mentaire de F. On introduit e = (ei,..., ep) une base de G et, pour a = (ai,..., ap)
une famille de vecteurs de F, on note
G& — -f-
Montrer que les espaces Ga déterminent tous les espaces supplémentaires de F.
1. Ces fonctions sont le fruit d’une « petite » analyse.

Solution
Commençons par établir que les espaces Ga sont des supplémentaires de F.
méthode
On détermine la dimension de Ga puis on vérifie que F et Ga sont en somme
directe.
Etudions la liberté de la famille (e^- + aj)i^j^p. Supposons
Ai(ei + ai) 4- • • • + Ap(ep 4- ap) = 0# avec Ai,..., Ap scalaires.
En ordonnant les termes de cette identité, on écrit
AiCi + • • • + Apep = — (Aiai 4- • • • + Apap).

GG GF
L’intersection des espaces F et G étant réduite au vecteur nul, on a Aie± H----- F Apep = 0#
puis Ai = • • • = Ap = 0 car la famille e est libre.
Ainsi, la famille (ej + aj)i^j^p est libre et c’est donc une base de l’espace Ga- On en
déduit dim Ga = P-
Etudions ensuite l’intersection de F et Ga. Un vecteur x de Ga s’écrit
x — Ai(ei + ai) + • • • 4- Xp(ep 4- ap) avec Ai,..., Ap scalaires.
Si de plus ce vecteur appartient à F, on organise les termes de cette égalité
Aiî + • • • 4- Apep = (x — (Aiai 4- • • • 4- Apap))

GG GF
et l’on peut affirmer Aiei + • • • 4- Apep = 0 e puis Ai = • • • = Ap = 0 et, enfin, x — 0#.

Les espaces F et Ga sont donc en somme directe et vérifient dimF + dimGa = dim F,
ce sont des espaces supplémentaires.
Vérifions ensuite que les espaces supplémentaires de F sont tous de la forme Ga pour
une famille a — (ai,... ,ap) de vecteurs de F bien choisie. Soit G' un supplémentaire
de F.
méthode
Il On décompose chaque vecteur ej en somme d’un vecteur de F et d’un vecteur
Il de G'.
Pour tout j e [1 ;p], on peut écrire ej = Xj 4- % avec Xj e F et yj e G'. Considérons

alors l’espace Ga déterminé par la famille des aj = —Xj. Pour tout j G [1 ;p]|, le vec
teur ej 4- aj est élément de G' et donc Ga est inclus dans G'. Au surplus, les espaces G'
et Ga ont la même dimension car sont tous deux supplémentaires de F. Par inclusion et
égalité des dimensions, on peut conclure G' = Ga (Th. 13 p. 243).
Exercice 20 **
Soit E un K-espace vectoriel de dimension finie et F±,..., Fn des sous-espaces vec
toriels de E vérifiant F± ------ -F Fn = E.
Montrer qu’il existe des sous-espaces vectoriels G\,..., Gn tels que :
VI i îi, Gi C Fi et E — G± (B • * • ® Gri.
Solution
méthode
On définit successivement chaque espace Gi comme supplémentaire dans Fi
d’un espace calculé à partir des espaces Gi,..., G^-i déjà obtenus.
Posons Gi = Fi, G2 un supplémentaire de Gi Cl F2 dans F2, et plus généralement, Gi
un supplémentaire de (Gi H------ FG^-i) Pi Fi dans F^. Cette construction est possible car,
en dimension finie, tout sous-espace vectoriel admet un supplémentaire (Th. 14 p. 243).
Les espaces Gi sont par construction inclus dans Fi.
Montrons qu’ils sont en somme directe. Supposons x\ -F • • • -F xn = 0# avec Xi E Gi.
On a xn élément de Gn, donc de Fn, et aussi xn = — (aq + • • • + xn-i) élément de la
somme GiH------FGn_i donc de (Gid------ FGn-i)PFn. Cet espace étant en somme directe
avec Gn, on peut affirmer xn = 0#. On obtient alors la relation xi H-------- F#n-i — 0^ Qui
permet de reproduire le raisonnement pour établir successivement la nullité de chaque Xi.
On obtient ainsi que les Gi sont en somme directe.
Montrons ensuite que la somme des Gi est égale à F. Soit x E E. L’hypothèse d’étude
permet d’écrire x = X\ -F------ F xn avec Xi E Fi. Les espaces (Gi H------ F G;_i) O Fi et Gi
étant supplémentaires dans F^ on peut décomposer le vecteur Xi
Xi = ai + bi avec ai E (Gi -F • • • -F G^-i) n Fi et bi E Gi.
Le vecteur ai peut lui-même être décomposé en
ai = a^ + • • • + aiî—i avec aij E Gj.
En posant aKb — bi E G;, on obtient l’écriture suivante où l’on permute les deux sommes
n / i \ n / n \ n
æ = 52(52aM =52(52 )= 52% avec yjeGi-
i=l \j=l / j=l \z=j J=1
Le vecteur x appartient donc à la somme des espaces Gj et l’on peut conclure que F est
la somme directe des espaces Gi,..., Gn.
7.7.4 Rang d’une famille de vecteurs
Exercice 21 *
Soit (aq,..., xn) une famille de vecteurs d’un espace vectoriel E. Établir que, pour
tout p E [0 ; n],
rg(aq,..., xp) rg(aq,..., xn) + p - n.
Solution
méthode
Le rang d’une famille de vecteurs est la dimension de l’espace que celle-ci
engendre.
Les combinaisons linéaires des vecteurs x\,...,xn peuvent se percevoir comme les
sommes des combinaisons linéaires des vecteurs aq,..., xp et #P+i,..., xn. On a donc
Vect(aq,..., xn) = Vect(aq,..., xp) 4- Vect(æp+i,..., æn).
La dimension d’une somme de sous-espaces vectoriels est inférieure à la somme des di
mensions de chaque espace et donc
rg(æi,...,xn) < rg(æi,..., xp) + rg(xp+i,..., xn).
Enfin, le rang d’une famille de vecteurs est plus petit que le nombre de vecteurs qui la
constitue et ceci entraîne
rg(æi,..., xn) < rg(xi,..., xp) + n - p.
En réorganisant les membres, on obtient la comparaison voulue.
Exercice 22 **
Soit a, 6, c trois réels. Déterminer dans l’espace des fonctions de R vers R le rang de
la famille des fonctions fa: x sin(Æ + a), fa: x i-> sin(# 4- b) et fc : x i-> sin(rr 4- c).
Solution
méthode
Par développement du sinus, ces fonctions sont toutes combinaisons linéaires
des deux fonctions sinus et cosinus.
Pour d e {ci, b, c}, on a sin(rc4-d) = cos dsinx + sin dcos x et les trois fonctions fa,fb, fc
appartiennent à l’espace Vect(sin, cos) des combinaisons linéaires des fonctions sinus et
cosinus. Au surplus, aucune de ces fonctions n’est nulle et l’on peut affirmer
1 rg(/o,/fe,/c) < 2.
Si le rang vaut 1 ceci signifie que les trois fonctions sont colinéaires.
Les fonctions fa et fo sont colinéaires si, et seulement si, elles sont égales ou opposées
car chacune varie de —1 à 1. Ceci a lieu uniquement lorsque a = b [ît] . On peut alors
affirmer que le rang de la famille des trois fonctions vaut 2 sauf si a, b et c sont tous égaux
modulo 7T auquel cas le rang vaut 1.
7.7.5 L'espace des polynômes
Exercice 23 * (Polynômes de Bernstein)

Soit n € N. Pour tout k € [0 ; n], on pose = Xfc(l — X)n~k
Montrer que la famille (Fq, • • •, Pn) est une base de Rn[X].
Solution
méthode
|| On vérifie que la famille est libre et constituée du bon nombre d’éléments.
Commençons par souligner que les polynômes Pk sont tous de degré n : ils appar
tiennent bien à l’espace Rn[X]. De plus, ceux-ci sont au nombre de n -F 1 avec n + 1 égal
à la dimension de Rn[X]. Il suffit donc d’établir que la famille (Po, • • •, Pn) est libre pour
conclure que c’est une base de Rn[X] (Th. 12 p. 243).
Supposons AqPq + • • • + AnPn = 0 avec Aq, ..., An réels, c’est-à-dire
A0(l - X)n + AiX(l - X)”-1 + ■ • • + XnXn = 0. (*)
En évaluant en 0 cette identité polynomiale, on obtient immédiatement Aq = 0. La

relation (*) peut alors être simplifiée par X ce qui donne
Ai(i - xy1-1 + a2x(i - x)n~2 + ■■■ + xnxn-] = o.

On évalue à nouveau1 en 0 pour obtenir Ai = 0 et encore simplifier par X, etc. Ainsi, on
obtient successivement A* = 0 pour tout indice i allant de 0 jusqu’à n : on peut conclure
que la famille (Po, •• • > Pn) est libre, c’est donc une base de Rn[X].
Exercice 24 ** (Polynômes de degrés étagés)

Soit (Pn)neN une famille de polynômes de K[X] vérifiant deg(Pn) = n pour tout
naturel n. Montrer que (Pn)neN est une base de K[X].
Solution
méthode
|| On commence par vérifier que la sous-famille (Pfc)o^/c^n est une base de Kn[X].
Soit n e N. La famille (Pfc)o^fc^n est constituée de n+ 1 = dim]Kn[X] polynômes tous
éléments de Kn [X]. Vérifions que celle-ci est libre.
Supposons AqPq H----- FAnPn = 0 avec Aq, ..., An scalaires. En réorganisant les membres
de cette identité, on peut écrire
AnPn = -(AqPq h-------F An-iPn-i) avec deg(AoPo H-------F An_iPn_i) < n - 1.
Nécessairement le scalaire An est nul car sinon deg(AnPn) = n. La relation de départ

peut alors être simplifiée en AqPq + • • • + An_iPn_i = 0 ce qui permet de reproduire le
raisonnement et d’obtenir successivement la nullité des Ai pour i décroissant de n à 0.
La famille (Pfc)o^Zc^n est libre et c’est donc une base de Kn[X].
Reprenons ensuite la famille initiale (Pn)neN-
1. On peut être surpris d’une simplification par X suivie d’une évaluation en 0. Ceci n’a rien de
XP
singulier car on manipule ici des polynômes et non des fonctions d’une variable réelle. Si un produit
désigne le polynôme nul avec P un polynôme, on a nécessairement P = 0 et donc F(0) = 0 : c’est la
démarche qui est employée ici.
méthode
En dimension infinie, on montre qu’une famille est une base en revenant à la
définition : c’est une famille libre et génératrice.
La famille (Fn)neN est libre car toutes ses sous-familles finies le sont. En effet, une
sous-famille finie de (Pn)nen peut être comprise comme une sous-famille de la famille
libre (Pk)o^k^n en considérant n assez grand.
La famille (Pn)neN est génératrice car, si P désigne un polynôme de K[X], il existe
un naturel n tel que P E Kn[X] et donc P est combinaison linéaire de la sous-famille
(Pk)o^k^n donc aussi de la famille (Pn)neN-
Finalement, (Pn)neN est une base1 de 5C[X].
7.7.6 Sous-espaces affines
Exercice 25 *
Soit V et W deux sous-espaces affines de directions F et G d’un espace E. Lorsque
F G G, on dit que V est parallèle à W. Montrer qu’alors V C W ou bien V et W
sont disjoints.
Solution
méthode
Il suffit de connaître un point et sa direction pour décrire un sous-espace affine
(Th. 18 p. 245).
Si V et W ne sont pas disjoints, on peut introduire un point a commun à V et W. On
peut alors décrire les espaces V et W :
V=a+F et W = a + G.
L’inclusion de F dans G donne ensuite directement V C W.

Exercice 26 **
Soit V et W deux sous-espaces affines disjoints d’un espace vectoriel réel E.
Montrer qu’il existe deux sous-espaces affines disjoints V' et W ayant la même
direction et contenant respectivement V et W.
Solution
On introduit des points a E V et b E W afin de pouvoir décrire les sous-espaces affines
considérés t V = a + F et W = b + G.
méthode
La direction des sous-espaces affines V' et W' doit contenir F et G donc F+G.
Puisqu’il serait maladroit de prendre une direction trop grande, on choisit V'
et W' de direction F + G.
1. Les bases de ce type sont très nombreuses, on y trouve la base canonique, la base de Taylor
constituée des (X — a)fc, la base des polynômes de Tchebychev et bien d’autres...
Posons Vr — a -F (F + G) et Wf — b -F (F -F G). Les ensembles V et W' sont deux

sous-espaces affines de même direction contenant respectivement V et W. Vérifions qu’ils
sont disjoints en raisonnant par l’absurde. S’il existe un point x commun à V et W', on
peut introduire des vecteurs u, u' e F et v, F e G tels que
x = a + (iz -F v) = b + (F -F v').
€a+(F+G)-V' Gb+(F+G)=Vr
En réorganisant les membres, on peut alors écrire
a -F (u — u') = b -F (F — v).
ea+F=V eb+G=W '
Ceci détermine un élément commun à V et W ce qui est absurde car on a supposé ces
sous-espaces affines disjoints.
Exercice 27 *
Montrer que les familles des fonctions x i-> cos(nx) et x i-> cosn x pour n parcou
rant N engendrent le même sous-espace vectoriel de F(R, R).
Solution
méthode
| Par trigonométrie, on exprime les fonctions d’une famille comme combinaison
Il linéaire des fonctions de l’autre famille.
Soit n e N. Par linéarisation
e^+e-iæy = £ A (n\ i(n_2fc)x
cosn x =
2 7 2” ^\k
7 fc=O x '
En regroupant1 entre elles les exponentielles imaginaires d’angles opposés, on découpe

la somme en deux ce qui amène à discuter selon la parité du nombre de termes présents.
Pour tout p e N, on obtient
cos2p x = 52 (F) cos((2p - 2fcH + (2p )

k=0 ' ' \F/
P / V
cos2p+1 z = 52 1 ) COS((2P - + 1)®)-

k=0 ' '
1. On pourrait aussi écrire que cosn x est la partie réelle de la somme ce qui fait aussi apparaître rapide
ment une formule décisive en exploitant la parité de la fonction cosinus afin de résoudre les cos((n —2fc)æ)
pour n — 2k 0.
Ainsi, les fonctions x cosn x sont combinaisons linéaires des fonctions x cos(nrr)
avec n G N.
Inversement, on peut écrire par la formule de Moivre
cos(nrr) = Re(emæ) = Rem cos(x) cosn-\^) ik sn?(z)
Dans la somme, les termes réels sont uniquement obtenus pour les indices k pairs et donc
|n/2j
cos(nrr) = f ™ ) (—l)p cosn-2p(j:) sin2p(a:) avec sin2p x = (1 — cos2 x^P.
p—0 '
En poursuivant le développement, on exprime la fonction x i—> cos(na?) comme combinai

son linéaire des fonctions x h-> cosn x.
Finalement, les deux familles de fonctions engendrent le même espace.
Exercice 28 ** (Polynômes de Newton)

Pour k E N, on pose
X(X-l)...(X-fc + l)
k kl
(a) Montrer que la famille (Pn)neN est une base de R[X].
(b) Vérifier que Pfc(m) est entier pour tout m € Z et tout k 6 N.
(c) Trouver tous les polynômes P prenant des valeurs entières sur chaque entier.
Solution
(a) On reconnaît une famille de polynômes réels de degrés étagés1, c’est donc une
base de R[X].
(b) Soit m E Z et k E N.
méthode
| Le nombre Pfc(m) peut être compris comme un coefficient du binôme.
Cas : m k.
( . m{m - 1)... (m - k 4-1) /m\
pk(m) = —-------- —rp------------- - = 7 £ N.
kl \k J
Cas : 0 m < k — 1.
Pfc(m) = 0 G N.
Cas : m < 0. On écrit m = —p avec p E N et
Pkçm^ = m(m-l)...(m-fc + l) = p(p + 1) ,,, (p +fc - 1)
kl kl
= (-i)<p + ^1hz.
\ k )
Dans tous les cas, les valeurs F/C(m) sont entières.
(c) Soit P un polynôme solution.

méthode
On montre que les coordonnées de F dans la base (Pn)nG^ sont toutes des
nombres entiers.
Notons (An)nGN la famille des coordonnées de F dans la base (Fn)ne^. Celles-ci sont
milles à partir d’un certain rang et, en introduisant n 6 N assez grand, on peut écrire
F = A0F0 + Ai Fi + • • • + AnFn. (*)
En évaluant (*) en 0, on obtient AqFo(O) = F(0) car 0 est racine des polynômes
Fi,..., Fn. Sachant Fq(0) = 1, il vient Aq G Z. En évaluant (*) en 1, on obtient ensuite
AoPo(l) + AiFi(l) — F(l) et l’on en déduit Ai e Z. Successivement, on obtient Ai e Z
pour i allant de 0 à n en évaluant (*) en i et en exploitant Pi(i) = 1 et Pj(i) = 0 pour
tout j > i.
Inversement, il est clair que si toutes les coordonnées d’un polynôme dans la base
(Fn)ne^ sont des nombres entiers, ce polynôme prend des valeurs entières sur les nombres
entiers comme le font les Pn.
Exercice 29 **
Soit E un espace vectoriel réel de dimension finie n e N*. Déterminer les applica
tions d définies sur l’ensemble des sous-espaces vectoriels de F et à valeurs dans N
vérifiant, pour tous sous-espaces vectoriels F et G en somme directe,
d(FeG) = d(F) + d(G). (*)
Solution
L’application dimension semble être un bon candidat...
Pour F = G = {0#}, la formule (*) donne ^({O#}) = 0.
méthode
On vérifie que la fonction d prend la même valeur sur toutes les droites vecto
rielles de E.
Pour x 7^ 0#, posons f(x) = d(Vect(x)).
On a immédiatement /(Arc) = /(#) pour tout A e R* et tout x 0# car les vecteurs x
et Xx engendrent la même droite.
Soit x et y deux vecteurs de E non colinéaires. Le plan Vect(Æ, y) est la somme directe
de Vect(rc) et VectQ/). Le plan Vect(rc,?/) se confond aussi avec Vect(x,x + y) qui est la
somme directe de Vect(rr) et Vect(# + y). La propriété (*) donne alors
d(Vect(æ, y)) = /(æ) + /(y) = d(Vect(x, x + y)) = /(æ) + j(x + y).
On en déduit /(z + y) = /(y). Un raisonnement symétrique donne aussi f(x + y) = f(x)

et donc f(x) = f(y).
Finalement, la fonction f est constante sur E \ {0#}. Posons a E N la valeur de cette

constante. Pour tout sous-espace vectoriel F de E, on peut alors affirmer d(F) = a dim F.
En effet, cette égalité est vérifiée si F est l’espace nul et l’est aussi si F est de dimen
sion p 1 puisque, lorsque (ei,..., ep) désigne une base de F,
ap.
Inversement, la fonction d: F H ce dim F avec q 6 N est évidemment solution du

problème posé.
Exercice 30 **
Soit E un espace vectoriel réel de dimension finie.
Montrer que deux sous-espaces vectoriels F et G de E ont un supplémentaire commun
si, et seulement si, ils ont la même dimension.
Solution
Si les sous-espaces vectoriels F et G ont un supplémentaire commun H, ils ont la même
dimension car
dim E = dim F F dim H et dim E = dim G + dim H.
Inversement, montrons que si dimF = dim G alors F et G ont un supplémentaire

commun.
méthode
Si F G on peut introduire un vecteur a n’appartenant ni à F ni à G
engendrant une droite en somme directe avec F et G.
Posons n = dimF et raisonnons par récurrence décroissante sur la dimension com
mune p e [0 ; nj des espaces F et G.
Si p = n, les espaces F et G sont égaux à F et {0#} détermine un supplémentaire
commun.
Supposons la propriété établie au rang p + 1 E Jl ;nj. Soit F et G deux sous-espaces
vectoriels de dimension p. Si F = G, n’importe quel supplémentaire de F est convenable
et il en existe (Th. 14 p. 243). Sinon, F n’est pas inclus dans G ni G dans F. Il existe
alors un vecteur x de F et un vecteur y de G tels que x G et y F. Le vecteur
somme a = x T y n’appartient pas à F et la droite D = Vect(u) est en somme directe
avec F car l’intersection de ces deux espaces est réduite au vecteur nul. De même, la
droite D est en somme directe avec G. On peut alors introduire les espaces de dimen
sion p + 1
F' = F®D et G' = G®F.
Par l’hypothèse de récurrence, ces espaces possèdent un supplémentaire commun H' et
l’espace H = D ® H' détermine alors un supplémentaire commun à F et G.
Exercice 31 ***
Soit Fi,..., Fn des sous-espaces vectoriels d’un espace vectoriel réel E.
Montrer que si l’union Fi U ... U Fn est un sous-espace vectoriel, celle-ci est égale à
l’un des espaces Fi.
Solution
méthode
|| On vérifie que Fi U ... U Fn_i C Fn ou Fn C Fi U ... U Fn-i.
Par l’absurde, si les inclusions précédentes sont fausses, on peut introduire un élé
ment x de Fi U ... U Fn_i qui n’appartient pas à Fn et un élément y de Fn qui n’ap
partient pas à Fi U ... U Fn-i. Pour tout A e R, zx = x + Ay appartient au sous-
espace vectoriel Fi U ... U Fn. Cependant, ce vecteur ne peut appartenir à Fn car si
non x = z\ — Ay serait par opérations élément du sous-espace vectoriel Fn. Il existe donc
un indice i G [1 ;n — 1] tel que z\ est élément de Fi. Les valeurs possibles de A étant
en nombre infini, on peut affirmer l’existence de réels A et y distincts tels que z\ et z^
appartiennent au même Fi. On peut alors écrire
y ~ T (-Â Fi
A — fl
ce qui contredit la définition de y : c’est absurde.

Ainsi, on a montré que, si Fi U.. .UFn est un sous-espace vectoriel, Fi U.. .UFn_i C Fn
ou Fn C Fi U ... U Fn-i. Dans le premier cas, on peut conclure. Dans le second, on peut
simplifier l’union Fi U ... U Fn en Fi U ... U Fn~i et reprendre le processus : soit cette
union est incluse dans l’un des espaces, soit on peut réduire le nombre d’espaces qui la
constitue sans la modifier.
CHAPITRE 8
Les applications linéaires
K désigne R ou C et E, E' des IK-espaces vectoriels.
8.1 Applications linéaires
Définition
On appelle application linéaire de E vers Er toute application u : E E' vérifiant1 :
V(A,//) e K2, V(æ, y) e E2, u(Xx + yy) = Xu(x) + iau(y).
On note C(E, E') l’ensemble des applications linéaires de E vers E'.

Une telle application envoie le vecteur nul de E sur le vecteur nul de E' et transforme
une combinaison linéaire en la combinaison linéaire des images.
Une combinaison linéaire d’applications linéaires de E vers E' est encore une application
linéaire et l’on dispose donc d’une structure d’espace vectoriel :
Théorème 1
(£(E, E"), +,.) est un ]K-espace vectoriel de neutre l’application nulle x i-> 0#/.
De plus, si E et E' sont de dimensions finies, l’espace £(E, E') est aussi de dimension
finie et dim£(E,E') = dimE x dimE'.
1. Il existe une caractérisation plus économe où l’on étudie u(x + Ay) = u(x) + Aw(t/).
274 Chapitre 8. Les applications linéaires
La composée de deux applications linéaires est une application linéaire.

Définition
|| Un isomorphisme de E vers E' est une application linéaire bijective de E vers E'.
La composée de deux isomorphismes est un isomorphisme et la bijection réciproque d’un
isomorphisme est aussi un isomorphisme.
8.1.2 Noyau et image
Théorème 2
L’image directe d’un sous-espace vectoriel de E par une application linéaire de E
vers E' est un sous-espace vectoriel de E'.
L’image réciproque d’un sous-espace vectoriel de E' par une application linéaire de E
vers E' est un sous-espace vectoriel de E.
Définition
On appelle noyau et image d’une application linéaire u de E vers E1 les espaces :
Ker(u) = îx-1({0.e;/}) et Im(u) = u(E).
L’application u est surjective si, et seulement si, Im('iz) = E'.
Théorème 3
Une application linéaire u de E vers E' est injective si, et seulement si, Ker(u) = {0#}.
8.1.3 Équations linéaires

Définition
Une équation linéaire est une équation de la forme u(x) = y avec u E £(E, E'\ y E E'
et d’inconnue x e E.
Théorème 4
Si l’équation u(x) — y admet une solution1 xq, l’ensemble des solutions cette équa
tion est le sous-espace affine passant par xq et dirigé par le noyau de u.
Pour déterminer le noyau de tq on résout l’équation u(x) = 0#/ appelée équation homo
gène associée à l’équation linéaire u(x) = y.
1. On dit que xq est une solution particulière.

8.2 Endomorphismes 275
8.2 Endomorphismes
8.2.1 L’anneau des endomorphismes

Définition
On appelle endomorphisme de E toute application linéaire de E vers lui-même. On
note EÇE') l’ensemble des endomorphismes de E.
L’identité Id# est un endomorphisme de E. Pour a e K, l’application ha = aid# est
aussi un endomorphisme de E appelé homothétie de rapport a.
(£(E), +,.) est un IK-espace vectoriel. Si E est dimension finie, l’espace E{E) l’est aussi
et dim EÇE') — (dimE)2. Au surplus, on dispose d’une structure d’anneau :
Théorème 5
(£(E), +, o) est un anneau de neutres l’endomorphisme nul et l’identité.
Celui-ci n’est pas commutatif dès que dimE 2.
Dans l’anneau des endomorphismes, on opère avec la composition comme avec une mul
tiplication (non commutative). Cette structure hérite donc des propriétés1 vues dans
le chapitre 4. On note parfois uv pour u o v et l’on comprend un comme un itéré de
composition pour la loi o : un = u o • • • o u (n facteurs).
8.2.2 Automorphisme
Définition
|| On appelle automorphisme de E tout endomorphisme bijectif de E.
Les automorphismes sont les éléments inversibles de l’anneau £(E') : ils constituent un
groupe pour la composition des applications (Th. 8 p. 124).
Définition
|| L’ensemble GL(E) des automorphismes de E est appelé groupe linéaire de E.
8.2.3 Projections et symétries vectorielles

Soit F et G deux sous-espaces vectoriels supplémentaires
de E. Tout vecteur x de E s’écrit de façon unique x = a + b
avec a e F et b e G. On pose alors p(x) = a et s(x) = a—b.
Définition
L’application p est appelée projection sur F parallèle
ment à G et l’application s est appelée symétrie par
rapport à F et parallèlement à G.
La projection p correspond à l’identité sur F et à l’application nulle sur G.
1. Par exemple, on peut appliquer la formule du binôme au calcul de (u 4- v)n lorsque u et v sont
deux endomorphismes qui commutent.
Théorème 6
Les applications p et s sont des endomorphismes de E vérifiant
p2 = p, s2—Idg et s = 2p — Id#.
On peut aussi remarquer que q = Id# — p est la projection sur G parallèlement à F, on dit
que c’est la projection complémentaire de p. Aussi, l’endomorphisme —s est la symétrie
par rapport à G et parallèlement à F.
On dispose d’une réciproque au théorème précédent caractérisant les projections :
Théorème 7
Si p est un endomorphisme de E vérifiant1 p2 — p alors F — Im(p) et G = Ker(p)
sont supplémentaires et p est la projection sur F parallèlement à G.
Aussi,
Théorème 8
Si s est un endomorphisme de E vérifiant s2 = Id#, les espaces F = Ker(s — Id#)
et G = Ker(s + Id#) sont supplémentaires et s est la symétrie par rapport à F et
parallèlement à G.
8.3 Détermination d'une application linéaire
8.3.1 Image linéaire d’une famille de vecteurs
Théorème 9
Soit (^)ïçj une famille de vecteurs de E et u e £(E, Ef).
a) Si (æi)ie/ est génératrice de F, est génératrice de Im(îi).
b) Si est libre et si u injective, (îz(æi))i 7 est libre.
En particulier, si est génératrice de E et u surjective, la famille image (u(^))

est génératrice de l’espace E'.
Théorème 10
Soit u G £(F, F') et (e^)iei une base de E.
a) u est injective si, et seulement si, (^(ei))ie/ est libre;
b) u est surjective si, et seulement si, (u(ei))ie/ est génératrice de F' ;
c) u est un isomorphisme si, et seulement si, ('u(e^))iEJ est une base de F'.
1. Un endomorphisme vérifiant p2 = p est appelé un projecteur. Ce théorème affirme qu’il n’y a pas
lieu de distinguer projecteurs et projections vectorielles.
8.4 Théorème du rang 277
En particulier :
Théorème 11
S’il existe un isomorphisme entre deux espaces vectoriels, ceux-ci ont la même di
mension.
8.3.2 Détermination par l’image d’une base

On peut construire une application linéaire en spécifiant l’image d’une base :
Théorème 12
Si est une base de E et une famille de vecteurs de E', il existe une
unique application linéaire u: E E' vérifiant pour tout i G I.
Si deux applications linéaires u et v E £(E, E') sont égales sur chacun des vecteurs d’une
base de E, elles sont égales sur l’intégralité de E.
En considérant une application qui transforme une base en une autre, on peut affirmer
que deux espaces de dimensions finies égales sont isomorphes1.
8.3.3 Détermination par des restrictions linéaires

On peut aussi construire une application linéaire en désignant ses restrictions linéaires
au départ d’espaces d’une décomposition en somme directe :
Théorème 13
Si Ei,..., Em sont des sous-espaces vectoriels de E tels que E = Ei ® ® Em et
si les Uk désignent des applications linéaires de Ek vers E', il existe une unique ap
plication linéaire u G £(E, E') prolongeant les c’est-à-dire vérifiant u(x) = Uk(x)
pour tout x € Ek-
Si deux applications linéaires sont égales sur chacun des espaces d’une décomposition
en somme directe, elles sont égales sur l’intégralité de l’espace. En particulier, on peut
définir une application linéaire en précisant ses restrictions linéaires au départ de deux
espaces supplémentaires.
8.4 Théorème du rang
8.4.1 Rang d’une application linéaire

Définition
Si u est une application linéaire de E vers E', la dimension de son image est appelée
rang de l’application linéaire u. Celui-ci est noté rg(n).
1. Deux espaces de dimensions infinies peuvent ne pas être isomorphes.
Si est une base de E, on a
Im(u) = Vect(u(ei))i6/ donc rg(u) = rg(u(ei))ie/.
Le rang d’une application linéaire n’est pas modifié lorsque l’on compose celle-ci par un
isomorphisme.
Théorème 14 (Théorème du rang)

Si u est une application linéaire de E vers E' et si S est un supplémentaire du noyau
de u dans E alors u définit par restriction un isomorphisme de S vers Im(w).
En particulier, si l’espace E est de dimension finie, on a la formule du rang
dim E = dim Ker(n) -F rg(-u).
8.4.2 Caractérisation des isomorphismes en dimension finie
Théorème 15 (Théorème d’isomorphisme)

Une application linéaire entre deux espaces de même dimension finie est bijective si,
et seulement si, elle est injective, ou encore, si, et seulement si, elle est surjective.
X_____________________________ _ _________________________________________________ ;_______________________ ________________ ;__________ _______________ _ ____________ i_ _____________>
Ce résultat s’applique en particulier aux endomorphismes d’un espace de dimension finie.

Un tel endomorphisme est alors inversible si, et seulement si, il est inversible à gauche1,
ou encore, si, et seulement si, il est inversible à droite2. Les inverses à droite et à gauche
sont alors égaux à l’inverse de l’endomorphisme.
8.4.3 Formes linéaires et hyperplans

Définition
On appelle forme linéaire sur E toute application linéaire de E vers K. On note E*
l’espace des formel linéaires sur E que l’on appelle le dual de E.
Si (ei)ie/ est une base de E, l’application qui à un vecteur x associe sa coordonnée le
long de l’un des vecteurs est une forme linéaire.
Définition
|| On appelle hyperplan de E tout noyau d’une forme linéaire non nulle sur E.
Si H est un hyperplan noyau d’une forme linéaire non nulle ç?, on dit que l’hyperplan H
est défini par V équation ip(x) — 0. Les autres formes linéaires non milles dont H est le
noyau sont de la forme Aip avec A E K*.
1. Un endomorphisme u de E est inversible à gauche s’il existe v vérifiant v o u = Id#. Un tel

endomorphisme est nécessairement injectif : voir sujet 23 p. 34.
2. Un endomorphisme inversible à droite est surjectif.
Théorème 16
Si H est un hyperplan de E, toute droite D non contenue dans H détermine un
supplémentaire de H. Inversement, tout supplémentaire d’une droite de E est un
hyperplan.
Si l’espace E est de dimension finie égale à n, les hyperplans de E sont exactement les
espaces de dimension n — 1. Si (ei,...,en) désigne une base de E et si (aq,..., xn)
détermine la famille des coordonnées d’un vecteur générique x dans cette base, une
équation d’un hyperplan est de la forme
«læi -F • • • + anxn = 0 avec ai,..., an E K non tous nuis.
Les autres équations définissant le même hyperplan sont proportionnelles à celle-ci.
Exercice 1
Etudier la linéarité des applications suivantes, préciser leur noyau et leur image,
préciser aussi si celles-ci sont injectives ou surjectives :
(a) f : R3 —> R2 définie par f(x, y, z) — (2æ -F y — zy x -F y).
(b) M: R[X] R[X] définie par M(P) = XP.
(c) ç>: C1(R,K) -» C(R,K) définie par ç?(/) = f - f.
(d) T: CN -> CN définie par T((un)neN) = (un+i)neN.
(e) f: C —> R définie par f(jz) = Im(z) — Re(z).
Solution
méthode
Pour chaque application, on vérifie l’identité u(Xx + yy) — Xu(x) + yu(y). Ceci
nécessite de bien percevoir les espaces1 entre lesquels celle-ci opère ainsi que
l’objet correspondant à la variable de l’application.
(a) L’application / opère entre les deux espaces vectoriels réels R3 et R2. Pour A, y E R
et u = (#, ?/, z) E R3, v = (xf, y', E R3
f(Xu -F yv) = f(Xx -F yx\ Xy -F yy', Xz -F yz')

= (2(Ax -F yx') -F Xy -F yy' — (Xz -F yz'\ Xx -F yxr -F Xy -F yy')
= A(2æ -F y - z, x -F y) + y^x' + y' - z', x' -F y') = Xf(u) -F yf(v\
1. Il convient notamment d’identifier s’il s’agit d’un espace réel ou d’un espace complexe.
L’application f est donc linéaire.

méthode
On détermine le noyau de u E C{EÊr) en résolvant l’équation u(x) = 0e'
d’inconnue x E E.
Pour u = (#, y, z) E R3*
\ n , y (2x + y - z = ü
/(“) = <>•■ « ( l + y =o
(y = -x
[z = x.
Le noyau de f est donc
Ker(/) = {(æ, —x,x) | x E R} = {æ(l, -1,1) | x E R} = Vect(l, —1,1).
Ce noyau n’étant pas réduit au vecteur nul, l’application n’est pas injective (Th. 3 p. 274).
méthode
|| On obtient l’image de u E £(E, E') en déterminant1 les valeurs prises par u.
Soit u = {x, y, z) E R3 et v = (X, Y) G R2. Étudions l’égalité f(u) = v.
P/ x (2x + y — z = X
f(u) = v <=-> < , ,,
Jv 7 [ x+y =Y
(y = Y — x
\z= -X -Y + x.
Il suffit alors de choisir arbitrairement x pour former un triplet u solution. Par exemple,
pour x = 0, on obtient u = (0, F, —X — F) tel que f(u) = (X, F). L’équation f(u) = v
admet donc des solutions u quelle que soit la valeur v de R2 : l’application f est surjective 2
et Im(/) = R2.
(b) L’application M opère de l’espace réel R[X] dans lui-même. Il s’agit d’un endo
morphisme3 de R[X] car, pour tous A, // G R et tous P.Q E R[X],
M(XP + = X(XP + //Q) = XXP + yXQ = XM(P) +
Le noyau de M réunit les polynômes P tels que XP = 0. Or un produit de deux po

lynômes n’est nul que lorsque l’un des facteurs est nul. Ici, le polynôme X n’est pas le
1. Affirmer que u est une application linéaire de E vers E' assure que u prend ses valeurs dans E'
mais non que toute valeur de E' est prise par u.
2. Un argument de dimension plus rapide est aussi possible : le noyau de f étant de dimension 1, le
théorème du rang (Th. 14 p. 278) assure que l’image de f est de dimension 2.
3. Un endomorphisme de E est non seulement une application de E vers E, c’est aussi une application
linéaire.
polynôme nul et donc XP — 0 si, et seulement si, P — 0. Le noyau de M est donc réduit
au polynôme nul : l’endomorphisme M est injectif.
L’image de M réunit les polynômes pouvant s’écrire XP avec P E R[X], ce sont exacte
ment les polynômes dont 0 est racine : Im(M) = {P E R[X] | P(0) = 0}. L’application M
n’est donc pas surjective car un polynôme dont 0 n’est pas racine n’est pas une valeur
prise par M.
(c) L’application ip est bien définie de l’espace C1(R, K) vers C(R,K). Sa linéarité
découle de la linéarité de la dérivation : pour tous A, /i G K et tous f,gE C1(R,K)
+ gg) = (Xf + gg~)' - (Xf + gg)

= W + w' - (A/ + gg) = Xg>(f) + gg>(g).
Le noyau de 99 est constitué des fonctions solutions de l’équation différentielle y' = y,

à savoir les fonctions t 1—> AeÉ avec A E K. L’application tp n’est donc pas injective. En
revanche, cette application est surjective car le théorème de Cauchy1 assure l’existence
d’une solution à l’équation différentielle yr — y = b(pc) pour toute fonction b continue. De
plus, cette solution est une fonction de classe C1. L’image de <p est donc C(R,K).
(d) L’application T est bien définie de l’espace complexe dans lui-même. C’est un
endomorphisme car, pour tous A, p E C et tous u,v E CN,
P(A(îAn)nEN H- A^(^n)neN) “ T ÇÇXun +

= (Aun+i + ^n+l)neN
= A(îZn_|_i)nEN H” ^(^n+l)nGN
= ((^n)îiGn) H- •
Le noyau de T est constitué des suites u vérifiant un+i = 0 pour tout n E N, c’est-à-
dire des suites milles à partir du rang 1. L’image de T est égale à CN car toute suite v
de CN est l’image d’une suite u déterminée par un+i = vn pour tout n G N et une valeur
arbitraire pour Uq. L’âpplication T est surjective mais n’est pas injective.
(e) L’espace d’arrivée de l’application f est réel, l’espace de départ C doit donc être
compris comme un espace réel. Pour A, g E R et z, z' E C, on vérifie aisément l’iden
tité f(Xz + pz') = Xf(z) H- pf(z') grâce aux linéarités réelles des fonctions partie réelle
et partie imaginaire.
Le noyau de f réunit les complexes de z vérifiant Re(z) = Im(z), ce sont les complexes
de la droite Vectj^l + i) = {A(1 -F i) | A E R} : l’application n’est pas injective. L’image
de f est égale à R car, pour tout réel y, on vérifie par exemple f(iy) = y : l’application f
est surjective.
1. Voir le chapitre 5 de l’ouvrage Exercices d’analyse MPSI.

Exercice 2
Soit f et g deux endomorphismes d’un espace vectoriel E. Vérifier
(a) Ker(/) Cl Ker(g) C Ker(/ + g) (b) Im(/) + Im(g) D Im(/ + p)
(c) Ker(J) C Ker(/2) (d) Im(/) D Im(y2).
Solution
méthode
On montre une inclusion A C B en introduisant un élément arbitraire de A et
en vérifiant qu’il appartient à B.
(a) Soit x e Ker(/) Ci Ker(^). On a (/ + g)(x) = f(x) + g(x) = Oe et donc x est
élément de Ker(/ + g).
(b) Soit y e Im(/ + g). Il existe un antécédent x dans E pour lequel y = (/ + g)(x)
et donc y = f(x) + g(x\ Le vecteur y appartient1 alors à Im(/) + Im(^).
(c) méthode
|| Pour un endomorphisme /, l’application f2 désigne f o f.
Soit x e Ker(y). On a /2(æ) = /(/(#)) = /(O#) = 0# et donc x G Ker(/).
(d) Soit y e Im(/2). Il existe un antécédent x e E tel que y — /2(æ) = /(/(x)). En

introduisant a = f(x) G E, on obtient y = f(a) et donc y e Im(/).
Exercice 3
Soit E, E' et E" des espaces vectoriels et f G £(E, E'), g G £(E',E"). Montrer
° / = 0 <=> Im(/) C Ker(g).
Solution
On raisonne par double implication
( => ) Supposons go f = 0. Soit y e Im(/). On peut écrire y — fÇx) pour un certain x
de E et alors
g(y) = p(/(d) = (s ° /)Cd =
Ainsi, y est élément du noyau de g et l’on peut affirmer Im(/) C Ker(g).

( 4= ) Supposons Im(/) C Ker(g).
méthode
On vérifie que l’application g o f est nulle en calculant #(/(#)) pour un vec
teur x quelconque dans E.
Soit x un élément de E. Son image f(x) est élément de Im(/) donc de Ker(g) et par
conséquent g(f(x)) = 0^//. Ainsi, g o f est l’application nulle.
1. L’inclusion réciproque peut être fausse, un élément de Im(/) + Im(g) s’écrit /(æi) + g(x2) avec des
antécédents x± et X2 pouvant être différents.
8.5.2 Applications linéaires en dimension finie
Exercice 4
Soit f un endomorphisme d’un espace vectoriel E de dimension finie. Montrer que
les assertions suivantes sont équivalentes :
(i) E = Im(/)0Ker(/); (ii) E = Im(/) + Ker(/) ;
(iii) Im(/2) = Im(/) ; (iv) Ker(/2) = Ker(/).
Solution
On établit un chaînage d’implications.
(i) => (ii) est entendue.
(ii) => (iii) Supposons E = Im(/) + Ker(/).
méthode
|| Les inclusions Im(/2) C Im(/) et Ker(/) C Ker(/2) sont toujours vraies1.
Etudions l’inclusion Im(/) C Im(/2). Soit y E Im(/). On peut introduire un antécé

dent x dans E tel que y — f(x) et écrire x = u -F v avec u e Im(/) et v e Ker(/). Au
surplus, on peut aussi écrire u = f(a) avec a e E. Il vient alors
y = f(f(a) + v) = f(a) + /(v) = /2(a) e Im(/2) car /(v) = 0£.
Ainsi, on a l’inclusion Im(/) C Im(/2) puis l’égalité.

(iii) => (iv) Supposons Im(/2) = Im(/).
méthode
La formule du rang (Th. 14 p. 278) permet de calculer la dimension du noyau
d’une application linéaire en fonction de la dimension de son image et inver
sement.
Par le théorème du rang appliqué aux endomorphismes f et /2, on a simultanément
dimE = rg(/) + dimKer(/) et dimE = rg(/2) + dimKer(/2).
Les images de f et /2 étant égales, ces endomorphismes ont le même rang et les es
paces Ker(/) et Ker(/2) ont donc la même dimension. Sachant de plus Ker(/) C Ker(/2),
on conclut Ker(/) = Ker(/2) par inclusion et égalité des dimensions (Th. 13 p. 243).
(iv) => (i) Supposons Ker(/) = Ker(/2).
méthode
La formule du rang donne l’hypothèse de dimension qui permet d’établir une
supplémentarité de deux espaces en montrant seulement que ceux-ci sont en
somme directe (Th. 16 p. 244).
Étudions Im(/) D Ker(/). Soit y un élément de cette intersection. On peut écrire

y = f(x) avec x E E et l’on sait f(y) = Oe donc /2(rr) = 0#. Ainsi, x est élément
de Ker(/2) donc de Ker(/). Par conséquent, y = f(x) = 0e et l’on peut affirmer1
Im(y) nKer(y) = {0^}.
Enfin, la formule du rang donne dimE = dimlm(/) +dimKer(/) et les espaces Im(/)
et Ker(/) sont donc supplémentaires dans E.
Exercice 5
Soit E et E' deux espaces vectoriels et u E £(E, E') injective.
(a) Soit F un sous-espace vectoriel de dimension finie de E. Montrer
dim u(F) = dimE.
(b) Soit (aq,..., xn) une famille de vecteurs de E. Montrer
rg(u(xi),■■■,u(xn)) = rg(xi,...,xn).
Solution
(a) Commençons par souligner que u(F) est un sous-espace vectoriel de E' car image
linéaire d’un sous-espace vectoriel (Th. 2 p. 274).
méthode
Une application linéaire injective transforme une famille libre en une famille
libre (Th. 9 p. 276).
Soit (ei,... ,ep) une base de F avec p = dimF. Par l’injectivité de l’application li
néaire u, on peut affirmer que la famille image (u(ei),..., n(ep)) est libre. Or celle-ci est
aussi génératrice de l’espace u(F). En effet, les vecteurs de -u(F) sont les images par u
des combinaisons linéaires des vecteurs ei,..., ep et sont donc les combinaisons linéaires 2
des vecteurs u(ei),..., u(ep) :
u(F) = iz(Vect(ei,..., ep)) = Vect(/u(ei),..., tz(ep)).
La famille (tz(ei),..., ^(ep)) est alors une base de u(F) et par conséquent
dim u(F) = p = dim F.
(b) Le rang de la famille (rci,..., xn) est la dimension de F = Vect(aq,..., xn). Par
le même argument qu’au-dessus, l’image de F par u est l’ensemble des combinaisons
linéaires des vecteurs de la famille ('u(aq),... ,/u(rrn)) et donc
rg(u(aq),... ,u(#n)) = dimw(F) = dimF = rg(aq,... ,xn\

1. Plus précisément, on a seulement établi Im(/)nKer(/) C {O#} mais on peut affirmer que le vecteur
nul appartient évidemment à Im(/) et Ker(/) car ce sont deux sous-espaces vectoriels.
2. Voir aussi le sujet 10 p. 290.
Exercice 6 (Interpolation de Lagrange)

Soit ... ,an des éléments deux à deux distincts de K.
(a) Montrer que l’application p>: K[X] Kn+1 définie par
¥>(P)= (P(a0),P(ai),...,P(a„))
est linéaire et préciser son noyau.
(b) Etablir que la restriction de p> au départ de Kn[X] réalise un isomorphisme.
Soit y = (y0,yi,-.-,yn) eKn+1.
(c) Exprimer l’unique polynôme Pq de Kn [X] vérifiant <p(Fo) = y-
(d) Exprimer en fonction de Pq tous les polynômes P vérifiant ç>(P) = y.
Solution
(a) L’application p> opère entre deux ŒC-espaces vectoriels. Elle est linéaire car, si A, //
sont des scalaires et F, Q des polynômes,
Ç?(AF + /1Q) = ((AF + MQ)(aî))o^^n = (^F(ai) +

= A(F(«*))o^n + /*(Q(<»i))o<<Cn = A(^F) + W(Q).
Pour F e K[X], on a ç>(F) = O^+i si, et seulement si, F(uo) = • • • = Pfan) = 0.

Les ai étant deux à deux distincts, ceci revient à dire que F est un multiple du poly
nôme Il = (X — ao)(X — ai)... (X — an) (Th. 7 p. 153). Ainsi,
Ker(ç>) = DK[X] = {(X - a0)(X - aj ... (X - an)Q | Q & K[X]}.
(b) méthode
On peut établir qu’une application linéaire opérant entre deux espaces de
même dimension finie est un isomorphisme en étudiant seulement son injecti
vité ou sa surjectivité (Th. 15 p. 278).
Notons p>' la restriction de (p au départ de Kn[X]. Celle-ci est linéaire tout comme p)
et son noyau se déduit1 de celui de p> :
Ker(ç/) = Ker(ç>) n [X] = {0} .
Il en découle que l’application p)' est injective (Th. 3 p. 274). Puisque les espaces Kn[X]
et Kn+1 ont la même dimension, on peut affirmer que p)' est un isomorphisme.
(c) Notons (eg, • • •,en) la base canonique2 de ŒCn+1 et introduisons (Lq5 • • •,Ln) son
image réciproque par l’isomorphisme p)' : cette famille est une base3 de Kn[X].
1. De façon générale, le noyau de la restriction u' d’une application linéaire u G £(E,E'} au départ
d’un sous-espace vectoriel F de E est Ker(u') = Ker(u) A F.
2. Par commodité, on indexe celle-ci à partir de 0 pour pouvoir écrire (yo,... ,yn) = yoô + • • •+ynCn-
3. Les polynômes Lq, ..., Ln sont appelés les polynômes interpolateurs de Lagrange en ao,..., an.
méthode
| On exprime les polynômes Li avant d’en déduire Pq par linéarité.
Pour i e [0 ; n], le polynôme Li est entièrement déterminé par les conditions
1 si j — z
{ 0 sinon.
Ces conditions déterminent n racines ce qui suffit à scinder le polynôme Li. Son coefficient
dominant A est quant à lui déterminé par la valeur Li(di) = 1 :
Li = A JJ (X — aj) avec A = JJ (a* — o?)-1.
3&
Enfin, puisque l’on peut écrire y = z/oô + • • • + yn^m on obtient par linéarité de
l’isomorphisme réciproque de ç/
Po = <p'~1(y') = y0L0 + --- + ynLn =Y'|yi TT ——— ]•
(d) méthode
L’équation 99(F) = y apparaît comme une équation linéaire dont on connaît
une solution particulière (Th. 4 p. 274).
L’équation 99(F) = y se réécrit 99(F) = 99(Fq) ce qui donne, compte tenu de la linéarité
de 99, l’équation ç?(F — Fo) = 0K™+i. La résolution de cette dernière correspond à la
détermination du noyau de 99 menée ci-dessus. Les solutions de l’équation 99(F) = y sont
donc les polynômes
Fo + ÎIQ avec QeK[X].
Ces solutions décrivent le sous-espace affine passant par Fq et dirigé par Ker(ç?).
Exercice 7 *
On note E l’espace vectoriel réel des applications indéfiniment dérivables de R vers R.
Soit D : E —> E et I : E —> E les applications qui associent à f e E respectivement
sa dérivée et sa primitive s’annulant en 0.
(a) Vérifier que D et I sont des endomorphismes de E.
(b) Exprimer D o I et I o D.
(c) Déterminer les images et noyaux de D et I.
Solution
(a) La dérivée et les primitives d’une fonction indéfiniment dérivable sont indéfiniment
dérivables : les applications D et I sont bien définies de E vers lui-même. Soit À,/z € R
et f.g e E. Par linéarité de la dérivation, on a D(Af + /zg) = AD(f) + /ED(g). Aussi1,
les fonctions I(A/ + gg) et AI (J) + gl(g) sont égales car désignent toutes les deux la
primitive de Af -H gg qui s’annule en 0.
Les applications D et I sont donc des endomorphismes de E.
(b) La dérivée d’une primitive est la fonction initiale et donc la composée D o I est
l’identité. En revanche, la primitive s’annulant en 0 d’une dérivée diffère de la fonction
d’une constante : (I o = f — /(O) pour tout f € E.
(c) méthode
Une application linéaire est injective si, et seulement si, son noyau est réduit
au vecteur nul (Th. 3 p. 274). Une application est surjective si, et seulement
si, son image est égale à son ensemble d’arrivée.
Sachant Doi = Id#, D o I est bijective et l’on peut affirmer 2 que l’application D est
surjective tandis que l’application I est injective : Im(D) = E et Ker(I) = {0}.
Les fonctions de dérivées milles sont les fonctions constantes : elles constituent le noyau
de l’application D.
Les valeurs prises par I sont des fonctions qui s’annulent en 0. Inversement, une telle
fonction est la valeur prise par I sur sa dérivée. L’image de I est alors exactement
constituée des fonctions s’annulant en 0.
Exercice 8 **
Soit f un endomorphisme d’un espace vectoriel E. Etablir
(a) Im(/) n Ker(/) = {0fî} <=>■ Ker(/) = Ker(/2).
(b) E = Im(/) + Ker(/) <=> Im(/) = Im(/2).
Solution
(a) On raisonne par double implication.
( ) Supposons Im(/) DKer(/) = {0#}. L’inclusion Ker(/) c Ker(/2) est connue3.
Etudions l’inclusion réciproque. Soit x € Ker(/2), on a f2(x) = /(/(#)) = 0# et
donc f(x) appartient au noyau de f. Or est aussi un élément de l’image de f
et donc f(x) = 0# car on a supposé Im(/) nKer(/) = {0#}. Ainsi, on obtient l’inclusion
Ker(/2) C Ker(/) et l’on peut conclure à l’égalité des noyaux.
( <= ) Supposons Ker(/) = Ker(/2).
1. Il est possible d’exprimer 1(f) par une intégrale I(f)(x) = f(t) dt pour tout x G R.
méthode
Puisque l’inclusion Ker(/) C Ker(/2) est toujours vraie, la force de l’hypothèse
réside dans l’inclusion réciproque Ker(/2) C Ker(/) : un élément qui annule
f2 annule f.
Soit y G Im(/) nKer(/). On peut écrire y = f(x) en introduisant un antécédent x € E.
0r f(y) — et donc f2(x) = 0#. Ainsi, x est élément de Ker(/2) et donc de Ker(/).
On en déduit y = f(x) = 0#. Finalement, Im(/) Pi Ker(J) = {0#}.
(b) On raisonne à nouveau par double implication.

( => ) Supposons E = Im(/) + Ker(/). L’inclusion Im(/2) C Im(/) est connue. Etu
dions l’inclusion réciproque. Soit y e Im(/). On peut introduire un antécédent a? e 7? tel
que y = /(a;). Par l’hypothèse, on peut écrire la décomposition x — a + b avec a e Im(/)
et b e Ker(/). Puisque a G Im(y), on peut aussi écrire a = /(c) avec c e E et alors
y= + b) = f2(c) + f(b) = /2(c) e Im(/2) car /(&) = 0B.
Ainsi, on a Im(/) C Im(/2) puis l’égalité des deux espaces images.

( -4= ) Supposons Im(/) = Im(/2).
méthode
L’inclusion Im(/2) C Im(/) étant toujours vraie, l’intérêt de l’hypothèse1
réside dans l’affirmation qu’un élément de Im(/) peut s’écrire comme une
valeur prise par f2.
Soit x e E. Le vecteur /(#) est élément de l’image de f donc de celle de f2. On peut
alors introduire c e E tel que /(#) = /2(c). Posons ensuite a = f(c) et b = x — a. On a
clairement x = a + b avec a e Im(/). On a aussi /(6) = /(a;) — /(a) = f(x) — /2(c) = 0#
et donc b G Ker(/). On peut alors conclure2 E = Im(/) -F Ker(/).
Exercice 9 **
Soit a, b deux réels non nuis distincts et f un endomorphisme d’un espace réel E
vérifiant
f2 - (a + b)f + (ab)Id# = 0. (*)
(a) Montrer que f est inversible et exprimer son inverse en fonction de f.
(b) Etablir que Ker(/ — aid#) et Ker(/ — 6Id#) sont des sous-espaces vectoriels
supplémentaires de E.
(c) Vérifier Ker(/ — aid#) = Im(/ — Md#).
1. En écrivant Im(J) = Im(/2), on ne suppose pas que les applications f et f2 sont égales, on suppose
seulement qu’elles prennent les mêmes valeurs dans leur ensemble.
2. Plus précisément, on a seulement montré E C Im(/) + Ker(J) mais l’inclusion réciproque est
entendue car Im(/) et Ker(/) sont des sous-espaces vectoriels de E.
Solution
(a) méthode
|| On transforme la relation (*) en une identité du type f o g = Id#.
En organisant les membres sachant ab 0, on peut écrire
\ab ab J =IdB-
=9
On vérifie aussi1 g o f = Id# et l’on peut affirmer que f est inversible d’inverse g.
(b) méthode
|| Noyau et image d’une application linéaire sont des sous-espaces vectoriels
Il (Th. 2 p. 274).
En tant que noyaux d’endomorphismes, les ensembles Ker(/ — aid#) et Ker(/ — 6Id#)
sont des sous-espaces vectoriels de E. Montrons qu’ils sont supplémentaires en raisonnant
par analyse-synthèse. Soit x G E.
Analyse : On suppose x = u + v avec u G Ker(/ — aid#) et v E Ker(/ — Md#). On
vérifie f(u) = au et /(v) = bv donc
{auu ++ vbv == xf(x).

Après résolution, les vecteurs u et v sont déterminés de manière unique
u=
b—a
(bx - /(x)) et v=
b—a
(/(x) - ax).
Synthèse : Considérons les vecteurs -a et u proposés ci-dessus. On vérifie immédiatement

u 4- v = x et l’on étudie ensuite l’appartenance de u et v aux noyaux Ker(/ — aid#)
et Ker(y — Md#). L’identité (*) permet d’écrire
(/ - aid#) o (/ - Md#) = 0 et (/-Md#)o(/-ald#) = 0.
De plus, les vecteurs u et v s’expriment
u= (f - Md£)(x) et v= (/ - aids) (x).
On a donc effectivement u e Ker(/ — aid#) et v € Ker(/ — Md#).

Finalement, les espaces Ker(/ — aid#) et Ker(/ — Md#) sont supplémentaires.
1. Pour affirmer que f est inversible d’inverse g on vérifie les deux égalités fog = gof = Id#. En
dimension finie, on peut se contenter d’une seule (Th. 15 p. 278).
(c) Par l’identité (/ — aid#) o (/ — 6Id#) = 0, on peut affirmer une première inclusion1
Im(/ — Md#) C Ker(/ — aid#). Inversement, pour x e Ker(/ — aid#), on a f(x) = ax et
donc2
11 1
x =----- v(ax — &#) =----- rC/C^) — bx) = (f — Md#)(c) avec c =----- -x.
a—b a—b a—b
On obtient ainsi l’inclusion Ker(/ — aid#) C Im(/ — èld#) puis l’égalité.
Exercice 10 **
Soit f une application linéaire d’un espace E vers un espace E'. Montrer que, pour
toute partie A de E,
/(Vect(A)) = Vect (/(A)).
Solution
On raisonne par double inclusion.
méthode
Vect (A) est un sous-espace vectoriel contenant A et inclus dans tout sous-
espace vectoriel contenant A (Th. 6 p. 240).
La partie A est incluse dans Vect (A) et son image f(A) est incluse dans /(Vect(A)).
Or /(Vect (A)) est un sous-espace vectoriel de E' car c’est l’image d’un sous-espace vecto
riel par une application linéaire (Th. 2 p. 274). On en déduit Vect (/(A)) C /(Vect (A)).
Inversement, la partie A est incluse dans /-1 (Vect/(A)) car les éléments de A sont
des antécédents d’éléments de Vect (/(A)). Aussi, /-1 (Vect/(A)) est un sous-espace
vectoriel de E en tant qu’imagé réciproque d’un sous-espace vectoriel par une application
linéaire. On en déduit Vect (A) C /-1 (Vect /(A)). Ceci assure que les valeurs prises par f
sur Vect(A) appartiennent à Vect(/(A)) et donc /(Vect(A)) C Vect(/(A)).
Exercice 11 ***
Soit E, E1, E" trois espaces vectoriels et u e £(E, E'), v e £(E', E") et w = v o u.
À quelles conditions sur u et v peut-on affirmer que w est un isomorphisme ?
Solution
Supposons que w soit un isomorphisme. L’application composée v o u étant injective,
l’application u est nécessairement injective3. De même, l’application v doit être surjective
car v ou l’est.
méthode
L’application u réalise un isomorphisme sur son image tandis que l’applica
tion v induit un isomorphisme de tout supplémentaire de son noyau vers E"
(Th. 14 p. 278) : on étudie la supplémentarité de Im('u) et Ker(v).
2. — Md#) est le projecteur sur Ker(/ — aid#) parallèlement à Ker(J — 6Id#).
Montrons par analyse-synthèse que l’image de u et le noyau de v sont supplémentaires

dans l’espace E'. Soit y e E'
Analyse : Supposons y = a -F b avec a E Im(îz) et b E Ker(f). On peut écrire a = u(x)
avec x E E et l’on a v(è) = Oe"- On en déduit v(y) = v(a) = v(u(x)) = w(æ). Ceci
détermine le vecteur x égal à w-1 (v(î/)) puis les vecteurs a et b : a = u(x) et b = y — a.
Ainsi, si l’écriture y = a -F b est possible, elle est unique.
Synthèse : Posons x = w-1 (?;(?/)), a = u(x) et b = y — a. On a évidemment y = a -F b
avec a E Im(îz). Reste à vérifier l’appartenance de & à Ker(v). On a v(6) = v(y) — v(a).
Or v(a) = v(u(x)') = w(x) donc v(a) = v(y) puis v(b) = 0#//.
On peut donc affirmer Im(îz) ® Ker(v) = E'.
Inversement, supposons u injective, v surjective et les espaces Im(tz) et Ker(v) supplé
mentaires dans E'. Par injectivité, l’application u induit un isomorphisme de E vers son
image. Parallèlement, l’application v induit un isomorphisme de Im(îi) (supplémentaire
de Ker(7?)) vers son image Im(v) = E". Par composition de ces deux isomorphismes, w
est un isomorphisme de E vers E".
Finalement, w est un isomorphisme si, et seulement si,
u injective
< v surjective
Im(?i) ® Ker(v) = E'.
8.6.2 Projections vectorielles
Exercice 12
Dans l’espace R3, on considère le plan P d’équation x — ?/ + z = 0 et la droite
vectorielle D engendrée par u = (1,3,1).
(a) On note p la projection sur P parallèlement à D. Exprimer p(x,y, z).
(b) On note s la symétrie par rapport à P parallèlement à D. Exprimer s(x,y,z).
Solution
Commençons par souligner que le plan P et la droite D sont supplémentaires car le
vecteur u n’appartient pas à l’hyperplan P (Th. 16 p. 279).
(a) Soit (æ, y, z) e R3. Exprimons (x', y', z') = p(x, y, z).
méthode
p(æ, y, z) est l’unique vecteur de P tel
que p(æ, î/, z) — (x, y, z) appartient à D.
L’appartenance de p(æ, y,z) à P fournit l’équa
tion
x' — y' -F z' — 0. (*)
L’appartenance à D de p(æ, y, z} — (x, y, z) si
gnifie que l’on peut écrire ce vecteur Xu avec
A e R. Ceci se traduit par le système
' x' — x = A
< y' - y = 3A (**)
X z'-z = A
Par (*), on détermine X = x — y + z et (**) permet alors d’exprimer p(x, p, z) :
xf = 2x — y + z
< y' = Sx — 2y + Sz
— x — y + 2z
(b) méthode
| La symétrie s se déduit de p par l’identité s = 2p — IdR3.
Après quelques calculs, {x',y',z') = s(x,y,z) est exprimé par
f xf = Sx — 2y + 2z
< y' = Sx — Sy + 6z
z' — 2x — 2y + Sz
Exercice 13 *
Soit p et q deux projecteurs d’un espace vectoriel E.
(a) Montrer que p et q ont le même noyau si, et seulement si, p o q = p et q op = q.
(b) Enoncer une condition semblable pour que p et q possèdent la même image.
Solution
(a) Raisonnons par double implication.
( <= ) Supposons po q = p et qop = q. Pour tout x appartenant au noyau de p, on a
q(x) = q(p(x)) = q(0e) = 0# et donc x appartient au noyau de q. Ainsi, Ker(p) C Ker(ç).
Un raisonnement symétrique fournit l’inclusion réciproque ce qui donne l’égalité.
( => ) Supposons Ker(p) = Ker(g).
méthode
On peut montrer l’égalité de deux applications linéaires en constatant que
celles-ci sont égales sur des espaces supplémentaires (Th. 13 p. 277).
Puisque q est un projecteur, on sait Im(ç) © Ker(ç) = E.
Soit x G Im(ç). Le vecteur x est invariant pour la pro
jection q et donc p{q(x\) = p(x).
Soit x dans Ker(ç). On a p(q(x)) = p($e) = et Ker(ç) >
p(x) = 0e car Ker(g) = Ker(p). / x
Les applications linéaires p o q et p sont égales sur /
les deux espaces Im(g) et Ker(ç), elles sont donc égales QE Im(g)
sur leur somme E. Un raisonnement symétrique four- ( ,
nit q op = q. 7 '
(b) méthode
|| L’image d’une projection réunit les vecteurs invariants par celle-ci.
Supposons Im(p) = Im(ç). Sachant Im(p) = Ker(p — Id#), on peut affirmer que les
valeurs prises par q annulent p—Id# et donc (p— Id#)og = 0. On en tire l’égalité poq = q.
De façon semblable, on obtient aussi q o p — p.
Inversement, l’égalité p o q = q entraîne Im(ç) C Im(p) et l’égalité q o p = p en
traîne Im(p) C Im(ç). Ainsi, les projecteurs p et q ont la même image si, et seulement
si1, p o q = q et q o p = p.
Exercice 14 *
Soit /i,... ,fn des endomorphismes d’un espace vectoriel E vérifiant :
fi + • • • 4- fn = Id# et VI i j n, fi o fa = 0.
(a) Montrer que chaque fi est une projection vectorielle.
(b) Établir © Ini(/)) = E.
Solution
(a) Soit îE [l;n].
méthode
II On montre que fi est une projection vectorielle en vérifiant = fi (Th. 7
Il P- 276).
En écrivant l’identité de E égale à la somme des /j, on obtient après simplifications
n n n
fi = fi ° WE = fi O £ £ = £(/, O /J = £(/, O + fi O fi = fi O fi.
j=l j=l j=l
Ainsi, l’endomorphisme fi est une projection vectorielle.
(b) Commençons par établir que la somme est directe. Supposons xi H------ F xn — 0#
avec chaque Xi dans Im(/â). En appliquant fi à cette égalité, on obtient fafxi) — Xi = 0#
car fafxfa) = 0# pour tout j i puisque l’égalité fi o fa = 0 donne Im(/j) C Ker(/i).
Ainsi, les espaces Im(/J sont en somme directe. Au surplus, pour tout x e E, on peut
écrire
n n
X = IdE(x) = e
i=l i=l
On peut alors conclure
© Im(/i) = E.
1. En introduisant, les projecteurs complémentaires p' = Id# — p et q' = Id# — q, on échange les
espaces images et noyaux : on peut alors mettre en correspondance les deux études qui viennent d’être
menées.
Exercice 15 **
Soit p et q deux projecteurs d’un espace vectoriel E.
(a) Montrer que p -F q est un projecteur si, et seulement si1, pq = qp = 0.
(b) Préciser alors Im(p -F q) et Ker(p -F q).
Solution
(a) Etablissons l’équivalence par double implication.
( => ) Supposons pq = qp = 0. On a alors par développement
(p + q)2 = p2 + pq + qp + q2 = p + q car p2 = p et q2 = q.
=o
Ainsi, p -F q est un projecteur.

( <= ) Supposons p -F q projecteur. Par les mêmes calculs que ceux menés au-dessus,
l’égalité (p -F q)2 = p + q donne pq -F qp = 0.
méthode
|| On compose l’identité pq -F qp = 0 par p à droite et à gauche.
Sachant p2 = p, il vient p(pq + qp) = pq+pqp et (pg + çp)p = pqp+qp. Or pq + qp est nul
et donc pq -F pqp = 0 = pqp -F qp. On en déduit pq = qp et l’on peut conclure pq — qp = 0
car la somme de pq et qp est nulle.
(b) L’inclusion Im(p -F q) C Im(p) -F Im(ç) est toujours2 vraie. Inversement, pour
tout x de Im(p) -F Ihi(q), on a x = a -F b avec a e Im(p) et b e Im(q). Les vecteurs
de l’image d’une projection sont invariants et donc p(u) = a et q(b) = b. Aussi, l’éga
lité pq = 0 donne Im(ç) C Ker(p) et donc p(6) = 0^. On a de même q(a) = Qe et donc
p(x) -F q(x) = a + b = x ce qui assure3 x e Im(p -F q).
On sait aussi Ker(p) Cl Ker(g) C Ker(p -F q). Inversement, pour tout x G Ker(p -F q),
on a p(#) -F q(x) = 0e donc p2(x) + p(g(æ)) = 0# puis p(x) = 0# car p2 = p et pq — 0.
Ainsi, x 6 Ker(p) et l’on montre de même x e Ker(g).
Finalement, on conclut
Im(p -F q) = Im(p) -F Im(g) et Ker(p -F q) = Ker(p) A Ker(ç).
Exercice 16 **
Soit B un polynôme non constant de K[X] et r l’application de K[X] vers lui-même
qui à A e K[X] associe le reste R de la division euclidienne de A par B.
(a) Vérifier que r est un endomorphisme de K[X].
(b) Calculer r o r et préciser la transformation géométrique réalisée par r.
1. Dans l’anneau (£(P?), -F, o), l’écriture pq est une façon concise de signifier p o q.
3. L’image d’un projecteur p est constituée de vecteurs invariants : pour montrer qu’un élément x
appartient à l’image, il est naturel d’étudier si l’égalité p(x) = x est satisfaite.
Solution
(a) L’application r est bien définie de l’espace K[X] vers lui-même. Soit Ai, A2 G K
et Ai, A2 G K[X]. Les divisions euclidiennes de Ai et A2 par B permettent d’écrire
Ai = BQi + Ri et A2 — BQz + R2
avec Qi, Q2 des polynômes et Ri = r(Ai), R2 = r(A2) des polynômes de degrés stricte
ment inférieurs à celui de B. On a alors
Ai Ai + A2A2 = B(AiQi + A2Q2) H- Ai .Ri + A2R2 •

=QGK[X] =KGK[X]
méthode
Il Pour identifier le reste et le quotient d’une division euclidienne, il faut disposer
Il d’une identité A = BQ + R mais aussi de la condition deg(R) < deg(B).
Le degré d’une combinaison linéaire de polynômes étant inférieur aux degrés des poly
nômes intervenant dans celle-ci
deg(.R) max(deg(JRi),deg(222)) < deg(B).
Le reste de la division euclidienne de Ai Ai + A2A2 par B est donc exactement le poly

nôme R ce qui permet d’écrire
r(AiAi + A2A2) = R = A1R1 4- A2R2 = Air(Ai) 4- A2î*(A2).
L’application r est donc bien un endomorphisme de K[X].
(b) Les valeurs prises par l’endomorphisme r sont des polynômes de degrés strictement
inférieurs à celui de B. Aussi, lorsqu’un polynôme A est de degré strictement inférieur
à celui de B, la division euclidienne de A par B s’écrit simplement A = B x 04-A et
donc r(A) = A. On en déduit r o r = r : l’endomorphisme r est un projecteur.
méthode
Un projecteur projette sur son image parallèlement à son noyau et ces deux
espaces sont supplémentaires (Th. 7 p. 276).
Par l’étude ci-dessus, on a vu que l’image de r est incluse dans l’espace des polynômes
de degrés strictement inférieurs à celui de B et que, inversement, un tel polynôme est sa
propre image. L’image de r est donc Kn_i[X] avec n = deg(B) G N*. Le noyau de r est
quant à lui constitué des polynômes divisibles par B. On peut alors conclure que r est
la projection vectorielle sur Kn_i[X] parallèlement à BK[X].
8.6.3 Applications linéaires en dimension finie
Exercice 17 *
Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie n 1.
On suppose qu’il existe1 un entier p 1 tel que fp = 0 et l’on considère le plus petit
entier p vérifiant cette propriété.
(a) Soit x Ker(/P-1). Montrer la liberté de (æ,/(#),/2(x),..., /p-1(æ)).
(b) En déduire que fn = 0.
Solution
(a) Par définition de l’entier p, on peut affirmer que l’endomorphisme fp~r est non
nul et l’on peut donc introduire un vecteur x n’appartenant pas à Ker(/p-1), c’est-à-dire
un vecteur tel que /p-1(æ) 0#. Supposons
Xqx -F Ai/(rr) 4--------- = 0E avec À0,...,Àp_i eK. (*)
méthode
|| On simplifie l’identité (*) en composant celle-ci plusieurs fois par f.
En composant (*) une première fois par /, l’équation se réduit en
Ao/W + W2Ce) h------ F Xp_2fp~1(x) = 0E car fp(x) = 0E-
En composant plusieurs fois par /, on obtient les équations du système suivant :
Ao#+Ai/(rr) -F • • • -F Ap_2/p-2(æ) -F Ap_i/p-1(a:) = 0#
A0/(a:) -F------ F Xp_3fp~2(x) -F Ap_2/p-1(æ) = 0E
< -, •
Ao/p-2(^) + Ai/p-1(a?) = 0E
XQfp~\x) = 0E.
Sachant /p-1(a;) 0E, la dernière équation donne Aq = 0. Ceci permet de simplifier
l’équation précédente qui devient Ai/p-1(æ) = 0E et donne Ai = 0. Ainsi, on remonte le
système pour obtenir la nullité de tous les Xi : la famille (x, f(x\ ..., /p-1(æ)) est libre.
(b) Comme une famille libre comporte moins d’éléments que la dimension de l’espace,
on peut affirmer p n. Or fp = 0 et donc 2 fn = fn~P o fp = 0.
Exercice 18 *
Soit f et g deux endomorphismes d’un espace E de dimension finie vérifiant
f2 + f °9 = Me-
Montrer que f et g commutent.
1. On dit que l’endomorphisme est nilpotent.

2. L’écriture est possible car l’exposant n — p est positif.
Solution
méthode
On montre que f est inversible et l’on détermine son inverse par le théorème
d’isomorphisme (Th. 15 p. 278).
On peut écrire f o h = Id# avec h = f -F g G £(E). L’endomorphisme f est donc inver
sible à droite et le théorème d’isomorphisme assure alors que f est inversible d’inverse h.
En particulier, on a aussi h o f = Id# ce qui fournit l’égalité f2 -F g o f = Id#. Celle-ci,
combinée à l’hypothèse de départ, permet de conclure f o g = g o f.
Exercice 19 **
Soit f un endomorphisme d’un K-espace vectoriel E de dimension n G N*. On sup
pose qu’il existe un vecteur æ0 G E pour lequel la famille (xq, /(#o), • •,
est une base de E et l’on introduit
C/ = {g e £(E) | g o f = f O g}.
(a) Observer que
Cf ~ {aold# + f + ■ • • + ^n-ifn 1 | (ao, • • • i ^n-i) C Kn}.
(b) Justifier que Cf est un sous-espace vectoriel de C{E) dont on précisera la di-
mension.
Solution
(a) On raisonne par double inclusion.
Soit1 h = (Xold# -F aif H------ F an-ifn~1 G £(E) avec ao, ..., an-i £ K- On vérifie par
le calcul que h commute avec f
ho f — aof + ai/2 + • • • + an_i.fn = f o h.
Ainsi, on dispose d’une première inclusion
{aold# + ai/ + • • • -F an-ifn 1 | (ao, ..., an_i) £ ^n} G Cf.
Inversement, soit g G Cf.
méthode
Par analyse, si l’endomorphisme g s’écrit aold#-F ai/H----- Fan-i/n-1, les sca
laires ao, ai,..., an_i se comprennent comme les coordonnées du vecteur g(xn)
dans la base (æ0, /(#o), • • •, /n-1(rro)).
En notant (ao, ai,..., an_i) la famille des coordonnées de g(x$) dans la base introduite,
on peut écrire
g(xo) = aoxQ + ûi/(æ0) H------ F an-i/n-1(æo)
= (aoId.E + 0,1 f + • • • + an-ifn 1)(ô).
1. On dit que l’endomorphisme h est un polynôme en f.
Notons h l’endomorphisme agld^ + ------ \-an_ifn 1 introduit de sorte que l’identité

précédente s’exprime g(x$) = h(xo). Il s’agit d’étendre cette égalité à tout vecteur de E.
méthode
On peut montrer que deux applications linéaires sont égales en constatant que
celles-ci coïncident sur une base (Th. 12 p. 277).
On a g(x$) = h(x$) et donc, en composant par /, /({/(æq)) = Or g et h

commutent avec f et il vient #(/(æo)) — ^(/(æo))- De façon plus générale, on peut écrire
pour k naturel
= fk(g(x0')') = fk(h(x0)) = 7i(/fc(a;o))
car g et h commutent avec fk. Ainsi, les applications linéaires g et h prennent les mêmes
valeurs sur chaque vecteur de la base (xq, f(xo), ..., /n-1(ô)), elles sont donc égales.
On peut alors conclure à l’inclusion réciproque
Cf C + alf + • • • + ^n-lfn 1 | (ûq5 • • • , &n-l) £ Kn}
puis l’égalité.
(b) Ce qui précède fournit Cf — Vect(ld£, /,..., /n-1). L’ensemble Cf est donc un
sous-espace vectoriel de £(&).
méthode
|| On détermine la dimension de Cf en proposant une base de cet espace.
La famille (id#, /,..., /n-1) est génératrice de Cf. Vérifions que c’est aussi une famille
libre.
Soit Aq, . • •, An_i des scalaires tels que Agld# + Ai/ + • • • + An_i/n-1 = 0. Pour
tout vecteur x de E, on a l’égalité Aq£ + Ai/(æ) + • • • + Xn-ifn-1 (x) = 0#. Ceci vaut
en particulier en xq et donc Aqô + Ai/(#o) + ••• + An_i/n-1(æo) = ®e- Or la fa
mille (æo, /(ô)j • • • ■> fn~\xe)) est libre et donc Ao = Ai = • • • = An_i = 0.
Finalement, la famille (id#, /,..., /n-1) est une base de Cf qui est donc un espace de
dimension n.
8.6.4 Rang d’une application linéaire
Exercice 20 *
Soit f et g deux endomorphismes d’un espace E de dimension finie vérifiant
Im(/) + Im(^) = Ker(/) + Ker(^) = E.
Montrer que ces sommes sont directes.

Solution
méthode
|| On exploite la formule de Grassmann et la formule du rang.
La formule de Grassmann donne
dim F 4- dim(lm(/) Cl Im(g)) = dimlm(/) + dimlm(g) et
dim 2? + dim(Ker(/) A Ker(g)) = dimKer(/) + dimKer(^).
La formule du rang donne
dimlm(/) + dimKer(/) = dim F et
dimlmQy) + dimKer(g) = dimF.
En sommant ces quatre égalités et en simplifiant, on obtient
dim(lm(/) A Im(g)) + dim(Ker(/) A Ker(g)) = 0.
Ces deux dimensions sont donc milles et alors
Im(/) A Im(g) = Ker(/) A Ker(^) = {0#} .
Les sommes des images et des noyaux sont donc toutes les deux directes.
Exercice 21 *
Soit n G N et A: IKn+i[X] —> IKn[X] l’application définie1 par
A(F) = P(X + 1) - F(X).
(a) Montrer que A définit une application linéaire.

(b) Déterminer le noyau de A et établir que l’application A est surjective.
Solution
(a) méthode
|| On vérifie que l’application A est bien définie à valeurs dans Kn[X].
Soit P un polynôme de Kn+i[X]. Les deux polynômes F(X + 1) et F(X) ont les mêmes
degrés et les mêmes coefficients dominants : il y a simplification du terme de plus haut
degré lors du calcul de P(X + 1) — P(X). On en déduit que A (F) est de degré au plus n
et l’application A prend effectivement ses valeurs dans Kn[X]. De plus, pour A,/i G K
et F, Q G Kn+i[X], on vérifie :
A(AF + /zQ) = (AF + /iQ)(X +1) - (AF + /iQ)(X)
= A(F(X + 1) - F(X)) + + 1) - Q(X))
= AA(F) + /zA(Q).
L’application A définit une application linéaire de Kn+i[X] vers Kn[X].
1. L’écriture F(X + 1) fait référence à la composition de deux polynômes et non à un produit : on
remplace X par X +1 dans l’expression du polynôme P. L’écriture P(X) fait directement référence à P.
(b) Soit P E Kn+i[X]. On a A(P) = 0 si, et seulement si, P(X + 1) = P(X). Un

tel polynôme est périodique et donc constant1. Le noyau de A est donc constitué des
polynômes constants.
méthode
Par la formule du rang (Th. 14 p. 278), on peut lier la dimension de l’image
d’une application linéaire à celle de son noyau.
Le noyau de A étant de dimension 1
rg(A) = dimKn+i[X] — dimKer(A) = n + 2 — 1 = n + 1 = dimKn[X].
espace de départ espace d’arrivée
On en déduit que l’application linéaire A est surjective.
Exercice 22 **
Soit P et G deux sous-espaces vectoriels d’un espace E de dimension finie n. Enon
cer une condition nécessaire et suffisante portant sur F et G pour qu’il existe un
endomorphisme u de E tel que Ker(?z) = F et Im(tt) = G.
Solution
Par la formule du rang, la condition dim F + dim G = n est nécessaire. Vérifions qu’elle
est aussi suffisante.
méthode
|| On construit un endomorphisme en fixant l’image d’une base (Th. 12 p. 277).
Posons p = dim P et q = dim G avec p + q = n. Considérons (ei,..., ep) une base
de P que l’on complète en (ei,..., en) base de P. Introduisons aussi (eÇ,..., e^) une base
de G. Enfin, considérons l’endomorphisme u déterminé par
Ci • • • ep • • • en
Vj e [1 ;p], u(cj) = 0£ et
Vfc € [1 ;qJ, u(ep+fe) = e'k. ®e e'q
Par construction, l’endomorphisme u s’annule assurément sur P et toutes les vecteurs

de G sont des valeurs prises par u. On dispose donc des inclusions
P C Ker(îz) et G C Im(tt).
Cependant, dimP + dimG = n = dimKer(n)-hdimlm('u). Les espaces P et Ker(n) d’une
part, les espaces G et Im(iz) d’autre part, ont donc les mêmes dimensions et sont par
conséquent égaux.
Exercice 23 **
Soit f et g deux endomorphismes d’un espace E de dimension finie.
(a) Établir |rg(/) - rg(^)| rg(f + g) < rg(/) + rg(g).
(b) Établir rg(/) + rg(p) - n rg(/ o g) min(rg(/),rg(p)).

Solution
(a) On sait Im(/ + g) G Im(/) + Im(g) donc
rg(y + P) dim(lm(/) + Im(g)) dimlm(y) + dimlm(g) = rg(/) + rg(g).
En écrivant / = (/ + #) + (—g) et sachant rg(—g) = rg(g), il vient
rg(/) < rg(J + g) + rg(g) donc rg(/) - rg(g) < rg(/ + g).
En inversant les rôles de f et g, on a aussi rg(g) — rg(/) rg(/ + g) et donc
|rg(/) — rg(g)| rg(/ + g).
(b) L’image de f o g est incluse dans l’image de f et donc rg(/ o g) < rg(/).
méthode
|| L’image de f o g est l’image de la restriction de f au départ de Im(g).
Notons f' G £(lm(g), E?) cette restriction : rg(Jog) = rg(/')- En appliquant la formule
du rang (Th. 14 p. 278) à l’application linéaire on obtient
rg(/ ° g) = rg(/') = dimlm(^) - dimKer(/') = rg(p) - dimKer(/'). (*)
On en déduit la comparaison rg(/ o g) rg(g) puis rg(/ o g) min(rg(/), rg(g)).
Aussi, puisque le noyau de f' est inclus dans celui de /, l’égalité (*) donne
rg(/ ° g) > rg(p) - dimKer(y)
avec dimKer(/) = n — rg(/). On en déduit la comparaison
rg(/ ° g) > rg(/) + rg(^) - n.

Notons qu’en appliquant la formule du rang à /, g et f o g, il vient alors
dim Ker(/ o </) ^ dim Ker(/) + dim Ker (g).
Exercice 24 ** (Images et noyaux itérés d’un endomorphisme)

Soit f un endomorphisme d’un espace vectoriel E. Pour tout p G N, on introduit les
images et noyaux de fp = f o • • • o f (p facteurs) :
Ip = Im(r) et 7Vp = Ker(r).
(a) Montrer que les suites (Ip) et (Np) sont respectivement décroissante et croissante
au sens de l’inclusion.
On suppose dans ce qui suit que l’espace E est de dimension finie.
(b) Justifier l’existence d’un rang r e N tel que Ir+i = Ir.
(c) Vérifier que les deux suites (Ip) et (Np) sont alors constantes à partir du rang r.
(d) Établir Ir ® Nr = E.
Solution
(a) Soit y G Im(/p+1). Il existe x E E tel que y = /p+1(rr) = /p (/(#)) et donc y est
une valeur prise par fp. Ainsi, on a l’inclusion Ip+i C Ip.
Soit x G Ker(/P). On a fp(x) = 0E donc /p+1(z) = /(/p(æ)) = /(Of) = Of et x
annule l’endomorphisme /p+1. Ainsi, on a l’inclusion Np C Np+i.
Plus généralement, pour f et g endomorphismes, on a les inclusions
Im(£ o /) c Im(p) et Ker(^) C Ker(/ o g).
Ces inclusions sont ici particularisées au cas g = fn.
(b) méthode
|| La suite des dimensions des Ip est décroissante.
La suite (dimZp) est une suite décroissante d’entiers naturels : elle ne peut être stricte
ment décroissante et il existe donc un rang r G N tel que dimZr = dimZr+i. Par inclusion
et égalité de leurs dimensions, les espaces Ir et Zr+i sont égaux.
(c) méthode
|| On propage l’égalité Ip+i = Ip aux rangs p r en écrivant fp = fp~r o fr.
Soit p r. On sait l’inclusion Ip+i C Ip. Inversement, considérons y G Ip. Il existe x

dans E tel que
y=rw = rr(/rw).
Puisque fr(x) est élément de Ir avec Ir — Ir+i, on peut introduire un élément a de E1 tel
que /r(æ) = /r+1(a) et alors y — fp+1(a). Le vecteur y est donc élément de /P+i. Ainsi,
on obtient Ip C Ip+i puis l’égalité. La suite (Zp) est alors constante à partir du rang r.
Les dimensions des espaces images Ip étant les mêmes au delà du rang r, la formule
du rang assure que, parallèlement, les dimensions des espaces noyaux Np sont elles aussi
identiques au delà du rang r. Par inclusion et égalité des dimensions, la suite (7Vp) est
constante à partir du rang r.
(d) méthode
Par la formule du rang, on peut établir la supplémentarité en montrant seule
ment que la somme est directe (Th. 16 p. 244).
Soit x G Ir Pi Nr. Il existe un antécédent a G E tel que x = fr (a) et l’on a fr(x) = 0.

On en déduit /2r(n) = 0f et a est donc élément de N2r — Nr. Le vecteur x est par
conséquent nul. Ainsi, Ir A Nr = {0f}- De plus, la formule du rang donne
dim Ir -F dim Nr = dim E
et l’on peut affirmer que les espaces Ir et Nr sont supplémentaires.

Exercice 25 ***
Soit u un endomorphisme d’un espace de dimension finie E.
Montrer qu’il existe un endomorphisme v de E tel que uv = 0 et u + v E GL(E') si,
et seulement si, les espaces Im(îz) et Ker(iz) sont supplémentaires.
Solution
( => ) On suppose uv = 0 et u + v inversible.
méthode
Il Par la bijectivité deu + v, on peut écrire un vecteur de E comme somme d’un
|| vecteur de Im(tt) et d’un vecteur de Im(v).
Soit x un vecteur de E. Il existe un antécédent a E E tel que x = u(a) + v(a). Le

vecteur n(a) appartient à l’image de u tandis que le vecteur v(a) appartient l’image de v
et donc au noyau de u car u o v est l’application nulle. On en déduit E = Im(?/) + Ker(u)
et cette somme est directe en vertu de la formule du rang.
( <^= ) On suppose Im(u) ® Ker(ti) = E.
méthode
|| On introduit la projection v sur Ker(u) parallèlement à Im(-u).
Puisque v prend ses valeurs dans Ker(u), on peut affirmer uv = 0. Aussi, si x est
élément de Ker(îz + v), on a u(x) + v(x) = 0e donc
u(æ) e Im(u) Pi Im(v) = Im(u) Cl Ker(-zz) = {0#} .
Les vecteurs u(x) et v(x) sont donc nuis et x E Ker(w) Cl Ker(u) = Ker(îz) Cl Im(ti) ce qui
permet de conclure que x est nul. L’endomorphisme u + v est alors injectif et c’est donc
un automorphisme car l’espace E est de dimension finie.
8.6.5 Formes linéaires et hyperplans
Exercice 26 **
Soit E un espace de dimension finie n 1 et F un sous-espace vectoriel distinct
de E.
(a) Montrer que F peut s’écrire comme une intersection d’un nombre fini d’hyper-
plans.
(b) Quel est le nombre minimum d’hyperplans nécessaire ?
Solution
(a) Notons p la dimension de F. Soit (ei,..., ep) une base de F que l’on complète en
e = (ei,..., en) base de E.
méthode
On introduit les formes linéaires coor
données dans la base e.
Notons pi la forme linéaire qui à x e E asso
cie la coordonnée d’indice i du vecteur x dans la
base e. L’application pi est une forme linéaire non
nulle et son noyau Hi est un hyper plan. Puisque
les vecteurs de F sont ceux dont les coordonnées
d’indices p + 1 à n dans la base e sont milles,
on a F = Hp^1 A ... A Hn. Ainsi, on exprime F
comme l’intersection de n — p hyperplans.
(b) Il ne peut pas y avoir moins d’hyperplans pour décrire F. En effet, vérifions par
récurrence que l’intersection de q hyperplans de E détermine un espace de dimension au
moins égale à à n — q.
Pour q = 0 ou q = 1, la propriété est entendue. Supposons la propriété vraie au
rang q 0. Soit Hq+1 des hyperplans de E. Posons G = A ... A Hq.
L’hypothèse de récurrence assure dim G > n — q. Aussi, G + Hq+± est un sous-espace
vectoriel de E et donc de dimension inférieure à n. La formule de Grassmann donne alors
dim(G A Hq+1) = dim G-F dim/fg+1 — dim(G + Hq+±) n — q — 1.

~^n—q —n— 1 <Cn

Exercice 27 ***
Soit ç?i,... ,pn des formes linéaires sur un espace E de dimension n € N*. Montrer
que la famille (ç?i,..., pn) constitue une base du dual de E si, et seulement si,
Q Ker(^) = {0B} .
Z=1
Solution
Notons que le dual E* = £(E, K) est un espace de dimension n ce qui correspond à la
longueur de la famille ..., pn). Raisonnons par double implication.
( => ) Supposons la famille (ç?i,..., pn) base de E*.
méthode
| Pour x / Oe, ü existe une forme linéaire p sur E vérifiant p(x) 0.
Soit x un vecteur de l’intersection des noyaux des pi. Si, par l’absurde, x est non nul, le
vecteur ei = x constitue une famille libre que l’on peut compléter en une base (ei,..., en).
La forme linéaire p lisant la première coordonnée dans cette base vérifie p(x) = 1 et
donc / 0. Or p est combinaison linéaire des formes linéaires pi et ces dernières
s’annulent toutes en x : c’est absurde. On en déduit que seul le vecteur nul peut appartenir
à l’intersection des noyaux des pi.
( <^= ) Raisonnons par contraposition. Si la famille (çq,..., ç?n) n’est pas une base,
c’est une famille liée. L’un des éléments de cette famille est alors combinaison linéaire
des autres. Quitte à reprendre l’indexation des formes linéaires, on peut supposer que pn
est combinaison linéaire des ..., pn-i- On a alors
n— 1 n n—1
Pi Ker(çq) C Ker(<^n) donc Q Ker(î) = Pl Ker(^).
i=l i=l 2=1
Cependant, on peut établir par une récurrence semblable à celle vue dans le sujet précé
dent l’inégalité
q
P Ker(çq)
C2=1
n—l
n—q pour tout q E [0 ; n].
En particulier, l’espace Q Ker(ç^) ne peut être nul car de dimension au moins 1.

i=l
Exercice 28 *
Soit F et G deux sous-espaces de dimensions finies d’un espace vectoriel E. Retrouver
la formule de Grassmann en appliquant le théorème du rang à la fonction
( FxG-Ê
a' l &,y) x + y.
Solution
L’application a est linéaire au départ de l’espace F xG qui est de dimension finie. Par
définition de la somme de deux sous-espaces vectoriels, son espace image est F + G. La
formule du rang donne alors
dim(F x G) = dim(F + G) + dimKer(cr) (*)
avec dim(F x G) = dimF + dim G (Th. 11 p. 242).

méthode
|| On vérifie que Ker(cr) est isomorphe à F A G.
Le noyau de a est constitué des couples (x, y) e F xG vérifiant x + y = 0e- Ces couples
sont de la forme (rr, — x) avec x e F A G. Considérons alors l’application ÿ de F A G
vers Ker(cr) définie par </>(#) = (#, — x). Celle-ci est bien définie, linéaire, injective et
surjective : c’est un isomorphisme. On en déduit que les espaces F Pi G et Ker(cr) ont la
même dimension (Th. 11p. 277). La relation (*) se relit alors
dimF + dim G = dim(F + G) + dim(F A G).
Exercice 29 **
Soit u un endomorphisme d’un espace vectoriel E. A quelle(s) condition(s) un sous-
espace vectoriel F de E vérifie-t-il w-1(u(F)) = îz(n-1(F)) ?
Solution
méthode
Les inclusions qui suivent sont toujours vraies1
u(u-x(F)) C F et Fc u"1(u(F)).
Si n(n-1(F)) = 'u-1(îz(F)) alors w(u-1(F)) = F et u~1(u{F^ = F.

L’inclusion u-1 (îz(F)) C F entraîne Ker(tz) C F car le vecteur nul est élément de îz(F).
L’inclusion F C îi(n-1(F)) entraîne quant à elle F C Im(u).
Inversement, supposons Ker(u) C F C Im(u). Pour x e u-1(u(F)), on a u(x) e iz(F)
et il existe donc a 6 F tel que u(x) = u(a). On a alors x — a E Ker(tz) puis on peut écrire
x = a + (x — a) E F par addition dans F. Ainsi, u-1 (u(F)) C F puis u~r (u(F\) = F.
Aussi, pour y E F, il existe a E E tel que y = u(a) car F C Im(u). Puisque y E F, on
a a E u^ÇF) puis y = u(a) E u(u-1(F)). Ainsi, F C u(îz-1(F)) puis F = u(u-1(F)).
Finalement,
u-x(u(F)) = n(îz“1(F)) <=> Ker(u) C F C Im(tz).
Exercice 30 ***
Soit u un endomorphisme non bijectif d’un espace E de dimension finie. Montrer
qu’il existe un isomorphisme ç? de E tel que v = p ou soit nilpotent2.
Solution
Le noyau de u n’est pas réduit au vecteur nul, on peut introduire une base (ei,..., ep)
(avec p 1) de Ker(u) que l’on complète en (ex,..., en) base de F (avec n = dimF).
Si p est un isomorphisme, l’endomorphisme v = <p o u annule nécessairement les vec
teurs ei,..., ep.
méthode
On détermine ip de sorte que v opère un glissement envoyant eP+i,..., en sur
respectivement ep,..., en~i : en itérant v on obtient l’endomorphisme nul.
2. Autrement dit, il existe p G N* tel que l’itéré vp = v o • • • o v est nul.
Pour définir un isomorphisme ç?, il suffit de fixer l’image d’une base égale à une base.
Au surplus, on veut ici = e^-i pour tout i compris entre p + 1 et n. Il s’agit
alors d’introduire des bases de E adéquates pour construire p.
L’espace Vect(ep+i,... , en) est un supplémentaire de Ker(?i), l’endomorphisme u est
injectif sur celui-ci et transforme donc la famille (ep+i,..., en) en (îz(ep+i),... ,u(en))
base de Im(?z). On peut compléter celle-ci en une base de E adaptée à Im(w) en intro
duisant des vecteurs /i,..., fp bien choisis. Considérons ensuite l’application linéaire p
déterminée sur cette base par
ç>(iz(ei)) = Ci-i pour i e [p + 1 ; n] et w(ep+i)--« u(en) /i A • • • fp

9?(A) = en, 9?(/2) = ei,..., ç?(/p) = ep_i. X XX i i
C-n— 1 ^1 £p— 1
À l’ordre près des vecteurs, l’application linéaire p transforme la base adaptée à Im(u)
en la base (ei,..., en), c’est donc un isomorphisme. Au surplus, v = p o u vérifie :
Ci • • • ep &p+l • • • ^n—l
VJ 6 [1 ;p], v(ej) = 0s et
VJ € [p + 1 ;n], v(ej) = e,_i.
0e 0e
Il est alors facile d’itérer l’endomorphisme v pour constater qu’à chaque itération le
noyau s’agrandit d’un vecteur :
Ker(v) = Vect(ei,..., ep),

Ker(v2) = Vect(ei,..., ep+i),
Ker(?;3) = Vect(ei,..., ep+2), etc.
En particulier, Ker(?;n p+1) = E et donc vn p+1 = 0 : l’endomorphisme v est nilpotent.
Exercice 31 *** (Factorisation par un endomorphisme)

Soit f et g deux endomorphismes d’un espace E de dimension finie.
(a) Montrer
M<?) C Im(/) <=> 3h G C(E\ g = f o h,
(b) Montrer
Ker(/) C Ker(p) «=> 3h G £(E\ g = hof.
Solution
(a) On raisonne par double implication.
( <== ) Si l’on peut écrire g = f o h, il est entendu que les valeurs prises par g sont
aussi des valeurs prises par f et donc Im(g) Clm(/).
( ==> ) Supposons Im(g) C Im(/). Pour définir h solution, il serait bon de pouvoir
« inverser » l’endomorphisme f.
méthode
L’application linéaire f induit un isomorphisme entre tout supplémentaire de
son noyau et son image.
Soit S un supplémentaire de Ker(/) dans E (il en existe car l’espace E est de dimension
finie) et l’isomorphisme induit par f au départ de S et à valeurs dans Im(/). L’appli
cation composée h = p~1 o g est bien définie car g prend ses valeurs dans Im(g) C Im(/)
et ç?-1 est définie sur Im(/). Par composition, l’application h est linéaire et peut se com
prendre comme un endomorphisme de E. Enfin, ç?-1 prend ses valeurs dans S et f se
confond avec p au départ de S. Ceci permet d’écrire
f °h = f o (p-1 o g = Çipop-1) og = g.
=IdIm(/)
L’endomorphisme h est solution.
(b) Raisonnons encore par double implication.

( <= ) Si l’on peut écrire g = hof, il est immédiat que les vecteurs annulant f annulent
aussi g et donc Ker(/) C Ker(g).
( ==> ) Supposons Ker(J) C Ker(g).
méthode
La condition g = ho f détermine h sur l’image de /, on complète la définition
de h en choisissant arbitrairement h sur un supplémentaire de Im(/).
On introduit à nouveau l’isomorphisme p induit par f au départ d’un supplémentaire S
de Ker(/) et à valeurs dans Im(/). Soit aussi F un supplémentaire de Im(/) dans E.
Considérons l’application linéaire h déterminée par ses restrictions linéaires : h égale
à g o p”1 sur Im(/) et h égale à l’application nulle1 au départ de F. Vérifions que
l’endomorphisme h convient.
Pour x e Ker(J), (h o f)(F) = — <?(æ) car Ker(/) C Ker(p).
Pour x e S, (h o f)(x) = h(p(x)) = g(x) car h se confond avec g o p-1 sur Im(/).
Les applications linéaires h o f et g sont égales sur deux espaces supplémentaires, elles
sont donc égales sur E.
1. Ou toute autre application linéaire de F vers E, cela est sans conséquence pour la suite.
CHAPITRE 9
Matrices
1K désigne R ou C.
Les entiers n,p,q introduits dans ce chapitre sont supposés strictement positifs.
9.1 Calcul matriciel
9.1.1 Espaces des matrices

Définition
Il On note Afn,p(^) l’ensemble des matrices de type (n,p) à coefficients dans K, c’est-
II à-dire l’ensemble des familles A = d’éléments1 de K.
Une telle matrice est usuellement figurée par un tableau à n lignes et p colonnes
«i,i al,p\
( :
®n,l
•
O"n,p /
€ A4n,p(K).
Lorsque n = 1, ce tableau se résume à une ligne et l’on parle de matrice ligne.

Lorsque p = 1, on parle de matrice colonne.
Lorsque tous les coefficients sont nuis, on dit que la matrice est nulle et l’on note Onj?,
ou simplement 0, la matrice nulle de type (n,p).
1. On dit que j est le coefficient général de la matrice A, le premier indice est l’indice de ligne et
le second l’indice de colonne.
310 Chapitre 9. Matrices
Pour i e [1 ; n] et j e [1 ;p]|, la matrice élémentaire d’indice (z, j) et de type (n,p) est la

matrice Elj déterminée par le tableau ci-dessous1 :
p colonnes
/(0) (0)\
= I 1 <--—I i n lignes
\(0) î (O)/
3
Lorsque A est un élément de K et A = (aij), B = (bij) des matrices de type (n,p)
à coefficients dans K, on définit la matrice produit de A par le scalaire A et la matrice
somme de A et B par
~ ^t A -|- B — (üij H-
On vérifie alors
Théorème 1
(A4n,p(K), +, ) est un K-espace vectoriel dont l’élément nul est On?p.
De plus, cet espace est de dimension finie np et la famille des matrices élémentaires
en constitue une base appelée base canonique de jMn?p(K).
9.1.2 Produit matriciel

Pour A = (aij) E Adn,p(]K) et B = (bj^) € JVtP5q(K), on définit la matrice produit de A
par B en posant
p
AB = (c^) £ A4n?g(K) avec = ^2ai,jbj,k pour tout (i,k) E [1 ;n] x [1 ;q].
j=i
Le produit matriciel AB n’est possible que lorsque le nombre de colonnes de A correspond

au nombre de lignes de B. En outre, on peut retenir que le produit d’une matrice de
type (n,p) par une matrice de type (p, g) définit une matrice de type (n, g).
Le produit matriciel est associatif. Il est aussi bilinéaire dans le sens où l’on peut écrire
A(XB + pC) = XAB + pAC et (AB + pC) A = XBA + pCA
pour A, pÆ K et A. B. C matrices de « types convenables ».
On appelle matrice unité (ou matrice identité) de taille n la matrice de type (n, n) dont
tous les coefficients sont nuis sauf ceux d’indices (z, ï) avec i E [1 ; n] qui sont égaux à 1 :
/I
<(0)
1. Dans ce tableau, les (0) figurent des regroupements de coefficients tous nuis.
9.1 Calcul matriciel 311
La matrice unité de taille convenable est élément neutre à droite et à gauche pour le
produit matriciel : A x Ip = A = In x A pour toute matrice A de type (n,p).
Notons que le produit matriciel n’est pas commutatif.
9.1.3 L’anneau des matrices carrées

Définition
Une matrice carrée de taille n est une matrice de type (n, n). On note A4n(]K) l’en
semble des matrices carrées de taille n à coefficients dans K.
Les coefficients d’indices (z,z) d’une matrice carrée A = s’appellent les coefficients
diagonaux de A et la famille (ai,i,.. •, an,n) détermine la diagonale de A.
Théorème 2
(jMn(K), +, x) est un anneau de neutres On et In.
^tn(K) étant un anneau, on peut y utiliser les formules du binôme (Th. 6 p. 124) et
de factorisation géométrique (Th. 7 p. 124). L’anneau A4n(K) n’étant pas commutatif
lorsque n 2, on sera attentif à vérifier l’hypothèse de commutativité nécessaire à l’usage
de ces formules.
Dans un anneau, les éléments inversibles sont remarquables et constituent un groupe
multiplicatif (Th. 8 p. 124) :
Définition
On dit que A e A4n(K) est inversible s’il existe B e A4n(K) vérifiant AB = B A = In.
Cette matrice B est alors unique et s’appelle V inverse de A. On la note A-1.
La matrice unité In est inversible et I”1 = In.
Théorème 3
Une matrice carrée est inversible si, et seulement si, elle inversible à droite, ou encore
si, et seulement si, elle est inversible à gauche.
x__________________________________________________ _______________________ ____________________________________________________________________________________ _
Les inverses à droite et à gauche sont alors égaux à l’inverse de la matrice.
Théorème 4
L’ensemble GLn(ŒC) des matrices inversibles de A4n(K) est un groupe multiplicatif
de neutre In.
(GLn(K), x) est le groupe linéaire d’ordre n.

9.1.4 Matrices carrées remarquables

Définition
Une matrice diagonale de taille n est une matrice carrée A = (aij) G A4n(IK) dont
tous les coefficients sont nuis lorsque i/j:
(0) \
\ (0)
Le produit de deux matrices diagonales définit une matrice diagonale :
( 01,1 (0) 'i (bl,l / «1,161,1 (0) 'l
(o)\
<(0) '
k(°) ^n,n /
\ (0) ^n,n^n,n /
Soulignons aussi que ce produit commute.

Définition
Une matrice triangulaire supérieure (resp. triangulaire inférieure) de taille n est
une matrice carrée A = (a^j) G Afn(K) dont tous les coefficients sont nuis
lorsque i > j (resp. i < j)1 :
Le produit de deux matrices triangulaires supérieures (resp. inférieures) est une matrice
triangulaire supérieure (resp. inférieure) et ses coefficients diagonaux sont remarquables :
( «1,161,1
k (0)
Une matrice diagonale (resp. triangulaire) est inversible si, et seulement si, ses coefficients
diagonaux sont non nuis. Son inverse est alors une matrice diagonale (resp. triangulaire).
9.1.5 Transposition
Définition
On appelle matrice transposée de A = (aij) de type (n,p), la matrice = (aT) de
type (p, n) déterminée par
V(i, j) e [1 ; n]| x [1 ;pj, =f aitj.

Cette matrice est constituée des mêmes coefficients que A mais ceux-ci sont disposés en
ligne plutôt qu’en colonne. La matrice transposée de A est quelquefois notée AT.
1. Dans cette description le symbole * signifie : des coefficients quelconques.
9.2 Représentations matricielles 313
L’opération de transposition est linéaire et vérifie *(*4) = A et t(AB) =tBtA pour A

et B matrices de types compatibles.
Théorème 5
Si A G .Mn(K) est inversible, sa transposée *A l’est aussi et = É(A-1).
9.1.6 Matrices par blocs

Il est possible de décrire une matrice en regroupant ses coefficients par blocs. On peut
par exemple définir une matrice M en réalisant un découpage par blocs 2x2
DJ
à partir de A, B, (7, D quatre matrices telles que A et B d’une part, C et D d’autre part,
ont le même nombre de lignes et que A et C d’une part, B et D d’autre part, ont le
même nombre de colonnes.
On peut alors opérer sur les décompositions par blocs sous réserve de compatibilité des
types matriciels. Par exemple, on peut écrire
A B\ (A' B’\_(AaA’ BaB'X

C DJ+ ^C" D') ~ \C AC’ DA D'J et
A B\ (A1 B’\ _ (AA1 + BC AB’ + BD'\
C d) X ^C" D') ~ tCA' + DC CB’ + DD’) ’
Ce type de formule se généralise à des découpages par blocs de différents types. Le

calcul d’un produit par blocs est alors analogue au produit matriciel sous la réserve
d’être attentif à la compatibilité des types matriciels et à l’ordre des facteurs puisque la
multiplication matricielle n’est pas commutative.
9.2 Représentations matricielles
E et F désignent des EC-espaces vectoriels de dimensions finies.
9.2.1 Matrice des coordonnées d’un vecteur

Si E est muni d’une base e = (ei,..., en), tout vecteur x de E s’écrit de façon unique
æ = Aiei +---- F Xnen avec (Ai,..., An) e ECn.
Les Ai,..., An déterminent les coordonnées du vecteur x dans la base e.

Définition
On appelle matrice du vecteur x dans la base e la matrice colonne
/AA
Mate(rc) = g A4n,i(K).
Plus généralement :
Définition
On appelle matrice d’une famille (aq,... ,æp) de vecteurs de E dans la base e, la
matrice de type (n,p) dont les colonnes sont formées par les coordonnées des vec
teurs aq,..., xp dans la base e :
Mate(aq, =
coordonnées
lues dans e
En particulier, la matrice de la famille e dans la base e est la matrice In.
9.2.2 Matrice d’une application linéaire

Soit e = (ei,..., ep) et f = (/i,..., /n) des bases des espaces E et F.
Définition
On appelle matrice d’une application linéaire u e £\E,F) relative aux bases e et f
la matrice de la famille (u(ei),..., u(epf) dans la base f :
Mate,/(tt) =f Maty(u(ei), • • • , ^(ep)) £ A4n?p(IK)
'u(ei) u(ep)
z 1 ... K
coordonnées
Matej(u) =
lues dans f
Les bases e et f correspondent aux bases de départ et d’arrivée de la représentation

matricielle. Cette matrice permet de calculer facilement les coordonnées des images des
vecteurs :
Théorème 6
Si u est une application linéaire de E vers F, la matrice de u relative aux bases e
et f est l’unique matrice A e jMn,p(K) telle que, pour tous vecteurs x G E et y G F,
y = u(x) <=> Y = AX avec X = Mate(æ) et Y = Mat/(p).

9.2 Représentations matricielles 315
La représentation matricielle d’une application linéaire caractérise entièrement celle-ci :
Théorème 7
L’application qui à u e F) associe sa matrice relative aux bases e et f est un
isomorphisme de l’espace vectoriel £(E,F) vers jMn?p(K)
Il est donc possible de déterminer une application linéaire par le choix de sa matrice
représentative dans des bases données.
Au surplus, le produit matriciel traduit la composition des applications linéaires :
Théorème 8
En introduisant un espace vectoriel G muni d’une base g, on a, pour tous u E £(E, F)
etve£(F,G),
Mate,g(v ou) = Maty?5(v) Matej(u).
En particulier, u est un isomorphisme si, et seulement si, sa matrice représentative est

une matrice carrée inversible.
9.2.3 Matrice d’un endomorphisme

Soit e = (ei,..., en) une base de E. Pour figurer un endomorphisme, il est usuel de
choisir une base d’arrivée identique à celle de départ.
Définition
On appelle matrice d’un endomorphisme u E C(E) relative à la base e, la matrice de
l’application linéaire u relative aux bases e au départ et e à l’arrivée. Cette matrice
est notée Mate(n), il s’agit d’une matrice carrée de taille n.
En particulier, la matrice de l’endomorphisme Id# est égale à la matrice unité In dans
n’importe quelle base de F.
Comme pour les applications linéaires, le calcul matriciel est compatible avec le calcul
relatif aux endomorphismes.
9.2.4 Matrice d’une forme linéaire

Soit e = (ei,..., en) une base de E. Une forme linéaire sur F est une application linéaire
au départ de F et à valeurs dans K. Il est usuel de munir l’espace d’arrivée K de sa base
canonique uniquement constituée du nombre 1.
Définition
On appelle matrice d’une forme linéaire E £(F,K) relative à la base e, la matrice
représentative de l’application linéaire 99 relative à la base e au départ et à la base (1)
à l’arrivée. Cette matrice est une matrice ligne de longueur n.
Si L figure une forme linéaire p sur E et si X désigne les coordonnées d’un vecteur x de E
dans la même base, le calcul LX détermine une matrice à un seul coefficient correspondant
à la valeur ç>(æ).
9.2.5 Application linéaire canoniquement associée à une matrice

Soit A G A4n5p(K). Par l’isomorphisme introduit dans le théorème 7, on peut affirmer
qu’il existe une unique application linéaire a G £(ïïCp,Kn) figurée par la matrice A dans
les bases canoniques de ]KP et de
Définition
L’application a est nommée application linéaire canoniquement associée à la ma
trice A.
Si x = (aq,..., Xp) et 3/ = Q/i,..., ?/n) désignent des éléments de Kp et ÏÏCn, on a
y = a(x) <=> Y = AX
avec X et Y les colonnes constituées respectivement des éléments x±, ..., xp et , yn.
En réalisant l’identification du vecteur x avec la colonne X et du vecteur y avec la
colonne K, on peut écrire que l’application canoniquement associée à A est l’application
qui à x G Kp associe y G déterminé par y — Ax.
Définition
On appelle noyau d’une matrice A E le noyau de l’application linéaire qui
lui est canoniquement associée. On le note Ker(A).
Ce noyau est le sous-espace vectoriel de Kp formé des solutions de l’équation1 Ax = 0 :
les lignes de la matrice A donnent un système d’équations déterminant son noyau.
Définition
Il On appelle image d’une matrice A G A4n>î?(IK) l’image de l’application linéaire qui
|| lui est canoniquement associée. On la note Im(A).
Cette image est le sous-espace vectoriel formé des vecteurs Ax pour x parcourant BCP,
c’est aussi le sous-espace vectoriel de ÏÏCn engendré par les colonnes de A.
9.2.6 Rang d’une matrice

Définition
|| On appelle rang d’une matrice A la dimension de son image. On le note rg(A).
Ce rang est aussi le rang de la famille des colonnes de la matrice A, il est assurément
inférieur aux nombres de lignes et de colonnes de A.
Théorème 9
Si A est la matrice d’une famille (xi,..., xp) de vecteurs de E dans une base, le rang
de A est aussi le rang de la famille (aq,.. Mxp).
Si A est la matrice d’une application linéaire u G £(E, F) relative à des bases de E
et F, le rang de A est aussi le rang de l’application linéaire u.
1. Le zéro écrit dans cette équation est volontairement ambigu : il peut à la fois se comprendre comme
le vecteur nul de Kn ou comme la colonne nulle de A4n5i(K).
9.3 Changements de bases 317
Par l’application linéaire canoniquement associée, on peut énoncer une formule du rang
p = rg(A) + dimKer(A) pour A e «A4n)P(K).

nombre de colonnes
Aussi, le rang d’un produit de deux matrices est inférieur aux rangs de chacun des facteurs
rg(AB) min(rg(71), rg(B)) pour A e jMn,p(K), B e Atp,g(K).
On en déduit :
Théorème 10
On ne modifie pas le rang d’une matrice lorsque l’on multiplie celle-ci par une matrice
inversible.
Théorème 11
Une matrice carrée est inversible si, et seulement si, son noyau est réduit à l’espace
nul, ou encore, si, et seulement si, son rang est égal à sa taille.
9.3 Changements de bases
9.3.1 Matrice de passage

Soit e et e' deux bases d’un même espace vectoriel E de dimension n.
Définition
On appelle matrice de passage de e à e' la matrice figurant la famille e' dans la base e
P*' = Matee' eA^n(K).

Cette matrice figure aussi l’application linéaire identité relativement aux bases e' au
départ et e à l’arrivée. A ce titre une matrice de passage est inversible et son inverse est
la matrice de passage de e' à e.
9.3.2 Formules de changement de base
Théorème 12
Si P est la matrice de passage d’une base e à une base e! d’un espace vectoriel E
alors, pour tout vecteur x de E,
X = PXf avec X = Mate(æ) et X' — Mate/(j;).

Théorème 13
Si P est la matrice de passage d’une base e à une base e! d’un espace vectoriel E et
si Q est la matrice de passage d’une base f à une base f' d’un espace vectoriel F
alors, pour toute application linéaire u € £(E, F),
A'— Q~XAP avec A = Matej(îz) et A' = Mate,
En particulier, lorsque u est un endomorphisme de E,
A1 = P~XAP avec A = Mate(îz) et A' — Mate/(?z).
9.3.3 Matrices équivalentes et rang

Définition
On dit qu’une matrice A E A4n,p(K) est équivalente à une matrice B de même type
lorsqu’il existe P E GLP(K) et Q G GLn(K) telles que A = QBE1.
Les différentes matrices d’une même application linéaire sont toutes équivalentes.
Théorème 14
Si u G F) est de rang r, il existe une base e de E et une base f de F telles que
la matrice de u dans les bases e et f est la matrice décrite par blocs
Jr = (o o) e
(où les 0 désignent des blocs nuis de tailles appropriées).
Une matrice A e A/tn?p(K) est alors de rang r si, et seulement si, elle est équivalente
à la matrice1 Jr de même type :
A = QJrP~1 avec P E GLP(K) et Q E GLn(ŒC).
Deux matrices sont alors équivalentes si, et seulement si, elles ont le même rang.
Par transposition, la matrice Jr est transformée en une matrice de rang r. On en déduit
que le rang d’une matrice est invariant par transposition.
Le rang d’une matrice est celui de la famille de ses colonnes. Par transposition, c’est
aussi le rang de la famille de ses lignes. Si l’on retire un certain nombre de lignes et/ou
de colonnes à une matrice, on forme ce que l’on appelle une matrice extraite. Une telle
matrice est de rang inférieur à la matrice dont elle est issue. Plus précisément
Théorème 15
Le rang d’une matrice est la taille maximale d’une matrice carrée inversible extraite
de celle-ci.
1. La matrice Jr est appelée matrice canonique de rang r de type (n,p).
9.4 Opérations élémentaires et systèmes linéaires 319
9.3.4 Matrices semblables et trace

Définition
On appelle trace d’une matrice A = (aij) G la somme de ses coefficients
diagonaux :
tr(A) = nij + • • • + an,n.
La trace définit une forme linéaire sur jMn(K). Elle vérifie :
Théorème 16
Pour toutes matrices A G jMn,p(K) et B G «A4p,n(K),
tr(ÆB) = tr(BA).
Définition
On dit qu’une matrice carrée A G Afn(K) est semblable à B G A4n(K), s’il existe
P G GLn(K) telle que B = P~rAP.
Les différentes matrices d’un même endomorphisme sont toutes semblables. De plus, deux
matrices semblables ont la même trace1 ce qui permet d’introduire la définition suivante :
Définition
On appelle trace d’un endomorphisme u de E la trace commune aux matrices figurant
cet endomorphisme. On la note tr(u).
La trace définit une forme linéaire sur £(B). Elle vérifie tr(î/ ov) = tr(v o u) pour toutes
applications linéaires u G et v G £(F,E).
Théorème 17
Si p est une projection vectorielle de l’espace B, on a tr(p) = rg(p).
9.4 Opérations élémentaires et systèmes linéaires
9.4.1 Opérations élémentaires

Définition
Les opérations élémentaires transforment une matrice en opérant sur ses rangées. Les
opérations sur les lignes sont de trois types :
— Li G- aLi : on multiplie la ligne i par un scalaire q 0 :
— Li G- Li + XLj : on ajoute à la ligne i un multiple de la ligne j avec j / i ;
— Li G> Lj : on échange les lignes d’indices i et j.
Les opérations élémentaires sur les colonnes sont analogues et sont codées Ci i- aCi,
Ci G- Ci + ACj et Ci G» Cj.
1. Elles ont aussi le même rang mais ces conditions ne sont pas suffisantes pour affirmer que deux
matrices sont semblables.
Les opérations élémentaires sur les colonnes d’une matrice A (resp. les lignes) peuvent
s’interpréter comme la multiplication à droite (resp. à gauche) de A par une matrice
inversible « adaptée ». Ces opérations conservent l’image (resp. le noyau) de la matrice.
En particulier :
Théorème 18
Les opérations élémentaires conservent le rang d’une matrice.
Les opérations élémentaires permettent aussi de calculer l’inverse1 d’une matrice.
9.4.2 Systèmes linéaires

Considérons un système d’équations linéaires à n équations et p inconnues de la forme
«1,1^1 + ^1,2^2 + * * * + dl,pXp — 61

^2,1^1 “H &2,2^2 + ’ - * 4" 0*2,p%p — 62
(S): < . . .
“F (^n,2^2 “F ’ * * “F ^n,p^p — 5n.
On introduit la matrice A = (aij) E A4nfP(K) et les vecteurs x = (aq,... ,æp) de

et b = (5i,..., bn) de IKn que l’on identifie avec les colonnes formées des mêmes coeffi
cients. Résoudre le système (S) revient à résoudre l’équation Ax = b.
Définition
Il L’équation Ax = b est appelée équation matricielle associée au système (E).
L’équation Ax = b est une équation linéaire d’équation homogène associée Ax — 0.
Résoudre celle-ci revient à déterminer le noyau de A. Celui-ci est un sous-espace vectoriel
de dimension p — r avec r = rg(A).
Lorsque le système (E) est compatible et que xq en est une solution particulière, on peut
décrire le sous-espace affine des solutions : + Ker(A). (Th. 4 p. 274).
9.4.3 Systèmes de Cramer

Un système carré est un système d’équations linéaires ayant autant d’équations que
d’inconnues. Un tel système peut ne pas être compatible ou posséder une infinité de
solution. Cependant,
Théorème 19
Un système carré d’équation matricielle Ax = b possède une et une seule solution si,
et seulement si, la matrice A est inversible.
Un tel système se nomme un système de Cramer.

9.5.1 Calculs matriciels
Exercice 1
On note Eij et Ekj les matrices élémentaires de et d’indices (% J)
et convenables. Calculer Eij x Ekj.
Solution
Commençons par souligner que le produit des matrices élémentaires proposées est
possible et détermine une matrice de type (n,<?).
méthode
|| On pose le produit des tableaux figurant Eij et Ekj.
Chaque ligne nulle de la matrice Eij induit une
ligne nulle sur la matrice produit. De même, chaque
colonne nulle de la matrice Ek^ définit une colonne
nulle sur la matrice produit. Par conséquent, dans la
matrice Eij x Ekj, seul le coefficient d’indice (z,£)
est susceptible d’être non nul. Plus précisément, il
est non nul si, et seulement si, les deux 1 des ta
bleaux figurant Eij et Ek^ se croisent, c’est-à-dire
si, et seulement si, j = k auquel cas il vaut 1.
Finalement, EijEkj = On,q si j / fc et EijEkfe = Eij e jMn,q(K) si j = k. On pourra
retenir l’écriture synthétique
1 si j = k
EijEk^ = ôj,kEi,e avec Sj,k symbole de Kronecker : Sjik =
0 sinon.
Exercice 2
Calculer An pour n e N et les matrices A suivantes :
z x
(a) - (0 A A 1 \J (b) 71. ~ fl
(0 1\
z, .
1) z .
A. ~ /1
\0 1\ ■
3)
Solution
méthode
Il On calcule les premières puissances de A afin de proposer une forme générale.
(a) On observe A2 = I2 ce qui invite à discuter selon la parité de n.
Cas : n est pair. On peut écrire n = 2p avec p e N et alors An = (A2)P — ^2-
Cas : n est impair. On écrit n = 2p -F 1 avec p G N puis An = (A2)PA = A.
(b) On observe
1 0 1 1\I a2 — <1
I 2\I 4°
.3 = <1
I 3\
AQ = A1 = etc.
0 1 0 ij ’ 1/ ’ \o ij
On vérifie alors par récurrence l’identité
1 n\
An
0 V
(c) Le calcul des premières puissances de A laisse observer une écriture
1
An avec un à déterminer.
0
L’égalité An+1 = AnA permet d’exprimer un+i en fonction de un : wn+i = 3un + 1. La

suite (un) est une suite arithmético-géométrique et, après résolution1, il vient
3n - 1
^72 — q
Exercice 3
Une matrice M € jMn(R) est dite symétrique (resp. antisymétrique) lorsque lM = M
(resp. lM — —M). On note 5n(R) et An(R) les ensembles constitués des matrices
symétriques et des matrices antisymétriques de A4n(R).
(a) Montrer que 5n(R) et An(R) sont des espaces supplémentaires de M.n(R).
(b) Préciser leurs dimensions respectives.
Solution
(a) Commençons par vérifier que les parties <Sn(R) et An(R) sont des sous-espaces
vectoriels de jMn(R). Elles contiennent chacune la matrice nulle et sont stables par
combinaison linéaire. En effet, pour A, /i E R, A, B E A4n(R) et e = ±1, si lA = eA
et lB = eB alors tÇXA + /aéB) = e(XA + /iB) par linéarité de l’opération de transposition.
méthode
La supplémentarité de deux espaces vectoriels peut être établie par analyse-
synthèse.
Soit M e A4n(R).
Analyse : On suppose M — A + B avec A e 5n(R) et B e An(R)« En transposant
cette égalité, il vient = tA-\-tB — A — B. On en déduit
A=|(M + ‘M) et B=
1. Voir sujet 1 du chapitre 6 de l’ouvrage Exercices d’analyse MPSI.

Ceci assure l’unicité de l’écriture de M comme somme d’une matrice symétrique et d’une
matrice antisymétrique.
Synthèse : Considérons les deux matrices A et B déterminées par (*). La matrice M est
bien la somme de A et B et, en exploitant tÇtM) = M, on observe tA = AettB = —B :
les matrices A et B sont respectivement symétrique et antisymétrique.
Finalement, les espaces <Sn(R) et An(R) sont supplémentaires1 dans A4n(R).
(b) méthode
|| La dimension d’un espace est le nombre de vecteurs constituant ses bases.
En taille 3, les matrices symétriques et antisymétriques sont respectivement de la forme
a d e\ 0 a b\
d b / —a 0 cl.
e f cj —b —c 0/
Les matrices symétriques sont combinaisons linéaires de £1,1, £2,2, £3,3, £1,2 + £^2,1,
£1,3 + £3,1 et £2,3 + £3,2 tandis que les matrices antisymétriques sont combinaisons
linéaires de £1,2 — £2,1» £1,3 — £3,1 et £2,3 — £3,2-
En taille n, une matrice symétrique A = (dij) vérifie = dyi pour tous i et j compris
entre 1 et n. Elle peut s’écrire
n
A— di jE-i i + dijÇE^j -|- Eyi).
i=l
Une telle matrice est combinaison linéaire des matrices Ei^ pour 1 < i < n et des
matrices Ei j + Ejti pour 1 i < j n. Ces dernières constituent une famille libre donc
une base. En effet, supposons
n
Ej^) — On avec î,j £ R-
i=l
Pour i J, les réels déterminent les coefficients d’indices (z,J) de la matrice en

premier membre, ils sont donc tous nuis. Il suffit ensuite de dénombrer les éléments de
cette base pour obtenir la dimension de 5n(R)
n(n — 1) n(n + 1)
dim Sn (R) = n + 2 = 2
Par supplémentarité, on en déduit la dimension de An(R)
dim An (R) = dim A4 n (R) — dim<Sn(R) = n2--------- ----
1. L’endomorphisme T : _Mn(R) —> A4n(R) défini par T(A) = lA vérifie T o T = Id. Le Th. 8 p. 276
assure alors que Ker(T — Id) = <Sn(R) et Ker(T + Id) = An (R) sont des espaces supplémentaires et l’on
peut interpréter la transposition comme la symétrie par rapport au premier et parallèlement au second.
On peut confirmer ce résultat en observant que les matrices antisymétriques A =

sont les matrices vérifiant — 0 et = —aij- Celles-ci peuvent s’écrire
— Ej,i)
ce qui permet de proposer une base de Xn(R).
Solution
(a) La matrice considérée a une forme échelonnée1 qui permet d’en déterminer le rang.
Par opérations élémentaires sur les colonnes (ce qui conserve le rang), on peut annuler
les coefficients à droite du 1 sur la première ligne :
/1 -1 2 1 0 \ /I 0 0 0 0 \
C*2 C% + Ci
0-110-1 0-110-1
rg 0 0 0 1 2 = rg 0 0 0 1 2 via < C3 C3 - 2C1
^0 0 0 0 0 ) C4 C4 - Ci.
^0 0 0 0 0 /
De même, on annule les coefficients à droite du —1 sur la seconde ligne puis ceux à droite
du 1 sur la troisième ligne. Par passage à l’opposé de la deuxième colonne, on peut aussi
transformer le —1 en un 1
/I -1 2 1 0\ /I 0 0 0 0\ /I 0 0 0 0\
0-110-1 0-1000 0 10 0 0
rg 0 0 0 1 2 = rg = rg
0 0 0 1 0 0 0 0 1 0
^0 0 0 0 0 ) V) 0 000/ ^0 0 0 0 0^
La dernière matrice est de rang 3 car les colonnes d’indices 1, 2 et 4 sont des colonnes
élémentaires indépendantes et les deux autres sont milles.
En pratique, il n’est pas usuel de détailler les étapes qui viennent d’être présentées :
reconnaître une forme échelonnée suffit à affirmer la valeur du rang car on peut transfor
mer par opérations élémentaires une telle matrice en une matrice constituée de colonnes
élémentaires et de colonnes milles.
1. On dit qu’un matrice est échelonnée lorsque le nombre de coefficients nuis en début de ligne
augmente d’au moins une unité ligne par ligne. Les premiers coefficients à droite de ces zéros sont les
pivots sur lesquels on prend appui pour annuler le restant de la ligne par opérations sur les colonnes.
(b) méthode
Il Par opérations élémentaires sur les rangées, on peut transformer une matrice
Il en une matrice échelonnée pour laquelle le rang est immédiat à déterminer.
On prend appui sur le premier coefficient de la matrice pour annuler par opérations
sur les lignes les coefficients figurant en dessous
/ 1 11 -1\ /l 1 1 -1\ /1 1 1 -1\
rg -1 -1 0 1 I = rg [ 0 0 1 0 | = rg [ 0 —1 1 0 | =3.
\ 1 0 2-1/ L3ZL3tL\ \o -1 i o / L2^Ls \0 0 1 0 /
(c) On commence par échanger les deux premières lignes afin de faire figurer en tête
de la matrice un coefficient permettant d’annuler ceux dessous
/O 1 1 1 \ /I 0 1 2
/1 0 1 12\
rg
10 12 0 1 1 1 0 1 1 1
= rg
-110-1 r = r rS -1 1 0 -1 L3+L1 0 1 1 1
0 -10 0 O -1 0 0 L4. — L4. — Li
\0 -1 -1 -1/
méthode
Les opérations élémentaires sur les lignes qui transforment une matrice in
versible en la matrice unité transforment parallèlement la matrice unité en
l’inverse recherché.
On figure parallèlement la matrice A et la matrice In.
1 0 1 1 0 0\
2 -1 1 0 10.
-1 1 0 0 1/
Les opérations L2 L? — 2Li et L3 «— L3 + Li annulent les coefficients en dessous du 1
de la première colonne
/1 0 1 1 0 0\
0-1-1 -2 1 0 .
\0 1 0 1 0 1/
L’opération £3 £3 + £2 finit de transformer la matrice A en une matrice triangulaire
/I 0 1 1 0 0\
0-1-1 -2 1 0 .
\0 0 -1 -1 1 1/
À ce stade on est assuré que la matrice A est de rang 3, c’est donc une matrice inversible.
Les opérations £2 ---- £2 et £3 A----- transforment les coefficients diagonaux en des 1
/I 0 1 1 0 0\
yooii—1—1/
0 112-1 0 .
Enfin, les opérations £2 <— £2 — £3 et £1 £1 — £3 finissent de transformer le bloc de

gauche en la matrice unité et le bloc de droite décrit alors la matrice inverse de A.
1 0 0 0 1 1\
0 10 1 0 1 .
0 0 11-1 -1/
On peut aussi inverser la matrice A en introduisant le système d’équation matri

cielle AX = Y avec X et Y colonnes de coefficients aq,æ2,X3 et ?/i, î/2,2/3 • Résoudre
ce système afin d’exprimer X en fonction de Y revient à écrire Y = A~rX ce qui révèle
la matrice inverse de A :
^1 + ^3 = yi = V2 + y3
< 2xi - x2 + x3 = y2 < x2 = yi + y$
k -X! + x2-x3=y3 X3 = yi-y2-ys
9.5.2 Matrices et applications linéaires
Exercice 6
Soit f l’endomorphisme de R3 figuré dans la base canonique par la matrice
/-I 3 -3\
A= 1 1 -1 .
\ 1 -1 1 /
On introduit les vecteurs ei — (1,1, 0), e2 = (—1,1,1) et 63 = (0,1,1).
(a) Montrer que e = (ei,e2,C3) constitue une base de R3.
(b) Ecrire la matrice de / dans cette base.
(c) Sans calculs, déterminer une base de Ker(/) et de Im(/).
Solution
(a) La famille e est constituée de trois vecteurs d’un espace de dimension 3 : il suffit
de vérifier qu’elle est libre pour pouvoir affirmer qu’elle forme une base (Th. 12 p. 243).
Supposons AiCi + À2C2 + Ases = 0^3 avec Ai, A2, A3 des réels. Cette égalité produit le
système
Ai — A2 =0
< Ai + A2 + A3 = 0
A2 A3 = 0.
Après résolution, on constate que seul le triplet (Ai, A2,As) = (0,0,0) est solution de ce
système. La famille e est donc libre et constitue une base de l’espace R3.
(b) méthode
On remplit la matrice figurant f dans la base e en calculant les images des
vecteurs /(ej, /(e2) et /(e3).
Si X désigne la colonne des coordonnées d’un vecteur x — (æi, æ2, <£3) dans la base
canonique, le produit AX détermine la colonne figurant f(x) (Th. 6 p. 314). Les produits
matriciels suivants déterminent alors les images des vecteurs Ci, 62, 63 par f :
méthode
Ce ne sont pas directement ces colonnes qui remplissent la matrice de l’endo
morphisme f dans la base e mais les coordonnées dans e des vecteurs associés.
Les calculs matriciels précédents donnent /(ei) = 2ei, /(e2) = —62 et /(es) = 0^3. On
en déduit
/2 0 0\
Mate(/) = 0 -1 0 .
\0 0 0/
(c) La matrice figurant / est de rang 2 et donc l’endomorphisme / est aussi de rang 2.
Il suffit de déterminer deux vecteurs indépendants dans l’image de / pour en constituer
une base : les vecteurs ei et 62 peuvent1*convenir car les calculs qui précèdent assurent
qu’ils appartiennent à l’image de /.
Par la formule du rang, le noyau de / est de dimension 1 et puisque 63 en est un vecteur
non nul, il constitue une base de Ker(/).
1. Aussi, les colonnes de la matrice A correspondent aux images des vecteurs de la base canonique.
Elles définissent donc des éléments de l’image de f pouvant servir à en constituer une base.
Exercice 7
Soit E un espace vectoriel réel muni d’une base e = (ei, 62,63) et f l’endomorphisme
de E figuré dans la base e par la matrice
/-3 -1 1 \
A= I 4 2 -1 .
\2 2 -1/
On pose Er = e<2 + 63, E2 = ei — 62 + 63 et 63 = ei — 62-

(a) Vérifier que e' = (eÇ, E2, E3) est une base de E.
(b) Former la matrice D de f dans la base e'.
(c) Exprimer la matrice de passage F de e à e' et son inverse F-1.
(d) Quelle relation relie les matrices A, D et F ?
(e) En déduire une expression de An pour n E N.
Solution
(a) La famille E est une famille de trois vecteurs de l’espace E de dimension 3 : on
peut vérifier que c’est une base de E en étudiant sa liberté ou, plus directement, en
calculant son rang (Th. 9 p. 316)
/O 1 1 \ /1 -i -1
rg(e/1,eg,eg) =rgMate(eÇ,62,63) =rg I 1 -1 I =r rë 0 1 1
\1 1 0 / 12 \1 1 0
/I -1 -1 \ fl -1 -i\
0 1 1 1 1 = 3.
0
= rg '
Z/3<—L3 —Li
\o 2 1 J' —Z/3—2Z/2
\0 0 -1/
La famille e = (ei, 62, 63) est donc une base de E.
(b) méthode
Il On remplit la matrice D par colonne à l’aide des coordonnées dans E des
Il images des vecteurs de E.
Si X désigne la colonne des coordonnées dans e d’un vecteur x de F, le produit AX
fournit la colonne des coordonnées du vecteur f(x) dans la base e. Les produits suivants
déterminent alors les images des vecteurs e' :
/-3 -1 1 \ z0\ ro\ /-3
4 2-11=1,
k 2 2 —1/ \ 1 / k 1 / k 2
4 (jï:!)Q)-(î)
Sur ces calculs, on lit /(eÇ) = ej, /(e^) = —E2 et /(e^) = —2E3. On peut alors former la
matrice D
/1 0 0\
D= 0 -1 0 .
\0 0 -2/
(c) méthode
|| La matrice de passage de e à e' figure les vecteurs de e! dans la base e.
/O 1 1 \
P = Mate(e,1,eî>,e'3) =
1 -1 -1 .
V 1 0 /
On retrouve la matrice dont on a calculé lerang ci-dessus.
méthode
La matrice P-1 est la matrice de passage de e' à e : on renverse le système
exprimant les vecteurs de e' en fonction de ceux de e.
Après résolution
62 + 63 = eÇ ( ci = eÇ - 62 + 2e3 / 1 1 0 \
< ei — 62 + 63 = e2 <=> 62 = eÇ — e2 + e3 donc P-1 = 1—1 —1 1 I.
ci — 62 = e3 ^63= 62 — e3 y 2 1—1/
(d) Par la formule de changement de base (Th. 13 p. 318), on sait A = P DP x.
(e) méthode
Il II est facile de calculer Dn et l’on peut en déduire An.
Soit n € N. On vérifie par récurrence
A ° 0 \
Dn = 0 (-l)n 0
\0 0 (—2)ny
En simplifiant les facteurs P-1 P en In, on a aussi
An = (PDP-1) (PPP"1)... (PDP"1) = PD(P-1P)D ... (P-1P)PP“1 = PDnP~1
n facteurs PDP~T
On en déduit après quelques calculs1
/O 0 0\ /-I
An = 1 1 0 | +(-l)n 1
V 1 °/ \-l
1. En décomposant Dn en une combinaison linéaire des matrices élémentaires Ei,i, #2,2 et #3,3, on
forme par des calculs simples l’écriture proposée où An s’exprime comme combinaison linéaire de trois
matrices de projection de rang 1.
Solution
Rappelons que l’image et le noyau d’une matrice A de jMn,p(K) sont l’image et le noyau
de l’application linéaire qui lui est canoniquement associée. Cette application linéaire est
celle qui à x = (aq,... ,#p) G Rp associe Ax où l’on identifie x et la colonne constituée
des éléments aq,...,xp.
méthode
|| La résolution du système associé à l’équation Ax = 0 détermine le noyau de A.
Soit x = (aq,x%) G R3. Le système associé à l’équation Ax = 0 s’écrit
f Xi +i,3 = 0
(xs = -Xi
< X2 + x3 = 0 soit encore
= æl-
Xi — X2 =0
Le noyau de A est donc constitué des triplets (aq,aq, —aq) avec x± quelconque :
Ker(A) = {aq(1,1, —1) | x± G R} = Vect(l, 1, —1).
Le noyau de A est la droite vectorielle engendrée par (1,1, —1).
Par la formule du rang, il vient rg(A) = 3 — 1 = 2 : il suffit donc de connaître deux
éléments indépendants dans l’image de A pour déterminer une base de celle-ci.
méthode
|| Les colonnes d’une matrice constituent une famille génératrice de son image.
Les deux premières colonnes de la matrice A n’étant pas colinéaires, elles forment une
base de l’image A
Im(A) = Vect((l,0,1), (0,1, — 1)).
Exercice 9
Soit A G A/tn)P(K) et B G -A4P5<2(K). Montrer
AB = On,Q <=> Im(B) C Ker(A).
Solution
Cette affirmation est la transposition matricielle d’une étude vectorielle déjà menée1.
méthode
|| Les démonstrations vectorielles peuvent souvent être transposées aux matrices.
( => ) Supposons AB = On,q. Pour tout y de l’image de B, il existe x dans K9
tel que y = Bx et alors Ay = ABx = 0. Ainsi, y appartient au noyau de A et donc
Im(B) C Ker(A).
( 4= ) Supposons Im(B) c Ker(A). Pour tout x de R9, on a Bx G Im(B) donc
Bx G Ker(A) et par conséquent ABx = 0. Ainsi, la matrice AB est nulle puisque
l’application linéaire qui lui est canoniquement associée est nulle.
1. Voir sujet 3 p. 282. Dans un esprit semblable, on peut établir pour A, B G A4n(K) les inclusions
Im(A2) C Im(A), Ker(A) C Ker(A2), Ker(A) A Ker(B) C Ker(A + B), Im(A + B) C Im(A) + Im(B), ...
9.6.1 Les matrices carrées
Exercice 10 *
Déterminer toutes les matrices M de A4 2(B) vérifiant M2 = I2.
Solution
méthode
Il On recherche M par coefficients inconnus.
En écrivant M = (a \\ l’équation M2 = I2 équivaut1 au système
a2 + be = 1
(d -F d)b = 0
(S): < (a + d)c = 0
d2 + bc=l.
On mène la résolution de (E) en discutant selon la nullité de a + d.
Cas : a + d 0. Le système donne b = c = 0 et a2 = d2 = 1. On a donc a = d = 1
ou a = d = —1. Ces solutions déterminent les matrices I2 et —12 qui vérifient effectivement
l’équation M2 = I2.
Cas : a + d = 0. Le système (E) équivaut au suivant :
d = —a
bc = 1 — a2.
Les solutions associées sont les matrices
(a b \ .
avec (a, b, c) G R3 vérifiant a2 + bc = 1.
c —a
Ce sujet illustre que les résolutions d’équations dans le cadre matriciel peuvent produire
« plus de solutions » que dans le cadre numérique.
Exercice 11 *
On considère la matrice réelle
/I 2 3
A= 0 1 2
\0 0 1
(a) Calculer An pour n e N.

(b) Calculer An pour n G Z.
1. L’équation M2 = I2 équivaut aussi à (TVf — I2XM +12) = C>2- Cependant, cette écriture ne permet
pas d’affirmer M = H2 car un produit de deux matrices non milles peut être égal à la matrice nulle !
Solution
(a) méthode
|| On écrit1 A = I3 + N puis on applique la formule du binôme.
En écrivant A = I3 + TV, les puissances de la matrice N introduite sont remarquables
/O 2 3\
N= 0 0 2 et Nk = O3 pour k 3.
\0 0 0/
Les matrices I3 et N commutent et l’on peut donc appliquer la formule du binôme
An = Nk = Nk
k=0 x 7 fe_3 =03
= I3 + nN +
2
1 2n n(2n + 1)
An = 0 1 2n
0 0 1
(b) La matrice A est inversible car triangulaire à coefficients diagonaux non nuis, on
peut donc introduire An pour n G Z.
méthode
Il L’expression de An obtenue pour n G N peut être étendue à n G Z.
Soit n un entier négatif et p = —n e N. La matrice An est l’inverse de Ap et en vérifiant
/1 2n n(2n + l)\ /1 2p p(2p+l)\ /1 0 0\
0 1 2n 01 2P = ° 1 0
\0 0 1 / \0 0 1 / \0 0 1/
=AP
on peut affirmer que l’identité (*) est encore valable pour n G Z.
Exercice 12 **
Soit n G N avec n > 2.
(a) Déterminer les matrices commutant avec toutes celles de «A4n(K).
(b) Déterminer les matrices commutant avec toutes celles de GLn(K).
(c) Soit A G A4n(K). On suppose que, pour toutes matrices M et N de A4n(K),
A = MN => A = NM.
Montrer qu’il existe A G K tel que A = AIn.

1. On peut aussi calculer les premières puissances de A et proposer une formule que l’on valide par
récurrence.
Solution
(a) méthode
On vérifie que seules les matrices scalaires, c’est-à-dire les matrices de la
forme AIn avec àeK, commutent avec toutes les matrices de A4n(K).
Soit A 6 K. Pour toute matrice M de .Mn(IK), on vérifie immédiatement (AIn)M = AM
et AM — M(AIn). Ainsi, les matrices scalaires commutent avec toutes les matrices
de A4n(K).
Inversement, soit A = (ai,j) £ A4n(]K) vérifiant AM = MA pour tout M G A4n(IK).
méthode
L’hypothèse AM = MA est délicate à analyser dans sa généralité. Particula
riser celle-ci à des matrices M simples permet de réunir des conditions sur les
coefficients de A.
Soit i et j deux indices de [1 ; n]. Considérons la matrice élémentaire M = Eij. Dans la
matrice AEi j les colonnes d’indices différents de j sont milles tandis que la colonne d’in
dice j correspond à celle d’indice i de la matrice A. Parallèlement, dans la matrice EijA
toutes les lignes d’indices différents de i sont milles tandis que la ligne d’indice i corres
pond à celle d’indice j de la matrice A :
rj
Pour i / j, l’identification des coefficients d’indice (i,j) d’une part, et d’indice (J, J)
d’autre part, donne les égalités = ajj et aj^ = 0. On en déduit que la matrice A est
diagonale à coefficients diagonaux identiques : c’est une matrice scalaire.
(b) méthode
|| On se ramène à la situation précédente en introduisant In + Eij.
Les matrices scalaires commutent avec toutes les matrices inversibles. Inversement,
considérons A e Mn(K) commutant avec toutes les matrices inversibles. Pour i j
choisis dans [[1 ; nj, la matrice In + Eij est inversible car triangulaire à coefficients diago
naux non nuis. La matrice A commute donc avec celle-ci ce qui entraîne qu’elle commute
avec la matrice élémentaire Eij. Comme au-dessus, on peut en déduire que la matrice A
est scalaire.
Finalement, les matrices commutant avec toutes les matrices inversibles sont les ma
trices scalaires.
(c) Soit M e GLn(K). On peut écrire A = MN avec N = M~rA. On a donc

A = NM = M~rAM puis MA = AM. Ainsi, la matrice A commute avec toutes les
matrices inversibles et l’on peut conclure que A est une matrice scalaire.
Exercice 13 **
Soit E l’ensemble des matrices de la forme
a b c
(b
c
a+c b
b a
avec a, 6,c € R.
(a) Montrer que (E, +,.) est un espace vectoriel réel dont on précisera la dimension.
(b) Montrer que E est stable pour le produit matriciel.
Soit A une matrice inversible de E.
(c) En considérant l’application f : M AM définie sur E, montrer que l’inverse
de A est élément de E.
Solution
(a) méthode
|| On décrit E comme l’espace vectoriel engendré par trois matrices.
Pour (a, 6, c) G R3, une matrice M(a, 6, c) peut s’écrire (1I3 + b J + cK avec
/O 1 0\ /O 0 1\
<7=11011 et K= 0 1 0 .
\0 1 0/ \1 0 0/
L’ensemble E est donc l’ensemble des combinaisons linéaires réelles des trois matrices
I3, J et K : E = Vect(l3, J, K) est un sous-espace vectoriel de A43(R), donc un espace
vectoriel réel, et la famille (I3, J, K) est génératrice de celui-ci. De plus, cette famille est
libre car, pour tous réels A, et z/, l’étude des coefficients donne
AI3 + fi J + vK = O3 => A = fi = v — 0.
La famille (I3, J, K} est donc une base de E et par conséquent dimE = 3.
(b) méthode
Il II suffit de vérifier l’appartenance à E des matrices JK. KJ, J2 et K2.
Par calcul, on obtient J K = K J = J, J2 = I3 + K et K2 = I3. Par conséquent, le
produit de deux matrices éléments de E est une combinaison linéaire des trois matrices
I3, J et K : c’est un élément de E.
(c) méthode
Il On vérifie que f est un automorphisme de l’espace E.
L’application f est linéaire définie sur E et à valeurs dans E : c’est un endomorphisme
de E. On étudie son noyau. Soit M une matrice de E telle f(M) — O3, c’est-à-dire
telle que AM = O3. En introduisant l’inverse de A, on peut écrire M = A~1(AM) et
donc M = O3. Ainsi, le noyau de f est réduit à la matrice nulle. L’endomorphisme f est
alors injectif dans un espace vectoriel de dimension finie, c’est un automorphisme (Th. 15
p. 278).
Par surjectivité de /, il existe une matrice B E E telle que f(B) = AB = I3. En
multipliant à gauche par A-1, on conclut A-1 = B E E.
9.6.2 Matrices carrées inversibles
Exercice 14 *
Soit A, B € A4n(K) vérifiant AB = A + B. Montrer que A et B commutent.
Solution
méthode
Il Si M et N sont des matrices carrées vérifiant MN = I3, celles-ci commutent
Il car inverses l’une de l’autre (Th. 3 p. 311).
En ajoutant In aux membres de l’équation AB = A + B, il vient (In — A)(In — B) = In.
On en déduit que la matrice In — A est inversible et que In — B est son inverse. L’éga
lité (In — B)(In — A) = In entraîne alors B A = A+B et l’on peut conclure que AB = B A :
les matrices A et B commutent.
Exercice 15 **
On dit que N E A4n(K) est une matrice nilpotente s’il existe p € N* tel que Np = On.
(a) On suppose que N est une matrice nilpotente de A4n(R). Vérifier que la ma
trice I3 — N est inversible.
(b) Soit de plus A G A4n(K) telle que AN = NA. Montrer que A et A + N sont
simultanément inversibles.
Solution
(a) méthode
On détermine1 un inverse à la matrice I3 — N en exploitant la formule de
factorisation géométrique (Th. 7 p. 124).
On introduit p e N* tel que Np — On et l’on peut écrire

p-i
Nk car In et N commutent.
k=0
On en déduit que la matrice In — N est inversible et In + N -|------ F Np 1 est son inverse.

1. Cette question est un cas particulier de l’étude vue dans le sujet 24 p. 139.
(b) Supposons A inversible.
méthode
| On vérifie que A~rN est nilpotente.
En multipliant l’égalité AN = NA par A-1 à droite et à gauche, on obtient l’iden

tité NA-1 = A~rN. Ainsi, les matrices A~1 et N commutent. En introduisant à nou
veau p tel que Np = On, on peut écrire par commutation (A-1 N^P = (A-1)PTVP = On :
la matrice A~1 N est donc nilpotente. Il en est de même de son opposée —A-1 TV et l’étude
de la question précédente assure que In -F A-1 TV est inversible. En multipliant à gauche
par A, on peut conclure que A + TV est inversible en tant que produit de deux matrices
inversibles.
Inversement, supposons A -F TV inversible. Puisque —TV est nilpotente et commute
avec A -F TV, on peut exploiter l’étude ci-dessus pour affirmer que A = (A -F TV) + (—TV)
est inversible.
Exercice 16 *** (Matrice à diagonale strictement dominante)

Soit A = E JVtn(R) vérifiant
|ai,i| > 52 \aij\ Pour t°ut i E [1 ;nj.
Montrer que la matrice A est inversible.
Solution
méthode
Une matrice est inversible lorsque son noyau est réduit à la colonne nulle
(Th. 11 p. 317).
Soit x = (a?i,..., xn) E un élément du noyau de la matrice A. On a Ax = 0 (dans
cette écriture, on identifie x avec la colonne formée des mêmes coefficients) et donc
n
5âijXj = 0 pour tout i e [1 ;n].

J=i
Afin d’exploiter l’hypothèse de travail, on isole le terme d’indice i de la somme et l’on

passe en valeurs absolues afin d’écrire
52 \xj i•
méthode
|| On introduit un indice zq tel que |æio| est le maximum des |xi|,..., |rcn|.
Les |æj| étant tous inférieurs à |^0|, l’inégalité (*) permet d’écrire
Si par l’absurde |#io| > 0, on simplifie (**) par |xio| et cela produit une inégalité qui
contredit l’hypothèse du sujet. On en déduit |^0| = 0 puis x\ — • • • = xn = 0 car |æio| a
été introduit comme le maximum des |æi |,..., |æn|.
Finalement, le noyau de A est réduit à l’élément nul et la matrice A est inversible.
9.6.3 Matrices et applications linéaires
Exercice 17 *
Soit f l’endomorphisme de R3 figuré dans la base canonique par la matrice
/ i 0 1\
A= -1 2 1 .
\ 1 0 V
(a) Déterminer le noyau et l’image de /.
(b) Vérifier que ces espaces sont supplémentaires et exprimer la matrice de f dans
une base adaptée à cette supplémentarité.
(c) Décrire f comme la composition de transformations vectorielles simples.
Solution
(a) méthode
On détermine le noyau de f en résolvant l’équation matricielle AX — 0 d’in
connue une colonne X.
Soit (æ, y, z) G R3 et X la colonne de coefficients x, y et z. On a /(æ, y, z) = Ors si, et

seulement si, AX — 0, c’est-à-dire
x +z—0
< — x + 2y + z — 0
x +2 = 0
Après résolution, on obtient
Ker(/) = {(#,#, —x) | x G R} = Vect(l, 1, —1).
Le noyau de f est donc la droite vectorielle engendrée par (1,1, —1).

Par la formule du rang, on peut affirmer que l’image de f est un plan.
méthode
|| Les colonnes de A déterminent des éléments de l’image de f.
Les colonnes de A sont données par les images des vecteurs de la base canonique. On
peut donc affirmer que les vecteurs (1,—1,1) et (0,2,0) appartiennent à l’image de f.
Ils sont linéairement indépendants et définissent une base de Im(/). Cependant, l’image
de f est un espace vectoriel, on peut « simplifier » par opérations ces vecteurs : (0,1,0)
et (1, 0,1) sont aussi des vecteurs formant une base de l’image1 de f.
(b) méthode
Dans un espace de dimension finie, deux sous-espaces sont supplémentaires si,
et seulement si, la réunion d’une base de l’un et d’une base de l’autre constitue
une base de l’espace.
Posons ei = (1,1,—1), 62 = (0,1,0) et 63 = (1,0,1). Les familles (ej et (62,63) sont
respectivement bases du noyau et de l’image de /. On vérifie que la famille (61,62,63)
est une base de R3 en calculant son rang (Th. 9 p. 316)
1 0 1 1 0 1 \
rg(e1,e2,e3) = rg 1 1 0 0 1 -1=3.
L/2^—L2—Li
-1 0 1 L3+L1 0 0 2 /
Les espaces Ker(/) et Im(/) sont donc supplémentaires et la base e est adaptée à cette
supplément arité.
On forme la matrice de f dans la base e en calculant les coordonnées dans e des images
/(ei), 7(^2) et /(es). On sait déjà /(ei) = 0>3 et les produits matriciels
1 0 1
-121 et
1 0 1
donnent /(e2) = 2e2 et /(es) = 263. La matrice de / dans e est donc2
/0 0 0\
D= 0 2 0 .
\0 0 2/
(c) La matrice D peut s’écrire
/2 0 0\ /0 0 0\
D= 0 2 0 0 1 0 .
\0 0 2/ \0 0 1/
L’endomorphisme / est donc la composition de l’homothétie vectorielle de rapport 2 avec
la projection vectorielle sur Im(/) parallèlement à Ker(/).
1. L’image de f apparaît comme le plan d’équation x — z = 0 dans R3.
2. Dans toute base adaptée à la supplémentarité de Ker(/) et Im(J), la matrice de f est égale à la
matrice D. Cette affirmation n’est pas vraie en général mais est une conséquence de la transformation
vectorielle réalisée par f.
Exercice 18 *
Déterminer les transformations vectorielles de R3 réalisées par les endomorphismes
figurés dans la base canonique par les matrices :
/ 3 —4 2\ / 0 0 -1\
(a) A= 1 -11 (b)B= 1 1 1 .
\-l 2 0/ \-l 0 0 /
Solution
méthode
Les projections vectorielles d’un espace E sont les endomorphismes p de E
vérifiant p2 — p. Les symétries vectorielles sont les endomorphismes s tels
que s2 = Idp;.
(a) Notons / l’endomorphisme canoniquement associé à la matrice A. On a A2 = A
et donc f2 = f : f est une projection vectorielle. Plus précisément, l’image et le noyau
de f sont supplémentaires et f est la projection sur l’image parallèlement au noyau. On
détermine le noyau en résolvant le système associé à l’équation matricielle AX = 0 :
3x — Ay + 2z = 0
On obtient
{ x — y 4- z — 0
—x 4- 2y = 0.
Ker(/) = {(2y,y, -y) | y e R} = Vect(2,1, -1).

Par la formule du rang1, on peut affirmer que l’image de f est un plan. On obtient
une base de celui-ci en considérant deux vecteurs indépendants appartenant à l’image,
par exemple, deux vecteurs déterminés par les colonnes de A. On peut aussi déterminer
simplement ce plan par une équation : les vecteurs de l’image d’une projection étant
invariants par celle-ci, l’image de f s’obtient en résolvant le système associé à l’équation
matricielle AX = X. Ce système se résume à la seule équation x — 2y + z = 0.
Finalement, f est la projection sur le plan d’équation x — 2y + z = 0 parallèlement à
la droite Vect(2,1, —1).
(b) Notons g l’endomorphisme canoniquement associé à la matrice B. On observe

B2 = I3 et donc g2 = Id^s : g est une symétrie vectorielle. Plus précisément, les noyaux
de g — Id®3 et g 4- Id^3 sont supplémentaires et g est la symétrie par rapport au premier
et parallèlement au second. On détermine ces noyaux en résolvant les systèmes associés
aux équations matricielles (B — Is)X = 0 et (B + Is)X = 0 :
—x—z=0 x —z=0
< x 4- z — 0 et < x 4- 2y 4- z — 0
—x — z = 0 —x 4-^ = 0
1. On peut aussi calculer la trace de A et exploiter le Th. 17 p. 319 pour affirmer que f projette sur
un plan.
Le noyau de g — Id^s est le plan d’équation x + z = 0 tandis que le noyau de g + Id^3 est
la droite {(.t, — x, x) | x e R} = Vect(l, —1,1).
Finalement, g est la symétrie vectorielle par rapport au plan d’équation x + z = 0 et
parallèlement à la droite Vect(l, —1,1).
Exercice 19 **
Soit A — £ .A4n+i(R) la matrice dont le coefficient général1 est donné
par le coefficient binomial :
aitj = (0 pour (ij) e [0 ; nj2.
Soit 99 l’endomorphisme de Rn[X] représenté par la matrice A dans la base canonique

(l,X,...,Xn).
(a) Exprimer simplement 99(F) pour tout P G Rn[X].
(b) Montrer que A est inversible et calculer A~1.
Solution
(a) méthode
Il Pour comprendre ce sujet, il peut être pertinent d’étudier le cas n = 3.
Rappelons que Q) = 0 lorsque i > j. Quand n — 3, la matrice A s’écrit
/i 1 1 i\
0 12 3
0 0 13
\0 0 0 1/
Les colonnes de cette matrice permettent de lire les images des vecteurs de la base
canonique
<^(1) = 1
Ç7(X) = 1 + X
</>(X2) = 1 + 2X + X2 = (X + l)2
¥>(X3) = 1 + 3X + 3X2 + X3 = (X + l)3.
Revenons au cas général. Pour tout 0 < j n,
2=0 ' 2=0 ' i=

=0
1. On notera que, dans ce sujet, lignes et colonnes sont indexées à partir du rang 0.
Pour P = &o + a±X + • • • + anXn e Rn[X], il vient par combinaison linéaire
ç’(-P) — clq + ai(X + !) + ••• + an(X + l)n — P(X + 1).
Finalement, ç? est l’endomorphisme qui envoie P sur le polynôme composé P(X + 1).
(b) La matrice A est inversible car triangulaire à coefficients diagonaux non nuis.
L’endomorphisme 99 est donc un isomorphisme.
méthode
Il L’inverse d’une matrice carrée figure un isomorphisme réciproque.
Considérons l’endomorphisme ÿ de Rn[X] qui envoie P sur P(X — 1). On vérifie que les
composées o ç? et 99 o ÿ sont égales à l’identité ce qui assure1 que est l’isomorphisme
réciproque de 99. La matrice A~1 est donc la matrice de dans la base (1, X,..., Xn) :
a-1 = .
Exercice 20 **
Soit E un espace vectoriel réel de dimension 3 muni d’une base e = (ei, 62,63).
On considère les matrices
Soit f l’endomorphisme de E figuré par la matrice A dans la base e.

(a) Montrer que l’endomorphisme f peut être représenté par la matrice D.
(b) En déduire une matrice P E GL3(R) telle que A = PDP~1.
(c) On considère les suites réelles (æn), (yn) et (zn) déterminées par :
'xo = 1 ~ yTi “b Zn
<3/o = 0 et Vn € N, Vn+l = Xn “F Zn
ô = 0 Zn+1 = Vn
Exprimer xn, yn et zn pour tout n 1.
Solution
(a) méthode
Une base dans laquelle l’endomorphisme / est figuré par D est formée de trois
vecteurs non nuis solutions des équations f(x) = 0#, f(x) = — x et f(x) = x.
1. Puisque ip est un endomorphisme en dimension finie ou parce que l’on sait déjà que <p est un
isomorphisme, il suffit en fait d’une seule composée égale à l’identité pour pouvoir affirmer ç?-1 =
Soit x = Xiei + Xie? + xê^ € E. Le vecteur x est solution de l’équation /(#) = 0#,
f(x) — —x ou f(x) = x si, et seulement si, la colonne X de coefficients î,n?2,^3 est
solution des équations matricielles AX = 0, (A + I3)X = 0 ou (A — I3)X = 0. Ceci
conduit à l’étude des systèmes :
y+z=0 x+y+z=0 -x+y+z=0

x+z—0 , < x+y+z=Q et x—y+z=0
x—y=0 x—y+z=0 x — y — z = 0.
Après résolution de ces trois systèmes, on peut introduire les vecteurs
ei = ei + e2 - e3
e'2 = ei - e3
e3 = 61 + 62
vérifiant respectivement /(e'i) = 0#, /(e2) = —e2 et /(e^) = eæ Ces trois vecteurs
déterminent une base de E comme le confirme le calcul de rang qui suit
/ 1 1 1
rg(e;,62,63) = rg I 1 o 0 -1 0 =3.
-C/2 —-^2 —
\-i -1 —Z/3+Z/1 0 0 V
Par construction, D est la matrice de f dans la base e' — (eÇ,e2,63).
(b) Par la formule de changement de base, on sait1 A = EDP 1 avec P la matrice

de passage de e à e'
/ 1 1 1\
P= 1 0 1 .
\-l -1 0/
(c) méthode
On introduit Xn la colonne dont les coefficients sont xn,yn,zn de sorte que
Xo = * (1 0 0) et Vn e N, Xn+Ï = AXn.
Par une récurrence immédiate, on observe Xn = AnX0 ce qui rapporte le problème à
celui du calcul de An. Par la relation A = PDF-1, on obtient An = PDnP~1 avec
/O 0 0\ /-I 1 -1
Dn = 0 (-l)n 0 I et, après calcul, P~1 = 1 -1 0
\0 0 1/ V 1 0 1
On en déduit
/l + (-l)n 1\ ^n = l + (-l)-
An = 1 0 1 I puis < yn — 1 pour n 1.
(-1)” °/ ^n = (-l)n+1
1. Les matrices A et D sont donc semblables.
Exercice 21 ***
Soit f un endomorphisme d’un espace réel E de dimension finie vérifiant /2 = 0.
Montrer qu’il existe une base de E dans laquelle la matrice de f s’écrit par blocs
0 Ir\
avec rEN
0 °/
où les 0 désignent des blocs nuis de tailles appropriées.
Solution
méthode
On raisonne par analyse-synthèse. Dans l’analyse, on détermine la valeur de r
et les conditions que doivent remplir les vecteurs d’une base convenable. Dans
la synthèse, on construit une base réunissant ces conditions.
Analyse : Supposons que e = (ei,..., en) soit une base de E dans laquelle l’endomor
phisme f est figuré comme voulu. La valeur de r détermine le rang de la matrice et
correspond donc au rang de f. Les vecteurs ei,..., en_r appartiennent au noyau de f
car les premières colonnes de la matrice sont milles. Ces vecteurs forment alors une base
de Ker(/) puisque la formule du rang donne dimKer(/) = n — r. Au surplus, les vec
teurs en_rî,..., en sont envoyés respectivement sur ei,..., er et ces derniers vecteurs
doivent donc être éléments de l’image de f et en constituer une base.
Synthèse : Posons r = rg(/) et introduisons (ei,... , er) une base de l’image de f.
Puisque l’endomorphisme /2 est nul, on peut affirmer que l’image de f est incluse dans
le noyau de /. La famille (ei,... ,er) peut alors se comprendre comme une famille libre
d’éléments de Ker(/), on complète celle-ci en une base de Ker(/) : (ei,..., en_r). En
fin, les vecteurs initiaux ei,... , er appartenant à l’image de /, on peut introduire des
antécédents en_r+i,..., en de sorte que /(en_r+^) = e* pour tout i E [1 ; rj.
Considérons alors la famille e = (ei,... ,en) constituée de l’ensemble de ces vecteurs.
Vérifions que celle-ci est une base de E. Il s’agit d’une famille de n — dim E vecteurs, il
suffit d’en étudier la liberté. Soit (Ai,..., An) E tel que
AiCi + • • • + Anen = O#. (*)
En composant (*) par /, on obtient
^n- r+iei + * ’ ’ + Aner = 0# (**)

car les vecteurs ei,..., en_r appartiennent au noyau de f alors que en_r+i,..., en sont
envoyés respectivement sur ei,...,er. La famille (ei,... , er) étant libre, (**) donne
An_r+i = • • • *= Xn =0. L’égalité (*) se simplifie alors en
A1C1 “F • • • “F Xn—r^n—r —
et l’on peut affirmer Ai = • • • = Xn_r = 0 car (ei,..., en_r) est une base de Ker(/).
Finalement, la famille e est une base de E et, par construction, la matrice de f dans
cette base est telle que voulue.
9.6.4 Trace d’une matrice carrée
Exercice 22 *
Soit A et B deux matrices de A4n(IK) vérifiant AB — B A = A.
Calculer tr(Ap) pour tout p e N.
Solution
méthode
|| On exploite l’identité tr (AB) = tr(BA) (Th. 16 p. 319).
Par linéarité
tr(A) = tr(AB — BA) = tr(AB) — tr(BA) = 0.
On généralise ce calcul :
tr(Ap) = tr(Ap-1(AB - BA)) = tr(ApB) - tr(Ap-1BA) = 0
car1*
tr(Ap-1B?l) =tr((?l/’“1B)x) = tr(A(A3’~1B)) = tr(J4pB).
Exercice 23 **
Soit T une forme linéaire sur A4n(K) vérifiant T(AB) = T (B A) pour toutes ma
trices A et B de Afn(IK). Etablir que T est colinéaire à la forme linéaire trace.
Solution
méthode
Deux applications linéaires sont égales lorsqu’elles coïncident sur une base
(Th. 12 p. 277).
Considérons la base canonique de l’espace A4n(K) constituée des matrices élémen
taires Eij avec 1 i,j n. En exploitant le résultat du sujet 1 p. 321, on peut écrire
pour i j
Ei,i — On*
On a donc TfEij) = T(On) = 0. Aussi,
= et EjîEij = Ejj
et donc jT(B^t) = TÇEjj).

En notant A la valeur commune prise par T sur les matrices élémentaires E^, on
peut affirmer l’égalité T = A. tr() car ces deux applications linéaires prennent les mêmes
valeurs sur la base des matrices élémentaires.
1. On est attentif à l’organisation du calcul : la propriété tr(AB) = tr(BA) ne permet pas d’établir
l’égalité tr(ABC) = tr(ACB).
9.6.5 Rang
Exercice 24 *
Calculer le rang des matrices suivantes en fonction des paramètres réels a, b et c :
/ 1 1 1 \ /1 1 1
a) A = [ b + c c-E a a + b J (b) B = a b c
\ bc ca ab / \a3 b3 c3
Solution
(a) méthode
En réduisant autant que possible la discussion selon les valeurs de paramètres,
on fait apparaître par opérations élémentaires une matrice échelonnée.
/I 1 1 1 1
rg(A) rg 0 a—b a—c a —b a—c
L 2 •(— L 2 — ( b 4- c ) L i
Z/3 —Z/3 —bcLi \° c(a — 6) b(a — c) 0 (b — c) (a — c)
Si a, b et c sont deux à deux distincts, la matrice A est de rang 3. Si a b et c E {a, ô},

la matrice est de rang 2. Il en est de même, si a = b et c a. Enfin, si a = b = c, la
matrice est de rang 1. En résumé
rg(A) = Card {a, 6, c} .
(b) On exploite la deuxième ligne pour faire apparaître un zéro sur la troisième ligne
avant d’employer la première ligne pour opérer sur la seconde et de poursuivre la trans
formation
Zl 1 1 1 1
rg(B) = 2 rg 0 b—a c—a = rg 0 b—a c—a
L3+-L$ — a L2 \Q b(b2 — a2) c(c2 — a2) Z/3-<—L3—b(b+a)L2
0 0 x
L/2^—L*2—aLi \
avec x = (c — a)(c — b)Ça + b -F c).

Si a, b et c sont deux à deux distincts et si a + b + c / 0, la matrice B est de rang 3.
Si a, b et c sont deux à deux distincts et si a + b + c = 0, la matrice B est de rang 2.
Elle est aussi de rang 2, si exactement deux éléments parmi a,b,c sont égaux. Enfin, la
matrice B est de rang 1 lorsque a — b = c.
Exercice 25 **
Soit A E ,A/tn(K) une matrice de rang 1.
(a) Etablir l’existence de deux colonnes X, Y E Mn,i (K) vérifiant A = YtX.
(b) En déduire l’existence de A e K tel que A2 = XA et vérifier A = tr(A).
Solution
(a) Avant de résoudre la question posée, étudions à quoi ressemble une matrice Y lX
avec X et Y colonnes de hauteur n. En introduisant xi,...,xn les coefficients de X
et ,... ,yn ceux de Y
xiyi Xjyi xnyi
xiyn •Ejyn 'E'n/yn
On voit que les colonnes d’une telle matrice sont colinéaires à la colonne Y, la colonne X
servant à définir les coefficients de colinéarité.
méthode
|| Le rang d’une matrice est le rang de la famille de ses colonnes.
Les colonnes Ci,..., Cn de la matrice A définissent une famille de rang 1, il existe donc
parmi celles-ci une colonne Ck telle que toutes les colonnes de A soit colinéaires à Q.
Pour tout j e [1 ;n], on peut écrire Cj = XjCk avec Xj e K (et en particulier Xk — 1).
En posant Y = Ck et X la colonne des coefficients Ai,..., An, on constate1 A = Y*X.
(b) Par l’écriture qui précède, on a A2 = Y^XY^X. Or le produit lXY est le

produit d’une ligne par une colonne. Ceci détermine une matrice ne comportant qu’un
seul coefficient. En notant A celui-ci, on peut écrire A2 = Y x (A) x lX = XYlX = XA.
Enfin, A peut se comprendre comme la trace de la matrice *XY, c’est donc aussi la
trace de Y lX (Th. 16 p. 319), c’est-à-dire la trace de A.
Exercice 26 **
Soit A E A4s52(^) et B E .M2,3 (R) deux matrices vérifiant
AB =
/i o o\
01 0 .
\0 0 0/
Déterminer les rangs de A et B et calculer B A.
Solution
Le rang d’une matrice est inférieur au nombre de lignes et au nombre de colonnes qui
la constituent. On en déduit rg(A) 2 et rg(B) 2. De plus, rg(AB) = 2 et le rang d’un
produit est inférieur aux rangs de ses facteurs. On en déduit rg(A) 2 et rg(B) 2.
Finalement, les matrices A et B sont de rang 2.
méthode
|| On remarque AB AB = AB et l’on simplifie cette relation.
1. On vient ici de produire un couple (X, Y) solution. Il n’y a pas unicité de cette solution : on peut
montrer que les couples (aX, ^Y) avec a 0 déterminent les autres solutions.
La matrice AB est la matrice d’un projecteur et donc (AB)2 = AB ce qui donne

AB AB = AB. En réorganisant les membres, on obtient A(BA — I2)B = O3 et donc1
Im((BA — I2)B) C Ker(A). Cependant, la matrice A comporte deux colonnes et est de
rang 2, son noyau est donc réduit au vecteur nul et par conséquent (B A — I2)B = O2,3.
Ceci entraîne Im(B) C Ker(BA—12). Cependant, la matrice B comporte deux lignes et est
de rang 2, son image réunit donc tous les vecteurs de R2 et par conséquent B A —12 = O2.
Finalement, B A = I2.
Exercice 27 ***
Soit M E jMn(K) une matrice de rang r que l’on suppose pouvoir écrire par blocs
M=(^ ni avec -4€GLr(K).

\L JD J
(a) Montrer que, pour tout X E jMn-r,i(K), il existe Y E A4r,i(K) telle que
où les 0 désignent des colonnes milles de tailles appropriées.

(b) En déduire que D = CA-1 B.
Solution
(a) méthode
Il On étudie les valeurs prises par l’application qui à Y associe ).
Introduisons l’image de la matrice M comprise comme un espace de colonnes :
Im(M) - {MZ | Z E A4n,i(K)}.
C’est un espace de dimension rg(M) = r. Considérons ensuite l’application linéaire 99 qui

à F e jMr)i(K) associe
Les valeurs prises par 99 appartiennent à l’image de M : Im(ç?) C Im(M). Or l’application

linéaire 99 est injective car A est inversible :
AY\
AY = 0
CYJ °7
=> Y = 0.
Le rang de 99 est donc égal à la dimension r de son espace de départ Par

inclusion et égalité des dimensions, on peut affirmer Im(ç?) = Im(M).
On peut alors conclure : pour tout X E A4n_r,i(K), le produit détermine un

élément de l’image de M et il existe donc une colonne Y G A4rj(K) telle que
M 0) = ç?(Y) = M °) ’
(b) L’égalité matricielle précédente se relit
A BW0\ A B\ d (BX\ - (AY\

C d) \x) C d) donc [DX) ~ ^CY) •
On en déduit Y = A~rBX puis DX = CA~1BX. Cette dernière égalité étant vraie

pour toute colonne X G Xtn_r,i(K), on peut affirmer que les matrices D et CA~lB sont
égales1 : elles définissent chacune la même application linéaire canoniquement associée.
Exercice 28 *
Soit no, ...,a2n des points du plan complexe.
Montrer qu’il existe d’uniques points zq,Z2n tels que,
est le milieu de [zi ; ^+i] pour tout i G [0 ; 2n]
(en convenant de poser Z2n+i = ô)«
Solution
Le milieu du segment [z^ ; Zi+i] est ±(zi + z^+i). Le problème étudié revient alors à
résoudre le système
Zo + -Zi = 2no
< :
^2n—1 Z2n — 2(l2n—1
k ^0 “H ^2n = 2(l2n‘
méthode
On vérifie que le système est de Cramer en montrant l’inversibilité de sa ma
trice.
1. Même pour X 0, on ne peut pas simplifier la relation DX = CA~rBX par X car X est une
colonne! Cependant, en faisant varier X, on remarque que les applications x h-> Dx et x H> CA~xBx
sont égales sur Kn. On peut aussi considérer X égale à une colonne élémentaire arbitraire et vérifier que
les matrices D et CA-1 B sont égales colonne par colonne.
La matrice exprimant le système étudié est
/1 1 (0)\
£ -A^n+l (!&)•
(0)
(0)
Par l’opération L2n+1 L2n+1 - JA + L2---------L2n_! + L2n, on obtient
La matrice A est donc inversible et le système étudié est de Cramer : il possède une
solution unique1
Exercice 29 *
Établir que Vect{AB — B A | A, B € .Adn(R)} est un hyperplan de .A/tn(R).
Solution
méthode
|| On compare l’espace considéré et le noyau de la trace.
Pour tous A et B e jMn(R), on a tr(AB — B A) = tr (AB) — tr(BA) = 0 et donc
AB — B A appartient au sous-espace noyau de la trace. On en déduit
Vect{ AB - B A | A, B € A4n(R)} C Ker(tr).
Or la trace est une forme linéaire non nulle sur A4n(R) et son noyau est un hyperplan.
Par conséquent,
dimVect{AB - B A | A, B e A4n(R)} < n2 - 1.
On détermine ensuite n2 — 1 éléments linéairement indépendants appartenant à l’espace

H = Vect{AB - B A | A, B e Atn(R)}.
Pour z, j e [1 ;n]| distincts et A = B = Ejj, on a AB — B A — Eij. Ainsi, les
matrices élémentaires Eij avec i / j appartiennent à H.
Pour i e [1 ; n — 1] et A = Ei,n, B — En,i, on a AB — B A = Eiti — En,n = Fi. Les
matrices Fi appartiennent aussi à H.
1. Avec un nombre pair de points aQ,..., a2n+i le problème est plus complexe et nécessite la résolution
du système : il ne possède des solutions que si ao — ai + • • • + a2n — U2n+1 = 0 auquel cas il en possède
une infinité.
Enfin, la famille formée des matrices Eij (pour e [1 ; n] distincts) et des ma
trices Fi (pour i e [1 ; n — 1]) est libre1 et est constituée de n2 — 1 éléments appartenant
à H = Vect{AB — B A | A, B e jMn(R)}. On en déduit
dim Vect{AB — B A | A, B e JMn(R)} > n2 — 1.
Finalement, Vect{AB — B A | A, B e A4n(R)} est un sous-espace vectoriel de A4n(R)

de dimension n2 — 1, c’est un hyperplan.
Exercice 30 **
Soit A e A4n(R). Résoudre l’équation X -\-tX = tr(X)A d’inconnue X G jMn(R).
Solution
Soit X e A4n(R). La matrice X + lX exprimant le premier membre est symétrique2.
méthode
|| On discute la résolution selon que la matrice A est symétrique ou non.
Si la matrice A n’est pas symétrique, les solutions X de l’équation sont à rechercher
parmi les matrices de trace nulle. L’équation se simplifie alors en X + lX = On dont les
solutions sont exactement les matrices antisymétriques 3.
Supposons désormais la matrice A symétrique. Si l’équation étudiée possède une solu
tion X, on obtient par la trace des deux membres l’équation 2tr(X) = tr(X)tr(A).
méthode
|| On discute la résolution selon la valeur de tr(A).
Cas : tr(A) 2. Les solutions de l’équation sont à nouveau à rechercher parmi les
matrices de trace nulle et l’on revient à la résolution précédente.
Cas : tr(A) = 2. Il est remarquable que la matrice A figure parmi les solutions de
l’équation. Au surplus, on vérifie que l’ensemble des solutions de l’équation possède une
structure d’espace vectoriel. On exploite ces propriétés pour se ramener à une matrice
de trace nulle. Si X e A4n(R) est solution, la matrice Y déterminée par
y = X-|tr(X)A
vérifie Y + fY = On : il s’agit d’une matrice antisymétrique. La matrice X peut alors

s’écrire X = AA + Y avec A G R et Y matrice antisymétrique. Inversement, une telle
matrice est solution.
En résumé :
Si A n’est pas symétrique ou si tr(A) 2, les solutions sont les matrices antisymé
triques.
Si A est symétrique et si tr(A) = 2, les solutions sont les matrices X = AA -F Y avec A
un réel et Y une matrice antisymétrique.
1. Ces éléments constituent une base de l’hyperplan noyau de la trace sur -A4n(R).
3. Celles-ci ont aussi été présentées dans le sujet 3 p. 322.
Exercice 31 ***
Soit pi,... ,pn des projecteurs d’un espace E de dimension finie.
Montrer que pi 4-------- Fpn est un projecteur si, et seulement si, pi opj = 0 pour tous i
et j e [1 ; n] tels que i / j.
Solution
( 4= ) Supposons pi opj =0 pour tous z, J e [1 ;n] tels que i j. On peut simplifier
les termes nuis dans le calcul qui suit
\ 2 Z \ Z \ Z \
n \ f n \ f n \ n / n \ n n
(EPi ) = I
2=1 / \2=1 /
) ° (
\7 = 1 /
) = èlZL Pi °Pi ) = è Pi = E^Pi-
2=1 \7 = 1
=0 SI J^2
/ 2=1
=Pi
2=1
On en déduit que l’endomorphisme pi 4--------- F pn est un projecteur de E.

( => ) Supposons p = pi H--------- F pn projecteur de E.
méthode
En exploitant la trace, on montre que l’image de p est la somme directe des
images des pi.
On a immédiatement l’inclusion Im(pi + • • • + pn) C Im(pi) 4- • • • 4- Im(pn). Or la
dimension de l’image d’un projecteur est égale à sa trace (Th. 17 p. 319) et donc, par
linéarité de la trace,
dimlm(pi H-------F pn) = tr(pi H-------Fpn) = tr(pj H------ F tr(pn)
= dimln^pi) -F-----F dimlm(pn)
Cependant, l’inclusion précédente donne aussi
dimlm(pi 4------ Fpn) dim(lm(pi) 4------ F Im(pn))
dimlm(pi) 4- • • • 4- dim Im (pn)
On en déduit
Im(pi F--------- F pn) = Im(pi) H--------- F Im(pn) et
dim(lm(pi) H------ F Im (pn)) = dimlm(pi) H-------F dim Im (pn).
L’image de la projection p est donc la somme directe des espaces Im(pi ),..., Im(pn)
(Th. 17 p. 244).
Soit j e [1 ; n]. Pour tout Xj e Im(pj), on a Xj e Im(p) donc p(xj) = Xj. Parallèlement,
on a aussi p(xj) = Pi(xj) 4- • • • 4- pn(xj\ On peut donc écrire
Pi(^)H------ Fp>(^-)H------ FPn(^j) = H------ + Xj H---------- F 0e •

elm(pi) Glm(pj) elm(pn) Glm(pi) Glm(pj) Glm(pn)
Par unicité de l’écriture d’un vecteur d’une somme directe, on obtient Pi(xj) = 0e pour
chaque i différent de j. Ainsi, Im(pj) C Ker(p^) et donc pi o pj =0 pour tous i j.
Exercice 32 ***
Soit n un entier supérieur à 2.
(a) Soit ip une forme linéaire sur A4n(R). Montrer qu’il existe une unique matrice
A G JVtn(R) telle que ip(M) = tr(AM) pour toute matrice M E jVtn(R).
(b) En déduire que tout hyperplan de A4n(R) contient une matrice inversible.
Solution
(a) On montre l’unicité et l’existence de la matrice A en raisonnant par analyse-
synthèse.
Analyse : Supposons qu’il existe une matrice A — (dij) pour laquelle ç>(M) = tr(AM)
pour tout M G A4n(R). L’identité doit être en particulier valable pour les matrices
élémentaires. Soit (i, j) G [1 ;n]2. On a
= = (*)
car AEij est la matrice1 dont les colonnes d’indices différents de j sont milles et dont
la colonne d’indice j correspond à celle d’indice i de la matrice A. Les identités (*)
déterminent alors entièrement les coefficients de la matrice A.
Synthèse : Considérons la matrice A — (a^j) de coefficient général aij = cp(Eyi). Par
les calculs qui précèdent, on peut affirmer = tr(AE^j) pour tout (i,j) G J1 ;n]2.
Les applications linéaires ip et M tr(AAl) sont alors égales sur une base de jMn(R),
elle sont donc égales sur tout l’espace.
(b) Soit H un hyperplan de jMn(R), c’est-à-dire le noyau d’une forme linéaire non
nulle <p. Par la question qui précède, on peut introduire une matrice A E jMn(R) per
mettant d’exprimer <p et alors, pour tout M G A4n(R),
M G H <=> tr(AM) = 0.
Il s’agit ensuite de construire une matrice M inversible telle que tr(AM) = 0.
méthode
| On traite séparément le cas où la matrice A est diagonale.
Cas : La matrice A n’est pas diagonale. Il existe i j tels que tr(AEij) = aj^ 0.
La matrice M = In + XEij avec A = — tr(A)/ajj est alors convenable. Il s’agit en
effet d’une matrice inversible car triangulaire à coefficients diagonaux non nuis et, par
linéarité, tr(AAl) = tr(A) — Atr(Æ^j) = 0.
Cas : La matrice A est diagonale. La matrice N suivante est inversible et convient car
la diagonale de AN est alors nulle :
/O ••• 0 1\ / 0 ■■ 0 «i,i^
1 0 0'2,2 0
TV = et AN =
^(0) ' JO) ’
1 oj ^n,n 0 /
CHAPITRE 10
Déterminants
IK désigne R ou C et E un ]K-espace vectoriel de dimension finie n 1.
10.1 Groupe symétrique
10.1.1 Permutation de {1,..., n}

Définition
|| Une permutation de {1,..., n} est une bijection de {1,..., n} vers lui-même.
On peut représenter une telle permutation a à l’aide d’un tableau à deux lignes figurant
la correspondance réalisée
1 2 ... n \
a(l) a(2) ... a(n)y '
Par la bijectivité de cr, les éléments 1, 2,..., n figurent une fois et une seule sur la seconde
ligne.
Théorème 1
L’ensemble Sn des permutations de {1,..., n} est un groupe pour la loi o de com
position des applications. Le neutre de ce groupe est la permutation identité Id.
Ce groupe possède n\ éléments et n’est pas commutatif dès que n 3.

Définition
|| Le groupe Sn est appelé groupe symétrique d’ordre n.
354 Chapitre 10. Déterminants
10.1.2 Cycles
Soit p un entier au moins égal à 2 et ai,..., ap des éléments deux à deux distincts
de {1,..., n}.
Sur {1,...,n}, on définit une permutation c en posant c(aj = a*+i pour i e [1 ;p — 1],
c(ap) = ai et c(x) = x pour tout x de {1,..., n} différent des ai :
U1 a 2 ••• dp—1 dp
Définition
On dit que c est un cycle de longueur p (ou encore un p-cycle). On note
c = (ni a2 dp) .
L’ensemble {ai, a2,..., an} constitue le support du cycle c.

Un cycle c de longueur p vérifie1 cp = Id. L’inverse d’un cycle est encore un cycle :
(ûq (Z2 ••• dp') — dp— i ... ai) •
Deux cycles de supports disjoints commutent :
{ai,... ,ap}n{?>!,... ,6,} = 0 => (ai ... ap) o (bj ... bq) = (bi ... bg) o (ai ... ap).
Théorème 2
Toute permutation a de {1,..., n} peut s’écrire comme un produit de cycles à sup
ports disjoints. De plus, cette décomposition est unique à l’ordre près des facteurs.
10.1.3 Transpositions
Définition
|| On appelle transposition tout cycle de longueur 2.
Pour z, j e {1,..., n} distincts, une transposition t — (i j) a pour seul effet d’échanger
les deux éléments i et j.
Une transposition t vérifie r2 = Id et se confond avec son inverse.
Théorème 3
Tout cycle de longueur p peut s’écrire comme un produit de p — 1 transpositions :
(ai a2 ... ap) = (ai a2) o (a2 a3) o•••o (ap i ap) .
En conséquence, toute permutation de {1,... ,n} peut se décomposer en un produit de

transpositions.
1. La puissance est à comprendre comme un itéré de composition cp = coco ••• oc (p facteurs).
10.2 Déterminants 355
10.1.4 Signature
Il existe une application notée e de Sn vers {1,-1} telle que s(t) = —1 pour toute
transposition r et telle que o a') = £(cr)e(cr') pour toutes permutations a et ar.
Définition
|| L’application s est appelée signature.
La signature d’un cycle de longueur p vaut (—l)p-1.
10.2 Déterminants
10.2.1 Applications multilinéaires

Soit Ei,..., En et E' des K-espaces vectoriels.
Définition
On dit qu’une application
( Ei x • • • x En E'
( (æi, ■ • • ,Xn) H- . ,Xn)
est multilinéaire lorsque celle-ci est linéaire en chacune de ses variables. Ceci signifie
que, pour tout i 6 lorsque l’on fixe Xj dans Ej pour chaque j i, l’application
Xi i—> ç?(aq,...,aq,..., xn) est linéaire.
Lorsque n = 2, on parle communément d’application bilinéaire.

Une application multilinéaire ç? s’annule en (aq,... ,#n) dès qu’il figure un vecteur nul
dans cette famille.
L’ensemble des applications multilinéaires de Ei x • • • x En vers E’ est un espace vectoriel

car sous-espace vectoriel de l’espace des fonctions de Ei x • • • x En vers Ef.
10.2.2 Formes n-linéaires alternées

Définition
|| On appelle forme n-linéaire sur E toute application multilinéaire de En vers K.
Définition
Une forme n-linéaire sur E est dite alternée lorsque celle-ci s’annule sur toute famille
comportant deux fois le même vecteur.
Théorème 4
Une forme n-linéaire alternée s’annule sur les familles liées.
Une forme n-linéaire alternée ip est antisymétrique1 dans le sens où, pour toute fa
mille (æi,..., xn) de vecteurs de E et pour toute transposition t = (i j) de {1,..., n},
</)(a:T(i),...,a:T(n)) = ... ,xn).
On en déduit :
Théorème 5
Si cp est une forme n-linéaire alternée alors, pour toute famille (xi,..., xn) de vecteurs
de E et toute permutation cr G 5n,
<^(^(1),..., xaM) = e(<T)^(a;i,..., xn).
10.2.3 Déterminant d’une famille de vecteurs dans une base

Soit e = (ei,..., en) une base de l’espace E.
Théorème 6
Il existe une unique forme n-linéaire alternée <p vérifiant ., en) = 1.
Celle-ci est notée dete et si (xi,..., xn) est une famille de vecteurs de E figurée par
la matrice A = (aij) dans la base e, la valeur dete(xi,..., xn) est donnée par
(n \
e(ct) j.
i=l /
Définition
|| L’application dete est appelée déterminant dans la base e.
Théorème 7
L’ensemble des formes n-linéaires alternées sur un espace de dimension n est une
droite vectorielle.
Toute forme n-linéaire alternée sur E est donc colinéaire à dete. En particulier :
Théorème 8
Si e' est une base de E, on dispose de la formule de changement de base
dete(xi,..., xn) = dete e! x dete/(xi,..., xn)
pour toute famille (xi,... ,xn) de vecteurs de E.
1. Inversement, une forme n-linéaire vérifiant la propriété d’antisymétrie est nécessairement alternée.
10.2 Déterminants 357
Théorème 9
Une famille (aq,..., xn) de vecteurs de E est une base si, et seulement si,
dete(aq,...,£n) 0.
10.2.4 Déterminant d'un endomorphisme
Théorème 10
Si u est un endomorphisme de E, il existe un unique scalaire A tel que
deteÇuÇxi),... = Adetgî,...,^)
pour toute base e de E1 et toute famille (aq,..., xn) de vecteurs de E.
Ce scalaire est noté det(u) et est déterminé par l’égalité
det('u) = dete(?z(ei),..., u(en)^ pour toute base e = (ei,..., en) de E.

Définition
|| Le scalaire det('u) est appelé déterminant de l’endomorphisme u.
Le déterminant de l’endomorphisme Id# est égal à 1.
Théorème 11
Pour tous u et v endomorphismes de E,
detfu o v) = det(iz) x det(zj).
De plus, un endomorphisme u est un automorphisme si, et seulement si, det(u) / 0.
10.2.5 Déterminant d'une matrice carrée

Définition
On appelle déterminant d’une matrice carrée A = G A4n(K) le déterminant de
l’endomorphisme qui lui est canoniquement associé. Celui-ci est noté det(A) et est
donné par
det(A) d=
crESn \ i=l /
Théorème 12
Pour toutes matrices A et B de jMn(K),
det(Æ) = det(A) x det(B).
De plus, une matrice carrée A est inversible si, et seulement si, det(A) 0.
Le déterminant d’une matrice est aussi le déterminant de la famille de ses colonnes dans
la base canonique : on dit que le déterminant d’une matrice est une forme n-linéaire
alternée en la famille de ses colonnes.
En particulier, si l’on multiplie chaque colonne de A E .Mn(IK) par un même scalaire A,
on obtient la formule1
det(AA) = Andet(A).
Théorème 13
Pour toute matrice A de .A4n(]K),
det(fA) = det(A).
Par transposition, le déterminant d’une matrice est aussi une forme n-linéaire alternée
en la famille de ses lignes.
Enfin, savoir calculer le déterminant d’une matrice suffit pour calculer le déterminant
d’un endomorphisme ou d’une famille de vecteurs dans une base :
Théorème 14
Si A G A4n(]K) représente une famille (æi,..., xn) de vecteurs de E dans une base e,
dete(æi,..., æn) = det(A).
Si A G A4n(K) figure un endomorphisme u de E dans une base e,
det(n) = det(A).
10.3 Calculs de déterminants
10.3.1 Premiers calculs

On peut exprimer le déterminant d’une matrice A = (aij) de Adn(IK) par un tableau
écrit entre deux barrés verticales 2 :
^1,1 ’ ’ ” ^1,72
^72,1
Si la matrice est de taille 1, son déterminant est simplement égal à son coefficient.
Si la matrice est de taille 2, on peut calculer son déterminant par un produit en croix :
a b
= ad — bc.
c d
1. Lorsque n 2, le déterminant n’est pas linéaire.
2. L’indice [n] est utile lorsque la taille du tableau est ambiguë. On peut l’omettre sinon.
10.3 Calculs de déterminants 359
Si la matrice est triangulaire, son déterminant est le produit de ses coefficients diagonaux :
«1,1
— «1,1 X • • • X
(0) «n,n
10.3.2 Opérations élémentaires
Théorème 15
Soit i.j G [1 ;n] distincts et A G K. L’opération :
— Ci Ci H- XCj ne modifie pas le déterminant ;
— Ci <- XCi multiplie le déterminant par A ;
— Ci Cj multiplie le déterminant par —1 ;
Les opérations sur les lignes ont des effets similaires et sont codées L; G- L* + AL7, etc.
Si l’on réordonne les colonnes (resp. les lignes) par une permutation cr, le déterminant
est multiplié par e(a).
10.3.3 Déterminants triangulaires par blocs
Théorème 16
Si M G A4n(IK) est une matrice triangulaire supérieure par blocs de la forme
M = (o c) aVeC A e M>(K) et C e -^n-p(K)
alors
det(M) = det(A) x det(C).
Ce résultat se généralise aux matrices triangulaires inférieures par blocs et aux décom
positions comportant plusieurs blocs diagonaux carrés.
10.3.4 Développement selon une rangée

Définition
Soit A — (aij) G A4n(K) et G [1 ;n]. On appelle mineur d’indice (i,j} de A
le déterminant A*j de la matrice obtenue en supprimant la i-ème ligne et la J-ème
colonne :
j
On appelle cofacteur d’indice (i,f) de A le scalaire Aij = (—l)ï+j A^j.

Théorème 17
Pour tout i G [1 ;n], on peut développer le déterminant de A selon la i-ème ligne
par la formule :
n n
det(A) = ajjAjj = ^ (—1)
j=i j=i
Pour tout j G [1 ; n], on peut développer le déterminant de A selon la J-ème colonne

par la formule :
n n
det(A) = ^2ai,jAi,j = 52
i=l i=l
10.3.5 Déterminant de Vandermonde

Pour (ai,, an) G Kn, on définit le déterminant de Vandermonde
1 ai ai • • • a™ 1
ÎZ , , déf 1 a2 «2 • • • a?"1
Vn(ai,... ,anj — ...
1 an a?n ■■■ a"-1
Théorème 18
• • • 5 Ûn) == | | (üj
10.4 Applications
10.4.1 Comatrice
On suppose n 2.
Définition
On appelle comatrice de A = (a*j) G jMn(K) la matrice Com(A) = (Aj) Afn(K)
dont les coefficients sont les cofacteurs de A.
Théorème 19
Pour toute matrice A G A4n(K), on a
‘(Com^))^ = A‘(Com(A)) = det(X)In.
Si A est inversible
10.4.2 Orientation d’un espace réel

Soit E un espace vectoriel réel de dimension n 1.
Définition
On dit que deux bases e et e' ont meme orientation si dete e' > 0. Sinon, ces bases
sont dites d’orientations opposées.
On définit ainsi une relation d’équivalence sur l’ensemble des bases de E.
Définition
Orienter un espace réel, c’est choisir arbitrairement une base de celui-ci et qualifier
celle-ci de base orientée de référence. Toute base de l’espace de même orientation que
la base orientée de référence est dite directe, les autres sont dites indirectes.
Selon le choix de la base orientée de référence, il y a deux orientations possibles sur E.
Lorsque l’on oriente Rn par le choix de la base canonique, on dit que l’espace Rn est
muni de son orientation canonique.
Lorsque le déterminant d’un endomorphisme u est strictement positif (resp. strictement

négatif), il transforme une base e en une base u(e) de même orientation (resp. d’orienta
tion opposée). En effet,
dete(u(ei),..., îz(en)) = det(îi).
Sauf précision contraire, n désigne un entier naturel non nul dans l’ensemble des sujets
qui suivent.
10.5.1 Permutation de {1,..., n}

Exercice 1
Décomposer les permutations suivantes en produit de cycles à supports disjoints et
en déduire leur signature
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
(b)(T =
5 3 7 8 2 4 1 6 8 6 3 7 4 5 2 1
(C)CT =
1 2 n — 1 n\
n n—1 . 2 1 /'
Solution
Si l’on applique plusieurs fois une permutation a à partir d’un élément i, les éléments
successifs i, ofi), <t2(z), ... reviennent à l’élément initial : ces éléments constituent Y orbite
de i sous l’action de a.
(a) méthode
La détermination des différentes orbites de cr fournit sa décomposition en cycles
à supports disjoints.
L’orbite engendrée par 1 définit la succession : 1, 5, 2, 3, 7.

L’orbite engendrée par 4 définit la succession : 4, 8, 6.
Tous les éléments de {1, 2,..., 8} ayant été parcourus, la1 décomposition de (j en cycles
à supports disjoints s’écrit
cr = (1 5 2 3 7) o (4 8 6) .
méthode
La signature d’un produit est le produit des signatures et la signature d’un
cycle de longueur p vaut (—l)p-1.
La signature de cr est donc
e(cr)=£((l 5 2 3 7)}xe((4 8 6)) = (-1)4 x (-1)2 = 1.
(b) L’orbite engendrée par 1 définit la succession : 1, 8.

L’orbite engendrée par 2 définit la succession : 2, 6, 5, 4, 7.
L’orbite engendrée par 3 se réduit à l’élément 3 (c’est un point fixe).
La décomposition de cr en cycles à supports disjoints s’écrit
a = (1 8) o (2 6 5 4 7)
et la signature de cr vaut = (—1) x (—l)4 = —1.
(c) Les orbites de cr sont composées par les couples (fc, n + 1 — fc) avec 0 C k C n/2.
On poursuit en discutant selon la parité de n.
Cas : n pair. On écrit n = 2p et la permutation a est la composée de p transpositions :
cr = (1 n) o (2 n — 1) o • • • o (p p + 1) .
Cas : n impair. On écrit n — 2p + 1 et la permutation cr est encore la composée de p

transpositions :
a = (1 n) o (2 n — 1) o • • • o (p p 4- 2) .
Dans les deux cas, la signature de cr vaut2 donc (—l)p avec p = |_n/2j.
1. Cette décomposition est unique à l’ordre près des facteurs (Th. 2 p. 354) mais aussi à la description
des cycles près : les cycles (4 8 6), (8 6 4) et (6 4 8) sont identiques.
2. On peut aussi écrire 6(<t) = (—l)n(n-1)/2.
10.5.2 Calculs de déterminants
Exercice 2
Calculer les déterminants d’ordre n suivants :
1 n n n
1 1 1 •• • 1
n 2 n 1 2 2 •• 2
(a) — n n 3 n (b) Bn = 1 2 3 •• • 3
n
1 2 3 •• • n
n n n n
1 0 1 1 1 1 0 0
1 1 0 0 1 1
(c)c n= 1 (d) Dn = 0
1 1 0 0 1 1
0 1 1 1 1 0 0 1 [n]
H
Solution
(a) méthode
Par opérations élémentaires, on transforme le déterminant étudié en le déter
minant d’une matrice triangulaire.
On retranche la dernière colonne à chacune des précédentes
Le déterminant d’une matrice triangulaire est le produit des coefficients diagonaux et

donc
n—1
An = JJ (k — n) x n = (—l)n-1n!
fc=i
(b) On fait apparaître un déterminant triangulaire en retranchant à chaque ligne la

précédente. Cependant, chaque opération élémentaire transforme la matrice sur laquelle
agit l’opération suivante.
méthode
Il faut être attentif à l’ordre dans lequel les opérations élémentaires sont ef
fectuées.
On retranche à chaque ligne la précédente en commençant par la dernière :
11 1 ... 1
1
1 01’*. :
1
0 :
1 : -.11
0 ............ 0 1
Par le produit des coefficients diagonaux, on obtient Bn = 1.
(c) méthode
On somme toutes les colonnes sur la première afin de faire apparaître une
colonne constante.
On réalise l’opération Ci Ci + C2 + • • • + Cn puis on retranche à chaque ligne la

précédente en commençant par la dernière
1 0 1 1 n—1 0 1 1 n—1 0 1 ••• 1

1 1 0 n—1 1 0 1 -1 (°)
1 = 1 1 = 0
1 1 0 0 ■*. -1
0 1 1 1 [n] n—1 1 1 1 [n] 0 0 0 1
On en déduit Cn = (n — 1).
(d) Par les opérations Ln Ln — Li, Ln 4— Ln + L2, etc. il est possible de transformer
le déterminant définissant Dn en celui d’une matrice triangulaire, cependant :
méthode
Il II est quelquefois plus commode de développer selon une rangée (Th. 17 p. 360).
On développe le déterminant définissant Dn selon la dernière ligne
(0)
Dn = (-l)n+1 x 1 x
(0)
[n-1]
Les deux mineurs apparus sont triangulaires et l’on peut conclure Dn = 1 + (—l)n+1
Exercice 3
(a) On dit qu’une matrice A e A4n(R) est antisymétrique lorsque *A = —A. Montrer
qu’une matrice antisymétrique de taille impaire n’est pas inversible.
(b) On dit qu’une matrice A € A4n(C) est trans conjuguée lorsque1 lA — A. Que
peut-on dire du déterminant de A ?
Solution
(a) Soit A e A4n(R).
méthode
|| Une matrice est inversible si, et seulement si, son déterminant est non nul.
D’une part, le déterminant d’une matrice est égal au déterminant de sa transposée
det(M.) = det(A).
D’autre part, le déterminant est multilinéaire en la famille des colonnes2
det(—A) = (—l)ndet(A).
Si la matrice A est antisymétrique et de taille impaire, on obtient det(A) = — det(A) et

donc det(A) = 0. La matrice A n’est pas inversible.
(b) méthode
||- Le déterminant de la matrice conjuguée est le conjugué du déterminant.
La formule définissant le déterminant d’une matrice A = (g^j) € A4n(C) est

n \
( n
2=1 /
)•
Par conjugaison d’une somme et de produits
n \
( 2=1 /
=det(A).
Si la matrice A est transconjuguée, on obtient
det(A) = det(*A) = det(A) = det(A)
et le déterminant de A est réel.

1. A désigne la matrice conjuguée de A : ses coefficients sont les conjugués respectifs de ceux de A.
2. On peut aussi écrire det(—A) = det(—In) det(A) avec det(—In) = (—l)n.
10.6.1 Calculs de déterminants
Exercice 4 *
Exprimer sous forme factorisée
abc a+b 6+c c+a

a2 b2 c2 puis a 2 + 62 62 + c2 c2 + a2
a4 b4 c4 n4 + 64 64 + c4 c4 + a4
Solution
On factorise a, b et c en colonne
a b c 111
a2 b2 c2 = abc abc
a4 b4 c4 a3 63 c3
On fait apparaître des zéros sur la première colonne par L3 L3 — a2L2 et L2 L^—aLi
a b c 1 1 1
a2 b2 c2 = abc 0 b—a c—a
a4 b4 c4 0 b(b2 — a2) c(c2 — a2)
On développe ensuite selon la première colonne puis on factorise b — a et c — a sur chacune

des deux colonnes
a b c
b—a c—a
a2 b2 c2 = abc x (—l)2 x 1 x
b(b2 — a2) c(c2 — a2)
a4 b4 c4
1 1
= abc(b — a) (c — a)
6(6 + d) c(c + a)
= abc(b — d){c — a) (c(c + a) — 6(6 + a))
= abc(b — a)(c — a)(c — b) Ça + b + c).
méthode
Le déterminant est multilinéaire en la famille des colonnes : on peut séparer
une colonne en somme de deux colonnes et exprimer le déterminant comme la
somme des déterminants des deux matrices ainsi formées.
En séparant la première colonne en deux
a+b 6+c c+a a 6+c c+a b 6+c c+a

a2 + 62 62 + c2 c2 + a2 — a2 b2 + c2 c2 + a2 + b2 b2 + c2 c2 + a2
a4 + 64 64 + c4 c4 + a4 a4 64 + c4 c4 + a4 b4 64 + c4 c4 + a4
On répète cette opération avec les deuxième et troisième colonnes et l’on simplifie tous
les déterminants comportant deux fois la même colonne car ils sont nuis. Il reste
a+b b+c c+a a b C b c a
a2 + b2 b2 + c2 c2 + a2 — a2 b2 c2 + b2 c2 a2
a4 + 64 64 + c4 c4 + a4 a4 b4 c4 b4 c4 a4
Enfin, par permutation des colonnes du second déterminant selon le cycle (1 2 3) de
signature (—l)3-1 = 1
a+b b+c c+a a b C
a2 + b2 b2 + c2 c2 -F a2 = 2 a2 b2 c2 = 2abc(b — a)(c — a)(c — b) Ça -h b + c).
câ + b* 64 + c4 c4 + a4 a 4 b4 c4
Exercice 5 *
Soit a, b € K. Calculer
° . W
W' a
[n]
Solution
méthode
Les lignes de la matrice sont de somme constante : on ajoute à la première
colonne la somme des autres.
L’opération Ci <- Ci + C2 + • • • + conserve le déterminant
a + (n — 1)6 6 • 6
a (&) a + (n — 1)6 a (&)
(b) ' a (fe) '
[n] a+ (îl- 1)6 a
On retranche la première ligne à chacune des suivantes afin de faire apparaître un déter-
minant d’une matrice; triangulaire
a + (n — 1)6 6 ••• 6
“ (<>)_ 0 a-b
v-v = (a + (n — l)6)(a — 6)n-1
W ' a~
[n] 0 (°) a-b, „
[n-1]
Exercice 6 *
Calculer pour tout n 1
Dn
Solution
méthode
On forme une relation de récurrence1 en développant le déterminant selon une
rangée.
Soit n 2. On développe le déterminant selon la deuxième ligne
Dn = (-1)3 x 1 x
Ainsi, Dn = Dn_1 — 1. Sachant — 1, on conclut Dn — 2 — n pour tout n G N*.
Exercice 7 *
Soit ai,..., an des réels. Calculer det(sin(a* + aJ7))' 1 Z 77
Solution
méthode
|| Les colonnes sont combinaisons linéaires de deux colonnes remarquables.
On développe les sinus
sin(ai + aj ) = sin di cos aj + sin aj cos a2.
La J-ème colonne Cj de la matrice (sin(a^ + a7)) peut alors se décomposer en
cos ai
Cj = cos(aj)S + sin (af)C avec S= et C =
cos an
Les colonnes de la matrice sont donc toutes combinaisons linéaires de C et S : elles

appartiennent à l’espace Vect(C, S).
Cas : n 3. Les colonnes forment une famille liée et le déterminant étudié est nul.
Cas : n = 1. Le déterminant vaut sin(2ai).
Cas : n = 2. On obtient après calcul
sin(2ai) sin(ai + a2)

= — sin2 (ai — a2).
sin(ai + a2) sin(2a2)
1. On peut aussi faire apparaître un déterminant triangulaire en retranchant à la première colonne la

somme des autres.
Exercice 8 **
Soit a et b deux nombres réels non tous deux nuis. Calculer pour tout n 1
a+b ab (q)
1 ’■ ’■
(°) 1 a + 6f1
[n]
Solution
méthode
|| On forme une relation de récurrence linéaire double par développement.
Soit n E N avec n 3. On développe le déterminant par rapport à la première ligne
a+b ab
Dn = (a + 6)
On développe le second déterminant par rapport à sa première colonne
La suite (7?n)nî satisfait la relation de récurrence Dn — (a + 6)£>n_i + abDn = 0. C’est

une relation de récurrence linéaire double1 d’équation caractéristique r2 — (a+byr+ab = 0
de racines a et b. On poursuit la résolution en discutant selon que les racines a et b sont
égales ou non.
Cas : a = b. Le terme général de la suite (Dn)n>i s’exprime Dn = (An + /i)an avec A
et /a réels. On détermine A et // par les valeurs initiales Dr — 2a et D2 = 3a2. On obtient
A = /i = 1 et l’on conclut Dn = (n + l)an pour tout n 1.
Cas : a b. Le terme général de la suite s’exprime Dn = Xan + /ibn avec A et fi réels.
Sachant = a + b et D2 = a2 -F ab + b2, on obtient après résolution
_ bn+1
Dn —---------------- pour tout n 1.
a—b
1. Voir Th 19 du chapitre 11 de l’ouvrage Exercices d’analyse MPSI.
Exercice 9 **
Soit a, b et Ai, A2,..., Xn des réels. On souhaite calculer le déterminant de la matrice
a ••• a>
b =
b A2 E A4n(R).
a
u ... b Xn)
On introduit le polynôme P = (Ai — X)... (An — X) et la matrice J de A4n(R) dont

tous les coefficients sont égaux à 1.
(a) Montrer que la fonction qui à un réel x associe det + xJ^ est affine.
(b) En déduire une expression de det(Maj) lorsque a b en fonction de P.
(c) Calculer det(Ma?a).
Solution
(a) Soit x un réel. Etudions, sans le calculer exactement, le déterminant de Ma,b + xJ.
On retranche la première colonne à chacune des suivantes afin de réduire le nombre de x
figurant dans l’expression de la matrice
Lorsque l’on développe le déterminant du dernier membre selon sa première colonne, on

obtient une somme d’expressions affines (les coefficients) multipliées par des constantes
(les cofacteurs associés). On en déduit que det(Ma,b + xJ} est une expression affine de
la variable x :
det (Ma,b + xJ) — OiX H- /3 avec ce, /3 G JR.
(b) méthode
Il Une fonction affine est déterminée par la connaissance de deux valeurs.
Pour x = —a, la matrice Ma,b — aJ est triangulaire inférieure tandis que pour x = —b,
la matrice Ma,b — bJ est triangulaire supérieure. On peut donc calculer les déterminants
associés et former le système
( /3 — aa = P(a)
\/3-ab = P(b).
Après résolution
: A bP(a) — aP(b)
det M b = /3 = --------L2
b—a
(c) L’étude qui précède ne peut pas être reproduite quand a = b.

méthode
|| On passe à la limite le résultat obtenu pour b a.
Le déterminant de Ma^ peut se comprendre comme une fonction polynomiale en le
paramètre 6, il dépend donc continûment de b ce qui permet d’écrire
. z,, x x n. bP(a) — aP(b)

det(Ma>o) = hm det(Ma?fe) = hm------ ------------ .
b—>a b-^-a 0 — CL
bâ bâ
Pour résoudre la forme indéterminée de cette limite, on écrit
bP(a) — aPÇb) _ P(b) — P(a)

b-a W b-a '

det(Ma,a) = P(a) - aP'(a).
Exercice 10 **
Soit ai,..., an et Ai,..., Xn des nombres complexes. Calculer le déterminant de la
matrice
(ai + Ai a2 ••• an
eq a2 + A2 '• ’
M=
• • • On
\ Q-l ••• O"n—1 ~b Xn J
Solution
méthode
On décompose chaque colonne en la somme d’une colonne constante et d’une
colonne élémentaire.
On écrit la première colonne
(o-i + A^ MA /AA
O1 «1 0
+ — aiC + XiE
\ ai / w \oj
avec C la colonne uniquement composée de 1 et Ei une colonne élémentaire. On décom
pose de façon semblable chaque colonne de la matrice et l’on peut exprimer le déterminant
de la matrice en écrivant1
det(M) = det(ai<7 X1E1 | clzC H- X2E2 | ... | anC 4- XnEn^.

1. En second membre, on comprend le déterminant de la matrice constituée des colonnes ajC + XjEj.
On développe ce calcul par la multilinéarité du déterminant en la famille des colonnes et

l’on simplifie les déterminants où figurent deux fois la même colonne car ils sont nuis.
n j— i
det(TVf) = det(Ai£?i | ... | XnEn^ + det(AiEi | ... | C | ... | XnEri^ .
i=l
Le premier déterminant est simplement diagonal et le z-ème déterminant de la somme se

calcule en développant selon la z-ème ligne. Finalement,
n n /
det(M) = JJ Xi + ( ai JJ X^
2=1 2=1 \ l^fe^n
kî
Exercice 11 **
Calculer le déterminant de la matrice A = (ai,j)oî,j^n de coefficient général le
coefficient binomial
pour tous z,J € [0 ; n].
Solution
Il s’agit ici de calculer
(§)
G)
det(A) = © (É)
'2n\
:o) m (”D <n/ [n+1]
méthode
|| On exploite la formule de Pascal sous la forme : — (Jt{) •
En retranchant à chaque ligne la précédente en commençant par la dernière, on obtient
On développe par rapport à la première colonne et l’on retranche à nouveau à chaque

ligne la précédente en commençant par la dernière
0' 0
det(.4) =
0
=i '2n-l
0
On répète ce calcul jusqu’à conclure
det(A) = = 1.
0
Exercice 12 ***
Soit ai,..., an des nombres complexes. Calculer
1 fl! a\ -- a™~2 a™
„ _ 1 d2 a2 «2~2 a2
Solution
méthode
|| On introduit le déterminant de Vandermonde Vn+i(ai,... ,an,æ) .
Soit x e C. Le déterminant de Vandermonde de la famille (ai,..., an, x) est
1 a1 al ••• a™ 1 a™
1X rp
vO «X
... t/y r .-I
[n+1]
L’application x i-> Vn+i(ai,..., an, x) est une fonction polynomiale et l’on obtient la
valeur de chacun de ses coefficients en développant le déterminant selon la dernière ligne.
En particulier, le coefficient de æn-1 est le cofacteur (—l)2n+1Dn.
Or on sait (Th. 18 p. 360)
( n
Ln-|-1 (ai,..., an, x) —
Le coefficient de xn 1 dans le développement du second membre est

) I
M=1
_
Par unicité des coefficients décrivant une fonction polynomiale, on conclut
Dn
Exercice 13 ***
Pour n 2, soit ai,..., an et ..., bn des réels.
Calculer le déterminant de M = ((ai -F
Solution
méthode
|| On écrit M comme le produit de deux matrices.
Par la formule du binôme
(ai + bj)n 1 a^b™-1-^

1 j
Afin d’interpréter ce calcul comme celui du coefficient général d’un produit de deux
matrices, on réalise un glissement d’indice dans la somme
(ai + bj)n 1
— k —^k ,j
La matrice M est donc le produit des matrices A = (a^k) et B — (bkj) de jMn(R).

Ecrivons les tableaux associés :
7777
—1
7 77 7
1
—
e
‘O
s
^"3 ^"7
>
te ? te Ç
•■ bn~1\
i
X__ ____
©
—
h-*
O
II
II
i
1
bOO
te
te
I
1
©
te
O
et B =
.
\(VK (VR •' l

3” ?
i
i
©
b°2 ■
i
Après factorisation des coefficients binomiaux, le déterminant de A se déduit d’un déter

minant de Vandermonde :
det (A) =
Le déterminant de B est aussi associé à un déterminant de Vandermonde que l’on recon

naît après transposition et renversement de l’ordre des colonnes par la permutation
1 2 n— 1 n
avec1 £(<t) = (-l)"^-1)/2.
n n—1 2 1
On obtient
det(B) = (-l)«(n-D/2 n (6,-6;) = n (bt-bj).
Finalement,
10.6.2 Déterminant d’une matrice
Exercice 14 *
Soit A, B G Ain (R) telles que AB = B A. Établir det(A2 4- B2) > 0.
Solution
méthode
|| On introduit la matrice complexe A + iB et sa matrice conjuguée.
Puisque les matrices réelles A et B commutent, on peut écrire
(A + iB)(A + iB) = (A + iB)(A - iB) = A2 - ïAB + ÏBA + B2 = A2 4- B2.
Le déterminant d’une matrice conjuguée est le conjugué du déterminant1 et donc
det(A2 4- B2) = det(A + iB) det(A 4- iB) = det(A + iB)det(A 4- iB).
det(A24-B2) = |det(A 4-iB)|2 0.
Exercice 15 **
Soit A = (atj) G .Adn(R) véri fiant
|î,i | + ’ ' 4“ |&l,n| 1
<
, |^n,l | + * ■F |&n,n| C !•
Montrer |det(A)| < 1.

Solution
méthode
| On raisonne par récurrence1 sur la taille n e N* de la matrice.
Le résultat est immédiat pour n = 1.

Supposons la propriété voulue vraie pour un rang n 1. Soit A = (aij) e A/tn+i(R)
dont la somme des valeurs absolues des coefficients sur chaque ligne est inférieure à 1.
En développant le déterminant de A selon la première ligne, on écrit
n+l
det(A) = J2(-l)1+>aMAM
avec Ai j le mineur d’indice (1, j) de la matrice A. Pour chaque j e [1 ; nj, la somme des
valeurs absolues des coefficients des lignes de la matrice définissant le mineur Aij est
inférieure à 1. Par l’hypothèse de récurrence au rang n, on a |Aij| 1. On en déduit
n+l n+l
|det(A)| ^2 I°i,jI IamI 12 lûldl L

j=1 J=1

Exercice 16 ***
Soit A une matrice carrée de taille n paire dont les coefficients diagonaux sont des
entiers pairs et les coefficients non diagonaux des entiers impairs. Montrer que la
matrice A est inversible.
Solution
Commençons par remarquer que, si une matrice carrée A est à coefficients entiers, son
déterminant est un entier en vertu de la formule
n \
''^±1 i=1''~ez' ( )•
méthode
|| On montre que l’entier det(A) a la parité d’un déterminant simple à calculer.
Pour tous z, j G [l;n], ona ai^ =0 [2] si i = j et = 1 [2] sinon. Considérons
alors la matrice B = (bij) déterminée par bij = 0 si i = j et bij = 1 sinon. Pour toute
permutation j E 5n, on a par produit de congruences
72 72
jjacr(2),2 = [2]
2=1 2=1
1. On peut aussi développer 11?= i \ai,j I observer que l’on y retrouve tous les termes produits
de la formule définissant le déterminant A accompagnés de quelques autres, tous positifs.
puis par somme de congruences
det(A) = det(B) [2].
Enfin, le déterminant de B vaut1 (—l)n-1(n — 1) ce qui est un entier impair. On en

déduit que det(A) est un entier impair et, en particulier, il n’est pas nul : la matrice A
est inversible.
10.6.3 Déterminant par blocs
Exercice 17 **
Soit A, B e A1n(R).
(a) Montrer
Â — det(A + B) det(A — B).
2T.
(b) Justifier
Solution
(a) méthode
Les opérations élémentaires sur les colonnes d’une matrice (resp. les lignes)
permettent d’opérer sur les blocs colonnes (resp. les blocs lignes).
Par les opérations Cj Cj + Cn+j- pour j e [1 ; n], on ajoute la seconde colonne de

blocs à la première sans modifier la valeur du déterminant
A B B+A B
B A AiB A
Par les opérations Ln+z G- Ln+i — Li pour i e [1 ;n]|, on retranche la première ligne de
blocs à la seconde
A B A+B B
B A On A-B
Enfin, le déterminant d’une matrice triangulaire par blocs est le produit des déterminants
des blocs diagonaux (Th. 16 p. 359)
A B
= det(A + B) det(A — B).
B A
1. C’est un cas particulier du sujet 5 p. 367 avec a = 0 et b = 1.

(b) méthode
|| On opère de façon analogue en faisant intervenir le nombre i complexe.
On ajoute à la première colonne de blocs i fois la seconde puis on retranche à la
deuxième ligne de blocs i fois la première
A -B _ A-iB -B _ A-iB -B
B A B 4- iA A On A 4~ iB
= det(A 4- iB) det(A — iB) = det (A 4- iB)det(A 4- iB)
= |det(J4 + iB)|2 > 0.
Exercice 18 **
Soit A, B,C,D e Mn(R) avec D inversible.
(a) Établir
/ 4
det ( C D ) = det(AD ~ BD'1 CD).
(b) Comment simplifier cette formule si C et D commutent ou si B et B com-

mutent?
Solution
(a) méthode
On multiplie la matrice étudiée par une matrice triangulaire par blocs afin que
le produit obtenu soit lui aussi triangulaire par blocs.
On a
(A B\ / In On\ _ M - BD~rC B\
V? DJ^-D^C ïn)~\ On DJ'
En calculant le déterminant des deux membres on obtient
det (c d) = det(A _ BD~1C) det(Z>) (*)
= det {AD — BD-1 CD).
(b) Si C et B commutent
/a z>\
det ( c D \ = det(AB - BB-1 CD) = det(AB - BC).
=DC
Si B et B commutent, on intervertit dans (*) les facteurs det(A — BD~rC) et det(B)
det (c d) = Ae^D>> det(4 - BD-'C) = det(2M - DB D^C) = det(ZM - BC).

^BD
10.6.4 Déterminant d’un endomorphisme
Exercice 19 **
Pour P polynôme de R2n+i[X], on pose
/(P) = (2n 4- 1)XP - (X2 - 1)P'.
(a) Vérifier que f définit un endomorphisme de R2n+i[X].

(b) Calculer le déterminant de f.
Solution
(a) L’application f est à valeurs dans R2n+i[X] car, par opérations sur les degrés,
deg((2n + 1)XP - (X2 - 1)P') max((2n + 1)XP, (X2 - 1)P') deg(P) + 1.
De plus, si deg(P) = 2n + 1, les termes en X2n+2 se simplifient lors du calcul.
Enfin, l’application f est linéaire car on vérifie sans peine
f(XP + /zQ) = Xf(P) + pour tous A,/z e R et P, Q G R2n+i[^]«
méthode
Le déterminant d’un endomorphisme est le déterminant d’une matrice figurant
celui-ci.
Introduisons1 F = (1, X,..., X2n+1) la base canonique de R2n+i[X]. On a
/(l) = (2n + l)X et f(Xk} = (2n + 1 -/c)Xfc+1 + ÀX^1 pour k G [1 ; 2n + 1].
La matrice de f dans S s’écrit alors
/ 0 1
2tz 1 0 2
A= 2n £ A/12n+2(R)«
0 2tz + 1
1 o /
On développe le déterminant selon la première ligne
2tz -|- 1 2 0
0 0 3
2n — 1 0 4
det(A) = (-1)1+2 x 1 x
2n — 2 ’’
2n 1
(0)
0 [2n+l]
1. Si l’on choisit de figurer f dans la base de Taylor formée des (X — l)fc pour k G [0 ; 2n + 1], on
obtient une matrice triangulaire inférieure permettant un calcul plus facile du déterminant !
puis on développe selon la première colonne
0 3 (0)
2n- 1 0 4
det(A) = ( -1) x 1 x (2n + l) x (-1)1+1 2n - 2 ’••
0 2n + 1
(0) 1 0 [2n]
On renouvelle 1’ opération de proche en proche
0 (2n + 1)
det(A) = (-l)n x (1 x 3 x • • • x (2n - 1)) x ((2n + 1) x (2n -1) x • • • x3)
1 0
Finalement, on exprime le produit d’entiers impairs à l’aide de nombres factoriels1 et

l’on conclut
det(/) = (—l)n+1 (1 x 3 x • • • x (2n + l))2

(2» + 1)!\2
2nn\ )
Exercice 20 **
Soit f un endomorphisme d’un espace vectoriel réel E de dimension finie vérifiant
/3 + f = o.
(a) Vérifier que l’image et le noyau de f sont supplémentaires.
(b) Montrer que l’endomorphisme f est de rang pair.
Solution
(a) Par la formule du rang, on sait dimlm(/) + dimKer(/) = dim F? : il suffit alors
d’établir que l’intersection des deux espaces est réduite au vecteur nul (Th. 16 p. 244).
Soit x E Im(/) Fl Ker(y). On peut écrire x = f(a) avec a E E et l’on a f(x) = 0#.
On en déduit /2(a) = 0e puis /3(a) = /(0e) = 0e- Or /3(u) = —/(a) car J3 + f = 0
et donc x = f(a) = 0e- Ainsi, Im(/) Cl Ker(/) = {0e} et l’on peut conclure que les
espaces Im(/) et Ker(/) sont supplémentaires.
(b) méthode
|| On figure f dans une base adaptée à la supplémentarité de Im(/) et Ker(/).
Soit e une base formée en accolant une base de Im(/) et une base de Ker(/). La matrice
de / dans e est de la forme
M = 'A0 0\
°/
avec A E A4r(K) et r = rg(/)
où les 0 désignent des blocs nuis de tailles appropriées.

En effet :
— les r premiers vecteurs de e sont envoyés sur des vecteurs de l’image de f et ces
derniers ont des coordonnées milles le long des vecteurs de la base de Ker(/) ;
— les n — r derniers vecteurs de e sont envoyés sur le vecteur nul car appartiennent au
noyau de f.
De plus, la matrice A est inversible car rg(f) = rg(M) = rg(A) = r.
Enfin, l’égalité /3 + f = 0 donne M3 + M = On donc, par opérations par blocs,
A3 + A = Or. On peut simplifier cette dernière égalité en multipliant par A-1 pour
obtenir A2 = —Ir. En appliquant la fonction déterminant à chacun des deux membres, il
vient
^det(A)£=(-ir.
^0
On peut alors conclure que le rang r de l’endomorphisme f est un entier pair.
Exercice 21 ***
Soit A G A4n(K). Calculer déterminant et trace de l’endomorphisme f de A4n(K)
défini par f(M) = AM.
Solution
méthode
|| On « figure » la matrice de f dans la base canonique de jMn(K).
La base canonique de A4n(K) est constituée des matrices élémentaires Eij pour i et j
allant de 1 à n. On peut décomposer la matrice A dans cette base
n / n
a= 52 ( 52
i=l \j=l
On sait1 = 5jÊi^ et donc

n / n
= AEk^ = 52152
i=i \j=i
ai,jEijEk,£
Ordonnons les matrices élémentaires de la base canonique en regroupant celles-ci selon

l’indice de colonne :
£1,1, , En^
^1,2, ^2,2, • , ^n,2,
-^2,72, • • • ? En n.
Pour e [1 ; n], les images par f des éléments , En/ s’expriment comme com
binaisons linéaires de ces mêmes éléments par des coefficients qui font apparaître les
colonnes successives de la matrice A. On en déduit que la matrice de f dans la base ca
nonique ainsi ordonnée est une matrice diagonale par blocs où figurent sur la diagonale n
répétitions de la matrice A. On en déduit det(/) = (det(A))n et tr(/) = ntr(A).
Exercice 22 ***
Soit f un endomorphisme d’un espace vectoriel E de dimension n et e = (ei, ...,en)
une base de E. Montrer que, pour tout (aq,..., xn) e En,
n
V dete (æi,..., /(xfc), ...,xn) = tr(/) dete(a?i,..., xn).
k=l
Solution
méthode
|| On montre que le premier membre définit une forme n-linéaire alternée sur E.
Posons cp : En -> UC l’application définie par
n
<p(xi,...,xn) = y2dete(æi,..., f(xk), • • •, %n).
Par multilinéarité du déterminant d’une famille de vecteurs dans une base et par linéarité
de /, il est entendu que l’application p est linéaire en chacune de ses n variables. Vérifions
son caractère alterné.
Soit (aq,..., xn) dans En tel que Xi = Xj pour i < j deux indices éléments de [1 ; nj.
Lorsque k e [1 ; n] est distinct de i et j, le terme dete(aq,..., f(xk),..., xn) est nul
car le déterminant est calculé sur une famille comportant deux fois le même vecteur. En
simplifiant ces termes, ç>(aq,... , a?n) se résume à la somme de deux termes
çj(a;i,...,xn) = dete(æi,..., ... ,xj,... ,xn) + dete(æi,...,a;,,..., f(xj),..., arn).
En échangeant les termes d’indices i et j dans le second déterminant, la propriété d’an

tisymétrie induit un passage à l’opposé
ipÇxi,...,xn) = dete(æi,..., /(a:;),..., Xj,..., xn) - dete(a:i,..., f(xj),... ,xt,... ,xn).
Or Xi = Xj et l’on peut simplifier : ç?(aq,..., xn) = 0.

L’application p étant une forme n-linéaire alternée, il existe A e K tel que p = A. dete
(Th. 7 p. 356). Reste à vérifier A = tr(/).
Sachant dete e — 1, on peut calculer A par l’égalité
n
A = ç?(ei,...,en) = y2dete(ei,. ,en).
fc=i
Introduisons alors A — (dij) la matrice figurant f dans la base e. Les coordonnées du

vecteur /(e^) dans la base sont fournies par la fc-ième colonne de la matrice A. On calcule
alors chaque déterminant de la somme en développant selon la fc-ième ligne
î,k
* k
1 I n
Uk,k<-----------1
1 = 5?(-i)2fc x x 1 = tr(/)-
/c=i
G"n,k 1
10.6.5 Applications
Exercice 23 *
Soit no, ai,..., an des réels deux à deux distincts.
Montrer que la famille des polynômes (X + aj)n pour j = 0,1,... , n constitue une
base de Rn[X].
Solution
Les polynômes (X+a7 )n sont de degré n et à coefficients réels, ils appartiennent chacun
à l’espace Rn[X].
méthode
La non-nullité du déterminant d’une famille de vecteurs caractérise une base
(Th. 9 p. 357).
Calculons le déterminant de la famille des (X + aj)n dans la base canonique B formée
des monômes 1, X,..., Xn. Par la formule du binôme
(X + aj
et donc
detB((X + a0)n, (X + ai)n,..., (X + an)n) =
[«+!]
Pour chaque i G [0 ;n], on peut factoriser (”) de la ligne d’indice i. On renverse ensuite
l’ordre des lignes et l’on transpose la matrice afin de faire apparaître un déterminant de
Vandermonde en la famille (aoî, ■.. ,an). Ce dernier est non nul ce qui assure que la
famille des (X + a7)n pour j = 0,1,..., n est une base de Rn[X],
méthode
Le rang d’une matrice est la taille maximale d’une matrice carrée inversible
extraite de celle-ci (Th. 15 p. 318).
On a déjà calculé le déterminant de M(a, 6) dans le sujet 5 p. 367 :
det (M(a, 6)) = (a + (n — 1)6) (a — 6)n-1.
Cas : a = b. La matrice M(cz, a) est de rang 1 sauf si a = 0 où c’est la matrice nulle de

rang 0.
Cas : a b et a + (n — 1)6 = 0. La matrice M (a, 6) n’est pas inversible elle est donc de
rang strictement inférieur à n. Cependant, la matrice extraite de M(a, 6) par suppression
de la dernière ligne et de la dernière colonne est de déterminant
(6 — a)n~2 (a + (n — 2)6) ± 0.
=-6/0
La matrice M(a, 6) est donc de rang n — 1.

Cas : a b et a + (n — 1)6 ÿé 0. La matrice est inversible et donc de rang n.
Exercice 25 **
Soit A = (aij) une matrice carrée de taille n à coefficients dans Z.
Montrer que la matrice A est inversible d’inverse une matrice à coefficients entiers
si, et seulement si, det(A) = ±1.
Solution
Rappelons1 que le déterminant d’une matrice à coefficients entiers est un nombre
entier.
( ) Si A est inversible et si A-1 est à coefficients entiers, on a
det (A) det (A-1) = det(In) = 1.

GZ gz
Puisque 1 et —1 sont les seuls diviseurs de 1, on obtient det(A) = 1 ou —1.

( <= ) Supposons det(A) = ±1.

méthode
|| L’inverse d’une matrice peut être exprimé par la comatrice (Th. 19 p. 360).
Le déterminant de A étant non nul, la matrice A est inversible et
A 1 = d^4)^C°m(j4)) =±^C°m(Â)l
Or les coefficients de la comatrice sont les cofacteurs de A et ceux-ci sont au signe près
égaux aux mineurs de A. Chacun de ces mineurs est un déterminant d’une matrice à
coefficients entiers, c’est donc un entier. On en déduit que la comatrice de A, et donc
l’inverse de A, est à coefficients entiers.
Exercice 26 ** (Identités de Diophante et des quatre carrés d’Euler)

(a) Soit a, 6, a', b' des nombres entiers. Calculer de deux façons :
a —b a' —b'
b a b' a'
Exprimer des entiers a" et b" tels que
(n2 + 62)(a'2 + 6'2) = a''2+b''2.
(b) Soit a, 6, c, d des réels. Calculer le déterminant de
c —d\
d c
a b
—b a j
(c) Soit a, 6, c, d et a', b', c', d'des nombres entiers. Déterminer a", b", c", d" entiers
tels que
(a2 + b2 + c2 + d2) (a'2 + b'2 + c'2 + d'2) = a"2 + b"2 + c"2 + d"2.
Solution
(a) Un calcul direct de chacun des deux déterminants donne
= (a2 + b2) (a'2 + b'2).
Le calcul du produit des deux matrices puis du déterminant en résultant donne

a —b a' -b' aa' - bb' — (ab' + ba') (aa' — bb'Ÿ + (ab' + ta/)2.
b a b' a! ba' + ab' aa' — bb'
On en déduit que a" = aa' — bb' et b" = ab' + ba' définissent des entiers convenables.
(b) méthode
Par opérations élémentaires faisant intervenir le nombre complexe i, on trans
forme le déterminant étudié en celui-ci d’une matrice triangulaire par blocs.
Par les opérations Ci <- Ci -F 1C3 et C2 <- C2 — iC4, on écrit
a —b c —d a -F ic —b -F id c —d
b a d c b -F id a — ic d c
—c —d a b —c + ia —d — ib a b
d —c —b a d — ib —c — ia —b a
Par £3 £3 — iLi et £4 £4 -F i£2, on fait apparaître des zéros en lignes 3 et 4
a -b C -d a-hic —b -F id c -d
b a d c b -h id a — ic d c
—c -d a b 0 0 a — ic 6 -F id
d —c -b a 0 0 —b -F id a -F ic
On peut alors calculer le déterminant de cette matrice triangulaire par blocs
det(M(u, 6, c, d)) = (|a -F ic|2 -F \b -F id|2)2 = (a2 -F b2 -F c2 -F d2)2.
(c) On pose le produit matriciel des deux matrices, soit directement, soit en raisonnant
par blocs 2x2 à l’aide des calculs réalisés dans première question. On obtient alors l’égalité
M(a, 6, c, d)M« b', c', d') = M(a", 6", c", d")
avec
' a" = aa' — bb' — ce' — dd'
b" = ab' -F ba' -F cd' — de'
c" — ac' — bd' -F ca' -F db'
d" = ad' -F bc' — cb' -F da'.
En considérant les déterminants de ces matrices, il vient
(a2 + b2+c2 + d2)2(a'2 + b'2 + c'2 + d'2)2 = (a"2 + b"2 + c"2 + d"2)2.
Enfin, les quantités étant toutes positives, on conclut
(a2 + b2 + c2 + d2) (a'2 + b’2 + c'2 + d/2) = a"2 + b"2 + c"2 + d"2
avec a", b", c", d" € Z.

Exercice 27 * (Formules de Cramer)

On considère le système d’équations linéaires
<11,1^1 -H ai,2#2 H------- + ai.nXn = h
{ a2,lxl + &2,2æ2 + • • • + Ct2.nxn = &2
: : : :
^n,ixi H- O'n,2x2 "F * * * — bn
d’équation matricielle AX — B.
(a) Montrer que ce système est de Cramer si, et seulement si, det(A) 0.
(b) Montrer que sa solution (aq,..., xn) est alors déterminée par
«1,1 ' ’ • bl ’ ' ' <11,n
<ln,l ‘‘' bn
X. — pour tout j — 1,..., n.
det(A)
Solution
(a) Le système (S) est de Cramer si, et seulement si, la matrice A qui l’exprime est
inversible : ceci revient à dire det(A) 0.
(b) Lorsque le système est de Cramer, il possède une solution unique (xi,... ,xn).
méthode
|| On exprime B comme combinaison linéaire des colonnes de la matrice A.
Notons Ci,..., Cn les colonnes de la matrice A. L’égalité AX = B avec X colonne de
coefficients #i, ..., xn donne l’identité B = XiCi + • • • + xnCn.
Soit j e [1 ; n]. Par multilinéarité du déterminant en la famille des colonnes, il vient
<11,1 ’ ’ ’ ^1 * * ’ <11, n n f
: = det f Ci | ... | 57 xiCi I • • • I C™ j
®n,l ’ ' * bn ' ' ' ^n,n ____ j
n
= 52^det(Ci | ... |G | ... |Cn).
i=l
Dans la somme, le déterminant est nul lorsque i j car la matrice comporte deux fois la
colonne Ci : une fois à la position i et une fois à la position j. Après simplification, il ne
reste dans la somme que le terme d’indice j = i où le déterminant se reconnaît comme

étant celui de la matrice A. On peut alors conclure1
&1,1 b, ■■■ ^l,n

= Xj det(A).
&n,l
Exercice 28 **
n
Soit un entier supérieur à 2 et A e A4n(IK).
(a) Calculer le rang de la comatrice de A en fonction de celui de A.
(b) Déterminer Com(Com(A)).
Solution
(a) On sait (Th. 19 p. 360)
A*(Com(A)) = det(A)In.
Si la matrice A est inversible, la transposée de la comatrice de A, et donc la comatrice

de A, est aussi inversible. C’est alors une matrice de rang n.
Si la matrice A n’est pas inversible, l’égalité (*) devient
A*(Com(A)) = On. (**)
méthode
Le rang d’une matrice est la taille maximale d’une matrice inversible extraite
de celle-ci.
n
Si rg(A) < — 2, il n’existe aucune matrice inversible de taille n — 1 issue de A. Tous
les mineurs de A sont donc nuis et, par conséquent, la comatrice de A est nulle.
—
Si rg(A) = n 1, il existe au moins un mineur non nul dans la matrice A et la comatrice
de A n’est pas nulle. De plus, l’égalité (**) donne
Im(ÉCom(A)) C Ker(A) avec dimKer(A) = n — rg(A) = 1.

La transposée de la comatrice de A, et donc la comatrice de A, est alors de rang 1.
En résumé
si rg(A) = n
rg(Com(A)) = < 1 si rg(A) — — 1 n
si rg(A) < — 2. n
1. Les formules obtenues permettent de résoudre les systèmes de Cramer mais sont assez peu utilisées
pour les résolutions pratiques lorsque n 3. En revanche, celles-ci sont utiles pour les études théoriques
où l’on souhaite savoir comment les solutions d’un système dépendent des coefficients de celui-ci.
(b) Lorsqu’une matrice carrée M est inversible, on sait
M1 = d f(Com(A/)) donc Com(Af) = det(M)(W) 1.
Si la matrice A est inversible, la comatrice de A l’est aussi et
Com(Com(A)) = det(Com(A)) (*Com(A)) 1 =---- A.
Aussi, en calculant le déterminant des deux membres de (*), on obtient

det(A) det(Com(A)) = (det(A))n
et donc
Com(Com(A)) = (det(A))n 2 A. (A)
Lorsque la matrice A n’est pas inversible, la comatrice de A est de rang inférieur à 1.
Si n 3, la comatrice de la comatrice de A est alors la matrice nulle. Si n = 2, on peut
simplement mener le calcul à partir des coefficients de A :
A= ? Com(A) — et Com(Com(A)) = A.
Dans tous les cas, la formule (A) est valable.
Exercice 29 ** (Inégalités de réordonnement)

Soit ai,..., an et &i,..., bn des réels triés par ordre croissant :
ai a2 ‘ et &i &2 ^77,*
Déterminer
/ n \ / n \
min et max V" a^z) I •
\ —• ) a£Sn \ ~" /
Solution
méthode
|| Pour æ, i/, x' et y' réels tels que x < y et x' C y', on a xy' 4- x'y xx' + yy'.
En effet, la différence des deux membres est positive
xx' + yy' - (xy' + x'y) = (y - x)(y' - x') 0.
Pour cr G <Sn, la quantité aiba^ + • • • + an6C7(n) semble alors maximale lorsque les grandes
quantités sont multipliées entre elles et, à l’inverse, elle semble minimale lorsque les
grandes quantités multiplient les petites. Montrons
n n n
^jbn—i ♦
z=l z=l i=l
méthode
|| On établit la majoration en raisonnant par récurrence.
La propriété est immédiate pour n = 1.
Supposons la propriété vraie à un rang n — 1 1. Au rang suivant, on introduit des
réels ai,..., an et &i,..., bn triés par ordre croissant et a une permutation des entiers
allant de 1 à n.
Cas : <j(n) = n. L’application a définit par restriction une permutation des entiers
allant de 1 à n — 1 et il suffit d’appliquer directement l’hypothèse de récurrence à partir
des sous-familles des réels (ai,, an_i) et (6i,..., bn_i)
n n—1 n—1 n
^2^47(2) — H" a>nbn O"ibi “F Un6n — O"i,bi
2=1 i=l i—1 i=l
Cas : n. Introduisons l’indice k tel que = n et isolons dans la somme les

termes d’indices n et À:
n / \
— I j “F ^k^n ~F^n^cr(n)
i=l \i^k,n J
+ ^fc^cr(n) +
avec p la permutation de [1 ; n] définie par la composition p = (n cr(n)) o <?. Puisque

ç?(n) = n, on revient au cas précédent et l’on peut conclure
n n n
G'ibcpÇi') 0>ibj •
2=1 2=1 2=1

méthode
| La minoration se déduit de la majoration par passage à l’opposé.
La famille (—bn,...’, — 6i) étant croissante, on peut affirmer que, pour toute permuta
tion (T,
n n
v (~^<t(2)) ttibn—i
2=1 2=1
et donc
Finalement,
n \ n / n \ n
( J2tt2^(T(2) I =
2=1 / 2=1
et max I
n \2=1
j =
/ 2=1
ajbj.
Exercice 30 *** (Déterminant de Cauchy)

Soit ai,..., an et 6i,..., bn des réels tels que ai 4- bj 0 pour tous i et j de [1 ; n]|.
Calculer
Solution
Notons Dn le déterminant étudié
i
Dn = det
1
méthode
|| On forme une relation de récurrence exprimant Dn en fonction de Z>n_i.
Soit j e [1 ;n — 1]. Par l’opération élémentaire Cj <— Cj — Cn, la colonne d’indice j
devient
/ —1---------- 1—\ ( bn bj
ai 4- bj ai H- bn (ai + bj)(a± + 6n)
i_ 2__ L_ bn bj
\ an + bj an 4- bn/ \(^n H- bj)(an 4~ 6n) J
Cette colonne peut être factorisée par bn — bj. Au surplus, après l’ensemble des opérations
élémentaires Ci Ci — Cn,..., Cn~i Cn~i — Cn, la ligne d’indice i e [l;n] peut
aussi être factorisée par l/(a* 4- 6n). On obtient alors
i
cii+61
(bn î) • • • (bn bn-i) —i—

(ai + bn)... (an + bn)
i 1
Étudions le déterminant ainsi introduit. Par l’opération élémentaire Li Li — Ln, la

ligne d’indice i € [1 ; n — 1] devient
an ai
(ai 4- b±)(an 4-ôi) (ai 4~ 6n_i)(an 4~ 6n_i)
Cette ligne est multiple de an — a^. Aussi, après la réalisation de l’ensemble des opérations
élémentaires Li <— Li — Ln,..., Ln-i Ln~i — Ln, la colonne d’indice j e [1 ; n — 1]
peut être factorisée par l/(an 4- bj) et l’on obtient
i ... ___ I___ i

ai+61 a.i+6^ — 1
(fln tti) . . . (ttn

___ 1___
Q-n —1+^1
. . . ____ I____
an— l+^n— 1
1 (an 4- 6i)... (an 4- 6n-i)
1 . .. ___ I___ 1
o-n+î an+6n_i
En développant ce dernier déterminant selon la dernière colonne et en combinant l’en

semble des résultats précédents, on obtient
n— 1
_ __ i I?n_i.
| | ~b 6n)(un H- x (cLn 4~ 6n)
j=i
On exprime ensuite J9n-i en fonction de Dn-2, etc. À terme, on obtient la formule

suivante que l’on pourra valider en raisonnant par récurrence
CHAPITRE 11
Espaces préhilbertiens réels
E désigne un espace vectoriel réel.
11.1 Produit scalaire
11.1.1 Définition
Définition
Un produit scalaire sur l’espace réel E est une application ç?: E x E R vérifiant :
1) p est bilinéaire, c’est-à-dire p est linéaire en chacune de ses deux variables ;
2) p est symétrique, c’est-à-dire p(x, y) = p(y, x) pour tous x et y de E -,
3) p est définie positive, c’est-à-dire p(x,x) > 0 pour tout x e E non nul1.
On dit qu’un produit scalaire est une forme bilinéaire symétrique définie positive.
Définition
On appelle espace préhilbertien tout couple (E, p) formé d’un espace vectoriel réel E
et d’un produit scalaire p sur E.
Dans un espace préhilbertien E, il est usuel de noter (x | y), (x,y) ou x • y le produit
scalaire de deux vecteurs x et y. Nous privilégions ici la notation (#|?/).
Sur E = Rn, on définit un produit scalaire (appelé produit scalaire canonique) en posant
n
(æl?/) = = Æij/i H------ \-xnyn pour tous x,y e R".
fc=i
1. En pratique, on vérifie souvent ip(x,x) 0 puis l’implication <p(x,x) = 0 => x = 0g-
394 Chapitre 11. Espaces préhilbertiens réels
Sur E = C([a;6],R) (avec a < 6), on définit un produit scalaire en posant
pour tous f, g € C([a;i>], R).

Ja
11.1.2 Norme euclidienne

E désigne un espace préhilbertien de produit scalaire ( • | • ).
Définition
On appelle norme euclidienne sur E l’application || • || : E —> R+ définie par
ll®ll = VNN-
Sur E = Wl muni du produit scalaire canonique
Ikll = ^ + -+4
Théorème 1 (Identités remarquables)

Pour tous vecteurs a et b de E, on a les identités
||a + &||2 = H|2 + 2(a|b) + M2

||a-6||2 = ||a||2-2(a|b) +||&||2
(a — b\a + b) = H2 - ll<-
En particulier, on peut exprimer le produit scalaire à partir de la norme euclidienne par

la formule de polarisation :
(a|6) = |(||a + b||-H2-||b||2).
On remarque que le vecteur nul est le seul vecteur x vérifiant ||#|| = 0. On remarque
aussi ||Art?|| = |A| ||æ|| pour tout A réel et tout x de E. De plus, on dispose des résultats
qui suivent :
Théorème 2 (Inégalité de Cauchy-Schwarz1)

Pour tous vecteurs x et y de E, on a l’inégalité
|(^)|M*II NI
avec égalité si, et seulement si, la famille (æ, y) est liée.
1. On peut avoir quelquefois des doutes sur la présence de carrés ou de racines lorsque l’on énonce
une inégalité de Cauchy-Schwarz. Ceux-ci peuvent être levés par des considérations d’homogénéité : la
norme des vecteurs se mesurent en mètre et le produit scalaire en mètre carré, les deux membres de
l’inégalité doivent avoir la même unité.
11.1 Produit scalaire 395
Par exemple, sur Rn muni du produit scalaire canonique, l’inégalité de Cauchy-Schwarz

donne
Sur C([a ; 6],R) muni du produit scalaire usuel, l’inégalité de Cauchy-Schwarz se lit
/ rb \i/2 / rb W2
/(t)p(t) dt dd ( / 5(i)2 df ).
\«7 a / \Ja /
Lorsque a et b sont deux vecteurs non nuis, l’inégalité de Cauchy-Schwarz permet d’af
firmer l’existence d’un unique réel 0 E [0 ; 7r] pour lequel
(a\6) = ||a|| ll&H cos$.
Définition
Le réel 0 est appelé écart angulaire1 entre les vecteurs a et b.
Selon que 0 ît/2, 0 = tf/2 ou 0 tf/2, on dit que l’angle formé
par a et b est aigu, droit ou obtus.
Théorème 3 (Inégalité triangulaire)

Pour tous vecteurs x et y de E, on a l’inégalité
lk + s/|| < IMI + IMI

avec égalité si, et seulement si, x et y sont colinéaires et de produit scalaire positif
(on dit que x et y sont positivement liés).
Tout comme la valeur absolue permet de mesurer la distance entre deux réels et le module
la distance entre deux complexes, la norme euclidienne permet de définir la distance entre
deux vecteurs.
Définition d(x,î/)
Si x et y sont deux vecteurs de E, on appelle distance séparant les
vecteurs x et y le réel d(x, y) = \\y — rr||.
11.1.3 Vecteurs orthogonaux

Définition
| Deux vecteurs x et y de E sont dits orthogonaux si (x | y) — 0.
1. Cette notion angulaire n’est pas orientée : elle se figure par un arc de cercle non fléché de longueur
inférieure à 7r.
Le vecteur nul est le seul vecteur orthogonal à tout autre. En particulier, le vecteur nul
est le seul vecteur orthogonal à lui-même :
(x|rr) = 0 => x = 0e-
Soit e = une famille de vecteurs de E indexée par un ensemble I.

Définition
On dit que e est une famille orthogonale si elle est constituée de vecteurs deux à deux
orthogonaux, c’est-à-dire
V(î,J)g/2, î/J (ei|e>) = 0.

Définition
On dit que e est une famille orthonormale1 si de plus ses vecteurs sont unitaires
V/Z • r2 / l \ e e I1 si i = j
{ei\ej) = ôij avec ôid = <
ü smon.
Théorème 4 (Théorème de Pythagore)

Si e = (ei,..., en) est une famille orthogonale de vecteurs de E,
On peut en déduire :
Théorème 5
Toute famille orthogonale ne comportant pas le vecteur nul est libre.
En particulier, les familles orthonormales sont libres.
Théorème 6 (Orthonormalisation de Schmidt)

Si (ui,... ,?zn) est une famille libre de vecteurs de E, il existe une unique famille
orthonormale (ei,..., en) vérifiant
Vect(ni,..., ujf) = Vect(ei,..., et (ek\uk) > 0 pour tout k E [1 ; n]|.
On dit que la famille (ei,..., en) est la famille orthonormalisée de (m,..., un) par
le procédé de Schmidt.
La démarche algorithmique permettant de déterminer la famille (tq,..., ?zn) à partir

de (ei,..., en) est présentée dans le sujet 3 p. 408
1. On parle aussi indifféremment de famille orthonormée.
11.2 Espaces euclidiens 397
11.1.4 Orthogonal d’une partie

Définition
On appelle orthogonal d’une partie A de E l’ensemble noté A1- constitué des vecteurs
de E orthogonaux à tous les vecteurs de A :
A1- = {æ E E | \/a E A, (a|x) = 0}.
Puisque le vecteur nul est orthogonal à tout vecteur, on a {O#}-1 = E. Inversement, seul
le vecteur nul est orthogonal à tout vecteur de E et donc E^ = {0#}.
Théorème 7
A1- est un sous-espace vectoriel de E.
Notons l’inclusion A C (A1-)-1 et l’égalité A1- = (Vect A)^. En particulier, si ei,... ,ep
sont des vecteurs de E, on a
Vect(ei,...,ep)-L = {ei,..., Cp}1.
11.1.5 Sous-espaces orthogonaux

Soit F et G des sous-espaces vectoriels d’un espace préhilbertien E.
Définition
On dit que les deux sous-espaces F et G sont orthogonaux lorsqu’ils sont formés de
vecteurs deux à deux orthogonaux, c’est-à-dire si (x | y) = 0 pour tout x de F et
tout y de G.
L’orthogonalité des sous-espaces vectoriels signifie l’inclusion1 F C G\
11.2 Espaces euclidiens
11.2.1 Définitions
Définition
|| On appelle espace euclidien tout espace préhilbertien réel de dimension finie.
Lorsque l’on munit Rn du produit scalaire canonique, on dit que Rn est muni de sa
structure euclidienne canonique.
Définition
Une base orthonormale d’un espace euclidien est une famille de vecteurs qui est à la
fois une base et une famille orthonormale.
La base canonique de Rn est une base orthonormale pour le produit scalaire canonique.
1. Ou, et c’est équivalent G C
La famille e = (ei,..., en) que l’on obtient en appliquant le procédé d’orthonormalisation

de Schmidt à une base u = (rq,..., est une base1 orthonormale de l’espace. On en
déduit :
Théorème 8
Tout espace euclidien possède une base orthonormale.
On peut aussi compléter les familles orthonormales en bases orthonormales :
Théorème 9 (Théorème de la base orthonormale incomplète)

Toute famille orthonormale d’un espace euclidien peut être complétée en une base
orthonormale.
11.2.2 Coordonnées dans une base orthonormale

Soit E un espace euclidien et e — (ei,..., en) une base orthonormale de E.
On peut aisément calculer les coordonnées d’un vecteur dans la base orthonormale e à
l’aide du produit scalaire.
Théorème 10
Les coordonnées æi,... ,xn d’un vecteur x de E dans la base orthonormale e sont
données par
Xk = (e/c | x) pour tout k e [1 ; n].
On dispose ainsi de la formule

n
x- |æ)efc.
fc=i
On peut aussi calculer produit scalaire et norme à l’aide des coordonnées des vecteurs
dans une base orthonormale :
Théorème 11
Si x et y sont des vecteurs de E de coordonnées x±,..., xn et ?/i,... ,yn dans la base
orthonormale e,
(x\y) = x1y1-\------ \-xnyn et ||æ||2 - xj H------ \-x„.
Si X et Y sont les colonnes des coordonnées des vecteurs x et y. les calculs qui précèdent
correspondent aux opérations
(rc|?/) = txy et ||æ||2 = *XX.
1. Il est remarquable que la matrice de passage de e à u est triangulaire supérieure à coefficients

diagonaux strictement positifs.
11.2 Espaces euclidiens 399
11.2.3 Produit mixte

Soit E un espace euclidien orienté de dimension n 1.
Si e = (ei,..., en) et e' = (eÇ,..., e^) sont deux bases orthonormales directes de E, le
déterminant de la famille e' dans la base e est égal à 1. Par la formule de changement
de base (Th. 8 p. 356), le déterminant d’une famille de vecteurs est le même dans toute
base orthonormale directe.
Définition
On appelle produit mixte d’une famille (a?i,..., xn) de vec
teurs de E, le réel [aq,..., xn] égal au déterminant de cette
famille dans toute base orthonormale directe de E.
Lorsque n — 2, [^1,^2] détermine l’aire du parallélogramme

défini par les vecteurs x± et aq.
Lorsque n = 3, | [æi, æ2? #3] | détermine le volume du parallélé
pipède défini par les vecteurs aq,aq,aq.
Théorème 12
Soit (æi,... , a?n) une famille de vecteurs de E.
Le produit mixte [aq,..., xn] est non nul si, et seulement si, la famille (aq,..., xn)
est une base.
Le produit mixte [aq,..., æn] est strictement positif lorsque cette base est directe et
strictement négatif sinon.
Le produit mixte [aq,... ,#n] se comprend alors comme un volume orienté.
Théorème 13
Soit (aq,... ,o?n) une famille de vecteurs de E. Pour tout endomorphisme u de E
[u(aq),..., u(#n)] = det(îz) x [aq,..., xn].
Un endomorphisme multiplie donc les volumes orientés par son déterminant.
11.2.4 Supplémentaire orthogonal

Soit E un espace euclidien.
Théorème 14
Si F est un sous-espace vectoriel de E alors F ® F± = E.
L’espace F1- est donc un supplémentaire1 de F dans E que l’on appelle le supplémentaire
1. On verra dans le sujet 30 p. 432 qu’il est possible en dimension infinie que ne soit pas un
supplémentaire de F.
orthogonal de F. Il vérifie :
dim F1- = dim E — dim F et (F±)± = F.
11.2.5 Projection et symétrie orthogonale

Soit F un sous-espace vectoriel d’un espace euclidien F.
Définition
On appelle projection orthogonale sur F la pro
jection pf sur F parallèlement à F±.
Si x est un vecteur de F, Pf(^) se nomme le projeté
orthogonal de x sur F.
Définition
On appelle symétrie orthogonale par rapport à F, la symétrie sf par rapport à F et
parallèlement à F -1-.
Lorsque F est un hyperplan F, on parle de réflexion d’hyper plan H.
11.2.6 Distance à un sous-espace vectoriel

Soit F un sous-espace vectoriel d’un espace euclidien E.
Théorème 16
Soit x un vecteur de E. Pour tout vecteur y de F
Ik-dl > Ik-Pf’Wll

avec égalité si, et seulement si, y = Pf(x).
11.3 Isométries vectorielles 401
Définition
On appelle distance d(rc, F) d’un vecteur x
de E au sous-espace vectoriel F, la distance
minimale du vecteur x aux vecteurs de F.
Le résultat précédent entraîne que la distance d’un
vecteur à un sous-espace vectoriel est atteinte en
son projeté orthogonal.
Théorème 17
Pour tout vecteur x de E
d(x,F) = ||a:-pF(æ)||-
11.2.7 Hyperplans dans un espace euclidien

Soit H un hyperplan d’un espace euclidien F.
Définition
La droite vectorielle se nomme la droite
normale de H. Tout vecteur non nul de celle-ci
est appelé vecteur normal à H.
Si n est un vecteur normal à H alors, pour tout
vecteur x de E
xGH (n|æ) = 0.
Ainsi, la donnée d’un vecteur normal (non nul) suffit à définir un hyperplan.
Les hyperplans affines de direction H sont alors les ensembles solutions des équations
(Fa) : (n|rr) = A avec A G R.
En géométrie affine, le produit scalaire de deux vecteurs u et v est usuellement noté u • v.

Si A est un point d’un hyperplan affine de vecteur normal n, cet hyperplan est formé des
points M vérifiant
âaI • n = 0.
Si le vecteur n est unitaire, le produit scalaire AM • n détermine la distance orientée1

du point M à l’hyperplan affine.
11.3 Isométries vectorielles
F désigne un espace euclidien de produit scalaire ( • | • ) et de dimension n 1.
1. La valeur est positive si le vecteur AM pointe le même demi-espace que n, elle est négative sinon.
11.3.1 Définition
Définition
On appelle isométrie vectorielle de E tout endomorphisme u de E conservant la
norme euclidienne, c’est-à-dire vérifiant :
||u(æ)|| = ||æ|| pour tout x E E.

Le noyau d’une isométrie vectorielle est réduit au vecteur nul. Une isométrie vectorielle
est donc un automorphisme de E. On parle parfois d’automorphisme orthogonal pour
désigner une isométrie vectorielle.
Théorème 18
L’ensemble 0(E) des isométries vectorielles est un sous-groupe du groupe linéaire
(GL(E),o). On l’appelle le groupe orthogonal de E.
Les endomorphismes Id# et —Id# sont des isométries vectorielles.
11.3.2 Caractérisations
Théorème 19 (Conservation du produit scalaire)

Soit u un endomorphisme de E. On a équivalence entre :
(i) u est une isométrie vectorielle ;
(ii) u conserve le produit scalaire, c’est-à-dire vérifie :
(u(x)\u(y)) = (æ 13/) pour tout (x,y) E E2.
En particulier, les isométries vectorielles conservent l’orthogonalité des vecteurs.

Les symétries orthogonales sont des isométries vectorielles1 et donc conservent le produit
scalaire. Inversement, parmi les symétries, seules les symétries orthogonales sont des
isométries. \
Théorème 20 (Image d’une base orthonormale)

Soit u un endomorphisme de E et e — (ei,..., en) une base orthonormale de E. On
a équivalence entre :
(i) u est une isométrie vectorielle ;
(ii) la famille (n(ei),..., u(en)) est une base orthonormale.
11.3.3 Matrices orthogonales

Définition
|| On dit qu’une matrice A de A4n(R) est orthogonale si lAA = In.
1. En revanche, les projections orthogonales autre que Id# n’en sont pas.
11.3 Isométries vectorielles 403
Les matrices orthogonales sont inversibles d’inverses égales à leurs transposées.

Les matrices In et — In sont orthogonales.
Théorème 21
L’ensemble1 On(R) des matrices orthogonales de taille n est un sous-groupe du
groupe (GLn(R), x). On l’appelle le groupe orthogonal d’ordre n
En identifiant les colonnes de JVtn)i(R) avec les vecteurs de Rn constitués des mêmes
coefficients, on peut définir un produit scalaire ( • , • ) sur l’espace Aztn,i(R) à partir du
produit scalaire canonique sur Rn. Ce produit scalaire est donné par le calcul matriciel
suivant :
(X, Y) = lXY pour tous X et Y de A4n,i(R).
De la même manière2, on introduit un produit scalaire sur l’espace A4ijn(R) des lignes
donné par :
(X, Y} = X'Y pour tous X et K de A4i,n(R).
On peut alors caractériser facilement qu’une matrice est orthogonale en étudiant ses
rangées.
Théorème 22
Soit A une matrice de Atn(R) de colonnes Ci,..., Cn et de lignes Li,..., Ln.
On a équivalence entre :
(i) la matrice A est orthogonale ;
(ii) la famille (Ci,..., Cn) est orthonormale ;
(iii) la famille (Li,..., Ln) est orthonormale.
Les notions de base orthonormale, d’isométrie et de matrice orthogonale sont liées par
les deux résultats qui suivent :
Théorème 23
Soit e = (ei,..., en) une base orthonormale de l’espace E.
Une famille e' = (e*,... , e^) de vecteurs de E est une base orthonormale si, et
seulement si, la matrice P figurant la famille e' dans la base orthonormale e est
orthogonale.
------------------------------------------ ———________________________________________ >
Une matrice de passage P entre deux bases orthonormales est donc une matrice ortho
gonale et par conséquent facile à inverser : F-1 = ÉF.
Théorème 24
Soit e = (ei,..., en) une base orthonormale de l’espace E.
Un endomorphisme u de E est une isométrie vectorielle si, et seulement si, sa matrice
dans la base orthonormale e est orthogonale.
1. On rencontre aussi la notation O(n) pour désigner le groupe orthogonal d’ordre n.

2. Plus généralement, le sujet 2 p. 406 introduit le produit scalaire canonique sur -A/tn,p(R).
11.3.4 Isométries positives et isométries négatives

Les matrices orthogonales sont de déterminants égaux à 1 ou —1. Il en est de même pour
les isométries vectorielles.
Définition
On dit qu’une matrice orthogonale est positive (resp. négative) lorsque celle-ci est de
déterminant 1 (resp. —1).
On note1 SOn(R) l’ensemble des matrices orthogonales positives de taille n. Il s’agit d’un
sous-groupe de On(R) appelé groupe spécial orthogonal.
Les matrices de SOn(R) correspondent aux matrices de passage entre les bases orthonor
males directes d’un espace euclidien orienté.
Définition
On dit qu’une isométrie vectorielle est positive2 (resp. négative) lorsque celle-ci est
de déterminant 1 (resp. —1).
Les réflexions sont des isométries négatives.
On note S0(7T) l’ensemble des isométries positives de E. C’est un sous-groupe de 0(E)
appelé groupe spécial orthogonal de E.
11.3.5 Isométries vectorielles positives en dimension 2

E désigne un plan euclidien orienté, c’est-à-dire espace euclidien orienté de dimension 2.
Théorème 25
Les matrices orthogonales positives de jM2(R) sont exactement les matrices de la
forme
/cos# — sin#\ n
R(0) • n
v 7 — ysm# cos#ni
y avec # € R.
De plus, ces dernières commutent entre elles.
En conséquence, le groupe SO2(R) est commutatif ce qui entraîne le résultat suivant :
Théorème 26
Une isométrie positive d’un plan euclidien orienté a la même matrice dans toute base
orthonormale directe.
Définition
Il Pour 0 E R, on appelle rotation d’angle 0 de E l’isométrie positive notée Rot# dont
Il la matrice est R(0) dans les bases orthonormales directes de E.
On remarque R(O)R(0') = R(3 + 3') ce qui établit
Rot# o Roté»' = Rotfl+é»' •

1. On rencontre aussi la notation SO(n).
2. On parle aussi d’isométries directes et indirectes.
On peut alors définir la notion d’angle orienté entre deux vec

teurs 1 u et v non nuis du plan E : on dit que 0 est une mesure
de l’angle orienté2 de u à v si la rotation d’angle 0 transforme
le vecteur unitaire pp- .ü en On note 0 = (u;v) [2tt] .
Les rotations conservent les angles orientés.
11.3.6 Isométries vectorielles négatives en dimension 2

E désigne un espace euclidien de dimension 2 (autrement dit, un plan euclidien).
Théorème 27
Les matrices orthogonales négatives de .M2 (R) sont les matrices de la forme
cosO sinO
S(0) = sïnO — cosO
avec 0 E R.
Ces matrices vérifient S($)2 = I2 ce qui entraîne le résultat suivant :
Théorème 28
Les isométries négatives du plan sont les réflexions, c’est-à-dire les symétries ortho
gonales par rapport à des droites.
Les réflexions changent les angles orientés en leur opposé.

Les isométries d’un plan euclidien orienté se limitent donc aux rotations et aux réflexions.
La composée de deux réflexions est une rotation tandis que la composée d’une rotation
et d’une réflexion est une réflexion.
11.4.1 Produit scalaire
Exercice 1
Pour P et Q éléments de R[X], on pose
1
œiQ)= / P(f)Q(f) dt.
Jo
Montrer que ( • | • ) définit un produit scalaire sur R[X].
1. À cause de la nature géométrique de ce qui suit, on adopte une notation fléchée des vecteurs.
2. Les mesures d’un même angle orienté sont égales modulo 2?r et sont figurées par des arcs fléchés
allant d’un vecteur à l’autre dans le sens direct ou indirect. Modulo 2-tt, l’angle orienté est égal à l’écart
angulaire lorsque la famille est directe, il est égal à l’opposé sinon.
Solution
Il s’agit d’établir que ( • | • ) est une forme bilinéaire symétrique et définie positive.
méthode
|| On vérifie que l’application ( • | • ) est bien définie à valeurs dans R.
Pour P,Q G R[X], la fonction t P(t)Q(t) est continue sur le segment [0 ; 1], on peut
donc introduire son intégrale ce qui détermine un nombre réel. L’application ( • | • ) est
bien définie de R[X] x R[X] vers R.
méthode
On montre la symétrie puis la linéarité en l’une des variables avant d’affirmer
la bilinéarité.
Soit P.Q e R[X]. On a immédiatement par commutativité de la multiplication la
propriété de symétrie
(Q|F)= /'1Qa)F(É)df= P(t)Q(t)dt = {P\Q).
Jo Jo
Soit P.Q-R G R[X] et A, G R. On obtient par opérations et linéarité de l’intégrale
(P\XQ + /iR) = f P(t)(AQ(£) + /iP(£))d£ = A [ P(t)Q(f) dt + p, [ P(t)P(f)dt
JO JO JO
= A(P|Q)+/i(P|P).
L’application (• | •) est linéaire en sa deuxième variable et donc bilinéaire car symétrique.
méthode
On vérifie que ( • | • ) est définie positive en observant, pour tout P G R [-AT],
(P | P) 0 et (P | P) = 0 => P = 0.
Soit P G R[X]. Par intégration bien ordonnée d’une fonction positive, on a
(F|F)= /‘1(P(i))2dt^0.
JO '----- V----- z
>0
De plus, si (P | P) = 0, on peut affirmer que la fonction t (P(t))2 est nulle sur [0 ; 1]

car continue, positive et d’intégrale nulle. On en déduit que le polynôme P possède une
infinité de racines et il s’agit donc du polynôme nul1.
Finalement, ( • | • ) détermine un produit scalaire sur R[X].
Exercice 2
Pour A, B G A4n5p(R), on pose (A, B) = tr (ÉAB).
(a) Montrer que ( •, • ) définit un produit scalaire sur A/tn,p(R).
(b) Montrer que la base constituée des matrices élémentaires de jMn5P(R) est une
base orthonormale pour le produit scalaire précédent.
1. On ne peut pas se contenter de conclure que la fonction t h-> P(t) est nulle sur [0 ; 1] car ici l’espace
d’étude est l’espace des polynômes et non celui des fonctions définies sur [0 ; 1].
Solution
(a) Pour A, B G A4n,p(R), le produit l AB
est bien défini et détermine une matrice
p.
carrée de taille On peut alors calculer sa trace et affirmer que l’application ( • , • ) est
bien définie de A4njP(R) x Afn,P(^) vers R.
Soit A, B e jMn>p(R). La trace d’une matrice étant aussi celle de sa transposée, on
acquiert la propriété de symétrie par le calcul suivant :
(B, 4) = tr(‘B4) = tr^(4Byl)) = tr(ÉAB) = (A, B).

De plus, pour A, B, C G A4n,p(R) et A, pt G R, on obtient par linéarité de la trace
(A,AB + p,C) = tr(U(AB + /zC)) = tr (A *AB + pttAC)
= Atr(UB) + /itrfAC) = A(A, B) + /z(A, C).
L’application ( •, • ) est une forme bilinéaire symétrique. Reste à montrer que celle-ci est
définie positive.
méthode
|| On exprime (A, A) à l’aide des coefficients de A.
Soit A G Aln5p(R) de coefficient général La trace de lAA est la somme de ses
coefficients diagonaux
P P / n \ p / n \
MM) = trfxx) = EM« = E E M,. Wu =E E«t
j=l \Z=1 s-- V—V
j=l J = 1 M=1 /
=aij =di,j
On en déduit immédiatement (A, A) > 0. De plus, si (A, A) = 0, on obtient la nullité

d’une somme de coefficients positifs et ceux-ci sont donc tous nuis. On en déduit que la
matrice A est nulle.
Finalement, ( • , • ) définit un produit scalaire1 sur Adn;P(R).
(b) méthode
|| EijEkj = Sj^kEij détermine le produit2 deux matrices élémentaires.
Pour (z,j) et (fc,^) deux couples de [1 ;n] x [1 ;p],

=tr(tEijEk,e) = tr(EjtiEk,e) = <5^ tr(B^).
Or la trace Ejj
vaut 1 ou 0 selon que la valeur 1 figure ou non sur la diagonale de la
matrice élémentaires et donc
{Ei^jÊk^ = ôi^kSjj =
1 si (z,j) = (fc,£)
0 sinon.
1. Par un calcul analogue à celui de (A, A), on vérifie que {A, B) est la somme des produits di,jbij.
Le produit scalaire introduit s’assimile donc au produit scalaire canonique sur IRnp, on dit que c’est le
produit scalaire canonique de A4n,p(l^)-
2. Voir sujet 1 p. 321, ôjtk désigne le symbole de Kronecker.
La famille des matrices élémentaires est donc orthonormale et, puisqu’il s’agit d’une base,
on peut parler de base orthonormale.
11.4.2 Base orthonormale
Exercice 3
On munit R3 de son produit scalaire canonique.
Orthonormaliser par le procédé de Schmidt la famille de vecteurs (7/1,712,^3) avec
Ui = (1,1,0), U2 = (1,0,1) et 713 = (1,1,1).
Solution
méthode
Pour orthonormaliser une famille libre1 (tii, ..., 7in) :
— on pose = ui ;
— on pose V2 = ti2 + At?i avec A tel que (t72 | vi ) = 0 ;
- on pose 773 = 713 + Avi + /1772 avec A et /i tels que (773 17q) = (772 | ^2) = 0 ;
— etc.
Enfin 2, on divise chaque vecteur Vi par sa norme afin d’exprimer les vecteurs
1 1 1
el — 7i—ÎT77!’ 62 — Il—îi^2’ C3 = |i--- iïV3, • • •
INI ||v2|| INI
On vérifie que la famille (711,712, ÎI3) est libre en étudiant la nullité d’une combinai
son linéaire ou, plus rapidement, par le calcul du déterminant de celle-ci dans la base
canonique c de R3
1 1 1 1 0 0
detc(71i,712,713) = 1 0 1 = 1 -1 0 = -1/0.
1 L1I—L1—L3 n
0 1 1 l2<-l2-l3 U 1 1
On peut alors appliquer le protocole d’orthonormalisation de Schmidt. On pose
771 = Ui = (1,1,0).
On détermine le vecteur 772 de la forme 772 — U2 + At7i orthogonal à 77i :
(772|t7i) = 0 (^2|^1)+A(77i|77i) =0.
X_____ __ _____ ✓ X_____ -
=2
Pour A = —1/2, on obtient
1
V2=U2~ -771 =
2’
1. Si la famille (ui,..., un) n’est pas libre, le protocole échoue en déterminant un vecteur Vi nul.
2. On peut aussi normer les vecteurs au fur et à mesure du calcul.
On détermine le vecteur de la forme = U3 4- Atq + yv2 orthogonal à ?q et v2
(^3 |î) = 0 f2 + 2A =0
(^3^2) = 0 |^1 + = 0.
Pour A = — 1 et y = — 2/3, on obtient
2 1 1
^3 = u3 - - ~V2 =
o 3’3’3/
Enfin, on divise chaque vecteur îq,^25^3 par sa norme1 pour former la famille ortho
normale (61,62,63) cherchée
Pour kE [1 ; n], le vecteur est en fait donné par

k— 1
1
ek — h------ üvk avec vk = uk - I
2=1
où la somme exprimant le vecteur Vk détermine le

projeté orthogonal de Uk sur l’espace
Vect(ei,.. .,efc_i) = Vect(vi,... ,vk-i).
Exercice 4
On munit R3 de son produit scalaire canonique. Déterminer une base orthonormale
de R3 dont les deux premiers vecteurs appartiennent au plan
P = {(x,y,z) e R3 | x - z = 0}.
Solution
méthode
Il On complète une base orthonormale du plan à l’aide d’un vecteur normal
Il unitaire.
Les vecteurs U\ = (0,1,0) et u2 = (1,0,1) appartiennent au plan P et sont orthogo
naux2. Les coefficients de x, y, z dans l’équation du plan déterminent les coordonnées 1,
0 et —1 d’un vecteur u3 = (1,0, —1) normal au plan P et donc orthogonal aux vecteurs
1. Pour calculer e2 et 63, il est plus commode de diviser 2v2 = (1, —1, 2) et 3^3 = (—1,1,1) par leur
norme ce qui conduit au même résultat.
2. Si l’on choisit des vecteurs ui et u2 moins pertinents, on peut cependant appliquer le protocole
d’orthonormalisation de Schmidt pour former une base orthonormale du plan.
précédents. On forme alors une base (61,62,63) telle que voulue en divisant chacun de
ces vecteurs par sa norme
ci = (0,1,0), e2 = | —L, 0, ~^= | et e3=|4=.O.—v=L
Exercice 5
Soit f un endomorphisme d’un espace euclidien E de dimension n et A = sa
matrice dans une base orthonormale e — (ei,..., en).
Justifier que aij = (e$ | f(ejY) pour tous i et j dans [1 ; n]|.
Solution
méthode
La z-ème coordonnée d’un vecteur x dans une base orthonormale s’obtient en
faisant le produit scalaire avec le z-ème vecteur de base (Th. 10 p. 398).
Par définition de la matrice figurant un endomorphisme dans une base, on a
A = Mat(ei)...)en)(/(ej,..., J(en)).
Le coefficient d’indice (z,j) de la matrice A correspond donc à la z-ème coordonnée dans

la base e du vecteur fÇej). La base e étant supposée orthonormale, on obtient
= f (ej)) •
11.4.3 Orthogonal d’une partie
Exercice 6
Soit E un espace préhilbertien muni d’un produit scalaire noté ( • | • ).
(a) Soit A et B deux parties de E avec A C B. Montrer Br C A~F
Soit F et G deux sous-espaces vectoriels de E.
(b) Montrer (F + G)± = F1- n G\
(c) Montrer (F n G)± D F1 + G\
Que devient cette inclusion si l’on suppose que l’espace E est euclidien ?
Solution
(a) Soit x 6 B\
méthode
Il On montre que x appartient à A1- en observant (a | æ) = 0 pour tout a e A.
Soit a un élément arbitraire de A. Celui-ci est élément de B car on a supposé A inclus
dans B. On a donc (a| x) = 0 puisque x est orthogonal à tout vecteur de B. Ainsi, x est
élément de A-1- et l’on peut affirmer l’inclusion Br C A1.
(b) On raisonne par double inclusion.

Sachant F C F+G, on a par le résultat précédent (F-f-G)1- C . De même G C F+G
donne (F + G)± C G1 et donc (F + G)x C F1nG1.
Inversement, soit x G F± Cl G1-. Ce vecteur x est orthogonal à tout vecteur de F et à
tout vecteur de G. Il est donc orthogonal aux vecteurs de F + G. En effet, si y est un
vecteur de F + G, on peut écrire y = a + b avec a G F et b e G donc
(x | y) = (x | a + 6) = {x | a) + (x 16) = 0.
Ainsi, F1- Cl G± C (F + G)± puis on obtient l’égalité voulue par double inclusion.
(c) On sait F A G C F et donc F± C (F A G)±. De même, on a G1- C (F A G)-1.
méthode
L’orthogonal d’une partie est un sous-espace vectoriel et donc stable par com
binaison linéaire.
Puisque (F AG)1 est un sous-espace vectoriel contenant F1- et G1, il contient aussi
leur somme : F1- + G1- C (F AG)1.
Si l’espace F est euclidien1 , on peut transformer cette inclusion en égalité. On peut
pour cela raisonner par les dimensions ou, plus efficacement, employer le résultat qui
suit :
méthode
|| Lorsque F est un sous-espace vectoriel d’un espace euclidien, (F-1)-1 = F.
On emploie l’égalité (F + G)1- = F± A Gx avec les espaces F1- et GY au lieu de F

et G et l’on obtient
(F1- + gF = (fF n (gF = f n g.

Il suffit alors de passer à l’orthogonal pour conclure
F1- + Gx = ((F1 + gFL = (F n G)-1.
Exercice 7
Soit F et G deux sous-espaces vectoriels supplémentaires et orthogonaux d’un espace
préhilbertien F. Montrer G = Fx.
1. Si l’espace E n’est pas euclidien, l’inclusion peut être stricte (voir sujet 30 p. 432).
Solution
On raisonne par double inclusion. Puisque les espaces F et G sont supposés orthogo
naux, les vecteurs de G sont orthogonaux à tous les vecteurs de F et donc1 G C F1-.
méthode
On montre l’inclusion réciproque2*en décomposant un vecteur de F1- en la
somme d’un vecteur de F et d’un vecteur de G.
Soit x un élément de F1-. On peut écrire x = a + b avec a G F et b G G car on suppose

les espaces F et G supplémentaires dans E. Le vecteur x est orthogonal à tout vecteur
de F et en particulier au vecteur a. Or
(a | x) = {a | a + 6) = 11a112 + (a | &) = ||a112 .
=o
On a alors ||a|| = 0 et donc a = 0#. Ainsi, x = b et x est élément de G. On peut alors
affirmer l’inclusion F1- C G et conclure à l’égalité G = FL.
Exercice 8
On munit R4 de son produit scalaire canonique.
(a) Former la matrice dans la base canonique de la projection orthogonale p sur
l’espace
F = {(x,y, z,t) G R4 | x — y — z — t = x — z — 2t — 0}.
(b) Calculer la distance à F du vecteur (1,2,3,4).
Solution
(a) méthode
On détermine une base orthonormale de F afin de calculer la projection p par
la formule du Th. 15 p. 400.
On résout les équations définissant F afin de déterminer une base de cet espace
(x — y — z — t = 0 (x — y — z — t = 0
— z — 2t = 0 l2^-l2-Li [ y —t=0
( x = z + 2t
On a donc
F = {(z + 2t,t,z,t) | (z,t) E R2} = Vect((l,0,1,0), (2,1,0,1)).

=U1 =U2
1. Une orthogonalité de deux sous-espaces vectoriels F et G exprime une inclusion de l’un dans
l’orthogonal de l’autre : F C G1- ou, et c’est équivalent, G C F-1-. L’orthogonalité des espaces ne peut
suffire à justifier l’égalité d’un espace avec l’orthogonal de l’autre.
2. Si l’on suppose l’espace E de dimension finie, une conclusion plus rapide est possible par un
argument de dimension : dim F1- = dim E — dim F = dim G.
La famille (161,^2) constitue une base de l’espace F. Par le procédé de Schmidt, on

l’orthonormalise en (61,62) avec
e1 = -L(l, 0,1,0) et e2 = ^(1,1,-1,1).
On peut alors calculer le projeté sur F de n’importe que vecteur v de R4 par la formule
p(v) = (ei |v)ei + (e2|v)e2.
En particulier, on peut calculer les images des vecteurs de la base canonique et former
la matrice1 A de p dans celle-ci :
1
/3
1
1
1
1
-1 1
4 1 -1 3 -1
v i -1 1/
(b) méthode
La distance d’un vecteur à un sous-espace vectoriel est la distance de celui-ci
à son projeté orthogonal (Th. 17 p. 401).
La matrice A, ou la formule (*), permet de calculer le projeté orthogonal du vecteur
v = (1, 2,3,4) sur F. On obtient p(u) = (3,1,1,1). La distance de v à F est alors
d(v,F) = ||u-p(v)|| = ||(-2,1,2,3)|| = ^4+1+4 + 9 = 3^2.
méthode
On vérifie2 que les colonnes (ou les lignes) sont unitaires et deux à deux
orthogonales (Th. 22 p. 403).
1. La matrice obtenue est symétrique car, lorsque p est une projection orthogonale, on peut montrer
(p(u) |v) = (u|p(u)) pour tous vecteurs u et v. En particulier, = (e^ |p(ej)) = (p(ej |ej) = ajj.
2. Vérifier que la matrice est de déterminant ±1 est une condition nécessaire et mais non suffisante :
calculer le déterminant de A n’est ici d’aucune utilité. En revanche, on peut vérifier *AA = In ce qui
correspond à reproduire des calculs semblables à ceux menés ici.
Notons Ci, C2 et C3 les colonnes de A. Le produit scalaire de deux colonnes de coeffi

cients (#, ?/, z) et (F, y', z') est xxr -F yy' -F zz'. Un calcul direct donne alors
(C1|C2) = |(2 + 2-4) =0 ||C'i||2 = i(l + 4 + 4) = l
(C2|C3) = |(4-2-2)=0 11^2 P = -(4 + 1 + 4) = 1
(C3|C1) = i(2-4 + 2)=0 ||C3||2 = i(4 + 4+l)=l
La matrice A est donc orthogonale.

Exercice 10
Soit f une isométrie vectorielle d’un espace euclidien E et F un sous-espace vectoriel
de E. Montrer
fjE) ~ cm)x
Solution
méthode
Une isométrie vectorielle conserve le produit scalaire (Th. 19 p. 402) et donc
l’orthogonalité.
Vérifions que les espaces f(F) et fÇF^) sont orthogonaux. Soit y un élément de fÇF)
et y' un élément de On peut écrire y = /(#) et y' = f(x') avec x et x' éléments
de F et F1- respectivement. On a alors par conservation du produit scalaire
(y I y') = (/(^) I /(®')) = (a; I æ') = 0
car les vecteurs x et x' sont orthogonaux. Ainsi, on peut affirmer que les espaces f(F)
et f(F^ sont orthogonaux ce qui signifie l’inclusion1
/(Fx) c (/(F))±.
méthode
Un isomorphisme transforme une famille libre en une famille libre et par consé
quent conserve la dimension 2.
L’isométrie f est un automorphisme donc
dim/(F)=diniF et dim/(F±) = dimF-1.
Par suite
dim f (F±) = dim F1- = dim E — dim F
= dimF — dim/(F) = dim (/(F))±.
Par inclusion et égalité des dimensions, on conclut
_____________________________ = (/œ))±-
1. Cela signifie aussi l’inclusion f(F) C (/(F-*-))-*- mais pas encore l’égalité!
11.5.1 Produit scalaire
Exercice 11 *
Soit (a?i,..., xn) E Rn. Montrer l’inégalité qui suit en déterminant le cas d’égalité
/ n \2 n
lEA) ^n£x2k.
\k=l / k=l
Solution
méthode
On applique l’inégalité de Cauchy-Schwarz (Th. 2 p. 394) à deux vecteurs bien
choisis de Rn.
A partir des vecteurs x = (jq,..., xn) et u = (1,..., 1) de Rn, l’inégalité de Cauchy-
Schwarz (a?|iz)2 ||æ||2 ||^112 donne pour le produit scalaire canonique
De plus, il y a égalité si, et seulement si, les vecteurs x = (aq,..., xn) et u = (1,..., 1)
sont colinéaires, c’est-à-dire si, et seulement si, aq = • • • = xn.
Exercice 12 *
Soit A,Be jMn(R). Établir
(tr(AB))2 < tr(%4) trfBB).
Solution
méthode
On applique l’inégalité de Cauchy-Schwarz en commençant par identifier le
produit scalaire concerné.
On sait1 que l’on définit un produit scalaire sur A4n(R) en posant
(A, B) = tr (*AB).
En appliquant l’inégalité de Cauchy-Schwarz aux éléments lA et B, on obtient
| tr ( AB) | yjtr (A yjtr BB).
En élevant au carré et en écrivant tr (A A) = tr(ÉAA) (Th. 16 p. 319), on obtient l’inégalité

voulue.
Exercice 13 **
Pour P et Q dans R[X], on pose
1 P*
^p,Q) = -J ^p^Q(e-ie)d6.
(a) Montrer que p définit un produit scalaire sur R[X].

(b) Montrer que (^n)nGN est une base orthonormale pour ce produit scalaire.
Solution
(a) méthode
Il On vérifie que l’application ç? est à valeurs dans R puis qu’il s’agit d’une forme
|| bilinéaire symétrique définie positive.
Soit P,Q e R[X]. Les coefficients des polynômes P et Q étant réels, on a
= J_ £ P^Q^ d0=^^ P(e-i0)Q(eie) dfl = P).
De plus, le changement de variable a — — 0 donne
V>(Q, p) = ^~ F Q(ei0)P(e"w) d0 = P Q(e-ia)P(eiQ) da = <p(P, Q).

J 0= — 7V J C)C = — qx
On en déduit, d’une part que ç?(P, Q) = ç?(P, Q) et l’application tp est à valeurs réelles,
d’autre part que l’application cp est symétrique.
Soit A, p E R et P, Q, R 6 R[X]. Par linéarité de l’intégrale, on a immédiatement
1 P*
<p(P, XQ + MP) = — P(ew) (AQ(e“ie) + nR(e~i0^ dO
J-TT
= ^f P(ei0)Q(e-ie) d0+ £ P P(eie)P(e-i(?) d0
= Aç?(P, Q) + /iç?(P, R).
L’application ip est linéaire en sa deuxième variable et donc bilinéaire.

Enfin, pour P E R[X], on a par intégration en bon ordre d’une fonction positive
v’(p’p) = è/jp^l2d°°-
Aussi, si ç?(P, P) = 0, on peut affirmer par nullité de l’intégrale d’une fonction continue
et positive que P(e10) = 0 pour tout 0 E [—tt ; tt]. Le polynôme réel P admet alors une
infinité de racines complexes, à savoir tous les complexes de module 1 : c’est le polynôme
nul.
On peut alors conclure que cp est un produit scalaire sur R[X].
(b) La famille (^n)neN est une base de R[X]. Elle est orthonormale car, pour tous
naturels k et £,
<p(Xk,Xe> = ^~ [ ei(fe~€)0d(9 = P si k = £
' 7 2tt/_ 10 sinon.
En effet,
1 ei(fc-^)^
ld0 = l et = 0.
fc/£ [ï(k — £)
Exercice 14 ***
Soit a, 5, c, d e R. Pour u — (æ, y) e R2 et v = (#', y') e R2, on pose
ç>(u, u) = axx' + bxy' + cx'y + dyy'.
À quelles conditions sur a, 6, c, d, l’application p est-elle un produit scalaire sur R2 ?
Solution
L’application p est bien définie de R2 x R2 vers R.
méthode
Dans une analyse, on réunit des conditions sur les réels a, 6, c, d en particula
risant le calcul du produit scalaire à des vecteurs bien choisis.
Analyse : Supposons que p soit un produit scalaire sur R2. En prenant u = (1,0) et
v = (0,1), l’égalité de symétrie p(u, v) = p(y, u) donne b = c. Aussi, pour u = (æ, y) G R2,
u) = ax2 + 2bxy -F dy2.
En particulier, pour u = (1,0) ± (0,0), on a p(u, u) > 0 et donc a > 0. En considérant

de nouveau u = (x,y), on peut écrire sachant a non nul
p(u, u) = ax2 + 2bxy + dy2 = a ( x H—y |

\ a 7
/ \2
--- r-
ad — b2 2
a
En prenant u = {—b, a) / (0,0), on a p(u, u) > 0 et donc ad — b2 > 0. Vérifions que ces
conditions sont suffisantes.
Synthèse : Supposons b = c, a > 0 et1 ad > b2. L’application p est symétrique et l’on
vérifie aisément qu’elle est linéaire en l’une de ses variables donc bilinéaire. De plus, pour
tout u = (x, y) Ç R2,
/ \2
ad — b2
ç?(w, u) = ax2 + 2bxy + dy2 = a | x -|—y )
\ a J a
1. Ce qui entraîne que d est aussi strictement positif.

Enfin, si <p(u, u) = 0, on peut affirmer par nullité d’une somme de quantités positives
x H—y = 0 et y—0
a
et donc u — (0,0). L’application ç? est alors un produit scalaire.
11.5.2 Espace euclidien
Exercice 15 **
Soit (ei,..., en) une famille de vecteurs unitaires d’un espace euclidien E vérifiant
n
^(e/J#)2 = ||æ||2 pour tout x € E.
k—1
Montrer que (ei,..., en) est une base orthonormale de E.
Solution
Les vecteurs de la famille (ei,..., en) sont unitaires. Vérifions qu’ils sont deux à deux
orthogonaux. Soit £ e [1 ;n]. On applique l’hypothèse au vecteur x = et> et l’on isole le
terme d’indice £ de la somme
INI2 = = E (efeM2 + lledl4

k=i i^/c^n
kÛ
En simplifiant, on obtient
E (efcle<û2 = °-
k^£
Ceci est une somme nulle de termes tous positifs, ses termes sont donc tous nuis
(e& | e^) = 0 pour tout £ k.
Ainsi, la famille (ei,...,en) est orthogonale donc orthonormale. Il reste à établir que
celle-ci est une base.
méthode
|| Une famille orthonormale est assurément libre (Th. 5 p. 396).
Montrons que (ei,..., en) est génératrice en étudiant l’orthogonal de Vect(ei,..., en).
Soit x e Vect(ei,..., en)x. Le vecteur x est orthogonal à chaque vecteur donc
||.x||2 = £fefc|42 = 0.
On en déduit x est nul et par conséquent1 Vect(ei,..., en)x = {0#}. En passant à

l’orthogonal, on obtient Vect(ei,..., en) = {0#} = E. Par suite, la famille (ei,..., en)
est génératrice de E et c’est donc une base orthonormale de E.
Exercice 16 **
Soit / un endomorphisme d’un espace vectoriel euclidien E vérifiant (/(#),#) = 0
pour tout x E E. Comparer Ker(/) et Im(/).
Solution
méthode
Il Manipuler l’hypothèse (/(#), x) = 0 avec un seul vecteur x n’est pas suffisant :
Il on étudie (f(x + y),x -F y) pour x,y E E.
Soit x et y quelconques dans E. L’hypothèse d’étude donne (f(x + y),x + y) = 0. En

développant par bilinéarité
y + y), x^-y^ = (f(x) + f(y),x + y) = (f(x) + f(y), x) + (/(a;) + f(y), y)

=0
= (f(x),x) +{f(y),x) + (f(x),y) + (f(y), y) = (f(y),x) + (f(x),y).
=0 =0
Si x appartient au noyau de /, ce qui précède donne x) = 0 pour tout y E E

et x est donc orthogonal à tout vecteur de l’image de f. Ainsi,
Ker(/) C (lm(/))±.
De plus, par la formule du rang, il y a égalité des dimensions et donc
Ker(/) = (Im(/))'L.
11.5.3 Projection orthogonale
Exercice 17 *
On considère un espace vectoriel euclidien E muni d’une base orthonormale (i,j, k).
Former la matrice dans (i,j, k) de la projection orthogonale sur le plan P d’équation
x — Zy + z — 0.
1. Précisément, on a seulement établi une inclusion Vect(ei,... C {0#} mais l’inclusion réci
proque est entendue car le vecteur nul est orthogonal à tout vecteur.
Solution
méthode
L’équation du plan fournit un vecteur normal à partir duquel il est facile
d’exprimer la projection.
Les coefficients de æ, y et z dans l’équation du plan déterminent les coordonnées 1, —2
et 1 dans (z,j, k) d’un vecteur normal n au plan : n = i — 2j + k. On peut alors projeter
un vecteur u de E orthogonalement sur la droite normale D = Vect n par la formule
(nu)
Pd{u) = — ~2-n.
INI
On en déduit la projection de u sur le plan
P = Dl
, x /x (n|u)
PpW = u-pD{u) = u — —Tn.
IN
En calculant les images des vecteurs de bases,
on forme la matrice de la projection orthogonale
sur P :
Exercice 18 *
On munit E = A4n(R) du produit scalaire1 donné par (A, B) = tr(*AB).
On introduit 5n(R) et >ln(R) les sous-espaces des matrices symétriques et antisy
métriques de A4n(R)
5n(R)-{Me A4n(R)| lM = M} et Xn(R) = {M e Atn(R) | W = -M}.
(a) Montrer que <Sn(R) et v4n(R) sont l’orthogonal l’un de l’autre.

(b) Exprimer le projeté orthogonal sur <Sn(R) d’une matrice M de jMn(R).
Solution
(a) méthode
On vérifie que les espaces <Sn(R) et v4n(R) sont orthogonaux avant d’employer
un argument de supplémentarité.
Soit S e 5n(R) et A 6 v4n(R). On a tS — S et = —A. On en déduit
(S, A) = tr(ÉSA) = tr(SA) et (S, A) = {A, S) = tr(US) = tr(-ÆS) = - tr(ÆS).

Or tr(ÆS) = tr(SA) (Th. 16 p. 319) et donc (A, S) = 0.

Ainsi, les espaces <Sn(R) et v4n(R) sont orthogonaux ce qui signifie que l’on a l’inclusion
v4n(R) C (Sn(R)) . Or ces espaces sont aussi supplémentaires1 et donc2
dim>ln(R) = dim A4 n (R) — dim5n(R) = dim(5n(R))±.
Par inclusion et égalité des dimensions, on peut affirmer

A,(R) = (5n(R))±.
Un raisonnement symétrique, ou l’emploi de la formule (T1-1)-1 = F (valable pour F

sous-espace vectoriel d’un espace euclidien), donne pareillement
Sn(R) = (X„(R))±.
(b) méthode
Il On détermine le projeté orthogonal a d’un vecteur x sur un sous-espace F en
Il écrivant x = a + b avec a E F et b E F1-.
On décompose une matrice M E Afn(R) en la somme d’une matrice symétrique et
d’une matrice antisymétrique en écrivant
M = |(M + ‘M) + - fM).
G Sn (R) e An (R)=(5n (R) )x

Le projeté orthogonal de M sur <Sn(R) est donc |(AT + W).
Exercice 19 **
Soit x et y deux vecteurs distincts d’un espace euclidien de dimension supérieure à 2.
(a) On suppose (x \y) = ||î/||2. Montrer qu’il existe un unique hyperplan H de E tel
que y = ph(x).
(b) A quelle condition existe-t-il une réflexion échangeant x et y ?
Solution
méthode
|| On caractérise un hyperplan par l’obtention d’un vecteur normal à celui-ci.
(a) Analyse : Supposons que H soit un hy
perplan solution. Puisque le vecteur y est le pro
jeté de x sur y, le vecteur différence x — y est
orthogonal à H. Or celui-ci est non nul car on
a supposé les vecteurs x et y distincts. Le vec
teur x — y est donc un vecteur normal à H. On
en déduit H = {x — y}± ■
2. Voir aussi le sujet 7 p. 411.
Synthèse : Soit H l’hyperplan de vecteur normal y — x. L’hypothèse (æ | y) = (y | y)

donne (x — y | y) = 0 ce qui assure que y G H. De plus, on peut écrire
X= y + (x - y)
EH EH1
et l’on a donc pn(^) = y-
(b) Analyse : Supposons qu’il existe une réflexion1 a d’hyperplan H échangeant x

et y. Puisqu’une réflexion conserve la norme, on a nécessairement ||x|| = \\y\\. De plus,
on a par linéarité a(x — y) = a(x) — a (t/) = y — x et le vecteur x — y est changé en
son opposé. Or seuls les vecteurs de la droite normale à l’hyperplan de réflexion H sont
changés en leur opposé. On a donc H = {x — y}\
Synthèse : Supposons ||æ|| = \\y\\ et considérons la réflexion a d’hyperplan H de vecteur
normal x — y. Le vecteur x 4- y appartient à H car
(x + y\x - y) = ||a;||2 - ||y||2 = 0.
On peut alors écrire

lz x 1/
x = 2^ + ^)+ 2^“^
et donc e#1
<x(x) = ±(x + y) - ^(x - y) = y
puis a(y) = a2(x) = x.

En résumé, il existe une réflexion échangeant x et y si, et seulement si, ||æ|| = \\y\\. De
plus, si tel est le cas, celle-ci est unique.
Exercice 20 ***
Soit p une projection vectorielle d’un espace euclidien E.
Montrer que la projection p est orthogonale si, et seulement si,
IhHI 1141 pour tout x e E.
Solution
( => ) Soit p la projection orthogonale sur un sous-espace vectoriel F.
méthode
|| On utilise le théorème de Pythagore.
1. Rappelons qu’une réflexion est par définition une symétrie orthogonale par rapport à un hyperplan.
Soit x E E. On écrit x = p(x) + (x — p(x)) avec

les vecteurs p(x) et x— p(x) orthogonaux car x E F
et x—p(x) E F^. Le théorème de Pythagore donne
alors
Ikll2 = IhWll2 + Ik -pWII2 ||p(z)||2
et donc ||p(æ)|| ||æ||.
( <= ) Soit p une projection vérifiant ||p(æ)|| ||æ|| pour tout x E E.
méthode
On montre l’orthogonalité de l’espace F sur lequel p projette avec l’espace G
parallèlement auquel p opère.
Puisque p est une projection vectorielle, les espaces F = Im(p) et G = Ker(p) sont
supplémentaires et p est la projection sur F parallèlement à G. Soit a E F et b E G.
Pour tout réel A, considérons le vecteur1 x = a + Ab. On a p(æ) = a et l’hypothèse
||p(æ)|| ||æ|| donne
||a||2 < ||a + A6||2 = ||a||2 + 2A(a|6) + A2 ||6||2 .
Après simplification, on obtient l’inéquation 2A(a | 6) + A2 ||&||2 0 valable pour tout

réel A. Si (a|b) 0, on peut écrire l’absurdité2
2A(a|&) + A2 ll&H2 ~ 2A(a|6).

\______ y A-»0 s y
^0 change de signe
On en déduit (a | b) = 0. Ainsi, les espaces F et G sont orthogonaux. Or ceux-ci sont

aussi supplémentaires, ils sont donc l’orthogonal3 l’un de l’autre. On peut alors conclure
que p est une projection orthogonale.
Lorsqu’une projection n’est pas orthogonale, le projeté d’un vecteur

peut être plus long que le vecteur initial.
1. On peut aussi introduire le vecteur y = Xa + b pour lequel 2A(a | b) + ||b||2 > 0 pour tout réel A.
Ceci oblige (a|6) = 0 car la fonction affine A i-> 2A(a|6) + ||6||2 change de signe dans le cas contraire.
2. On peut aussi affirmer (u 16) = 0 en observant que le trinôme ||6||2 A2 + 2 (a | b) A est de discriminant
négatif car ne peut pas posséder deux racines réelles distinctes.
424 Chapitre 11. Espaces préhiibertiens réels
11.5.4 Calcul de distance à un sous-espace vectoriel
Exercice 21 *
On munit E = A4n(R) du produit scalaire canonique1 donné par (A,B) = trÂB^.
On considère
H = {M e A4n(R) | tr(M) = 0}.
(a) Justifier que H est un hyperplan et déterminer un vecteur normal de H.
(b) Exprimer simplement la distance à H d’une matrice M de jMn(R).
Solution
(a) méthode
|| On exprime la condition tr(M) = 0 sous la forme (A, M) = 0.
Pour tout M e J\4n(R), on remarque tr(Af) = tr(ÉInM) = (In, M). On en déduit
H= {M eM» = 0} = {In}± avec In / On.
Ainsi, H est l’hyperplan défini par le vecteur normal In.
(b) méthode
La distance d’un vecteur à un sous-espace vectoriel est la distance de celui-ci
à son projeté orthogonal (Th. 17 p. 401).
Le projeté orthogonal de M sur l’hyperplan H se déduit du projeté sur la droite normale

D = Vect In :
et donc2
d(M,H) = ||M-ph(M)|| = ||^(M)|| =
Exercice 22 **
Calculer
m= inf / (t2 — (at + 6))2 dt.
(a,b)eR2J0

2. Plus généralement, les mêmes calculs montrent que la distance d’un vecteur x à un hyperplan de
vecteur normal n est donnée par la formule d(x, H) = ' '.
Solution
méthode
On interprète la borne inférieure m en fonction de la distance d’un vecteur à
un sous-espace vectoriel pour un produit scalaire à déterminer.
On introduit le produit scalaire1 sur R2W donné par
(F|Q)= fp^Q^dt
jo
En introduisant la norme euclidienne associée

ri
/ (É2-(ai + b))2dt= ||X2 - (aV + 6)||2
JO
et donc
/ \2 2
- J"V!V-,aX + 6)112 = - <** + 6) ") = ■
Il reste à déterminer le projeté orthogonal aX + b de X2 sur Ri[X]. Plutôt que d’or-
thonormaliser par le procédé de Schmidt2 la base (1,X), on détermine a et b de sorte
que
X2 - (aX + b) e (Ri[V])±.
Ceci revient à chercher a et b tels que X2 — (aX + b) est orthogonal3 à 1 et X :
| (X2-(aX + b)|l) =0 b=|

|(X2-(uX + b)|X) =0
On obtient a = 1 et b = —1/6. Le projeté orthogonal de X2 sur Ri[X] est donc X — 1/6

et l’on peut conclure
1. Dans le sujet 1 p. 405 on a vu que l’expression proposée définit un produit scalaire sur R[X], elle
définit alors a fortiori un produit scalaire sur le sous-espace vectoriel R2 [X].
2. Cette orthonormalisation produit les polynômes Po = 1 et Fi = \/3(2X — 1).
3. Car Vect(l,X)± =
11.5.5 Isométries
Exercice 23 *
Soit si et s2 deux réflexions de droites D± et D2 d’un plan euclidien orienté E. On
introduit iïi et iï2 des vecteurs directeurs des droites D± et D2 et l’on pose 3 une
mesure de l’angle orienté de ü\ à iï2. Préciser la composée s2 o si.
Solution
méthode
Les isométries de E sont exclusivement les rotations (isométries positives) et
les réflexions (isométries négatives).
Par composition de deux isométries négatives,
r = s2 o si est une isométrie positive, c’est-à-dire
une rotation (Th. 26 p. 404). Déterminons l’angle
de celle-ci en mesurant l’angle orienté de ui à r(7Zi).
Le vecteur U\ appartient à la droite de réflexion
Z?i. On a donc Si(fZi) = puis r(u±) = s2(iïi).
Par la relation de Chasles
(ui;r(«i)) = (wi;s2(«i))
= (wi;«2) + («2 5 «2(«i)) [2tt] .
Sachant qu’une réflexion change les angles orientés en leur opposé, on écrit
(u2;s2(ui)) = (s2(w2);s2(ui)) = -(u2;t«i) = («i;u2) [2?r]
donc
(ui;r(ui)) = 2(uû2^ = 23 [2tt] .
On peut conclure que r est la rotation d’angle 23.
Exercice 24 *
Soit r une rotation et s une réflexion d’un plan euclidien orienté E.
Simplifier les composées s or o s et r o s o r.
Solution
méthode
|| Les composées s o r et r o s sont des isométries négatives.
La composée s o r est une réflexion (Th. 28 p. 405) donc (s or)2 = Id# ce qui donne
s or os or = Id#. En composant par r-1 à droite, on obtient s or os = r-1. En composant
par s-1 à gauche, il vient r o s or = s~l — s.
Exercice 25 **
Soit f une isométrie d’un espace euclidien E et g = f — Id#.
(a) Montrer l’égalité Im(g) = (Ker^))-1.
On note p la projection orthogonale sur Ker(g) et l’on introduit pour tout n G N*
Pn — ~ (ids + f + f2 +-----H fn •
nv
(b) Démontrer que, pour tout x e E, lim \\(pn — p)(#)|| = 0.
Solution
(a) méthode
A l’aide d’un argument de dimension, il suffit d’établir que les espaces Ker(g)
et Im(g) sont orthogonaux.
Soit x un élément de Ker(g) et y dans Im(g). On a gÇx) = 0# et donc /(#) = x. Aussi,
on peut écrire y = g Ça) = fÇa) — a avec a G E. Par bilinéarité du produit scalaire
(x\y) = (z|/(a) -a) = (x\f(a)) - (æ|a) = (/(®)|/(a)) - (a:|a).
Or f est une isométrie et donc conserve le produit scalaire (Th. 19 p. 402)
(/O) I /(«)) = (x|a).
On a alors {x | y) = 0. Les espaces Ker(g) et Im(g) sont donc orthogonaux ce qui produit
l’inclusion Im(g) C (Ker(^))±. Enfin, par la formule du rang,
rg(g) = dimE — dimKer(g) = dim(Ker(^))±
et l’on peut conclure Im(g) = (Ker(^))± par inclusion et égalité des dimensions.
(b) Soit x G E. La projection p est la projection sur Ker(g) parallèlement à son

orthogonal (Ker^/))1" = Im(g).
méthode
On exprime x comme la somme d’un vecteur de Ker(g) et d’un vecteur de
On écrit x = a + b avec a = pÇx) G Ker(g) et b G Im(g).

D’une part, on a g Ça) — 0# donc fÇa) = a ce qui donne
Pn(a) = ~(a + f(a) ------ 1" /n-1(a)) = a-

=a —a
D’autre part, il existe un vecteur c tel que b = g(c), c’est-à-dire 6 = /(c) — c, et l’on
observe alors un télescopage
p„(6) = l(ld + f + f + • • • + P’1) o (/ - Id£)(c) = A(P(c) - c).
Par linéarité pn(x) = pn(a) + pn(b) et donc

||(Pn~p)(æ)|| = i||r(c)-c||.
Enfin, puisque l’isométrie / conserve la norme, on a ||/n(c)|| = ||c|| donc
||(pn -p)(æ)|| -------- > 0.

Tl—>--|-OO
Exercice 26 **
Soit f un endomorphisme d’un espace euclidien E conservant l’orthogonalité, c’est-
à-dire vérifiant, pour tous x et y de E,
(æ|y) = 0 ==> (f(x)|/(y)) =0.
Montrer qu’il existe A E et p E 0(E) tels que f = Ap.
Solution
méthode
On montre que les vecteurs unitaires sont en
voyés sur des vecteurs de normes égales à l’aide de
l’identité remarquable (a + b\a — b) = ||n||2 —1|6||2.
Soit x et y deux vecteurs unitaires de E. Les vecteurs x + y
et x — y sont orthogonaux car
(a; + 2/|a:-y) = M2-IM2 = o

Les vecteurs images f(x + y) et f(x — y) sont donc orthogonaux et l’on obtient par
linéarité de f
(/(æ + y) |/(a? - y)) = (/(æ)+ /(y)|/(æ)-/(y)) = ||/(æ)||2- ||/(y)||2-

=0
On en déduit que les images par f des vecteurs unitaires de E sont tous de même norme.
Notons A E R+ cette valeur commune et montons alors ||/(#)|| = A ||x|| pour tout x E E.
méthode
Lorsqu’il n’est pas nul, on divise x par sa norme pour le transformer en un
vecteur unitaire.
Si le vecteur x est nul, la propriété ||/(#)|| = A ||x|| est immédiate.
Si le vecteur x est non nul, on peut introduire le vecteur unitaire

1
y = iTii^
INI
Par linéarité de /, on a
L’égalité ||/(z/)|| = A donne alors ||/(æ)|| = A ||x||.

On peut ensuite conclure en discutant selon l’éventuelle nullité de A :
Cas : A = 0. L’endomorphisme / est nul et l’on a f = Xp avec = Id# G 0(E).
Cas : A ÿé 0. On peut introduire
p = —f vérifiant ||ç?(æ)|| = ||æ|| pour tout x G E.

A
L’application p est linéaire et conserve la norme, c’est une isométrie vectorielle. On peut
donc à nouveau écrire f = Xp avec p E 0(E).
Exercice 27 **
Soit E un espace euclidien de dimension n 1 et f une fonction de E vers E vérifiant
/(0#) = 0# et V(æ,?/)eE2, \\f(x) - f(y)\\ = ||rr - y\\.
(a) Montrer que ||/(#)|| = ||æ|| pour tout x de E.

(b) Etablir (/(#) | /(?/)) = (æ | y) pour tous x et y de E.
(c) En introduisant une base orthonormale de E, établir que l’application f est
linéaire.
Solution
(a) L’égalité ||/(æ) — /(î/)|| = ||# — y\\ avec y = 0# donne directement ||/(æ)|| = ||#||.
(b) méthode
|| On exploite l’identité remarquable ||a — 6||2 = ||n||2 — 2(a|6) + ||6||2.
Soit x et y deux éléments de E. En développant les deux membres de l’égalité
||/(æ) -/(y)||2 = lk-ÿ||2
on obtient
||/M|2 — 2(/(æ) I/(y)) + ||/(y)||2 = ||æ||2 — 2(æ |y) + ||t/||2 .
On simplifie cette relation en exploitant ||/(æ)|| = ||æ|| et ||/(y)|| = ||y|| pour obtenir
l’égalité voulue (/(□?)|/(y)) = (x\y).
(c) Considérons e — (ei,..., en) une base orthonormale de E. En vertu de la conser

vation du produit scalaire obtenue ci-dessus, la famille e' = (eÇ,...,e^) constituée des
vecteurs = f(ei) est aussi une base orthonormale de E.
méthode
On peut exprimer les coordonnées d’un vecteur dans une base orthonormale
à l’aide du produit scalaire (Th. 10 p. 398).
Soit x un vecteur de E. On peut écrire /(#) à l’aide de ses coordonnées dans la base
orthonormale e'
fw = 'E(ei\f(xê'i = i^(Aei)\f(xï)ei = 'E(ei\x)ei-

2=1 2=1 2=1
Par linéarité du produit scalaire en la deuxième variable, l’expression ci-dessus assure la
f
linéarité de f. Finalement, est une isométrie vectorielle1.
11.5.6 Matrices orthogonales
Exercice 28 **
Soit A = (aij) E On(R). Montrer /A k J
.
|aij|^n\/n et n.
>
©
S
<.
/A.
1^2,J^72
Solution
méthode
|| La présence d’une racine peut faire penser à l’inégalité de Cauchy-Schwarz.
Soit i E [1 ;n]. Par l’inégalité de Cauchy-Schwarz
72
53 I°mI _ 53 X1
j=l j=l
La matrice A étant orthogonale, ses lignes sont unitaires et donc
=1 pour tout i e [1 ;n].
La relation (*) se relit alors
n.
j=i
1. En exploitant une translation pour ramener l’image de 0^; enO^, cette étude assure qu’une applica
tion f : E —> E qui conserve la distance euclidienne est la composée d’une isométrie et d’une translation.
Il suffit ensuite de sommer ces comparaisons pour i allant de 1 à n pour affirmer la

première inégalité demandée
52 \ai,j\^nVn.
La seconde inégalité est plus délicate à obtenir.

méthode
La somme des aZJ est égale à f'XAX pour X la colonne dont tous les coefficients
sont égaux à 1.
Rappelons que le produit scalaire canonique sur l’espace des colonnes est
donné par la formule
(x,Y) = fxr.
On peut donc écrire
52 ai,j = fXAX = (X, AX).
Par l’inégalité de Cauchy-Schwarz,
|(XMX)|^||X||||AX||.
Or
||ÆT||2 = {AX, AX') = ‘(AX)AX = *X *AAX = ‘XX = ||X||2 .
E aitj ^||X||=n.
Exercice 29 ***
Soit M une matrice orthogonale de taille n = p + q que l’on écrit par blocs
/j o\
M— \ n ) avec A € <A4P(R) et D e Mq(R).
\O Jy J
Montrer
(det(A))2 = (det(D))2.
Solution
La matrice M étant orthogonale, on a lMM = In, c’est-à-dire
tAA + tCC tAB + tCD\ ïp 0\

tBA + tDC tBB + tDDj .° lJ '
méthode
On introduit une matrice triangulaire par blocs N tel que le produit NM soit
aussi triangulaire par blocs en vertu de l’égalité qui précède.
Considérons la matrice1
On calcule le produit NM par blocs ce qui donne
UA + lCC tAB + tCD\ (lp 0 \

C D )~[C d)'
En passant cette relation au déterminant, on obtient
det(-A) x det(M) = det(Z?).
En effet, le déterminant d’une matrice triangulaire par blocs est le produit des détermi
nants des blocs diagonaux (Th. 16 p. 359) ce qui donne det(TV) = det(*A) = det(A) et
de même det(TVM) = det(D).
Puisque le déterminant d’une matrice orthogonale vaut 1 ou —1, on peut conclure
det(A) = ±det(D).
Exercice 30 **
On munit l’espace E = C([—1 ; 1],R) du produit scalaire défini par
(/, g) = y x f(t)g(t) dt.
On pose
F = {/ G E | Vf G [—1 ; 0], f(fi) = 0} et G = {g e E | Vt G [0; 1], g(t) =0}.
(a) Montrer que F1- = G.

(b) Les sous-espaces vectoriels F et F1- sont-ils supplémentaires ?
(c) Comparer F1- + G1- et (F Cl G)-1.
Solution
(a) Soit f G F et g e G. Par la relation de Chasles
(/, g) = y /(i) p(t) dt + y /(t) g(t) dt = 0.
=0 =0
1. La matrice N' = ( A convient aussi.

\ r> JJ J
Les sous-espaces vectoriels F et G sont donc orthogonaux ce qui permet d’affirmer l’in
clusion G C F^.
Inversement, soit g E F-1-. Montrons que g(x) = 0 pour tout x E [0; 1]. Par l’absurde,
on suppose g(xo) / 0 pour un certain xq E ]0 ; 1[.
méthode
On exploite la continuité de g en xq pour définir une fonction f de F telle
que (/, g) / 0 en tant qu’intégrale d’une fonction continue positive qui n’est
pas la fonction nulle.
Quitte à considérer la fonction —g, on peut supposer g(j?o) > 0- Par continuité de g
au point Xq, il existe ce > 0 tel que
[x — a ; x H- a] C ]0 ; 1[ et g(t) > 0 pour tout [x — a ; x + a].
Considérons alors la fonction / = fXo,a définie

par le schéma ci-contre.
La fonction f appartient à F et le produit fg est
une fonction continue, positive mais qui n’est pas
la fonction nulle. On a donc
i
0.
C’est absurde car on a supposé g élément de F^. On a donc g(x) = 0 pour tout x
de ]0 ; 1[ puis aussi pour x = 0 et x = 1 par continuité de g en ces points.
Finalement, g E G et l’on peut affirmer F1- C G puis l’égalité par double inclusion.
(b) Les sous-espaces vectoriels F et F± = G ne peuvent pas être supplémentaires car

toute fonction de la somme F + G s’annule en 0.
(c) Comme au-dessus, on montre G^ = F et donc F1- + G± = G + F est un espace

constitué de fonctions s’annulant toutes en 0. Cependant, (F O G)^ = {0}-1 = F. On a
donc l’inclusion1 F1- + G1- C (F A G)-1 et celle-ci est stricte2.
Exercice 31 ** (Famille équiangulaire)

Soit ui,... ,un des vecteurs unitaires d’un espace euclidien F de dimension n 2
dont le produit scalaire est noté On suppose qu’il existe un réel c tel que
Uj) — c pour tous les indices i et j distincts dans [1 ; n]|.
Pour quelles valeurs de c peut-on affirmer que la famille (ui,...,un) est liée?
1. Celle-ci est toujours vraie, voir sujet 6 p. 410.

2. On peut aussi remarquer que, pour H — F + G, = F1- Cl G1- = {0} et donc H est strictement
inclus dans (H-*-)-1".
Solution
méthode
|| On étudie la liberté de la famille , un).
Soit (Ai,..., An) G F tel que AiUi -F • • • + Antzn = 0#. En faisant le produit scalaire
des deux membres de cette équation avec le vecteur ui, on obtient pour tout i G [1 ; n]
cAi + • • • + cA^—i -F Xi -F cA^-i-i + • • • + cXn = 0.
Considérons alors la matrice
/I
A= E A4n(R)
V
et la colonne X dont les coefficients sont les Ai,..., An. Les équations précédentes four
nissent le système AX = 0. Si la matrice A est inversible, l’équation AX — 0 en
traîne X = 0 et la famille (ni,... ,nn) est alors libre.
Inversement, supposons la matrice A non inversible. Il existe une relation linéaire sur
ses colonnes ce qui permet d’écrire /iiCi H------ F[inCn = 0 avec /ii,..., /in des réels non
tous nuis. Considérons alors le vecteur n = /iiUi + • • • -F [inun et montrons que celui-ci
est nul.
méthode
Le vecteur v est nul car combinaison linéaire des vecteurs Ui mais aussi ortho
gonal à chacun des Ui.
Pour tout i e [1 ; n], le vecteur v est orthogonal à car la valeur du produit scalaire
(n^v) est déterminée par le coefficient en z-ème ligne de la colonne -F • • • + [inCn
et ce dernier est nul. On a donc
v e Vect(ui,..., un) A Vect(ui,...,= {0#} .
Ainsi, on a la relation linéaire /îUi -F • • • + /J,nUn = 0# et l’on peut affirmer que la
famille (tzi,..., un) est liée.
En résumé, la famille (tq,..., un) est libre si, et seulement si, la matrice A est inversible.
Sachant1 det(A) = (1 + (n — l)c) (1 — c)n-1, on peut conclure que (izi,..., un) est liée
si, et seulement si2,
c= 1 ou c —---------
n—1
Exercice 32 ** (Décomposition QR d’une matrice inversible)
Soit A G GLn(>).
(a) Montrer qu’il existe une matrice Q orthogonale et une matrice R triangulaire
supérieure à coefficients diagonaux strictement positifs telles que A = QR.
(b) Montrer l’unicité de cette écriture.

2. Le cas c = 1 correspond au cas où les vecteurs unitaires iti,..., un sont tous égaux.
Solution
(a) méthode
On interprète A comme la matrice de passage d’une base à une autre que l’on
orthonormalise par le procédé de Schmidt.
On munit l’espace Rn de sa structure euclidienne canonique et l’on introduit sa base
canonique c = (ci,...,cn). La matrice A figure dans la base c une famille de vec
teurs u = (izi,..., un) de :
A = Matc(ui, • • •, un).
Puisque la matrice A est inversible, la famille u est une base de Rn et A se comprend
comme la matrice de passage de c à u. On orthonormalise alors la base u par le procédé
de Schmidt ce qui forme une base orthonormale e = (ei,..., en).
La matrice de passage Q de c à e est orthogonale car il s’agit d’une matrice de passage
entre deux bases orthonormales.
La matrice de passage R de e à u est triangulaire supérieure car, pour tout j G [1 ; n],
Uj e Vect(ei,... ,€j).
De plus, les coefficients diagonaux de R sont strictement positifs. En effet, ceux-ci sont
donnés par les coordonnées des vecteurs Uj dans la base orthonormale e. Le J-ème coef
ficient diagonal est donc (ej | Uj ) et celui-ci est strictement positif1.
Enfin, les trois matrices de passages A, Q et R sont liées par la formule A = QR ce qui
résout le problème. En effet, si P est la matrice de passage d’une base e à une base e' et Q
celle de la base e' à une base e" alors les colonnes X, X' et X" formées des coordonnées
d’un même vecteur x dans les bases e, e' et e" sont liées par les formules de changement
de base (Th. 12 p. 317)
X = PX' et X' = QX".
On en déduit X = PQX" et la matrice PQ est donc la matrice de passage de e à e".
(b) Supposons A = QR = Q'R' avec Q, Q1 matrices orthogonales et R, R' matrices

triangulaires supérieures à coefficients diagonaux strictement positifs. En organisant les
membres de cette égalité, on dispose de l’identité Q'~rQ — R'R~r.
La matrice M = Q'~rQ est orthogonale par opérations dans le groupe On(R) et est
égale à la matrice R'R~[ qui est triangulaire supérieure à coefficients diagonaux positifs.
Montrons que cette matrice ne peut être que la matrice In.
La première colonne de M est unitaire car M est orthogonale mais c’est aussi la
première colonne d’une matrice triangulaire supérieure à coefficients diagonaux positifs.
La première colonne de M est donc égale à la première colonne de In. La deuxième colonne
de M est unitaire et orthogonale à la première. C’est de plus la deuxième colonne d’une
matrice triangulaire supérieure à coefficients diagonaux positifs. Cette deuxième colonne
n’est autre que la seconde colonne de la matrice In. On répète ce raisonnement pour
toutes les colonnes et l’on conclut M = In puis Q = Q' et R = R'.
1. Voir Th. 6 p. 396.
Exercice 33 ** (Déterminant de Gram)

Soit (a?i,..., xn) une famille de vecteurs d’un espace vectoriel euclidien E. La matrice
de jMn(R) de coefficient général Xj) est notée G(aq,..., xn), on l’appelle matrice
de Gram associée à la famille (aq,..., xn).
(a) Montrer que, si la famille fa,..., xn) est liée, det(G(#i,..., xn)) = 0.
On suppose désormais la famille ...,xn) libre et l’on introduit e = (ei,... ,en)
une base orthonormale de l’espace F qu’elle engendre. On note A = faifa) la matrice
figurant la famille (aq,..., xn) dans la base e.
(b) Exprimer G(aq,..., xn) en fonction de A et de lA. En déduire
det (G(aq,..., #n)) >0.
(c) On introduit u e E. Montrer
/det(G(»,a:i,...,a;n))
Solution
(a) méthode
Une relation linéaire sur les vecteurs de la famille (aq,... ,æn) se retrouve à
l’identique sur les rangées de G(æi,..., xn).
Supposons la famille (aq,..., xn) liée. Il existe des réels Ai,..., An non tous nuis tels
que Aiaq + • • • + Anxn = 0e- En faisant le produit scalaire des deux membres de cette
égalité avec le vecteur Xi, on obtient pour tout i e [1 ; nj
^1 fait Æl) "F ’ ’ ’ 4“ An 1 ^n) — O*

En notant Ci,..., Cn les colonnes de G(aq,..., xn), les égalités ci-dessus donne la relation
linéaire
AiGi + • • • + AnGn = 0.
On en déduit que la matrice G(aq,... ,xn) n’est pas inversible et son déterminant est
nul.
(b) méthode
On sait exprimer le produit scalaire de deux vecteurs à partir de leurs coor
données dans une base orthonormale.
Les coefficients de la matrice A déterminent les coordonnées des vecteurs xi,... ,xn
dans la base orthonormale e. Pour i,j e [1 ; n]|, les coefficients ..., an^ d’une part,
et d’autre part, correspondent aux coordonnées des vecteurs Xi et Xj et
donc
- ^2akâk,j - — ~
fc=i fc=i fc=i
Ainsi, G(#i,..., xn) = lAA. Enfin, la matrice A est inversible car de rang n égal à celui
de la famille libre (j?i, ..., xn) et donc
det(G(#i,...,xn)) = (det(A))2 > 0.
(c) On décompose le vecteur u en u — a + b avec a E F et b E F1-. Le vecteur a est

le projeté orthogonal de u sur F et donc
d(u,F) = ||u - pF(u)|| = ||u - a|| = R •
Parallèlement, étudions le déterminant de la matrice G(u, a?i,..., xn). Pour tout i

de on a (xi,u) = (xâ) car le vecteur b est orthogonal aux vecteurs Xi. La
matrice G(u, #i,..., xn) peut donc s’écrire par blocs
< ||u||2 (u,xn)\ W + ll^ll2 (a,xi) ■■■ (a,xn)\

(xû) 01, a)
G{xr,...,xn) G(æi,...,æn)
\{xn,u) / \ On,a> /
On décompose la première colonne en la somme de deux colonnes afin d’isoler le vecteur b.

Par multilinéarité du déterminant en la famille des colonnes, il vient
ll«ll2 {a, Xi) ■■ (d, xn} M2 ••• (a,Xn)

(xâ) 0
det(G(w, xi,.. • 5 æn)) — +
G(xx,.. • •> %n) ' , Xn)
(xn,a) 0
On développe ensuite le second déterminant en sa première colonne et l’on obtient
det(G(u, 2?i, . ,Æn)) = det(G(n,æi,... ,æn)) + ||&||2 det(G(#i,... ,#n)) •

=0 car la famille est liée 7^0
Finalementx,
det(G(?z, ., #n))
d(u. F) =
det(G(rri,... ,zn))
1. Si l’on oriente le sous-espace vectoriel F et si l’on considère e une base orthonormale directe, la
formule det(G(a?i,..., xn\) = (det(A))2 donne det(G(o?i,...,æn)) = [a?i,..., xn]2. Le produit mixte
mesurant une aire en dimension 2 et un volume en dimension 3, on peut interpréter géométriquement le
résultat en cours.
CHAPITRE 12
Probabilités
12.1 Probabilité sur un univers fini
12.1.1 Expérience aléatoire

Définition
L’ensemble des résultats possibles d’une expérience aléatoire est appelé univers, il est
généralement noté Q.
Les éléments uj de Q constituent les issues (ou réalisations) de l’expérience aléatoire.
Dans la suite, l’univers Q est supposé être un ensemble fini.
12.1.2 Événements
Définition
|| On appelle événement de l’univers Q toute partie A de Q.
Lorsque la partie A est un singleton, on dit qu’il s’agit d’un événement élémentaire.
L’événement 0 est appelé événement impossible tandis que l’événement Q est appelé
événement certain.
Les opérations ensemblistes se traduisent en langage événementiel. Si A et B sont deux
événements de l’univers Q, on définit V intersection des événements A et B par l’en
semble A A B. Cet événement est noté « A et B ». V union des événements A et B est
l’ensemble A U B, cet événement est noté « A ou B ». Plus généralement, on définit aussi
l’intersection et l’union de plusieurs événements. On définit encore l’événement contraire
d’un événement A comme étant son complémentaire dans Q, on le note A.
440 Chapitre 12. Probabilités
Lorsque A C B, on dit que l’événement A entraîne B ou encore que A implique B.

Définition
On dit que les deux événements A et B sont incompatibles lorsque leur intersection
est l’événement impossible, c’est-à-dire lorsque A D B = 0.
Définition
On appelle système complet d’événements de l’univers Q toute famille finie (A)i^z^p
d’événements de fi deux à deux incompatibles et d’union égale à fi.
A et A forment un système complet d’événements.
12.1.3 Probabilité
Définition
On appelle probabilité sur l’univers fini fi toute application P de1 p(fi) vers [0 ; 1]
vérifiant P (fi) = 1 et, pour tous événements A et B de fi,
A A B = 0 => P(dUB) = P (A) + P (B) (propriété d’additivité).
Un espace probabilisé est un couple (fi, P) constitué d’un univers fini fi et d’une
probabilité P sur fi.
Si l’univers fini fi n’est pas vide, on définit une probabilité sur fi en posant
_z .. Card(A) . _
P(4) = n ~Â7<ÿ\ pour tout A c
Card(fi)
C’est la probabilité uniforme sur fi.
Le choix d’un univers pour modéliser une expérience aléatoire est souvent contraint par
la détermination d’une probabilité sur celui-ci. Dans la pratique, on privilégie les espaces
munis d’une probabilité uniforme mais ce ne sont pas les seuls manipulés.
12.1.4 Propriétés calculatoires

Soit (fi, P) un espace probabilisé fini.
Théorème 1
Pour tout événement A de fi, P (A) = 1 — P (A).
En particulier, on a P (0) = 1 — P (fi) = 0.
Théorème 2
Pour tous événements A et B de fi, P(A U B) = P (A) + P(B) — P(A A B).
En particulier,
P(AUB) ^P(A) + P(B).
1. Rappelons que £>(Q) désigne l’ensemble des parties de Q.
12.2 Probabilités conditionnelles 441
Cette dernière propriété se généralise par récurrence à l’union de plusieurs événements

Ai,..., An pour former Y inégalité de Boole
n \ n
(UaU£p(A).
i=l / i=l
Aussi :
Théorème 3
Si (Ai)i<'i<^n est une famille d’événements deux à deux incompatibles,
n \ n
(|JA =£p(A).
i=l / i=l
12.1.5 Construction d’une probabilité

On suppose l’univers Q de cardinal N € N*. On peut énumérer ses éléments et écrire
Q = {cui,..., üün} avec cji, ..., üun deux à deux distincts.
Pour k allant de 1 à IV, les probabilités élémentaires pk = P({c<j/C}) constituent une

famille (pi,... ,pn) de réels positifs de somme égale à 1. La connaissance de celle-ci suffit
à calculer la probabilité de n’importe quel événement A puisque
P(A) = P U m = 52 p(w) = 52 pk-
Inversement, on peut définir une probabilité sur Q à partir des probabilités élémentaires :
Théorème 4
Si (pi,... ,Ptv) est une famille de réels positifs de somme égale à 1, il existe une
unique probabilité sur Q = {cui, • • • ,ün} vérifiant
P({wk}) = Pk pour tout k e [[1 ; TV].
La probabilité uniforme est obtenue pour px = • • • = p^ = -L.
12.2 Probabilités conditionnelles
(Q, P) désigne un espace probabilisé fini.

12.2.1 Définition
Définition
Soit A un événement de Q de probabilité non nulle. Pour tout événement B de Q, la
probabilité de B sachant A est définie par1 :
p/D| déf P(AnB)

P(B|>1) - “WF-
On note aussi Pa(B) la probabilité de B sachant A ce qui introduit l’application
. ( p(Q) ->■ [0;l]

A' l B^Pa(B) = P(B\A).
B
Celle-ci définit une probabilité sur Q ce qui auto
rise l’usage des formules vues précédemment. Par
exemple, B
PA(B) = 1-PA(B).
Une expérience aléatoire est quelquefois visualisée B
par un arbre de probabilités figurant la compréhen
sion du déroulement de l’expérience. Les probabili B
tés conditionnelles pondèrent un tel arbre.
12.2.2 Formule des probabilités composées

Théorème 5
Si A et B sont deux événements de 0, avec A de probabilité non nulle,
P(dnB) = P(A)P(B|A).
Lorsqu’une expérience aléatoire est visualisée par un arbre, cette formule permet le calcul
de la probabilité de réalisation d’une feuille.
P(A n B) = P(?l) P(B|?1)
P(dnB) = P(A)P(B|A)
P(dnB) = P(Z)P(B|Â)
P(dnB) = P(4)P(B|X)
1. La notation P(B|A) peut prêter à confusion : (B|A) ne désigne pas un événement dont nous
calculons la probabilité par P !
12.2 Probabilités conditionnelles 443
On peut généraliser cette formule à plusieurs événements : si Ai,, An sont des événe
ments de Q avec Ai D ... A An~i de probabilité non nulle \
P(Â! n...n4) = P(A) p(A2 I AJ... P(An | Ax n... n A„_ J.
12.2.3 Formule des probabilités totales

Théorème 6
Si (A^)i^^n est un système complet d’événements de Q tous de probabilités non
milles alors, pour tout événement B,
n
P(B) = £p(AJP(B|AJ.
i=l
Sur un arbre, cette formule permet le calcul de la probabilité d’un événement qui se
retrouve sur plusieurs feuilles. En reprenant la figure précédente :
P(B) = p(A) P(B | A) + P(A) P(B | A).
12.2.4 Formule de Bayes

Théorème 7
Si A et B sont deux événements de probabilités non milles,
P(B|A)P(A)
P(A|B) =
P(B)
La formule de Bayes permet d’étudier la probabilité d’un événement A non directement

observable mais dont une conséquence B est réalisée.
12.2.5 Événements indépendants

Définition
On dit que deux événements A et B de l’espace probabilisé (Q, P) sont indépendants
si P(A A B) = P(A) P(B).
Si A et B sont indépendants et si P(B) > 0 alors P(A|B) = P(A).
Définition
On dit que des événements Ai,...,An de l’espace probabilisé (Q,P) sont mutuel
lement indépendants si, pour tout m G [1 ; n]| et pour tous i± < ... < im choisis
dans [1 ; n],
m \ m
(n a^j=fip(^)-
fc=l / k—1
1. Par inclusion, Ai, Ai n A2, etc. sont aussi de probabilités non milles.
L’indépendance mutuelle ne doit pas être confondue avec l’indépendance deux à deux.
On modélise les résultats des lancers successifs d’une pièce, qu’elle soit équilibrée ou non,
par des événements mutuellement indépendants. Il en est de même pour les lancers d’un
dé ou les tirages avec remise dans une urne. Ce n’est pas le cas des tirages sans remise
pour lesquels il sera utile d’employer la formule des probabilités composées pour tenir
compte de la modification de la composition de l’urne.
Exercice 1
Pour chacune des expériences qui suit, proposer un espace probabilisé (fl, P) per
mettant de l’étudier.
(a) On tire successivement et sans remise six boules dans une urne contenant des
boules numérotées de 1 à 49.
(b) On lance deux dés équilibrés.
(c) Dix individus prennent place sur dix chaises réparties autour d’une table.
(d) On lance une pièce équilibrée. Si celle-ci tombe côté ‘pile’, on tire une boule
dans une urne contenant une boule blanche et deux boules rouges. Sinon, on tire une
boule dans une urne contant trois boules blanches et une boule rouge.
Solution
(a) méthode
Lors des expériences par tirage, il convient de distinguer les tirages avec remise
de ceux sans remise.
Le tirage ayant lieu sans remise, les valeurs des boules constituant une réalisation de
l’expérience sont deux à deux distinctes. Un ensemble Q convenable est donc l’ensemble
des arrangements de 6 éléments de |[1 ; 49].
méthode
En l’absence d’hypothèses supplémentaires, on présume équiprobabilité et in
dépendance.
En supposant que les tirages sont équiprobables et que le tirage d’une boule n’a pas
plus de conséquence pour les tirages suivants que l’absence de la boule dans l’urne, on
munit l’univers Q de la probabilité uniforme.
(b) Le lancer des deux dés est a priori simultané et les dés identiques. Le résultat de
l’expérience est donc un ensemble constitué de deux valeurs avec possibilités de répéti
tions. On peut ainsi obtenir les valeurs ‘1’ et ‘3’ ou les valeurs ‘6’ et ‘6’. La première
situation est cependant deux fois plus probable que la seconde ce qui complique (un peu)
la définition d’une probabilité sur l’ensemble de ces issues.
méthode
Il est parfois utile de distinguer des objets qui ne le sont pas a priori. On
peut par exemple attribuer une couleur à un dé ou numéroter des boules
visuellement identiques.
Distinguons les dés lancés en supposant que l’un est blanc et l’autre rouge1. Les réa
lisations de l’expérience peuvent s’apparenter à des couples de valeurs comprises entre 1
et 6, k premier élément du couple étant déterminé par la valeur du dé blanc, le second par
la valeur du dé rouge. L’univers Q est alors [1 ; 6] x [1 ; 6] et on le munit de la probabilité
uniforme.
(c) On attribue un numéro de 1 à 10 à chaque individu et un numéro de 1 à 10 à chaque

chaise. Une issue de l’expérience définit une correspondance qui associe à chaque individu
la chaise qu’il occupe, c’est-à-dire une fonction de [1 ; 10] vers [1 ; 10]. En présumant
qu’aucune chaise n’est occupée par deux individus, cette correspondance est bijective et
l’on peut donc choisir Q = 5io ensemble des permutations de [1 ; 10]. Encore une fois,
on munit cet univers de la probabilité uniforme.
(d) Le résultat de l’expérience apparaît comme
un couple 2 formé du résultat du lancer de la pièce
que l’on note P ou F et la couleur de la boule ti
rée que l’on note B ou R. L’ensemble Q est donc
la réunion des couples (F, B), (F, B), (F, B), (F, B).
Par soucis de concision, on préfère écrire PB plu
tôt que (F, B) et donc Q = {FB, FB, FB, FR}. La
probabilité sur Q de déduit de l’arbre ci-contre et
est résumée dans le tableau suivant :
PB PF FB FR
1/6 1/3 3/8 1/8
Exercice 2
Soit A, B et C trois événements d’un univers fini Q.
(a) Exprimer en langage naturel les événements
(i) ÀUBUC (ii) (AuBuC)\(dnBnC) (iii) (AnB)U(BnC)U(CnA).
(b) Exprimer par les opérations ensemblistes les événements :
(i) « Seul un des trois événements A, B ou C est réalisé 3 » ;
(ii) « Au plus deux des trois événements A, B ou C sont réalisés ».
(c) Exprimer les propriétés :
(i) « Si A est réalisé, aucun des événements B ou C ne l’est » ;
(ii) « Lorsque A est réalisé, un et un seul des événements B ou C a lieu ».
1. On peut aussi lancer les deux dés successivement en supposant que le résultat d’un lancer est sans
conséquence sur le suivant.
2. Il ne faut pas limiter l’étude de l’expérience au simple tirage de la boule.
Solution
(a) (i) Par les lois de Morgan AU B U C = An B AC. L’événement A U B U C signifie
qu’aucun des événements A, B ou C n’est réalisé.
(ii) L’événement AU B U C traduit la réalisation d’au moins l’un des trois événements
tandis que An B AC signifie la réalisation de chacun des trois événements. L’événement
(A U B U C) \ (A n B n C) signifie la réalisation d’au moins un des événements mais pas
des trois.
(iii) L’événement A A B correspond à la réalisation conjointe de A et B. L’événement
(An B) U (B n C) U (C n A) apparaît alors comme la réalisation d’au moins 2 des trois
événements A, B et C.
(b) (i) La réalisation de A sans celle de B ni celle de C s’écrit AnBnC. L’événement

étudié s’exprime donc (A AB AC) U (A AB AC) U (A U B U C).
(ii) La réalisation de A ou B sans celle de C s’exprime (AuB)nC et l’on peut proposer
une solution analogue à la précédente sous réserve de ne pas oublier la situation ou aucun
des événements n’est réalisé. Cependant,
méthode
|| Il est quelquefois plus commode d’exprimer l’événement contraire.
Dire qu’au plus deux des trois événements A, B ou C sont réalisés signifie aussi que
les trois événements ne sont pas tous réalisés, c’est-à-dire An B AC.
(c) (i) On exprime ici une incompatibilité de A et de l’événement BUC. La propriété

étudiée s’écrit A A (B U C) = 0. On peut aussi écrire A C B U C.
(ii) On exprime ici une implication donc une inclusion : A C (BUC)\(BAC).
Exercice 3
Soit n € N*. Déterminer une probabilité sur l’univers fi = {1,2,..., n} telle que la
probabilité de l’événement {1, 2,..., k} soit proportionnelle à k2.
Solution
méthode
Une probabilité est entièrement déterminée par ses probabilités élémentaires
qui sont des réels positifs de somme égale à 1 (Th. 4 p. 441).
Analyse : Soit P une probabilité solution. Il existe un réel a tel que, pour tout k G [1 ; n],
P({1, 2,..., k}^ = ak2.
Puisque P(fi) = 1, on obtient immédiatement la valeur de a : a = 1/n2. Aussi,
{1,2,...,A;} = {1,2,..., À; — 1}U{A;}.

3. On dit qu’un événement est réalisé si l’issue de l’expérience aléatoire lui appartient.
Par additivité, c’est-à-dire par calcul d’une probabilité d’une réunion d’événements in
compatibles 1,
P«1,2,..., fc}) = P({1,2,..., k - 1}) + P({fc})
et donc
91- — 1
P(W) = P ({1,..., fc}) - P({1,..., k - 1}) = -5-,
Ces probabilités élémentaires suffisent à déterminer entièrement la probabilité P.

Synthèse : Considérons les réels
2k — 1
Pfc = — avec e I15
Ceux-ci sont positifs et de somme égale à 1 car 2
n w Ok 1 1 n 1 / n \
Èft = É^ = ^D2M = dC^ri| =1-
k=l k=l k=l \ k=l /
On peut donc définir une probabilité P sur Q en posant les probabilités élémentaires
2k — 1
P({Zc}) =---- - — pour tout k e {1,..., n}.
Il reste à vérifier que celle-ci convient. Pour tout k G {1,..., n}, on obtient par additivité
p({i, 2,..., = p iïj {0) = £ p(w)=E (2 E -
M=1 / i=l i=l \ i=l /
Finalement, la probabilité P ainsi déterminée est (l’unique) solution du problème posé.
Exercice 4
On tire successivement deux boules dans une urne contenant 7 boules blanches et 3
boules rouges.
(a) Quelle est la probabilité que la première boule tirée soit rouge ?
(b) Quelle est la probabilité d’avoir tiré deux boules rouges ?
(c) Quelle est la probabilité que la seconde boule tirée soit rouge ?
(d) Quelle est la probabilité qu’au moins l’une des deux boules soit rouge ?
(e) La seconde boule tirée est rouge. Quelle est la probabilité que la première boule
tirée le soit aussi ?
1. On parle aussi quelquefois de réunion disjointe et l’on utilise les symboles Ll ou l±l pour écrire cette
opération.
2. La somme 1 + 2 + • • • + n vaut n(n+1).
Solution
méthode
Pour s’exprimer correctement lors de la résolution d’un exercice de probabilité,
il est important de dénommer les événements utiles.
Introduisons les événements :
Ri = « La première boule tirée est rouge »,

Rz = « La seconde boule tirée est rouge ».
On peut aussi nommer les événements contraires

Bi — Ri et B2 — R2- L’expérience peut être vi
sualisée par l’arbre ci-contre où les branches sont
pondérées par des probabilités conditionnelles : lors
du deuxième tirage la composition de l’urne n’est
plus la même que lors du premier tirage.
(a) La probabilité pour la première boule tirée d’être rouge dépend simplement de la
composition initiale de l’urne
3
P(Bi) = - = 0,3.
(b) La probabilité de tirer deux boules rouges est celle de l’événement jRi Pi R?,. La
composition de l’urne au deuxième tirage est fonction du résultat du premier. Sachant
que Ri est de probabilité non nulle, on utilise la formule des probabilités composées
(Th. 5 p. 442)
3 2 1
p(7?i n b2) = P(Æi) p(b2 I Ri) = 77; • 0 = 77 - °’067 à 10-3 Près-
lu 9 la
(c) L’événement R2 apparaît sur plusieurs feuilles de l’arbre figurant l’expérience, sa

probabilité se déduit de la formule des probabilités totales (Th. 6 p. 443).
méthode
Pour appliquer la formule des probabilités totales, on identifie un système
complet d’événements.
Les événements Ri et Bi constituent un système complet d’événements de probabi
lités non milles car Bi est simplement l’événement contraire de Ri. Par la formule des
probabilités totales
3 2 7 3 27 3
P(Æ2) = P(^) P(B2 I Ex) + P(Bx) P(7?2 I= - • - +
jlu c? -Lu y yu lu
Cette valeur correspond à la probabilité que la première boule tirée soit rouge. On peut
l’expliquer par un argument de symétrie. On numérote de 1 à 10 les boules constituant
l’urne. Un tirage correspond au choix équiprobable d’un couple de deux valeurs distinctes
comprises entre 1 et 10. Or en échangeant les deux éléments du couple, on peut affirmer
qu’il y autant de tirages dont la première boule est rouge que de tirages dont la seconde
boule est rouge !
(d) méthode
Les événements s’exprimant par « au moins un(e) » invite à l’introduction de
l’événement contraire qui s’exprime par « aucun(e) ».
L’événement étudié est simplement Bi Q B2- Par la formule des probabilités composées
_______ O
P(Bi n B2) = 1 — P(Bi A B2) = 1 — P(Bi) P(B2 | Bi) = —- ~ 0,533 à 10~3 près.
10
(e) méthode
Il s’agit de remonter dans l’arbre à partir d’une feuille : on utilise la formule
de Bayes (Th. 7 p. 443).
On étudie la probabilité de Ri sachant B2. Ces deux événements sont de probabilités
non milles et la formule de Bayes donne
p/o |D \ _ P(^2 | Rl) P(-Rl) _ 9 ’ ÏÔ _ 2 3

P(Bi |B2) — P(B2) ~ 3 — 9 — b,222 a 10 près.
Cette valeur est égale la probabilité de R% sachant Ri ce qui s’explique à nouveau par
l’argument de symétrie précédent. Il est notable que cette valeur est inférieure à la pro
babilité de Ri ce qui peut être attendu. Si l’on tire initialement une boule rouge, la
probabilité que la boule suivante soit rouge est inférieure à ce que l’on obtient si l’on
tire initialement une boule blanche. Savoir que l’on a obtenu une boule rouge au second
tirage réduit la probabilité que le premier tirage soit aussi celui d’une boule rouge.
Exercice 5
On lance successivement deux dés équilibrés et l’on considère les événements
A = « La valeur du premier dé lancé est paire »,

B = « La valeur du second dé lancé est paire »,
C = « La somme des valeurs des deux dés est paire ».
Vérifier que les événements A, B et C sont deux à deux indépendants sans être
mutuellement indépendants.
Solution
méthode
On justifie l’indépendance de deux événements A et B en vérifiant l’égalité
P(AnB) = P(A)P(B).
Chacun des deux dés étant équilibré, on peut affirmer P (A) = P(B) = 1/2.
méthode
L’indépendance de deux événements est souvent une hypothèse de la modéli
sation de l’expérience.
C’est une hypothèse implicite de ce sujet, on suppose l’indépendance des valeurs ob
tenues par chacun des deux dés. On peut alors modéliser l’expérience en considérant
l’univers fi = [1 ; 6] x [1 ; 6] muni de la probabilité uniforme. A partir de ce modèle, on
retrouve les probabilités des événements A et B déjà affirmées ci-dessus mais on peut
aussi calculer celle de A A B :
PC A n tn = Card(X n B) = Card {(2,2), (2,4),..., (6,6)} = £ 1

1 ’ Card(Q) 36 36 4‘
Les événements A et B sont donc indépendants car P(A AB) = P (A) P (B).
En remarquant P(C) = 1/2 et dAB = d A C = BA C, on établit aussi que A et C
d’une part, B et C d’autre part, sont indépendants.
Cependant, les événements A, B et C ne sont pas mutuellement indépendants puisque
P(A A B A C) = P(A A B) = i | = p(A) P(B) P(C).

4 8
12.4.1 Définition d’une probabilité
Exercice 6 *
Soit A et B deux événements d’un espace probabilisé (fi, P).
(a) On suppose A C B. Montrer P(A) P(B).
(b) On suppose A A B = 0. Montrer P (A) 1 — P (B).
(c) On suppose P(A) = 0,3, P(B) = 0,5 et P(A U B) = 0,6. Calculer P(Â U B).
Solution
méthode
Une probabilité sur l’univers fi est une application P de p(fi) vers [0 ; 1] véri
fiant P (fi) = 1 et la propriété d’additivité
AAB = 0 => P(AUB) = P(A) + P(B).

(a) Si A est inclus dans B, l’événement B est la réunion des événements incompa
tibles A et B \ A. Par additivité
P(B) = P(A) + P(B \ A) avec P(B \ A) 0.
La probabilité de B est donc supérieure à celle de A.

(b) Si A et B sont incompatibles, on a par additivité P(dUB) = P (A) + P (B). Or la

probabilité P(AUB) est inférieure à 1 et donc P(A) + P(B) 1 ce qui donne directement
l’inégalité voulue1.
(c) Par passage à l’événement contraire, P(dUB) = 1 -P(AnB). Les événements

A A B et A A B sont incompatibles et de réunion égale à A, on a donc par additivité
P(A) = P(A AB) + P(A A B).
La probabilité d’une union et de l’intersection de deux événements sont liées par la

formule (Th. 2 p. 440)
P(A U B) = P(A) + P(B) - P(A A B).
On en déduit P(A A B) = 0,3 + 0,5 — 0,6 = 0,2 puis P(A A B) = 0,3 — 0,2 = 0,1 et
enfin P(A U B) = 0,9.
Exercice 7 *
A quelle(s) condition(s) sur les réels x et y existe-t-il une probabilité P sur l’ensemble
à 3 éléments Q = {a, 6, c} vérifiant
P({u,6}) =x et P({6, c}) = y?
Solution
méthode
|| On caractérise une probabilité par ses valeurs sur les événements élémentaires.
Analyse : Soit P une probabilité solution. Par événement contraire (Th. 1 p. 440)
P({c}) = 1 —P({a, &}) = l-x et P(W) = 1 —P({&, c}) = l-y
puis
P(W) = 1 -P({a,c}) = x + y- 1
car on a par additivité
P({a,c}) = P({a} U {c}) = P({a}) + P({c}) = 2 - x - y.
Les trois probabilités élémentaires devant être positives, on obtient

les conditions
1 et xy 1.
Synthèse : Supposons les trois conditions précédentes remplies.
Puisque
(1 - y) + (æ + y - 1) + (1 - æ) = 1.
1. On peut aussi écrire A C B avec P (B) = 1 — P (B).

on peut définir une probabilité sur Q par les conditions (Th. 4 p. 441)
p({a}) = 1-y, P({&})=æ + y-l et P({c})=l —y.
Cette probabilité est solution car
P({a,&}) = P({«} U {b}) = P({a}) + P({6}) = x

P ({b, c}) = P ({6} U {c}) = P ({6}) + P({c}) = y.
Exercice 8 **
Soit P une probabilité sur un ensemble Q et A, B deux événements de Q. On pose
x = P(AiïB\ y = P{AOB)1 z = P(AnB) et t = P(AriB).
(a) Vérifier
P(A) P(B) - P(A A B) = yz - xt.
(b) En déduire
|PG4)P(B) -P(AHB)|<i
Solution
(a) En écrivant Q = B U B, on a
P(A) = P(4nQ) = P((AnB)U(AnB)).
Les événements A A B et A A B sont incompatibles et l’on a donc par additivité
P(A) = P(AAB) + P(AAB) = x + y.
De même, on obtient P (B) = x + z donc
P (A) P(B) — P(A n B) = (x + y)(x + z) — x = x(x + y + z) + yz — x. (*)
Aussi Q = (A U A) A (B U B) et l’on observe par développement que Q est la réunion

des événements deux à deux incompatibles A A B, A A B, A Pl B et A A B. On en
déduit x + y + z + t = let l’égalité (*) devient
P(A) P(B) — P(A A B) = æ(l — t) + yz — x = yz — xt.
(b) méthode
|| Pour tout x réel, on sait1 #(! — #)
1. La fonction x x(l — x) est représentée par une parabole tournée vers le bas dont le sommet est
en x = 1/2.
Les réels x et t étant positifs, on a
P(A)P(B) -P(AnB) ^yz.
Or z = l — x — y —t^l — y et donc
P(A)P(B)-P(J4nB)^y(l-y)^|.
De même, on obtient
P(A AB) - P(A)P(B) xt^ x(l - x) |
et on peut alors conclure à l’inégalité proposée.
12.4.2 Événements indépendants
Exercice 9 *
Soit A et B deux événements incompatibles d’un espace probabilisé (Q, P). A quelle
condition les événements A et B sont-ils indépendants ?
Solution
méthode
|| Il ne faut confondre indépendance et incompatibilité !
Les événements A et B étant incompatibles, on a A Cl B = 0 et donc P(A Cl B) = 0.

Si les événements A et B sont indépendants, on a aussi P(A A B) = P (A) P (B) et donc
P (A) P(B) = 0. On en déduit P(A) = 0 ou P(B) = 0.
Inversement, si P(A) ,= 0, on a aussi P(A Cl B) = 0 = P(A) P(B) car A A B C A. Les
événements A et B sont alors indépendants. On conclut de la même façon si P (B) = 0.
En résumé, deux événements incompatibles sont indépendants si, et seulement si, l’un
d’eux est de probabilité nulle.
Exercice 10 *
Soit A, B,C trois événements d’un espace probabilisé (Q,P).
(a) On suppose les événements A, B et C mutuellement indépendants. Montrer que
les événements A et B U C sont indépendants.
(b) On suppose A et B d’une part, A et C d’autre part, indépendants. Les événe
ments A et B U C sont-ils indépendants ?
Solution
(a) méthode
L’indépendance mutuelle de A, B et C donne P (A A B A C) — P (A) P (B) P(C)
mais aussi P(A A B) = P (A) P (B) et des égalités analogues pour P(A A C)
et P(B AC).
Par distributivité de l’intersection sur l’union puis développement de la probabilité
d’une union, on écrit
p(^ n(Bu C)) = P((A n B) u (A n c)) = P(A n b) + p(â n G) - p(A n b n C).
Par indépendance puis factorisation
P(A A (B U C)) = P(j4) P(B) + P(A)P(C) - PQ4) P(B) P(C)
= P(>1)(P(B) + P(C) - P(B) P(C)).
Enfin, on a aussi
P(B U C) - P(B) + P(C) - P(B AC) - P(B) + P(C) - P(B) P(C)
et donc P (A A (B U C)) — P (A) P(BUC). Les événements A et BUC sont indépendants1.
(b) Par un exemple, on observe que les indépendances de A et B et de A et C n’en

traînent pas celle de A et B U C. Considérons pour cela l’univers Q — [1 ; 6] muni de la
probabilité uniforme et les événements
A-{2,4, 6}, B-{1,2} et C = {2,3}.
On a
P(4) = i P(B) = P(C) = | et P(AAB) = P(XnC) = j.
On vérifie donc P(A A B) — P(A) P(B) et P(A A C) — P(A) P(C). En revanche

P(BUC) = | et P(An(BuC)) = J ?A =PG4)P(BUC').
Les événements A et B U C ne sont pas indépendants 2.

Exercice 11 *
Deux urnes contiennent des boules blanches et rouges. Les proportions de boules
blanches dans ces urnes sont respectivement égales à p et q avec p, q e ]0 ; 1[.
De façon équiprobable on choisit l’une des deux urnes et l’on tire avec remise deux
boules dans celle-ci. A quelle condition a-t-on l’indépendance des deux événements
« La première boule tirée est blanche » et « La seconde boule tirée est blanche » ?
1. Aussi, et plus immédiatement, les événements A et B D C sont indépendants. Plus généralement,

si Ai,..., An sont des événements mutuellement indépendants, tout événement construit par opérations
d’union, d’intersection et de passage au complémentaire à partir de Ai,...,Ap est indépendant d’un
événement qui serait construit à partir de Ap_|_i,..., An.
2. Les événements A et B D C ne sont pas non plus indépendants.
Solution
Lorsque l’on opère un tirage avec remise il est d’usage de supposer les tirages indé
pendants. Cependant, connaître le résultat du premier tirage dans le protocole en cours
apporte une information sur l’urne dans laquelle on opère le second tirage.
Introduisons les événements :
A = « La première boule tirée est blanche »,

B = « La deuxième boule tirée est blanche »,
U = « L’urne contenant les boules blanches en proportion p a été choisie ».
méthode
|| On étudie l’indépendance de A et B en comparant P(A A B) et P (A) P (B).
Le couple (B, B) est un système complet d’événements de probabilités non milles et la
formule des probabilités totales donne
P(A) = P(A | U) P(t7) + P(A | F) P(Ê7) = | (p + q).
La probabilité de B est identique à celle de A. Aussi, les événements A et B étant

indépendants pour les probabilités conditionnelles Pu et P^.
P(A n B) = P(A A BI B) P(B) + P(A A B | B) P(B)

= P(A | U) P(B | U) P(B) + P(A | Ü) P(B | F) P(B) = | (p2 + q2).
On peut alors étudier l’indépendance des événements A et B :
P(AnB) = P(A)P(B) |(p2 + q2) = |(P + <7)2
■<=>■ p2 -2pq + q2 =Q
<=> p = q.
Finalement, les événements A et B sont indépendants si, et seulement si, les propor
tions p et q sont identiques.
Exercice 12 **
Soit A, B,C trois événements d’un espace probabilisé (Q,P).
On suppose A indépendant de BAC, B indépendant de A A C et C indépendant
de A A B. On suppose aussi A indépendant de B U C et P (A) > 0.
Etablir que les événements A, B, C sont mutuellement indépendants.
Solution
méthode
On vérifie que les probabilités de A A B, BAC, C A A et A A B AC sont les
produits des probabilités des événements intersectés.
Les premières hypothèses d’indépendance donnent les égalités
P(A n B n C) = P(A) P(B a C) = P(B) p(A ne) = P(C) p(A n B). (*)
Aussi, par l’indépendance de A avec BUC, on a P (A A (B U C)) — P(A) P(B U C)

avec
P(A n (B u C)) = p((Aab)u (A a C)) = P(A n B) + P(A n C) - P(A n B n C).
On obtient ainsi l’identité
P(A) P(B U C) = P(A AB) + P(A AC) - P(A A B A C).
Par la première égalité de (*), on transforme celle-ci en
P(A) P(B U C) = P(A AB) + P(A AC) - P(A) P(B A C)
puis en réorganisant les membres
P(A) P(B U C) + P(A) P(B A C) = P(A AB) + P(A A C).
Sachant P(B U C) + P(B A C) = P(B) + P(C), on obtient
P(A) (P(B) + P(C)) = P(A A B) + P(A A C).
On multiplie les deux membres par P(C)
P(A) P(C)(P(B) + P(C)) = P(C) P(A A B) + P(C) P(A A C).
La dernière égalité de (*) donne alors
P(A) P(C) (P(B) + P(C)) = (P(B) + P(C)) P(A A C). (**)
On poursuit en discutant selon que la somme P(B)+P(C) est nulle ou non.

Cas : P (B) + P(C) > 0. On simplifie (**) par P (B) + P(C) pour obtenir
P(AAC) = P(A)P(C).
Un raisonnement symétrique donne
P(AAB) =P(A)P(B).
Les égalités (*) donnent alors
P(A A B A C) = P(A)P(B) P(C) et P(A)P(B AC) = P(A)P(B)P(C).
En simplifiant la dernière égalité par P (A) qui est supposée non nulle, on obtient
P(BAC) = P(B)P(C).
Finalement, la probabilité d’une intersection quelconque d’événements parmi A, B

et C est le produit des probabilités des événements considérés : ces trois événements sont
Cas : P (B) + P(C) = 0. On a P (B) = P(C) = 0 et les probabilités des événements
Ad B, A Cl C, B C\C et AïïBiïC sont aussi milles car ces événements sont inclus dans
des événements de probabilités milles. Les événements A, B et C sont alors mutuellement
indépendants.
Exercice 13 ***
Soit (Q,P) un espace probabilisé.
(a) Montrer que si A et B sont deux événements indépendants alors A et B sont
indépendants.
Pour s = 1 ou —1 et A un événement de Q, on note
._ fA si e = 1
A = <_
IA si e = —1.
(b) Soit n > 2 et Ai,..., An des événements mutuellement indépendants de (Q, P).
Montrer que, pour tout (ei,...,£n) € { —1, l}n, les événements A^1,..., A^n sont
Solution
(a) La famille (B, B) est un système complet d’événements permettant d’écrire
P(A) = P(AaB) + P(AaB).
Par indépendance de A et B, on a P( A A B) = P (A) P (B) et donc
P(A) = P(A) P(B) + P(A A B).
On en déduit
P(A A B) = P(A) - P(A) P(B) = P(A) (1 - P(B)) = P(A) P(B).
Les événements A et B sont indépendants.
(b) méthode
On commence par vérifier que Ai,..., An_i, An sont mutuellement indépen
dants.
Il s’agit de vérifier que la probabilité de n’importe quelle intersection d’événements
parmi Ai,..., An_i, An est le produit des probabilités des événements concernés.
Soit m e [2 ; nj et < • • • < im choisis dans [1 ; n]].
Cas : im < n. On a immédiatement
P(A. n... n Aim) = P(AJ x • ■ • x P(AJ

car les événements Ai,..., Am~i sont mutuellement indépendants.

Cas : im = n. On écrit
P(AÜ n... n Airn_r a 4) = P(A n B)
avec A — A^ A ... A Airri_1 et B = An. Les événements A et B sont indépendants car la

mutuelle indépendance des Ai,..., An permet d’écrire
P(A A B) = P(AÜ A ... A Aim_1 A B)

= P(Ail)x.--xP(Aim_1)xP(B)
= P(Ail n... Cl Aim_, ) P(B) = P(A) P(B).
L’étude de la question précédente donne alors P(A A B) = P (A) P(B), autrement dit,
P(AÜ A ... A A Âj = P(AJ x ••• x P(Aim_1) x P(â;).
Ainsi, les événements Ai,..., An_i, An sont mutuellement indépendants.

A l’aide d’une permutation des événements, on établit aussi que, pour tout j E |[1 ; n],
Ai,..., Aj,, An mutuellement indépendants =>

Ai,..., Aj,..., An mutuellement indépendants.
En passant à l’événement contraire plusieurs des événements Ai,..., An tant que néces
saire, on établit que les événements Af1,..., A^n sont mutuellement indépendants.
12.4.3 Calcul de probabilités
Exercice 14 *
On considère des dés équilibrés. Lequel des événements qui suivent est le plus pro
bable ?
(a) A = « Ne pas obtenir de ‘un’ ni de ‘six’ en 2 lancers ».
(b) B = « Obtenir un ‘six’ en moins de 4 lancers ».
(c) C = « Obtenir un ‘double six’ en moins de 24 lancers de deux dés ».
(d) D = « Obtenir toutes les valeurs de ‘un’ à ‘six’ en moins de 8 lancers ».
Solution
(a) Chacun des deux lancers détermine une valeur élément de [1 ; 6]. On modélise
l’expérience par l’univers Q = [1 ; 6]2* muni de la probabilité uniforme. L’événement
étudié se traduit par l’ensemble A = [2 ; 5]2. Sa probabilité est
2
2 ) ~ 0,444 à 10-3 près.
P(A) =
CardQl ; 6]2) 3
(b) Si on lance une première fois le dé et que l’on obtient immédiatement un ‘six’,
l’événement B est réalisé et il n’est plus utile de continuer de lancer le dé. Cependant,
afin de simplifier l’expression de l’espace probabilisé modélisant l’expérience, on suppose
que le dé est lancé exactement quatre fois et l’on s’intéresse à la probabilité qu’au moins
un ‘six’ figure parmi ces quatre lancers. On considère donc l’univers Q = [1 ; 6]4 muni de
la probabilité uniforme.
méthode
|| On raisonne par l’événement contraire.
L’événement contraire de l’événement B est l’événement ne pas obtenir de ‘six’ en 4
lancers et par un calcul semblable au précédent
/5\4
P(B) = 1 — I - j ~ 0,518 à 10 3 près.
(c) En distinguant les deux dés, on considère l’univers Q = ([1 ;6]| x [1 ; 6])24 muni
de la probabilité uniforme. On raisonne à nouveau par l’événement contraire
/ 35 \24
P (O') = 1 — I — ) ~ 0,491 à 10-3 près.
(d) On modélise l’expérience par l’univers Q = [1 ; 6]8 muni de la probabilité uniforme.

Dénombrons, sans répétitions, les éléments1 constituant l’événement D. Ceux-ci sont
deux types :
Cas : une valeur dans [1 ; 6] est prise trois fois. On choisit cette valeur (6 possibilités)
puis les positions qu’elle occupe ((|) possibilités) et enfin on complète les 5 positions
restantes par les permutations des autres valeurs (5! possibilités). Au total, il y a
} x 5! = 40320 éléments de ce type.
Cas : deux valeurs dans [1 ; 6] sont prises deux fois. On choisit ces valeurs ((2) possibi
lités). Pour la plus petite des deux, on choisit les deux positions qu’elle occupe ((3) possi
bilités). Pour la plus grande, on choisit ses deux positions parmi les six restantes ((3) pos
sibilités). Enfin, on complète les 4 positions vacantes afin d’obtenir les autres valeurs ce
qui offre 4! possibilités. Au total, il y a
| 6 j x | ] x | | x 4! = 151 200 éléments de ce type.
\2J \2j \2J
On a alors
40320+ 151200 _ .
P(D) =---------
6» ~ 0,114 a 10 3 près.
L’événement B est donc le plus probable.
1. Le problème s’apparente au calcul du nombre de surjections d’un ensemble de [1 ; 8] vers [1 ; 6]
(voir sujet 19 p. 223).
Exercice 15 *
On lance deux fois un dé. Montrer que la probabilité d’obtenir deux fois la même
valeur est minimale lorsque le dé est équilibré.
Solution
Pour k E [1 ; 6], introduisons les événements :
Ak = « On obtient la valeur k au premier lancer »,

Bk = « On obtient la valeur k au second lancer ».
Notons aussi pk la probabilité commune des événements Ak et Bk- Les réels pi,... ,p6
sont positifs et de somme égale à 1.
Dans ce sujet, on étudie la probabilité de l’événement
A = (Ai n Bi) u... u (A6 n b6).
Les événements Ak 0 Bk étant deux à deux incompatibles, on a par additivité
P(A) = P(Ai n Bi) + • • • + P(A6 A Bq).
Le cadre hypothétique de l’expérience laisse supposer que les deux lancers sont indépen
dants et donc P(A^ A Bk) = P(A&) P(Bfc) pour tout k E [1 ; 6]. On obtient alors
P(A)=p? + -+pl
méthode
Par l’inégalité de Cauchy-Schwarz, on sait1 que, pour tous aq,..., xn réels,
n n
^n^Tx2k
k=l k—1
avec égalité si, et seulement si, x± = • • • = xn.
En appliquant ce résultat, on a
1 6 1
k=l
avec égalité si, et seulement si, pi = • • • = p6 ce qui correspond à la situation d’un dé

équilibré.
1. Voir sujet 11p. 415.

Exercice 16 **
Un archer a la probabilité p E [0 ; 1] d’atteindre une cible à chaque essai. Soit n e N*
et k E [1 ; n]|.
(a) Quelle est la probabilité qu’il atteigne au moins une fois la cible en n tentatives ?
(b) Quelle est la probabilité qu’il touche sa cible pour la première fois lors du n-ième
essai ?
(c) Quelle est la probabilité qu’il touche exactement k cibles en n essais?
(d) Quelle est la probabilité qu’il touche sa A;-ième cible lors du n-ième essai ?
Solution
Pour fc e on introduit les événements :
Ak = « L’archer atteint sa cible lors du /c-ième essai ».
Le cadre hypothétique donne P(Afc) = p et laisse présumer que les événements Ak sont
méthode
Il On exprime les différents événements étudiés à l’aide des événements Ak et
Il l’on exploite l’indépendance de ceux-ci pour le calcul de probabilité1.
(a) Dans cette question, on calcule la probabilité de l’événement Bn = Ai U ... U An :

on raisonne par l’événement contraire.
P(Bj = P(Ai U... u An) = P(ÂTn... n4).
Par indépendance2 des événements Ai,..., An
p(â?n...n4) = P(Â?) x • • • x P(ÂÔ = (i -<.
Ainsi,
P(Bn) = 1 — (1 — p)".
(b) Dans cette question, on étudie l’événement Cn — Ai PI... A An~i Cl An traduisant

un série de n — 1 échecs suivis d’un succès. Par indépendance, on obtient
P(Â?n... n x„_i n An) = P(ÂT) x • • • x P(An_j) x p(A„) = (i - p)n-1p.
(c) Introduisons l’événement étudié
D^ n = « L’archer touche k cibles en n essais ».

1. On peut modéliser l’expérience en introduisant un espace probabilisé (Q,P) avec Q = {0, l}n
exprimant l’échec ou la réussite de l’archer à chacune de ses n tentatives. Cependant, il est assez fréquent
de mener des calculs de probabilités sans préciser l’espace (Q, P) sous-jacent à l’étude.
Pour e E {—1,1}, adoptons la notation

4_ IA si e = 1
A= < _
I .A si s = —1.
L’événement est la réunion des événements incompatibles
A(e) = Af1 n ... n A£nn
avec e = (êi, ... ,en) E { — 1, l}n famille comportant exactement k fois la valeur 1. Par
indépendance, on obtient la probabilité d’un tel événement A(s)
n
PR) = nP«) =Pfe(l-p)n"fc-
k=l
Cette probabilité ne dépend pas du choix de la famille e = (si,...,sn) comportant k fois
la valeur 1. Au surplus, il y a exactement Q) familles e possibles car la détermination
d’une telle famille se comprend comme le choix de k éléments dans l’ensemble [1 ; nj :
ces éléments sont les positions des Ei égaux à 1.
On peut alors calculer la probabilité de
P(Dfc,n)= CLfc(l-p)”-fe.
\ rv J
Dans le chapitre 13 sur les variables aléatoires, on dira que le nombre de succès dans
une série de n tentatives indépendantes ayant une probabilité de réussite individuelle
égale à p suit une loi binomiale de paramètres n et p.
(d) Notons l’événement étudié

Ek,n = « L’archer touche sa fc-ième cible lors du n-ième essai ».
Cet événement signifie que l’archer a touché k — 1 cibles en n — 1 essais et touche aussi
la cible lors du n-ième essai. Par indépendance1 de ces deux événements
nri 1\
(k, — .1 j pfc(l-p)”“fe-
Exercice 17 ***
(a) Soit Ai,..., An des événements d’un espace probabilisé (fi, P). Montrer
n \ n
(IJ A >£p(A) - £p(AnA).
2=1 / 2=1 1^2<_7^n
(b) Montrer que la probabilité qu’un Valet côtoie une Dame dans un jeu mélangé
de cinquante deux cartes est supérieure à 0,47.
1. L’événement s’exprime à l’aide des événements Ai,..., An-i et est pour cette raison
indépendant de An.
Solution
(a) On raisonne par récurrence sur n E N*.
Pour n = 1, la propriété est immédiate (la deuxième en somme en second membre est
vide donc nulle).
Pour n = 2, la propriété voulue se relit P (Ai U A2) P(Ai) + P(A2) — P(Ai A A2) :
elle est vraie car il y a égalité.
Supposons la propriété établie au rang n > 1 et considérons Ai,..., An et An+i des
événements de (Q, P). On peut écrire
n+l \ n
( 2=1
Ai j = P(A U B)
/
avec A = |J Ai et B = An+i.
i=l
L’égalité P(A U B) = P (A) -F P(B) — P(A A B) donne alors
n+l \ / n \ / / n \
( U Al =p{ U A I +P(An+1)-P
i=l / \2=1 / \
U a I nA+1
\2=1 /
Grâce à l’hypothèse de récurrence

n \ n+l
(U A + P(++1) > £ P(+) - £ P(+ n A). (*)
i=l / 2=1
Aussi, par l’inégalité de Boole1

/ n \ \ / ri \ n
( U A I n Ai+1
\2=1 / /
= P U (A n A>+i) «S £ P(A n Ax+i).
\2=1 / i=l
(**)
En combinant (*) et (**), on obtient

n+l \ n+l
( U a U£p(A) - £p(AnA).
i=l / 2=1 1^2<jXn+l
(b) Un mélange des cinquante deux cartes du jeu s’apparente à une permutation de
l’ensemble des entiers allant de 1 à 52. On modélise l’expérience par l’univers Q = £52
à 52! éléments muni de la probabilité uniforme. Dans cet univers, on étudie la probabilité
de l’événement :
E = « Un Valet côtoie une Dame à l’intérieur du jeu de cartes ».

1. Voir p. 441.
méthode
L’événement étudié est la réunion des événements
Ai = « Un Valet côtoie une Dame en les positions i et i 4- 1 ».

L’événement E est la réunion des événements Ai pour i E [1 ; 51]. On applique la
formule précédente à cette union ce qui nécessite d’évaluer P(A) et P(A* Pi Aj).
Soit i G [1 ; 51]. Pour former un élément de A*, on choisit la Dame, le Valet ainsi que
leur position relative (4x4x2 possibilités). Ceci définit les cartes en position i et i + 1
et l’on complète les 50 autres positions par les 50! permutations possibles des cartes
restantes. On a donc
Card(A) _ 4 x 4 x 2 x 50! 32
P(A) -
Card(Q) 52! 52 x 51’
Soit i < j deux éléments de [1 ; 51]. Pour déterminer P(A^ Cl Aj) on distingue deux cas.
Cas : j = i + 1. L’intersection Ai A Ai+i se comprend comme l’encadrement d’un Valet
en position i 4- 1 par deux Dames ou l’inverse. Pour former cet événement, on choisit le
Valet et les deux Dames ou la Dame et les deux Valets (4x4x34-4x4x3). On complète
ensuite les 49 autres positions avec les permutations des cartes restantes :
2x4x4x3x49! 96
P(A,n A+1) =
52! 52 x 51 x 50’
Cas : j > i 4-1. L’intersection Ai A Aj est obtenue par le choix des deux Dames, des
deux Valets et de leurs positions relatives complétées des permutations des 48 cartes
restantes :
première paire seconde paire
2x4x4 x 2x3x3 x48! 576

P(A A Aj) =
52! 52 x 51 x 50 x 49’
Enfin, il y a 50 couples (z,J) avec j = i 4- 1 et (52°) couples1 (z,J) avec j > i 4- 1.

L’application de la formule de la première question donne alors
P(E) ~ 0,470 à 10 3 près.
12.4.4 Probabilités conditionnelles
Exercice 18 *
Dans une commode à 7 tiroirs figure un billet de 1 dollar avec la probabilité p. Céline
a exploré sans succès les six premiers tiroirs. Quelle est la probabilité qu’elle découvre
le billet dans le septième tiroir ?
1. Pour former un tel couple, on choisit deux éléments parmi les entiers de 1 à 50 et l’on ajoute 1 au
plus grand.
Solution
On introduit les événements
Ai = « Le billet se trouve dans le i-ème tiroir »,

B = « Le billet ne figure pas dans la commode ».
Les événements Ai,..., A? et B constituent un système complet et le cadre hypothétique

donne1 P(Ai) = • • • = P(A7) = p/7 et P(B) = 1 - p.
méthode
La probabilité cherchée est une probabilité conditionnelle. On détermine celle-
ci en reprenant la formule de définition.
La probabilité de A7 sachant Ai,... ,A$ est
z . i —i— —7—x p(Ai n... n Aq a a7)

p(A7 Ai n... n AA = v z__ _____ ___ x 7.
k 1 7 P(A!n...nA6)
D’une part, l’événement A7 entraîne Ai A ... Cl Aq et donc
P(Â?n...n4n A) = p(A) = y-
D’autre part, par passage2*à l’événement contraire puis calcul d’une probabilité d’évé
nements incompatibles
P(Â n... n Âô = p(Ai u... u â6) = i - P(Ai u... u A6) = 1 - y.
Finalement,
P(A7|Ân...nÂ;) = —.
7 — bp
Exercice 19 ** (Paradoxe des deux enfants)

Une famille a deux enfants.
(a) Quelle est la probabilité que les deux soient des garçons ?
(b) Quelle est cette probabilité sachant que l’aîné est un garçon ?
(c) On sait qu’au moins l’un des enfants est un garçon, quelle est la probabilité que
les deux le soient ?
(d) On sait que l’un des deux enfants est un garçon et qu’il est né un 29 février,
quelle est la probabilité que l’autre enfant soit aussi un garçon ?
1. À défaut de précisions, on peut supposer l’équiprobabilité.

2. Ici, on ne peut pas calculer la probabilité de l’intersection par le produit des probabilités car les
événements Ai,..., Aq ne sont pas indépendants.
Solution
Pour i = 1, 2 introduisons l’événement :
Gi = « Le z-ème enfant de la famille est un garçon ».
On considère1 les événements Gi et indépendants et l’on suppose2 P(G*) = 0,5. Dans

chaque question, on s’intéresse à l’événement A = Gi A G2.
(a) Par indépendance des événements Gi et G2, on a P (A) = P(Gi) x P(G2) = 1/4.
(b) Par définition d’une probabilité conditionnelle
p/A IP \ _ P(G1 nG2) _ p/p \ _ 1

P(4|G1)- P(GJ -P(G2>-2-
(c) Par définition d’une probabilité conditionnelle et en calculant la probabilité d’une

union à l’aide de celle d’une intersection
P( A I c I I c ï =_______ P(<?1 OG2)_______ = 1

( 1 1 G2’ P(G1) + P(G2)-P(G1nG2) 3‘
(d) méthode
Il On introduit des événements 3 liés aux dates de naissance des deux enfants.
Pour i = 1,2, introduisons l’événement :
Di = « Le z-ème enfant de la famille est né le 29 février ».
Les événements Gi, G2, Di et D^ sont considérés mutuellement indépendants avec, en

première approximation4,
P(DX) = P(P2) = -L-^. = p.

366 + 3 x 365
Savoir qu’un garçon est né le 29 février correspond à l’événement
B = (GiAL>1)U(G2n£>2).
1. Dans un premier temps, l’univers Q est l’ensemble des quatre possibilités GG, GF, F G et FF
exprimant le sexe des enfants selon le rang de naissance. Cet univers est muni de la probabilité uniforme
et les trois premières questions de ce sujet peuvent être résolues par simples calculs dans cet espace
probabilisé.
2. En première approximation seulement ! D’après l’institut national d’études démographiques, il est
né ces dix dernières entre 104,5 et 105 garçons pour 100 filles en France métropolitaine.
3. Pour exprimer ces événements, il est indispensable d’agrandir l’univers Q dans lequel on mène
l’étude. On peut par exemple adjoindre le jour de naissance au sexe des enfants. Exprimer précisément
cet univers Q n’est pas utile au calcul de probabilité réalisé ici.
4. Les années bissextiles ont lieu tous les 4 ans mais les années séculaires ne sont pas bissextiles, à
moins que l’année soit un multiple de 400...
On veut ici calculer P(A | B). On commence par déterminer la probabilité de B qui est
celle d’une union
1 1 1 o 4n — u2
P(B)=P(GinD1)+P(G2AD2)-P(G1nD1nG2nP2) = -P+-P--P2 = JLyL-
On poursuit en calculant la probabilité de A A B.

P(A A B) = P((Gi A G2 A £>i) U (Gi AG2 A P2))
= P(Gi A G2 A A) + P(Gi A G2 A B2) - P((GX A G2 A D1 A B2))
1 1 1 2 2p — p2
= 4P+4P_4P =
4
Finalement,
P(^nB) _ 2-p ~
PG4|B) =
P(B) 4-p ’
Exercice 20 **
Chaque jour du lundi au vendredi, le professeur Zinzin a la probabilité p € ]0 ; 1[
d’égarer ses notes de cours en salle de classe. Peu lui importe car il improvise à
chaque fois, mais ce vendredi soir il ne les retrouve plus et cela le contrarie car il s’y
trouvait un dessin de sa fille Libi. Il est cependant certain de les avoir eues en sa
possession le lundi matin. Quelle est la probabilité pour le professeur d’avoir perdu
ses notes de cours le mercredi ?
Solution
On introduit les événements Lu, Ma, Me, Je, Ve associés à la perte des notes de cours
les jours correspondants. Le cadre hypothétique donne
P(Lu)=p, P(Ma|Lu)=p, P(Me| Lu Cl Ma) = p, etc.

On souhaite calculer P (Me | Lu U Ma U Me U Je U Ve).
méthode
Par la formule des probabilités composées (Th. 5 p. 442), on détermine la
probabilité de ne pas perdre les notes de cours durant les premiers jours de la
semaine.
On a immédiatement P (Lu) = 1—p. Cette probabilité est non nulle et on peut appliquer
la formule des probabilités composées pour écrire
p(lU n Mâ) = P (Ma I Lu) P (Lu)
avec P(Ma|Lu) = 1 — P(Ma|Lu) — 1—p. On a donc
P(Lu A Ma) — (1 — p)2.

De même, on obtient
P(LuAMaAMe) = P(Më| Lu A Ma) P(Lu A Ma) = (1-p)3.

Plus généralement
P(Lu n Ma A Me A Je) = (1 — p)4 et P(Lu A Ma A Me A Je A Ve) = (1 — p)5.
L’événement Me se confond avec MeC\Lu A Ma car est inclus dans Lu A Ma. On a donc
P(Me) = P(Lu A Ma) — P(Lu A Ma A Me) = (1 — p)2 — (1 — p)3 = p(l — p)2.
Aussi, par passage à l’événement contraire
P(Lu U Ma U Me U Je U Ve) = 1 — P(Lu A Ma A Me A Je A Ve) = 1 — (1 — p)5.
P(Me| Lu U Ma U Me U Je U Ve) =. -■>- .

1 - (1 - p)5
Exercice 21 **
Une lampe est éteinte dans une pièce lorsque survient une coupure d’électricité.
Des individus pénètrent dans cette pièce et basculent plusieurs fois l’interrupteur en
espérant que la lumière s’allume, sans succès... Quand l’électricité revient, quelle est
la probabilité que la lumière soit allumée sachant que n individus sont entrés dans
la pièce et que chacun a la probabilité p G ]0 ; 1[ d’avoir repositionné l’interrupteur
dans l’état où celui-ci figurait lorsqu’il est entré.
Solution
(a) Introduisons les événements :
Ao = « L’interrupteur est en position ouverte au début de l’expérience »
et, pour k e [1 ; n],
Ak = « L’interrupteur est en position ouverte lorsque ressort le fc-ième individu »,

Bk = « L’individu k repositionne l’interrupteur dans l’état où il était en entrant ».
Le cadre hypothétique donne P(A0) = 1, P(Bfc) = p G ]0;l[ et l’on veut détermi

ner P(An).
méthode
Il On établit une formule de récurrence sur les P(A&) par la formule des proba-
I bilités totales (Th. 6 p. 443).
Le couple (£&,#&) est un système complet d’événements et donc
P(Afc+1) = P(Afc+1 |Bfc)P(Bfe) + P(Afe+1 \B~k)P(B~k).
Or
P(A+1 |Bfe) = P(^+^n.Bfc) = P(^ffc) = P(A)
car les événements Ak et Bk peuvent être considérés indépendants dans cette expérience.
Mutatis mutandis1
P(Afc+1 \B^ = P(Âj = 1 - P(A).
On obtient donc
P(A+1) = pP(Afc) + (1 - P)(1 - P(A)) = (2p - 1) P(A) + (1 - p).
La suite {P{Ak))0<k<n est arithmético-géométrique 2 et l’on obtient au terme des calculs
p(A,) = 1±M et p(X) = l^£.
Exercice 22 **
Dans une usine, 2 % des articles produits sont défectueux. Un contrôle qualité permet
d’écarter 99 % des articles lorsqu’ils sont défectueux mais aussi 5 % des articles qui
ne le sont pas !
(a) Quelle est la probabilité qu’il y ait une erreur de contrôle ?
(b) Quelle est la probabilité qu’un article écarté par le contrôle soit défectueux ?
(c) Quelle est la probabilité qu’un article en sortie d’usine soit défectueux ?
Solution
On introduit les événements :
A = « L’article produit est défectueux »,

B = « Le contrôle qualité refuse l’article ».
Le cadre hypothétique détermine
P(A) = 0,02 P(B|A)=0,99 P(B|Â) = 0,05.
(a) Une erreur de contrôle correspond à l’événement C = (dAB)U(dUB). Par union

de deux événements incompatibles, on a
P(C) = P(A n B) + P(Â n B).
La formule des probabilités composées donne alors
P(C) - P(B | A) P(A) + P(B 13) P(Â)
avec P (B | A) = 1 — P (B | A). On obtient donc
P(C) = 0,01 x 0,02 + 0,05 x 0,98 ~ 0,049 à 10"3 près.

1. Locution latine signifiant « En modifiant ce qui doit être changé ».
2. Voir section 6.7.1 du chapitre 6 de l’ouvrage Exercices d’analyse MPSI.
(b) On veut ici déterminer P(A|B)
méthode
On étudie la probabilité que l’événement A soit la cause de la réalisation de
l’événement B : on emploie la formule de Bayes (Th. 7 p. 443).
Les événements A et A forment un système complet d’événements permettant de cal

culer la probabilité de B par la formule des probabilités totales
P(B) = P(B | A) P(A) + P(B | Â) P(Â) = 0,99 x 0,02 + 0,05 x 0,98.
Par la formule de Bayes
P(B|A)P(t4) 0,99 x 0,02

PG4|B) = ~ 0,29 à 10-2 près.
PR 0,99 x 0,02 + 0,05 x 0,98
(c) On veut ici calculer P(A | B). Il s’agit encore d’une application de la formule de
Bayes
PM I m = PÇBM)PG4) = 0,01 x 0,02

1 1 ’ P(B) 1 - (0,99 x 0,02 + 0,05 x 0,98) ex 5,4 -10 4 à 10 5 près.
Exercice 23 *** (Urne de Polya)

Une urne contient initialement b boules blanches et r boules rouges. On tire dans
celle-ci une boule, on note sa couleur et on la remet accompagnée de d boules de la
même couleur. On répète l’expérience n fois (avec n 6 N*).
Déterminer la probabilité que la boule obtenue soit blanche lors du n-ième tirage.
Solution
Pour k = 1, 2,... introduisons les événements :
Bk = « Lors du fc-ième tirage la boule tirée est blanche ».
On veut calculer P(Bn).

Au premier tirage, la composition de l’urne est connue et la probabilité que la boule
tirée soit blanche est
P<B1) = R
Au second tirage, il faut tenir compte du résultat du précédent tirage. Puisque les
événements Bi et Bi constituent un système complet, on peut écrire par la formule des
probabilités totales
P(B2) = P(B2 IBJ P(Bi) + P(B2 I Bi) P(BJ

Le cadre de l’expérience donne
b±d
P(S2|S1) =
b+r+d
et l’on obtient après calculs
P(B2) =----------- - --------- 1-------------- - -------- = P(Bi).

b+r+d b+r b+r+d b+r b+r
méthode
|| On montre par récurrence que la probabilité de Bn est toujours égale à
Précisément, montrons par récurrence sur n G N* que la probabilité que la boule soit
blanche lors du n-ième tirage vaut en notant b et r les nombres de boules blanches
et rouges constituant initialement l’urne.
La propriété est immédiatement vérifiée pour n = 1 et les calculs ci-dessus montrent
qu’elle est aussi valable quand n = 2.
Supposons la propriété vraie au rang n 1 et étudions le résultat du (n + l)-ième
tirage en fonction du résultat du premier tirage. Par la formule des probabilités totales
P(Bn+1) = P(Bn+11BJ P(Bi) + P(Bn+11BJ P(Bi).
méthode
|| Un (n + l)-ième tirage sachant Bi peut s’interpréter comme un n-ième tirage.
Si la première boule obtenue est blanche, le (n -F l)-ième tirage se comprend comme

un n-ième tirage à partir d’une urne initialement constituée de b -F d boules blanches et
de r boules rouges. L’hypothèse de récurrence donne alors
p<B-lB>)=ra-
Mutatis mutandis
P(B”« IB?>=G?
Le calcul de P(Bn+i) conduit alors à répéter ceux déjà menés dans (*) et l’on obtient
P<B“«>=■
Exercice 24 ** (Fonction indicatrice d’Euler1)

Soit n un entier naturel supérieur à 2. On munit l’univers Q = [1 ; n] de la probabilité
uniforme et, pour tout entier d divisant n, on introduit l’événement
Ad = {l^fc^n|d divise k}.
(a) Calculer P (A/).

Soit pi,... ,pr les facteurs premiers n.
(b) Montrer que les événements AP1,..., APr sont mutuellement indépendants.
On note
B = [l^k^n\k et n sont premiers entre eux}.
(c) Montrer
_________________
Solution
(a) Les multiples de d dans [1 ; n] sont d, 2d,..., n. Il y en a exactement n/d et donc
Card(Ad) n/d 1
Card(Q) n d'
(b) méthode
Si p et q sont deux entiers premiers entre eux, on a
p | k et q | k <=> pq | k. (*)
Soit m E [1 ; rj et < • • • < im choisis dans [1 ; r]. Les nombres premiers Pq, • • • ,Pir
étant deux à deux distincts, ils sont deux à deux premiers entre eux et la propriété (*)
donne pour tout k E [1 ; n]
(Ph | k et ... et pim | fc) <=> Pil x • • • x pim | k.
On a donc
APii n ... n APim = Ad avec d = Pil x • • • x Pim.
On en déduit
1 1 m
P(APi Q...nAPi ) = - =--------------- = TT P(Ap. ).
V !1 P'm> d Pilx---xpim 11 v p^>
Les événements AP1,..., APr sont donc mutuellement indépendants.
1. Cette étude propose un calcul probabiliste des valeurs de la fonction indicatrice d’Euler présentée
dans le chapitre 2 de l’ouvrage Exercices d’algèbre et de probabilités MP dans la même collection.
(c) Soit k G [1 ; n]|. Les entiers k et n sont premiers entre eux si, et seulement si,
ils n’ont pas de diviseurs premiers en commun. Ainsi, B = AP1 PI ... Cl APr. Les événe
ments AP1,..., APr étant mutuellement indépendants, AP1,..., APr le sont aussi1 et l’on
a directement
p<B)=npw=ri(i-^Y
i=i »=A
Exercice 25 ** (Loi des successions de Laplace)
On dispose de N + 1 urnes numérotées de 0 à N. L’urne de numéro k contient k
boules blanches et N — k boules rouges. On choisit une urne au hasard, chaque choix
étant équiprobable. Dans l’urne choisie, on tire des boules avec remise.
(a) Soit n EN. Quelle est la probabilité que la (n + l)-ième boule tirée soit blanche
sachant que les n précédentes le sont toutes ?
(b) Que devient cette probabilité lorsque N tend vers l’infini ?
Solution
Pour k G [0 ; 7V]| et £ G [1 ; n + 1], on introduit les événements suivants :
Ak = « L’urne choisie est celle de numéro k »

Bt = « La ^-ième boule tirée est blanche ».
Le cadre hypothétique fournit

1 k
= et P(BdA) = -.
(a) On souhaite calculer P(Bn+i | B± n.. .DBn). La famille (Ao, Ai,..., An) constitue
un système complet d’événements et la formule des probabilités totales donne
N
P(Bx n... n Bn) = £ P(B! n... n Bn | Ak) p(Afe).
k=0
Les tirages successifs ayant lieu avec remise dans une même urne, on a la propriété
d’indépendance 2 qui permet d’écrire
JL / k\n
P(B1n...nB„|A) = pp(BI|A)= •
i=l x 7
Ainsi,
1 JL
p(B1n...nB„) = — £ / -)
k \n
k=l x 7

2. Plus précisément, le cadre hypothétique assure que les événements Bi,..., Bn sont indépendants
dans l’univers muni de la probabilité conditionnelle P^k .
et, finalement, N
£ kn+1
p(B„+1 |B, n... n B„) = P(B'n„--nB"n/rl) - 1 k=l
N
E kn
k=i
(b) méthode
On détermine un équivalent des sommes du quotient précédent en faisant ap
paraître une somme de Riemann.
On écrit
N a N / b\n
= xNn+1-
N ^\N J
k=l k=l ' 7
La fonction f : t tn est définie et continue sur [0 ; 1], le théorème sur les sommes de
Riemann1 donne
, N / j x
Pyf(jL\ 1
N k=l \N
v
J
7 n+1
Ainsi,
ykn ~ Æn+1.
N—>+oo n 4~ 1
k=l
En substituant n + 1 à n, on détermine aussi un équivalent de la somme des A;n+1 et l’on
conclut
77-1-1
P(Bn+11 Br n... n Bn) ——-> ~y~.
N->+oo n + 2
Exercice 26 ***
Soit n € N*. A chaque suite finie x = (aq,..., xn) élément de {—1, l}n on associe la
suite s = («o, • • •, sn) avec
s0 e Z et Sk = Sk-i + Xk pour k e [1 ;n].
La suite s détermine une ligne brisée articulée autour des points de coordonnées
(k^Sk) avec k allant de 0 à n. On dit que cette ligne brisée détermine un chemin
allant de sq à sn en n étapes.
(a) Soit £ e Z et m G N. Combien existe-t-il de chemins allant de £ à m en n étapes ?
(b) On suppose £, m € N. Expliquer pourquoi il y a autant de chemins joignant — t
à m en n étapes que de chemins joignant -£ à m en n étapes et coupant l’axe des
abscisses.
(c) A une élection opposant deux candidats, l’un l’emporte avec 42 voix contre 24
pour l’autre. Quelle est la probabilité que le candidat vainqueur ait été majoritaire
(au sens large) tout au long du dépouillement ?

Solution
(a) On souhaite dénombrer les chemins vérifiant sq = t, et sn = m.
Soit x = (aq,... ,#n) dans l’ensemble X = { — 1, l}n. On remarque que si p désigne le
nombre de 1 figurant dans x, n — p est le nombre de —1 et l’on a
Sn = So + p - (n - p) = So + 2p - n.
On en déduit que si m — £ + n n’est pas un nombre pair, il n’y a pas de chemins solutions.
Sinon, on peut introduire un entier p pour lequel m = £ + 2p — n.
Cas : p < 0 ou p > n. A nouveau, il n’y a pas de chemins solutions.
Cas : 0 < p < n. Les chemins solutions 1 correspondent aux suites x contenant p termes
égaux 1 et les autres égaux à —1. Il y a Q) positions possibles pour les termes égaux à 1
et autant de chemins solutions.
(b) méthode
Tout chemin allant de £ à m en n étapes et coupant l’axe des abscisses peut
être associé de façon bijective à un chemin joignant —£ à m.
Si £ = 0, la propriété est immédiate. Supposons pour la suite £ e N* et considérons un
chemin allant de £ à m en n étapes et coupant l’axe des abscisses. Ce chemin est défini à
partir d’une suite x' = (aq,..., xn) de X et, puisqu’il coupe l’axe des abscisses, il existe
un indice k dans [1 ; n] tel que £ + X\ H------ 1- Xk — 0. Si plusieurs entiers k sont possibles
considérons le plus petit de ceux-ci et introduisons la suite x' = (a/15..., x'n) de X donnée
par
(æi,...,4) = (-æi,...,-æfc) et (x'k+1, ...,x'n) = (xk+i, ■■■, xn).
La suite x' permet de définir un chemin joignant — £ à m en n étapes comme illustrée
ci-dessous
Ainsi, à chaque suite x de X définissant un chemin de £ am coupant l’axe des abscisses

on peut associer une suite x' de X définissant un chemin de —£ à m. Inversement, une
suite x' déterminant un chemin de — £ à m coupe nécessairement l’axe des abscisses. En
suivant une démarche symétrique à celle qui précède, on peut lui associer une suite x
1. Dans ce contexte, l’entier m figure parmi Ü — n, H — n + 2,..., •£ + n.
de X définissant un chemin de à m qui coupe l’axe des abscisses. Ces deux associations
étant réciproques l’une de l’autre, elles sont bijectives et il y a autant1 de chemins de £
à m coupant l’axe des abscisses que de chemins de — £ à m.
(c) Le dépouillement des n = 66 bulletins peut s’apparenter à une suite (#i,... ,æn)
où Xi vaut 1 si le z-ème bulletin est favorable au candidat vainqueur et —1 sinon. Sachant
que le vainqueur l’emporte avec m = 18 voix de plus, la suite détermine un chemin
joignant 0 à men n étapes. Toutes ces suites sont équiprobables et définissent les éléments
de l’univers Q dans lequel on veut calculer la probabilité de l’événement :
A = « Le candidat vainqueur est majoritaire tout au long du dépouillement ».
Les suites (aq,...,#n) éléments de l’événement A déterminent un chemin allant de 0

à m qui peut toucher l’axe des abscisses mais pas le traverser. En ajoutant une unité à
l’ordonnée de chaque point du chemin, on définit un chemin allant de 1 à m + 1 qui doit
être toujours strictement au-dessus de l’axe des abscisses. Par les résultats des questions
précédentes, on sait :
— il y a exactement Q) chemins possibles avec p = ;
— il y a autant de chemins de (0,1) à (n,m + 1) qui touchent voire traversent l’axe
des abscisses que de chemins de (0, —1) à (n,m + 1) à savoir Q) avec q = m+n+2.
La probabilité étant uniforme, on conclut
CardÇA) Ç) O = «~*>+l 0 442 à 10-3 ès

n } Card(Q) (n) (“+6) a+1 “ ’ Pres
avec a = 42 et b = 24 les nombres de voix recueillies par chaque candidat.

Si l’on souhaite connaître la probabilité de l’événement B que le candidat vainqueur ait
été majoritaire au sens strict tout au long du dépouillement, le premier vote doit lui être
attribué (probabilité a/(a + b)) et le dépouillement des a + b — 1 autres bulletins (a — 1
pour lui, b pour l’adversaire) doit satisfaire la propriété de dépouillement majoritaire
calculée ci-dessus. On obtient
P(B) = = —y ~ 0,273 à 10"3 près.

v ' a+b a a+b
1. Ce résultat est connu sous l’appellation de principe de réflexion.

CHAPITRE 13
Variables aléatoires
(Q, P) désigne un espace probabilisé fini.
13.1 Variables aléatoires sur un espace probabilisé fini
13.1.1 Variables aléatoires

Définition
Une variable aléatoire sur l’espace probabilisé (Q, P) est une application X définie
sur l’univers Q et à valeurs dans un ensemble1 E.
( Q E
[ üj X(cj).
Lorsque la variable X prend ses valeurs dans IR, on dit que X est une variable aléatoire
réelle.
Définition
Lorsque X est une variable aléatoire sur Q à valeurs dans E et A une partie de E,
on note (X G A) (ou {X 6 X}) l’événement X^1(A).
L’événement (X e A) réunit les issues üj pour lesquelles X(cu) G A. Il s’agit d’une partie
de l’univers Q et l’on peut donc en mesurer la probabilité.
Lorsque A désigne un singleton {x}, l’événement (X G A) s’écrit2 (X = x).
1. Sans perte de généralité on peut supposer si besoin l’ensemble E fini car l’univers Q l’est.
2. Si X est une variable réelle et x G R, l’événement (X x) désigne (X G ]—oo ; æ]), etc.
478 Chapitre 13. Variables aléatoires
13.1.2 Loi d’une variable aléatoire

Soit X une variable aléatoire définie sur l’espace probabilisé (Q, P) et E un ensemble fini
contenant1 l’ensemble X(Q) des valeurs prises par X.
Définition
On appelle loi sur2 E de la variable aléatoire X l’application
Px: p(E)^[0;l]
définie par P%(^4) =f P(X E A) pour toute partie A de E.
Théorème 1
La loi P% définit une probabilité sur E et celle-ci est entièrement déterminée par les
valeurs de P(X = x) pour x dans E.
Si aq,..., xn constituent une énumération des éléments de E, les Pi = P(X = xf) déter
minent une famille (pi,... ,pn) de réels positifs de
somme égale à 1. La loi de X est souvent confon
dues avec cette famille qui peut être figurée par un
tableau à une ligne ou par un diagramme en bâton
comme ci-contre.
X1 X2 ^3 #4 x§
0,20 0,35 0,25 0,15 0,05
13.1.3 Lois usuelles

Définition
On dit qu’une variable aléatoire X suit une loi uniforme sur un ensemble E fini
à n E N* éléments lorsque X(Q) = E et P(X = x) = 1/n pour tout x de E.
Définition
On dit qu’une variable aléatoire X suit une loi de Bernoulli de paramètre p E [0 ; 1]
(et l’on note X 23 (p)) lorsque X(Q) C {0,1} et que l’on a
P(X = 0) = l-p et P(X = l)=p.

Les lois de Bernoulli servent à modéliser les épreuves à deux issues : succès (valeur 1,
probabilité p) ou échec (valeur 0, probabilité q = 1 — p).
Si A est un événement de Q, la fonction indicatrice 1a suit une loi de Bernoulli de

paramètre p = P (A) pour laquelle l’appartenance à A s’apparente à un succès.
1. En pratique, E est souvent l’ensemble X(Q) mais ce peut aussi être un ensemble plus grand.
2. Très couramment, on parle simplement de la loi de X.
13.2 Vecteurs aléatoires 479
Définition
On dit qu’une variable aléatoire X suit une loi binomiale de paramètres 1 n G N
et p e [0 ; 1] (et note X B(n,p)) lorsque X(Q) C [0 ; n] et
P(X = k) = pour tout k G [0 ; n].
Dans la suite, on énoncera que le nombre de succès lors de la répétition de n épreuves

de Bernoulli indépendantes de même paramètre p G [0 ; 1] suit une loi binomiale de
paramètres n et p.
13.1.4 Variable aléatoire composée

Soit X une variable aléatoire sur (Q, P) et / une application définie sur l’ensemble des
valeurs prises par X.
Définition
|| On note /(X) la variable aléatoire obtenue par la composition / o X.
Lorsque la fonction f présente une notation usuelle, on adapte celle-ci à la description de
la variable composée. C’est ainsi que pour une variable aléatoire réelle X, on peut écrire
X2,|X|,ex,...
Théorème 2
La loi de la variable aléatoire Y = f(X) est entièrement déterminée par celle de X.
13.1.5 Opérations sur les variables aléatoires réelles

Les variables aléatoires réelles sur Q correspondent aux applications de Q vers une partie
de R. Elles peuvent se comprendre comme des fonctions de Q vers R et, à ce titre, il
est possible d’opérer par addition, multiplication, etc. sur les variables aléatoires réelles
comme on le fait avec les fonctions réelles. En particulier, l’ensemble des variables aléa
toires réelles sur Q est un espace vectoriel réel.
13.2 Vecteurs aléatoires
13.2.1 Loi conjointe

Soit X et Y des variables aléatoires sur (Q, P) à valeurs dans des ensembles finis E et F
respectivement.
1. On dit aussi que X suit une loi binomiale de taille n et de probabilité de réussite p.
Définition
On appelle couple de variables aléatoires défini par X et Y la variable aléatoire1
Z = (X, K) déterminée par
f Q -> E x F
[ uj (X(cv), K (a;)).
La loi de la variable Z est appelée la loi conjointe de X et Y.

La loi de Z est souvent figurée par un tableau dont les entrées sont les valeurs possibles
de X et y.
13.2.2 Lois marginales

Soit Z une variable aléatoire sur (Q,P) à valeurs dans un ensemble fini E x F. Pour
chaque w de Q, Z(u?) désigne un couple (X(üj), y(u>)) avec X(u) e E et y (tu) € F ce
qui introduit deux variables aléatoires X et Y dont Z est le couple.
Définition
|| Les lois des variables aléatoires X et Y sont appelées les lois marginales de Z.
Théorème 3
La loi de Z détermine entièrement ses lois marginales car
P(X = x) = P ((X, y) — (æ, ?/)) pour tout x € E et

yeF
P(y = y) = P((X, y) = (x,y)) pour tout y e F.
xeE
Lorsque l’on visualise la loi conjointe par un tableau, les lois marginales s’obtiennent en
sommant sur les rangées 2.
13.2.3 Lois conditionnelles

Soit X et Y des variables aléatoires sur (Q, P) à valeurs dans des ensembles finis E et F
respectivement et Z le couple (X, y).
Définition
Pour x e E tel que P(X = x) > 0, on appelle loi conditionnelle de Y sachant (X — x)
la loi de Y pour la probabilité conditionnelle P(x=æ). Cette loi conditionnelle est
déterminée par
P(y = yIx = x) =f P^, — pour tout y & F.

P (A = x)
1. On parle quelquefois de vecteur aléatoire lorsque l’on étudie une variable aléatoire à valeurs dans
un espace produit.
13.2 Vecteurs aléatoires 481
Théorème 4
La loi de X et les lois conditionnelles de Y connaissant les valeurs prises par X
déterminent entièrement la loi conjointe de X et Y et donc la loi de Y :
P(y = y) = P(y — y | X = x) P(X = x) pour tout y E F

X
où la somme porte1 sur les x € E vérifiant P(X = x) > 0.
13.2.4 Couples de variables indépendantes

Soit X et Y des variables aléatoires sur (Q, P) à valeurs dans des ensembles E et F.
Définition
On dit que les deux variables aléatoires X et Y sont indépendantes si, pour toute
partie A de E et toute partie B de F, les événements (X e A) et (Y E B) sont
indépendants :
P((X,y) UxB) = P(X E A)P(y E B).
Théorème 5
Les variables aléatoires X et Y sont indépendantes si, et seulement si,
P(X = x,Y = y) = P(X = rr)P(y = y) pour tout (#, y) E X(Q) x y(Q).
Deux événements A et B sont indépendants si, et seulement si, les fonctions indica
trices 1a et 1b définissent des variables aléatoires indépendantes.
Théorème 6
Si les variables X et Y sont indépendantes alors, pour toutes fonctions f et g définies
respectivement sur E et F, les variables composées /(X) et g (Y) sont indépendantes.
13.2.5 Variables mutuellement indépendantes

Soit Xi,..., Xn des variables aléatoires sur l’espace (Q, P) à valeurs dans des ensembles
finis Fi,..., En.
Définition
On dit que les variables Xi,..., Xn sont mutuellement indépendantes si, pour toutes
parties Ai,... ,An de Fi,..., En, les événements (X* E Ai) sont mutuellement indé
pendants.
1. On pourrait limiter la somme aux x éléments de X(Q) mais cela ne suffit pas pour pouvoir affir
mer P(X = x) > 0 : il est possible qu’une valeur prise par la variable X soit associée à des issues w de
probabilités milles.
Théorème 7
Les variables Xi,..., Xn sont mutuellement indépendantes si, et seulement si,
P(X1 = Xi,..., Xn = Xn) = P(X1 = æi) x • • • x P(Xn = xn)
pour tout (a?i,... ,xn) G Xi(fi) x • • • x Xn(Pl).
13.2.6 Schéma de Bernoulli

Définition
Un schéma de Bernoulli de paramètre p G [0 ; 1] est une suite Xi,..., Xn de variables
aléatoires mutuellement indépendantes suivant chacune une même loi de Bernoulli de
paramètre p.
Un schéma de Bernoulli se rencontre lorsque l’on étudie la répétition d’épreuves de Ber
noulli indépendantes. La variable S = Xi 4- • • • + Xn donne alors le nombre de succès
rencontrés.
Théorème 8
Si Xi,..., Xn sont des variables définissant un schéma de Bernoulli de paramètre p,
la variable S = Xi 4------h Xn suit une loi binomiale de paramètres n et p.
13.3 Espérance et variance d’une variable aléatoire réelle
13.3.1 Espérance
Soit X une variable aléatoire réelle sur (Q, P) et E un ensemble fini contenant les valeurs
prises par X.
Définition
E espérance de la variable aléatoire réelle X est le réel
E(X) =f ^xP(X = x).

xee
L’espérance d’une variable aléatoire réelle est entièrement déterminée par sa loi, elle
définit la moyenne probabiliste de la variable X.
On dit qu’une variable aléatoire est centrée lorsque son espérance est nulle.
Si X est une variable aléatoire constante égale à un réel C, E(X) = C.

Si X est la fonction indicatrice d’un événement A de Q, E(1a) = P (A).
Si X suit une loi de Bernoulli de paramètre p, E(X) = p.
Si X suit une loi binomiale de paramètres n et p, E(X) = np.
13.3 Espérance et variance d’une variable aléatoire réelle 483
L’espérance de la variable X peut aussi être calculée par la formule
E(X) = £p(m)xh.
13.3.2 Propriétés
Théorème 9 (Linéarité de l’espérance)

Si X et Y sont des variables aléatoires réelles sur Q alors, pour tout A e R,
E(AX) = A E(X) et E(X + K) = E(X) + E(y).
Si a et b sont deux réels, E(aX + 6) = aE(X) + b. En particulier, si X est une variable

aléatoire d’espérance /z, la variable X — /z est centrée.
Théorème 10
Si X est une variable aléatoire sur Q à valeurs dans R+ alors E(X) > 0.
On en déduit la propriété de croissance de l’espérance :
X Y => E(X) E(K).
Théorème 11 (Formule de transfert)

Si X est une variable aléatoire réelle sur Q et f une fonction réelle définie sur un
ensemble E contenant les valeurs prises par X
E(/(X)) = J2/(x)P(X = a:).

xÊ
En particulier, rrik = E(Xfc) = xk P(X = rr) pour tout k e N.

xEE
Théorème 12
Si X et Y sont deux variables aléatoires réelles indépendantes
E(xr) = E(x)E(y).
La réciproque est fausse.
13.3.3 Variance
Soit X une variable aléatoire réelle sur (Q,P).
Définition
|| On appelle moment d’ordre k e N de la variable X le réel = E(Xfc).
Le moment d’ordre 0 vaut 1, le moment d’ordre 1 est l’espérance.
Définition
On appelle variance de la variable X le réel positif
V(X) d=E((X-E(X))2}.
On définit aussi Y écart-type1 de X par cr(-X’) =f Variance et écart-type quanti-

fient « l’écart d’une variable aléatoire à sa moyenne ».
Théorème 13
Si a et b sont deux réels, V(aX + 6) = a2 V(X).
Si X est une variable aléatoire d’espérance p et de variance cr2 > 0, la variable est
d’espérance nulle et de variance 1, on dit qu’elle est centrée réduite.
Théorème 14 (Formule de Huygens)

V(X) = E(X2) -E(X)2.
Si X est une variable aléatoire constante, V(X) = 0.

Si X suit une loi de Bernoulli de paramètre p, V(X) — p(l — p).
Si X suit une loi binomiale de paramètres n et p, V(X) = np(l — p).
13.3.4 Covariance
Soit X et Y deux variables aléatoires réelles sur (Q,P).
Définition
On appelle covariance des variables X et Y le réel
Cov(x, y) d= e((x - e(x)) (y - E(y))}.

En particulier, V(X) = Cov(X, X).
Théorème 15 (Formule de Huygens)
Cov(x, y) = E(xy) - e (x) E(y).

Lorsque les variables X et Y sont indépendantes, Cov(X, K) = 0.
Par linéarité de l’espérance, l’application covariance est bilinéaire et par conséquent :
Théorème 16 (Variance d’une somme)
v(x + y) = v(x) + 2 Cov(x, y) + v(y).

En particulier, la variance d’une somme de variables aléatoires réelles deux à deux indé
pendantes est égale à la somme des variances.
1. L’espérance et l’écart-type s’expriment dans la même unité que les valeurs de la variable X.
13.3.5 Inégalités de concentration

Théorème 17 (Inégalité de Markov)
Si X est une variable aléatoire réelle à valeurs positives,
aP(X d) < E(X) pour tout a G R+.
Théorème 18 (Inégalité de Bienaymé-Tchebychev)

Si X est une variable aléatoire réelle d’espérance /i et de variance cr2 alors, pour tout
réel a strictement positif,
2
Cette inégalité permet d’étudier l’écart d’une variable à son espérance.
Exercice 1
On tire successivement n € N* boules dans une urne contenant b boules blanches
et r boules rouges et l’on pose X le nombre de boules blanches obtenues.
(a) Déterminer la loi de X lorsque le tirage a lieu avec remise.
(b) Déterminer la loi de X lorsque le tirage a lieu sans remise et que n b -F r.
Solution
(a) méthode
Il Un tirage avec remise s’apparente à une succession d’épreuves de Bernoulli
|| indépendantes : la variable X suit une loi binomiale.
Si l’on interprète le tirage d’une boule blanche comme un succès, la variable X donne
le nombre de succès pour n épreuves indépendantes (car le tirage a lieu avec remise)
ayant chacune la probabilité p = b/(b + r) de réussite. La variable X suit donc une loi
binomiale de paramètres n et p :
^krn-k
n
P(X = fc) = pfc(l-p)n-fc pour tout k e [0 ; n].
k (b + r)n
(b) Distinguons les différentes boules contenues dans l’urne, par exemple en les numé
rotant delà7V = 6 + r. Le tirage ayant lieu sans remise, on peut choisir pour univers Q
associé à l’expérience l’ensemble des arrangements de longueur n d’éléments de [1 ; TV]
muni de la probabilité uniforme. Le cardinal de Q est N (N — 1) x • • • x (TV — n + 1).
Pour k e [0 ; n], l’événement (X = k) correspond à l’ensemble des arrangements conte
nant exactement k boules blanches. Dénombrons cet ensemble. Pour construire un arran
gement élément de l’événement (X — k\ on commence par choisir les k positions occupées
par les boules blanches ((^) possibilités). On choisit ensuite les k boules blanches occu
pant ces positions successives parmi les b boules disponibles (bx (b— 1) x • • • x (b—k+1) pos
sibilités1). Enfin, on complète les £ = n — k positions encore libres par le choix de n — k
boules distinctes parmi les r boules rouges (r x (r — 1) x • • • x (r — £ + 1) possibilités).
La probabilité étant uniforme, on obtient
f (7V~n)! . J1L . b! e r! si À* < b pt / — -n
P(X = k) = < N- kUÏ (b~kY (r-ty bi O et t
10 sinon.
De façon simplifiée, on peut2 écrire 3 pour tout k E [0 ; n]

p) m
PÇX = k) = ^^- avec N = a + bet n = k + £.
\n/
Exercice 2
On lance deux dés équilibrés et l’on note Y et Z les plus petite et plus grande valeurs
obtenues.
(a) Par un tableau, déterminer la loi conjointe de Y et Z.
(b) En déduire les lois de K et Z.
(c) Déterminer les lois de Z sachant Y.
Solution
Supposons pouvoir distinguer les deux dés et notons X^ et A2 les valeurs de chacun4.
Les variables aléatoires X± et X? sont indépendantes et suivent une loi uniforme sur [1 ; 6J.
Les variables Y et Z correspondent alors
Y = min(A1,A2) et Z = max(Ai, A2).
(a) Le vecteur aléatoire (Y, Z) est à valeurs dans E = [1 ; 6]2. Soit (z,J) un élément
de E. Etudions la probabilité de l’événement = ((Y, Z) = (z,J)).
Cas : i > j. L’événement Aij est impossible et donc de probabilité nulle.
Cas : i = j. L’événement Ai^ se confond avec (Ai = ï) A (A2 = z). Par indépendance
P(j4m)=P(X1=î)P(X2=z) = G.
36
Cas : i < j. L’événement Aij est la réunion des événements (Ai = i) A (A2 = j) et
(Xi = J) A (A2 = z) qui sont incompatibles donc
p(Aj) = P(Xi = ï) p(x2 = j) + p(xx = j) P(x2 = i) = 1.
lo
1. Il peut figurer un zéro dans ce produit s’il n’y a pas suffisamment de boules blanches pour constituer
un tel arrangement.
2. Rappelons que Q) = 0 lorsque p > n.
3. On dit que la variable X suit une loi hypergéométrique de paramètres n, b et N.
4. On peut modéliser l’expérience par l’univers Q = [1 ;6]2 muni de la probabilité uniforme mais il
n’est pas nécessaire de l’exprimer pour la suite.
On résume ces valeurs dans le tableau1 ci-dessous :
Z=1 Z=2 Z=3 Z=4 Z=5 Z=6

y = i 1/36 1/18 1/18 1/18 1/18 1/18
y = 2 0 1/36 1/18 1/18 1/18 1/18
y = 3 0 0 1/36 1/18 1/18 1/18
y = 4 0 0 0 1/36 1/18 1/18
y = 5 0 0 0 0 1/36 1/18
y = 6 0 0 0 0 0 1/36
(b) méthode
|| Les lois de F et Z s’obtiennent en sommant sur les rangées (Th. 3 p. 480).
Pour k E [1 ; 6], on a
6 6
P(Y = fc) = ^P(y = k,z = f) et P(Z = fc) = ^p(y = i,Z = k).
j=l i=l
On peut résumer le résultat de ces calculs 2 dans le tableau ci-dessous 3 :
k=1 k=2 k=3 fc = 4 k=5 k=6

p(y = fc) 11/36 9/36 7/36 5/36 3/36 1/36
P(Z = fc) 1/36 3/36 5/36 7/36 9/36 11/36
(c) Dans le tableau figurant la loi conjointe, la loi de Z sachant (Y = ï) est déterminée
par les proportions des valeurs P(K = i,Z = j) vis-à-vis de P(K = i), c’est-à-dire vis-
à-vis de la somme des valeurs de la rangée. On peut résumer le calcul de ces lois par le
tableau suivant donnant P (Z = j | Y — ï) selon les valeurs de i et j :
j=1 J=2 J =3 j=4 j=5 J=6

i = 1 1/11 2/11 2/11 2/11 2/11 2/11
i = 2 0 1/9 2/9 2/9 2/9 2/9
i = 3 0 0 1/7 2/7 2/7 2/7
7 = 4 0 0 0 1/5 2/5 2/5
i = 5 0 0 0 0 1/3 2/3
i = 6 0 0 0 0 0 1
1. On pourra observer que la somme des valeurs du tableau est égale à 1.

2. Un calcul de direct des lois de U et Z est aussi possible. Par exemple, pour déterminer la loi de Z
on commence par évaluer P(Z < k) = (k/6)2 pour tout k E [1 ; 6] puis on détermine P(Z = k) comme
la différence P(Z O) - P(Z < k - 1) = (2fc - l)/36.
3. On pourra remarquer que les variables Y et 7 — Z suivent la même loi ce qui ne signifie pour autant
que ces variables sont égales : la loi ne caractérise pas la variable aléatoire.
Exercice 3
Deux variables aléatoires1 indépendantes X et Y suivent des lois binomiales de
tailles n et m et de même probabilité de réussite p e ]0 ; 1[.
(a) Identifier la loi suivie par la variable aléatoire S = X + Y.
(b) Soit se [0 ; n + mj. Identifier la loi de X sachant (S' = s).
Solution
(a) Les variables X et Y prennent leurs valeurs dans [0 ; nj et [0 ; m] respectivement
et leur somme S prend donc ses valeurs dans [0 ; n + m].
Soit se [0 ;n + mj.
méthode
|| On exprime l’événement (S = s) selon les valeurs possibles prises par X et Y.
L’événement (S = s) se décompose2 en la réunion des événements deux à deux incom
patibles (X = ï) n (F = J) pour i et j naturels vérifiant i + j = s. Par additivité
P(5 = s)= £ P(X = i,Y = j).

i+j=s
Par indépendance des variables aléatoires X et K,

i T) \ ■ ! Tin \
P(X = i,Y = j) = P(X = i) xP(Y = j) = . )pJ(l-p)’n-J
V/ \j /
et donc
P(5 = s) = £ ^ïïmV(i-p)n+m-s.
i+j=s /
méthode
Le coefficient de Xs dans (1 + X)n(l + X)m détermine la valeur 3 de la somme
Dans l’égalité (1 + X)n(l + X)m = (1 + X)n+m, l’identification des coefficients de Xs

donne
1. À défaut de précision, les variables aléatoires introduites sont toujours supposées définies sur un
même espace probabilisé fini (Q,P).
2. Les événements (Y = j) avec j allant de 0 à m constituent un système complet d’événements et
(S = s) est alors la réunion des événements incompatibles (S = s) Cl (Y = j). Or ce dernier se confond
avec (X = i) A (Y = j) pour i = s — j.
et donc
n+m
P(5 = s) = s
Ps(l-p)n+m-s
Finalement, la variable aléatoire S suit une loi binomiale1 de taille n + m et de pro

babilité de réussite p.
(b) Sachant (S = s), la variable aléatoire X prend ses valeurs dans [0 ; s] et, par
définition d’une probabilité conditionnelle, on a pour tout i G [0 ; s]
P(X = ;|S = i,s

-io = s)\ = p(xp(s = B)= s) = p(xp(s = s)= n avec ,. + .
= z,y
On poursuit le calcul à l’aide de l’indépendance des variables X et Y
p(x = -iç= ï = p(x=i)p(Y=j)

q s) p(s = s) -p)n+m-s
Après simplifications, on conclut2
Dn
Exercice 4
Soit X une variable aléatoire à valeurs dans [0 ; n]. On suppose qu’il existe un réel a
tel que
P(X = k) = _ t/ Q pour tout k e [O ; n].
k\(n — k)\
Calculer l’espérance et la variance de X.
Solution
On commence par déterminer la valeur de a.
méthode
Si une variable aléatoire X prend ses valeurs dans un ensemble fini E, la somme
des P(X = x) pour x parcourant E est égale à 1.
La valeur de a se déduit de l’égalité
£p(x = fc) = i.
k=0
1. Les variables X et Y peuvent être déterminées par la somme de n et m variables de Bernoulli

mutuellement indépendantes et de même paramètre p (Th. 8 p. 482). La variable S = X + Y se comprend
alors comme la somme de n + m variables de Bernoulli indépendantes de paramètre p.
2. On peut reconnaître une loi hypergéométrique de paramètres s, n et n + m (voir sujet 1 p. 485).
Sachant
1 _ £ y^ Zn\ _ (1 + l)n _ 2n
k\(n — k}\ n\^\k) n\ n\
k=0 v 7 k=0 ' '
on obtient a = n\/2n et donc, pour tout k e |[0 ; n],
P{X = k)= (/)À'
v 7 \ k 7 2fc 2n-fc
La variable aléatoire X suit une loi binomiale de paramètres n et p = 1/2.
méthode
Lorsque X suit une loi binomiale de paramètres n et p
E(X) = np et V(X) = np(l - p).

Ici, on a donc
et V{X) = ^.
Exercice 5
Soit a b deux entiers. Calculer l’espérance et la variance d’une variable X suivant
une loi uniforme sur [a ; 6].
Solution
La variable X prend ses valeurs dans l’ensemble [a; 6] à n = b — a 4-1 éléments et
P(X = k) = — pour tout k G [a ; 6].
méthode
Il Afin de faciliter les calculs, on écrit X = a — 1 4- Y avec Y variable aléatoire
|| suivant une loi uniforme sur [1 ;n]|.
L’espérance et la variance de X se déduisent des espérance et variance de Y
E(X) = a - 1 4- E(K) et V(X) = V(F).
Un calcul direct détermine l’espérance de Y
E(i') = £fep(x = t) = £t = 2±l car =

k=l k=l k=l
La variance de Y peut être obtenue par la formule de Huygens (Th. 14 p. 484).

E(y2) =£fc2P(X = fc) = £^= (n + 1)(2n + 1) car £fc2 = n(n + 1)(2n +1}
k=l k=l n 6 fc=;1
et donc
n2 - 1
v(y) = E(y2)-E(y)2 =.
Finalement,
E(X) = ^ et
13.5.1 Loi binomiale
Exercice 6 *
Une variable aléatoire X suit une loi binomiale paramètres n € N* et p € ]0 ; 1[.
Pour quelle valeur de l’entier k E [0 ; nj, la probabilité P(X = k) est-elle maximale?
Solution
Par définition d’une loi binomiale, on a
n
uk = P(X = k) = pfe(l-p)n~fc pour tout k E [0 ; n].
k
méthode
|| On étudie la monotonie de la suite finie (u0, ^î,..., un).
Etudions le quotient de deux termes successifs de la suite (uk)o^k^n- Pour k E [1 ; n]
Uk _ Ofc(l-p)”-fc n—k+1 p
Uk-i (fc2i)pfe-1(i-p)n-fe+1 k 1 —p
On en déduit
^k
'U'k — l 'U'k
^k—1
k < (n + l)p
k ko avec ko la partie entière de (n + l)p..
La suite est croissante tandis que la suite (uk)k0^.k^.n est strictement décrois
sante. Le maximum de la suite {uk)o^k^n est donc atteint en k = k0.
Loi binomiale n — 8, p = 0,5 et ko = 4 Loi binomiale n = 8, p = 0,7 et ko = 6

Exercice 7 *
Deux archers tirent indépendamment sur n cibles. A chaque tir, le premier archer a
la probabilité p de toucher et le second la probabilité q.
Quelle est la loi suivie par le nombre de cibles touchées au moins une fois ?
Solution
méthode
On introduit des variables de Bernoulli modélisant les résultats des archers sur
chaque cible.
Numérotons les cibles de 1 à n. Pour i e [[1 ; n], définissons la variable aléatoire Xi égale
à 1 lorsque la cible i est touchée par le premier archer et 0 sinon. Définissons de même la
variable Yi associée au succès du second archer. Les variables Xi,..., Xn et Yi,..., Yn
sont mutuellement indépendantes, chaque Xi suit une loi de Bernoulli de paramètre p
tandis que Yi suit une loi de paramètre q. La variable Zi = max(JQ, Yi) détermine si une
cible a été atteinte au moins une fois. Le nombre de cibles touchées au moins une fois est
donc
i=l
méthode
|| Les variables Zi suivent une même loi de Bernoulli.
La variable Zi prend pour valeurs 0 ou 1 et l’on a Zi — 0 si, et seulement si, Xi = Yi = 0.
Par indépendance
P(Zi = 0) = P(Xi = 0, Yi = 0) = PÇXi = 0) P(Yi = 0) = (1 - p)(l - q).
La variable Z{ suit donc une loi de Bernoulli de paramètre
r = 1 - (1 - p)(l - q) = p + q - pq.
Par somme de variables de Bernoulli indépendantes et de même paramètre r (Th. 8

p. 482), la variable N suit une loi binomiale de paramètres n et r.
Exercice 8 **
Le standardiste d’un centre d’appel téléphonique d’un service après-vente a la pro
babilité p d’apporter une solution à l’appel d’un client. Lorsqu’il n’y parvient pas, il
transmet l’appel à un spécialiste qui a la probabilité q de résoudre le problème posé.
Si ce dernier n’y parvient pas, un réparateur est envoyé au domicile du client.
On suppose que le centre d’appel a été contacté n fois. Déterminer la loi de la variable
aléatoire N donnant le nombre d’interventions du réparateur.
Solution
On note X et Y les variables aléatoires donnant le nombre d’appels résolus par res
pectivement le standardiste et le spécialiste. On veut déterminer N = n — (X H- y).
Les appels sont indépendants et chacun détermine une variable de Bernoulli de para
mètre p prenant la valeur 1 lorsque le standardiste apporte une solution. La variable X
suit alors une loi binomiale de paramètres n et p :
P(X = fc) = pour tout k E [0 ; n].
De plus, pour k e [0 ;n]|, lorsque l’événement (X = k) est réalisé, il y a n — k appels

qui sont transmis au spécialiste et chacun a la probabilité q d’être résolu. Par la même
argumentation qu’au-dessus
P(K — £\X = k) = (n — q)n k 1 pour tout t, E [0;n — &].
méthode
La connaissance de la loi de X et des lois de Y connaissant la valeur de X
suffisent à déterminer la loi conjointe de X et Y et l’on peut en déduire la loi
de toutes les variables qui sont fonction de X et Y.
La variable X + Y prend ses valeurs dans [0 ; n] et, pour tout m E [[0 ; n]|,
m
P(X + Y = m) = ^2 P(X = k,Y = £) = ^P(X = k,Y = m-k')
k-\-£=m k=0
avec
P(X = k, Y = m - fc) = P(X = fc) P(y = m - k | X - fc).
Ainsi,
P(X + y = m) = ^2 ( Jpfc(l-p)n-fe X (”ZkXm~k(\-q)n-rn

k=0 \ ' ' ' '
Or
n\ ( n — k\ ni ( n\ (m\
(k)\m — k)
et l’on peut donc écrire
k\(m — k)\{n — m)\ \mj\kj
P(X + y = m) pkqm~k(l — p)n~k(l — q)
n
(1 -p)n-m(l — q)n~m pk{l-p)m-k qm-k
m
Enfin, par la formule du binôme,
P(X + Y = m) = Q (1 - p)”~m(l - q)n~m(p + (1 - p)q)m
f n\
= ( )rm(l — r)n~m avec r—p + q—pq.
\m J
Finalement, la variable N = n — (X + £) suit une loi binomiale1 de paramètres n

et 1 — r = (1 — p)(l — g).
13.5.2 Espérances et variances
Exercice 9 *
Soit X une variable aléatoire prenant ses valeurs dans |[0 ; n]. Établir
n
E(X) = £p(X^fc).
/c=l
Solution
méthode
On exprime P(X > fc) comme une somme de probabilités P(X = £) puis on
échange les deux sommes.
L’événement (X > k) est la réunion des événements incompatibles (X — pour
l’entier £ allant de k à n. On a donc par additivité
n n / n
£p(x^fc) = £ £p(x = J)
k— 1 k=l \j=k
La double somme correspond à une somme triangulaire portant sur les couples (j, k)
de [1 ;nj2 vérifiant j k. En échangeant les deux sommes, on obtient
£p(x^fc) = £(£p(* = J)) = £jp(x=j).

fc=l j=l \fc=is mncrorïTo
y “ / j=i
constante
Enfin, en adjoignant un terme nul d’indice j = 0, on reconnaît l’espérance de X

n n
£ p(x > k) = £ j P(x = j) = E(X).
k=l J=0
1. On peut trouver ce résultat plus rapidement en modifiant le protocole en un autre équivalent.

Standardiste et spécialiste réceptionnent tous les appels et la probabilité qu’un appel ne trouve pas de
solutions est alors (1 — p)(l — q). Le nombre total N d’appels sans solutions suit alors une loi de Bernoulli
de paramètres n et (1 — p)(l — q).
Exercice 10 *
Soit Xi,..., Xn des variables aléatoires réelles mutuellement indépendantes suivant
une même loi d’espérance /z et de variance <72.
(a) Calculer l’espérance de la variable
n
n 2=1
On dit que Mn est un estimateur de l’espérance /a.

(b) Calculer la variance de Mn.
(c) Pour quelle valeur du réel A, la variable aléatoire
n
Vn = A 52{Xi - Mny
i=l
peut-elle être considérée comme un estimateur de la variance a2 ?
Solution
(a) Par linéarité de l’espérance, on a immédiatement
E(Mn) = -VE(Xi)=/z.
n 2=1
(b) méthode
Lorsque les variables sont deux à deux indépendantes, la variance d’une somme
est la somme des variances (Th. 16 p. 484).
Les variables aléatoires Xi étant deux à deux indépendantes
1
v(M„) = ^v(ÿxi)
n2 \\2=1 /
/ n2 n
(c) En développant le carré

n n \ n
(52 X? - 2Mn 52 Xi +nM^ = A 52 Xf - n\M*.
2=1 2=1 / 2=1
=nMn
Par linéarité de l’espérance
E(Vn) = A52E(Xf)-nAE(M2).
2=1
Par la formule de Huygens (Th. 14 p. 484)

E(X?) = V(Xi) + E(XJ2 et E(M2) = V(Mn) + E(Mn)2.
On obtient donc
n / 2 \
E(Vn) = A VVcr2 +//2) -nA( — +/12 ).
i=l ' '
Ainsi,
E(V„) = <T2 A = —.
n—1
Exercice 11 **
Deux variables aléatoires réelles indépendantes X et Y prennent leurs valeurs dans
un ensemble E et suivent une même loi.
(a) Soit f et g deux fonctions réelles croissantes définies sur E. En étudiant l’espé-
rance de Z = (/(Y) - /(X)) (5(Y) - g(X)), établir
E(/(X)5(X)) Ê(/(X))E(fl(X)).
(b) Application : On suppose que X prend ses valeurs dans E C . Montrer
E(X)E(1)>1.
Solution
(a) Les deux fonctions réelles f et g étant croissantes, les facteurs /(F) — /(X)
et g (Y) — g(X) ont tous deux le signe de Y — X. La variable aléatoire Z est donc à
valeurs dans et son espérance est positive. On peut donc écrire
e((/(E) - /(X)) (5(Y) - <7(X))) > 0. (*)
méthode
L’espérance d’un produit de deux variables indépendantes est le produit des
espérances (Th. 12 p. 483).
Par linéarité, on peut développer le calcul de l’espérance de Z
E(Z) = E(/(Y)5(Y)) - E(/(X)5(Y)) - E(/(Y)5(X)) + E(/(X)ff(X)).
Les variables X et Y étant indépendantes, les variables /(X) et g (Y) d’une part, et /(F)
et g(X) d’autre part, le sont aussi (Th. 6 p. 481). On a donc
E(/(X)p(Y)) = E(/(X)) E(5(Y)) et E(/(Y)5(X)) = E(/(Y)) E(p(X)).
Enfin, les variables /(X) et f(Y) suivent la même loi, il en de même pour g(X) et g (Y)
et aussi pour /(X)g(X) et f(Y)g(Y). On obtient donc
E(Z) = 2E(/(X)ff(X)) - 2E(/(X)) E(ff(X)).
L’inégalité (*) donne alors directement celle voulue1.
(b) Il suffit d’appliquer l’inégalité qui précède aux fonctions définies et croissantes
sur E
p 1
j: x x et g: x ---- .
13.5.3 Calcul d’espérances et de variances
Exercice 12 *
Une population de N individus est infectée par un virus dans une faible proportion p.
Des analyses sanguines permettent de détecter la présence du virus dans n’importe
quel échantillon. Afin de réduire le nombre d’analyses, on se propose de déterminer les
individus malades en réunissant ceux-ci par groupes de n et, pour simplifier l’étude,
on suppose que n divise N. On rassemble une partie des échantillons sanguins des
individus de chaque groupe et l’on teste l’échantillon obtenu. Si le résultat du groupe
est positif, on analyse individuellement les échantillons des individus du groupe.
(a) Déterminer la loi de la variable aléatoire X donnant le nombre de groupes
positifs.
(b) On note Y la variable aléatoire donnant le nombre d’analyses effectuées. Calculer
l’espérance et la variance de Y en fonction de n, N et p.
(c) Que vaut cette espérance pour les valeurs N = 1000, n = 10 et p = 0,01 ?
Solution
(a) Dans chaque groupe, le nombre Z d’individus infectés suit une loi binomiale de
paramètres n et p. L’échantillon du groupe est positif dès que Z > 1. La probabilité
qu’un échantillon regroupé soit positif est donc 2
q = P(Z 1) = 1 - P(Z = 0) = 1 - (1 - p)n.
Il y a en tout m — N/n groupes et chacun a, indépendamment des autres, la proba

bilité q d’être infecté, le nombre X de groupes infectés suit donc une loi binomiale de
paramètres m et q.
(b) méthode
|| Y est une fonction de X et son espérance s’en déduit.
On analyse chaque échantillon des m groupes et, pour chaque groupe infecté, on analyse
les n échantillons des individus du groupe. Le nombre total d’analyses est donc donné
par
Y = m + nX.
1. Cette inégalité entre en résonance et généralise celle du sujet 27 du chapitre 1 de l’ouvrage Exercices
d’analyse MPSI.
2. C’est la probabilité de l’événement contraire de « Tous les individus du groupe sont sains ».
Par linéarité, l’espérance de Y se déduit de celle de X :
E(y) = m + nE(X) = m 4- nmq = m -|- N(1 — (1 — p)n).
(c) Pour les valeurs proposées, on procède en moyenne à 196 analyses.
Exercice 13 **
Une urne contient b boules blanches et r boules rouges. On tire simultanément n
boules dans cette urne et l’on note X le nombre de boules blanches obtenues.
Déterminer l’espérance et la variance de la variable X.
Solution
Le tirage simultanée des n boules s’apparente à un tirage sans remise : la loi de X a
déjà été calculée dans le sujet 1 p. 485. La variable X prend ses valeurs dans1 [[0 ; n] et,
pour tout k E [0 ; n],
P(X = k) = avec N = b + r et n = k + L
L’espérance de X est
k=0 x 7 k=0 x 7 x 7
On peut retirer le premier terme de la somme car celui-ci est nul.

méthode
La somme s’interprète comme le coefficient d’une puissance de X dans le
produit de deux polynômes.
Soit k un entier compris entre 1 et n. D’une part, k(fy est le coefficient de Xk~r dans
le polynôme dérivé de (1 + X)b. D’autre part, (nLfe) est le coefficient de Xn~k dans le
polynôme (1 4- X)r. La somme étudiée peut donc se comprendre comme le calcul du
coefficient de Xn-1 dans le produit de ces deux polynômes :
((i + x)6)' x (i + xy = b(i + x)^-1.

On a donc
XV1 , /X - 1\ nb
x 6 = —.
nJ \n — t J N
On calcule la variance par la formule de Huygens (Th. 14 p. 484).
) - E(X)2 = E(X(X - 1)) + E(X) - E(X)2.

V(X) = E(X2*
1. Plus précisément, X prend ses valeurs dans avec m = max(0,n — r) et M = min(n, b).
Pour les valeurs de k en dehors que [m ; M], la formule donnant P(X = k) est valable par nullité de l’un
des coefficients binomiaux du numérateur.
Par la formule de transfert
E<x(x -= O ' è*(fc -

\ / k=Q \ / \
(„r J/
Comme au-dessus, on peut simplifier les deux premiers termes de la somme car ils sont
nuis puis comprendre celle-ci comme menant le calcul du coefficient de Xn~2 dans
((i + x)6)" x (i + xy = b(b - i)(i + x)N~2.
On obtient alors
Au terme des calculs, on conclut
_ nbrÇN - n)
V(%) N2 (N - 1) ’
Exercice 14 ***
Dans une urne contenant n e N* boules blanches et n boules rouges, on prélève
successivement et sans remise des boules jusqu’à l’obtention de toutes les boules
blanches. On note X le nombre total de boules alors sorties de l’urne.
(a) Proposer un espace probabilisé (Q, P) permettant d’étudier l’expérience.
(b) Déterminer la loi de X.
(c) Calculer son espérance et sa variance.
Solution
(a) On pourrait proposer pour univers l’ensemble des suites finies codant la nature des
boules successives tirées par les lettres ‘B’ et ‘R’. Une telle suite devrait alors comporter n
fois la lettre ‘B’ et fc G |[0;n]| fois la lettre ‘R’ en se terminant par la lettre ‘B’. Il
est cependant délicat de définir une probabilité sur cet univers. Afin de proposer un
univers plus simple, nous supposons que les tirages se poursuivent au delà de l’épuisement
des boules blanches. On considère alors pour univers Q l’ensemble des suites finies de
longueur 2n comportant n fois la lettre ‘B’ et n fois la lettre ‘R’. Cet ensemble possède
éléments et on le munit de la probabilité uniforme car les tirages sont équiprobables.
(b) La variable aléatoire X prend ses valeurs dans [n ; 2n]. Soit p 6 [n ; 2nJ.
méthode
|| On évalue P(X p) afin d’en déduire P(X = p).
Pour p G [n ; 2n], on a (X p) lorsque toutes les boules blanches figurent dans
les p premiers éléments du tirage. Pour former un tel tirage, il suffit de déterminer les
places des n boules blanches parmi les p premières positions, les autres places étant alors
occupées par des boules rouges. On a donc
1 /
P(X = Card(fi)
Pour p G [n + 1 ; 2n], on en déduit12par la formule du triangle de Pascal
P(X = p) = P(X o) - P(^ P -1)

2n\ 1 P-
n n — 1/
et cette formule est aussi valable si p = n.
(c) L’espérance de X est donnée par la formule

2n z~ \ — 1 2n z \
EW = £pP(X=P)=( ") EpLZJ-
p=n ' ' p=n ' '
Or, pour tout p G [n ; 2n],

(p — 1\ p\ fp\
\n — 1/ (p — n)\(n — 1)!
et donc
et l’on obtient
E(X ) = ,‘(2"+1)
méthode
|| La variance de X se déduit de l’espérance de X(X + 1).
2n 2n / 1 \
E(X(X + 1)) = ^p(p+l)P(X = p) =

p=n
1. La variable X donne directement accès au nombre de boules rouges sorties de l’urne ou au nombre
de boules rouges restant dans l’urne à la fin du tirage. Par symétrie des tirages, on peut aussi en déduire
le nombre de boules rouges tirées avant d’obtenir une première boule blanche.
avec, pour tout p G [n ; 2n]|,
P(p+i)fP = (?+ 1) x «(U = n(n + i)fP+

\n — 1/ \nj \n + 1/
et donc
/ z z x/2nA > fp + 1\ , . f 2n\ fe2n H- 2\

E(X(X + 1)) — n(n + 1) I I \ I ] = n(n + 1) ( ) I ).
v 7 \nl \n + 1J \n J \n + 2 J
On obtient alors
E(x(x +1)) = Mrc+npx + i)
puis
V(X) = E(X2) - E(X)2 = E(X(X + 1)) - E(X) - E(X)2 =
Exercice 15 ***
Un groupe de n 2 individus échange des cadeaux. Chaque individu apporte un
cadeau qu’il dispose dans une urne. Chacun leur tour, les individus retirent de l’urne
un cadeau avec le risque de piocher leur propre cadeau. On note X la variable
aléatoire donnant le nombre d’individus ayant pioché les cadeaux qu’ils ont apportés.
(a) Proposer un espace probabilisé (Q, P) permettant d’étudier l’expérience.
(b) Calculer l’espérance et la variance de X.
Solution
(a) On attribue aux individus un numéro allant de 1 à n et l’on numérote de la
même façon les cadeaux que ceux-ci ont apportés. Une répartition par tirage des cadeaux
s’apparente à une fonction de [1 ; n] vers [1 ; n] qui associe à chaque individu le cadeau que
celui-ci a tiré. Dans le protocole, cette association est bijective et l’on peut choisir pour
univers Q l’ensemble 5n à n\ éléments constitué des permutations de [1 ; nj. Les différentes
répartitions étant équiprobables, l’univers Q est muni de la probabilité uniforme.
(b) Par définition de l’espérance

n
E(X) = J2fcP(X = fc).
k=0
Ce calcul est lié au dénombrement des individus qui ont reçu leur propre cadeau.
méthode
On approfondit l’expérience en poursuivant celle-ci par le choix arbitraire et
uniforme d’un individu. On étudie ensuite si cet individu a reçu son propre
cadeau.
On « agrandit » l’espace probabilisé en considérant l’univers = Q x [1 ; n] muni de

la probabilité uniforme. Dans l’univers Qz, un couple (a, z) traduit une répartition cr des
cadeaux et le choix d’un individu i. On étudie alors l’événement
A = « L’individu choisi a reçu son propre cadeau ».
Pour chaque individu, la variable aléatoire déterminant le numéro du cadeau qu’il reçoit
suit une loi uniforme sur [1 ; n]. On a donc un premier calcul immédiat
Parallèlement, on peut retrouver cette probabilité en introduisant le système complet

constitué des événements (X = k) pour k G [0 ; n]
n
P(yl) = ^2 P(A IX = k) P(X = fc).
k=0
Or lorsque k individus ont reçu leur propre cadeau, la probabilité que l’individu choisi
figure parmi ceux-ci est égale à k/n et donc P (A | X = k) = k/n. On en déduit
n k 1
- P(* = k) = - puis E(X) = 1.
k=0 n n
Pour calculer la variance, on utilise la formule de Huygens en commençant par calculer
n
E(X(X - 1)) = k(k - 1) P(X = k).
k=0
méthode
Comme au-dessus, on approfondit l’expérience afin de pouvoir calculer cette
somme.
On poursuit l’expérience initiale en choisissant un premier individu puis un second
distinct du premier et en étudiant l’événement
B = « Les deux individus choisis ont reçu leur propre cadeau ».
D’une part,
En effet, pour chaque couple d’individus distincts, la variable aléatoire donnant le couple
formé par les cadeaux qui leurs sont attribués suit une loi uniforme sur l’ensemble
à n(n — 1) éléments des couples d’entiers distincts choisis dans [1 ; n]
D’autre part,
n
P(B) = ^2 P(B IX = k) P(X = fc).
fc=0
Or, il y a une probabilité égale à £ que le premier individu choisi s’est vu attribuer son
cadeau puis une probabilité égale à pour le second individu sachant que le premier
a reçu le sien. On a donc
P(B\X1 = k)’ = --YX
n n-1
On en déduit
è! ■ p(x = ^ = ïïfrèi) p,,,s E(W-1)) = 1-
k=0 v 7
Finalement,
V(X) = E(X(X - 1)) + E(X) - E(X)2 = 1.
13.5.4 Couples de variables aléatoires
Exercice 16 *
Deux joueurs lancent chacun n fois une pièce équilibrée. On note X le nombre de
côtés ‘faces’ obtenus par le premier joueur et Y celui du second.
(a) Calculer P(X = Y).
(b) En déduire P(X Y).
Solution
(a) A défaut de précision, les lancers sont supposés indépendants et les variables X
et Y se comprennent comme donnant le nombre de succès dans la répétition de n épreuves
de Bernoulli indépendantes de paramètre 1/2. Les variables X et Y suivent donc chacune
des lois binomiales de paramètres n et 1/2 indépendantes :
/ >n\ 1
P(X = k) = P(Y = k) = ( )— pour tout k e [0 ; n].
L’événement (X = Y) est la réunion des événements incompatibles (X = fc, Y = fc)

pour k allant de 0 à n. On a donc
n
P(X = y) = P(x = k,Y = k).
fc=0
Par indépendance
n n/\2iin/\2
p(x = y) = £p(x = fc)P(y = fc) = £Q- = -£M.
k=0 k—0 ' ' k=Q ' '
Cette dernière somme a déjà été calculée dans le sujet 23 p. 77 et l’on obtient
(b) méthode
Les événements (X = F), (X <Y) et (X > Y) constituent un système com
plet.
Par symétrie de l’expérience, on a P(X < Y) = P(X > F) et donc
1 = P(X = F) + P(X < F) + P(X > F)
= P(X = F) + 2P(X < F)
= 2P(X F) — P(X = F).
P(x<y)=ifi+±f2"')Y
v 7 2y 4n \ n ) J
Exercice 17 **
Soit X une variable aléatoire à valeurs dans [1 ; n] et telle que chaque élément
de [1 ; n] est une valeur prise par X avec une probabilité non nulle. Soit aussi F
une variable aléatoire telle que, pour tout k G [1 ;n], la loi de F sachant (X = k)
est uniforme sur [1 ; k^
(a) Exprimer la loi de F en fonction de celle de X.
(b) En déduire l’espérance de F en fonction de celle de X.
(c) Retrouver ce résultat en considérant la variable Z = X 4-1 — Y.
Solution
(a) Soit k E [1 ; n]. Lorsque l’événement (X = k) a lieu, les hypothèses assurent que F
prend ses valeurs dans fl ; kj et
P(F = j | X = k) = ~ pour tout j e [1 ; fc]|.

K
méthode
La connaissance des probabilités de F sachant X permet de d’exprimer la loi
de F en fonction de celle de X (Th. 4 p. 481).
La variable F prend globalement ses valeurs dans [1 ; n]. Introduisons j G [l;n] et
calculons P (F = J). Les événements (X = fc) pour k allant de 1 à n constituent un
système complet d’événements de probabilités non milles et la formule des probabilités
totales donne
n
pcp=j) = E p(y=ix =p(x = v-
k=l
Lorsque k < J, la probabilité de (F = J) sachant (X = k) est nulle et l’on peut simplifier
les termes correspondants dans la somme puis conclure
n n i
P(r = j) = Ep(y =
k=j
= fc) p(* = fc) = E
k=j K
l p(x = fc)-
(b) L’espérance de Y s’exprime

Tl TL f TL
E(y) = £jp(y = j) = £ =
J=1 j=l \k=j
méthode
|| Pour progresser dans le calcul, on échange les deux sommes.
La double somme correspond à une somme triangulaire portant sur les couples (J, k)
de [1 ;n]2 vérifiant j k. En échangeant les deux sommes, on obtient
k=l \j=l / k=l j—1
E(y) = E(L+Lj =|E(X) + |.
(c) Soit k e [1 ; n]. La loi conditionnelle de Y sachant (X = k) est uniforme sur [1 ; fc]|.
La loi conditionnelle de Z = X +1 — Y sachant (X = k) se confond avec celle de k +1 — Y
qui est aussi uniforme sur [1 ; fc]|. Les deux variables Y et Z satisfont les mêmes conditions
qui déterminent leurs lois, elles suivent donc la même loi1 et ont par conséquent la même
espérance. Or E(Y) + E(Z) = E(X + 1) = E(X) + 1 et l’on retrouve
E(y) = |E(X) + i
13.5.5 Covariance
Exercice 18 *
Soit U et V deux variables de Bernoulli indépendantes de paramètres p et q € ]0 ; 1[.
On pose X = U + V etY = U -V.
(a) Calculer la covariance de X et Y.
(b) Les variables X et Y sont-elles indépendantes ?
Solution
(a) méthode
On peut calculer la covariance de deux variables par la formule de Huygens
(Th. 15 p. 484).
1. Sans pour autant être égales...
On a Cov(X, Y) = E(XY) - E(X) E(Y) avec, par linéarité,
E(X) E(Y) = (E(tZ) + E(Y)) (E([7) - E(Y)) = (p + g)(p - q)

et
E(Xy) = E(/72 - V2) = E(t/2) - E(V2) = E(t/) - E(V) = p - q
car U2 = U et V2 — V puisque U et V prennent leurs valeurs dans {0,1}.

On obtient finalement Cov(X,y) = (p — q)(1 — (p + q)).
(b) Lorsque p^petp + g/1, la covariance de X et Y est non nulle et on peut

directement affirmer que ces variables ne sont pas indépendantes.
méthode
Il La nullité de la covariance1 de deux variables U et V n’est qu’une condition
|| nécessaire à leur indépendance.
Lorsque p = q ou p + q = 1, la covariance de X et Y est nulle et l’on ne peut pas

conclure immédiatement.
méthode
On vérifie l’indépendance de deux variables aléatoires X et Y en comparant
P(X = x, Y = y) et P(X — rr)P(y = p) pour tout couple (æ,p) formé de
valeurs prises par X et Y (Th. 5 p. 481).
On remarque que l’événement (X = 2, Y = 1) est impossible alors que, par indépen

dance,
P(X = 2) - P(U = 1, V = 1) = pq 0
et
p(y = 1) = p(/7 = I, v = 0) + P(U = 0, V = 1) = p(l - p) + q(l - p) 0.
La propriété P(X = 2, y = 1) = P(X = 2) P (y = 1) n’est donc pas satisfaite, les

variables X et Y ne sont pas indépendantes 2.
Exercice 19 **
Soit X1?... ,Xn,Xn+i des variables aléatoires mutuellement indépendantes suivant
chacune des lois de Bernoulli de même paramètre pE [0 ; 1]. Pour tout k e [1 ; nj on
pose Yfc = X^Xk+i. Calculer la variance de Sn = Y± H---- + Yn.
1. Il en est de même pour la vérification de l’égalité E(XY) = E(X) E(Y).

2. Cette situation illustre qu’une covariance peut être nulle sans que les variables soient indépendantes.
Solution
Chaque variable Yk pour k allant de 1 à n suit une loi de Bernoulli de paramètre p2
car elle prend ses valeurs dans {0,1} et car on a par indépendance de Xk et X^+i
p(yfe = i) = p(xfe = i, xfe+1 = i) = p(xfe = i) p(xfe+1 = i) = p2.
Cependant, les variables Yi,..., Yn ne sont pas indépendantes.

méthode
La variance de la somme Y± H------ \-Yn se déduit du calcul des covariances des
variables Yi,..., Yn (Th. 16 p. 484).
Soit i et j deux indices distincts dans [1 ; n]. Calculons la covariance de Yi et Yj :
Cov(Yb Y,) = E(Y^) - E(^) E(y7)

= E(XrXwX3X3^ - EpQ) E(Xi+1) E(Xj) E(Xi+1).
Quitte à échanger, on peut supposer i < j car on sait Cov(Yi,Yj) — Cov(Y), Yi). On est
alors amené à distinguer deux cas.
Cas : i + 1 < j. Les variables Xj et Xj+i sont deux à deux distinctes et l’on
a par indépendance
E(XiXi+1XjXj+1) = E(X0E(Xi+1)EQQ)E(Xj+1).
La covariance de Yi et Yj est alors nulle.

Cas : i + 1 = j. Les variables Xz+i et X3 sont identiques donc Xi+1Xj = X2+1 = Xi+i
puis
E(XiXz+1X3X3+1) = E(XiXl+1Xl+2) = E(Xt)E(Xz+1)E(X,+2).
La covariance de Yi et Yi+1 vaut alors
Cov(yi,yi+1) = p3 - p4.
Notons qu’il y a exactement (n — 1) couples (z,j) avec j = i + 1.

Il reste alors à développer la variance de la somme par bilinéarité de la covariance :
n / n \ n n—1 / n \
v(5n) = cov(s„, = EIE Cov(y’ y>) ) = Ev(y)+2 E ( E Cov(y> y^ )

i—1 \J=1 / i=l i—1 \j=i4-l /
= np2 (1 - p2) + 2(n - 1) (p3 - p4)

= p2(l -p)(n(3p+ 1) - 2p).
Exercice 20 **
Soit X et Y deux variables aléatoires réelles avec V(X) > 0. Déterminer (a, b) E R2
minimisant la quantité
E((y-(aX + i>))2).
Solution
Par la formule de Huygens
e((Y-(aX + b))2) = V(Y-(aX + b)) + E(Y - (aX + b))2

= V(Y - aX) + (E(Y) - oE(X) - b)2.
méthode
Il s’agit de la somme de deux termes positifs. Le premier peut être rendu
minimal pour une bonne valeur de a et, lorsque celle-ci est connue, le second
peut être rendu nul pour un bon choix de b.
En développant le calcul de la variance
V(Y - aX) = a2 V(X) - 2a Cov(X, Y) + V(Y).
Cette quantité est une expression du second degré en la variable a qui est minimale pour
_ Cov(X, Y)
a~ V(X) •
Parallèlement, le terme (E(Y) — aE(X) — b)2 est nul pour b = E(Y) — aE(X).
Finalement, l’espérance étudiée est minimale pour
_ Cov(X, Y) E(Y) V(X) - E(X) Cov(X, Y)
a~ V(X) et b~ V(X) •
Ces valeurs de a et b réalisent une régression linéaire : elles donnent la meilleure approxi
mation linéaire de Y en fonction de la variable X.
13.5.6 Inégalités de concentration
Exercice 21 *
Soit X une variable aléatoire réelle et g : R+ une fonction croissante. Montrer
que, pour tout réel a positif,
g(a)P(|X| > a) E(g(|X|)).
Solution
méthode
On peut appliquer l’inégalité de Markov (Th. 17 p. 485) à la variable composée
Y = g(|X|) ou reproduire la démonstration de celle-ci.
On privilégie ici la deuxième démarche1. Soit a e . On a
P(|X| >a) =E(1a) avec A=(\X\â).
1. La fonction g étant seulement supposée croissante et non strictement croissante, on sera attentif
à écrire l’inclusion (|X| a) C (#(|X|) > g(a)) et non l’égalité lors de l’application de l’inégalité de
Markov à Y — ^(|X|).
Or
g(\X\) > g(a)lA.
En effet, si |X| < a, le premier membre est positif alors que le second est nul et, si |X| a,
le premier membre est supérieur au second par croissance de g.
Par croissance et linéarité de l’espérance, on obtient alors
e(5(|X|)) >E(<7(a)lA) =<7(a)P(A).
Exercice 22 *
Une population présente une propriété dans une proportion inconnue p € ]0 ; 1 [ que
l’on souhaite estimer. On choisit un échantillon de n personnes et l’on pose Xi = 1 si
le i-ème individu présente la propriété étudiée, 0 sinon. On considère que les variables
aléatoires Xi ainsi définies sont indépendantes et suivent chacune une loi de Bernoulli
de paramètre p. Enfin, on pose Sn = X± + • • • -F Xn.
(a) Soit e > 0. Établir
p/ Sn V 1
p( H* w-
(b) Pour e = 0,05, quelle valeur de n peut-on choisir pour que Sn/n constitue une
valeur approchée de p à & près avec une probabilité supérieure à 95 % ?
Solution
(a) méthode
|| On applique l’inégalité de Bienaymé-Tchebychev (Th. 18 p. 485).
Par somme de variables de Bernoulli indépendantes, la variable Sn suit une loi bino
miale de paramètres n et p. On sait donc
; E(Sn)=np et V(Sn) = np(l-p).
En appliquant l’inégalité de Bienaymé-Tchebychev à la variable Sn
p( — - p > e) = P(|Sn — np\ > ne)

y n ) v ' ne2
Enfin, l’inégalité classique1 p(l — p) 1/4 permet de conclure.
(b) Il suffit de choisir n de sorte que l/4ns2 0,05. La valeur n = 2 000 convient.
1. Voir sujet 4 du chapitre 1 de l’ouvrage Exercices d’analyse MPSI.

Exercice 23 ***
Soit Xi,... ,Xn des variables aléatoires indépendantes de loi uniforme sur { — 1,1}.
On pose Sn = Xi H------ F Xn.
(a) Montrer que ch A < eA2/2 pour tout réel A.
(b) Etablir que, pour tout a > 0,
><A <e"n“2/2.
\ n J
Solution
(a) méthode
|| On étudie l’inégalité équivalente obtenue par passage au logarithme.
Considérons la fonction f : R —> R définie par /(A) = |A2 — ln(ch A). La fonction f est
indéfiniment dérivable avec, pour tout A E R,
/'(A) = A — tanh A et /"(A) = tanh2 A.
On en déduit les variations puis le signe de f :
A —oo 0 4-oo
f"W + 0 +
____4-oc
f'W ______ —-o-—
—oo
rw 0 +
+oo +oo
fW
La fonction f est donc positive et par conséquent In(chA) < |A2 pour tout A réel. On
conclut à l’inégalité voulue par croissance de l’exponentielle.
(b) méthode
On applique l’inégalité de Markov à une variable aléatoire bien choisie en
fonction de Sn.
Soit a et A des réels strictement positifs. Par stricte croissance de la fonction 11-> eAt,
on a l’égalité d’événements
Par l’inégalité de Markov appliquée à la variable Y = eXSn, il vient
> a) = P(eAS" > eAn“) < e~Xna E(eAS”).
On peut calculer l’espérance figurant en second membre par l’indépendance des va
riables Xi,..., Xn qui entraîne1 celle des variables eAX1,..., eAXn.
E(eA5-) = E(eAX1 x • • • x eAX") = E(eAX1) x • • • x E(eAX") = Ç—-----
En exploitant l’inégalité de la question précédente, on poursuit
p(— > aj e-An“(ch A)n e-An«enÀ2/2

\ n J
Il reste à choisir convenablement A. Pour la valeur2 A = a, on conclut3
pf Ék -> | < p-na2pna2/2 _ p-na2/2

\ n J
Exercice 24 *
Soit Xi,..., Xn des variables aléatoires indépendantes suivant toutes une même loi
de Bernoulli de paramètre p e [0; 1]. On forme U la colonne de A4nj(R) dont les
éléments sont les valeurs respectives des variables Xi,..., Xn.
Donner la probabilité que M soit une matrice de projection.
Solution
La matrice U est une colonne de hauteur n, sa transposée tU est une ligne de longueur n
et le produit M = UÛ est une matrice carrée de taille n. Celle-ci est une matrice de
projection si, et seulement si, M2 = M.
méthode
|| Lorsque X et Y sont deux colonnes, le calcul fXY détermine un scalaire4.
On a
M2 = (U * IX) (UÉ L7) = U( lUU) lU = XM avec A = lUU.
1. Cette affirmation se justifie aisément par le Th. 7 p. 482.

2. Le polynôme du second degré Au Â2 — naX est minimal en a.
3. Ce résultat est un cas particulier de l’inégalité de Chernoff que l’on retrouvera dans le sujet 25 du
chapitre 9 de l’ouvrage Exercices d’algèbre et de probabilités MP.
4. Lorsque X et Y sont des colonnes réelles de hauteur n, lXY correspond au calcul du produit
scalaire canonique sur A4n,i(JR).
La matrice M est donc une matrice de projection si, et seulement si, A =1. Or
n n
tuu = 1£x^^/xi
i—1 i=l
car Xi,..., Xn prennent leurs valeurs dans {0,1}. Enfin, les variables Xi,..., Xn étant
indépendantes et suivant une même loi de Bernoulli de paramètre p, la variable A suit une
loi binomiale de paramètres n et p. La probabilité que M soit une matrice de projection
est alors
P(A = 1) = - p)"-1 = np(l - p)”"1.
Exercice 25 *
Soit Xi et X2 deux variables aléatoires réelles. On suppose que E(Xf) = E(X2)
pour tout A; € N. Montrer que les variables Xi et X2 suivent les mêmes lois.
Solution
méthode
Il On observe E(L(Xi)) = E(L(X2)) pour tout polynôme réel L.
Soit L = (1q + aiX 4- • • • + a^XN un polynôme réel. Par linéarité de l’espérance, on

peut écrire
N N
E(L(%i)) = âfcE(Xxfc) = ^>fcE(X2fc) = E(L(X2)).
fc=0 k=0
Pour montrer que les variables Xi et X2 suivent les mêmes lois, on vérifie l’égalité
P(Xi = x) — P(X2 = æ) pour toutes les valeurs x prises par ces variables. Introduisons E
l’ensemble des valeurs prises par les variables Xi et X2. L’ensemble E est fini et l’on peut
énumérer ses éléments
E = {#i,..., xn} avec aq,..., xn deux à deux distincts.
Soit i G [1 ; n]. Montrons P(Xi = xi) = P(X2 = Xi) en introduisant un polynôme1 Li

prenant la valeur 1 en Xi et la valeur 0 en les Xj pour j i.
Par la formule de transfert,
n
EfLiÇXJ) = = Xj) =P(Xx =Xi)
j=l
et de même E(L^(X2)) = P(X2 = xi). On a donc P(Xi = Xi) = P(X2 = Xi) pour tout i
de [1 ; n] et l’on peut affirmer que les variables Xi et X2 suivent la même loi.
1. Un tel polynôme existe, voir sujet 6 p. 285.

Exercice 26 **
On considère deux dés à 6 faces non nécessairement équilibrés, non nécessairement
identiques. On note X± et X? les variables aléatoires indépendantes déterminant les
valeurs de ces deux dés.
(a) Montrer que le polynôme réel P = 1 + x + x2 + • • • + X10 ne peut pas se
factoriser dans R[X] comme un produit de deux polynômes réels de degré 5.
(b) Montrer qu’il est impossible que X± H- X? suive une loi uniforme sur [2 ; 12].
Solution
(a) On observe (X — 1)F = X11 — 1. Hormis le nombre 1 qui en est racine simple, le
polynôme X11 — 1 ne possède pas de racines réelles1. Par l’absurde, si le polynôme P
peut être factorisé en un produit de deux polynômes réels de degrés impairs, chaque
facteur admet une racine réelle qui est alors racine de X11 — 1. C’est absurde.
(b) Introduisons les probabilités des valeurs des différentes faces des deux dés
Pi = P(Xi = z) et qi = P(X2 = ï) pour tout i e [1 ; 6].
méthode
On introduit les polynômes réels
Pi = Pi + PzX H------ 1- p6X5 et Qi = Qi + q2X 4------ j- q$X5.

Les lois de Xi et X2 permettent de déterminer celle de Xi + X2. Cette variable prend
ses valeurs dans [2 ; 12] et
P(Xi + X2 = 2) = P(Xi = 1, X2 = 1) = P(Xx = 1) P(X2 = 1) = M,
P(%! + X2 = 3) = P(Xi = 1) P(X2 = 2) + P(Xi = 2) P(X2 = 1) = P1q2 + p2Q1, etc.
De façon générale, on observe que
P(Xi + X2 = k) = piqj pour tout k e [2 ; 12]
i+j=k
où la somme s’étend sur les couples (z,J) e [1 ; 6]2 vérifiant la condition i + j = k.

Ce calcul est aussi celui que l’on mène lorsque l’on étudie les coefficients du poly
nôme Q = P1P2- On peut alors affirmer que la loi de Xi + X2 est donnée par les
coefficients de Q.
Supposons par l’absurde que la variable Xi +X2 suit une loi uniforme sur [[2 ; 12]. Tous
les coefficients du polynôme Q sont alors égaux à 1/11 ce qui donne l’égalité
(pi +p2X + • • • +p6X5)(Q1 + q2X + • • • + %X5) = 1(1 + X + • +X10).
Les coefficients pq et q$ sont nécessairement non nuis et ce qui précède est alors absurde
car contredit le résultat de la première question.
1. Pour nGN*, les racines complexes de Xn — 1 sont les racines n-ièmes de l’unité, il y en a n parmi
lesquelles les racines réelles sont 1 et —1, cette dernière uniquement lorsque l’entier n est pair.
Exercice 27 *** (Théorème de Weierstrass)

Soit / : [0 ; 1] —> R une fonction continue. Pour n G N* et x G [0 ; 1], on introduit une
variable aléatoire Xn = Sn/n où Sn suit une loi binomiale de paramètres n et x.
(a) Vérifier que Bn(J) : x E(/(Xn)) est une fonction polynomiale sur [0 ; 1].
Soit e > 0.
(b) Justifier l’existence d’un réel a > 0 et d’un réel M G R+ vérifiant
V(x,ÿ) e [0; l]2, \y - rr| a => \f(y) - /(a:)| e et Va; € [0; 1], \f(x)\ < M.
(c) On considère l’événement An = ( | Xn — x | ce). Montrer
E(|/(Xn)-/(a;)|Un)o et E(|/(VJ-/(a;)|l^)^^L
(d) Conclure que, pour n assez grand,
sup |Bn(/)(x) - /(æ)| 2e.

x€[0;l]
Solution
(a) Soit x G [0 ; 1]. La variable Sn prend ses valeurs dans [0;n] et la variable Xn
prend les siennes dans [0 ; 1]. La variable composée f(Xn) est donc bien définie et par la
formule de transfert
Bn(/)(x)=E(/(Xn))=^/ (-)p(Sn
\n / fc=0 ' ' ' '
fc=0
La fonction x i—> Bn(/)(x) est donc bien polynomiale sur [0 ; 1].
(b) La fonction f est continue sur le segment [0 ; 1], le théorème de Heine1 assure
que f est uniformément continue ce qui donne l’existence du réel a > 0 tel que voulu.
La fonction f est continue sur le segment [0; 1], le théorème des bornes atteintes2
affirme que f est bornée ce qui permet d’introduire M G R+ tel que souhaité.
(c) On a |y(X„) - /(rr)| lAn car, si la valeur de la fonction indicatrice n’est

pas nulle, on a |Xn — a?| < a et donc |/(Xn) — /(æ)| s. Par croissance de l’espérance
e(|/(X„) - /(æ)|U„) eE(Un) = £P(An) E.
Aussi, on a
|/(Xn) - f(x)\ < | + |/(t)| V 2M
ce qui entraîne la comparaison
|/(Xn)-/(æ)|1^^2Mlxr.
Par croissance de l’espérance, il vient
E(|/(Xn) - /(s)|l^) < 2ME(1^) = 2MP(ÂÏ).
méthode
On majore la probabilité de l’écart à la moyenne par l’inégalité de Bienaymé-
Tchebychev.
L’espérance de Xn est égale à æ et sa variance égale à . L’inégalité de Bienaymé-

Tchebychev donne alors
ppü) = P(|Xn - ^| > a) 37(1 ■

nor
Enfin, par l’inégalité #(1 — x) 1/4, on conclut
(d) La borne supérieure introduite existe car elle porte sur une fonction continue sur
un segment donc bornée. Pour obtenir l’inégalité demandée, il suffit de constater
|Bn(/)(æ) — /(æ)| 2s pour tout x E [0 ; 1].
Les événements An et An constituent un système complet d’événements ce qui permet

d’écrire 1 = 1^ + 1^-. Ce qui précède donne alors
E(|/(Xn) - /(x)|) = E(|/(Xn) - + E(|/(Xn) - /Hl^) < e + TE.
Pour n assez grand, on a ^£2 £ et donc E^|/(Xn) — /(æ)Q 2s.

Enfin, l’espérance d’une constante étant la valeur de celle-ci, on a pour tout x E [0 ; 1]
|Bn(/)(x) —/(a?)| = |E(/(Xn)) — E(/(x)) | = |E(/(Xn)-/(^))|.
Par croissance de l’espérance, on peut affirmer |E(V)| E(|F|) pour toute variable
réelle Y et donc conclure
|Bn(/)(x) - f(x)\ < E(|/(Xn) - /(æ)|) < 2e.
Ainsi, la fonction f continue sur [0 ; 1] peut être approchée uniformément par une
fonction polynomiale. Ce résultat sera de nouveau présenté dans le cours de seconde
année (Th 7 du chapitre 7 de l’ouvrage Exercices d’analyse MP dans la même collection).
Table des matières
1 Ensembles et applications 3
1.1 Rudiments de logique ...................................................................................... 3
1.2 Ensembles............................................................................................................ 6
1.3 Applications......................................................................................................... 8
1.4 Relations binaires................................................................................................ 12
1.5 Exercices d’apprentissage................................................................................ 13
Phrases quantifiées............................................................................................. 14
Raisonnements................................................................................................... 17
Opérations dans p(E)...................................................................................... 21
Applications......................................................................................................... 23
Relations binaires................................................................................................ 27
1.6 Exercices d’entraînement................................................................................... 29
Opérations dans p(B)...................................................................................... 29
Injection, surjection, bijection.......................................................................... 30
Images directes et images réciproques ........................................................... 36
Relations binaires................................................................................................ 40
1.7 Exercices d’approfondissement ....................................................................... 42
2 Calculs algébriques 47
2.1 Les entiers naturels et le principe de récurrence........................................... 47
2.2 Sommes et produits ......................................................................................... 48
2.3 Formules du binôme et de factorisation........................................................... 52
2.4 Systèmes d’équations linéaires.......................................................................... 54
2.5 Exercices d’apprentissage ................................................................................ 56
Principe de récurrence...................................................................................... 56
Sommes et produits ......................................................................................... 57
518 Table des matières
Coefficients binomiaux...................................................................................... 62
Systèmes d’équations linéaires.......................................................................... 64
2.6 Exercices d’entraînement................................................................................... 66
Principe de récurrence...................................................................................... 66
Sommes numériques.......................................................................................... 69
Produits numériques......................................................................................... 72
Coefficients binomiaux...................................................................................... 74
2.7 Exercices d’approfondissement ....................................................................... 80
3 Arithmétique des entiers 87

3.1 Divisibilité............................................................................................................ 87
3.2 PGCDetPPCM................................................................................................ 89
3.3 Entiers premiers entre eux................................................................................ 91
3.4 Nombres premiers ............................................................................................. 92
3.5 Exercices d’apprentissage................................................................................ 94
Divisibilité............................................................................................................ 94
PGCDetPPCM................................................................................................ 95
Entiers premiers entre eux................................................................................ 97
Nombres premiers ............................................................................................. 99
3.6 Exercices d’entraînement...................................................................................... 101
Etudes arithmétiques.............................................................................................101
Nombres premiers ................................................................................................108
L’infinité des nombres premiers.......................................................................... 109
Décomposition en facteurs premiers.................................................................... 111
3.7 Exercices d’approfondissement .......................................................................... 112
4 Structures algébriques usuelles 119

4.1 Loi de composition interne................................................................................... 119
4.2 Structure de groupe ............................................................................................ 122
4.3 Structure d’anneau................................................................................................123
4.4 Exercices d’apprentissage................................................................................... 125
Loi de composition interne................................................................................... 125
Groupes.................................................................................................................. 127
Loi de composition interne................................................................................... 130
Groupes.................................................................................................................. 132
Sous-groupes......................................................................................................... 134
Groupes finis......................................................................................................... 137
Anneaux et corps................................................................................................... 138
Table des matières 519
5 Polynômes et fractions rationnelles 149

5.1 L’anneau des polynômes...................................................................................... 149
5.2 Racines d’un polynôme......................................................................................... 152
5.3 Dérivation............................................................................................................... 156
5.4 Arithmétique des polynômes................................................................................ 157
5.5 Le corps des fractions rationnelles....................................................................... 160
5.6 Exercices d’apprentissage ................................................................................... 163
Polynômes............................................................................................................... 163
Racines.................................................................................................................. 165
Arithmétique des polynômes................................................................................ 168
Décompositions en éléments simples................................................................. 171
Généralités............................................................................................................ 176
Racines.................................................................................................................. 179
Relations coefficients-racines d’un polynôme scindé........................................ 181
Arithmétiques des polynômes............................................................................. 184
Familles de polynômes classiques....................................................................... 188
Les fractions rationnelles...................................................................................... 193
6 Dénombrement 205
6.1 Cardinal d’un ensemble fini................................................................................ 205
6.2 Cardinaux usuels...................................................................................................207
6.3 Listes, arrangements, combinaisons.................................................................... 208
Généralités............................................................................................................ 209
Dénombrements......................................................................................................210
Démonstrations combinatoires............................................................................. 213
Dénombrements......................................................................................................214
Compositions d’un entier ................................................................................... 218
Dénombrements ensemblistes............................................................................. 221
Dénombrements d’applications.......................................................................... 223
7 Espaces vectoriels 235

7.1 Espaces vectoriels...................................................................................................235
7.2 Sous-espaces vectoriels......................................................................................... 237
7.3 Famille de vecteurs............................................................................................... 240
7.4 Espaces de dimension finie................................................................................... 241
7.5 Sous-espaces affines............................................................................................... 244
Sous-espaces vectoriels......................................................................................... 245
Liberté d’une famille de vecteurs....................................................................... 249
Généralités sur les espaces vectoriels................................................................. 253

Liberté..................................................................................................................... 259
Supplémentarité .................................................................................................. 260
Rang d’une famille de vecteurs.......................................................................... 264
L’espace des polynômes...................................................................................... 265
Sous-espaces affines............................................................................................... 267
7.8 Exercices d’approfondissement ......................................................................... 268
8 Les applications linéaires 273

8.1 Applications linéaires............................................................................................ 273
8.2 Endomorphismes...................................................................................................275
8.3 Détermination d’une application linéaire.......................................................... 276
8.4 Théorème du rang............................................................................................... 277
Généralités............................................................................................................ 279
Applications linéaires en dimension finie.......................................................... 283
Généralités............................................................................................................ 286
Projections vectorielles......................................................................................... 291
Applications linéaires en dimension finie.......................................................... 296
Rang d’une application linéaire.......................................................................... 298
Formes linéaires et hyperplans............................................................................. 303
9 Matrices 309
9.1 Calcul matriciel......................................................................................................309
9.2 Représentations matricielles................................................................................ 313
9.3 Changements de bases......................................................................................... 317
9.4 Opérations élémentaires et systèmes linéaires................................................. 319
Calculs matriciels.................................................................................................. 321
Matrices et applications linéaires....................................................................... 326
Les matrices carrées............................................................................................ 331
Matrices carrées inversibles................................................................................ 335
Matrices et applications linéaires....................................................................... 337
Trace d’une matrice carrée................................................................................... 344
Rang........................................................................................................................ 345
10 Déterminants 353
10.1 Groupe symétrique............................................................................................... 353
10.2 Déterminants.........................................................................................................355
10.3 Calculs de déterminants...................................................................................... 358
10.4 Applications............................................................................................................ 360
Table des matières 521

Permutation de {1,..., n}................................................................................... 361
Calculs de déterminants...................................................................................... 363
Calculs de déterminants...................................................................................... 366
Déterminant d’une matrice ................................................................................ 375
Déterminant par blocs......................................................................................... 377
Déterminant d’un endomorphisme .................................................................... 379
Applications............................................................................................................ 383
11 Espaces préhilbertiens réels 393

11.1 Produit scalaire......................................................................................................393
11.2 Espaces euclidiens ............................................................................................... 397
11.3 Isométries vectorielles......................................................................................... 401
Produit scalaire..................... 405
Base orthonormale............................................................................................... 408
Orthogonal d’une partie...................................................................................... 410
Isométrie et matrices orthogonales....................................................................413
Produit scalaire......................................................................................................415
Espace euclidien .................................................................................................. 418
Projection orthogonale......................................................................................... 419
Calcul de distance à un sous-espace vectoriel ................................................. 424
Isométries............................................................................................................... 426
Matrices orthogonales......................................................................................... 430
12 Probabilités 439
12.1 Probabilité sur un univers fini............................................................................. 439
12.2 Probabilités conditionnelles................................................................................ 441
Définition d’une probabilité................................................................................ 450
Evénements indépendants................................................................................... 453
Calcul de probabilités......................................................................................... 458
Probabilités conditionnelles................................................................................ 464
13 Variables aléatoires 477

13.1 Variables aléatoires sur un espace probabilisé fini........................................... 477
13.2 Vecteurs aléatoires............................................................................................... 479
13.3 Espérance et variance d’une variable aléatoire réelle ..................................... 482

Loi binomiale.........................................................................................................491
Espérances et variances ...................................................................................... 494
Calcul d’espérances et de variances.................................................................... 497
Couples de variables aléatoires .......................................................................... 503
Covariance ............................................................................................................ 505
Inégalités de concentration................................................................................... 508
^/////^
et ouvrage propose 401 exercices d’algèbre et de probabilités regrou
Y/// C pés par chapitre et accompagnés de résumés de cours. Il est destiné

aux élèves de CPGE scientifiques de première année en filière MPSI.
Il pourra aussi intéresser les étudiants préparant le CAPES de mathéma
tiques. y/
Les résumés de cours présentent de façon synthétique les définitions et les théorèmes
conformément au programme de la filière. Ils seront utiles pour une révision rapide et
efficace et pourront servir de formulaire.
Les exercices proposés sont de niveaux variés et regroupés en trois catégories :
• les exercices d’apprentissage permettent l’acquisition des fondamentaux du cours ;
• les exercices d’entraînement conduisent à la maîtrise des concepts du chapitre ;
• les exercices d’approfondissement invitent les étudiants à une recherche plus
fouillée par la mise en résonance de notions présentées dans différents chapitres.
Les corrections des exercices sont détaillées pas à pas et accompagnées de
méthodes mettant en lumière les démarches suivies et les idées récurrentes.
des résumés de cours

des méthodes
401 exercices de niveaux variés
des corrigés très détaillés
strictement conforme au programme officiel
David DELAUNAY, ancien élève de l’École normale supérieure de Cachan, est professeur agrégé
de mathématiques en classes préparatoires au lycée Dupuy de Lôme de Lorient.
:
Collection dirigée par Olivier RODOT

MPSI MP/MP*
Exercices Exercices
d’analyse d’algèbre
et de probabilités
ISBN : 978-2-8073-0613-4
deboeckQ
SUPÉRIEUR
782807 306134 www.deboecksuperieur.com

Exercices D Algebre Et de Probabilites Mpsi

Transféré par

Droits d'auteur :

Formats disponibles

Exercices D Algebre Et de Probabilites Mpsi

Transféré par

Informations du document

Description originale:

Titre original

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

Exercices D Algebre Et de Probabilites Mpsi

Transféré par

Droits d'auteur :

Formats disponibles

MPSI

N. BASBOIS et P. ABBRUGIATI, Algèbre MPSI/PCSI, 2e édition

G. COSTANTINI, Analyse MPSI/PCSI, 2e édition

K. DAO DUC et D. DELAUNAY, Probabilités

D. DELAUNAY, Exercices d’analyse MP/MP*

D. DELAUNAY, Exercices d’analyse MPSI

D. DELAUNAY, Exercices d’algèbre et de probabilités MP/MP*

D. DELAUNAY, Exercices d’algèbre et de probabilités MPSI

O. RODOT, Analyse MP/MP*

Chez le même éditeur

A. ALTMAYER-HENZIEN, Chimie PCSI/MPSI

© De Boeck Supérieur s.a., 2017 1ère édition, 2017

Tous droits réservés pour tous pays.

Imprimé aux Pays-Bas.

1.1 Rudiments de logique

1.1.2 Conjonction et disjonction

1.1.3 Implications et équivalences

Théorème 2 (Négation d’une implication)

Théorème 3 (Double implication)

(9!x e E, P(æ)) 3x € E, P(x) et ( \/x G E, Mx' G E, (P(x) et P(a/)) x = x'

Dans les phrases quantifiées précédentes, la lettre x revêt un rôle muet.

Théorème 4 (Négation d’une phrase quantifiée)

non(Va; G E, P(rr)) ~ 3x e E, non(P(æ))

Théorème 5 (Double inclusion)

le sous-ensemble constitué des éléments de E qui vérifient l’assertion P(x).

1.2.2 Opérations sur les parties d’un ensemble

L’intersection A A B est incluse dans chacune des deux parties A et B. Aussi, A A B

1.2.3 Produit cartésien

Æ?i x • • • x En x En+1 =f (Ei x • ■ • x En) x En+1.

Un élément de l’ensemble Fi x • • • x En se nomme un n-uplet. On parle aussi de multiplet.

f(x) — g(x) pour tout x G E.

Il est commun de définir une application f en précisant une « démarche calculatoire »

l’ensemble de départ. Par exemple, on définit l’application identité de E par

Aussi, si A désigne une partie de E, on définit la fonction indicatrice de A comme étant

1.3.2 Prolongements et restrictions

f(x) = f(x) pour tout x G E.

/IaW f(x) pour tout x e A.

(fl ° /)O) =f fl (/(#)) pour tout x e E.

1.3.5 Injection, surjection, bijection

V(x,®z) G E2, x / x' => /(æ) f(x').

V(x,x')eE2, f(x) = f(xf) => x = xf.

Par passage à la négation, f n’est pas injective si

3(æ, x') e E2, f(x) = f(x') et x xf.

\/y e F, 3!æ e E, f(x) = y.

V(a:,y) e E x F, y = f(x) • > x=

Enfin, on peut énoncer les résultats de composition :

1.3.6 Images directes et images réciproques

f(A) = {y e F | 3x G A, f(x) = y}.

1.4 Relations binaires

1.4.1 Propriétés remarquables

1.4.2 Relation d’ordre

Sinon l’ordre est dit n’être que partiel.

1.4.3 Relation d’équivalence

1.5 Exercices d’apprentissage

EetF désignent des ensembles.

1.5.1 Phrases quantifiées

(b) La portion « 3x G R, f(x) M » signifie que la fonction f prend une valeur au

(d) L’implication « f(x) = 0 => x = 0 » signifie que si f s’annule en x alors x est