Cours 07112021

ESP, IPGEI de NKTT Cours MP*, 2021-2022
Cours de mathématiques MP*.
IPGEI de NKTT
Année scolaire 2021-2022.
1
Chapitre 1
Séries numériques
Du 04 au 07 Octobre
Dans ce chapitre, E = R ou C.
1.1 Généralités
Soit (un )n∈N une suite d’éléments de E. On note (Sn ) la suite définie par
n
X
∀n ∈ N, Sn = uk .
k=0
X
Le couple ((un ), (Sn ))) est appelé la série associée à la suite (un ) et sera noté un .
X
La suite (Sn )n∈N est appelée suite de sommes partielles de la série un .
Étudier la série de terme général un , c’est étudier la suite (Sn ).
Si la suite (Sn ) est convergente vers S, on dit que la série de terme général un est convergente et de somme S.
Dans le cas de convergence, on note

+∞
X
un := S
n=0
et on définit la suite de restes (Rn )n par :
∀n ∈ N, Rn = S − Sn
et on note
+∞
X
uk := Rn .
k=n+1
X X X
Proposition 1.1 Soit un une série complexe. Alors, la série un converge ssi les séries Re(un ) et
X
Im(un ) convergent. De plus, en cas de convergence,
∞
X ∞
X ∞
X
un = Re(un ) + i Im(un ).
n=0 n=0 n=0
Exemples 1.1
1. La série de terme général un = 1, ∀n ∈ N est divergente.

2. La série de terme général un = q n , ∀n ∈ N(q nombre complexe) converge ssi |q| < 1.
1 3
3. La série de terme général un = 2 , ∀n ≥ 2 converge et de somme .
n −1 4
2
(−1)n
4. La série de terme général un = , ∀n ∈ N converge et sa somme est ln 2.
n+1
1
5. La série de terme général un = , ∀n ∈ N∗ est divergente.
n
∞ n
X x
6. Pour tout x ∈ R, ex = .
n=0
n!
Exercice 1.1 Que vaut

∞
X (−1)n
?
n=0
(2n)!
Remarque 1.1 La suite (un )n converge ssi la série de terme général vn = un − un−1 converge.
Proposition 1.2 Si la série de terme général un converge, alors un → 0 lorsque n tend vers +∞.
X
Si la condition lim un = 0 n’est pas vérifiée, on dit que la série est grossièrement divergente.
X
Exemple 1.1 La série (−1)n diverge.
X 1
Contre exemple 1.1 La série harmonique est divergente.
n+1
Propriétés 1.1 1. On ne change pas la nature d’une série en modifiant un nombre fini de ses termes.
2. L’ensemble des séries numériques convergentes est un espace vectoriel et l’application de cet ensemble
∞
X
définie par u 7→ un est linéaire.
n=0
X X
Théorème 1.1 (Critère de Cauchy) Soit un une série d’éléments de E. La série un converge ssi :
p
X
∀ϵ > 0, ∃n0 ∈ N, ∀p > q ≥ n0 , | uk | ≤ ϵ.
k=q+1
X 1
Exemple 1.2 La série harmonique est divergente.
n+1
X
Définition 1.1 ( Séries absolument convergentes) Soit un une série d’éléments de E, nous dirons qu’elle
X
est absolument convergente lorsque la série |un | est convergente.
X X
Proposition 1.3 Soit un une série d’éléments de E absolument convergente. Alors, un converge et
+∞
X +∞
X
| un | ≤ |un |.
n=0 n=0
X (−1)n
Contre exemple 1.2 La série converge mais elle ne converge pas absolument.
n+1
Exercice 1.2 1. Montrer que pour tout entier naturel N non nul,
N 2N
1 X (−1)n+1

X 1 1 1
− − =
2k − 1 4k − 2 4k 2 n=1 n
k=1
2. En déduire la somme :

1 1 1 1 1 1 1 1
1− − + − − + − − + ... + ...
2 4 3 6 8 5 10 12
3. Commenter le résultat.
3
1.2 Séries alternées

X
Soit un une série de réels, nous dirons qu’elle est alternée lorsque : Il existe une suite (vn ) de réels positifs
telle que :
∀n ∈ N, un = (−1)n vn
ou
∀n ∈ N, un = (−1)n+1 vn .
X
Théorème 1.2 (CSSA) Soit un un série de réels alternée telle que |un | tende en décroissant vers 0, alors :
X
1. La série un converge,
2. sa somme est comprise entre deux sommes partielles successives quelconques,
∞
X
3. Pour tout n entier, le reste Rn = uk est de signe de un+1 et
k=n+1
|Rn | ≤ |un+1 |.
Exercice 1.3 Étudier les séries de termes généraux :
(−1)n (−1)n + ln n (−1)n n + 1

un = , vn = et wn = .
n ln n n ln n n(n + 1)
X (−1)n
Exercice 1.4 Soit α ∈ R. Étudier la nature de la série numérique .
nα
+∞
X (−1)n
Exercice 1.5 Calculer une valeur approchée de 2−1
à 10−2 près.
n=2
n
1.3 Séries à termes positifs

X X
Théorème 1.3 Soit un une série de réels positifs. La série un converge ssi la suite de ses sommes partielles
n
est majorée.
X X
Théorème 1.4 Soient un et vn deux séries de réels positifs telles que un = O(vn ).
X X
1. Si la série vn converge, alors la série un converge.
X X
2. Si la série un diverge, alors la série vn diverge.
X 1
Exemple 1.3 1. La série converge,
n2
X 1
2. pour tout α ∈] − ∞, 1], la série diverge
nα
Application 1.1 Toute série à termes réels absolument convergente est convergente. Considérer les parties po-
sitive et négative du terme général.
p
Exercice 1.6 Étudier la nature de la série de terme général un = sin(π n2 + 2n + 3).
X X X
Corollaire 1.1 Soient un et vn deux séries de réels positifs telles que un ∼ vn . Alors les séries un et
X
vn sont de même nature.
X 1
Exemple 1.4 La série converge.
n(3n + 1)
cos n1 (1 + n1 )n
Exercice 1.7 Étudier la nature de la série de terme général un = .
n2
4
(−1)n
Exercice 1.8 On considère la série de terme général un = √ .
n − (−1)n
(−1)n
1. Montrer que un ∼ √ .
n
X
2. Montrer que la série un est divergente. Commenter ce résultat.
X un+1
Proposition 1.4 (Règle de d’Alembert) Soit un une série de réels strictement positifs telle que lim =
n→∞ un
l.
X
1. Si l > 1, la série un diverge grossièrement.
X
2. Si l < 1, la série un converge.
X
3. Si l = 1, on ne peut rien dire sur la nature de un .
X zn
Exercice 1.9 Montrer que pour tout z ∈ C, la série est convergente.
n!
1.4 Sommation des relations de comparaisons

Relations de comparaisons
Soient (xn ) et (rn ) deux suites d’éléments de E.
1. On dit que (xn ) est dominée par (rn ) s’il existe une suite (bn ) bornée et n0 ∈ N telle que : ∀n ≥ n0 , xn =
bn rn . On note xn = O(rn ).
2. On dit que (xn ) est négligeable devant (rn ) s’il existe une suite (ϵn ) de limite nulle et n0 ∈ N telle que :
∀n ≥ n0 , xn = ϵn rn . On note xn = o(rn ).
3. Si (yn ) est une suite d’élément de E. On dit que (yn ) est équivalente à (xn ) si xn − yn = o(|yn |).
X X X
Théorème 1.5 Soient un et vn deux séries de réels. On suppose que la série vn est à termes positifs
et convergente. Alors :
X
1. Si un = o(vn ), alors un converge et les restes vérifient
+∞
X +∞
X
uk = o( vk ), n → +∞,
k=n k=n
X
2. Si un = O(vn ), alors un converge et les restes vérifient
+∞
X +∞
X
uk = O( vk ), n → +∞,
k=n k=n
X
3. si un ∼ vn , alors un converge et les restes vérifient
+∞
X +∞
X
uk ∼ vk , n → +∞,
k=n k=n
+∞
X 1
Exercice 1.10 Trouver un équivalent simple de la suite Rn = .
k2
k=n+1
X X X
Théorème 1.6 Soient un et vn deux séries de réels. On suppose que la série vn est à termes positifs
et divergente. Alors :
1. Si un = o(vn ), alors
n
X n
X
uk = o( vk ), n → +∞.
k=0 k=0
5
2. Si un = O(vn ), alors
n
X n
X
uk = O( vk ), n → +∞.
k=0 k=0
3. si un ∼ vn , alors
n
X n
X
uk ∼ vk , n → +∞.
k=0 k=0
Application
Pn 1.2 Soit (un ) une suite de réels convergente vers l ∈ R∗ . Monter que la suite
uk
vn = k=1 converge aussi vers l.
n
1 √ √
Exercice 1.11 On considère les suites un = √ , vn = 2( n + 1 − n), n ∈ N∗ . Montrer que un ∼ vn et en
n
n
X 1
déduire un équivalent simple de √ .
k=1
k
X
Remarque 1.2 La série de référence vn doit être positive ou de signe constant à partir d’un certain rang.
n
X 1
Application 1.3 Pour tout n ∈ N∗ , on pose Hn = . On a :
k
k=1
1. Hn ∼ log n.
2. La suite Hn − log n converge vers un réel γ.
1 1
3. Hn = log n + γ + + o( ).
2n n
Exercice 1.12 On considère la suite (un )n≥0 définie par u0 ∈]0; +∞[ et :
1
∀n ∈ N, un+1 = un + .
un
Montrer :
1. un → +∞
√
2. un ∼ 2n
√ 1 ln n ln n
3. un = 2n + √ √ + o( √ ). On pourra considérer la suite vn = u2n − 2n.
4 2 n n
1.5 Comparaison séries-intégrale

Théorème 1.7 Soit f de [0, +∞[ dans R+ continue par morceaux et décroissante.
Z n
1. La série de terme général wn = f (t)dt − f (n) est convergente.
n−1
X Z n
2. La série f (n) converge ssi lim f (t)dt existe.
n→∞ 0
X 1
Exemple 1.5 (Série de Riemann) Pour tout α ∈ R, la série converge ssi α > 1.
nα
X
Remarque 1.3 (Règle de Riemman) Soit un une série numérique. S’il existe α > 1 tel que lim nα un = 0,
X n→∞
alors la série un est absolument convergente.
Application 1.4 Il existe un réel γ tel que :
n
X 1
= ln n + γ + o(1).
k
k=1
X 1
Exemple 1.6 Soit (α, β) ∈ R2 . La série converge ssi α > 1 ou α = 1 et β > 1.
nα (ln n)β
Z n Z n n
X
Remarque 1.4 Si ( f (t)dt) diverge, alors f (t)dt ∼ f (n).
0 0 k=0
6
1.6 Produit de sommes, produit de Cauchy de deux séries absolu-

ment convergentes
X X X
Soient un et vn deux séries absolument convergentes de E. On appelle produit de Cauchy de un
X X
et vn la série wn définie par :
X n
X
∀n ∈ N, wn = up vq = up vn−p
p+q=n p=0
X X X
Théorème 1.8 Soient un et vn deux séries absolument convergentes de E. Alors, wn , le produit de
X X
Cauchy de un et vn est absolument convergente et :
+∞ +∞
! +∞
!
X X X
wn = un vn .
n=0 n=0 n=0
Exemple 1.7 Pour tout z, z ′ ∈ C, ′ ′

ez .ez = ez+z .
7
Chapitre 2
Réduction des endomorphismes
Du 08 au 28 Octobre
Dans tout le chapitre, K = R ou C.
2.1 Rappels
Sommes directes(caractérisations, exemples), matrices et applications linéaires, changement de bases
2.2 Éléments propres, caractéristiques

Définition 2.1 Soit f ∈ L(E).
1. Une valeur propre est un scalaire λ ∈ K tel que f − λI n’est pas injective. L’ensemble de valeurs propres
de f se note SpR (f ).
2. Un vecteur propre de f associé à la valeur propre λ est un vecteur x non nul tel que f (x) = λx.
3. Le sous-espace propre de f associé à la valeur propre λ est le sous-espace Eλ (f ) = ker(f − λI). On le
note Eλ . La dimension de ce sous-espace propre est notée mg (λ) est appelé multiplicité géométrique de la
valeur propre λ.
Exercice 2.1 Soit f l’endomorphisme canoniquement associé à la matrice

 
0 0 −2
A = 1 0 1 .
0 1 2
Déterminer SpR (f ).
Proposition 2.1 Des vecteurs propres associés à des valeurs propres deux à deux distinctes forment une famille
libre.
Exemple 2.1 La famille (x 7→ eax )a∈R est libre dans l’espace C ∞ (R, R).
Corollaire 2.1 Si dim(E) = n, alors tout endomorphisme de E à au plus n valeurs propres.
Dans toute la suite, E un K-ev de dimension finie n et f ∈ L(E).

Définition 2.2 Soit A ∈ Mn (K) le polynôme P = det(XIn − A) de K[X] est appelé polynôme caractéristique
de A et noté χA .
Remarque 2.1 Si A et B sont deux matrices semblables, alors χA = χB .
Définition 2.3 Le polynôme caractéristique de f est le polynôme caractéristique de sa matrice dans une base
quelconque.
Remarque 2.2 Soit λ ∈ K. λ est une valeur propre de f ssi χf (λ) = 0.
8
Remarque 2.3 On retrouve le fait que f admet au plus n valeurs propres.

Proposition 2.2 Soit A ∈ Mn (K). On a :
χA = X n − tr(A)X n−1 + an−2 X n−2 + ... + a1 X + (−1)n det A
où a1 , a2 , ..., an−2 sont des scalaires.
Exemples 2.1

a b
1. Soit A = ∈ M2 (R). On a :
c d
χA = X 2 − (a + d)X + ad − bc = X 2 − tr(A)X + det(A).
2. χIn = (X − 1)n .
3. Soit  
a1 0 ... ... 0
0 a2 0 ... 0
 
A =  ... .. .. .. ..  .

 . . . .
0 ... 0 an−1 0
0 ... ... 0 an
Alors
χA = (X − a1 ) . . . (X − an ).
Plus généralement,
4. Si  
a1 ∗ ... ... ∗∗
 .. .. 
0
 a2 . ... . 
 ...
A= ..
.
..
.
..
.
.. 
. 
 
0 ... 0 an−1 ∗ ∗ ∗
0 ... ... 0 an
est triangulaire supérieure, alors
χA = (X − a1 ) . . . (X − an ).
5. Si  
A1 ∗ ... ... ∗∗
 .. .. 
0
 A2 . ... . 
 ...
A= ..
.
..
.
..
.
.. 
. 
 
0 ... 0 Ar−1 ∗ ∗ ∗
0 ... ... 0 Ar
est triangulaire par blocs, alors
χA = χA1 . . . χAr .
Exercice 2.2 Soit A ∈ Mn (K) de rang 1. Montrer que
χA = X n−1 (X − tr(A)).
Indication : Considérer l’endomorphisme canoniquement associé et exprimer sa matrice dans base bien choisie.
n−1
X
Exercice 2.3 Soit P = X n − ak X k un polynôme unitaire à coefficients K et de degré n ≥ 2. On appelle
k=0
matrice compagnon de P la matrice
 
0 ... ... 0 a0
 .. .. .. 
1 . . . 
..
 
 .. 
 . . 
CP = 
.
.
.. 
 .. ..
 . . 

 .. 
 . 0 
0 ... 1 an−1
9
On note χCP le polynôme caractéristique de CP .

Montrer que
χCP = P.
Définition 2.4 Soit A ∈ Mn (K) et λ une valeur propre de A. La multiplicité algébrique de λ, notée ma (λ), est
l’ordre de multiplicité de la racine λ dans le polynôme caractéristique χA .
Proposition 2.3 Soient f ∈ L(E) et F un s.e.v stable par f . Alors χfF divise χf où fF est l’endomorphisme
induit par f à F.
Proposition 2.4 Soit A ∈ Mn (K). Alors pour tout λ ∈ SpK (A) :
1 ≤ dim(Eλ (A)) ≤ ma (λ).
Application 2.1 Polynôme caractéristique d’un endomorphisme de rang 1.
2.3 Matrices diagonalisables

Définition 2.5 Soit A ∈ Mn (K). On dit que A est diagonalisable s’il existe P ∈ Mn (K) inversible et D ∈
Mn (K), D diagonale, telles que
P −1 AP = D.
Théorème 2.1 Soit A ∈ Mn (K). Alors les conditions suivantes sont équivalentes :
1. A est diagonalisable sur K.
2. χA est scindé sur K et pour tout λ ∈ SpK (A),
dim(Eλ (A)) = ma (λ).

3. A admet des valeurs propres λ1 , ..., λr distinctes et
r
X
n= dim (Eλi (A)) .
i=1
De plus, dans ces cas, si (X1 , . . . , Xn ) est une base de Kn , formée de vecteurs propres de A, alors la matrice P
dont les vecteurs colonnes sont (X1 , . . . , Xn ) est inversible et D = P −1 AP est une matrice diagonale formée de
valeurs propres de A.
Exercice 2.4 Soit A ∈ Mn (K)( avec n ≥ 2) une matrice de rang 1. Montrer que A est diagonalisable si, et
seulement si tr(A) ̸= 0.
Corollaire 2.2 (Une condition suffisante). Soit A ∈ Mn (K). Supposons que A admet n valeurs propres
distinctes. Alors A est diagonalisable.

1 a
Exemple 2.2 Pour tout a ∈ K, la matrice A = est diagonalisable sur K.
0 2
Procédure de diagonalisation :
1. Factoriser le polynôme caractéristique :
Si le polynôme caractéristique a des racines complexes non réelles, la matrice n’est pas diagonalisable dans
R, mais elle peut l’être dans C.
Nous supposons désormais que le polynôme caractéristique est scindé :

k
Y
χA (X) = (X − λ1 )ma (λi ) .
i=1
10
2. Trouver une base de chaque sous-espace propre :

Vous avez k systèmes linéaires à résoudre. Si pour l’une des valeurs propres λi . L’espace Eλi n’est pas de
dimension ma (λi ), alors la matrice n’est pas diagonalisable.
Supposons que vous ayez bien trouvé une base de ma (λi ) vecteurs propres pour chaque valeur propre λi .
Rassemblez les vecteurs que vous avez trouvés pour chaque valeur propre, il y en a n en tout. La matrice
dont les colonnes sont ces n vecteurs est la matrice de passage P de la base canonique à la nouvelle base.
3. Conclure : A est diagonalisabe . Soit D la matrice diagonale dont les termes diagonaux sont les valeurs
propres de A associées aux colonnes de P en respectant le même ordre dans l’écriture des valeurs propres,
et dans celle des colonnes de P . Alors
D = P −1 AP.
Si vous avez explicitement besoin du changement de base :

i. Calculer l’inverse de P .
ii. Vérifierez de nouveau vos calculs Le plus simple est de calculer P DP −1 : vous devez retrouver A.
Exercice 2.5 Diagonaliser
0 1 1
 
 
 1 3 1 3 0 −1
A=− −  et B =  2 4 2 .
 2 2 2
3 3 1 −1 0 3
−
2 2 2
2.4 Polynômes d’endomorphismes

Dans ce paragraphe, E est un K-ev de dimension finie.
n
X
Définition 2.6 Soit f ∈ L(E). Pour tout polynôme P ∈ K[X] de la forme P = ak X k , l’endomorphisme
k=0
P (f ) est défini par
n
X
P (f ) = ak f k .
k=0
Remarque 2.4 Pour toute matrice A ∈ Mn (K) et tout polynôme P ∈ K[X], on définit de même P (A).
Exemple 2.3 Soit P ∈ K[X]. Alors :
   
a1 0 ... ... 0 P (a1 ) 0 ... ... 0
 0 a2 0 ... 0   0 P (a 2 ) 0 ... 0 
   
P  ... . . . .. .. ..  =  .. . .. . .. .. ..
.
 
 . . .  .
  . . 
 0 . . . 0 an−1 0    0 ... 0 P (an−1 ) 0 
0 ... ... 0 an 0 ... ... 0 P (an )
∗′ ∗∗′
   
a1 ∗ ... ... ∗∗ P (a1 ) ... ...
.. ..   . .. 
P (a2 ) . .

 0
 a2 . ... . 
  0
  ... . 
 ... .. 
P .. .. .. = . .. .. .. ..  .
  .

 . . . .   . . . . . 

 0 ... 0 an−1 ∗∗∗   0 ... 0 P (an−1 ) ∗ ∗ ∗′ 
0 ... ... 0 an 0 ... ... 0 P (an )
n−1
X
Exercice 2.6 Soient P = ai X i ∈ K[X] et
i=0
 
0 1 (0)
 .. .. .. 
. . . 
 ∈ Mn K).
J =
 .. 
0 . 1
1 0 ... 0
11
Montrer que  
a0 a1 ... an−1
 .. .. 
an−1 a0 . . 
P (J) = 
 .
.
 .. .. .. 
. . a1 
a1 ... an−1 a0
Indication : Considérer l’endomorphisme canoniquement associé.
Proposition 2.5 Soient f ∈ L(E) , A ∈ Mn (K), B une base de E et P ∈ K[X]. Alors :
matB (P (f )) = P (matB (f )) .
Proposition 2.6 ∀(P, Q) ∈ K[X], ∀f ∈ L(E), ∀λ ∈ K,
P (f )oQ(f ) = Q(f )oP (f ) = (P Q)(f ) et (P + λQ)(f ) = P (f ) + λQ(f ).
Définition 2.7 Soient (A, +, .) un anneau commutatif et I une partie de A. I est dit un idéal de A si (I, +) et
∀a ∈ A, ∀x ∈ I, ax ∈ I.
Exemple 2.4 Pour tout a ∈ A, l’ensemble (a) := {xb, x ∈ A} est un idéal de A. Cet idéal s’appelle l’idéal
engendré par a.
Proposition 2.7 Soit I un idéal de K[X] non nul. Il existe un unique polynôme unitaire P tel que I = (P ).
Exemple 2.5 Soit f ∈ L(E). L’ensemble If := {P ∈ K[X], P (f ) = 0} est un idéal de K[X].
Définition 2.8 Si l’idéal If est non nul, l’unique générateur unitaire de If est appelé polynôme minimal de f
et se note πf .
Proposition 2.8 Soit f ∈ L(E). If est non nul ssi l’espace vectoriel K[f ] est de dimension finie. En particulier,
si la dimension de E est finie, alors If est non nul.
Exemples 2.2 1. Polynôme minimal d’une homothétie.

2. Polynôme minimal d’une projection.
3. Polynôme minimal d’une symétrie.
Contre exemple 2.1 La dérivation usuelle D : P 7→ P ′ est un endomorphisme de K[X] qui n’admet pas de
polynôme annulateur.
Exercice 2.7 Soit P un polynôme unitaire de degré n et CP la matrice compagnon associé au P. Soient f
l’endomorphisme canoniquement associé à Cp et B = (e1 , . . . , en ) la base canonique de Kn .
1. Montrer que la famille (f k )0≤k≤n−1 est libre.
2. Montrer que P (f )(e1 ) = 0.
3. En déduire que P (f ) = 0.
4. Montrer que
πCP = χCP .
Théorème 2.2 (Théorème de Cayley-Hamilton) On a χf (f ) = 0.
Application 2.2 Soit  

0
 .. 
 . ∗∗∗ 
N = .
 .. 
 . 
0 0
n
On a : N = 0.
Corollaire 2.3 Le polynôme minimal divise le polynôme caractéristique. En particulier,
deg(πf ) ≤ n.
12
Remarque 2.5 En particulier, les racines de πf sont des valeurs propres de f .
Corollaire 2.4 Un endomorphisme f est nilpotent ssi f n = 0.
Application 2.3 Retrouver le polynôme caractéristique d’une matrice compagnon.
Exercice 2.8 Soit f ∈ L(E). Montrer que χf divise πfn .
Utilisation pratique d’un polynôme annulateur :
Proposition 2.9 Soit f ∈ L(E) admettant un polynôme annulateur P tel que P (0) ̸= 0. Alors f est inversible.
De plus, son inverse appartient à K[f ].
Réciproquement,
Proposition 2.10 Supposons que la dimension de E est finie. Un endomorphisme f ∈ L(E) inversible ssi 0 n’est
pas une racine de son polynôme minimal.
Corollaire 2.5 Pour tout f ∈ Gl(E), f −1 est un polynôme en f .
Proposition 2.11 Le spectre d’un endomorphisme f est inclus dans l’ensemble de racines de tout polynôme
annulateur de f.
Proposition 2.12 Soit f ∈ L(E) admettant un polynôme annulateur de degré N , alors K[f ] = vec(f k )0≤k≤N −1 .
Exemple 2.6 Soit (a, b) ∈ K avec a ̸= b et f un endomorphisme dont un polynôme annulateur est P =
(X − a)(X − b), alors
am − bm bam − abm
∀m ∈ N, f m = f+ IE .
a−b b−a
2.5 Sous-espaces stables

Définition 2.9 Soient f ∈ L(E) et F un s.e.v de E. F est dit stable par f (ou f -stable si :
∀x ∈ F, f (x) ∈ F.
Exemple 2.7 Ker(f ) et Im(f ) sont stables par f.
Exercice 2.9 Soit f ∈ L(E). Montrer que les assertions suivantes sont équivalentes :
1. f est une homothétie ;
2. f laisse stable tout s.e.v F de E.
3. f laisse stable toute droite vectoriel.
4. Pour tout x ∈ E, la famille {x, f (x)} est liée.
Proposition 2.13 Soient f et g deux éléments de L(E). Si f og = gof , alors Ker(f ) et Im(f ) sont stables par g
et plus généralement, pour tout Q ∈ K[X], Ker(Q(f )) et Im(Q(f )) sont stables par g.
Exercice 2.10 Soient f, g ∈ L(E). On suppose que dim(E) = n , f og = gof et que f admet n valeurs propres
distinctes. Montrer que g est diagonalisable et que g ∈ K[f ].( Indication : Considérer les polynômes de Lagrange).
Proposition 2.14 On suppose que dim(E) < ∞. Soient F et G deux s.e.v de E supplémentaires et f ∈ L(E).
Alors F est stable par f si, et seulement si, dans une base adaptée à la somme directe E = F ⊕ G, la matrice de
f est triangulaire par blocs de la forme
A B
0 C
avec A ∈ Mdim(F ) (K).
13
Remarque 2.6 Si E = F1 ⊕ . . . ⊕ Fr avec F1 , . . . , Fr des s.e.v stables par f , alors la matrice de f dans toute
base adaptée à cette directe est diagonale par blocs de la forme
 
A1
 .. 
 . 
Ar
avec, pour tout 1 ≤ i ≤ r, Ai ∈ Mdim(Fi ) (K).
Proposition 2.15 Soient P1 et P2 deux éléments de K[X] et f ∈ L(E). Si P1 et P2 sont premiers entre eux,
alors
Ker (P1 P2 ) (f ) = KerP1 (f ) ⊕ KerP2 (f ).
Remarque 2.7 Sur la projection de Ker (P1 P2 ) (f ) sur KerP1 (f ) parallèlement à KerP2 (f )
Exemple 2.8 Si p est une projection de E, alors
E = Ker(p) ⊕ Ker(p − I).
Plus généralement, on a :
Proposition 2.16 (Lemme de décomposition des noyaux) Soient P1 , . . . , Pr des éléments de K[X] premiers
entre eux deux à deux et f ∈ L(E). Alors
Ker (P1 . . . Pr ) (f ) = ⊕rk=1 Ker(Pk (f )).
2.6 Diagonalisation, trigonalisation

Définition 2.10 Un endomorphisme est dit diagonalisable s’il existe une base dans laquelle sa matrice est
diagonale. Une matrice carrée est dite diagonalisable si elle est semblable à une matrice diagonale.
Proposition 2.17 Si χf est scindé sur K et à racines simples, alors f est diagonalisable.
Remarque 2.8 Sous les hypothèses de la proposition précédente, pour tout g ∈ L(E) vérifiant f og = gof, g est
diagonalisable.
Exemple 2.9 La matrice  

0 ... ... 0 1
 .. .. 
 1 . . 0 
..
 
 .. 

 . . 

 .. .. .. 

 . . . 

 .. 
 . 0 
0 ... 1 0
est diagonalisable sur C.
Théorème 2.3 Les conditions suivantes sont équivalentes.

1. l’endomorphisme f est diagonalisable,
p
M
2. Si Sp(f ) = {λ1 , ..., λp } alors E = ker(f − λk I)
k=1
p
X
3. Si Sp(f ) = {λ1 , ..., λp } alors n = dim ker(f − λk I)
k=1
4. Le polynôme caractéristique de f est scindé sur K de racines {λ1 , ..., λp } dans K, chaque λk est de multi-
plicité αk = dim(ker(f − λk I)).
5. Il existe un polynôme annulateur de f scindé à racines simples dans K.
6. Le polynôme minimal πf est scindé à racines simples dans K.
14
Exemple 2.10 Le seul endomorphisme nilpotent et diagonalisable est l’endomorphisme nul.
Exemples 2.3 Les projections et les symétries vectorielles sont diagonalisables.
Application 2.4 Toute matrice symétrique réelle d’ordre 2 est diagonalisable.
Application 2.5 Une matrice A de rang 1 est diagonalisable ssi tr(A) ̸= 0.
Corollaire 2.6 Si f est diagonalisable, alors pour tout F s.e.v. f -stable, fF est diagonalisable.
Exemple 2.11 Diagonaliser la matrice  

1 2 −3
 2 4 −6 
4 8 −12
Définition 2.11 Un endomorphisme est dit trigonalisable s’il existe une dans laquelle sa matrice est triangulaire
supérieure. Une matrice carrée est dite trigonalisable si elle est semblable à une matrice triangulaire supérieure.
Théorème 2.4 Les conditions suivantes sont équivalentes :

1. f est trigonalisable,
2. χf est scindé sur K.
3. πf est scindé sur K
4. f admet un polynôme annulateur scindé sur K.
Corollaire 2.7 Dans Mn (C), toutes les matrices sont trigonalisables.
Application 2.6 Une 2-ème épreuve du théorème de Cayley-Hamilton.
Proposition 2.18 Si f est trigonalisable de valeurs propres λ1 , ..., λr d’ordres de multiplicités respectifs α1 , ..., αr
, alors
r
Y
det(f ) = λα
i
i
i=1
et
r
X
tr(f ) = αi λi .
i=1
Exercice 2.11 Soit A ∈ Mn (Z). Supposons qu’il existe p ∈ N∗ tel que Ap = In . Montrer que
tr(A) ∈ {−n, −(n − 1), ..., 0, 1, ..., n}.
Proposition 2.19 f est nilpotent ssi f est trigonalisable avec pour celle valeur propre 0.
Application 2.7 Supposons que la dimension de E est finie. Soit f ∈ L(E). f est nilpotent ssi pour tout k ∈ N∗ ,
tr(f k ) = 0.
Analyse complet du cas : matrice d’ordre 2 ou 3.
Soit A ∈ Mn (K) où n = 2 ou 3.

1. Si A n’admet pas de valeur propre :
Ceci n’est possible que dans le cas K = R et n = 2. Dans ce cas, la matrice A n’est pas trigonalisable sur
R.
Exemple 2.12 Soit
0 1
A= .
−1 0
χA = X 2 + 1 qui n’a pas de racine réelle, donc elle n’est pas trigonalisable sur R.
15
2. Si A admet n valeurs propres distinctes :
Dans ce cas, d’après le corollaire 1, la matrice est diagonalisable. En particulier, elle est trigonalisable.
Soient λ1 , ..., λn les différentes valeurs propres. Pour chaque 1 ≤ i ≤ n, on cherche un vecteur propre
Xi associé à λi . Soit P la matrice dont les colonnes sont (X1 , X2 , ..., Xn ). P est inversible et P −1 AP est
diagonale.
3. Si n = 2 et A a une seule valeur propre :
Soit λ l’unique valeur propre de A et X1 un vecteur propre associé. Soit X2 un vecteur quelconque de K2
tel que (X1 , X2 ) soit un base de K2 (Théorème de la base incomplète). Soit P la matrice dont les colonnes
sont (X1 , X2 ). P est inversible et P −1 AP est triangulaire supérieure.
Exemple 2.13 Soit
3 2
A= .
−2 −1

1 1 0
1 est une valeur propre de A dont X1 = est un vecteur propre associé. On a = 1 ̸= 0, donc
−1 −1 1

0
(X1 , X2 ) est une base de K2 où X2 = .
1

1 0
Soit P = . Vérifions que P −1 AP est triangulaire supérieure :
−1 1

1 0 1 0 3 2 1 0 −1 −1
P −1 = et =
1 1 1 1 −2 −1 −1 1 0 1
4. Si n = 3 et A a exactement deux valeurs propres distinctes :
Soient λ1 et λ2 les valeurs propres de A. Soient X1 un vecteur propre associé à λ1 et X2 un vecteur propre
associé à λ2 . La famille (X1 , X2 ) est libre (Proposition 1).
On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base incomplète). Soit P la matrice dont
les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est triangulaire supérieure.
5. Si n = 3 et A a une seule valeur propre :
Soit λ l’unique valeur propre de A. Nous avons deux cas :

i ma (λ) = 1 : Ceci n’est possible que si K = R. Dans ce cas la matrice n’est pas trigonalisable sur R. La
trigonalisation de A dans C s’inscrit dans les cas précédents.
Exemple 2.14  
1 0 0
A = 0 0 −1 .
0 1 0
χA = (X − 1)(X 2 + 1) donc, on a SpR A = {1} et SpC A = {1, i, −i}.
ii ma (λ) = 3 :
Si dim(Eλ (A)) = 2 ou 3 : on procède comme dans le cas précédent : Soit (X1 , X2 ) une famille libre
de vecteurs propres associés à λ. On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base
incomplète). Soit P la matrice dont les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est
triangulaire supérieure.
Sinon : dim(Eλ (A)) = 1. C’est un peu plus délicat, on illustre la procédure de trigonalisation sur un
exemple :
Soit  
−2 −1 2
A = −15 −6 11
−14 −6 11
Son polynôme caractéristique est
χA = (X − 1)3 .
16
A a une unique valeur propre λ1 =

 1, racine triple. L’espace propre associé à λ1 est de dimension 1 et
1
engendré par le vecteur X1 = 1 . La matrice n’est donc pas diagonalisable.
2
 
x
On cherche toujours un vecteur X2 = y  tel que
z
   
x x
A y  = X1 + λ y 
z z
On a alors le système

−3x − y + 2z = 1

−15x − 7y + 11z = 1

−14x − 6y + 10z = 2

   
x 0
qui admet comme solution  x + 3 . On prend X2 = 3 .
2x + 2 2
La famille (X1 , X2 ) est libre. On la complète à une base (X1 , X2 , X3 ) de K3 (Théorème de la base
incomplète). Soit P la matrice dont les colonnes sont (X1 , X2 , X3 ). P est inversible et P −1 AP est
triangulaire supérieure de la forme  
λ 1 a
0 λ b 
0 0 λ
où a et b sont des éléments de K.  
1
Pour cet exemple, on peut prendre X3 = 0, et on a
0
 
1 1 −3
P −1 AP = 0 1 −4
0 0 1
2.7 Compléments
Problème
Notations et rappels
On considère un espace vectoriel E, de dimension fini n strictement positif sur le corps K(K = R ou C). L(E)
désigne la K-algèbre des endomorphismes de E. Si u, v ∈ L(E), uov se note uv et l’identité est notée IE .
Si u est un endomorphisme de E, le polynôme minimal de u sera noté πu et le polynôme caractéristique se
notera χu ; on rappelle que πu est le polynôme unitaire de degré minimal annulateur de u, c’est le générateur
unitaire de l’idéal des polynômes annulateurs de u, et que
∀λ ∈ K, χu (λ) = det(λIE − u).
I-Résultats préliminaires
A-Noyaux itérés et espaces caractéristiques
Soit u ∈ L(E).
1. Pour tout k ∈ N, on pose αk = dim(ker uk+1 ) − dim(ker uk ).
17
(a) Montrer que pour tout k ∈ N,

ker uk ⊂ ker uk+1
et que
ker uk = ker uk+1 ⇒ ker uk+1 = ker uk+2 .
(b) En déduire qu’il existe r ∈ N tel que
{0E } ⊊ ker u ⊊ ker u2 ⊊ ... ⊊ ker ur−1 = ker ur .
(c) Soit k ∈ N et F est un supplémentaire de ker uk dans ker uk+1 . Montrer que
u(F ) ∩ ker uk−1 = {0}
et que dim(u(F )) ≥ dim(F ).

(d) En déduire que la suite (αm ) est décroissante.
2. Soit λ une valeur propre de u et p ∈ N∗ son ordre de multiplicité ; on sait qu’il existe Q ∈ K[X] tel que
χu = (X − λ)p Q et Q(λ) ̸= 0.
On pose Fλ = ker(u − λIE )p .

(a) Montrer que E = Fλ ⊕ ker Q(u) et que les sous-espaces vectoriels Fλ et ker Q(u) sont stables par u.
(b) On désigne par v(respectivement w) l’endomorphisme de Fλ (respectivement ker Q(u)) induit par u.
i. Que peut-on dire de l’endomorphisme (v − λIFλ ) de Fλ ?
ii. Calculer χv−λIFλ .
iii. En déduire χv en fonction de λ et d = dim(Fλ ) puis montrer que
χu = (X − λ)d χw
avec la convention χw = 1 si ker Q(u) = {0E }.

iv. Montrer que χw (λ) ̸= 0 et conclure que p = d.
3. Applications
(a) Soient u un endomorphisme nilpotent d’indice de nilpotence n et F un sous-espace vectoriel de E.
Montrer que F est u-stable si, et seulement s’il existe k ∈ N tel que F = ker uk . Pour le sens direct, on
pourra considérer le plus grand entier k ≤ n vérifiant ker uk ⊂ F.
(b) Supposons dans cette question que K = C. Soit u ∈ L(E). Montrer que u est diagonalisable si, et
seulement si
∀λ ∈ C, ker(u − λIE ) = ker(u − λIE )2 .
B- Un résultat sur les formes linéaires
Soit E ∗ = L(E, K) l’espace de formes linéaires sur E.

1. Soient p ∈ N∗ , ϕ1 , ..., ϕp+1 ∈ E ∗ . Montrer que, si ϕp+1 ∈ vect{ϕ1 , ..., ϕp }, alors :
p
\ p+1
\
ker ϕi = ker ϕi .
i=1 i=1
2. Soit q ∈ N∗ , ϕ1 , ..., ϕq ∈ E ∗ , r = rang(ϕ1 , ..., ϕq ). Montrer que

q
\
dim( ker ϕi ) = n − r.
i=1
II- Réduction d’un endomorphisme nilpotent
On fixe un endomorphisme nilpotent u de E. On note r le degré de son polynôme minimal, où 1 ≤ r ≤ n, de

sorte que E contient un vecteur x tel que ur−1 (x) ̸= 0.
1. Démontrer que les endomorphismes nilpotents de E sont les endomorphismes dont le polynôme ca-
ractéristique est X n .
18
2. Soit x ∈ E tel que ur−1 (x) ̸= 0. Pour i un entier tel que 1 ≤ i ≤ r, on pose ei = ui−1 (x). Soit
W = vect(e1 , ..., er )
(a) Prouver W est de dimension r et qu’il est stable par u.
(b) En notant uW l’endomorphisme de W induit par u, écrire la matrice de uW dans la base (er , er−1 , ..., e1 ).
3. On conserve les notations de la question précédente. Soit ψ une forme linéaire sur E ne s’annule pas en
er . Pour i un entier tel que 1 ≤ i ≤ r, on pose ϕi = ψui−1 .
r
\
(a) Prouver que les formes linéaires ϕ1 , ..., ϕr sont linéairement indépendantes. On pose W ′ = ker ϕi ,
i=1
(b) Montrer que W ′ est un supplémentaire de W dans E et que W ′ est stable par u.
(c) Que peut-on dire du polynôme minimal de l’endomorphisme uW ′ de W ′ induit par u ?
4. Pour chaque entier strictement positif i, notons Ji la matrice suivante de Mi (K) :
 
0 1 0
 .. .. 

 . . 

 .. 
 . 1 
0 0
(a) Soit (i, k) ∈ N∗ × N. Calculer Jik .

(b) Montrer que, pour tout (i, k) ∈ N∗ × N, rang(Jik ) = (i − k)+ c-à-d rang(Jik ) = max(i − k, 0).
(c) Montrer que pour tout p, q ∈ N distincts, (p − q − 1)+ + (p − q + 1)+ − 2(p − q)+ = 0.
5. Par récurrence sur l’entier strictement positif n, prouver qu’il existe un entier strictement positif r, une
suite finie d’entiers d1 , ..., dr satisfaisant à d1 ≥ d2 ≥ ... ≥ dr > 0, et une base (e1 , ..., en ) de E tels que la
matrice de u dans cette base soit la matrice diagonale par blocs dont les blocs successifs sont Jd1 , ..., Jdr .
6. Soit f un endomorphisme nilpotent tel qu’il existe un entier strictement positif r, une suite finie d’entiers
d1 , ..., dr satisfaisant à d1 ≥ d2 ≥ ... ≥ dr > 0, et une base de E tels que la matrice de f dans cette base
soit la matrice diagonale par blocs dont les blocs successifs sontJd1 , ..., Jdr .
(a) Montrer que pour tout k ∈ N∗ ,
Card{j ∈ {1, ..., r}, dj = k} = 2dim kerf k − dim kerf k−1 − dim kerf k+1 .
(b) Que peut-on conclure.
III-Réduction de Jordan
1. Soit u un endomorphisme de E dont le polynôme caractéristique est scindé, λ1 , ..., λm les valeurs propres
de u. Montrer qu’il existe une suite dj,1 ≥ ..., ≥ dj,rj pour j ∈ {1, ..., m} telle que, dans une certaine base,
la matrice de u soit diagonale par blocs avec les blocs
λ1 Id1,1 + Jd1,1 , ..., λ1 Id1,r1 + Jd1,r1 , ..., λm Idm,1 + Jdm,1 , ..., λm Idm,rm + Jdm,rm .
Cette matrice est appelée la réduite de Jordan de u.
2. Application : (Théorème de Weyer et Jordan )Montrer la critère suivante : Deux matrices A et B
de Mn (C) sont semblable si, et seulement si,
∀λ ∈ C ∀k ∈ N, rang(A − λIn )k = rang(B − λIn )k .
3. Application :Soit A ∈ Mn (K). Montrer que A est semblable à sa transposée.

4. Exemple : Donner la réduite de Jordan de la matrice
 
−1 1 1 0
 0 −1 0 1 
A=  −1 2
.
1 −1 
0 −1 0 1
19
Chapitre 3
Topologie des espaces vectoriels normés
Du 29 Octobre au 05 Novembre
Dans ce chapitre, E un K-espace vectoriel avec K = R ou C.
3.1 Espaces vectoriels normés

Définition 3.1 On appelle norme sur E, toute application N : E → R vérifiant :
(i) ∀x ∈ E, N (x) = 0 ⇒ x = 0E .
(ii) ∀(x, λ) ∈ E × K, N (λx) = |λ|N (x)
(iii) ∀(x, y) ∈ E 2 , N (x + y) ≤ N (x) + N (y) (Inégalité triangulaire).
Le couple (E, N ) est appelé un espace vectoriel normé(evn). Pour x ∈ E, on note ∥ x ∥:= N (x).
Exemples 3.1 1. (R, ||) et (C, ||) sont des evn.

∗
2. Soit n ∈ N . E = Kn . Les applications
n
X
N1 : x = (x1 , ..., xn ) ∈ E 7→ |xi |
i=1
n
N∞ : x = (x1 , ..., xn ) ∈ E 7→ max |xi |
i=1
sont des normes sur E.
Plus généralement, si E est de dimension finie n et B = (e1 , e2 , ..., en ) une base de E. Les applications
n
X n
X
xi ei 7→ |xi |
i=1 i=1
n
X n
xi ei 7→ max |xi |
i=1
i=1

3. Soit (a, b) ∈ R2 . E = C([a, b], K). Les applications
Z b
N1 : f ∈ E 7→ |f (x)|dx
a
N∞ : f ∈ E 7→ sup |f (x)|.
x∈[a,b]
20
4. Soit n ∈ N∗ . E = Mn (K). L’application

n
X
∥∥∞ : (ai,j )1≤i,j≤n ∈ E 7→ max |ai,j |
1≤i≤n
j=1
est une norme sur E.
De plus
∀A, B ∈ E, ∥ AB ∥∞ ≤∥ A ∥∞ ∥ B ∥∞ .
Une norme vérifiant cette égalité est appelé norme matricielle.
x
Remarque 3.1 Si x ∈ E non nul, alors le vecteur est unitaire c-à-d de norme 1.
∥x∥
Proposition et définition 3.1 Soit (Ei , Ni )i∈{1,..,p} une famille de p espaces vectoriels normés sur K et E
l’espace vectoriel produit. Alors l’application définie de E dans R par :
x = (x1 , x2 , ..., xp ) 7→ N (x) = max Ni (xi )

i∈{1,..,p}
est une norme sur E appelé norme produit.
Propriétés 3.1 Soit (E, N ) un evn. On a

1. N (0E ) = 0
2. ∀x ∈ E, N (x) ≥ 0.
3. ∀(x, y) ∈ E 2 , |N (x) − N (y)| ≤ N (x − y)
n
X n
X
∗ n
4. ∀n ∈ N , ∀(x1 , ..., xn ) ∈ E , N ( xi ) ≤ N (xi ).
i=1 i=1
Exercice 3.1 Déterminer toutes les normes sur le K-espace vectoriel K.
Définition 3.2 Soit F un ensemble. On appelle distance sur F , toute applications d : F × F → R+ telle que
1. ∀(x, y) ∈ F 2 , d(x, y) = 0 ⇔ x = y.
2. ∀(x, y) ∈ F 2 , d(x, y) = d(y, x).
3. ∀(x, y, z) ∈ F 3 , d(x, y) ≤ d(x, z) + d(z, y).
Le couple (F, d) est appelé espace métrique.
Exemple 3.1 Soit (E, ∥∥) un evn. L’application
d : (x, y) ∈ E 2 7→∥ x − y ∥
est une distance sur E et appelé distance associé à la norme ∥∥ .
Remarque 3.2 Si ∥ . ∥ est une norme sur E et d la distance associé, alors

1. ∀x ∈ E, ∥ x ∥= d(x, 0)
2. ∀(λ, x, y) ∈ K × E × E, d(λx, λy) = |λ|d(x, y).
3. ∀(z, x, y) ∈ E 3 , d(x + z, y + z) = d(x, y).
Contre exemple 3.1 L’application

d : (x, y) ∈ E 2 7→ 1 − δx,y
définit une distance sur E non associé à une norme.
Définition 3.3 Supposons K = R.On appelle produit scalaire sur E toute application ϕ de E × E dans R
vérifiant les propriétés suivantes :
i. ∀(x, y) ∈ E 2 , ϕ(x, y) = ϕ(y, x).
ii. Pour tout x de E, l’application y 7→ ϕ(x, y) est linéaire.
iii. ∀x ∈ E, ϕ(x, x) ≥ 0.
21
iv. ∀x ∈ E, ϕ(x, x) = 0 ⇒ x = 0E .
Lemme 3.1 (Inégalité de Cauchy-Shwarz) Soit ϕ un produit scalaire sur E. Pour tous x, y dans E on a :
1. ∀(x, y) ∈ E 2 , | ϕ(x, y) |≤∥ x ∥∥ y ∥
2. ∀(x, y) ∈ E 2 , | ϕ(x, y) |=∥ x ∥∥ y ∥⇔ (x, y) liée.
Exemple 3.2 On se donne un entier n ≥ 1 et des réels x1 , ..., xn . Montrer que :
n
!2 n
X X
xk ≤n x2k
k=1 k=1
Étudier les cas d’égalité.

p
Lemme 3.2 (Inégalité de Minkowski) Soit ϕ un produit scalaire sur E. Pour x ∈ E, on définit ∥ x ∥= ϕ(x, x).
Pour tout x, y dans E on a :
∥ x + y ∥≤∥ x ∥ + ∥ y ∥,
l’égalité étant réalisée ssi x = 0 ou x ̸= 0 et y = λx avec λ ≥ 0(on dit que x et y sont positivement liés).
Proposition et définition 3.2 Soit ϕ un produit scalaire sur E. L’application
p
∥∥ x ∈ E 7→ ϕ(x, x)
est une norme sur E appelé norme associée au produit scalaire ϕ.
Exemple 3.3 L’application de Rn × Rn dans R :
n
X
(x, y) 7→ (x | y) = xi yi
i=1
est un produit scalaire sur Rn appelé produit scalaire canonique. La norme associée est la norme euclidienne
canonique sur Rn : v
u n
uX
x 7→ t x2i .
i=1
Plus généralement, si E est de dimension finie n et B = (e1 , e2 , ..., en ) une base de E, l’application ϕ de E × E
dans R :
n
X n
X X n
( xi ei , yi ei ) 7→ (x | y) = xi yi
i=1 i=1 i=1
est un produit scalaire sur E.
X X
Exemple 3.4 Dans R[X], notons P = ai X i et Q = bi X i deux polynômes. Les familles (ai )i∈N et (bi )i∈N
i∈N i∈N
X
de réels sont à support fini. L’application ϕ de R[X] × R[X] dans R définie par ϕ(P, Q) = ai bi est un produit
sX i∈N
scalaire sur R[X]. La norme associée est P 7→ a2i . La restriction de ϕ à Rn [X] × Rn [X] est un produit
i∈N
scalaire sur Rn [X].
Z b
Exemple 3.5 Soit a et b deux réels fixés tels que a < b. L’application ϕ : (f, g) 7→ f (t)g(t)dt, définit un
a
produit scalaire sur C([a, b], R). La norme associée est noté N2 et définie par :
s
Z b
f 7→ f (t)2 dt.
a
Application 3.1 Soit f ∈ C 0

([a, b], R∗+ ). Montrer que
! Z !
Z b b
1
dt f (t)dt ≥ (b − a)2 .
a f (t) a
Dans quel cas a-t’on égalité ?
22
Exemple 3.6 Soit l’espace vectoriel Mm,n (R) des matrices réelles. L’application ϕ de Mm,n (R) × Mm,n (R)
dans R définie par : ϕ(A, B) = tr((At )B) est un produit scalaire sur Mm,n (R). La norme associée est :
v
um X n
uX
(ai,j )1≤i≤m;1≤j≤n 7→ t a2i,j .
i=1 j=1
3.2 Suites dans un evn

Définition 3.4 Soient (E, N ) un evn, (xn )n une suite d’éléments de E
1. Soit l ∈ E, on dit que (xn )n converge vers l si la suite de réels (N (xn − l))n converge vers 0. Autrement
dit,
∀ϵ > 0 ∃ n0 ∈ N, n ≥ n0 ⇒ N (xn − l) < ϵ.
2. On dit que la suite est convergente dans E s’il existe l ∈ E tel que (xn )n converge vers l.
3. Une suite (xn )n d’éléments de E, qui ne converge pas, est dite divergente. Ceci peut se traduire par
∀l ∈ E ∃ ϵ > 0 ∀N ∈ N ∃n ∈ N, (n ≥ N et N (xn − l) > ϵ).
Remarque 3.3 (xn )n converge vers l ssi (xn − l)n converge vers 0E .
Exemple 3.7 E = C([0, 1], R). Considérons la suite (fn )n définie par fn (t) = tn . La suite (fn )n converge vers
la fonction nulle relativement à ∥ ∥1 mais elle ne converge pas vers la fonction nulle pour ∥ ∥∞ .
Proposition 3.1 Soit (E, N ) un evn. Si (xn )n une suite d’élément de E converge vers l alors cette limite est
unique.
Proposition 3.2 Soit (Ei , Ni )i∈{1,..,p} sont p espaces vectoriels normés, (E, N ) l’espace vectoriel normé produit,
alors la suite x = (x1 , ..., xp ) converge vers l = (l1 , ..., lp ) dans (E, N ) ssi pour tout i ∈ {1, .., p}, la suite xi
converge vers li dans (Ei , Ni ).
1
Exemple 3.8 Soit E = Mn (R) muni de la norme ∥ ∥∞ . Pour m ∈ N∗ , on pose δm = et
m
2 n−1
∆m = diag(1, δm , δm , ..., δm ). Soit A une matrice triangulaire supérieure. Déterminer la limite de la suite
∆−1

m A∆m m .
Proposition 3.3 Soient N1 et N2 deux normes sur E. Les deux propriétés suivantes sont équivalentes :
1. ∃ α ∈ R∗+ ∀x ∈ E, N2 (x) ≤ αN1 (x).
2. Toute suite d’éléments de E qui converge vers 0E relativement à la norme N1 converge aussi vers 0E pour
la norme N2 .
Définition 3.5 Deux normes N1 et N2 sur E sont dites équivalents si :
∃ (α, β) ∈ (R∗+ )2 ∀x ∈ E, αN1 (x) ≤ N2 (x) ≤ βN1 (x).
Remarque 3.4 La relation définie sur l’ensemble de normes de E, (N1 et N2 sont deux normes équivalents) est
une relation d’équivalence.
Proposition 3.4 Les propriétés suivantes sont équivalentes :

1. Les normes N1 et N2 sont équivalents.
2. Une suite d’éléments de converge vers un élément l de E relativement à N1 ssi elle converge vers l pour la
norme N2 .
Exemple 3.9 Les nomes N1 , N2 et N∞ de Rn sont équivalentes.
Contre exemple 3.2 Les normes N1 et N∞ de C([0, 1], R) ne sont pas équivalentes.
Définition 3.6 Soit (xn ) ⊂ E et ϕ : N → N strictement croissante. La suite (xϕ(n) ) est appelé suite extraite de
(xn ).
23
Proposition 3.5 Soit (xn ) ⊂ E. Si (xn ) convergeant vers l ∈ E, alors toute suite extraite de E converge aussi
vers l.
Remarque 3.5 Si (x2n ) et (x2n+1 ) convergent vers une même limite l ∈ E, alors (xn ) converge vers l.
Définition 3.7 Soient (xn ) ⊂ E et a ∈ E. a est dite valeur d’adhérence de la suite (xn ) si a est limite d’une
suite extraite de (xn ).
Exemple 3.10 −1 et 1 sont des valeurs d’adhérences de la suite ((−1)n ) .
Théorème 3.1 1. Si (un ) est une suite d’éléments de E convergeant vers l, alors l est l’unique valeur
d’adhérence de la suite (un ).
2. Toute suite ayant au moins deux valeurs d’adhérence est divergente.
3. Une suite bornée de réels ou de complexes converge si et seulement si elle admet une unique valeur
d’adhérence.
3.3 Éléments topologiques d’un evn

Soit (E, ∥ . ∥) un evn.
Définition 3.8 Soient a ∈ E et r un réel positif.
1. La boule ouverte de centre a et de rayon r est l’ensemble noté B(a, r) ou BO(a, r) et défini par :
B(a, r) = {x ∈ E, ∥ x − a ∥< r}.
2. La boule fermée de centre a et de rayon r est l’ensemble noté Bf (a, r) et défini par :
Bf (a, r) = {x ∈ E, ∥ x − a ∥≤}.
Exemple 3.11 Dans (Rn , ∥ . ∥∞ ), B(0, 1) =] − 1, 1[n .
Définition 3.9 Soit A un sous ensemble de E.

1. A est dit ouvert si :
∀a ∈ A ∃r > 0, B(a, r) ⊂ A.
2. A est dit fermé si son complementaire dans E est un ouvert.
Exemple 3.12 1. ∅ et E sont des ouverts et des fermés de E.

2. Tout ensemble fini est fermé.
3. Dans R, ]0, 1[ est un ouvert et N est un fermé.
Proposition 3.6 Toute boule ouverte(resp. fermée) est un ouvert (resp. fermé).
Proposition 3.7 Dans un espace vectoriel normé,

1. Toute réunion d’ouverts est un ouvert.
2. Toute intersection finie d’ouverts est un ouvert.
3. Toute intersection de fermés est un fermé.
4. Toute réunion finie de fermés est un fermé.
Remarque 3.6 L’intersection(resp. réunion) quelconque d’ ouverts(resp. fermés) n’est pas toujours un ou-
vert(resp. fermé). Par exemple
\ 1 1
] − , [= {0}.
∗
n n
n∈N
Définition 3.10 Soit A une partie de E non vide. Soit a ∈ E.

1. a est appelé point adhérant à A si :
∀r > 0, B(a, r) ∩ A ̸= ∅.
24
2. a est appelé point intérieur à A si :

∃r > 0, B(a, r) ⊂ A.
3. L’ensemble de points adhérant à A est appelé l’adhérence de A et noté A.
4. L’ensemble de points intérieurs à A est appelé intérieur de A et noté Å.
5. L’ensemble F r(A) := A \ Å est appelé frontière de A.
Exemple 3.13 Dans R, ]0, 1[ = [0, 1], Q = R \ Q = R

et [0, 1[ =]0, 1[, N̊ = Q̊ = R ˚
\ Q = ∅.
Exercice 3.2 Soit un entier n ≥ 2. On pose E = Mn (R) et le munit de la norme ∥ . ∥∞ .

Montrer que GLn (R) = Mn (R).
Montrer que Nn˚(R) = ∅ où Nn (R) est l’ensemble de matrices réelles nilpotente d’ordre n.
Proposition 3.8 Soient A une partie de E et a ∈ E. Alors a ∈ A ssi il existe une suite d’éléments de A,
convergente vers A.
Proposition 3.9 Soit A une partie non vide de E. Alors :

1. \
A= F
F fermé contenant A
autrement dit A est le plus petit fermé contenant A. De plus A est fermé ssi A = A.
2. [
Å = O
O ouvert inclus dans A
autrement dit Å est le plus grand ouvert inclus dans A. De plus A est ouvert ssi Å = A.
3. c
A = (Ac )˚.
Définition 3.11 Soit A une partie de E. A est dite bornée si : ∃M ∈ R, ∀x ∈ A, ∥ x ∥≤ M.
Définition 3.12 Soit K une partie de E. K est dite compact si de toute suite d’éléments de K, on peut extraire
une sous-suite convergente dans K (sa limite est dans K)
Exemple 3.14 Dans R, [0, 1] est un compact.
Exercice 3.3 Montrer que tout ensemble fini est compact.
Remarque 3.7 Si N1 ∼ N2 , alors (E, N1 ) et (E, N2 ) auront les mêmes ouverts, fermés et les mêmes compacts.
Proposition 3.10 Tout compact est fermé borné.
Proposition 3.11 Soit K une partie compacte de E et soit B une partie de E inclus dans K. B est compacte
ssi elle fermée bornée.
Proposition 3.12 Produit fini des compacts est compact.
Exemple 3.15 Dans (Rn , ∥ ∥∞ ), les boules fermées et sphères sont des compacts
Proposition 3.13 Dans (Rn , ∥ ∥∞ ), les compacts sont exactement les fermés bornés.
25
3.4 Applications d’un evn dans un autre

Soient (E, ∥ ∥1 ) (F, ∥ ∥2 ) deux evn. Soit A une partie de E et f une application de A dans F.
Définition 3.13 Soient a ∈ A et l ∈ F . On dit que f admet l comme limite au point a si
∀ϵ > 0, ∃η > 0, ∀x ∈ A, (∥ x − a ∥1 ≤ η ⇒∥ f (x) − l ∥2 ≤ ϵ).
On note lim f (x) = l.

x→a, x∈A
Proposition 3.14 On conserve les notations de la définition précédente. Les conditions suivantes sont équivalentes :
1. lim f (x) = l.
x→a, x∈A
2. Pour tout suite (xn )n ⊂ A qui converge vers a, la suite (f (xn )n converge vers l.
Remarque 3.8 L’existence de la limite et sa valeur ne dépendent pas des normes choisies équivalentes.
Définition 3.14 Soit a ∈ A.

1. On dit que f est continue en a si
lim f (x) = f (x).
x→a, x∈A
2. f est dite continue sur A, si elle est continue en tout point de A.

3. f est dite uniformément continue sur E si
∀ϵ > 0, ∃η > 0, ∀x, y ∈ A, (∥ x − y ∥1 ≤ η ⇒∥ f (x) − f (y) ∥2 ≤ ϵ).
Remarque 3.9 La continuité de f ne dépende pas des normes choisies équivalentes.
Définition 3.15 Application k-Lipschitzienne.
Exemple 3.16 L’application x 7→∥ x ∥ est 1-Lipschitzienne
Proposition 3.15 L’image directe, par une application continue, d’un compact est compact.
Théorème 3.2 (Heine) Si A est compact, alors f est continue sur A ssi elle est uniformément continue sur A.
Proposition 3.16 Si A est compact et f à valeurs réels, alors f est bornée et atteint ses bornes.
Application 3.2 Soit f : Rn → R telle que lim f (x) = +∞. Montrer

∥x∥→∞
∃x0 ∈ Rn , f (x0 ) = infn f (x).

x∈R
Proposition 3.17 Sur Rn , toutes les normes sont équivalentes.
Théorème 3.3 Si la dimension de E est finie, alors toutes les normes sur E sont équivalentes.
Théorème 3.4 En dimension finie, les compacts sont les fermés bornés.
Corollaire 3.1 En dimension finie, de toute suite bornée, on peut extraire une sous suite convergente.
Théorème 3.5 En dimension finie, toute suite de Chauchy est convegente.
26

Cours 07112021

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cours 07112021

Uploaded by

Copyright:

Available Formats

ESP, IPGEI de NKTT Cours MP*, 2021-2022

Cours de mathématiques MP*.

Année scolaire 2021-2022.

Étudier la série de terme général un , c’est étudier la suite (Sn ).

Dans le cas de convergence, on note

et on définit la suite de restes (Rn )n par :

1. La série de terme général un = 1, ∀n ∈ N est divergente.

Exercice 1.1 Que vaut

1.2 Séries alternées

Exercice 1.3 Étudier les séries de termes généraux :

(−1)n (−1)n + ln n (−1)n n + 1

1.3 Séries à termes positifs

1.4 Sommation des relations de comparaisons

1.5 Comparaison séries-intégrale

1.6 Produit de sommes, produit de Cauchy de deux séries absolu-

Exemple 1.7 Pour tout z, z ′ ∈ C, ′ ′

Réduction des endomorphismes

Dans tout le chapitre, K = R ou C.

2.2 Éléments propres, caractéristiques

Exercice 2.1 Soit f l’endomorphisme canoniquement associé à la matrice

Corollaire 2.1 Si dim(E) = n, alors tout endomorphisme de E à au plus n valeurs propres.

Dans toute la suite, E un K-ev de dimension finie n et f ∈ L(E).

Remarque 2.1 Si A et B sont deux matrices semblables, alors χA = χB .

Remarque 2.2 Soit λ ∈ K. λ est une valeur propre de f ssi χf (λ) = 0.

Remarque 2.3 On retrouve le fait que f admet au plus n valeurs propres.

On note χCP le polynôme caractéristique de CP .

Proposition 2.4 Soit A ∈ Mn (K). Alors pour tout λ ∈ SpK (A) :

1 ≤ dim(Eλ (A)) ≤ ma (λ).

Application 2.1 Polynôme caractéristique d’un endomorphisme de rang 1.

2.3 Matrices diagonalisables

dim(Eλ (A)) = ma (λ).

Nous supposons désormais que le polynôme caractéristique est scindé :

2. Trouver une base de chaque sous-espace propre :

Si vous avez explicitement besoin du changement de base :

2.4 Polynômes d’endomorphismes

Proposition 2.5 Soient f ∈ L(E) , A ∈ Mn (K), B une base de E et P ∈ K[X]. Alors :

Proposition 2.6 ∀(P, Q) ∈ K[X], ∀f ∈ L(E), ∀λ ∈ K,

P (f )oQ(f ) = Q(f )oP (f ) = (P Q)(f ) et (P + λQ)(f ) = P (f ) + λQ(f ).

Exemple 2.5 Soit f ∈ L(E). L’ensemble If := {P ∈ K[X], P (f ) = 0} est un idéal de K[X].

Exemples 2.2 1. Polynôme minimal d’une homothétie.

Théorème 2.2 (Théorème de Cayley-Hamilton) On a χf (f ) = 0.

Application 2.2 Soit  

Corollaire 2.3 Le polynôme minimal divise le polynôme caractéristique. En particulier,

Remarque 2.5 En particulier, les racines de πf sont des valeurs propres de f .

Corollaire 2.4 Un endomorphisme f est nilpotent ssi f n = 0.

Application 2.3 Retrouver le polynôme caractéristique d’une matrice compagnon.

Exercice 2.8 Soit f ∈ L(E). Montrer que χf divise πfn .

Utilisation pratique d’un polynôme annulateur :

Corollaire 2.5 Pour tout f ∈ Gl(E), f −1 est un polynôme en f .

2.5 Sous-espaces stables

Exemple 2.7 Ker(f ) et Im(f ) sont stables par f.

avec, pour tout 1 ≤ i ≤ r, Ai ∈ Mdim(Fi ) (K).

Exemple 2.8 Si p est une projection de E, alors

E = Ker(p) ⊕ Ker(p − I).

Ker (P1 . . . Pr ) (f ) = ⊕rk=1 Ker(Pk (f )).

2.6 Diagonalisation, trigonalisation

Exemple 2.9 La matrice  

Théorème 2.3 Les conditions suivantes sont équivalentes.

Exemple 2.10 Le seul endomorphisme nilpotent et diagonalisable est l’endomorphisme nul.

Exemples 2.3 Les projections et les symétries vectorielles sont diagonalisables.

Application 2.4 Toute matrice symétrique réelle d’ordre 2 est diagonalisable.

Application 2.5 Une matrice A de rang 1 est diagonalisable ssi tr(A) ̸= 0.

Exemple 2.11 Diagonaliser la matrice  