coursMP2I Algebre

Lycée Louis-Le-Grand, Paris Année 2023/2024
Cours de mathématiques
Partie III – Algèbre 1
MP2I
Alain TROESCH
Version du:
4 juillet 2024
Table des matières
19 Structures algébriques 5
I Lois de composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
I.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
I.2 Propriétés d’une loi de composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
I.3 Ensembles munis de plusieurs lois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
I.4 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
II Structures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
II.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
II.2 Morphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
II.3 Catégories (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
III Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
III.1 Axiomatique de la structure groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
III.2 Exemples importants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
III.3 Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
III.4 Sous-groupes engendrés par une partie, sous-groupes monogènes . . . . . . . . . . . 21
III.5 Sous-groupes de Z et R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
III.6 Congruences modulo un sous-groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
III.7 Les groupes Z/nZ, groupes cycliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
IV Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
IV.1 Axiomatiques de la structure d’anneau . . . . . . . . . . . . . . . . . . . . . . . . . . 27
IV.2 Sous-anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
IV.3 Calculs dans un anneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
IV.4 Éléments inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
IV.5 Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
IV.6 Idéaux d’un anneau (Spé) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
20 Calcul matriciel 37
I Opérations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
I.1 L’ensemble des matrices de type (n, p) . . . . . . . . . . . . . . . . . . . . . . . . . . 37
I.2 Combinaisons linéaires de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
I.3 Produit matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
I.4 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
II Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
II.1 L’algèbre Mn (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
II.2 Matrices triangulaires et diagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2 Table des matières
II.3 Matrices symétriques et antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . 48

II.4 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
III Pivot de Gauss et matrices équivalentes par lignes . . . . . . . . . . . . . . . . . . . . . . . . 50
III.1 Opérations sur les lignes d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 51
III.2 Échelonnement d’une matrice par la méthode du pivot de Gauss . . . . . . . . . . . 52
III.3 Interprétation matricielle des opérations du pivot . . . . . . . . . . . . . . . . . . . . 54
III.4 Calcul pratique de l’inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . 56
IV Résolution d’un système linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
IV.1 Position du problème, réexpression et structure . . . . . . . . . . . . . . . . . . . . . 57
IV.2 Système échelonné réduit associé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
IV.3 Résolution d’un système échelonné réduit . . . . . . . . . . . . . . . . . . . . . . . . . 59
IV.4 Retour sur le calcul de l’inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
V Produit matriciel par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
21 Arithmétique des entiers 63

I Divisibilité, nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
I.1 Notion de divisibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
I.2 Congruences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
I.3 Nombres premiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
II PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
II.1 PGCD et PPCM d’un couple d’entiers . . . . . . . . . . . . . . . . . . . . . . . . . . 68
II.2 Identité de Bézout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
II.3 PGCD et PPCM d’une famille finie d’entiers . . . . . . . . . . . . . . . . . . . . . . . 72
III Entiers premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
III.1 Couple d’entiers premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
III.2 Famille finie d’entiers premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . 76
III.3 Fonction indicatrice d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
IV Décomposition primaire d’un entier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
IV.1 Décomposition primaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
IV.2 Valuations p-adique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
IV.3 PGCD et PPCM vus sous l’angle de la décomposition primaire . . . . . . . . . . . . 80
V Théorème des restes chinois (HP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
V.1 Cas de modulo premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
V.2 Résolution d’un système quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
22 Polynômes et fractions rationnelles 85

I Polynômes à coefficients dans un anneau commutatif . . . . . . . . . . . . . . . . . . . . . . 85
I.1 Polynômes formels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
I.2 Opérations arithmétiques sur les polynômes . . . . . . . . . . . . . . . . . . . . . . . 86
I.3 Indéterminée formelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
I.4 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
I.5 Degré et valuation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
II Arithmétique dans K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
II.1 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
II.2 Idéaux de K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
II.3 Divisibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
II.4 PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
II.5 Polynômes premiers entre eux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
II.6 Décomposition en facteurs irréductibles . . . . . . . . . . . . . . . . . . . . . . . . . . 97
III Racines d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
III.1 Spécialisation, évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
III.2 Racines et multiplicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Table des matières 3
III.3 Majoration du nombre de racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

III.4 Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
III.5 Polynômes scindés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
IV Polynômes irréductibles dans C[X] et R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
IV.1 Factorisations dans C[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
IV.2 Facteurs irréductibles dans R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
V Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
V.1 Définition des fractions rationnelles formelles . . . . . . . . . . . . . . . . . . . . . . . 108
V.2 Degré, racines, pôles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
V.3 Décomposition en éléments simples sur un corps quelconque . . . . . . . . . . . . . 111
V.4 Décomposition en éléments simples dans C(X) . . . . . . . . . . . . . . . . . . . . . 112
V.5 Décomposition en éléments simples dans R[X] . . . . . . . . . . . . . . . . . . . . . 113
VI Primitivation des fractions rationnelles réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4 Table des matières
19
Structures algébriques
THÉORÈME. Soit une équation donnée, dont a, b, c, ... sont les m racines. Il y aura toujours
un groupe de permutations des lettres a, b, c, ... qui jouira de la propriété suivante :
1. Que toute fonction des racines, invariable par les substitutions de ce groupe, soit ration-
nellement connue ;
2. Réciproquement, que toute fonction des racines, déterminable rationnellement, soit inva-
riable par les substitutions.
[...] Nous appellerons groupe de l’équation le groupe en question.
(Évariste Galois)
Note Historique 19.0.1

Il est fréquent de trouver des propriétés communes dans des situations qui au départ semblent totalement sans
rapport. Une des grandes découvertes (et réussites) des mathématiques du 19e siècle a été de parvenir à unifier
ces problèmes en apparence distincts, en faisant ressortir de ces différents problèmes des structures ensemblistes
et opératoires ayant des propriétés similaires.
C’est Évariste Galois le premier à mettre en avant ces études de structure à l’occasion de ses travaux visant
à étudier la résolubilité des équations polynomiales par radicaux. Il y parle de groupes de permutations des
solutions d’une équation, et est amené à étudier des propriétés de certains sous-ensembles de ces groupes de
permutations. C’est lui qui introduit la terminologie de « groupe », même si la formalisation précise de cette
notion est beaucoup plus tardive.
Le groupe des permutations d’un ensemble avait déjà été étudié auparavant par Lagrange (mais sans en faire res-
sortir cette structure bien particulière de groupe). Il a notamment établi à cette occasion un résultat important,
généralisé plus tard pour tout groupe sous le nom de « théorème de Lagrange ».
La notion de structure algébrique repose de façon essentielle sur la notion de loi de composition (c’est-
à-dire d’opération définie sur un ensemble, comme l’addition ou la multiplication) et sur les différentes
propriétés que ces lois de composition peuvent vérifier. Nous commençons donc notre étude par l’examen
de ces propriétés, après avoir défini de façon précise ce qu’est une loi de composition.
I Lois de composition
I.1 Définitions
Dans ce qui suit, E est un ensemble quelconque.
6 CHAPITRE 19. STRUCTURES ALGÉBRIQUES
Définition 19.1.1 (Lois de composition)

On distingue deux types de lois de compositions (opérations), suivant que la loi décrit une opération
entre deux éléments de l’ensemble E, ou entre un élément de E et un élément d’un ensemble externe
Ω, appelé domaine d’opérateur.
● Une loi de composition interne est une application de ϕ ∶ E × E dans E, souvent notée de façon
opérationnelle plutôt que fonctionnelle (par exemple x + y au lieu de ϕ(x, y) pour désigner une
addition).
● Une loi de composition externe à gauche sur E, d’ensemble d’opérateurs Ω, est une application
de Ω × E dans E, également notée de façon opérationnelle le plus souvent (par exemple λ ⋅ x au
lieu de ϕ(λ, x)).
● De même, une loi de composition externe à droite sur E d’ensemble d’opérateurs Ω est une
application E × Ω Ð→ E.
Exemples 19.1.2
● Les lois + et × sont des lois de composition internes sur N, Z, R ou C.
● La loi + est une loi de composition interne sur Rn ou Cn .
● (λ, X) ↦ λX (multiplication d’un vecteur par un scalaire) est une loi de composition externe
sur Rn (ou Cn ), d’ensemble d’opérateurs R (ou C).
● De même pour la multiplication des polynômes par des scalaires.
● La composition ○ définit une loi de composition interne sur E E .
● Le produit scalaire sur Rn n’est pas une loi de composition (interne ou externe), car le résultat
de l’opération n’est pas un élément de Rn .
I.2 Propriétés d’une loi de composition

Soit E un ensemble, muni d’une loi de composition interne que nous noterons ⋆. Nous étudions ici quelques
propriétés pouvant être vérifiées par la loi ⋆.
Définition 19.1.3 (Associativité, commutativité)

● On dit que ⋆ est associative ssi : ∀(x, y, z) ∈ E 3 , (x ⋆ y) ⋆ z = x ⋆ (y ⋆ z)
● On dit que ⋆ est commutative ssi : ∀(x, y) ∈ E 2 , x ⋆ y = y ⋆ x.
Ainsi, lorsque E est muni d’une loi associative, on peut effectuer les opérations dans l’ordre que l’on
veut, à condition de respecter la position respective des éléments les uns par rapport aux autres. Si
la loi est commutative, on peut échanger la position respective des éléments (mais pas nécessairement
faire les opérations dans l’ordre qu’on veut si la loi n’est pas associative). Pour énoncer cette propriété
d’associativité généralisée, on commence par définir ce qu’est un parenthésage admissible.
Définition 19.1.4 (Parenthésage admissible)

Un parenthésage admissible d’une expression formée de produits ⋆ d’éléments x1 , . . . , xn de E est un
parenthésage qui permet de regrouper 2 par 2 des éléments x1 , . . . , xn , ou des termes calculés à partir
de ceux-ci par un parenthésage plus fin. De façon plus rigoureuse, on définit cette notion par induction
structurelle :
● (initialisation) les expressions x constitués d’un unique élément sont munis d’un parenthésage
admissible ;
● si A1 et A2 sont deux expressions en x1 , . . . , xk et xk+1 , . . . , xn munis d’un parenthésage admis-
sible, alors (A1 ⋆ A2 ) est muni d’un parenthésage admissible.
I Lois de composition 7
Remarque 19.1.5
Le parenthésage le plus externe n’est pas complètement utile, et ne sert qu’à continuer la construction
si d’autres termes doivent s’ajouter à l’expression. Ainsi, dans une expression munie d’un parenthésage
admissible, on omet souvent le jeu de parenthèses externes. Par exemple, l’expression (x1 ⋆ x2 ) est
munie d’un parenthésage admissible, mais on écrira plutôt x1 ⋆ x2 . De même, on écrira x1 ⋆ (x2 ⋆ x3 )
plutôt que (x1 ⋆ (x2 ⋆ x3 )).
Exemples 19.1.6
En utilisant la convention de la remarque précédente, lesquelles des expressions ci-dessous sont munies
d’un parenthésage admissible ?
● (x1 ⋆ x2 ) ⋆ (x3 ⋆ x4 ) ⋆ x5
● (x1 ⋆ x2 ) ⋆ ((x3 ⋆ x4 ) ⋆ x5 )
● (x1 ⋆ x2 ) ⋆ x3 ) ⋆ ((x4 ⋆ x5 )
Théorème 19.1.7 (Associativité généralisée)

Soit ⋆ une loi associative sur E, et x1 , . . . , xn des éléments de E. Alors la valeur de x1 ⋆ x2 ⋆ ⋯ ⋆ xn
ne dépend pas du parenthésage admissible choisi sur cette expression (donc de l’ordre dans lequel on
effectue ces opérations).
◁ Éléments de preuve.
Ce résultat qui paraît évident intuitivement n’est pas si évident que cela à démontrer. Une démons-
tration consiste à montrer par récurrence forte sur n (en se servant de la structure inductive), toute
expression convenable parenthésée est égale à l’expression munie du parenthésage croissant, dans
lequel les opérations sont faits dans l’ordre de lecture. La démonstration consiste alors à décomposer
une expressions en deux, écrire l’expression de droite avec un parenthésage croissant en utilisant l’hy-
pothèse de récurrence, utiliser l’associativité pour isoler xn puis réutiliser l’hypothèse de récurrence
sur l’expression de gauche constituée maintenant de n − 1 termes. ▷
Notation 19.1.8 (Suppression des parenthèses)

Lorsque ⋆ est associative, nous nous permettons d’omettre le parenthésage, en notant x ⋆ y ⋆ z au lieu
de (x ⋆ y) ⋆ z ou x ⋆ (y ⋆ z), la propriété d’associativité levant toute ambiguité sur l’interprétation de
cette expression. Plus généralement, d’après la propriété d’associativité généralisée, on peut omettre le
parenthésage dans des opérations portant sur un nombre quelconque de termes.
On peut aussi donner une propriété de commutativité généralisée, lorsqu’on a à la fois l’associativité et la
commutativité. Dans le cas d’une structure commutative non associative, la description est plus délicate.
Théorème 19.1.9 (Commutativité généralisée)

Soit ⋆ une loi commutative et associative sur E, et x1 , . . . , xn des éléments de E. Alors, pour tout
σ ∈ Sn ,
x1 ⋆ x2 ⋆ ⋯ ⋆ xn = xσ(1) ⋆ xσ(2) ⋆ ⋯ ⋆ xσ(n) .
Ici encore, le théorème semble assez évident. Mais une démonstration rigoureuse nécessite un petit
effort de reflexion, et l’utilisation de quelques propriétés des permutations. On peut montrer que
toute permutation s’écrit comme composée de permutations très simples consistant simplement à
échanger 2 termes consécutifs, en laissant les autres fixes. C’est ce qu’on fait par exemple lorsqu’on
effectue un tri à bulles, ou un tri par insertion, si on remonte les éléments au fur et à mesure. En
admettant ce résultat, on passe donc de l’expression de gauche à l’expression de droite en faisant une
succession d’échanges de deux termes consécutifs. Par associativité généralisée, on peut trouver un
parenthésage associé qui regroupe ces deux termes, et donc l’échange de ces deux termes ne change
pas la valeur de l’expression (par commutativité).
En attendant de disposer de ce résultat, on peut montrer à la main que l’échange de deux termes
quelconques non nécessairement consécutifs ne change pas la valeur de l’expression, ce qui permet
d’échanger xn et xϕ(n) dans l’expression de droite (si n ≠ ϕ(n)), puis on termine par récurrence, en
considérant l’expression formée des n − 1 premiers termes. ▷
Exemples 19.1.10 (Lois commutatives, associatives)

1. Les lois + et × définies sur N, Z, R et C sont associatives et commutatives.
2. Le produit matriciel définit une loi associative sur Mn (R) (ensemble des matrices carrées d’ordre
n), mais pas commutative.
3. La composition définit une loi associative sur E E mais pas commutative.
4. La soustraction dans Z est non associative et non commutative.
5. La loi définie sur R par (a, b) ↦ (a + b)2 est commutative mais non associative.
Avertissement 19.1.11
Attention à toujours bien indiquer le parenthésage lorsque la loi n’est pas associative, ou lorsque
plusieurs lois sont en jeu sans qu’il n’ait été défini de façon explicite de relation de priorité sur les
opérations.
Convention 19.1.12 (Commutativité d’une loi d’addition, usage)

Nous réserverons la notation additive (signe opératoire +) pour des lois de composition commutatives.
Cela n’empêche pas en revanche de considérer des lois commutative notées différemment (par exemple
multiplicativement).
Convention 19.1.13 (Omission du signe d’opération)

Il est fréquent d’omettre certains signes d’opérations (généralement les multiplications), si l’usage qui
est fait de cette suppression est suffisamment clair et ne provoque pas d’ambiguïté.
Ainsi, vous avez déjà l’habitude d’écrire ab au lieu de a × b ou a ⋅ b. Cet usage, courant dans R ou
C, est aussi fréquent pour les opéraions matricielles, à la fois pour le produit interne que le produit
externe (multiplication d’une matrice par un scalaire). De façon peut-être plus troublante, il est fréquent
d’omettre le ○ de la composition, en particulier lorsqu’on compose des applications linéaires (il n’y a alors
pas d’ambiguïté sur le sens de ce produit, les éléments de l’espace d’arrivée ne pouvant en général pas se
multiplier entre eux)
Notation 19.1.14 (Itération d’une loi)

Soit ⋆ une loi associative sur E, n un élément de N∗ et x un élément de E. On note x⋆n , ou plus
simplement xn lorsqu’il n’y a pas d’ambiguïté (lorsqu’il n’y a qu’une loi en jeu par exemple), l’itéation
de la loi ⋆, c’est à dire :
x⋆n = x ⋆ x ⋆ ⋯ ⋆ x,
le nombre de termes x étant égal à n. Pour une définition plus rigoureuse, par récurrence, x⋆1 = x, et
pour tout n ∈ N∗ , x⋆(n+1) = x⋆n ⋆ x.
Si E admet un élément neutre e pour la loi ⋆ (voir ci-dessous), on note par convention x⋆0 = e. Remarquez
qu’alors, la définition par récurrence est aussi valable pour passer de l’exposant 0 à l’exposant 1.
Dans le cas où plusieurs lois sont en jeu, la notation xn peut prêter à confusion. En général, dans les
structures faisant intervenir deux lois dont une commutative, on utilise la multiplication × (loi multi-
plicative) et l’addition + (loi additive). On distingue les itérations des lois sans introduire de lourdeur
d’écriture en utilisant une notation particulière pour l’itération de l’addition, calquée sur ce qu’il se passe
dans R :
Notation 19.1.15 (Itération d’une loi additive)

Si E est muni d’une loi notée additivement +, on note n ⋅ x au lieu de x+n l’itération de la loi +.
Attention au fait que généralement, n n’étant pas élément de E, la notation ⋅ est à distinguer d’une
éventuelle multiplication dans E (cela définit une loi externe à opérateurs dans N). Si N ⊂ E, la loi
externe ⋅ peut coïncider avec le produit, si E est muni d’une structure suffisamment riche. C’est ce qui
se produit dans la plupart des structures qui contiendront N que nous aurons l’occasion de considérer.
Nous voyons maintenant des propriétés liées à l’existence de certains éléments particuliers de E.
Définition 19.1.16 (Élément neutre)

Soit e un élément de E. On dit que e est un élément neutre pour la loi ⋆ si pour tout x ∈ E, e⋆x = x = x⋆e
On trouve aussi la notion de neutre à gauche ou à droite si une seule de ces deux égalités est satisfaite.
Pour une loi commutative, e est neutre ssi e est neutre à droite ssi e est neutre à gauche.
Exemple 19.1.17 (Éléments neutres)

1. 0 est élément neutre pour + dans N, Z, R, C. C’est le seul élément neutre pour +.
2. 1 est élément neutre pour × dans N, Z, R, C. C’est le seul élément neutre pour ×.
3. In est élément neutre pour × sur Mn (R), 0n est élément neutre pour + sur Mn (R).
4. idE est élément neutre pour ○ sur E E .
5. Sur un ensemble E de cardinal supérieur ou égal à 2, la loi (x, y) ↦ y admet plusieurs neutres
à gauche (tout x ∈ E est neutre à gauche). En revanche, il n’y a pas de neutre à droite.
Une loi ne peut pas admettre plusieurs éléments neutres, comme le montre la propriété suivante.
Proposition 19.1.18 (Unicité du neutre)

L’élément neutre, s’il existe, est unique.
Considérer e1 ⋆ e2 ▷
Notation 19.1.19 (0E , 1E )

● On note généralement 0E (ou 0 s’il n’y a pas de risque d’ambiguité) le neutre (s’il existe) d’une
loi notée additivement +.
● On note généralement 1E (ou 1 s’il n’y a pas de risque d’ambiguité) le neutre (s’il existe) d’une
loi notée multiplicativement ×.
Définition 19.1.20 (Élément symétrique)

Supposons que E admet un élément neutre e pour la loi ⋆. Soit x ∈ E.
● On dit que y est un symétrique à gauche de x pour la loi ⋆ si y ⋆ x = e.
● On dit que y est un symétrique à droite de x pour la loi ⋆ si x ⋆ y = e.
● On dit que y est un symétrique de x pour la loi ⋆ si et seulement si y est un symétrique à droite
et à gauche de x.
● On dit que x est symétrisable (resp. symétrisable à gauche, resp. symétrisable à droite) si x
admet au moins un symétrique (resp. un symétrique à gauche, resp. un symétrique à droite).
Terminologie 19.1.21 (Opposé, inverse)

● Dans le cas d’une loi notée additivement, on parle plutôt d’opposé, et en cas d’unicité, on note
−x l’opposé de x.
● Dans le cas d’une loi notée multiplicativement, on parle plutôt d’inversibilité (inversibilité à
droite, à gauche), et en cas d’unicité, on note x−1 l’inverse de x.
Dans une situation plus générale, on trouve souvent la notation xs pour désigner le symétrique.
Proposition 19.1.22 (Unicité du symétrique)

Si ⋆ est associative, alors, en cas d’existence, le symétrique est unique.
Si y et z sont deux symétriques de x, considérer y ⋆ x ⋆ z. ▷
Exemples 19.1.23
1. Dans N seul 0 admet un opposé pour +.
2. Dans Z, R, Q, C, tout élément admet un opposé pour +.
3. Dans N seul 1 admet un inverse, dans Z, seuls 1 et −1 admettent un inverse. Dans R, Q et C
tous les éléments non nuls admettent un inverse.
4. Dans E E muni de ○, sous réserve de l’axiome du choix, les éléments symétrisables à gauche sont
les injections, les éléments symétrisables à droite sont les surjections, les éléments symétrisables
sont les bijections. Une injection non surjective admet plusieurs symétriques à gauche ; une
surjection non injective admet plusieurs symétriques à droite.
Proposition 19.1.24 (Symétrique de x ⋆ y)

Supposons ⋆ associative. Soit (x, y) ∈ E 2 . Si x et y sont symétrisables, de symétriques xs et y s , alors
x ⋆ y est symétrisable de symétrique y s ⋆ xs . Notez l’inversion !
Le vérifier ! ▷
Traduisons pour une loi multiplicative : si x et y sont inversibles, d’inverses x−1 et y −1 , alors xy aussi, et
(xy)−1 = y −1 x−1 .
Dans le cas d’une loi additive commutative, on obtient
−(x + y) = (−y) + (−x) = (−x) + (−y),
ce qu’on note plus simplement −x − y, comme dans R.

Définition 19.1.25 (Élément absobant)

Soit x ∈ E.
● On dit que x est un élément absorbant à gauche pour ⋆ ssi : ∀y ∈ E, x ⋆ y = x.
● On dit que x est absorbant à droite pour ⋆ ssi : ∀y ∈ E, y ⋆ x = x.
● On dit que x est absorbant s’il est à la fois absorbant à gauche et à droite.
Exemples 19.1.26
1. 0 est absorbant pour × dans N, Z, Q, R, C.
2. Pour la loi (x, y) ↦ y, tout élément y de E est absorbant à droite. Il n’y a pas d’élément
absorbant à gauche si E est de cardinal au moins 2.
3. +∞ est absorbant dans (R ∪ {+∞}, +).
Définition 19.1.27 (Élément régulier ou simplifiable)

● Un élément x est dit régulier (ou simplifiable) à gauche ssi :
∀(y, z) ∈ E 2 , x ⋆ y = x ⋆ z Ô⇒ y = z.
● Un élément x est dit régulier (ou simplifiable) à droite ssi :
∀(y, z) ∈ E 2 , y ⋆ x = z ⋆ x Ô⇒ y = z.
● Un élément x est dit régulier (ou simplifiable) s’il est à la fois régulier à gauche et à droite.
Proposition 19.1.28 (Régularité des éléments symétrisables)

Supposons que E soit muni d’une loi ⋆ associative.
● Soit x un élément admettant un symétrique à gauche. Alors x est régulier à gauche.
● Soit x un élément admettant un symétrique à droite. Alors x est régulier à droite.
● Soit x un élément admettant un symétrique. Alors x est régulier.
Pour simplifier, multiplier par le symétrique ! ▷
Ainsi, le fait de pouvoir simplifier une égalité par un réel ou complexe non nul x ne vient pas tant de
la non nullité que de l’inversibilité de x. Par exemple, la non nullité n’est pas un critère suffisant de
régularité dans Mn (R) : il est nécessaire d’avoir l’inversibilité de la matrice que l’on veut simplifier.
Il convient toutefois de noter que la condition d’inversibilité, si elle est suffisante, n’est en général pas
nécessaire.
Exemple 19.1.29
Donnez des exemples de structures algébriques simples dans lesquelles certains éléments sont réguliers
sans être inversibles.
I.3 Ensembles munis de plusieurs lois

Soit E un ensemble muni de deux lois de composition ⋆ et ◇.
Définition 19.1.30 (Distributivité)

● On dit que la loi ⋆ est distributive à gauche sur ◇ ssi : ∀(x, y, z) ∈ E 3 , x⋆(y ◇z) = (x⋆y)◇(x⋆z).
● On dit que la loi ⋆ est distributive à droite sur ◇ ssi : ∀(x, y, z) ∈ E 3 , (y ◇z)⋆x = (y ⋆x)◇(z ⋆x).
● On dit que la loi ⋆ est distributive sur ◇ ssi elle est distributive à droite et à gauche.
Exemples 19.1.31
1. La loi × est distributive sur + dans N, Z, R, C, Mn (R)...
2. La loi ∩ est distributive sur ∪ sur P(X). Inversement, la loi ∪ est distributive sur ∩.
3. Que peut-on dire de la loi ∩ par rapport à elle-même ? De la loi ∪ ?
Remarque 19.1.32
La première relation x ⋆ (y ◇ z) = (x ⋆ y) ◇ (x ⋆ z) a également un sens lorsque ⋆ est une loi externe.
Ainsi, dans Rn , muni de l’addition en loi interne, et de la multiplication des scalaires en loi externe, on
a λ(X + Y ) = λX + λY : la loi externe est distributive sur la loi interne.
Théorème 19.1.33 (Distributivité généralisée)

Soit E muni de deux lois × et + associatives, et + commutative. On suppose que × est distributive sur
+. On a alors, pour tout n ∈ N∗ et tous ensembles finis J1 , . . . , Jn non vides, les xi,j étant des éléments
de E, on a :
n n
∏ ∑ xi,j = ∑ ∏ xi,ji .
i=1 j∈Ji (j1 ,...,jn )∈J1 ×⋯×Jn i=1
La loi × n’étant pas supposée commutative, les produits ∏ sont à comprendre dans l’ordre croissant des
indices.
Le montrer pour n = 2, puis récurrence sur n. La démonstration est exactement la même que celle
faite dans le chapitre sur les sommes dans le cas des nombres réels. ▷
Exemple 19.1.34
Comprendre la formule ci-dessus pour l’expression (x1 + x2 ) × (y1 + y2 + y3 ) × (z1 + z3 ).
Définition 19.1.35 (associativité externe)

Soit E un ensemble muni d’une loi de composition externe ◇ sur K, lui même muni d’une loi de
composition interne ⋆. On dit que les lois ⋆ et ◇ vérifient une propriété d’associativité externe si pour
tout (λ, µ) ∈ K2 et x ∈ E
(λ ⋆ µ) ◇ x = λ ◇ (µ ◇ x).
Cette propriété est par exemple satisfaite sur Rn pour la multiplication par un scalaire : (λµ)X = λ(µX).
Plus généralement, un espace vectoriel vérifiera cette propriété d’associativité externe.
De la même manière, si E est muni d’une loi interne × et d’une loi externe ◇ à opérateurs dans K, on
dispose d’une autre propriété de distributivité externe s’exprimant par la relation :
λ ◇ (x × y) = (λ ◇ x) × y.
Dans cette situation, qu’on retrouve notamment dans la définition des K-algèbres, on pourra éventuelle-
ment avoir en plus l’égalité avec x × (λ ◇ y).
II Structures 13
C’est une propriété qu’on retrouve par exemple pour l’ensemble des matrices carrées d’ordre n, muni de
la loi interne × (produit matriciel) et de la loi externe correspondant au produit d’une matrice par un
scalaire.
I.4 Stabilité
Définition 19.1.36
1. Soit E un ensemble muni d’une loi de composition interne ⋆ et F ⊂ E un sous-ensemble de E.
On dit que F est stable par ⋆, si la restriction de la loi de E à F × F peut se corestreindre à F ,
autrement dit si :
∀(x, y) ∈ F 2 , x ⋆ y ∈ F.
Dans ce cas, la l.c.i. de E se restreint en une l.c.i. ⋆F : F × F → F , appelée loi induite sur F par
⋆.
2. Soit E un ensemble muni d’une loi de composition externe ⋅ à opérateurs dans Ω, et F ⊂ E. On
dit que E est stable par ⋅ :
∀ω ∈ Ω, ∀x ∈ F, ω ⋅ x ∈ F.
Dans ce cas, la l.c.e. de E se restreint en une l.c.e. sur F , à opérateurs dans Ω.
II Structures
II.1 Généralités
Définition 19.2.1
● Une structure de « truc » est la donnée d’un certain nombre d’axiomes (définissant ce qu’on
appelle un « truc ») portant sur un ensemble fini de lois de composition (internes et/ou externes).
● On dit qu’un ensemble E est muni d’une structure de truc ssi E est muni d’un nombre fini de
lois de composition vérifiant les axiomes de structure de truc.
Exemples 19.2.2
1. Une structure de magma se définit comme la donnée d’une loi de composition, et un ensemble
vide d’axiomes. Ainsi, tout ensemble E muni d’une loi de composition est muni d’une structure
de magma.
2. Une structure de monoïde se définit comme la donnée d’une loi de composition, et de deux
axiomes : l’associativité de la loi et l’existence d’un élément neutre. Par exemple (N, +) est muni
d’une structure de monoïde (on dit plus simplement que (N, +) est un monoïde). L’ensemble
des mots sur un alphabet A, muni de l’opération de concaténation est aussi un monoïde (appelé
monoïde libre sur l’alphabet A). Contrairement à N, le monoïde libre n’est pas commutatif.
3. Ainsi, la structure de monoïde est plus riche que celle de magma : tout monoïde est aussi un
magma ; un monoïde peut être défini comme un magma dont la loi est associative et possède un
élément neutre.
4. Une structure de groupe est une structure de monoïde à laquelle on rajoute l’axiome d’existence
de symétriques. Par exemple (Z, +) est un groupe, mais pas (N, +).
Définition 19.2.3 (Stucture induite)

Soit E un ensemble muni d’une structure de truc, et F un sous-ensemble de E. Si F est stable pour
chacune des lois de E, l’ensemble F muni des lois induites sur F par les lois de E est muni d’une
structure appelé structure induite sur F par la structure de E.
En général, F ne peut pas être muni d’une structure de truc, mais seulement d’une structure moins
riche, certains des axiomes de la structure de truc pouvant ne pas être préservée par restriction.
Exemple 19.2.5
(N, +) est la structure induite sur N par la structure de groupe additif de (Z, +). En revanche, (N, +)
n’est pas un groupe. On a perdu l’existence des opposés par restriction.
Définition 19.2.6 (Sous-truc)

Soit E un ensemble muni d’une structure de truc et F un sous-ensemble de E. On dit que F est un
sous-truc de E si F est stable par les lois de E, si F contient les neutres imposés de E, et si les lois
induites sur F par les lois de E vérifient les axiomes de la structure de truc.
Nous verrons comment traduire de façon effective cette notion dans le cas de sous-groupes et sous-anneaux.
Remarque 19.2.7 (Restriction des propriétés universelles)

Toutes les propriétés universelles (quantifiées par ∀) passent bien aux structures induites. Ainsi, la
commutativité, l’associativité, la distributivité, la régularité passent aux structures induites.
II.2 Morphismes
Lorsqu’on dispose d’une structure de truc, on est souvent amené à considérer des applications entre
ensembles munis de la structure de truc. Cependant seules nous intéressent les applications compatibles
dans un certain sens avec la structure de truc : les autres ne sont pas pertinentes dans le contexte (si on
a à s’en servir, c’est qu’on sort de la structure de truc, et que la structure de truc n’est plus le contexte
adapté).
Définition 19.2.8 (Homomorphisme)

Soit E et F deux ensembles munis d’une structure de truc, E étant muni des lois de composition
interne (⋆, . . . , ⋆) et F des lois (◇, . . . , ◇), et des lois de composition externes (⊺, . . . , ⊺ ) et (, . . . , )
n n
sur K1 , . . . , Km respectivement. On dit qu’une application f ∶ E Ð→ F est un homomorphisme de trucs
1 1 1 m 1 m
(ou plus simplement un morphisme de trucs) ssi :

● L’application f est compatible avec (ou « respecte ») les lois internes :
∀k ∈ J1, nK, ∀(x, y) ∈ E 2 , f (x ⋆ y) = f (x) ◇ f (y).

k k
● L’application f est compatible avec (ou « respecte ») les lois externes :
∀ℓ ∈ J1, mK, ∀λ ∈ Kℓ , ∀x ∈ E, f (λ⊺x) = λf (x).

ℓ ℓ
● Si l’existence du neutre ei pour la loi ⋆ est imposée dans les axiomes (et donc le neutre e′i pour
la loi ◇ existe aussi), f doit être compatible avec le neutre : f (ei ) = e′i .
i
i
On peut avoir à rajouter certaines propriétés liées à la structure étudiée. On peut aussi ajouter l’exis-
tence d’un homomorphisme nul (ne vérifiant pas la compatibilité avec les neutres non additifs), afin
d’obtenir une structure intéressante sur l’ensemble des morphismes.
II Structures 15
Ainsi, un homomorphisme entre deux ensembles muni d’une certaine structure est une application « res-
pectant » cette structure.
Pour chaque structure étudiée, nous redéfinirons de façon précise la notion d’homomorphisme associée, si
celle-ci est à connaître. Nous donnons une propriété générale, dont la démonstration dans le cadre général
nous dispensera des démonstrations au cas par cas.
Proposition 19.2.9 (Composition d’homomorphismes)

Soit f ∶ E Ð→ F et g ∶ F Ð→ G deux morphismes de trucs. Alors g ○ f est un morphisme de trucs.
Vérifier en deux temps le respect par g ○ f de chaque loi interne, chaque loi externe, chaque neutre
imposé. ▷
Nous définissons alors :
Terminologie 19.2.10
● Un isomorphisme de trucs est un homomorphisme de truc bijectif.
● Un endomorphisme de truc est un homomorphisme de truc de E dans lui-même (muni des
mêmes lois) (il n’y a ici qu’un truc en jeu, ce qui justifie le singulier)
● Un automorphisme de truc est un endomorphisme qui est également un isomorphisme.
Proposition 19.2.11
Si f ∶ E Ð→ F est un isomorphisme de trucs, alors f −1 est un isomorphisme de trucs.
Ainsi, la réciproque d’un isomorphisme est bijective (ça, ce n’est pas une surprise), et c’est aussi un
homomorphisme de trucs (ce qui est moins trivial).
C’est ce dernier point qu’il faut vérifier. Pour une loi interne ⋆, comparer f (f −1 (a) ⋆ f −1 (b)) et
f (f −1 (a ⋆ b)). Même principe pour la loi externe. Le respect des neutres est évident. ▷
II.3 Catégories (HP)

La notion de structure et de morphisme associé permet de définir la notion de catégorie. Grossièrement,
une catégorie est la donnée :
● d’une classe d’objets ;
● de flèches entre ces objets ;
● d’une règle de composition entre les flèches.
Par exemple, la catégorie des monoïdes est la catégorie dont les objets sont les monoïdes, les flèches
sont les homomorphismes de monoïdes, et la composition des flèches correspond à la composition usuelle
des homomorphismes (la composée de deux homomophismes étant encore un homomorphisme, donc une
flèche de la catégorie). On définit de même la catégorie des groupes, ou la catégorie des anneaux, ou
encore la catégorie des corps.
Cette notion de catégorie nous permet de travailler dans un certain contexte. Se donner une catégorie
permet de se concentrer sur un certain type d’objets, et un certain type d’applications, et de les étudier
d’un point de vue formel.
La notion de catégorie dépasse largement le cadre de l’étude des structures algébriques, car si les structures
algébriques fournissent des catégories, de nombreuses catégories sont issues d’autres contextes, comme :
● la catégorie des ensembles, les morphismes étant toutes les applications ;

● la catégorie des ensembles ordonnés, les morphismes étant les applications croissantes
● la catégorie des espaces topologiques, les morphismes étant les applications continues
● ou encore, la catégorie des catégories, les morphismes étant les foncteurs de C dans D, associant
à chaque objet de C un objet de D, et à chaque flèche de C une flèche de D, tout en respectant
un certain nombre de règles de compatibilité.
● ou encore, des catégories de foncteurs entre deux catégories, les objets étant cette fois des foncteurs,
et les flèches étant des « transformations naturelles » entre foncteurs...
III Groupes
III.1 Axiomatique de la structure groupes
Définition 19.3.1 (Groupe)

Soit G un ensemble. On dit que G est muni d’une structure de groupe si G est muni d’une loi de
composition ⋆ telle que :
● ⋆ est associative ;
● il existe un élément neutre e pour la loi ⋆ ;
● tout élément x admet un symétrique xs .
En vertu de résultats antérieurs, on peut énoncer :
Proposition 19.3.2 (Unicité du neutre et des symétriques)

Soit (G, ⋆) un groupe. Alors :
● G admet un unique élément neutre pour ⋆
● Pour tout x ∈ G, il existe un unique symétrique xs de x.
Provient de résultats déjà vus ▷
Corollaire 19.3.3 (régularité des éléments d’un groupe)

Tous les éléments d’un groupe sont réguliers pour la loi du groupe.
De même. ▷
Définition 19.3.4 (Groupe abélien ou commutatif )

On dit qu’un groupe (G, ⋆) est abélien (ou commutatif) si la loi de G est commutative.
Notation 19.3.5 (Notation additive, notation multiplicative)

La loi d’un groupe est le plus souvent notée additivement (signe +) ou multiplicativement (signe ×,
parfois remplacé par un point, voire omis, comme dans R). La notation additive est réservée au cas
de groupes abéliens. Nous avons alors les notations suivantes pour désigner des itérées de la loi de
composition sur un même élément x :
III Groupes 17
● loi multiplicative : x × ⋯ × x (avec n occurrences) est noté xn ;

le neutre est noté 1 ;
par convention, x0 = 1 ;
● loi additive : x + ⋯ + x (avec n occurrences) est noté n ⋅ x ou nx ;
le neutre est noté 0 ;
par convention 0x = 0.
Une définition plus rigoureuse par récurrence pourrait être donnée pour ces itérées.
Notation 19.3.6 (Simplifications d’écriture pour la notation additive)

Soit (G, +) un groupe commutatif. Comme mentionné plus haut, l’opposé d’un élément x est noté −x.
On note alors x − y au lieu de x + (−y). On a alors les règles suivantes :
● ∀(x, y, z) ∈ G3 , x − (y + z) = x − y − z
● ∀(x, y, z) ∈ G3 , x − (y − z) = x − y + z.
En vertu des définitions générales données dans le paragraphe précédent, nous donnons la définition
suivante :
Définition 19.3.7 (Homomorphisme de groupes)

Soit (G, ⋆) et (H, ◇) deux groupes.
● On dit qu’une application f ∶ G Ð→ H est un homomorphisme de groupes (ou plus simplement
morphisme de groupes) si pour tout (x, y) ∈ G, f (x ⋆ y) = f (x) ◇ f (y).
On note Hom(G, H) l’ensemble des homomorphismes de G dans H.
● Si (G, ⋆) = (H, ◇), on dit que f est un endomorphisme de (G, ⋆).
● Un homomorphisme bijectif est appelé isomorphisme ; en vertu de ce qui précède, la réciproque
d’un isomorphisme est un isomorphisme.
● Un endomorphisme bijectif est appelé automorphisme ; en vertu de ce qui précède, la réciproque
d’un automorphisme est un automorphisme.
On note Aut(G) l’ensemble des automophismes de G.
Le respect du neutre n’a pas été imposé. Et pour cause : il est ici automatiquement vérifié :
Proposition 19.3.8 (Image du neutre par un morphisme)

Soit f ∶ G → H un morphisme de groupes. Alors f (eG ) = eH .
Considérer f (eG ⋆ eG ) et utiliser la régularité dans H. ▷
Proposition 19.3.9 (Image par un morphisme d’un inverse)

Soit G, H deux groupes (notés multiplicativement), et f un morphisme de G dans H. Alors f (x−1 ) =
f (x)−1 . On adaptera aisément cette propriété au cas ou l’un (ou les deux) groupe(s) est (sont) en
notation additive.
Considérer f (x)f (x−1 ). ▷
Proposition 19.3.10 (Structure de (Aut(G), ○)

Soit G un groupe. Alors, (Aut(G), ○) est un groupe.
Utiliser les résultats relatifs aux composées de morphismes et à la réciproque d’un isomophisme. ▷
III.2 Exemples importants
Exemples 19.3.11
1. (Z, +), (Q, +), (R, +), (C, +) sont des groupes abéliens notés additivement.
2. (Q∗ , ×), (R∗ , ×), (C∗ , ×), (Q∗+ , ×), (R∗+ , ×) sont des groupes abéliens notés multiplicativement.
3. (N, +), (Q, ×), (Z∗ , ×), « (R∗− , ×) » sont-ils des groupes ?
4. (U, ×) et (Un , ×) sont des groupes.
5. Pour n ⩾ 2, (Z/nZ, +) est un groupe.
6. ((Z/nZ) ∖ {0}, ×) est-il en général un groupe ?
7. Étant donné X un ensemble, (SX , ○), l’ensemble des permutations de X est un groupe pour la
loi définie par la composition.
8. exp ∶ (R, +) Ð→ (R∗+ , ×) est un homomorphisme de groupes. C’est même un isomorphisme.
9. Sa réciproque est donc aussi un isomorphisme de groupes : ln ∶ (R∗+ , ×) Ð→ (R, +).
10. L’application x ↦ ei x est un morphisme de groupes de (R, +) à (U, ×).
11. L’application z ↦ ez est un morphisme de groupes surjectif (mais non injectif) de (C, +) sur
(C∗ , ×).
2kπ
12. Soit n ⩾ 2 et pour tout k ∈ J0, n − 1K, ωk = ei n . Alors, étant donné k ∈ J0, nK :
f∶ (Z, +) Ð→ (Un , ×)
ℓ ↦ ωkℓ
est un homomorphisme de groupe. Il est surjectif si k = 1, et plus généralement si k est premier

avec n (d’après le théorème de Bézout). On dit dans ce cas que ωk est une racine primitive de
l’unité (car elle engendre multiplicativement l’ensemble de toutes les racines de l’unité).
13. Puisque ωkn = 1, le morphisme précédent « passe au quotient » et définit un homomorphisme de
groupe :
f ∶ (Z/nZ, +) Ð→ (Un , ×)
ℓ ↦ ωkℓ
Cet homomorphisme est un isomophisme si k = 1, et plus généralement si k est premier avec n.
III.3 Sous-groupes
Toujours en suivant les définitions plus générales, nous donnons la définition suivante :
Définition 19.3.12 (Sous-groupe)

Soit (G, ⋆) un groupe. Un sous-ensemble H de G est appelé sous-groupe de G si H est stable pour la
loi de G et si la loi induite définit sur H une structure de groupe.
Remarquez qu’on n’a pas donné l’appartenance du neutre à H dans la définition, celle-ci étant automa-
tique en vertu de :
III Groupes 19
Proposition 19.3.13 (Appartenance de l’élément neutre à H)

Soit H un sous-groupe de G. Alors l’élément neutre e de G est dans H et est l’élément neutre du groupe
H.
Considérer eG ⋅ h et eH ⋅ h, pour h ∈ H. ▷
Dans la pratique, pour vérifier que H est un sous-groupe de G on utilise le résultat suivant, ou sa version
compactée :
Théorème 19.3.14 (Caractérisation des sous-groupes)

Un sous-ensemble H d’un groupe (G, ⋆) (de neutre eG ) est un sous-groupe de G si et seulement si :
(i) H est non vide,
(ii) H est stable pour ⋆ : ∀(x, y) ∈ H, x ⋆ y ∈ H,
(iii) H est stable par prise de symétrique : ∀x ∈ H, xs ∈ H.
CN : assez évidente, se servir du fait que le neutre est le même pour le troisième point.
CS : provient du fait que les propriétés universelles (donc l’associativité) se conservent par restriction.
Le point (ii) nous assure de la bonne définition de la loi. ▷
On peut rassembler les deux dernières propriétés en une seule vérification :
Théorème 19.3.15 (Caractérisation des sous-groupes, version condensée)

Un sous-ensemble H d’un groupe (G, ⋆) (de neutre eG ) est un sous-groupe de G si et seulement si :
(i) H est non vide,
(ii) ∀(x, y) ∈ H 2 , x ⋆ y s ∈ H,
Comparer au théorème précédent : un sens est évident. Il suffit de montrer qu’avec les 3 points de
ce théorème, on peut séparer la stabilité par somme et par inversion. Commencer par justifier que
e = eG ∈ H, puis considérer x = e pour la stabilité par inverse, puis y ′ = y s pour la stabilité par
produit. ▷
Proposition 19.3.16
Dans les deux théorèmes précédents, on peut remplacer le point (i) par :
(i’) eG ∈ H.
Si H est un sous-groupe, il contient nécessairement eG . ▷
On traduit cette dernière propriété dans les deux cas les plus fréquents :
● pour un sous-groupe d’un groupe additif, la vérification de stabilité à faire est donc :
∀(x, y) ∈ H 2 , x − y ∈ H;
● pour un sous-groupe d’un groupe multiplicatif, la vérification de stabilité à faire est donc :
∀(x, y) ∈ H 2 , xy −1 ∈ H.
Dans certaines situations, il est plus commode de dissocier l’étude de la stabilité par produit et de la
stabilité par inversion.
De façon évidente, étant donné G un groupe, d’élément neutre e, {e} et G sont des sous-groupes de G.
Définition 19.3.17 (Sous-groupe propre)

Un sous-groupe propre de G est un sous-groupe de G distinct de {e} et de G.
Proposition 19.3.18 (Intersection de sous-groupes)

Soit G un groupe, et (Hi )i∈I une famille de sous-groupes de G. Alors ⋂ Hi est un sous-groupe de G.
i∈I
Sans difficulté à l’aide de l’une ou l’autre des caractérisations des sous-groupes. ▷
Remarque 19.3.19
Une union de sous-groupes est-elle un sous-groupe ?
Proposition 19.3.20 (Image directe et réciproque de sous-groupes par un homomorphisme)

Soit G et H deux groupes, et soit f ∈ Hom(G, H) un morphisme de groupes. Alors l’image par f de
tout sous-groupe de G est un sous-groupe de H. L’image réciproque par f de tout sous-groupe de H est
un sous-groupe de G.
Vérification facile par caractérisation. ▷
Définition 19.3.21 (Noyau)

Soit G et H deux groupes et f ∈ Hom(G, H) un morphisme de groupes. Le noyau de f est le sous-groupe
de G défini par :
Ker(f ) = f −1 ({eH }) = {y ∈ G ∣ f (y) = eH }.
Cas particulier de la proposition précédente. ▷
Une propriété importante du noyau est qu’il mesure le défaut d’injectivité :
Théorème 19.3.22 (Caractérisation de l’injectivité)

Soit f ∈ Hom(G, H). Le morphisme f est injectif si et seulement si Ker(f ) = {eG }.
Remarquer que (en notation multiplicative), f (x) = f (y) équivaut à f (xy −1 ) = eH . ▷
Plus généralement, on obtient la description des images réciproques des singletons :

III Groupes 21
Proposition 19.3.23
Soit G un groupe multiplicatif. Soit f un morphisme de Hom(G, H) et y ∈ H. Soit x ∈ f −1 ({y}). On a
alors
f −1 ({y}) = x × Ker(f ) = {x × z, z ∈ Ker(f )} = Ker(f ) × x.
Ces ensembles sont les fibres de f .
La notion de fibre est assez limpide, surtout si on la traduit dans un contexte additif : il s’agit alors
d’ensembles x + Ker(f ), autrement dit de translatés du noyau.
Exemple 19.3.24
On a déjà croisé des fibres de morphismes de groupes (c’était même des « applications linéaires »). À
quelle(s) occasion(s) ?
III.4 Sous-groupes engendrés par une partie, sous-groupes monogènes
Définition 19.3.25 (Sous-groupe engendré par une partie)

Soit (G, ×) un groupe, et X une partie de G. Le sous-groupe ⟨X⟩ de G engendré par X est le plus petit
sous-groupe de G contenant X. On trouve aussi souvent la notation Gr(X).
Proposition 19.3.26 (Description par le haut du sous-groupe engendré par une partie)
Soit X une partie d’une groupe G. Alors :
⟨X⟩ = ⋂ H,
X⊂H
l’intersection étant prise sur tous les sous-groupes H de G contenant X.
L’intersection est bien définie elle est constituée d’au moins un terme), elle est un sous-groupe, et
est évidemment minimale. ▷
Proposition 19.3.27 (Description par le bas du sous-groupe engendré par une partie)
Soit X une partie d’une groupe G. Alors ⟨X⟩ est l’ensemble des éléments pouvant s’écrire sous la forme
x1 ⋯xn , n ∈ N, où les xi vérifient soit xi ∈ X, soit x−1
i ∈ X. Le produit vide est par convention égal au
neutre e de G.
Justifier que l’ensemble de ces éléments est forcément inclus dans ⟨X⟩, et que c’est une sous-groupe
contenant X. ▷
Définition 19.3.28 (Sous-groupe monogène)

1. Soit X = {x} un singleton d’un groupe G. Alors ⟨X⟩ est appelé sous-groupe monogène engendré
par x :
2. Concrètement, le sous-groupe monogène engendré par x est :
⟨x⟩ = {xn , n ∈ Z} en notation multiplicative
En notation additive, c’est donc l’ensemble des nx, pour n ∈ Z

3. Un sous-groupe H est dit monogène s’il existe x tel que H soit le sous-groupe monogène engendré
par x.
4. Un groupe est dit monogène s’il est un sous-groupe monogène de lui-même.
5. Un groupe est dit cyclique s’il est monogène et fini.
Proposition 19.3.29 (Commutativité d’un groupe monogène)

Un groupe monogène est abélien
C’est une question d’associativité généralisée. ▷
Remarque 19.3.30
À quelle condition nécessaire et suffisante sur X ⊂ G le sous-groupe ⟨X⟩ est-il abélien ?
III.5 Sous-groupes de Z et R
Théorème 19.3.31 (Sous-groupes de Z)

Les sous-groupes de Z sont exactement les nZ, n ∈ N.
Considérer n l’élément minimal de G∩N∗ . Justifier que nZ ⊂ G, et si l’inclusion est stricte, contredire
la minimalité de n en effectuant une division euclidienne. ▷
Les sous-groupes de Z sont donc tous des groupes monogènes (additifs) .

Nous avons déjà eu l’occasion de prouver en exercice le résultat suivant, pour l’employer dans des situa-
tions particulières :
Proposition 19.3.32 (Sous-groupes additifs de R, HP)

Les sous-groupes de (R, +) sont soit égaux à aZ, a ∈ R+ , soit denses dans R.
Un peu le même principe pour commencer : soit a = inf(G ∩ R∗+ ).
● si a > 0, justifier que a ∈ G (sinon il existe des éléments de G aussi proches qu’on veut les uns des
autres), et terminer comme pour les sous-groupes de Z
● Sinon, il existe des éléments de G aussi petits qu’on veut à partir desquels on peut faire un
balayage de R, pour venir en insérer entre deux réels donnés x et y. C’est le même principe que
la démonstration de la densité de Q.
▷
Exemple 19.3.33
Ainsi que nous l’avons évoqué dans un chapitre antérieur, l’ensemble des périodes d’une fonction f ∶
R → R est soit de la forme T Z soit dense dans R.
III Groupes 23
III.6 Congruences modulo un sous-groupe

Soit G un groupe (multiplicatif) et H un sous-groupe de G.
Définition 19.3.34 (Classes à droite et à gauche modulo H, Spé)

● Les classes à droite modulo H sont les ensembles Ha, a ∈ G.
● Les classes à gauche modulo H sont les ensembles aH, a ∈ G.
Remarque 19.3.35
Les classes à gauche et à droite ne sont en général pas des sous-groupes. Donner une CNS sur a pour
que aH soit un sous-groupe de G.
Proposition 19.3.36 (Les classes modulo H sont des classes d’équivalence)

(i) x et y sont dans la même classe à gauche modulo H ssi x−1 y ∈ H
(ii) La relation ≡g ...[H] définie sur G par
x ≡g y [H] ⇐⇒ x−1 y ∈ H
est une relation d’équivalence, appelée relation de congruence à gauche modulo H.

(iii) Ainsi, les classes à gauche sont les classes d’équivalence de la relation ≡g ...[H]
(iv) De même, les classes à droite sont les classes d’équivalence de la relation ≡d ...[H] définie sur G
par
x ≡d y [H] ⇐⇒ xy −1 ∈ H.
Proposition 19.3.37 (Partition des classes à gauche, à droite)

L’ensemble {aH, a ∈ G} des classes à gauche modulo H est une partition de G. De même pour l’ensemble
{Ha, a ∈ G} des classes à droite modulo H.
On en déduit le théorème de Lagrange, qui est l’un des résultats élémentaires les plus importantes sur les
cardinaux des groupes finis.
Définition 19.3.38 (Ordre d’un groupe fini)

Soit G un groupe fini. L’ordre de G est par définition son cardinal.
Lemme 19.3.39 (Cardinal des classes de congruence)

Soit G un groupe fini, et H un sous-groupe de G. Pour tout a ∈ G, ∣aH∣ = ∣Ha∣ = ∣H∣.
h ↦ ah est une bijection de H sur aH. ▷
Théorème 19.3.40 (Lagrange, Spé)

Soit G un groupe fini, et H un sous-groupe de G. Alors l’ordre de H divise l’ordre de G.
Les parts de la partition sont toutes de même taille. Ainsi, si k est leur nombre, ∣G∣ = k ⋅ ∣H∣. ▷
Proposition 19.3.41 (Passage au quotient de la loi dans le cas abélien)

● Si G est un groupe abélien, et H un sous-groupe de G, alors ≡d et ≡g modulo H sont égales.
● Cette relation, plus simplement notée ≡ ...[H], est une congruence pour la loi de G
● La loi induite correspond au produit des classes éléments par éléments :
(ab)H = (aH) ⋅ (bH) = {x ⋅ y, x ∈ aH, y ∈ bH}
● La loi induite sur l’ensemble quotient munit celui-ci d’une structure de groupe abélien.
● Le premier point est immédiat
● le deuxième se vérifie facilement en considérant (xy)(x′ y ′ )−1 et en utilisant la commutativité
pour réordonner les choses.
● Par double inclusion et commutativité, c’est assez immédiat.
● Le point précédent et l’associativité de G permettent de faire toutes les manipulations requises
sur les groupes pour obtenir ce résultat. On pourra remarquer que H ⋅ H = H (au sens du produit
élément par élément pour simplifier).
▷
Définition 19.3.42 (Groupe quotient d’un groupe abélien)

Sous les hypothèses précédentes, on note G/H l’ensemble quotient, muni de sa structure de groupe. Le
groupe G/H est appelé groupe quotient de G par H
On voit maintenant comment généraliser cette construction à un groupe G quelconque, avec certaines
conditions sur le sous-groupe G. Ce qui fait bien marcher les vérifications précédentes, c’est le fait d’une
part que aH = Ha et d’autre part qu’on a une description explicite élément par élément.
On remarquera que la relation aH = Ha imposée pour tout a ∈ G signifie que les relations de congruence
à gauche et à droite sont identiques (puisqu’elles ont les mêmes classes), ce qui nous fait retomber sur le
premier point de la propriété précédente.
Proposition/Définition 19.3.43 (Sous-groupe distingué, HP)

Soit G un groupe, et H un sous-groupe de G. Les deux propriétés suivantes sont équivalentes :
(i) ∀a ∈ G, aH = Ha
(ii) ∀a ∈ G, ∀h ∈ H, aha−1 ∈ H.
Un sous-groupe H vérifiant cette propriété est appelé sous-groupe distingué (ou sous-groupe normal)
de G.
(i) implique (ii) de façon immédiate. Réciproquement, (ii) signifie que tout ah peut s’écrire h′ a pour
un certain h′ . cela donne une inclusion, puis une deuxième par symétrie. ▷
Théorème 19.3.44 (Structure de groupe du quotient, HP)

Soit H un sous-groupe distingué de G. Alors :
● les relations de congruence à gauche et à droite sont égales. On note ≡ ...[H] cette relation.
● ≡ ...[H] est une congruence pour la loi de G. Celle-ci passe au quotient.
● La loi sur le quotient se traduit par le produit élément par élément :
(ab)H = (aH)(bH) = {x ⋅ y, x ∈ aH, y ∈ bH}.

III Groupes 25
● La loi induite sur le quotient munit celui-ci d’une structure de groupe.
● Elles ont les mêmes classes
● Mêmes vérifications que dans le cas abélien, mais en remmplaçant la propriété de commutativité
par le fait qu’on peut presque commuter un élément par un élément de H, quitte à remplacer
l’élément de H par un autre. Plus précisément, ah peut se réécrire h′ a, pour un h′ ∈ H.
● Même principe
● Les vérifications se font de même que dans le cas abélien, puisque basées sur le point précédent.
Seule la commutativité ne passe pas bien entendu !
▷
Définition 19.3.45 (Groupe quotient par un sous-groupe distingué)

Soit G un groupe et H un sous-groupe distingué de G. On note G/H le groupe défini sur l’ensemble
quotient par la loi induite, telle que décrite dans le théorème précédent.
Remarque 19.3.46
Lorsque G est un groupe abélien, tout sous-groupe H de G est distingué. La première construction
donnée est un cas particulier de la situation générale.
On donne maintenant un certain nombre de propriétés utiles pour définir des morphismes sur des groupes
quotients, et pour construire des isomorphismes (qui permettent de comparer des structures de groupes)
Lemme 19.3.47 (Passage au quotient d’un morphisme de groupe)

Soit f ∶ G → K un morphisme de groupes et H un sous-groupe distingué de G. Alors f passe au quotient
et définit
f˜ ∶ G/H Ð→ K
telle que f = f˜ ○ π si et seulement si H ⊂ Ker(f ).
Vérifier que pour un morphisme de groupe, cela équivaut au fait que f est constante sur chaque
classe d’équivalence. ▷
Théorème 19.3.48 (Premier théorème d’isomorphisme, HP)

Soit f ∶ G → H un morphisme de groupes. Alors Ker(f ) est un sous-groupe distingué de G, et f passe
au quotient, définissant un morphisme de groupes f˜ ∶ G/ Ker(f ) → H. Le morphisme f˜ est alors injectif.
Sa corestriction à son image est donc un isomorphisme.
Le passage au quotient provient du lemme précédent. La relation de morphisme passe alors aussi au
quotient. Le noyau est clairement la classe de e. ▷
Encore une fois, cela traduit le fait que Ker(f ) regroupe tout le défaut d’injectivité. Si on tue le défaut
d’injectivité en le considérant comme un unique élément 0, on gagne l’injectivité.
III.7 Les groupes Z/nZ, groupes cycliques
Définition 19.3.49
Soit n ∈ N∗ . Le groupe Z/nZ est le groupe quotient de Z par son sous-groupe (distingué) nZ
Concrètement, les éléments de Z/nZ sont les classes nZ + k, pour k ∈ Z. On note k la classe de k, c’est à
dire l’élément nZ + k de Z/nZ. Il s’agit donc de l’ensemble des entiers congrus à k modulo n, considérés
via le quotient comme un unique et même élément. Deux valeurs k et k ′ définissent la même classe si et
seulement s’ils sont congrus l’un à l’autre modulo n.
Remarque 19.3.50
Z/2Z synthétise la parité des entiers. La loi définie sur ce groupe résume les propriétés de parité des
sommes.
Proposition 19.3.51
(Z/nZ, +) est un groupe cyclique.
On dispose d’un générateur évident (et d’autres qui le sont peut-être un peu moins ; pouvez-vous
caractériser les générateurs ?). Et c’est un groupe fini. ▷
Ces groupes jouent un rôle important pour l’étude des groupes abéliens finis. On peut en effet montrer
que tout groupe abélien fini est produit cartésien de groupes de ce type (théorème de structure).
Définition 19.3.52 (Ordre d’un élément d’un groupe, Spé)

L’ordre d’un élément d’un groupe (multiplicatif) G, dont le neutre est noté e, est :
● ord(x) = +∞ si pour tout n ∈ N∗ , xn ≠ e ;
● ord(x) = min{n ∈ N∗ ∣ xn = e} sinon.
C’est donc le temps de retour au neutre dans la suite des périodes, éventuellement infini. Dans le cas fini,
cela correspond donc à la période minimale de la suite des puissances de x.
Proposition 19.3.53 (Résolution de xn = 1, Spé)

Soit x un élément d’un groupe G de neutre e. L’ensemble A = {n ∈ Z ∣ xn = e} est un sous-groupe de Z,
donc de la forme aZ. De plus, x est d’ordre fini si et seulement si a ≠ 0, et dans ce cas, ord(x) = a.
En particulier, si x est d’ordre fini, xn = e si et seulement si ord(x) ∣ n.
Description des sous-groupes de Z et paraphrase de la définition de l’ordre. ▷
Proposition 19.3.54 (Description des groupes monogènes)

Soit G = ⟨x⟩ un groupe monogène. Alors :
● si ord(x) = +∞, G est isomorphe à Z ;
● si ord(x) = n, n ∈ N∗ , alors G est fini, et G est isomorphe à Z/nZ.
IV Anneaux et corps 27
Considérer Z → G, n ↦ xn , et lui appliquer le premier théorème d’isomorphisme. On peut aussi faire
les vérifications « à la main ». ▷
En particulier, si G est un groupe monogène d’ordre n, tout générateur de G est d’ ordre n.
Exemple 19.3.55
Soit n ⩾ 2. On a Un ≃ Z/nZ. En fait, Z/nZ est le groupe monogène additif d’ordre n de référence, alors
que Un est le groupe monogène multiplicatif d’ordre n de référence.
Théorème 19.3.56 (encore Lagrange, Spé)

Soit x un élément d’un groupe fini G. Alors l’ordre de x divise l’ordre de G.
● L’ordre de x est égal à l’ordre d’un sous-groupe de G. On est ramené à la version précédente du
théorème de Lagrange.
● Dans le cas où G est abélien, on peut donner une démonstration élémentaire de ce théorème
n’utilisant pas les classes de congruence modulo un sous-groupe :
Simplifier ∏ (xg), en remarquant que g ↦ xg est une bijection.
g∈G
▷
Cette preuve (dans le cas abélien) ressemble à une autre (d’un résultat arithmétique classique), que
certains d’entre vous ont peut-être déjà vue. Laquelle ? Ce n’est pas anodin, le résultat arithmétique en
question étant en fait un cas particulier du théorème de Lagrange.
IV Anneaux et corps
IV.1 Axiomatiques de la structure d’anneau
Définition 19.4.1 (Anneau)

Soit A un ensemble, muni de deux lois de composition internes (généralement notées + et ×). On dit
que (A, +, ×) (ou plus simplement A) est un anneau si :
(i) (A, +) est un groupe abélien ;
(ii) (A, ×) est un monoïde (autrement dit × est associative et il existe un élément neutre 1 pour ×) ;
(iii) × est distributive sur +.
Remarque 19.4.2
Certains ouvrages (notamment anciens) n’imposent pas l’existence de l’élément neutre 1 pour le produit
et parlent alors d’anneau unifère ou unitaire pour ce que nous appelons ici simplement un anneau. La
convention que nous adoptons concernant l’existence d’un élément neutre est celle généralement adoptée
actuellement, et nous suivons en cela le programme officiel de la classe de MPSI.
Exemples 19.4.3
1. {0} muni des opérations triviales est un anneau ; ici le neutre pour le produit est 0.
2. Z, R, Q et C munis des opérations usuelles sont des anneaux.
3. Pour tout n ∈ N∗ , Z/nZ est un anneau. La structure circulaire de ces anneaux explique la
terminologie.
4. L’ensemble R[X] des polynômes à coefficients réels est un anneau. De même pour Z[X], Q[X]
ou C[X].
5. N n’est pas un anneau.
6. L’ensemble Mn (R) des matrices carrées est un anneau.
7. L’ensemble (P(E), △, ∩) est un anneau (anneau de Boole).
8. (RR , +, ○) est-il un anneau ?
Lemme 19.4.4 (Les trous noirs existent aussi en mathématiques)

Soit (A, +, ×) un anneau. Alors 0 est absorbant.
Simplifier (0 + 0) × x. ▷
Proposition 19.4.5
Si A est un anneau ayant au moins deux éléments, alors 1 ≠ 0.
En effet 1 n’est pas absorbant. ▷
Proposition 19.4.6 (Produit d’opposés)

Soit x et y dans A. Alors
● (−x)y = −(xy)
● x(−y) = −(xy)
● (−x)(−y) = xy.
Considérer (x + (−x))y. ▷
Définition 19.4.7 (Anneau commutatif )

On dit qu’un anneau (A, +, ×) est commutatif si et seulement si la loi × est commutative.
Les exemples donnés ci-dessus sont des exemples d’anneaux commutatifs, à l’exception d’un exemple.
Lequel ?
Enfin, conformément à la définition générale, nous donnons :
Définition 19.4.8 (Homomorphisme d’anneaux)

Soit A et B deux anneaux. Un homomorphisme d’anneaux de A à B est une application f ∶ A Ð→ B,
soit égale à la fonction nulle, soit vérifiant :
∀(x, y) ∈ A2 , f (x + y) = f (x) + f (y), f (xy) = f (x)f (y) et f (1A ) = 1B .
Ainsi, un homomorphisme d’anneaux (à part le morphisme nul un peu particulier) est à la fois un
homomophisme du groupe (A, +) et du monoïde (A, ×).
IV.2 Sous-anneaux
Conformément à la définition générale, nous avons :
Définition 19.4.9 (Sous-anneau)

Soit (A, +, ×) un anneau. Un sous-ensemble B ⊂ A est un sous-anneau de A si et seulement si B est
stable pour les lois + et ×, si 1A ∈ B, et si les lois induites sur B définissent sur B une structure d’anneau
(le neutre multiplicatif étant alors nécessairement 1A ).
Remarquez qu’encore une fois, on ne dit rien de l’appartenance de 0A à B, celle-ci étant ici aussi au-
tomatique (puisque (B, +) est un sous-groupe de (A, +)). En revanche, l’appartenance de 1A à B n’est
pas automatique, comme le montre l’exemple de B = {( ) , λ ∈ R}, sous-ensemble de M2 (R), stable
λ 0
0 0
pour les lois + et ×. Ce n’est pas un sous-anneau au sens que nous en avons donné puisque I2 ∈/ B. En
revanche, les restrictions de × et + définissent tout de même une structure d’anneau sur B, le neutre
étant alors ( ).
1 0
0 0
Proposition 19.4.10 (Caractérisation des sous-anneaux)

Un sous-ensemble B d’un anneau A est un sous-anneau de A si et seulement si :
(i) 1A ∈ B.
(ii) pour tout (x, y) ∈ B, x − y ∈ B
(iii) pour tout (x, y) ∈ B, xy ∈ B
Comparer à la caractérisation des sous-groupes. Par ailleurs, les propriétés universelles sont conser-
vées par restriction, on ne le dira jamais assez ! ▷
Exemples 19.4.11
1. Z est un sous-anneau de Q qui est un sous-anneau de R qui est un sous-anneau de C.
2. Z/nZ n’a d’autre sous-anneau que lui-même.
Proposition 19.4.12
Soit A un anneau, et (Ai )i∈I une famille de sous-anneaux de A. Alors ⋂ Ai est un sous-anneau de A.
i∈I
Proposition 19.4.13 (Image par un homomorphisme)

Soit f ∶ A → B un homomorphisme d’anneaux.
1. Soit A′ un sous-anneau de A. Alors f (A′ ) est un sous-anneau de B
2. Soit B ′ un sous-anneau de B. Alors f −1 (B ′ ) est un sous-anneau de A.
Vérifications sans difficulté avec la caractérisation précédente. ▷
IV.3 Calculs dans un anneau

Du fait de l’existence d’une addition et d’une multiplication dans un anneau et dans un corps, et des
règles d’associativité et de commutativité, tous les calculs que l’on a l’habitude de faire dans Z, R ou C
peuvent se généraliser à un anneau ou un corps quelconque. Il faut toutefois faire attention que dans un
anneau, contrairement à ce qu’il se passe dans R ou C, tous les éléments ne sont pas inversibles, et que
par ailleurs, les calculs nécessitant de permuter l’ordre de certains facteurs multiplicatifs ne peuvent pas
être effectués en toute généralité dans un anneau non commutatif. Ainsi pour des calculs dans un anneau
considérer l’analogie avec Z (plutôt que R), et se méfier :
● des inversions intempestives
● des simplifications abusives
● des problèmes de commutativité, qui nécessitent parfois l’introduction d’hypothèses supplémen-
taires, à vérifier scrupuleusement.
L’analogie avec Z n’est pas toujours suffisante, puisqu’il peut se produire des situations bien particulières,
n’ayant pas lieu dans Z, comme par exemple l’existence de « diviseurs de zéro » (voir un peu plus loin)
Nous rappelons qu’on peut définir dans un anneau A le produit nx où n ∈ Z, et x ∈ A de la manière
suivante :
● Si n = 0, nx = 0
● Si n > 0, nx = x + ⋅ ⋅ ⋅ + x (n facteurs)
● Si n < 0, nx = −∣n∣x.
Ces quantités sont compatibles avec le produit dans l’anneau :
Lemme 19.4.14 (Compatibilité du produit avec l’itération de +)

Soit x et y deux éléments d’un anneau A et n, m dans Z. Alors (mx)(ny) = (mn)(xy)
Le cas m = 0 ou n = 0 est évident. Pour m, n > 0, faire une récurrence sur m à n fixé. L’initialisation
nécessite elle-même une récurrence sur m. Pour les valeurs négatives se servir d’un lemme précédent
sur les produits d’opposés. ▷
Nous pouvons définir de même an , pour tout n ∈ N, et même pour tout n ∈ Z si a est inversible.
Nous voyons, outre les règles usuelles découlant des règles d’associativité et de distributivité, deux résul-
tats déjà évoqués dans le cas de R ou C, et que nous voyons plus généralement dans le cadre d’anneaux,
mais qui nécessitent une hypothèse de commutativité.
Théorème 19.4.15 (Factorisation de an − bn , Bernoulli)

Soit a et b deux éléments d’un anneau A tels que ab = ba. Alors pour tout n ∈ N∗
n−1
an − bn = (a − b) ∑ an−1−k bk .
k=0
Même démonstration que dans R ou C, por télescopage de la seconde somme (après distribution) ▷
Corollaire 19.4.16 (Factorisation de 1 − an )

Pour tout élément a d’un anneau A,
n−1
1 − an = (1 − a) ∑ ak .
k=0
Si 1 − a est inversible (condition plus forte que a ≠ 1), on peut alors écrire :
n−1
(1 − a)−1 (1 − an ) = ∑ ak
k=0
En revanche, évitez d’écrire cela sous forme de fraction lorsqu’on n’est pas dans une structure commuta-
tive, et attention à placer l’inverse du bon côté (même si, pour l’expression considérée, ce ne serait pas
gênant car les facteurs considérés commutent, même si globalement l’anneau n’est pas commutatif ; mais
autant prendre dès maintenant de bonnes habitudes)
Théorème 19.4.17 (Formule du binôme)

Soit a et b deux éléments d’un anneau tels que ab = ba. Alors, pour tout n ∈ N,
n
(a + b)n = ∑ ( )ak bn−k .
n
k=0 k
Même démonstration que dans R ou C, par récurrence, ou par un argument combinatoire (on remar-
quera qu’on utilise exclusivement l’associativité, la distributivité généralisée, et la commutativité des
deux lois). En quoi utilise-t-on la commutativité de × ? ▷
Attention en revanche au cas où on n’a pas commutativité de a et b : il convient de bien distinguer les
deux facteurs ab et ba appraissant dans le développement de (a + b)(a + b) (par exemple, pour n = 2) :
(a + b)(a + b) = a2 + ab + ba + b2 ≠ a2 + 2ab + b2 ,
si ab ≠ ba. Cette situation peut se produire notamment dans le cadre du produit matriciel. Il faut être
toujours bien vigilant à vérifier l’hypothèse de commutativité ab = ba.
IV.4 Éléments inversibles

Un anneau n’étant pas nécessairement commutatif, il convient de distinguer la notion d’inversibilité à
droite, inversibilité à gauche. Un inverse est alors à la fois un inverse à gauche et à droite, et en cas
d’existence, il est unique, comme nous l’avons montré dans une situation générale. De plus, dans le cas
d’un anneau, l’ensemble des éléments inversibles possède une structure particulière.
Théorème 19.4.18 (Groupe des inversibles d’un anneau)

Soit A un anneau. Alors l’ensemble des éléments inversibles de A, généralement noté A× ou U (A), est
stable pour la loi ×, et la loi induite munit A× d’une structure de groupe multiplicatif.
C’est plus généralement le groupe des inversibles d’un monoïde (on ne considère pas la structure
additive ici). Vérifier les différents points de la définition. Ici, on ne peut pas le voir comme un
sous-groupe de quelque chose. ▷
Exemples 19.4.19
1. R× = R∗ , Q× = Q∗ , C× = C∗ .
2. (Mn (R))× = GLn (R), ensemble des matrices inversibles, appelé groupe linéaire
3. L’ensemble des inversibles de Z : Z× = U (Z) = {−1, 1}.
4. (Z/4Z)× = {1, 3}
5. (Z/pZ)× = (Z/pZ) ∖ {0}, si p est premier. On peut montrer que ce groupe multiplicatif est
isomorphe au groupe additif Z/(p − 1)Z.
6. Que dire plus généralement de (Z/nZ)× ?
L’étude de Z/4Z amène un résultat peu commun pour qui n’a pas l’habitude de travailler dans des
structures algébriques abstraites : 2 × 2 = 0. Autrement dit, on a deux éléments a et b non nuls, et
vérifiant ab = 0. La vieille règle, bien pratique pour résoudre des équations, qui nous dit que si ab = 0,
alors a = 0 ou b = 0, ne s’applique donc pas dans ce contexte. Comme elle est bien pratique tout de
même, nous allons établir un contexte dans lequel elle est vraie, en définissant une propriété adéquate
des anneaux nous permettant de l’utiliser.
Définition 19.4.20 (Diviseurs de zéro, HP)

Soit a un élément d’un anneau A. On dit que a est un diviseur de 0 à gauche si a ≠ 0 et s’il existe b ∈ A,
b ≠ 0, tel que ab = 0. On définit de façon symétrique les diviseurs de zéro à droite.
La notion de diviseur de 0 caractérise en fait la non régularité :
Proposition 19.4.21
Un élément a non nul d’un anneau est régulier à gauche (resp. à droite) si et seulement s’il n’est pas
diviseur de 0 à gauche (resp. à droite). L’élément a est régulier s’il est régulier à gauche et à droite.
● Pour simplifier ax = ay, passer tout du même côté, et factoriser par a
● Réciproquement, si ax = ay avec x ≠ y, exprimer une relation de divisibilité de 0.
▷
Corollaire 19.4.22
Un diviseur de 0 n’est pas inversible.
Les éléments inversibles (resp. inversibles à gauche, resp. inversibles à droite) sont réguliers (resp.
réguliers à gauche, resp. réguliers à droite). ▷
Définition 19.4.23 (anneau intègre, HP)

Un anneau intègre A est un anneau commutatif non réduit à {0} et sans diviseur de 0.
Remarque 19.4.24 (Acceptation plus large)

Dans certains ouvrages, le caractère commutatif n’est pas imposé. Dans ce cas, A ne doit avoir ni
diviseur de 0 à gauche ni diviseur de 0 à droite.
En particulier, dans un anneau intègre, toutes les simplifications par des éléments non nuls sont possibles,
puisque le seul élément non régulier est 0.
Exemples 19.4.25
1. Z est intègre, R[X] est intègre, tout corps (défini plus loin) est intègre.
2. Mn (R) n’est pas intègre lorsque n ⩾ 2.
3. À quelle condition sur n, Z/nZ est-il intègre ?
IV.5 Corps
Un corps est un anneau vérifiant une condition supplémentaire :
Définition 19.4.26 (Corps)

Soit K un ensemble muni de deux lois + et ×. On dit que (K, +, ×) (ou plus simplement K) est un
corps si K est un anneau commutatif tel que (K ∗ , ×) soit un groupe, où K ∗ = K ∖ {0}.
Ainsi K est un corps si et seulement si c’est un anneau commutatif non réduit à {0}, et tel que tout
élément non nul soit inversible. En particulier, {0} n’est en général pas considéré comme un corps. En
effet, la définition impose que les deux éléments 0 et 1 soient distincts.
Remarque 19.4.27
● Conformément au programme, nous adoptons la convention stipulant que tout corps doit être
commutatif. Là encore, les ouvrages anciens n’imposent pas cette condition. Il est d’usage ac-
tuellement d’appeler corps gauche un ensemble muni d’une structure vérifiant tous les axiomes
de la structure de corps, à l’exception de la commutativité de la multiplication. On rencontre
aussi parfois la terminologie anneau à divisions, traduction de la terminologie anglaise division
ring.
● Dans le cas des corps finis, les deux notions coïncident, d’après le théorème de Wedderburn,
stipulant que « tout corps fini est commutatif », ce qui, avec notre terminologie, se réexprime :
« tout corps gauche fini est un corps. ».
Exemples 19.4.28
1. R, Q et C sont des corps.
2. Z n’est pas un corps.
3. En général Z/nZ n’est pas un corps. Par exemple, 2 n’est pas inversible dans Z/4Z.
L’exemple suivant, du fait de son importance, est donné en théorème. La démonstration doit être retenue.
Théorème 19.4.29 (Le corps Fp )

L’anneau (Z/pZ, +, ×) est un corps si et seulement si p est premier. Ce corps est en général noté Fp .
Exprimer une relation de Bézout entre x et p. ▷
La notation utilisée s’explique par la terminologie anglaise (field ) pour un corps. Par exemple, F2 = Z/2Z
est un corps à 2 éléments. C’est le plus petit corps possible, puisqu’un corps contient 0, et par définition,
n’est pas réduit à {0}.
Remarque 19.4.30
On peut montrer que tout corps fini a un cardinal égal à pn , où p est un nombre premier et n un entier.
On peut également montrer que pour de telles données, il existe (à isomorphisme près) un unique corps
à q = pn éléments, qu’on note Fq . Lorsque n = 1, on retrouve les corps Fp du point précédent.
Définition 19.4.31 (Sous-corps)

Soit L ⊂ K un sous-ensemble d’un corps K. On dit que L est un sous-corps de K si L est stable par +
et ×, 1K ∈ L, et si les lois induites sur L par celles de K le munissent d’une structure de corps.
Remarque 19.4.32
On pourrait remplacer l’hypothèse 1K ∈ L par le fait que L contient un élément x ≠ 0K .
Proposition 19.4.33 (Caractérisation des sous-corps)

L⊂K est un sous-corps de K si et seulement si :
● 1K ∈ L
● pour tout (x, y) ∈ L, x − y ∈ L
● pour tout (x, y) ∈ L tel que y ≠ 0, xy −1 ∈ L.
Combiner caractérisation des groupes (multiplicatifs) et caractérisation des anneaux. ▷
Exemples 19.4.34
√
Q est un sous-corps de R, R est un sous-corps de C. Entre Q et R, il existe un grand nombre de
√
corps intermédiaires (corps de nombres), par exemple Q[ 2], plus petit sous-corps de R contenant les
rationnels et 2. Plus explicitement,
√ √
Q[ 2] = {a + b 2, (a, b) ∈ Q}
(voir exercices pour une justification).
Définition 19.4.35 (Homomorphisme de corps)

Soit K et L deux corps. Un homomorphisme de corps f ∶ K Ð→ L est un homomorphisme des anneaux
sous-jacents.
Proposition 19.4.36 (Image par un homomorphisme)

Soit f ∶ K → L un homomorphisme de corps.
1. Soit K ′ un sous-corps de K. Alors f (K ′) est un sous-corps de L
2. Soit L′ un sous-corps de L. Alors f −1 (L′ ) est un sous-corps de K.
Toujours pareil. On peut repartir de l’énoncé similaire pour les anneaux, pour ne pas avoir à tout
refaire. ▷
Proposition 19.4.37 (Injectivité des homomorphismes de corps, HP)

Un homomorphisme de corps est toujours injectif.
Si x est inversible, f (x) est inversible (ce fait est vérifié pour tout anneau). Comment exprimez-vous
f (x)−1 ? Quelle conséquence sur le noyau (additif) ? ▷
Définition 19.4.38 (Caractéristique d’un corps)

Soit K un corps, d’élément neutre 1K ≠ 0K . Soit H = {n ⋅ 1K , n ∈ Z} le sous-groupe monogène de (K, +)
engendré par 1K .
● Si H est infini, on dit que K est de caractéristique nulle.
● Si H est fini, de cardinal p ∈ N, on dit que K est de caractéristique p.
Proposition 19.4.39
Soit K un corps de caractéristique finie p. Alors, pour tout x ∈ K, px = 0.
Utiliser la relation (nx)y = n(xy) en choisissant convenablement n, x et y. ▷
Théorème 19.4.40 (Primalité de la caractéristique d’un corps)

Soit K un corps de caractéristique non nulle. Alors sa caractéristique p est un nombre premier.
Si p = ab, (a × 1)(b × 1) = 0. Dans quelle mesure est-ce possible ? ▷
Remarque 19.4.41
● Un corps fini est toujours de caractéristique non nulle, donc première.
● Il existe des corps infinis de caractéristique p (par exemple le corps des fractions rationnelles à
coefficients dans Fp )
● On peut définir de la même manière la caractéristique d’un anneau. Il s’agit de +∞, ou d’un
entier strictement positif, qui peut cette fois ne pas être premier.
Proposition 19.4.42
Si K est un corps de caractéristique nulle, et (n, x) ∈ Z × K, alors n ⋅ x = 0 si et seulement si n = 0 ou
x = 0.
IV.6 Idéaux d’un anneau (Spé)

La notion de sous-anneau est souvent trop restrictive, et on est souvent amené à considérer une structure
moins riche :
Définition 19.4.43 (Idéal d’un anneau commutatif, Spé)

Soit A un anneau commutatif, et I un sous-ensemble de A. On dit que I est un idéal si et seulement
si I est un sous-groupe du groupe (A, +) et si pour tout a ∈ I et tout λ ∈ A, λa ∈ I.
Ainsi, I est un sous-groupe de (A, +), stable par multiplication par un élément de A.
On peut aussi définir la notion d’idéal dans un anneau non commutatif. Il faut alors distinguer la notion
d’idéal à droite, à gauche, ou bilatère, suivant qu’on impose la stabilité par multiplication à droite, à
gauche ou des deux côtés, par un élément quelconque de A.
Nous n’étudierons pas les idéaux cette année, mais nous illuminerons parfois quelques résultats à l’éclat
de cette notion, notamment en arithmétique. Nous donnons tout de même quelques exemples importants :
Exemples 19.4.44
1. Pour tout n ∈ N, nZ est un idéal de Z. Réciproquement, tout idéal de Z est de cette forme.
2. L’ensemble des polynômes de R[X] s’annulant en 0 est un idéal de R[X]. Comment
généraliseriez-vous ce résultat ?
3. L’ensemble des polynômes {XP (X, Y ) + Y Q(X, Y ), (P, Q) ∈ R[X, Y ]} est un idéal de l’anneau
R[X, Y ] des polynômes à deux indéterminées.
4. Que peut-on dire des idéaux d’un corps ?
Dans les deux premiers exemples, on constate que l’idéal considéré est de la forme {λa, λ ∈ A}, donc
engendré par un unique élément a, par multiplication par les éléments λ de A. Un idéal vérifiant cette
propriété est appelé idéal principal :
Définition 19.4.45 (Idéal principal)

Un idéal principal est un idéal engendré par un unique élément, c’est à dire de la forme
I = aA = {ay, y ∈ A},
pour un certain a ∈ A. On note souvent (a) = aA.
Tout idéal n’est pas principal, comme le montre le troisième exemple.
Définition 19.4.46 (Anneau principal)

Un anneau intègre dont tous les idéaux sont principaux est appelé anneau principal.
Théorème 19.4.47
Z est un anneau principal.
Les idéaux de Z sont en particulier des sous-groupes, dont on connaît la description ! ▷
Cette définition, qui peut paraître anodine, est à la base d’une généralisation possible de la notion de
pgcd et de ppcm à des anneaux autres que Z. Cette propriété, aussi vérifiée pour R[X] ou C[X], permet
par exemple de généraliser l’arithmétique connue de Z au cas des polynômes.
Pour terminer, nous faisons la remarque que la notion d’idéal est la notion adaptée pour définir des
quotients dans la catégorie des anneaux commutatifs.
Théorème 19.4.48 (Anneau quotient, HP)

Soit A un anneau commutatif et I un idéal de A. Le quotient de groupes A/I peut être muni d’une
multiplication telle que pour tout (a, b) ∈ A2 , ab = ab. De plus, A/I est ainsi muni d’une structure
d’anneaux.
20
Calcul matriciel
La Matrice est universelle. Elle est omniprésente. Elle est avec nous ici, en ce moment même.
(Matrix – Lana et Andy Wachowski)

On a donc autant d’équations linéaires qu’il n’y a d’inconnues à trouver ; les valeurs de ces
inconnues seront obtenues par l’élimination ordinaire.
Voyons maintenant, si cette élimination est toujours possible, ou si la solution peut quelquefois
devenir indéterminée ou même impossible
Carl Friedrich Gauss (traduction Edmond Dubois)

Et les shadoks pivotaient, pivotaient, pivotaient...
(Libre adaptation de l’oeuvre de Jacques Rouxel)

Voici venir les temps où vibrant sur sa tige
Chaque fleur s’évapore ainsi qu’un encensoir ;
Les sons et les parfums tournent dans l’air du soir ;
Valse mélancolique et langoureux vertige !
(Charles Baudelaire ; le troisième vers est aussi le titre d’un prélude de Debussy)
Introduction
L’objectif de ce chapitre est d’introduire le calcul matriciel, à savoir les opérations matricielles (somme et
produit), ainsi, que les diverses manipulations et techniques usuelles permettant d’obtenir des informa-
tions intéressantes sur les matrices (échelonnement, calcul de l’inverse, résolution de systèmes linéaires
définis par une matrice, et par ces méthodes, dans un chapitre ultérieur, calcul du rang d’une matrice).
Pour ces dernières méthodes, une technique sera centrale : il s’agit de la technique de l’élimination de
Gauss-Jordan, aussi connue sous le nom de pivot de Gauss. Cela explique un certain nombre des citations
débutant ce chapitre.
I Opérations matricielles
I.1 L’ensemble des matrices de type (n, p)
Dans ce qui suit, K désigne un corps quelconque, par exemple R, C ou Q. Beaucoup de constructions,
de méthodes et de propriétés se généralisent au cas de coefficients dans un anneau A, dès lors qu’elles ne
font pas intervenir d’inverses.
38 CHAPITRE 20. CALCUL MATRICIEL
Définition 20.1.1 (Matrice)

Une matrice de taille n × p (n lignes et p colonnes) à coefficients dans K est la donnée d’une famille
A = (ai,j )(i,j)∈J1,nK×J1,pK d’éléments de K. On utilise la représentation planaire suivante :
⎛ a1,1 ⋯ a1,p ⎞
A=⎜
⎜ ⋮ ⋮ ⎟ ⎟.
⎝an,1 ⋯ an,p ⎠
Définition 20.1.2 (Ensemble des matrices)

L’ensemble des matrices de taille n × p (on dit aussi de type (n, p)) à coefficients dans K est noté
Mn,p (K).
Définition 20.1.3 (Matrices carrées)

Si n = p, on dit que la matrice est carrée, et on note simplement Mn (K) au lieu de Mn,n (K) l’ensemble
des matrices carrées de taille n. Par ailleurs on parlera souvent plutôt de matrice carrée d’ordre n plutôt
que de matrice de taille n ou n×n. Cette notion d’ordre est à distinguer de la notion d’ordre des éléments
d’un groupe ; cela n’a aucun rapport.
Une matrice est souvent représentée sous forme d’un tableau, explicite dans le cas d’une matrice déter-
minée de petite taille, ou avec des « . . . » dans le cas de matrice explicites ou non, de taille variable. Par
exemple :
⎛1 4 2⎞ ⎛1 ⋯ n ⎞
⎜
M1 = ⎜5 2 2⎟ ⎟ ⎜
M2 = (i + j − 1)1⩽i,j⩽n = ⎜ ⋮ ⋮ ⎟⎟
⎝7 6 1⎠ ⎝n ⋯ 2n − 1⎠
⎛ a1,1 ⋯ a1,n ⎞
M3 = (ai,j )1⩽i,j⩽n =⎜
⎜ ⋮ ⋮ ⎟⎟.
⎝an,1 ⋯ an,n ⎠
Dans une telle représentation, le premier indice est toujours l’indice de ligne, et le second l’indice de
colonne.
Terminologie 20.1.4 (Matrices colonnes, matrices lignes) ⎛ x1 ⎞

● Une matrice X ∈ Mn,1 (K) est appelée matrice colonne, et est représentée par : X = ⎜⎜ ⋮ ⎟
⎟
⎝xn ⎠
● Une matrice X ∈ M1,n (K) est appelée matrice ligne, et est représentée par : X = (x1 ⋯ xn )
● On peut identifier Kn indifféremment à Mn,1 (K) ou M1,n (K), suivant la situation.
● M1,1 (K) peut être identifié à K (matrice constituée d’un unique coefficient)
I.2 Combinaisons linéaires de matrices

Pour une matrice A ∈ Mn,p , et (i, j) ∈ J1, nK × J1, pK, on désignera par [A]i,j le coefficient de A en position
(i, j) (notation non standard)
Définition 20.1.5 (Somme de matrices)

Soit A, B ∈ Mn,p (KK) deux matrices de même format. On définit la somme de A et B coefficient par
coefficient par
∀(i, j) ∈ J1, nK × J1, pK, [A + B]i,j = [A]i,j + [B]i,j .
I Opérations matricielles 39
Ainsi, il s’agit d’une matrice de même format que A et B.
On peut réécrire cette définition de la façon suivante :
⎛ a1,1 ⋯ a1,p ⎞ ⎛ b1,1 ⋯ b1,p ⎞ ⎛ a1,1 + b1,1 ⋯ a1,p + b1,p ⎞

⎜ ⋮ ⋮ ⎟ ⎜ ⋮ ⎟ ⎜ ⎟
⎜ ⎟+⎜ ⋮ ⎟=⎜ ⋮ ⋮ ⎟
⎝an,1 ⋯ an,p ⎠ ⎝bn,1 ⋯ bn,p ⎠ ⎝an,1 + bn,1 ⋯ an,p + bn,p ⎠
Proposition 20.1.6 (Associativité et commutativité de la somme)

La somme matricielle définie sur Mn,p (K) est associative et commutative.
Cela provient directement de l’associativité et de la commutativité de la somme dans K, appliquées
à chaque coefficient. ▷
Proposition 20.1.7 (Neutre et opposés)

Soit 0Mn,p (K) la matrice constituée uniquement de 0.
(i) 0Mn,p (K) est neutre pour l’addition : pour tout A ∈ Mn,p (K), A + 0Mn,p (K) = A.
(ii) Toute matrice A admet un opposé −A tel que A + (−A) = 0Mn,p (K) . De façon explicite :
∀(i, j) ∈ J1, nK × J1, pK [−A]i,j = −[A]i,j .
Ainsi, −A = (−1) ⋅ A, avec la définition ci-dessous du produit par un scalaire.
Ce sont des vérifications évidentes coefficient par coefficient. ▷
Définition 20.1.8 (Produit externe par un scalaire de K)

Soit A ∈ Mn,p (K) et λ ∈ K. On définit le produit externe λA coefficient par coefficient par :
∀(i, j) ∈ J1, nK × J1, pK, [λA]i,j = λ[A]i,j
On peut réécrire cette définition de la façon suivante :
⎛ a1,1 ⋯ a1,p ⎞ ⎛ λa1,1 ⋯ λa1,p ⎞

λ⎜
⎜ ⋮ ⋮ ⎟ ⎜
⎟=⎜ ⋮ ⋮ ⎟ ⎟
⎝an,1 ⋯ an,p ⎠ ⎝λan,1 ⋯ λan,p ⎠
Proposition 20.1.9 (Première associativité externe)

Soit A ∈ Mn,p (K) et (λ, µ) ∈ K2 . Alors (λµ)A = λ(µA).
C’est une conséquence directe de la définition coefficient par coefficient, et de l’associativité du
produit dans K. ▷
Les deux définitions précédentes nous permettent donc de définir des combinaisons linéaires λA + µB de
deux matrices de même format (λ et µ sont des éléments de K).
Nous verrons dans un chapitre ultérieur que ces opérations munissent Mn (K) d’une structure de K-espace
vectoriel.
Définition 20.1.10 (Matrice élémentaire, ou matrice de la base canonique de Mn,p (K))

Soit (i, j) ∈ J1, nK × J1, pK. On définit la matrice élémentaire Ei,j ∈ Mn,p (K) par :
∀(k, ℓ) ∈ J1, nK × J1, pK, [Ei,j ]k,ℓ = δ(i,j),(k,ℓ) = δi,k δj,ℓ .
Il s’agit donc de la matrice constituée d’un 1 en position (i, j) et de 0 partout ailleurs.
On prendra garde au fait que la notation ne fait pas référence au format (n, p). Si on est amené à
considérer des matrices élémentaires de différents formats, il faut introduire des notations distinctes (par
exemple avec des primes).
L’importance de ces matrices réside dans la propriété suivante :
Proposition/Définition 20.1.11 (Base canonique de Mn,p (K))

La famille (Ei,j )(i,j)∈J1,nK×J1,pK est une base de Mn,p (K). En d’autres termes, pour tout matrice A ∈
Mn,p (K), il existe d’uniques scalaires λi,j , (i, j) ∈ J1, nK × J1, pK, tels que
A= ∑ λi,j Ei,j .
(i,j)∈J1,nK×J1,pK
Il suffit de remarquer que la combinaisons linéaire des Ei,j place les λi,j en des positions distinctes
de la matrice. Le résultat découle alors immédiatement du fait que 2 matrices sont égales ssi elles
ont les mêmes coefficients en toutes les positions. ▷
I.3 Produit matriciel

Nous donnons ci-dessous la définition coefficient par coefficient du produit matriciel.
Définition 20.1.12 (Produit matriciel)

Soit n, p, q ∈ N∗ . On définit le produit matriciel :
× ∶ Mn,p (K) × Mp,q (K) Ð→ Mn,q (K)
pour A ∈ Mn,p (K) et B ∈ Mp,q (K) par :

p
∀(i, k) ∈ J1, nK × J1, qK [AB]i,k = ∑ [A]i,j [B]j,k = ⟨Li (A)⊺ , Cj (B)⟩ ,
j=1
où Li (A) et Cj (B) sont repectivement la i-ième ligne de A et la j-ième colonne de B, et pour une
matrice ligne L, L⊺ (aussi souvent notée tL) représente la matrice colonne obtenue en redressant L
(transposée). Le produit scalaire considéré est le produit scalaire canonique de Kp , les éléments de Kp
étant identifiés aux matrices colonnes.
Attention aux formats ! Le nombre de colonnes de A doit être égal au nombre de lignes de B. Le produit
AB a alors autant de lignes que A et autant de colonnes que B.
Remarque 20.1.14
La description un peu compliquée de ce produit matriciel est motivée par le fait que les applications
linéaires entre deux espaces de dimension finie peuvent se décrire par des matrices (après avoir choisi
des bases). Le produit matriciel correspond dans ce cadre à la matrice associée à la composée de deux
applications linéaires. Cette remarque justifie aussi la condition sur les formats (nombre de ligne de
A égal au nombre de colonnes de B) : c’est la condition de compatibilité des domaines pour pouvoir
considérer la composée.

C’est bien cette correspondance entre applications linéaires et matrices qui a motivé historiquement la définition
du produit matriciel, sous une forme légèrement détournée. En effet, Gauss s’est intéressé à l’expression de
changements de variables dans des formes quadratiques à n variables, c’est-à-dire des changements de base. Ces
changements de base peuvent se décrire par des matrices carrées qui correspondent à des applications linéaires
(envoyant une base sur l’autre). Gauss s’est ensuite intéressé à la description des coefficients de la matrice qui
traduit deux changements de variables successifs (ce qui revient à composer les applications linéaires décrites
ci-dessus pour chacun des deux changements de variable). Il s’est rendu compte qu’elle s’exprimait facilement
en fonction des matrices de chacun des deux changements de variable : c’est la naissance du produit matriciel.
Proposition 20.1.16 (Associativité)

Soit n, p, q, r ∈ N∗ et (A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mq,r (K). Alors
(AB)C = A(BC).
C’est essentiellement une interversion de deux signes ∑. ▷
Proposition 20.1.17 (Deuxième associativité externe)

Soit n, p, q ∈ N∗ et λ ∈ K. Soit (A, B) ∈ Mn,p (K) × Mp,q (K). Alors :
(λA)B = λ(AB) et A(λB) = λAB.
Vérification immédiate coefficient par coefficient : on se ramène à l’associativité dans K. ▷
Proposition 20.1.18 (Distributivités)

Soit n, p, q ∈ N∗ ,
1. ∀(A, B, C) ∈ Mn,p (K) × Mn,p (K) × Mp,q (K), (A + B)C = AC + BC
2. ∀(A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mp,q (K), A(B + C) = AB + AC.
Vérification immédiate coefficient par coefficient, c’est juste regrouper deux sommes et utiliser la
distributivité dans K. ▷
La combinaison des deux propriétés ci-dessus montre que sous réserve de compatibilité des formats,
A(λB + µC) = λAB + µAC,
et de même pour la deuxième distributivité. Ces relations traduisent la bilinéarité du produit matriciel.
Le produit matriciel n’est pas commutatif, même lorsque les tailles sont compatibles pour effectuer les
opérations dans les deux sens (par exemple pour des matrices carrées).
Exemple 20.1.20
Comparer ( )⋅( ) et ( )⋅( ).

1 2 1 0 1 0 1 2
3 4 0 0 0 0 3 4
Dans de nombreuses situations, une description plus globale du produit matriciel permet de mieux vi-
sualiser les calculs et de moins s’embrouiller sur la position des éléments au sein des matrices en jeu. Le
résultat suivant, même si en théorie il donne exactement le même nombre d’opérations à faire, permet
souvent poue cette raison d’effectuer des produits matriciels plus rapidement, en particulier lorsque la
matrice de droite (ici B) a beaucoup de 0.
Proposition 20.1.21 (Description explicite du produit matriciel, par colonnes)

Soit A ∈ Mn,p (K) et B = (bi,j ) ∈ Mp,q (K). Notons C1 (A), . . . , Cp (A) les colonnes de la matrice A.
Alors la j-ième colonne Cj (AB) du produit AB est :
p
Cj (AB) = ∑ bi,j Ci (A).
i=1
Ainsi, la j-ième colonne du produit AB est obtenu en faisant la combinaison linéaire des colonnes de
A par les coefficients de la j-ième colonne de B :
⎛ ⎞ ⎛ ⋯ b1,j ⋯ ⎞ ⎛ ⎞
⎜ C1 (A) Cp (A) ⎟ ⎜ ⎟=⎜ ⋯ b1,j C1 (A) + ⋯ + bp,j Cp (A) ⋯ ⎟
⎜ ⋯ ⎟×⎜ ⋮ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⋯ bp,j ⋯ ⎠ ⎝ ⎠
Vérifier qu’on retrouve bien la même chose, coefficient par coefficient ▷
La description initiale du produit matriciel présentant une certaine dualité entre les lignes de A et les
colonnes de B et inversement, on obtient une description duale par combinaison des lignes de B cette
fois. Cette description est notamment très efficace lorsque la matrice A possède beaucoup de 0.
Proposition 20.1.22 (Expression du produit à l’aide des lignes)

Soit A = (ai,j ) ∈ Mn,p (K) et B ∈ Mp,q , dont les lignes sont L1 (B), ⋯, Lp (B). Soit i ∈ J1, nK. La i-ième
ligne de AB et
p
Li (AB) = ∑ ai,j Lj (B).
j=1
Ainsi :
⎛ ⋮ ⋮ ⎞ ⎛ L1 (B) ⎞ ⎛ ⋮ ⎞
⎜ai,1 ⋯ ai,p ⎟ ⎜ ⎟ = ⎜ ai,1 L1 (B) + ⋅ ⋅ ⋅ + ai,p Lp (B) ⎟.
⎜ ⎟⎜ ⋮ ⎟ ⎜ ⎟
⎝ ⋮ ⋮ ⎠ ⎝ Lp (B) ⎠ ⎝ ⋮ ⎠
Exemple 20.1.23
⎛2 6 12⎞ ⎛ 1 0 2⎞
1. Calculer ⎜
⎜2 −7 2 ⎟ ⎜
⎟ ⋅ ⎜−1 2 0⎟
⎟.
⎝8 5 11⎠ ⎝ 0 0 1⎠
⎛0 1 0 ⋯ 0⎞
⎜⋮ ⋱ ⋮⎟
⎜ ⎟
⎜ ⎟
⋱ ⋱
2. Quel est l’effet de la multiplication à droite par Cn = ⎜ ⋮ 0⎟
⎜ ⎟
⋱ ⋱ ?
⎜0 1⎟
⎜ ⋱ ⎟
⎝1 0 ⋯ ⋯ 0⎠
3. Effet de la multiplication à gauche par Cn ?
⎛0 1 0 ⋯ 0⎞
⎜⋮ ⋱ ⋱ ⋱ ⋮⎟
⎜ ⎟
⎜ ⎟
4. Mêmes questions avec la matrice « de Jordan » Jn = ⎜ ⋮ ⎟
⎜ ⋱ ⋱ 0⎟
⎜⋮ ⋱ 1⎟
⎜ ⎟
⎝0 ⋯ ⋯ ⋯ 0⎠
5. Calculer pour tout k ∈ N, Cnk et Jnk . Que constatez-vous ?
Définition 20.1.24 (Matrice identité)

La matrice identité In est la matrice carrée de format (n, n) dont tous les coefficients sont nuls sauf les
coefficients diagonaux égaux à 1 :
⎛1 0 ⋯ 0⎞
⎜0 1 ⋱ ⋮⎟
In = ⎜
⎜⋮
⎟ ∀(i, j) ∈ J1, nK2 , [In ](i,j) = δi,j .
⋱ ⋱ 0⎟
soit:
⎜ ⎟
⎝0 ⋯ 0 1⎠
Proposition 20.1.25
La matrice In est neutre pour le produit matriciel. Plus précisément :
● Pour toute matrice M ∈ Mm,n (K), M In = M (m ∈ N∗ ) ;
● Pour toute matrice N ∈ Mn,p (K), In N = N (p ∈ N∗ ).
Vérification facile par description sur les lignes ou colonnes. ▷
Dans le même ordre d’idée, on peut exprimer le produit de deux matrices élémentaires :
Proposition 20.1.26 (Produit des éléments de la base canonique)

Soit (Ei,j ) la base canonique de Mn,p (K), (Ej,k ′
) la base canonique de Mp,q (K) et (Ei,k
′′
) la base
canonique de Mn,q (K). Soit (i, j) ∈ J1, nK × J1, pK, et (k, ℓ) ∈ J1, pK × J1, qK. Alors :
⎧
⎪
⎪E si j = k
′′
′ ′′
= δj,k Ei,ℓ = ⎨ i,ℓ
⎪
Ei,j × Ek,ℓ
⎪
⎩0 sinon.
De même, c’est assez facile par description du produit par les lignes ou colonnes ▷
I.4 Transposition
On décrit dans ce paragraphe une autre construction sur les matrices, définissant une application linéaire
sur l’ensemble des matrices.
Définition 20.1.27 (Transposée d’une matrice)

Soit A = (ai,j )(i,j)∈J1,nK×J1,pK ∈ Mn,p (A). Alors la matrice transposée de A, notée tA ou A⊺ , est la
matrice de Mp,n K définie par :
t
A = A⊺ = (aj,i )(i,j)∈J1,pK×J1,nK .
⎛ a1,1 ⋯ a1,p ⎞ ⎛a1,1 ⋯ an,1 ⎞

Ainsi, si A = ⎜
⎜ ⋮ ⋮ ⎟ ⎟, alors t
A = A⊺
= ⎜ ⋮
⎜ ⋮ ⎟ ⎟
⎝an,1 ⋯ an,p ⎠ ⎝a1,p ⋯ an,p ⎠
Le programme impose plutôt la notation A⊺ , dans un souci d’universalité. Nous essayerons de nous y
conformer, mais il est possible que je laisse traîner ici ou là un tA.
Exemple 20.1.28
Transposée de ( )?
1 2 3
4 5 6
Proposition 20.1.29 (Linéarité de la transposition)

L’application A ↦ A⊺ de Mn,p (K) dans Mp,n (K) est une application linéaire :
∀(A, B) ∈ Mn,p (K), ∀(λ, µ) ∈ K, (λA + µB)⊺ = λA⊺ + µB ⊺
Proposition 20.1.30 (Transposition d’un produit)

Soit A ∈ Mn,p (K) et B ∈ Mp,q (K). Alors
(AB)⊺ = B ⊺ A⊺ .
Vérification directe coefficient par coefficient. ▷
II Matrices carrées
II.1 L’algèbre Mn (K)
Le terme « algèbre » se réfère à une structure dans laquelle on peut additionner et multiplier les objets
entre eux, ainsi que les multiplier par un scalaire, avec un certain nombre de propriétés (associativités
internes et externes, commutativité de l’addition, distributivité, compatibilité de la multiplication par
le neutre des scalaires, neutre et existence des opposés). Cette structure sera étudiée plus générallement
plus tard. Ici, le point important qui fait qu’on dispose d’une structure d’algèbre sur Mn (K) est le fait
que le produit de deux matrices carrées d’ordre n est toujours bien défini, et est lui-même une matrice
d’ordre n.
En particulier en oubliant la multiplication par un scalaire, on obtient une structure d’anneau :
Proposition 20.2.1 (Structure de Mn (K))

L’ensemble Mn (K) muni de l’addition et de la multiplication des matrices est un anneau non commu-
tatif.
II Matrices carrées 45
On en déduit notamment que les procédés calculatoires valables dans un anneau sont valables pour les
matrices :
Théorème 20.2.2 (Factorisation de An − B n )

Soit A et B deux éléments de Mn (K) tels que AB = BA. Alors pour tout n ∈ N∗
n−1
An − B n = (A − B) ∑ An−1−k B k .
k=0
Corollaire 20.2.3 (Factorisation de In − An )

En particulier, pour toute matrice carrée A ∈ Mn (K),
n−1
In − An = (In − A) ∑ Ak .
k=0
Théorème 20.2.4 (Formule du binôme)

Soit A et B deux éléments de Mn (K) tels que AB = BA. Alors, pour tout n ∈ N,
n
(A + B)n = ∑ ( )Ak B n−k .
n
k=0 k
Exemple 20.2.5 ⎛2 1 0⎞
1. Déterminer An , pour tout n ∈ N, où A = ⎜
⎜0 2 1⎟
⎟
⎝0 0 2⎠
2. Plus généralement, si Jn est définie comme dans l’exemple 20.1.23, calculer (aIn + Jn )k , pour
tout k ∈ N.
⎛0 1 1⎞
n
3. Calculer ⎜
⎜1 0 1⎟
⎟
⎝1 1 0⎠
On en déduit une méthode assez efficace, mais pas toujours réalisable, de calcul des puissances.
Remarque 20.2.6
L’anneau Mn (K) est-il intègre ? (i.e. vérifie-t-il AB = 0 Ô⇒ A = 0 ou B = 0 ?)
Définition 20.2.7 (Polyôme annulateur, polyôme minimal)

1. Un polynôme annulateur de A ∈ Mn (K) est un polynôme P = ∑ ak X k à coefficients dans K tel
q
k=0
que
q
P (A) = ∑ ak Ak = 0.
k=0
2. Le polynôme minimal est le polynôme annulateur unitaire (donc non nul) de plus petit degré.
Proposition 20.2.8 (Existence et unicité du polynôme minimal, à moitié admis)

Soit A ∈ Mn (K). Alors :
1. A admet un polynôme annulateur non nul (admis momentanément)
2. A admet un unique polynôme minimal.
Existence découlant de la propriété fondamentale de N. Unicité : s’il y en a deux distincts, obtenir
une contradiction en formant la différence. ▷
Exemple 20.2.9
⎛0 1 1⎞
1. Déterminer un polynôme annulateur de ⎜
⎜1 0 1⎟
⎟.
⎝1 1 0⎠
2. Déterminer un polynôme annulateur de Cn
3. Déterminer un polynôme annulateur de Jn . Un polynôme minimal.
Le polynôme annulateur peut être efficace pour la recherche des puissances successives d’une matrice A.
Méthode 20.2.10 (Calcul de An à l’aide d’un polynôme annulateur)

● Déterminer un polynôme annulateur P de petit degré de A.
● Chercher le reste Rn de la division euclidienne de X n par P .
● Évaluer l’égalité de division euclidienne en A, il reste An = Rn (A). Ainsi An s’exprime comme
combinaison linéaire des premières puissances de A.
Exemple 20.2.11
⎛0 1 1⎞
n
Calculer ⎜
⎜1 0 1⎟
⎟ à l’aide d’un polynôme annulateur.
⎝1 1 0⎠
II.2 Matrices triangulaires et diagonales

La matrice In a une particularité notable : elle est nulle, sauf sur sa diagonale. Les matrices vérifiant
cette propriété jouent un rôle central, notamment dans la théorie de la diagonalisation. En effet, les
applications linéaires associées X ↦ AX laissent stables les axes définis par les vecteurs de la base, et
sont donc faciles à étudier. En particulier les produits de matrices diagonales sont simples à exprimer (et
donc aussi les puissances). C’est une des motivations de la théorie de la diagonalisation. Nous présentons
d’autres formes de matrices (matrices triangulaires).
Définition 20.2.12 (Matrice diagonale)

Soit D une matrice de Mn (K). On dit que D est une matrice diagonale si tous ses coefficients sont
nuls, à l’exception éventuellement de ses coefficients diagonaux.
Ainsi, une matrice diagonale est de la forme :
⎛d1 0 ⋯ 0⎞
⎜0 ⋱ ⋱ ⋮ ⎟
D=⎜
⎜⋮
⎟
⎜ ⋱ ⋱ 0⎟ ⎟
⎝0 ⋯ 0 dn ⎠
Définition 20.2.13 (Matrice triangulaire)

Soit T une matrice de Mn (K). On dit que T est une matrice triangulaire supérieure (resp. inférieure)
si tous ses coefficients situés strictement en-dessous (resp. au-dessus) de sa diagonale sont nuls.
Ainsi, une matrice triangulaire supérieure (resp. inférieure) est de la forme :
⎛ ● ⋯ ⋯ ●⎞ ⎛● 0 ⋯ 0⎞
⎜0 ⋱ ⋱ ⋮ ⎟ ⎜⋮ ⋱ ⋱ ⋮⎟
T =⎜
⎜⋮ ⋱ ⋱ ⋮⎟
⎟ (resp. T = ⎜
⎜⋮
⎟)
⎜ ⎟ ⎜ ⋱ ⋱ 0⎟
⎟
⎝0 ⋯ 0 ●⎠ ⎝● ⋯ ⋯ ●⎠
où les ● désignent des coefficients quelconques. On définit également les matrices strictement triangulaires
supérieures ou inférieures, nulles également sur la diagonale.
Notation 20.2.14
Nous noterons dans ce cours Dn (K) l’espace des matrices diagonales d’ordre n, Tn+ (K) l’espace des
matrices triangulaires supérieures, Tn− (K) l’espace des matrices triangulaires inférieures.
Proposition 20.2.15 (Produit de deux matrices triangulaires ou diagonales)

(i) Le produit de deux matrices triangulaires supérieures est une matrice triangulaire supérieure.
(ii) Le produit de deux matrices triangulaires inférieures est une matrice triangulaire inférieure.
(iii) Le produit de matrices diagonales est une matrice diagonale.
Cas des triangulaires supérieures : la k-ième colonne du produit AB est une CL des k premières
colonnes de A. ▷
On peut regarder plus précisément les termes diagonaux de ces produits. On obtient sans peine le com-
plément suivant :
Proposition 20.2.16 (Termes diagonaux du produit de deux matrices triangulaires)

1. On obtient les termes diagonaux du produit de deux matrices triangulaires par produit des termes
diagonaux correspondants des deux matrices initiales :
⎛a11 ⋯ ⋯ ● ⎞ ⎛b1,1 ⋯ ⋯ ● ⎞ ⎛a1,1 b1,1 ⋯ ⋯ ● ⎞

⎜ 0 ⋮ ⎟ ⎜ ⋮ ⎟ ⎜ ⎟
⎜ ⋱ ⋱ ⎟⎜ 0 ⋱ ⋱ ⎟=⎜ 0 ⋱ ⋱ ⋮ ⎟
⎜ ⋮ ⋮ ⎟⎜
⎟ ⋮ ⎟ ⎜
⎟ ⎟
⎜ ⋱ ⋱ ⎜ ⋮ ⋱ ⋱ ⎜ ⋮ ⋱ ⋱ ⋮ ⎟
⎝ 0 ⋯ 0 an,n ⎝ 0
⎠ ⋯ 0 bn,n ⎠ ⎝ 0 ⋯ 0 an,n bn,n ⎠
2. En particulier, si l’une des deux matrices est strictement triangulaire supérieure, le produit l’est
aussi.
Revenir à la description coefficient par coefficient. ▷
Vu l’importance de cette règle, on explicite pour les matrices diagonales :

Proposition 20.2.17 (Produit de matrices diagonales)

On a :
⎛c1 0 ⋯ 0 ⎞ ⎛d1 0 ⋯ 0 ⎞ ⎛c1 d1 0 ⋯ 0 ⎞
⎜0 ⋱ ⋱ ⋮⎟ ⎜ ⋱ ⋱ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟⎜ 0 ⎟=⎜ 0 ⋱ ⋱ ⎟.
⎜⋮ ⋱ ⋱ 0⎟ ⎜ ⋱ ⋱ 0⎟ ⎜ 0 ⎟
⎜ ⎟⎜ ⋮ ⎟ ⎜ ⋮ ⋱ ⋱ ⎟
⎝0 ⋯ 0 cn ⎠ ⎝ 0 ⋯ 0 dn ⎠ ⎝ 0 ⋯ 0 cn dn ⎠
En particulier, pour tout k ∈ N, on a :
⎛d1 0 ⋯ 0⎞ ⎛d1 0 ⋯ 0⎞
k
k
⎜0 ⋱ ⋱ ⋮ ⎟ ⎜ ⋱ ⋱ ⋮ ⎟
⎜ ⎟ =⎜0 ⎟.
⎜⋮ ⋱ ⋱ 0⎟ ⎜⋮ ⋱ ⋱ 0⎟
⎜ ⎟ ⎜ ⎟
⎝0 ⋯ 0 dn ⎠ ⎝0 ⋯ 0 dkn ⎠
II.3 Matrices symétriques et antisymétriques

Voici d’autres matrices carrées jouant un rôle important, notamment en algèbre bilinéaire :
Définition 20.2.18 (Matrices symétriques, antisymétriques)

Soit A ∈ Mn (K).
(i) On dit que A est symétrique si A = A⊺ .
(ii) On dit que A est antisymétrique si A = −A⊺ .
On note Sn (K) l’ensemble des matrices symétriques de Mn (K), et An (K) l’ensemble des matrices
antisymétriques.
Théorème 20.2.19 (Supplémentarité de Sn (K) et An (K))

On suppose que car(K) ≠ 2. Soit M ∈ Mn (K), il existe un unique couple (S, A) ∈ Sn (K) × An (K) tel
que M = S + A.
Remarque 20.2.20
À quoi ressemble la diagonale d’une matrice antisymétrique ?
II.4 Matrices inversibles
Définition 20.2.21 (Matrice inversible)

Une matrice M ∈ Mn (K) est dite inversible s’il existe N ∈ Mn (K) tel que
M N = In et N M = In .
Par définition, une matrice inversible est toujours une matrice carrée.
Proposition 20.2.23 (Caractérisation de l’inversibilité, admis pour le moment)

Une matrice M ∈ Mn (K) est inversible si et seulement s’il existe N ∈ Mn (K) tel que M N = In OU
N M = In .
On verra que cela résulte de caractérisations de l’injectivité ou la surjectivité d’applications linéaires,
issues d’un résultat important appelé formule du rang, reliant la dimesion de l’image et la dimension
du noyau d’une application linéaire. ▷
Définition 20.2.24 (Groupe linéaire)

L’ensemble des matrices inversibles de Mn (K) est noté GLn (K), et est appelé n-ième groupe linéaire.
Proposition 20.2.25 (Structure de GLn (K))

(GLn (K), ×) est un groupe (c’est le groupe des inversibles de l’anneau Mn (K)).
Conformément aux propriétés générales concernant l’inverse de produits dans un anneau, on a :
Proposition 20.2.26 (Inverse d’un produit)

Soit A et B deux matrices inversibles de Mn (K). Alors AB est inversible, et son inverse est B −1 A−1 .
Comme dans tout groupe ! N’oubliez pas l’interversion ! ▷
Par ailleurs, l’inversion commute avec la transposition :
Proposition 20.2.27 (Inverse d’une transposée)

Soit A une matrice inversible. Alors A⊺ l’est également, et
(A⊺ )−1 = (A−1 )⊺ .
Exprimer le produit A⊺ ⋅ (A−1 )⊺ . ▷
Voici un exemple important de famille de matrices inversibles. Important car, comme on va le voir, via
un pivot de Gauss, l’étude de l’inversibilité d’une matrice explicite peut toujours se ramener à ce cas.
Proposition 20.2.28 (CNS d’inversibilité pour les matrices triangulaires)

Soit T ∈ Tn+ (K) une matrice triangulaire. Alors T est inversible si et seulement si tous ses coefficients
diagonaux sont non nuls (donc inversibles), et dans ce cas, T −1 est une matrice triangulaire dont les
coefficients diagonaux sont les inverses des coefficients diagonaux de T .
On peut s’y prendre à la main, en montrant que le système T X = 0 admet le vecteur nul comme unique
solution (le système est triangulaire donc facile à résoudre en partant d’en bas). Quelle information
liée à la bijectivité cela apporte-t-il ?
La description des coefficients diagonaux découle de l’expression des coefficients diagonaux d’un
produit de matrices triangulaires. ▷
En particulier, une matrice diagonale est inversible si et seulement si tous ses coefficients diagonaux sont
non nuls, et dans ce cas :
⎛d1 0 0 ⎞ ⎛d−1 0 ⎞
−1
0
⎜ ⎟ ⎜ 0 ⎟
1
D =⎜0 ⋱ 0⎟ =⎜ 0 ⋱
−1
⎟.
⎝ 0 0 dn ⎠ ⎝ 0 0 d−1
n
⎠
Dans le cas de matrices 2 × 2, on obtient facilement une formule explicite de l’inverse, à connaître par
coeur vu son utilité :
Théorème 20.2.29 (Inverse des matrices 2 × 2 par la comatrice)

Soit M = ( ) ∈ M2 (K). Alors M est inversible si et seulement si ad − bc ≠ 0, et
a b
c d
( ).
1 d −b
M −1 =
ad − bc −c a
Le plus simple est ici de faire une vérification. ▷
Définition 20.2.30 (Déterminant d’une matrice 2 × 2)

La quantité ad − bc est appelée déterminant de M , et est noté det(M ) ou ∣ ∣.
a b
c d
Remarque 20.2.31
Il existe une notion de déterminant pour des matrices carrées de taille quelconque n. Nous définirons
cette notion générale dans le chapitre suivant. La non nullité du déterminant caractérise alors l’inversi-
bilité de la matrice, et comme dans le cas n = 2, il existe une formule générale de l’inverse d’une matrice
basée sur la notion de comatrice. Dans des situations concrètes, cette formule est cependant assez peu
efficace, sauf pour n = 2, et éventuellement n = 3 (et encore...)
Enfin, voici une méthode efficace pour calculer l’inverse lorsqu’on connaît un polynôme annulateur.
Méthode 20.2.32 (Calcul de l’inverse d’une matrice avec un polynôme annulateur)

Soit P un polynôme annulateur. Si A est inversible, quitte à multiplier plusieurs fois par A−1 , il existe
alors un polynôme annulateur à coefficient constant non nul, et quitte à diviser par cette constante, on
peut supposer que ce coefficient constant est égal à 1. En notant P (X) = XQ(X) − 1, on a alors :
0 = P (A) = AQ(A) − I donc: − AQ(A) = I.
Ainsi, −Q(A) est inverse de A.
Dans des situations numériques, on aura davantage intérêt à utiliser la méthode décrite dans le paragraphe
suivant, basé sur la technique du pivot de Gauss.
III Pivot de Gauss et matrices équivalentes par lignes

Nous exposons dans ce paragraphe le principe du pivot de Gauss, dont nous verrons par la suite qu’il
permet de calculer explicitement l’inverse de matrices. Cette méthode a bien d’autres applications, comme
par exemple la résolution de systèmes linéaires, que nous évoquerons aussi, ou le calcul du rang d’une
III Pivot de Gauss et matrices équivalentes par lignes 51
matrice, qu’on verra dans un chapitre ultérieur, ou encore le calcul des déterminants. Par ailleurs, l’al-
gorithme du pivot s’implémente facilement informatiquement, ce qui permet d’écrire des programmes
calculant l’inverse, résolvant des systèmes linéaires, calculant le rang d’une matrice, ou calculant un
déterminant.
III.1 Opérations sur les lignes d’une matrice

Étant donnée une matrice de Mn,p (K) dont les lignes sont désignées par L1 , . . . , Ln , les opérations
admissibles pour le pivot sont les trois opérations suivantes décrites ci-dessous :
Définition 20.3.1 (Opérations admissibles sur les lignes d’une matrice)

● Opération de permutation : échange des lignes Li et Lj de la matrice, codée par Li ↔ Lj
● Opération de dilatation : multiplication d’une ligne Li par un scalaire (élément de K) non nul
λ, codée par Li ← λLi
● Opération de transvection : ajout à une ligne donnée Li d’une autre ligne Lj éventuellement
multipliée par un scalaire λ (le résultat remplaçant la ligne Li ). Cette opération est codée par
Li ← Li + λLj .
Remarque 20.3.2
● L’itération de la première opération (permutation) autorise les permutations quelconques des
lignes d’une matrice. En effet, nous justifierons plus tard que toute permutation de Sn peut se
décomposer en composition de transpositions, c’est-à-dire en produit de permutations particu-
lières n’effectuant que l’échange de deux valeurs. On peut remarquer que la justification de la
correction de certains algorithmes de tri basés sur des transpositions (par exemple le tri par
insertion ou le tri à bulles) permet de prouver cette affirmation.
● La combinaison des deux dernières règles amène la règle suivante souvent bien pratique :
Li ← λLi + µLj , si λ ≠ 0.
Attention à ce que le coefficient devant la ligne modifiée par cette opération ne soit pas nul !
Les différentes opérations s’effectuent successivement (même si on les note ensemble dans la même
étape) : on ne peut pas effectuer des opérations simultanées. Ainsi, si on a dans la même étape deux
opérations L1 ← L1 + L2 et L2 ← L1 + L2 , cela signifie que la seconde est effectuée avec la ligne L1
obtenue à l’issue de la première opération, et non avec la ligne L1 initiale.
Définition 20.3.4 (Équivalence par ligne)

Deux matrices A et B sont équivalentes par lignes si et seulement si B s’obtient de A en effectuant un
nombre fini (pouvant être nul) d’opérations sur les lignes successives. On note A ≡L B.
Proposition 20.3.5
La relation ≡L est une relation d’équivalence.
En effet, seule la symétrie mérite qu’on s’y attarde : il suffit de savoir faire les opérations inverses de
celles allant de A à B, dans le sens inverse.
● L’opération inverse de Li ↔ Lj est Li ↔ Lj

● L’opération inverse de Li ← λLi (pour λ ≠ 0) est Li ← λ1 Li
● L’opération inverse de Li ← Li + λLj est Li ← Li − λLj .
▷
Évidemment, il est aussi possible de définir des opérations sur les colonnes, et de définir la relation ≡C
d’équivalence par colonnes de la même façon.
III.2 Échelonnement d’une matrice par la méthode du pivot de Gauss

Le but de ce paragraphe est de donner un algorithme permettant de trouver explicitement une matrice
échelonnée (en lignes) équivalente par lignes à une matrice donnée.
Définition 20.3.6 (Matrice échelonnée)

Soit m et n deux entiers non nuls, et M = (ai,j )1⩽i⩽m dans Mm,n (K). On dit que M est une matrice
1⩽j⩽n
échelonnée s’il existe un entier k ∈ J1, mK et une suite croissante j1 < j2 < ⋯ < jk d’éléments de J1, nK
tels que :
(i) ∀i ∈ J1, kK, ai,ji ≠ 0 ;
(ii) ∀i ∈ J1, kK, ∀j ∈ J1, ji − 1K, ai,j = 0 ;
(iii) ∀i ∈ Jk + 1, mK, ∀j ∈ J1, nK, ai,j = 0
Autrement dit, les lignes nulles sont regroupées au bas de la matrice (lignes k+1 à m), les autres lignes sont
classées suivant la position de leur premier élément non nul, ces positions étant deux à deux distinctes.
Une matrice échelonnée admet donc la représentation suivante :
⎛0 ⋯ 0 a1,j1 ● ⋯ ●⎞
⎜0 ●⎟
⎜ ⋯ ⋯ 0 a2,j2 ● ⋯ ⎟
⎜⋮ ⋮⎟
⎜ ⎟
⎜ ⎟
M =⎜
⎜0 ⋯ ●⎟
⎟,
⎜ ⎟
⋯ ⋯ 0 ak,jk ●
⎜0 0⎟
⎜ ⋯ ⋯ ⎟
⎜⋮ ⋮⎟
⎜ ⎟
⎝0 ⋯ ⋯ 0⎠
les coefficients indiqués d’un ● étant quelconques, et les ai,ji étant non nuls.
Méthode 20.3.7 (Algorithme du pivot de Gauss, ou élimination de Gauss-Jordan)

1. On cherche la première colonne non nulle de la matrice A.
2. Sur cette colonne, on effectue un choix de pivot : n’importe quel coefficient non nul de la colonne
convient, mais on a intérêt à choisir un pivot donnant le moins de calculs possible, si on effectue
ces calculs à la main. Il y a trois critères pour cela :
● Le pivot lui-même doit être facile à inverser. L’idéal est un pivot égal à 1.
● Les autres coefficients de la ligne du pivot doivent être « simples », de préférence des entiers.
● Plus il y a de zéros sur la ligne contenant le pivot, moins il y aura de calculs !
3. On fait un échange de lignes pour ramener le pivot choisi sur la première ligne.
4. On annule tous les coefficients situées sous le pivot à l’aide d’opérations élémentaires Li ←
Li + λL1 , ou bien pour éviter d’introduire des fractions, Li ← αLi + βL1 , avec α ≠ 0
5. On recommence récursivement en considérant la sous-matrice située strictement en-dessous à
droite du pivot.
Remarque 20.3.8
Bien entendu, les critères de choix du pivot sont donnés ici en vue d’un calcul à la main. En vue d’une
implémentation sur ordinateur, le choix du pivot doit se faire de sorte à diminuer au maximum les
erreurs d’arrondi. Les critères sont, dans cette optique, différents de ceux énoncés ci-dessus. À première
approximation, le choix d’un pivot de valeur absolue maximale est à privilégier.
Nous donnons ci-dessous une description purement algorithmique en pseudo-code un peu lâche.
Algorithme 20.1 : Pivot de Gauss
Entrée : A une matrice
Sortie : A′ matrice échelonnée équivalente par lignes à A
Initialiser l’indice j de colonne à 1;
Initialiser l’indice i de ligne à 1;
tant que les indices i et j ne font pas sortir de la matrice A faire
si le bas de la colonne j (en-dessous de la ligne i au sens large) est nul alors
Passer à la colonne suivante (j ← j + 1)
sinon
Placer un élément non nul en position (i, j) par une opération Li ↔ Lk ;
pour k ← i + 1 à dernière ligne faire
Lk [j]
Lk ← Lk + λLi , où λ = −
Li [j]
fin pour
Passer à la ligne suivante (i ← i + 1);
Passer à la colonne suivante (j ← j + 1)
fin si
fin tant que
renvoyer A
Théorème 20.3.9 (Terminaison et correction de l’algorithme du pivot de Gauss)

Cet algorithme se termine, et la matrice A′ renvoyée par l’algorithme est échelonnée et équivalente par
lignes à A.
● La terminaison s’étudie avec le variant de boucle n+m−i−j, entier positif strictement décroissant
au fil des itérations de la boucle while.
● La correction s’étudie avec l’invariant de boucle :
« avant d’entrer dans la boucle, les i − 1 premières lignes de A sont échelonnées, et les coefficients
en position (i′ , j ′ ), i′ ⩾ i, j ′ < j sont tous nuls. »
▷
Exemple 20.3.10
Recherche d’une matrice échelonnée équivalente par lignes à :
⎛ 1 −4 −2 3 2⎞
A=⎜
⎜2 2 1 0 1⎟
⎟
⎝−1 0 0 1 0⎠
Méthode 20.3.11 (Pivot remontant)

● Une fois la matrice échelonnée A′ obtenue, on peut continuer en reprenant les pivots en sens
inverse, à partir du dernier, et en annulant les coefficients situés au-dessus de ce pivot.
● Clairement, cet algorithme se termine, ne modifie pas l’échelonnement (les pivots ne sont pas
modifiés, ni les coefficients nuls qui déterminent l’échelonnement).
● De plus, les opérations faites au-dessus d’un pivot laissent nuls les coefficients déja annulés au
dessus d’un pivot situé au-delà.
● Ainsi, à l’issue de cet algorithme, on obtient une matrice A échelonnée, tel que tous les coefficients
situés en-dessous ET au-dessus des pivots soient nuls.
● En divisant chacune des lignes contenant un pivot par la valeur de ce pivot, on peut même
normaliser la matrice échelonnée obtenue, c’est-à-dire s’arranger pour que tous les pivots soient
égaux à 1.
Définition 20.3.12 (Matrice échelonnée réduite)

Une matrice M est dite échelonnée réduite si :
(i) elle est échelonnée,
(ii) ses pivots sont tous égaux à 1
(iii) les coefficients au-dessus des pivots sont tous nuls
Ainsi, la méthode précédente montre que toute matrice est équivalente par lignes à une matrice échelonnée
réduite (appelée réduite de Gauss).
Remarque 20.3.13
Toutes les opérations décrites dans l’algorithme du pivot initial, et l’algorithme du pivot remontant ne
nécessitent pas l’opération de dilatation, à part la normalisation finale. Ainsi, si le but est de trouver
une matrice échelonnée (y compris avec pivot remontant), non normalisée, on peut se dispenser de ce
type d’opérations. Cette remarque sera utile lors de l’étude des déterminants.
Note Historique 20.3.14 (Pivot de Gauss)

● Le nom de la méthode du pivot est un hommage aux deux mathématiciens Gauss et Jordan.
● Gauss utilise cette méthode dans ses ouvrages, en l’appelant élimination ordinaire, ou, en latin (langue
qu’il emploie pour ses publications scientifiques), eliminatio vulgaris.
● Gauss et Jordan utilisent cette méthode d’élimination ordinaire notamment dans le cadre de la classifi-
cation des formes quadratiques.
● Ce n’est que vers 1880 que Frobenius publie plusieurs mémoires faisant un état des lieux de la théorie
des matrices, et élucide complètement à l’occasion la théorie des systèmes linéaires à coefficients réels
ou complexes.
● Mais la méthode est en fait beaucoup plus ancienne : elle est déjà exposée dans un ouvrage chinois du
IIIe siècle Jiuzhang suanshu (Prescriptions de calcul en 9 chapitres) de Liu Hui. Le huitième chapitre est
entièrement consacré à la méthode d’élimination par pivot, appelée fang cheng (disposition, ou modèle
rectangulaire).
● La méthode elle-même est sans doute plus ancienne, puisque Liu Hui en attribue la paternité à Chang
Ts’ang, 3 ou 4 siècles plus tôt, auteur d’un ouvrage aujourd’hui disparu.
III.3 Interprétation matricielle des opérations du pivot

Nous voyons dans ce paragraphe comment les opérations sur les lignes (ou colonnes) de A se traduisent
par la multiplication de A par certaines matrices codant ces opérations.
Définition 20.3.15 (Matrices de codage des opérations élémentaires)

Soit n ∈ N∗ . On définit les trois familles suivantes de matrices :
(i) Codage des échanges de lignes (matrice de transposition) :
⎛ 1 0 ⋯ ⋯ ⋯ ⋯ ⋯ 0 ⎞
⎜ 0 1 ⋱ ⋮ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⋮ ⋱ 0 ⋮ ⎟
⎜ ⋱ 1 ⎟ i
⎜ ⋮ ⋮ ⎟
⎜ ⎟
⎜ ⎟
⋱ 1 ⋱
∀(i, j) ∈ J1, nK , i ≠ j, E(i, j) = ⎜
2
⎜ ⋱ 1 ⋱ ⋮ ⎟
⎟
⎜ ⎟
⋮
⎜ ⋮ ⋱ 0 ⋱ ⋮ ⎟
⎜ ⎟
1 j
⎜ ⋮ ⋱ 1 0 ⎟
⎜ ⎟
⎝ 0 ⋯ ⋯ ⋯ ⋯ ⋯ 0 1 ⎠
i j
(ii) Codage d’une combinaison linéaire (matrice de transvection) : pour i ≠ j :
⎛1 0 ⋯ ⋯ ⋯ 0⎞
⎜0 ⋱ ⋱ λ ⋮⎟
⎜ ⎟
⎜ ⎟
i
⎜⋮ ⋱ ⋱ ⋱ ⎟
⎜ ⋮ ⎟
⎜
Ei,j (λ) = ⎜ ⋮ ⋱ ⋱ ⋱ ⋮⎟⎟
⎜ ⎟
⎜⋮ ⎟
⎜ ⋱ ⋱ 0 ⎟
⎝0 ⋯ ⋯ ⋯ 0 1⎠
j
(iii) Codage de la multiplication d’une ligne par un scalaire (matrice de dilatation) :
⎛1 0 ⋯ ⋯ ⋯ ⋯ 0⎞
⎜0 ⋮⎟
⎜ ⋱ ⋱ ⎟
⎜⋮ ⋮⎟
⎜ ⎟
⎜ ⎟
⋱ 1 ⋱
⎜⋮ ⋮⎟
Ei (λ) = ⎜
⎜
⎟
⎟
⋱ λ ⋱ i
⎜⋮ ⋱ 1 ⋱ ⋮⎟
⎜ ⎟
⎜⋮ ⋱ ⋱ 0⎟
⎜ ⎟
⎝0 ⋯ ⋯ ⋯ ⋯ 0 1⎠
i
Proposition 20.3.16 (Interprétation matricielle des opérations élémentaires sur les lignes)
Soit M ∈ Mm,n (K). Soit i ≠ j dans J1, mK, et λ ∈ K.
(i) La matrice N obtenue de M par l’opération Li ↔ Lj , est N = E(i, j) ⋅ M ;
(ii) La matrice N obtenue de M par l’opération Li ← Li + λLj est N = Ei,j (λ) ⋅ M ;
(iii) La matrice N obtenue de M par l’opération Li ← λLi , λ ≠ 0, est N = Ei (λ) ⋅ M .
Utiliser la description du produit matriciel par les lignes. ▷
Ainsi, partant d’une matrice M à laquelle on applique le pivot de Gauss, on obtient une matrice N , et
une matrice P telles que N = P M , telle que P soit un produit de matrices de transvection, de dilatation
et de permutation.
La validité du pivot de Gauss provient alors du résultat suivant, exprimant que toute opération valide du
pivot est réversible :
Proposition 20.3.17 (Inversibilité des matrices de codage des opérations élémentaires)

Pour i ≠ j, les matrices E(i, j), Ei,j (λ) sont inversibles, ainsi que Ei (λ) lorsque λ ≠ 0.
Pour beaucoup, cela se règle en remarquant qu’elles sont triangulaires. Quant à E(i, j), son inverse
n’est pas dur à trouver. ▷
On peut préciser ce résultat en exprimant les inverses de ces matrices :
Proposition 20.3.18 (Inverses des matrices de codage des opérations élémentaires)

● E(i, j)−1 = ......
● Ei,j (λ)−1 = ......
● Ei (λ)−1 = ......
Pensez en terme de réversibilité des opérations sur les lignes.
On peut vérifier ensuite, une fois deviné l’expression de l’inverse. ▷
III.4 Calcul pratique de l’inverse d’une matrice
Proposition 20.3.19 (Caractérisation de l’inversibilité par le pivot)

Soit A ∈ Mn (K) et B une matrice échelonnée (donc triangulaire) équivalente par lignes à A. Alors A
est inversible ssi les coefficients diagonaux de B sont tous non nuls.
Si A′ est échelonnée équivalente par lignes à A, alors elle s’écrit A′ = P A, où P est une matrice
inversible, produit de toutes les matrices d’opérations élémentaires utilisées dans le pivot. Ainsi,
A est inversible ssi A′ l’est. On remarque ensuite qu’une réduite de Gauss d’une matrice carrée
est toujours triangulaire. On est donc ramené à la caractérisation de l’inversibilité des matrices
triangulaires. ▷
Théorème 20.3.20
Toute matrice inversible est équivalente par ligne à In . On trouve la succession d’opérations à effectuer
en opérant un pivot de Gauss, suivi d’un pivot remontant, suivi d’une normalisation
En effet, le résultat précédent montre que la matrice échelonnée réduite obtenue à l’issue de cet
algorithme est nécessairement In . ▷
Notant P la matrice obtenue par produit des matrices des opérations élémentaires nous ayant amené de
A à In , on a donc P A = In . Ainsi, P = A−1 .
Or, P = P In , et est donc obtenu en appliquant à la matrice In les mêmes opérations sur ses lignes que
celles qui ont permis de transformer A en In . On en déduit la méthode suivante :
Méthode 20.3.21 (Calcul de l’inverse d’une matrice)

● Juxtaposer la matrice A et la matrice In (séparées d’une barre verticale)
IV Résolution d’un système linéaire 57
● Effectuer un pivot sur A, en faisant les mêmes opérations sur la matrice In , pour obtenir une
matrice échelonnée à la place de A
● La matrice A est inversible si et seulement si la matrice échelonnée obtenue est inversible (c’est-
à-dire s’il s’agit d’une matrice triangulaire supérieure à coefficients diagonaux non nuls)
● Dans ce cas, faire un pivot remontant, pour annuler les coefficients au dessus de chaque pivot,
et toujours en effectuant les mêmes opérations sur la matrice de droite.
● En normalisant les coefficients diagonaux, on obtient à gauche la matrice identité, et à droite la
matrice A−1 .
Corollaire 20.3.22 (Un système de générateurs de GLn (K))

Toute matrice inversible est produit de matrices d’opérations élémentaires.
On a écrit A−1 comme produit de matrices d’opérations élémentaires. Tout inverser, ou alors, partir
de A−1 au lieu de A. ▷
Corollaire 20.3.23 (Caractérisation de l’équivalence par lignes)

Deux matrices A et B sont équivalentes par lignes si et seulement s’il existe une matrice inversible P
telle que B = P A
Le sens direct a déjà été évoqué. Le sens réciproque est une conséquence immédiate du corollaire
précédent. ▷
IV Résolution d’un système linéaire

L’algorithme du pivot de Gauss permet également de résoudre des systèmes linéaires. Cela est en fait
une généralisation de la méthode d’inversion. En effet, un système linéaire peut se réécrire sous la forme
AX = B, où A est la matrice des coefficients du système X la matrice colonne des inconnues et B la
matrice colonne des seconds membres (on l’explicite mieux ci-dessous). Si la matrice A du système est
inversible, alors cette équation équivaut à X = A−1 B. Ainsi, le calcul de l’inverse (par la méthode du
pivot par exemple) permet de résoudre le système. On va voir que la méthode du pivot permet en fait de
résoudre le système plus généralement, mais que dans la situation générale, il n’y aura pas existence et
unicité de la solution.
IV.1 Position du problème, réexpression et structure

Nous nous intéressons à la résolution d’un système de n équations linéaires à p inconnues réelles ou
complexes (ou plus généralement dans un corps K). Il s’agit donc de trouver tous les p-uplets (x1 , . . . , xp )
tels que :
⎧
⎪
⎪
⎪
a1,1 x1 + ⋯ + a1,p xp = b1
⎪
⎪
⎪ a2,1 x1 + ⋯ + a2,p xp = b2
⎨
⎪
(20.1)
⎪
⎪
⎪
⋮ ⋮
⎪
⎪
⎩ an,1 x1 + ⋯ + an,p xp = bn
où les ai,j et les bi sont des éléments de K.
Les xi sont les inconnues du système, les ai,j les coefficients, et les bi contituent le second membre.
Proposition 20.4.1
En posant
⎛ a1,1 ⋯ a1,p ⎞ ⎛ b1 ⎞ ⎛x1 ⎞
A=⎜
⎜ ⋮ ⋮ ⎟ ⎟, B=⎜
⎜⋮⎟
⎟ et X =⎜ ⎟
⎜ ⋮ ⎟,
⎝an,1 ⋯ an,p ⎠ ⎝ bp ⎠ ⎝xp ⎠
le système précédent équivaut à l’équation matricielle
AX = B
de l’inconnue vectorielle X.
Définition 20.4.2 (Système de Cramer)

Le système représenté par AX = B est de Cramer si A est inversible (donc carrée). Dans ce cas, le
système a une unique solution X = A−1 B.
Théorème 20.4.3 (Structure de l’ensemble des solutions)

L’ensemble des solutions S de l’équation AX = B, s’il est non vide, est un sous-espace affine de Kp .
Ainsi, si X0 désigne une solution particulière, et si S0 désigne l’ensemble des solutions de l’équation
homogène associée AX = 0, alors :
S = {X0 + X ∣ X ∈ S0 } = X0 + S0 ,
et S0 contient la solution nulle et est stable par combinaisons linéaires (sous-espace vectoriel de Rp ).
C’est en fait toujours le même principe : on peut montrer que X est solution si et seulement X − X0
est solution de l’équation homogène. On peut aussi remarquer qu’il s’agit d’une fibre du morphisme
ϕ ∶ X ↦ AX, et se rattacher à la description des fibres.
La structure de S0 = Ker(ϕ) se vérifie facilement, et sera justifiée plus tard plus généralement pour
tout noyau d’une application linéaire. ▷
IV.2 Système échelonné réduit associé

On commence par la remarque suivante :
Proposition 20.4.4
Soit P une matrice inversible (de format compatible au produit). Alors le système AX = B équivaut au
système P AX = P B.
Ainsi, effectuer des opérations sur les lignes de A ne modifie pas les solutions du système, si on effectue les
mêmes opérations sur les lignes du second membre B (i.e. multiplier par la même matrice d’opération).
C’est en fait assez évident, puisque cela consiste à faire les opérations correspondantes directement sur
les équations du système.
Si P représente la matrice obtenue en effectuant le produit des matrices d’opérations élémentaires per-
mettant de calculer une réduite de Gauss de A, on peut donc se ramener à un système dont la matrice
est échelonnée.
IV Résolution d’un système linéaire 59
Méthode 20.4.5 (Se ramener à un système dont la matrice est échelonnée réduite)
Effectuer un pivot, suivi d’un pivot remontant, suivi d’une normalisation sur la matrice A, en efectuant
les mêmes opérations sur B. Pour cela, on aura intérêt à présenter comme pour le calcul d’inverse, en
juxtaposant initialement les matrices A et B (séparées d’une barre verticale).
On peut bien sûr s’arrêter avant et se contenter d’un système échelonné non réduit, qui peut parfois se
résoudre simplement aussi, en remontant.
Un système échelonné réduit (i.e. associé à une matrice A échelonnée réduite) n’admet pas toujours une
solution unique, ni même une solution tout court. Pour trouver une solution particulière, il y aura donc
des choix à faire. Ainsi, si la dernière équation fait par exemple intervenir 3 inconnues, en fixer 2 à sa
guise impose la troisième. Ainsi, en remontant un système échelonné, on ajoute à chaque nouvelle ligne
considérée de nouvelles inconnues n’intervenant pas dans les lignes suivantes. Si on a déjà obtenu des
valeurs pour les inconnues des dernières lignes, donner des valeurs quelconques à toutes les nouvelles
inconnues sauf une détermine alors la dernière inconnue.
On peut donc remonter le système en donnant des valeurs quelconques à toutes les nouvelles inconnues
de chaque ligne, sauf une. L’inconnue qui jouera ce rôle particulier est l’une quelconque des nouvelles
inconnues (en remontant), mais un choix s’impose naturellement : celui de la première inconnue interve-
nant de façon effective dans la ligne. Autrement dit, l’inconnue se plaçant à la position du pivot utilisé
sur cette ligne pour obtenir l’échelonnement.
Définition 20.4.6 (Inconnue principale)

Nous appelons inconnue principale du système échelonné AX = B une inconnue xi se plaçant en tête
d’une des lignes du système. Il s’agit donc des inconnues d’indice ji de la définition 20.3.6
Les autres inconnues sont appelées secondaires.
Remarque 20.4.7
● La définition d’inconnue principale donnée ici est fortement dépendante de l’ordre des variables.
Une permutation des variables préservant l’échelonnement (c’est en général possible) donnerait
un autre système d’inconnues principales.
● Il existe une notion plus générale d’inconnues principales, se définissant bien à l’aide de détermi-
nants, portant sur des systèmes non nécessairement échelonnés. En gros, il s’agit d’un système
d’inconnues tel que le choix quelconque des autres inconnues déterminent de façon unique les
inconnues principales. Mais pour un système donné, le choix des inconnues principales n’est pas
unique.
● Dans ce cadre plus général, notre définition des inconnues principales n’est qu’un des plusieurs
choix possibles pour le système échelonné donné.
IV.3 Résolution d’un système échelonné réduit

Méthode 20.4.8 (recherche d’une solution particulière d’un système échelonné)
Soit A une matrice échelonnée réduite, et AX = B un système associé.
1. S’il existe dans ce système une ligne du type 0 = bi , avec bi non nul, alors le système n’admet
pas de solution. On dit que AX = B est un système non compatible.
2. Sinon, donner des valeurs quelconques aux variables non principales détermine entièrement les
autres.
3. On trouve par exemple une solution particulière en attribuant à toutes les inconnues secondaires
la valeur 0. La i-ième inconnue principale prendra alors la valeur bi .
Remarque 20.4.9
C’est facilement implémentable.
Exemple 20.4.10
Recherche d’une solution particulière du système AX = B lorsque
⎛1 −4 −2 3 2⎞ ⎛1⎞
A=⎜
⎜2 2 1 0 1⎟
⎟ et B=⎜ ⎟
⎜2⎟ .
⎝−1 0 0 1 0⎠ ⎝3⎠
Méthode 20.4.11 (Résolution du système homogène associé)

● La matrice A étant échlonnée réduite, le système AX = 0 permet d’exprimer chacune des incon-
nues principales en fonction des inconnues secondaires, en les isolant sur chaque ligne
● On a donc l’ensemble des solutions, paramétré par les inconnues secondaires, choisies quel-
conques.
● Chaque coordonnée du vecteur X est une fonction linéaire en les inconnues secondaires. Ainsi,
en isolant les contributions de chaque paramètre, on peut voir l’ensemble des solutions comme
l’ensemble des combinaisons linéaires d’un certain nombre de vecteurs bien déterminés.
● Cette méthode peut être mise en place aussi directement sur le système non homogène, afin de
faire la résolution en une seule étape.
Exemple 20.4.12
Terminer la résolution du système de l’exemple 20.4.10.
Proposition 20.4.13 (Caractérisation des systèmes de Cramer)

Un système de n équations à n inconnues est de Cramer si et seulement s’il admet une et une seule
solution.
S’il n’est pas de Cramer, soit il est incompatible, soit la matrice échelonnée réduite associée possède
strictement moins que n pivots. Une inconnue secondaire pourra être choisie arbitrairement . La
réciproque est déjà vue. ▷
IV.4 Retour sur le calcul de l’inverse
Méthode 20.4.14 (Calcul de l’inverse par résolution d’un système)

Soit A une matrice carrée
● Pour un second membre Y arbitraire (i.e. indéterminé), résoudre le système AX = Y , et, si le
résultat est unique, l’écrire sous la forme X = BY .
● Alors B = A−1
La justification de l’inversibilité provient de l’unicité de la solution trouvée, et de la caractérisation

précédente des systèmes de Cramer. Puisque Y est arbitraire, on a alors
∀Y ∈ Mn,1 (K), BY = A−1 Y.

V Produit matriciel par blocs 61
Il est facile de s’assurer alors que B = A−1 , par exemple par des choix judicieux de Y , permettant
d’identifier les matrices colonne par colonne.
Remarque 20.4.15
● Si on résout ce système par la méthode du pivot, c’est exactement la même méthode que la
précédente par juxtaposition avec In . Mais la présentation est moins commode, les coefficients
étant plus mélangés (les coefficients de la j-ième colonne de la matrice de droite correspondent
aux coefficients devant la j-ième coordonnée de Y ). Il vaut mieux privilégier la présentation
matricielle précédente, plus claire dans les alignements.
● En revanche, cette méthode peut être intéressante si on peut s’éloigner un peu de la méthode
du pivot, par exemple pour exploiter certaines symétries de la matrice A, qui parfois permettent
une résolution plus efficace que par la méthode du pivot.
V Produit matriciel par blocs

Nous voyons dans cette dernière section qu’on peut effectuer un produit matriciel en groupant les termes
par blocs rectangulaires, en utilisant les règles usuelles, c’est-à-dire en remplaçant dans les formules les
coefficients par des blocs matriciels. Il faut cependant prendre garde au fait que cela n’est possible que
si le découpage en blocs des deux matrices A et B fournit des formats compatibles pour les produits
intervenant de la sorte.
Théorème 20.5.1 (Produit par blocs)

Soit A ∈ Mn,p et B ∈ Mp,m deux matrices, et
0 = i0 < i1 < i2 < ⋅ ⋅ ⋅ < iq−1 < iq = n,
0 = j0 < j1 < j2 < ⋅ ⋅ ⋅ < jr−1 < jr = p,
0 = k0 < k1 < k2 < ⋅ ⋅ ⋅ < ks−1 < ks = m.
Les deux premières suites définissent un découpage par blocs A = (Ai,j )(i,j)∈J1,qK×J1,rK de A et les deux
dernières définissent un découpage par blocs B = (Bj,k )(j,k)∈J1,rK×J1,sK .
Le produit AB admet alors une représentation par blocs :
AB = (Ci,k )(i,k)∈J1,qK×J1,sK ,
r
où pour tout (i, k) ∈ J1, qK × J1, sK, Ci,k = ∑ Ai,j Bj,k .
j=1
Regarder coefficient par coefficient. C’est un peu technique et désagréable, mais pas difficile en soi.
▷
En particulier, si on a une représentation diagonale par blocs (avec les Ak carrées) :
⎛A1 0 ⋯ 0⎞ ⎛A1 0 ⋯ 0⎞
n
⎜0 ⋮ ⎟ ⎜0 ⋮ ⎟
A=⎜ ⎟, An = ⎜ ⎟.
⋱ ⋱ ⋱ ⋱
⎜ ⋮ ⋱ ⋱ 0⎟
alors ⎜ ⋮ ⋱ ⋱ 0⎟
⎜ ⎟ ⎜ ⎟
⎝0 ⋯ 0 Ak ⎠ ⎝0 ⋯ 0 Ank ⎠
⎛1 1 0 0 0⎞
⎜0 0⎟
⎜ ⎟
Exemple 20.5.2 1 1 0
⎜ ⎟
Calcul des puissances successives de ⎜0 0⎟
⎜ 0 1 0 ⎟
⎜0 1⎟
⎜ 0 0 2 ⎟
⎝0 0 0 0 2⎠
21
Arithmétique des entiers
La mathématique est la reine des sciences, mais la théorie des nombres est la reine des sciences
mathématiques.
(Carl-Friedrich Gauss)
Les nombres sont le plus haut degré de la connaissance. Le nombre est la connaissance même.
(Platon)
Les nombres sont l’essence des choses.
(Pythagore)
Décomposer un cube en deux autres cubes, une quatrième puissance, et généralement une
puissance quelconque en deux puissances de même nom, au dessus de la seconde puissance,
est chose impossible et j’en ai assurément trouvé l’admirable démonstration. La marge trop
exiguë ne la contiendrait pas.
(Pierre de Fermat)

● L’arithmétique désigne dans un premier temps l’étude des opérations élémentaires entre entiers (arithmé-
tique élémentaire), et les algorithmes permettant de faire ces opérations (algorithmes de multiplication,
division euclidienne...). C’est une des disciplines fondamentales des mathématiques dans le sens où,
avec la géométrie et le calcul numérique (algébrique), elle constitue le point de départ de toutes les
mathématiques.
● En découle de façon naturelle (et déjà en Grèce antique) l’étude des propriétés de divisibilité, et donc
de primalité.
● Plus généralement, l’arithmétique désigne l’étude de problèmes relatifs à des nombres entiers. Ainsi, les
problèmes de Diophante, liés à la recherche de solutions entières d’équations relèvent de l’arithmétique.
De telles équations sont d’ailleurs appelées équations diophantiennes. L’exemple le plus célèbre en est
certainement le fameux théorème de Fermat-Wiles stipulant que pour tout n ⩾ 3, il n’existe pas de
triplet (a, b, c) d’entiers naturels non nuls tels que an + bn = cn . Il est instructif d’ailleurs de noter que
l’ouvrage dans lequel Pierre de Fermat a écrit en marge sa fameuse note (citation en début de chapitre)
concernant une preuve de ce résultat n’est autre que Les arithmétiques de Diophante.
● L’exemple du théorème de Fermat-Wiles justifie la nécessité de sortir du cadre des entiers pour résoudre
des problèmes arithmétiques en apparence simples. Ainsi, l’arithmétique a évolué en diverses branches
(théorie algébrique des nombres, théorie analytique des nombres, géométrie algébrique...)
64 CHAPITRE 21. ARITHMÉTIQUE DES ENTIERS
● Les concepts essentiels de l’arithmétique ont également été généralisés dans des contextes différents
de celui des entiers. C’est une des motivations de l’introduction de la notion d’anneau et d’idéal. Un
exemple que vous aurez l’occasion d’étudier prochainement est l’étude de l’arithmétique des polynômes.
Mais cela ne s’arrête pas là !
I Divisibilité, nombres premiers

I.1 Notion de divisibilité
Définition 21.1.1 (Divisibilité, diviseur, multiple)

● Soit a et b deux entiers relatifs, b ≠ 0. On dit que b divise a, et on écrit b ∣ a, si et seulement s’il
existe q ∈ Z tel que a = bq.
● On dit dans ce cas que b est un diviseur de a, et que a est un multiple de b.
On note a ∣ b pour dire que a divise b.

Ainsi, 2 ∣ 4, −2 ∣ 4, 2 ∣ −4, et −2 ∣ −4.
Proposition 21.1.2 (Caractérisation de la divisibilité en termes d’idéaux)

Soit a et b deux entiers positifs, b ≠ 0. Alors b ∣ a si et seulement si aZ ⊂ bZ.
Définition 21.1.3 (couple d’entiers associés)

On dit que deux entiers a et b sont associés si et seulement si a ∣ b et b ∣ a, c’est-à-dire aZ = bZ.
Proposition 21.1.4 (Caractérisation des entiers associés)

Les entiers a et b sont associés si et seulement si il existe ε ∈ {−1, 1} = Z× = U (Z) tel que a = εb.
Essayer de le démontrer (sous la forme U (Z)) en n’utilisant que l’intégrité de Z (et donc la régularité
multiplicative). Cela permet de généraliser à d’autres anneaux. ▷
Remarque 21.1.5
● Ce résultat peut sembler trivial et sans intérêt. Sa version plus générale, pour un anneau intègre
A, est plus intéressante, et affirme que les éléments associés diffèrent d’une constante multipli-
cative appartenant au groupe A× des inversibles de A.
● Par exemple, dans K[X], les éléments associés à un polynôme P sont tous les λP , pour λ ∈ K∗ .
● Dans Z[i] (entiers de Gauss), les éléments associés à un nombre z sont les 4 éléments z, −z, i z
et − i z.
● Les éléments associés de x sont les éléments qui jouissent des mêmes propriétés de divisibilité
que x.
Théorème/Définition 21.1.6 (Théorème de la division euclidienne)

Soit (a, b) ∈ Z2 , b ≠ 0.
● Il existe un unique couple (q, r) ∈ Z × N tel que :
a = bq + r et 0 ⩽ r < ∣b∣.
I Divisibilité, nombres premiers 65
● L’entier q est appelé quotient de la division euclidienne de a par b.

● L’entier r est appelé reste de la division euclidienne de a par b.
On pourrait se raccrocher à la division euclidienne réelle, mais c’est maladroit dans le sens où les
entiers existent avant les réels et indépendamment d’eux. Pour l’existence, pour a positif, on peut
faire une récurrence forte, en initialisant pour tout a ∈ J0, ∣b∣ − 1K. Une autre récurrence dans l’autre
sens pour compléter à a < 0 (ou par symétrisation). L’unicité se montre bien à peu près de la même
façon que dans le cas réel. ▷
Remarquez que b peut être négatif.
La plupart des propriétés arithmétiques de Z (pour ne pas dire toutes) découlent de l’existence de cette
division euclidienne. On peut définir de façon similaire dans certains anneaux une division euclidienne,
la condition sur le reste étant un peu plus dure à exprimer. On parle dans ce cas d’anneau euclidien.
Définition 21.1.7 (Anneau euclidien, HP)

Soit A un anneau. On dit que A est euclidien s’il est intègre, et muni d’un stathme, c’est-à-dire d’une
application v ∶ A ∖ {0} → N telle que :
∀a ∈ A, ∀b ∈ A ∖ {0}, ∃(q, r)2 ∈ A, a = bq + r et (r = 0 ou v(r) < v(b))
Exemple 21.1.8
● Quel est le stathme pour la division euclidienne dans Z ?
● Quel est le stathme pour la division euclidienne dans C[X] ?
● On peut montrer que Z[i] est euclidien, de stathme z ↦ ∣z∣2 .
Ainsi, Z et R[X] sont des anneaux euclidiens. Cette dernière propriété nous permettra d’établir un certain
nombre de propriétés arithmétiques pour les polynômes, très similaires à celles qu’on a pour les entiers.
Remarques 21.1.9
● Certains auteurs appellent préstathme la notion de stathme telle que nous l’avons définie. Ils
imposent une condition supplémentaire pour les stathmes. La différence n’est pas trop gênante
dans la mesure où on peut montrer qu’avec leur terminologie, tout anneau intègre muni d’un
préstathme peut aussi être muni d’un stathme.
● Dans la notion générale de division euclidienne définie par stathme, on n’impose pas de pro-
priété d’unicité. Par exemple, dans Z[i], on n’a pas de propriété d’unicité. D’ailleurs, dans Z, la
définition générale de division euclidienne nous donne deux divisions euclidiennes possibles, la
division euclidienne usuelle n’est que l’une des deux divisions possibles (ou on impose en plus la
positivité du reste).

La division euclidienne est appelée ainsi par référence à Euclide qui décrit dans ses éléments le procédé algo-
rithmique de soustractions répétées permettant d’obtenir le quotient et le reste. Cependant, on trouve trace de
cette notion à des époques antérieures, notamment en Égypte.
C’est Gauss le premier, avec l’étude de Z[i], qui remarque que de nombreuses propriétés arithmétiques ne sont
pas spécifiques à Z et découlent de façon plus générale de l’existence d’une division euclidienne dans un anneau.
Cette remarque est évidemment à la base de la notion d’anneau euclidien.
I.2 Congruences
Nous rappelons la définition suivante, indissociable de la notion de division euclidienne :
Définition 21.1.11 (Congruences d’entiers)

Soit n ∈ N∗ , et (a, b) ∈ Z2 . On dit que a et b sont congrus modulo n, et on écrit a ≡ b [n], si et seulement
si n divise b − a, ou encore si les divisions euclidiennes de a et b par n ont même reste.
On trouve aussi assez souvent la notation a ≡ b mod n, ou un mélange des 2 : a ≡ b [mod n].
Nous rappelons les résultats suivants, que nous avons déjà eu l’occasion de démontrer.
Théorème 21.1.12
La relation de congruence modulo n est une relation d’équivalence.
Théorème 21.1.13
La relation de congruence modulo n est compatible avec le produit et la somme : soit (a, a′ , b, b′ ) ∈ Z4
tels que a ≡ a′ [n] et b ≡ b′ [n]. Alors a + b ≡ a′ + b′ [n] et ab ≡ a′ b′ [n]
En d’autre terme, c’est une congruence sur les monoïdes (Z, +) et (Z, ×), au sens vu dans le chapitre sur
les ensembles.
Ces règles sont importantes pour pouvoir mener à bien le calcul modulaire de façon efficace : il permet
de faire lors d’une succession d’opérations, des réductions modulo n étape par étape, plutôt que de tout
calculer dans N et de réduire à la fin.
Exemples 21.1.14
Calculer le reste de la division euclidienne de 12 × 21 × 28 × 18 × 75 × 23 par 11.
Cette possibilité de réduire les opérations à chaque étape est également important pour l’implémentation
informatique du calcul modulaire, permettant ainsi de travailler avec des entiers plus petit, diminuant
de la sorte la complexité des calculs. On peut ainsi, contrairement au cas du calcul dans Z, borner
explicitement le temps de calcul des opérations modulo n par un réel dépendant de n mais ne dépendant
pas des opérandes.
Nous avons aussi, de façon immédiate :
Proposition 21.1.15
1. Si n divise m alors pour tout a et b dans Z :
a ≡ b [m] Ô⇒ a ≡ b [n].
2. si k ∈ N∗ ,
a ≡ b [n] ⇐⇒ ak ≡ bk [nk]
En revanche, en général ak ≡ bk [n] n’implique pas a ≡ b [n].

Enfin, le résultat suivant est souvent bien utile :
Proposition 21.1.16 (Périodicité des puissances modulo n)

Soit n > 1, et a ∈ Z. Alors la suite (ap )p∈N∗ est périodique modulo n à partir d’un certain rang. On
trouve une période dès lors qu’on trouve deux valeurs distinctes telles que ap1 ≡ ap2 [n].
I Divisibilité, nombres premiers 67
C’est un principe des tiroirs : il y a plus d’exposants distincts que de classes de congruences possibles !
▷
Remarque 21.1.17
À quelle condition nécessaire et suffisante sur a la suite (ap ) est-elle périodique modulo n dès le rang
n = 0?
Ainsi, le calcul des premières puissances jusqu’à obtenir un résultat déjà obtenu auparavant permet de
trouver la période, puis d’en déduire toutes les autres puissances. On peut donc de cette manière calculer
ap modulo n :
Méthode 21.1.18 (Calcul de ap modulo n)

● On commence par calculer les puissances successives de a modulo n, jusqu’à obtenir deux valeurs
p1 < p2 telles que ap1 et ap2 soient congrus modulo n. On peut remarquer que si a ∧ n = 1,
une période peut être obtenue par le théorème de Fermat ou d’Euler, mais qu’il ne s’agit pas
forcément de la période minimale.
● Si a est inversible modulo n, on peut prendre p1 = 0 (quel résultat permet d’en être sûr ?), la
suite est alors périodique dès le rang initial. Mais ce n’est pas toujours le cas lorsque a n’est pas
inversible modulo n.
● Soit T = p2 − p1 la longueur d’une période, et p ⩾ p1 . On réduit alors l’exposant modulo T pour
trouver l’unique représentant q de p dans Jp1 , p2 − 1K.
● On a alors ap ≡ aq mod [n].
Exemple 21.1.19
Calculer le reste de la division euclidienne de 16851750 par 42.
I.3 Nombres premiers

Nous les avons déjà rencontrés, évidemment. Nous rappelons :
Définition 21.1.20 (Nombres premiers)

Soit p ∈ N∗ . On dit que p est un nombre premier si p admet exactement 2 diviseurs positifs distincts (à
savoir 1 et p lui-même)
Remarquez que l’existence de deux diviseurs distincts exclut d’office 1 de l’ensemble des nombres premiers,
puisqu’il n’a qu’un diviseur.
Définition 21.1.21 (Nombres composés)

Soit n ∈ N∗ . On dit que n est un nombre composé si n possède au moins 3 diviseurs positifs distincts,
ou en d’autres termes, si n possède un diviseur positif distinct de 1 et de n.
Proposition 21.1.22
(i) Tout nombre composé admet un diviseur strict premier.
(ii) Tout entier n ⩾ 2 admet un diviseur premier.
Récurrence forte. ▷
Cette proposition est à la base de l’existence de la décomposition primaire.
Théorème 21.1.23 (Combien de nombres premiers ? Euclide)

Il y a une infinité de nombres premiers.
De très (très très) nombreuses démonstrations de ce fait existent. La démonstration d’Euclide est liée
à l’étude des diviseurs de p1 ⋯pn + 1 en supposant par l’absurde que p1 , . . . , pn sont tous les nombres
premiers. ▷
C’est bien joli tout ça, mais comment faire pour déterminer les nombres premiers (pas trop gros) ?
Erathostène, mathématicien, astronome, bibliothécaire en chef d’Alexandrie (excusez du peu), astéroïde
et cratère lunaire, répondit à cette question il y a déjà très longtemps, par un procédé d’élimination.
Méthode 21.1.24 (Crible d’Érathostène)

Pour trouver tous les nombres premiers inférieurs ou égaux à n :
1. Écrire tous les nombres entiers de 2 à n.
2. Le plus petit d’eux, à savoir 2, est premier (il n’a pas de diviseur strictement plus petit que lui,
autre que 1)
3. Les multiples stricts de 2 ne sont pas premiers, on les barre tous.
4. Parmi les nombres restants (en excluant les nombres premiers précédents, à savoir 2 dans la
première étape, et en excluant les nombres barrés), le plus petit est premier (il n’est divisible
par aucun nombre premier strictement plus petit que lui et différent de 1, sinon il serait barré).
On barre tous ses multiples stricts qui ne peuvent pas être premiers, et on recommence cette
étape jusqu’à épuisement de tous les entiers de la liste.
Cet algorithme est très facile à implémenter dans un langage informatique. Il n’est évidemment efficace
que pour des petites valeurs de n, mais ne peut pas servir à la recherche de très grands nombres premiers.
Notamment, il est à peu près inutilisable pour répondre à la question de savoir si un très grand nombre
donné est premier ou non (question cruciale dans certaines situations en rapport avec des cryptages,
comme la méthode RSA).
II PGCD et PPCM
II.1 PGCD et PPCM d’un couple d’entiers
Lemme 21.2.1 (Somme de deux groupes abéliens)

Soit H et K deux sous-groupes d’un groupe abélien (G, +). Alors H +K est le plus petit groupe contenant
H ∪ K.
Il faut bien comprendre que H + K désigne l’ensemble de toutes les sommes d’un élément de H et
d’un élément de K. Justifier que H + K ⊂< H ∪ K > et que c’est un groupe. ▷
On vérifie facilement la propriété suivante :
II PGCD et PPCM 69
Lemme 21.2.2 (intersection et somme de deux idéaux)

Soit I et J deux idéaux d’un anneau commutatif A. Alors I ∩ J et I + J sont des idéaux de A.
Proposition/Définition 21.2.3 (PGCD)

Soit a et b deux entiers positifs tels que l’un au moins des entiers a et b est non nul, et m ∈ N∗ . Les
propositions suivantes sont équivalentes :
(i) l’entier m est le maximum (pour l’ordre usuel) de {d ∈ N∗ ∣ d divise a et d divise b}
(ii) l’entier m est le maximum (pour l’ordre de divisibilité) de {d ∈ N∗ ∣ d divise a et d divise b}.
(iii) m = inf (N∗ ,∣) (a, b) (si a et b sont non nuls)
(iv) aZ + bZ = mZ
Si l’une de ces quatre conditions équivalentes est satisfaite, on dit que m est le plus grand commun
diviseur de a et b (en abrégé : PGCD), et on le note a ∧ b.
Par définition (ii) ⇐⇒ (iii), et (ii) Ô⇒ (i) est facile, ainsi que (iv) Ô⇒ (ii). Le point délicat est
(i) Ô⇒ (iv) pour compléter la boucle. Se rappeler que Z est principal, ce qui permet d’exprimer
aZ + bZ sous la forme nZ. Comparer n et m. ▷
Ainsi, le PGCD de a et b est entièrement caractérisé par l’égalité des idéaux (en notant (a) l’idéal engendré
par a) :
(a) + (b) = (a ∧ b).
Remarquez que pour établir ce point partant de la description usuelle (premier point), on se sert du fait
que tout idéal de Z s’écrit Z⋅a, donc que Z est principal. Le fait que Z est principal nous assure également
que le plus petit idéal contenant a et b est engendré par un élément. C’est là une façon de définir le pgcd,
comme élément générateur de l’idéal engendré par a et b.
Cette définition est valide dans tout anneau principal :
Définition 21.2.4 (PGCD dans un anneau principal, HP)

Soit A un anneau principal et a et b deux éléments de A. Un PGCD d de a et b est un élément défini
de façon unique à inversibles près par :
(d) = (a) + (b).
Dans certains cas, un choix de pgcd s’impose (le pgcd positif dans Z par exemple). Dans ce cas on peut
utiliser une notation non ambiguë (a ∧ b par exemple), et parler du PGCD. Dans les autres cas, on parle
d’UN PGCD, et on ne peut utiliser une notation qu’à abus près.
Le PGCD se détermine très facilement algorithmiquement, en se basant sur les lemmes suivants :
Lemme 21.2.5 (Simplification d’un pgcd)

Soit k ∈ Z. Alors a ∧ (b + ka) = a ∧ b.
Lemme 21.2.6 (Étape de l’algorithme d’Euclide)

Soit a et b deux entiers, et r le reste de la division euclidienne de a par b. Alors
a ∧ b = b ∧ r.
Ainsi, en prenant des restes divisions euclidiennes successives le dernier reste non nul fournira le PGCD.
La preuve de la terminaison de l’algorithme, faite en cours d’informatique, repose sur le variant de boucle
b, entier positif strictement décroissant, et sa correction provient de l’invariant de boucle a ∧ b (son
invariance provenant du lemme).
Algorithme 21.1 : Algorithme d’Euclide pour le calcul du PGCD

Entrée : a, b : entiers naturels
Sortie : a ∧ b
tant que b > 0 faire
a, b ← b, a % b
fin tant que
renvoyer a
Le PPCM se définit par des propriétés équivalentes similaires, symétriques de celles définissant le PGCD
Proposition/Définition 21.2.7 (PPCM)

Soit a et b deux entiers non nuls, et M ∈ N∗ . Les propositions suivantes sont équivalentes :
(i) l’entier M est le minimum (pour l’ordre usuel) de {m ∈ N∗ ∣ a divise m et b divise m}
(ii) l’entier M est le minimum (pour l’ordre de divisibilité) de {m ∈ N∗ ∣ a divise m et b divise m}
(iii) M = sup(N∗ ,∣) (a, b)
(iv) M Z = aZ ∩ bZ.
Si l’une de ces quatre propositions équivalentes est satisfaite, on dit que M est le plus petit commun
multiple de a et b (PPCM en abrégé), et on note M = a ∨ b.
Même principe que pour le PGCD. ▷
Encore une fois, le dernier point peut être pris comme définition dans un anneau principal.
Définition 21.2.8 (PPCM dans un anneau principal, HP)

Soit A un anneau principal et a et b deux éléments non nuls de A. Alors un PPCM de a et b est un
élément m tel que
(m) = (a) ∩ (b).
Ce qui est parfois évident sur les idéaux ne l’est pas toujours autant pour les autres descriptions :
Proposition 21.2.9 (Distributivité du produit sur ∧ et ∨)

Soit a et b deux entiers naturels, et c un entier naturel non nul.
1. Si a et b ne sont pas tous les deux nuls, (a ∧ b) ⋅ c = (ac) ∧ (bc).
2. Si a et b sont non nuls, (a ∨ b) ⋅ c = (ac) ∨ (bc).
On peut le démontrer avec les propriétés de minimalité/maximalité. Mais c’est plus limpide par des
manipulations sur les idéaux. ▷
II.2 Identité de Bézout

L’identité de Bézout est elle aussi une conséquence immédiate de la caractérisation par les idéaux :
II PGCD et PPCM 71
Théorème 21.2.10 (identité de Bézout, ou théorème de Bachet-Bézout)

1. Soit a et b deux entiers dont l’un au moins est non nul. Alors il existe des entiers relatifs x et
y tels que ax + by = a ∧ b.
2. Réciproquement, étant donné un entier d ∈ N∗ , s’il existe des entiers relatifs x et y tels que
d = ax + by,
alors a ∧ b ∣ d.
C’est juste une réexpression du point (iv) de la définition. ▷

● C’est le nom d’Étienne Bézout, mathématicien français du 18e siècle, qui est le plus souvent associé à ce
résultat. C’est pourtant à Claude-Gaspard Bachet de Méziriac que l’on doit la première preuve, parue
dans son ouvrage Problèmes plaisans et délectables qui se font par les nombres, paru en 1624. Sa preuve
est celle que nous présentons ci-dessous (par l’algorithme d’Euclide)
● Qu’a fait Bézout alors pour avoir droit à tous ces honneurs ? Il a généralisé le résultat à d’autres
situations, notamment au cas des polynômes.
● Il est intéressant de noter que le fameux ouvrage dans lequel Fermat écrivit dans une marge qu’il savait
démontrer ce qu’on appelle aujourd’hui le théorème de Fermat-Wiles est en fait une traduction par
Bachet de Mériziac de l’Arithmétique de Diophante. Le monde est petit...
La démonstration passant par les idéaux peut se généraliser dans un anneau principal. Elle possède
l’inconvénient de ne pas être constructive. Il peut être intéressant de trouver explicitement des entiers
x et y assurant l’égalité ax + by = a ∧ b. L’algorithme de la division euclidienne itéré permet à la fois de
déterminer a ∧ b, et d’obtenir une identité de Bézout.
Méthode 21.2.12 (Déterminer une relation de Bézout)

C’est un complément apporté par l’algorithme d’Euclide. Écrire successivement des combinaisons de
a et b égales aux restes successifs utilisés dans l’algorithme. Pour cela, pour passer d’une identité à la
suivante, combiner la précédente avec la relation de division euclidienne.
Cette méthode est valide dans tout anneau euclidien.

Ainsi, en écrivant r0 = a, r1 = b puis les divisions euclidiennes successives :
⎧
⎪
⎪
⎪ = r1 q2 + r2
⎪
r0
⎪
⎪
⎪
⎪
⎪
⎪
⎪
r1 = r2 q3 + r3
⎪
⎨⋮
⎪
⎪
⎪
⎪
⎪
⎪rk−2
⎪ = rk−1 qk + rk
⎪
⎪
⎪
⎪
⎪
⎩rk−1 = rk qk+1 + rk+1 ,
avec r2 ≠ 0, r3 ≠ 0, . . . , rk ≠ 0 et rk+1 = 0, on a rk = a ∧ b. De plus, en posant x0 = 1, x1 = 0, y0 = 0, y1 = 1

et pour tout i ⩽ J3, kK
xi = xi−2 − qi xi−1 et yi = yi−2 − qi yi−1 ,
on obtient pour tout i ∈ J1, nK,
ri = axi + byi ,
donc en particulier pour i = k, on obtient une identité de Bézout :
a ∧ b = axk + byk .
On peut donc décrire de façon plus algorithmique :

Algorithme 21.2 : Algorithme d’Euclide étendu
Entrée : a, b : entiers naturels non nuls
Sortie : m, u, v tels que m = a ∧ b = ua + bv
u, v, w, x, r, s ← 1, 0, 0, 1, a, b;
tant que s ≠ 0 faire
q, s, r ← r // s, r % s, s;
w, u ← u − qw, w;
x, v ← v − qx, x
fin tant que
renvoyer (r,u,v)
En pratique, pour ne pas s’embrouiller, il vaut mieux vaut écrire les différentes relations obtenues par
la division euclidienne, en remplaçant étape par étape les restes obtenus par leur expression obtenue
récursivement en fonction de a et b.
Exemple 21.2.13
● Trouver à l’aide de l’algorithme d’Euclide le pgcd de 1470 et 2016, ainsi qu’une identité de
Bézout.
● Comment trouver une autre identité de Bézout ?
● À retenir : on n’a pas unicité de la relation de Bézout !
● Comment trouver toutes les relations de Bézout ?
II.3 PGCD et PPCM d’une famille finie d’entiers

La notion de PGCD et de PPCM de deux entiers peut être généralisée à un plus grand nombre d’entiers :
Proposition/Définition 21.2.14 (PGCD d’un nombre fini d’entiers)

Soit a1 , . . . , an des entiers naturels, non tous nuls, et m un entier naturel. Les propriétés suivantes sont
équivalentes :
(i) m est le maximum (au sens de l’ordre usuel) des entiers d qui divisent chacun des ai , i ∈ J1, nK.
(ii) m est le maximum (au sens de la divisibilité) des entiers d qui divisent chacun des ai , i ∈ J1, nK.
(iii) m = inf (N∗ ,∣) (a1 , . . . , an )
(iv) mZ = a1 Z + a2 Z + ⋯ + an Z.
Si l’une de ces quatre propositions équivalentes est satisfaite, on dit que m est le PGCD de la famille
(a1 , . . . , an ) et on note m = a1 ∧ a2 ∧ ⋯ ∧ an .
De la même façon :
Proposition/Définition 21.2.15 (PPCM d’un nombre fini d’entiers)

Soit a1 , . . . , an des entiers naturels, non nuls, et M un entier naturel. Les propriétés suivantes sont
équivalents :
(i) M est le minimum (au sens de l’ordre usuel) des entiers m multiples de chacun des ai , i ∈ J1, nK.
(ii) M est le minimum (au sens de la divisibilité) des entiers m multiples de chacun des ai , i ∈ J1, nK.
(iii) M = sup(N∗ ,∣) (a1 , . . . , an )
(iv) M Z = a1 Z ∩ a2 Z ∩ ⋯ ∩ an Z.
Si l’une de ces quatre propositions équivalentes est satisfaite, on dit que M est le PPCM de la famille
(a1 , . . . , an ) et on note M = a1 ∨ a2 ∨ ⋯ ∨ an .
III Entiers premiers entre eux 73
Par très différent du cas n = 2. ▷
La caractérisation par idéaux, ou encore la caractérisation par borne inférieure (et l’associativité des
bornes inférieures) nous assure que ces notions correspondent aux PGCD et PPCM itérés :
Proposition 21.2.16 (Associativité du PGCD et du PPCM)

Soit a1 , . . . , an des entiers strictement positifs non tous nuls. Alors
a1 ∧ ⋅ ⋅ ⋅ ∧ an = ((a1 ∧ a2 ) ∧ . . . ) ∧ an .
S’ils sont tous non nuls, on a également
a1 ∨ ⋅ ⋅ ⋅ ∨ an = ((a1 ∨ a2 ) ∨ . . . ) ∨ an .
En particulier, pour n = 3, on en déduit :
a1 ∧ (a2 ∧ a3 ) = (a1 ∧ a2 ) ∧ a3 et a1 ∨ (a2 ∨ a3 ) = (a1 ∨ a2 ) ∨ a3 .
On peut étendre le théorème de Bachet-Bézout à cette situation, toujours en utilisant la caractérisation

par les idéaux :
Théorème 21.2.17 (Relation de Bézout)

Soit a1 , . . . , an des entiers naturels non tous nuls. Alors il existe des entiers relatifs x1 , . . . , xn tels que
a1 ∧ ⋅ ⋅ ⋅ ∧ an = x1 a1 + ⋅ ⋅ ⋅ + xn an .
Réciproquement, s’il existe des entiers x1 , . . . , xn tels que
d = x1 a1 + ⋅ ⋅ ⋅ + xn an ,
alors d est un multiple de a1 ∧ ⋅ ⋅ ⋅ ∧ an .
Méthode 21.2.18
Les coefficients x1 , . . . , xn peuvent se trouver explicitement, par itération de l’algorithme d’Euclide :
on cherche d’abord une relation de Bézout entre d1 = a1 ∧ a2 , a1 et a2 , puis entre d2 = d1 ∧ a3 , d1 et a2 ;
en substituant à d1 la première relation trouvée, on obtient une relation de Bézout entre a1 ∧ a2 ∧ a3 ,
a1 , a2 et a3 . On continue alors de la sorte, de proche en proche.
Enfin, toutes les notions introduites dans ce paragraphe peuvent être généralisées à des entiers relatifs
quelconques ; le pgcd et le ppcm ne sont alors définis correctement qu’au signe près (c’est le cas général
dans un anneau principal, ou le pgcd ne peut être déterminé qu’à un facteur multiplicatif inversible près).
Dans le cas de Z, on a un choix privilégié qui consiste à prendre la valeur positive. Le pgcd et les relations
de Bézout se trouvent de la même façon, en les cherchant d’abord pour les valeurs absolues, puis en
modifiant les signes de façon adéquate.
III Entiers premiers entre eux

III.1 Couple d’entiers premiers entre eux
Définition 21.3.1 (Entiers premiers entre eux)

Soit a et b deux entiers naturels non tous les deux nuls. On dit que a et b sont premiers entre eux si et
seulement si a ∧ b = 1, donc si a et b n’ont pas d’autre diviseur positif commun que 1.
Cela peut aussi s’exprimer par la relation aZ + bZ = Z.

La première apparition de cette notion est dans le Livre VII des Éléments d’Euclide.
Proposition 21.3.3 (Caractérisation par les diviseurs premiers)

Deux entiers naturels a et b non tous les deux nuls sont premiers entre eux si et seulement s’ils n’ont
aucun diviseur premier en commun.
Proposition 21.3.4 (Simplification des fractions)

● Soit a et b deux entiers naturels, b ≠ 0. Alors a
a∧b
et b
a∧b
sont premiers entre eux.
′
● En particulier, il est toujours possible d’écrire un rationnel ab sous forme irréductible ab′ , c’est-
à-dire de sorte que a′ ∧ b′ = 1, en simplifiant par a ∧ b. En imposant b′ > 0, cette représentation
irréductible est unique.
C’est une propriété de distributivité du produit sur le pgcd. ▷
On déduit des résultats de la section précédente :
Théorème 21.3.5 (Bézout, ou Bachet-Bézout)

Deux entiers naturels a et b sont premiers entre eux si et seulement s’il existe des entiers relatifs x et
y tels que ax + by = 1.
Les deux sens d’implication découlent respectivement des 2 points du théorème général. ▷
En particulier :
Corollaire 21.3.6 (Éléments inversibles de Z/nZ, HP)

1. Soit n ∈ N∗ , et k ∈ J0, n − 1K. La classe de k modulo n est inversible dans Z/nZ si et seulement
si k et n sont premiers entre eux.
2. En particulier, Z/pZ est un corps si et seulement si p est premier.
Écrire une relation de Bézout et la réduire modulo n. Réciproquement, écrire une relation d’inversion,
et prendre des représentants dans Z ; cela fournit une relation de Bézout. ▷
On déduit de ce dernier point le théorème important suivant, parfois appelé « petit » théorème de Fermat,
par opposition à un autre qui a donné tant de fil à retordre à des générations de mathématiciens.
III Entiers premiers entre eux 75
Théorème 21.3.7 (Fermat)

Soit p un nombre premier, et a un entier naturel quelconque. Alors ap ≡ a[p]. Si de plus a n’est pas
divisible par p, ap−1 ≡ 1[p].
Considérer l’ordre de a dans le groupe multiplicatif de Z/pZ. ▷
Méthode 21.3.8 (Calcul d’un inverse modulo n)

Soit k premier avec n. Pour calculer l’inverse de k modulo n, c’est-à-dire l’inverse de k dans Z/nZ,
déterminer une relation de Bézout xk + yn = 1, par l’algorithme d’Euclide. On obtient alors xk ≡ 1 [n].
On en arrive à l’un des résultats les plus importants, qui est à la base de théorème fondamental de
l’arithmétique, qui est l’existence et l’unicité de la décomposition en facteurs premiers.
Lemme 21.3.9 (Lemme ou théorème de Gauss)

Soit a, b et c trois entiers naturels tels que a ∣ bc et a ∧ b = 1. Alors a ∣ c.
Multiplier par c une relation de Bézout entre a et b et aviser. ▷
Corollaire 21.3.10 (Lemme d’Euclide)

Soit p un nombre premier tel que p divise ab. Alors p divise a ou p divise b.
Si p ne divise pas a, alors p est premier avec a (car ... ?) ▷
Corollaire 21.3.11
Soit a, b et c des entiers tels que a soit premier avec b et avec c. Alors a est premier avec le produit bc.
Par contraposée, en considérant p diviseur premier commun à a et bc. ▷

Gauss démontre le lemme d’Euclide de façon directe et élémentaire, par un argument de récurrence qu’on peut
assimiler à une descente infinie. Il en déduit l’existence et l’unicité de la décomposition primaire, qu’il utilise
pour démontrer son propre théorème ci-dessus. Sa démarche est donc totalement différente de celle que nous
adoptons dans ce chapitre.
À l’aide d’une relation de Bézout, on obtient également :
Proposition 21.3.13
Si a et b sont premiers entre eux et a∣c et b∣c, alors ab∣c.
Multiplier une relation de Bézout par c et remarquer que ab ∣ ac et ab ∣ bc. ▷
Corollaire 21.3.14
Si a ∧ b = 1, alors
⎧
⎪
⎪x ≡ y [a]
⎨ ⇐⇒ x ≡ y [ab].
⎪
⎪
⎩x ≡ y [b]
C’est une réexpression de 21.3.13 avec c = y − x. ▷
Corollaire 21.3.15 (PPCM de deux nombres premiers entre eux)

Si a et b sont premiers entre eux, a ∨ b = ab
La proposition 21.3.13 fournit la propriété de minimalité requise. ▷
On en déduit une relation entre PGCD et PPCM :
Proposition 21.3.16 (relation liant PGCD et PPCM)

Soit a et b deux entiers strictement positifs. Alors ab = (a ∧ b)(a ∨ b).
Se ramener au cas de deux entiers premiers entre eux en divisant par a ∧ b. ▷
Cette relation sera limpide lorsqu’on aura la description du PGCD et du PPCM en terme de décomposition
primaire.
III.2 Famille finie d’entiers premiers entre eux

Enfin, nous définissons deux notions sur un nombre quelconque d’entiers, à bien distinguer l’une de
l’autre :
Définition 21.3.17 (Nombres premiers entre eux deux à deux)

Soit a1 , . . . , an des entiers naturels. On dit que a1 , . . . , an sont premiers entre eux deux à deux si deux
entiers pris au hasard parmi ces n entiers sont toujours premiers entre eux, c’est-à-dire :
∀(i, j) ∈ J1, nK2 , (i ≠ j) Ô⇒ ai ∧ aj = 1.
La notion suivante est moins forte :
Proposition/Définition 21.3.18 (Nombres premiers entre eux dans leur ensemble)

Soit a1 , . . . , an des entiers naturels. Les propositions suivantes sont équivalentes, et définissent le fait
que (a1 , . . . , an ) soient premiers entre eux dans leur ensemble :
(i) a1 ∧ ⋅ ⋅ ⋅ ∧ an = 1
(ii) il existe des entiers x1 , . . . , xn tels que x1 a1 + ⋅ ⋅ ⋅ + xn an = 1.
IV Décomposition primaire d’un entier 77
Par exemple 10, 12 et 15 sont premiers entre eux dans leur ensemble. Vous remarquerez en revanche que
deux quelconques d’entre eux ne sont pas premiers entre eux !
La reciproque, en revanche est vraie :
Proposition 21.3.19
Soit (a1 , . . . , an ) ∈ Nn . Si a1 , . . . , an sont premiers entre eux deux à deux (il suffit même en fait que
deux d’entre eux soient premiers entre eux) alors ils sont premiers entre eux dans leur ensemble.
Évident en utilisant la bonne caractérisation. ▷
III.3 Fonction indicatrice d’Euler

Arrivé à ce stade, nous ne pouvons nous empêcher de parler de la fonction indicatrice d’Euler, d’une
importance capitale en arithmétique.
Définition 21.3.20 (Fonction indicatrice d’Euler, ou fonction phi d’Euler, HP)

La fonction ϕ d’Euler est la fonction qui à tout n de N∗ associe ϕ(n) le nombre d’entiers de J1, nK
premiers avec n.
En particulier, les résultats précédents amènent :
Proposition 21.3.21 (Cardinal de (Z/nZ)× , HP)

Soit n ∈ N∗ . Alors (Z/nZ)× est de cardinal ϕ(n).
On a décrit les inversibles. ▷
Grâce au théorème de Lagrange, on en déduit notamment la généralisation suivante du petit théorème
de Fermat
Corollaire 21.3.22 (Théorème d’Euler, HP)

Soit n ∈ N∗ . Alors pour tout x ∈ N∗ tel que x ∧ n = 1, xϕ(n) ≡ 1 [n].
On peut montrer (voir exercices ou problèmes) que ϕ est multiplicative : si a ∧ b = 1, ϕ(ab) = ϕ(a)ϕ(b).
On peut également calculer facilement ϕ(pk ), pour p premier. On peut en déduire une expression de ϕ(n)
pour tout n, à condition de connaître la décomposition primaire de n.
IV Décomposition primaire d’un entier

IV.1 Décomposition primaire
Un théorème incontournable de l’arithmétique est bien sûr :
Théorème 21.4.1 (Décomposition primaire)

Tout entier strictement positif n s’écrit de façon unique sous la forme
n = p1 × ⋯ × pk ,
où p1 ⩽ ⋅ ⋅ ⋅ ⩽ pk sont des nombres premiers, ce produit étant éventuellement vide si n = 1.

On montre d’abord le lemme suivant, obtenue par itération du lemme d’Euclide.
Lemme 21.4.2
Soit n ∈ N∗, tel que n = p1 . . . pk , où les pi sont premiers. Soit p ∈ P. Si p ∣ n, alors il existe i ∈ J1, kK tel
que p = pi .
Récurrence sur k en appliquant le lemme d’Euclide pour diminuer le nombre de facteurs. ▷
◁ Éléments de preuve du théorème 21.4.1.

Récurrence forte pour l’existence (en distinguant les cas p premier, et p composé). Récurrence forte
aussi pour l’unicité en divisant par exemple par le plus petit diviseur premier. ▷
Un anneau dans lequel on a une propriété d’existence et d’unicité (à facteurs multiplicatifs inversibles
près, et à l’ordre près des facteurs) d’une décomposition en facteurs irréductibles est appelé anneau
factoriel. Ainsi, quitte à multiplier par l’élément inversible −1 pour obtenir la décomposition d’un entier
relatif, ce résultat se réexprime en disant que Z est un anneau factoriel. On peut montrer que tout anneau
principal est factoriel. Par ailleurs tout anneau euclidien est principal (même démonstration que dans Z).
Donc tout anneau euclidien est factoriel. C’est par exemple le cas de K[X], lorsque K est un corps (ainsi
tout polynôme se décompose de façon unique, à éléments inversibles près, comme produit de polynômes
irréductibles). C’est par exemple aussi le cas de l’anneau Z[i] des entiers de Gauss. La question se pose
alors, notamment dans ce dernier cas, de savoir décrire les éléments irréductibles. C’est une question pas
complètement triviale dans Z[i], en rapport avec le théorème des deux carrés (donnant la description des
entiers s’écrivant comme somme de deux carrés).
IV.2 Valuations p-adique

Un nombre premier p pouvant apparaître plusieurs fois dans la décomposition de n, nous définissons :
Définition 21.4.3 (Valuation p-adique d’entiers)

Soit n un entier et p un entier premier. On appelle valuation p-adique de l’entier n, et on note vp (n),
le nombre d’occurrences (éventuellement nul) de l’entier p dans la décomposition primaire de n.
Il s’agit donc de l’unique entier v tel que pv divise n mais pas pv+1 (et donc pas les puissances suivantes
non plus) :
vp (n) = max{v tel que pv ∣ n}.
En notant P l’ensemble des nombres premiers, il vient donc :
Proposition 21.4.4 (Reexpression de la décomposition primaire)

Pour tout n ∈ N∗
n = ∏ pvp (n) ,
p∈P
ce produit ayant un sens, puisque constitué d’un nombre fini de termes non égaux à 1.
Proposition 21.4.5 (Règles sur les valuations)

Soit a et b deux entiers strictement positifs, et p un nombre premier.
1. On a : vp (ab) = vp (a) + vp (b).
2. Si b divise a, on a : vp ( ) = vp (a) − vp (b).

a
b
IV Décomposition primaire d’un entier 79
Ce n’est rien de plus que les règles de manipulation des exposants ! ▷
Proposition 21.4.6 (Caractérisation de la divisibilité par les valuations)

Soit a et b des entiers strictement positifs. Alors a ∣ b si et seulement si pour tout p ∈ P, vp (a) ⩽ vp (b).
Proposition/Définition 21.4.7 (Valuations de rationnels (HP))

Soit q ∈ Q et p ∈ P. Alors la quantité vp (a) − vp (b) est indépendante de la représentation q =
a
. On
b
définit alors la valuation p-adique de q par :
vp (q) = vp (a) − vp (b),
où q = a
b
est une représentation quelconque de q.
Proposition 21.4.8 (règles sur les valuations de rationnels)

Les propriétés de la proposition 21.4.5 restent valides pour des rationnels.
Les valuations permettent alors de caractériser les entiers parmi les rationnels :
Proposition 21.4.9 (Caractérisation des entiers parmi les rationnels par les valuations)
Soit q ∈ Q. Alors q est un entier (relatif ) si et seulement si pour tout p ∈ P, vp (q) ⩾ 0.
Sens direct évident. Sens réciproque : poser q = ab , et exprimer les décompositions primaires de a et
b. ▷
Le théorème suivant n’est pas explicitement au programme, mais est souvent très utile pour faire de
l’arithmétique avec des factorielles :
Proposition 21.4.10 (Formule de Legendre, HP)

Soit p un nombre premier, et n un nombre entier naturel. Alors
+∞
vp (n!) = ∑ ⌊ ⌋,
n
k=1 pk
cette somme étant en fait finie (les termes sont tous nuls pour k assez grand)
Compter tous les facteurs multiples de p, puis une deuxième fois (on les a déjà compté une fois) ceux
multiples de p2 , puis une troisième fois ceux multiples de p3 etc. ▷
On peut de la sorte calculer vp ((nk)). Un cas particulier important (qu’on démontre plus simplement de
façon directe) est :
Lemme 21.4.11
Soit p un nombre premier. Alors pour tout k ∈ J1, p − 1K, ( ) ≡ 0 [p].
p
k
Localiser les facteurs p dans la fraction. Il n’y en a pas beaucoup. ▷
De ce lemme, on tire :
Proposition 21.4.12
Soit p un nombre premier, et K un corps de caractéristique p, et Soit a et b deux éléments de K. Alors
(a + b)p = ap + bp .
Ce résultat affirme en fait que l’application x ↦ xp est un endomorphisme du corps K. Ce morphisme

s’appelle morphisme de Frobenius.
Dans le cas particulier de K = Fp , la proposition ci-dessus se réécrit
(a + b)p ≡ ap + bp [p],
et en particulier :
(a + 1)p ≡ ap + 1 [p].
Cette dernière identité est à la base d’une démonstration possible du petit théorème de Fermat, par
récurrence sur a.
IV.3 PGCD et PPCM vus sous l’angle de la décomposition primaire

Étant donné deux nombres a et b, le pgcd et le ppcm de a et b s’obtiennent facilement à l’aide de leur
décomposition primaire. Par exemple :
150 = 2 × 3 × 52 et 180 = 22 × 32 × 5.
Ainsi, 150 ∧ 180 = 2 × 3 × 5 = 30 et 150 ∨ 180 = 22 × 32 × 52 = 900.

Plus généralement, en utilisant le lemme énoncé ci-dessus, on obtient :
Proposition 21.4.13
Soit a et b deux entiers strictement positifs. Alors, pour tout p ∈ P,
vp (a ∧ b) = min(vp (a), vp (b)) et vp (a ∨ b) = max(vp (a), vp (b)).
C’est la caractérisation de la divisibilité par les valuations, et les propriétés de minimalité et maxi-
malité imposées. ▷
La relation
(a ∧ b) × (a ∨ b) = ab
devient alors évidente.

Cette description du PGCD et du PPCM peut bien sûr être généralisée au calcul du PGCD et du PPCM
d’une famille finie quelconque d’entiers naturels.
V Théorème des restes chinois (HP)

Nous nous intéressons dans cette section à la résolution de systèmes de congruences.
V Théorème des restes chinois (HP) 81

Le nom de théorème des restes chinois provient du fait que le mathématicien chinois Sun Zi du IIIe siècle répond
à la question suivante : « Soit une armée. Si on range les soldats par 3 il en reste 2, si on les range par 5, il en
reste 3 et si on les range par 7 il en reste 2. Combien y a-t-il de soldat ? ». La réponse de Sun Zi est : « Multiplie
le reste de la division par 3, c’est-à-dire 2, par 70, ajoute-lui le produit du reste de la division par 5, c’est-à-dire
3, avec 21 puis ajoute le produit du reste de la division par 7, c’est-à-dire 2 par 15. Tant que le nombre est plus
grand que 105, retire 105. »
V.1 Cas de modulo premiers entre eux

La justification du théorème des restes chinois repose sur le lemme suivant portant sur les groupes
(évidemment, c’est un point de vue dont ne disposait pas Sun Zi) :
Théorème 21.5.2 (Produit d’anneaux Z/nZ d’ordre premiers entre eux)

1. Soit a et b deux entiers premiers entre eux. Alors l’anneau Z/abZ est isomorphe à l’anneau
produit Z/aZ × Z/bZ, un isomorphisme explicite étant donné par x ↦ x(1, 1) = (x mod a, x
mod b).
2. Plus généralement, si a1 , . . . , an sont deux à deux premiers entre eux, alors
Z/(a1 ⋯an )Z ≃ Z/a1 Z × ⋯ × Z/an Z,
l’isomorphisme étant donné explicitement par ϕ(x) = (x mod a1 , . . . , x mod an ).
Pour montrer que c’est un isomorphisme, étudier le noyau en se ramenant à des propriétés arithmé-
tiques. ▷
Corollaire 21.5.3 (Unicité modulo a1 ⋯an de la solution d’un système)

Soit a1 , . . . , an des entiers deux à deux premiers entre eux, et b1 , . . . , bn des entiers. Alors le système
⎧
⎪x ≡ b1 [a1 ]
⎪
⎪
⎪
⎪
⎨⋮
⎪
⎪
⎪
⎪
⎪
⎩x ≡ bn [an ]
admet une solution, unique modulo a1 ⋯an .
Corollaire 21.5.4 (cas d’un second membre commun)

En particulier, si b1 = ⋯ = bn = b, la seule solution modulo a1 ⋯an est b.
En notant A = a1 ⋯an , et pour tout B = (b1 , . . . , bn ), X(B) l’unique élément de Z/AZ solution du système
ci-dessus, on obtient :
Proposition 21.5.5
L’application B ↦ X(B) est un morphisme de groupes, de (Zn , +) dans Z/AZ.
Vérifications faciles. ▷
Ainsi, il suffit de déterminer les valeurs de X(ei ) pour les vecteurs ei = (0, . . . , 0, 1, 0, . . . , 0), le 0 étant en
position i. En effet, pour un vecteur B = (b1 , . . . , bn ), on aura alors
n
X(B) = ∑ bi X(ei ).
i=1
Pour déterminer X(ei ), on part de la constatation que les résultats précédents permettent de réduire le
système au système à deux inconnues :
⎧
⎪
⎪x ≡ 1 [ai ]
⎨
⎪
⎪
⎩x ≡ 0 [âi ],
où nous avons noté âi = ∏ aj . Ce système peut être résolu en utilisant une relation de Bézout, du fait que
j≠i
ai et âi sont premiers entre eux. On commence donc par déterminer (par l’algorithme d’Euclide étendu)
ui et vi tels que
ui ai + vi âi = 1.
Nous avons alors :
vi âi ≡ 0 [âi ] et vi âi ≡ 1 [ai ].
Ainsi, X(ei ) = v âi (classe dans Z/AZ).
On énonce :
Théorème 21.5.6 (Théorème des restes chinois)

Si les ai sont deux à deux premiers entre eux, il existe modulo a1 . . . an une unique solution au système
x ≡ bi [ai ], i ∈ J1, nK donné par
n
x ≡ ∑ bi vi âi [a1 . . . an ],
i=1
où âi = ∏ aj et vi est un coefficient d’une relation de Bézout ui ai + vi âi = 1.

j≠i
Résulte des explications précédentes ▷
V.2 Résolution d’un système quelconque

Les ai n’étant plus supposés premiers entre eux, en écrivant chaque ai sous la forme pα αk
1 ⋯pk , on remplace
1
chaque ligne du système par un sous-système équivalent :

⎧
⎪ x ≡ bi [pα
⎪
⎪ 1 ]
⎪
1
⎪
⎨⋮
⎪
⎪
⎪
⎪
⎪
⎩x ≡ bi [pk ]
αk
Ainsi, toutes les équations du nouveau système obtenu sont réduites modulo une puissance d’un nombre
premier. Un même nombre premier peut intervenir dans plusieurs lignes, avec un exposant éventuellement
différent. La compatibilité de ces équations est aisée à vérifier (pour chaque paire d’équations modulo pα
et pβ , avec disons α ⩽ β, on doit obtenir les mêmes équations en réduisant la seconde modulo pα ). Si
les équations ne sont pas compatibles, il n’y a pas de solution, sinon, on garde la plus contraignante des
équations (à savoir celle faisant intervenir le plus grand exposant). On est alors ramené à un système tel
qu’étudié plus haut, auquel on peut appliquer le théorème des restes chinois.
Exemple 21.5.7
Résoudre les deux systèmes suivants :
V Théorème des restes chinois (HP) 83
⎧
⎪
⎪x ≡ 3 [42]
1. ⎨
⎪
⎪
⎩x ≡ 10 [49]
⎧
⎪
⎪x ≡ 3 [42]
2. <4-> ⎨
⎪
⎪
⎩x ≡ 9 [49]
22
Polynômes et fractions rationnelles
On a ainsi traité le problème comme s’il s’agissait simplement de déterminer la forme des
racines, dont l’existence est admise sans démonstration, manière de raisonner qui est ici
entièrement illusoire et en fait une véritable petitio principis.
(C. F. Gauss, à propos des « démonstrations » antérieures du théorème de

d’Alembert-Gauss)
Le but de ce chapitre est d’étudier les fonctions polynomiales x ↦ ad xd + ⋯ + a1 x + a0 . On s’intéresse

notamment aux propriétés arithmétiques (produit, somme, divisibilité...) et aux propriétés analytiques
(racines, dérivation...)
On se placera dans un cadre plus formel dans le but notamment de généraliser des constructions a priori
uniquement valables pour des polynômes à coefficients réels (comme la dérivation) à des polynômes à
coefficients dans des anneaux plus généraux.
Seuls les polynômes à coefficients dans un sous-corps de C sont théoriquement au programme. Nous
donnerons les définitions formelles plus généralement pour les polynômes à coefficients dans un anneau.
Ce point de vue a une certaine importance, car c’est lui qui permet d’itérer ensuite la construction
pour obtenir les polynômes de plusieurs indéterminés, puisque si A est un anneau, A[X] hérite de cette
structure d’anneau. En revanche, si K est un corps, on n’a pas de structure de corps sur K[X], mais
uniquement d’anneau.
Pour l’étude des propriétés de l’anneau des polynômes, nous nous limiterons au cas où les coefficients sont
dans un corps. On dispose dans ce cas de propriétés plus fortes que dans le cas général des polynômes
sur un anneau, en particulier toutes les propriétés permettant de faire de l’arithmétique. On a même
parfois besoin de certaines hypothèses supplémentaires (par exemple sur la caractéristique du corps).
Ainsi, pour certaines propriétés, nous reviendrons aux exigences du programme (sous-corps de C), en
précisant parfois ce qu’il en est dans les autres situations. Il convient de remarquer que dans ce cas, ces
propriétés ne sont en général plus satisfaites pour les polynômes à plusieurs indéterminées, puisque A[X]
n’est pas un corps.
I Polynômes à coefficients dans un anneau commutatif

Soit A un anneau, qu’on supposera commutatif.
I.1 Polynômes formels

86 CHAPITRE 22. POLYNÔMES ET FRACTIONS RATIONNELLES
Remarque 22.1.1 (Motivation de la définition)

Une fonction polynomiale réelle est entièrement déterminée par la suite de ses coefficients. Les différentes
constructions telles la somme, le produit, la dérivation, peuvent s’écrire uniquement sur les coefficients.
La remarque précédente semble justifier de considérer un polynôme comme une suite de coefficients. Seul
un nombre fini de ces coefficients doit être non nul.
Définition 22.1.2 (Polynômes formels)

● Un polynôme formel P à coefficients dans A est une suite (an )n∈N d’éléments de A, nulle à partir
d’un certain rang.
● Le réel ak est appelé k-ième coefficient de P , ou coefficient du monôme de degré k de P .
● L’ensemble des polynômes (formels) à coefficients dans A est noté A[X].
Exemples 22.1.3
1. R[X] ou C[X], polynômes formels à coefficients réels ou complexes ;
2. Q[X], ensemble des polynômes à coefficients rationnels ;
3. Z[X], ensemble des polynômes à coefficients entiers ;
4. (Z/nZ)[X], polynômes à coefficients dans Z/nZ, dont un cas particulier important est Fp [X].
I.2 Opérations arithmétiques sur les polynômes

Les polynômes considérés dans cette section sont à coefficients dans un anneau commutatif.
Définition 22.1.4 (Somme de polynômes de A[X])

La somme de deux polynômes P = (an )n∈N et Q = (bn )n∈N de A[X] est la suite P + Q = (an + bn )n∈N ,
qui est bien nulle à partir d’un certain rang.
Définition 22.1.5 (Produit d’un polynôme de A[X] par un élément de A)

Le produit de P = (an )n∈N par λ ∈ A est λP = (λ ⋅ an )n∈N .
Lorsque A est un corps, on parle de multiplication par un scalaire.
Définition 22.1.6 (Produit de deux polynômes de A[X])

Soit P = (an )n∈N et Q = (bn )n∈N deux polynômes de A[X]. Soit pour tout n ∈ N, cn = ∑ ak bn−k . Alors
n
(cn )n∈N est un polynôme. On définit alors P Q = (cn )n∈N .

k=0
La suite c = (cn )n∈N est appelée produit de convolution des suites a = (an ) et b = (bn ), et est parfois
notée c = a ⋆ b.
Théorème 22.1.7 (Structure d’anneau de A[X])

La somme et le produit définis ci-dessus munissent A[X] d’une structure d’anneau commutatif.
Vérifier tous les axiomes de la structure. Notamment l’associativité du produit, qui nécessite quelques
manipulations sur les sommes. ▷
I Polynômes à coefficients dans un anneau commutatif 87
Ne généralisez pas trop vite « A anneau Ô⇒ A[X] anneau » en « K corps Ô⇒ K[X] corps ». Cette
dernière affirmation est fausse ! Ainsi, si K est un corps, tout ce qu’on peut dire, c’est que K[X] est un
anneau.
Cependant, lorsque K est un corps on peut munir K[X] d’une structure plus riche. En effet, la multipli-
cation par un scalaire munit K[X] d’une structure d’espace vectoriel sur le corps K, compatible d’une
certaine manière avec la structure d’anneau (voir chapitre ultérieur). La structure totale (espace vectoriel
+ anneau) est appelée structure d’algèbre sur le corps K.
Dans le cas où A n’est pas un corps, on peut adapter la définition des espaces vectoriels, en définissant
la notion de module sur un anneau A : A[X] est alors muni d’une structure de module sur A. Associé à
sa structure d’anneau, on parle aussi de structure d’algèbre (sur l’anneau A)

Les premiers polynômes apparaissant dans l’histoire des mathématiques sont des polynômes de petits degrés
associés à des équations traduisant des problèmes concrets : ainsi trouve-t-on dès l’époque babylonienne des
résolutions d’équations polynomiales de degré 2. Ces méthodes sont systématisées par Al Khwarizmi à la
fin du premier millénaire. Ainsi, les polynômes sont d’abord introduits de façon fonctionnelle. La notation
par exposants pour les puissances apparaît plus tard ; elle est introduite par Nicolas Chuquet au 15e siècle.
Auparavant, on répétait l’inconnue autant de fois que le degré, ce qui était une limitation à une étude générale.
Cependant, dès le 14e siècle, le point de vue formel apparaît dans les travaux de Ibn al-Banna, qui présente les
polynômes sous la forme de suites de coefficients. C’est exactement l’approche que nous venons d’en faire.
I.3 Indéterminée formelle

Par commodité, on adopte une notation plus proche de la notation fonctionnelle qu’on connaît pour les
fonctions polynomiales ; cette notation est plus facile à manipuler que la définition formelle par les suites.
De ce fait, à partir du moment où nous aurons défini l’indéterminée formelle X (remplaçant la notion
de variable pour les fonctions polynomiales), nous n’utiliserons plus la définition formelle des polynômes
par les suites.
On rappelle que par définition, l’anneau A considéré contient un élément neutre pour le produit, noté 1.
Définition 22.1.10 (Indéterminée formelle)

On définit dans A[X] l’indéterminée formelle X comme étant le polynôme X = (0, 1, 0, 0, ⋯).
Ainsi, X n’est pas une variable (au sens fonctionnel), mais un polynôme bien précis, auquel on donne un
nom particulier, et auquel on attribue une notation bien particulière, dont le but est l’analogie avec les
fonctions polynomiales.
● En particulier, l’indéterminée formelle X n’étant pas une variable, elle ne doit pas être quantifiée,
et ne peut pas être utilisée pour résoudre des équations.
● Un polynôme n’est pas une fonction de l’indéterminée formelle, donc la notation P (X) en lieu
et place de P n’est pas de mise. On l’utilise néanmoins dans certaines situations, notamment
lorsque plusieurs indéterminées sont en jeu. Cette notation peut être justifiée rigoureusement
par la notion de spécialisation qu’on verra un peu plus loin.
Proposition 22.1.12 (Monômes)

Pour tout n ∈ N, on a X n = (0, ⋯, 0, 1, 0, ⋯), le 1 étant donc à l’indice n (en commençant l’indexation
´¹¹ ¹ ¸¹ ¹ ¹ ¶
n zéros
à 0).
Récurrence sans difficulté. ▷
Corollaire 22.1.13 (Expression d’un polynôme à l’aide de l’indéterminée formelle)

Soit P = (an )n∈N un polynôme de A[X]. Alors P = ∑ ak X k , cette somme ayant un sens puisqu’elle
+∞
k=0
est en fait finie, les ak étant nuls à partir d’un certain rang.
Encore une fois, il faut bien comprendre ce que signifie cette égalité : il s’agit bien d’une somme de
polynômes, et non d’éléments de A (signification de l’indéterminée).
De la définition même, il vient :
Proposition 22.1.14 (principe d’identification)

+∞ +∞
Soit P et Q deux polynômes de A[X]. Notons P = ∑ ak X k et Q = ∑ bk X k , en étant bien conscient
k=0 k=0
que ces sommes sont en fait finies. Alors P = Q si et seulement si pour tout k ∈ N, ak = bk .
Les règles de calcul sur les polynômes de A[X] résultent alors des règles usuelles de calcul dans un anneau
découlant de l’associativité, de la commutativité commutativités, et de la distributivité des lois.
Exemples 22.1.15
1. Calcul de (2 + 3X + 2X 2 )(3X + X 2 + 2X 3 ) dans F5 [X].
2. Calcul de (X 2 + X + 2)7 dans F7 [X].
Définition 22.1.16 (Monômes)

Un monôme est un polynôme de la forme aX n , a ≠ 0. L’entier n est appelé degré du monôme.
Ainsi, tout polynôme est une somme de monômes de degrés deux à deux distincts.
Les polynômes formels peuvent aussi se composer. En effet, étant donné un polynôme P , on peut considé-
rer, pour tout n ∈ N, le polynôme P k (en a en particulier P 0 = 1 et P 1 = P ). On définit alors la composée
de deux polynômes de la sorte :
Définition 22.1.17 (Composition de polynômes formels)

d
Soit P et Q deux polynômes de A[X]. On note Q = ∑ ak X k . On définit alors le polynôme Q ○ P par :
k=0
d
Q ○ P = ∑ ak P k .
k=0
I.4 Dérivation
On sait facilement dériver (au sens analytique) une fonction polynomiale à coefficients réels, x ↦ xn se
dérivant en x ↦ nxn−1 . Cette règle de dérivation peut être vue de façon purement formelle, permettant
de généraliser la dérivation des polynômes à un anneau quelconque (dans lequel on ne dispose pas des
techniques d’analyse, spécifiques à R).
Définition 22.1.18 (Dérivée formelle d’un polynôme)

d
Soit P = ∑ ak X k un polynôme à coefficients dans un anneau commutatif A. Le polynôme dérivé est
k=0
défini par :
d
P ′ = ∑ kak X k−1 .
k=1
Des vérifications élémentaires montrent :
Proposition 22.1.19 (Linéarité de la dérivation)

Soit P , Q deux polynômes de A[X], et a ∈ A.
1. (P + Q)′ = P ′ + Q′ .
2. (aP )′ = aP ′ .
La linéarité s’exprime en terme de structures en affirmant que la dérivation est une application linéaire
(c’est-à-dire un homomorphisme d’espaces vectoriels) lorsque A est un corps, ou un homomophisme de
A-modules sinon.
Vu que la définition de la dérivation est calquée sur la dérivée analytique des fonctions polynomiales
réelles, on a, sans surprise, des règles de dérivation similaires, et notamment :
Proposition 22.1.20 (Dérivée de produits)

1. Soit P et Q deux polynômes à coefficients dans A. Alors
(P Q)′ = P ′ Q + P Q′ .
2. Soit P1 , ⋯, Pn des polynômes à coefficients dans A. Alors

n
(P1 ⋯Pn )′ = ∑ P1 ⋯Pi−1 Pi′ Pi+1 ⋯Pn .
i=1
3. (Formule de Leibniz) Soit P et Q deux polynômes à coefficients dans A. Alors

n
(P Q)(n) = ∑ ( )P (k) Q(n−k) .
n
k=0 k
Les points 2 et 3 se déduisent du premier de la même manière que pour la dérivation analytique. Le
point 1 se ramène, par linéarité, au cas trivial où P = X k et Q = X ℓ . ▷
Corollaire 22.1.21 (Dérivée de P n )

En particulier, étant donné n ∈ N∗ , (P n )′ = nP ′ P n−1 .
Avec un petit abus de notation, on pourrait considérer cette égalité également au rang n = 0 (le terme
P −1 n’est pas bien défini, mais le produit par n annule l’ensemble). On généralise le corollaire précédent
de la sorte
Proposition 22.1.22 (Dérivée d’une composition)

Soit P et Q dans A[X]. Alors
(Q ○ P )′ = P ′ × (Q′ ○ P ).
Écrire Q ○ P comme somme de monômes en P et appliquer le corollaire précédent. ▷
I.5 Degré et valuation
Définition 22.1.23 (Degré et valuation)

Soit P = (an )n∈N un polynôme à coefficients dans un anneau commutatif A.
1. Le degré de P est deg(P ) = max{n ∈ N ∣ an ≠ 0}.
Si P est non nul, cet ensemble est non vide, et majoré. Ainsi, deg(P ) ∈ N.
Si P = 0, par convention, deg(P ) = −∞.
2. La valuation de P est val(P ) = min{n ∈ N ∣ an ≠ 0}.
Si P est non nul, cet ensemble est non vide, et minoré. Ainsi, val(P ) ∈ N.
Si P = 0, par convention, val(P ) = +∞.
On trouve aussi parfois la notation ω(P ) pour la valuation.

On utilise souvent la filtration suivante de A[X] (une filtration de E est une chaîne d’inclusions d’union
totale E)
Notation 22.1.24 (Filtration par les degrés)

Soit A un anneau et n ∈ N. On note An [X] l’ensemble des polynômes de degré au plus n.
Proposition 22.1.25
On a évidemment A0 [X] ⊂ A1 [X] ⊂ ⋯ ⊂ An [X] ⊂ ⋯ et
A[X] = ⋃ An [X].
+∞
n=0
Remarque 22.1.26
On a évidemment A0 [X] ≃ A. On identifie souvent les deux, de sorte à pouvoir considérer que A ⊂ A[X].
Définition 22.1.27 (Monôme dominant, coefficient dominant, polynôme unitaire)

d
Soit P = ∑ ak X k un polynôme de A[X], de degré d.
k=0
1. Le monôme dominant de P est le monôme ad X d , donc le monôme de plus haut degré de P .

2. Le coefficient dominant de P est l’élément ad de A, donc le coefficient du monôme dominant.
3. Le polynôme P est dit unitaire si son coefficient dominant vérifie ad = 1A .
Proposition 22.1.28 (Degré d’une somme, d’un produit, d’une dérivée)

Soit P et Q deux polynômes de A[X], et λ ∈ A. Alors :
1. deg(P + Q) ⩽ max(deg(P ), deg(Q)).

Si deg(P ) ≠ deg(Q), alors deg(P + Q) = max(deg(P ), deg(Q)).
2. Si A est intègre, et si λ ≠ 0, deg(λP ) = deg(P ).
3. Si A est intègre (en particulier si A est un corps) et si P et Q sont non nuls, deg(P Q) =
deg(P ) + deg(Q).
4. deg(P ′ ) ⩽ deg(P ) − 1.
Vérifier avec les règles opératoires définies que les monômes de degré plus grand que le degré voulu
sont tous nuls, et, pour avoir l’égalité, que le terme de degré maximal est non nul. C’est pour ce
point qu’il faut disposer d’une propriété d’intégrité. ▷
Exemples 22.1.29
1. Trouver dans (Z/6Z)[X] un exemple contredisant le point 2.
2. Trouver dans (Z/6Z)[X] un exemple contredisant le point 3.
3. Trouver un exemple d’un polynôme non constant pour lequel l’inégalité du point 4 est stricte.
Corollaire 22.1.30 (Théorème de permanence de l’intégrité)

Si A est intègre, alors A[X] est intègre.
Quel est alors le degré d’un produit de deux polynômes non nuls ? ▷
Corollaire 22.1.31 (Intégrité des anneaux usuels de polynômes)

Si K est un corps, K[X] est intègre. En particulier, les anneaux R[X], C[X], Fp [X], Q[X] sont
intègres.
L’anneau Z étant également intègre, on obtient aussi l’intégrité de Z[X].
Corollaire 22.1.32 (Propriétés de stabilité)

1. An [X] est un sous-groupe additif de A[X].
2. La dérivation D ∶ A[X] Ð→ A[X] induit un homomophisme de groupes Dn ∶ An [X] Ð→ An−1 [X]
(et même un homomorphisme de A-modules dans le sens où Dn respecte aussi le produit externe)
3. Si K est un corps de caractéristique nulle, Dn ∶ Kn [X] Ð→ Kn−1 [X] est une surjection. Autre-
ment dit, tout polynôme de Kn−1 [X] est primitivable formellement dans Kn [X].
Ce sont des vérifications assez immédiates. Pour le dernier point, il faut pouvoir primitiver. La
primitivation d’un monoôme X k nécessite l’inversibilité de k + 1. ▷
Remarques 22.1.33
● An [X] est-il un sous-anneau de A[X] ?
● Trouver un polynôme de Fp [X] n’admettant pas de primitive.
On précise un peu dans certains cas la relation entre degré de P et degré de P ′ : dans les situations que
vous connaissez, dériver un polynôme non constant baisse son degré de 1. Cependant, ceci n’est pas vrai
en toute généralité. Nous avons besoin pour cela d’hypothèses plus fortes.
Proposition 22.1.34 (Degré d’une dérivée dans K[X], K = R ou C)

Soit K un corps de caractéristique nulle (par exemple Q, R ou C), et P un polynôme non constant de
K[X]. Alors deg(P ′ ) = deg(P ) − 1.
Regarder le monôme dominant. ▷
Remarque 22.1.35
1. Trouver dans Fp [X] un polynôme non constant pour lequel cette égalité est fausse.
2. Si K est un corps de caractéristique p, quelle condition donner au degré de P pour avoir deg(P ′ ) =
deg(P ) − 1 ?
Corollaire 22.1.36
Soit K un corps de caractéristique nulle, et soit P et Q deux polynômes de K[X]. Si P ′ = Q′ , alors P
et Q diffèrent d’une constante additive.
La proposition précédente donne une condition nécessaire pour que (P − Q)′ = 0 ▷
Exemple 22.1.37
Donner un contre-exemple dans le cas où K = Fp .
On pourrait établir pour les valuations des règles similaires à celles qu’on a pour les degrés. La notion
de valuation n’étant pas explicitement au programme, nous laissons le lecteur intéressé établir ces règles
par lui-même.
II Arithmétique dans K[X]

On considère ici des polynômes à coefficients dans un corps K. Vous pouvez considérer K = R ou C, mais,
sauf mention explicite du contraire, les résultats exposés sont valables dans le cadre plus général d’un
corps quelconque.
II.1 Division euclidienne

L’anneau K[X] est euclidien (c’est-à-dire qu’il y existe une notion de division euclidienne) :
Théorème 22.2.1 (Théorème de la division euclidienne dans K[X])

Soit K un corps. Pour tout polynôme A et B ≠ 0 de K[X] il existe d’uniques polynômes Q et R tels
que :
(i) A = BQ + R
(ii) deg(R) < deg(B).
Les polynômes Q et R sont appelés respectivement quotient et reste de la division euclidienne de A par
B.
II Arithmétique dans K[X] 93
Comme dans le cas entier, par récurrence (sur quoi ?) ▷
Méthode 22.2.2 (Algorithme de la division euclidienne)

● On pose la division euclidienne comme la division des entiers, en disposant A à gauche et B à
droite, les monômes étant écrits dans l’ordre décroissant des degrés (donc en marquant d’abord
les monômes de plus haut degré).
● On trouve le monôme aX k tel que aX k B ait même monôme dominant que A, puis on effectue
la différence A1 = A − aX k B, qui a donc un degré strictement plus petit que A.
● On recommence sur A1 , et on en déduit A2
● On recommence ainsi jusqu’à obtenir Ak de degré strictement plus petit que B. Alors Ak est
le reste recherché, et le quotient est la somme des monômes par lesquels on a multiplié B pour
obtenir les Ai successifs.
Cet algorithme peut facilement être implémenté dans un langage informatique dans R[X] ou C[X] ; un
polynôme est dans ce cas représenté par la liste de ses coefficients (on revient à la définition formelle des
polynômes sous forme d’une suite finie).
Exemple 22.2.3
Division euclidienne de X 6 + 3X 2 + 1 par X 2 + X + 1.
On verra un peu plus loin une méthode basée sur l’étude des racines pour déterminer rapidement le reste
d’une division euclidienne par un polynôme de petit degré dont on connaît les racines.
Remarque 22.2.4
L’algorithme de la division euclidienne peut-il être mené sans restriction dans A[X] lorsque A est un
anneau commutatif quelconque ? Donner une condition sur le polynôme B pour qu’on puisse effectuer
dans A[X] la division euclidienne d’un polynôme A quelconque par B.
II.2 Idéaux de K[X]

Comme pour l’arithmétique de Z, il est commode de raisonner en terme d’idéaux. Le résultat rendant la
situation totalement similaire à celle de Z est le fait que tous les idéaux de K[X] sont principaux, donc
engendrés par un unique polynôme.
Théorème 22.2.5 (Description des idéaux de K[X])

Soit K un corps. Alors K[X] est un anneau principal. De plus, deux polynômes P et Q engendrent le
même idéal si et seulement s’il existe un λ ∈ K∗ tel que Q = λP .
S’aider de la division euclidienne, comme pour montrer que Z est principal. C’est une propriété
général de tout anneau muni d’une division euclidienne (anneau euclidien). ▷
On notera (P ) l’idéal engendré par un polynôme P .
Remarques 22.2.6
● {XP +Y Q, P, Q ∈ R[X, Y ]} est un idéal non principal de R[X, Y ] = R[X][Y ] = R[Y ][X]. Ainsi,
le résultat précédent rentre en défaut lorsque K n’est pas un corps (dans l’exemple, on considère
les polynômes à coefficients dans l’anneau R[X]).
● En fait, on peut montrer que K[X] est principal si et seulement si K est un corps.
● Nous avons vu en exercice que tout anneau euclidien est principal. Ce n’est donc ici qu’une
conséquence de ce résultat plus général.
II.3 Divisibilité
Soit K un corps. Ainsi, K[X] est principal. On note (P ) l’idéal engendré par un élément P de K[X], à
savoir
(P ) = {P Q, Q ∈ K[X]}.
Toutes les propriétés de cette section se démontrant comme dans le cas entier, nous nous dispensons d’en
indiquer des preuves.
Définition 22.2.7 (Divisibilité dans K[X])

Soit A et B deux polynômes de K[X]. On dit que B divise A s’il existe un polynôme Q tel que A = BQ.
Inversement, on dit que A est un multiple de B.
Ainsi, B divise A si et seulement si le reste de la division euclidienne de A par B est nul.

Comme dans Z, on a la caractérisation suivante :
Proposition 22.2.8 (Caractérisation en termes d’idéaux)

Soit A et B deux polynômes de K[X]. Alors A divise B si et seulement si B ∈ (A), ou encore si et
seulement si (B) ⊂ (A).
Comme dans le cadre général, on dit que le couple (A, B) est un couple de polynômes associés si A divise
B et B divise A. Il vient alors de la description des idéaux de A[X] que :
Proposition 22.2.9 (Polynômes associés)

Soit (A, B) ∈ K[X]2 . Alors (A, B) est un couple de polynômes associés si et seulement s’il existe λ ∈ K∗
tel que A = λB.
II.4 PGCD et PPCM
Proposition/Définition 22.2.10 (PGCD de deux polynômes)

Soit K un corps. Soit A et B deux polynômes de K[X], dont l’un au moins est non nul et P ∈ K[X].
Les propositions suivantes sont équivalents :
(i) P divise A et B et est de degré maximal pour cette propriété.
(ii) P divise A et B et tout autre diviseur de A et B est aussi un diviseur de P
(iii) (P ) = (A) + (B).
Si ces propriétés sont vérifiées on dit que P est un PGCD de A et B.
Il n’y a pas unicité d’un PGCD de A et B. Plus précisément :
Proposition 22.2.11 (Description des PGCD)

Soit A et B deux polynômes de K[X], dont l’un au moins est non nul, et P un PGCD de A et B.
Alors un polynôme Q est un PGCD de A et B si et seulement s’il existe λ ∈ K∗ tel que Q = λP .
Notation 22.2.12 (A ∧ B)
En particulier, si A et B sont deux polynômes de K[X] dont l’un au moins est non nul, il existe un
unique PGCD unitaire de A et B. Ce PGCD unitaire est noté A ∧ B.
Comme dans le cas de Z, on déduit du troisième point équivalent de la définition l’existence de relations
de Bézout.
Proposition 22.2.13 (Relation de Bézout)

Soit A et B deux polynômes de K[X] dont l’un au moins est non nul.
1. Il existe des polynômes U et V tels que AU + BV = A ∧ B
2. Soit P ∈ K[X] tel qu’il existe U et V dans K[X] tels que AU + BV = P . Alors P est un multiple
de A ∧ B.
Comme dans Z, on peut déterminer un PGCD et une relation de Bézout par l’algorithme d’Euclide
étendu, en utilisant le lemme suivant :
Lemme 22.2.14
Soit A et B deux polynômes tels que B ≠ 0. Soit Q et R le quotient et le reste de la division de A par
B. Alors A ∧ B = B ∧ R
Méthode 22.2.15 (Calcul d’un PGCD et d’une relation de Bézout)

La méthode est la même que dans Z, par divisions euclidiennes successives, jusqu’à obtenir un reste
nul. Le dernier reste non nul est le PGCD, et en combinant les relations de division obtenues, on trouve
de la même façon que dans Z une relation de Bézout (quitte à diviser par un scalaire, pour obtenir le
PGCD unitaire)
Exemple 22.2.16
Trouver les PGCD de X 3 + 2X 2 + 2X + 1 et X 3 + 3X 2 + 4X + 2, et une relation de Bézout.
Comme pour le cas de Z, la définition du PGCD s’étend au cas du PGCD de n polynômes. On obtient
alors :
Proposition 22.2.17 (Propriétés du PGCD)

L’opération ∧ est commutative et associative. Par ailleurs, si C est unitaire, (A ∧ B)C = AC ∧ BC.
Évidemment, on peut aussi définir les PPCM :
Proposition/Définition 22.2.18 (PPCM de deux polynômes)

Soit K un corps. Soit A et B deux polynômes non nuls de K[X], et P ∈ K[X]. Les propositions suivantes
sont équivalents :
(i) A et B divisent P et P est de degré minimal pour cette propriété.
(ii) A et B divisent P et tout autre multiple de A et B est aussi un multiple de P
(iii) (P ) = (A) ∩ (B).
Si ces propriétés sont vérifiées on dit que P est un PPCM de A et B.
Proposition 22.2.19 (Description des PPCM)

Soit A et B deux polynômes non nuls de K[X], et P un PPCM de A et B. Alors un polynôme Q est
un PPCM de A et B si et seulement s’il existe λ ∈ K∗ tel que Q = λP .
Notation 22.2.20 (A ∨ B)
En particulier, si A et B sont deux polynômes non nuls de K[X], il existe un unique PPCM unitaire
de A et B. Ce PPCM unitaire est noté A ∨ B.
Exemple 22.2.21
P = (X + 1)2 et Q = (X + 1)(X − 1).
II.5 Polynômes premiers entre eux
Définition 22.2.22
Soit A et B deux polynômes de K[X]. On dit que A et B sont premiers entre eux si A ∧ B = 1.
Autrement dit, les seuls diviseurs communs à A et B sont les polynôems constants non nuls.
Plus généralement, on définit comme dans Z la notion de famille finie de polynômes deux à deux premiers
entre eux, ou premiers entre eux dans leur ensemble.
Ici encore, les propriétés valables dans Z se généralisent :
Théorème 22.2.23 (Théorème de Bézout)

Soit A et B deux polynômes de K[X]. Alors A et B sont premiers entre eux si et seulement s’il existe
deux polynômes U et V tels que AU + BV = 1.
Exemple 22.2.24
Soit λ ≠ µ dans K. Alors les polynômes X − λ et X − µ sont premiers entre eux.
Lemme 22.2.25 (Lemme de Gauss)

Soit A, B et C trois polynômes de K[X] tels que A divise BC et A et B soient premiers entre eux.
Alors A divise C.
Corollaire 22.2.26
Soit A, B et C trois polynômes tels que A et B divisent C et A et B soient premiers entre eux. Alors
AB divise C.
Comme dans Z, on a une relation simple entre PPCM et PGCD, à ceci près que comme ces notions sont
définies à constante multiplicative près, il faut faire attention au coefficient dominant :
Proposition 22.2.27 (relation entre PGCD et PPCM)

Soit A et B deux polynômes de coefficients dominants a et b respectivement. Alors
ab(A ∧ B)(A ∨ B) = AB.

II.6 Décomposition en facteurs irréductibles
Définition 22.2.28 (Polynôme irréductible)

Un polynôme non constant P de K[X] est irréductible si et seulement s’il n’est, à une constante
multiplicative non nulle près, divisible que par lui-même et par 1.
Exemples 22.2.29
1. Les polynômes X − λ sont irréductibles (λ ∈ K)
2. Dans R[X], tout polynôme aX 2 + bX + c tel que ∆ < 0 est irréductible.
3. Ces polynômes ne sont pas irréductibles dans C[X].
Lemme 22.2.30 (Existence d’un diviseur irréductible)

Tout polynôme non constant P admet un diviseur irréductible.
Lemme 22.2.31
Soit P un polynôme irréductible de K[X] et A un polynôme, non multiple de P . Alors A et P sont
premiers entre eux.
Le lemme de Gauss fournit facilement la généralisation suivante du lemme d’Euclide :
Lemme 22.2.32 (Euclide)

Soit A et B deux polynômes de K[X] et P un polynôme irréductible. Alors si P divise AB, P divise
A ou P divise B.
De façon équivalente, la contraposée fournit :
Corollaire 22.2.33
Soit A et B deux polynômes de K[X] et P un polynôme irréductible. Alors, si P ne divise ni A ni B,
P ne divise pas AB.
Enfin, voici l’analogue du théorème de la décomposition primaire :
Théorème 22.2.34 (Décomposition en facteurs irréductibles)

Soit P un polynôme non nul de K[X].
1. Il existe un élément λ ∈ K∗ et des polynômes irréductibles P1 , . . . , Pk tels que
P = λP1 ⋯Pk .
2. Cette décomposition est unique, à l’ordre près des facteurs, et à multiplication près de chaque
facteur (y compris λ) par un élément non nul de K.
3. En particulier, si on impose que les Pi soient unitaires, cette décomposition est unique, à l’ordre
près des facteurs.
Nous verrons un peu plus loin la description complète des polynômes irréductibles de R[X] et de C[X].
Pour cela, il nous faut étudier d’un peu plus près les propriétés liées aux racines d’un polynôme.
III Racines d’un polynôme

Pour pouvoir définir la notion de racine d’un polynôme, il faut d’abord pouvoir « appliquer » un polynôme
à un élément de A, donc transformer un polynôme formel en une fonction polynomiale.
III.1 Spécialisation, évaluation

Le lien entre les polynômes formels de R et les fonctions polynomiales sur R est assez clair : étant donné
d
un polynôme formel P = ∑ ak X k de R[X], on peut lui associer la fonction polynomiale
k=0
d
P̃ ∶ x ↦ ∑ ak xk .
k=0
La seule condition pour pouvoir faire cela de façon plus générale dans A[X] est de pouvoir faire dans A
des produits (donc calculer des puissances) et des sommes. Comme A est un anneau commutatif, cela ne
pose pas de problème particulier, et on peut donc définir :
Définition 22.3.1 (Fonction polynomiale associée à un polynôme)

1. Soit P ∈ A[X], donné par P = ∑ ak X k . La fonction polynomiale P̃ ∶ A Ð→ A associée à P est
d
k=0
la fonction définie par :
d
∀b ∈ A, P̃ (b) = ∑ ak bk .
k=0
On rappelle que par convention, b = 1A .

0
2. L’ensemble des fonctions polynomiales sur A est l’ensemble :
A[x] = {P̃ ∣ P ∈ A[X]}.
Par définition, on a donc A[x] ⊂ AA .
Définition 22.3.2 (Évaluation d’un polynôme)

Soit P un polynôme de A[X]. L’évaluation de P en b ∈ A est l’élément de A défini par P̃ (b). Pour
simplifier les notations, on désigne souvent cette évaluation plus simplement par P (b).
Proposition 22.3.3 (Respect des structures)

Soit A un anneau commutatif. L’application ϕ ∶ A[X] Ð→ A[x] définie par ϕ(P ) = P̃ est un homomor-
phisme d’anneaux surjectif.
C’est comme cela qu’on a défini les lois de A[X], de sorte à copier celles de A[x] ! ▷
Intuitivement, il apparaît clair que lorsque K = R ou C, on peut identifier les polynômes formels à
coefficients dans K et les fonctions polynomiales sur K. C’est ce que nous exprimons dans le théorème
suivant :
Théorème 22.3.4 (K[X] ≃ K[x] pour K = R ou C)

Soit K = R ou C. Soit ϕ ∶ K[X] Ð→ K[x] définie par ϕ(P ) = P̃ . Alors ϕ est un isomophisme d’anneaux.
III Racines d’un polynôme 99
On verra une version plus générale et algébrique de ce résultat. Pour le moment, on se contente d’une
démonstration analytique, consistant par exemple, dans AA , à considérer la limite de x ↦ P (x) (avec
P ∈ Ker(ϕ)), divisé par son monôme dominant. ▷
Remarques 22.3.5
1. En considérant le petit théorème de Fermat, montrer que cette propriété n’est pas vraie pour
tous les corps K.
2. On montrera un peu plus loin qu’une condition suffisante pour que cette identification soit vraie
est que K soit un corps infini. C’est le cas en particulier lorsque K est de caractéristique nulle.
On retiendra donc l’avertissement suivant :
Si K n’est pas un corps infini (par exemple K = Fp ), deux polynômes distincts P et Q de K[X] peuvent
correspondre à la même application polynomiale. Ainsi, les polynômes sont davantage différenciés dans
K[X] que dans K[x]. On n’a donc pas possibilité en général d’identifier polynômes formels et fonctions
polynomiales.
Enfin, dans le cas spécifique de R (seul cas dans lequel on peut considérer la dérivée au sens analytique),
on a également, du fait même des définitions :
Proposition 22.3.7
Pour tout polynôme P de R[X], ̃
P ′ = P̃′ .
Encore une fois, c’est ainsi qu’on a défini la dérivée formelle ! ▷
Ainsi, les opérations définies formellement coïncident avec les opérations sur les fonctions polynomiales,
y compris la dérivation dans le cas de R.
Il est important de constater que le cadre formel qu’on s’est donné pour définir les polynômes permet
d’« appliquer » un polynôme à des éléments qui sortent du cadre initialement fixé. Pour prendre un
d
exemple, étant donné un polynôme P = ∑ ak X k de R[X] et M une matrice carrée à coefficients réels,
k=0
on peut considérer le polynôme de matrices
k
P (M ) = ∑ ak M k ,
k=0
où il faut bien prendre garde au fait que M 0 désigne la matrice identité In .
Exemple 22.3.8
Soit P = 2 + 3X + 3X 2 , et M = ( ). Calculer P (M ).
1 2
2 3
On peut formaliser ce type de construction. Le bon cadre à se fixer est celui donné par la structure de
A-algèbre.
Définition 22.3.9 (Algèbre)

Soit A un anneau commutatif. On dit que B est une algèbre (associative et unitaire) sur A si B est
lui-même un anneau (pas nécessairement commutatif), muni d’une loi externe à opérateurs dans A,
telle que, pour tous λ, µ dans A et tous x, y dans B :
● (λµ) ⋅ x = λ ⋅ (µ ⋅ x)
● λ ⋅ (xy) = (λ ⋅ x)y = x(λ ⋅ y)
● (λ + µ) ⋅ x = λ ⋅ x + µ ⋅ x
● λ ⋅ (x + y) = λ ⋅ x + λ ⋅ y
● 1A ⋅ x = x.
Remarque 22.3.10
Certaines définitions plus générales de la notion d’algèbre n’imposent pas l’associativité de × dans B,
ni l’existence du neutre. B n’est plus un anneau, mais on conserve en revanche les autres propriétés qui
définissent un anneau.
Dans la suite du cours, et conformément au programme, une algèbre sera toujours associative et unitaire,
même si cela n’est pas précisé.
En gros, ce qu’il faut en retenir, c’est que dans une A-algèbre B, on peut faire, avec des règles de calcul
raisonnablement semblables aux situations usuelles, la somme et le produit d’éléments de B ainsi que le
d
produit d’un élément de A par un élément de B. En particulier, étant donné un polynôme P = ∑ ak X k
k=0
de A[X] et b ∈ B, l’expression suivante a un sens :
d
P (b) = ∑ ak bk .
k=0
Il convient de bien noter que par convention b0 = 1B .

On parle de spécialisation du polynôme P en b ∈ B.
Exemples 22.3.11
1. L’ensemble des matrices carrées de taille n, à coefficients réels, est une R-algèbre : la situation
décrite plus haut est un cas particulier de cette situation plus générale.
2. On utilisera beaucoup en algèbre linéaire des polynômes d’endomorphismes (applications li-
néaires d’un espace vectoriel dans lui-même), l’ensemble L(E) des endomorphismes d’un espace
vectoriel E sur K étant une K-algèbre pour la somme usuelle et le produit défini par la composi-
tion. Ainsi, f n désigne dans ce cas la composition itérée de f , et f 0 désigne la fonction identité
idE .
3. K[X] est lui-même une K-algèbre. On peut donc spécialiser P en un autre polynôme Q. On peut
constater ici que P (Q) = P ○ Q (ce qui est incorrect dans le cadre de notations fonctionnelles !).
En particulier, P (X) = P ○ X = P . Ainsi, on peut confondre les notations P et P (X) (encore
une fois contrairement aux notations fonctionnelles similaires).
III.2 Racines et multiplicité

Soit A un anneau commutatif.
Définition 22.3.12 (Racine d’un polynôme)

Soit P ∈ A[X] et a ∈ A. On dit que a est une racine de P si P (a) = 0. On note Rac(P ) l’ensemble des
racines de P
S’il y a une ambiguïté sur l’anneau des coefficients, on peut noter RacA(P ) l’ensemble des racines de P
en tant que polynôme à coefficients dans A. Cette ambiguïté peut se produire par exemple dans le cadre
de l’étude de polynômes à coefficients réels, lorsqu’on considère les racines complexes de P . L’ensemble
des racines complexes de P se notera alors RacC (P ), par opposition à RacR (P ), ensemble des racines
réelles de P .
Théorème 22.3.13 (Caractérisation des racines par la divisibilité)

Soit K un corps, P ∈ K[X] et r ∈ K. Alors r est racine de P si et seulement si X − r divise P , donc
s’il existe Q ∈ K[X] tel que P = (X − r)Q.
Effectuer une division euclidienne. ▷
Remarque 22.3.14
Ce théorème reste valable dans A[X] pour un anneau commutatif quelconque. Pourquoi ?
Si après factorisation P = (X − r)Q, r est encore racine de Q, alors r est « plusieurs fois » racine de P .
En comptant le nombre de fois qu’on peut mettre X − r en facteur, on obtient la multiplicité de r :
Définition 22.3.15 (Multiplicité d’une racine)

Soit P ∈ K[X] et r ∈ K. On dit que r est racine d’ordre de multiplicité k ∈ N∗ si et seulement si (X − r)k
divise P et (X − r)k+1 ne divise pas P . Autrement dit, il existe Q ∈ R[X] tel que P = (X − r)k Q, avec
Q(r) ≠ 0.
Remarque 22.3.16
La multiplicité de la racine r correspond donc à la valuation du facteur (X − r) dans la décomposition
primaire de P .
Par convention, on dira que r est racine de multiplicité 0 si r n’est pas racine de P . Une racine de
multiplicité 1 est aussi appelée racine simple de P , et une racine de multiplicité 2 est appelée racine
double. Lorsque la multiplicité est supérieure ou égale à 2, on parlera de racine multiple.
Cette mise en facteur maximale de (X − r)k peut être mise en valeur par la formule de Taylor pour les
polynômes, nécessitant une hypothèse supplémentaire sur K.
Théorème 22.3.17 (Formule de Taylor pour les polynômes)

Soit K un corps de caractéristique nulle, P un polynôme de K[X], de degré d, et a ∈ K. Alors,
d
P (n) (a)
P=∑ (X − a)n .
n=0 n!
Récurrence sur le degré. Utiliser l’HR sur P ′ . Pourquoi a-t-on besoin de l’hypothèse sur la caracté-
ristique ? ▷
Ainsi, si v est le plus petit indice pour lequel le terme de la somme est non nul, on obtient
d
P (n) (a)
P = (X − a)v ∑ (X − a)n−v .
n=v n!
Ainsi, l’ordre de multiplicité de r correspond à la valuation de P après changement d’indéterminée

Y = X − r.
On en déduit de façon immédiate :
Théorème 22.3.18 (Caractérisation de la multiplicité par les dérivées successives)

Soit K un corps de caractéristique nulle, P ∈ K[X] et a ∈ K. Le réel a est racine d’ordre de multiplicité
k de P si et seulement si : P (a) = P ′ (a) = ⋯ = P (k−1) (a) = 0 et P (k) (a) ≠ 0.
Ainsi, il faut toujours garder à l’esprit des deux facettes de la multiplicité des racines : la propriété de
divisibilité, et la caractérisation par les dérivées.
Corollaire 22.3.19
Soit K un corps de caractéristique nulle. Soit P ∈ K[X] et r ∈ R. Si r est racine de multiplicité k > 0
de P , alors r est racine de multiplicité k − 1 de P ′ .
III.3 Majoration du nombre de racines

Le corollaire du lemme de Gauss amène :
Théorème 22.3.20
Soit K un corps. Soit P ∈ K[X], et r1 , ⋯, rk des racines deux à deux distinctes de P , de multiplicités
respectives α1 , ⋯, αk . Alors (X −r1 )α1 ⋯(X −rk )αk divise P , et r1 , . . . , rk ne sont pas racines du quotient.
Corollaire 22.3.21 (Majoration du nombre de racines)

Soit P ∈ K[X] non nul, de degré n. Alors P admet au plus n racines (comptées avec multiplicité).
En particulier, tout polynôme non nul a un nombre fini de racines.
Exemple 22.3.22
Soit K un corps dont Fp est un sous-corps. Montrer que pour tout x ∈ K, xp = x si et seulement si
x ∈ Fp .
On en déduit le résultat très important suivant, qu’on décline sous 3 formes équivalentes.
Théorème 22.3.23 (Rigidité des polynômes)

1. Soit P un polynôme de K[X] degré au plus n. Alors, si P admet strictement plus de n racines,
P = 0.
2. Si deux polynômes P et Q de Kn [X] coïncident en strictement plus de n valeurs distinctes.
Alors P = Q.
3. Soit n ∈ N∗ . Étant donnés x1 , . . . , xn des éléments deux à deux distincts de K et y1 , . . . , yn des
éléments de K non nécessairement distincts, il existe au plus un polynôme P ∈ Kn−1 [X] tel que
pour tout i ∈ J1, nK, P (xi ) = yi . Ainsi, sous réserve d’existence, un polynôme de degré au plus
n − 1 est entièrement déterminé par sa valeur en n points distincts.
1. C’est la contraposée du corollaire précédent.

2. Appliquer le point 1 à P − Q.
3. C’est une paraphrase du point 2.
▷
Un corollaire très utilisé de ce résultat est le suivant :
Corollaire 22.3.24 (Le seul polynôme ayant une infinité de racines)

Soit P un polynôme de K[X] s’annulant en une infinité de points de K. Alors P est le polynôme nul.
On déduit notamment de cette propriété un résultat annoncé un peu plus haut :
Théorème 22.3.25 (Polynômes formels et fonctions polynomiales)

Soit K un corps infini. Alors l’application de K[X] dans K[x] qui à un polynôme formel associe sa
fonction polynomiale est un isomorphisme d’anneaux.
Un élément du noyau a alors une infinité de racines ! ▷
Par ailleurs, le dernier point du théorème ci-dessus affirme l’unicité sous réserve d’existence d’un polynôme
de degré au plus n − 1 prenant des valeurs données en n points fixés. Il n’est pas dur de construire
explicitement un tel polynôme, fournissant ainsi l’existence. C’est le but du paragraphe suivant.
III.4 Interpolation de Lagrange

On recherche un polynôme de degré au plus n coïncidant en n + 1 points distincts avec une fonction f ,
ou, de façon équivalente, prenant en n + 1 points distincts x0 , . . . , xn , n + 1 valeurs (non nécessairement
distinctes) imposées y0 , . . . , yn .
Pour ce faire, on commence par le cas où les valeurs imposées sont toutes nulles, sauf une égale à 1. On
trouvera le cas général en formant une combinaison linéaire.
Définition 22.3.26 (Polynômes interpolateurs de Lagrange)

Soit x0 , . . . , xn des éléments 2 à 2 distincts de K, et i ∈ J0, nK. Le ie polynôme interpolateur de Lagrange
associé à la famille x0 , . . . , xn est
n
∏(X − xj )
j=0 n
j≠i X − xj
Li = n =∏ .
∏(xi − xj ) j=0 xi − xj
j≠i
j=0
j≠i
Lemme 22.3.27
Le polynôme Li est l’unique polynôme de degré au plus n tel que pour tout k ∈ J0, nK ∖ {i}, Li (xk ) = 0,
et Li (xi ) = 1.
Le fait qu’il vérifie ces propriétés relève de vérifications élémentaires. L’unicité est une propriété de
rigidité. ▷
Théorème 22.3.28 (Polynômes d’interpolation de Lagrange)

Soit K un corps, n ∈ N∗ , x0 , . . . , xn des éléments distincts de K, et y0 , . . . , yn des éléments de K. Alors
il existe un et un seul polynôme P de Kn [X] tel que pour tout i ∈ J0, nK, P (xi ) = yi , et ce polynôme est
donné explicitement par :
n
P = ∑ yi L i .
i=0
En particulier, si f est une fonction définie sur un intervalle I contenant les xi , le polynôme d’inter-
polation de Lagrange de f associé à la famille (xi ) est l’unique polynôme Pf coïncidant avec f sur les
xi , à savoir :
n
Pf = ∑ f (xi )Li .
i=0
De même. ▷
Ces polynômes, appelés polynômes d’interpolation de Lagrange, permettent en particulier d’approcher

une fonction réelle f par une fonction polynomiale de degré au plus n coïncidant avec f en n + 1 points
distincts.
Corollaire 22.3.29
Soit P le polynôme d’interpolation de Lagrange associée à la famille (xi )i∈J0,nK , et aux valeurs (yi )i∈J0,nK .
Soit P0 = (X − x0 ) . . . (X − xn ). L’ensemble E des polynômes Q (sans restriction de degré) tels que pour
tout i ∈ J0, nK, Q(xi ) = yi est alors décrit par :
E = P + (P0 ) = {P + (X − x0 ) . . . (X − xn )R, R ∈ K[X].}.
Double inclusion facile. ▷
Remarque 22.3.30
Quelle est la structure algébrique de l’ensemble E du théorème précédent ?
III.5 Polynômes scindés
Définition 22.3.31 (Polynôme scindé)

Soit K un corps. On dit qu’un polynôme non nul P de K[X] est scindé s’il possède autant de racines
(comptées avec multiplicité) que son degré, autrement dit si son nombre de racines est maximal.
Théorème 22.3.32 (Factorisation d’un polynôme scindé)

1. Un polynôme est scindé si et seulement s’il peut se factoriser de la façon suivante :
P = λ(X − x1 )(X − x2 )⋯(X − xn ),
où λ est un scalaire non nul (égal au coefficient dominant de P ), n est le degré de P , et x1 , . . . , xn

sont les racines, non nécessairement distinctes, de P .
2. Si on renomme y1 , . . . , yk les racines 2 à 2 distinctes de P , de multiplicités respectives α1 , . . . , αk ,

cette factorisation se réécrit :
P = λ(X − y1 )α1 ⋯(X − yk )αk ,
et on a α1 + ⋯ + αk = n.
Il suffit de compter les degrés. ▷
Ainsi, un polynôme est scindé si et seulement si sa décomposition en facteurs irréductibles ne fait intervenir
que des polynômes irréductibles de degré 1.
Dans R[X], certaines techniques d’analyse peuvent aider à étudier cette propriété. Ainsi, le théorème de
Rolle permet de montrer facilement que :
Proposition 22.3.33 (HP, mais à savoir redémontrer)

Soit P un polynôme scindé non constant de R[X], à racines simples. Alors P ′ est scindé à racines
simples, et ses racines séparent celles de P .
Appliquer le théorème de Rolle entre les racines de P , et compter les racines de P ′ . ▷
Voici une propriété plus générale, constituant un exercice (ou un début d’exercice) classique :
Théorème 22.3.34 (HP, mais à savoir redémontrer)

Soit P un polynôme scindé non constant de R[X]. Alors P ′ est scindé.
De même, mais comptabiliser également les racines multiples, qui restent racines de P ′ . Plus pré-
cisément, que pouvez-vous dire de la « localisation » des racines de P ′ par rapport à celles de P .
▷
Une propriété importante des polynômes scindés est la possibilité de trouver facilement des relations entre
les coefficients et les racines :
Théorème 22.3.35 (Relations coefficients/racines, ou relations de Viète)

n
Soit P = ∑ ak X k un polynôme de degré n, scindé, de racines (éventuellement non distinctes, appa-
k=0
raissant dans la liste autant de fois que sa multiplicité) r1 , . . . , rn . Alors pour tout k ∈ J1, nK :
ri1 ri2 ⋯rik = (−1)k

an−k
∑ .
1⩽i1 <⋯<ik ⩽n an
Développer la forme factorisée, par la formule de distributivité généralisée. Identifier les coefficients.
▷
Le terme de gauche de cette expression est appelé polynôme symétrique élémentaire de degré k en les
racines et souvent noté Σk (r1 , . . . , rn ).
On peut montrer que tout expression symétrique en r1 , ⋯, rn peut s’exprimer comme expression polyno-
miale (à coefficients dans K des polynômes symétriques en r1 , . . . , rn , donc comme expression polynomiale
en les coefficients du polynôme. Par une construction itérative, on peut même déterminer cette expression
polynomiale. Ainsi, par exemple, calculer la somme des racines cubiques d’un polynôme peut se faire sans
calculer explicitement les racines (ce qui bien souvent, est de toute façon impossible), juste en se servant
des coefficients.
Cette propriété est notamment très utile pour des propriétés d’algébricité puisqu’elle permet de dire que
toute expression symétrique à coefficients rationnels en les racines d’un polynôme lui aussi à coefficients
rationnels est rationnelle.
IV Polynômes irréductibles dans C[X] et R[X]

Cette section étudie spécifiquement les polynômes à coefficients complexes ou réels.
IV.1 Factorisations dans C[X]

Nous avons plus ou moins défini C comme le corps de rupture du polynôme X 2 + 1, donc le plus petit
corps contenant R dans lequel ce polynôme admet une racine i. Un théorème essentiel, parfois appelé
théorème fondamental de l’algèbre (c’est dire son importance) est le théorème suivant, que d’Alembert
croyait avoir démontré, que Gauss a démontré par différentes méthodes :
Théorème 22.4.1 (d’Alembert-Gauss, admis)

Tout polynôme non constant de C[X] admet au moins une racine.
Corollaire 22.4.2
Tout polynôme de C[X] est scindé, donc admet exactement autant de racines (comptées avec multipli-
cité) que son degré.
Par récurrence sur le degré. Ou bien sans récurrence, en factorisant par tous les X − ri , et s’il reste
au bout un polynôme de degré au moins 2, lui appliquer le théorème de d’Alembert-Gauss. ▷
Corollaire 22.4.3
Dans C[X], les seuls polynômes irréductibles sont les polynômes de degré 1, c’est-à-dire les polynômes
aX + b, a ≠ 0.
Ceux de degré plus grand peuvent être factorisés non trivialement. ▷
Exemple 22.4.4
Quelles sont les racines et leurs multiplicités du polynôme X n − 1 ? Factoriser ce polynôme en facteurs
irréductibles dans C[X].
Tous les polynômes de C[X] se factorisant en polynômes non constants de degré minimal, on obtient
alors une caractérisation simple de la divisibilité :
Théorème 22.4.5 (Caractérisation de la divisibilité dans C[X])

Soit P et Q deux polynômes de C[X]. Alors P divise Q si et seulement si toute racine de P est aussi
racine de Q, et que sa multiplicité dans Q est supérieure ou égale à sa multiplicité dans P .
IV Polynômes irréductibles dans C[X] et R[X] 107
C’est l’analogue de la caractérisation dans Z par les valuations. Ici, les X − r jouent le même rôle
que les entiers premiers, et les multiplicités correspondent au valuations. ▷
Remarque 22.4.6
Est-ce vrai dans R[X] ?
IV.2 Facteurs irréductibles dans R[X]

On commence par caractériser les polynômes à coefficients réels parmi les polynômes à coefficients dans C.
Théorème 22.4.7 (Caractérisation des polynômes à coefficients réels)

Soit P ∈ C[X]. Les propositions suivantes sont équivalentes :
(i) P est à coefficients réels ;
(ii) P (R) ⊂ R
(iii) pour tout z ∈ C, P (z) = P (z).
(i) Ô⇒ (iii) Ô⇒ (ii) est facile. L’implication (ii) Ô⇒ (i) provient de la propriété de rigidité, en
comparant P et P sur R. ▷
Corollaire 22.4.8 (Racines complexes d’un polynôme réel)

Soit P un polynôme à coefficients réels, et r une racine de P dans C. Si r /∈ R, alors r est aussi racine
de P , et elles ont même multiplicité.
Appliquer le théorème précédent aux dérivées successives de P . ▷
Ainsi, les racines non réelles d’un polynôme à coefficients réels peuvent être groupées en paires de racines
conjuguées de même multiplicité.
Le théorème de d’Alembert-Gauss amène alors :
Théorème 22.4.9 (Polynômes irréductibles de R[X])

1. Les polynômes irréductibles de R[X] sont les polynômes de degré 1 et les polynômes de degré 2
de discriminant strictement négatif.
2. Ainsi, tout polynôme P ∈ R[X] peut être factorisé en produit de polynômes de R[X] de degré 1,
ou de degré 2, de discriminant strictement négatif.
Si P sans racine réelle est de degré au moins 3, considérer une racine complexe (pourquoi existe-t-
elle ?) et son conjugué, et regrouper les facteurs complexes correspondants. ▷
Exemple 22.4.10
Factorisation dans R[X] de X n − 1.
V Fractions rationnelles
La contruction formelle que nous avons donnée des polynômes nous empêche a priori de former des
quotients de polynômes (donc des fractions rationnelles), comme nous pouvons le faire pour les fonctions
polynomiales. En effet, si K est un corps, les seuls polynômes inversibles sont les polynômes constants
non nuls.
Remarque 22.5.1
1. Quels sont les polynômes inversibles de A[X] lorsque A est intègre ?
2. Trouver un polynôme inversible et non constant de (Z/4Z)[X]
Une construction similaire à celle permettant de définir Q à partir de Z nous permet cependant de définir
formellement des quotients de polynômes.
V.1 Définition des fractions rationnelles formelles

Soit, dans tout ce qui suit, K un corps. On définit sur K[X] × K[X]∗ la relation suivante :
(P, Q) ∼(R, S) ⇐⇒ P S = QR,
l’égalité étant donnée dans K[X].
Proposition 22.5.2
La relation ci-dessus est une relation d’équivalence sur K[X] × K[X]∗ .
C’est la même que celle qui permet de définir Q à partir de Z. ▷
Définition 22.5.3 (Fraction rationnelle)

Une fraction rationnelle est une classe d’équivalence de la relation ci-dessus. La classe d’équivalence de
(P, Q) sera notée . L’ensemble des fractions rationnelles sur le corps K est noté K(X).
P
Q
P R
Ainsi, la relation P S = QR amène assez logiquement l’égalité des fractions rationnelles = .
Q S
Pour définir les lois de composition sur K(X), on commence par les définir sur K[X] × K[X]∗. On définit,
pour tout (P1 , Q1 ) et (P2 , Q2 ) de K[X] × K[X]∗ :
(P1 , Q1 ) × (P2 , Q2 ) = (P1 P2 , Q1 Q2 ) et (P1 , Q1 ) + (P2 , Q2 ) = (P1 Q2 + P2 Q1 , Q1 Q2 ).
Lemme 22.5.4
1. Les opérations × et + sont associatives et commutatives
2. La relation ∼ est une congruence sur les monoïdes (K[X] × K[X]∗ , ×) et (K[X] × K[X]∗ , +).
Lemme 22.5.5 (Simplification des fractions)

PR P
Pour tous polynômes P , Q et R tels que Q et R soient non nuls, = .
QR Q
V Fractions rationnelles 109
Vérifier l’équivalence des deux couples en jeu. ▷
Théorème 22.5.6 (Structure de K(X))

Les lois + et × induisent des lois de composition, également notées + et ×, sur K(X). L’ensemble K(X)
muni de ces deux lois est un corps.
Même démonstration que pour Q. ▷
Les lois de composition ainsi définies se réécrivent sans surprise :
P1 P2 P1 P2 P1 P2 P1 Q2 + P2 Q1 P1 P2 P1 + P2
× = , + = et + = .
Q1 Q2 Q1 Q2 Q1 Q2 Q1 Q2 Q Q Q
Définition 22.5.7 (Inclusion canonique de K[X] dans K(X))

L’application P ↦ P1 de K[X] dans K(X) est un homomorphisme injectif d’anneaux. La fraction P
1
seront désormais identifiée au polynôme P de K[X].
En particulier, si P = AB, alors B = P

A
.
Proposition/Définition 22.5.8
Soit F ∈ K(X) une fraction rationnelle. Il existe un représentant (P, Q), unique à multiplication près
par un scalaire non nul, tel que P ∧Q = 1 et F = Q
P P
. On dit que Q est la forme irréductible de la fraction
rationnelle F .
De même que pour Q. ▷
Proposition/Définition 22.5.9 (Dérivation d’une fraction rationnelle)

′ ′
Soit F = Q
P
une fraction rationnelle. La fraction rationnelle P Q−P
Q2
Q
ne dépend pas du représentant P
Q
de F . On peut alors définir la dérivée formelle de la fraction F par :
P ′ Q − P Q′
F′ =
Q2
Considérer deux couples équivalents, et vérifier l’équivalence des deux couples dérivés. ▷
On peut remarquer que cette dérivation est compatible avec celle des polynômes lorsque F = . P
1
La dérivée formelle des fractions rationnelles vérifie les mêmes propriétés que la dérivée analytique :
Proposition 22.5.10 (Propriétés des dérivées des fractions rationnelles)

Soit F et G deux fractions rationnelles, et λ un scalaire. Alors :
1. (F + λG)′ = F ′ + λG′
2. (F G)′ = F ′ G + F G′
3. ( G ) = −G
1 ′ G ′
2
4. ( G ) =
F ′ F ′ G−F G′
G2
5. (F ○ G) = (F ○ G) ⋅ G′
′ ′
Vérifications élémentaires. Pour la dernière, traiter d’abord le cas où F est un monôme, puis un
polynôme. ▷
V.2 Degré, racines, pôles
Proposition/Définition 22.5.11 (Degré d’une fraction rationnelle)

Soit F ∈ K(X). La quantité deg(P )−deg(Q) ne dépend pas de la représentation P
choisie de la fraction
F . On appelle degré de F et on note deg(F ) la quantité
Q
deg(F ) = deg(P ) − deg(Q) où F =

P
Q
Il s’agit d’un entier relatif, ou de −∞ si P = 0.
Vérification facile. ▷
Les degrés des fractions rationnelles vérifient des propriétés semblables aux degrés des polynômes :
Proposition 22.5.12 (Propriétés des degrés)

Soit F , G des éléments de K(X).
● deg(F + G) ⩽ max(deg(F ), deg(G)), avec égalité si deg(F ) ≠ deg(G).
● deg(F G) = deg(F ) + deg(G)
● deg(F −1 ) = − deg(F )
Pour le premier point, mettre sur le même dénominateur (pourquoi est-ce possible). Le dernier résulte
du deuxième, ou peut se montrer directement sur une représentation. ▷
Proposition 22.5.13 (Partie entière)

Soit F une fraction rationnelle de K(X). Il existe un unique polynôme P de K[X] et une fraction
rationnelle G de K(X) tels que
F =P +G et deg(G) < 0.
Le polynôme P est appelée partie entière de la fraction rationnelle F .
À quel important théorème arithmétique cela vous fait-il penser ? ▷
Définition 22.5.14 (Racine, pôle, multiplicité)

Soit F une fraction rationnelle de K(X), écrit sous forme irréductible F = P
Q
.
1. Une racine de F est une racine de P , sa multiplicité est sa multiplicité en tant que racine de P .
2. Un pôle de F est une racine de Q, sa multiplicité est sa multiplicité en tant que racine de Q.
V Fractions rationnelles 111
Remarque 22.5.15
P
Puisque Q
est irréductible, r ne peut pas être à la fois racine de P et racine de Q.
Exemple 22.5.16
(X − 2)2
Racines, pôles et leurs multiplicités, de ?
X 3 (X − 1)4
Définition 22.5.17 (Fonction rationnelle associée)

Soit F = P
Q
une fraction rationnelle formelle sous forme irréductible, et P l’ensemble de ses pôles. La
fonction rationnelle associée est F̃ ∶ K ∖ P Ð→ K définie par
P (x)
∀x ∈ K ∖ P, F (x) = .
Q(x)
V.3 Décomposition en éléments simples sur un corps quelconque

On étudie dans ce paragraphe l’existence et l’unicité d’une décomposition d’une fraction en somme de
fractions simples (appelés éléments simples), de la forme PQα , où P est un polynôme irréductible et
deg(Q) < deg(P ). On se donne un corps K.
Lemme 22.5.18
αk
Soit F = Q
P
une fraction rationnelle écrite sous forme irréductible (P ∧ Q = 1), et soit Q = λQα 1
1 ⋯Qk
la décomposition de Q en facteurs irréductibles. Alors, il existe des d’uniques polynômes A1 , . . . , Ak et
un unique polynôme E tels que
k
Ai
F = E + ∑ αi ,
i=1 Q i
et deg(Ai ) < deg(Qα

i )
i
● Existence : Appliquer Bézout à une famille bien choisie, diviser par ce qu’il faut et sortir la partie
entière.
● Unicité : Par unicité de la partie entière, on se ramène à justifier que si les Ai vérifient deg(Ai ) <
deg(Qα i ) et
i
k
Ai
∑ αi = 0,
i=1 Qi
alors les Ai sont tous nuls. Cela peut se montrer par récurrence sur k, en multipliant par tous
les dénominateurs, et en utilisant le lemme de Gauss pour montrer que Qα k divise Ak , puis que
k
Ak = 0.
▷
Lemme 22.5.19
Soit α ∈ N∗ , B un polynôme de degré d et A un polynôme de degré strictement inférieur à dα. Alors il
existe d’uniques polynômes Rj de degré strictement inférieur à d tels que
α
A = ∑ B α−j Rj .
j=1
On trouve Rα par division euclidienne. On peut itérer ensuite le procédé, en redivisant à chaque fois
le quotient. On peut bien sûr le rédiger par récurrence sur α. L’unicité provient de l’unicité de la
division euclidienne. ▷
Théorème 22.5.20 (Décomposition en éléments simples dans K(X), DÉS)

Avec les notations du lemme précédent, il existe d’uniques polynômes Ri,j et un unique polynôme E
tels que deg(Ri,j ) < deg(Qi ) et :
k αi R
i,j
F =E+∑∑ j .
i=1 j=1 Qi
De plus, le polynôme E est la partie entière de la fraction rationnelle F , donc obtenue en effectuant la
division euclidienne de P par Q, où F = Q P
Immédiat avec les deux lemmes précédents. ▷
V.4 Décomposition en éléments simples dans C(X)

Les facteurs irréductibles dans C[X] étant de degré 1, le théorème de décomposition en éléments simples
se réexprime assez facilement dans ce cadre :
Théorème 22.5.21 (Décomposition en éléments simples dans C(X))

Soit F une fraction rationnelle de C(X), et r1 , . . . , rk ses pôles, de multiplicités α1 , . . . , αk . Alors il
existe un unique polynôme E et d’uniques complexes λi,j ( 1 ⩽ i ⩽ k, 1 ⩽ j ⩽ αi ) tels que
k αi λi,j
F =E+∑∑
i=1 j=1 (X − ri )
j
.
De plus, le polynôme E est la partie entière de la fraction rationnelle F , donc obtenue en effectuant la
division euclidienne de P par Q, où F = Q P
Définition 22.5.22 (Partie polaire)

αi λi,j
Avec les notations du théorème précédent, la somme ∑ est appelée partie polaire de F
j=1 (X − ri )
j
relativement au pôle ri .
Exemples 22.5.23
X7
1. Forme de la décomposition en éléments simples de .
(X − 1)3 (X + 1)4
1
2. Forme de la décomposition en éléments simples de
(1 + X 2 )3
Proposition 22.5.24 (cas d’un pôle simple)

Q
Soit r un pôle simple de F = Q
P
(sous forme irréductible), et soit Q̂ le polynôme X−r
. Alors le coefficient
1
λ du terme de la DÉS de F est :
X −r
P (r) P (r)
λ= =
Q′ (r)
.
Q̂(r)
VI Primitivation des fractions rationnelles réelles 113
La première égalité s’obtient en multipliant la forme a priori de la DÉS par X − r et en évaluant en
r. Cette dernbière manipulation est justifiée par le fait qu’on travaille avec des fractions rationnelles
formelles.
La deuxième égalité s’obtient en dérivant Q donné comme produit de X − ri et en évaluant en r. ▷
P′
Un cas important de décomposition en éléments simples est le cas de la fraction rationnelle P
.
P′
Théorème 22.5.25 (Décomposition en éléments simples de P
)
Soit P un polynôme non nul de C[X]. Soit r1 , . . . , rk les racines de P , de muliplicités α1 , . . . , αk . Alors
P′ P′
les pôles de P
sont r1 , . . . , rk et sont tous des pôles simples. La DÉS de P
est :
P′ k
αi
=∑ .
P i=1 X − ri
Écrire P sous forme factorisée et dériver le produit. ▷
Nous avons déjà vu que les racines de la dérivée P ′ d’un polynôme scindé sont situées entre la racine
′
minimale et la racine maximale de P . De la décomposition de PP , on déduit une propriété similaire dans
C[X] :
V.5 Décomposition en éléments simples dans R[X]
Théorème 22.5.26 (DÉS dans R(X))

αk
Soit F = Q P
une fraction rationnelle sous forme irréductible, et Q = Qα1 ⋯Qk la décomposition en
1
facteurs irréductibles de Q dans R[X]. Ainsi, les Qi sont de degré 1 ou 2. Alors il existe un unique
polynôme E, et d’uniques polynômes Ai,j , de degré strictement plus petit que Qi , tels que
k αi Ai,j
F =E+∑∑ .
i=1 j=1 Qji
Cas particulier du théorème général, les facteurs irréductibles étant dans ce cas de degré 1 et 2. ▷
Remarques 22.5.27
1. Si Qi est de degré 1, la partie correspondante dans la DÉS dans R(X) est la même que dans
C(X).
2. Si Qi est de degré 2, il admet deux racines complexes conjuguées r et r. La partie correspondante
dans la DÉS est obtenue en regroupant les parties polaires relatives à r et r, si ces racines sont
simples.
3. On a déjà vu en pratique comment déterminer des DÉS dans des cas simples. On a aussi déjà
vu l’intérêt que peuvent avoir ces DÉS, notamment pour le calcul d’intégrales.
VI Primitivation des fractions rationnelles réelles

Nous montrons maintenant comment, connaissant une décomposition en éléments simples, on peut pri-
mitiver une fraction rationelle.
Le fait important à retenir est qu’on sait primitiver toutes les fractions rationnelles, à condition de
connaître explicitement ses pôles. Ce fait est souvent un phare guidant les naufragés du calcul intégral
vers des rivages cléments, grâce à cette idée fixe : « se ramener à l’intégrale d’une fraction rationnelle ».
Méthode 22.6.1 (Primitivation d’une fraction rationnelle F )

1. Trouver la décomposition en éléments simples de F dans R(X).
2. La partie polynomiale se primitive facilement.
si α ≠ 1, et ln ∣x − a∣ si α = 1.
1 1
3. Les termes en se primitivent en
(x − a)α (1 − α)(x − a)α−1
4. Pour les facteurs irréductibles de degré 2, faire une mise sous forme canonique du dénominateur
et factoriser par le terme constant restant, ce qui ramène à :
cx + d
∫
((ax + b)2 + 1)α
dx.
Le changement de variable y = ax + b nous ramène alors à

sy + t
∫
(y 2 + 1)α
dy.
y 1 1
Le terme se primitive en ln(y 2 + 1) si α = 1 et en sinon. On est
(y 2 + 1)α 2 2(1 − α)(y 2 + 1)α−1
1
donc ramené à ∫
(y + 1)α
2
dy.
Avec un peu d’habitude, on peut se débarasser du terme cx avant la mise sous forme canonique,
u′
en le faisant partir dans une primitivation du type α .
u
1
5. Le calcul de ∫ dy se fait par réduction du degré α par intégrations par partie suc-
(y 2 + 1)α
cessives, jusqu’à se ramener au cas α = 1, pour lequel la primitivation se fait en Arctan y.
Plus précisément, pour faire cette réduction sur l’exposant α, écrire le numérateur sous la forme
1 = 1+y 2 −y 2 , séparer la fraction entre les deux termes y 2 , ce qui permet de se ramener au calcul de
1 y2
∫ dy − ∫ dy. La première intégrale nous ramène à l’exposant précédent,
(y + 1)
2 α−1 (y + 1)α
2
c’est bien ce qu’on voulait. La seconde s’intègre par partie, en primitivant y ↦ 2

y
et en
(y + 1)α
dérivant y ↦ y. Cela nous ramène également à l’exposant précédent.
6. Une alternative pour le point précédent est de poser le changement de variable x = Arctan(y),
de tout réexprimer comme puissance d’un cosinus, puis de linéariser.

coursMP2I Algebre

Transféré par

Droits d'auteur :

Formats disponibles

coursMP2I Algebre

Transféré par

Informations du document

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

coursMP2I Algebre

Transféré par

Droits d'auteur :

Formats disponibles

Lycée Louis-Le-Grand, Paris Année 2023/2024

II.3 Matrices symétriques et antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . 48

21 Arithmétique des entiers 63

22 Polynômes et fractions rationnelles 85

III.3 Majoration du nombre de racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Note Historique 19.0.1

Définition 19.1.1 (Lois de composition)

I.2 Propriétés d’une loi de composition

Définition 19.1.3 (Associativité, commutativité)

Définition 19.1.4 (Parenthésage admissible)

Théorème 19.1.7 (Associativité généralisée)

Notation 19.1.8 (Suppression des parenthèses)

Théorème 19.1.9 (Commutativité généralisée)

Exemples 19.1.10 (Lois commutatives, associatives)

Convention 19.1.12 (Commutativité d’une loi d’addition, usage)

Convention 19.1.13 (Omission du signe d’opération)

Notation 19.1.14 (Itération d’une loi)

Notation 19.1.15 (Itération d’une loi additive)

Définition 19.1.16 (Élément neutre)

Exemple 19.1.17 (Éléments neutres)

Proposition 19.1.18 (Unicité du neutre)

Notation 19.1.19 (0E , 1E )

Définition 19.1.20 (Élément symétrique)

Terminologie 19.1.21 (Opposé, inverse)

Proposition 19.1.22 (Unicité du symétrique)

Proposition 19.1.24 (Symétrique de x ⋆ y)

Dans le cas d’une loi additive commutative, on obtient

−(x + y) = (−y) + (−x) = (−x) + (−y),

ce qu’on note plus simplement −x − y, comme dans R.

Définition 19.1.25 (Élément absobant)

Définition 19.1.27 (Élément régulier ou simplifiable)

● Un élément x est dit régulier (ou simplifiable) à droite ssi :

Proposition 19.1.28 (Régularité des éléments symétrisables)

I.3 Ensembles munis de plusieurs lois

Définition 19.1.30 (Distributivité)

Théorème 19.1.33 (Distributivité généralisée)

Définition 19.1.35 (associativité externe)

Définition 19.2.3 (Stucture induite)

Définition 19.2.6 (Sous-truc)

Remarque 19.2.7 (Restriction des propriétés universelles)

Définition 19.2.8 (Homomorphisme)

(ou plus simplement un morphisme de trucs) ssi :

∀k ∈ J1, nK, ∀(x, y) ∈ E 2 , f (x ⋆ y) = f (x) ◇ f (y).

● L’application f est compatible avec (ou « respecte ») les lois externes :

∀ℓ ∈ J1, mK, ∀λ ∈ Kℓ , ∀x ∈ E, f (λ⊺x) = λf (x).

Proposition 19.2.9 (Composition d’homomorphismes)

II.3 Catégories (HP)

● la catégorie des ensembles, les morphismes étant toutes les applications ;

Définition 19.3.1 (Groupe)

En vertu de résultats antérieurs, on peut énoncer :

Proposition 19.3.2 (Unicité du neutre et des symétriques)

Corollaire 19.3.3 (régularité des éléments d’un groupe)

Définition 19.3.4 (Groupe abélien ou commutatif )

Notation 19.3.5 (Notation additive, notation multiplicative)

● loi multiplicative : x × ⋯ × x (avec n occurrences) est noté xn ;

Notation 19.3.6 (Simplifications d’écriture pour la notation additive)

Définition 19.3.7 (Homomorphisme de groupes)

Proposition 19.3.8 (Image du neutre par un morphisme)

Proposition 19.3.9 (Image par un morphisme d’un inverse)

∀ℓ ∈ J1, mK, ∀λ ∈ Kℓ , ∀x ∈ E, f (λ⊺x) = λf (x).