Cours d’Algèbre

Table des matières

Chapitre 1. Introduction 5
Chapitre 2. Élément de logique et méthodes de raisonnement avec Exercices
Corrigés
7
1. Régles de logique formelle 7
2. Méthodes de raisonnement 12
3. Exercices Corrigés 13
Chapitre 3. Théorie des ensembles avec Exercices Corrigés 19
1. Notion d’ensemble et propriétés 19
2. Applications et relations d’équivalences 22
3. Relations Binaires dans un ensemble 26
4. Exercices Corrigés 28
Chapitre 4. Structures Algébriques avec Exercices Corrigés 35
1. Lois De Composition Internes 35
2. Groupes 36
3. Anneaux 36
4. Corps 36
5. Exercices Corrigés 37
Chapitre 5. Notion de IK− Espaces vectoriels(IK étant un Corps Commutatif)
avec Exercices Corrigés 43
1. Espace vectoriel et sous espace vectoriel 43
2. Somme de deux sous espaces vectoriels 45
3. Somme directe de deux sous espaces vectoriels 45
4. Familles génératrices, familles libres et bases 45
5. Notion d’Application Linéaire 48
6. Exercices Corrigés 51
Chapitre 6. Notion de Matrice Associée à une Application Linéaire et Calcul
Algébrique sur les Matrices avec Exercices Corrigés 57
1. Espace vectoriel des matrices 57
2. Produit de deux matrices 59
3. Matrices carrées 60
4. Les Déterminants 61
5. Relations entre une application linéaire et sa matrice Associée 65
6. Matrices et Changements de Bases 68
3
4 TABLE DES MATIÈRES

7. Diagonalisation 70
8. Systèmes d’équations linéaires 73
9. Exercices Corrigés 77
Bibliographie 83
5
 CHAPITRE 1
ÉLEMENT DE LOGIQUE ET METHODES DE RAISONNEMENT

I. Règles de logique formelle

Définition
Une proposition est une expression mathématique à laquelle on peut
attribuer la valeur de vérité vrai ou faux.
Exemple
Tout nombre premier est pair, cette proposition est fausse.
√ 2 est un nombre irrationnel, cette proposition est vraie
2 est inférieure à 4, cette proposition est vraie
Définition
Toute proposition démontrée vraie est appelée théorème (par exemple le
théorème de PYTHAGORE, Thalès...)

II. La négation (non P) , P :

Définition
Soit P une proposition, la négation de P est une proposition désignant le
contraire qu’on note (non P), ou bien P, on peut aussi trouver la notation |P.
Voici sa table de vérité. P P
1 0
0 1

Exemple
Soit E ∅, P : (a ∈ E), alors P : (a ∈/ E).
P : la fonction f est positive, alors |P : la fonction f n’est pas positive.
P : x + 2 = 0, alors (non P ) : x + 2 ≠ 0.
III. Les connecteurs logiques. Soit P, Q deux propositions
1) La conjonction et , ∧
Définition
∧
la conjonction est le connecteur logique et , ∧, la proposition (PetQ) ou
(P∧Q) est la conjonction des deux propositions P, Q.
– (P ∧ Q) est vraie si P et Q le sont toutes les deux.
– (P ∧ Q) est fausse dans les autres cas. On résume tout ça dans la table
de vérité suivante.

P Q P∧Q
1 1 1
1 0 0
0 1 0
0 0 0

Exemple
2 est un nombre pair et 3 est un nombre premier, cette proposition est
vraie
3 ≤ 2 et 4 ≥ 2, cette proposition est fausse.

2) La disjonction ou , ∨

Définition
La disjonction est un connecteur logique ou , ∨, on note la disjonction entre
P, Q par (P ou Q), (P ∨ Q). P ∨ Q est fausse si P et Q sont fausses toutes les
deux, sinon (P ∨ Q) est vraie.
On résume tout ça dans la table de vérité suivante.
P Q P∨Q
1 1 1
1 0 1
0 1 1
0 0 0
Exemple
2 est un nombre pair ou 3 est un nombre premier. Vraie.
3 ≤ 2 ou 2 ≥ 4. Fausse.

3) L’implication
 Définition
dit
L’implication de deux propositions P, Q est notée : P ⇒ Q on dit P implique Q ou bien si P alors
Q. P ⇒ Q est fausse si P est vraie et Q est fausse, sinon (P ⇒ Q) est vraie dans les autres cas.

P Q P⇒Q
1 1 1
1 0 0
0 1 1
0 0 1

Exemple
 0 ≤ x ≤ 9 ⇒ √ X ≤ 3 .Vraie
 Il pleut, alors je prends mon parapluie. Vraie c’est une conséquence.
 Omar a gagné au loto ⇒ Omar a joué au loto. Vraie c’est une conséquence.

4) La réciproque de l’implication
Définition
La réciproque d’une implication (P ⇒ Q) est une implication Q ⇒ P.
Exemple
 La réciproque de : 0 ≤ x ≤ 9 ⇒ √ X ≤ 3, est : √ X ≤ 3 ⇒ 0 ≤ x ≤ 9.
 La réciproque de : (Il pleut, alors je prends mon parapluie), est : (je
prends mon parapluie, alors il pleut).
 La réciproque de : (Omar a gagné au loto ⇒ Omar a joué au loto),
est : (Omar a joué au loto ⇒ Omar a gagné au loto).

5) La contraposée de l’implication Soit P, Q deux propositions,

la contraposée de (P ⇒ Q) est (Q ⇒ P ), on a

(P ⇒ Q) ⇐⇒ (Q ⇒ P )

RemaRqUe ⇒ ⇒

(P ⇒ Q) et (Q ⇒ P ) ont la même table de vérité, i.e., la même

valeur de vérité.
 Exemple

 La contraposée de :(Il pleut, alors je prends mon para- pluie), est (je
ne prends pas mon parapluie, alors il ne pleut pas).

 La contraposée de :( Omar a gagné au loto ⇒ Omar a joué au

loto), est : (Omar n’a pas joué au loto ⇒ Omar n’a pas gagné au
loto).

6) La négation d’une implication

ThéoRème

Soit P, Q deux propositions on a

(P ⇒ Q) ⇔ (P ∧ Q).
Exemple

 La négation de : (il pleut, alors je prends mon parapluie), est : (il pleut et je ne prends
pas mon parapluie).
 La négation de : (Omar a gagné au loto ⇒ Omar a joué au loto), est (Omar a gagné
au loto et Omar n’a pas joué au loto).
 (x ∈ [0, 1] ⇒ x ≥ 0) sa négation : (x ∈ [0, 1] ∧ x < 0).

Conclusion
(1) La négation de (P ⇒ Q) est (P ∧ Q).
(2) La contraposée de (P ⇒ Q) est (Q ⇒ P ).
(3) La réciproque de (P ⇒ Q) est (Q ⇒ P ).

RemaRqUe

(P ⇒ Q) ⇔ ( P ∨ Q)
PREUVE.

Il suffit de montrer que (P ⇒ Q) a la même valeur de vérité que ( P∨ Q), on le voit

bien dans la table de vérité suivante :

P Q P P ⇒Q P∨Q
1 1 0 1 1
1 0 0 0 0
0 1 1 1 1
0 0 1 1 1

7)L’équivalence
Définition
p la
L’équivalence de deux propositions P, Q est notée P ⇔ Q, on eut aussi écrire (P ⇒ Q)
et (Q ⇒ P). On dit que P ⇔ Q si P et Q ont même valeur de vérité, sinon
(P ⇔ Q) est fausse.
P Q P⇔Q
1 1 1
1 0 0
0 1 0
0 0 1
RemaRqUe
(1) P⇔Q c’est à dire P n’est pas équivalente à Q lorsque P ⇒ Q ou Q ⇒ P.
(2) P ⇔ Q peut être lue P si et seulement si Q.

Exemple
(1) x + 2 = 0 ⇔ x = −2.
(2) Omar a gagné au loto & Omar a joué au loto.

ThéoRème Soit P, Q deux propositions on a :

(P ⇔ Q) ⇔ (P ⇒ Q) ∧ (Q ⇒ P ).
PREUVE.
P Q P ⇒Q Q⇒P (P ⇒ Q) ∧ (Q ⇒ P (P ⇔ Q)
)
1 1 1 1 1 1
1 0 0 1 0 0
0 1 1 0 0 0
0 0 1 1 1 1
 8) Propriétés des connecteurs logiques
Quelle que soit la valeur de vérité des propositions P, Q, R les propriétés suivantes sont
toujours vraies.
(1) P ∨ P.
(2) P ⇔ P.
(3) P ∧ P ⇔ P.
(4) P ∧ Q ⇔ Q ∧ P. Commutativité de ∧
(5) P ∨ Q ⇔ Q ∨ P. Commutativité de ∨

(6) ((P ∧ Q) ∧ R) ⇔ (P ∧ (Q ∧ R)). Associativité de ∧

(7) ((P ∨ Q) ∨ R) ⇔ (P ∨ (Q ∨ R)). Associativité de ∨
(8) P∨P ⇔P
(9) P ∨ (Q ∧ R) ⇔ (P ∨ Q) ∧ (P ∨ R)).
(10) P ∧ (Q ∨ R) ⇔ (P ∧ Q) ∨ (P ∧ R)).
(11) P ∧ (P ∨ Q) ⇔ P.
(12) P ∨ (P ∧ Q) ⇔ P.
(13) P ∧ Q ⇔ P ∨ Q Lois de Morgan
(14) P ∨ Q ⇔ P ∧ Q Lois de Morgan
(15) (P ⇒ Q) ⇔ (P ∨ Q) ⇔ (Q ⇒ P ).

PREUVE.

P Q P Q P∧Q P∧Q P∨Q

1 1 0 0 1 0 0
1 0 0 1 0 1 1
0 1 1 0 0 1 1
0 0 1 1 0 1 1

P Q P Q P ∨Q P ⇒Q Q⇒P
1 1 0 0 1 1 1
1 0 0 1 0 0 0
0 1 1 0 1 1 1
0 0 1 1 1 1 1

a. Les quantificateurs.
i. ∀
Quantificateur universel «Ɐ»
La relation pour tous x tel que P(x) est notée : ∀x, P (x) se lit quel que soit
x, P (x).
ii. Quantificateur existentiel « ∃ »
La relation il existe un x tel que P (x) est notée : ∃x, P (x).
 RemaRqUe
Il existe un et un seul élément x de E c’est à dire un unique x, P (x) est notée :
∃!x ∈ E, P (x)

Exemple
Ecrire à l’aide des quantificateurs les propositions suivantes :
(1) P (x) : La fonction f est nulle pour tous x ∈ IR devient
P (x) : ∀x ∈ IR, f (x) = 0.
(2) P (x) : la fonction f s’annule en x0 devient
P (x) : ∃x0 ∈ IR, f (x0) = 0.

Remarque Les relations ∀x, ∃y, P (x, y) et ∃y, x, P (x, y) sont

∀ x tandis que dans la seconde y ne dépend
différentes, dans la première y dépend de
pas de x.
Exemple
Tous les étudiants de la section 1 ont un groupe sanguin.

 ∀ étudiant ∈ section 1, ∃ un groupe sanguin, étudiant a un groupe sanguin.

Vraie (cela veut dire que chaque étudiant a un groupe sanguin).
 Il existe un groupe sanguin pour tous les étudiants de la section 1. ∃un groupe
sanguin O−, −
∀ l’étudiant de section 1, l’étudiant a O . Fausse (cela veut dire
que tous les étudiants ont le même groupe sanguin ce qui est peu probable).
 La proposition (∀x ∈ IR, ∃y ∈ IR : x + y = 0) est vraie en effet ∀x ∈ IR, ∃y =
−x ∈ IR, x + (−x) = 0.
 ∃y ∈ IR, ∀x ∈ IR, x2 ≥ y c’est vraie car ∃y = 0, ∀x ∈ IR, x2 ≥ 0.

Règles de négations
Soit P (x) une proposition,
(1) la négation de ∀x ∈ E, P (x) est : ∃x ∈ E, P (x).
(2) la négation de ∃x ∈ E, P (x) est : ∀x ∈ E, P (x).

RemaRqUe (1) ∃x ∈ E, ∀y E, P (x, y) veut dire que x est

∈
constante (fixé), il est indépendant de y qui varie dans E.
(2) ∀x ∈ E, ∃ y ∈ , P (x, y) veut dire y dépend x , par une certaine relation f
telle que y = f (x).
(3) On peut permuter entre deux quantificateurs de la même nature :
∀x, ∀y, P (x, y) ⇔ ∀y, ∀x, P (x, y).
∃x, ∃y, P (x, y) ⇔ ∃y, ∃x, P (x, y).
 Exemple (1) la négation de ∀ϵ > 0, ∃q ∈ Q+ tel que : 0 < q < ϵ
est : ∃ϵ > 0, ∀q ∈ Q+ tel que : q ≤ 0 ou q ≥ ϵ

2. Méthodes de raisonnement
Pour montrer que (P ⇒ Q) est vraie on peut utiliser ce qui suit :
(1) Méthode de raisonnement direct
On suppose que P est vraie et on démontre que Q l’est aussi.

Exemple Montrons que pour n ∈ IN si n est pair ⇒ n2 est pair.

On suppose que n est pair, i.e., ∃k ∈ Z, n = 2k donc
n.n = 2(2k2) ⇒ n2 = 2k’
on pose k’ = 2k2 ∈ Z ainsi ∃k’ ∈ Z, n2 = 2k’, n2 est pair, d’où le résultat.

2
 3. EXERCICES CORRIGÉS 13
Exemple 2.2. Montrons que n2 est impair ⇒ n est impair. Par contrapo-
sée il suffit de montrer que si n est pair ⇒ n2 est pair voir l’exemple
précédent.
(2) Raisonnement par l’absurde
Pour montrer que R est une proposition vraie on suppose que R est vrai et
on tombe sur une contradiction (quelque chôse d’absurde), quand ⇒R:P Q
est une implication par l’absurde on suppose que∧R : R Q est vraie et on
tombe sur une contradicition.
√
Exemple 2.3. (a) Montrer que 2 est un irrationnel.
(b) n est pair ⇒ n2est pair, par l’absurde : on suppose que n est pair et que
n2 est impaire contradiction
(3) Contre exemple
Pour montrer qu’une proposition est fausse il suffit de donner ce qu’on
appelle un contre-exemple c’est à dire un cas particulier pour lequel la
proposition est fausse.

Exemple 2.4. (n est un nombre pair ⇒ ) (n2 +1 est pair), fausse car pour
n = 2, 4 + 1 = 5 n’est pas pair, c’est un contre-exemple.
(4) Raisonnement par recurrence
Pour montrer que P (n) : ∀n ∈ IN, n ≥ n0, Pn(x) est vraie on suit les étapes
suivantes :
(a) On montre que P (n0) est vraie, (valeur initiale).
(b) On suppose que P (n) est vraie à l’ordre n
(c) On montre que P (n + 1) est vraie à l’ordre n + 1
Alors P est vrai pour tous n ≥ n0.
Exemple 2.5. Montrer ∀n ∈ IN∗ : 1 + 2 + ... + n = n(n+1)
2
1(2)
(a) Pour n = 1, P (1) est vraie 1 = 2
.
(b) On suppose que 1 + 2 + ... + n = n(n+1)
2
est vraie.
(c) On montre que 1 + 2 + ... + n + 1 = (n+1)(n+2)
2
est vraie,
1 + 2 + ... + n + 1 = 1 + 2 + ... + n + (n + 1) = n(n+1) + (n + 1) = (n+1)(n+2)
2 2
ainsi P est vraie à l’ordre n + 1 alors ∀n ∈ IN∗ : 1 + 2 + ... + n = n(n+1)
2
est vraie.

3. Exercices Corrigés
ExeRcice 1. Donner la négation des propositions suivantes :
(1) ∀x ∈ IR, ∃y ∈ IR, 2x + y > 3.
(2) ∀ϵ > 0, ∃α > 0, |x| < α ⇒ |x2| < ϵ.
14. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS
(3) ∀x ∈ IR, (x = 0 ∨ x ∈]2, 4]).
(4) Il existe M ∈ IR+, pour tous n ∈ IN tel que : |Un| ≤ M.
SolUtion . (1) P : ∀x ∈ IR, ∃y ∈ IR, 2x + y > 3
⇔ P : ∃x ∈ IR, ∀y ∈ IR, 2x + y ≤ 3.
(2) P : ∀ϵ > 0, ∃α > 0, |x| < α ⇒ |x2| < ϵ
⇔ P : ∃ϵ > 0, ∀α > 0, |x| < α ∧ |x2| ≥ ϵ
(3) P : ∀x ∈ IR, ((x = 0) ∨ (x ∈]2, 4]))
⇔ P : ∃x ∈ IR, x =/ 0 ∧ (x ≤ 2 ∨ x > 4).
(4) P : il existe M ∈ IR , pour tous n ∈ IN tel que : |Un| ≤ M
+

⇔ P : pour tous M ∈ IR+, il existe n ∈ IN tel que :|Un| > M.

RemaRqUe 3.1. (1) a < b veut dire (a < b) ∧ (a /= b) sa négation est :
(a > b) ∨ (a = b) c’est à dire a ≥ b.
(2) a < b < c veut dire (a < b) ∧ (b < c) sa négation est : (a ≥ b) ∨ (b ≥ c).
ExeRcice 2. Exprimer les assertions suivantes à l’aide des quantificateurs et
répondre aux questions :
(1) Le produit de deux nombres pairs est-il pair ?
(2) Le produit de deux nombres impairs est-il impair ?
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair ?
(4) Un nombre entier est pair si et seulement si son carré est pair ?
SolUtion . (1) Le produit de deux nombres pairs est-il pair ?
Soit P = { 2k/k ∈ Z } l’ensemble des nombres pairs.
∀n, m ∈ P, n × m P?
Soient∈n, m ∈ P, alors ∃ k1∈ Z/n = 2k1, ∃ k2 ∈ Z/m = 2k2 d’où n × m =
2(2k1k2) = 2k3, ainsi ∃k3 = 2k1k2 ∈Z/n ×m = 2k3 ⇒n ×m P le produit
est pair. ∈
(2) Le produit de deux nombres impairs est-il impair ?
Soit I = {2k + 1/k ∈ Z} l’ensemble des nombres impairs. ∀n, m ∈ I, n × m ∈
I
Soient
? n, m ∈ I, alors ∃k1 ∈ Z/n = 2k1 + 1, ∃k2 ∈ Z/m = 2k2 + 1 d’où
n × m = 2(2k1k2 + k1 + k2) + 1 = 2k3 + 1, ainsi ∃k3 = 2k1k2 + k1 + k2 ∈
Z/n × m = 2k3 + 1 ⇒ n × m ∈ I le produit est impair.
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair ?
∀n ∈ P, m ∈ I, n × m ∈ P?, n × m ∈ I?
Soient n ∈ P, m ∈ I, alors ∃k1 ∈ Z/n = 2k1, ∃k2 ∈ Z/m = 2k2 + 1 d’où
n × m = 2(2k1k2 + k1) = 2k3, ainsi ∃k3 = 2k1k2 + k1 ∈ Z/n × m = 2k3 ⇒
n × m ∈ I le produit est pair.
(4) Un nombre entier est pair si et seulement si son carré est pair ?
∀n ∈ Z, n pair ⇔ n2 est pair.
 3. EXERCICES CORRIGÉS 15
Montrons que n pair ⇒ n2 est pair. 2
Soit n ∈ P, alors ∃k1 ∈ Z/n = 2k1, d’où n = n.n = 2(2k2), ainsi ∃k2 = 2k2 ∈
1 1
Z/n2 = 2k2 il est pair.
Montrons que n2 pair ⇒ n est pair.
Par contraposée, on doit montrer que n est impair ⇒ n2 est impair, c’est vrai
cas particulier de la question 2), ainsi la proposition n2 pair ⇒ n est pair est
vérifiée, de plus n pair ⇒ n2 est pair ⇒ ∀n ∈ Z, n pair ⇔ n2 est pair est vraie.
ExeRcice 3. Indiquer lesquelles des propositions suivantes sont vraies et celles
qui sont fausses.
(1) ∀x ∈ IR, ∃y ∈ IR : 2x + y > 0.
(2) ∃x ∈ IR, ∀y ∈ IR : 2x + y > 0.
(3) ∀x ∈ IR, ∀y ∈ IR : 2x + y > 0.
(4) ∃x ∈ IR, ∃y ∈ IR : 2x + y > 0.
(5) ∃x ∈ IR, ∀y ∈ IR : y2 > x.
(6) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 ou 2x + y = 0).
(7) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 et 2x + y = 0).
SolUtion . (1) ∀x ∈ IR, ∃y ∈ IR : 2x + y > 0, est vraie car ∀x ∈ IR, ∃y =
−2x + 1 ∈ IR : 2x + y > 0.
(2) ∃x ∈ IR, ∀y ∈ IR : 2x + y > 0, est fausse car , sa négation ∀x ∈ IR, ∃y ∈
IR : 2x + y ≤ 0, est vraie ∀x ∈ IR, ∃y = −2x ∈ IR; 2x + y ≤ 0
(3) ∀x ∈ IR, ∀y ∈ IR : 2x + y > 0, est fausse car sa négation ∃x ∈ IR, ∃y ∈ IR
: 2x + y ≤ 0 est vraie , en effet ∃x = 0, ∃y = 0; 0 ≤ 0.
(4) ∃x ∈ IR, ∃y ∈ IR : 2x + y > 0, vraie car ∃x = 0, ∃y = 1; 1 > 0.
(5) ∃x ∈ IR, ∀y ∈ IR : y2 > x, vraie ∃x = −1 ∈ IR, ∀y ∈ IR : x2 > y.
(6) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 ou 2x + y = 0), Vraie car ∀x ∈ IR, ∃y =
−2x ∈ IR : 2x − 2x = 0 (même si 2x + y ≯ 0) ou bien on peut dire que
∀x ∈ IR, ∃y = −2x + 1 : 2x − 2x + 1 = 1 > 0 (même si 2x + y /= 0).
(7) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 et 2x + y = 0) est fausse car on ne peut
jamais avoir (2x + y > 0 et 2x + y = 0) en même temps.
ExeRcice 4. Par l’absurde montrer que :
√
(1) 2 ∈/ Q.
(2) ∀n ∈ IN, n2 pair ⇒ n est pair.
√
SolUtion . (1) Par l’absurde on suppose que 2 est un rationnel i.e., ∃a, b ∈
IN, √ 2
a ∧ b = 1, / 2 = a ⇒ a2 ⇒ 2b2 = a 2alors 2 divise a, a est pair ∃k ∈ IN/n =
b b
2k, ainsi
2b2 = 4k2 ⇔ b2 = 2k2,
on déduit que b est pair aussi or a, b sont premier entre√eux contradiction, ce
que nous avons supposé au départ est faux c’est à dire 2 ∈/ Q.
16. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS
(2) Soit n ∈IN par l’absurde supposons que n2 est pair et n est impair, alors ∃k ∈
Z tel que n = 2k +1 d’où n2 = 2(2k2 +2k)+1 = 2kJ +1, kJ = (2k2 +2k)∈ Z, n2
est impair contradiction car n2 est pair. Ce que nous avons supposé au départ
est faux c’est à dire ∀n ∈ IN, n2 pair ⇒ n est pair est vraie.
ExeRcice 5. Par contraposée, montrer que
(1) Si (n2 − 1) n’est pas divisible par 8 ⇒ n est pair.
(2) (∀ϵ > 0, |x| ≤ ϵ) ⇒ x = 0.
SolUtion . (1) Montrons que sa contraposée :( n est impair ⇒ (n2 1) est
divisible par 8) est vraie.
Soit n impair alors ∃k ∈ Z tel que n = 2k + 1 et donc n2 = 4k2 + 4k + ⇒
1 n−2
1 = 4k2 + 4k = 4k(k + 1) il suffit de montrer que k(k + 1) est pair.
Montrons que k(k + 1) est pair on a deux cas :
Si k est pair alors k + 1 est impair donc le produit d’un nombre pair et d’un
nombre impair est pair voir exercice 2 question (3).
Si k est impair, alors k + 1 est pair donc le produit est pair c’est le même
raisonnement, (il faut savoir que le produit de deux nombre consécutifs est
toujours pair).
Ainsi k(k + 1) est pair ∃kJ ∈ Z /k(k + 1) = 2kJ, d’où n2 − 1 = 4(2kJ) = 8kJ ⇒
n2 − 1 est divisible par 8.
(2) Montrons que sa contraposée :( x /= 0 ⇒ (∃ϵ > 0, |x| > ϵ)) est vraie.
Soit x 0, il existe ϵ = x > 0 tel que |x| > x car x 0 d’où le résultat.
2 2

ExeRcice 6. Montrer par récurrence que

2(n+1)2
– ∀n ∈ IN∗ : 13 + 23 + ... + n3 = n 4
– ∀n ∈ IN∗, 4n + 6n − 1 est un multiple de 9.
n (n+1)
2 2
SolUtion . – Montrons que ∀n ∈ IN∗ : 13 + 23 + ... + n3 = 4 .
1 (2)
2 2
(1) Pour n = 1 on a : 13 = 4 = 1, P (1) est vraie.
(2) On suppose que :1 + 2 + ... + n3 =
3 3
est vraie.
n (n+1) 4
2 2

(n+1) (n+2)
2 2
(3) On montre que :13 + 23 + ... + (n + 1)3 = est vraie. En utilisant
4
p(n) on obtient :

13 + 23 n2(n + 1)2
3 3
+ ... + (n + =1 + + ... + + (n + 1) + (n + 1)3
1)3 23 n3 = 4

13 + 23 n2(n + 1)2 + 4(n + (n + 1)2(n2 + 4n +

+ ... + (n + 1)3 + (n + 1)3
1)3 4 4) 4
= =
13 + 23 + ... + (n + 1)3 (n + 1)2(n2 + 2)2
.
4
=
n (n+1)
2 2
Ainsi P (n + 1) est vraie , alors ∀n ∈ IN∗ : 13 + 23 + ... + n3 = 4 .
 3. EXERCICES CORRIGÉS 17
∗
– Montrons que ∀n ∈ IN , 4 + 6n − 1 est un multiple de 9, c’est à dire ∀n ∈
n

IN∗, ∃k ∈ Z /4n + 6n − 1 = 9k.

18. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS
(1) Pour n = 1 on a : ∃k = 1 ∈ Z, 4 + 6 − 1 = 9 = 9(1), P (1) est vraie.
(2) On suppose que : ∀n ∈ IN∗, ∃k ∈ Z /4n + 6n − 1 = 9k est vraie.
(3) On montre que : ∀n ∈ IN∗, ∃?kJ ∈ Z /4n+1 + 6(n + 1) − 1 = 9kJ. est vraie.

4n+1 + 6(n + 1) − 1 = 4.4n + 6n + 6 − 1

= (9 − 5)4n + 6n + 5
= 9.4n − 5.4n − 5(6n) + 36n + 5
= −5(4n + 6n − 1) + 9.4n + 36n, en utilisant Pn
= −5(9k) + 9.4n + 9.(4n) = 9(−5k + 4n + 4n)
⇒ ∃kJ = −5k + 4n + 4n ∈ Z 4n+1 + 6(n + 1) − 1 = 9kJ.
3. EXERCICES CORRIGÉS 19
 CHAPITRE 3

Théorie des ensembles avec Exercices Corrigés

1. Notion d’ensemble et propriétés

1.1. Ensemble.
Définition 1.1. Un ensemble est une collection d’objets mathématiques (élé-
ments) rassemblés d’après une ou plusieurs propriétés communes. Ces propriétés sont
suffisantes pour affirmer qu’un objet appartient ou pas à un ensemble.
Exemple 1.2. (1) E : l’ensemble des étudiants de l’université d’USTO.
(2) On désigne par IN l’ensemble des entiers naturels IN = {0, 1, 2, 3, ...}.
(3) L’ensemble des nombre pairs se note : P = {x ∈ IN/2 divise x}.
(4) L’ensemble vide est noté : ∅ qui ne contient aucun élément.
1.2. Inclusion. On dit que l’ensemble A est inclus dans un ensemble B lorsque
tous les éléments de A appartiennent à B et on note A ⊂ B,
A ⊂ B ⇔ (∀x, (x ∈ A ⇒ x ∈ B)).
La négation :
A /⊂ B ⇔ (∃x, (x ∈ A ∧ x ∈/ B)).
Exemple 1.3. (1) On désigne IR l’ensemble des nombre réels on a : IN ⊂ IR.
(2) On désigne Z l’ensemble des nombre entiers relatifs, Q l’ensemble des ration-
nels on a : IN ⊂ Z ⊂ Q ⊂ IR.
1.3. Egalité de deux ensembles : Soient A, B deux ensembles sachant A = B,
cela veut dire que :
A = B ⇔ ((A ⊂ B)et (A ⊂ B)).

1.4. Différence de deux ensembles. La différence de deux ensembles A, B est

un l’ensemble des élements de A qui ne sont pas dans B, noté A − B.
A − B = {x/x ∈ A ∧ x ∈/ B}.
Si A ⊂ B alors B − A est aussi appelé le complémentaire de A dans B, il est noté
C B, Ac.
A

C AB = {x/x ∈ B ∧ x ∈/ A}.

1.5. Opérations sur les ensembles.

19
20 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

1.5.1. L’union. La réunion ou l’union de deux ensembles A et B est l’ensemble des

élements qui appartiennent à A ou B, on écrit A ∪ B.
x ∈ A ∪ B ⇔ (x ∈ A ∨ x ∈ B).
La négation :
x ∈/ A ∪ B ⇔ (x ∈/ A ∧ x ∈/ B).
1.5.2. L’intersection. L’intersection de deux ensembles A, B est l’ensemble des él-
séments qui appartiennent à A et B on note A ∩ B.
x ∈ A ∩ B ⇔ (x ∈ A ∧ x ∈ B).
La négation :
x ∈/ A ∩ B ⇔ (x ∈/ A ∨ x ∈/ B).
RemaRqUe 1.4. (1) Si A, B n’ont pas d’élements en commun, on dit
qu’ils sont disjoints, alors A ∩ B = ∅.
(2) B = CEA ⇔ A ∪ B = E et A ∩ B = ∅.
(3) A − B = A ∩ Bc.
1.5.3. La différence symétrique. Soient E un ensemble non vide et A, ⊂ B E, la
différence symétrique entre deux ensembles A, B est l’ensemble des éléments qui ap-
partiennent à A − B ou B − A noté A∆B.
A∆B = (A − B) ∪ (B − A) = (A ∩ CEB ) ∪ (B ∩ CEA) = (A ∪ B) − (A ∩ B).
x ∈ A∆B ⇔ {x/x ∈ (A − B) ∨ x ∈ (B − A)}.
 1. NOTION D’ENSEMBLE ET PROPRIÉTÉS 21

1.6. Propriétés des opérations sur les ensembles.

1.6.1. La commutativitée. Quels que soient A, B deux ensembles :
A ∩ B = B ∩ A,
A ∪ B = B ∪ A.
1.6.2. L’associativitée. Quels que soient A, B, C deux ensembles :
A ∩ (B ∩ C) = (A ∩ B) ∩ C,
A ∪ (B ∪ C) = (A ∪ B) ∪ C.
1.6.3. la distributivitée. Quels que soient A, B, C deux ensembles :
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C),
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
1.6.4. L’idempotence.
A ∪ A = A, A ∩ A = A.
1.6.5. Lois de
Morgan. a)(A ∪ B)c = Ac ∩ Bc. b)
(A ∩ B)c = Ac ∪ Bc.
PREUVE. Montrons que (A ∪ B)c ⊂ Ac ∩ Bc et Ac ∩ Bc ⊂ (A ∪ B)c,
(A ∪ B)c ⊂ Ac ∩ Bc :
Soit x ∈ (A ∪ B)c ⇒ x ∈/ (A ∪ B) ⇒ x ∈/ A ∧ x ∈/ B ⇒ x ∈ Ac ∧ x ∈ B c ainsi
x ∈ (A ∪ B)c ⇒ x ∈ (Ac ∩ Bc), d’où (A ∪ B)c ⊂ (Ac ∩ Bc).

Ac ∩ Bc ⊂ (A ∪ B)c :
Soit x ∈ (Ac ∩ B c ) ⇒ x ∈ Ac ∧ x ∈ B c ⇒ x ∈/ A ∧ x ∈/ B ⇒ x ∈/ (A ∪ B), d’où
Ac ∩ Bc ⊂ (A ∪ B)c, ainsi (A ∪ B)c = Ac Bc. On suit le même raisonnement pour
∩ relation.
la seconde
1.7. Produit Cartesien. Soient A, B deux ensembles , a ∈ A, b B on note
A ×B = (a,{ b), a ∈A, b ∈B }l’ensemble A ×B est l’ensemble des couples (a, b) pris
dans cet ordre il est appelé ensemble produit cartésien des ensemble A et B.
RemaRqUe 1.5. Si A et B sont des ensembles finis et si on désigne par :

CardA : le nombre des éléments de A.

CardB : le nombre des éléments de B. on aura :
Card(A × B) = CardA × CardB.
Exemple 1.6. a) Soit E = {1, 2, 3, 4, 5, 6, 7, 8}, A = {1, 2, 3, 4, 5, 6}, B = {2, 4, 6, 8}
(1) A ⊂ E, B ⊂ E.
A n’est pas inclus dans B car 1 ∈ A ∧ 1 ∈/
B. B n’est pas inclus dans A car 8 ∈ B ∧ 8
∈/ A.
(2) A ∩ B = {2, 4, 6}, A ∪ B = {1, 2, 3, 4, 5, 6, 8}.
22 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

(3) A − B = {1, 3, 5}, B − A = {8}.

(4) A∆B = {1, 3, 5, 8}.
b) A = {1, 2}, B = {1, 2, 3}
A × B = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3)},
B × A = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 1), (3,
2)}, A × B /= B × A, car (3, 2) ∈ B × A, et (3, 2) ∈/ A × B.

1. Applications et relations d’équivalences

2.1. Application.
Définition 2.1. On appelle application d’un ensemble E dans un ensemble F
une loi de correspondance ( ou une relation de correspondance ) permettant
∈ à tout x E un unique élément y F où E est l’ensemble de départ et F est
d’associer
l’ensemble d’arrivé.
L’élément y associé à x est l’image de x par f, on note x −→ y/y = f (x).
Exemple 2.2. Soit l’application suivante :
(1) f1 : IN −→ IN
n −→ 4n + 2.
(2) f2 : IR −→ IR
x −→ 5x + 3.
2.2. Image directe et image réciproque.
2.2.1. a) L’image directe. Soit f : E−→ F et A E, on appelle image de A par
f un sous ensemble de F , noté f (A) tel que
f (A) = {f (x) ∈ F/x ∈ A},
sachant que f (A) ⊂ F, et que A, f (A) sont des ensembles.
2.2.2. b) L’image réciproque. Soit f : E −→ F et B F , on appelle l’image
−1
réciproque de B par f , la partie de E notée f (B) telle que
f −1(B) = {x ∈ E/f (x) ∈ B},
sachant que f −1(B) ⊂ E, et que B, f −1(B) sont des ensembles.
Exemple 2.3. (1) Soit f l’application définie par :
f : [0, 3] −→ [0, 4]
x −→ f (x) = 2x + 1
Trouver f ([0, 1])?

f ([0, 1]) = {f (x)/x ∈ [0, 1]} = {2x + 1/0 ≤ x ≤ 1},

on a :0 ≤ x ≤ 1 ⇒ 0 ≤ 2x ≤ 2 ⇒ 1 ≤ 2x + 1 ≤ 3, alors f ([0, 1]) = [1, 3] ⊂
[0, 4].
 2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 23
(2) Soit f l’application définie par :
g : [0, 2] −→ [0, 4]
x −→ f (x) = (2x − 1)2
Calculer f −1({0}), f −1(]0, 1[).
−1
f ({0}) = {x ∈ [0, 2]/f (x) ∈ {0}} = {x ∈ [0, 2]/f (x) = 0} = {x ∈ [0, 2]/(2x−1)2 = 0} =1 .
{ }
−1 2
f (]0, 1[) = {x ∈ [0, 2]/f (x) ∈]0, 1[} = {x ∈ [0, 2]/0 < (2x − 1) < 1},
2

On a : (2x − 1)2 > 0 est verifiée ∀x ∈ IR − {12 }, x ∈ [0, 2]. D’autre part
(2x − 1)2 < 1 ⇒ |2x − 1| < 1 ⇒ −1 < 2x − 1 < 1 ⇒ 0 < x < 1,
et donc x ∈]0, 1[, en regroupant les deux inégalités, on obtient
1 1 1 1
f −1(]0, 1[) = ([0, [∪] , 2])∩]0, 1[=]0, [∪] , 1[.
2 2 2 2
2.2.3. 1) La surjection.
Définition 2.4. L’image f (E) de E par f est une partie de F. Si tout élément
de F est l’image par f d’au moins un élément de E, on dit que f est une application
surjective de E dans F on a : f (E) = F.
fest surjective ⇔ (∀y ∈ F ), (∃x ∈ E)/f (x) = y.
Exemple 2.5. Les applications suivantes sont-elles surjective ?
(1) f1 : IN − IN
n − 4n → + 2.
f1 →
n’est pas surjective, en effet si on suppose qu’elle est surjective c’est à dire
∀y ∈ IN, ∃n ∈ IN/4n + 1 = y =⇒ n = y−1 , or n = y−1 ∈/ IN contradiction f1
4 4
n’est pas surjective.
(2) f2 : IR −→ IR
x −→ 5x + 3.
y−3
f2 est surjective car : ∀y ∈ IR, ∃x ∈ IR/5x + 3 = y =⇒ x 5 ∈ IR.
=
2.2.4. 2) L’injection.
Définition 2.6. Quand on a deux éléments dictincts de E correspondent pas
fà deux image différentes de F, f est dite application injective, on a alors :
(f est injective) ⇔ (∀x1 , x2 ∈ E, x1 /= x2 ⇒ f (x1 ) =/ f (x2 )),
ou
(fest injective) ⇔ (∀x1, x2 ∈ E, f (x1) = f (x2) ⇒ x1 = x2).
Exemple 2.7. Les applications suivantes sont-elles injerctive ?
(1) f1 : IN −→ IN
n −→ 4n + 2.
f1 est injective car :∀n1, n2 ∈ IN, f (x1) = f (x2) ⇒ 4n1 + 2 = 4x2 + 2 ⇒ 4n1
= 4n2 ⇒ n1 = n2.
24 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

(2) f2 : IR −→ IR
x −→ 5x + 3.
f2 est injective car :∀x1, x2 ∈ IR, f (x1) = f (x2) ⇒ 5x1 + 3 = 5x2 + 3 ⇒ 5x1 =
5x2 ⇒ x1 = x2.
2.2.5. 3) La bijection. f est une application bijective si elle injective et
surjective, c’est à dire tout élément de F est l’image d’un unique élément de E, f
est bijective si et seulement si :
(∀y ∈ F ), (∃!x ∈ E), (f (x) = y). (∃! signifie unique)
Exemple 2.8. (1) f1 n’est pas bijective car elle n’est pas surjective.
(2) f2 est bijective.
RemaRqUe 2.9. Lorsque une application f est bijective cela veut dire que
l’appli- cation inverse f −1 existe. f −1 est aussi bijective de F sur E et (f −1)−1 = f.
Exemple 2.10. f2 est bijective et sa bijection est définie par :
−1
: IR −→ IR
f2
y−3
y −→ .
5
2.2.6. 4) La composition d’application. Soient E, F, G des ensembles et deux
appli- cations f, g telles que
f : E −→ F, g : F −→ G
x −→ f (x) = y , y −→ g(y) =
On définit l’application z

g ◦ f : E −→ G
x −→ g ◦ f (x) = z.
PRoposition 2.11. (1) Si f et g sont injectives ⇒ g ◦ f est injective.
(2) Si f et g sont surjectives ⇒ g ◦ f est surjective.
 2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 25
PREUVE. (1) Supposons que f et g sont injectives, montrons que g ◦ f est
injective :
∀x1, x2 ∈ E, g ◦ f (x1) = g ◦ f (x2) puisque g est injective on aura :
g(f (x1)) = g(f (x2)) ⇒ f (x1) = f (x2)
puisque f est injective ainsi :
g ◦ f (x1) = g ◦ f (x2) ⇒ x1 = x2,
g ◦ f est injective.
(2) Supposons que f et g sont surjectives c’est à dire f (E) = F, g(F ) = G,
mon- trons que g ◦ f est surjective :

g ◦ f (E) = g(f (E)) = g(F ) = G

d’après la surjectivitée de f, g d’où le résultat.
RemaRqUe 2.12. Il s’ensuit que la composée de deux bijection et une bijection.
En particulier, la composition− de f : E −→ F et−sa réciproque f −1 : F −→ E est
l’application indentitée IdE, f 1 ◦ f = IdE, f ◦ f 1) = IdF .

2.2.7. c) Propriétés des applications. Soit f : E −→ F on a :

(1) A ⊂ B ⇒ f (A) ⊂ f (B).
(2) f (A ∪ B) = f (A) ∪ f (B).
(3) f (A ∩ B) ⊂ f (A) ∩ f (B).
PREUVE. (1) Soit y ∈ f (A) alors ∃x ∈ A/f (x) = y, or A ⊂ B ⇒ x ∈ B donc
y = f (x) ∈ f (B) d’où f (A) ⊂ f (B).
(2) Soit
y ∈ f (A ∪ B) ⇔ ∃x ∈ A ∪ B/f (x) = y
⇔ ∃x ∈ A/f (x) = y ∨ ∃x ∈ B/f (x) = y
⇔ y ∈ f (A) ∨ y ∈ f (B)
⇔ y ∈ f (A) ∪ f (B),
ainsi f (A ∪ B) = f (A) ∪ f (B).
Soit
y ∈ f (A ∩ B) ⇒ ∃x ∈ A ∩ B/f (x) = y
⇒ ∃x ∈ A/f (x) = y ∧ ∃x ∈ B/f (x) = y
⇒ y ∈ f (A) ∧ y ∈ f (B)
⇒ y ∈ f (A) ∩ f (B),
ainsi f (A ∩ B) ⊂ f (A) ∩ f (B).
26 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

Exemple 2.13. f (x) = x2, A = — ∩ B = {0} , f (A) = [0, 1], f

[ 1, 0], B = [0, 1], A
(B) = [0, 1],
f (A) ∩ f (B) = [0, 1], f (A ∩ B) = f ({0}) = {0} = [0, 1] = f (A) ∩ f (B).
L’égalité :f (A ∩ B) = f (A) ∩ f (B) est vérifiée lorsque f est injective.
PRoposition 2.14. Soit f : E −→ F, g : F −→ G on a :
(1) g ◦ f est injective, alors f est injective.
(2) g ◦ f est surjective, alors g est surjective.
(3) g ◦ f est bijective, alors f est injective et g est surjective.
PREUVE. (1) Soit x1, x2 ∈ E/f (x1) = f (x2), alors g(f (x1)) = g(f (x2)) comme
g ◦ f est injective ainsi x1 = x2 d’où f est injective.
(2) On a f (E) ⊂ F ⇒ g ◦ f (E) ⊂ g(F ) ⊂ G, puisque g ◦ f est surjective , alors
g ◦ f (E) = G, ainsi G ⊂ g(F ) d’où G = g(F ), g est surjective

2. Relations Binaires dans un ensemble

Définition 3.1. Soient x ∈E, y F∈ une relation Rentre x et y est une corres-
pondance entre x et y. Le couple (x, y) vérifie la relationR , on note R
x y, si E = F
la relation est dite binaire.
Exemple 3.2. (1) ∀x, y ∈ IN, xRy ⇔ x dévise y, R est une relation binaire.
(2) ∀x, y ∈ IR, xRy ⇔ x ≥ y.
(3) A ⊂ E, B ⊂ F, ARB ⇔ A ⊂ B.
3.1. Propriétés des relations binaires. Soient R une relation binaire dans
l’en- semble E et x, y, z ∈ E, on dit que R est une relation
(1) Réflexive : (∀x ∈ E), (xRx).
(2) Symétrique : (∀x ∈ E), (∀y ∈ E), (xRy ⇒ yRx).
(3) Antisymétrique :((∀x ∈ E), (∀y ∈ E), ((xRy) ∧ (yRx)) ⇒ (x = y)).
(4) Transitive :(∀x, y, z ∈ E), ((xRy) ∧ (yRz)) ⇒ (xRz).
Définition 3.3. Une relation est dite relation déquivalence si elle est réflexive,
symétrique et transitive.
Définition 3.4. Une relation est dite relation d’ordre si elle est réflexive, antisy-
métrique et transitive.
Exemple 3.5. (1) ∀x, y ∈ IN, xRy ⇔ x = y est une relation d’équivalence.
(2) A ⊂ E, B ⊂ F, ARB ⇔ A ⊂ B est une relation d’ordre, en effet :
(a) ∀A ⊂ E, A ⊂ A ⇔ R est réflexive.
(b) ∀A, B ∈ E, ((A ⊂ B) ∧ (B ⊂ A)) ⇒ A = B ⇔ R est antisymétrique.
(c) ∀A, B, C ∈ E, ((A ⊂ B) ∧ (B ⊂ C)) ⇒ A ⊂ C ⇔ R est transitive.
 3. RELATIONS BINAIRES DANS UN ENSEMBLE 27

(3) ∀x, y ∈ IR, xRy ⇔ x ≤ y, est une relation d’ordre.

Définition 3.6. une relation d’ordre dans un ensemble E est dite d’ordre total si
deux éléments quelconques de E sont comparables , ∀x, y ∈ E, on a x R y ou yR x.
Une relation d’ordre est dite d’ordre partiel si elle n’est pas d’ordre total.

Exemple 3.7. – ∀x, y ∈ IR, xRy ⇔ x ≤ y, est une relation d’ordre total.
(1) R est réflexive : ∀x ∈ IR, x ≤ x ⇔ xRx.
(2) R est antisymétrique : ∀x, y ∈ IR, ((xRy) ∧(yRx)) ⇔ ((x ≤ y) ∧(y ≤ x)) ⇒
x = y.
(3) R est transitive : ∀x, y, z ∈ IR, ((xRy) ∧ (yRz)) ⇔ ((x ≤ y) ∧ (y ≤ z)) ⇔
y ≤ z ⇒ x ≤ z ⇔ xRz.
(4) R est une relation d’ordre total car ∀x, y ∈ IR, x ≤ou y ≤ x.
– Soient (x, y), (xJ, yJ) ∈ IR2; (x, y)R (xJ, yJ)⇔ (x ≤ xJ) ∧(y ≤ yJ) est une relation
d’ordre partiel, en effet : ∃ (1, 2), (3, 0) IR2, et (1, 2) n’est pas en relation avec
(3, 0), et (3, 0) n’est pas en relation avec (1, 2) .

3.2. Classe d’équivalence. Soit R une relation d’équivalence, on appelle classe

déquivalence d’un élément x ∈ E l’ensemble des éléments y ∈ E qui sont en relation
R avec x on note Cx, où

x = Cx = x˙ = {y ∈ E/xRy}

Définition 3.8. L’ensemble des classes d’équivalence d’éléments de E est

appelée ensemble quotient de E par R, il est noté E/R,

E/R = {x˙ /x ∈ E}

Exemple 3.9. ∀x, y ∈ IR, xRy ⇔ x2 − x = y2 − y, R est une relation d’équivalence

car :
(1) ∀x ∈ IR, x2 − x = x2 − x ⇔ xRx ⇔ R est refléxive.
(2) ∀x, y ∈ IR, xRy ⇔ x2−x = y 2 −y ⇔ y 2 −y = x2−x ⇔ yRx, R est symétrique.
(3) ∀x, y, z ∈ IR, xRy ⇔ x2 − x = y2 − y ∧ y2 − y = z2 − z ⇔ x2 − x = z2 − z ⇔
zRx, R est transitive.
Cherchons les classes d’équivalence suivantes : C0 , 1, 2˙ , C 1 .
2

(1) C0 = {y ∈ E/0Ry}, 0Ry ⇔ y − y = 0, ainsi C0 = {0, 1}.

2

(2) 1 = {y ∈ E/1Ry}, y2 − y = 1 − 1 = 0, ainsi 1 = {0, 1}.

(3) 2˙ = {y ∈ E/2Ry}, y2 − y = 2, ainsi 2˙ = {−1, 2}.
(4) C 12 = {y ∈ E/ 12 Ry}, y2 − y = 1
4
− 12= − 1 4, ainsi C 12 = { 1 2}.
 28 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

4. Exercices Corrigés
ExeRcice 7. On considère les ensembles suivants :
A = {1, 2, 5}, B = {{1, 2}, 5}, C = {{1, 2, 5}}, D = {∅, 1, 2, 5},
E = {5, 1, 2}, F = {{1, 2}, {5}}, G = {{1, 2}, {5}, 5}, H = {5, {1}, {2}}.
(1) Quelles sont les relations d’égalité ou d’inclusion qui existent entre ces en-
sembles ?
(2) Déterminer A ∩ B, G ∪ H, E − G.
(3) Quel est le complémentaire de A dans D.
SolUtion . (1) On remarque A = E, A ⊂ D, E ⊂ D, B ⊂ G, F ⊂ G.
(2) A ∩ B = {5}, G ∪ H = {5, {1}, {2}, {1, 2}, {5}}, E − G = {1, 2}.
A
(3) CD = {∅}.
ExeRcice 8. Etant donné A, B et C trois parties d’un ensemble E,
a) Montrer que :
(1) (A ∩ B) ∪ Bc = A ∪ Bc.
(2) (A − B) − C = A − (B ∪ C).
(3) A − (B ∩ C) = (A − B) ∪ (A − C).
b) Simplifier :
(1) (A ∪ B) ∩ (C ∪ A).
(2) (A ∩ B) ∪ (C ∩ A).
SolUtion . a) Montrons que :
(1) (A ∩ B) ∪ Bc = A ∪ Bc.
Soit x ∈ (A ∩ B) ∪ Bc ⇔ x ∈ (A ∩ B) ∨ x ∈ Bc,
x ∈ (A ∩ B) ∪ B c ⇔ (x ∈ A ∧ x ∈ B) ∨ (x ∈/ B)
⇔ (x ∈ A ∨ x ∈/ B) ∧ (x ∈ B ∨ x ∈/ B)
c c
⇔ x ∈ (A ∪ B ) ∧ x ∈ (B ∪ B )
⇔ x ∈ (A ∪ B c) ∩ E
⇔ x ∈ A ∪ B c.
Car E = Bc ∪ B et A ∪ Bc est un sous ensemble se E.
(2) (A − B) − C = A − (B ∪ C). Soit x ∈ (A − B) − C on a :
x ∈ (A − B) − C ⇔ (x ∈ A ∧ x ∈/ B) ∧ (x ∈/ C)
⇔ x ∈ A ∧ (x ∈/ B ∧ x ∈/ C)
⇔ x ∈ A ∧ (x ∈ B c ∩ C c)
⇔ x ∈ A ∧ x ∈/ (B ∪ C)Lois Morgan
⇔ x ∈ A − (B ∪ C).
 4. EXERCICES CORRIGÉS 29
(3) A − (B ∩ C) = (A − B) ∪ (A − C).
x ∈ A − (B ∩ C) ⇔ (x ∈ A ∧ (x ∈/ B ∧ x ∈/ C)
⇔ (x ∈ A ∧ x ∈/ B) ∧ (x ∈ A ∧ x ∈/ C)
⇔ x ∈ (A − B) ∧ x ∈ (A − C)
⇔ x ∈ (A − B) ∩ (A − C).

b) Simplifions
(1) (A ∪ B) ∩ (C ∪ A).

(A ∪ B) ∩ (C ∪ A) = (A ∩ B) ∩ (C ∩ A)
= (A ∩ A) ∩ (B ∩ C)
= ∅ ∩ (B ∩ C)
= ∅.

(2) (A ∩ B) ∪ (C ∩ A).

(A ∩ B) ∪ (C ∩ A) = (A ∪ B) ∪ (C ∪ A)
= (A ∪ A) ∪ (B ∪ C)
= E ∪ (B ∪ C)
= E.
ExeRcice 9. Soient E = [0, 1], F = [ 1, −1], et G = [0, 2] trois intervalles de IR.
Considérons l’application f de E dans G définie par :
f (x) = 2 − x,
et l’application g de F dans G définie par :
g(x) = x2 + 1
(1) Déterminer f ({1/2}), f −1({0}), g([−1, 1]), g−1[0, 2]).
(2) L’application f est-elle bijective ? justifier.
(3) L’application g est-elle bijective ? justifier.
SolUtion . (1) (a) f ({1/2}) = {f (x) ∈ [0, 2]/x =
1/2}, f (1/2) = 3/2 ∈ [0, 2], alors :
f ({1/2}) = {3/2}.
(b) f −1({0}) = {x ∈ [−1, 1]/f (x) = 0}.
On a f (x) = 2 − x = 0 ⇒ x = 2 ∈/ [−1, 1], alors :
f −1 ({0}) = ∅.
30 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

(c) g([−1, 1]) = {g(x) ∈ [0, 2]/x ∈ [−1, 1]}, on a x ∈ [−1, 0]∪]0, 1].

x ∈ [−1, 0] ⇒ −1 ≤ x ≤ 0
⇒ 0 ≤ x2 ≤ 1
⇒ 1 ≤ x2 + 1 ≤ 2
⇒ g(x) ∈ [1, 2] ⊂ [0, 2]
d’où g([−1, 0]) = [1, 2]
x ∈]0, 1] ⇒ 0 < x ≤ 1
⇒ 0 < x2 ≤ 1
⇒ 1 < x2 + 1 ≤ 2
⇒ g(x) ∈]1, 2] ⊂ [0, 2]
d’où g(]0, 1]) =]1, 2], g([−1, 1]) = [1, 2].
(d) g−1([0, 2]) = {x ∈ [−1, 1]/g(x) ∈ [0, 2]}, on a
g(x) ∈ [0, 2] ⇒ 0 ≤ x2 + 1 ≤ 2
⇒ −1 ≤ x 2 ≤ 1
⇒ (−1 ≤ x 2 < 0) ∨ (0 ≤ x2 ≤ 1)
l’ingalité (−1 ≤ x2 < 0) n’a pas de solutions.
0 ≤ x2 ≤ 1 ⇔ 0 ≤ |x| ≤ 1 ⇔ −1 ≤ x ≤ 1.
Ainsi
g−1([0, 2]) = ∅ ∪ [−1, 1] = [−1, 1].
(2) Comme f −1({0}) = ∅ c’est à dire l’élément 0 ∈ [0, 2] n’admet pas d’antécédent
par f dans [−1, 1] donc f n’est pas surjetive et par suite n’est pas bijective.
(3) L’application g est paire donc g(−1) = g(1) or −1 /= 1 donc g n’est pas
injective d’où g ne peut être bijective, aussi on remarque que g([−1, 1]) =
[1, 2] /= [0, 2] donc g n’est pas surjecive, alors n’est pas aussi bijective.
ExeRcice 10. On définit sur IR2 la relation R par :
(x, y)R(xJ, yJ) ⇔ x + y = xJ + yJ
(1) Montrer que R une relation d’équivalence.
(2) Trouver la classe d’équivalence du couple (0, 0).
SolUtion . R est une classe d’équivalence si et seulement si elle est réfléxive et
symétrique et transitive.
(1) a) R est réfléxive si et seulement si ∀(x, y) ∈ IR2, (x, y)R(x, y)

(x, y)R(x, y) ⇔ x + y = x + y .
 4. EXERCICES CORRIGÉS 31
D’où R est réfléxive.
b) R est symétrique si et seulement si
∀(x, y), (xJ, yJ) ∈ IR2, (x, y)R(xJ, yJ) ⇒ (xJ, yJ)R(x, y)

(x, y)R(xJ, yJ) ⇒ x + y = xJ + yJ

⇒ xJ + yJ = x + y
⇒ (xJ, yJ)R(x, y)
D’où R est symétique.
c) R est transitive si et seulement si
∀(x, y), (xJ, yJ), (x”, y”) ∈ IR2, (x, y)R(xJ, yJ) ∧ (xJ, yJ)R(x”, y”) ⇒ (x, y)R(x”, y”)

 x + y = xJ
(x, y)R(xJ, yJ) ∧ (xJ, yJ)R(x”, y”)
+ y∧
 J
⇒ xJ + yJ = x” + y”
⇒ x + y = x” + y”
⇒ (x, y)R(x”, y”)
D’où R est transitive, Ainsi R est une relation d’équivalence.
(2) Trouvons la classe d’équivalence du couple (0, 0).
C((0, 0)) = {(x, y) ∈ IR2/(x, y)R(0, 0)}
= {(x, y) ∈ IR2/x + y = 0}
= {(x, y) ∈ IR2 /y = −x}
= {(x, −x)/x ∈ IR}.

ExeRcice 11. On définit sur IR2 la relation T par

(x, y)T (xJ, yJ) ⇔ |x − xJ| ≤ yJ − y
(1) Vérfier que T est une relation d’ordre. Cet ordre est-il total ?
(2) Soit (a, b) ∈ IR2 , représenter l’ensemble {x, y) ∈ IR2 /(x, y)T (a, b)}.
SolUtion . T est une relation d’ordre si et seulement si elle est réfléxive et anti-
symétrique et transitive.
(1) a) R est réfléxive si et seulement si ∀(x, y) ∈ IR2, (x, y)R(x, y)

(x, y)R(x, y) ⇔ |x − x| ≤ y − y ⇒ 0 ≤ 0 .
D’où T est réfléxive.
b) T est anti-symétrique si et seulement si
∀(x, y), (xJ, yJ) ∈ IR2, ((x, y)T (xJ, yJ)) ∧ ((xJ, yJ)T (x, y)) ⇒ (x, y) = (xJ, yJ)
32 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

(x, y)T (xJ, yJ) ∧ (xJ, yJ)T (x, y)  J J

x | −x | ≤ y −
⇒ y et
 J
|x − x| ≤ y − yJ
⇒ 2|x − xJ| ≤ 0
⇒ |x − xJ| = 0
⇒ x = xJ
⇒ yJ − y ≥ 0 ∧ y − yJ ≥ 0
⇒ yJ − y ≥ 0 ∧ yJ − y ≤ 0
⇒ yJ − y = 0 ⇒ y = yJ.
D’où (x, y) = (xJ, yJ), alors T est anti-symétique.
c) T est transitive si et seulement si
∀(x, y), (xJ, yJ), (x”, y”) ∈ IR2, ((x, y)T (xJ, yJ)) ∧ ((xJ, yJ)T (x”, y”)) ⇒ (x, y)T (x”, y”)

 |x − xJ | ≤ y J −
(x, y)T (xJ, yJ) ∧ (xJ, yJ)T (x”, y”) et
y
⇒  J
|x − x”| ≤ y” − yJ

 −y
etJ + y ≤ x − xJ ≤ yJ − y
⇒ 
−y” + yJ ≤ xJ − x” ≤ y” − yJ
⇒ −y” + y ≤ xJ − x” ≤ y” − y
⇒ |x − x”| ≤ y” − y
⇒ (x, y)T (x”, y”)
D’où T est transitive, alors c’est un relation d’ordre.
L’ordre n’est pas total JcarJ ∃(x, y) = (2, 3) et (xJ, yJ) = (4, 3) tels que si
on suppose que (x, y)T (x , y ) ⇒ |2 − 4| ≤ 0 ce qui absurde.
De plus (xJ, yJ)T (x, y) ⇒ |4 − 2| ≤ 0 faux.
(2) Soit (a, b) ∈ IR2 , déterminons l’ensemble {x, y) ∈ IR2 /(x, y)T (a, b)}.

(x, y)T (a, b) ⇔ |x − a| ≤ b − y

⇔ (x − a) − 2
(y − b) ≤2
0
⇔ [(x − a) + (y − b)][(x − a) − (y − b)] ≤ 0
⇔ [(x − a + y − b) ≥ 0 ∧ (x − a) − (y − b) < 0]
∨ [(x − a + y − b) < 0 ∧ (x − a) − (y − b) ≥ 0].
on pose :
Dp1 : le demi-plan fermé d’équations (x − y − a + b) ≥ 0.
Dp2 : le demi-plan ouvert d’équations (x + y − a − b) < 0.
Dp3 : le demi-plan ouvert d’équations (x − y − a + b) < 0.
 4. EXERCICES CORRIGÉS 33
Dp4 : le demi-plan fermé d’équations (x + y —a − b) ≥ 0.
D’où
(a,˙ b) = {x, y) ∈ IR2 /(x, y)T (a, b)} = (Dp1 ∩ Dp2 ) ∪ (Dp3 ∩ Dp4 )
 CHAPITRE 4

Structures Algébriques avec Exercices Corrigés

1. Lois De Composition Internes

Définition 1.1. Soit G un ensemble, on appelle loi interne sur G toute
application de G × G dans G, on note souvent une loi interne par * ou δ.
Exemple 1.2. (1) L’addition est une loi interne sur IR
+ : IR × IR −→ IR
(a, b) −→ a + b.
(2) L’application
1 1
* : IR − { } −→ IR − { }
2 2
(a, b) −→ a + b − 2ab
est une loi interne dans IR − {12}, en effet : ∀a, b ∈ IR − {12}, montrons que
a + b − 2ab ∈ IR − {21 } plus précisement il faut prouver que a + b − 2ab /= 21 car
il est évident que a1 + b − 2ab ∈ R, on va raisonner par l’absurde on suppose
que a + b − 2ab = , sachant que a /= 1 , et b /= 1 :
2 2 2
1 1 1 1 1
a + b − 2ab = ⇒ a(1 − 2b) + (b − ) = 0 ⇒ ( − b)(2a − 1) = 0 ⇒ a = ∨ b =
2 2 2 2 2
contradiction, alors ce qu’on a supposé est faux c’est à dire a + b − 2ab /= 12 ,
d’où a * b ∈ IR − {21 }, * est une loi interne.
Définition 1.3. Soit G un ensemble et * une loi interne.
(1) * est dite commutative si et seulement si :
∀x, y ∈ G, x * y = y * x.
(2) * est dite associative si et seulement si :
∀x, y, z ∈ G, x * (y * z) = (x * y) * z.
(3) * admet un élement neutre si et seulement si :
∃e ∈ G, ∀x ∈ G, x * e = e * x = x.
(4) Soit x ∈G on dit qu’un élément xJ G est l’élement symétrique ou
inverse de x si et seulement si x * xJ = xJ * x = e, où e∈ G est l’élément
neutre.
35
36 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

2. Groupes
Définition 2.1. On appelle groupe un ensemble G muni d’une loi ou opération
ineterne * telle que :
(1) * admet un élément neutre.
(2) Tout élément de G admet un élément symétrique dans G.
(3) * est associative.
Si de plus * est commutatif, alors (G,*) est un groupe commutatif ou abélien.
Exemple 2.2. (1) (Z, +) est un groupe commutatif.
(2) (IR, ×) n’est pas un groupe car 0 n’admet pas d’élément symétrique.
∗
(3) (IR+ , ×) est un groupe commutatif.
3. Anneaux
Définition 3.1. Soit A un ensemble muni de deux lois de composition internes
*, δ, on dit que (A,*, δ) est un anneau si :
(1) (A,*) est un groupe commutatif.
(2) ∀x, y, z ∈ A,
xδ(y * z) = (xδy) * (xδz) et (x * y)δz = (xδz) * (yδz),
distributivité à gauche et à droite.
(3) δ est associative .
Si de plus δ est commutative, on dit que (A,*, δ) est un anneau commutatif.
Si δ admet un élément neutre, on dit que (A,*, δ) est un anneau unitaire.
Exemple 3.2. (Z, +, ·) est un anneau commutatif et unitaire.
4. Corps
Définition 4.1. Soit IK un ensemble munie de deux lois de composition internes
*, δ, on dit que (IK, *, δ) est un corps si :
(1) (IK, *, δ) est un anneau unitaire.
(2) (IK − {e}, δ) est un groupe , où e est l’élément neutre de *.
Si de plus δ est commutative, On dit que (IK, *, δ) est un corps commutatif.
Exemple 4.2. (IR, +, ·) est un corps commutatif.
 5. EXERCICES CORRIGÉS 37
5. Exercices Corrigés
ExeRcice 12. Soit ∗ une loi définie sur IR par :
x ∗ y = xy + (x2 − 1)(y2 − 1)
(1) Vérifier que ∗ est commutative, non associative et admet un élément neutre.
(2) Résoudre les équations suivantes : 2 ∗ y = 5, x ∗ x = 1.
SolUtion . (1) ∗ est commutative si et seulement si :
∀x, y ∈ IR/x ∗ y = y ∗ x.

x ∗ y = xy + (x2 − 1)(y2 − 1) = yx + (y2 − 1)(x2 − 1) = y ∗ x.

Car le produit et la somme sont commutatives.
(2) ∗ est non associative, on suppose que c’est associative c’est à dire :
∀x, y, z ∈ IR, (x ∗ y) ∗ z = x ∗ (y ∗ z).
(x ∗ y) ∗ z = [xy + (x2 − 1)(y2 − 1)] ∗ z
= (xy + (x2 − 1)(y2 − 1))z + (z2 − 1)([xy + (x2 − 1)(y2 − 1)]2 − 1)
= xyz + (x2 − 1)(y2 − 1)z + (z2 − 1)x2y2 + 2(z2 − 1)(x2 − 1)(y2 − 1)(xy)
+ (z2 − 1)(x2 − 1)2(y2 − 1)2 − (z2 − 1)...(1)
x ∗ (y ∗ z) = x ∗ [yz + (y2 − 1)(z2 − 1)]
= x(yz + (y2 − 1)(z2 − 1)) + (x2 − 1)([yz + (y2 − 1)(z2 − 1)]2 − 1)
= xyz + x(y2 − 1)(z2 − 1) + (x2 − 1)y2z2 + 2(x2 − 1)(y2 − 1)(z2 − 1)(yz)
+ (x2 − 1)(y2 − 1)2(z2 − 1)2 − (x2 − 1)...(2)
contradiction (1) /= (2) d’où ∗ n’est pas associative
(3) ∗ admet un élément neutre si et seulement si
∃e ∈ IR, ∀x ∈ IR/x ∗ e = e ∗ x = x.
On prend juste une seule équation car la loi est commutative.
∀x ∈ IR, x ∗ e = x
∀x ∈ IR, xe + (x2 − 1)(e2 − 1) = x
∀x ∈ IR, (e − 1)(x + (x2 − 1)(e + 1)) = 0
Alors on a

e − 1 = 0
∨

∀x ∈ IR, x + (e + 1)x2 − (e + 1) = 0
On sait qu’un polynôme est nul∀x si tous ses coefficients sont tous nuls, et
comme le coefficient de x est / 1 = 0 on déduit que le polynôme ne peut
s’annuler, d’où e = 1 est vraie. e = 1 est l’élément neutre.
(4) 2 ∗ y = 5 ⇒ 2y + 3(y2 − 1) = 5 ⇒ y = 4/3 ∨ y = −2.
38 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

(5) x ∗ x = 1 ⇒ x2 + (x2 − 1)2 = 0 ⇒ x = 0, x = ±1.

ExeRcice 13. On définit sur G = IR∗ × IR loi interne ∗ comme suit :

∀(x, y), (xJ, yJ) ∈ G, (x, y) ∗ (xJ, yJ) = (xxJ, xyJ + y)

Montrons que (G, ∗) est un groupe non commutatif.

SolUtion . (G, ∗) est un groupe si et seulement si


∗est associative

∗admet un élément neutre
 Tout élément de E admet un inverse dansE

(1) ∗ est associative si et seulement si

∀(x, y), (xJ, yJ), (x”, y”) ∈ G,/[(x, y) ∗ (xJ, yJ)] ∗ (x”, y”) = (x, y) ∗ [(xJ, yJ) ∗ (x”, y”)]?

[(x, y) ∗ (xJ, yJ)] ∗ (x”, y”) = (xxJ, xyJ + y) ∗ (x”, y”)

= (xxJx”, xxJy” + xyJ + y)....(1),

(x, y) ∗ [(xJ, yJ) ∗ (x”, y”)] = (x, y) ∗ (xJx”, xJy” + yJ)

= (xxJx”, xxJy” + xyJ + y)....(2).

(1) = (2) d’où le résultat.

(2) (e, eJ) ∈ G est un élément neutre de G si et seulement si

∀(x, y) ∈ G, (x, y) ∗ (e, eJ) = (e, eJ) ∗ (x, y) = (x, y)

(x, y) ∗ (e, eJ) = (x,

(xe, xeJ + y) = (x, y)
y)
(ex, ey + eJ) = (x, y)
(e, eJ) ∗ (x, y) = (x, ⇒ 
y) xe = x
⇒  xeJ + y = y
ex = x



ey + eJ = y
e = 1 ∈ IR∗, x /= 0
eJ = 0 ∈ IR,
⇒
ainsi (e, eJ) = (1, 0) ∈ G est l’élément neutre.
 5. EXERCICES CORRIGÉS 39
(3) ∀(x, y) ∈ G, ∃(xJ, yJ) ∈ G/(x, y) ∗ (xJ, yJ) = (xJ, yJ) ∗ (x, y) = (e, eJ) = (1, 0).
(x, y) ∗ (xJ, yJ) = (1, (xxJ, xyJ + y) = (1, 0)
0) (xJx, xJy + yJ) = (1, 0)
⇒ J
(xJ, yJ) ∗ (x, y) = (1, xx = 1
0) ⇒  xyJ + y = 0
xJx = 1



xJy + yJ = 0
xJ = 1/x ∈ IR∗, x /= 0
yJ = −y/x ∈ IR, x /= 0
⇒
ainsi le symétrique de (x, y) ∈ G est (xJ, yJ) = (1/x, − y/x) ∈ G, alors (G, )
est un groupe. ∗
(4) ∗ est non commutatif si et seulement si
∃(x, y) = (2, 0) ∈ G, ∃(xJ, yJ) = (1, 1) ∈ G/(x, y) ∗ (xJ, (xJ, yJ) ∗ (x, y).
J
y)
(2, 0) ∗ (1, 1) = (2, 2) ...(1)
(1, 1) ∗ (2, 0) = (2, 1) ...(2)
on remarque que (1) /= (2), alors (G, ∗) est un groupe non commutatif.
ExeRcice 14. On définit sur Z2 les deux lois ⊕, Ⓢ comme suit :
∀(x, y), (xJ, yJ) ∈ IR2, (x, y) ⊕ (xJ, yJ) = (x + xJ, y + yJ),

∀(x, y), (xJ, yJ) ∈ IR2, (x, y) Ⓢ (xJ, yJ) = (xxJ, xyJ + yxJ).
Montrer que (Z2, ⊕, Ⓢ) est anneau commutatif.
2
 Sol Ution . (Z , ⊕, Ⓢ) est anneau commutatif si et seulement si :
2
 (Z , ⊕) est un groupe abélien
Ⓢ est associative et distributive par rapport à loi ⊕ .

Ⓢ est une loi commutatif
(1) (Z2, ⊕) est un groupe abélien :
a: ⊕ est commutative :
∀(x, y), (xJ, yJ) ∈ IR2,
(x, y) ⊕ (xJ, yJ) = (x + xJ, y + yJ) = (xJ + x, yJ + y) = (xJ, yJ) ⊕ (x, y).

b: ⊕ est associative :
∀(x, y), (xJ, yJ), (x”, y”) ∈ IR2 ,

[(x, y) ⊕ (xJ, yJ)] ⊕ (x”, y”) = (x + xJ, y + yJ) ⊕ (x”, y”) = (x + xJ + x”, y + yJ + y”)...(1)
(x, y) ⊕ [(xJ, yJ) ⊕ (x”, y”)] = (x, y) ⊕ (xJ + x”, yJ + y”) = (x + xJ + x”, y + yJ + y”)...(2)
(1) = (2) d’où le résultat.
40 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

c: Il existe e = (e1, e2) ∈ Z2 tel que :

(e1, e2) ⊕ (x, y) = (x, y) ⊕ (e1, e2) = (x, y)
Puisque ⊕est commutative on traite une seul équation :

(x, y) ⊕ (e1, e2) = (x, y) =⇒ (x + e1, y + e2) = (x, y)

x + e1 = x
Alors y + e2 = y e1 = 0 2
= e2 = 0 e = (0, 0) ∈ Z est l’élément
neutre de ⊕. ⇒
d: Chaque élément de Z possède un élément symétrique dans Z2, ∀(x, y) ∈
2

Z2, ∃(xJ, yJ) ∈ Z2 :

(x, y) ⊕ (xJ, yJ) = (0, 0), (xJ, yJ) ⊕ (x, y) = (0, 0),
il suffit de prendre xJ = −x, yJ = −y ainsi (−x, −y) ∈ Z2 est l’élément
symétrique de (x, y) ∈ Z2.
Sachant a,b,c,d (Z2, ⊕) est un groupe commutatif.
(2) – Ⓢ est associative : ∀(x, y), (xJ, yJ), (x”, y”) ∈ IR2,

[(x, y)Ⓢ(xJ, yJ)]Ⓢ(x”, y”) = (xxJ, xyJ+yxJ)Ⓢ(x”, y”) = (xxJx”, xxJy”+xyJx”+yxJx”)...(1)

(x, y)Ⓢ[(xJ, yJ)Ⓢ(x”, y”)] = (x, y)Ⓢ(xJx”, xJy”+yJx”) = (xxJx”, xxJy”+xx”yJ+yxJx”)...(2)
(1) = (2) d’où le résultat.
– Ⓢ distributive par rapport à ⊕ : ∀(x, y), (xJ, yJ), (x”, y”) ∈ IR2,

(x, y) Ⓢ [(xJ, yJ) ⊕ (x”, y”)] = [(x, y) Ⓢ (xJ, yJ)] ⊕ [(x, y) Ⓢ (x”, y”],
[(x, y) ⊕ (xJ, yJ)] Ⓢ (x”, y”) = [(x, y) Ⓢ (x”, y”)] ⊕ [(xJ, yJ) Ⓢ (x”, y”)].
Montrons que :
(x, y) Ⓢ [(xJ, yJ) ⊕ (x”, y”)] = [(x, y) Ⓢ (xJ, yJ)] ⊕ [(x, y) Ⓢ (x”, y”],
On a :
(x, y) Ⓢ [(xJ, yJ) ⊕ (x”, y”)] = (x, y) Ⓢ [xJ + x”, yJ + y”]
Ainsi
(x, y) Ⓢ [(xJ, yJ) ⊕ (x”, y”)] = (xxJ + xx”, xyJ + xy” + yxJ + yx”)...(3)

[(x, y) Ⓢ (xJ, yJ)] ⊕ [(x, y) Ⓢ (x”, y”] = (xxJ, xyJ + yxJ) ⊕ (xx”, xy” + yx”).
De plus
[(x, y) Ⓢ (xJ, yJ)] ⊕ [(x, y) Ⓢ (x”, y”] = (xxJ + xx”, xyJ + yxJ + xy” + yx”)...(4)
d’où (3) = (4).
Montrons que :
[(x, y) ⊕ (xJ, yJ)] Ⓢ (x”, y”) = [(x, y) Ⓢ (x”, y”)] ⊕ [(xJ, yJ) Ⓢ (x”, y”)].
 5. EXERCICES CORRIGÉS 41
On a :
[(x, y)⊕(x , y )]Ⓢ(x”, y”) = (x+xJ, y+yJ)Ⓢ(x”, y”) = (xx”+xJx, xy”+xJy”+yx”+yJx”)...(5)
J J

[(x, y) Ⓢ (x”, y”)] ⊕ [(xJ, yJ) Ⓢ (x”, y”)] = (xx”, xy” + yx”) ⊕ (xJx”, xJy” + yJx”),
[(x, y) Ⓢ (x”, y”)] ⊕ [(xJ, yJ) Ⓢ (x”, y”)] = (xx” + xJx”, xy” + yx” + xJy” + yJx”)...(6)
d’où (5) = (6).
(3) Ⓢ est commutatif : ∀(x, y), (xJ, yJ) ∈ IR2,
(x, y) Ⓢ (xJ, yJ) = (xxJ, xyJ + yxJ)...(7)
(xJ, yJ) Ⓢ (x, y) = (xJx, xJy + yJx) = (xxJ, xyJ + yxJ)..(8) = (7)
d’où le résultat.
 CHAPITRE 5

Notion de IK− Espaces vectoriels(IK étant un Corps

Commutatif) avec Exercices Corrigés

1. Espace vectoriel et sous espace vectoriel

Soit IK un corps commutatif (généralement c’est IR ou C) et soit E un ensemble
non vide muni d’une opération interne notée (+) :
(+) : E × E → E

(x, y) → x + y
et d’une opération externe notée (·) :
(·) : IK × E → E

(λ, x) → λ · x
Définition 1.1. Un espace vectoriel sur le corps IK ou un IK− espace vectoriel
est un triplet (E, +, ·) tel que :
(1) (E, +) est un groupe commutatif.
(2) ∀λ ∈ IK, ∀x, y ∈ E, λ · (x + y) = λ · x + λ · y
(3) ∀λ, µ ∈ IK, ∀x ∈ E, (λ + µ) · x = λ · x + µ · x
(4) ∀λ, µ ∈ IK, ∀x ∈ E, (λ · µ) · x = λ(µ.x)
(5) ∀x ∈ E, 1IK · x = x
Les éléments de l’espace vectoriel sont appelés des vecteurs et ceux de IK des sca-
laires.
PRoposition 1.2. Si E est IK − espace vectoriel, alors on a les propriétés sui-
vantes :
(1) ∀x ∈ E, 0IK · x = 0E
(2) ∀x ∈ E, −1IK · x = −x
(3) ∀λ ∈ IK, λ · 0E = 0E
(4) ∀λ ∈ IK, ∀x, y ∈ E, λ · (x − y) = λ · x − λ · y
(5) ∀λ ∈ IK, ∀x ∈ E, x · λ = 0E ⇔ x = 0E ∨ λ = 0IK
Exemple 1.3. (1) (IR, +, .) est un IR− espace vectoriel, (C, +, .) est un C−e.v.
43
454. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
(2) Si on considère IR2 muni des deux opérations suivante
(+) : IR2 × IR2 → IR2, (.) : IR × IR2 → IR2
((x, y), (xJ, yJ)) → (x + xJ, y + yJ), (λ, (x, y)) → (λ · x, λ · y)
on peut facilement montrer que (IR2, +, ·) est un IR−e.v.
Définition 1.4. Soit (E, +, )· un IK −espace vectoriel et soit F un sous ensemble
non vide de E, on dit que F est sous espace vectoriel si (F, +,· ) est aussi un IK
− espace
vectoriel.
RemaRqUe 1.5. Lorsque (F, +, ·) est IK− sous espace vectoriel de (E, +, ·), alors
0E ∈ F.
Si 0E ∈/ F alors (F, +, ·) ne peut pas être un IK− sous espace vectoriel de (E, +, ·).
ThéoRème 1.6. Soit (E, +, · ) un IK− espace vectoriel et F E, F non vide on
a les équivalences suivantes : ⊂
(1) F est un sous espace vectoriel de E.
(2) F est stable par l’addition et par la multiplication c’est à dire :
∀x, y ∈ F, ∀λ ∈ IK, x + y ∈ F, λ.x ∈ F.
(3) ∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F, d’où :
F ∅,
F est s.e.v ⇔
∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F
(4) ∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F, d’où :
0E ∈ F,
F est s.e.v ⇔
∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F
Exemple 1.7. (1) {0E}, E sont des sous espace vectoriel de E.
(2) F = {(x, y) ∈ IR2/x + y = 0} est un sous espace vectoriel car ;
– 0E = 0IR2 = (0, 0) ∈ F ⇒ F /= ∅.
– ∀(x, y), (xJ, yJ) ∈J F, λ, µ ∈J IR? montrons que λ(x, y) + µ(xJ, yJ)∈?F ; c’est
à dire (λx + µx , λy + µy )∈ F
λx + µxJ + λy + µyJ = λ(x + y) + µ(xJ + yJ) = λ.0 + µ.0 = 0,
car (x, y) ∈ F ⇒ x + y = 0, et (xJ, yJ) ∈ F ⇒ xJ + yJ = 0.
Ainsi λ(x, y) + µ(xJ, yJ) ∈ F, F est sous espace vectoriel de IR2.
(3) F = {(x + y + z, x − y, z)/x, y, z ∈ IR} est un s.e.v de IR3, en effet,
– 0 3I = (0, 0, 0) ∈ F car (0, 0, 0) = (0 + 0 + 0, 0 − 0, 0) ⇒ F /= ∅.
?
– ∀X,R Y ∈ F, λ, µ ∈ IR montrons que λX + µY ∈ F ; on a :
X ∈ F ⇔ ∃(x, y, z) ∈ IR3/X = (x + y + z, x − y, z),
Y ∈ F ⇔ ∃(xJ, yJ, zJ) ∈ IR3/Y = (xJ + yJ + zJ, xJ − yJ, zJ),
λX + µY = (λx + λy + λz, λx − λy, λz) + (µxJ + µyJ + µzJ, µxJ − µyJ, µzJ)
 4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES 45
λX + µY = ((λx + µxJ) + (λy + µyJ) + (λz + µzJ), (λx + µxJ) − (λy + µyJ), λz + µz)
d’où ∃xJJ = λx + µxJ ∈ IR, ∃yJJ = λy + µyJ ∈ IR, ∃zJJ = λz + µzJ ∈ IR,
ainsi
λX + µY = (xJJ + yJJ + zJJ, xJJ − yJJ, zJJ) ∈ F.
ThéoRème 1.8. L’intersection d’une famille non vide de s.e.v est un sous espace
vectoriel.
RemaRqUe 1.9. La réunion de deux s.e.v n’est pas forcément un s.e.v.
Exemple 1.10. E1 = {(x, 0) ∈ IR2}, E2 = {(0, y) ∈ IR2}, E1 ∪ E2n’est un s.e.v car
U1 = (1, 0), U2 = (0, 1) ∈ E2 et U1 + U2 = (1, 1) ∈/ E1 ∪ E2 , car (1, 1) ∈/ E1 ∧ (1, 1) ∈/
E2 .
2. Somme de deux sous espaces vectoriels
Soit E1, E2 deux sous espaces vectoriels d’un IK −e.v E, on appelle somme de deux
espaces vectoriels, E1 et E2 et on note E1 + E2 l’ensemble suivant :
E1 + E2 = {U ∈ E/∃U1 ∈ E1, ∃U2 ∈ E2/U = U1 + U2}.
PRoposition 2.1. La somme de deux s.e.v de E1 et E2 (d’un même IK-e.v) est
un s.e.v de E contenant E1 ∪ E2, i.e., E1 ∪ E2 ⊂ E1 + E2.
3. Somme directe de deux sous espaces vectoriels
On dira que la somme E1 + E2 est directe si ∀U = U1 + U2 , il exListe un unique
vecteur U1 ∈ E1, un unique vecteur U2 ∈ E2, U = U1 + U2, on note E1 E 2.
ThéoRème 3.1. Soit E1, E2 deux s.e.v d’un même IK−e.v E la somme E1 + E2
est directe si E1 ∩ E2 = {0E}.
3.1. Sous espace supplémentaires. Soient E1 et E2 deux s.e.v d’un même
L
IK−e.v E, on dit que E1 et E2 sont supplémentaires si E1 E2 = E
L
Exemple 3.2. E1 = {(x, 0) ∈ IR2} , E2 = {(0, y) ∈ IR2} , E1 E2 = IR2, E1 et E2
sont supplémentaires.
4. Familles génératrices, familles libres et bases
Dans la suite, on désignera l’espace vectoriel (E, +, ·) par E.
Définitions 4.1. Soit E un e.v et e1, e2..., en des éléments de E,
(1) On dit que {e1, e2..., en} sont libres ou linéairement independents, si ∀λ1, λ2, ..., λn ∈
IK
λ1e1 + λ2e2 + ... + λnen = 0 ⇒ λ1 = λ2 = ... = λn = 0, solution unique.
Dans le cas contraire, on dit qu’ils sont liés.
(2) On dit que {e1, e2..., en} est une famille génératrice de E, ou que E est engen-
dré par {e1, e2..., en} si ∀x ∈ E, ∃λ1, λ2, ..., λn ∈ IK/
x = λ1e1 + λ2e2 + ... + λnen.
 456. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
(3) Si {e1, e2..., en } est une famille libre et génératrice de E, alors {e1, e2..., en }
est appelée une base de E.
RemaRqUe 4.2. Dans un espace vectoriel E, tout vecteur non nul est libre.
ThéoRème 4.3. Si {e1, e2..., en} et {e , 1e ..., } sont deux bases de l’espace vec-
J J J

2 e m
toriel E, alors n = m. En d’autre termes, si un espace vectoriel admet une base
alors toutes les bases de E ont le même nombre d’éléments (ou même cardinal), ce
nombre la ne dépend pas de la base mais il dépend seulement de l’espace E. D’où la
définition suivante.
Définition 4.4. Soit E un IK — espace vectoriel de base B = {e1, e2..., en }, alors
dim(E) = Card(B).
où dim(E) : est la dimension de E et Card(B) : est le cardinal de B.
RemaRqUe 4.5. donc chercher une base pour un espace vectoriel c’est trouver
une famille de vecteurs dans E, qui forment un famille libre et génératrice de E, le
nombre d’éléments de cette famille représente dimE.
Exemple 4.6. (1) Cherchons une base de IR3, il faut trouver une famille de
vecteurs dans IR3 qui engendre IR3 et qui soit libre :
∀(x, y, z) ∈ IR3, (x, y, z) = (x, 0, 0)+(0, y, 0)+(0, 0, z) = x(1, 0, 0)+y(0, 1, 0)+z(0, 0, 1).
En posant, e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) on voit bien que {e1, e2, e3}
est une famille génératrice, et aussi libre en effet ; si ∀λ1, λ2, λ3 ∈ IK :
λ1e1+λ2e2+λ3e3 = (0, 0, 0) ⇒ λ1(1, 0, 0)+λ2(0, 1, 0)+λ3(0, 0, 1) = (λ1, λ2, λ3) = (0, 0, 0).
{e1, e2, e3} est appelée base canonique de IR3.
(2) Montrons que les f1 = (1,− 1), f2 = (1, 1) il forment une base de IR2, montrons
que
(a) {f1, f2} est génératrice ⇔ ∀(x, y) ∈ IR2, ∃λ1, λ2 ∈ IR,
(x, y) = λ1f1 + λ2f2, (x, y) = (λ1 + λ2, λ2 − λ1)
ainsi
λ x + y, x−y
λ = =
2 1
2 2,
donc {f1, f2} est génératrice.
(b) {f1, f2} est libre ∀λ1, λ2 ∈ IR,
λ1f1 + λ2f2 = 0IR2 ⇒ (λ1 + λ2, λ2 − λ1) = (0, 0) ⇒ 2λ2 = 0 ⇒ λ2 = λ1 = 0.
ThéoRème 4.7. Soit E un espace vectoriel de dimension n :
(1) Si { e1, e2..., en } est base de E ⇔ {e1, e2..., en } est génératrice ⇔ {e1, e2..., en }
est libre.
(2) Si {e1, e2..., ep} sont p vecteur dans E, avec p > n, alors {e1, e2..., ep} ne peut
être libre, de plus si {e1, e2..., ep} est génératrice, alors il existe n vecteurs
parmis {e1, e2..., ep} forment une base E.
 4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES 45
(3) Si {e1, e2..., ep } sont p vecteur dans E, avec p < n, alors {e1, e2..., ep } ne peut
être génératrice de plus si{ e1, e2..., e}p est libre, alors il existe (n− p) vecteur
parmis {ep+1, ep+2, ..., en dans
} E tels que e1, e{2..., ep, ep+1, ..., en est une
} base pour
E.
(4) Si F est un sous espace vectoriel de E alors dimF ≤ n, et de plus dimF =
n ⇔ E = F.
Exemple 4.8. (1) Dans l’exemple précédent f1 = (1, − 1), f2 = (2, 1) pour
montrer que {f1, f2 } forme une base de IR2, il suffit de montrer que {f1, f2 }
est soit libre ou génératrice.( cette propriété est vraie dans le cas des espaces
vectoriels de dimensions finies).
(2) Pour montrer que {(1, 1, 1), (1, 1, 0), (0, 1, −1)} est une base de IR3 , il suffit
de montrer qu’elle est libre ou génératrice car dimIR3 = 3, {f1, f2} est libre
car :
∀λ1, λ2, λ3 ∈ IR, λ1(1, 1, 1) + λ2(1, 1, 0) + λ3(0, 1, −1) = (0, 0, 0)
 
λ1 + λ2 = 0
⇔  λ 1 + λ2 + λ3 =  λ1 = 0
0 ⇔  λ2 = 0
 λ3 = 0 (solution unique)
λ1 − λ3 = 0
donc {(1, 1, 1), (1, 1, 0), (0, 1, −1)} est une base de IR3 .
(3) Cherchons une base pour F = { (x + y, x − z, −y − z)/x, y, z ∈IR }, comme
⊂ 3 alors dimF 3, ≤
F IR donc la base de F ne possède pas plus de trois
vecteur.
(x + y, x − z, y − z) = x(1, 1, 0) + y(1, 0, −1) + z(0, −1, −1)
ainsi v1 = (1, 1, 0), v2 = (1, 0,—1), v3 = (0, 1, − 1) forment une famille géné-
ratrice pour F, si cette famille est libre, alors elle formera une base pour
F.
∀λ1, λ2, λ3 ∈ IR,
λ1(1, 1, 0) + λ2(1, 0, −1) + λ3(0, −1, −1) = (0, 0, 0)

 λ1 + λ2 λ2 = −λ1
⇔
=0
⇔ −1
3 λ3 = λ1
 λ λ =0
Donc { (1, 1, 0), (1, 0, −λ 2 − λ3 −
−1), (0, =1,0−1) } n’est pas libre, mais d’après le théorème
précédent, on peut extraire de cette famille une base de F, pour le faire on
doit chercher deux vecteurs de famille qui sont libres, si on les trouve alors il
forment une base pour F, si on ne trouve pas on prend un vecteur non nul et
ce vecteur sera une base pour F. Prenons par exemple {v1, v2}

 λ1 + λ2
λ1(1, 1, 0) + λ2(1, 0, −1) = (0, 0, 0) λ1 = 0 ⇒ λ1 = λ2 = 0,
=0

⇔ −λ 2 = 0
458. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
ainsi
CORRIGÉS {v1, v2} est une base pour F et dimF = 2
 4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES 45
5. Notion d’Application Linéaire
5.1. Généralités.
Définition 5.1. (1) Soit (E, +, )· et (F, +, )· deux IK −espaces vectoriels et
soit f une application de E dans F, on dit que f est une application linéaire
si et seulement si :
∀x, y ∈ E, ∀λ ∈ IK, f (x + y) = f (x) + f (y)etf (λ · x) = λ · f (x),
où d’une manière équivalente :
∀x, y ∈ E, ∀λ, µ ∈ IK, f (λx + µy) = λf (x) + µf (y).
(2) Si de plus f est bijective, on dit alors que f est un isomorphisme de E dans
F.
(3) Une application linéaire de (E, +, ·) dans (E, +, ·) est dite un endomorphisme.
(4) Un isomorphisme de (E, +, )· dans (E, +, ) est
· aussi appelé un automorphisme
de E dans E.
Exemple 5.2. (1) L’application
f1 : IR2 −→ IR
(x, y) −→ x − y
est une application linéaire, car : ∀(x, y), (xJ, yJ) ∈ IR2, ∀λ, µ ∈ IR,
f1(λ(x, y) + µ(xJ, yJ)) = f1(λx + µxJ, λy + µyJ) = λx + µxJ − (λy + µyJ)
⇒ f1(λ(x, y) + µ(xJ, yJ)) = λ(x − y) + µ(xJ − yJ) = λf1(x, y) + µf1(xJ, yJ).
(2) L’application
f2 : IR3 −→ IR3
(x, y, z) −→ (−x + y, x − 5z, y)
est une application linéaire, car : ∀(x, y, z), (xJ, yJ, zJ) ∈ IR3, ∀λ, µ ∈ IR,
f2(λ(x, y, z) + µ(xJ, yJ, zJ)) = f2(λx + µxJ, λy + µyJ, λz + µzJ)
⇔ f2(λ(x, y, z) + µ(xJ, yJ, zJ)) = (−λx − µxJ + λy + µyJ, µxJ + µxJ − 5λy − 5µyJ, λy + µyJ)
⇔ f2(λ(x, y, z) + µ(xJ, yJ, zJ)) = (−λx + λy, λx − 5λz, λy) +(−µxJ + µyJ, µxJ − 5µzJ, λyJ).
⇔ f2(λ(x, y, z)+µ(xJ, yJ, zJ)) = λ(−x+y, x−5z, y)+µ(−xJ+yJ, xJ−5zJ, yJ) = λf2(x, y, z)+µf2(xJ, yJ, zJ).
(3) L’application
f3 : IR −→ IR
x −→ −3x
est isomorphisme, en effet,f3 est linèaire car :
∀x, y ∈ IR, ∀λ, µ ∈ IR, f3(λx + µy) = −3λx − 3µy = λf3(x) + µf3(y),
RemaRqUe 5.3. On peut montrer facilement la somme de deux applications li-
néaires est une application linéaire, aussi le produit d’une application linéaire par un
scalaire et la composée de deux applications linéaires est une application linéaire.
460. NOTION DE IK− ESPACES
5. NOTION D’APPLICATION
VECTORIELS(IK LINÉAIRE
ÉTANT UN 49
CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
PRoposition 5.4. Soit f une application linéaire de E dans F.
1.)f (OE ) = OF , 2.)∀x ∈ E, f (−x) = −f (x).
PREUVE. On a,
1.)f (OE) = f (OE + OE) = f (OE) + f (OE) ⇒ f (OE) = OF .
2.)f (−x) + f (x) = f (−x + x) = f (OE ) = OF ⇒ f (−x) = −f (x).
Définition 5.5. Soit f une application linéaire de E dans F.
(1) On appelle image de f et on note Imf l’ensemble défini comme suit
Imf = {y ∈ F/∃x ∈ E : f (x) = y} = {f (x)/x ∈ E}.
(2) On appelle noyau de f et on note ker f l’ensemble défini comme suit :
ker f = {x ∈ E/f (x) = OF },
On note parfois ker f, par f −1({0}).
PRoposition 5.6. Si f est une application linéaire de E dans F,alors si dimImf =
n < + ∞, alors n est appelé rang de f et on note rg(f ).
Imf et ker f sont des sous espaces vectoriels de E.
Exemple 5.7. (1) Déterminons le noyau de l’application f1,
ker f = {(x, y) ∈ IR2 /f (x, y) = 0} = {(x, y) ∈ IR2 /x+2y = 0} = {(x, y) ∈ IR2 /x = −2y}
ainsi
ker f = {(−2y, y)/y ∈ IR} = {y(−2, 1)/y ∈ IR}
donc le ker f est un sous espace vectoriel engendré par u = (−2, 1) donc il est
de dimension 1, et sa base est {u}.
(2) Cherchons l’image de
f2 : IR3 −→ IR3
(x, y, z) −→ (−x + y, x − z, y)
Imf2 = {f (x, y, z)/(x, y, z) ∈ IR3 } = {(−x + y, x − z, y)/(x, y, z) ∈ IR3 }
Imf2 = {x(−1, 1, 0) + y(1, 0, 1) + z(0, −1, 0)/(x, y, z) ∈ IR3 }
donc Imf2 est un s.e.v de IR3 engendré par ( { 1, − 1, 0), (1, 0, 1), (0, −1, 0)} il
est facile de montrer que cette famille est libre et donc il forment une base de
IR3 donc dimImf2 = 3, rg(f2) = 3, Imf = IR3.
PRoposition 5.8. Soit f une application linéaire de E dans F on a les équiva-
lences suivantes :
(1) f est surjective ⇔ Imf = F.
(2) f est injective ⇔ ker f = {0E}.
 6. EXERCICES CORRIGÉS 51

Exemple 5.9. Dans l’exemple Imf2 = IR3 donc f2 est surjective, montrons que
f2 est injective
ker f2 = {(x, y, z) ∈ IR3/f2(x, y, z) = (0, 0, 0)},
⇒ ker f2 = {(x, y, z) ∈ IR3/(−x + y, x − z, y) = (0, 0, 0)} ⇒ x = y = z = 0
donc ker f2 = {(0, 0, 0)}, ainsi f2 est bijective.
5.2. Application Linéaire sur des espace de dimension finies.
PRoposition 5.10. Soit E et F deux IK espace vectoriels et f, g deux applications
linéaires de E dans F. Si E est de dimension finie n et {e1, e2, ..., en} une base de E,
alors ∀k ∈ {1, 2, .., n}, f (ek) = g(ek) ⇔ ∀x ∈ E, f (x) = g(x).
PREUVE. L’implication (⇐) est evidente.
Pour (⇒ ) on a E est engendré par { e1, e2, ..., en} , donc ∀x ∈ E, ∃λ1, λ2, ..., λn IK, x =
λ1e1 + λ2e2 + ... + λnen, comme f et∈g sont linéaires, alors
f (x) = f (λ1e1 + λ2e2 + ... + λnen) = λ1f (e1) + λ2f (e2) + ... + λnf (en),

g(x) = g(λ1e1 + λ2e2 + ... + λnen) = λ1g(e1) + λ2g(e2) + ... + λng(en),

donc si on suppose que ∀k ∈ {1, 2, .., n} , f (ek) = g(ek) donc on déduit que ∀x
E, f (x) = g(x). ∈

RemaRqUe 5.11. Pour que deux applications linéaires f et g de E dans F soient

égales il suffit qu’elles coincident sur la base du IK− espace vectoriel E.
Exemple 5.12. Soit g une application de IR2 dans IR2 telle que
g(1, 0) = (2, 1), g(0, 1) = (−1, −1)
alors déterminons la valeur de g en tous points de IR2, en effet on a :
∀(x, y) ∈ IR2, (x, y) = x(1, 0) + y(0, 1)

g(x, y) = g(x(1, 0)+y(0, 1)) = xg(1, 0)+yg(0, 1) = x(2, 1)+y(−1, −1) = (2x− y, x− y)
ainsi g(x, y) = (2x − y, x − y).
ThéoRème 5.13. Soit f une application linéaire de E dans F avec dimension de
E est finie, on a :
dimE = dim ker f + dimIm(f
)
Exemple 5.14. On a montré que dim ker f1 = 1 avec f1 définie
f1 : IR2 −→ IR

(x, y) −→ x + 2y
comme dimIR2 = 2 ⇒ dimIm(f ) = dimIR2 − dim ker f1 = 2 − 1 = 1.
5. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
PRoposition 5.15. Soit f une application linéaire de E dans F avec dimE =
dimF = n. On a alors les équivalences suivantes :
fest isomorphisme ⇔ fest surjective ⇔ fest injective

⇔ dimIm(f ) = dimF ⇔ Imf = F ⇔ dim ker f = 0 ⇔ ker f = {0E},

de cette proposition, on déduit que si f est un isomorphisme de E dans F avec dimE
finie alors nécessairement dimE = dimF en d’autres termes si dimE dimF alors f
ne peut être un isomorphisme.
Exemple 5.16. (1) L’application f1 n’est pas un isomorphisme car dimIR2 /=
dimIR.
(2) Soit g(x, y) = (2x —y, x − y), g définie de IR2 dans IR2 on a,dimIR2 = dimIR2
est un isomorphisme car dim ker g = 0 en effet :
ker g = {(x, y) ∈ IR2/(2x − y, x − y) = (0, 0)} = {(0, 0)},
c’est même un automorphisme.

6. Exercices Corrigés
ExeRcice 15. On considère dans IR3, le sous ensemble F défini par :
F = {(x, y, z) ∈ IR3/2x + y − z = 0}
(1) Montrer que F est un sous espace vectoriel de IR3.
(2) Donner une base de F, quelle est sa dimension ?
(3) F est-il égale à IR3 ?
SolUtion . (1) :
F /= ∅,
F est s.e.v ⇔
∀X, Y ∈ F, ∀λ, µ ∈ IR, λ.X + µ.Y ∈ F
– 0IR3 = (0, 0, 0) ∈ F ⇒ F /= ∅, car 2.0 + 0 − 0 = 0.
– ∀X = (x, y, z), Y = (xJ , y J , z J ) ∈ F, λ, µ ∈ IR montrons que :
?
λ(x, y, z) + µ(xJ, yJ, zJ)∈ F,
c’est à dire (λx + µxJ, λy + µyJ, λz + µzJ)∈?F
2(λx + µxJ) + (λy + µyJ) − (λz + µzJ) = λ(2x + y − z) + µ(2xJ + yJ − zJ) = λ.0 + µ.0 = 0,
car :
(x, y, z) ∈ F ⇒ 2x + y − z = 0,
et (xJ, yJ; zJ) ∈ F ⇒ 2xJ + yJ − zJ = 0.
Ainsi λ(x, y, z) + µ(xJ, yJ, zJ) ∈ F, F est sous espace vectoriel de IR3.
 6. EXERCICES CORRIGÉS 51

(2) Base de F : soit X ∈ F ⇔ 2x + y − z = 0 ⇒ z = 2x + y,

X = (x, y, z) = (x, y, 2x + y) = x(1, 0, 2) + y(0, 1, 1),
ainsi
F = {(x, y, z) ∈ IR3/2x + y − z} = {x(1, 0, 2) + y(0, 1, 1)/x, y ∈ IR}.
D’où F est engendré par {v1 = (1, 0, 2), v2 = (0, 1, 1) , montrons
} que cette
famille est libre si et seulement si
∀λ1, λ2 ∈ IR, λ1v1 + λ2v2 = (0, 0, 0) ⇒ λ1 = λ2 = 0.
λ1(1, 0, 2) + λ2(0, 1, 1) = (0, 0, 0) ⇒ (λ1, λ2, 2λ1 + λ2) = (0, 0, 0)
d’où le résultat. Alors la dimension de F est égale à 2, car {v1, v2 } est une
base ( libre et génératrice) de IR3.
(3) F /= IR3 car dim F = 2 3 = dim IR3.
ExeRcice 16. On considère dans IR3, le sous ensemble F défini par :
F = {(x − y, 2x + y + 4z, 3y + 2z)/ x, y, z ∈ IR}
(1) Montrer que F est un sous espace vectoriel de IR3.
(2) Donner une base de F, quelle est sa dimension ?
(3) F est-il égale à IR3 ?
SolUtion . (1) – (0, 0, 0) ∈ F car (0, 0, 0) = (0 − 0, 2.0 + 0 + 4.0, 3.0 +
2.0) ⇒ F /= ∅.
– ∀X, Y ∈ F, λ, µ ∈ IR montrons que λX + µY ∈? F ; on a :
X ∈ F ⇔ ∃(x, y, z) ∈ IR3/X = (x − y, 2x + y + 4z, 3y + 2z),
Y ∈ F ⇔ ∃(xJ, yJ, zJ) ∈ IR3/Y = (xJ − yJ, 2xJ + yJ + 4zJ, 3yJ + 2zJ),
λX + µY = (λx + λy + λz, λx − λy, λz) + (µxJ + µyJ + µzJ, µxJ − µyJ, µzJ)
λX+µY = ((λx+µxJ)−(λy+µyJ), 2(λx+µxJ)+(λy+µyJ)+4(λz+µz), 3(λy+µyJ)+2(λz+µz)
d’où ∃xJJ = λx + µxJ, ∃yJJ = λy + µyJ, ∃zJJ = λz + µzJ, ainsi
λX + µY = (xJJ − yJJ+, 2xJJ + yJJ + 4zJJ, 3yJJ + 2zJJ) ∈ F.
(2) Base de F : soit X ∈ F ⇔ ∃(x, y, z) ∈ IR3/X = (x − y, 2x + y + 4z, 3y + 2z),
X = (x − y, 2x + y + 4z, 3y + 2z) = x(1, 2, 0) + y(−1, 1, 3) + y(0, 4, 2), ainsi
F = {x(1, 2, 0) + y(−1, 1, 3) + y(0, 4, 2)/x, y, z ∈ IR}.
D’où F est engendré par {v1 = (1, 2, 0), v2 = ( −1, 1, 3), v3 = (0, 4, 2)} ,
mon- trons que cette famille est libre si et seulement si
∀λ1, λ2, λ3 ∈ IR, λ1v1 + λ2v2 + λ3v3 = (0, 0, 0) ⇒ λ1 = λ2 = λ3 = 0.
λ1(1, 2, 0)+λ2(−1, 1, 3)+λ3(0, 4, 2) = (0, 0, 0) ⇒ (λ1−λ2, 2λ1+λ2+4λ3, 3λ2+2λ3) = (0, 0, 0)

 λ1 = λ2,
⇒ 3λ + 4λ = ⇒ 2λ3 = 0 ⇒ λ1 = λ2 = 0.
0, 2
 3
3λ2 + 2λ3,
{ }
d’où le résultat. Alors la dimension de F est égale à 3, car v1, v2, v3 est une
base ( libre et génératrice) de IR3.
5. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
(3) F = IR3 car dim F = 3 = dim IR3.
ExeRcice 17. On considère dans IR4, le sous ensemble F défini par :
F = {(x, y, z, t) ∈ IR4/(x + z = 0) ∧ (y + t = 0)}
(1) Montrer que F est un sous espace vectoriel de IR3.
(2) Donner une base de F, déduire sa dimension.
SolUtion . (1) – (0, 0, 0, 0) ∈ F ⇒ F /= ∅, car (0 + 0 = 0) ∧ (0 + 0 = 0).
– ∀X = (x, y, z, t), Y = (xJ , y J , z J , tJ ) ∈ F, λ, µ ∈ IR montrons que :
?
λ(x, y, z, t) + µ(xJ, yJ, zJ, tJ)∈ F,
c’est à dire (λx + µxJ, λy + µyJ, λz + µzJ, λt + µtJ)∈?
F X ∈ F ⇒ (x + z = 0) ∧ (y + t = 0)
Y ∈ F ⇒ (xJ + zJ = 0) ∧ (yJ + tJ = 0)
λ(x + z) = 0 ∧ µ(xJ + zJ) = 0 ⇒ λx + µxJ + λz + µzJ = 0
⇒ ∧

λ(y + t) = 0 ∧ µ(yJ + tJ) = 0 ⇒ λy + µyJ + λt + µtJ = 0
ainsi λx + µxJ + λz + µzJ = 0 ∧ λy + µyJ + λt + µtJ = 0 c’est dire
λ(x, y, z, t) + µ(xJ, yJ, zJ, tJ) ∈ F d’où le résultat.
(2) Base de F : soit X ∈ F ⇔ x = −z ∧ y = −t,
X = (x, y, z, t) = (x, y, −x, −y) = x(1, 0, −1, 0) + y(0, 1, 0, −1), ainsi
F = {x(1, 0, −1, 0) + y(0, 1, 0, −1)/x, y ∈ IR}.
D’où F est engendré par { v1 = (1, 0, − 1, 0), v2 = (0, 1, 0, − 1)}, montrons que
cette famille est libre si et seulement si
∀λ1, λ2 ∈ IR, λ1v1 + λ2v2 = (0, 0, 0, 0) ⇒ λ1 = λ2 = 0.
λ1(1, 0, −1, 0) + λ2(0, 1, 0, −1) = (0, 0, 0, 0) ⇒ (λ1, λ2, −λ1, −λ2) = (0, 0, 0, 0)
d’où le résultat. Alors la dimension de F est égale à 2, car {v1, v2 } est une
base ( libre et génératrice) de IR4.
RemaRqUe 6.1. C’est un exemple de l’intersection de deux s.e.v est un s.e.v on
pouvait l’écrire sous cette forme F = F1 ∩ F2 où
F1 = {(x, y, z, t) ∈ IR4/(x + z = 0)},
F2 = {(x, y, z, t) ∈ IR4/(y + t = 0)}.
est montrer que F1, F2 sont des s.e.v de IR4.
ExeRcice 18. (1) Montrer que la famille {(1, 2), (− 1, 1)} est génératrice
de IR .
2

(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1, 1, 0), (1, 0, 0), (0, 1,
1)}, F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)}.
(3) Montrer que la famille {(1, 2), (−1, 1)} est une base de IR2,
et que la famille F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)} est une base de IR3.
 6. EXERCICES CORRIGÉS 51

SolUtion . { 2), ( 1,−1) est}génératrice de IR2 si et seule-

(1) La famille (1,
ment si
∀X = (x, y) ∈ IR2 , ∃λ, µ ∈ IR/X = λ(1, 2) + µ(−1, 1).
Soit (x, y) ∈ IR2, cherchons λ, µ ∈ IR tel que :
(x, y) = λ(1, 2) + µ(−1, 1) = (λ − µ, 2λ + µ)
ainsi
x+y −2x + y
x = λ − µ,........(1) (1) + (2) ⇒ λ = et µ =
y = 2λ + µ, ....(2) 3 3
d’où cette famille est génératrice.
(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1, 1, 0), (1, 0, 0), (0, 1,
1)}, F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)}.
i) F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)} est libre si et seulement si

∀λ1, λ2, λ3 ∈ IR, λ1(1, 1, 0) + λ2(1, 0, 0) + λ3(0, 1, 1) = (0, 0, 0) ⇒ λ1 = λ2 = λ3 = 0.

λ1(1, 1, 0) + λ2(1, 0, 0) + λ3(0, 1, 1) = (0, 0, 0)
 
λ1 + λ2 = 0 λ1 = 0
 λ1 + λ3 = 0  λ =0
⇔ ⇔ 2

λ3 = 0 λ3 = 0
F1 est libre.
ii) F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)} est n’est pas libre car

∃λ1 = 1, λ2 = −2, λ3 = 1 ∈ IR, λ1(0, 1, 1, 0) + λ2(1, 1, 1, 0) + λ3(2, 1, 1, 0) = (0, 0, 0, 0).

(3) La famille {(1, 2), ( −1, 1) }est une base de IR2, car quand le nombre de vecteurs=2=dim IR2
il suffit de montrer qu’elle est soit génératrice ou bien libre pour qu’elle puisse
être une base or d’après la question (1) elle est génératrice d’où le résultat.
} est une base de IR3, car le cardi-
La famille F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)
nale de F1 est égale à 3 = dim IR3 est F1 étant libre, alors c’est une base de
IR3.
ExeRcice 19. Soit l’application f définie de IR2 dans IR2 par :
f (x, y) = (x + y, x − y).
(1) Monter que f est linéaire.
(2) Déterminer ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
(3) Déterminer f ◦ f.
SolUtion . (1) f est linéaire si et seulement si
∀α, β ∈ IR, ∀(x, y), (xJ, yJ) ∈ IR2; f (α(x, y) + β(xJ, yJ)) = αf (x, y) + βf (xJ, yJ).
5. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS
f (α(x, y) + β(xJ, yJ)) = f (αx + βxJ, αy + βyJ)
= (αx + βxJ + αy + βyJ, αx + βxJ − αy − βyJ)
= (αx + αy, αx − αy) + (βxJ + βyJ, βxJ − βyJ)
= α(x + y, x − y) + β(xJ + yJ, xJ − yJ)
= αf (x, y) + βf (xJ, yJ)
d’où f est linéaire.
(2) Déterminons ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
ker f = {(x, y) ∈ IR2/f (x, y) = (0, 0)}
= {(x, y) ∈ IR2/x + y = 0 ∧ x − y = 0}
= {(0, 0)}
ainsi dim ker f = 0.

Imf = {(x + y, x − y)/(x, y) ∈ IR2}

= {x(1, 1) + y(1, −1)/(x, y) ∈ IR2}.
Ainsi Imf est engendré par deux vecteur qui sont libre, alors dim Imf = 2.
Sachant que la dimension de l’ensemble de départ est égale à la dimension de
l’ensemble d’arrivée f est bijective si elle est soit injective ou bien surjective
or f est injective car ker f{= (0,}0) et aussi surjective car dim IR2 = dim
Imf = 2 c’est à dire Imf = IR2.
(3) Soit (x, y) ∈ IR2) on a
f ◦ f (x, y) = f (f (x, y)) = f (x + y, x − y)
= ((x + y) + (x − y), (x + y) − (x − y))
= (2x, 2y) = 2(x, y) = 2IdIR2

ExeRcice 20. Soit l’application f définie de IR2 dans IR2 par :

f (x, y) = (2x − 4y, x − 2y).
(1) Monter que f est linéaire.
(2) Déterminer ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
SolUtion . (1) f est linéaire si et seulement si
∀α, β ∈ IR, ∀(x, y), (xJ, yJ) ∈ IR2; f (α(x, y) + β(xJ, yJ)) = αf (x, y) + βf (xJ, yJ).

f (α(x, y) + β(xJ, yJ)) = f (αx + βxJ, αy + βyJ)

= (2αx + 2βxJ − 4αy − 4βyJ, αx + βxJ − 2αy − 2βyJ)
= (2αx − 4αy, αx − 2αy) + (2βxJ − 4βyJ, βxJ − 2βyJ)
= α(2x − 4y, x − 2y) + β(2xJ − 4yJ, xJ − 2yJ)
= αf (x, y) + βf (xJ, yJ)
 6. EXERCICES CORRIGÉS 51

d’où f est linéaire.

(2) Déterminons ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
ker f = {(x, y) ∈ IR2/f (x, y) = (0, 0)}
= {(x, y) ∈ IR2/2x − 4y = 0 ∧ x − 2y = 0}
= {(x, y) ∈ IR2/x = 2y}
= {(2y, y)/y ∈ IR}
= {y(2, 1)/y ∈ IR}.
ainsi ker f est engendré par le vecteur(2, 1)/= 0, ainsi dim ker f = 1, f, alors
n’est pas injective.
Imf = {(2x − 4y, x − 2y)/(x, y) ∈ IR2}
= {x(2, 1) + y(−4, −2)/(x, y) ∈ IR2}.
Ainsi Imf est engendré par deux vecteur qui ne sont pas libre car—( 4, − 2) =
− 2(2, 1) alors dim Imf = 1 on peut aussi utliser le fait que la dimension de
l’ensemble de départ est égale à la dimension de l’ensemble d’arrivée f, alors
dim ker f + dim Imf = dim R2, ⇒ dim Imf = 2 − 1 = 1.
(3) f n’est pas bijective car il n’est ni injective ni surjective.
5. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES
CORRIGÉS

CHAPITRE 6

Notion de Matrice Associée à une Application Linéaire et

Calcul Algébrique sur les Matrices avec Exercices Corrigés

Soit IK un corps commutatif.

Soit E et F deux IK espaces vectoriels de dimension finies n et m, f une application
linéaire de E dans F , soit B = {e1, e2, ..., en } une base de E, BJ = {eJ1, eJ2, ..., eJm }
une base de F , les vecteurs f (e1), f (e2), ..., f (en) sont de vecteurs dans F comme
J J J
e
{ 1, e 2, ..., e m }est une base de F , alors f (e1), f (e2), ..., f (en) s’écrivent donc comme
combinaisons linéaires des vecteurs de la base BJ = {eJ1, eJ2, ..., eJm }. On a pour tout
j = 1, ..., n.
f (ej) = a1jeJ1 + a2jeJ2 + ... + amjeJm.


f (e1) f (e2) ... f (en)

eJ1eJ
a11 a12 ... a1n :2
a21 a22 ... a2n

 : : ::: : :

am1 am2 ... amn
Le tableau suivant : e Jm

a11 a12 ... a1n
a21 a22 ... a2n 
 : : ::: :
am1 am2 ... amn 


est appelé matrice associée à f relativement aux bases B et BJ. On note la matrice
(aij) où i désigne l’indice de ligne et j l’indice de colone.
On introduit maintenant la notion de matrice et les opérations algèbriques des matrices.

1. Espace vectoriel des matrices

Définition 1.1. On appelle une matrice dans IK de type (n, p) un tableau
rectan- gulaire A d’éléments de IK ayant n lignes et p colonnes.

a11 a12 ... a1p
a21 a22 ... a2p
A =  : : ::: :
an1 an2 ... anp

57
568. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
MATRIC

On note aij l’élément qui se trouve à la ligne numéro i et la colonne j et on note

la matrice A par A = (aij)1≤i≤n,1≤j≤p. L’ensemble des matrices de type (n, p) est noté M(n,
p)(IK).
(1) Pour n = 1, on dit que A est une matrice ligne, A = (a11, a12, ..., a1p).

a11
a
(2) Pour p = 1 on dit que A est une matrice ligne, A =  12  .
.. 
a1p
(3) Pour n = p, on dit que A est une matrice carrée d’ordre n et on note A ∈
Mn(IK).

 1 4 0
2 3 0 
Exemple 1.2. (1) A1 =  , A1 est une matrice de type (4, 3).
3 2 0 
 4 1 3

−1 0 1 7
(2) A2 = , A2 est une matrice de type (2, 4).
5 2 1 0

1 09
−6
(3) A3 = , A3 est une matrice carrée d’ordre 2.

Définition 1.3. Soit A = (aij )1≤i≤n,1≤j ≤p et B = (bij )1≤i≤n,1≤j ≤p deux matrices

de types (n, p),
(1) On dit que A = B si ∀i = 1, ..., n, ∀j = 1, ..., p; aij = bij .
(2) La transposée de la matrice A est une matrice notée At définie par
At = (aji)1≤j≤p,1≤i≤n,
autrement dit At c’est la matrice de type (p, n) obtenue en remplaçant les lignes
par les colonnes et les colonnes par les lignes et on a : (At)t = A.
   
1 4 0 1 2 3 4
 2 3 0  t
Exemple 1.4. (1) A1 =   ⇒A = 4 3 2 1
43 1 23 0  0 0 0 3
1
.  
−1 1
— − 
(2) A2 = ⇒
 A =
1 0 0 0
0 2 1 
2

5
1 2 1 8 −5 8
1 0 1 5
(3) A3 = ⇒ At3 = .
5 −5 0 −5
ThéoRème 1.5. En munissant l’ensemble M(n,p)(IK) par les opération suivantes :
 2. PRODUIT DE DEUX MATRICES 59

(+) : M(n,p)(IK) × M(n,p)(IK) → M(n,p)(IK)

   
 a 11 a12 ... a1p  b11 b12 ...    aa2111++bb2111 aa1222++bb1222 ...... aa1p2p++bb1p2p 
 a21 a22 ... a2p b1p
 b21 b22 ... b2p
 

 

: : ::: :   , :
 : ::: :   →


 : : ::: :  .

an1 an2 ... anp bn1 bn2 ... bnp an1 + bn1 an2 + bn2 ... anp +
et bnp
(·) : IK × M(n,p)(IK) → M(n,p)(IK)
a11 a12 ...  λa11 λa12 ... λa1p 
    λa21 λa22 ... λa2p 
a1p a21

 a22 ... 
a2p 

 λ,    , →  
  : ::: : :   : :::  : : 
an1 an2 ... anp λan1 λan2 ... λanp
Alors (M(n,p) (IK), +, ·) est IK− espace vectoriel de dimensionn × p, sachant que
0 0 .. 0
0 0 .. 0 
l’élé- ment neutre de l’addition est la matrice nulle  
. . .. .
0 0 .. 0

2. Produit de deux matrices

Définition 2.1. Soit A ∈ M(n,p)(IK) et B ∈ M(p,m)(IK), on définit le produit de
la matrice A par B comme étant une matrice C = (cij)1≤i≤,1≤j≤m ∈ (n,m)(IK), avec
cij = ai1 b1j + ai2 b2j + a31 b3j + ... + aip bpj . M
RemaRqUe 2.2. (1) L’élément Cij de la matrice C se calcule en additionnant
le produit des éléments de la ligne i de la matrice A par la les éléments de
la colonne j de la matrice B.
(2) Le produit de deux matrice ne peut se faire que si le nombre de colonnes de la
matrice A correspond au nombre de lignes dela matrice B.
Exemple 2.3.

1 1 0 ,B = 
A=
2 2 0 
1 2 0 1 ,
 2 0 1 1
1 1 0 0
A est de type (2, 3) et B de type (3, 4) ainsi C sera de type (2, 4).

1.1 + 1.2 + 1.2 + 1.0 + 0.1 1.0 + 1.1 + 0.0 1.1 + 1.1 + 0.0
0.1
2.1 + 2.2 + 2.2 + 2.0 + 0.1 2.0 + 2.1 + 0.0 2.1 + 2.1 + 0.0
 ⇔

C = A.B =

3 2 1 2
C= 6 4 2 4
6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

RemaRqUe 2.4. Le produit deux matrice n’est pas commutatif voiçi un exemple :

1 1 −
01 2 −1 4 3
−1 1 3
A.B = 1 2 . = /= B.A = 1 2

3. Matrices carrées
Définition 3.1. Soit A une matrice carrée d’ordre n, A = (aij)1≤i≤n,1≤j≤n,
(1) La suite des éléments {a11, a22, ..., ann} est appelée la diagonale principle de A.
(2) La trace de A est le nombre Tr(A) = a11 + a22 + ... + ann.
(3) A est dite matrice diagonale si aij = 0, ∀i j c’est à dire que les éléments de
A sont tous nuls sauf la diagonale principale.
(4) A est dite matice triangulaire supérieure (resp inférieure) si aij =∀0, i >
j, (resp i < j), c’est à dire les éléments qui sont au dessous(resp au dessus)
de la diagonale sont nuls).
(5) A st dite symétrique si A = At.

10 0
Exemple 3.2. (1) A1 =  0 − 2 0 , A1 est une matrice diagonale.
   0 0
−1 0 0 1
  
(2) A2 = 5 4 0 , A2 est une matrice triangulaire inférieure.
6 3 9
 
7 40 2
(3) A3 =  0 2 3  , A3 est une matrice triangulaire supérieure .
0 0 −1
   
1 2 −2 1 2 −2
(4) A4 =  2 12 1  = At =  2 12 1  , A4 est une matrice symé-
−2 1 −2 1
trique. 10 10
PRoposition 3.3. Le produit des matrices est une opération interne dans (n,n)(IK)
M par :
et il admet un élément neutre la matrice nommée matrice identitée notée In définie
 
1 0 0 0.. 0
0 1 0 0.. 0
 0 0 1 0.. 0 
 0 0 0 1.. 0 
In = 
. . . .. 0 
0 0 0 ..0 1
Définition 3.4. Soit A ∈ M(n,n)(IK) on dit que A est invesible s’il existe une
matrice B ∈ M(n,n)(IK) telle que A.B = B.A = In.
 4. LES DÉTERMINANTS 61
1 2
Exemple 3.5. Montrons que la matrice A =
0 −1

est inversible et ceci en

a b
cherchant la matice B = c telle que
1 2 a b a b 1 2
A.B = . = . = B.A
0 −1 c 1 0 c 0 −1
2
d = =I d
0 1

a + 2c b + 2d 1 0 a 2a − b
⇔ −c −d = 0 1 = c 2c − d

1 2
B= 0 −1 .
4. Les Déterminants
a11
Définition 4.1. Soit A =
a12 (IK), on appelle
a21 a22
une matrice dans M(2,2)
déterminan.t de A le nombre réel donné par : a11a22 − a12a21. On le note det(A) ou
a11
.,
a12
. a21Exemple 4.2. Calculons le det(A),
1 2
|A| = . .
0 −1 . = 1(−1) − 0.(2) = −1.
Définition 4.3. De même, on définit le déterminant d’une matrice

a11 a12
a A=  ∈ M3 (IK),
 13
a21 a22
par
 a23
a31 a32 . . (−1) .. 0 .
. +(−1) 1.
a33 0 0 .
. .
a11 a12 a13 1+1 a22 a23 a21 a23 a21 a22
1+2 1+3
. a21 a22 a23 . = (−1) a11 . . a . . a
.
a31 a32 a33
. . a32 .+(−1) 12 . a31 .+(−1) 13 . a31 a32 .

Exemple 4 .4. a33 a33

1 0 −1
|A| = 12 −1
. . = (−1) 1+1 . −1 1 . 1+2 12 1 1+3 12 2
1 .
. 0 1
0
 .1 . +(−1) 0.
6. NOTION DE MATRICE ASSOCIÉE À UNE 0 .
1 APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
⇔ |A| = −1 + 0 − 12 = −13
PRoposition 4.5. Pour calculer le déterminant d’une matrice A on peut déve-
lopper A suivant n’importe quelle ligne ou colonne.
Suivant cette proposition il vaut mieux choisir la ligne ou colonne contenant le plus
de zéros.
 4. LES DÉTERMINANTS 61

Exemple 4.6. On reprend la même matrice de l’exemple pécédent mais calculer

suivant la troisième ligne on aura :

1 0 −1
|A| = . 12 −1 . = (−1) 3+1 .0 . 0 −1 . +(−1) 3+2 .1 . 1 −1 . +(−1) 3+3 .0 . 1 0 .
1 . −1 . . 12 . . 12 −1 .
.
. 0 1
0 det(A) = 0 − 13 + 0 = −13
on calcule juste un déterminant au lieu de trois.
Définition 4.7. De même, on définit le déterminant d’une matrice
 
a11 a12 a13
 a14 a21
 ∈ M4 (IK),
a22 a23 
a24
A= 
par a31 a32 a33
 a34
a41 a42 a43
a44

. a11 a12 a13 a14 . 1+1

a21 a22 a23 a24 . a22 a23 a24 1+2
a21 a23 a24
= (−1) a11 a32 a33 + (−1) a 12 a 31 a33 a34
a31 a32 a33 a34 a34 .
. a41 a42 a43 a44 .
. . a41 a43 a44 . .
. a42 a43
a44

a21 a22 a24 a21 a22 a23

1+3 a
+(−1) 13 . a31 a32 . + (−1) 1+4 a14 . a31 a32 ..
a34 . a33 .
. a41 a42 . a41 a42
Définition 4.8. Soit A = a(a )
44ij 1≤i≤n,1≤j≤n , a43
le déterminant suivant la j-ème colone est
:
det(A) = (−1)1+j a1j D1j + (−1)2+j a2j D2j + ... + (−1)n+j anj Dnj , j = 1, ..., n.
Le déterminant suivant la i-ème ligne est :
det(A) = (−1)i+1 ai1 Di1 + (−1)i+2 ai2 Di2 + ... + (−1)i+n ain Din , i = 1, ..., n.
Où Aij représent ce que nous appelons le déterminant mineur du terma aij, le dé-
terminant d’ordre n −1 obtenu de det(A) en supprimant la i-ème ligne et la j-ème
colonne.
PRoposition 4.9. Soit A ∈ Mn(IK) on a :
(1) det(A) = det(At).
(2) det(A) = 0 si deux lignes de A sont égales (ou deux colonnes).
6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
(3) det(A) = 0 si deux lignes de A sont proportinnelles ( ou deux colonnes le sont).
(4) det(A) = 0 si une ligne est combinaison linéaires de deux autres lignes de A
(même chôse pour les colonnes).
 4. LES DÉTERMINANTS 61

(5) det(A) ne change pas si on ajoute à une ligne une combinaison linéaires
d’autres lignes (même chôse pour les colonnes).
(6) Si B ∈ Mn(IK), alors det(A.B) = det(A).det(B).
3 0 −5
Exemple 4.10. (1) |A| = . 2 2 1 . = 0, car la ligne 1 est égale à la
. 3 0 −5 ligne
3, L1 = L3. .
9 0 −15 3
. 2 2 1. 1
(2) B = | | = 0, car L =∗13 L .
. 1 0 −1 4 .
3 0 −54
1.
. 1 1 −1 2 .
. 2 20 .
(3) C | | = 10 10 −1 4 . = 0, car C1 = C2.
.
. 1 1 −10 2 .
Définition 4.11. Soit V1, V2, ..., Vn, n vecteurs de IRn on appelle déterminant des
vecteurs (V1, V2, ..., Vn) et on le note det(V1, V2, ..., Vn) le déterminant dont les colonnes
sont les vecteurs V1, V2, ..., Vn.
Exemple 4.12. Soit V1 = (1, 1, 0), V2 = (0, −1, 1), V3 = (0, 0, 1), alors
1 0 0
. . . −1 0 . = −1
det(V1, V2, V3) = 1 −1 10 = +1 . 1 1.
. 0 .
1
PRoposition 4.13. Soit V1, V2, ..., Vn, n vecteurs de IRn on (V1, V2, ..., Vn) est une
base de IRn ⇔ det(V1 , V2 , ..., Vn ) =/ 0
Exemple 4.14. Soit V1 = (1, 2, 0), V2 = (0, −1, 1), V3 = (0, 0, 1), forment une base
de IR3 , car det(V1 , V2 , V3 ) = −1 =/ 0.
4.1. Le rang d’un matrice.
Définition 4.15. Soit A ∈ M(n,p)(IK), on appelle rang de A et on note rgA
l’ordre de la plus grande matrice carrée B prise (extraite) dans A telle que detB /=
0.

12 −1
Exemple 4.16. A = , detA = 2 /= 0, rgA = 2.
1 1
B= , detA = 0 /= 0, rgA = 1.
 1 1 
0 1 −1 0
C= −1 1 −1 1 , rgA < 4(rgA ≤ 3) la plus grande matrice carrée
0 −1 1 contenue
0
 6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

dans A est d’ordre 3, dans cet exmple on a : 4 possibilité :

 1 −1 0  0 1 −1
C1 = 1 −1 1 , C2 = −1 1 −1 ,

−1 1 0 −1 1
 0 
 
 0 1  0 −1 0
C3 =  0 , C4 =  −1 −1 1
 −1 1  0 1
1 0
 
0 −1 0
detC1 = detC2 = 0 et detC3 = detC4 = 0 donc le rgA < 3 et on a :
. −1 0 . = −1 /= 0 ⇒ rgA = 2.
. .
−1 1
ThéoRème 4.17. le rang d’une matrice est égale au nombre maximale de
vecteurs lignes (ou colonnes) linéairement indépendants.
Définition 4.18. Soit A = (aij)1≤i≤n,1≤j≤n ∈ Mn(IK), on appelle cofacteur
d’in- dice i et j de A le scalaire
cij = (−1)i+j detAij .
Avec Aij est la matrice déduite de A par suppression de la ligne i t la colonne j.
La matrice C = (cij)1≤i≤n,1≤j≤n est appelée la matrice des cofacteurs et la matrice Ct
est appellée la comatrice de A. 

1 0 3 + − +
 . Calculons
Exemple 4.19. Soit la matrice A = 1 −1 1 , − + −
0 2 + − +
les coffacteurs de A  2

 −1 1
c11 = (−1)1+1det(A11) = (−1)2 . . . = −4.
2 2 .
1
c11 = (−1) det(A12) = (−1) . 1+2 . = −2.
0 2
1 −1 .
c11 = (−1)1+3det(A13) = (−1)4 . . = 2.
0 2 .
0
c21 = (−1) det(A21) = (−1) . 2+1 . = 6.
2 2
1
c22 = (−1)2+2 det(A22) = (−1) . = 2.
0 2 .
2+3 1
c23 = (−1) det(A23) = (−1) . = −2.
0 2.
c31 = (−1)3+1det(A31) = (−1)4 . 0 3 = 3.
.
4. LES DÉTERMINANTS 61
. −1 1 .
 5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE 65

3+2 1
c32 = (−1) det(A32) = (−1) . = 2.
1 1 .
c33 = (−1)3+3 det(A33) = (−1) . 1 . = −1.
. 1 −1 .
donc la matrice des cofacteurs est donnée par :
 
−4 −2 2
 6 2 −2 
3 2 −1
et la comatrice et
 
−4 6 3
t  −2 2 2C 
= 2 −2 −1
ThéoRème 4.20. Soit A ∈ Mn(IK), on a :
Aest inversible ⇔ det(A) /= 0,
et dans ce cas la matrice inverse de A est donnée par :
1
A−1 = Ct.
det(A)
Où Ct est la comatrice de A.

1 0 3
Exemple 4.21. La matrice A = 1 −1 1 , det(A) = 2 /= 0 donc elle est
0 2
inversible, de plus  2

−4 6 3
1 1
A−1 = 2 Ct  —2

2 2 
2 2 −2 −1
=

−2 3 3 
−1 2
 −1 1 1A
1 −1 − 21  .
=
On peut vérifier que A−1A = I3 = AA−1.

5. Relations entre une application linéaire et sa matrice Associée

Définition 5.1. La matrice A = (aij)1≤i≤m,1≤j≤n est appelée la matrice de f
suivant les bases B et BJ et elle est parfois notée M(B,B )(f ).Si E = F et B = BJ, on
J

dit que A est la matrice de f suivant la base B et on la note M(B)(f ).

6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

Exemple 5.2. (1)

f : IR3 → IR2
(x, y, z) → (x + y + z, x −
y)
IR sa base canonique B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} et
3

IR2 sa base canonique BJ = {v1 = (1, 0), v2 = (0, 1)},

f (e1) = f (1, 0, 0) = (1, 1) = v1 + v2
f (e2) = f (0, 1, 0) = (1, −1) = v1 − v2.
f (e3) = f (0, 0, 1) = (1, 0) = v1

f (e1 ) f (e2 ) f
1 1 1 v1
1 −1 0 v2
(e3 )
(2) 
f : IR2 → IR2
(x, y) → (x + y, x − y)
B = {e1 = (1, 2), e2 = ( −1, 1)} et BJ = { v1 = (0, 2), v2 = ( −2, 1) }, On doit
chercher les λ1, λ2, λ3, λ4?
f (e1) = f (1, 2) = (3, −1) = λ1v1 + λ2v2,
f (e2) = f (−1, 1) = (0, −2) = λ3v1 + λ4v2,
λ1 = 14
(3, −1) = λ1(0, 2) + λ2(−2, 1) ⇔ 3
λ2 = − 2
λ3 = −1
(0, −2) = λ (0, 2) + λ (−2, 1) ⇔
3 4 λ4 = 0
 
f (e1) f (e2)
v
M(B,B )(f )
J
λ1 λ3 = 1
−1 1
= 4 v2
λ λ4
2 3
−2 0
PRoposition 5.3. Soient E et F deux IK −espace vectoriels de dimensions finies
n et m, B = (e1, e2, ..., en) une base de E et BJ = (v1, v2, ..., vm) une base de F, alors
la donnée d’une matrice A ∈ M (n,m)(IK) donne une unique application linéaire f de
E dans F la matrice suivant les bases, B et BJ est A

12 −1
Exemple 5.4. A = , f : IR2 → IR2, A est la matrice de f suivant la
base canonique de IR2, (e1, e2),
f (e1) = e1 + 2e2 ⇒ f (1, 0) = (1, 0) + 2(0, 1) = (1, 2),
f (e2) = −e1 ⇒ f (0, 1) = −(1, 0) = (−1, 0),
f (x, y) = f (x(1, 0) + y(0, 1)) = xf (1, 0) + yf (0, 1)
⇔ f (x, y) = x(1, 2) + y(−1, 0) = (x − y, 2x).
 5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE 67
RemaRqUe 5.5. Si IRm et IRn sont munis de leurs bases canoniques alors l’ap-
plication linéaire f de IRn dans IRm associée à une matrice A = (aij)1≤i≤m,1≤j≤n est
donnée par
x1
x2
∀(x1, x2, ..., xn) ∈ IRn , f (x1, x2, ..., xn) = A.
:
xn

1 −1
Exemple 5.6. f : IR2 → IR2, A = 2 ,

xy
f (x, y) = A. = (x − y, 2x).

ThéoRème 5.7. Soit E, F et G des IK− espaces vectoriels munis respectivement

par les par bases B, BJ, BJJ, f : E → F, g : F → G, deux applications linéaires, alors
M(B,B )(g ◦ f ) = M(B ,B )(g)M(B,B )(f )
JJ J JJ J

RemaRqUe 5.8.

f : IR3 → IR2, g : IR2 → IR2

(x, y, z) → (x + y + 2z, x − y), (x, y) → (x − y, 2x + y)
où IR2, IR3 sont munis de leurs bases canoniques alors
g ◦ f : IR3 → IR2

(x, y, z) → g ◦ f (x, y, z)
avec M (g ◦ f ) = M (g)M (f ),

1 −1 1 1 2
M (g) = 2 , M (f ) = 1 −1 0

1 −1 1 1 2 0 2 2
M (g ◦ f ) = M (g)M (f ) = . =
2 1 1 −1 0 3 1 4
Ainsi
 
g ◦ f (x, y, z) = M (g ◦ f )x y  = (2y + 2z, 3x + y + 4z).
z
ThéoRème 5.9. Soit f ; E → F, B est une base de E et BJ est une base de F, on
a alors :
fbijective ⇔ detM(B,B )(f ) /= 0 J

et on a dans ce cas M(B,B )(f −1) = (M(B,B )(f ))−1.

J J
 6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

Exemple 5.10.
f ; IR2 → IR2
(x, y) → (x − y, x + y)

Montrons que f est bijective et calculer son inverse Mb(f ) = 1 −1

1
= A, det(A) =
2 /= 0 ⇔ f est
bijective. −1
1 t
(MB (f )) = C
det(A) A
1 −1
CA = , Ct
1 1 A 1 11
−1
=
−1 1
(M(B,B )(f )) =1 2 2
= MB(f −1 ),
−21 1
J

1 xx y x y
f − (x, y) = M(f−1) = ( + ,− +
y
). 2 2 5 2
PRoposition 5.11. Si A (n,m)(IK) associée à une application linéaire f de E
∈M
dans F la matrice suivant les bases, B de E et BJ de F, alors
rg(A) = rg(f ), rg(A) = rg(At).

6. Matrices et Changements de Bases

Définition 6.1. Soit E un e.v et soit B = (e1, e2, ..., en) et BJ = (eJ1, eJ2, ..., eJn)
deux bases pour E, la matrice de passage de la base BJ à la base B est par
définition la matrice M(B,B )(IdE) où IdE est l’application identité
J

IdE : E → E

x → x.
Les vecteurs de base de B peuvent s’exprimer dans BJ selon les relations
e1 = a11eJ1 + a12eJ2 + ... + a1neJn
 e2 = a21eJ 1 + a22eJ 2 + ... +
(S) : a2ne = a31eJ1 + a32eJ2 + ... + a3neJn
 e3J n
::::::::::
 
en = an1eJ1 + an2eJ2 + ... + anneJn
J
 B à B la matrice carrée P définie par
On appelle matrice de passage de

 a 11 a 12 ... a 1n
P =  a21 a22 ... a2n

 : : ::: :
an1 an2 ... ann
5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE 69


 6. NOTION DE MATRICE 6. MATRICES
ASSOCIÉE ET CHANGEMENTS
À UNE DE BASESET CALCUL ALGÉBRIQUE
APPLICATION LINÉAIRE 69 SUR LES MATRIC

Exemple 6.2. BJ = {eJ1, eJ2, eJ3}, eJ1 = (1, 1, 1), eJ2 = (1, 1, 0), eJ3 = (1, 0, 0) et
B = {e1, e2, e3} la base canonique de IR3,
B → IR3
IdIR3 : IR3 B J

(x, y, z) → (x, y, z), M(B,B ) (IdIR3 ) J

Id(e1) = (1, 0, 0) = λ1eJ1 + λ2eJ2 + λ3eJ3 = (λ1 + λ2 + λ3, λ1 + λ2, λ1)

⇒ λ1 = 0.5, λ2 = −0.5, λ3 = 0.5

Id(e2) = (0, 1, 0) = λ1eJ1 + λ2eJ2 + λ3eJ3 ⇒ λ1 = 0.5, λ2 = 0.5, λ3 = −0.5,

Id(e3) = (0, 0, 1) = λ1eJ1 + λ2eJ2 + λ3eJ3 ⇒ λ1 = −0.5, λ2 = 0.5, λ3 = 0.5,
 
1 1 −1
donc M(B,B )(Id I 3 ) = 1 2 −11 −1 1 
J
1
R 1
PRoposition 6.3. La matrice de passage J
d’une base B à une base BJ est la
matrice inverse de la matrice de passage de B vers B :
M(B ,B) (IdIR3 ) = (M(B,B ) (IdIR3 ))−1
J J

RemaRqUe 6.4. Soit E un e.v et soit B = (e1, e2, ..., en) et BJ = (eJ1, eJ2, ..., eJn) deux
bases pour E. Les vecteurs de base de BJ peuvent s’exprimer dans B selon les
relations
eJJ1 = b11e1 + b12e2 + ... + b1nen
e 2 = b21e1 + b22e2 + ... + b2nen
(S) : eJ3 = b31e1 + b32e2 + ... + b3nen
 ::::::::::
 eJn = bn1e1 + bn2e2 + ... + bnnen
On appelle matrice de passage de B à BJ la matrice carrée P −1 définie par
P −1 = b11 b12 ... b1n
 b21 b22 ... b2n 
: : ::: :
 bn1 bn2 ... bnn 
 
Exemple 6.5.
 1   −1  
 0.5 0.5 −0.5 1 1 0
1
2 −2
1 1
 −M (Id ) =IR
2
 = 1
0 1 
0 1
1 1
0.5 
(B,BJ) 21 2
1 , M(B ,B) (IdIR3 ) = −0.5 0.5 0.5 1
−0.5
3
12
−2
J
0.5
2  2
matrice de passage de la base B à la base BJ.
ThéoRème 6.6. Soit f : E → F, B1, BJ1 deuxJ
bases pour E, B2, BJ2 bases de F.
Si P désigne la matrice de passage de B1 à B 1, et Q désigne la matrice de passage
de B2 à BJ2, alors
−1
M(B 1,B 2)(f ) = Q M(B1 ,B2 )(f )P.
J J
760. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
Exemple 6.7.

f : IR3 → IR2
(x, y, z) → (x + y + z, x −
y)
On munit IR3 de la base canonique B3 = (e1, e2, e3)
On munit IR2 de la base canonique B2 = (v1, v2),
1 1
M(B ,B ) (f ) =
3 2 1
1 −1 0
On munit IR J
3
de la base canonique BJ3 = (eJ1, eJ2, eJ3), avec eJ1 = (1, 0, 1), eJ2 =
(1, 1, 0), e 3 = (0, 1, 1)
On munit IR2 de la base canonique BJ2 = (vJ1, vJ2), avec vJ1 = (−1, 1), vJ2 = (1, 1),
I 3B →P IR3B , f : IR3 → IRB2 →Q−1 2
3 3 2
BJ 2
R J

P = M(B 3 ,B3 ) (IdIR3

J

),
1 1 0 
P = (M(B 3,B 3) (IdIR3 ))−1 J = 0 1 1 
1 0 1

Q = M(B 2 ,B2 ) (IdIR2 )

−
J

1 1
= −1 2 2
−1 1 ,Q = M(B2 ,B 2 ) (IdIR2 )
J
1 1 ,
ainsi : 2 2
1 =
−1
M(B 2,B J J
3)
(f ) = Q M(B1 ,B 2)P

 
1 2
1  1 01 10 1 
−2 1
1 1 1
⇔ M(B 2,B 3)(f ) = 2 1 0 1
1 −1 0
J J
1
2

 
1 1 0
0 −1 −0.5  0 1 1 
⇔ M(B 2,B 3)(f ) =J J
1 0
0.5 1 0 1

⇔ M (B −0.5
,B 3)
1.5 −11 −1.5
J
2
J (f ) = .
0.5

7. Diagonalisation
Définition 7.1. Soit A ∈ M(n,n)(IK) et soit λ IK, on dit que λ est une valeur
propre de A s’il existe un vecteur colonne/ v = 0 tel que Av = λv.
Le vecteur v est appelé vecteur propre associé à la valeur λ.
Exemple 7.2.
2 2
A= .
0 1
 7. À
762. NOTION DE MATRICE ASSOCIÉE DIAGONALISATION 71
UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES

on a : λ1 = 1 et λ2 = 2 sont des valeurs propres de A, en effet :

0 21 2 yx yx
Av1 = λ1v1 ⇔ =

2x + 2y
⇔ y x
=
⇔ x = −2y alors y

x −2y
y = y −21
=y

Av = λ v

2 2 2 2 x 2x
⇔ =
2
0 1 y 2y
2x + 2y
⇔ y 2x
=
2y
y = 0, x IR alors
⇔
xy x 0 1 0
= =x
−2 1
d’où v1 = vecteur propre associé à λ1 = 1 et v2 = vecteur propre
1 0
associé à λ2 = 2.
PRoposition 7.3. Soit A ∈ M(n,n)(IK), λ IK est une valeur propre de A si et
seulement si PA(λ) = det(A − λIdn) = 0,.
PA(λ) est appelé le polynôme caractéristique de A.

20 21
Exemple 7.4. (1) A = .

2−λ 2
P (λ) = det(A λId ) =
A − 2 0 1−λ .
.
= (2 − λ)(1 − λ) ⇒ λ1 = 1, λ2 = 2.
 
10 1
(2) B = 
− 1 2 1 .
0 0 2
 1−λ 0 1
PB(λ) = . −1 2 − λ 1 .
. 0 0 2−λ .
= −(2 − λ)2(1 − λ) ⇒ λ1 = 2, λ2 = 1.
Définition 7.5. Soit A ∈ M(n,n)(IK) et soit λ IK une valeur propre de A,
l’ensemble Eλ défini par :
Eλ = {v ∈ IRnou Cn/Av = λv}
762. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
est appelé l’espace propre associé à la valeur propre alors Eλ est un sous espace
vectoriel de E.

 1 0 1
Exemple 7.6. B = −1 2 1 . Les valeurs propres sont 2 une solution double
 0 0 2
et 1 simple. 

(1) Pour λ = 2, on a

   
3 3 x
E2 = {v ∈ IR /Bv = 2v} = {(x, y, z) ∈ IR /B  y  = 2x
2y }
2z

 
x + z = 2x z− x=0
 − x + 2y + z =  x+z=0 z=x
2y ⇒ − ⇒
z=z
 z= z
2z = 2z

donc E2 = {(x, y, x)/x, y ∈ IR} = {x(1, 0, 1) + y(0, 1, 0)/x, y ∈ IR} s.e.v de

IR3, {(1, 0, 1), (0, 1, 0)} est une base de E2, car les vecteurs sont libres.
(2) Pour λ = 4, on a

   
E1 = {v ∈ R /Bv = v} = {(x, y, z) ∈ IR /B y  =  y x}
3 
3 x
z

 
x+z=x z=0 y=x
 x + 2y + z =  ⇒
− ⇒ −x+y= z=0
y 0
 
2z = z z=0

donc E2 = { (x, x, 0)/x ∈ IR} = { x(1, 1, 0)/y ∈ IR} s.e.v de IR3, (1, 1, 0)
est une base de E1.

Définition 7.7. On dit qu’une matrice A∈Mn(IK) est diagonalisable s’il existe
une matrice inversible P est une matrice diagonale D telle que ; A = PDP −1. (où P
est la matrice de passage.)

ThéoRème 7.8. Soit A ∈ Mn(IK), λ1, ..., λn IK les valeurs propres de A d’ordre
de multiplicités respectives m1, ..., mp, alors si
(1) dimEλi = mi, i = 1, 2, .., p.
ou
(2) dimEλ1 + dimEλ2 + ... + dimEλp = n
 8. SYSTÈMES D’ÉQUATIONS LINÉAIRES 76
Alors la matrice A est diagonalisable et la matrice diagonale D associée à A est
donnée par : :
 
λ1 0 0 0.. 0
0 λ1 0 0.. 0
0 0 λ2 0.. 0
 . . . .. 0 
D=
 0 0 0 λp.. 0 
 
. . . .. 0
0 0 0 ..0 λp
chaque λise répete mi fois, la matrice P est formé des vecteurs propres.
RemaRqUe 7.9. Si la matrice A ∈ Mn(IK) admet n valeurs propres distincts alors
A est diagonalisable et la matrice diagonale D associée à A est :
 
λ1 0 0 0.. 0
0 λ2 0 0.. 0
0 0 λ3 0.. 0 
D=
 . . . .. 0 
 . . . .. 0
0 0 0 ..0 λ n 
10 1
Exemple 7.10. On considère la matrice A =  − 1 2 1 admet les valeur
0 0 2
propres λ1 = 2 double et λ2 = 1 simple la matrice diagonale D est donnée par ; D =
1 0 0 1 1 0
0 2 0 et la matrice de passage est donnée par : P 1 0 1
0 0 2 =  0 1 0
 
8. Systèmes d’équations linéaires
 
Soit IK = IR ou C.
On appelle système de n équations linéaires à p inconnus à coefficients dans IK, tout
système de la forme :
a11x1 + a12x2 + ... + a1pxp =
 b1 a21x1 + a22x2 + ... + a2pxp = b2
(S) : 
: :
 

an1 x1 + an2 x2 + ... + anp xp = bn
où les (xj )j=1,..,p sont les inconnues, les (aij ), bj ∈ IK.
1) Forme matricielle du système :
  
b1 
: x
Posons A = (aij)1≤i≤n,1≤j≤p, B = ,X  ::1 Le système (S) devient ;
 = 

: 
bn xn
764. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
AX = B.
Si f est une application linéaire de IKp dans IKn telle que que A soit la matrice
associée à f suivant les bases canoniques et si on note par X = (x1, ..., xp) et b = (b1, ...,
bn), le système (S) devient f (X) = B.
2) Solution du système :

Définition 8.1. On appelle solution du système (S) tout élément X = (x1, ..., xp)
vérifiant les n équations de (S) ceci revient à trouver un vecteur X tel que AX =
B ou encore un élément X ∈ IKp tel que f (X) = B.
Exemple 8.2.
  
 x + 2y 1
3x y = 4 ⇔ 3 −1  x = 1 4 −2
 1
= y
x − y = −2 1 −1
−
2

3) Rang d’un système linéaire :

Le rang d’un système linéaire est le rang de la matrice (aij)1≤i≤n,1≤j≤p. Si r est le rang
du système linéaire (S), alors r ≤ n et r ≤ p.

8.1. Système de Cramer.

Définition 8.3. Le système (S) est dit de Cramer si n = p = r c’est à dire, (S)
est un système de n équations à n inconnus et telle que
detA /= 0.
ThéoRème
8.4. Tout Le système de Cramer admet une solution donnée par :
X = A−1B.
Exemple 8.5.
1/2 1/2 x 0
x−y=0 ⇔ AX = ×X= = =B
x+y=1 −1/2 1/2 y 1
detA = 1 /= 0, rgA =
2,

x 0 1/2 1/2
= A−1 , A−1 = ,
ainsi y 1 −1/2 1/2

x 1/2 1/2 0 1/2 x

y = −1/2 1/2 1 1/ ⇒ y =
2
ThéoRème 8.6. Dans un système de Cramer, la solution est donnée par les for-
mules :
detAi
x= , i = 1, ..., n.
 8. SYSTÈMES D’ÉQUATIONS LINÉAIRES 76
i
detA
Où les Ai est la matrice réduite de A, en remplaçant la colonne i par le vecteur B.
766. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
Exemple 8.7.
2x + 2y + z = 1
(S) : 2x + y − z = 2 ⇔  2 2 1  1
 3x + y + z = 2 1 −1  =  2 
3 1 3
3
detA = 4 /= 0, rgA = n = p = 3 ((S) est un système de cramer).

1 2 1

2 1 −1
detA1 . 3 1 1 .
x = detA = = 9/7.
. −7
.

2 1 1
2 2 −1
.3 3 1 .
y = detA2 = = −5/7.
detA
2 −27 1
.2 1 2 .
.3 1 3.
detA3
z = detA = = −1/7.
−7
3)Cas où n = p et r < n :
Si on considère maintenant un système de n équations à n inconus, mais rgA < n
c’est à dire
detA = 0,
dans ce cas on extrait une matrice M de A sachant que c’est la plus grande matrice
carrée inversible c’est à dire detM /= 0 contenue dans A et d’ordre r c’est ce qu’on
appelle une sous-matrice, les inconnus associés à M deviennent des inconnus
− et les (n r) autres inconnus deviennent des paramètres où bien ce qu’on
principales
appelle valeurs arbitraires et on considère le système suivant :

a11 x1 + a12 x2 + ... + a1r xr = b1 − (a1r+1 xr+1 + ... + a1n xn ) =

J
bJ 1
a21x1 + a22x2 + ... + a2rxr = b2(a2r+1xr+1 + ... + a2nxn) = b 2
 : :
 ar1x1 + ar2x2 + ... + arrxr = bn(arr+1xr+1 + ... + arnxn) = bJ
r

ce dernier est un système de cramer, donc il admet une seule solution (x1, ..., xr) qui
dépend de (xr+1, ..., xn). Si cette solution vérifie les (n − r) équations restantes, alors
le système globale admet une infinité de solutions. Si par contre (x1, ..., xr) ne vérifie
pas une seule équation parmis les (n−r) équations restantes alors le système globale
n’admet de solution.
Exemple 8.8.
   
3x − y + 2z = 3 3 −1 2 x 3
(S) : 2x + 2y + z = ⇔ 2 2  y =  2 
2 1
 z 1
x − 3y + z = 1 1 −3 1
 8. SYSTÈMES D’ÉQUATIONS LINÉAIRES 76

3 −1
detA = 0 (S) n’est pas un système de Cramer comme |AJ| = .. 2 2 .. = 8 /= 0. Alors
rgA = 2 et on considère x, y les inconnus et z paramètre, alors on obtient le système :
3x − y = 3 − 2z
2x + 2y = 2 − z
qui est un système de Cramer et admet une unique solution (x, y) dépendante de z.

3 − 2z −1
x = 1/8 = 1 − (5/8)z
. 2−z 2 .

3 3 − 2z
y = 1/8 . 2 2 − z = 1/8z
.
Reste à voir si (x, y) vérifie x 3y + z = 1(équation réstante) on a : 1 5/8z
— − −
3/8z + z = 1 1 = 1(vraie t IR) donc le système admet une infinité de
⇒ ∀ ∈
solutions données par :
(1 − 5/8z, 1/8z, z)/z ∈ IR.
3) Cas où n /= p :

Si le nombre d’équations n’est pas égale au nombre d’inconnus, alors on cherche

d’abord le rang de A et on procède comme précédement. Si M est une matrice contenue
dans A et d’ordre r et detM =/ 0 alors on considère le système de r équations à r
inconnus correspondant à M qui est un système de Cramer.
Si la solution vérifie les équation restantes alors le système globale admet une infinité
de solutions sinon il n’admet aucune solution.
Exemple 8.9.
    
 3x − y = 4 3 −1 4
(S) : 2x + 2y = 3 ⇔ A =  2 2  x =  3 
 x − 5y = −5 1 −5 y −5
le rang de A ≤ 2 choisissons
2 3 ⇒ detM = 8 /= 0 ⇒ rgM = 2.
M= 3 −1
on prend le système :

3x y = 4 x = 11/8
2x −
+ 2y = y = 1/8
on a l’équation réstante : 3 ⇔

x − 5y = −5 ⇒ 11/8 − 5/8 = 6/8 = 3/2 /= −5

alors le système n’admet pas de solutions.
 9. EXERCICES CORRIGÉS 77
9. Exercices Corrigés
ExeRcice 21. Soit la matrice A définie par :
 5 6 −3
−18 −19 9
−30 −30 14

(1) A est-elle inversible ? si oui déterminer son inverse A−1.
(2) Calculer A2 − A − 2I3 = 0, avec I3 est la matrice identitée.
SolUtion . Soit la matrice A définie par :
 5 6 −3
−18 −19 9
−30 −30 14

(1) A est inversible si et seulement si detA /= 0.
5 6 −3   
|A| = −18 −19
. 9 . =C =−C +C
5 1
−18 −1 −3
9
−30 0 14 
2 1 2

. −30 −30 =
.
calculons suivant
14 la colonne 2,
−18 9 5 −3
detA = ( 1)1+2(1) + ( − 1)2+2( −1) = 2 0,
— . −30 14 . . −30 14 .
d’où le résultat.
A−1 est donnée par : A−1 = 1
C
detA
t
où Ct est la comatrice de A.
−19 −6 −3
c11 = 9 6 −3
. −30 14 . = 4, c21 = − . . = 6, c31 = . . = −3,
−30 −19

−18 5 −3 5 −3
c12 = − .
−30 14 . = −18, c22 = . . = −20, c32 = − . . = 9,

9 −30 −18
−18 −19 5 6 5 6
c13 = . . = −30, c23 = − . . = −30, c33 = . = 13,
−30 −30 −30 −30 −18 −19 .
ainsi
  
4 −18 −30 4 6 −3


C= 6 −20 −30  ⇒ Ct =  −18 −20 9 

−3 9 −30 −30
 13   
4 6 −3 2 3 −3/2
78. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
A−1 = 1/2  −18 −20 9 = −9 −10 9/2  .
−30 −30 13 −15 −15 13/2
 9. EXERCICES CORRIGÉS 79
(2) Calculons A2 − A − 2I3 = 0,
   
7 6 −3 2 0 0
A2 = A.A =  −18 −17 9  , A2 − A =  0 2 0  = 2I2.
−30 −30 16 0 0 2
D’où le résultat, on peut remarque que A(A − I2) = 2I2 ⇒ AB = I2,avec
B = 1/2(A − I2) = A−1.
ExeRcice 22. Soit A une matrice définie par :
 
0 1 1
A 1 0 1 
= 1 1 0
(1) Trouver a, b ∈ IR tels que A2 = [Link] + b.A.
(2) En déduire que A est inverible et donner son inverse.

SolUtion .
0 1 1
A= 1 0 1

1 1 0
 A2
Trouvons a, b ∈ IR tels que = [Link] + b.A.

    
2 1 1 0 0 0 1 1
A2 = 1 2 1 0 +b 1 0 1
1  
  
1 1 0 1 1 1 0
ainsi a = 2, b = 1 =a
1. 0
(2) 2

1 1. . 1 0 .
detA = − .. + =2 0
1 0. .1 1.
d’où A est inversible.
A2 − A = 2I3 ⇒ A(A − I3) = 2I3 ⇒ A(1/2(A − I3)) = I3
ainsi A−1 = 1/2(A − I3)
 
−1 1 1
A−1 = 1/2  1 −1 1  .
1 1 −1

23. Soit la matrice associée à l’application f définie sur IR3 suivant

Execanoniquede
la base Rcice IR3.

A= − Déterminer l’application f.

(1)

80. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
1 1 5
3 0 2
1 1 4
 9. EXERCICES CORRIGÉS 81
(2) Déterminer ker f et Imf et leur dimension, f est-elle bijective ?
(3) Soit S = {v1 = (1, 1, 1), v2 = (1, 0, 1), v3 = (2,− 1, 0)}
a) Monter que S est une base de IR3.
b) Donner la matrice associée à f suivante la base S.
SolUtion . (1) Determinons l’application f.
  
1 −1 5 x
f (x, y, z)  3 0  y = x − y + 5z, 3x + 2z, x + y + 4z .
= 2 z
1 1
(2) ker f = {(x, y, z) ∈ IR3/f (x, y, z) = (0, 0, 0)}
ker f = {(0, 0, 0)}.
alors dim ker f = 0,(f est injective).
Imf = {f (x, y, z)/(x, y, z) ∈ IR3}
Imf = {x(1, 3, 1) + y(−1, 0, 1) + z(5, 2, 4)/x, y, z ∈ IR}
la famille {(1, 3, 1), (−1, 0, 1), (5, 2, 4)} est libre car det((1, 3, 1), (−1, 0, 1), (5, 2, 4))
= 23 /= 0, alors dim Imf = 3, (f est surjective), d’où f est bijective.
(3) Soit S = {v1 = (1, 1, 1), v2 = (1, 0, 1), v3 = (2, −1, 0)}
a) S est une base de IR3 ⇔ det(v1, v2, v3) /= 0,

. 1 1 2 .
. 1 1 3 .
1 1 1
det(v1, v2, v3) = 1 0 −1 1 10 10 = 2 0.
=C3=C1+C3 =
. . . .
b) On note AJ la matrice associée à f suivante la base S. AJ = P −1AP, avec 
1 1 3 1/2 1 −1/2
−
P =  1 0 0  et faisons un changement de base P =  −1/2 −1
1
3/2 
1 1/2 0 −1/2
1 1
     
1 1 3 1 −1 5 1/2 1 −1/2 12 5 −10
1 1 1 1 1 1/2 0 −1/2 8 5 −8
J 
A = 1 0 0   3 4
0 2   −1/2 −1 3/2 = 7/2 2 −9/2 
 
ExeRcice
24. Soit la matrice A définie par :
 
0 2 −1
A 3 −2 
= 0
−2 2
(1) Déterminer les valeurs propres de A.
(2) Montrer que A est diagonalisable.
(3) Déterminer P, calculer Ak.
860. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES

SolUtion .
 0 2 −1
A= 3 −2 0
−2 2 1
déterminons les valeurs propres de A, soit λ∈ IR,
 
−λ 2 −1
PA(λ) = |A − λI3| = 3 − λ −2  = (1 − λ)(λ + 4)(λ − 2)
0
−22−etλ −4. 2
les valeurs propres sont 1,
(21) A est diagonalisable car elle admet trois valeurs propres dictinctes.
(3) Cherchons les vecteurs propres.

Pour λ = 1 : 
E1 = {v = (x, y, z) ∈ R3/Av = v} ⇒ 2y − z = x  −x + 2y − z = 0
3x − 2y = y ⇒ 3x − 3y = 0 ⇒ x=
yx
  =z
−2x + 2y + z = z −2x + 2y = 0
E1 = {x(1, 1, 1)/x IR, v1 = (1, 1, 1) est vecteur propre associé à 1.
Pour λ = 2 :

E2 = {v = (x, y, z) ∈ R3/Av = 2v} ⇒ 2y − z = 2x −2x + 2y − z = 0

3x − 2y = 2y ⇒ 3x − 4y = 0

−2x + 2y + z = 2z −2x + 2y − z = 0

x = 4/3y
⇒
z = (−2/3)y
E2 = {y(4/3, 1, −2/3)/x ∈ IR, v2 = (4, 3, −2) est vecteur propre associé à 2.

Pour λ = 1 :

E−4 = {v = (x, y, z) ∈ R3 /Av = −4v} ⇒ 2y − z = −4x x = (2/3)y

⇒
3x − 2y+ = −4y x = z−

−2x + 2y + z = −4z
= {x(1, − 2/3, 1)/x ∈ IR, v1 = (2, − 3, 2) est vecteur propre associé à − 4.
E−4 Ainsi

1 4 2
P =  1 3 −3 
1 −2 2
  .
1 0 0
−1  0 2 0A = P DP , alors
, avec D = 0 0 −4
 
1 4 1k 0 0
−1 2
 
 9. EXERCICES CORRIGÉS 86
 
0 −12 −18
A = PD P −1 =
k k . 1 3 −3 0 2k 0   −5 0 5 
30 1 −2 2 0 0 (−4)k −5 6 −1
862. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES
où 
−1   
 0 −12 −18 0 −5 −5
P −1
= −5 0 5  t
p
 −12 0 
30 −5 6 −1 −18 ) =5−30,
−1
6, det(P
C =
vous pouver calculer P −1 en utilisant le changement de base.
 
−5.2k+2 − 10(−4)k −12 + 12(−4)k −18 + 5.2k+2 − 2(−4)k
− 1
Ak =  −15.2k − 15(−4)k −12 + 15(−4)k −18 + 5.2k+1 + 3(−4)k 
30
5.2k+1 − 10(−4)k −12 + 15(−4)k −18 + 5.2k+1 − 2(−4)k

ExeRcice 25. Résoudre le système suivant :


 x+y+z =3
(S) : 2x + y + z = 2

x + 2y + z = 1

SolUtion .
x+y+z=    
3 1 1 1 3
⇔  1 2 1 1
(S) : 2x + y + z = 2 2 1 1 =2 
detA = 1 /= 0, rgA = n= xp +
= 2y + z est
3 ((S) = un système de cramer).
1
3 1 1
.2 1 1 .
.1 2 1.
detA1
x = detA = = −1.
1
1 3 1
.2 2 1 .
.1 1 1.
detA2
y = detA = = −2.
1
1 1 3
.2 1 2 .
.1 2 1.
detA3
z = detA = = 6.
1
26. Résoudre le système suivant :
ExeRcice

 3x + y − 2z + 3t =
(S) : —x + 2y − 4z + 6t = 2
0
2x − y + 2z − 3t = 0
 9. EXERCICES CORRIGÉS 86
SolUtion .

3x + y − 2z + 3t = 0   
3 1 −2  x y  
0
3
(S) :  −x + 2y − 4z + 6t = 2 ⇔  −1 2 −4  =2 
2x − y + 2z − 3t = 0 2 6
−1 2 −3
z  0
3 1 t
le rgA ≤ 3. On prend M = , detM = 7 /= 0. On considère le système

suivant : −1 2
3x + y = 2z − 3t x = −2/7
−x + 2y = 2 + 4z − 6t y = 2z − 3t + 6/7
⇒
si on remplaçe dans la troisième équation on aura :
2x − y + 2z − 3t = −4/7 − 2z + 3t − 6/7 + 2z − 3t = −10/7 /= 0
donc le système n’admet aucune solution.
864. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES

Bibliographie

[1] E. Azouly, J. Avignant, G. Auliac, Problèmes Corrigés de mathématiques , DEUG MIAS/SM,

Ediscience(Dunod pour la nouvelle édition) Paris 2002.
[2] E. Azouly, J. Avignant, G. Auliac, les mathématiques en Licence, 1e`re . Tome 1 : Cours+
exos, [Link], Ediscience(Dunod pour la nouvelle édition) Paris 2003.
[3] E. Azouly, J. Avignant, G. Auliac, les mathématiques en Licence, 1e`re . Tome 2 : Cours+
exos, [Link], Ediscience(Dunod pour la nouvelle édition) Paris 2003.
[4] R. Godement Cours d’algèbre. Hermann, 1966.
[5] M. H. Mortad, Exercices Corrigés d’Algèbre, Première Année L.M.D., Edition "Dar el
Bassair"(Alger-Algérie),2012
[6] M. Queysanne, Algèbre, collection U, Armand Colin, 1971.

83