Cours d'Algèbre 1ère Année
Transféré par
boujribayoub83Cours d'Algèbre 1ère Année
Transféré par
boujribayoub83POLYCOPIÉ D'ALGÈBRE
COURS
destiné aux étudiants de première année, premier cycle
Dr. Chellali Cherifa
2017-2018
Table des matières
0.1 Avant Propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1 Les éléments de logique 6
1.1 Logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 la négation d'une proposition . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Les quanti cateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Opérations logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Types de raisonnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 raisonnement direct . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 raisonnement par disjonction des cas . . . . . . . . . . . . . . . . . 12
1.2.3 raisonnement par contraposée . . . . . . . . . . . . . . . . . . . . . 12
1.2.4 raisonnement par l'absurde . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Exercices avec solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Ensembles et relations binaires 19
2.1 Ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1 Détermination d'un ensemble . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . 20
2.1.3 Diérence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.4 Diérence symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.5 Règles de calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.6 Cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.7 Produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 Relations binaires sur un ensemble . . . . . . . . . . . . . . . . . . . . . . 23
2.2.1 Relations d'équivalence . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.2 Relations d'ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.3 Exercices avec solutions . . . . . . . . . . . . . . . . . . . . . . . . 24
1
3 les applications 25
3.0.4 Dé nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.0.5 Image directe, image réciproque . . . . . . . . . . . . . . . . . . . . 26
3.1 Injection, surjection, bijection . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.1 Injection, surjection . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.2 Bijection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 Les structures algébriques 29
4.1 Groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.1.1 Dé nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.1.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.1.3 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5 Les nombres complexes 34
5.0.4 Dé nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.0.5 Opérations sur les nombres complexes . . . . . . . . . . . . . . . . 34
5.0.6 Partie réelle et imaginaire . . . . . . . . . . . . . . . . . . . . . . . 34
5.0.7 L'opposé et l'inverse d'un nombre complexe . . . . . . . . . . . . . 35
5.0.8 Conjugué, module . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.1 Racines carrées, équation du second degré . . . . . . . . . . . . . . . . . . 36
5.1.1 Racines carrées d'un nombre complexe . . . . . . . . . . . . . . . . 36
5.1.2 Équation du second degré . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.3 Théorème fondamental de l'algèbre . . . . . . . . . . . . . . . . . . 38
5.2 Argument et trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2.1 Argument . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2.2 Formule de Moivre, notation exponentielle . . . . . . . . . . . . . . 40
5.2.3 Racines n-ième . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2.4 Applications à la trigonométrie . . . . . . . . . . . . . . . . . . . . 41
5.3 Nombres complexes et géométrie . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3.1 Équation complexe d'une droite . . . . . . . . . . . . . . . . . . . . 42
5.3.2 Équation complexe d'un cercle . . . . . . . . . . . . . . . . . . . . . 42
|z−a|
5.3.3 Équation
|z−b|
=k . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6 Polynômes et fractions rationnelles 44
6.0.4 Polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.1 Opérations sur les polynômes . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.1.1 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2
6.1.2 Multiplier un polynôme par un scalaire . . . . . . . . . . . . . . . 45
6.1.3 composition de deux polynômes . . . . . . . . . . . . . . . . . . . . 45
6.1.4 Division euclidienne de polynômes . . . . . . . . . . . . . . . . . . 45
6.1.5 Polynômes irreductibles . . . . . . . . . . . . . . . . . . . . . . . . 46
6.1.6 Racines d'un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2 Division selon les puissances croissantes . . . . . . . . . . . . . . . . . . . . 48
6.3 Fractions rationnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3.1 Degré d'une fraction rationnelle . . . . . . . . . . . . . . . . . . . . 49
6.3.2 Pôles et zéros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3.3 Partie entière d'une fraction rationnelle . . . . . . . . . . . . . . . . 49
6.4 Décomposition en éléments simples . . . . . . . . . . . . . . . . . . . . . . 50
6.4.1 Décomposition en éléments simples dans C(X). . . . . . . . . . . . 50
6.4.2 Décomposition en éléments simples dans R(X). . . . . . . . . . . . 50
6.4.3 Calculs des coe cients de la décomposition . . . . . . . . . . . . . . 52
7 Les matrices 55
7.1 Rappels et notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.1.1 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.1.2 opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . 56
7.2 Multiplication de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.2.1 Dé nition du produit . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7.2.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.2.3 remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.2.4 Propriétés du produit de matrices . . . . . . . . . . . . . . . . . . . 60
7.2.5 La matrice identité . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.2.6 Puissance d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . 61
7.2.7 Formule du binôme . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.2.8 Matrices triangulaires, matrices diagonales . . . . . . . . . . . . . . 63
7.2.9 La transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7.2.10 La trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
7.2.11 Matrices symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . 67
7.2.12 Matrices antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . 67
7.3 Inverse d'une matrice : dé nition . . . . . . . . . . . . . . . . . . . . . . . 68
7.3.1 Dé nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.3.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.4 Inverse d'une matrice : calcul . . . . . . . . . . . . . . . . . . . . . . . . . 70
3
7.4.1 Matrices 2×2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.4.2 Méthode de Gauss pour inverser les matrices . . . . . . . . . . . . . 71
7.5 Inverse d'une matrice : systèmes linéaires et matrices élémentaires . . . . . 73
7.5.1 Matrices et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . 73
7.5.2 Matrices inversibles et systèmes linéaires . . . . . . . . . . . . . . . 74
7.6 Déterminant des matrices inversibles . . . . . . . . . . . . . . . . . . . . . 74
7.6.1 Le déterminant d'une matrice . . . . . . . . . . . . . . . . . . . . . 75
7.6.2 Matrice 3×3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.6.3 Inverse d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.6.4 Méthode de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4
0.1 Avant Propos
Ce polycopié est un document de base dans le module d'algèbre destiné aux étudiants
de premières années école supèrieur d'économie. Il peut aussi être utilement utilisé par
les étudiants d'autres paliers aussi bien en sciences et sciences et techniques que ceux de
Biologie ou autre.
Cette polycopie est un peu les mathématiques générales .Il sera composé de 7 cha-
pitres : Les éléments de logiques ;les ensembles et les relations binaires ;les applications
linéaires ;les structures algèbriques ;les nombres complexes ;les polynomes et les fractions
rationnelles et Le dernier chapitre est le calcul matriciel. Toutes les remarques et com-
mentaires sont les bienvenus de la part des étudiants ainsi que de la part d'enseignants ou
spécialistes en mathématiques ou utilisateurs de mathématiques. Ces remarques et com-
mentaires nous permettront certainement d'améliorer le contenu ainsi que la présentation
de la version nale.
Pr. Ch chellali
5
Chapitre 1
Les éléments de logique
1.1 Logique
1.1.1 Assertions
Une assertion est une phrase soit vraie, soit fausse, pas les deux en même temps.
Exemple 1. la somme de deux nombres positifs quelconques est un nombre positif
le carré de n'importe quel nombre réel est un nombre positif.
2+2=4
2×3=7
Pour tout x ∈ R; x2 ≥ 0.
Si la proposition est vraie on lui aecte la valeur 1 ou "V",si elle est fausse on lui aecte
la valeur 0 ou "F". ces deux valeurs sont appellées valeurs de vérité de la [Link] les
places dans un tableau qui s'appelle la table de vérité .On note généralement la proposition
logique par P ou Q.
1.1.2 la négation d'une proposition
On appelle la négation de la proposition logique P la proposition notée P qui est
fausse si P est vraie ;et vraie si P est [Link] table de vérité est présentée comme suit
p p
1 0
0 1
6
ou bien
P V F
non P F V
Figure 1.1 Table de vérité de P
1.1.3 Les quanti cateurs
On cherche une manière systématique de décrire des propositions utilisant le moins de
mots possible On introduit donc les notations suivantes (ou quanti cateurs) :
De nition 1.1.1. Un quanti cateur permet de préciser le domaine de validité d'une pro-
position le symbole ∀ qui signi e quelque soit ou pourtout représente le quanti cateur
universel "All" (A renversée ) Le symbole ∃ qui signi e "il existe" représente le quanti -
cateur existentiel (exit E renversée)
Exemple 2. Avec ces notations on peut traduire de la manière suivante :
1. Etant donné un nombre entier quelconque, en lui ajoutant 2, on obtient encore un
nombre entier se traduit par
∀n ∈ N, n + 2 ∈ N.
2. la somme de deux nombres positifs quelconques est un nombre positif se traduit par
∀a ≥ 0, ∀b ≥ 0, a + b ≥ 0
3. le carré de n'importe quel nombre réel est un nombre positif se traduit par
∀x ∈ R, x2 ≥ 0
4. "tout nombre réel positif est le carré d'un nombre réel se traduit par
∀x ∈ R+ , ∃y ∈ R; x2 = y
La négation des quanti cateurs
La négation de ∀x ∈ E P (x) est ∃x ∈ E non P (x) .
Par exemple la négation de ∀x ∈ [1, +∞[ (x2 ≥ 1) est l'assertion
∃x ∈ [1, +∞[ (x2 < 1)
7
En eet la négation de x2 ≥ 1 est non(x
2
≥ 1) mais s'écrit plus simplement x2 < 1.
L'ordre des quanti cateurs est très important. Par exemple les deux phrases logiques
∀x ∈ R ∃y ∈ R (x + y > 0) et ∃y ∈ R ∀x ∈ R (x + y > 0).
sont diérentes. La première est vraie, la seconde est fausse.
L'équivalence ⇐⇒
L'équivalence notée par : P ⇐⇒ Q
On dira P est équivalent à Q ou P équivaut à Q ou P si et seulement si Q. Cette
assertion est vraie lorsque P et Q sont vraies ou lorsque P et Q sont fausses i-e : si elles
ont les même valeurs de vérité.
La table de vérité est :
P \Q V F
V V F
F F V
Figure 1.2 Table de vérité de P ⇐⇒ Q
Exemples :
Pour x, x0 ∈ R, l'équivalence x · x0 = 0 ⇐⇒ (x = 0 ou x0 = 0) est vraie.
Voici une équivalence toujours fausse (quelque soit l'assertion P ) : P ⇐⇒ P .
1.1.4 Opérations logiques
La conjonction
Soient P et Q deux propositions logiques ; on appelle conjonction de P et Q la
propositions logiques notée P ∧Q
la propositions P ∧Q est vraie si P et Q sont vraies à la fois
Sa table de vérité est donnée par :
8
p q p et q
1 1 1
1 0 0
0 1 0
0 0 0
P \Q V F
V V F
F F F
Figure 1.3 Table de vérité de P et Q
La proposition P ∧P est une proposition fausse.
Exemple 3. 1. 3 + 2 = 5 ∧ 2 × 6 = 12 proposition vraie.
2. 3 × 2 = 9 ∧ 2 × 6 = 12 proposition fausse.
La disjonction
La disjonction de deux propositions P et Q est la proposition notée P ∨Q
P ∨Q qui est vraie dès que l'une au moins des deux propositions est vraie.
Sa table de vérité est donnée par :
p q p ou q
1 1 1
1 0 1
0 1 1
0 0 0
P \Q V F
V V V
F V F
Figure 1.4 Table de vérité de P ou Q
Remarque. La proposition P ∨P est une proposition vraie.
Exemple 4. 1. 3 + 2 = 5 ∨ 2 × 6 = 12 proposition vraie.
2. 3 × 2 = 9 ∨ 2 × 6 = 12 proposition vraie.
9
Proposition 1.1.1. Lois de Morgan Soient P et Q deux propositions logiques ; alors :
P ∧ Q ⇐⇒ P ∨ Q
P ∨ Q ⇐⇒ P ∧ Q
preuve.
p q p q p∨q p∧q
1 1 0 0 0 0
0 0 1 1 1 1
1 0 0 1 0 0
0 1 1 0 0 0
De nition 1.1.2. Si p et q sont deux propositions, alors l'implication si p alors q est une
proposition qui est vraie si p est fausse, ou bien si p et q sont simultanément vraies. Cette
implication est fausse uniquement si l'antécédant p est vrai et le conséquent q [Link]
note p =⇒ q sa table de vérité :
Proposition 1.1.2.
P =⇒ Q ⇐⇒ P ∨ Q
P \Q 1 0
1 1 0
0 1 1
Figure 1.5 Table de vérité de P =⇒ Q
preuve.
Proposition 1.1.3. Etant donnée deux propositions logiques P et Q,alors ;
P =⇒ Q ⇐⇒ Q ∨ P
preuve.
p q p p =⇒ q p∨q
1 1 0 1 1
0 0 1 1 1
1 0 0 0 0
0 1 1 1 1
10
De nition 1.1.3. Soient P et Q deux propositions logiques ,alors
1. la négation de l'implication P =⇒ Q est la proposition P ∧Q
2. La contraposée de l'implication est la proposition Q =⇒ P
3. La réciproque de l'implication est la proposition Q =⇒ P
propriétés 1. SoientP ,Q, et O trois propositions logiques on a :
1. (O ∨ P ) ∨ Q = O ∨ (P ∨ Q)
2. (O ∧ P ) ∨ Q = O ∧ (P ∧ Q)
11
1.2 Types de raisonnement
Dans notre programme on s'intresse de 5 types de raisonnement
1.2.1 raisonnement direct
on veut montrer que l'assertion P =⇒ Q est vraie, on suppose que P est vraie et on
montre qu'alors Q est vraie
Exemple 5. Montrer que si a, b ∈ Q alors ; a+b∈Q
Solution 1.2.1. Prenons a∈Q et b∈Q ,rappelons que les rationnels sont les nombres
p ∗ p p0
s'écrivant q avec p ∈ Z et q ∈ N , alors :a = q pour certain p et q ,de même b= q0
donc
0 0
a + b = pq qq+qp
0 = p”
q”
∗
avec p” ∈ Z et q” ∈ N .Ainsi a + b ∈ Q
1.2.2 raisonnement par disjonction des cas
Si l'on souhaite véri er une assertion P (x) pour tous les x dans un ensembleE on
montre l'assertion pour les x dans une partie A de E ,puis pour les x n'appartenant pas
à A ,c'est la méthode des disjonction des cas ou du cas par cas.
Exemple 6. Montrer que :
∀x ∈ R, |x − 1| ≤ x2 − x + 1
Solution 1.2.2. Nous distinguons deux cas :
1. pour x ≥ 1 on a : ,|x − 1| = x − 1 Calculons x2 − x + 1 − |x − 1| = x2 − x + 1 − x + 1 =
(x − 1)2 + 1 ≥ 0 Ainsi x2 − x + 1 − |x − 1| ≥ 0
2. Pour x ≤ 1 ,|x−1| = −x+1 Calculons x2 −x+1−|x−1| = x2 −x+1+x−1 = (x)2 ≥ 0
Ainsi x2 − x + 1 − |x − 1| ≥ 0 Donc ∀x ∈ R, |x − 1| ≤ x2 − x + 1
1.2.3 raisonnement par contraposée
Le raisonnement par contraposée est basé sur l'équivalence suivante :
P =⇒ Q ⇐⇒ Q =⇒ P
Donc si l'on souhaite montrer l'assertion P =⇒ Q,on montre son contraposée
Exemple 7. Soit n∈N montrer que si n2 est pair,alors n est pair.
12
Solution 1.2.3. Nous supposons que n est impair et on montre que n2 est impair ,donc
∃k ∈ N, n = 2k + 1
Alors :
n2 = (2k + 1)2 = 4k 2 + 4k + 1 = 2l + 1
1.2.4 raisonnement par l'absurde
Le raisonnement par l'absurde pour montrer P =⇒ Q repose sur le principe suivant : on
suppose à la fois que P est vraie et Q est fausse et on cherche une contraduction, ainsi si
P est vraie alors Q doit ètre vraie et donc P =⇒ Q est vraie.
Exemple 8. Soit
a b
a, b ≥ 0; montrer que si =
1+b 1+a
Solution 1.2.4. Nous raisonnons par l'absurde : supposons que
a b
= eta 6= b
1+b 1+a
a b
Comme 1+b = 1+a
alors :a(1 + a) = b(1 + b) donc a + a2 = b + b 2 d'ou a2 − b 2 = b − a
cela conduit à (a − b)(a + b) = −(a − b) comme a 6= b alors :on peut diviser par a−b
on obtient a + b = −1 la somme des deux nombres positifs ne peut pas ètre né[Link]
obtenons une contraduction.
raisonnement par contre-exemple
Si l'on veut montrer qu'une assertion du type ∀x ∈ E, P (x) est vraie pour chaque x de
E il faut montrer que P (x) est vraie .Par contre pour montrer que cette assertion est
fausse alors il su t de trouver x∈E telque P (x) soit [Link] x c'est trouver un
contre exemple.
Exemple 9. Tout entier positif est somme de trois carrées non nuls.
Solution 1.2.5. L'assertion est fausse contre exemple :7 on ne peut pas l'écrire comme
somme de trois carées.
raisonnement par récurrence
Le principe permet de montrer qu'une assertion P (n) dépendant de n est vraie pour
tout n∈N la démonstration par récurrence se déroule en trois étapes : Lors de
13
l'initialisation on prouveP (0) ,pour l'étape de l'hérédité ;on suppose n≥0 donné avec
P (n) vraie et on démontre alors que l'assertion P (n + 1), nallement dans la conclusion
on rappelle que par le principe de récurrence que P (n) est vraie ∀n ∈ N
Exemple 10. Montrer que ∀n ∈ N, 2n > n
Solution 1.2.6. Pour n = 0; 20 = 1 > 0 supposons que P (n) est vraie et montrons que
n+1
P (n + 1) est vraie . On a :2 = 2n + 2n > n + 2n > n + 1 > n Donc ∀n ∈ N, 2n > n
1.3 Exercices
Soient les quatre assertions suivantes :
(a) ∃x ∈ R ∀y ∈ R x + y > 0 ; (b) ∀x ∈ R ∃y ∈ R x + y > 0 ;
(c) ∀x ∈ R ∀y ∈ R x + y > 0 ; (d) ∃x ∈ R ∀y ∈ R y 2 > x.
1. Les assertions a, b, c, d sont-elles vraies ou fausses ?
2. Donner leur négation.
Correction. 1. (a) est fausse. Car sa négation qui est ∀x ∈ R ∃y ∈ R x + y ≤ 0 est
vraie. Étant donné x∈R il existe toujours un y∈R tel que x + y ≤ 0, par exemple
on peut prendre y = −(x + 1) et alors x + y = x − x − 1 = −1 ≤ 0.
2. (b) est vraie, pour un x donné, on peut prendre (par exemple) y = −x + 1 et alors
x + y = 1 > 0. La négation de (b) est ∃x ∈ R ∀y ∈ R x + y ≤ 0.
3. (c) : ∀x ∈ R ∀y ∈ R x + y > 0 est fausse, par exemple x = −1, y = 0. La négation
est ∃x ∈ R ∃y ∈ R x + y ≤ 0.
4. (d) est vraie, on peut prendre x = −1. La négation est : ∀x ∈ R ∃y ∈ R y 2 ≤ x.
Soit f une application de R dans R. Nier, de la manière la plus précise possible, les
énoncés qui suivent :
1. Pour tout x ∈ R f (x) ≤ 1.
2. L'application f est croissante.
3. L'application f est croissante et positive.
4. Il existe x ∈ R+ tel que f (x) ≤ 0.
5. Il existe x∈R tel que quel que soit y ∈ R, si x<y alors f (x) > f (y).
14
Correction. 1. Cette assertion se décompose de la manière suivante : ( Pour tout
x ∈ R) (f (x) ≤ 1). La négation de ( Pour tout x ∈ R)" est Il existe x ∈ R" et
la négation de (f (x) ≤ 1)" est f (x) > 1. Donc la négation de l'assertion complète
est : Il existe x ∈ R, f (x) > 1.
2. Rappelons comment se traduit l'assertion L'application f est croissante" : pour
tout couple de réels (x1 , x2 ), si x 1 ≤ x2 alors f (x1 ) ≤ f (x2 ). Cela se décompose en :
(pour tout couple de réels x1 et x2 ) ( x 1 ≤ x2 implique f (x1 ) ≤ f (x2 ))". La négation
de la première partie est : (il existe un couple de réels (x1 , x2 ))" et la négation de la
deuxième partie est : (x1 ≤ x2 et f (x1 ) > f (x2 ))". Donc la négation de l'assertion
complète est : Il existe x1 ∈ R et x2 ∈ R tels que x1 ≤ x2 et f (x1 ) > f (x2 )".
3. La négation est : l'application f n'est pas croissante ou n'est pas positive. On a déjà
traduit l'application f n'est pas croissante", traduisons l'application f n'est pas
positive" : il existe x ∈ R, f (x) < 0". Donc la négation de l'assertion complète
est : Il existe x1 ∈ R et x2 ∈ R tels que x1 < x2 et f (x1 ) ≥ f (x2 ), ou il existe
x ∈ R, f (x) < 0".
4. Cette assertion se décompose de la manière suivante : (Il existe x ∈ R+ ) (f (x) ≤
0)". La négation de la première partie est : (pour tout x ∈ R+ ), et celle de la
seconde est :(f (x) > 0)". Donc la négation de l'assertion complète est : Pour tout
+
x∈R , f (x) > 0".
5. Cette assertion se décompose de la manière suivante : (∃x ∈ R)(∀y ∈ R)(x < y ⇒
f (x) > f (y))". La négation de la première partie est (∀x ∈ R), celle de la seconde
est (∃y ∈ R), et celle de la troisième est (x < y et f (x) ≤ f (y)). Donc la négation
de l'assertion complète est : ∀x ∈ R, ∃y ∈ R, x < y et f (x) ≤ f (y)".
1.4 Exercices avec solutions
Soit f, g deux fonctions de R dans R. Traduire en termes de quanti cateurs les
expressions suivantes :
1. f est majorée ;
2. f est bornée ;
3. f est paire ;
4. f est impaire ;
5. f ne s'annule jamais ;
6. f est périodique ;
15
7. f est croissante ;
8. f est strictement décroissante ;
9. f n'est pas la fonction nulle ;
10. f n'a jamais les mêmes valeurs en deux points distcincts ;
11. f atteint toutes les valeurs de N;
12. f est inférieure à g;
13. f n'est pas inférieure à g.
Correction. 1. ∃M ∈ R ∀x ∈ R, f (x) ≤ M ;
2. ∃M ∈ R , ∃m ∈ R , ∀x ∈ R m ≤ f (x) ≤ M ;
3. ∀x ∈ R, f (x) = f (−x) ;
4. ∀x ∈ R, f (x) = −f (−x) ;
5. ∀x ∈ R, f (x) 6= 0 ;
6. ∃a ∈ R∗ ∀x ∈ Rf (x + a) = f (x) ;
7. ∀(x, y) ∈ R2 , (x ≤ y ⇒ f (x) ≤ f (y)) ;
8. ∀(x, y) ∈ R2 , (x ≤ y ⇒ f (x) > f (y)) ;
9. ∃x ∈ R , f (x) 6= 0 ;
10. ∀(x, y) ∈ R2 , (x 6= y ⇒ f (x) 6= f (y)) ;
11. ∀n ∈ N , ∃x ∈ R f (x) = n ;
12. ∀x ∈ R, f (x) ≤ g(x) ;
13. ∃x ∈ R, f (x) > g(x).
Montrer par disjonction des cas que pour tout n ,n(n + 1) est un entier pair
Tous les entiers peuvent se séparer en deux parties : les pairs et les impairs . On va donc
d'abord étudier le cas n pair : n = 2k et donc n(n + 1) = 2k(2k + 1) = 2(2k 2 + k) pair Si
n impair : n = 2k + 1 donc n(n + 1) = (2k + 1)(2k + 2) = 2(2k + 1)(k + 1) pair Montrer
par contraposée puis par l'absurde que si a2 + 9 = 2n alors a est impair .
1. Par contraposée : la contraposée est si a pair alors a2 + 9 6= 2n Si a est pair alors a2
est pair donc a2 + 9 est impair ; or 2n est pair . Donc a2 + 9 6= 2n
2. Par l'absurde : supposons a2 + 9 = 2n et a pair . Alors 9 est pair contradiction
Montrer :
n
X n(n + 1)
k= ∀n ∈ N∗ .
k=1
2
16
Correction. Rédigeons la deuxième égalité. Soit An , n ∈ N∗ l'assertion suivante :
n
X n(n + 1)(2n + 1)
(An ) k2 = .
k=1
6
A0 est vraie (1 = 1).
Étant donné n ∈ N∗ supposons que An soit vraie. Alors
n+1
X n
X
2
k = k 2 + (n + 1)2
k=1 k=1
n(n + 1)(2n + 1)
= + (n + 1)2
6
n(n + 1)(2n + 1) + 6(n + 1)2
=
6
(n + 1)(n(2n + 1) + 6(n + 1))
=
6
(n + 1)(n + 2)(2(n + 1) + 1)
=
6
Ce qui prouve An+1 .
Par le principe de récurrence nous venons de montrer que An est vraie pour tout n ∈ N∗ .
2x2n − 3
Soit la suite (xn )n∈N dé nie par x0 = 4 et xn+1 = .
xn + 2
1. Montrer que : ∀n ∈ N xn > 3.
2. Montrer que : ∀n ∈ N xn+1 − 3 > 23 (xn − 3).
Correction. 1. Montrons par récurrence ∀n ∈ N xn > 3. Soit l'hypothèse de récur-
rence :
(Hn ) : xn > 3.
• La proposition H0 est vraie car x0 = 4 > 3.
• Soit n ≥ 0, supposons Hn vraie et montrons que Hn+1 est alors vraie.
2xn 2 − 3 2xn 2 − 3xn − 9
xn+1 − 3 = −3= .
xn + 2 xn + 2
Par hypothèse de récurrence xn > 3, donc xn + 2 > 0 et 2xn 2 − 3xn − 9 > 0 (ceci
2
par étude de la fonction x 7→ 2x − 3x − 9 pour x > 3). Donc xn+1 − 3 et Hn+1
est vraie.
• Nous avons montrer
∀n ∈ N Hn ⇒ Hn+1
17
et comme H0 est vraie alors Hn est vraie quelque soit n. Ce qui termine la dé-
monstration.
2. Montrons que xn+1 − 3 − 32 (xn − 3) est positif.
3 2xn 2 − 3 3 1 xn 2 + 3xn + 12
xn+1 − 3 − (xn − 3) = − (xn − 3) =
2 xn + 2 2 2 xn + 2
Ce dernier terme est positif car xn > 3.
Soit x ∈ R, donner la négation des propositions suivantes :
1. (x = 1) ∨ (x = −1)
2. (x ≥ −2) ∧ (x < 1)
3. 0≤x≤1
4. (x = 0) ∨ (x2 = 1 ∧ x ≥ 0)
5. (3 ≤ x ≤ 7) =⇒ (10 ≤ x ≤ 17)
Solution 1.4.1. 1. (x = 1) ∨ (x = −1) la négation (x 6= 1) ∧ (x 6= −1)
2. (x ≥ −2) ∧ (x < 1) la négation (x < −2) ∨ (x ≥ 1)
3. 0≤x≤1 la négation 0≥x≥1
4. (x = 0) ∨ (x2 = 1 ∧ x ≥ 0) la négation (x 6= 0) ∧ (x2 6= 1 ∨ x < 0)
5. (3 ≤ x ≤ 7) =⇒ (10 ≤ x ≤ 17) la négation (3 ≤ x ≤ 7) ∧ (10 > x > 17)
18
Chapitre 2
Ensembles et relations binaires
2.1 Ensemble
De nition 2.1.1. On appelle ensemble E toute colletion d'objets appelés éléments de
l'ensemble E ,si le nombre de ces objets est ni on l'appelle cardinal de E et on le note
CardE
Exemple 11. 1. L'ensemble des entiers naturels E=N
2. E = {1, 2, 3, 4, 5, 6, 7, 8}, CardE = 8.
3. l'ensemble vide est noté ∅,c'est l'ensemble qui ne contient aucun élément. On a alors
Card(∅) = 0.
4. Un ensemble contenant un seul élément est appelé Singleton, donc de cardinal égal
à 1.
De nition 2.1.2. Si x est un élément de l'ensemble E; on note x∈E et on dit que x
appartient à E
si x n'appartient pas à E on note x∈
/ E. Le symbole ∈ est une relation entre un élément
et un ensemble.
2.1.1 Détermination d'un ensemble
Pour dé nir un ensemble, ou bien on connait la liste de tous ses éléments, on dit alors
que l'ensemble est donné par Extension, ou bien on connait seulement les relations
qui lient les éléments et qui nous permettent de les retrouver tous, on dit alors que
l'ensemble est donné par Compréhension.
19
2.1.2 Opérations sur les ensembles
Inclusion, union, intersection, complémentaire
1. L'inclusion On dit qu'un ensemble A est inclus dans un ensemble B, ou que A est
une partie de l'ensemble B, ou que A est un sous ensemble de B si tout élément de
A est un élément de B. On note A⊂B et on a formellement :
A⊂ B ⇐⇒ ∀x(x ∈ A =⇒ x ∈ B)
L'ensemble de toutes les parties d'un ensemble A est noté P (A).
Exemple 12. (a) Soit A = {1, α, 2} ,on a cardA = 3 alors CardP (A) = 23 , et
P (A) = {∅, {1}, {α}, {2}, {1, α}, {1, 2}, {α, 2}, A}
(b) E = ∅, CardE = 0 donc CardP (A) = 20 = 1 et P (E) = {∅}
2. L'égalité Soient A et B deux ensembles, on dit que A est égal à B, on noteA = B,
s'ils ont les mêmes éléments. Formellement on a :
A = B ⇐⇒ ∀x(x ∈ A ⇐⇒ x ∈ B)
3. Complémentaire. Si A ⊂ E,
{E A = x ∈ E | x ∈
/A
On le note aussi E\A ou {A
Exemple 13. Soit E = {1, 2, 3, 4, 5} et soit A un sous ensemble de E avec A=
{1, 5} alors le complémentaire de A dans E est l'ensemble {2, 3, 4}
4. Union. Pour A, B ⊂ E ,
A ∪B = x ∈ E | x ∈ A ou x∈B
Le ou n'est pas exclusif : x peut appartenir à A et à B en même temps.
Exemple 14. Soit A = {1, 2, 3, 4, 5} et soit B = {α, β} alors A∪B = {1, 2, 3, 4, 5, α, β}
5. Intersection.
A ∩B = x ∈ E | x ∈ A et x∈B
Exemple 15. Soit A = {1, 2, 3} et soit B = {α, 1, β} alors A ∩ B = {1}
20
Proposition 2.1.1. Soit A un ensemble, alors ∅ ∈ P (A) et A ∈ P (A).
Ensembles disjoints. On dit que F et G sont disjoints si F ∩ G = ∅.
On dit que des ensembles Fi sont deux à deux disjoints si (∀i ∈ N) (∀j ∈ N),
i 6= jFi ∩ Fj 6= ∅.
2.1.3 Diérence
La diérence de deux sous-ensembles F et G de E, c'est l'ensemble des éléments de F
qui n'appartiennent pas à G,
F\G = {x ∈ E | ((x ∈ F ) ∧ (x ∈
/ G))} = F ∩ CE G.
2.1.4 Diérence symétrique
La diérence symétrique de deux ensembles F et G est l'ensemble noté F ∆G dé nit par
F∆G = (F \ G) ∪ (G \ F ) = (F ∪ G) \ (F ∩ G)
Exemple 16. Soit F ⊂Z l'ensemble des entiers divisibles par 2 et G⊂Z l'ensemble des
entiers divisibles par 3. Alors F ∆G est l'ensemble des entiers divisibles par 2 ou 3 mais
pas par 6, F ∆G = {. . . , −9, −8, −4, −3, −2, 0, 2, 3, 4, 8, 9, 14, 15, . . .}.
2.1.5 Règles de calculs
Soient A, B, C des parties d'un ensemble E.
A∩B =B∩A
A ∩ (B ∩ C) = (A ∩ B) ∩ C
A ∩ ∅ = ∅, A ∩ A = A, A ⊂ B ⇐⇒ A ∩ B = A
A∪B =B∪A
A ∪ (B ∪ C) = (A ∪ B) ∪ C
A ∪ ∅ = A, A ∪ A = A, A ⊂ B ⇐⇒ A ∪ B = B
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
{ {A = A et donc A ⊂ B ⇐⇒ {B ⊂ {A
{ (A ∩ B) = {A ∪ {B
{ (A ∪ B) = {A ∩ {B
21
2.1.6 Cardinal
Dé nition 2.1.1. Soit E Un ensemble ; le nombre d'éléments de E est noté E = n. cet
entier n est unique et s'appelle le cardinal de E (ou le nombre d'éléments) et est noté
CardE .
En n quelques propriétés :
1. Si A est un ensemble ni et B⊂A alors B est aussi un ensemble ni et CardB ≤
CardA.
2. Si A, B sont des ensembles nis disjoints (c'est-à-dire A ∩ B = ∅) alors
Card (A ∪B) = CardA + CardB.
3. Si A est un ensemble ni et B⊂A alors
Card (A \B) = CardA − CardB.
En particulier si B⊂A et CardA = CardB alors A = B.
4. En n pour A, B deux ensembles nis quelconques :
Card(A ∪ B) = CardA + CardB − Card(A ∩ B)
La preuve de la dernière propriété utilise la décomposition
A ∪ B = A ∪ B \ (A ∩ B)
Les ensembles A et B \ (A ∩ B) sont disjoints, donc
Card(A ∪ B) = CardA + Card B \ (A ∩ B) = CardA + CardB − Card(A ∩ B)
2.1.7 Produit cartésien
Soient E et F deux ensembles. Le produit cartésien, noté E × F, est l'ensemble des
couples (x, y) où x∈E et y ∈ F.
E × F = {(x, y}, x ∈ E ∧ y ∈ F }
Exemple.
1. Vous connaissez R2 = R × R = (x, y) | x, y ∈ R .
2. Autre exemple [0, 1] × R = (x, y) | 0 ≤ x ≤ 1, y ∈ R
22
3. [0, 1] × [0, 1] × [0, 1] = (x, y, z) | 0 ≤ x, y, z ≤ 1
2.2 Relations binaires sur un ensemble
De façon informelle, une relation binaire sur un ensemble E est une proposition qui lie
entre eux certains elements de cet ensemble. Plus proprement, une relation binaire R sur
un ensemble E est d'é nie par une partie G de E × E. Si (x, y) ∈ G on dit que x est en
relation avec y et on le note xRy .
Exemple 17. si E = P (F ), ensemble des parties d'un ensemble F, on peut de nir la
relation d'inclusion entre éléments de E. Si A et B sont deux parties de F, on dit que A
est inclus dans B et on écrit A⊂B si les éléments de A appartiennent tous á B.
Proposition 2.2.1. une relation binaire R sur un ensemble E est
1. ré exive si ∀x ∈ E, xRx
2. transitive si ∀x, y, z ∈ E, (xRy etyRz) =⇒ xRz
3. symétrique si ∀x, y ∈ E, (xRy) =⇒ (yRx)
4. antisymétrique si ∀x, y ∈ E, (xRy etyRx) =⇒ x = y
2.2.1 Relations d'équivalence
De nition 2.2.1. Une relation binaire R sur un ensemble E qui est ré exive, transitive
et symétrique est appelée relation d'équivalence sur E.
Exemple 18. Soit R une relation binaire dé nie par :
∀x, y ∈ R; xRy ⇐⇒ x2 − 1 = y 2 − 1
Montrer que R est une relation d'équivalence.
Solution 2.2.1. Pour qur R soit une relation d'équivalence ; il faut montrer qu'elle soit
re exive transitive et symétrique :
1. R est bien re exive puisque xRx ⇐⇒ x2 − 1 = x2 − 1
2. R est symétrique puique xRy ⇐⇒ x2 − 1 = y 2 − 1 =⇒ y 2 − 1 = x2 − 1
3. R est transitive xRy ⇐⇒ x2 − 1 = y 2 − 1 et yRz ⇐⇒ y 2 − 1 = z 2 − 1 donc xRz
23
2.2.2 Relations d'ordre
De nition 2.2.2. Une relation binaire R sur un ensemble E qui est ré exive, transitive
et antisymétrique est appelée relation d'ordre sur E. Deux elements xet y d'un ensemble
E muni d'une relation d'ordre R sont dits comparables si xRy ou yRx. Si tous les éléments
de E sont deux á deux comparables la relation d'ordre est dite totale.C'est l'ordre n'est
pas totale alors on dit que c'est une reletion d'ordre partielle.
Exemple 19. 1. la relation d'ordre usuelle≤ ou ≥ sur R (ou sur Q) est une relation
d'ordre totale.
2. la relation d'inclusion entre parties d'un ensemble E est une relation d'ordre partielle.
2.2.3 Exercices avec solutions
Exercice 2.2.1. Montrer l'assertions suivante, E étant un ensemble :
∀A, B ∈ P(E) (A ∩ B = A ∪ B) =⇒ A = B
Correction. Nous allons démontrer l'assertion par deux méthodes.
1. Tout d'abord de façon directe". Nous supposons que A et B sont deux parties de E
telles que A ∩ B = A ∪ B. Nous devons montrer que A = B.
Pour cela étant donné x∈A montrons qu'il est aussi dans B. Comme x∈A alors
x∈A∪B donc x∈A∩B (car A ∪ B = A ∩ B ). Ainsi x ∈ B.
Maintenant nous prenons x∈B et le même raisonnement implique x ∈ A. Donc tout
élément de A est dans B et tout élément de B est dans A. Cela veut dire A = B.
2. Ensuite, nous pouvons démontrer par contraposition. Nous supposons que A 6= B et
non devons monter que A ∩ B 6= A ∪ B .
Si A 6= B cela veut dire qu'il existe un élément x ∈ A\B ou alors un élément
x ∈ B \ A. Quitteà échanger A et B, nous supposons qu'il existe x ∈ A \ B. Alors
x∈A∪B mais x∈
/ A ∩ B. Donc A ∩ B 6= A ∪ B .
Exercice 2.2.2. Soient A, B et C trois sous-ensembles de E. Montrer que :
Si A∪C ⊂A∪B et A∩C ⊂A∩B alors C ⊂ B.
Correction. étant donné x ∈ C montrons qu'il est aussi dans B . Si x ∈ C alors x ∈ A∪C
et puisque A∪C ⊂ A∪B donc x ∈ A∪B On a :x ∈ A∪C et x ∈ A∪B alors x∈A ou
bien x ∈ B, Si x∈A alors x ∈ A∩C et puisque A∩C ⊂ A∩B donc x ∈ A∩B ainsi
x∈B .
24
Chapitre 3
les applications
3.0.4 Dé nitions
1. une application est une relation entre deux ensembles pour laquelle chaque élément
du premier (appelé ensemble de départ ou source) est relié à un unique élément du
second (l'ensemble d'arrivée ou but). Le terme est concurrencé par celui de fonction,
bien que celui-ci désigne parfois plus spéci quement les applications dont le but est un
ensemble de nombres et parfois, englobe plus largement les relations pour lesquelles
chaque élément de l'ensemble de départ est relié à au plus un élément de l'ensemble
d'arrivée
Nous représenterons les applications par deux types d'illustrations : les ensembles
patates , l'ensemble de départ (et celui d'arrivée) est schématisé par un ovale ses
éléments par des points. L'association x 7→ f (x) est représentée par une èche.
L'autre représentation est celle des fonctions continues de R dans R (ou des sous-
ensembles de R).
L'ensemble de départ R est représenté par l'axe des abscisses et celui d'arrivée par
l'axe des ordonnées. L'association x 7→ f (x) est représentée par le point (x, f (x)).
2. Égalité. Deux applications f, g : E → F sont égales si et seulement si pour tout x ∈ E,
f (x) = g(x). On note alorsf = g.
n o
3. Le graphe de f : E → F est Γf = x, f (x) ∈ E × F | x ∈ E
4. Composition. Soient f :E→F et g:F →G alors g◦f : E → G est l'application
dé nie par g ◦ f (x) = g f (x) .
5. Antécédents Fixons y ∈ F. Tout élément x∈E tel que f (x) = y est un antécédent de
y.
En termes d'image réciproque l'ensemble des antécédents de y est f −1 ({y}).
25
Exemple 20. 1. L'identité, IdE : E → E est simplement dé nie par x 7→ x et sera très
utile dans la suite.
2. Dé nissons f, g ainsi
f : ]0, +∞[ −→ ]0, +∞[ g : ]0, +∞[ −→ R
1
, x−1
.
x 7−→ x
x 7−→ x+1
Alors g ◦ f : ]0, +∞[→ R véri e pour tout x ∈]0, +∞[ :
1
−1
1 x 1−x
g ◦ f (x) = g f (x) = g = 1 = = −g(x).
x x
+1 1+x
3.0.5 Image directe, image réciproque
Soient E, F deux ensembles.
De nition 3.0.3. Soit A⊂E et f : E → F, l'image directe de A par f est l'ensemble
f(A) = f(x) |x∈A
De nition 3.0.4. Soit B ⊂ F et f : E → F , l'image réciproque de B par f est l'ensemble
−1
f (B) = x ∈ E | f (x) ∈ B
Remarque. 1. f (A) est un sous-ensemble de F , f −1 (B) est un sous-ensemble de E.
2. La notation f −1 (B) est un tout, rien ne dit que f est un fonction bijective (voir
plus loin). L'image réciproque existe quelque soit la fonction.
3. L'image directe d'un singleton f ({x}) = f (x) est un singleton. Par contre l'image
f −1
réciproque d'un singleton {y} dépend de f . Cela peut être un singleton, un en-
semble à plusieurs éléments ; mais cela peut-être E tout entier (si f est une fonction
constante) ou même l'ensemble vide (si aucune image par f ne vaut y ).
3.1 Injection, surjection, bijection
3.1.1 Injection, surjection
Soit E, F deux ensembles et f :E→F une application.
26
De nition 3.1.1. f est injective si pour tout x, x0 ∈ E avec f (x) = f (x0 ) alors x = x0 .
Autrement dit :
∀x, x0 ∈ E f (x) = f (x0 ) =⇒ x = x0
De nition 3.1.2. f est surjective si pour tout y ∈ F, il existe x∈E tel que y = f (x).
Autrement dit :
∀y ∈ F ∃x ∈ E y = f (x)
Une autre formulation : f est surjective si et seulement si f (E) = F .
Remarque. Une autre façon de formuler l'injectivité et la surjectivité est d'utiliser les
antécédents.
f est injective si et seulement si tout élément y de F a au plus un antécédent (et
éventuellement aucun).
f est surjective si et seulement si tout élément y de F a au moins un antécédent.
Exemple 21. 1. Soit f1 : N → Q dé nie par f1 (x) = 1
1+x
. Montrons que f1 est injective.
soit x, x0 ∈ N tels que f1 (x) = f1 (x0 ). 1
Alors 1+x = 1
1+x0
0
, donc 1 + x = 1 + x et donc
0
x=x. Ainsi f1 est injective.
Par contre f1 n'est pas surjective. Il s'agit de trouver un élément y qui n'a pas d'an-
técédent par f1 . Par exemple y=2 n'a pas d'antécédent. Ainsi f1 n'est pas surjective.
2. Soit f2 : Z → N dé nie par f2 (x) = x2 . Alors f2 n'est pas injective. En eet on peut
0
trouver deux éléments x, x ∈ diérents tels que f2 (x) = f2 (x0 ). Il su t de prendre
par exemple x = 1, x0 = −1.
f2 n'est pas non plus surjective, en eet il existe des éléments y∈Z qui n'ont aucun
antécédent. Par exemple y=3 : si y=3 avait un antécédent x par f2 , nous aurions
2
√
f2 (x) = y , c'est-à-dire x = 3, d'où x = ± 3. Mais alors x n'est pas un entier de Z.
Donc y=3 n'a pas d'antécédent et f2 n'est pas surjective.
3.1.2 Bijection
De nition 3.1.3. f est bijective si elle injective et surjective. Cela équivaut à : pour
tout y∈F il existe un unique x∈E tel que y = f (x). Autrement dit : ∀y ∈ F ∃!x ∈
E y = f (x)
L'existence du x vient de la surjectivité et l'unicité de l'injectivité. Autrement dit, tout
élément de F a un unique antécédent par f.
De nition 3.1.4. Soit E, F des ensembles et f :E →F une [Link] si f est
bijective donc elle est inversible i-e : il existe une application g:F →E telle que f ◦ g =F
et g ◦ f =E . g est l'application inverse de f et vice versa.
27
De nition 3.1.5.
Proposition 3.1.1.
Si f est inversible alors l'application g
est unique et elle aussi est bijective. L'application
−1 −1 −1
g s'appelle aussi la bijection réciproque de f et est notée f . De plus (f ) = f.
Remarque. f ◦ g = IdF se reformule ainsi
∀y ∈ F f g(y) = y.
Alors que g ◦ f = IdE s'écrit :
∀x ∈ E g f (x) = x.
Exemple 22. f : R →]0, +∞[ dé nie par f (x) = exp(x) est bijective, sa bijection ré-
ciproque est g :]0, +∞[→ R dé nie par g(y) = ln(y). Nous avons bien exp ln(y) = y ,
pour tout y ∈]0, +∞[ et ln exp(x) = x, pour tout x ∈.
Proposition 3.1.1. Soient f :E→F et g:F →G des applications bijectives. L'appli-
cation g◦f est bijective et sa bijection réciproque est (g ◦ f )−1 = f −1 ◦ g −1
28
Chapitre 4
Les structures algébriques
De nition 4.0.6. Soit E un ensemble. Une loi de composition interne (LCI) sur E est
une application ∗ de E×E dans E.
Exemple 23. 1. La somme sur N, Z, Q, R .
2. Le produit sur N, Z, Q, R .
3. La diérence sur R ouZ
4. Les lois ∪; ∩; 4 (reunion, intersection et diérence symétrique) dé nies sur P (F ).
De nition 4.0.7. Soient ∗ et o deux lois de compositions internes sur un ensemble E
1. ∗ est commutative si ∀a, b ∈ E; a ∗ b = b ∗ a
2. ∗ est associative si ∀a, b, c ∈ E; (a ∗ b) ∗ c = a ∗ (b ∗ c)
3. ∗ est distributive par rapport à o si
∀a, b, c ∈ E; a ∗ (boc) = (a ∗ b)o(a ∗ c)et(boc) ∗ a = (b ∗ a)o(c ∗ a)
4. e∈E un élément neutre à gauche (respectivement à droite) de la loi ∗ si
∃e ∈ E, ∀a ∈ E; e ∗ a = a
respectivement(∃e ∈ E, ∀a ∈ E; a ∗ e = a)
Exemple 24. 1. La diérence n'est ni associative ni commutative sur R.
2. Les lois ∪, ∩, 4 sur P (F ) sont associatives et commutatives. Elles admettent pour
neutres respectifs ∅, F, ∅.
Si ∗ admet un élément neutre, celui-ci est unique. Soit x un élément de E. Si ∗ est
associative (et admet un élément neutre) et si x admet un symétrique pour ∗, celui-ci est
unique.
29
4.1 Groupe
4.1.1 Dé nition
De nition 4.1.1. Un groupe (G, ?) est un ensemble G auquel est associé une opération
? (la loi de composition) véri ant les quatre propriétés suivantes :
1. pour tout x, y ∈ G, x?y ∈G (? est une loi de composition interne)
2. pour tout x, y, z ∈ G, (x ? y) ? z = x ? (y ? z) (la loi est associative)
3. il existe e∈G tel que ∀x ∈ G, x ? e = x et e?x=x (e est l'élément neutre)
4. pour tout x∈G il existe x0 ∈ G tel que x ? x0 = x0 ? x = e 0
(x est l'inverse de x
−1
et est noté x )
Si de plus l'opération véri e
pour tout x, y ∈ G, x ? y = y ? x,
on dit que G est un groupe commutatif (ou abélien).
L'élément neutre e est unique. En eet si e0 véri e aussi le point (3), alors on a e0 ? e = e
(car e est élément neutre) et e0 ? e = e0 (car e0 aussi). Donc e = e0 . Remarquez aussi que
l'inverse de l'élément neutre est lui-même.
Un élément x∈G ne possède qu'un seul inverse. En eet si x0 et x00 véri ent tous les
00 0 00 0
deux le point (4) alors on a x?x = e donc x ? (x ? x ) = x ? e. Par l'associativité
(2) et la propriété de l'élément neutre (3) alors (x0 ? x) ? x00 = x0 . Mais x0 ? x = e donc
e ? x00 = x0 et ainsi x00 = x0 .
4.1.2 Exemples
1. (R∗ , ×) est un groupe commutatif, × est la multiplication habituelle. En eet :
(a) Si x, y ∈ R∗ alors x × y ∈ R∗ .
(b) Pour tout x, y, z ∈ R∗ alors x × (y × z) = (x × y) × z , c'est l'associativité de la
multiplication des nombres réels.
(c) 1 est l'élément neutre pour la multiplication, en eet 1×x = x et x × 1 = x, ceci
∗
quelque soit x∈R .
(d) L'inverse d'un élément x ∈ R∗ est x0 = 1
x
(car x× 1
x
est bien égal à l'élément
neutre 1). L'inverse de x est donc x−1 = 1
x
.
Ces propriétés font de (R∗ , ×) un groupe.
30
(e) En n x × y = y × x, c'est la commutativité de la multiplication des réels.
De nition 4.1.2. Soient (G, ∗) un groupe et H une partie de G. H est un sous-groupe de
(G, ∗) si et seulement si H est non vide, stable pour ∗ (c'est à dire ∀(x, y) ∈ H 2 , x∗y ∈ H )
e et G sont des sous-groupes de (G, ∗) appelés sous-groupes triviaux du groupe (G, ∗).
De nition 4.1.3. Soient (G, ∗) un groupe et H une partie non vide de G
1)e ∈ H
H est un sous groupe ⇐⇒ 2)∀(x, y) ∈ H 2 , x ∗ y ∈ H
3)∀x ∈ H, x0 ∈ H
De nition 4.1.4. (Caractérisation d'un sous groupe) Soient (G, ∗) un groupe et H une
partie non vide de G
H est un sous groupe ⇐⇒ ∀(x, y) ∈ H 2 , x ∗ y −1 ∈ H
Exemple 25. Soit
H = {(x, y) ∈ R2 , 2x + y = 0}
Montrer que H est un sous groupe de (R2 , +)
Solution 4.1.1. 1)(0, 0) ∈ R2
2)(x, y) ∈ H, (x0 , y 0 ) ∈ H
(x, y) − (x0 , y 0 ) = (x − x0 , y − y 0 ) ∈ H
En eet 2(x − x0 ) + (y − y 0 ) = 0
Remarque. 1. L'intersection de deux sous groupes est un sous groupe.
2. La réunion de deux sous groupes n'est pas en général un sous groupe.
3. Pour tout ensemble G ;l'ensemble {e} et G tout entier sont des sous groupes de G.
4. Tout sous groupe d'un groupe abélien est un groupe abélien.
Hommomorphisme de groupe
Soient (G; ∗) et (G0 ; ◦) deux groupes ; et soit f une application de (G; ∗) vers (G0 ; ◦) est
dite hommomorphisme de groupe si :
∀a, b ∈ G, f (a ∗ b) = f (a) ◦ f (b)
31
Si f bijective,on dit que f est un isomorphisme
Si G = G0 on dit que f endomorphisme ,si de plus f bijecive on dit que f est un auto-
morphisme.
Exemple 26.
f : (R, +) −→ (R∗ , ×).
x 7→ exp(x)
f : (Z, +) −→ (G, ×).
n 7→ an
4.1.3 Anneaux et corps
.
Anneaux
Soit A un ensemble non vide ayant au moins deux éléments muni de deux lois de compo-
sition interne (notées + et ×). (A, +, ×) est un anneau ,
1. (A,+) est un groupe commutatif
2. a) × est associative b) × possède un élément neutre dans A
3. × est distributive sur +
4. Si× est commutative, l'anneau est dit commutatif
Exemple 27. 1. (R, +, ×) est un anneau commutatif.
2. (R2 , ⊕, ⊗) est un anneau [Link] :
(a, b) ⊕ (a0 , b0 ) = (a + a0 , b + b0 )
(a, b) ⊗ (a0 , b0 ) = (aa0 , bb0 )
Corps
Soit (K, +, ×) un anneau. (K, +, ×) est un corps si et seulement si tout élément non
nul de K admet un inverse (pour ×) dans K. Si × est commutative, le corps est dit
commutatif.
32
Exemple 28. (Q, +, ×), (R, +, ) sont des corps commutatifs.
33
Chapitre 5
Les nombres complexes
5.0.4 Dé nition
De nition 5.0.5. Un nombre complexe est un couple (a, b) ∈ R2 que l'on notera a + ib
2
avec i = −1
Cela revient à identi er 1 avec le vecteur (1, 0) de R2 , et i avec le vecteur (0, 1). On note C
l'ensemble des nombres complexes. Si b = 0, alors z=a est situé sur l'axe des abscisses,
que l'on identi e à R. Dans ce cas on dira que z est réel, et si b 6= 0 et a = 0, z est dit
imaginaire pur. En particulier un nombre complexe est réel si et seulement si sa partie
imaginaire est nulle. Un nombre complexe est nul si et et seulement si sa partie réelle et
sa partie imaginaire sont nuls.
5.0.5 Opérations sur les nombres complexes
Si z = a + ib et z 0 = a0 + ib0 sont deux nombres complexes, alors on dé nit les opérations
suivantes :
addition : (a + ib) + (a0 + ib0 ) = (a + a0 ) + i(b + b0 )
multiplication : (a + ib) × (a0 + ib0 ) = (aa0 − bb0 ) + i(ab0 + ba0 ). On développe en suivant
les règles de la multiplication usuelle avec la convention : i2 = −1
5.0.6 Partie réelle et imaginaire
Soit z = a + ib un nombre complexe, sa partie réelle est le réel a et on la note <(z) ; sa
partie imaginaire est le réel b et on la note =(z).
0
<(z) = <(z )
z = z0 ⇐⇒ et
=(z) = =(z 0 )
34
5.0.7 L'opposé et l'inverse d'un nombre complexe
L'opposé de z = a + ib est −z = (−a) + i(−b) = −a − ib.
La multiplication par un scalaire λ ∈ R : λ · z = (λa) + i(λb).
L'inverse : si z 6= 0, il existe un unique z0 ∈ C tel que zz 0 = 1 (où 1 = 1 + i × 0).T ” T n −
T n T ” ≥A 0
Pour la preuve et le calcul on écrit z = a + ib puis on cherche z 0 = a0 + ib0 tel que
zz 0 = 1. Autrement dit (a + ib)(a0 + ib0 ) = 1. En développant et identi ant les parties
réelles et imaginaires on obtient les équations
(
aa0 − bb0 = 1 (L1 )
ab0 + ba0 = 0 (L2 )
En écrivant aL1 + bL2 (on multiplie la ligne (L1 ) par a, la ligne (L2 ) par b et on
additionne) et −bL1 + aL2 on en déduit
( (
a0 (a2 + b2 ) = a a0 = a
a2 +b2
donc
b0 (a2 + b2 ) = −b b0 = b
− a2 +b 2
1
L'inverse de z, noté z , est donc
1 a −b a − ib
z0 = = 2 2
+i 2 2
= 2 .
z a +b a +b a + b2
z 1
La division : z 0 est le nombre complexe z × z0
.
2 n
Puissances : z = z × z , z = z × · · · × z (n fois, n ∈ N). Par convention z0 = 1 et
n
z −n = z1 = z1n .
5.0.8 Conjugué, module
Le conjugué de z = a + ib est z̄ = a − ib, autrement dit <(z̄) = <(z) et =(z̄) = −=(z). Le
point z̄ est le symétrique du point z par rapport à l'axe réel.
√
Le module de z = a + ib est le réel positif |z| = a2 + b2 . Comme z × z̄ = (a + ib)(a − ib) =
√
a2 + b 2 alors le module vaut aussi |z| = z z̄ .
Quelques formules :
z + z 0 = z̄ + z 0 , z̄ = z , zz 0 = z̄z 0
z = z̄ ⇐⇒ z ∈R
|z|2 = z × z̄ , |z̄| = |z|, |zz 0 | = |z||z 0 |
35
|z| = 0 ⇐⇒ z = 0
Proposition 5.0.1 (L'inégalité triangulaire) . |z + z 0 | 6 |z| + |z 0 |
preuve. Pour la preuve on calcule |z + z 0 |2 :
|z + z 0 |2 = (z + z 0 ) (z + z 0 )
= z z̄ + z 0 z 0 + zz 0 + z 0 z̄
= |z|2 + |z 0 |2 + 2<(z 0 z̄)
≤ |z|2 + |z 0 |2 + 2|z 0 z̄|
≤ |z|2 + |z 0 |2 + 2|zz 0 |
≤ (|z| + |z 0 |)2
5.1 Racines carrées, équation du second degré
5.1.1 Racines carrées d'un nombre complexe
Soitz un nombre complexe, une racine carrée est un nombre complexe ω tel que ω2 = z.
√ √
Par exemple si x ∈R+ , on connaît deux racines carrées : x, − x. Autre exemple : les
racines carrées de −1 sont i et −i.
Proposition 5.1.1. Soit z un nombre complexe, alors z admet deux racines carrées, ω
et −ω .
Si z 6= 0 ces deux racines carrées sont distinctes. Si z = 0 alors ω = 0 est une racine
double.
Pour z = a + ib nous allons calculer ω et −ω en fonction de a et b.
preuve. Nous écrivons ω = x + iy , nous cherchons x, y tels que ω2 = z.
ω 2 = z ⇐⇒ (x + iy)2 = a + ib
(
x2 − y 2 = a en identi ant parties réelles
⇐⇒
2xy = b et parties imaginaires.
Petite astuce ici : nous rajoutons l'équation |ω|2 = |z| (qui se déduit bien sûr de ω 2 = z ) qui
36
√
s'écrit aussi x2 + y 2 = a2 + b 2 . Nous obtenons des systèmes équivalents aux précédents :
√ p√
2 2 2 = 2 + b2 + a x = ± √1 a2 + b2 + a
x −y =a 2x a
2p
√ √
2xy = b ⇐⇒ 2y 2 = a2 + b2 − a ⇐⇒ y = ± √12 a2 + b2 − a
x2 + y 2 = √a2 + b2
2xy = b
2xy = b
Discutons suivant le signe du réel b. Si b > 0, x et y sont de même signe ou nuls (car
2xy = b ≥ 0) donc
√ √
q q
1
ω = ±√ a2 + b2 +a+i 2 2
a +b −a ,
2
et si b60
√ √
q q
1
ω = ±√ a2 + b2 +a−i a2 + b2 −a .
2
√
En particulier si b = 0 le résultat dépend du signe de a, si a > 0, a2 = a et par
√ √ √ p
conséquent ω = ± a, tandis que si a < 0, a2 = −a et donc ω = ±i −a = ±i |a|.
√ √
Exemple 29. Les racines carrées de i sont + 2
2
(1 + i) et − 2
2
(1 + i).
En eet :
ω 2 = i ⇐⇒ (x + iy)2 = i
(
x2 − y 2 = 0
⇐⇒
2xy = 1
Rajoutons la conditions |ω|2 = |i| pour obtenir le système équivalent au précédent :
2 2 2 √1
x −y =0 2x = 1 x=± 2
2xy = 1 ⇐⇒ 2y 2 = 1 ⇐⇒ y = ± √12
x2 + y 2 = 1
2xy = 1
2xy = 1
Les réels x et y sont donc de même signe, nous trouvons bien deux solutions :
1 1 1 1
x + iy = √ + i √ ou x + iy = − √ − i √
2 2 2 2
5.1.2 Équation du second degré
Proposition 5.1.2. L'équation du second degré az 2 + bz + c = 0, où a, b, c ∈ C et a 6= 0,
possède deux solutions z1 , z2 ∈C
2
Soit ∆ = b − 4ac le discriminant et δ ∈C une racine carrée de ∆. Alors les solutions
−b + δ −b − δ
sont z1 = et z2 = .
2a 2a
37
Et si ∆=0 alors la solution z = z1 = z2 = −b/2a est unique (elle est dite double).
√
Exemple 30. z 2 + z + 1 = 0, ∆ = −3, δ = i 3,
les solutions sont √
−1 ± i 3
z=
2
.
√
1−i 2
z2 + z + 4
= 0, ∆ = i, δ = 2
(1 + i),
les solutions sont √ √
2
−1 ± 2
(1 + i) 1 2
z= =− ± (1 + i)
2 2 4
.
On retrouve aussi le résultat bien connu pour le cas des équations à coe cients réels :
Corollaire 5.1.1. Si les coe cients a, b, c sont réels alors ∆∈R et les solutions sont de
trois types :
b
si ∆ = 0, la racine double est réelle et vaut − ,
√ 2a
−b ± ∆
si ∆ > 0, on a deux solutions réelles ,
2a √
−b ± i −∆
si ∆ < 0, on a deux solutions complexes, mais non réelles, .
2a
preuve. On écrit la factorisation
2 !
2
b c b b c
az 2 + bz + c = a z2 + z + =a z+ − 2+
a a 2a 4a a
2 ! 2 !
δ2
b ∆ b
= a z+ − 2 =a z+ − 2
2a 4a 2a 4a
b δ b δ
= a z+ − z+ +
2a 2a 2a 2a
−b + δ −b − δ
= a z− z− = a (z − z1 ) (z − z2 )
2a 2a
Donc le binôme s'annule si et seulement si z = z1 ou z = z2 .
5.1.3 Théorème fondamental de l'algèbre
[d'AlembertGauss] Soit P (z) = an z n + an−1 z n−1 + · · · + a1 z + a0 un polynôme à coe -
cients complexes et de degré n. Alors l'équation P (z) = 0 admet exactement n solutions
complexes comptées avec leur multiplicité.
38
En d'autres termes il existe des nombres complexes z1 , . . . , zn (dont certains sont éven-
tuellement confondus) tels que
P (z) = an (z − z1 ) (z − z2 ) · · · (z − zn ) .
5.2 Argument et trigonométrie
5.2.1 Argument
Si z = x + iy est de module 1, alors x2 + y 2 = |z|2 = 1. Par conséquent le point (x, y) est
sur le cercle unité du plan, et son abscisse x est notée cos θ, son ordonnée y est sin θ, où
θ est (une mesure de) l'angle entre l'axe réel et z. Plus généralement, si z 6= 0, z/|z| est
de module 1, et cela amène à :
De nition 5.2.1. Pour tout z ∈C∗ un nombre θ∈R tel que
z = |z| (cos θ + i sin θ)
est appelé un argument de z et noté θ = arg(z).
Proposition 5.2.1. Soit k∈Z .L'argument satisfait les propriétés suivantes :
arg (zz 0 ) ≡ arg(z) + arg (z 0 ) + 2kπ
arg (z n ) ≡ n arg(z) + 2kπ
arg (1/z) ≡ − arg(z) + 2kπ
arg(z̄) ≡ − arg z + 2kπ
preuve.
zz 0 = |z| (cos θ + i sin θ) |z 0 | (cos θ0 + i sin θ0 )
= |zz 0 | (cos θ cos θ0 − sin θ sin θ0 + i (cos θ sin θ0 + sin θ cos θ0 ))
= |zz 0 | (cos (θ + θ0 ) + i sin (θ + θ0 ))
donc arg (zz 0 ) ≡ arg(z) + arg (z 0 ) (mod 2π). On en déduit les deux autres propriétés, dont
la deuxième par récurrence.
39
5.2.2 Formule de Moivre, notation exponentielle
La formule de Moivre est :
(cos θ + i sin θ)n = cos (nθ) + i sin (nθ)
cette preuve est hors programme mais on vas le faire comme même
preuve. Par récurrence, on montre que
(cos θ + i sin θ)n = (cos θ + i sin θ)n−1 × (cos θ + i sin θ)
= (cos ((n − 1) θ) + i sin ((n − 1) θ)) × (cos θ + i sin θ)
= (cos ((n − 1) θ) cos θ − sin ((n − 1) θ) sin θ)
+i (cos ((n − 1) θ) sin θ + sin ((n − 1) θ) cos θ)
= cos nθ + i sin nθ
Nous dé nissons la notation exponentielle par eiθ = cos θ + i sin θ et donc tout nombre
iθ
complexe s'écrit z = ρe où ρ = |z| est le module et θ = arg(z) est un argument.
0
Avec la notation exponentielle, on peut écrire pour z = ρeiθ et z 0 = ρ0 eiθ
0 0
zz 0 = ρρ0 eiθ eiθ = ρρ0 ei(θ+θ )
z n = ρeiθ n = ρn eiθ n = ρn einθ
iθ
1 −iθ
1/z = 1/ ρe = ρe
−iθ
z̄ = ρe
n
La formule de Moivre se réduit à l'égalité : eiθ = einθ .
0
Et nous avons aussi : ρeiθ = ρ0 eiθ (avec ρ, ρ0 > 0) si et seulement si ρ = ρ0 et θ ≡ θ0
(mod 2π).
5.2.3 Racines n-ième
De nition 5.2.2. Pour z∈C et n ∈ N, une racine n-ième est un nombre ω∈C tel que
ωn = z.
Proposition 5.2.2. Il y a n racines n-ièmes ω0 , ω1 , . . . , ωn−1 de z = ρeiθ , de la forme :
iθ+2ikπ
ωk = ρ1/n e n , k = 0, 1, . . . , n − 1
40
preuve. Écrivons z = ρeiθ et cherchons ω sous la forme ω = reit tel que z = ωn.
it n
Nous obtenons donc ρeiθ = ω n
= (re ) = rn eint . Prenons tout d'abord le module :
iθ n int n 1/n
ρ = ρe = |r e | = r et donc r = ρ (il s'agit ici de nombres réels). Pour les
arguments nous avons eint = eiθ et donc nt ≡ θ (mod 2π) (n'oubliez surtout pas le modulo
θ 2kπ
2π !). Ainsi on résout nt = θ + 2kπ (pour k ∈ Z) et donc t= n
+ n
. Les solutions de
iθ+2ikπ
l'équation ωn = z sont donc les ωk = ρ1/n e n . Mais en fait il n'y a que n solutions
distinctes car ωn = ω0 , ωn+1 = ω1 , . . . Ainsi les n solutions sont ω0 , ω1 , . . . , ωn−1 .
Par exemple pour z = 1, on obtient les n racines n-ièmes de l'unité e2ikπ/n , k = 0, . . . , n−1
qui forment un groupe multiplicatif.
5.2.4 Applications à la trigonométrie
Soit θ∈R ,les formules d'Euler sont :
eiθ + e−iθ eiθ − e−iθ
cos θ = , sin θ =
2 2i
Nous les appliquons dans la la linéarisation.
Linéarisation. On exprime cosn θ ou sinn θ en fonction des cos kθ et sin kθ pour k allant
de 0 à n.
n
eiθ −e−iθ
Méthode : avec la formule d'Euler on écrit sinn θ = 2i
. On développe à l'aide du
binôme de Newton puis on regroupe les termes par paires conjuguées.
Exemple 31.
3
eiθ − e−iθ
3
sin θ =
2i
1
(eiθ )3 − 3(eiθ )2 e−iθ + 3eiθ (e−iθ )2 − (e−iθ )3
=
−8i
1
e3iθ − 3eiθ + 3e−iθ − e−3iθ
=
−8i
1 e3iθ − e−3iθ eiθ − e−iθ
= − −3
4 2i 2i
sin 3θ 3 sin θ
= − +
4 4
5.3 Nombres complexes et géométrie
On associe à tout point M de R2 de coordonnées (x, y), le nombre complexe z = x + iy
appelé son a xe.
41
5.3.1 Équation complexe d'une droite
Soit
ax + by = c
l'équation réelle d'une droite D : a, b, c sont des nombres réels (a et b n'étant pas tous les
2
deux nuls) d'inconnues (x, y) ∈ R .
Écrivons z = x + iy ∈ C, alors
z + z̄ z − z̄
x= , y= ,
2 2i
donc D a aussi pour équation a(z + z̄) − ib(z − z̄) = 2c ou encore (a − ib)z + (a + ib)z̄ = 2c.
Posons ω = a + ib ∈ C∗ et k = 2c ∈ R alors l'équation complexe d'une droite est :
ω̄z + ωz̄ = k où ω ∈ C∗ et k ∈ R.
5.3.2 Équation complexe d'un cercle
Soit C(Ω, r) le cercle de centre Ω et de rayon r. C'est l'ensemble des points M tel que
dist(Ω, M ) = r. Si l'on note ω l'a xe de Ω et z l'a xe de M. Nous obtenons :
dist(Ω, M ) = r ⇐⇒ |z − ω| = r ⇐⇒ |z − ω|2 = r2 ⇐⇒ (z − ω)(z − ω) = r2
et en développant nous trouvons que l'équation complexe du cercle centré en un point
d'a xe ω et de rayon r est : z z̄ − ω̄z − ωz̄ = r2 − |ω|2 où ω∈C et r ∈ R.
5.3.3 Équation |z−a|
|z−b| =k
Proposition 5.3.1. Soit A, B deux points du plan et k ∈ R+ . L'ensemble des points M
MA
tel que M B =k est
une droite qui est la médiatrice de [AB], si k = 1,
un cercle, sinon.
Exemple 32. Prenons A le point d'a xe +1,B le point d'a xe −1.
preuve. Si les a xes de A, B, M sont respectivement a, b, z , cela revient à résoudre l'équa-
42
|z−a|
tion |z−b| = k.
|z − a|
= k ⇐⇒ |z − a|2 = k 2 |z − b|2
|z − b|
⇐⇒ (z − a)(z − a) = k 2 (z − b)(z − b)
⇐⇒ (1 − k 2 )z z̄ − z(ā − k 2 b̄) − z̄(a − k 2 b) + |a|2 − k 2 |b|2 = 0
Donc si k = 1, on pose ω = a−k 2 b et l'équation obtenue z ω̄+z̄ω = |a|2 −k 2 |b|2 est bien celle
d'une droite. Et bien sûr l'ensemble des points qui véri ent MA = MB est la médiatrice
a−k2 b −|a|2 +k2 |b|2
de [AB]. Si k 6= 1 on pose ω = 1−k2
alors l'équation obtenue est z z̄−z ω̄− z̄ω = 1−k2
.
−|a|2 +k2 |b|2
C'est l'équation d'un cercle de centre ω et de rayon r satisfaisant r2 − |ω|2 = 1−k2
,
|a−k2 b|2 −|a|2 +k2 |b|2
soit r2 = (1−k2 )2
+ 1−k2
.
43
Chapitre 6
Polynômes et fractions rationnelles
6.0.4 Polynômes
De nition 6.0.1. On désigne par K le corps R ou C ,on appel polynôme toute expression
de la forme P (x) = a0 + a1 x + a2 x2 + a3 x3 ...... + an xn
Un polynôme quelconque s'écrit donc sous la forme
n
X
P (X) = ak X k
k=0
Exemple 33. 1. P (x) = 5 + 3x − 2x2 + x3 polynôme à coe cients réels.
2. Q(x) = 7 + (2i + 9)x + (6 − i)x3 − 8ix5 polynôme à coe cients complexes.
L'ensemble des polynômes à coe cients réels est noté R[X]. L'ensemble des polynômes à
coe cients complexes est lui noté C[X]. Le polynôme nul est donné par P (x) = 0, ∀X
De nition 6.0.2. Si P 6= 0, on note deg(P ) le rang du dernier coe cient non nul de P.
Par convention, on posera le degré du polynôme nul est −∞. On appellera les polynômes
de degré 0 les polynômes constants : ils sont de la forme P (X) = a0 avec a0 un réel ou un
complexe non nul. On notera Kn [X] l'ensemble des polynômes de degré inférieur ou égale
à n.
Exemple 34. Calculer suivant les valeurs de λ le degré de P avec P (x) = (λ2 + 2λ +
1)X 3 + (λ + 3)X + 5
1. Si λ = −1 , le degré de P égale à 1
2. Si λ = −1et λ = −3 , le degré de P égale à 0
3. Si λ 6= −1et λ 6= −3 , le degré de P égale à 3
44
6.1 Opérations sur les polynômes
6.1.1 Addition
Considérons P (X) = 2X + 1 et Q(X) = 1 + X − X 2
On peut additionner des polynômes
P (X) + Q(X) = (P + Q)(X) = 2 + 3X − X 2
6.1.2 Multiplier un polynôme par un scalaire
3 × P (X) = (3 · P )(X) = 6X + 3
Multiplication de deux polynômes
P (X) · Q(X) = (P · Q)(X) = 1 + 3X + X 2 − 2X 3
6.1.3 composition de deux polynômes
P ◦ Q(X) = P [Q(X)] = −2X 2 + 2X + 3 Q ◦ P (X) = Q[P (X)] = −4X 2 − 2X + 1
Proposition 6.1.1.
deg(P + Q) = sup(deg(P ), deg(Q))
deg(P · Q) = deg(P ) + deg(Q)
deg(P ◦ Q) = deg(P ) + deg(Q)
6.1.4 Division euclidienne de polynômes
Soient A et B deux polynômes de K[X], avec B 6= 0. Alors il existe un unique couple
(Q, R) de polynômes tels que
A=B·Q+R avec deg(R) < deg(B)
Si R(x) = 0, on dit que A est divisible par B.
45
A X5 + X4 − X3 + X − 1 X3 + X2 + 2
_________
BQ1 X5 + X4 + 2X 2 X 2 |{z}
|{z} −1
Q1
Exemple 35. A = A − BQ .
Q2
3 2
1 1 − X − 2X + X − 1
BQ2 . − X3 − X2 −2
2
R = A1 − BQ2 . −X +X +1
Cela veut donc dire que
X 5 + X 4 − X 3 + X − 1 = (X 3 + X 2 + 2)(X 2 − 1) − X 2 + X + 1
On a bien R(X) = −X 2 + X + 1, deg(R) = 2 < 3 = deg(B).
Si R = 0, on dit que A est divisible par B , ou que B divise A, ou encore que A est un
multiple de B.
Par contre, vous connaissez les nombres premiers : ce sont les nombres entiers supérieurs
à 2 qui ne sont divisibles que par 1 et eux-mêmes. Nous avons besoin d'une dé nition
équivalente pour les polynômes : on les appelle les polynômes irreductibles
6.1.5 Polynômes irreductibles
Un polynôme P est irréductible si
1. deg(P ) = 1
2. les seuls diviseurs de P sont 1, P, et leurs associés.
Cela revient à dire qu'un polynôme irreductible ne peut pas s'écrire sous la forme P1 · P 2
avec P1 et P2 des polynômes de degré supérieur ou égal à 1.
En particulier, tous les polynomes de degré 1 sont irréductibles.
Polynômes irreductibles dans C[X]
Les polynômes irréductibles de C[X] sont les polynômes de degré 1
Exemple 36.
(X-3)
(X-i)
46
Polynômes irreductibles dans R[X]
Les polynomes irréductibles de R[X] sont
1. les polynômes de degré 1
2. les polynômes de degré 2 de discriminant strictement négatif.
Exemple 37. 1. P (X) = X 2 + X + 5 est un polynôme irréductible dans R[X] puisque son
discriminant est négatif.
2. P (x) = x + 5 est un polynôme irréductible dans R[X]
6.1.6 Racines d'un polynôme
On dit que α est une racine de P (ou un zéro de P) lorsque P (α) = 0
Par exemple, P (X) = X 2 + 1 admet deux racines dans C[x] et aucune dans R[x].
Le polynôme P est divisible par (X − α) si et seulement si α est une racine de P
P (X) = (X − α)Q + R avec deg(R) < deg(X − α) = 1
De nition 6.1.1. Si a est une racine de P, alors X−a divise P, c'est à dire qu'il
existe un polynôme Q tel que
P (X) = (X − a) × Q(X).
Soit k ∈ N∗ , on dit que a est de racine de multiplicité k de P si
(X − a)k diviseP
et si
(X − a)k+1 ne divise pasP
Tout polynôme non constant de C[x] admet au moins une racine.
En eet, puisque les seuls polynomes irréductibles de C[x] sont les polynomes de degré
1, tout polynôme non constant de C[x] peut s'écrire comme produit de polynômes de
degré 1 : tout polynôme non constant peut donc s'écrire sous la forme (X − a)Q qui
admet donc au moins une racine a.
47
6.2 Division selon les puissances croissantes
Nous verrons dans la section suivante qu'il peut être utile d'écrire un polynôme A sous
la forme
A = BS + X p+1 T avec deg(S)p
le polynôme B étant donné et devant être obligatoirement de valuation 0 (en gros, le
coe cient de X0 est non nul).
Cela donne pour A = 1 − 2X + X 3 + X 4 et B = 1 + X + X2 à l'ordre p=2
A 1 − 2X + X3 + X4 1 + X + X2
_________
2
BQ1 1+X +X 1 − 3X − 2X 2
A − BQ1 . − 3X − X 2 + X 3 + X 4 Q1 Q2 Q3
BQ2 . − 3X − 3X 2 − 3X 3
A − BQ1 − BQ2 . 2X 2 + 4X 3 + X 4
BQ3 . 2X 2 + 2X 3 + 2X 4
A − BQ1 − BQ2 − BQ3 . 2X 3 − X 4
On a donc A = (1 − 3X + 2X 2 ) B + (2 − X) X 3
| {z } | {z }
S T
48
6.3 Fractions rationnelles
De nition 6.3.1. Une fraction rationnelle est un quotient de deux polynômes. Autre-
ment dit, c'est une fraction dont le numérateur et la dénominateur sont des polynômes.
Le numérateur peut être une constante et les polynômes peuvent être écrits sous diverses
formes.
X 3 −3X+1 (X 3 −3X+1)(X+1)
Par exemple, F (X) = X 2 −1
est une fraction rationnelle ; F (X) = (X 2 −1)(X+1)
est
aussi une fraction rationnelle
6.3.1 Degré d'une fraction rationnelle
A
Soit F une fraction rationnelle ; une fraction rationnelle F = B
, alors :
deg(F ) = deg(A) − deg(B)
6.3.2 Pôles et zéros
Soit F une fraction rationnelle et deux polynômes A et B tels que F = A/B soit une
forme irréductible de F. On appelle
(a) Pole de F les racines de B
(b) Zéro de F les racines de A
X+32
Par exemple F (X) = X 2 −1
admet pour pôles −1 et 1 et pour zéro −32.
6.3.3 Partie entière d'une fraction rationnelle
R R
On peut écrire de manière unique toute fraction sous la forme F = E+B avec deg B =
deg(R) − deg(B) < 0, c'est à dire d'un polynôme plus une fraction de degré négatif
(le degré du numérateur est plus petit que le degré du dénominateur).E est appellé la
partie entière de F, la division euclidienne nous permet d'obtenir la partie entière.
Par exemple, nous avons vu précédemment que
X 5 + X 4 − X 3 + X − 1 = (X 3 + X 2 + 2)(X 2 − 1) − (X 2 − X − 1)
et donc que
X5 + X4 − X3 + X − 1 2 X2 − X − 1
= X − 1 −
X3 + X2 + 2 X3 + X2 + 2
49
En eet, la division euclidienne de A par B s'écrit
A=B·Q+R avec deg(R) < deg(B)
c'est à dire
A R R
=Q+ avec deg <0
B B B
, et donc le quotient de la division euclidienne de A par B est bien la partie entière de
A/B .
6.4 Décomposition en éléments simples
Structure de la décomposition
Notre fraction F s'écrivant sous la forme E + R/B , le E nous intéresse car c'est un
polynôme qu'on sait intégrer. Pour la partie R/B , qu'on appelle la partie polaire,
ce n'est pas toujours évident d'en trouver une primitive. Pour nous aider, on va la
décomposer en éléments simples dans R(X) et dans C(X).
6.4.1 Décomposition en éléments simples dans C(X).
P
Soit une fraction rationnelle sur C. Le dénominateur Q peut s'écrire sous la forme
Q
du produit
λ(X − a1 )p1 (X − a2 )p2 . . . (X − ak )pk ,
où les pi sont des entiers et les ai et λ des complexes.
Il existe alors un polynôme E et des éléments bij de C tels que :
P b11 b12 b1p1 bkpk
=E+ + + . . . + + . . . + .
Q (X − a1 ) (X − a1 )2 (X − a1 )p1 (X − ak )pk
P bij
E s'appelle la partie entière de et les s'appellent des éléments simples.
Q (X − ai )j
6.4.2 Décomposition en éléments simples dans R(X).
P
Soit une fraction rationnelle sur R. Le dénominateur Q peut s'écrire sous la forme
Q
du produit
λ(X −a1 )p1 (X −a2 )p2 . . . (X −ak )pk (X 2 +b1 X +c1 )q1 (X 2 +b2 X +c2 )q2 . . . (X 2 +b` X +c` )q` ,
50
où les pi et qi sont des entiers et les ai , bi ,ci et λ des réels tels que b2i − 4ci < 0.
Il existe alors un polynôme E, des éléments dij de R et des polynômes Aij de degré
inférieur ou égal à 1 tels que :
P d11 d12 d1p1 dkpk
=E+ + 2
+ ... + p
+ ... + +
Q (X − a1 ) (X − a1 ) (X − a1 ) 1 (X − ak )pk
A11 A12 A1q1 A`q`
. . .+ + 2 +. . .+ 2 +. . .+ 2 .
(X 2 + b1 X + c1 ) (X + b1 X + c1 )2 (X + b1 X + c1 )q1 (X + b` X + c` )q`
P
le polynôme E s'appelle la partie entière de ,
Q
dij
les fractions de la forme s'appellent des éléments simples de première
(X − ai )j
espèce,
Aij
les fractions de la forme des éléments simples de seconde es-
(X 2 + bi X + ci )j
pèce.
Exemple 38.
R(x) x3 − 21x − 7
=
B(x) (x + 2)(x − 1)2 (x2 + x + 1)
éléments simples de 1espèce :
• le pôle x=1 de multiplicité 2 2 éléments simples :
A1 A2
, ,
x−1 (x − 1)2
• le pôle x = −2 de multiplicité 1 1 élément simple
A3
x+2
éléments simples de 2espèce : 1 seul, associé au facteur irreductible x2 + x + 1
B1 x + C1
x2 + x + 1
Remarque. il faut toujours s'assurer de la décomposition complète du dénominateur.
Soit F (x) = A(x)/B(x) une fraction rationnelle alors F se décompose dans R(X) de
manière unique en somme de tous les éléments simples relatifs à B comme suit :
R(x) X X Aik X X Bjk x + Cjk
= +
B(x) i k
(x − ri )k j `
(x2 + bj x + cj )k
Exemple 39. Dans l'exemple précédent la décomposition théorique en éléments simples
de R(x)/B(x) est
51
R(x) x3 − 21 x − 7 A1 A2 A3 B1 x + C1
= = + 2
++ +
B(x) (x + 2)(x − 1)(x + x + 1) x − 1 (x − 1) x+2 x+x+1
Maintenant, on vas calculer les coe cients de la décomposition.
6.4.3 Calculs des coe cients de la décomposition
Cas où la fraction ne présente que des pôles simples
5 x − 29
F(x) =
(x + 3) (x − 8)
F (x) présente deux pôles simples :−3 et 8 . La forme de sa décomposition est donc :
α β
F(x) = +
x+3 x−8
On donne à X des valeurs et on cherche α et β ,après calcul on trouve
4 1
F(x) = +
x+3 x−8
La division selon les puissances croissantes pour les pôles multiples
La deuxième méthode pour trouver les coe cients est par la division selon les puissances
croissantes appliqué pour les pôles d'ordre de multiplicité assez élevé
38 x + 30 + 2 x3 + 15 x2
F(x) =
(x + 2)3 (x + 1)
F (x) présente −2 comme pôle triple , −1 comme pôle simple.
La forme de la décomposition de F (x) est donc :
α β γ δ
F(x) = 3
+ 2
+ +
(x − 2) (x + 2) x+2 x+1
Je fais dans F (x) le changement de varriable x=h−2
52
2 h − 2 + 2 h3 + 3 h2
F(h − 2) =
h3 (h − 1)
Je divise le numérateur obtenu par h−1 suivant les puissances croissantes à l'ordre
2=3−1 (3 est l'ordre de −2 comme pôle de la fraction). J'obtiens :
2 h − 2 + 2 h3 + 3 h2 = (h − 1) (2 − 3 h2 ) + 5 h3
Pour revenir à F (h − 2) je divise les deux membres de cette égalité par h3 (h − 1) ce qui
me donne aussitôt
2 3 5
F(h − 2) = − +
h3 h h − 1
Je pose h=x+2 ce qui me donne :
2 3 5
F(x) = 3
− +
(x + 2) x+2 x+1
Autres méthodes
On peut souvent se débrouiller autrement : parité, limite en l'in ni, valeurs particulières.
3. Méthode des limites ou méthode de substitution
Cette méthode consiste à multiplier d'abord par la plus basse puissance qui intervient
dans la décomposition en éléments simples, et de prendre la limite x→∞ (où il su t
de garder les puissances les plus élevées). Ainsi, on a dans le membre de droite la
somme des coe cients qui correspondent à cette puissance, qui permet de déterminer
un coe cient en terme des autres.
Exemple : Considérons
x3 − 21 x − 7 A1 A2 A3 B1 x + C1
F (x) = = + 2
+ + 2
(x + 2)(x − 1)(x + x + 1) x − 1 (x − 1) x+2 x +x+1
On multiplie par x, la limite donne alors
x4
lim = 0 = A1 + A3 + B1
x5
53
et donc B1 = −A1 − A3 = −2 − 1 = −3
4. Méthode des valeurs particulières
Une autre méthode consiste à simplement prendre des valeurs particulières pour x (dif-
férents des pôles) et ainsi d'avoir un système d'équations qui permettra de déterminer
les coe cients manquants.
Exemple En gardant notre exemple, prenons x = 0 :
−7 A3
= −A1 + A2 + + C1
2 2
et donc
7 A3 7 1
C1 = − + A1 − A2 − = − + 2 + 3 − = −4 + 5 = 1
2 2 2 2
Remarque : dans le cas général, il faut ainsi créer un système d'autant d'équations
(indépendantes) qu'il reste de coe cients à déterminer.
5. Par identi cation
La méthode générique qui marche toujours mais qui n'est pas toujours pas la plus rapide,
consiste à réécrire la somme des éléments simples sur le dénominateur commun qui est
B(x), et d'identi er les coe cients des mêmes puissances de x du membre de gauche
(coe cients de R(x)) et du membre de droite (les A, B, C multipliés par une partie des
facteurs de B(x)).
Ainsi on obtient un système d'équations linéaires dont la solution donne les coe cients
(manquants).
Résumé
Pratique de la décomposition
(a) On détermine la partie entière à l'aide d'une division euclidienne. on pose F =
R R
E+ Q
.Ensuite on décompose la fraction Q
(b) On détermine les pôles de Q avec leur ordre de multiplicité et on dresse la liste des
diviseurs primaires du dénominateur.
R
(c) On écrit la décomposition théorique de Q dans R ou dans C .
(d) On choisit la méthode que l'on va pour trouver les coe cients de la décomposition
R
(e) Une fois Q décomposée, en lui ajoutant la partie entière .
54
Chapitre 7
Les matrices
7.1 Rappels et notions
On se donne un corps K avec (K = C ou K = C). On note Mm,n (K) l'espace des
matrices à m lignes et n colonnes à coe cients dans K.
A = (aij ) i ∈ [1..m] et j ∈ [1..n]
A = (aji ) est la transposée de A
A∗ ∈ Mm,n (K) tel que a∗ij = aji est la matrice adjointe de A.
! 1 −1 0
1 2
Exemple 40.
3 −1 6
3 4
3 0 0
De nition 7.1.1. Deux matrices sont égales lorsqu'elles ont la même taille et que
les coe cients correspondants sont égaux.
L'ensemble des matrices à n lignes et p colonnes à coe cients dans est noté Mn,p ().
Les éléments de Mn,p (R) sont appelés matrices réelles.
7.1.1 Matrices particulières
Voici quelques types de matrices intéressantes :
Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice carrée.
On note Mn (K) au lieu de Mn,n (K).
55
a1,1 a1,2 . . . a1,n
a2,1 a2,2 . . . a2,n
. .. .. ..
.. . . .
an,1 an,2 . . . an,n
Les éléments a1,1 , a2,2 , . . . , an,n forment la diagonale principale de la matrice.
Une matrice qui n'a qu'une seule ligne (n = 1) est appelée matrice ligne ou vecteur
ligne. On la note
A = a1,1 a1,2 . . . a1,p .
De même, une matrice qui n'a qu'une seule colonne (p = 1) est appelée matrice
colonne ou vecteur colonne. On la note
a1,1
a2,1
A = . .
..
an,1
La matrice (de taille n × p) dont tous les coe cients sont des zéros est appelée la
matrice nulle et est notée 0n,p ou plus simplement 0. Dans le calcul matriciel, la
matrice nulle joue le rôle du nombre 0 pour les réels.
7.1.2 opérations sur les matrices
Addition de matrices
De nition 7.1.2 (Somme de deux matrices) . Soient A et B deux matrices ayant la
même taille n × p. Leur somme C =A+B est la matrice de taille n×p dé nie par
cij = aij + bij .
En d'autres termes, on somme coe cients par coe cients. Remarque : on note indif-
féremment aij où ai,j pour les coe cients de la matrice A.
Exemple 41.
! ! !
3 −2 0 5 3 3
Si A= et B= alors A+B = .
1 7 2 −1 3 6
56
!
−2
Par contre si B0 = alors A + B0 n'est pas dé nie.
8
Produit d'une matrice par un scalaire
Le produit d'une matrice A = aij de Mn,p () par un scalaire α ∈ K est la matrice
αaij formée en multipliant chaque coe cient de A par α. Elle est notée α·A (ou
simplement αA).
Exemple 42.
! !
1 2 3 2 4 6
Si A= et α=2 alors αA = .
0 1 0 0 2 0
La matrice (−1)A est l'opposée de A et est notée −A. La diérence A−B est dé nie par
A + (−B).
Exemple 43.
! ! !
2 −1 0 −1 4 2 3 −5 −2
Si A= et B= alors A−B = .
4 −5 2 7 −5 3 −3 0 −1
L'addition et la multiplication par un scalaire se comportent sans surprises :
Proposition 7.1.1. Soient A, B et C trois matrices appartenant à Mn,p (K). Soient α ∈ K
et β∈K deux scalaires.
1. A+B =B+A : la somme est commutative,
2. A + (B + C) = (A + B) + C : la somme est associative,
3. A+0=A : la matrice nulle est l'élément neutre de l'addition,
4. (α + β)A = αA + βA,
5. α(A + B) = αA + αB .
preuve. Prouvons le quatrième point. Le terme général de (α + β)A est égal à (α + β)aij .
D'après les règles de calcul dans K, (α+β)aij est égal à αaij +βaij qui est le terme général
de la matrice αA + βA.
Exercice 7.1.1. Soient
−7 2
A= 0 −1
1 −4
1 2 3
B= 2 3 1
3 2 1
57
−6
21
C= 0 3
−3 12
1 1 0 1
D= 0 1 0
2 111
1 2
E = −3 0
−8 6
1. Calculer toutes les sommes possibles de deux de ces matrices.
2. Calculer 3A + 2C et 5B − 4D. Trouver α tel que A − αC soit la matrice nulle.
3. Montrer que si A + B = A, alors B est la matrice nulle.
4. Que vaut 0 · A? et 1 · A? Justi er l'a rmation : α(βA) = (αβ)A. Idem avec nA =
A + A + · · · + A (n occurrences de A).
7.2 Multiplication de matrices
7.2.1 Dé nition du produit
Le produit AB de deux matrices A et B est dé ni si et seulement si le nombre de colonnes
de A est égal au nombre de lignes de B.
De nition 7.2.1 (Produit de deux matrices) . Soient A = (aij ) une matrice n×p et
B = (bij ) une matrice p × q. Alors le produit C = AB est une matrice n×q dont les
coe cients cij sont dé nis par :
p
X
cij = aik bkj
k=1
On peut écrire le coe cient de façon plus développée, à savoir :
cij = ai1 b1j + ai2 b2j + · · · + aik bkj + · · · + aip bpj .
Il est commode de disposer les calculs de la façon suivante.
×
×
←B
×
×
|
|
A→
× × × ×
− − − c
← AB
ij
58
Avec cette disposition, on considère d'abord la ligne de la matrice A située à gauche du
coe cient que l'on veut calculer (ligne représentée par des × dans A) et aussi la colonne
de la matrice B située au-dessus du coe cient que l'on veut calculer (colonne représentée
par des × dans B ). On calcule le produit du premier coe cient de la ligne par le premier
coe cient de la colonne (ai1 × b1j ), que l'on ajoute au produit du deuxième coe cient de
la ligne par le deuxième coe cient de la colonne (ai2 × b2j ), que l'on ajoute au produit du
troisième. . .
7.2.2 Exemples
Exemple 44.
! 1 2
1 2 3
A= B = −1 1
2 3 4
1 1
On dispose d'abord le produit correctement (à gauche) : la matrice obtenue est de taille
2 × 2. Puis on calcule chacun des coe cients, en commençant par le premier coe cient
c11 = 1 × 1 + 2 × (−1) + 3 × 1 = 2 (au milieu), puis les autres (à droite).
1 2 1 2 1 2
−1 1 −1 1 −1 1
1 1 1 1 1 1
! ! ! ! ! !
1 2 3 c11 c12 1 2 3 2 c12 1 2 3 2 7
2 3 4 c21 c22 2 3 4 c21 c22 2 3 4 3 11
Remarque. Le produit d'un vecteur ligne par un vecteur colonne si on a deux vecteurs u
et v avec
b
1
b2
u = a1 a2 · · · an v=.
..
bn
Alors u×v est une matrice de taille 1×1 dont l'unique coe cient est a1 b1 +a2 b2 +· · ·+an bn .
7.2.3 remarques
Le produit de matrices n'est pas commutatif en général.
59
En eet, il se peut que AB soit dé ni mais pas BA, ou que AB et BA soient tous deux
dé nis mais pas de la même taille. Mais même dans le cas où AB et BA sont dé nis et
de la même taille, on a en général AB 6= BA.
Exemple 45.
! ! ! ! ! !
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2
AB = 0 n'implique pas A=0 ou B = 0.
Il peut arriver que le produit de deux matrices non nulles soit nul. En d'autres termes, on
peut avoir A 6= 0 et B 6= 0 mais AB = 0.
Exemple 46.
! ! !
0 −1 2 −3 0 0
A= B= et AB = .
0 5 0 0 0 0
AB = AC n'implique pas B = C. On peut avoir AB = AC et B 6= C .
Exemple 47.
! ! ! !
0 −1 4 −1 2 5 −5 −4
A= B= C= et AB = AC = .
0 3 5 4 5 4 15 12
7.2.4 Propriétés du produit de matrices
Proposition 7.2.1. 1. A(BC) = (AB)C : associativité du produit,
2. A(B + C) = AB + AC et (B + C)A = BA + CA : distributivité du produit par
rapport à la somme,
3. A·0=0 et 0 · A = 0.
preuve. Posons A = (aij ) ∈ Mn,p (), B = (bij ) ∈ Mp,q () et C = (cij ) ∈ Mq,r (). Prouvons
que A(BC) = (AB)C en montrant que les matrices A(BC) et (AB)C ont les mêmes
coe cients.
p
X
Le terme d'indice (i, k) de la matrice AB est xik = ai` b`k . Le terme d'indice (i, j) de
`=1
la matrice (AB)C est donc
q q p
!
X X X
xik ckj = ai` b`k ckj .
k=1 k=1 `=1
60
q
X
Le terme d'indice (`, j) de la matrice BC est y`j = b`k ckj . Le terme d'indice (i, j) de
k=1
la matrice A(BC) est donc
p q
!
X X
ai` b`k ckj .
`=1 k=1
Comme dans la multiplication est distributive et associative, les coe cients de (AB)C et
A(BC) coïncident. Les autres démonstrations se font comme celle de l'associativité.
7.2.5 La matrice identité
La matrice carrée suivante s'appelle la matrice identité :
1 0 ... 0
0 1 ... 0
In = . . .
.
.. .. . . ..
0 0 ... 1
Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0. Elle
se note In ou simplement I. Dans le calcul matriciel, la matrice identité joue un rôle
analogue à celui du nombre 1 pour les réels. C'est l'élément neutre pour la multiplication.
En d'autres termes :
Proposition 7.2.2. Si A est une matrice n × p, alors
In · A = A et A · Ip = A.
7.2.6 Puissance d'une matrice
Dans l'ensemble Mn (K) des matrices carrées de taille n×n à coe cients dans K, la
multiplication des matrices est une opération interne : si A, B ∈ Mn (K) alors AB ∈
Mn (K).
En particulier, on peut multiplier une matrice carrée par elle-même : on note A2 = A × A,
A3 = A × A × A.
On peut ainsi dé nir les puissances successives d'une matrice :
De nition 7.2.2. Pour tout A ∈ Mn (K), on dé nit les puissances successives de A par
A0 = In et Ap+1 = Ap × A pour tout p ∈ N. Autrement dit, Ap = A
| ×A×
{z· · · × A}.
p facteurs
61
1 0 1
Exemple 48.
On cherche à calculer Ap avec A=
0 −1 0.
On calcule A2 , A3 et A4
0 0 2
et on obtient :
1 0 3 1 0 7 1 0 15
2
3
2
4 3
A = 0 1 0
A = A × A = 0 −1 0
A = A × A = 0 1 0
.
0 0 4 0 0 8 0 0 16
L'observation
de ces
premières puissances permet de penser que la formule est : Ap =
1 0 2p − 1
0 (−1)p 0 . Démontrons ce résultat par récurrence.
0 0 2p
Il est vrai pour p = 0 (on trouve l'identité). On le suppose vrai pour un entier p et on va
le démontrer pour p + 1. On a, d'après la dé nition,
1 0 2p − 1 1 0 1 1 0 2p+1 − 1
Ap+1 = Ap × A =
0 (−1)
p
0 ×
0 −1 0 = 0 (−1)p+1
0 .
p p+1
0 0 2 0 0 2 0 0 2
Donc la propriété est démontrée.
7.2.7 Formule du binôme
Comme la multiplication n'est pas commutative, les identités binomiales usuelles sont
fausses. En particulier, (A + B)2 ne vaut en général pas A2 + 2AB + B 2 , mais on sait
seulement que
(A + B)2 = A2 + AB + BA + B 2 .
Proposition 7.2.3 (Calcul de (A + B)p lorsque AB = BA). Soient A et B deux éléments
de Mn () qui commutent, c'est-à-dire tels que AB = BA. Alors, pour tout entier p ≥ 0,
on a la formule
p
p
X p p−k k
(A + B) = A B
k=0
k
p
où k
désigne le coe cient du binôme.
La démonstration est similaire à celle de la formule du binôme pour (a + b)p , avec a, b ∈.
62
1 1 1 1 0 1 1 1
0 1 2 1
Exemple 49. Soit A = . On pose N = A−I = 0 0 2 1
. La matrice
0 0 1 3 0 0 0 3
0 0 0 1 0 0 0 0
k
N est nilpotente (c'est-à-dire il existe k ∈ tel que N = 0) comme le montrent les calculs
suivants :
0 0 2 4 0 0 0 6
2
0 0 0 6 3
0 0 0 0
N =
N =
et N 4 = 0.
0 0 0 0
0 0 0 0
0 0 0 0 0 0 0 0
Comme on a A=I +N et les matrices N et I commutent (la matrice identité commute
avec toutes les matrices), on peut appliquer la formule du binôme de Newton. On utilise
que Ik = I pour tout k et surtout que Nk = 0 si k ≥ 4. On obtient
p 3
p
X p k p−k
X p p(p−1) 2 p(p−1)(p−2) 3
A = N I = N k = I + pN + 2!
N + 3!
N .
k=0
k k=0
k
D'où
1 p p2 p(p2 − p + 1)
p
0 1 2p p(3p − 2)
A =
0 0 1
.
3p
0 0 0 1
Exemple 50. 1.
2 1 0 8 2 5
0 2 −2
Soient A = 6 −4 0 , B = 2 −2 −3 , C =
0 1 0 −3 2 , D = 2
−1
, E =
−5 5
x y z . Quels produits sont possibles ? Les calculer !
1 0 0
0 0 1
2. Soient A= 0 1 0 et B= 0 0 2
1 −1 0
. Calculer A2 , B 2 , AB et BA.
1 1 2
2 0 0 0 0 0
3. Soient A= 0 2 0 et B= 2 0 0 . Calculer Ap et Bp pour tout p ≥ 0. Montrer que
0 0 2 3 1 0
AB = BA. Calculer (A + B)p .
7.2.8 Matrices triangulaires, matrices diagonales
Soit A une matrice de taille n × n. On dit que A est triangulaire inférieure si ses éléments
au-dessus de la diagonale sont nuls, autrement dit :
i < j =⇒ aij = 0.
63
Une matrice triangulaire inférieure a la forme suivante :
a11 0 · · · · · · 0
. ..
21 a22 . .
a .
. .. .. .. ..
.. . . . .
. .. ..
..
. . 0
an1 an2 · · · · · · ann
On dit que A est triangulaire supérieure si ses éléments en-dessous de la diagonale sont
nuls, autrement dit :
i > j =⇒ aij = 0.
Une matrice triangulaire supérieure a la forme suivante :
a11 a12 . . . . . . . . . a1n
0 a22 . . . . . . . . . a2n
.. . . . . ..
. . . .
.. .. .. ..
. . . .
. ..
.. ..
. . .
. .
0 . . . . . . . . . 0 ann
Exemple 51. (à gauche), (à droite) :
4 0 0 !
0 −1 0
5 0
1 −2
3 −2 3
Deux matrices triangulaires inférieures
1 −11
0 −1 −1
0 0 −1
Une matrice triangulaire supérieure
Une matrice qui est triangulaire inférieure et triangulaire supérieure est dite diagonale.
Autrement dit : i 6= j =⇒ aij = 0.
64
Exemple 52. Exemples de matrices diagonales :
−1 0 0 !
2 0
0 6 0 et
0 3
0 0 0
Exemple 53 (Puissances d'une matrice diagonale) . Si D est une matrice diagonale, il
est très facile de calculer ses puissances Dp (par récurrence sur p) :
α1 0 ... ... 0 α1p 0 ... ... 0
α2p
0 α2 0 ... 0 0 0 ... 0
. .. .. .. .. . .. .. .. ..
D = .. . . . . =⇒ Dp = .. . . . .
0 p
... 0 αn−1 0
0
... 0 αn−1 0
p
0 ... ... 0 αn 0 ... ... 0 αn
Une matrice A de taille n × n, triangulaire, est inversible si et seulement si ses éléments
diagonaux sont tous non nuls.
7.2.9 La transposition
Soit A la matrice de taille n×p
a11 a12 . . . a1p
a21 a22 . . . a2p
A= . .. .
..
.. . .
an1 an2 . . . anp
On appelle matrice transposée de A la matrice At de taille p×n dé nie par :
a11 a21 . . . an1
a12 a22 . . . an2
At = . .. .
..
.. . .
a1p a2p . . . anp
Autrement dit : le coe cient à la place (i, j) de At est aji . Ou encore la i-ème ligne de
t t
A devient la i-ème colonne de A (et réciproquement la j -ème colonne de A est la j -ème
ligne de A).
Notation : La transposée de la matrice A se note aussi souvent tA.
65
Exemple 54. t
1 2 3 −7 1 4
4 5 −6 = 2 5 8
−7 8 9 3 −6 9
t
0 3 ! 1
0 1 −1
1 −5 = (1 −2 5)t =
−2
3 −5 2
−1 2 5
L'opération de transposition obéit aux règles suivantes :
1. (A + B)t = At + B t
2. (αA)t = αAt
3. (At )t = A
4. (AB)t = B t At
7.2.10 La trace
Dans le cas d'une matrice carrée de taille n × n, les éléments a11 , a22 , . . . , ann sont appelés
les éléments diagonaux.
Sa diagonale principale est la diagonale (a11 , a22 , . . . , ann ).
a11 a12 . . . a1n
a21 a22 . . . a2n
. .. .. ..
.. . . .
an1 an2 . . . ann
De nition 7.2.3. La trace de la matrice A est le nombre obtenu en additionnant les
éléments diagonaux de A. Autrement dit, trA = a11 + a22 + · · · + ann .
Exemple 55. newline
Si A = ( 20 15), alors trA = 2 + 5 = 7.
1 1 2
Pour B= 5 2 8 , B = 1 + 2 − 10 = −7.
11 0 −10
Soient A et B deux matrices n × n. Alors :
1. tr(A + B) = trA + trB ,
2. tr(αA) = α trA pour tout α ∈ K,
3. tr(At ) = trA,
4. tr(AB) = tr(BA).
66
7.2.11 Matrices symétriques
De nition 7.2.4. Une matrice A de taille n×n est symétrique si elle est égale à sa
transposée, c'est-à-dire si
A = At
ou encore si aij = aji pour tout i, j = 1, . . . , n. Les coe cients sont donc symétriques par
rapport à la diagonale.
Exemple 56. Les matrices suivantes sont symétriques :
! −1 0 5
0 2
0 2 −1
2 4
5 −1 0
7.2.12 Matrices antisymétriques
De nition 7.2.5. Une matrice A de taille n×n est antisymétrique si
At = −A,
c'est-à-dire si aij = −aji pour tout i, j = 1, . . . , n.
Exemple 57.
! 0 4 2
0 −1
−4 0 −5
1 0
−2 5 0
Remarquons que les éléments diagonaux d'une matrice antisymétrique sont toujours tous
nuls.
Exemple 58. Toute matrice est la somme d'une matrice symétrique et d'une matrice
antisymétrique.
Preuve : Soit A une matrice. Dé nissons B = 21 (A + AT ) et C = 12 (A − AT ). Alors d'une
part A = B +C ; d'autre part B est symétrique, car B t = 21 (At + (At )t ) = 12 (At + A) = B ;
et en n C est antisymétrique, car C t = 21 (At − (At )t ) = −C .
Exemple :
! ! !
2 10 2 9 0 1
Pour A= alors A = + .
8 −3 9 −3 −1 0
| {z } | {z }
symétrique antisymétrique
67
Exercice 7.2.1. 1. Montrer que la somme de deux matrices triangulaires supérieures reste
triangulaire supérieure. Montrer que c'est aussi valable pour le produit.
2. Montrer que si A est triangulaire supérieure, alors AT est triangulaire inférieure. Et si
A est diagonale ?
x1 !
x2
T
3. Soit A = .. . Calculer A · A, puis A · AT .
.
xn
T
4. Soit A = ( c db ). Calculer (A · A ).
a
5. Soit A une matrice de taille 2×2 inversible. Montrer que si A est symétrique, alors
−1
A aussi. Et si A est antisymétrique ?
6. Montrer que la décomposition d'une matrice sous la forme symétrique + antisymé-
trique est unique.
7.3 Inverse d'une matrice : dé nition
7.3.1 Dé nition
De nition 7.3.1 (Matrice inverse). Soit A une matrice carrée de taille n × n. S'il existe
une matrice carrée B de taille n×n telle que
AB = I et BA = I,
on dit que A est inversible. On appelle B l'inverse de A et on la note A−1 .
On verra plus tard qu'il su t en fait de véri er une seule des conditions AB = I ou bien
BA = I .
Plus généralement, quand A est inversible, pour tout p ∈ N, on note :
A−p = (A−1 )p = |A−1 A−1{z· · · A−1} .
p facteurs
L'ensemble des matrices inversibles de Mn (K) est noté GLn (K).
7.3.2 Exemples
Exemple 59. Soit A = ( 10 23 ). Étudier si A est inversible, c'est étudier l'existence d'une
matrice B = ( ac db ) à coe cients dans , telle que AB = I et BA = I . Or AB = I équivaut
68
à :
! ! ! ! !
1 2 a b 1 0 a + 2c b + 2d 1 0
AB = I ⇐⇒ = ⇐⇒ =
0 3 c d 0 1 3c 3d 0 1
Cette égalité équivaut au système :
a + 2c = 1
b + 2d = 0
3c = 0
3d = 1
2 1
Sa résolution est immédiate : a = 1, b =
2
− 3 , c = 0, d = 3 . Il n'y a donc qu'une
1 −3
seule matrice possible, à savoir B = . Pour prouver qu'elle convient, il faut aussi
0 1 3 !
1 − 23
montrer l'égalité BA = I . La matrice A est donc inversible et A−1 = 1
.
0 3
!
a b
Exemple 60. La matrice A = ( 35 00 ) n'est pas inversible. En eet, soit B= une
c d
matrice quelconque. Alors le produit
! ! !
a b 3 0 3a + 5b 0
BA = =
c d 5 0 3c + 5d 0
ne peut jamais être égal à la matrice identité.
Exemple 61. Soit In la matrice carrée identité de taille n × n. C'est une matrice
inversible, et son inverse est elle-même par l'égalité In In = In .
La matrice nulle 0n de taille n×n n'est pas inversible.
7.3.3 Propriétés
Unicité
Proposition 7.3.1. Si A est inversible, alors son inverse est unique.
Inverse de l'inverse
Soit A une matrice inversible. Alors A−1 est aussi inversible et on a : (A−1 )−1 = A
69
Inverse d'un produit
Proposition 7.3.2. Soient A et B deux matrices inversibles de même taille. Alors AB
est inversible et (AB)−1 = B −1 A−1
Il faut bien faire attention à l'inversion de l'ordre !
preuve. Il su t de montrer (B −1 A−1 )(AB) = I et (AB)(B −1 A−1 ) = I . Cela suit de
(B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 IB = B −1 B = I,
et (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I.
Simpli cation par une matrice inversible
Si C est une matrice quelconque de Mn (K), nous avons vu que la relation AC = BC où A
et B sont des éléments de Mn (K) n'entraîne pas forcément l'égalité A = B. En revanche,
si C est une matrice inversible, on a la proposition suivante :
Proposition 7.3.3. Soient A et B deux matrices de Mn (K) et C une matrice inversible
de Mn (K). Alors l'égalité AC = BC implique l'égalité A = B.
preuve. Ce résultat est immédiat : si on multiplie à droite l'égalité AC = BC par C −1 , on
obtient l'égalité : (AC)C −1 = (BC)C −1 . En utilisant l'associativité du produit des matrices
on a A(CC −1 ) = B(CC −1 ), ce qui donne d'après la dé nition de l'inverse AI = BI , d'où
A = B.
Exercice 7.3.1. 1. Soient A = ( −1 −2
3 4 ) et B = ( 25 13 ). Calculer A−1 , B −1 , (AB)−1 ,
(BA)−1 , A−2 .
1 0 0
2. Calculer l'inverse de 0 2 0 .
1 0 3
−1 −2 0
3. Soit A= 2 3 0 . Calculer 2A − A2 . Sans calculs, en déduire A−1 .
0 0 1
7.4 Inverse d'une matrice : calcul
Nous allons voir une méthode pour calculer l'inverse d'une matrice quelconque de manière
e cace. Cette méthode est une reformulation de la méthode du pivot de Gauss pour les
systèmes linéaires. Auparavant, nous commençons par une formule directe dans le cas
simple des matrices 2 × 2.
70
7.4.1 Matrices 2 × 2
!
a b
Considérons la matrice 2×2 : A= .
c d
!
d −b
Proposition 7.4.1. Si ad − bc 6= 0, alors A est inversible et A−1 = 1
ad−bc
−c a
Démonstration. 1 −b
d
On véri e que si B = ad−bc −c a alors AB = ( 10 01 ). Meme chose
pour BA.
7.4.2 Méthode de Gauss pour inverser les matrices
La méthode pour inverser une matrice A consiste à faire des opérations élémentaires
sur les lignes de la matrice A jusqu'à la transformer en la matrice identité I. On fait
simultanément les mêmes opérations élémentaires en partant de la matrice I. On aboutit
alors à une matrice qui est A−1 . La preuve sera vue dans la section suivante.
En pratique, on fait les deux opérations en même temps en adoptant la disposition sui-
vante : à côté de la matrice A que l'on veut inverser, on rajoute la matrice identité pour
former un tableau (A | I). Sur les lignes de cette matrice augmentée, on eectue des
opérations élémentaires jusqu'à obtenir le tableau (I | B). Et alors B = A−1 .
Ces opérations élémentaires sur les lignes sont :
1. Li ← λLi avec λ 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément
de \{0}).
2. Li ← Li + λLj avec λ∈ (et j 6= i) : on peut ajouter à la ligne Li un multiple d'une
autre ligne Lj .
3. Li ↔ Lj : on peut échanger deux lignes.
N'oubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmentée, vous
devez aussi le faire sur la partie droite.
1 2 1
Exemple 62.
Calculons l'inverse de A=
4 .
0 −1
−1 2 2
Voici la matrice augmentée, avec les lignes numérotées :
1 2 1 1 0 0 L1
(A | I) =
4 0 −1 0 1 0
L2
−1 2 2 0 0 1 L3
71
On applique la méthode de Gauss pour faire apparaître des 0 sur la première colonne,
d'abord sur la deuxième ligne par l'opération élémentaire L2 ← L2 − 4L1 qui conduit à la
matrice augmentée :
1 2 1 1 0 0
0 −8 −5 −4 1 0 L2 ←L2 −4L1
−1 2 2 0 0 1
Puis un 0 sur la première colonne, à la troisième ligne, avec L3 ← L3 + L1 :
1 2 1 1 0 0
0 −8 −5 −4 1 0
0 4 3 1 0 1 L3 ←L3 +L1
On multiplie la ligne L2 a n qu'elle commence par 1 :
1 2 1 1 0 0
0 1 5 1 −1 0 L2 ←− 81 L2
8 2 8
0 4 3 1 0 1
On continue a n de faire apparaître des 0 partout sous la diagonale, et on multiplie la
ligne L3 . Ce qui termine la première partie de la méthode de Gauss :
1 2 1 1 0 0
5 1
0 1
8
− 18 0
2
1
0 0 2
−1 21 1 L3 ←L3 −4L2
puis
1 2 1 1 0 0
0 1 5 1 −1 0
8 2 8
0 0 1 −2 1 2 L3 ←2L3
Il ne reste plus qu'à remonter pour faire apparaître des zéros au-dessus de la diagonale :
1 2 1 1 0 0
0 1 0 7 −3 −5 L2 ←L2 − 85 L3
4 4 4
0 0 1 −2 1 2
72
puis
1 0 0 − 12 1
2
1
2
L1 ←L1 −2L2 −L3
7
0 1 0
− 34 − 54
4
0 0 1 −2 1 2
Ainsi l'inverse de A est la matrice obtenue à droite et après avoir factorisé tous les coef-
1
cients par 4 , on a obtenu :
−2 2 2
1
A−1 =
7 −3 −5
4
−8 4 8
Pour se rassurer sur ses calculs, on n'oublie pas de véri er rapidement que A × A−1 = I .
Exercice 7.4.1. 1. 2 −3
Si possible calculer l'inverse des matrices : ( 37 12 ), −5 4 , ( 03 20 ), ( α+1 1
2 α ).
cos θ − sin θ
A(θ)−1 .
2. Soit A(θ) = sin θ cos θ . Calculer
!
1 3 0 2 −2 1 1 0 1 0
2 1 1 1
1 1 1 0 0
0 2 −2 0 1 0 0 1 0 1 2 0 0
3. Calculer l'inverse des matrices : 2 1 −1 , 3 0 5 , −1 2 0 1 , 0 1 −1 2 , −1 1 2 0 0 .
−2 1 1 1 1 2 0 1 1 0 0 0 0 2 1
0 2 1 3 0 0 0 5 3
7.5 Inverse d'une matrice : systèmes linéaires et ma-
trices élémentaires
7.5.1 Matrices et systèmes linéaires
Le système linéaire
a11 x1 + a12 x2 + · · · + a1p xp = b1
a x + a x + ··· + a2p xp = b2
21 1 22 2
...
an1 x1 + an2 x2 + · · · + anp xp = bn
peut s'écrire sous forme matricielle :
a11 . . . a1p x1 b1
a21 . . . a2p x2 b2
.. .. = .. .
.
.. .
. .
an1 . . . anp xp bn
| {z } | {z } | {z }
A X B
73
On appelle A ∈ Mn,p (K) la matrice des coe cients du système. B ∈ Mn,1 (K) est le vecteur
du second membre. Le vecteur X ∈ Mp,1 (K) est une solution du système si et seulement
si
AX = B.
Nous savons que : Un système d'équations linéaires n'a soit aucune solution, soit une
seule solution, soit une in nité de solutions.
7.5.2 Matrices inversibles et systèmes linéaires
Considérons le cas où le nombre d'équations égale le nombre d'inconnues :
a11 . . . a1n x1 b1
a21 . . . a2n x2 b2
.. .. = .. .
.
.. .
. .
an1 . . . ann xn bn
| {z } | {z } | {z }
A X B
Alors A ∈ Mn (K) est une matrice carrée et B un vecteur de Mn,1 (K). Pour tout second
membre, nous pouvons utiliser les matrices pour trouver la solution du système linéaire.
propriétés 2. Si la matrice A est inversible, alors la solution du système AX = B est
−1
unique et est : X = A B.
X = A−1 B , AX = A A−1 B = AA−1 B =
La preuve est juste de véri er que si alors
I · B = B. Réciproquement si AX = B , alors nécessairement X = A−1 B . Nous verrons
bientôt que si la matrice n'est pas inversible, alors soit il n'y a pas de solution, soit une
in nité.
7.6 Déterminant des matrices inversibles
Comment savoir si une matrice est inversible ? Il su t de calculer son déterminant !
Une matrice carrée A est inversible si et seulement si son déterminant est non nul. De
plus si A est inversible, alors :
1
det A−1 =
det A
74
7.6.1 Le déterminant d'une matrice
Déterminant en dimension 2 et 3
En dimension 2, le déterminant est très simple à calculer :
!
a b
det = ad − bc.
c d
C'est donc le produit des éléments sur la diagonale principale (en bleuen gris foncé) moins
le produit des éléments sur l'autre diagonale (en orangeen gris clair).
7.6.2 Matrice 3 × 3
Soit A ∈ M3 () une matrice 3×3 :
a11 a12 a13
A=
a 21 a 22 a 23
.
a31 a32 a33
Voici la formule pour le déterminant :
det A = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a31 a22 a13 − a32 a23 a11 − a33 a21 a12 .
Il existe un moyen facile de retenir cette formule, c'est la règle de Sarrus : on recopie les
deux premières colonnes à droite de la matrice (colonnes grisées), puis on additionne les
produits de trois termes en les regroupant selon la direction de la diagonale descendante
(à gauche), et on soustrait ensuite les produits de trois termes regroupés selon la direction
de la diagonale montante (à droite).
2 1 0
Exemple 63.
Calculons le déterminant de la matrice A=
1 −1 3 .
3 2 1
Par la règle de Sarrus :
det A = 2 × (−1) × 1 + 1 × 3 × 3 + 0 × 1 × 2
− 3 × (−1) × 0 − 2 × 3 × 2 − 1 × 1 × 1 = −6.
(i) le déterminant est linéaire par rapport à chaque vecteur colonne, les autres étant xés ;
(ii) si une matrice A a deux colonnes identiques, alors son déterminant est nul ;
(iii) le déterminant de la matrice identité In vaut 1.
75
On note le déterminant d'une matrice A = (aij ) par :
a11 a12 · · · a1n
a21 a22 · · · a2n
det A ou .. .. .. .
. . .
an1 an2 · · · ann
Si on note Ci la i-ème colonne de A, alors
det A = C1 C2 · · · Cn = det(C1 , C2 , . . . , Cn ) .
Avec cette notation, la propriété (i) de linéarité par rapport à la colonne j s'écrit : pour tout
λ, µ ∈, det(C1 , . . . , λCj +µCj0 , . . . , Cn ) = λ det(C1 , . . . , Cj , . . . , Cn )+µ det(C1 , . . . , Cj0 , . . . , Cn ),
soit
a11 · · · λa1j + µa01j · · · a1n
.. .. ..
. . .
ai1 · · · λaij + µa0ij ··· ain
.. .. ..
. . .
an1 · · · λanj + µa0nj · · · ann
a11 · · · a1j · · · a1n a11 · · · a01j · · · a1n
.. .. .. .. .. ..
. . . . . .
= λ ai1 · · · aij ··· ain + µ ai1 · · · a0ij ··· ain .
.. .. .. .. .. ..
. . . . . .
an1 · · · anj · · · ann an1 · · · a0nj · · · ann
Exemple 64.
6 5 4 6 1 4
7 −10 −3 = 5 × 7 −2 −3
12 25 −1 12 5 −1
Car la seconde colonne est un multiple de 5.
3 2 4−3 3 2 4 3 2 3
7 −5 3 − 2 = 7 −5 3 − 7 −5 2
9 2 10 − 4 9 2 10 9 2 4
Par linéarité sur la troisième colonne.
76
det AT = det A
7.6.3 Inverse d'une matrice
Soit A ∈ Mn (K) une matrice carrée.
Nous lui associons la matrice C des cofacteurs, appelée comatrice, et notée Com(A) :
C C12 · · · C1n
11
C21 C22 · · · C2n
C = (Cij ) = .
.. ..
..
. .
Cn1 Cn2 · · · Cnn
Soient A une matrice inversible, et C sa comatrice. On a alors
1
A−1 = Ct
det A
1 1 0
Exemple 65.
SoitA= 0 1 1 . Le
calcul donne que det A = 2. La comatrice C
1 0 1
s'obtient en calculant 9 déterminants 2 × 2 (sans oublier les signes +/−). On trouve :
−1
1 1 1 −1 1
1 1
A−1 =
C= −1 1 1 et donc · CT = 1 1 −1
det A 2
1 −1 1 −1 1 1
7.6.4 Méthode de Cramer
Le théorème suivant, appelé règle de Cramer, donne une formule explicite pour la solu-
tion de certains systèmes d'équations linéaires ayant autant d'équations que d'inconnues.
Considérons le système d'équations linéaires à n équations et n inconnues suivant :
a11 x1 + a12 x2 + · · · + a1n xn = b1
a x + a x + ··· + a x = b
21 1 22 2 2n n 2
...
an1 x1 + an2 x2 + · · · + ann xn = bn
77
Ce système peut aussi s'écrire sous forme matricielle AX = B où
a a ··· a1n x b
11 12 1 1
a21 a22 · · · a2n x2 b2
A= . ∈ Mn (K), X= . et B = . .
.. ..
.. . . .. ..
an1 an2 · · · ann xn bn
Dé nissons la matrice Aj ∈ Mn (K) par
a ... a1,j−1 b1 a1,j+1 . . . a1n
11
a21 . . . a2,j−1 b2 a2,j+1 . . . a2n
Aj = .
.. .. .. ..
.. . . . .
an1 . . . an,j−1 bn an,j+1 . . . ann
Autrement dit, Aj est la matrice obtenue en remplaçant la j -ème colonne de A par le
second membre B . La règle de Cramer va nous permettre de calculer la solution du système
dans le cas où det A 6= 0 en fonction des déterminants des matrices A et Aj .
[Règle de Cramer] Soit
AX = B
un système de n équations à n inconnues. Supposons que det A 6= 0. Alors l'unique solution
(x1 , x2 , . . . , xn ) du système est donnée par :
det A1 det A2 det An
x1 = x2 = ... xn = .
det A det A det A
Exemple 66. Résolvons le système suivant :
x1 + 2x3 = 6
−3x1 + 4x2 + 6x3 = 30
−x − 2x + 3x = 8.
1 2 3
On a
1 0 2 6
A=
−3 4 6
B=
30
−1 −2 3 8
78
6 0 2 1 6 2 1 0 6
A1 =
30 4 6
A2 =
−3 30 6
A3 =
−3 4 30
8 −2 3 −1 8 3 −1 −2 8
et
det A = 44 det A1 = −40 det A2 = 72 det A3 = 152.
La solution est alors
det A1 40 10 det A2 72 18 det A3 152 38
x1 = =− =− x2 = = = x3 = = = ·
det A 44 11 det A 44 11 det A 44 11
La méthode de Cramer n'est pas la méthode la plus e cace pour résoudre un système,
mais est utile si le système contient des paramètres.
79
Bibliographie
[1] Brahim oukacha et collectif ,Annales de mathématiques ,Algèbre 12. les annales bleues
internationales,janvier 2014.
[2] C. Baba Hamed, K. Benhabib, Algèbre 1, Rappels de cours et exercices corrigés. O.P.U.
Alger, 2007.
[3] [Link],[Link],[Link],mathématiques tout-en-un. Dunod 2014.
[4] [Link],M.Hézard,[Link],[Link],mathématiques exercices incontournables
4ème édition ,Dunod 2007.
[5] J, Quinet,Cours élémentaire de mathématiques supèrieure,1-Algèbre.
6ème édition ,Dunod 2007,Paris 1976.
[6] Karine beaurpère,savoir faire en prépas,maths .PTSI. Ellipses 2016. 4ème édition
,Dunod 2007.
[7] S. Belhaj, Mathématiques pour l'économie et la gestion, analyse et algèbre. Edition
Vuibert. Paris, 2011.
80
Vous aimerez peut-être aussi
- Cours de mathématiques ECS 1ère annéePas encore d'évaluationCours de mathématiques ECS 1ère année443 pages
- Programme Des Epreuves de La Dominante Mathematiques CUEC 2025Pas encore d'évaluationProgramme Des Epreuves de La Dominante Mathematiques CUEC 202524 pages
- Programme Du Concours Universitaire Des Ecoles Centrale 2024Pas encore d'évaluationProgramme Du Concours Universitaire Des Ecoles Centrale 2024113 pages
- Algèbre pour Économistes DébutantsPas encore d'évaluationAlgèbre pour Économistes Débutants132 pages
- Algèbre Et Arithmétique Pour Master-1: Odile Garotta, Claude Moser Et Alexei PantchichkinePas encore d'évaluationAlgèbre Et Arithmétique Pour Master-1: Odile Garotta, Claude Moser Et Alexei Pantchichkine172 pages
- Cours Mathématiques 1ère Année ISA BTPPas encore d'évaluationCours Mathématiques 1ère Année ISA BTP121 pages
- Cours MPSI: Logique, Algèbre, Trigonométrie100% (1)Cours MPSI: Logique, Algèbre, Trigonométrie158 pages
- 2024.09.03 - Chapitre 2 - Logique Et EnsemblePas encore d'évaluation2024.09.03 - Chapitre 2 - Logique Et Ensemble10 pages
- Cours de Maths MPSI 2020/2021 Louis-Le-GrandPas encore d'évaluationCours de Maths MPSI 2020/2021 Louis-Le-Grand131 pages
- Mathématiques Simplifiées pour Seconde DPas encore d'évaluationMathématiques Simplifiées pour Seconde D157 pages
- DS Logique Formelle - LI1 - Decembre 2020Pas encore d'évaluationDS Logique Formelle - LI1 - Decembre 20202 pages
- Logique Mathématique pour DébutantsPas encore d'évaluationLogique Mathématique pour Débutants6 pages
- Exercices de logique et démonstrationPas encore d'évaluationExercices de logique et démonstration2 pages
- Logique élémentaire et propositionsPas encore d'évaluationLogique élémentaire et propositions19 pages
- Tableau de vérité et équivalences logiquesPas encore d'évaluationTableau de vérité et équivalences logiques12 pages
- Logique des propositions et des prédicatsPas encore d'évaluationLogique des propositions et des prédicats73 pages
