COURS

‫الجمهوريــــــــــــــــــــــة الجزائريـــــــــــة الديمقراطيـــــــــة‬

‫الشعبيـــــــة‬
‫العلـــــــمي‬ ‫وزارة التعليـــــــــــم العـــــــــــالي و البحـــــــــث‬
‫جامعة وهران للعلوم والتكنولوجيا محمد‬
‫بوضياف كلية الرياضيات و االعالم‬
‫االلي‬
République Algérienne Démocratique et Populaire Ministère de
l’Enseignement Supérieur Et de la Recherche Scientifique

Université des Sciences et de la Technologie d’Oran Mohamed BOUDIAF

Faculté des Mathématiques et Informatique

Mémoire de fi

nd’études
Cours d’Algèbre I et II

Avec Exercices
Corrigés
Présenté par : Medjadj Imene.

-U.S.T.O. 2017-
Cours d’Algèbre I et II avec Exercices Corrigés

Imene Medjadj
 Table des matières
Chapitre 1. Introduction 5
Chapitre 2. Élément de logique et méthodes de raisonnement avec Exercices
Corrigés 7
1. Régles de logique formelle 7
2. Méthodes de raisonnement 12
3. Exercices Corrigés13
Chapitre 3. Théorie des ensembles avec Exercices Corrigés 19
1. Notion d’ensemble et propriétés 19
2. Applications et relations d’équivalences 22
3. Relations Binaires dans un ensemble 26
4. Exercices Corrigés28
Chapitre 4. Structures Algébriques avec Exercices Corrigés 35
1. Lois De Composition Internes 35
2. Groupes 36
3. Anneaux 36
4. Corps 36
5. Exercices Corrigés 37
Chapitre 5. Notion de IK− Espaces vectoriels(IK étant un Corps Commutatif)
avec Exercices Corrigés 43
1. Espace vectoriel et sous espace vectoriel 43
2. Somme de deux sous espaces vectoriels 45
3. Somme directe de deux sous espaces vectoriels45
4. Familles génératrices, familles libres et bases 45
5. Notion d’Application Linéaire 48
6. Exercices Corrigés51
Chapitre 6. Notion de Matrice Associée à une Application Linéaire et Calcul

3
 Algébrique sur les Matrices avec Exercices Corrigés 57
1. Espace vectoriel des matrices 57
2. Produit de deux matrices 59
3. Matrices carrées 60
4. Les Déterminants 61
5. Relations entre une application linéaire et sa matrice Associée 65
6. Matrices et Changements de Bases 68
4 TABLE DES MATIÈRES
7. Diagonalisation 70
8. Systèmes d’équations linéaires 73
9. Exercices Corrigés77
Bibliographie 83

CHAPITRE 1 Introduction

Ce document cours d’Algèbre I et II avec exercices corrigés recouvre le programme

d’Algèbre linéaire de la 1ère année universitaire.
Le lecteur trouvera une partie cours qui a été enseigné et à la fin de chaque chapitre
une partie exercices corrigés dont la plupart ont été proposé dans le cadre de travaux
dirigés ou ont fait l’objet de contrôle des connaissances.
Il est destiné principalement aux étudiants de la 1ère année L.M.D. ainsi que toute
personne ayant besoin d’outils de bases d’Algèbre linéaire.
Nous espérons que ce polycopié réponde aux attentes des étudiants et qu’il les aidera
à réussir.
 CHAPITRE 2

Élément de logique et méthodes de raisonnement avec

Exercices Corrigés

1. Régles de logique formelle

Définition 1.1. une proposition est une expression mathématique à laquelle on peut
attribuer la valeur de vérité vrai ou faux.

Exemple 1.2. Tout nombre premier est pair , cette proposition est fausse.
√
(2) 2 est un nombre irrationnel, cette proposition est vraie
(3) 2 est inférieure à 4, cette proposition est vraie

Définition 1.3. Toute proposition démontrée vraie est appelée théorème (par exemple
le théorème de PYTHAGORE, Thalès...)

La négation :

Définition 1.4. Soit P une proposition, la négation de P est une proposition

désignant le contraire qu’on note (nonP), ou bien P, on peut aussi trouver la notation eP.
Voici sa table de vérité.
P P
1 0
0 1

Exemple 1.5. (1) Soit E 6= ∅, P : (a ∈ E), alors P : (a /∈ E).

(2) P : la fonction f est positive, alors eP : la fonction f n’est pas positive.
(3) P : x + 2 = 0, alors (nonP) : x + 2 6= 0.

1.1. Les connecteurs logiques. Soit P,Q deux propositions

1) La conjonction

Définition 1.6. la conjonction est le connecteur logique , la

proposition (PetQ) ou (P ∧ Q) est la conjonction des deux propositions P,Q.
– (P ∧ Q) est vraie si P et Q le sont toutes les deux.

6
 7

– (P ∧ Q) est fausse dans les autres cas. On résume tout ça dans la table de vérité
suivante.
82. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS

P Q P∧Q
1 1 1
1 0 0
0 1 0
0 0 0
Exemple 1.7. (1) 2 est un nombre pair et 3 est un nombre premier, cette proposition
est vraie
(2) 3 ≤ 2 et 4 ≥ 2, cette proposition est fausse.

2) La disjonction

Définition 1.8. la disjonction est un connecteur logique , on note la

disjonction entre P,Q par (PouQ),(P ∨ Q). P ∨ Q est fausse si P et Q sont fausses toutes les
deux, sinon (P ∨ Q) est vraie.
On résume tout ça dans la table de vérité suivante.
P Q P∨Q
1 1 1
1 0 1
0 1 1
0 0 0
Exemple 1.9. (1) 2 est un nombre pair ou 3 est un nombre premier. Vraie.
(2) 3 ≤ 2 ou 2 ≥ 4. Fausse.

3)L’implication

Définition 1.10. L’implication de deux propositions P,Q est notée : P ⇒ Q on dit P

implique Q ou bien si P alors Q. P ⇒ Q est fausse si P est vraie et Q est fausse, sinon (P ⇒
Q) est vraie dans les autres cas.
P Q P⇒Q
1 1 1
1 0 0
0 1 1
0 0 1
√
 Exemple 1.11. (1) 0 ≤ x ≤ 9 ⇒ x ≤ 3 .Vraie
(2) Il pleut, alors je prends mon parapluie. Vraie c’est une conséquence.
(3) Omar a gagné au loto ⇒ Omar a joué au loto. Vraie c’est une conséquence.

4)La réciproque de l’implication

1. RÉGLES DE LOGIQUE FORMELLE

Définition 1.12. La réciproque d’une implication (P ⇒ Q) est une implication

Q ⇒ P.
√ √
Exemple 1.13. (1) La réciproque de : 0 ≤ x ≤ 9 ⇒ x ≤ 3, est : x ≤ 3 ⇒ 0 ≤ x ≤ 9.
(2) La réciproque de : (Il pleut, alors je prends mon parapluie), est : (je prends mon
parapluie, alors il pleut).
(3) La réciproque de : (Omar a gagné au loto ⇒ Omar a joué au loto), est : (Omar a
joué au loto ⇒ Omar a gagné au loto).

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

de (P ⇒ Q) est (Q ⇒ P), on a

(P ⇒ Q) ⇐⇒ (Q ⇒ P)

Remarque 1.14. (P ⇒ Q) et (Q ⇒ P) ont la même table de vérité, i.e., la même valeur

de vérité.

Exemple 1.15. (1) La contraposée de :(Il pleut, alors je prends mon parapluie), est (je
ne prends pas mon parapluie, alors il ne pleut pas).
(2) La contraposée de :( Omar a gagné au loto ⇒ Omar a joué au loto), est : (Omar
n’a pas joué au loto ⇒ Omar n’a pas gagné au loto).

6)La négation d’une implication

Théorème 1.16. Soit P,Q deux propositions on a

(P ⇒ Q) ⇔ (P ∧ Q).

Exemple 1.17. (1) La négation de : (il pleut, alors je prends mon parapluie), est : (il
pleut et je ne prends pas mon parapluie).
 9

(2) La négation de : (Omar a gagné au loto ⇒ Omar a joué au loto), est : (Omar a
gagné au loto et Omar n’a pas joué au loto).
(3) (x ∈ [0,1] ⇒ x ≥ 0) sa négation : (x ∈ [0,1] ∧ x < 0).

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

Remarque 1.18. (P ⇒ Q) ⇔ (P ∨ Q).

120. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS

preuve. Il suffit de montrer que (P ⇒ Q) a la même valeur de vérité que (P ∨Q),

on le voit bien dans la table de vérité suivante :
P Q P P⇒Q P∨Q
1 1 0 1 1
1 0 0 0 0
0 1 1 1 1
0 0 1 1 1
7)L’équivalence
Définition 1.19. l’équivalence de deux propositions P,Q est notée P ⇔ Q, on peut aussi
écrire (P ⇒ Q) et (Q ⇒ P). On dit que P ⇔ Q si P et Q ont la même valeur de verité, sinon
(P ⇔ Q) est fausse.
P Q P⇔Q
1 1 1
1 0 0
0 1 0
0 0 1
Remarque 1.20. (1) P < Q c’est à dire P n’est pas équivalente à Q lorsque
P ; Q ou Q ; P.
(2) P ⇔ Q peut être lue P si et seulement si Q.
Exemple 1.21. (1) x + 2 = 0 ⇔ x = −2.
(2) Omar a gagné au loto < Omar a joué au loto.

Théorème 1.22. Soit P,Q deux propositions on a :

(P ⇔ Q) ⇔ (P ⇒ Q) ∧ (Q ⇒ P).
preuve.
P Q P ⇒ Q Q ⇒ P (P ⇒ Q) ∧ (Q ⇒ P) (P ⇔ Q)
1 1 1 1 1 1
1 0 0 1 0 0
0 1 1 0 0 0
0 0 1 1 1 1
8)Propriétés des connecteurs logiques Quelle que soit la valeur de vérité des
propositions P,Q,R les propriétés suivantes sont toujours vraies.
 121

Commutativité de ∧
(5) P ∨ Q ⇔ Q ∨ P. Commutativité de ∨
1. RÉGLES DE LOGIQUE FORMELLE

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

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

(15) (P ⇒ Q) ⇔ (P ∨ Q) ⇔ (Q ⇒ P).
preuve. (13)
P Q P Q P∧Q P∧Q P∨Q
1 1 0 0 1 0 0
1 0 0 1 0 1 1
0 1 1 0 0 1 1
0 0 1 1 0 1 1
(14)
P Q P Q P∨Q P⇒Q Q⇒P
1 1 0 0 1 1 1
1 0 0 1 0 0 0
0 1 1 0 1 1 1
0 0 1 1 1 1 1
1.2. Les quantificateurs.
(1) Quantificateur universel ∀
La relation pour tous x tel que P(x) est notée : ∀x, P(x) se lit quel que soit x, P(x).
(2) Quatificateur existentiel ∃ la relation il existe un x tel que P(x) est
notée : ∃x, P(x).
122. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS
Remarque 1.23. Il existe un et un seul élément x de E c’est à dire un unique x,
P(x) est notée : ∃!x ∈ E,P(x)
Exemple 1.24. Ecrire à l’aide des quantificateurs les propositions suivantes :
(1) P(x) : La fonction f est nulle pour tous x ∈ IR devient
P(x) : ∀x ∈ IR, f(x) = 0.
(2) P(x) : la fonction f s’annule en x0 devient P(x) : ∃x0 ∈ IR,
f(x0) = 0.
Remarque 1.25. Les relations ∀x,∃y,P(x,y) et ∃y,∀x,P(x,y) sont différentes, dans la
première y dépend de x tandis que dans la seconde y ne dépend pas de x.
Exemple 1.26. (1) Tous les étudiants de la section 1 ont un groupe sanguin. ∀ étudiant
∈ section 1, ∃ un groupe sanguin, étudiant a un groupe sanguin. Vraie (cela veut
dire que chaque étudiant a un groupe sanguin).
(2) Il existe un groupe sanguin pour tous les étudiants de la section 1. ∃ un groupe
sanguin O−, ∀ l’étudiant de section 1, l’étudiant a O−. Fausse (cela veut dire que
tous les étudiants ont le même groupe sanguin ce qui est peut probable).
(3) La proposition (∀x ∈ IR,∃y ∈ IR : x + y = 0) est vraie en effet ∀x ∈ IR,∃y = −x ∈
IR,x + (−x) = 0.
(4) ∃y ∈ IR,∀x ∈ IR,x2 ≥ y c’est vraie car ∃y = 0,∀x ∈ IR,x2 ≥ 0.

Régles de négations
Soit P(x) une proposition,
(1) la négation de ∀x ∈ E,P(x) est : ∃x ∈ E,P(x).
(2) la négation de ∃x ∈ E,P(x) est : ∀x ∈ E,P(x).
Remarque 1.27. (1) ∃x ∈ E,∀y ∈ E,P(x,y) veut dire que x est constante (fixé), il est
indépendant de y qui varie dans E.
(2) ∀x ∈ E,∃y ∈,P(x,y) veut dire y dépend x , par une certaine relation f telle que y =
f(x).
(3) On peut permuter entre deux quantificateurs de la même nature :
∀x,∀y,P(x,y) ⇔ ∀y,∀x,P(x,y).

∃x,∃y,P(x,y) ⇔ ∃y,∃x,P(x,y).
Exemple 1.28. (1) la négation de tel que : est :
tel que :
 123
2. Méthodes de raisonnement
Pour montrer que (P ⇒ Q) est vraie on peut utiliser ce qui suit :
(1) Méthode de raisonnement direct
On suppose que P est vraie et on démontre que Q l’est aussi.
Exemple 2.1. Montrons que pour n ∈ IN si n est pair ⇒ n2 est pair.
On suppose que n est pair, i.e., ∃k ∈ Z,n = 2k donc
n.n = 2(2k2) ⇒ n2 = 2k0
on pose k0 = 2k2 ∈ Z ainsi ∃k0 ∈ Z,n2 = 2k0, n2 est pair, d’où le résultat.

(2) Méthodes du raisonnement par la contraposée

Sachant que (P ⇒ Q) ⇔ (Q ⇒ P), pour montrer que P ⇒ Q on utilise la

contraposée, c’est à dire il suffit de montrer que Q ⇒ P de manière directe,

on suppose que Q est vraie et on montre que P est vraie.

 3. EXERCICES CORRIGÉS 13

Exemple 2.2. Montrons que n2 est impair ⇒ n est impair. Par contraposée il
suffit de montrer que si n est pair ⇒ n2 est pair voir l’exemple précédent.

(3) Raisonnement par l’absurde

Pour montrer que R est une proposition vraie on suppose que R est vrai et on
tombe sur une contradiction (quelque chôse d’absurde), quand R : P ⇒ Q est

une implication par l’absurde on suppose que R : R∧Q est vraie et on tombe sur
une contradicition.
√
Exemple 2.3. (a) Montrer que 2 est un irrationnel.
(b) n est pair ⇒ n2est pair, par l’absurde : on suppose que n est pair et que n2 est
impaire contradiction

(4) Contre exemple

Pour montrer qu’une proposition est fausse il suffit de donner ce qu’on appelle
un contre-exemple c’est à dire un cas particulier pour lequel la proposition est
fausse.

Exemple 2.4. (n est un nombre pair )⇒ (n2+1 est pair), fausse car pour n = 2,4
+ 1 = 5 n’est pas pair, c’est un contre-exemple.

(5) Raisonnement par recurrence

Pour montrer que P(n) : ∀n ∈ IN,n ≥ n0,Pn(x) est vraie on suit les étapes
suivantes :
(a) On montre que P(n0) est vraie, (valeur initiale).
(b) On suppose que P(n) est vraie à l’ordre n
(c) On montre que P(n + 1) est vraie à l’ordre n + 1 Alors P est vrai pour tous n ≥ n0.

Exemple 2.5. Montrer

(a) Pour n = 1,P(1) est vraie .

(b) On suppose que est vraie.
(c) On montre que est vraie,

ainsi P est vraie à l’ordre n + 1 alors est

vraie.
14. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS

3. Exercices Corrigés
Exercice 1. Donner la négation des propositions suivantes :

(3) ∀x ∈ IR,(x = 0 ∨ x ∈]2,4]).

(4) Il existe M ∈ IR+, pour tous n ∈ IN tel que : |Un| ≤ M.
Solution . (1) P : ∀x ∈ IR,∃y ∈ IR, 2x + y > 3

⇔ P : ∃x ∈ IR,∀y ∈ IR,2x + y ≤ 3.
(2) P :

(4) P : il existe M ∈ IR+, pour tous n ∈ IN tel que : |Un| ≤ M

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

Remarque 3.1. (1) a < b veut dire (a < b) ∧ (a 6= b) sa négation est : (a > b) ∨ (a = b)
c’est à dire a ≥ b.
(2) a < b < c veut dire (a < b) ∧ (b < c) sa négation est : (a ≥ b) ∨ (b ≥ c).

Exercice 2. Exprimer les assertions suivantes à l’aide des quantificateurs et répondre

aux questions :
(1) Le produit de deux nombres pairs est-il pair?
(2) Le produit de deux nombres impairs est-il impair?
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair?
(4) Un nombre entier est pair si et seulement si son carré est pair? Solution .
(1) Le produit de deux nombres pairs est-il pair? Soit P = {2k/k ∈ Z} l’ensemble des
nombres pairs.
∀n,m ∈ P,n × m ∈ P?
Soient n,m ∈ P, alors ∃k1 ∈ Z/n = 2k1,∃k2 ∈ Z/m = 2k2 d’où n × m = 2(2k1k2) =
2k3, ainsi ∃k3 = 2k1k2 ∈ Z/n × m = 2k3 ⇒ n × m ∈ P le produit est pair.
(2) Le produit de deux nombres impairs est-il impair?
Soit I = {2k + 1/k ∈ Z} l’ensemble des nombres impairs. ∀n,m ∈ I,n × m ∈ I ?
 3. EXERCICES CORRIGÉS 15

Soient n,m ∈ I, alors ∃k1 ∈ Z/n = 2k1 + 1,∃k2 ∈ Z/m = 2k2 + 1 d’où n × m =
2(2k1k2 + k1 + k2) + 1 = 2k3 + 1, ainsi ∃k3 = 2k1k2 + k1 + k2 ∈ Z/n × m = 2k3 + 1 ⇒ n
× m ∈ I le produit est impair.
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair?
∀n ∈ P,m ∈ I,n × m ∈ P?,n × m ∈ I?
Soient n ∈ P,m ∈ I, alors ∃k1 ∈ Z/n = 2k1,∃k2 ∈ Z/m = 2k2 + 1 d’où n × m =
2(2k1k2 + k1) = 2k3, ainsi ∃k3 = 2k1k2 + k1 ∈ Z/n × m = 2k3 ⇒ n × m ∈ I le produit
est pair.
(4) Un nombre entier est pair si et seulement si son carré est pair?
∀n ∈ Z,n pair ⇔ n2 est pair.
Montrons que n pair ⇒ n2 est pair.
Soit n ∈ P, alors ∃k1 ∈ Z/n = 2k1, d’où , ainsi
Z/n = 2k2 il est pair.
2

Montrons que n2 pair ⇒ n est pair.

Par contraposée, on doit montrer que n est impair ⇒ n2 est impair, c’est vrai cas
particulier de la question 2), ainsi la proposition n2 pair ⇒ n est pair est vérifiée, de plus n
pair ⇒ n2 est pair ⇒ ∀n ∈ Z,n pair ⇔ n2 est pair est vraie. Exercice 3. Indiquer lesquelles
des propositions suivantes sont vraies et celles qui sont fausses.
(1) ∀x ∈ IR,∃y ∈ IR : 2x + y > 0.
(2) ∃x ∈ IR,∀y ∈ IR : 2x + y > 0.
(3) ∀x ∈ IR,∀y ∈ IR : 2x + y > 0.
(4) ∃x ∈ IR,∃y ∈ IR : 2x + y > 0.
(5) ∃x ∈ IR,∀y ∈ IR : y2 > x.
(6) ∀x ∈ IR,∃y ∈ IR : (2x + y > 0ou2x + y = 0).
(7) ∀x ∈ IR,∃y ∈ IR : (2x + y > 0et2x + y = 0).
Solution . (1) ∀x ∈ IR,∃y ∈ IR : 2x + y > 0, est vraie car ∀x ∈ IR,∃y = −2x + 1 ∈ IR : 2x +
y > 0.
(2) ∃x ∈ IR,∀y ∈ IR : 2x + y > 0, est fausse car , sa négation ∀x ∈ IR,∃y ∈ IR : 2x + y ≤
0, est vraie ∀x ∈ IR,∃y = −2x ∈ IR;2x + y ≤ 0
(3) ∀x ∈ IR,∀y ∈ IR : 2x + y > 0, est fausse car sa négation ∃x ∈ IR,∃y ∈ IR : 2x + y ≤
0 est vraie , en effet ∃x = 0,∃y = 0;0 ≤ 0.
(4) ∃x ∈ IR,∃y ∈ IR : 2x + y > 0, vraie car ∃x = 0,∃y = 1;1 > 0.
(5) ∃x ∈ IR,∀y ∈ IR : y2 > x, vraie ∃x = −1 ∈ IR,∀y ∈ IR : x2 > y.
16. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS

(6) ∀x ∈ IR,∃y ∈ IR : (2x + y > 0ou2x + y = 0), Vraie car ∀x ∈ IR,∃y = −2x ∈ IR : 2x −
2x = 0 (même si 2x + y ≯ 0) ou bien on peut dire que ∀x ∈ IR,∃y = −2x + 1 : 2x −
2x + 1 = 1 > 0 (même si 2x + y 6= 0).
(7) ∀x ∈ IR,∃y ∈ IR : (2x + y > 0et2x + y = 0) est fausse car on ne peut jamais avoir
(2x + y > 0et2x + y = 0) en même temps.
Exercice 4. Par l’absurde montrer que :

pair ⇒ n est pair.

√
Solution . (1) Par l’absurde on suppose que 2 est un rationnel i.e., ∃a,b ∈
IN,
alors 2 divise a, a est pair ∃k ∈ IN/n = 2k,
ainsi
2b2 = 4k2 ⇔ b2 = 2k2,
on déduit que b est pair aussi or a,b sont premier entre eux contradiction, ce√

que nous avons supposé au départ est faux c’est à dire 2 ∈/ Q.

(2) Soit n ∈ IN par l’absurde supposons que n est pair et n est impair, alors ∃k ∈ Z tel
2

que n = 2k+1 d’où n2 = 2(2k2+2k)+1 = 2k0+1,k0 = (2k2+2k) ∈ Z,n2 est impair

contradiction car n2 est pair. Ce que nous avons supposé au départ est faux c’est
à dire ∀n ∈ IN, n2 pair ⇒ n est pair est vraie.

Exercice 5. Par contraposée, montrer que

(1) Si (n2 − 1) n’est pas divisible par8 ⇒ nest pair.
.
Solution . (1) Montrons que sa contraposée :( n est impair ⇒ (n2 −1) est divisible par
8) est vraie.
Soit n impair alors ∃k ∈ Z tel que n = 2k + 1 et donc n2 = 4k2 + 4k + 1 ⇒ n2 − 1 =
4k2 + 4k = 4k(k + 1) il suffit de montrer que k(k + 1) est pair.
Montrons que k(k + 1) est pair on a deux cas :
Si k est pair alors k + 1 est impair donc le produit d’un nombre pair et d’un
nombre impair est pair voir exercice 2 question (3).
Si k est impair, alors k + 1 est pair donc le produit est pair c’est le même
raisonnement, (il faut savoir que le produit de deux nombre consécutifs est
toujours pair).
 3. EXERCICES CORRIGÉS 17

Ainsi k(k + 1) est pair ∃k0 ∈ Z/k(k + 1) = 2k0, d’où n2 − 1 = 4(2k0) = 8k0 ⇒ n2 − 1
est divisible par 8.
(2) Montrons que sa contraposée :( est vraie.
Soit x 6= 0, il existe tel que d’où le résultat.
Exercice 6. Montrer par récurrence que
–
– est un multiple de 9.

Solution . – Montrons que .

(1) Pour n = 1 on a : est vraie.
(2) On suppose que : est vraie.
(3) On montre que : est vraie. En utilisant
p(n) on obtient :

Ainsi P(n + 1) est vraie , alors .

– Montrons que est un multiple de 9, c’est à dire ∀n ∈
IN
(1) Pour n = 1 on a : ∃k = 1 ∈ Z, 4 + 6 − 1 = 9 = 9(1), P(1) est vraie.
(2) On suppose que : est vraie.
(3) On montre que : . est vraie.
4n+1 + 6(n + 1) − 1 = 4.4n + 6n + 6 − 1
= (9 − 5)4n + 6n + 5

= 9.4n − 5.4n − 5(6n) + 36n + 5

= −5(4n + 6n − 1) + 9.4n + 36n, en utilisantPn

= −5(9k) + 9.4n + 9.(4n) = 9(−5k + 4n + 4n)

⇒ ∃k0 = −5k + 4n + 4n ∈ Z 4n+1 + 6(n + 1) − 1 = 9k0.
 CHAPITRE 3 Théorie des ensembles avec Exercices Corrigés

1. Notion d’ensemble et propriétés

1.1. Ensemble.

Définition 1.1. Un ensemble est une collection d’objets mathématiques (éléments)

rassemblés d’après une ou plusieurs propriétés communes. Ces propriétés sont suffisantes
pour affirmer qu’un objet appartient ou pas à un ensemble.

Exemple 1.2. (1) E : l’ensemble des étudiants de l’université d’USTO.

(2) On désigne par IN l’ensemble des entiers naturels IN = {0,1,2,3,...}.
(3) L’ensemble des nombre pairs se note : P = {x ∈ IN/2 divise x}.
(4) L’ensemble vide est noté : ∅ qui ne contient aucun élément.

1.2. Inclusion. On dit que l’ensemble A est inclus dans un ensemble B lorsque tous les
éléments de A appartiennent à B et on note A ⊂ B,
A ⊂ B ⇔ (∀x,(x ∈ A ⇒ x ∈ B)).
La négation :
A 6⊂ B ⇔ (∃x,(x ∈ A ∧ x /∈ B)).

Exemple 1.3. (1) On désigne IR l’ensemble des nombre réels on a : IN ⊂ IR.

(2) On désigne Z l’ensemble des nombre entiers relatifs, Q l’ensemble des rationnels on a :
IN ⊂ Z ⊂ Q ⊂ IR.

1.3. Egalité de deux ensembles : Soient A,B deux ensembles sachant A = B, cela veut dire
que :
A = B ⇔ ((A ⊂ B)et(A ⊂ B)).

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

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

1.5. Opérations sur les ensembles.

20 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

19

1.5.1. L’union. La réunion ou l’union de deux ensembles A et B est l’ensemble des élements qui
appartiennent à A ou B, on écrit A ∪ B.
x ∈ A ∪ B ⇔ (x ∈ A ∨ x ∈ B).
La négation :
x /∈ A ∪ B ⇔ (x /∈ A ∧ x /∈ B).
1.5.2. L’intersection. L’intersection de deux ensembles A,B est l’ensemble des élséments qui
appartiennent à A et B on note A ∩ B.
x ∈ A ∩ B ⇔ (x ∈ A ∧ x ∈ B).
La négation :
x /∈ A ∩ B ⇔ (x /∈ A ∨ x /∈ B).

Remarque 1.4. (1) Si A,B n’ont pas d’élements en commun, on dit qu’ils sont disjoints, alors
A ∩ B = ∅.
(2) B = CEA ⇔ A ∪ B = E et A ∩ B = ∅.
(3) A − B = A ∩ Bc.
1.5.3. La différence symétrique. Soient E un ensemble non vide et A,B ⊂ E, la
différence symétrique entre deux ensembles A,B est l’ensemble des éléments qui
appartiennent à A − B ou B − A noté A∆B.
A∆B = (A − B) ∪ (B − A) = (A ∩ CEB) ∪ (B ∩ CEA) = (A ∪ B) − (A ∩ B).
x ∈ A∆B ⇔ {x/x ∈ (A − B) ∨ x ∈ (B − A)}.
 21

1. NOTION D’ENSEMBLE ET PROPRIÉTÉS

1.6. Propriétés des opérations sur les ensembles.

1.6.1. La commutativitée. Quels que soient A,B deux ensembles :
A ∩ B = B ∩ A,
A ∪ B = B ∪ A.
1.6.2. L’associativitée. Quels que soient A,B,C deux ensembles :
A ∩ (B ∩ C) = (A ∩ B) ∩ C,
A ∪ (B ∪ C) = (A ∪ B) ∪ C.
1.6.3. la distributivitée. Quels que soient A,B,C deux ensembles :
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C),
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
1.6.4. L’idempotence.
A ∪ A = A,A ∩ A = A.
1.6.5. Lois de Morgan.
a)(A ∪ B)c = Ac ∩ Bc.
b)(A ∩ B)c = Ac ∪ Bc.

preuve. Montrons que (A ∪ B)c ⊂ Ac ∩ Bc et Ac ∩ Bc ⊂ (A ∪ B)c,

(A ∪ B)c ⊂ Ac ∩ Bc :
Soit x ∈ (A ∪ B)c ⇒ x /∈ (A ∪ B) ⇒ x /∈ A ∧ x /∈ B ⇒ x ∈ Ac ∧ x ∈ Bc ainsi x ∈ (A ∪ B)c ⇒
x ∈ (Ac ∩ Bc), d’où (A ∪ B)c ⊂ (Ac ∩ Bc).

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

CardA : le nombre des éléments de A.

CardB : le nombre des éléments de B. on aura :
Card(A × B) = CardA × CardB.
22 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

Exemple 1.6. a) Soit E = {1,2,3,4,5,6,7,8},A = {1,2,3,4,5,6},B = {2,4,6,8}

(1) A ⊂ E,B ⊂ E.
A n’est pas inclus dans B car 1 ∈ A ∧ 1 ∈/ B. B
n’est pas inclus dans A car 8 ∈ B ∧ 8 ∈/ A.
(2) A ∩ B = {2,4,6},A ∪ B = {1,2,3,4,5,6,8}.
(3) A − B = {1,3,5},B − A = {8}.
(4) A∆B = {1,3,5,8}.
b) A = {1,2},B = {1,2,3}
A × B = {(1,1),(1,2),(1,3),(2,1),(2,2),(2,3)},
B × A = {(1,1),(1,2),(2,1),(2,2),(3,1),(3,2)},
A × B 6= B × A, car (3,2) ∈ B × A, et (3,2) ∈/ A × B.

2. Applications et relations d’équivalences

2.1. Application.

Définition 2.1. On appelle application d’un ensemble E dans un ensemble F une loi de
correspondance ( ou une relation de correspondance ) permettant d’associer à tout x ∈ E
un unique élément y ∈ F où E est l’ensemble de départ et F est l’ensemble d’arrivé.
L’élément y associé à x est l’image de x par f, on note x 7−→ y/y = f(x).

Exemple 2.2. Soit l’application suivante :

(1) f1 : IN 7−→ IN n
7−→ 4n + 2.
(2) f2 : IR 7−→ IR x
7−→ 5x + 3.
2.2. Image directe et image réciproque.
2.2.1. a) L’image directe. Soit f : E 7−→ F et A ⊂ E, on appelle image de
A par f un sous ensemble de F, noté f(A) tel que
f(A) = {f(x) ∈ F/x ∈ A},
sachant que f(A) ⊂ F, et que A,f(A) sont des ensembles.
2.2.2. b) L’image réciproque. Soit f : E 7−→ F et B ⊂ F, on appelle
l’image réciproque de B par f, la partie de E notée f−1(B) telle que
f−1(B) = {x ∈ E/f(x) ∈ B},
sachant que f−1(B) ⊂ E, et que B,f−1(B) sont des ensembles.

Exemple 2.3. (1) Soit f l’application définie par :

 23

f : [0,3] 7−→ [0,4]

x 7−→ f(x) = 2x + 1
Trouver f([0,1])?

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

on a :0 ≤ x ≤ 1 ⇒ 0 ≤ 2x ≤ 2 ⇒ 1 ≤ 2x + 1 ≤ 3, alors f([0,1]) = [1,3] ⊂
[0,4].
2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES

(2) Soit f l’application définie par :

g : [0,2] 7−→ [0,4] x
7−→ f(x) = (2x − 1)2
Calculer f−1({0}),f−1(]0,1[).

.
On a : (2x − 1)2 > 0 est verifiée . D’autre part
(2x − 1)2 < 1 ⇒ |2x − 1| < 1 ⇒ −1 < 2x − 1 < 1 ⇒ 0 < x < 1,
et donc x ∈]0,1[, en regroupant les deux inégalités, on obtient

.
2.2.3. 1) La surjection.
Définition 2.4. L’image f(E) de E par f est une partie de F. Si tout élément de F est
l’image par f d’au moins un élément de E, on dit que f est une application surjective de E
dans F on a : f(E) = F.
fest surjective ⇔ (∀y ∈ F),(∃x ∈ E)/f(x) = y. Exemple 2.5. Les
applications suivantes sont-elles surjective?
(1) f1 : IN 7−→ IN n 7−→ 4n + 2.
f1 n’est pas surjective, en effet si on suppose qu’elle est surjective c’est à dire
, or IN contradiction f1
n’est pas surjective.
(2) f2 : IR 7−→ IR x 7−→ 5x + 3. f2 est surjective
car :

.
24 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

2.2.4. 2) L’injection.
Définition 2.6. Quand on a deux éléments dictincts de E correspondent pas fà deux image
différentes de F, f est dite application injective, on a alors :
(fest injective) ⇔ (∀x1,x2 ∈ E,x1 6= x2 ⇒ f(x1) 6= f(x2)),
ou
(fest injective) ⇔ (∀x1,x2 ∈ E,f(x1) = f(x2) ⇒ x1 = x2). Exemple 2.7. Les

applications suivantes sont-elles injerctive?

(1) f1 : IN 7−→ IN n
7−→ 4n + 2.
f1 est injective car :∀n1,n2 ∈ IN,f(x1) = f(x2) ⇒ 4n1 +2 = 4x2 +2 ⇒ 4n1 = 4n2 ⇒ n1 = n2.

(2) f2 : IR 7−→ IR x
7−→ 5x + 3.
f2 est injective car :∀x1,x2 ∈ IR,f(x1) = f(x2) ⇒ 5x1 + 3 = 5x2 + 3 ⇒ 5x1 = 5x2 ⇒ x1 = x2.
2.2.5. 3) La bijection. f est une application bijective si elle injective et surjective, c’est à
dire tout élément de F est l’image d’un unique élément de E, f est bijective si et
seulement si :
(∀y ∈ F),(∃!x ∈ E),(f(x) = y). (∃!signifie unique) Exemple 2.8. (1)

f1 n’est pas bijective car elle n’est pas surjective.

(2) f2 est bijective.

Remarque 2.9. Lorsque une application f est bijective cela veut dire que l’application inverse
f existe. f−1 est aussi bijective de F sur E et (f−1)−1 = f.
−1
 25

Exemple 2.10. f2 est bijective et sa bijection est définie par :

IR

.
2.2.6. 4) La composition d’application. Soient E,F,G des ensembles et deux applications f,g
telles que
f : E 7−→ F, g : F 7−→
G x 7−→ f(x) = y ,y 7−→
g(y) = z
On définit l’application
g ◦ f : E 7−→ G x 7−→
g ◦ f(x) = z.

Proposition 2.11. (1) Si f et g sont injectives ⇒ g ◦ f est injective.

(2) Si f et g sont surjectives ⇒ g ◦ f est surjective.
2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES

preuve. (1) Supposons que f et g sont injectives, montrons que g ◦ f est injective :
∀x1,x2 ∈ E,g ◦ f(x1) = g ◦ f(x2) puisque g est injective on aura :

g(f(x1)) = g(f(x2)) ⇒ f(x1) = f(x2)

puisque f est injective ainsi :

g ◦ f(x1) = g ◦ f(x2) ⇒ x1 = x2,

g ◦ f est injective.
(2) Supposons que f et g sont surjectives c’est à dire f(E) = F,g(F) = G, montrons que g ◦ f
est surjective :

g ◦ f(E) = g(f(E)) = g(F) = G

d’après la surjectivitée de f,g d’où le résultat. Remarque 2.12. Il s’ensuit que la
composée de deux bijection et une bijection. En particulier, la composition de f : E 7−→ F
et sa réciproque f−1 : F 7−→ E est l’application indentitée IdE,f−1 ◦ f = IdE,f ◦ f−1) = IdF .

2.2.7. c) Propriétés des applications. Soit f : E 7−→ F on a :

(1) A ⊂ B ⇒ f(A) ⊂ f(B).
(2) f(A ∪ B) = f(A) ∪ f(B). (3) f(A ∩ B) ⊂ f(A) ∩ f(B).
26 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

preuve. (1) Soit y ∈ f(A) alors ∃x ∈ A/f(x) = y, or A ⊂ B ⇒ x ∈ B donc y = f(x) ∈ f(B)

d’où f(A) ⊂ f(B).
(2) Soit
y ∈ f(A ∪ B) ⇔ ∃x ∈ A ∪ B/f(x) = y
⇔ ∃x ∈ A/f(x) = y ∨ ∃x ∈ B/f(x) = y
⇔ y ∈ f(A) ∨ y ∈ f(B)
⇔ y ∈ f(A) ∪ f(B),
ainsi f(A ∪ B) = f(A) ∪ f(B).
Soit
y ∈ f(A ∩ B) ⇒ ∃x ∈ A ∩ B/f(x) = y
⇒ ∃x ∈ A/f(x) = y ∧ ∃x ∈ B/f(x) = y
⇒ y ∈ f(A) ∧ y ∈ f(B)
⇒ y ∈ f(A) ∩ f(B),

ainsi f(A ∩ B) ⊂ f(A) ∩ f(B).

Exemple 2.13. f(x) = x2,A = [−1,0],B = [0,1],A∩B = {0},f(A) = [0,1],f(B) =
[0,1],
f(A) ∩ f(B) = [0,1], f(A ∩ B) = f({0}) = {0} 6= [0,1] = f(A) ∩ f(B).
L’égalité :f(A ∩ B) = f(A) ∩ f(B) est vérifiée lorsque f est injective.
Proposition 2.14. Soit f : E 7−→ F, g : F 7−→ G on a :
(1) g ◦ f est injective, alors f est injective.
(2) g ◦ f est surjective, alors g est surjective.
(3) g ◦ f est bijective, alors f est injective et g est surjective.

preuve. (1) Soit x1,x2 ∈ E/f(x1) = f(x2), alors g(f(x1)) = g(f(x2)) comme g ◦ f est injective
ainsi x1 = x2 d’où f est injective.
(2) On a f(E) ⊂ F ⇒ g ◦ f(E) ⊂ g(F) ⊂ G, puisque g ◦ f est surjective , alors g ◦ f(E) =
G, ainsi G ⊂ g(F) d’où G = g(F),g est surjective

3. Relations Binaires dans un ensemble

Définition 3.1. Soient x ∈ E,y ∈ F une relation R entre x et y est une correspondance
entre x et y. Le couple (x,y) vérifie la relation R, on note xRy, si E = F la relation est dite
binaire.
Exemple 3.2. (1) ∀x,y ∈ IN,xRy ⇔ x dévise y,R est une relation binaire.
(2) ∀x,y ∈ IR,xRy ⇔ x ≥ y.
 27

(3) A ⊂ E,B ⊂ F,ARB ⇔ A ⊂ B.

3.1. Propriétés des relations binaires. Soient R une relation binaire dans l’ensemble E et x,y,z
∈ E, on dit que R est une relation
(1) Réflexive : (∀x ∈ E), (xRx).
(2) Symétrique : (∀x ∈ E),(∀y ∈ E),(xRy ⇒ yRx).
(3) Antisymétrique :((∀x ∈ E),(∀y ∈ E),((xRy) ∧ (yRx)) ⇒ (x = y)).
(4) Transitive :(∀x,y,z ∈ E),((xRy) ∧ (yRz)) ⇒ (xRz).

Définition 3.3. Une relation est dite relation déquivalence si elle est réflexive,
symétrique et transitive. Définition 3.4. Une relation est dite relation d’ordre si elle est
réflexive, antisymétrique et transitive.
Exemple 3.5. (1) ∀x,y ∈ IN,xRy ⇔ x = y est une relation d’équivalence.
(2) A ⊂ E,B ⊂ F,ARB ⇔ A ⊂ B est une relation d’ordre, en effet :
(a) ∀A ⊂ E,A ⊂ A ⇔ R est réflexive.
(b) ∀A,B ∈ E,((A ⊂ B) ∧ (B ⊂ A)) ⇒ A = B ⇔ R est antisymétrique.
(c) ∀A,B,C ∈ E,((A ⊂ B) ∧ (B ⊂ C)) ⇒ A ⊂ C ⇔ R est transitive.
3. RELATIONS BINAIRES DANS UN ENSEMBLE

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

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

Exemple 3.7. – ∀x,y ∈ IR,xRy ⇔ x ≤ y, est une relation d’ordre total.

(1) R est réflexive : ∀x ∈ IR,x ≤ x ⇔ xRx.

(2) R est antisymétrique : ∀x,y ∈ IR,((xRy)∧(yRx)) ⇔ ((x ≤ y)∧(y ≤ x)) ⇒ x = y.

(3) R est transitive : ∀x,y,z ∈ IR,((xRy) ∧ (yRz)) ⇔ ((x ≤ y) ∧ (y ≤ z)) ⇔ y ≤ z ⇒ x ≤ z ⇔

xRz.

(4) R est une relation d’ordre total car ∀x,y ∈ IR,x ≤ou y ≤ x.
– Soient (x,y),(x0,y0) ∈ IR2;(x,y)R(x0,y0) ⇔ (x ≤ x0) ∧ (y ≤ y0) est une relation d’ordre partiel,
en effet : n’est pas en relation avec
(3,0), et (3,0) n’est pas en relation avec (1,2) .

3.2. Classe d’équivalence. Soit R une relation d’équivalence, on appelle classe déquivalence
d’un élément x ∈ E l’ensemble des éléments y ∈ E qui sont en relation
28 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

R avec x on note Cx, où

x = Cx = x˙ = {y ∈ E/xRy}

Définition 3.8. L’ensemble des classes d’équivalence d’éléments de E est appelée ensemble
quotient de E par R, il est noté E/R,

E/R = {x/x˙ ∈ E}

Exemple 3.9. ∀x,y ∈ IR,xRy ⇔ x2−x = y2−y,R est une relation d’équivalence car :
(1) ∀x ∈ IR,x2 − x = x2 − x ⇔ xRx ⇔ R est refléxive.

(2) ∀x,y ∈ IR,xRy ⇔ x2−x = y2−y ⇔ y2−y = x2−x ⇔ yRx,R est symétrique.
(3) ∀x,y,z ∈ IR,xRy ⇔ x2 − x = y2 − y ∧ y2 − y = z2 − z ⇔ x2 − x = z2 − z ⇔ zRx,R est
transitive.

Cherchons les classes d’équivalence suivantes : .

(1) C0 = {y ∈ E/0Ry},0Ry ⇔ y2 − y = 0, ainsi C0 = {0,1}.

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

(3) 2 =˙ {y ∈ E/2Ry},y2 − y = 2, ainsi 2 =˙ {−1,2}.

, ainsi .
4. Exercices Corrigés
Exercice 7. On considère les
ensembles suivants : A = {1,2,5},B = {{1,2},5},C = {{1,2,5}},D =
{∅,1,2,5},
E = {5,1,2},F = {{1,2},{5}},G = {{1,2},{5},5},H = {5,{1},{2}}.
(1) Quelles sont les relations d’égalité ou d’inclusion qui existent entre ces ensembles?
(2) Déterminer A ∩ B,G ∪ H,E − G.
(3) Quel est le complémentaire de A dans D.

Solution . (1) On remarque A = E,A ⊂ D,E ⊂ D,B ⊂ G,F ⊂ G.

(2) A ∩ B = {5},G ∪ H = {5,{1},{2},{1,2},{5}},E − G = {1,2}.
(3) CDA = {∅}.

Exercice 8. Etant donné A,B et C trois parties d’un ensemble E,

a) Montrer que :
 29

(1) (A ∩ B) ∪ Bc = A ∪ Bc.
(2) (A − B) − C = A − (B ∪ C).
(3) A − (B ∩ C) = (A − B) ∪ (A − C).
b) Simplifier :

Solution . a) Montrons que :

(1) (A ∩ B) ∪ Bc = A ∪ Bc.
Soit x ∈ (A ∩ B) ∪ Bc ⇔ x ∈ (A ∩ B) ∨ x ∈ Bc,
x ∈ (A ∩ B) ∪ Bc ⇔ (x ∈ A ∧ x ∈ B) ∨ (x /∈ B)
⇔ (x ∈ A ∨ x /∈ B) ∧ (x ∈ B ∨ x /∈ B)

⇔ x ∈ (A ∪ Bc) ∧ x ∈ (B ∪ Bc)

⇔ x ∈ (A ∪ Bc) ∩ E

⇔ x ∈ A ∪ Bc.

Car E = Bc ∪ B et A ∪ Bc est un sous ensemble se E.

(2) (A − B) − C = A − (B ∪ C). Soit x ∈ (A − B) − C on a :
x ∈ (A − B) − C ⇔ (x ∈ A ∧ x /∈ B) ∧ (x /∈ C)
⇔ x ∈ A ∧ (x /∈ B ∧ x /∈ C)
⇔ x ∈ A ∧ (x ∈ Bc ∩ Cc)
⇔ x ∈ A ∧ x /∈ (B ∪ C)Lois Morgan
⇔ x ∈ A − (B ∪ C).
30 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

(3) A − (B ∩ C) = (A − B) ∪ (A − C).
x ∈ A − (B ∩ C) ⇔ (x ∈ A ∧ (x /∈ B ∧ x /∈ C)
⇔ (x ∈ A ∧ x /∈ B) ∧ (x ∈ A ∧ x /∈ C)
⇔ x ∈ (A − B) ∧ x ∈ (A − C)
⇔ x ∈ (A − B) ∩ (A − C).

b) Simplifions

Exercice 9. Soient E = [0,1],F = [−1,1], et G = [0,2] trois intervalles de IR. Considérons

l’application f de E dans G définie par :

f(x) = 2 − x,

et l’application g de F dans G définie par :

g(x) = x2 + 1

(1) Déterminer f({1/2}),f−1({0}),g([−1,1]),g−1[0,2]).

(2) L’application f est-elle bijective? justifier.
(3) L’application g est-elle bijective? justifier.

Solution . (1) (a) f({1/2}) = {f(x) ∈ [0,2]/x = 1/2}, f(1/2) = 3/2 ∈

[0,2], alors :

f({1/2}) = {3/2}.

(b) f−1({0}) = {x ∈ [−1,1]/f(x) = 0}.

 4. EXERCICES CORRIGÉS 31

On a f(x) = 2 − x = 0 ⇒ x = 2 ∈/ [−1,1], alors :

f−1({0}) = ∅.
(c) g([−1,1]) = {g(x) ∈ [0,2]/x ∈ [−1,1]}, on a x ∈ [−1,0]∪]0,1].
x ∈ [−1,0] ⇒ −1 ≤ x ≤ 0
⇒ 0 ≤ x2 ≤ 1
⇒ 1 ≤ x2 + 1 ≤ 2
⇒ g(x) ∈ [1,2] ⊂ [0,2]
d’où g([−1,0]) = [1,2]
x ∈]0,1] ⇒ 0 < x ≤ 1
⇒ 0 < x2 ≤ 1
⇒ 1 < x2 + 1 ≤ 2
⇒ g(x) ∈]1,2] ⊂ [0,2]
d’où g(]0,1]) =]1,2],g([−1,1]) = [1,2].
(d) g−1([0,2]) = {x ∈ [−1,1]/g(x) ∈ [0,2]}, on a

g(x) ∈ [0,2] ⇒ 0 ≤ x2 + 1 ≤ 2
⇒ −1 ≤ x2 ≤ 1
⇒ (−1 ≤ x2 < 0) ∨ (0 ≤ x2 ≤ 1)

l’ingalité (−1 ≤ x2 < 0) n’a pas de solutions.

0 ≤ x2 ≤ 1 ⇔ 0 ≤ |x| ≤ 1 ⇔ −1 ≤ x ≤ 1.
Ainsi g−1([0,2]) = ∅ ∪ [−1,1] = [−1,1].

(2) Comme f−1({0}) = ∅ c’est à dire l’élément 0 ∈ [0,2] n’admet pas d’antécédent par
f dans [−1,1] donc f n’est pas surjetive et par suite n’est pas bijective.
(3) L’application g est paire donc g(−1) = g(1) or −1 6= 1 donc g n’est pas injective
d’où g ne peut être bijective, aussi on remarque que g([−1,1]) = [1,2] 6= [0,2]
donc g n’est pas surjecive, alors n’est pas aussi bijective.

Exercice 10. On définit sur IR2 la relation R par :

(x,y)R(x0,y0) ⇔ x + y = x0 + y0

(1) Montrer que R une relation d’équivalence.

(2) Trouver la classe d’équivalence du couple (0,0).
32 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

Solution . R est une classe d’équivalence si et seulement si elle est réfléxive et

symétrique et transitive.
(1) a) R est réfléxive si et seulement si

(x,y)R(x,y) ⇔ x + y = x + y .
D’où R est réfléxive.
b) R est symétrique si et seulement si

∀(x,y),(x0,y0) ∈ IR2,(x,y)R(x0,y0) ⇒ (x0,y0)R(x,y)

(x,y)R(x0,y0) ⇒ x + y = x0 + y0
⇒ x0 + y0 = x + y

⇒ (x0,y0)R(x,y)

D’où R est symétique.

c) R est transitive si et seulement si
”)

”
⇒ x + y = x” + y”
⇒ (x,y)R(x”,y”)

D’où R est transitive, Ainsi R est une relation d’équivalence.

(2) Trouvons la classe d’équivalence du couple (0,0).
C((0,0)) = {(x,y) ∈ IR2/(x,y)R(0,0)}
= {(x,y) ∈ IR2/x + y = 0}

= {(x,y) ∈ IR2/y = −x}

= {(x,−x)/x ∈ IR}.
Exercice 11. On définit sur IR2 la relation T par

(x,y)T(x0,y0) ⇔ |x − x0| ≤ y0 − y

(1) Vérfier que T est une relation d’ordre. Cet ordre est-il total?
(2) Soit (a,b) ∈ IR2, représenter l’ensemble {x,y) ∈ IR2/(x,y)T(a,b)}.
 4. EXERCICES CORRIGÉS 33

Solution . T est une relation d’ordre si et seulement si elle est réfléxive et

antisymétrique et transitive.
(1) a) R est réfléxive si et seulement si

(x,y)R(x,y) ⇔ |x − x| ≤ y − y ⇒ 0 ≤ 0.
D’où T est réfléxive.
b) T est anti-symétrique si et seulement si


|x − x0| ≤ y0 − y (x,y)T(x0,y0)

∧ (x0,y0)T(x,y) ⇒ et

 |x0 − x| ≤ y − y0
⇒ 2|x − x0| ≤ 0
⇒ |x − x0| = 0
⇒ x = x0
⇒ y0 − y ≥ 0 ∧ y − y0 ≥ 0
⇒ y0 − y ≥ 0 ∧ y0 − y ≤ 0 ⇒ y0 −
y = 0 ⇒ y = y0.

D’où (x,y) = (x0,y0), alors T est anti-symétique. c) T

est transitive si et seulement si

∀(x,y),(x0,y0),(x”,y”) ∈ IR2,((x,y)T(x0,y0)) ∧ ((x0,y0)T(x”,y”)) ⇒ (x,y)T(x”,y”)

(x,y)T(x0,y0) ∧ (x0,y0)T(x”,y”) ⇒

⇒
⇒ −y” + y ≤ x0 − x” ≤ y” − y
⇒ |x − x”| ≤ y” − y
⇒ (x,y)T(x”,y”)
D’où T est transitive, alors c’est un relation d’ordre.
34 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS

L’ordre n’est pas total car ∃(x,y) = (2,3) et (x0,y0) = (4,3) tels que si on suppose
que (x,y)T(x0,y0) ⇒ |2 − 4| ≤ 0 ce qui absurde. De plus (x0,y0)T(x,y) ⇒ |4 − 2| ≤ 0
faux.
(2) Soit (a,b) ∈ IR2, déterminons l’ensemble {x,y) ∈ IR2/(x,y)T(a,b)}.

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

1. Lois De Composition Internes

Définition 1.1. Soit G un ensemble, on appelle loi interne sur G toute application de G ×
G dans G, on note souvent une loi interne par ? ou δ.

Exemple 1.2. (1) L’addition est une loi interne sur IR

+ : IR × IR 7−→ IR
(a,b) 7−→ a + b.
(2) L’application
1
? : IR −{ }

(a,b) 7−→ a + b − 2ab

est une loi interne dans IR , en effet : ∀a,b ∈ IR , montrons que
a+b−2ab ∈ IR plus précisement il faut prouver que car il
est évident que a + b − 2ab ∈ R, on va raisonner par l’absurde on suppose que
, sachant que :

contradiction, alors ce qu’on a supposé est faux c’est à dire , d’où

a ? b ∈ IR est une loi interne.
Définition 1.3. Soit G un ensemble et ? une loi interne.
(1) ? est dite commutative si et seulement si :
∀x,y ∈ G,x ? y = y ? x.

(2) ? est dite associative si et seulement si :

∀x,y,z ∈ G,x ? (y ? z) = (x ? y) ? z.

(3) ? admet un élement neutre si et seulement si :

∃e ∈ G,∀x ∈ G,x ? e = e ? x = x.

(4) Soit x ∈ G on dit qu’un élément x0 ∈ G est l’élement symétrique ou inverse de x si

et seulement si x ? x0 = x0 ? x = e, où e ∈ G est l’élément neutre.
35
 5. EXERCICES CORRIGÉS 37

2. Groupes
Définition 2.1. On appelle groupe un ensemble G muni d’une loi ou opération ineterne
? telle que :
(1) ? admet un élément neutre.
(2) Tout élément de G admet un élément symétrique dans G.
(3) ? est associative.
Si de plus ? est commutatif, alors (G,?) est un groupe commutatif ou abélien.
Exemple 2.2. (1) (Z,+) est un groupe commutatif.
(2) (IR,×) n’est pas un groupe car 0 n’admet pas d’élément symétrique.
est un groupe commutatif.
3. Anneaux
Définition 3.1. Soit A un ensemble muni de deux lois de composition internes ?,δ, on
dit que (A,?,δ) est un anneau si :
(1) (A,?) est un groupe commutatif.
(2) ∀x,y,z ∈ A,
xδ(y ? z) = (xδy) ? (xδz)et(x ? y)δz = (xδz) ? (yδz),
distributivité à gauche et à droite.
(3) δ est associative .
Si de plus δ est commutative, on dit que (A,?,δ) est un anneau commutatif. Si δ
admet un élément neutre, on dit que (A,?,δ) est un anneau unitaire.
Exemple 3.2. (Z,+,·) est un anneau commutatif et unitaire.

4. Corps
Définition 4.1. Soit IK un ensemble munie de deux lois de composition internes ?,δ, on
dit que (IK,?,δ) est un corps si :
(1) (IK,?,δ) est un anneau unitaire.
(2) (IK − {e},δ) est un groupe , où e est l’élément neutre de ?.
Si de plus δ est commutative, On dit que (IK,?,δ) est un corps commutatif.
Exemple 4.2. (IR,+,·) est un corps commutatif.
5. Exercices Corrigés
Exercice 12. Soit ∗ une loi définie sur IR par :
38 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

x ∗ y = xy + (x2 − 1)(y2 − 1)
(1) Vérifier que ∗ est commutative, non associative et admet un élément neutre.
(2) Résoudre les équations suivantes : 2 ∗ y = 5,x ∗ x = 1.

Solution . (1) ∗ est commutative si et seulement si : ∀x,y ∈ IR/x ∗ y

= y ∗ x.

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

Car le produit et la somme sont commutatives.
(2) ∗ est non associative, on suppose que c’est associative c’est à dire :
∀x,y,z ∈ IR,(x ∗ y) ∗ z = x ∗ (y ∗ z).
(x ∗ y) ∗ z = [xy + (x − 1)(y2 − 1)] ∗ z
2

= (xy + (x2 − 1)(y2 − 1))z + (z2 − 1)([xy + (x2 − 1)(y2 − 1)]2 − 1)

= xyz + (x2 − 1)(y2 − 1)z + (z2 − 1)x2y2 + 2(z2 − 1)(x2 − 1)(y2 − 1)(xy)

+ (z2 − 1)(x2 − 1)2(y2 − 1)2 − (z2 − 1)...(1)

x ∗ (y ∗ z) = x ∗ [yz + (y2 − 1)(z2 − 1)]

= x(yz + (y2 − 1)(z2 − 1)) + (x2 − 1)([yz + (y2 − 1)(z2 − 1)]2 − 1)

= xyz + x(y2 − 1)(z2 − 1) + (x2 − 1)y2z2 + 2(x2 − 1)(y2 − 1)(z2 − 1)(yz)

+ (x2 − 1)(y2 − 1)2(z2 − 1)2 − (x2 − 1)...(2)

contradiction (1) 6= (2) d’où ∗ n’est pas associative

(3) ∗ admet un élément neutre si et seulement si
∃e ∈ IR,∀x ∈ IR/x ∗ e = e ∗ x = x.
On prend juste une seule équation car la loi est commutative.
∀x ∈ IR, x ∗ e = x
∀x ∈ IR, xe + (x2 − 1)(e2 − 1) = x
∀x ∈ IR, (e − 1)(x + (x − 1)(e + 1))
2
= 0
Alors on a
 5. EXERCICES CORRIGÉS 39

On sait qu’un polynôme est nul ∀x si tous ses coefficients sont tous nuls, et
comme le coefficient de x est 1 6= 0 on déduit que le polynôme ne peut
s’annuler, d’où e = 1 est vraie. e = 1 est l’élément neutre.
(4) 2 ∗ y = 5 ⇒ 2y + 3(y2 − 1) = 5 ⇒ y = 4/3 ∨ y = −2.
(5) x ∗ x = 1 ⇒ x2 + (x2 − 1)2 = 0 ⇒ x = 0,x = ±1.

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

∀(x,y),(x0,y0) ∈ G,(x,y) ∗ (x0,y0) = (xx0,xy0 + y)

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

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

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

(1) ∗ est associative si et seulement si

∀(x,y),(x0,y0),(x”,y”) ∈ G,/[(x,y) ∗ (x0,y0)] ∗ (x”,y”) = (x,y) ∗ [(x0,y0) ∗ (x”,y”)]?

[(x,y) ∗ (x0,y0)] ∗ (x”,y”) = (xx0,xy0 + y) ∗ (x”,y”)

= (xx0x”,xx0y” + xy0 + y)......(1),

(x,y) ∗ [(x0,y0) ∗ (x”,y”)] = (x,y) ∗ (x0x”,x0y” + y0)

= (xx0x”,xx0y” + xy0 + y)......(2).
(1) = (2) d’où le résultat.
(2) (e,e0) ∈ G est un élément neutre de G si et seulement si

∀(x,y) ∈ G,(x,y) ∗ (e,e0) = (e,e0) ∗ (x,y) = (x,y)

40 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

ainsi (e,e0) = (1,0) ∈ G est l’élément neutre.

.
ainsi le symétrique de (x,y) ∈ G est (x0,y0) = (1/x,−y/x) ∈ G, alors (G,∗) est un
groupe.
(4) ∗ est non commutatif si et seulement si

.
on remarque que (1) 6= (2), alors (G,∗) est un groupe non commutatif.

Exercice 14. On définit sur Z2 les deux lois comme suit : ∀(x,y),(x0,y0) ∈ IR2,(x,y)

⊕ (x0,y0) = (x + x0,y + y0),

.
Montrer que est anneau commutatif. Solution . est
anneau commutatif si et seulement si :
est un groupe abélien est associative et
distributive par rapport à loi ⊕ . est une loi
commutatif
 5. EXERCICES CORRIGÉS 41

(1) (Z2,⊕) est un groupe abélien :

a: ⊕ est commutative :
∀(x,y),(x0,y0) ∈ IR2,

(x,y) ⊕ (x0,y0) = (x + x0,y + y0) = (x0 + x,y0 + y) = (x0,y0) ⊕ (x,y).

b: ⊕ est associative :
∀(x,y),(x0,y0),(x”,y”) ∈ IR2,

[(x,y)⊕(x0,y0)]⊕(x”,y”) = (x+x0,y +y0)⊕(x”,y”) = (x +x0 +x”,y +y0 +y”)...(1)

(x,y)⊕[(x0,y0)⊕(x”,y”)] = (x,y)⊕(x0 +x”,y0 +y”) = (x +x0 +x”,y +y0 +y”)...(2)

(1) = (2) d’où le résultat.
c: Il existe e = (e1,e2) ∈ Z2 tel que :
(e1,e2) ⊕ (x,y) = (x,y) ⊕ (e1,e2) = (x,y)
Puisque ⊕est commutative on traite une seul équation :

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

Alors est l’élément

neutre de ⊕.
d: Chaque élément de Z2 possède un élément symétrique dans
Z2,∃(x0,y0) ∈ Z2 :

(x,y) ⊕ (x0,y0) = (0,0),(x0,y0) ⊕ (x,y) = (0,0), il suffit de prendre x0 =

−x,y0 = −y ainsi (−x,−y) ∈ Z2 est l’élément symétrique de (x,y) ∈ Z2.
Sachant a,b,c,d (Z2,⊕) est un groupe commutatif.
(2) – est associative : ∀(x,y),(x0,y0),(x”,y”) ∈ IR2,

(1) = (2) d’où le résultat.

– distributive par rapport à ⊕ : ∀(x,y),(x0,y0),(x”,y”) ∈ IR2,

.
Montrons que :
42 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS

,
On a :
”]
Ainsi

.
De plus

d’où (3) = (4).

Montrons que :
.
On a :

d’où (5) = (6).

est commutatif : ∀(x,y),(x0,y0) ∈ IR2,

d’où le résultat.
 CHAPITRE 5

Notion de IK− Espaces vectoriels(IK étant un Corps Commutatif) avec

Exercices Corrigés

1. Espace vectoriel et sous espace vectoriel

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

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

(·) : IK × E → E

(λ,x) → λ · x

Définition 1.1. Un espace vectoriel sur le corps IK ou un IK− espace vectoriel est un triplet
(E,+,·) tel que :
(1) (E,+) est un groupe commutatif.
(2) ∀λ ∈ IK,∀x,y ∈ E,λ · (x + y) = λ · x + λ · y
(3) ∀λ,µ ∈ IK,∀x ∈ E,(λ + µ) · x = λ · x + µ · x
(4) ∀λ,µ ∈ IK,∀x ∈ E,(λ · µ) · x = λ(µ.x)
(5) ∀x ∈ E,1IK · x = x

Les éléments de l’espace vectoriel sont appelés des vecteurs et ceux de IK des scalaires.

Proposition 1.2. Si E est IK− espace vectoriel, alors on a les propriétés suivantes :
(1) ∀x ∈ E,0IK · x = 0E

(2) ∀x ∈ E,−1IK · x = −x

(3) ∀λ ∈ IK,λ · 0E = 0E
(4) ∀λ ∈ IK,∀x,y ∈ E,λ · (x − y) = λ · x − λ · y
(5) ∀λ ∈ IK,∀x ∈ E,x · λ = 0E ⇔ x = 0E ∨ λ = 0IK

Exemple 1.3. (1) (IR,+,.) est un IR− espace vectoriel, (C,+,.) est un C−e.v.
454. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

43

(2) Si on considère IR2 muni des deux opérations suivante

(+) : IR2 × IR2 → IR2, (.) : IR × IR2 → IR2

((x,y),(x0,y0)) → (x + x0,y + y0), (λ,(x,y)) → (λ · x,λ · y) on peut

facilement montrer que est un IR−e.v.
Définition 1.4. Soit (E,+,·) un IK− espace vectoriel et soit F un sous ensemble non vide
de E, on dit que F est sous espace vectoriel si (F,+,·) est aussi un IK− espace vectoriel.
Remarque 1.5. Lorsque (F,+,·) est IK− sous espace vectoriel de (E,+,·), alors
0E ∈ F.
Si 0E ∈/ F alors (F,+,·) ne peut pas être un IK− sous espace vectoriel de (E,+,·).

Théorème 1.6. Soit (E,+,·) un IK− espace vectoriel et F ⊂ E,F non vide on a les
équivalences suivantes :
(1) F est un sous espace vectoriel de E.
(2) F est stable par l’addition et par la multiplication c’est à dire :
∀x,y ∈ F,∀λ ∈ IK,x + y ∈ F,λ.x ∈ F.

(3) ∀x,y ∈ F,∀λ,µ ∈ IK,λ.x + µ.y ∈ F, d’où :

F est s.e.v
(4) ∀x,y ∈ F,∀λ,µ ∈ IK,λ.x + µ.y ∈ F, d’où :

F est s.e.v
Exemple 1.7. (1) {0E},E sont des sous espace vectoriel de E.
(2) F = {(x,y) ∈ IR2/x + y = 0} est un sous espace vectoriel car; – 0E = 0IR2
= (0,0) ∈ F ⇒ F 6= ∅.

– IR montrons que λ(x,y) + µ(x0,y0)∈?F ; c’est à dire

(λx + µx ,λy + µy )∈?F
λx + µx0 + λy + µy0 = λ(x + y) + µ(x0 + y0) = λ.0 + µ.0 = 0, car (x,y)
∈ F ⇒ x + y = 0,et(x0,y0) ∈ F ⇒ x0 + y0 = 0.
Ainsi λ(x,y) + µ(x0,y0) ∈ F, F est sous espace vectoriel de IR2.
(3) F = {(x + y + z,x − y,z)/x,y,z ∈ IR} est un s.e.v de IR3, en effet, – 03IR =
(0,0,0) ∈ F car (0,0,0) = (0 + 0 + 0,0 − 0,0) ⇒ F 6= ∅.
 455

– ∀X,Y ∈ F,λ,µ ∈ IR montrons que λX + µY ∈?F ; on a :

X ∈ F ⇔ ∃(x,y,z) ∈ IR3/X = (x + y + z,x − y,z),
Y ∈ F ⇔ ∃(x0,y0,z0) ∈ IR3/Y = (x0 + y0 + z0,x0 − y0,z0), λX +
µY = (λx + λy + λz,λx − λy,λz) + (µx0 + µy0 + µz0,µx0 − µy0,µz0)
4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES

λX + µY = ((λx + µx0) + (λy + µy0) + (λz + µz0),(λx + µx0) − (λy + µy0),λz + µz) d’où ∃x00
= λx + µx0 ∈ IR,∃y00 = λy + µy0 ∈ IR,∃z00 = λz + µz0 ∈ IR, ainsi λX + µY = (x00
+ y00 + z00,x00 − y00,z00) ∈ F.

Théorème 1.8. L’intersection d’une famille non vide de s.e.v est un sous espace vectoriel.
Remarque 1.9. La réunion de deux s.e.v n’est pas forcément un s.e.v.

Exemple 1.10. E1 = {(x,0) ∈ IR2},E2 = {(0,y) ∈ IR2},E1 ∪E2n’est un s.e.v car U1 = (1,0),U2 =
(0,1) ∈ E2 et U1+U2 = (1,1) ∈/ E1∪E2, car (1,1) ∈/ E1∧(1,1) ∈/ E2.

2. Somme de deux sous espaces vectoriels

Soit E1,E2 deux sous espaces vectoriels d’un IK−e.v E, on appelle somme de deux espaces
vectoriels, E1 et E2 et on note E1 + E2 l’ensemble suivant :
E1 + E2 = {U ∈ E/∃U1 ∈ E1,∃U2 ∈ E2/U = U1 + U2}.

Proposition 2.1. La somme de deux s.e.v de E1 et E2 (d’un même IK-e.v) est un s.e.v de E
contenant E1 ∪ E2,i.e.,E1 ∪ E2 ⊂ E1 + E2.

3. Somme directe de deux sous espaces vectoriels

On dira que la somme E1 + E2 est directe si ∀U = U1 + U2, il existe un unique vecteur U1 ∈ E1, un
L
unique vecteur U2 ∈ E2, U = U1 + U2, on note E1 E2.
Théorème 3.1. Soit E1,E2 deux s.e.v d’un même IK−e.v E la somme E1 + E2 est directe si E1
∩ E2 = {0E}.
3.1. Sous espace supplémentaires. Soient E1 et E2 deux s.e.v d’un même
L
IK−e.v E, on dit que E1 et E2 sont supplémentaires si E1 E2 = E
L
Exemple 3.2. E1 = {(x,0) ∈ IR2},E2 = {(0,y) ∈ IR2},E1 E2 = IR2, E1 et E2 sont supplémentaires.

4. Familles génératrices, familles libres et bases

Dans la suite, on désignera l’espace vectoriel (E,+,·) par E.

Définitions 4.1. Soit E un e.v et e1,e2...,en des éléments de E,

456. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

(1) On dit que {e1,e2...,en} sont libres ou linéairement independents, si ∀λ1,λ2,...,λn ∈ IK :

λ1e1 + λ2e2 + ... + λnen = 0 ⇒ λ1 = λ2 = ... = λn = 0,solution unique.
Dans le cas contraire, on dit qu’ils sont liés.
(2) On dit que {e1,e2...,en} est une famille génératrice de E, ou que E est engendré par
{e1,e2...,en} si ∀x ∈ E,∃λ1,λ2,...,λn ∈ IK/
x = λ1e1 + λ2e2 + ... + λnen.
(3) Si {e1,e2...,en} est une famille libre et génératrice de E, alors {e1,e2...,en} est appelée
une base de E.

Remarque 4.2. Dans un espace vectoriel E, tout vecteur non nul est libre.
Théorème 4.3 sont deux bases de l’espace vectoriel
E, alors n = m. En d’autre termes, si un espace vectoriel admet une base alors toutes les
bases de E ont le même nombre d’éléments (ou même cardinal), ce nombre la ne dépend
pas de la base mais il dépend seulement de l’espace E. D’où la définition suivante.
Définition 4.4. Soit E un IK− espace vectoriel de base B = {e1,e2...,en}, alors dim(E) =
Card(B). où dim(E) : est la dimension de E et Card(B) : est le cardinal de B.

Remarque 4.5. donc chercher une base pour un espace vectoriel c’est trouver une
famille de vecteurs dans E, qui forment un famille libre et génératrice de E, le nombre
d’éléments de cette famille représente dimE.
Exemple 4.6. (1) Cherchons une base de IR3, il faut trouver une famille de vecteurs dans IR3 qui
engendre IR3 et qui soit libre :

∀(x,y,z) ∈ IR3,(x,y,z) = (x,0,0)+(0,y,0)+(0,0,z) = x(1,0,0)+y(0,1,0)+z(0,0,1).

En posant, e1 = (1,0,0),e2 = (0,1,0),e3 = (0,0,1) on voit bien que {e1,e2,e3} est une
famille génératrice, et aussi libre en effet; si ∀λ1,λ2,λ3 ∈ IK :
λ1e1+λ2e2+λ3e3 = (0,0,0) ⇒ λ1(1,0,0)+λ2(0,1,0)+λ3(0,0,1) = (λ1,λ2,λ3) = (0,0,0).
{e1,e2,e3} est appelée base canonique de IR3.
(2) Montrons que les f1 = (1,−1),f2 = (1,1) il forment une base de IR2, montrons que
(a) {f1,f2} est génératrice ⇔ ∀(x,y) ∈ IR2,∃λ1,λ2 ∈ IR,
(x,y) = λ1f1 + λ2f2,(x,y) = (λ1 + λ2,λ2 − λ1)
ainsi

donc {f1,f2} est génératrice.

 457

(b) {f1,f2} est libre ∀λ1,λ2 ∈ IR,

λ1f1 + λ2f2 = 0IR2 ⇒ (λ1 + λ2,λ2 − λ1) = (0,0) ⇒ 2λ2 = 0 ⇒ λ2 = λ1 = 0.

Théorème 4.7. Soit E un espace vectoriel de dimension n :

(1) Si {e1,e2...,en} est base de E ⇔ {e1,e2...,en} est génératrice ⇔ {e1,e2...,en} est libre.
(2) Si {e1,e2...,ep} sont p vecteur dans E, avec p > n, alors {e1,e2...,ep} ne peut être libre,
de plus si {e1,e2...,ep} est génératrice, alors il existe n vecteurs parmis {e1,e2...,ep}
forment une base E.
4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES

(3) Si {e1,e2...,ep} sont p vecteur dans E, avec p < n, alors {e1,e2...,ep} ne peut être
génératrice de plus si {e1,e2...,ep} est libre, alors il existe (n−p) vecteur parmis
{ep+1,ep+2,...,en} dans E tels que {e1,e2...,ep,ep+1,...,en} est une base pour E.
(4) Si F est un sous espace vectoriel de E alors dimF ≤ n, et de plus dimF = n ⇔ E = F.

Exemple 4.8. (1) Dans l’exemple précédent f1 = (1,−1),f2 = (2,1) pour montrer que {f1,f2}
forme une base de IR2, il suffit de montrer que {f1,f2} est soit libre ou génératrice.(
cette propriété est vraie dans le cas des espaces vectoriels de dimensions finies).
(2) Pour montrer que {(1,1,1),(1,1,0),(0,1,−1)} est une base de IR3, il suffit de
montrer qu’elle est libre ou génératrice car dimIR3 = 3,{f1,f2} est libre car :
∀λ1,λ2,λ3 ∈ IR, λ1(1,1,1) + λ2(1,1,0) + λ3(0,1,−1) = (0,0,0)

(solution unique)
donc {(1,1,1),(1,1,0),(0,1,−1)} est une base de IR3.
(3) Cherchons une base pour F = {(x + y,x − z,−y − z)/x,y,z ∈ IR}, comme F ⊂ IR3
alors dimF ≤ 3, donc la base de F ne possède pas plus de trois vecteur.
(x + y,x − z,y − z) = x(1,1,0) + y(1,0,−1) + z(0,−1,−1)

ainsi v1 = (1,1,0),v2 = (1,0,−1),v3 = (0,1,−1) forment une famille génératrice pour

F, si cette famille est libre, alors elle formera une base pour F. ∀λ1,λ2,λ3 ∈ IR,

Donc {(1,1,0),(1,0,−1),(0,−1,−1)} n’est pas libre, mais d’après le théorème

précédent, on peut extraire de cette famille une base de F, pour le faire on doit
458. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

chercher deux vecteurs de famille qui sont libres, si on les trouve alors il forment
une base pour F, si on ne trouve pas on prend un vecteur non nul et ce vecteur
sera une base pour F. Prenons par exemple {v1,v2}

,
ainsi {v1,v2} est une base pour F et dimF = 2
5. Notion d’Application Linéaire
5.1. Généralités.
Définition 5.1. (1) Soit (E,+,·) et (F,+,·) deux IK− espaces vectoriels et soit f une
application de E dans F, on dit que f est une application linéaire si et seulement
si :
∀x,y ∈ E,∀λ ∈ IK,f(x + y) = f(x) + f(y)etf(λ · x) = λ · f(x), où d’une
manière équivalente :
∀x,y ∈ E,∀λ,µ ∈ IK,f(λx + µy) = λf(x) + µf(y).
(2) Si de plus f est bijective, on dit alors que f est un isomorphisme de E dans
F.
(3) Une application linéaire de (E,+,·) dans (E,+,·) est dite un endomorphisme.
(4) Un isomorphisme de (E,+,·) dans (E,+,·) est aussi appelé un automorphisme de E dans E.
Exemple 5.2. (1) L’application
f1 : IR2 7−→ IR
(x,y) 7−→ x − y
est une application linéaire, car : ∀(x,y),(x0,y0) ∈ IR2,∀λ,µ ∈ IR,
f1(λ(x,y) + µ(x0,y0)) = f1(λx + µx0,λy + µy0) = λx + µx0 − (λy + µy0)
⇒ f1(λ(x,y) + µ(x0,y0)) = λ(x − y) + µ(x0 − y0) = λf1(x,y) + µf1(x0,y0).
(2) L’application f2 : IR3 7−→ IR3
(x,y,z) 7−→ (−x + y,x − 5z,y)
est une application linéaire, car : , f2(λ(x,y,z) +
µ(x0,y0,z0)) = f2(λx + µx0,λy + µy0,λz + µz0)
⇔ f2(λ(x,y,z)+µ(x0,y0,z0)) = (−λx−µx0 +λy+µy0,µx0 +µx0 −5λy−5µy0,λy+µy0) ⇔ f2(λ(x,y,z)
+µ(x0,y0,z0)) = (−λx+λy,λx−5λz,λy)+(−µx0 +µy0,µx0 −5µz0,λy0).
⇔ f2(λ(x,y,z)+µ(x0,y0,z0)) = λ(−x+y,x−5z,y)+µ(−x0+y0,x0−5z0,y0) = λf2(x,y,z)+µf2(x0,y0,z0).
 459

(3) L’application f3 : IR 7−→ IR x 7−→ −3x

est isomorphisme, en effet,f3 est linèaire car :
∀x,y ∈ IR,∀λ,µ ∈ IR,f3(λx + µy) = −3λx − 3µy = λf3(x) + µf3(y),

Remarque 5.3. On peut montrer facilement la somme de deux applications linéaires

est une application linéaire, aussi le produit d’une application linéaire par un scalaire et la
composée de deux applications linéaires est une application linéaire.
5. NOTION D’APPLICATION LINÉAIRE Proposition 5.4. Soit f

une application linéaire de E dans F.

1.)f(OE) = OF , 2.)∀x ∈ E,f(−x) = −f(x).

preuve. On a,
1.) f(OE) = f(OE + OE) = f(OE) + f(OE) ⇒ f(OE) = OF .

2.) f(−x) + f(x) = f(−x + x) = f(OE) = OF ⇒ f(−x) = −f(x).

Définition 5.5. Soit f une application linéaire de E dans F.

(1) On appelle image de f et on note Imf l’ensemble défini comme suit
Imf = {y ∈ F/∃x ∈ E : f(x) = y} = {f(x)/x ∈ E}.

(2) On appelle noyau de f et on note kerf l’ensemble défini comme suit :

kerf = {x ∈ E/f(x) = OF },
On note parfois kerf, par f−1({0}).

Proposition 5.6. Si f est une application linéaire de E dans F,alors si dimImf = n < +∞,
alors n est appelé rang de f et on note rg(f). Imf et kerf sont des sous espaces vectoriels de
E.

Exemple 5.7. (1) Déterminons le noyau de l’application f1, kerf = {(x,y) ∈ IR2/f(x,y) = 0} =

{(x,y) ∈ IR2/x+2y = 0} = {(x,y) ∈ IR2/x = −2y}

ainsi
kerf = {(−2y,y)/y ∈ IR} = {y(−2,1)/y ∈ IR}
donc le kerf est un sous espace vectoriel engendré par u = (−2,1) donc il est de
dimension 1, et sa base est {u}.
(2) Cherchons l’image de f2 : IR3 7−→ IR3

(x,y,z) 7−→ (−x + y,x − z,y)

460. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

Imf2 = {f(x,y,z)/(x,y,z) ∈ IR3} = {(−x + y,x − z,y)/(x,y,z) ∈ IR3}

Imf2 = {x(−1,1,0) + y(1,0,1) + z(0,−1,0)/(x,y,z) ∈ IR3} donc Imf2 est un s.e.v

de IR3 engendré par {(−1,1,0),(1,0,1),(0,−1,0)} il est facile de montrer que cette
famille est libre et donc il forment une base de IR3 donc dimImf2 = 3,rg(f2) = 3,Imf
= IR3.

Proposition 5.8. Soit f une application linéaire de E dans F on a les équivalences suivantes :
(1) f est surjective ⇔ Imf = F.
(2) f est injective ⇔ kerf = {0E}.
50. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

Exemple 5.9. Dans l’exemple Imf2 = IR3 donc f2 est surjective, montrons que f2 est injective
kerf2 = {(x,y,z) ∈ IR3/f2(x,y,z) = (0,0,0)},

⇒ kerf2 = {(x,y,z) ∈ IR3/(−x + y,x − z,y) = (0,0,0)} ⇒ x = y = z = 0

donc kerf2 = {(0,0,0)}, ainsi f2 est bijective.
5.2. Application Linéaire sur des espace de dimension finies.

Proposition 5.10. Soit E et F deux IK espace vectoriels et f,g deux applications linéaires
de E dans F. Si E est de dimension finie n et {e1,e2,...,en} une base de E, alors ∀k ∈
{1,2,..,n},f(ek) = g(ek) ⇔ ∀x ∈ E,f(x) = g(x).

preuve. L’implication (⇐) est evidente.

Pour (⇒) on a E est engendré par {e1,e2,...,en}, donc ∀x ∈ E,∃λ1,λ2,...,λn ∈ IK,x = λ1e1 + λ2e2

+ ... + λnen, comme f et g sont linéaires, alors f(x) = f(λ1e1 + λ2e2 + ... + λnen) = λ1f(e1) +
λ2f(e2) + ... + λnf(en), g(x) = g(λ1e1 + λ2e2 + ... + λnen) = λ1g(e1) + λ2g(e2) + ... + λng(en),

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

Remarque 5.11. Pour que deux applications linéaires f et g de E dans F soient égales il suffit
qu’elles coincident sur la base du IK− espace vectoriel E.

Exemple 5.12. Soit g une application de IR2 dans IR2 telle que

g(1,0) = (2,1),g(0,1) = (−1,−1)

alors déterminons la valeur de g en tous points de IR2, en effet on a :

∀(x,y) ∈ IR2,(x,y) = x(1,0) + y(0,1)

g(x,y) = g(x(1,0)+y(0,1)) = xg(1,0)+yg(0,1) = x(2,1)+y(−1,−1) = (2x−y,x−y) ainsi g(x,y) = (2x

− y,x − y).

Théorème 5.13. Soit f une application linéaire de E dans F avec dimension de E est finie,
on a :
dimE = dimkerf + dimIm(f)

Exemple 5.14. On a montré que dimkerf1 = 1 avec f1 définie

 6. EXERCICES CORRIGÉS 51

f1 : IR2 7−→ IR

(x,y) 7−→ x + 2y
comme dimIR2 = 2 ⇒ dimIm(f) = dimIR2 − dimkerf1 = 2 − 1 = 1.
Proposition 5.15. Soit f une application linéaire de E dans F avec dimE = dimF = n. On a
alors les équivalences suivantes :
fest isomorphisme ⇔ fest surjective ⇔ fest injective

⇔ dimIm(f) = dimF ⇔ Imf = F ⇔ dimkerf = 0 ⇔ kerf = {0E},

de cette proposition, on déduit que si f est un isomorphisme de E dans F avec dimE finie
alors nécessairement dimE = dimF en d’autres termes si dimE 6= dimF alors f ne peut
être un isomorphisme.

Exemple 5.16. (1) L’application f1 n’est pas un isomorphisme car dimIR2 6= dimIR.
(2) Soit g(x,y) = (2x−y,x−y), g définie de IR2 dans IR2 on a,dimIR2 = dimIR2 est un
isomorphisme car dimkerg = 0 en effet :

kerg = {(x,y) ∈ IR2/(2x − y,x − y) = (0,0)} = {(0,0)}, c’est même

un automorphisme.

6. Exercices Corrigés
Exercice 15. On considère dans IR3, le sous ensemble F défini par :

F = {(x,y,z) ∈ IR3/2x + y − z = 0}

(1) Montrer que F est un sous espace vectoriel de IR3.

(2) Donner une base de F, quelle est sa dimension?
(3) F est-il égale à IR3 ?

Solution . (1) :

F est s.e.v
– 0IR3 = (0,0,0) ∈ F ⇒ F 6= ∅, car 2.0 + 0 − 0 = 0.
– ∀X = (x,y,z),Y = (x0,y0,z0) ∈ F,λ,µ ∈ IR montrons que :

λ(x,y,z) + µ(x0,y0,z0)∈?F,
52. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

c’est à dire (λx + µx0,λy + µy0,λz + µz0)∈?F

2(λx+µx0)+(λy+µy0)−(λz +µz0) = λ(2x+y−z)+µ(2x0 +y0 −z0) = λ.0+µ.0 = 0,

car :
(x,y,z) ∈ F ⇒ 2x + y − z = 0,

et(x0,y0;z0) ∈ F ⇒ 2x0 + y0 − z0 = 0.

Ainsi λ(x,y,z) + µ(x0,y0,z0) ∈ F, F est sous espace vectoriel de IR3.

(2) Base de F : soit X ∈ F ⇔ 2x + y − z = 0 ⇒ z = 2x + y,
X = (x,y,z) = (x,y,2x + y) = x(1,0,2) + y(0,1,1), ainsi
F = {(x,y,z) ∈ IR3/2x + y − z} = {x(1,0,2) + y(0,1,1)/x,y ∈ IR}.
D’où F est engendré par {v1 = (1,0,2),v2 = (0,1,1)}, montrons que cette famille est libre si
et seulement si
∀λ1,λ2 ∈ IR,λ1v1 + λ2v2 = (0,0,0) ⇒ λ1 = λ2 = 0.
λ1(1,0,2) + λ2(0,1,1) = (0,0,0) ⇒ (λ1,λ2,2λ1 + λ2) = (0,0,0)
d’où le résultat. Alors la dimension de F est égale à 2, car {v1,v2} est une base ( libre et
génératrice) de IR3.
(3) F 6= IR3 car dimF = 2 6= 3 = dimIR3.

Exercice 16. On considère dans IR3, le sous ensemble F défini par : F = {(x −
y,2x + y + 4z,3y + 2z)/x,y,z ∈ IR}
(1) Montrer que F est un sous espace vectoriel de IR3.
(2) Donner une base de F, quelle est sa dimension?
(3) F est-il égale à IR3 ?

Solution . (1) – (0,0,0) ∈ F car (0,0,0) = (0 − 0,2.0 + 0 + 4.0,3.0 +

2.0) ⇒ F 6= ∅.
– ∀X,Y ∈ F,λ,µ ∈ IR montrons que λX + µY ∈?F ; on a :
X ∈ F ⇔ ∃(x,y,z) ∈ IR3/X = (x − y,2x + y + 4z,3y + 2z),
Y ∈ F ⇔ ∃(x0,y0,z0) ∈ IR3/Y = (x0 − y0,2x0 + y0 + 4z0,3y0 + 2z0), λX +
µY = (λx + λy + λz,λx − λy,λz) + (µx0 + µy0 + µz0,µx0 − µy0,µz0)
λX+µY = ((λx+µx0)−(λy+µy0),2(λx+µx0)+(λy+µy0)+4(λz+µz),3(λy+µy0)+2(λz+µz) d’où
, ainsi
 6. EXERCICES CORRIGÉS 53

(2) Base de F : soit X ∈ F ⇔ ∃(x,y,z) ∈ IR3/X = (x − y,2x + y + 4z,3y + 2z), X = (x − y,2x

+ y + 4z,3y + 2z) = x(1,2,0) + y(−1,1,3) + y(0,4,2), ainsi F = {x(1,2,0) + y(−1,1,3)
+ y(0,4,2)/x,y,z ∈ IR}.
D’où F est engendré par {v1 = (1,2,0),v2 = (−1,1,3),v3 = (0,4,2)}, montrons que cette
famille est libre si et seulement si
∀λ1,λ2,λ3 ∈ IR,λ1v1 + λ2v2 + λ3v3 = (0,0,0) ⇒ λ1 = λ2 = λ3 = 0.
λ1(1,2,0)+λ2(−1,1,3)+λ3(0,4,2) = (0,0,0) ⇒ (λ1−λ2,2λ1+λ2+4λ3,3λ2+2λ3) = (0,0,0)

λ1 = λ2,

⇒ 3λ2 + 4λ3 = 0, ⇒ 2λ3 = 0 ⇒ λ1 = λ2 = 0.
 3λ2 + 2λ3, d’où le résultat. Alors la dimension de F est égale à 3,
car {v1,v2,v3} est une base ( libre et génératrice) de IR3.
(3) F = IR3 car dimF = 3 = dimIR3.

Exercice 17. On considère dans IR4, le sous ensemble F défini par :

F = {(x,y,z,t) ∈ IR4/(x + z = 0) ∧ (y + t = 0)}
(1) Montrer que F est un sous espace vectoriel de IR3.
(2) Donner une base de F, déduire sa dimension.

Solution . (1) – (0,0,0,0) ∈ F ⇒ F 6= ∅, car (0+0 = 0)∧(0+0 = 0).

– ∀X = (x,y,z,t),Y = (x ,y ,z ,t ) ∈ F,λ,µ ∈ IR montrons que :
0 0 0 0

λ(x,y,z,t) + µ(x0,y0,z0,t0)∈?F,
c’est à dire (λx + µx0,λy + µy0,λz + µz0,λt + µt0)∈?F

ainsi λx + µx0 + λz + µz0 = 0 ∧ λy + µy0 + λt + µt0 = 0 c’est dire λ(x,y,z,t) +

µ(x0,y0,z0,t0) ∈ F d’où le résultat.
(2) Base de F : soit X ∈ F ⇔ x = −z ∧ y = −t,
X = (x,y,z,t) = (x,y,−x,−y) = x(1,0,−1,0) + y(0,1,0,−1), ainsi F =
{x(1,0,−1,0) + y(0,1,0,−1)/x,y ∈ IR}.
54. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

D’où F est engendré par {v1 = (1,0,−1,0),v2 = (0,1,0,−1)}, montrons que cette famille
est libre si et seulement si
∀λ1,λ2 ∈ IR,λ1v1 + λ2v2 = (0,0,0,0) ⇒ λ1 = λ2 = 0.
λ1(1,0,−1,0) + λ2(0,1,0,−1) = (0,0,0,0) ⇒ (λ1,λ2,−λ1,−λ2) = (0,0,0,0) d’où le résultat.
Alors la dimension de F est égale à 2, car {v1,v2} est une base ( libre et
génératrice) de IR4.

Remarque 6.1. C’est un exemple de l’intersection de deux s.e.v est un s.e.v on pouvait l’écrire
sous cette forme F = F1 ∩ F2 où
F1 = {(x,y,z,t) ∈ IR4/(x + z = 0)},
F2 = {(x,y,z,t) ∈ IR4/(y + t = 0)}.
est montrer que F1,F2 sont des s.e.v de IR4.

Exercice 18. (1) Montrer que la famille {(1,2),(−1,1)} est génératrice de IR2.
(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1,1,0),(1,0,0),
(0,1,1)}, F2 = {(0,1,1,0),(1,1,1,0),(2,1,1,0)}.
(3) Montrer que la famille {(1,2),(−1,1)} est une base de IR2, et que la famille F1 =
{(1,1,0),(1,0,0),(0,1,1)} est une base de IR3.
Solution . (1) La famille {(1,2),(−1,1)} est génératrice de IR2 si et seulement si
∀X = (x,y) ∈ IR2,∃λ,µ ∈ IR/X = λ(1,2) + µ(−1,1).

Soit (x,y) ∈ IR2, cherchons λ,µ ∈ IR tel que :

(x,y) = λ(1,2) + µ(−1,1) = (λ − µ,2λ + µ)
ainsi

d’où cette famille est génératrice.

(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1,1,0),(1,0,0),(0,1,1)}, F2 =
{(0,1,1,0),(1,1,1,0),(2,1,1,0)}.
i) F1 = {(1,1,0),(1,0,0),(0,1,1)} est libre si et seulement si

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

λ1(1,1,0) + λ2(1,0,0) + λ3(0,1,1) = (0,0,0)
 6. EXERCICES CORRIGÉS 55

F1 est libre.
ii) F2 = {(0,1,1,0),(1,1,1,0),(2,1,1,0)} est n’est pas libre car

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

(3) La famille {(1,2),(−1,1)} est une base de IR2, car quand le nombre de vecteurs=2=dimIR2 il
suffit de montrer qu’elle est soit génératrice ou bien libre pour qu’elle puisse être une base or
d’après la question (1) elle est génératrice d’où le résultat. La famille F1 = {(1,1,0),(1,0,0),
(0,1,1)} est une base de IR3, car le cardinale de F1 est égale à 3 = dimIR3 est F1 étant libre,
alors c’est une base de
IR3.

Exercice 19. Soit l’application f définie de IR2 dans IR2 par :

f(x,y) = (x + y,x − y).

(1) Monter que f est linéaire.
(2) Déterminer kerf, et Imf et donner leurs dimensions, f est-elle bijectives?
(3) Déterminer f ◦ f.

Solution . (1) f est linéaire si et seulement si

∀α,β ∈ IR,∀(x,y),(x0,y0) ∈ IR2;f(α(x,y) + β(x0,y0)) = αf(x,y) + βf(x0,y0).

f(α(x,y) + β(x0,y0)) = f(αx + βx0,αy + βy0)
= (αx + βx0 + αy + βy0,αx + βx0 − αy − βy0)

= (αx + αy,αx − αy) + (βx0 + βy0,βx0 − βy0)

= α(x + y,x − y) + β(x0 + y0,x0 − y0)

= αf(x,y) + βf(x0,y0)

d’où f est linéaire.

(2) Déterminons kerf, et Imf et donner leurs dimensions, f est-elle bijectives?
kerf = {(x,y) ∈ IR2/f(x,y) = (0,0)}
= {(x,y) ∈ IR2/x + y = 0 ∧ x − y = 0}
56. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS

= {(0,0)}

ainsi dimkerf = 0.

Imf = {(x + y,x − y)/(x,y) ∈ IR2}

= {x(1,1) + y(1,−1)/(x,y) ∈ IR2}.
Ainsi Imf est engendré par deux vecteur qui sont libre, alors dimImf = 2. Sachant
que la dimension de l’ensemble de départ est égale à la dimension de l’ensemble
d’arrivée f est bijective si elle est soit injective ou bien surjective or f est injective
car kerf = {(0,0)} et aussi surjective car dimIR2 = dimImf = 2 c’est à dire Imf =
IR2.
(3) Soit (x,y) ∈ IR2) on a
f ◦ f(x,y) = f(f(x,y)) = f(x + y,x − y)
= ((x + y) + (x − y),(x + y) − (x − y))

= (2x,2y) = 2(x,y) = 2IdIR2

Exercice 20. Soit l’application f définie de IR2 dans IR2 par :
f(x,y) = (2x − 4y,x − 2y).
(1) Monter que f est linéaire.
(2) Déterminer kerf, et Imf et donner leurs dimensions, f est-elle bijectives?

Solution . (1) f est linéaire si et seulement si

∀α,β ∈ IR,∀(x,y),(x0,y0) ∈ IR2;f(α(x,y) + β(x0,y0)) = αf(x,y) + βf(x0,y0).
f(α(x,y) + β(x0,y0)) = f(αx + βx0,αy + βy0)
= (2αx + 2βx0 − 4αy − 4βy0,αx + βx0 − 2αy − 2βy0)

= (2αx − 4αy,αx − 2αy) + (2βx0 − 4βy0,βx0 − 2βy0)

= α(2x − 4y,x − 2y) + β(2x0 − 4y0,x0 − 2y0)

= αf(x,y) + βf(x0,y0)

d’où f est linéaire.

(2) Déterminons kerf, et Imf et donner leurs dimensions, f est-elle bijectives?
kerf = {(x,y) ∈ IR2/f(x,y) = (0,0)}
= {(x,y) ∈ IR2/2x − 4y = 0 ∧ x − 2y = 0}
 6. EXERCICES CORRIGÉS 57

= {(x,y) ∈ IR2/x = 2y}

= {(2y,y)/y ∈ IR}

= {y(2,1)/y ∈ IR}.
ainsi kerf est engendré par le vecteur(2,1) 6= 0, ainsi dimkerf = 1, f, alors n’est pas
injective.
Imf = {(2x − 4y,x − 2y)/(x,y) ∈ IR2}
= {x(2,1) + y(−4,−2)/(x,y) ∈ IR2}.
Ainsi Imf est engendré par deux vecteur qui ne sont pas libre car (−4,−2) =
−2(2,1) alors dimImf = 1 on peut aussi utliser le fait que la dimension de
l’ensemble de départ est égale à la dimension de l’ensemble d’arrivée f, alors
dimkerf + dimImf = dimR2,⇒ dimImf = 2 − 1 = 1.
(3) f n’est pas bijective car il n’est ni injective ni surjective.
 CHAPITRE 6

Notion de Matrice Associée à une Application Linéaire et

Calcul Algébrique sur les Matrices avec Exercices Corrigés

Soit IK un corps commutatif.

Soit E et F deux IK espaces vectoriels de dimension finies n et m, f une application linéaire de
E dans F, soit B = {e1,e2,...,en} une base de
une base de F, les vecteurs f(e1),f(e2),...,f(en) sont de vecteurs dans F comme
est une base de F, alors f(e1),f(e2),...,f(en) s’écrivent donc comme
combinaisons linéaires des vecteurs de la base . On a pour tout j =
1,...,n.
.
 f(e1) f(e2) ... f(en) 
 e01
 a12 ... a1n
 a11 ...  e02
a22 a2n
 ::: 
a21 : :
 ... :
: am2 amn :

am1
 0

em
Le tableau suivant :

est appelé matrice associée à f relativement aux bases B et B0. On note la matrice (aij) où i
désigne l’indice de ligne et j l’indice de colone.
On introduit maintenant la notion de matrice et les opérations algèbriques des matrices.

1. Espace vectoriel des matrices

Définition 1.1. On appelle une matrice dans IK de type (n,p) un tableau rectangulaire A
d’éléments de IK ayant n lignes et p colonnes.
 59

 a11 a1 ..
2 .

a2 ..
A =  a:21 2
.:
 : ::
a an ..
n1 2 .
57
568. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

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

matrice A par A = (aij)1≤i≤n,1≤j≤p. L’ensemble des matrices de type (n,p) est noté M(n,p)(IK).
(1) Pour n = 1, on dit que A est une matrice ligne, A = (a11,a12,...,a1p).

(2) Pour p = 1 on dit que A est une matrice ligne, .

(3) Pour n = p, on dit que A est une matrice carrée d’ordre n et on note A ∈
Mn(IK).

1

4
(1) A1 =  23 3
 2 est une matrice de type
Exemple 1.2. 4 1 (4,3).

est une matrice de type (2,4).

est une matrice carrée d’ordre 2.

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

(1) On dit que A = B si ∀i = 1,...,n,∀j = 1,...,p;aij = bij.
(2) La transposée de la matrice A est une matrice notée At définie par

At = (aji)1≤j≤p,1≤i≤n,

autrement dit At c’est la matrice de type (p,n) obtenue en remplaçant les lignes par
les colonnes et les colonnes par les lignes et on a : (At)t = A.
 .

Théorème 1.5. En munissant l’ensemble M(n,p)(IK) par les opération suivantes :

2. PRODUIT DE DEUX MATRICES

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

 a11 a12 ... a1p   b11 b12 a12 ... a1p +
a22 ... + ... b1p 
 a21 : ::: ... a2p   b21 ::
b12 a2p +
 : an2 ... b22 ... :
a22 ...
 b2p 
: +
an , : : :::  
b22 :
1 anp bn1 bn2
et ... : anp +
an2 bnp
+
bn2
(·) : IK × M(n,p)(IK) → M(n,p)(IK)
  a11 a12 ... a1p 

,
Alors (M(n,p)(IK),+,·) est IK− espace vectoriel de dimension n×p, sachant que l’élé-
 0 0 .. 0 
0 ..
 0 . .. 0 
ment neutre de l’addition est la matrice nulle  . 0 ..
 . 
0 0
 61

2. Produit de deux matrices

Définition 2.1. Soit A ∈ M(n,p)(IK) et B ∈ M(p,m)(IK), on définit le produit de la matrice A
par B comme étant une matrice C = (cij)1≤i≤,1≤j≤m ∈ M(n,m)(IK), avec cij = ai1b1j + ai2b2j + a31b3j
+ ... + aipbpj.

Remarque 2.2. (1) L’élément Cij de la matrice C se calcule en additionnant le produit

des éléments de la ligne i de la matrice A par la les éléments de la colonne j de la
matrice B.
(2) Le produit de deux matrice ne peut se faire que si le nombre de colonnes de la matrice A
correspond au nombre de lignes dela matrice B.
Exemple 2.3

A est de type (2,3) et B de type (3,4) ainsi C sera de type (2,4).

62. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
Remarque 2.4. Le produit deux matrice n’est pas commutatif voiçi un exemple :

3. Matrices carrées

Définition 3.1. Soit A une matrice carrée d’ordre n, A = (aij)1≤i≤n,1≤j≤n, (1) La suite des
éléments {a11,a22,...,ann} est appelée la diagonale principle de A.
(2) La trace de A est le nombre Tr(A) = a11 + a22 + ... + ann.
(3) A est dite matrice diagonale si aij = 0,∀i 6= j c’est à dire que les éléments de A sont
tous nuls sauf la diagonale principale.
(4) A est dite matice triangulaire supérieure (resp inférieure) si aij = 0,∀i > j, (resp i < j),
c’est à dire les éléments qui sont au dessous(resp au dessus) de la diagonale sont
nuls).
(5) A st dite symétrique si A = At.

Exemple 3.2. est une matrice diagonale.

est une matrice triangulaire inférieure.

est une matrice triangulaire supérieure .

est une matrice symé-

trique.

Proposition 3.3. Le produit des matrices est une opération interne dans M(n,n)(IK) et il
admet un élément neutre la matrice nommée matrice identitée notée In définie par :

1 0 0 0.. 0
0 1 0 0.. 0
 
0 0 1 0.. 0
In =  
 63
0 0 0 1.. 0
 
. . . .. 0 
0 0 0 ..0 1

Définition 3.4. Soit A ∈ M(n,n)(IK) on dit que A est invesible s’il existe une matrice B ∈
(
M(n,n) IK) telle que A.B = B.A = In.
4. LES DÉTERMINANTS

Exemple 3.5. Montrons que la matrice est inversible et ceci en

cherchant la matice telle que

4. Les Déterminants

Définition 4.1. Soit une matrice dans M(2,2)(IK), on appelle

déterminant de A le nombre réel donné par : a11a22 − a12a21. On le note det(A) ou

Exemple 4.2. Calculons le det(A),

.
Définition 4.3. De même, on définit le déterminant d’une matrice

,
par
64. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
Exemple 4.4.

Proposition 4.5. Pour calculer le déterminant d’une matrice A on peut développer A

suivant n’importe quelle ligne ou colonne.
Suivant cette proposition il vaut mieux choisir la ligne ou colonne contenant le plus de
zéros.
Exemple 4.6. On reprend la même matrice de l’exemple pécédent mais calculer suivant
la troisième ligne on aura :

det(A) = 0 − 13 + 0 = −13
on calcule juste un déterminant au lieu de trois.

Définition 4.7. De même, on définit le déterminant d’une matrice

 a11 a12 a13
a22 a23
A =  aa3121 a32 a33
 a42 a43
,
a41
par

Définition 4.8. Soit A = (aij)1≤i≤n,1≤j≤n, le déterminant suivant la j-ème colone est :

det(A) = (−1)1+ja1jD1j + (−1)2+ja2jD2j + ... + (−1)n+janjDnj,j = 1,...,n.

Le déterminant suivant la i-ème ligne est :

det(A) = (−1)i+1ai1Di1 + (−1)i+2ai2Di2 + ... + (−1)i+nainDin,i = 1,...,n.
 65
Où Aij représent ce que nous appelons le déterminant mineur du terma aij, le déterminant
d’ordre n − 1 obtenu de det(A) en supprimant la i-ème ligne et la j-ème colonne.
Proposition 4.9. Soit A ∈ Mn(IK) on a :
(1) det(A) = det(At).
(2) det(A) = 0 si deux lignes de A sont égales (ou deux colonnes).
(3) det(A) = 0 si deux lignes de A sont proportinnelles ( ou deux colonnes le sont).
(4) det(A) = 0 si une ligne est combinaison linéaires de deux autres lignes de A (même
chôse pour les colonnes).
4. LES DÉTERMINANTS

(5) det(A) ne change pas si on ajoute à une ligne une combinaison linéaires
d’autres lignes (même chôse pour les colonnes).
(6) Si B ∈ Mn(IK), alors det(A.B) = det(A).det(B).

Exemple 4.10 ,
car la ligne 1 est égale à la ligne

, car L1 = 3 ∗ L4.

, car C1 = C2.
Définition 4.11. Soit V1,V2,...,Vn, n vecteurs de IRn on appelle déterminant des vecteurs
(V1,V2,...,Vn) et on le note det(V1,V2,...,Vn) le déterminant dont les colonnes sont les vecteurs
V1,V2,...,Vn.

Exemple 4.12. Soit V1 = (1,1,0),V2 = (0,−1,1),V3 = (0,0,1), alors

66. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
Proposition 4.13. Soit V1,V2,...,Vn, n vecteurs de IRn on (V1,V2,...,Vn) est une base de IRn ⇔
det(V1,V2,...,Vn) 6= 0

Exemple 4.14. Soit V1 = (1,2,0),V2 = (0,−1,1),V3 = (0,0,1), forment une base de IR3, car
det(V1,V2,V3) = −1 6= 0.
4.1. Le rang d’un matrice.

Définition 4.15. Soit A ∈ M(n,p)(IK), on appelle rang de A et on note rgA l’ordre de la plus
grande matrice carrée B prise (extraite) dans A telle que detB 6= 0.

Exemple 4.16 .

la plus grande matrice carrée contenue

dans A est d’ordre 3, dans cet exmple on a : 4 possibilité :
− 1
1 1
− −
1 1
,
1
−
1 1
1 −
− 1
1 1
detC1 = detC2 = 0 et detC3 = detC4 = 0 donc le rgA < 3 et on a :

.
Théorème 4.17. le rang d’une matrice est égale au nombre maximale de vecteurs lignes
(ou colonnes) linéairement indépendants.

Définition 4.18. Soit A = (aij)1≤i≤n,1≤j≤n ∈ Mn(IK), on appelle cofacteur d’indice i et j de A le

scalaire
cij = (−1)i+jdetAij.
Avec Aij est la matrice déduite de A par suppression de la ligne i t la colonne j.
 67
La matrice C = (cij)1≤i≤n,1≤j≤n est appelée la matrice des cofacteurs et la matrice Ct est appellée
la comatrice de A.

Exemple 4.19. Soit la matrice . Calculons

les coffacteurs de A

.
5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE

.
donc la matrice des cofacteurs est donnée par :


−4 −2 2
 6 2 −2  3 2 −1
et la comatrice et
 
−4 6 3

Ct =  −2 2 2
68. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
2 −2 −1

Théorème 4.20. Soit A ∈ Mn(IK), on a :

Aest inversible ⇔ det(A) 6= 0,

et dans ce cas la matrice inverse de A est donnée par :

.
Où Ct est la comatrice de A.

Exemple 4.21. La matrice donc elle est

inversible, de plus

On peut vérifier que

5. Relations entre une application linéaire et sa matrice Associée

5.1
Définition . La matrice A = (aij)1≤i≤m,1≤j≤n est appelée la matrice de f suivant les bases
B et B et elle est parfois notée
0
dit que A est la
matrice de f suivant la base B et on la note M(B)(f).
 69
5.2. (1)
f : IR3
(x,y,z) → (x + y + z,x − y)
IR3 sa base canonique B = {e1 = (1,0,0),e2 = (0,1,0),e3 = (0,0,1)} et IR2 sa base
canonique B0 = {v1 = (1,0),v2 = (0,1)},
f(e1) = f(1,0,0) = (1,1) = v1 + v2
f(e2) = f(0,1,0) = (1,−1) = v1 − v2. f(e3) =
f(0,0,1) = (1,0) = v1

 
f(e1) f(e2) f(e3)
 1 1 1  v1
1 −1 0 v2
(2)
f : IR2 → IR2
(x,y) → (x + y,x − y)
B = {e1 = (1,2),e2 = (−1,1)} et B0 = {v1 = (0,2),v2 = (−2,1)}, On doit chercher les
λ1,λ2,λ3,λ4?

Proposition 5.3. Soient E et F deux IK− espace vectoriels de dimensions finies n et m, B

= (e1,e2,...,en) une base de E et B0 = (v1,v2,...,vm) une base de F, alors la donnée d’une
(
matrice A ∈ M(n,m) IK) donne une unique application linéaire f de E dans F la matrice
suivant les bases, B et B0 est A

Exemple 5.4 est la matrice de f suivant la

base canonique de IR2,(e1,e2),
70. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

Exemple
→ IR2
f(e1) = e1 + 2e2 ⇒ f(1,0) = (1,0) + 2(0,1) = (1,2), f(e2) = −e1
⇒ f(0,1) = −(1,0) = (−1,0),
f(x,y) = f(x(1,0) + y(0,1)) = xf(1,0) + yf(0,1) ⇔ f(x,y) =
x(1,2) + y(−1,0) = (x − y,2x).

5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE

Remarque 5.5. Si IRm et IRn sont munis de leurs bases canoniques alors l’application
linéaire f de IRn dans IRm associée à une matrice A = (aij)1≤i≤m,1≤j≤n est donnée par
x1
n
x2
∀(x1,x2,...,xn) ∈ IR ,f(x1,x2,...,xn) = A.
:
xn

Exemple 5.6 ,

.
Théorème 5.7. Soit E,F et G des IK− espaces vectoriels munis respectivement par les
par bases B,B0,B00,f : E → F,g : F → G, deux applications linéaires, alors

M(B,B00)(g ◦ f) = M(B0,B00)(g)M(B,B0)(f)

Remarque 5.8.
f : IR3 → IR2, g : IR2 → IR2

(x,y,z) → (x + y + 2z,x − y), (x,y) → (x − y,2x + y)

où IR2,IR3 sont munis de leurs bases canoniques alors

g ◦ f : IR3 → IR2

(x,y,z) → g ◦ f(x,y,z)
avec M(g ◦ f) = M(g)M(f),
 71

Ainsi

.
Théorème 5.9. Soit f;E → F,B est une base de E et B0 est une base de F, on a alors :
fbijective ⇔ detM(B,B0)(f) 6= 0
et on a dans ce cas M(B,B0)(f−1) = (M(B,B0)(f))−1.
5.10.
f;IR2

(x,y) → (x − y,x + y)

Montrons que f est bijective et calculer son inverse 2

6= 0 ⇔ f est bijective.

.
Proposition 5.11. Si A ∈ M(n,m)(IK) associée à une application linéaire f de E dans F la
matrice suivant les bases, B de E et B0 de F, alors

rg(A) = rg(f), rg(A) = rg(At).

6. Matrices et Changements de Bases

Définition 6.1. Soit E un e.v et soit deux
bases pour E, la matrice de passage de la base B à la base B est par définition la matrice
0

M(B,B0)(IdE) où IdE est l’application identité

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

Exemple
→ IR2
IdE : E → E x →

x.

Les vecteurs de base de B peuvent s’exprimer dans B0 selon les relations

 e21 == aa2111ee0011 ++
aa3222ee0022 ++ ...... ++ aa32nnee00nn
e
 0 + a12e02 + ... + a1ne0n

(S) : e3 = a31e 1

 ::::::::::en = an1e01 + an2e02 + ... + anne0n

On appelle matrice de passage de B0 à B la matrice carrée P définie par

 73

Exemple
6. MATRICES ET CHANGEMENTS DE BASES

6.2 et
B = {e1,e2,e3} la base canonique de IR3,

IdIR3 : IR3B → IR3B0

(x,y,z) → (x,y,z),M(B,B0)(IdIR3)

Id(e1) = (1,0,0) = λ1e01 + λ2e02 + λ3e03 = (λ1 + λ2 + λ3,λ1 + λ2,λ1)

⇒ λ1 = 0.5,λ2 = −0.5,λ3 = 0.5

donc

Proposition 6.3. La matrice de passage d’une base B à une base B0 est la matrice
inverse de la matrice de passage de B0 vers B :

M(B0,B)(IdIR3) = (M(B,B0)(IdIR3))−1

Remarque 6.4. Soit E un e.v et soit deux

bases pour E. Les vecteurs de base de B peuvent s’exprimer dans B selon les relations
0

 0 = b11e1 + b12e2 + ... + b1nen e

 e0021 == bb3121ee11 ++ bb3222ee22 ++ ...... ++ bb32nneenn

(S) : e3

 ::::::::::e0n = bn1e1 + bn2e2 + ... + bnnen

On appelle matrice de passage de B à B0 la matrice carrée P −1 définie par

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

Exemple
→ IR2

Exemple 6.5.

matrice de passage de la base B à la base B0.

Théorème 6.6. Soit f : E → F,B1,B01 deux bases pour bases de F.
Si P désigne la matrice de passage de , et Q désigne la matrice de passage de
, alors
M(B01,B02)(f) = Q−1M(B1,B2)(f)P.
6.7.
f : IR3

(x,y,z) → (x + y + z,x − y)
On munit IR3 de la base canonique B3 = (e1,e2,e3)
On munit IR2 de la base canonique B2 = (v1,v2),

On munit IR3 de la base canonique , avec e01 = (1,0,1),e02 =

(1,1,0),e03 = (0,1,1)
On munit IR2 de la base canonique , avec ,

IR3B3 →P IR3B03,f : IR3 → IR2B2 →Q−1 IR2B02

P = M(B03,B3)(IdIR3),

,
ainsi :
 75

7. Diagonalisation
Définition 7.1. Soit A ∈ M(n,n)(IK) et soit λ ∈ IK, on dit que λ est une valeur propre de A
s’il existe un vecteur colonne v 6= 0 tel que Av = λv. Le vecteur v est appelé vecteur propre
associé à la valeur λ.
Exemple 7.2.

.
7. DIAGONALISATION

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

⇔ x = −2y alors

⇔ y = 0,x ∈ IR alors

d’où vecteur propre associé à vecteur propre

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

Exemple
→ IR2
associé à λ2 = 2.

Proposition 7.3. Soit A ∈ M(n,n)(IK),λ ∈ IK est une valeur propre de A si et seulement si

PA(λ) = det(A − λIdn) = 0,.
PA(λ) est appelé le polynôme caractéristique de A.

Exemple 7.4. .

.
Définition 7.5. Soit A ∈ M(n,n)(IK) et soit λ ∈ IK une valeur propre de A, l’ensemble Eλ
défini par :
Eλ = {v ∈ IRnouCn/Av = λv}
762. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
est appelé l’espace propre associé à la valeur propre alors Eλ est un sous espace vectoriel
de E.

Exemple 7.6 . Les valeurs propres sont 2 une solution double

et 1 simple.
(1) Pour λ = 2, on a

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

(0,1,0)} est une base de E2, car les vecteurs sont libres.

(2) Pour λ = 4, on a

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

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

Théorème 7.8. Soit A ∈ Mn(IK),λ1,...,λn ∈ IK les valeurs propres de A d’ordre de

multiplicités respectives m1,...,mp, alors si

(1) dimEλi = mi,i = 1,2,..,p. ou

(2) dimEλ1 + dimEλ2 + ... + dimEλp = n

 763
8. SYSTÈMES D’ÉQUATIONS LINÉAIRES

Alors la matrice A est diagonalisable et la matrice diagonale D associée à A est donnée

par : :
 λ1 0 0 0.. 0 
0 λ 1 0 0.. 0
0..
  0 0 λ2 0
. .. 0
 .
0 0 λ p .. 0
D=. . .. 0
.
  0 0 0 ..0 λ
p
  .
0
chaque λise répete mi fois, la matrice P est formé des vecteurs propres.

Remarque 7.9. Si la matrice A ∈ Mn(IK) admet n valeurs propres distincts alors A est
diagonalisable et la matrice diagonale D associée à A est :
 λ1 0 0 0.. 0 
0 λ2 0 0.. 0
 0 λ3 0.. 0
..
 0 . .
..
0
D=. . . 0
. 0 0 ..0
λn
0

Exemple 7.10. On considère la matrice admet les valeur

propres λ1 = 2 double et λ2 = 1 simple la matrice diagonale D est donnée par; D =

et la matrice de passage est donnée par :

8. Systèmes d’équations linéaires

Soit IK = IR ou C.
On appelle système de n équations linéaires à p inconnus à coefficients dans IK, tout
système de la forme :

 a2111xx11 ++ aa2212xx22 ++ ...... ++
aa21ppxxpp == bb21 a
(S) :
764. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
: :
 an1x1 + an2x2 + ... + anpxp = bn

où les (xj)j=1,..,p sont les inconnues, les (aij),bj ∈ IK.

1)Forme matricielle du système :

 b1   x1 

Posons A = (aij)1≤i≤n,1≤j≤p,B =  :: ,X =  ::  Le système (S) devient;

bn xn
AX = B.
Si f est une application linéaire de IKp dans IKn telle que que A soit la matrice associée à f
suivant les bases canoniques et si on note par X = (x1,...,xp) et b = (b1,...,bn), le système (S)
devient f(X) = B.
2)Solution du système :

Définition 8.1. On appelle solution du système (S) tout élément X = (x1,...,xp) vérifiant
les n équations de (S) ceci revient à trouver un vecteur X tel que AX = B ou encore un
élément X ∈ IKp tel que f(X) = B. Exemple

3)Rang d’un système linéaire :

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

8.1. Système de Cramer.

Définition 8.3. Le système (S) est dit de Cramer si n = p = r c’est à dire, (S) est un
système de n équations à n inconnus et telle que
detA 6= 0. Théorème 8.4. Tout Le système de

Cramer admet une solution donnée par :

X = A−1B.
 765
Exemple 8.5.

ainsi

Théorème 8.6. Dans un système de Cramer, la solution est donnée par les formules :

Où les Ai est la matrice réduite de A, en remplaçant la colonne i par le vecteur B.

8. SYSTÈMES D’ÉQUATIONS LINÉAIRES Exemple 8.7.

   
2 2 1 1
2x + 2y + z = 1 

(S) : 2x + y − z = 2 ⇔2 1 −1  =  2 
 3x + y + z = 3 3 1 1 3
detA = 4 6= 0,rgA = n = p = 3 ((S) est un système de cramer).

.
3)Cas où n = p et r < n :
Si on considère maintenant un système de n équations à n inconus, mais rgA < n c’est à
dire detA = 0,
766. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
dans ce cas on extrait une matrice M de A sachant que c’est la plus grande matrice carrée
inversible c’est à dire detM 6= 0 contenue dans A et d’ordre r c’est ce qu’on appelle une
sous-matrice, les inconnus associés à M deviennent des inconnus principales et les (n−r)
autres inconnus deviennent des paramètres où bien ce qu’on appelle valeurs arbitraires et
on considère le système suivant :
 = b1 − (a1r+1xr+1 + ... + a1nxn) = b01
 a2111xx11 ++ aa2212xx22 ++ = b2(a2r+1xr+1 + ... + a2nxn) = b02
...... ++ aa21rrxxrr a
: :
= bn(arr+1xr+1 + ... + arnxn) = b0r
 ar1x1 + ar2x2 + ... + arrxr
ce dernier est un système de cramer, donc il admet une seule solution (x1,...,xr) qui
dépend de (xr+1,...,xn). Si cette solution vérifie les (n − r) équations restantes, alors le
système globale admet une infinité de solutions. Si par contre (x1,...,xr) ne vérifie pas une
seule équation parmis les (n − r) équations restantes alors le système globale n’admet de
solution.
Exemple 8.8.

detA = 0 (S) n’est pas un système de Cramer comme . Alors

rgA = 2 et on considère x,y les inconnus et z paramètre, alors on obtient le système :

qui est un système de Cramer et admet une unique solution (x,y) dépendante de z.

Reste à voir si (x,y) vérifie x − 3y + z = 1(équation réstante) on a : 1 − 5/8z − 3/8z + z

= 1 ⇒ 1 = 1(vraie ∀t ∈ IR) donc le système admet une infinité de solutions données par :
(1 − 5/8z,1/8z,z)/z ∈ IR.

3)Cas où n 6= p :

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

d’abord le rang de A et on procède comme précédement. Si M est une matrice contenue
 767
dans A et d’ordre r et detM 6= 0 alors on considère le système de r équations à r inconnus
correspondant à M qui est un système de Cramer.
Si la solution vérifie les équation restantes alors le système globale admet une infinité de
solutions sinon il n’admet aucune solution.
Exemple 8.9.

le rang de A ≤ 2 choisissons

.
on prend le système :

on a l’équation réstante :
x − 5y = −5 ⇒ 11/8 − 5/8 = 6/8 = 3/2 6= −5
alors le système n’admet pas de solutions.
 9. EXERCICES CORRIGÉS 77

9. Exercices Corrigés
Exercice 21. Soit la matrice A définie par :

(1) A est-elle inversible? si oui déterminer son inverse A−1.

(2) Calculer A2 − A − 2I3 = 0, avec I3 est la matrice identitée.

Solution . Soit la matrice A définie par :

(1) A est inversible si et seulement si detA 6= 0.

calculons suivant la colonne 2,

,
d’où le résultat.
A−1 est donnée par : A−1 = detA1 Ct où Ct est la comatrice de A.

,
ainsi
6
−
2
0
−
3
0
78. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC

3
−10
−15 .
(2) Calculons A − A − 2I3 = 0,
2

.
D’où le résultat, on peut remarque que A(A − I2) = 2I2 ⇒ AB = I2,avec B = 1/2(A −
I2) = A−1.

Exercice 22. Soit A une matrice définie par :

(1) Trouver a,b ∈ IR tels que A2 = [Link] + b.A.

(2) En déduire que A est inverible et donner son inverse.

Solution .

Trouvons a,b ∈ IR tels que A2 = [Link] + b.A.

2 1 1 1 0 0 1
0
A2 =  1 2 1  = a 0 1 0  +1
1 1 2 0 0 1

(2)1 ainsi a = 2,b = 1.

d’où A est inversible.

A2 − A = 2I3 ⇒ A(A − I3) = 2I3 ⇒ A(1/2(A − I3)) = I3
ainsi A−1 = 1/2(A − I3)

1
−
1
1 .
 9. EXERCICES CORRIGÉS 79

Exercice 23. Soit la matrice associée à l’application f définie sur IR3 suivant
la base canoniquede IR3.
−
1
0
1
(1) Déterminer l’application f.
(2) Déterminer kerf et Imf et leur dimension, f est-elle bijective?
(3) Soit S = {v1 = (1,1,1),v2 = (1,0,1),v3 = (2,−1,0)}
a) Monter que S est une base de IR3.
b) Donner la matrice associée à f suivante la base S.

Solution . (1) Determinons l’application f.

.
(2) kerf = {(x,y,z) ∈ IR3/f(x,y,z) = (0,0,0)}
kerf = {(0,0,0)}.
alors dimkerf = 0,(f est injective).
Imf = {f(x,y,z)/(x,y,z) ∈ IR3}

Imf = {x(1,3,1) + y(−1,0,1) + z(5,2,4)/x,y,z ∈ IR}

la famille {(1,3,1),(−1,0,1),(5,2,4)} est libre car det((1,3,1),(−1,0,1),(5,2,4)) = 23 6=
0, alors dimImf = 3, (f est surjective), d’où f est bijective.
(3) Soit S = {v1 = (1,1,1),v2 = (1,0,1),v3 = (2,−1,0)}
a) S est une base de IR3 ⇔ det(v1,v2,v3) 6= 0,

.
b) On note A la matrice associée à f suivante la base S. A = P AP, avec
0 0 −1

et faisons un changement de base

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

Exercice 24. Soit la matrice A définie par :

(1) Déterminer les valeurs propres de A.

(2) Montrer que A est diagonalisable.
(3) Déterminer P, calculer Ak.
 9. EXERCICES CORRIGÉS 81

860. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC Solution .


2 −1  A = 3
−2 0
−2 2 1
déterminons les valeurs propres de λ ∈ IR,

les valeurs propres sont 1,2 et −4.

(2) 1 A est diagonalisable car elle admet trois valeurs propres dictinctes.
(3) Cherchons les vecteurs propres.

Pour λ = 1 :

E1 = {x(1,1,1)/x ∈ IR,v1 = (1,1,1) est vecteur propre associé à 1.

Pour λ = 2 :

 
E2 = {y(4/3,1,−2/3)/x ∈ IR,v2 = (4,3,−2) est vecteur propre associé à 2.

Pour λ = 1 :

E−4 = {x(1,−2/3,1)/x ∈ IR,v1 = (2,−3,2) est vecteur propre associé à −4. Ainsi

.
 A = PDP −1, avec , alors

où

vous pouver calculer P −1 en utilisant le changement de base.

Exercice 25. Résoudre le système suivant :

Solution .

detA = 1 6= 0,rgA = n = p = 3 ((S) est un système de cramer).

.
Exercice 26. Résoudre le système suivant :
 9. EXERCICES CORRIGÉS 83

 − 2z + 3t = 0
3x + y 
(S) : −x + 2y − 4z + 6t = 2
 2x − y + 2z − 3t = 0
862. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC Solution .

le rgA ≤ 3. On prend . On considère le système

suivant :

si on remplaçe dans la troisième équation on aura :

2x − y + 2z − 3t = −4/7 − 2z + 3t − 6/7 + 2z − 3t = −10/7 6= 0
donc le système n’admet aucune solution.
 Bibliographie

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

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

83