Algebre 1

Cours : d’Algèbre
Première Année Licence L1 ≠ S1 - E.N.I-A.B.T
i
TABLE DES MATIÈRES
1 Notion de Logique 1
1.1 Introduction à la logique mathématique . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Assertion et prédicat . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Prédicat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Connecteurs logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Propriétés des connecteurs logiques . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Quantificateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1 Négation d’une proposition quantifiée . . . . . . . . . . . . . . . . . . 5
1.5 Méthode de raisonnement mathématiques . . . . . . . . . . . . . . . . . . . 6
2 Ensembles et Applications 8
2.1 Notion d’ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Opération sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Propriétés des opérations sur les ensembles . . . . . . . . . . . . . . . . . . . 10
2.2.1 Ensemble des parties d’un ensemble . . . . . . . . . . . . . . . . . . . 11
2.3 Notion d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Applications injectives, surjectives, bijectives . . . . . . . . . . . . . . . . . . 12
2.5 Restriction et prolongement . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6 Image directes ou réciproques de parties par une application . . . . . . . . . 13
2.7 Relations binaires dans un ensemble . . . . . . . . . . . . . . . . . . . . . . . 14
2.7.1 Propriétés des relations binaires . . . . . . . . . . . . . . . . . . . . . 15
ii
TABLE DES MATIÈRES
2.7.2 Classe d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Calcul dans l’espace vectoriel normé 17

3.1 Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.2 Suites et limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.1.3 Notions de topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Définition et règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 Propriétés du calcul vectoriel . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Le produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.1 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Produit vectoriel (cross product) . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4.1 Interprétation géométrique du produit vectoriel . . . . . . . . . . . . 28
3.5 Le produit mixte (triple product) . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5.1 Interprétation géométrique du produit mixte . . . . . . . . . . . . . . 30
3.6 Loi de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.6.1 Eléments particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Groupes, anneaux et corps 35

4.1 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Morphismes de groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3 Sous-groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4 Structure d’anneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.1 Notion d’anneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.2 Sous-anneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4.3 Anneau intègre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.5 Structure de corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.5.2 Sous-corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5 Nombres complexes 41
5.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Calcul dans C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2.1 Nombre complexe conjugué . . . . . . . . . . . . . . . . . . . . . . . 42
iii
TABLE DES MATIÈRES
5.2.2 Inverse d’un nombre complexe, quotient dans C . . . . . . . . . . . . 42

5.3 Équation ax2 + bx + c = 0 (a œ R; (a, c) œ R2 ) . . . . . . . . . . . . . . . . . 42
5.4 Plan complexe-Module-Argument . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5 Forme trigonométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.6 Exponentielle complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6 Polynômes et fractions rationnelles 47

6.1 Polynômes à coefficients dans K ( R[X] ou C[X]) . . . . . . . . . . . . . . . 47
6.1.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.1.2 Division euclidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.1.3 Racines, irréductibilité . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.1.4 Quelques résultats utiles . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.5 Décomposition en fractions irréductibles dans R . . . . . . . . . . . . 51
6.2 Fractions rationnelles sur R ou C . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.2 Pôle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.2.3 Décomposition en éléments simples . . . . . . . . . . . . . . . . . . . 52
6.2.4 Pratique de la décomposition dans C(X) . . . . . . . . . . . . . . . . 53
6.2.5 Pratique de la décomposition dans R(X) . . . . . . . . . . . . . . . . 54
6.2.6 Récapitulatif des méthodes utilisées . . . . . . . . . . . . . . . . . . . 54
6.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7 Espaces vectoriels 59
7.1 n-uplets de Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.1.1 Interprétation géométrique des n-uplets de Rn . . . . . . . . . . . . . 59
7.1.2 Opérations sur les n-uplets de Rn . . . . . . . . . . . . . . . . . . . . 59
7.2 Structure d’espace vectoriel sur K . . . . . . . . . . . . . . . . . . . . . . . . 60
7.3 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.3.1 Caractérisation des s.e.v . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.4 Familles de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.4.1 Combinaison linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.4.2 Sous-espace vectoriel engendré par une famille de vecteurs . . . . . . 62
7.4.3 Famille libre, famille liée - famille génératrice . . . . . . . . . . . . . . 63
7.4.4 Base, dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
iv
TABLE DES MATIÈRES
7.4.5 s.e.v engendré par une famille . . . . . . . . . . . . . . . . . . . . . . 63

7.4.6 Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . 64
7.4.7 Somme de deux s.e.v . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.4.8 S.e.v supplémentaires, somme directe . . . . . . . . . . . . . . . . . . 64
7.4.9 Noyau et image d’un endomorphisme . . . . . . . . . . . . . . . . . . 64
7.4.10 Rang d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . 65
8 Applications linéaires 68
8.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
8.2 Conséquence de la définition . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
8.3 Image réciproque d’un s.e.v-Noyau d’une application linéaire . . 70
8.4 Image directe d’un s.e.v-Image d’une application linéaire. . . . . 71
8.5 Projecteur et Symétrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.6 Application linéaire en dimension finie . . . . . . . . . . . . . . . . . . . . . 72
8.6.1 Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . 72
8.6.2 Caractérisation des isomorphismes . . . . . . . . . . . . . . . . . . . 73
8.6.3 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . 73
8.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
v
CHAPITRE 1
NOTION DE LOGIQUE
1.1 Introduction à la logique mathématique

Les axiomes supposés vrais a priori sont les bases de toute théorie mathématique, à
partir desquels se déduisent d’autres résultats mathématiques.
Définition 1.1.1.
• Proposition un résultat mathématique retenu ;
• Lemme mineur résultat apparaissant éventuellement dans le préambule de résultats

plus importants,
• Théorème résultats majeurs importants.
• Corollaire Conséquence auxilière issue de résultats majeurs importants.
• Définition Enoncé explicitant un nouvel objet mathématique.
• Résultat mathématique est un énoncé vrai que l’on peut déduire d’axiomes ou
d’autres résultats mathématiques en s’appuyant sur les règles strictes de logique.
• Logique Mathématique Peut être vue comme un ensemble de règles rationnelles

sur lesquelles nous nous appuyons pour justifier les raisonnements utilisés dans nos
démonstrations.
1
Notion de Logique.
1.1.1 Assertion et prédicat

Définition 1.1.2.
Une assertion est un énoncé auquel on peut attribuer la valeur de vérité
vraie (V) ou fausse (F),
mais jamais les deux à la fois. Cest le principe du tiers-exclu.
En général, on utilise une lettre majuscule pour designer une assertion (par exemple
P, Q, R).
Exemple 1.1.3.
1. π Bamako est la capitale du Mali∫ est une assertion vraie.
2. L’assertion π 3 est un nombre impair∫ est vrai et π 4 est un nombre premier ∫

est une assertion fausse.
Par contre si l’énoncé est de nature plus générale par exemple
π pour tout réel (’x œ R) ∫, on ne peut attribuer une valeur de vérité vraie ou fausse
à x car cette valeur dépend de la valeur que x prendra dans R. Cependant, l’énoncé
π x est un multiple de 3 ∫ n’est pas une assertion mais un prédicat.
1.1.2 Prédicat
Définition 1.1.4.
On appelle prédicat un énoncé contenant des lettres appelées variables tel que quand on
remplace chacune de ces variables par un élément d’un ensemble donné, on obtient une
assertion.
Un prédicat contenant la variable x sera noté P (x) pour marque la dépendance de sa

valeur de vérité par rapport à la vaiable x considérée. Il est clair qu’une assertion peut
s’interprèter comme un prédicat sans variable, c’est-à-dire comme prédicat toujours vrai ou
toujours faux, ce qui nous autorise à ne faire référence par la suite qu’à la notion de prédicat,
englobant ainsi celle d’assertion.
Exemple 1.1.5.
2 A. A. Koné
Notion de Logique.
1. On définit
L’énoncé P (x) défini par π x est multiple de 3 ∫
est un prédicat. Il devient une assertion quand on donne une valeur réelle à x.
Par exemple,
• l’assertion P (6) définie par π 6 est un multiple de 3 ∫ obtenue en remplaçant x

par 6 est vraie ;
• l’assertion P (8) définie par π 8 est un multiple de 3 ∫ obtenue en remplaçant x

par 8 est fausse ;
2. L’énoncé P (x, E) défini par π x œ E ∫ est un prédicat à deux variables. On obtient

par exemple les assertions
3 4
2
P (2, N) et P , Z
3
1 2
2
à partir du prédicat P (x, E). Il est clair que P (2, N) est une assertion vraie et P 3, Z
est une assertion fausse.
1.2 Connecteurs logiques
Définition 1.2.1. Les connecteurs logiques permettent de construire de nouveaux énoncés à

partir d’autres énoncés.
Nous utiliserons exclusivement les connecteurs suivants :
1. non : non(A) et vrai si et seulement si (A) est faux.
2. ou : (A) ou (B) est vrai si et seulement si (A) est vrai ou (B) est vrai.
3. et : (A) et (B) est vrai si et seulement si (A) est vrai et (B) est vrai.
4. implique ( en symbole ∆) : (A) =∆ (B) est vrai si et seulement si chaque fois

que (A) est vrai alors B est aussi vrai.
5. équivaut (en symbole ≈∆) : (A) ≈∆ (B) est vrai si et seulement si

; ;
(A) est vrai et (B) est vrai ou (A) est faux et (B) est faux .
3 A. A. Koné
Notion de Logique.
Exemple 1.2.2.
(A) (B) non(A) (A) =∆ (B) non(A) ou (B)

V V F V V
V F F F ≈∆ F
F F V V V
F V V V V
Faire pour A et B, A ou B, non(A et B), non(A ou B), A ou exclusif B, A ≈∆ B.
1.2.1 Notations
Pour plus de commodité dans les exercices proposés, nous avons besoin des notations
ci-dessous :
Soit P et Q deux propositions
• Le connecteur non (la négation) sera notée par ¬ ou ≠
Exemple 1.2.3. non(P ) se note ¬ P ou P .
• Le connecteur et (la conjonction) sera notée par ·
Exemple 1.2.4. P et Q se note P · Q.
• Le connecteur ou (la disjonction) sera notée par ‚
Exemple 1.2.5. P ou Q se note P ‚ Q.
• Le connecteur =∆ (l’implication).
Exemple 1.2.6. P =∆ Q peut se notée ¬ P ‚ Q.
• Le connecteur … (l’équivalence).
Exemple 1.2.7. P … Q peut se notée (¬ P ‚ Q) · (P ‚¬ Q).
1.3 Propriétés des connecteurs logiques

Quelle que soit la valeur de vérité des propositions P, Q, R les propriétés suivantes sont
toujours vraies.
4 A. A. Koné
Notion de Logique.
1. ¬P ‚P.
2. ¬ (¬ P ) … P .
3. P · P … P .
4. P · Q … Q · P . Commutativité de ·
5. P ‚ Q … Q ‚ P . Commutativité de ‚
6. ((P · Q) · R) … (P · (Q · R)). Associativité de ·
7. ((P ‚ Q) ‚ R) … (P ‚ (Q ‚ R)). Associativité de ‚
8. P ‚ P … P
9. P ‚ (Q · R) … (P ‚ Q) · (P ‚ R)
10. P · (Q ‚ R) … (P · Q) ‚ (P · R)
11. P · (P ‚ Q) … P
12. P ‚ (P · Q) … P
13. ¬ (P · Q) …¬ P ‚¬ Q. Lois de Morgan.
14. ¬ (P ‚ Q) …¬ P ·¬ Q. Lois de Morgan.
15. (P =∆ Q) … (¬ P ‚ Q) … (¬ Q =∆ ¬ P ).
1.4 Quantificateurs
Définition 1.4.1. Nous avons deux quantificateurs définis par :
— Le symbole " ’ " signifie que quelque soit, on appelle quantificateur universel.
— Le symbole " ÷ " signifie qu’il existe, on appelle quantificateur existentiel.
Exemple 1.4.2.
Ces exemples illustrent la façon dont les deux quantificateurs peuvent être utiliser :
• ’x œ R, x2 > 0
• ÷x œ R, x2 < 4.
1.4.1 Négation d’une proposition quantifiée

Règle :
5 A. A. Koné
Notion de Logique.
— La négation de ’x œ X, p(x) est ÷x œ X, non(p(x)).

— La négation de ÷x œ X, q(x) est ’x œ X, non(q(x)).
Exemple 1.4.3.
Nm : l’ensemble des entiers n > m, m œ N.
(A) : ’‘ œ Rú+ , ÷m œ N, ’n œ N, |Um | 6 ‘.
non(A) : ÷‘ œ Rú+ , ’m œ N, ÷n œ N, |Um | > ‘.
1.5 Méthode de raisonnement mathématiques

1. Méthode de raisonnement direct
Pour montrer que P =∆ Q est vrai, on suppose P vrai et on cherche à déterminer que
Q est vraie.
Exemple 1.5.1.
’n œ N, n est pair =∆ n2 pair.
En effet,
Soit n œ N pair =∆ ÷k œ N tel que n = 2k.
n2 = (2k)2 = 4k 2 = 2(2k 2 ) donc n2 est pair.
2. Règle de la contraposition
Soient (P ) et (Q) deux propositions
((P ) =∆ (Q)) ≈∆ (non(Q) =∆ non(P ))
Exemple 1.5.2.
Soit n œ N. Prouvons que (n2 impair) =∆ (n impair).
Par contraposition, il suffit de prouver que n pair =∆ n2 pair.
3. Raisonnement par l’absurde :

Pour démontrer qu’une proposition (P ) est vraie, on suppose que non(P ) est vraie et
on aboutit à une contradiction .
Exemple 1.5.3.
Démontrer par absurde que :
x y
’x, y œ Rú+ ; = ∆x=y
x+y x+y
6 A. A. Koné
Notion de Logique.
4. Raisonnement par contre exemple :

Pour montrer qu’une proposition est fausse, il suffit de donner un contre exemple
c’est-à-dire un cas particulier pour lequel la proposition est fausse.
Exemple 1.5.4. (n est un nombre pair) =∆ (n2 + 1 est pair), fausse car pour n = 2,
on n2 + 1 = (2)2 + 1 = 4 + 1 = 5 n’est pas pair, c’est un contre exemple.
5. Raisonnement par récurrence :

Soit (H) une proposition qui dépend d’un entier n > n0 .
Pour prouver que H(n) est vraie ’n > n0 .
• On commence par montrer que H(n0 ) est vraie.
• On montre ensuite que ’n > n0 , H(n) =∆ H(n + 1).
Exemple 1.5.5.
ÿn
n(n + 1)
’n œ Nú , k= .
k=1
2
1
ÿ 1(1 + 1)
Pour n = 1, k = 1 c’est-à-dire = 1 d’où P (1) vraie.
k=1
2
Supposons que P (n) est vraie et montrons que P (n + 1) est vraie
n+1
ÿ n
ÿ
k = 1 + 2 + · · · + n + (n + 1) = k + (n + 1)
k=1 k=1
n
ÿ n(n + 1) (n + 1)(n + 2)
k + (n + 1) = + (n + 1) =
k=1
2 2
donc
n+1
ÿ (n + 1)(n + 2)
k= , P (n + 1) est vraie.
k=1
2 ¯
D’où
n
ÿ n(n + 1)
’n œ N ,ú
= .
k=1
2
7 A. A. Koné
CHAPITRE 2
ENSEMBLES ET APPLICATIONS
2.1 Notion d’ensemble

Définition 2.1.1. Un ensemble est une collection d’objets appelés élément.
Exemple 2.1.2.
Exemples d’ensembles :
— N : l’ensemble des entiers naturels
— R : l’ensemble des nombres réels
— Le plan P : l’ensemble des points.
— Ensemble vide : l’ensemble qui contient aucun élément ; on le note ÿ.
ÿ = {x/x ”= x}
Rémarque 2.1.3. Si E est défini par une propriété P , on écrit
{x tel que P (x) est vraie }
Exemple
Rú = {x œ R tel que x ”= 0}
Définition 2.1.4. Soient E un ensemble et x un objet.

x œ E signifie " x appartient à E " ou " E contient x " ou encore " x est dans E "
8
Ensembles et Applications.
2.1.1 Opération sur les ensembles
Soient E et F deux ensembles
• Inclusion : l’ensemble E est dit inclus dans F si et seulement si
’x, x œ E =∆ x œ F on le note E µ F
La négation (F n’est pas inclus dans E) si et seulement si :
{÷x tel que x œ E · x œ

/ F}
Rémarque 2.1.5. Lorsque E µ F , on dit que E est un sous ensemble de F .
Exemple 2.1.6.
Exemples des sous ensembles
Ô
ÿ est inclus dans tous les ensembles
Ô
NµR
• Complémentaire : soit F un sous ensemble de E.

Le complémentaire de F dans E est l’ensemble des éléments de E qui n’appartiennent
pas à F .
On le note {E F ou F \ E.
{E F = {x œ E; x œ
/ F }.
Exemple 2.1.7.
{R Rú = {x œ R; x œ
/ Rú } = {x œ R; x = 0} = {0}.
• Égalité de deux ensembles : Soient A, B deux ensembles sachant A = B, cela veut

dire que :
A = B … ((A µ B)et(B µ A))
• Différence de deux ensembles : La différence de deux ensembles A, B est un

ensemble des éléments de A qui ne sont pas dans B, noté A ≠ B.
A ≠ B = {x tels que x œ A · x œ
/ B}.
Si A µ B alors B ≠ A est aussi appelé le complémentaire de A dans B.
9 A. A. Koné
• Union : On appelle union de E et F l’ensemble formé uniquement par les éléments de

E et F sans répétition d’élément ; noté E fi F .
E fi F = {x/x œ E ou x œ F }
• Intersection : L’intersection de E et F notée E fl F est définie par :
E fl F = {x/x œ E et x œ F }
Rémarque 2.1.8. E et F sont disjoints si E fl F = ÿ.
• Différence symétrique : Soient E un ensemble non vide et A, B µ 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) fi (B ≠ A) = (A fl {B
E ) fi (B fl {B ) = (A fi B) ≠ (A fl B).
A
2.2 Propriétés des opérations sur les ensembles

• La commutativité. Quels que soient A, B deux ensembles :
AflB = B flA
AfiB = B fiA
• L’associativité. Quels que soient A, B et C trois ensembles :
A fl (B fl C) = (A fl B) fl C
A fi (B fi C) = (A fi B) fi C
• La distributivité. Quels que soient A, B et C trois ensembles :
A fi (B fl C) = (A fi B) fl (A fi C)
A fl (B fi C) = (A fl B) fi (A fl C)
• L’idempotence. Soit A un ensemble :
AfiA = A
AflA = A
10 A. A. Koné
• Lois de Morgan. Quels que soient A, B deux ensembles :
(A fi B)c = Ac fl B c
(A fl B)c = Ac fi B c
Démonstration. Montrons que (A fi B)c µ Ac fl B c et Ac fl B c µ (A fi B)c ,

(A fi B)c µ Ac fl B c :
Soit x(A fi B)c ∆ x œ
/ (A fi B) ∆ x œ / B ∆ x œ Ac · x œ B c ∆ x œ (Ac fl B c ) ainsi
/ A·x œ
x œ (A fi B)c ∆ x œ (Ac fl B c ) d’où (A fi B)c µ (Ac fl B c ).
Ac fl B c µ (A fi B)c :
Soit x œ (Ac fl B c ) ∆ x œ Ac · x œ B c ∆ x œ
/ A·x œ / (A fi B) ∆ x œ (A fi B)c
/B∆xœ
alors x œ (Ac fl B c ) ∆ x œ (A fi B)c , d’où Ac fl B c µ (A fi B)c , donc (A fi B)c = Ac fl B c .
On suit le même raisonnement pour la seconde relation.
Exemple 2.2.1.
Exemples de l’union et l’intersection de deux ensembles :
Ô
F fi {E F = E
Ô
F fl {E F = ÿ.
Ô
A = {0, 1, 2, 4, 5, 7} ; B = {0, 2, 3, 8}
A fi B = {0, 1, 2, 3, 4, 5, 7, 8} aussi A fl B = {0, 2}
• Produit cartésien : Le produit cartésien de E par F est l’ensemble noté E ◊ F tel

que :
E ◊ F = {(x, y)/x œ E et y œ F }
Exemple 2.2.2.
E = {0, 1, 2} et F = {a, b, c}
E ◊ F = {(0, a), (0, b), (0, c), (1, a), (1, b), (1, c), (2, a), (2, b), (2, c)}
2.2.1 Ensemble des parties d’un ensemble

Définition 2.2.3. L’ensemble des sous ensembles d’un ensemble E est noté par P(E).
Exemple 2.2.4.
Déterminer P(E) pour E = {0, 1, 2}
Les parties de E sont : ÿ, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}, E d’où
P(E) = {ÿ, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}, E}.
11 A. A. Koné
Rémarque 2.2.5. Le nombre de parties d’un ensemble E est toujours égal à
2card(E) , avec card(E) le nombre d’éléments de E.
2.3 Notion d’application

Soient E et F deux ensembles .
• On appelle fonction de E vers F toute relation f de E vers F telle que pour tout
l’élément x de E, on lui associe au plus un élément y de F ; on écrit y = f (x).
• On appelle ensemble (ou domaine) de définition de la fonction f , l’ensemble des

l’éléments x de E tels qu’il existe y de F vérifiant y = f (x) ; cet ensemble est noté Df .
• Une fonction f est appelée application lorsque Df = E.
Rémarque 2.3.1. :
• L’ensemble des applications E vers F est noté F E
• On note souvent
f : E ≠æ F
x ‘≠æ f (x)
f (x) est l’image de x par f (élément de F associé à x par f )
• f : E æ F , g : F æ G deux applications, on définit gof : E æ G par gof (x) = g(f (x))
• f : E æ E définie par f (x) = x est appelée application identique dans E et notée IdE
Proposition 2.3.2. (Associativité) Pour toute application f : E æ F , g : F æ G et h : G æ H,

on a
(hog)of = ho(gof )
2.4 Applications injectives, surjectives, bijectives

Définition : Soit f une application de E vers F , on dit que :
• f est injective si ’(x, y) œ E 2 , f (x) = f (y) =∆ x = y
• f est surjective si ’y œ F, ÷x œ E, f (x) = y
12 A. A. Koné
• f est bijective si f est injective et surjective (ou encore ’y œ F, ÷!x œ E, y = f (x)).

Dans ce cas f admet une bijection réciproque f ≠1 de F vers E telle que :
x œ E, y œ F, y = f (x) … x = f ≠1 (y)
Rémarque 2.4.1. f : E æ F est bijective si et seulement si il existe g : F æ E telle que

gof = IdE et f og = IdF . On a alors g = f ≠1
Propriété 2.4.2. :
• Si gof est injective, alors f est injective.

• Si gof est surjective, alors f est surjective.
• La composée de 2 injections est une injection.
• La composée de 2 surjections est une surjection.
• La composée de 2 bijections est une bijection et (gof )≠1 = f ≠1 og ≠1
Définition 2.4.3. Si f og = IdE on dit que f est involutive.
Rémarque 2.4.4. Si f est involutive alors f est bijective et f ≠1 = f .
2.5 Restriction et prolongement

Définitions : soit une application de E vers F
• Soit A une partie de E, l’application g : A æ F définie par ’x œ A, g(x) = f (x) est
appelée restriction de f à A et notée f|A .
• Soit E Õ une partie contenant E, l’application h : E Õ æ F définie par ’x œ E, h(x) = f (x)
est appelée prolongement de f à E Õ .
2.6 Image directes ou réciproques de parties par une

application
Définition 2.6.1. Soit f est une application de E vers F .
• Pour toute parties A de E on définit l’image directe de A par f , noté f (A), par :
f (A) = {f (x)/ x œ A}.
13 A. A. Koné
• Pour toute partie B de F on définit l’image réciproque de B par f , noté f1 (B), par :
f ≠1 (B) = {x œ E, f (x) œ B}.
Proposition 2.6.2. : Soit f une application de E vers F
• On a pour toute partie A et B de E.
f (A fi B) = f (A) fi f (B) et f (A fl B) µ f (A) fl f (B).
• On a pour toutes parties AÕ et B Õ et F :
f ≠1 (AÕ fi B Õ ) = f ≠1 (AÕ ) fi f ≠1 (B Õ ), f ≠1 (AÕ fl B Õ ) = f ≠1 (AÕ ) fl f ≠1 (B Õ ) et
f ≠1 (AÕ ) = f ≠1 (AÕ ).
• Soit A une partie de E et AÕ une partie de F , on a :
A µ f ≠1 (f (A)) et f (f ≠1 (AÕ )) µ AÕ .
Rémarque 2.6.3. Soient A µ E et f : E æ E.
• On dit que A est stable par f si f (A) µ A.
• Invariant par f si f (A) = A
2.7 Relations binaires dans un ensemble

Définition 2.7.1. Soient x œ E et y œ 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 2.7.2.
1. ’x, y œ N, xRy … x divise y, R est une relation binaire.
2. ’x, y œ R, xRy … x > y
3. A µ E, B µ F, ARB … A µ B
14 A. A. Koné
2.7.1 Propriétés des relations binaires

Soient R une relation binaire dans l’ensemble E et x, y, z œ E, on dit que R est une
relation
1. Réflexive : (’x œ E), (xRy).
2. Symétrique : (’x œ E), (’y œ E),(xRy ∆ yRx).
3. Antisymétrique :(’x œ E), (’y œ E),((xRy) · (yRx) ∆ (x = y)).
4. Transitive : (’x, y, z œ E), ((xRy) · (yRz)) ∆ (xRz)
Définition 2.7.3. Une relation est dite relation d’ équivalence si elle est réflexive, symé-
trique et transitive.
Définition 2.7.4. Une relation est dite relation d’ ordre si elle est réflexive, antisymétrique
et transitive.
Exemple 2.7.5.
1. ’x, y œ N, xRy … x = y est une relation d’équivalence.
2. A µ E, B µ F, ARB … A µ B est un relation d’ordre, en effet :
(a) ’A µ E, A µ A … R est réflexive.
(b) ’A, B œ E, ((A µ B) · (B µ A)) =∆ A = B … R est antisymétrique.
(c) ’A, B, C œ E, ((A µ B) · (B µ C)) =∆ A µ C … R est transitive.
(d) ’x, y œ R, xRy … x > y, est une relation d’ordre.
Définition 2.7.6. Une relation d’ordre dans un ensemble E est dite d’ordre total si deux
éléments quelconque de E sont comparables, ’x, y œ E, on a xRy ou yRx.
Une relation d’ordre est dite d’ordre partiel si elle n’est pas d’ordre total.
Exemple 2.7.7. ’x, y œ R, xRy … x 6 y est une relation d’ordre total.

1. R est réflexive : ’x œ R, x 6 x … xRx.
2. R est antisymétrique : ’x, y œ R, ((xRy) · (yRx)) … ((x 6 y) · (y 6 x)) =∆ x = y.
3. R est transitive : ’x, y, z œ R, ((xRy) · (yRz)) … ((x 6 y) · (y 6 z)) … x 6 y 6 z =∆
x 6 z … xRz.
Soient (x, y), (xÕ , y Õ ) œ R2 ; (x, y)R(xÕ , y Õ ) … (x 6 xÕ ) · (y 6 y Õ ) est une relation d’ordre
partiel, en effet : ÷(1, 2), (3, 0) œ R2 , et (1, 2) n’est pas en relation avec (3, 0), et (3, 0)
n’est pas en relation avec (1, 2).
15 A. A. Koné
2.7.2 Classe d’équivalence

Soir R une relation d’équivalence, on appelle classe d’équivalence d’un élément x œ E
l’ensemble des éléments y œ E qui sont en relation R avec x on note Cx où
x = Cx = {y œ E/xRy}
Définition 2.7.8. L’ensemble des classes d’équivalences d’éléments de E est appelé ensemble
quotient de E par R, il est noté E/R
E/R x/x œ E
Exemple 2.7.9. {’x, y œ R, xRy … x2 ≠ x = y 2 ≠ y} ,R est une relation d’équivalence car
(1) ’xR, x2 ≠ x = x2 ≠ x … xRx … R est réflexive.
(2) x, y œ R, x2 ≠ x = y 2 ≠ y ∆ y 2 ≠ y = x2 ≠ x ∆ yRx, R est symétrique .
(3) ’x, y, z œ R, xRy … x2 ≠ x = y 2 ≠ y · y 2 ≠ y = z 2 ≠ z … x≠ x = z 2 ≠ z … xRz, R est

transitive.
Cherchons les classes d’équivalence suivantes : C0 , 1, 2̇, C 1 .

2
(1) C0 = {y œ E, /0Ry}, 0Ry … 02 ≠ 0 = y 2 ≠ y, ainsi C0 = {0, 1}
(2) C1 = 1 = {y œ E, /1Ry}, 1Ry … 12 ≠ 1 = y 2 ≠ y, ainsi C1 = {0, 1}
(3) C2 = 2̇ = {y œ E, /2Ry}, 2Ry … 22 ≠ 2 = y 2 ≠ y, ainsi C1 = {≠1, 2}

3 42 ; <
1 1 1 1 1 1
(4) C 1 = = {y œ E, / Ry}, Ry … ≠ = y 2 ≠ y, ainsi C 1 =
2 2 2 2 2 2 2 2
16 A. A. Koné
CHAPITRE 3
CALCUL DANS L’ESPACE VECTORIEL

NORMÉ
3.1 Espaces vectoriels normés

Nous allons définir et étudier ici les notions de longueurs d’éléments et de distances entre
éléments d’un même espace vectoriels E afin de mesurer leur proximité. On s’intéressera plus
particulièrement aux espaces vectoriels de dimension finie (Rn et Cn ).
3.1.1 Définitions et exemples

Définition 3.1.1. Soient K un corps (= R ou C) et E un K-espace vectoriel.
Une norme sur E est une application Î · Î : E ≠æ R+ telle que :
1. ÎxÎ = 0 ≈∆ x=0; 3. pour tout ⁄ œ K, on a Î⁄xÎ = |⁄|ÎxÎ.

2. Îx + yÎ 6 ÎxÎ + ÎyÎ ;
Le couple (E, Î · Î) est appelé espace vectoriel normé.

Lorsque la première condition n’est pas satisfaite, on dit que Î · Î est une semi-norme.
Exercice 3.1.2. Sur Rn , n œ N, on peut définir des normes en posant, pour x = (x1 , · · · , xn ) œ
Rn :
17
Calcul vectoriel dans le plan et dans l’espace.
n
ÿ ı̂ ÿ Ò
ı n
1. ÎxÎ1 = |xj | = |x1 | + · · · + |xn | ; 2. ÎxÎ2 = Ù x2j = x21 + · · · + x2n ;
j=1 j=1
3. ÎxÎŒ = max (|x1 |, · · · , |xn |).
Î · Î1 est appelée la norme Manhattan, Î · Î2 est la norme euclidienne, et Î · ÎŒ est

la norme uniforme.
Exercice 3.1.3. Sur R[X], l’espace des polynômes à coefficients réels, on peut définir les
trois normes suivantes (pour P = a0 + a1 X + · · · + an X n ) :
n
ÿ ı̂ ÿ Ò
ı n
1. ÎP Î1 = |aj | = |a1 | + · · · + |an | ; 2. ÎP Î2 = Ù a2j = a21 + · · · + a2n ;
j=1 j=1
3. ÎP ÎŒ = max (|a1 |, · · · , |an |).
Exercice 3.1.4. Sur l’espace C ([a, b]) des fonctions continues sur l’intervalle [a, b] où a < b,
on peut définir les trois normes suivantes :
⁄ b A⁄ B1
2
1. Îf Î1 = |f (x)| dx ; 2. Îf Î2 =
b
2
|f (x)| dx ;
a
a
3. Îf ÎŒ = max |f (x)|.
xœ[a,b]
3.1.2 Suites et limites

Soit (E, Î · Î) un K-espace vectoriel normé.
Une suite d’éléments de E est une application u : N ≠æ E , cette application sera
notée u = (un )nœN ou (un )n .
Définition 3.1.5. Une suite u d’éléments d’un espace vectoriel normé (E, Î · Î) est conver-
gente vers un élément ¸ œ E, si la suite réelle (Îun ≠ ¸Î)n converge vers zéro.
Proposition 3.1.6 (Unicité de la limite). La limite d’une suite dans un espace normé est
unique.
Démonstration. Si ¸ et ¸Õ sont deux limites d’une suite (un )n dans un espace normé (E, Î · Î).
Alors lim Îun ≠ ¸Î = lim Îun ≠ ¸Õ Î, donc
næ+Œ næ+Œ
Î¸ ≠ ¸Õ Î 6 Î¸ ≠ un Î + Îun ≠ ¸Õ Î ≠æ 0,
ainsi Î¸ ≠ ¸Õ Î = 0 et ¸ = ¸Õ .
18 A. A. Koné
Définition 3.1.7. Une suite u = (un )n d’éléments d’un espace normé (E, Î · Î) est dite suite
de Cauchy si :
’Á > 0, ÷n0 œ N : ’n > n0 , ’m > n0 , Îun ≠ um Î < Á.
Définition 3.1.8. Un espace normé (E, Î · Î) est dit complet si toute suite de Cauchy de
E est convergente.Dans ce cas, E est appelé espace de Banach.
3.1.3 Notions de topologie

Définition 3.1.9. Soit (E, Î · Î) un espace normé, alors :
• si a œ E et r > l’ensemble
B(a, r) = {x œ E, Îx ≠ aÎ < r}
est appelé la boule ouverte de centre a et de rayon r ;
• si a œ E et r œ R+ l’ensemble
Bf (a, r) = {x œ E, Îx ≠ aÎ 6 r}
est appelé la boule fermée de centre a et de rayon r ;
• si a œ E et r œ R+ l’ensemble
S(a, r) = {x œ E, Îx ≠ aÎ = r}
est appelé la sphère de centre a et de rayon r.
Lorsque a = 0E est le vecteur nul et r = 1, on obtient les boules et la sphère unités.
Représentations graphiques dans le plan euclidien des boules unités

ouvertes pour les normes usuelles Î · Î1 , Î · Î2 et Î · ÎŒ de R2
19 A. A. Koné
Définition 3.1.10. Soit (E, Î · Î) un espace vectoriel normé.

Une partie A de E est dite bornée s’il existe r > 0 telle que A µ Bf (0, r) c’est-à-dire :
÷r > 0, ’x œ A, ÎxÎ 6 r.
On convient que ÿ est borné.
Toute partie de E pouvant être incluse dans une boule est donc bornée. Ainsi, pour être
non bornée, A doit en quelque sorte "pouvoir s’échapper vers l’infini".
En terme de distance, le fait que A soit bornée s’écrit :
÷r > 0, ’(x, y) œ A2 , d(x, y) 6 r.
3.2 Définition et règles de calcul

Dans ce chapitre, on considère un vecteur comme étant un segment orienté dans le plan
ou dans l’espace de dimension 3.
3.2.1 Propriétés du calcul vectoriel

Soient les trois vecteurs ˛u,˛v et w,
˛ On a les propriétés suivantes :
(a) ˛u +˛v = ˛v + ˛u
(b) (˛a +˛b) + w

˛ = ˛u + (˛v + w)
˛
(c) ˛u + ˛0 = ˛0 + ˛u = ˛u
(d) ˛u + (≠˛u) = ˛0
(e) k(l˛u) = (kl)˛u
(f ) k(˛u +˛v ) = k˛u + k˛v
(g) (k + l)˛u = k˛u + l˛u
On note ÎuÎ son module. C’est un nombre positif ou nul qui est aussi appelé la norme de ˛u.
Si Q R
c u1 d
˛u = a b
u2
alors
Ò
ÎuÎ = u21 + u22
20 A. A. Koné
et de même, si Q R
c u1 d
c d
˛u = c d
c u2 d
a b
u3
alors
Ò
ÎuÎ = u21 + u22 + u23 .
Un vecteur de norme 1 est appelé vecteur unité.
3.3 Le produit scalaire

On va définir le produit scalaire de deux vecteurs ˛u et ˛v dans le plan ou dans l’espace de
dimension 3. Le produit scalaire de deux vecteurs est un scalaire. Soient
Q R Q R
c u1 d c v1 d
˛u = a b et ˛
v=a b
u2 v2
deux vecteurs dans le plan. On définit le produit scalaire par
˛u ·˛v = u1 v1 + u2 v2 .
Soient Q R Q R
c u1 d c v1 d
c d c d
˛u = c
c u2 d et ˛
d v=c d
c v2 d
a b a b
u3 v3
deux vecteurs dans l’espace. On définit le produit scalaire par
˛u ·˛v = u1 v1 + u2 v2 + u3 v3 .
Théorème 3.3.1. Le produit scalaire a les propriétés suivantes :
(1) ˛u ·˛v = ˛v · ˛u
(2) ⁄˛u ·˛v = ⁄(˛u ·˛v )
(3) (˛u +˛v ) · w

˛ = ˛u · w
˛ +˛v · w
˛
(4) ˛u · ˛u > 0
(5) ˛u · ˛u = 0 si et seulement si ˛u = 0.
(6) ˛u · ˛u = ÎuÎ2
21 A. A. Koné
Nous rappelons maintenant un résultat de trigonométrie. Considérons le triangle suivant :
Figure 3.1 –
Théorème 3.3.2. (Théorème du cosinus). Soient a, b, c les côtés d’un triangle et –, —, “ ces
angles comme dans la figure ci-dessus. Alors
b2 = a2 + c2 ≠ 2ac cos(–)
Démonstration. Sointt A, B, C les ponts du sommet de l’angle –, —, “ respectivement et H le

pied de la hauteur issue du sommet A. Appliquons le théorème de Pythagore dans le triangle
BHC rectangle en H on aura :
b2 = BH 2 + CH 2 .
Avec BH = c ≠ a cos(–) et CH = a sin(–) alors on aura :
b2 = (c ≠ a cos(–))2 + a2 sin2 (–)
b2 = c2 ≠ 2ac cos(–) + a2 cos2 (–) + a2 sin2 (–)
b2 = a2 + c2 ≠ 2ac cos(–).
Théorème 3.3.3. Soient ˛u et ˛v deux vecteurs non nuls, et soit ◊ l’angle qu’ils forment. Alors
˛u ·˛v = Î˛uÎ · Î˛v Î · cos(◊)
Démonstration. On a
Î˛u ≠˛v Î2 = (˛u ≠˛v ) · (˛u ≠˛v ) = ˛v ·˛v + ˛u · ˛u ≠ 2˛u ·˛v
22 A. A. Koné
Î˛u ≠˛v Î2 = Î˛v Î2 + Î˛uÎ2 ≠ 2˛u ·˛v
D’autre part, par théorème du cosinus, on a :
Î˛u ≠˛v Î2 = Î˛v Î2 + Î˛uÎ2 ≠ 2Î˛uÎ · Î˛v Î cos(◊).
Donc
˛u ·˛v = Î˛uÎ · Î˛v Î · cos(◊)
ce qui démontre le théorème.
Théorème 3.3.4. Soient ˛u et ˛v deux vecteurs non nuls. Alors ˛u et ˛v sont orthogonaux si et
seulement si
˛u ·˛v = 0.
Démonstration. Comme
˛u ·˛v = Î˛uÎ · Î˛v Î · cos(◊).
On a ˛u · ˛v = 0 si et seulement si cos(◊) = 0 et donc si et seulement si ◊ = fi

2 et donc si et
seulement si ˛u et ˛v sont orthogonaux.
Rémarque 3.3.5. On convient en générale que le vecteur nul est orthogonal à tous les
vecteurs. Ainsi, l’énoncé du théorème précédent reste vraie, même si l’un des vecteurs est nul,
bien que l’angle ◊ entre ˛u et ˛v ne soit pas défini.
3.3.1 Projection orthogonale
Figure 3.2 –
23 A. A. Koné
La projection (orthogonale) de ˛v sur ˛u est notée
proj˛u (˛v ).
Le théorème suivant nous donne le lien entre la projection et le produit scalaire :
Théorème 3.3.6.
˛u ·˛v
proj˛v (˛u) =˛v .
ÎvÎ2
Posons w˛1 = proj˛v (˛u). Comme w˛1 est parallèle à ˛v , on peut écrire
w˛1 = ⁄˛v
pour un certain scalaire ⁄. On a :

˛u = w˛1 + w˛2 .
Figure 3.3 –
Démonstration. Calculons le produit scalaire avec ˛v . On a :
˛u ·˛v = (w˛1 + w˛2 ) ·˛v = w˛1 ·˛v + w˛2 ·˛v .
Mais w˛2 ·˛v = 0, car w˛2 et ˛v sont orthogonaux. Il reste alors
˛u ·˛v = w˛1 ·˛v = ⁄˛v ·˛v = ⁄ÎvÎ2
d’où
˛u ·˛v
⁄= .
ÎvÎ2
On a donc
˛u ·˛v
proj˛v (˛u) = ·˛v .
ÎvÎ2
24 A. A. Koné
Théorème 3.3.7. Soit ◊ l’angle formé par les vecteurs ˛u et ˛v . Alors
Îproj˛v (˛u)Î = Î˛uÎ · |cos(◊)|.
Démonstration. Par les théorème 3.3.3 et 3.3.6, on a :

|˛u ·˛v | |˛u ·˛v |
Îproj˛v (˛u)Î = Î˛
v Î =
Î˛v Î2 Î˛v Î
|Î˛uÎÎ˛v Î cos(◊)|
= Î˛uÎ · |cos(◊)|.
Î˛v Î
3.4 Produit vectoriel (cross product)

Le produit vectoriel associe à deux vecteurs un troisième vecteur, noté ˛u ◊˛v , et définit de
la façon suivante :
Q R Q R
c u1 d c v1 d
c d c d
Définition 3.4.1. Soient ˛u = c
c u2 d v=c
d et ˛ c v2 d deux vecteurs. Leur produit vectoriel
d
a b a b
u3 v3
est le vecteur ˛u ◊˛v défini par :
Q - - R
- -
- u2 v 3 -
c - - d
c - - d
Q R c - - d
c - u3 v 3 - d
c - - d
c u2 v 3 ≠ u3 v 2 d c
c
-
- u1 v 1
-
-
d
d
c d
˛u ◊˛v = c
c u3 v 1 ≠ u1 v 3 d = ˛
d u ◊˛v = c ≠ --
c -
-
d
d
a b c - - d
c - u3 v 3 - d
u1 v 2 ≠ u2 v 1 c - - d
c - - d
c - u1 v 1 - d
c - - d
a - - b
- -
- u2 v 2 -
Posons Q R Q R Q R
c 1 d c 0 d c 0 d
c d c d c d
i=c
c 0 d,
d j=c
c 1 d et k = c 0 d .
d c d
a b a b a b
0 0 1
Alors - -
- - - - - - - -
- i j k -- - - - - - -
- - - - - -
- - - u2 u3 - - u1 u3 - - u1 u2 --
˛u ◊˛v = -- u1 u2 u3 - = i --
- -≠j-
- -
-+k-
- -
-
-
-
-
- - v2 v3 - - v1 v3 - - v1 v2 --
- v1 v2 v3 -
Le produit vectoriel satisfait les propriétés suivantes :
Si ˛u,˛v et w
˛ sont des vecteurs dans l’espace de dimension 3, on a :
25 A. A. Koné
(a) ˛u · (˛u ◊˛v ) = 0 ˛u ◊˛v est orthogonal à ˛u.
(b) ˛v · (˛u ◊˛v ) = 0 ˛u ◊˛v est orthogonal à ˛v .
(c) Î˛u ◊˛v Î2 = Î˛uÎ2 · Î˛v Î2 ≠ (˛u ·˛v )2 identité de Lagrange.
(d) ˛u ◊ (˛v ◊ w)
˛ = (˛u · w)˛
˛ v ≠ (˛u ·˛v )w
˛
(e) (˛u ◊˛v ) ◊ w

˛ = (˛u · w)˛
˛ v ≠ (˛v · w)˛
˛ u
Q R Q R
c u1 d c v1 d
c d c d
Démonstration. (a) Soient ˛u = c
c u2 d et ˛
d v=c
c v2 d. Alors
d
a b a b
u3 v3
Q R Q R
c u1 d c u 2 v 3 ≠ u3 v 2 d
c d c d
˛u · (˛u ◊˛v ) = c d c
c u2 d · c u 3 v 1 ≠ u1 v 3
d
d
a b a b
u3 u 1 v 2 ≠ u2 v 1
= u1 (u2 v3 ≠ u3 v2 ) + u2 (u3 v1 ≠ u1 v3 ) + u3 (u1 v2 ≠ u2 v1 )
= u1 u2 v3 ≠ u1 u3 v2 + u2 u3 v1 ≠ u2 u1 v3 + u3 u1 v2 ≠ u3 u2 v1 = 0.
(b) calcul similaire à (a)

(c) On a
Î˛u ◊˛v Î2 = (u2 v3 ≠ u3 v2 )2 + (u3 v1 ≠ u1 v3 )2 + (u1 v2 ≠ u2 v1 )2
et
Î˛uÎ2 Î˛v Î2 ≠ (˛u ·˛v )2 = (u21 + u22 + u23 )(v12 + v22 + v32 ) ≠ (u1 v1 + u2 v2 + u3 v3 )2
donc
(u2 v3 ≠u3 v2 )2 +(u3 v1 ≠u1 v3 )2 +(u1 v2 ≠u2 v1 )2 = (u21 +u22 +u23 )(v12 +v22 +v32 )≠(u1 v1 +u2 v2 +u3 v3 )2
(d) Les égalités (d) et (e) se montrent de la manière similaire.
Le produit vectoriel est bilinéaire et anti-symétrique. En d’autre terme, on a :
(a) ˛u ◊˛v = ≠(˛v ◊ ˛u)
(b) ˛u ◊ (˛v + w)
˛ = (˛u ◊˛v ) + (˛u ◊ w)
˛
(c) (˛u +˛v ) ◊ w)

˛ = (˛u ◊ w)
˛ + (˛v ◊ w)
˛
(d) k(˛u ◊˛v ) = (k˛u) ◊˛v = ˛u ◊ (k˛v )
(e) ˛u ◊ ˛0 = ˛0 ◊ ˛u = ˛0
26 A. A. Koné
(f ) ˛u ◊ ˛u = ˛0.
La notion du produit vectoriel est liée à celle de colinéarité par le théorème suivant :
Théorème 3.4.2. Soient ˛u et ˛v deux vecteurs non nuls de l’espace de dimension 3. Les
affirmations (1) et (2) sont équivalentes :
(1) ˛u et ˛v sont colinéaires (c’est-à-dire ˛u = ⁄˛v )
(2) ˛u ◊˛v = ˛0.
Démonstration. (1) =∆ (2) : Supposons que ˛u = ⁄˛v . Alors
˛u ◊˛v = (⁄˛v ) ◊˛v = ⁄(˛v ◊˛v ) = ˛0.
ce qui démontre (2). Q R Q R

c u1 d c v1 d
c d c d
Montrons maintenant l’implication inverse (2) =∆ (1) : Soient ˛u = c
c u2 d et ˛
d v=c
c v2 d et
d
a b a b
u3 v3
Q R
c u2 v 3 ≠ u3 v 2 d
c d
˛u ◊˛v =c
c d. Supposons que ˛
u3 v 1 ≠ u1 v 3 d u ◊˛v = ˛0. On a donc
a b
u1 v 2 ≠ u2 v 1
u2 v 3 ≠ u3 v 2 = 0
u3 v 1 ≠ u1 v 3 = 0
u1 v2 ≠ u2 v1 = 0.
1er cas : Si u1 ”= 0 et u2 = u3 = 0, les équations deviennent
0=0
≠u1 v3 = 0
u1 v2 = 0.
Comme u1 ”= 0, ceci entraîne v2 = v3 = 0 et donc
Q R
c u1 d
c d
˛u = c
c 0 dd
a b
0
Q R
c v1 d
c d
˛v = c
c 0 d
d
a b
0
Comme ˛v est non nul, on a v1 ”= 0, d’où ˛u = ⁄˛v avec ⁄ = u1
v1 ce qui démontre (1).
27 A. A. Koné
3.4.1 Interprétation géométrique du produit vectoriel
Nous avons vu que
Î˛u ◊˛v Î2 = Î˛uÎ2 Î˛v Î2 ≠ (˛u ·˛v )2 (identité de Langrage)
Soit ◊ l’angle formé par ˛u et ˛v . Alors on a :
˛u ·˛v = Î˛uÎÎ˛v Î cos(◊).
On a donc
Î˛u ◊˛v Î2 = Î˛uÎ2 Î˛v Î2 ≠ Î˛uÎ2 Î˛v Î2 cos2 (◊)
= Î˛uÎ2 Î˛v Î2 (1 ≠ cos2 (◊))
donc
Î˛u ◊˛v Î2 = Î˛uÎ2 Î˛v Î2 sin2 (◊)
Théorème 3.4.3.
Î˛u ◊˛v Î = Î˛uÎÎ˛v Î sin(◊)
Démonstration. Comme
06◊6fi
on a
sin(◊) > 0
et donc l’égalité cherchée.
Considérons maintenant un parallélogramme dont les côtés sont les vecteurs ˛u et ˛v :
Figure 3.4 – h = Î˛vÎ sin(◊)
28 A. A. Koné
L’aire A de ce parallélogramme se calcule de façon suivant :
A = (base) · (hauteur)
= Î˛uÎÎ˛v Î sin(◊)
= Î˛u ◊˛v Î.
On obtient donc le théorème suivant qui donne une interprétation géométrique du produit
vectoriel de deux vecteurs :
Théorème 3.4.4. La norme Î˛u ◊˛v Î est égale à l’aire du parallélogramme déterminé par ˛u
et ˛v . En résumé, ˛u ◊˛v est un vecteur perpendiculaire à ˛u et ˛v , et de longueur (norme) égale
à l’aire du parallélogramme déterminé par ˛u et ˛v . De plus, l’orientation du triplet (˛u,˛v ,˛u ◊˛v )
est positive.
Figure 3.5 – Orientation du triplet (˛u,˛v,˛u ◊˛v)
3.5 Le produit mixte (triple product)

Définition 3.5.1. Soient ˛u,˛v et w
˛ des vecteurs de l’espace de dimension 3. On définit le
produit mixte des vecteurs ˛u,˛v et w
˛ par
[˛u,˛v , w]
˛ = ˛u · (˛v ◊ w)
˛
Q R Q R Q R
c u1 d c v1 d c w1 d
c d c d c d
C’est un scalaire. Si ˛u = c
c u2 d v=c
d, ˛ c v2 d et w
d ˛ =c d
c w2 d
a b a b a b
u3 v3 w3
[˛u,˛v , w]
˛ = ˛u · (˛v ◊ w)
˛
29 A. A. Koné
Q - - - - - -R
- - - - - -
- u2 -
u3 - - u1 -
u3 - - u1 u2 --d
c - - -
= ˛u · ai -- -≠j-
- -
-+k-
- -
-b
- v2 v3 - - v1 v3 - - v1 v2 --
- - - - - -
- - - - - -
- u2 -
u3 - - u1 -
u3 - - u1 u2 --
- - -
= u1 -- - ≠ u2 -
- -
- + u3 -
- -
-
- v2 v3 - - v1 v3 - - v1 v2 --
- -
- -
- u1 v1 w1 --
-
- -
˛u · (˛v ◊ w)
˛ = -- u2 v2 w2 -- .
- -
- -
- u3 v3 w3 -
Propriété 3.5.2. Soient ˛u, ˛v et w

˛ trois vecteurs de l’espace. Alors
(1) [˛u,˛v , w]
˛ = [w,˛
˛ u,˛v ] = [˛v , w,˛
˛ u] = ≠[˛v ,˛u, w]
˛ = ≠[˛u, w,˛
˛ v ] = ≠[w,˛
˛ v ,˛u]
(2) [⁄˛u,˛v , w]
˛ = ⁄[˛u,˛v , w]
˛ pour tout scalaire ⁄.
(3) [˛u,˛v , w]
˛ = 0 si et seulement si ˛u,˛v , w
˛ sont linéairement indépendants.
3.5.1 Interprétation géométrique du produit mixte

Le produit mixte peut également être interprété géométriquement ce qui est l’objet du
théorème suivant.
Q R Q R
u1 d v1 d
Théorème 3.5.3. Soient ˛u = c
a v=c
b et ˛ a b deux vecteurs de R2 . Alors :
u2 v2
(1) La valeur absolue du déterminant
- -
- -
- u1 v1 --
-
- -
-
- u2 v2 --
est égale à l’aire du parallélogramme défini par les vecteurs ˛u et ˛v .

Q R Q R Q R
c u1 d c v1 d c w1 d
c d c d c d 3
(2) Soient ˛u = c d v = c v d et w
c u2 d ,˛ c 2 d ˛ =c
c w2 d trois vecteurs de R . Alors la valeur
d
a b a b a b
u3 v3 w3
absolue du déterminant - -
- -
- u1 v 1 w1 --
-
- -
- u2 v 2 w2 --
-
- -
- -
- u3 v 3 w3 -
est égale au volume du parallélépipède déterminé par ces trois vecteurs.
30 A. A. Koné
Exercice 3.5.4. On considère les ensembles suivants :

A = {1, 2, 3}, B = {{1, 2}, 3}, C = {{1, 2, 3}}, D = {ÿ, 1, 2, 3}
E = {3, 2, 1}, F = {{1, 2}, {3}}, G = {{1, 2}, {3}, 3}, H = {3, {2}, {3}}.
1. Déterminer les relations d’égalité ou d’inclusion qui existent entre ces ensembles ?
2. Determiner A fl B, G fi H, E ≠ G, G H.
3. Quel est le complémentaire de A dans D.
Exercice 3.5.5. Étant donné A, B et C trois parties d’un ensemble E,
1. Montrer que :
(a) (A fl B) fi B c = A fi B c .
(b) (A ≠ B) ≠ C = A ≠ (B fi C).
(c) A ≠ (B fl C) = (A ≠ B) fi (A ≠ C).
2. simplifier
(a) (A fi B) fl (C fi A)
(b) (A fl B) fi (C fl A)
Exercice 3.5.6. Soient E = [0, 1], F = [≠1, 1] et G = [0, 2] trois intervalles de R.

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 2
1
1. Déterminer f 2 , f ≠1 (0), g([≠1, 1]), g ≠1 ([0, 2]).
2. L’application f est-elle bijective ? justifier votre réponse.
3. L’application g est-elle bijective ? justifier votre réponse.
Exercice 3.5.7. On définit sur R2 la relation R définie par :
(x, y)R(xÕ , y Õ ) … x + y = xÕ + y Õ
1. Montrer que R est une relation d’équivalence.
2. Trouver la classe d’equivalence du couple (0, 0)
Exercice 3.5.8. On définit sur R2 la relation S par
(x, y)S (xÕ , y Õ ) … |x ≠ xÕ | 6 y Õ ≠ y
1. Vérifier que S est une relation d’ordre. Cet ordre est-il total ?
31 A. A. Koné
2. Representer l’ensemble {(x, y) œ R2 ; (x, y)S (0, 1)}.
Exercice 3.5.9. 1. Par rapport à un point fixe comme origine sur la terre, on assimile
les positions en mètre dans l’espace R(O(0, 0, 0), e˛1 , e˛2 , e˛3 ) euclidien trois satellites
non alignésQcomme
R suite : Q R Q R
c 2 d c 1 d c ≠2 d
c d c d c d
S1 = 105 ◊ cc 1 d,
d S2 = 105 ◊ cc
5
d et S3 = 10 ◊ c 2 d
0 d c d
a b a b a b
1 2 3
a) Déterminer l’équation du plan P passant par ces satellites S1 , S2 et S3
b) Donner un vecteurs normal à ce plan
2. Soient les Q
positions
R suivantes dans
Q le même référentiel
R Q R
c 0 d c 0 d c 3 d
5
c d 5
c d 5
c d
A = 10 ◊ c 0 d B = 10 ◊ c 2 d et C = 10 ◊ c 0 d
c d c d c
d
a b a b a b
1 0 0
a) Déterminer l’équation du plan P Õ passant par ces trois positions A, B et C
b) Donner un vecteurs normal au plan formé par A, B et C.
c) Vérifier si O, A et C sont dans le même plan aussi si O, B et C sont dans le
même plan.
3. P et P Õ sont-ils parallèles ?
Sinon déterminer l’ensemble des points d’intersection de ces deux plans.
Q R
c 1 d
c d
4. Déterminer la distance d’un avion à la position P = 104 ◊ c
c 1 d au plan P puis au
d
a b
1
plan P Õ .
5. Soient ◊1 , ◊2 les angles formés respectivement par cet avion avec les plans P et P Õ ,
déterminer ◊1 et ◊2 .
3.6 Loi de composition interne

Définition 3.6.1. • On appelle loi de composition interne sur un ensemble E ou
opération dans E toute application de E ◊ E dans E.
Une loi de composition interne (L.C.I) est souvent notée
ú : E ◊ E ≠æ E
(x, y) ‘≠æ x ú y
32 A. A. Koné
• On appelle magma tout couple (E, ú) où E est un ensemble et ú est une L.C.I.
Définition 3.6.2. On appelle ensemble structuré tout couple (G, ú) où G est un ensemble
et ú une L.C.I sur G.
Exemple 3.6.3.
1. (N, +) et (N, ◊) sont des ensembles structurés.
2. Soit E un ensemble. (P(E), fi) et (P(E), fl) sont des ensembles structurés.
3. Soit ú la loi de composition interne définie sur Q par :

x+y
’(x, y) œ Q2 , x ú y = .
2
Le couple (Q, ú) est un ensemble structuré. Par contre, ú ne définit pas une L.C.I sur
N puisque
1+2 3
(1, 2) œ N2 , 1 ú 2 = = œ/ N.
2 2
Définition 3.6.4. Soit (E, ú) un ensemble muni d’une loi L.C.I. ú, on dit que :
• La loi ú est associative si ’(x, y, z) œ E 3 , x ú (y ú z) = (x ú y) ú z
• La loi ú est commutative si ’(x, y) œ E 2 , x ú y = y ú x
• Si deux éléments x et y de (E, ú) vérifient x ú y = y ú x on dit qu’ils commutent
Définition 3.6.5. Soit (E, ú, ‹) un ensemble muni de deux L.C.I. On dit que :
• La loi ‹ est distributive à gauche par rapport à la loi ú si
’(x, y, z) œ E 3 , x‹(y ú z) = (x‹y) ú (x‹z)
• La loi ‹ est distributive à droite par rapport à la loi ú si
’(x, y, z) œ E 3 , (y ú z)‹x = (y‹x) ú (z‹x)
• La loi ‹ est distributive par rapport à la loi ú si elle l’est à gauche
3.6.1 Eléments particuliers

Soit (E, ú) est un magma, on dit que :
• E admet un élément neutre à gauche si ÷e œ E, ’x œ E, e ú x = x
33 A. A. Koné
• E admet un élément neutre à droite si ÷e œ E, ’x œ E, x ú e = x
• E admet un élément neutre si ÷e œ E, ’x œ E, x ú e = e ú x = x
Définition 3.6.6. On appelle monoïde tout magma (E, ú) tel que la loi ú est associative et
E admet un élément neutre e.
Proposition 3.6.7. Soit (E, ú) un magma.

• Dans (E, ú) si e, eÕ , sont respectivement neutres à gauche et à droite alors e = eÕ
• Si (E, ú) admet un élément neutre alors il est unique
Définition 3.6.8. Soit (E, ú) est un magma d’élément neutre e. On dit que x œ E admet un
symétrique s’il existe xÕ œ E tel que x ú xÕ = xÕ ú x = e
Rémarque 3.6.9. Si x admet un symétrique on dit que x est symétrisable (ou inversible)
et ce symétrique est souvent noté x≠1 (≠x pour l’addition)
Proposition 3.6.10. Soit (E, ú) un monoïde

• x est un élément symétrique de E, alors son symétrique est unique.
• soient x et y deux éléments de E symétrisables.
Alors x ú y est symétrisable et (x ú y)≠1 = y ≠1 ú x≠1
Définition 3.6.11. Soit (E, ú) un ensemble muni d’une L.C.I ú, on dit que :
• p œ E est régulier à droite si ’(x, y) œ E 2 , x ú p = y ú p =∆ x = y
• p œ E est régulier à gauche si ’(x, y) œ E 2 , p ú x = p ú y =∆ x = y
• p œ E est régulier s’il est régulier à droite et gauche
Rémarque 3.6.12. Dans (R, ◊) 0 n’est pas un élément régulier.
Proposition 3.6.13. Tout élément symétrisable est régulier.
34 A. A. Koné
CHAPITRE 4
GROUPES, ANNEAUX ET CORPS
4.1 Groupes
Définition 4.1.1. On dit qu’un ensemble non vide G muni d’une L.C.I ú est un groupe si :
• La loi ú est associative
• G admet un élément neutre pour la loi ú
• tout élément de G admet un symétrique pour la loi ú.
Rémarque 4.1.2. Un groupe est un monoïde dans lequel tout élément est symétrisable.
Définition 4.1.3. On qualifie d’abélien (ou commutatif) tout groupe dont la loi est
commutative.
Conventions :
• Dans le cas d’un groupe multiplicatif (G, ·) l’élément neutre sera noté 1(plutôt que e), et le
symétrique sera dit inverse x≠1 .
• De même, dans le cas d’un groupe additif (G, +) l’élément neutre sera noté 0 et le symétrique
sera dit opposé :≠x.
Rémarque 4.1.4. Soit (G, ú) un groupe

• L’existence de l’élément neutre entraîne la non vacuité de G.
• L’élément neutre de G est unique.
• Tout élément de G admet un unique symétrique et est régulier (c-à-d. xúy = xúz =∆ y = z).
35
Groupes, anneaux et corps.
• L’équation a ú x = b (Respectivement x ú a = b) admet dans G la solution unique a≠1 ú b

(Respectivement b ú a≠1 ).
• Enfin si G est un groupe additif abélien, on dispose de la règle des signes : x ≠ (y + z) =
x ≠ y ≠ z.
Exemple 4.1.5.
1. L’ensemble des entiers naturels N muni de l’addition + n’est pas un groupe car, ex-
cepté l’élément 0, un élément de N ne possède pas d’opposé. Par contre les ensembles
Z, Q, R, C muni de l’addition usuelle + sont des groupes commutatifs.
2. L’ensemble des entiers relatifs Z muni de la multiplication ◊ n’est pas un groupe car 1
et ≠1 sont les seuls éléments inversibles de Z. Par contre, les ensembles Qú , Rú , Cú
munis de la multiplication usuelle ◊ sont des groupes.
3. Les ensembles Qú+ , Rú+ munis de la multiplication usuelle ◊ sont des groupes.
4. Soit A un ensemble. Rappelons que ÿ est l’élément neutre de P(A) pour l’union. Muni
de la loi fi, P(A) n’est pas un groupe car si E est non vide alors il n’existe pas de
partie E Õ de A telle que
E fi E Õ = ÿ.
Rappelons que A est l’élément neutre de P(A) pour l’intersection. Ainsi, P(A) muni
de la loi fl n’est pas un groupe car si E µ A et E ”= A alors il n’existe pas de partie E Õ
de A telle que
E fl E Õ = A.
4.2 Morphismes de groupes

Définition 4.2.1. Soient (G, ú) et (GÕ , ‹) deux groupes et f : G æ GÕ .
• On appelle homomorphisme de groupes, toute application f : G æ GÕ telle que :
’(x, y) œ G2 , f (x ú y) = f (x)‹f (y).
Exemple 4.2.2.
L’application
f : N ≠æ N
n ‘≠æ f (n) = 2n
36 A. A. Koné
est un morphisme (homomorphisme) de (N, +) dans (N, ◊) puisque
’(n, m) œ N2 , 2n+m = 2n ◊ 2m .
• Un homomorphisme de (G, ú) dans (G, ú) est appelé endomorphisme,

• Un homomorphisme bijectif est appelé isomorphisme,
• Un endomorphisme bijectif est appelé automorphisme.
Exemple 4.2.3.
Pour tout ensemble structuré (E, ú), l’application identité
idE : E ≠æ E
x ‘≠æ idE (x) = x
est un automorphisme de (E, ú).
Proposition 4.2.4. Soit f : (G, ú) æ (GÕ , ‹) un homomorphisme de groupes. Alors :

• f (e) = eÕ (où e et eÕ sont des éléments neutres de G et GÕ ).
• ’x œ G, f (x≠1 ) = (f (x))≠1 .
• ’x œ G, ’n œ Z, f (xn ) = (f (x))n .
Rémarque 4.2.5. On peut vérifier que la bijection réciproque d’un isomorphisme f de (G, ú)
dans (GÕ , ‹) est un morphisme de (GÕ , ‹) dans (G, ú). Considérons par exemple l’application
logarithme néperien
ln : Rú+ ≠æ R
.
x ‘≠æ ln(x)
Il est clair que c’est un morphisme de (Rú+ , ◊) dans (R, +). En effet,
’(x, y) œ Rú+ ◊ Rú+ , ln(x ◊ y) = ln(x) + ln(y).
De plus, ce morphisme est bijectif. C’est donc un isomorphisme de (Rú+ , ◊) dans (R, +). Sa
bijection réciproque est l’application exponentielle
exp : R ≠æ Rú+
x ‘≠æ exp(x)
qui est un morphisme de (R, +) dans (Rú+ , ◊) :
’(x, y) œ R ◊ R, exp(x + y) = exp(x) + exp(y).
37 A. A. Koné
4.3 Sous-groupes
Définition 4.3.1. Soient (G, ú) un groupe et H µ G. On dit que H est un sous-groupes
de G si :
• ’(x, y) œ H2 , x ú y œ H (H stable pour la loi ú)
• eœH
• ’x œ H, x≠1 œ H (x≠1 symétrique de x).
Rémarque 4.3.2. Un sous-groupe est un groupe.
Proposition 4.3.3. Soient (G, ú) un groupe de H µ G. Pour que H soit un sous-groupe de

(G, ú) il faut et il suffit que l’on ait :
• H ”= ÿ
• ’(x, y) œ H2 , x ú y ≠1 œ H
Définition 4.3.4. Soit f : (G, ú) æ (GÕ , ‹) un homomorphisme de groupes.

• On appelle noyau de f , noté Kerf , l’ensemble défini par :
Kerf = {x œ G, f (x) = eÕ } = f ≠1 ({eÕ }).
• On appelle image de f , noté Imf , l’ensemble défini par :
Imf = {y œ GÕ , ÷x œ G, f (x) = y} = f (G).
Proposition 4.3.5. Soit f : (G, ú) æ (GÕ , ‹) un homomorphisme de groupes. Alors : Kerf

et Imf sont respectivement des sous groupes de (G, ú) et (GÕ , ‹).
Proposition 4.3.6. Soit f : (G, ú) æ (GÕ , ‹) un homomorphisme de groupes.

• f injectif … Kerf = {e}
• f surjectif … Imf = GÕ .
4.4 Structure d’anneau
4.4.1 Notion d’anneau

Définition 4.4.1. Soit (A, +, ·) un ensemble muni de deux L.C.I notées + et ·
On dit que (A, +, ·) est un anneau si :
• (A, +) est un groupe commutatif d’élément neutre 0.
38 A. A. Koné
• La loi · est associative et possède un élément neutre, noté 1

• La loi · est distributive par rapport à la loi +
Rémarque 4.4.2. Si de plus la loi · est commutative on dit que (A, +, ·) est un anneau
commutatif.
4.4.2 Sous-anneau
Définition 4.4.3. Soit B une partie d’un anneau (A, +, ·). On dit que B est un sous-anneau
de A si :
• B sous-groupe (A, +)
• B stable pour la loi · (’(x, y) œ B2 , x · y œ B)
• 1A œ B
Rémarque 4.4.4. Un sous-anneau de (A, +, ·) est un anneau pour les lois induites par celles
de A.
Proposition 4.4.5. Soit B une partie d’un anneau (A, +, ·).

B est un sous-anneau de A si et seulement si :
• ’(x, y) œ B2 , x ≠ y œ B
• x·y œ B
• 1A œ B.
4.4.3 Anneau intègre
Définition 4.4.6. Soient (A, +, ·) un anneau et x œ A; x ”= 0A . On dit que :

• x est diviseur de zéro à gauche si ÷y œ A, y ”= 0A , x · y = 0A
• x est diviseur de zéro à droite si ÷z œ A, z ”= 0A , z · x = 0A
• x est diviseur de zéro si x est diviseur de zéro à droite et à gauche
Définition 4.4.7. Un anneau est dit intègre s’il est commutatif et s’il n’admet pas de
diviseurs de zéro.
39 A. A. Koné
4.5 Structure de corps
4.5.1 Généralités
Définition 4.5.1. On appelle corps tout anneau non nul dont tout élément non nul est
inversible.
Rémarque 4.5.2. i) On qualifie de commutatif tout corps dont la multiplication est commu-
tative.
ii) Un corps ne possède pas de diviseur de zéro.
iii) Dans un corps K, l’équation a · x + b = 0 où (a, b) œ K ◊ K admet une solution unique :
x = ≠b · a≠1 .
Définition 4.5.3. On appelle morphisme de corps (resp. d’anneau) toute application du

corps (resp. anneau)(A, +, ·) dans le corps (resp. anneau) (B, +, ·) tel que :
• ’(x, y) œ A2 , f (x + y) = f (x) + f (y)
• ’(x, y) œ A2 , f (x · y) = f (x) · f (y)
• f (1A ) = 1B
Proposition 4.5.4. Tout morphisme de corps est injectif.
4.5.2 Sous-corps
Définition 4.5.5. Soient (K, +, ·) un corps et L µ K. On dit que L est sous-corps de K
si :
• L est un sous-anneau
• ’x œ L \ {0}, x≠1 œ L
Rémarque 4.5.6. Tout sous-corps est un corps.
Proposition 4.5.7. L est un sous-corps de (K, +, ·) si et seulement :

• ’(x, y) œ L2 , x ≠ y œ L
• ’(x, y) œ L2 , x · y œ L
• 1K œ L
• ’x œ L \ {0}, x≠1 œ L.
40 A. A. Koné
CHAPITRE 5
NOMBRES COMPLEXES
5.1 Définition
Un nombre complexe est un nombre qui s’écrit sous la forme Z = x + jy
où x est un réel appelé partie réelle de Z
y est un réel appelé partie imaginaire de Z
j désigne le nombre complexe tel que j 2 = ≠1.
L’écriture Z = x + jy s’appelle forme algébrique de Z.
L’ensemble des nombres complexes est noté C :
C = {Z = x + jy, x œ R, y œ R} avec j 2 = ≠1
Si x = 0 alors Z s’écrit Z = jy, on dit que Z est imaginaire pur.

Si y = 0 alors Z s’écrit Z = x, Z est réel. Ainsi, C contient R (on écrit R µ C).
5.2 Calcul dans C

Égalité x + iy = xÕ + jy Õ si et seulement si x = xÕ et y = y Õ .
Somme (x + jy) + (xÕ + jy Õ ) = (x + xÕ ) + j(y + y Õ )
Produit (x + jy)(xÕ + jy Õ ) = (xxÕ ≠ yy Õ ) + j(xy Õ + xÕ y)
41
5.2.1 Nombre complexe conjugué
Définition
On appelle nombre complexe conjugué de Z = x + jy (x et y réels) le nombre complexe

noté Z défini par : Z = x ≠ jy.
Propriété
Soient Z = x + jy et Z Õ = xÕ + jy Õ deux nombres complexes on a les propriétés suivantes :

Z =Z
(Z + Z Õ ) = Z + Z Õ
(ZZ Õ ) = (Z)(Z Õ )
ZZ = (x + jy)(x ≠ jy) = x2 + y 2
5.2.2 Inverse d’un nombre complexe, quotient dans C
L’inverse d’un nombre complexe non nul Z = x + jy (x et y réels et (x, y) ”= (0, 0)) est le
1
nombre complexe : Z = Z
ZZ
= x≠jy
x2 +y 2
Le quotient de deux nombres complexes Z1 et Z2 (Z1 œ C et Z2 œ C ≠ {0}) est le nombre
complexe :
Z1 1
= Z1 ·
Z2 Z2
En prenant Z1 = x1 + jy1 et Z2 = x2 + jy2 nous obtenons :
A B
Z1 1
= (x1 + jy1 )
Z2 x2 + jy2
A B A B A B
Z1 x2 ≠ jy2 x1 x2 + y1 y2 y1 x2 ≠ x1 y2
= (x1 + jy1 ) = +j
Z2 x22 + y22 2
x2 + y22 x22 + y22
5.3 Équation ax2 + bx + c = 0 (a œ R; (a, c) œ R2)

Si = b2 ≠ 4ac < 0 alors = j 2 (4ac ≠ b2 ). Le réel 4ac ≠ b2 est positif. En conséquence
l’équation ax2 + bx + c = 0 admet dans ce cas pour racines, les deux complexes conjugués :
Ô Ô
≠b + j 4ac ≠ b2 ≠b ≠ j 4ac ≠ b2
Z1 = et Z2 =
2a 2a
42 A. A. Koné
Exemple
Ô
Résoudre dans C l’équation : x2 + 3x + 1 = 0
Ô Ô Ô Ô
≠ 3≠j 3 ≠ 3+j 3
= 3 ≠ 4 = ≠1 = j 2 ; x1 = 2 = 2 ≠ j 12 et x2 = 2 = 2 + j 12
5.4 Plan complexe-Module-Argument

Soit le plan muni d’un repère orthonormé (O, ˛u, ˛v ). A tout nombre complexe Z = x + jy,
on fait correspondre le point M (x, y) du plan.
Z est l’affixe de M , M est l’image de Z.
Ce plan est appelé plan complexe.
|Z| = OM = ÎOM ˛ Î est le module du nombre complexe Z.
Propriété :
|Z| > 0.
Soit ◊ une mesure algébrique de l’angle (˛u, OM
˛ ). ◊ est un argument de Z(Z ”= 0). L’ensemble
des arguments, noté Arg(Z), est de la forme Arg(Z) = ◊ + 2kfi où k est un élément de Z.
Exercices
Exercice 5.4.1. Soit Z1 = x1 + jy1 ; (x1 œ R, y1 œ R) et Z2 = x2 + jy2 ; (x2 œ R, y2 œ R) deux

nombres complexes. Montrer que si Z1
Z2 = k avec k réel, alors x1
x2 = y1
y2 = k.
Exercice 5.4.2. Écrire sous forme algébrique
1 + 3j Ô Ô
Z1 = (1 ≠ 2j)2 ≠ (2 + j)2 ; Z2 = : Z3 = (1 + j2 2)(1 ≠ j 2).
1 + 2j
Exercice 5.4.3. Pour tout nombre complexe Z on pose P (Z) = Z 4 ≠ 4Z 2 + 16 et on considère

dans C, l’équation (E) : P (Z) = 0.
1. Montrer ÷a œ R tel que : P (Z) = (Z 2 + aZ + 4)(Z 2 ≠ aZ + 4) puis déterminer a.
2. Résoudre l’équation (E). On notera Z1 la solution dont la partie réelle et la partie

imaginaire sont positives. Vérifier que les solutions sont Z1 , ≠Z1 , Z 1 , ≠Z 1
43 A. A. Koné
Exercice 5.4.4. On considéré la fonction de transfert T de la variable Ê réelle positive

définie par :
R3 1 + 2jR2 CÊ
T (Ê) = ≠ ·
R1 1 + 2jR2 CÊ ≠ R2 R3 C 2 Ê 2
avec R1 = 68 k ; R3 = 3R2 ; R3 = 1, 0M et C = 0, 47µF
On pose t = R2 CÊ. Mettre T (Ê) sous la forme y(t) + jh(t) ou y et h sont deux fonctions de
la variable réelle t.
5.5 Forme trigonométrique
Forme algébrique et forme trigonométrique

Z = x + jy (forme algébrique) avec Z ”= 0
Z = |Z|(cos ◊ + j sin ◊) (forme trigonométrique).
Y Ò
_
] ÎZÎ = x2 + y 2
D’où : =
_
[ tan ◊ = xy ; cos ◊ = Ô x
; sin ◊ = Ô y
x2 +y 2 x2 +y 2
Soit Ï la détermination principale appartenant à ]≠fi, fi].

1 2
• Si x > 0 alors Ï = arctan y
x ;
1 2
• Si x < 0 et y > 0 alors Ï = arctan y
x +fi
1 2
• Si x < 0 et y < 0 alors Ï = arctan y
x ≠fi
• Si x = 0 et y > 0 alors Ï = ≠ fi2
• Si x = 0 et y, 0 alors Ï = fi
2
Calculs sur la forme trigonométrique

Z1 = |Z1 |(cos ◊1 + j sin ◊1 ) et Z2 = |Z2 |(cos ◊2 + j sin ◊2 )
• Z1 · Z2 = |Z1 ||Z2 |[cos (◊1 + ◊2 ) + j sin (◊1 ≠ ◊2 )]
• arg(Z1 Z2 ) = argZ1 + argZ2 + 2kfi

Le module du produit est égal au produit des modules.
Z1 |Z1 |
• = [cos (◊1 ≠ ◊2 ) + j sin (◊1 ≠ ◊2 )]
Z2 |Z2 |
44 A. A. Koné
1 1
• Si Z ”= 0 Z = |Z| (cos ◊ ≠ j sin ◊)
• Formule de Moivre : Si n appartient à N :
(cos ◊ + j sin ◊)n = cos (n◊) + j sin (n)
Remarque :
(cos ◊ + j sin ◊)2 = cos2 ◊ + 2j cos ◊ sin ◊ + j 2 sin2 ◊ = (cos2 ◊ ≠ sin2 ◊) + 2j cos ◊ sin ◊
= cos (2◊) + j sin (2◊)
Exemple
Dérivée-Primitive
Soit Z une fonction d’une variable réelle t telle que |Z| étant constant :
Z(t) = |Z|[cos (Êt + Ï) + j sin (Êt + Ï)]
En dérivant : 5 3 4 3 46
dZ(t) fi fi
= |Z|Ê cos Êt + Ï + + j sin Êt + Ï +
dt 2 2
Donc :
dZ(t)
= jÊZ(t)
dt
Soit H(t) une primitive de Z(t) :
Z(t) jZ(t)
H(t) = =≠
jÊ Ê
5.6 Exponentielle complexe

Définition
ej◊ = cos ◊ + j sin ◊
Propriétés
• ej◊1 · ej◊2 = ej(◊1 +◊2 )

ej◊1
• j◊ = ej(◊1 ≠◊2 )
e 2
• (ej◊ )n = ejn◊ pour tout n dans Z.
45 A. A. Koné
Conséquences
Écriture exponentielle d’un nombre complexe
Z = |Z|(cos ◊ + j sin ◊) = |Z|ej◊
Formules d’Euler
Y
_
] ej◊ = cos ◊ + j sin ◊
_
[ e≠j◊ = cos ◊ ≠ j sin ◊
alors
ej◊ + e≠j◊ ej◊ ≠ e≠j◊
cos ◊ = et sin ◊ =
2 2j
Exercices
Exercice 5.6.1.
1. Déterminer le module et un argument de Z1 = 1 + j, Z2 = ≠1 ≠ j, Z3 = ≠1 + j,

1
Z4 = j, Z5 = ≠j, Z15 , Z13
Ô
≠1≠j 3
2. On pose Z6 = 2 , calculer Z15 · Z64 .
(1+j)5
3. Utiliser l’exponentielle complexe pour calculer (1≠j)3
3 4
j
Exercice 5.6.2. Soit U = I R ≠ l’expression complexe aux bornes de l’association en
CÊ
série comprenant une résistance R et un condensateur C. Déterminer le module et l’argument
de I, nombre complexe associé à l’intensité i du courant dans le circuit.
46 A. A. Koné
CHAPITRE 6
POLYNÔMES ET FRACTIONS
RATIONNELLES
Dans tout ce chapitre, on désigne la lettre K pour R ou C.
6.1 Polynômes à coefficients dans K ( R[X] ou C[X])

Nous énonçons dans ce chapitre quelques résultats usuels au calcul de primitives et
d’intégrales.
6.1.1 Vocabulaire
On note K[X] l’ensemble des polynômes à une indéterminée à coefficient dans K (R ou C).
+Œ
ÿ
Soit P œ K[X] alors P (X) = an X n où (an )nœN est une suite de scalaires tous nuls à partir
n=0
d’un certain rang.
• Deux polynômes sont égaux si et seulement si les coefficients des termes de même
puissance sont deux à deux égaux.
+Œ
ÿ
• Le degré du polynôme non nul P défini par P (X) = an X n est le plus grand
n=0
des entiers n tels que an soit non nul. On note d = deg (P ) (ad est dit coefficient
dominant de P ). On convient que le polynôme nul a pour degré ≠Œ.
47
• On appelle valuation de P le plus petit des entiers n tels que an soit non nul. On
note r = val(P ). On convient que le polynôme nul a pour valuation +Œ. Ainsi pour
P (X) = ar X r + ar+1 X r+1 + · · · + ad X d alors val(P ) = r avec (r 6 d).
+Œ
ÿ +Œ
ÿ
• Soit deux polynômes P et Q (P, Q œ K[X]) avec P (X) = an X et Q(X) =
n
bn X n
n=0 n=0
où les an et les bn sont des scalaires tous nul à partir d’un certain rang, alors
+Œ
ÿ
I le polynôme somme s’écrit P + Q, avec (P + Q)(X) = cn X n , où cn = an + bn .
n=0
+Œ
ÿ ÿ
I le polynôme produit s’écrit P Q, avec (P Q)(X) = dn X n , où dn = ai b j .
n=0 i+j=n
• Un polynôme est dit unitaire si son coefficient dominant est égal à 1K .
Propriétés :
Soient P, Q deux polynômes. Alors :
• deg (P Q) = deg (P ) + deg (Q) et val(P Q) = val(P ) + val(Q).
• deg (P + Q) 6 sup { deg (P ); deg (Q)} avec égalité si deg (P ) ”= deg (Q) et
val(P + Q) > inf {val(P ); val(Q)} avec égalité si val(P ) ”= val(Q).
Démonstration. À faire á domicile.
Remarque
On désignera souvent le polynôme P par la fonction polynôme P qui à tout k de K

associe P (k).
6.1.2 Division euclidienne

Théorème 6.1.1. Soient A et B deux polynômes, B ”= 0. Il existe un unique couple (P, Q) de
polynômes tel que : A = BQ + R avec deg (R) 6 deg (B). Les polynômes Q et R s’appellent
respectivement quotient et reste de la division euclidienne de A par B.
Démonstration. Unicité : Soit (QÕ , RÕ ) un autre couple de solution. Alors on a :

0 = B(Q ≠ QÕ ) + (R ≠ RÕ ) c’est-à-dire B(Q ≠ QÕ ) = RÕ ≠ R et donc : deg (RÕ ≠ R) = deg (B) +
deg (Q ≠ QÕ ).
Or deg (RÕ ≠ R) < sup { deg (RÕ ); deg (R)} donc strictement inférieur à deg (B). Cela
implique que Q = QÕ et par suite que R = RÕ .
48 A. A. Koné
Existence : On la montre par récurrence sur le degré de A. Lorsque deg (A) < deg (B),
le couple (0, A) convient. Supposons alors l’existence montrée pour tous les polynômes de
degré strictement inférieur à n et soit A de degré n avec n > deg (B). On a :
A = an X n + · · · + a1 X 1 + a0 et B = bp X p + · · · + b1 X 1 + b0 avec an ”= 0, bp ”= 0 et n > p.
an
Posons alors A1 = A ≠ X n≠p B. deg(A1 ) < n donc par hypothèse de récurrence,
bp 1 2
A1 = BQ1 + R1 avec deg (R1 ) < deg (B). D’où A = B Q1 + abpn X n≠p + R1 .
Cette démonstration fournit la méthode pratique d’obtention de Q et R (division suivant les
puissances décroissantes)
Définition 6.1.2. Lorsque R = 0, on dit que B divise A
Rémarque 6.1.3. Si B divise A alors deg (B) 6 deg (A), et si deg (B) = deg (A) alors
B = ⁄A, avec ⁄ œ K.
Exemple 6.1.4. La division euclidienne de X 3 + 3X 2 + 2X + 1 par X 2 + 1 s’écrit :

X 3 + 3X 2 + 2X + 1 = (X 2 + 1)(X + 3) + X ≠ 2.
X + 3 est le quotient et X ≠ 2 est le reste.
Le calcul peut s’effectuer de la manière suivante
A X 3 + 3X 2 + 2X + 1 X2 + 1 B
Q1 B X3 + X —- —- —– ——
——————————————–
A ≠ Q1 B 3X 2 + X + 1 X + 3 Q
Q2 B 3X 2 + 3 Q1 Q2
——————————————–
R = A ≠ (Q1 + Q2 )B X - 2
6.1.3 Racines, irréductibilité
Un scalaire – de K est dit racine de P si P (–) = 0. – est racine de P si et seulement si

(X ≠ –) divise P .
Soit k œ Nú , on dit que – est une racine d’ordre k,(ou de multiplicité k) de P si (X ≠ –)k
divise P .
Exemple 6.1.5. Si P (x) = X 4 + 2X 2 + 1 ; alors :

P (X) = (X 2 + 1)2 = (X ≠ i)2 (X + i)2 , donc i et ≠i sont racines de multiplicité 2 de P .
Un polynôme non constant P est dit irréductible sur K si ses seuls diviseurs sont les
49 A. A. Koné
constantes non nulles et les polynômes de K[X] de la forme ⁄P (⁄ œ K). Autrement dit, P
n’est pas factorisable.
Exemple 6.1.6. Soit P (X) = X 2 + 1. Si P admet un diviseur Q dans R[X], alors on a :
• Soit deg (Q) = 0, et Q est une constante ;

• Soit deg (Q) = 2, et Q est de la forme ⁄P ;
• Soit deg (Q) = 1, et Q est de la forme ⁄(X ≠ –), avec ⁄, – œ R, mais alors – serait
racine de P : impossible.
Donc P est irréductible sur R[X] ; en revanche, P n’est pas irréductible sur C[X] : on
a P (X) = (X ≠ i)(X + i).
• Deux polynômes de K[X] (K = R ou C) sont dits premiers entre eux s’ils n’ont pas
de racine complexe commune.
Théorème 6.1.7. Si –1 , –2 . . . , –r sont des racines distinctes du polynôme P de multiplicités

respectives k1 , k2 , . . . , kr alors P peut s’écrire sous la forme P = (X ≠ –1 )k1 · · · (X ≠ –r )kr Q
ou Q est un polynôme.
Corollaire 6.1.8. Un polynôme de degré n a au plus n racines.
Théorème 6.1.9. Soit A un polynôme de K[X] et – un élément de K. Alors les propriétés

suivantes sont équivalentes.
• (X ≠ –)k divise A.
• A(–) = AÕ (–) = · · · = A(k≠1) (–) = 0
En conséquence, – est racine d’ordre k de A si et seulement si

A(–) = AÕ (–) = · · · = A(k≠1) (–) = 0 et Ak (–) ”= 0.
On admettra ce théorème.
Exemple 6.1.10. On veut déterminer P de degré 3 tel que P (1) = P Õ (1) = 0, P (2) = 0 et
P (0) = 2. P admet 1 comme racine double et 2 comme racine simple, il donc de la forme
P (X) = (X ≠ 1)2 (X ≠ 2)Q(X), or P et de degré 3 donc Q est de degré 0 ; c’est un polynôme
constant et P (X) = ⁄(X ≠ 1)2 (X ≠ 2). On a de plus P (0) = 2 = ≠2⁄. On en déduit que
P (X) = (X ≠ 1)2 (2 ≠ X). Cette méthode est plus rapide que la méthode d’identification qui
consiste à poser P (X) = –0 + –1 X + –2 X 2 + –3 X 3 et à traduire les quatre conditions imposées,
on se ramène alors à la résolution d’un système de quatre equations à quatre inconnues.
50 A. A. Koné
6.1.4 Quelques résultats utiles

Théorème 6.1.11. (D’Alembert) tout polynôme non constant de C[X] admet au moins une
racine.
En conséquence, tout polynôme de C[X] de degré n admet exactement n racines (comptées
avec leurs multiplicités) et est donc factorisable en un produit de facteurs du premier degré.
On dit que tout polynôme de C[X] est scindé et que C est algébriquement clos.
6.1.5 Décomposition en fractions irréductibles dans R

Proposition 6.1.12. Soient P œ R[X] et – œ C. Alors P (–) = P (–). En particulier, – est
racine de P si et seulement si – l’est aussi.
Soit alors P un polynôme de R[X]. On peut considérer P comme un polynôme de C[X]

et à ce titre, le décomposer en produit de facteur du premier degré de la forme (X ≠ –i ) où
les –i sont des racines complexes de P , compter avec leur multiplicité. A chaque racine –i
de C \ R correspond la racine –i , or (X ≠ –i )(X ≠ –i ) = X 2 ≠ sX + p ou s = –i + –i œ R et
p = –i –i œ R vérifiant s2 ≠ 4p < 0. On peut donc énoncer le résultat suivant :
Théorème 6.1.13. Les polynômes irréductibles de R[X] sont soit de la forme :

⁄(X ≠ –) (⁄, – œ R), soit de la forme ⁄(X 2 ≠ sX + p) avec s2 ≠ 4p < 0 (s, p œ R). Tout
polynôme de R[X] peut se décomposer en produit de tels facteurs irréductibles.
Exemple 6.1.14. Décomposer le polynôme P = X 6 ≠ 1 de R[X] en facteurs irréductibles

dans R. On effectue d’abord la décomposition dans C (en utilisant les racines 6 ièmes de
l’unité) :
P (X) = (X ≠1)(X ≠j)(X ≠J 2 )(X +1)(X +j)(X +j 2 ), puis on regroupe les facteurs conjugués
pour obtenir : P (X) = (X ≠ 1)(X + 1)(X 2 + X + 1)(X 2 ≠ X + 1).
6.2 Fractions rationnelles sur R ou C
6.2.1 Définition
On appelle fraction rationnelle à une indéterminée tout couple (P, Q) de K[X] ◊ K[X]ú .
P P R
On note . Si P S = QR, on identifie les deux fractions rationnelles et . (On dit aussi
Q Q S
que ce sont deux représentations de la même fraction). Toute fraction rationnelle admet au
moins un représentant irréductible (P0 , Q0 ) (c’est-à-dire tel que P0 et Q0 soient premiers
51 A. A. Koné
entre eux).
L’ensemble des fractions rationnelles est noté K(X).
6.2.2 Pôle
Soit R = displaystyle Q
P
une fraction écrite sous forme irréductible. On appelle pôle de R
toute racine de Q. On dit que – est un pôle d’ordre n de R si – est une racine de multiplicité
n de Q ; si n = 1, on dit que – est un pôle simple de R.
X 2 ≠ 3X + 2
Exemple 6.2.1. Soit R(X) = . R n’est pas sous sa forme irréductible, car on
X4 ≠ 1
a:
(X ≠ 1)(X ≠ 2) X ≠2
R(X) = 2
= .
(X ≠ 1)(X + 1)(X + 1) (X + 1)(X ≠ i)(X + i)
Les pôles de R sont donc ≠1, i, et ≠i (ils sont tous simples).
6.2.3 Décomposition en éléments simples

Partie entière d’une fraction rationnelle
P
Proposition 6.2.2. Soit R = une fraction écrite sous la forme irréductible. Il existe
Q
un unique polynôme E (appelé partie entière de la fraction R et note E(R)) et un unique
P P1
polynôme P1 tels que =E+ et deg(P1 ) < deg(Q).
Q Q
Démonstration. Cette écriture est équivalente P = QE + P1 et donc E et P1 sont respective-
ment le quotient et le reste dans la division euclidienne de P par Q.
Exemple 6.2.3. La division euclidienne de P (X) = 2X 4 + 3X 3 ≠ X + 1 par Q(X) = X 2 ≠

3X + 1 :
2X 4 + 3X 3 ≠ X + 1 = (X 2 ≠ 3X + 1)(2X 2 + 9X + 25) + 65X ≠ 24, on a donc :
2X 4 + 3X 3 ≠ X + 1 65X ≠ 24
2
= 2X 2 + 9X + 25 + 2
X ≠ 3X + 1 X ≠ 3X + 1
P
Théorème 6.2.4. Pour toute fraction rationnelle de K(X) dont le dénominateur admet
Q
la décomposition en facteurs irréductibles sur K :
Q = A– B — · · · L⁄ (où A, B, · · · , L sont des polynômes irréductibles de K[X], et –, —, · · · , ⁄
des entiers strictement positifs), il existe un unique système de polynômes
E, Ai (1 6 i 6 –), Bj (1 6 j 6 —), · · · , Lk (1 6 k 6 ⁄) de K[X] (i, j, · · · , k entiers ) vérifiant
les conditions :
52 A. A. Koné
P A1 A1 A– B1 B2 B—
• =E+ + 2 +··· – + + 2 +··· —
Q A A A B B B
• ’i deg (Ai ) < deg (A); ’j deg (Bj ) < deg (B); · · · ; ’k deg (Lk ) < deg (L)
• E est la partie entière de Q.

P
L’écriture précédente se nomme la décomposition en éléments simples de la fraction rationnelle

P A1 L⁄
. Les , . . . , ⁄ sont les éléments simples. Si le dénominateur est une puissance d’un
Q A L
polynôme de degré 1, on parle d’éléments de première espèce ; si c’est une puissance d’un
polynôme de degré 2, on parle d’élément de deuxième espèce.
Exemple 6.2.5.
3X 4 + 7X 3 + 11X 2 3 X +1 ≠8X ≠ 4
= + +
(X 2 + X + 1)3 X 2 + X + 1 (X 2 + X + 1)2 (X 2 + X + 1)3
6.2.4 Pratique de la décomposition dans C(X)

P
Soit une fraction rationnelle à coefficients dans C. Dans C[X] tous les polynômes sont
Q
scindés et Q s’écrivant sous la forme Q = k(X ≠ a)– (X ≠ b)— . . . (X ≠ l)⁄ , on a la décomposition
théorique
P a1 a– b1 a— l1 l⁄
=E+ +···+ + +···+ +···+ +···+
Q X ≠a (X ≠ a)– X ≠b (X ≠ a)— X ≠l (X ≠ l)⁄
( il n’y a que des éléments de première espèce )
La décomposition s’effectue donc de la manière suivante :
• Première étape : déterminer la partie entière de la fraction.
• Deuxième étape : décomposer si nécessaire le dénominateur en facteurs irréductibles

écrire la forme de la décomposition, puis déterminer les coefficients.
X4 + 1
Exemple 6.2.6. A(X) =
X3 ≠ 1
La partie entière de A est X et X 3 ≠ 1 = (X ≠ 1)(X ≠ j)(X ≠ j 2 ) donc A se décompose sous
a b c
la forme A(X) = X + + + . En écrivant A = A, on a = a, b = c et c = b.
X ≠ 1 X ≠ j X ≠ j2
Puis on multiplie A par (X ≠ 1) ; on obtient :
A B
X4 + 1 b c
= X(X ≠ 1) + a + + (X ≠ 1)
(X ≠ j)(X ≠ j 2 ) X ≠ j X ≠ j2
2 1
En posant X = 1 on trouve donc a = ; de même la multiplication par (X ≠ j) donne ≠ , et
3 A 3B
1 1 2 1 1
donc c = b = ≠ . D’où la décomposition de A : A(X) = X + ≠ ≠
3 3 X ≠ 1 X ≠ j X ≠ j2
53 A. A. Koné
4
Exemple 6.2.7. B(X) =
(X 2 ≠ 1)2
a b c d
La décomposition théorique est B(X) = + 2
+ + .
X + 1 (X + 1) (X ≠ 1) (X ≠ 1)2
La parité de B donne a = ≠c et b = d.
Par la méthode précédente (ici il faut multiplier par (X ≠ 1)2 ) on a d = 1.
On fait passer les termes connus dans le 1 er membre et on simplifie.
≠2 a a
D’où 2 = ≠ et on obtient donc par identification a = 1.
X ≠1 X +1 X ≠1
1 1 1 1
B(X) = + ≠ + .
X + 1 (X + 1)2 X ≠ 1 (X ≠ 1)2
6.2.5 Pratique de la décomposition dans R(X)

Toutes les méthodes vues précédemment s’appliquent encore dans le cas d’une décomposi-
tion sur R. Il apparait cette fois ci dans la décomposition théorique des éléments simples de
rX + s
deuxième espèce du type 2
(p2 ≠ 4q, 0)..
X(X + pXp + q)
Il y a donc ici une autre étape, consistant à déterminer les coefficients r et s ci-dessus.
X3 + 1
Exemple 6.2.8. D(X) = .
X(X ≠ 1)(X 2 + 1)2
a b cX + d eX + f
La décomposition théorique est + + 2 + . En multipliant D par
X X ≠ 1 X + 1 (X 2 + 1)2
(X 2 + 1)2 et en faisant X = i, on obtient e et f . En faisant passer dans le 1er membre, on
obtient une fraction dont le determinant est X(X ≠ 1)(X 2 + 1). Il suffit alors par exemple
d’utiliser la multiplication par X 2 + 1 et de faire ce nouveau X = i pour ne plus avoir que des
éléments de première espèce, dont on peut déterminer les coefficients avec une des méthodes
vues plus haut, ou encore en multipliant les deux membres de l’égalité par X, et en faisant
tendre X vers +Œ. Finalement, on obtient donc :
≠1 1 X ≠1 X
D(X) = + + +
X 2(X ≠ 1) 2(X + 1) (X + 1)2
2 2
2X 7 + X 6 ≠ X 3 + 3 A
Exemple 6.2.9. F (X) = 2 3
= 3.
(X + X + 1) B
On effectue la division euclidienne de A par B, puis du quotient par B et on réitère l’opération.
3X + 10 ≠7X ≠ 5 2X + 3
F (X) = 2X ≠ 5 + 2 + + .
X + X + 1 (X 2 + X + 1)2 (X 2 + X + 1)3
6.2.6 Récapitulatif des méthodes utilisées

Pour décomposer sur R une fraction rationnelle irréductible, de partie entière nulle, on
peut :
• Si – est un pôle d’ordre k de la fraction, multiplier par (X ≠ –)k et remplacer X par –.
54 A. A. Koné
• Multiplier par (X 2 + pX + q)– et remplacer X par une racine complexe du trinôme

(X 2 + pX + q).
• Des considération de parité donnent des relations entre certains coefficients.
• Faire passer certains termes connus dans l’autre membre et réduire
• Méthode des divisions euclidiennes successives
• Remplacer X par un réel ou un complexe fixé différent des pôles.
• Faire tendre X vers l’infini (limite), après avoir éventuellement multiplié par un facteur
approprié.
L’emploi des méthodes suivantes est également possible, mais fortement déconseillé. :
• Faire la décomposition sur C et regrouper les termes conjugués.
• Méthodes des coefficients indéterminés (pôles compliqués) : il est toujours possible

d’identifier les coefficients de la décomposition théorique en réduisant au même dénomi-
nateur...
6.3 Exercices
1. Décomposer en éléments simples sur R.
X3 + 1 2 X4 + 1
a) ; b) ; c) .
(X ≠ 1)4 (X 3 + 1) (X ≠ 1)2 (X 2 + 1)
2. Décomposer en éléments simples sur C.
X4 + 1 1 X +1
a) 2
; b) 2
; c) .
(X ≠ i)(X ≠ 2i) (X + 1) (X ≠ i)(X 2 + 4)
55 A. A. Koné
COMPLÉMENT DES TRAVAUX-DIRIGÉS :
LOGIQUE-APPLICATIONS-GROUPES-
ANNEAUX-CORPS
Travaux Dirigés (TD-No 1)
Exercices
Exercice 1
Écrire la table de vérité du π ou exclusif ∫. (C’est le ou dans la phrase π fromage ou
dessert ∫, l’un ou l’autre mais pas les deux.)
1. Écrire la table de vérité de π P ou Q ∫, π P et Q ∫
2. Écrire la table de vérité de π non (P et Q) ∫. Que remarquez vous ?
3. Écrire la négation de π P =∆ Q ∫.
4. Écrire la négation de π P et (Q ou R) ∫.
5. Écrire à l’aide des quantificateurs la phrase suivante : π Pour tout nombre réel, son
carré est positif ∫ . Puis écrire la négation.
6. Mêmes questions avec les phrases : π Pour chaque réel, je peux trouver un entier relatif
tel que leur produit soit strictement plus grand que 1 ∫. Puis π Pour tout entier n, il
existe un unique réel x tel que ex égale n ∫.
56
Travaux Dirigés : Notion de Logique et d’Ensemble-Applications-Groupes-Anneaux-Corps
7. Pour tous nombres réels x, y, on a cosinus de x supérieur ou égal à ≠1 et cosinus de x

inférieur ou égal à 1.
Exercice 2
Soient A = {0 , 1 , 3 , 5, }, B = {1 , 2, 4} et C = {a, b, c} trois ensembles.
1. Déterminer B Õ = {A (B), AÕ = {B (A)
2. Déterminer A fi AÕ et B fi B Õ que peut-on conclure de A fi AÕ , de B fi B Õ et de A fi B.
3. Déterminer A fl AÕ , B fl B Õ que peut-on conclure de A fl AÕ et aussi de B fl B Õ .
4. Déterminer l’ensemble obtenu par le produit cartésien B ◊ C.
5. Déterminer l’ensemble des parties de B et de C.
Exercice 3
1. Soit
f, g : ]1, +Œ[ ≠æ ]1, +Œ[
x+1
x ‘≠æ f (x) = g(x) =
x≠1
(a) f est-elle
• injective ?
• surjective ?
• bijective ?
(b) A-t-on gof = f og ?
(c) Que peut-on conclure ?
2. Soit
f : [1, +Œ[ ≠æ [0, +Œ[
x ‘≠æ f (x) = x2 ≠ 1
f est-elle bijective ?
Exercice 4
1. On muni R de la loi de composition interne ú définie par :
’x, y œ R, x ú y = xy + (x2 ≠ 1)(y 2 ≠ 1).
Montrer que ú est commutative, non associative et que 1 est l’élément neutre.
57 A. A. Koné
Travaux Dirigés : Notion de Logique et d’Ensemble-Applications-Groupes-Anneaux-Corps
2. On muni R+ú de la loi de composition interne ú définie par :

Ò
+ú
’x, y œ R , xúy = x2 + y 2 .
Montrer que ú est commutative, associative et que 0 est élément neutre. Montrer
qu’aucun élément de R+ú n’a de symétrique pour ú.
3. On muni R de la loi de composition interne ú définie par :

Ò
’x, y œ R, x ú y = 3
x3 + y 3 .
Montrer que l’application x ‘æ x3 est un isomorphisme de (R, ú) vers (R, +). En déduire
que (R, ú) est un groupe commutatif.
Exercice 5
Soit G = Rú ◊ R et ú la loi dans G définie par (x, y) ú (xÕ , y Õ ) = (xxÕ , xy Õ + y)
1. Montrer que (G, ú) est un groupe non commutatif.
2. Montrer que (]0, +Œ[ ◊ R, ú) est un sous-groupe de (G, ú)
Exercice 6
On muni A = R ◊ R de deux lois définies par :
(x, y) + (xÕ , y Õ ) = (x + xÕ , y + y Õ ) et (x, y) ú (xÕ , y Õ ) = (xxÕ , xy Õ + xÕ y)
1. Montrer que (A, +) est un groupe commutatif.
2. (a) Montrer que la loi ú est commutative
(b) Montrer que ú est associative.
(c) Déterminer l’élément neutre de A pour la loi ú.
(d) Montrer que (A, +, ú) est un anneau commutatif
Exercice 7
Démontrer que tout anneau intègre fini est un corps.
58 A. A. Koné
CHAPITRE 7
ESPACES VECTORIELS
7.1 n-uplets de Rn
Rn est un espace vectoriel sur K(n > 1). Les vecteurs sont les n-uplets (x1 , . . . , xn ) d’élé-
ments de K.
7.1.1 Interprétation géométrique des n-uplets de Rn

1. n-uplets vu comme un point
— Sur une droite
— Dans un plan
— Dans l’espace
2. n-uplets vu comme un vecteur
— Sur une droite
— Dans un plan
— Dans l’espace
7.1.2 Opérations sur les n-uplets de Rn

soient ⁄, µ œ R et x, y, z œ Rn
• x + y = (x1 + y1 , . . . , xn + yn ) œ Rn
59
Espaces vectoriels.
• ⁄x = (⁄x1 , . . . , ⁄xn ) œ Rn
• 0Rn + x = (0 + x1 , . . . , 0 + xn ) = (x1 , . . . , xn ) = x
• x + (≠x) = (x1 , . . . , xn ) + (≠x1 , . . . , ≠xn ) = (x1 ≠ x1 , . . . , xn ≠ xn ) = (0, . . . , 0) = 0Rn
• 1 · x = 1 · (x1 , . . . , xn ) = (x1 , . . . , xn ) = x
• ⁄ · (x + y) = ⁄ · x + ⁄ · y = (⁄ · x1 + ⁄ · y1 , . . . , ⁄ · xn + ⁄yn )
• (⁄ + µ) · x = ⁄ · x + µ · x = (⁄ · x1 + µ · x1 , . . . , ⁄ · xn + µ · xn )
Exemple 7.1.1. prendre un exemple concret en prenant des vecteurs de R2 ou de R3 et

aussi avec des scalaires de R.
Dans ce chapitre, K désigne R ou C.
7.2 Structure d’espace vectoriel sur K

Définition 7.2.1. On appelle espace vectoriel sur K ou K - espace vectoriel noté (E, +, ·), tout
ensemble E non vide muni d’une loi interne (+) et d’une loi externe (·) appelée multiplication
par un scalaire telles que :
I (E, +) soit un groupe commutatif (abélien), c’est-à-dire :
• ’u, v œ E, u + v = v + u.
• ’u, v, w œ E, u + (v + w) = (u + v) + w.
• ÷0E œ E (élément neutre de E) , ’u œ E, u + 0E = u.
• ’u œ E, ÷v œ E, u + v = 0E .
I et la multiplication par un scalaire, ⁄ · u œ E pour ⁄ œ R et u œ E, vérifie :
• ’u œ E, 1 · u = u.
• ’⁄ œ R, ’u, v œ E, ⁄ · (u + v) = ⁄ · u + ⁄ · v.
• ’⁄, µ œ R, ’u œ E, (⁄ + µ) · u = ⁄ · u + µ · u et ⁄ · (µ · u) = (⁄ · µ) · u.
Exemple 7.2.2. Vecteurs du plan, de l’espace, de Rn ,. . .
7.3 Sous-espace vectoriel

Définition 7.3.1. F µ E est un sous-espace vectoriel (s.v.e.) si F est muni des mêmes lois,
(F, +, ·) reste un K-espace vectoriel, ce qui s’avère vrai si et seulement si : F est non vide et
stable pour la loi (+) et pour la loi (·) c’est-à-dire
60 A. A. Koné
Espaces vectoriels.
• 0E œ F
• et ’⁄ œ R, ’u, v œ F, ⁄ · u + µ · v œ F .
Rémarque 7.3.2.
— {0E } et E sont des sous espaces vectoriels de E.
— L’abréviation de sous espace vectoriel est s.e.v
— On omettra le · dans ⁄ · u par ⁄u avec ⁄ œ R et u œ Rn .
7.3.1 Caractérisation des s.e.v
F est un s.e.v du K-e.v. E ssi :
• F µE;
• F ”= ÿ ;
• F stable par combinaison linéaire i.e. ’(x, y) œ F 2 , ’(⁄, µ) œ K2 : ⁄x + µy œ F .
Proposition 7.3.3. Si E est un K-e.v. alors 0E appartient à tous les s.e.v de E.
Si 0E œ
/ F alors F n’est pas un s.e.v de E.
Exemple 7.3.4. Les droites vectorielles et plans vectoriels sont des s.e.v de l’e.v des vecteurs
de l’espace.
Proposition 7.3.5. Si F et G sont deux s.e.v de E, alors F fl G est un s.e.v de E.
Démonstration.
• F fl G µ E car F µ E et G µ E.
• F et G étant deux s.e.v de E alors 0E œ F et 0E œ G. On en déduit que 0E œ F fl G. Donc

F fl G ”= ÿ
• Soit u, v œ F fl G et soit –, — œ K.
Z
_
u, v œ F =∆ –u + —v œ F ^
=∆ –u + —v œ F fl G.
u, v œ G =∆ –u + —v œ G _
\
61 A. A. Koné
Espaces vectoriels.
7.4 Familles de vecteurs
7.4.1 Combinaison linéaire

Soit E un K-e.v. et S = (u1 , . . . , up ) une famille de p vecteurs de E. u œ E est dit
combinaison linéaire des p vecteurs du S s’il existe p scalaires –1 , . . . , –p tels que :
p
ÿ
u = –1 u1 + · + –p up = –j uj .
j=1
On dit aussi que u se décompose suivant S . Les –1 , . . . , –p sont des coefficients (de la
combinaison linéaire ci-dessus).
Exemple 7.4.1. Soit E = R3 .

u1 = (1, 3, 2), u2 = (≠2, 1, ≠3), u3 = (5, 0, 9).
–1 u1 + –2 u2 + –3 u3 = (–1 ≠ 2–2 + 5–3 ; 2–1 + –2 ; 3–1 ≠ 3–2 + 9–3 ).
Donc un vecteur (x, y, z) est une combinaison linéaire de u1 , u2 , u3 ssi il existe –1 , –2 , –3

réels tels que : Y
_
_
_
_ –1 ≠ 2–2 + 5–3 = x
]
_ 2–1 + –2 = y
_
_
_
[ 3–1 ≠ 3–2 + 9–3 = z
On effectue des combinaisons des lignes de ce système d’équation et on en déduit qu’il faut et
suffit que ≠9x ≠ 3y + 5z = 0.
Par exemple (≠1, 3, 0) est une combinaison linéaire de u1 , u2 , u3 et (1, 1, 1) ne l’est pas.
7.4.2 Sous-espace vectoriel engendré par une famille de vecteurs

Théorème 7.4.2. Soit S = (u1 , . . . , up ) une famille de p vecteurs d’un K-e.v. E. L’ensemble
des combinaisons linéaires des p vecteurs de S est un s.e.v de E appelé sous espace vectoriel
engendré par S et noté par V ect(S )ou V ect(u1 , . . . , up ).
Exemple 7.4.3. Considérer les trois vecteurs u1 , u2 , u3 de l’exemple qui précède. On montre
facilement que :
V ect(u1 , u2 , u3 ) = {(x, y, z) œ R3 ; ≠9x ≠ 3y + 5z = 0}
Rémarque 7.4.4. Tout s.e.v de E qui contient des p vecteurs u1 , . . . , up contient aussi
V ect(u1 , . . . , up )
62 A. A. Koné
Espaces vectoriels.
7.4.3 Famille libre, famille liée - famille génératrice

a. Famille libre
Soient E un e.v et F = {˛v1 ,˛v2 , . . . ,˛vn } une famille de vecteurs de E.
On dit que la famille F est libre ou que les vecteurs ˛v1 ,˛v2 , . . . ,˛vn sont linéairement
indépendants si :
n
ÿ
’(–1 , –2 , . . . , –n ) œ Kn ; –i˛vi = ˛0 =∆ –1 = –2 = · · · = –n = 0.
i=1
b. Famille liée
La famille F est dite liée ou les vecteurs ˛v1 ,˛v2 , . . . ,˛vn sont linéairement dépendants si
n
ÿ
÷(–1 , –2 , . . . , –n ) œ K ;
n
–i˛vi = ˛0 avec les –i non tous nuls .
i=1
c. Famille génératrice
On dit que la famille F est génératrice, ou qu’elle engendre E, si
n
ÿ
’˛v œ E; ÷(–1 , –2 , . . . , –n ) œ Kn ; ˛v = –i˛vi .
i=1
7.4.4 Base, dimension

On appelle base d’un e.v, toute famille finie qui est à la fois libre et génératrice.
Le cardinal de la base est alors appelé dimension de l’e.v.
Théorème 7.4.5. Soient E un e.v de dimension n, et F une famille de n vecteurs de E.

Les propositions suivantes sont équivalentes :
(i) F est libre,
(ii) F est génératrice,
(iii) F est une base de E.
Théorème 7.4.6. Soient E un e.v de dimension n, et F un s.e.v de E tel que dim F = n.

Alors F = E.
7.4.5 s.e.v engendré par une famille

Soient E un e.v, et F = {˛v1 ,˛v2 , . . . ,˛vn } une famille de E. On appelle s.e.v engendré par la
famille F et on note < ˛v1 , . . . ,˛vn >, le plus petit s.e.v de E contenant F .
n
ÿ
˛v œ< ˛v1 , . . . ,˛vn >≈= ÷(–1 , . . . , –n ) œ K ; ˛v =
n
–i˛vi .
i=1
63 A. A. Koné
Espaces vectoriels.
7.4.6 Rang d’une famille de vecteurs
Soient E un e.v, et F = {˛v1 , . . . ,˛vn } une famille de vecteurs de E. Le rang de la famille F

est la dimension de < ˛v1 , . . . ,˛vn > ; on le note rg(F ).
Théorème 7.4.7. Soient E1 et E2 deux s.e.v de dimension finie d’un e.v E. E1 ◊ E2 est un
s.e.v de E, et dim (E1 ◊ E2 ) =dim E1 +dim E2 .
7.4.7 Somme de deux s.e.v
Soient E un e.v et E1 , E2 deux s.e.v de E. On note :
E1 + E2 = {˛v œ E; ÷(˛v1 ,˛v2 ) œ E1 ◊ E2 ; ˛v = ˛v1 +˛v2 }.
E1 + E2 , s.e.v de E est appelé somme des s.e.v E1 et E2 .
Théorème 7.4.8. Soient E1 et E2 deux s.e.v d’un e.v E

dim E1 + E2 = dim E1 + dim E2 - dim E1 fl E2
7.4.8 S.e.v supplémentaires, somme directe
Soient E un e.v, et E1 , E2 deux s.e.v de E. On dit que les s.e.v E1 et E2 sont supplémen-
taires si :
(i) E = E1 + E2
(ii) E1 fl E2 = {˛0}.
On note alors E = E1 ü E2 et on dit que la somme est directe
7.4.9 Noyau et image d’un endomorphisme
Soit f un endomorphisme d’un e.v E.

On appelle noyau de f , et on note Kerf le s.e.v de E défini par :
Kerf = {x œ; f (x) = ˛0}
On appelle image de f , et note Imf , le s.e.v de E défini par :
Imf = {y œ E; ÷x œ E; y = f (x).}
64 A. A. Koné
Espaces vectoriels.
Théorème 7.4.9. Soient E un e.v de dimension n muni d’une base (e1 , . . . , en ), et f un

endomorphisme de E.
Alors
Imf =< f (e1 ), . . . , f (en ) >
Théorème 7.4.10. Soient E un e.v de dimension finie et f un endomorphisme de E

Les propositions suivantes sont équivalentes :
(i) f est injective, c’est-à-dire Kerf = {˛0},
(ii) f est surjective, c’est-à-dire Imf = E,
(iii) f est bijective.
Théorème 7.4.11. Soient E et F deux e.v de dimension finie, et f une application linéaire
de E vers F .
Alors dim Kerf + dim Imf = dim E.
7.4.10 Rang d’un endomorphisme

Soient E un e.v, et f un endomorphisme de E. On appelle rang de f , et note rg(f ), le
réel :
rg(f ) = dim Imf.
65 A. A. Koné
TRAVAUX DIRIGÉS
Travaux Dirigés (TD-No 2)
Exercices
Exercice 2.1.1
Soit E = {(x, y) œ R2 ; 2x ≠ 3y = 0}.
1. Montrer que E est un espace vectoriel réel.
2. Montrer que le vecteur w

˛ = (3, 2) engendre E ; en déduire la dimension de E.
Exercice 2.1.2
Soit E un espace vectoriel. Que peut-on dire d’une famille de vecteurs de E contenant le
vecteur nul ?
Exercice 2.1.3
Les vecteurs de R3 suivants sont-ils libres ?
u˛1 = (≠1, 2, 3), u˛2 = (2, 5, 7), u˛3 = (4, 1, 1)
Exercice 2.1.4
Soit E = {(x, y, z) œ R3 ; 2x ≠ y + 3z = 0}.
1. Montrer que E est un espace vectoriel.
66
Travaux Dirigés du chapitre 7
2. Préciser la dimension et une base de E.
Exercice 2.1.5
On pose
F = {(x, y, z) œ R3 ; x ≠ y ≠ z = 0}
G = {(x, y, z) œ R3 ; 2x + y ≠ 3z = 0}
1. Montrer que F fl G est un espace vectoriel.
2. Préciser la dimension et une base de F fl G.
Exercice 2.1.6
Dans l’espace vectoriel R5 , étudier le rang des vecteurs suivants :
v˛1 = (1, 1, ≠2, 2, 1), v˛2 = (1, 2, ≠3, ≠2, ≠1), v˛3 = (2, 3, 1, 5, ≠1), v˛4 = (≠2, ≠5, 19, 18, 2)
1. On pose : F =< v˛1 , v˛2 , v˛3 , v˛4 >. Déterminer une base B de F .
2. Déterminer les réels – et — tels que : ˛v (3, 2, 1, –, —) œ F .

préciser les coordonnées de ˛v dans la base B.
67 A. A. Koné
CHAPITRE 8
APPLICATIONS LINÉAIRES
8.1 Définitions et exemples
8.1.1 Définitions
On désigne par K un corps commutatif représentant ici R ou C.
Soient E et F deux espaces vectoriels sur K et f une application de E dans F . On dit que f
est linéaire (ou K-linéaire) si les deux conditions suivantes sont vérifiées
1. ’(x, y) œ E 2 , f (x, y) = f (x) + f (y)
2. ’(⁄, x) œ K ◊ E, f (⁄x) = ⁄f (x)
ou de façon condenée, f est linéaire si la seule condition suivante est verifiée :
’(x, y) œ E 2 , ’⁄ œ K, f (x + ⁄y) = f (x) + ⁄f (y)
Rémarque 8.1.1. Les conditions (1) et (2) signifient qu’une application linéaire entre deux
espaces vectoriels est simplement un morphisme d’espace vectoriels.
⌥ Une application linéaire et bijective est appelée un isomorphisme d’espace vectoriels.
⌥ Une application linéaire de E dans E est appelée un endomorphisme de E.
⌥ Un endomorphisme bijectif de E dans E est appelé un automorphisme de E
⌥ Une application Linéaire de E dans K est appelée une forme linéaire sur E.
Exemple 8.1.2. Formes linéaires
68
Applications linéaires.
1. Soit
f : R2 ≠æ R3
(x, y) ‘≠æ f (x, y) = (x, x + y, y).
2. Soit E un K-ev. et – œ R. On définit de E dans E l’application suivante
h– : E ≠æ E
x ‘≠æ h– (x) = –x
Alors h– s’appelle une homothétie vectorielle de rapport –. h– est un endomorphisme

de E ; c’est un automorphisme de E si et seulement si – ”= 0.
3. Soit
f : R3 ≠æ R2
(x, y, z) ‘≠æ f (x, y, z) = (x + y + z, 2x + y ≠ z).
Notations
• L (E, F ) : ensemble des applications linéaires de E dans F ;
• L (E) : ensemble des endomorphismes de E ;
• GL(E) : ensemble des automorphismes de E ;
• E ú : ensemble des formes linéaires sur E ;
Rémarque 8.1.3. Quelques remarques importantes

⌅ L (E, F ), muni de l’addition et de la multiplication par un scalaire est un espace
vectoriel sur K.
⌅ L (E, F ), muni de l’addition et de la composition des applications est un anneau unitaire
non commutatif.
8.2 Conséquence de la définition

Soient E et F deux K-ev. et f dans L (E, F ). Alors on a :
(i) f (0E ) = 0F .
(ii) ’x œ E, f (≠x) = ≠f (x).
(iii) ’(x, y) œ E 2 , f (x ≠ y) = f (x) ≠ f (y).
Proposition 8.2.1. E et F étant deux K-ev., S étant une partie de E et f un élément de

L (E, F ), alors on a : V ect(f (S)) = f (V ect(S)).
69 A. A. Koné
8.3 Image réciproque d’un s.e.v-Noyau d’une application linéaire
Soient E et F deux K-ev. et f un élément de L (E, F ). Pour tout s.e.v H de F , on définit

l’image réciproque de H par f , notée f ≠1 (H), de la manière suivante :
f ≠1 (H) = {x œ E/f (x) œ H}.
c’est un s.e.v de E. En particulier f ≠1 ({0F }), l’image réciproque du vecteur nul de F , s’appelle
le noyau de l’application linéaire f . On le note Ker(f ) où
Ker(f ) = {x œ E/f (x) = 0F }
c’est l’ensemble des vecteurs de E qui ont pour image par f le vecteur nul de F .
Proposition 8.3.1. E et F étant deux K-ev. et f un élément de L (E, F ), alors Ker(f )

est un s.e.v de E.
Proposition 8.3.2. E et F étant deux K-ev. et f un élément de L (E, F ), alors f est

injective si et seulement si Ker(f ) = {0E }.
Proposition 8.3.3. E et F étant deux K-ev. et f un élément de L (E, F ). On suppose que

f est injective. Alors l’image par f d’une partie libre de E est une partie libre de F . En
d’autre terme : lorsque f est injective on a :
{L libre dnas E} =∆ {f (L) libre dans F }
Exemple 8.3.4. Exemple d’application
1. Déterminer le noyau de chacune des trois prémières applications qui ont été données
en exemple 8.1.2
2. Soit
f : R3 ≠æ R2
(x, y, z) ‘≠æ f (x, y, z) = (x ≠ y + z, x ≠ z).
Montrer que f est linéaire et déterminer son noyau.
3. Soit
f : R3 ≠æ R2
(x, y, z) ‘≠æ f (x, y, z) = (≠2x + y + z, x ≠ 2y + z).
a) Montrer que f est une application linéaire
b) Déterminer Ker(f ).
70 A. A. Koné
8.4 Image directe d’un s.e.v-Image d’une application linéaire.
Soient E et F deux K-ev. et f un élément de L (E, F ). Pour tout s.e.v G de E, on définit

l’image directe de G par f , notée f (G), de la manière suivante :
f (G) = {y œ F/÷x œ G : f (x) = y} = {f (x)/x œ G}.
C’est un s.e.v de F . En particulier f (E), l’image directe de E par f est appelée l’image de f .
On le note Im(f ) ou Imf . Donc par définition :
Im(f ) = {f (x)/x œ E}.
Proposition 8.4.1. E et F étant deux K-ev. et f un élément de L (E, F ), alors Im(f ) est
un s.e.v de F .
Proposition 8.4.2. E et F étant deux K-ev. et f un élément de L (E, F ). Alors f est

surjective si et seulement si Im(f ) = F .
Proposition 8.4.3. E et F étant deux K-ev. et f un élément de L (E, F ). Alors l’image

par f d’une partie génératrice de E est une partie génératrice de Im(f ). En d’autre terme
on a :
{S génératrice de E} =∆ {f (S) génératrice de Im(f )}.
En particulier lorsque f est surjective :
{S génératrice de E} =∆ {f (S) génératrice de F }.
Proposition 8.4.4. E et F étant deux K-ev. et f un élément de L (E, F ). Alors f est

isomorphisme si et seulement si l’image par f d’une base de E est une base de F . En d’autre
terme on a :
f { isomorphisme } =∆ {’B base de E, f (B) est une base de f }
8.5 Projecteur et Symétrie

Définition 8.5.1. Soit E un K-ev. et p un endomorphisme de E. On dit que p est un
projecteur de E lorsque p ¶ p = p (on dit aussi que p est un endomorphisme idempotent).
71 A. A. Koné
Etant donné un projecteur p sur E, on dit que p est la projection sur Im(p) parallelement
à Ker(p). Noter qu’en générale, pour un endomorphisme quelconque d’un espace vectoriel E,
son noyau et son image ne sont pas forcement supplémentaires dans E. C’est une particularité
des projecteurs comme l’indique le théorème suivant :
Théorème 8.5.2. Soit p un projecteur de E. Alors : E = Im(p) ü Ker(p). La réciproque

n’est pas exacte.
Dans la pratique, et pour aller dans l’autre sens, supposons que E1 et E2 sont deux sous
espaces vectoriels supplémentaires dans E : E = E1 ü E2 . Cela permet de définir la projection
p1 sur E1 parallèlement à E2 et la projection p2 parallèlement à E1 . Dans ce cas, on a :
p1 + p2 = IdE . En effet, comme tout vecteur x œ E peut se décomposer de manière unique
sous la forme : x = x1 + x2 où x1 œ E1 et x2 œ E2 , on pose tout simplement : p1 (x) = x1 et
p2 (x) = x2 et tout le reste devient évident.
Théorème 8.5.3. Si p est un projecteur de E, alors : Im(p) = {x œ E : p(x) = x}.
Définition 8.5.4. Soit E un K-ev. et s un endomorphisme de E. On dit que s est une symétrie
lorsque s ¶ s = IdE (on dit aussi que s est un endomorphisme involutif ou involution).
Rémarque 8.5.5. Il est facile de remarquer qu’une symétrie est inversible et réciproque
d’elle même.
8.6 Application linéaire en dimension finie

Proposition 8.6.1. Soient E et F deux K-ev et f un élément de L (E, F ). Soit G un s.e.v. de
E de dimension finie. Alors f (G) est de dimension finie et dim(f (G)) 6 dim(G) avec égalité
si f est injective. En particulier, si E est de dimension finie, alors dim(Im(f )) 6 dim(E)
8.6.1 Rang d’une application linéaire

Définition 8.6.2. Soient E et F deux K-ev et f un élément de L (E, F ). On appelle rang
de f et noté rg(f ), la dimension de Im(f ). On a donc : rg(f ) = dim(Im(f )).
Proposition 8.6.3. Soient E et F deux K-ev et f un élément de L (E, F ).
(i) rg(f ) 6 dim(F )
(ii) rg(f ) = dim(F ) si et seulement si f est surjective.
72 A. A. Koné
(iii) Soit (e1 , e2 , · · · , en ) une base de E,
rg(f ) = rg(f (e1 ), f (e2 ), · · · , f (en )).
(iv) rg(f ) 6 dim(E).
Théorème 8.6.4. (théorème du rang). Soient E et F deux K-ev et f un élément de L (E, F ).

Alors : dim(Ker(f )) + rg(f ) = dim(E).
8.6.2 Caractérisation des isomorphismes

Théorème 8.6.5. Soient E et F deux K-ev de dimension finie égale à n, et soit f un élément
de L (E, F ). Alors :
{ f est bijective } ≈∆ { f est injective } ≈∆ { f est surjective }
Proposition 8.6.6. Soient E et F deux K-ev et f un élément de L (E, F ). Si f est un

isomorphisme alors :
(i) f ≠1 est un isomorphisme de F dans E
(ii) dim(E) = dim(F ).
8.6.3 Matrice d’une application linéaire

Définition de la matrice d’une application linéaire
Soient E un e.v. de dimension finie p > 1 et F un e.v de dimension finie n > 1. On

note B = (e1 , e2 , · · · , ep ) une base de E et C = (’1 , ’2 , · · · , ’n ) une base de F . On a vu
qu’une application linéaire était déterminée par les images des vecteurs d’une base. Donc, si
f : E æ F est une application linéaire, elle est déterminée par les vecteurs f (e1 ), · · · , f (ep ).
Chacun de ces vecteurs est défini par ses coordonnées dans la base C. La notation de ces
coordonnées nécessite un double indice. On notera aij la iième coordonnée dans la base C
de l’image f (ej ) du j ième vecteur de la base B. Ces np coefficients sont regroupés dans un
tableau de n lignes et de p colonnes, appelé matrice de l’application linéaire f relativement
aux bases B et C qu’on présente de la façon suivante :
Q R
a
c 11
a12 · · · a1p d
c d
c a21 a22 · · · a2p d
c d
c . .. .. .. d
c . .
c . . . d
d
a b
an1 an2 · · · anp
73 A. A. Koné
Exemple 8.6.7. Si B = (e1 , e2 , e3 ) est la base canonique de R3 , et si C = (’1 , ’2 ) est

la base canonique de R2 l’application linéaire f : R3 æ R2 définie par f (e1 ) = 2’1 ≠ ’2 ,
f (e2 ) = 5’2 , f (e3 ) = ≠’1 + 3’2 a pour matrice
Q R
c 2 0 ≠ 1 d
a b
≠ 1 5 3
Rémarque 8.6.8. On met en colonnes les images des vecteurs de la base de « départ» repérés
dans la base « d’arrivée». La matrice de f dépend des bases B et C et on notera M (f, B, C)
ou mat(f ; B, C) ce qu’on abrégera en M (f ) ou mat(f ) quand il n’y aura pas d’ambiguité sur
les bases.
Le plus souvent, on utilisera une seule lettre pour désigner une matrice : on dira, par
exemple, la matrice A de f par rapport aux bases B et C. Pour indiquer les coefficients de
A, on écrira A = (aij )16i6n, 16j6p en supprimant la mention des bornes de variations des
indices i et j dès que cela ne créera pas de confusion.
Importance de l’ordre des vecteurs dans une base
On voit tout de suite que la matrice d’une application linéaire ne sera pas la même suivant
l’ordre dans lequel on prend les vecteurs de B et l’ordre dans lequel on prend les vecteurs de
C. Dans l’exemple précédent, posons B Õ = (e3 , e1 , e2 ) et C Õ = (’2 , ’1 ). On a :
Q R
c 3 ≠ 1 5 d
M (f, B Õ , C Õ ) = a b
≠ 1 2 0
Image d’un vecteur par une application linéaire
Matrice d’un vecteur

Soient E un espace vectoriel de dimension p muni d’une base B = (e1 , · · · , ep ) et u un
vecteur de E. u définit une application linéaire
lu : R æ E
telle que lu (1) = u. La matrice U = M (lu , B0 , B) est la matrice formée par les coordonnées
(u1 , · · · , up ) de u dans la base B : Q R
c u1 d
c .. d
U =c
c . d
d
a b
up
74 A. A. Koné
avec B0 la base canonique.

Conservons les notations précédentes et soit maintenant F un e.v de dimension n muni
d’une base C = (’1 , · · · , ’n ) et f : E æ F une application linéaire.
On pose A = M (f, B, C) = (aij ). Comment trouver avec U et A la matrice V telle que
V = M (lf (u) , B0 , C) ?
On vient de voir que V est la matrice colonne formée par les coordonnées (v1 , · · · , vn ) de
v = f (u) dans la base C. Comme :
p
ÿ p
ÿ
f (u) = f ( uj ej ) = uj f (ej )
j=1 j=1
p
ÿ n
ÿ p
n ÿ
ÿ
uj ( aij ’i ) = ( aij uj )’i .
j=1 i=1 i=1 j=1
qp
On a vi = j=1 aij uj .
On voit que vi s’obtient en prenant les termes de la iième ligne de A et en les multipliant
par les termes de U de même rang puis en faisant laq somme de ces produits.
Nous écrivons
V = AU
Q R
Q R a a12 · · · a1p Q R
v c 11 d u1
c 1 d c dc d
c . d c a21 a22 · · · a2p dc
.. d
c .
V =c . d
c
d = AU = c
dc
. d
c .. .. . . . .. dc d
c . . .
a b da b
d
vp a b up
an1 an2 · · · anp
Q R
2 d
b de R2 par l’application linéaire de R2 æ R3 définie
c
Par exemple, l’image du vecteur a
3
Q R Q R Q R
c 1 ≠ 1 d c 1 ≠ 1 dQ R c ≠ 1 d
c d c dc 2 d c d
par la matrice c
c 3 ≠ 2 d est V = c
d
c 3 ≠ 2 d
da b=c
c 0 d
d.
a b a b 3 a b
≠ 2 2 ≠ 2 2 2
75 A. A. Koné
TRAVAUX DIRIGÉS
8.7 Exercices
Exercice 8.1.1
Soit f : R3 æ R2 définie pour tout vecteur u = (x, y, z) œ R3 par :
f (u) = (≠2x + y + z, x ≠ 2y + z)
1. Montrer que f est une application linéaire.

2. Donner une base de Ker(f ), en déduire dim(Im(f )).
3. Donner une base de Im(f ).
Exercice 8.1.2
On considère l’application h : R2 æ R2 définie par :
f (u) = (x ≠ y, ≠3x + 3y)
1. Montrer que h est une application linéaire.

2. Montrer que h n’est ni injective ni surjective.
3. Donner une base de son noyau une base son image.
Exercice 8.1.3
Soit f l’application linéaire f : R3 æ R3 définie par :
f (x, y, z) = (x ≠ z, 2x + y ≠ 3z, ≠y + 2z)
et soit (e1 , e2 , e3 ) la base canonique de R3 .
76
Travaux Dirigés des chapitres 8
1. Calculer f (e1 ), f (e2 ) et f (e3 ).
2. Déterminer les coordonnées de f (e1 ), f (e2 ) et f (e3 ) dans la base canonique.
3. Calculer une base de Ker(f ) et une base de Im(f ).
Exercice 8.1.4
Soit f un endomorphisme de R3 dont l’image de la base canonique — = (e1 , e2 , e3 ) est :
f (e1 ) = ≠7e1 ≠ 6e2 , f (e2 ) = 8e1 + 7e2 , f (e3 ) = 6e1 + 6e2 ≠ e3
1. Pour tout vecteur u = xe1 + ye2 + ze3 déterminer f ¶ f (u).
2. En déduire que f est inversible (c’est-à-dire bijective) et déterminer f ≠1 .
Exercice 8.1.5
Soit f : R4 æ R4 définie pour tout (x, y, z, t) œ R4 par
f (x, y, z, t) = (x ≠ 2y, x ≠ 2y, 0, x ≠ y ≠ z ≠ t)
1. Montrer que f est une application linéaire.
2. Déterminer le noyau et l’image de f .
3. A-t-on Ker(f ) ü Im(f ) = R4 ?
Exercice 8.1.6
Soit B = (e1 , e2 , e3 , e4 ) la base canonique de R4 et B Õ = (f1 , f2 , f3 ) la base canonique
de R3 .
Soit u : R4 æ R3 une application linéaire définie par
u(e1 ) = f1 ≠ f2 + 2f3 , u(e2 ) = 2f1 + f2 ≠ 3f3 , u(e3 ) = 3f1 ≠ f3 et u(e4 ) = ≠f1 ≠ 2f2 + 5f3
1. Déterminer l’image par u d’un vecteur x = (x1 , x2 , x3 , x4 )
2. Déterminer une base de Ker(u) et sa dimension.
3. Déterminer une base de Im(u) et sa dimension.
Exercice 8.1.7
Soit f : R4 æ R l’application définie pour tout x = (x1 , x2 , x3 , x4 ) œ R4 par
f (x) = x1 + x2 + x3 + x4 .
On appelle B = (e1 , e2 , e3 , e4 ) la base canonique de R4 .
77 A. A. Koné
Travaux Dirigés des chapitres 8
1. Calculer l’image des vecteurs de la base canonique par f . En déduire la dimension de

Im(f ).
2. Déterminer la dimension de Ker(f ) et en donner une base.
Exercice 8.1.8
Soit f une application de R2 dans R2 définie par : f (x1 , x2 ) = (x1 ≠ x2 , x1 + x2 ) et
B = (e1 , e2 ) la base canonique de R2 .
1. Montrer que f est une endomorphisme de R2 .
2. Déterminer la matrice A de f dans la base B.
3. a) Déterminer le noyau et l’image de f .
b) En déduire que f est inversible.
c) Déterminer f ≠1 dans la base B, en déduire A≠1 .
4. Montrer que A = RH.

Où H est la matrice d’une homothétie dont on donnera le rapport et R est la matrice
d’une rotation dont on donnera l’angle.
Soit a = e1 + e2 et b = e1 ≠ e2 deux vecteurs de R2 . On pose B Õ = (a, b).
5. Montrer que B Õ = (a, b) est une base de R2 .
6. Calculer f (a) et f (b).
7. Déterminer la matrice de f dans la base B Õ .
78 A. A. Koné

Algebre 1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algebre 1

Transféré par

Droits d'auteur :

Formats disponibles

Cours : d’Algèbre

Première Année Licence L1 ≠ S1 - E.N.I-A.B.T

2.7.2 Classe d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3 Calcul dans l’espace vectoriel normé 17

4 Groupes, anneaux et corps 35

5.2.2 Inverse d’un nombre complexe, quotient dans C . . . . . . . . . . . . 42

6 Polynômes et fractions rationnelles 47

7.4.5 s.e.v engendré par une famille . . . . . . . . . . . . . . . . . . . . . . 63

1.1 Introduction à la logique mathématique

• Proposition un résultat mathématique retenu ;

• Lemme mineur résultat apparaissant éventuellement dans le préambule de résultats

• Théorème résultats majeurs importants.

• Corollaire Conséquence auxilière issue de résultats majeurs importants.

• Définition Enoncé explicitant un nouvel objet mathématique.

• Logique Mathématique Peut être vue comme un ensemble de règles rationnelles

1.1.1 Assertion et prédicat

vraie (V) ou fausse (F),

mais jamais les deux à la fois. Cest le principe du tiers-exclu.

1. π Bamako est la capitale du Mali∫ est une assertion vraie.

2. L’assertion π 3 est un nombre impair∫ est vrai et π 4 est un nombre premier ∫

Un prédicat contenant la variable x sera noté P (x) pour marque la dépendance de sa

L’énoncé P (x) défini par π x est multiple de 3 ∫

• l’assertion P (6) définie par π 6 est un multiple de 3 ∫ obtenue en remplaçant x

• l’assertion P (8) définie par π 8 est un multiple de 3 ∫ obtenue en remplaçant x

2. L’énoncé P (x, E) défini par π x œ E ∫ est un prédicat à deux variables. On obtient

1.2 Connecteurs logiques

Définition 1.2.1. Les connecteurs logiques permettent de construire de nouveaux énoncés à

1. non : non(A) et vrai si et seulement si (A) est faux.

4. implique ( en symbole ∆) : (A) =∆ (B) est vrai si et seulement si chaque fois

5. équivaut (en symbole ≈∆) : (A) ≈∆ (B) est vrai si et seulement si

(A) (B) non(A) (A) =∆ (B) non(A) ou (B)

Faire pour A et B, A ou B, non(A et B), non(A ou B), A ou exclusif B, A ≈∆ B.

• Le connecteur non (la négation) sera notée par ¬ ou ≠

Exemple 1.2.3. non(P ) se note ¬ P ou P .

• Le connecteur et (la conjonction) sera notée par ·

Exemple 1.2.4. P et Q se note P · Q.

• Le connecteur ou (la disjonction) sera notée par ‚

Exemple 1.2.5. P ou Q se note P ‚ Q.

Exemple 1.2.6. P =∆ Q peut se notée ¬ P ‚ Q.

Exemple 1.2.7. P … Q peut se notée (¬ P ‚ Q) · (P ‚¬ Q).

1.3 Propriétés des connecteurs logiques

6. ((P · Q) · R) … (P · (Q · R)). Associativité de ·

7. ((P ‚ Q) ‚ R) … (P ‚ (Q ‚ R)). Associativité de ‚

13. ¬ (P · Q) …¬ P ‚¬ Q. Lois de Morgan.

14. ¬ (P ‚ Q) …¬ P ·¬ Q. Lois de Morgan.

— Le symbole " ÷ " signifie qu’il existe, on appelle quantificateur existentiel.

1.4.1 Négation d’une proposition quantifiée

— La négation de ’x œ X, p(x) est ÷x œ X, non(p(x)).

1.5 Méthode de raisonnement mathématiques

((P ) =∆ (Q)) ≈∆ (non(Q) =∆ non(P ))

3. Raisonnement par l’absurde :

4. Raisonnement par contre exemple :

5. Raisonnement par récurrence :

2.1 Notion d’ensemble

— N : l’ensemble des entiers naturels

— R : l’ensemble des nombres réels

— Le plan P : l’ensemble des points.

— Ensemble vide : l’ensemble qui contient aucun élément ; on le note ÿ.

Rémarque 2.1.3. Si E est défini par une propriété P , on écrit

{x tel que P (x) est vraie }

Définition 2.1.4. Soient E un ensemble et x un objet.

2.1.1 Opération sur les ensembles

Soient E et F deux ensembles

• Inclusion : l’ensemble E est dit inclus dans F si et seulement si