UFR Hydraulique, Génie Rurale, Machinisme et Énergies Renouvelables

Année Universitaire : 2019-2020

Licence 1

Support de Cours d’algèbre

Dr Elhadji Ibrahima Thiam

23 juin 2020
Table des matières

1 Logique, Ensembles et Applications 3

1.1 Logique et Raisonnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Propositions et connecteurs logiques . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Théorie des ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Ensemble, Détermination d’un ensemble . . . . . . . . . . . . . . . . . . 11
1.2.2 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Les applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Notion d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Injection, surjection, bijection . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Image directe, Image réciproque . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.4 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2 Espace Vectoriel 20
2.1 Lois de composition et structure algébrique . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Lois de composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Structures algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Les Espaces Vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Sous-espaces Vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.1 Familles génératrices, libres, liées . . . . . . . . . . . . . . . . . . . . . . 27
2.3.2 Base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.3 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.4 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3 Applications linéaires, Matrices 31

3.1 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.2 Image et Noyau d’une application linéaire . . . . . . . . . . . . . . . . . 32
3.1.3 Applications linéaires particulières . . . . . . . . . . . . . . . . . . . . . . 33
3.1.4 Matrice associée à une application linéaire . . . . . . . . . . . . . . . . . 34
3.1.5 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Calcul Matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

1
4 Exercices complémentaires 45
4.1 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.1 TD1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1.2 CC1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.1 Test examen 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.2 Test examen 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

2
Chapitre 1

Logique, Ensembles et Applications

Sommaire
1.1 Logique et Raisonnement . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Propositions et connecteurs logiques . . . . . . . . . . . . . . . . . . . 4
1.1.2 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Théorie des ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Ensemble, Détermination d’un ensemble . . . . . . . . . . . . . . . . . 11
1.2.2 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Les applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Notion d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Injection, surjection, bijection . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Image directe, Image réciproque . . . . . . . . . . . . . . . . . . . . . 17
1.3.4 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3
1.1 Logique et Raisonnement
1.1.1 Propositions et connecteurs logiques
Propositions et quantificateurs
La logique mathématique a pour objet premier de déterminer les règles du raisonnement
correct. Les mathématiciens manipulent souvent des propositions dépendant d’une ou plusieurs
variables x, y, z, qui appartiennent à des ensembles bien définis X, Y , Z.

Définition 1.1
Une proposition logique est un énoncé qui a une syntaxe et un sens corrects. Une proposition
n’a qu’une seule valeur de vérité : Vrai (V) ou Faux (F). Deux propositions sont égales si elles
ont toujours la même valeur de vérité.

Par exemple, soit x un nombre réel, l’ensemble de référence est alors la droite réelle, tradi-
tionnellement notée R. Considérons la proposition p(x) suivante, qui dépend d’un nombre réel
x et qui est définie par :
p(x) : (x2 ≥ 0)
On sait que cette proposition est vraie pour toute valeur de x. On écrira alors pour tout réel x,
p(x) est vraie. Par contre la proposition q(x) définie par :
p(x) : (x2 ≥ 4)
n’est pas vrai pour tout x réel, mais puisque 32 = 9 > 4, il existe une valeur réelle x telle que
la proposition q(x) soit vraie (la valeur x = 3 convient, mais ce n’est évidemment pas la seule).
On écrira donc il existe un réel x tel que q(x) soit vraie.

Définition 1.2
Le symbole ∀ signifie "quel que soit", on l’appelle le quantificateur universel. Le symbole ∃
signifie "il existe", on l’appelle le quantificateur existentiel. On précisera toujours l’ensemble X
dans lequel l’élément x varie. On écrira donc
∀x ∈ X, p(x)
pour signifier la proposition "pour tout x dans X, p(x) est vraie" et
∃x ∈ X, p(x)
pour la proposition "il existe au moins un x dans X pour lequel p(x) est vraie.

Les exemples précédents peuvent ainsi se formuler comme suit :

∀x ∈ R, x2 ≥ 0 et ∃x ∈ R, x2 > 4.
Si l’on utilise deux fois le même quantificateur, l’ordre n’a pas d’importance.On peut per-
muter les quantificateurs dans des écritures du type :
∀x ∈ E, ∀y ∈ E p(x, y)
∃x ∈ E, ∃y ∈ E p(x, y)
Mais si les quantificateurs sont différents, leur ordre est important.
Dans l’écriture ∀x ∈ E, ∃y ∈ E p(x, y) y dépend de x.
Dans l’écriture ∃y ∈ E, ∀x ∈ E p(x, y) y est indépendant de x.

4
Connecteurs logiques
À partir de propositions p, q on peut former de nouvelles propositions définies par des
tableaux de vérité. Ces nouvelles propositions sont définies à partir de connecteurs logiques. Ils
s’utilisent pour changer la valeur de vérité d’une proposition ou de connecter deux propositions
logiques.
• La Négation : non p ( noté aussi ¬p) dont la table de vérité est donnée :

p ¬p
V F
F V

La négation de (∀x ∈ X, p(x)) est (∃x ∈ X, ¬((p(x))).

La négation de (∃x ∈ X, 6= (p(x)) est (∀x ∈ X, ¬(p(x))).
• La conjonction : p et q (noté p ∧ q)

p q p∧q
V V V
V F F
F V F
F F F

• La disjonction : p ou q (noté p ∨ q)

p q p∨q
V V V
V F V
F V V
F F F

Propriété 1.1
Nous pouvons donner les équivalences suivantes pour des propositions P , Q, R :
1. P ≡ ¬(¬P ) ; P ≡ P ∨ P ; P = P ∧ P
2. P ∧ Q ≡ Q ∧ P ; P ∨ Q ≡ Q ∨ P
3. (P ∧ Q) ∧ C ≡ P ∧ (Q ∧ C) ; (P ∨ Q) ∨ C ≡ P ∨ (Q ∨ C)
4. ¬(P ∧ Q) ≡ ¬P ∨ ¬Q ; ¬(P ∨ Q) ≡ ¬P ∧ ¬Q

Définition 1.3
Soient p et q deux propositions. Nous dirons que la proposition p implique la proposition q ; et
nous noterons p ⇒ q, si on peut affirmer que q est vraie lorsqu’on sait que p est vraie. p ⇒ q
peut aussi être considérée comme une proposition, qui peut être vraie ou fausse.
Si p ⇒ q et p sont vraies, alors q est vraie.
Si p ⇒ q et q ⇒ r sont vraies, alors p ⇒ r est vraie.

Définition 1.4
Soient p et q deux propositions. On dit que p est une condition suffisante de q ou de manière
équivalente que q est une condition nécessaire de p lorsque p ⇒ q est vraie.

Si p ⇒ q, on voit que pour que p soit vraie, il faut que q soit vraie, alors que pour que q soit
vraie, il suffit que p soit vraie.

5
 p q p⇒q
V V V
V F F
F V V
F F V

Définition 1.5
Deux propositions p et q sont dites équivalentes si on peut affirmer que q et vraie quand on sait
que p est vraie, et si de plus on peut affirmer que p est vraie si on sait que q est vraie.
Deux propositions p et q sont équivalentes si p ⇒ q et q ⇒ p. On note alors p ⇔ q.

p q p⇔q
V V V
V F F
F V F
F F V

Propriété 1.2
Nous pouvons donner les équivalences suivantes pour des propositions P , Q, R :
1. P ⇒ Q ≡ ¬P ∨ Q
2. P ⇔ Q ≡ (P ⇒ Q) ∧ (Q ⇒ P )
3. Négation de l’implication : ¬(P ⇒ Q) ≡ P ∧ ¬Q
4. Contraposée de l’implication : (P ⇒ Q) ≡ ¬Q ⇒ ¬P

1.1.2 Méthodes de démonstration

Démonstration par déduction
On se place dans le cadre de la démonstration d’une implication : (P ⇒ Q).
Montrer que (P ⇒ Q) est vraie revient à prouver que l’on ne peut avoir simultanément p vraie
et q fausse. Dans la pratique, afin d’établir que(P ⇒ Q) est vraie, on suppose donc P vraie et
on cherche à démontrer que Q est vraie. Ce que l’on nomme le raisonnement par déduction ou
la démonstration directe.

Exemple 1.1
Soit n un entier naturel. Montrons que n pair ⇒ n2 pair.
supposons que n est pair, il existe alors k ∈ N tel que n = 2k.
On a alors n2 = 4k 2 = 2(2k)2 .
n2 est donc pair.

Exemple 1.2
Démontrons que : n impair ⇒ n2 impair.
Si n est impair, il existe k ∈ N tel que n = 2k + 1.
On a alors n2 = 4k 2 + 4k + 1 = 2(2k 2 + 2k) + 1 avec 2k 2 + 2k ∈ N.
n2 est donc impair.

La contraposition
Les propositions (P ⇒ Q) et (¬P ⇒ ¬Q) sont synonymes. La proposition (¬P ⇒ ¬Q) est
appelée la contraposée de (P ⇒ Q). Dans la pratique, lorsque l’on devra démontrer une

6
 implication, on se demandera s’il n’est pas plus simple, en fonction des hypothèses de
l’énoncé, de prouver sa contraposée.

Exemple 1.3
Montrons que n2 impair ⇒ n impair, pour tout entier naturel n.
Raisonnons par contraposition. Soit n ∈ N. Il s’agit d’établir que (n pair)⇒ (n2 pair). Ce que
nous avons déjà démontrer dans l’exemple précédent.

Raisonnement par l’absurde

Pour démontrer que p est vraie, on peut supposer que p est fausse et en déduire une
contradiction.

Exemple 1.4
Démontrons que la somme d’un rationnel et d’un irrationnel est irrationnelle.

Considérons deux réels x et y tels que x ∈ Q et y ∈/ Q.

Supposons que x + y soit rationnel. Dans ce cas, (x + y) − x = y serait rationnel, alors qu’on
sait que y ∈
/ Q. On obtient ainsi une contradiction, et on doit rejeter l’hypothèse qui vient d’être
formulée, c’est-à-dire conclure que x + y est irrationnel.

Raisonnement par récurrence

Ce raisonnement est l’un des plus courant en mathématiques et il importe de le maîtriser
parfaitement. Il est intimement lié à la structure de l’ensemble des entiers naturels N.

Soit n0 ∈ N. Pour tout entier naturel n ≥ n0 , on considère une proposition P (n) dépendant de
n. Alors, si P (n0 ) est vraie et si pour tout entier n ≥ n0 , la proposition P (n) ⇒ P (n + 1) est
vraie, alors pour tout entier n ≥ n0 , P (n) est vraie.

Exemple 1.5
Montrons que ∀n ∈ N, 5n+2 ≥ 4n+2 + 3n+2
• P(0) : 52 = 43 + 32 P(0) est clairement vraie.
— Montrons que P (n) ⇒ P (n + 1), c’est à dire 5n+3 ≥ 4n+3 + 3n+3
5n+3 = 5 × 5n+2 ≥ 5 × (4n+2 + 3n+2 ) or 5 × (4n+2 ) ≥ 4n+2 et 5 × (3n+3 ) ≥ 3n+3 d’où
5n+3 ≥ 4n+3 + 3n+3 . L’hypothèse P(n+1) est vérifiée. D’après le principe de recurrence,
P(n) est vraie pour tout entier naturel n.

7
1.1.3 Exercices corrigés
Exercice 1

En utilisant les tables de vérité, démontrer que :

1. (P ⇒ Q et Q ⇒ R) ⇒ (P ⇒ R)
2. ¬(P ∨ Q) ⇔ (¬P ) ∧ (¬Q)

Solution
Tables de Vérité :
1.
(P ⇒ Q et Q ⇒ R) ⇒ (P ⇒ R)

P Q R P ⇒Q Q⇒R (P ⇒ Q) ∧ (Q ⇒ R) P ⇒R (P ⇒ Q) ∧ (Q ⇒ R) ⇒ (P ⇒ R)
V V V V V V V V
V V F V F F F V
V F V F V F V V
V F F F V F F V
F V V V V V V V
F V F V F F V V
F F V V V V V V
F F F V V V V V

On voit que quelque soit les valeurs de vérité de P , Q, R, (P ⇒ Q) ∧ (Q ⇒ R) ⇒

(P ⇒ R) a toujours la valeur vraie.
2.
¬(P ∨ Q) ⇔ (¬P ) ∧ (¬Q)

p q p∨q ¬(P ∨ Q) (¬P ) ∧ (¬Q) ¬(P ∨ Q) ⇔ (¬P ) ∧ (¬Q)

V V V F F V
V F V F F V
F V V F F V
F F F V V V

Exercice 2

Pour m ∈ N, notons Nm l’ensemble des entiers n > m. Voici la définition de la convergence

vers 0 d’une suite de réels (un )n∈N :

∀ ∈ R∗+ , ∃m ∈ N, ∀n ∈ Nm , |un | ≤ 

Donner la négation de cette proposition.

Solution

∃ ∈ R∗+ , ∀m ∈ N, ∃n ∈ Nm , |un | > 

8
 Exercice 3
Soit la proposition (P) définie pour n ∈ N, n ≥ 2

(P) : Si l’entier (n2 − 1) n’est pas divisible par 8, alors l’entier n est pair.

1. Donner la contraposée d’un implication (A ⇒ B).

2. Écrire la contraposée de la proposition (P ).
3. En admettant qu’un entier impair n s’écrit sous la forme n = 4k + r avec k ∈ N et
r ∈ {1, 3}, Prouver la contraposée de (P ).
4. A-t-on démontré la propriété de l’énoncé ?

Solution
Soit la proposition (P) définie pour n ∈ N, n ≥ 2

(P) : Si l’entier (n2 − 1) n’est pas divisible par 8, alors l’entier n est pair.

1. (A ⇒ B) ⇔ (¬B ⇒ ¬A)
2. La contraposée de (P ) :
Si l’entier n est impair, alors l’entier (n2 − 1) est divisible par 8.
3. Démontrons la contraposée de (P )
Supposons que n est impair,
alors il existe k ∈ N, r ∈ {1, 3} tel que n = 4k + r
ainsi n2 − 1 = 16k 2 + 8kr + r2 − 1.
Si r = 1, n2 − 1 = 16k 2 + 8kr, qui est divisible par 8.
Si r = 3, n2 − 1 = 16k 2 + 8kr + 8, qui est aussi divisible par 8.
Donc si n est impair, (n2 − 1) est divisible par 8.
4. On a bien démontrer l’implication puisque la contraposée de l’implication est équivalente
à l’implication.

Exercice 4
Démontrer par récurrence que pour n ∈ N,
n n(n + 1)
1. k=
P
k=1 2
n n(n + 1)(2n + 1)
2. k2 =
P
k=1 6
Solution
Démonstration par récurrence :
n n(n + 1)
1. Notons (Pn ) la relation : k= .
P
k=1 2
2 2(3)
Pour n = 2, on a k =1+2=3= , la relation est vérifiée au rang n0 = 2 mais
P
k=1 2
aussi au rang n0 = 1.
Supposons que (Pn ) est vraie et montrons que (Pn+1 ) l’est aussi. (Pn+1 ) est la relation :
n+1
(n + 1)(n + 2)
k=
X

k=1 2

9
 On a
n+1 n
n(n + 1) n(n + 1) + 2(n + 1) (n + 1)(n + 2)
k= k + (n + 1) = + (n + 1) = =
X X
,
k=1 k=1 2 2 2

d’où (Pn+1 ) est Vraie. Par récurrence sur n (Pn ) est vraie pour tout n ≥ 1
n n(n + 1)(2n + 1)
2. Notons (Pn ) la relation : k 2 = .
P
k=1 6
2 2(3)(5)
Pour n = 2, on a k 2 = 12 + 22 = 5 = , la relation est vérifiée au rang n0 = 2
P
k=1 6
mais aussi au rang n0 = 1.
Supposons que (Pn ) est vraie et montrons que (Pn+1 ) l’est aussi. (Pn+1 ) est la relation :
n+1
(n + 1)(n + 2)(2(n + 1) + 1)
k2 =
X

k=1 6

On a
n+1 n
n(n + 1)(2n + 1)
2
= k2 + + (n + 1)2
X X
k
k=1 k=1 6
n(n + 1)(2n + 1) + 6(n + 1)2
=
6
(n + 1) [n(2n + 1) + 6(n + 1)]
=
6
(n + 1) [2n2 + 7n + 6]
= (-2 et -3/2 sont racines du trinôme )
6
(n + 1)(n + 2)(2n + 3)
=
6

d’où (Pn+1 ) est Vraie. Par récurrence sur n (Pn ) est vraie pour tout n ≥ 1

10
1.2 Théorie des ensembles
1.2.1 Ensemble, Détermination d’un ensemble
Définition 1.6
Des objets ou éléments ayant une ou plusieurs propriétés communes constituent une collection
ou un ensemble.

Exemple 1.6
Les ensembles usuels
• N : l’ensemble des entiers naturels
• Z : l’ensemble des entiers relatifs !
p
• Q : l’ensemble des nombres rationnels , p, q ∈ Z
q
• R : l’ensemble des nombres réels

Définition 1.7
Un ensemble est déterminé si pour un élément quelconque on sait s’il appartient ou non à cet
ensemble.
Si e est un élément d’un ensemble E, on écrit e ∈ E, e0 n’appartient pas à E, s’écrit e0 ∈
/ E.

Dans la plupart des cas, un ensemble est déterminé :

• par énumération de tous ses éléments
• par une propriété caractéristique.

Exemple 1.7
Définition d’un ensemble :
• N = {0, 1, 2, 3, · · · n} : définition par énumération
• P = {n ∈ N/∃k ∈ N, n = 2k} à partir d’une propriété

Définition 1.8
Inclusion, Égalité
1. On dit que l’ensemble A es inclus dans l’ensemble B, et on le note (A ⊂ B) si tout
élément de A appartient à B. Ce qui s’écrit :

∀x, (x ∈ A) ⇒ (x ∈ B)

A est une partie, un sous-ensemble de B

2. Deux ensembles A et B sont égaux si tout élément de A est aussi élément de B et
réciproquement. Ce qui s’écrit :

∀x, (x ∈ A) ⇔ (x ∈ B)

3. L’égalité de deux ensembles peut se traduire par :

(A = B) ⇔ (A ⊂ B) ∧ (B ⊂ A)

L’ensemble vide est l’ensemble ne contenant aucun élément. On le note ∅

L’ensemble des parties, sous-ensembles d’un ensemble E est noté P(E).

11
1.2.2 Opérations sur les ensembles
1. La réunion :
La réunion de deux ensembles A et B est l’ensemble C des éléments qui appartiennent
à A ou à B. On écrit :
C = A ∪ B.
Aussi,
x ∈ C = A ∪ B ⇔ (x ∈ A) ∨ (x ∈ B)
2. L’intersection :
L’intersection de deux ensembles A et B est l’ensemble C des éléments qui appartiennent
à A et à B. On écrit :
C = A ∩ B.
Aussi,
x ∈ C = A ∩ B ⇔ (x ∈ A) ∧ (x ∈ B)
3. La complémentation :
Deux ensembles A et B inclus dans un ensemble E sont dit complémentaire si leur
réunion est l’ensemble E et leur intersection, l’ensemble vide. Autrement :

A∪B = E
A∩B = ∅

On note B = Ac = Ā
4. La différence :

(a) On appelle différence des ensembles A et B, l’ensemble

A \ B = A − B = A ∩ Bc

(b) On appelle différence symétrique de A et de B l’ensemble

A∆B = (A ∩ B c ) ∪ (Ac ∩ B).

A∆B est l’ensemble des éléments qui appartiennent à un et un seul des ensembles A
et B.

Propriété 1.3
Soient A, B et C des sous-ensembles de E, appartenant à P(E)
1. Commutativité :
A∪B =B∪A , A∩B =B∩A
2. Associativité :

A ∪ (B ∪ C) = (A ∪ B) ∪ C , A ∩ (B ∩ C) = (A ∩ B) ∩ C

3. Distributivité :

A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) , A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)

4. Idempotence :
A ∪ A = A et A ∩ A = A

12
Propriété 1.4
Lois de Morgan
1. Le complémentaire de la réunion de deux ensembles est l’intersection des complémen-
taires des ces ensembles.
(A ∪ B)c = Ac ∩ B c
2. Le complémentaire de l’intersection de deux ensembles est la réunion des complémen-
taires de ces ensembles.
(A ∩ B)c = Ac ∪ B c

Démonstration. Voir en exercice 2

Définition 1.9
Soient deux ensembles A et B et deux éléments, a ∈ A et b ∈ B. L’ensemble des couples (a, b)
pris dans cet ordre est appelé ensemble produit (cartésien) des ensembles A et B. On le note
A × B.
A × B = {(a, b)/a ∈ A, b ∈ B}

Remarque 1.1
A × B 6= B × A : l’ordre est important dans un produit d’ensembles
A × A = A2 , R2 = R × R
A × A · · · A = An est l’ensemble des familles à n éléments

1.2.3 Exercices corrigés

Exercice 1
Soit A, B, C, trois sous-ensemble de E. Montrer que si

(A ∪ C) ⊂ (A ∪ B) et (A ∩ C) ⊂ (A ∩ B)

l’ensemble C est inclus dans B

Solution
Soit x ∈ C. Donc x ∈ (A ∪ C)
(A ∪ C) ⊂ (A ∪ B) ⇒ x ∈ (A ∪ B) c’est à dire x appartient à A ou B :
Si x ∈ A, alors x ∈ (A ∩ C) et comme (A ∩ C) ⊂ (A ∩ B), alors x ∈ B.
Conclusion, pour tout x ∈ C, x ∈ B. D’où C est inclus dans B.

Exercice 2
Soit A, B, deux sous-ensemble de E. Démontrer les lois de Morgan.
1. (Ac ∪ B c ) = (A ∩ B)c
2. Ac ∩ B c = (A ∪ B)c

Solution
La solution sera donnée pour la première loi
Pour montrer une égalité entre deux ensembles par exemple A = B, on montre d’abord que
A ⊂ B ensuite B ⊂ A.

Ssoit x ∈ (Ac ∪ B c ) ce qui signifie que x ∈ Ac ou x ∈ B c

• Si x ∈ Ac , x ∈ / (A ∩ B) ⇒ x ∈ (A ∩ B)c
/A⇒ x∈

13
 • Si x ∈ B c , x ∈/B⇒ x∈ / (A ∩ B) ⇒ x ∈ (A ∩ B)c
(1)Ceci est vrai pour tout x appartenant à Ac ∪ B c , donc (Ac ∪ B c ) ⊂ (A ∩ B)c

Soit x ∈ (A ∩ B)c , ce qui signifie que x n’est pas un élément commun à A et à B. On a tois
situations :
• Si x ∈ A, x ∈ / B ⇒ x ∈ B c ⇒ x ∈ (Ac ∪ B c )
• Si x ∈ B, x ∈ / A ⇒ x ∈ Ac ⇒ x ∈ (Ac ∪ B c )
• Si x ∈ / A et x ∈/ B ⇒ x ∈ Ac et x ∈ B c ⇒ x ∈ (Ac ∪ B c )
(2) Ceci étant vrai pour tout x appartenant à (A ∩ B)c . On en déduit que (A ∩ B)c ⊂ Ac ∪ B c )

de (1) et de (2) on conclut que (Ac ∪ B c ) = (A ∩ B)c

Pour montrer que Ac ∩ B c = (A ∪ B)c , on peut s’aider de ce schéma :

Exercice 3

Soit des ensembles E et F . Si A est un sous-ensemble de E et B un sous-ensemble de F ,

Montrer que

(A × B) ⊂ (E × F )

Solution
Soit (x, y) ∈ A × B, cela signifie que x ∈ A et y ∈ B. Donc x ∈ E puisque A ⊂ E et y ∈ F
puisque B ⊂ F . Comme ceci est vrai pour tout (x, y) ∈ A × B, alors (A × B) ⊂ (E × F )

Exercice 4

Soit E un ensemble et deux parties A et B de E. Démontrer que

(A∆B)∆C = A∆(B∆C)

Solution
(A∆B)∆C est l’ensemble des éléments appartenant à A, B ou C mais n’appartenant pas à
A ∩ B, A ∩ C ou B ∩ C.
de même A∆(B∆C) est l’ensemble des éléments appartenant à A, B ou C mais n’appartenant
pas B ∩ C, A ∩ C ou A ∩ B. Il y a donc égalité.

14
1.3 Les applications
1.3.1 Notion d’application
Définition 1.10
On appelle application d’un ensemble E dans un ensemble F , une loi de correspondance f qui
associe à tout x ∈ E un élément unique y ∈ F . On note :

f :E →
7 F
x → 7 y = f (x)

On peut aussi définir une application comme suit :

∀x ∈ E, ∀x0 ∈ E, x = x0 ⇒ f (x) = f (x0 )

Ce qui est équivalent à :

∀x ∈ E, ∀x0 ∈ E, f (x) 6= f (x0 ) ⇒ x 6= x0

E est l’ensemble de départ ; F est l’ensemble d’arrivée ;

y = f (x) est l’image de x par f ;
x est appelé l’antécédent de y par f .

Exemple 1.8
Exemples d’applications
1. L’application identité :
L’application x 7→ x de E dans E est dite application identique de E noté IdE
2. Fonction caractéristique :
Á une partie A de E on associe l’application de E dans {0, 1}, notée 1A et définie par :

1
A (x)= 1, si x ∈ A
1A (x) = 0, si x ∈
/A

Définition 1.11
On considère I un ensemble d’indices et une application de I dans un ensemble E définie par
f (i) = xi ∈ E. L’ensemble Xi = {xi } ∈ P(E) est une partie de E indexée par I.
On appelle Recouvrement de E, la réunion Xi = E
S
i∈I
c’est à dire
∀x ∈ E, ∃! Xi / x = xi ∈ Xi .

Si de plus 
∀i ∈ I, Xi 6= ∅
Xi ∩ Xj = ∅, i 6= j
On dit que les Xi forment une Partition de E.

Définition 1.12
Soit f une application de A dans F , et g une application de B dans F . Si A ⊂ B et si, pour tout
x ∈ A, on a f (x) = g(x), on dit que f est une restriction de g, ou que g est un prolongement
de f .

15
Définition 1.13
Soit E, F , G trois ensembles, f une application de E dans F , g une application de F dans G.
La composée de f et de g est l’application de E dans G définie par :
x 7→ g(f (x)) = (g ◦ f )(x)
Exemple 1.9

f :Z →
7 Z
x → 7 f (x) = x2

g:Z →
7 Z
x → 7 g(x) = x − 5

g◦f :Z →
7 Z
x → 7 g(f (x)) = x2 − 5

1.3.2 Injection, surjection, bijection

Définition 1.14
Application Injective, surjective et bijective
1. Injection
Une application f de E dans F est dite injective (ou est une injection) si elle vérifie
l’une des deux propriétés équivalentes :
∀x ∈ E, ∀x0 ∈ E, x 6= x0 ⇒ f (x) 6= f (x0 )
∀x ∈ E, ∀x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0
Une injection est une application telle que, à chaque fois que deux éléments de l’ensemble
de départ sont distincts, leurs images sont distinctes.
2. Surjection
Une application f de E dans F est dite surjective (ou est une surjection) si tout élément
y de F est l’image d’au moins un élément x de E, soit :
∀y ∈ F, ∃x ∈ E / y = f (x).
Une surjection est une application telle que tout élément de l’ensemble d’arrivée possède
au moins un antécédent.
3. Bijection
Une application f de E dans F est dite bijective (ou est une bijection) si elle est à la
fois injective et surjective. Tout élément y de F est l’image d’un, et un seul, élément x
de E.
∀y ∈ F, ∃! x ∈ E / y = f (x).
À tout y de F , on associe ainsi un x unique dans E noté f −1 (y). f −1 est la bijection
réciproque de f . On a donc :
x = f −1 (y) ⇔ y = f (x),
ce qui entraîne
f ◦ f −1 = IdF et f −1 ◦ f = IdE .

16
Théorème 1.1
Soit f une application de E dans F , et g une application de F dans G. On a les implications
qui suivent.
1. Si f et g sont injectives, alors g ◦ f est injective.
2. Si g ◦ f est injective, alors f est injective.
3. Si f et g sont surjectives, alors g ◦ f est surjective.
4. Si g ◦ f est surjective, alors g est surjective.
5. Si f et g sont bijectives, alors g ◦ f est bijective, et (g ◦ f )−1 = f −1 ◦ g −1 .

Démonstration. Voir exercice 4

1.3.3 Image directe, Image réciproque

Définition 1.15
Soit f une application de E dans F . Si A ⊂ E, on appelle image de A par f , la partie de F
constituée par les images des éléments de A :

f (A) = {f (x) ; x ∈ A}.

Si B ⊂ F , on appelle image réciproque de B, la partie de E constituée par les x dont l’image

est dans B :
f −1 (B) = {x ∈ E ; f (x) ∈ B}.

Théorème 1.2
Soit f une application de E dans F , A1 , A2 ∈ P(E), B1 , B2 ∈ P(F )
1.
(A1 ⊂ A2 ) ⇒ (f (A1 ) ⊂ f (A2 ))

2.
(B1 ⊂ B2 ) ⇒ f −1 (B1 ) ⊂ f −1 (B2 )

3.
f (A1 ∪ A2 ) = f (A1 ) ∪ f (A2 )

4.
f −1 (B1 ∪ B2 ) = f −1 (B1 ) ∪ f −1 (B2 )

5.
f (A1 ∩ A2 ) ⊂ (f (A1 ) ∩ f (A2 ))

6.
f −1 (B1 ∩ B2 ) ⊂ f −1 (B1 ) ∩ f −1 (B2 )

Démonstration. La démonstration de ces relations est laissée au lecteur. Une méthode est don-
née à l’exercice 3.

17
1.3.4 Exercices corrigés
Exercice 1
Démontrer que :
1. Si f et g sont injectives, alors g ◦ f est injective.
2. Si g ◦ f est injective, alors f est injective.
3. Si f et g sont surjectives, alors g ◦ f est surjective.
4. Si g ◦ f est surjective, alors g est surjective.
5. Si f et g sont bijectives, alors g ◦ f est bijective, et (g ◦ f )−1 = f −1 ◦ g −1 .

Solution
Soit E, F , G trois ensembles, f une application de E dans F , g une application de F dans G.
g ◦ f est une application de E dans G.
1. Supposons que f et g sont injectives et montrons que g ◦ f est injective.
Soit x, x0 des éléments de E tels que x 6= x0 .
Puisque f est injective alors f (x) 6= f (x0 ).
f (x) et f (x0 ) sont des éléments de F . Comme g est injective alors

g(f (x)) 6= g(f (x0 ) ⇒ (g ◦ f )(x) 6= (g ◦ f )(x0 ).

Par suite (g ◦ f ) est injective.

On a montré que pour tout x, x0 éléments de E, x 6= x0 ⇒ (g ◦ f )(x) 6= (g ◦ f )(x0 )
2. Supposons que g ◦ f est injective et montrons que f est injective.
Soit x, x0 des éléments de E tels que f (x) = f (x0 ).
g ◦ f est une application, alors g(f (x)) = g(f (x0 ) ⇒ (g ◦ f )(x) = (g ◦ f )(x0 ) (d’après la
définition d’une application : x = x0 ⇒ f (x) = f (x0 )).
Comme g ◦ f est injective alors x = x0 .
On a montré que pour tout x, x0 éléments de E, f (x) = f (x0 ) ⇒ x = x0 .
3. f et g sont surjectives et montrons que g ◦ f est surjective.
Soit z ∈ G.
Puisque g est surjective alors ∃ y ∈ F / z = g(y).
De plus f est surjective ⇒ ∃ x ∈ E / y = f (x). Ainsi :

∃ x ∈ E / z = g(f (x)).

Par suite g ◦ f est surjective.

4. Supposons que g ◦ f est surjective et montrons que g est surjective. Soit z ∈ G.
g ◦ f est surjective ⇒ ∃ x ∈ E / z = g(f (x)).
Posons y = f (x) ∈ F . On a qu’il existe y ∈ F tel que z = g(y). Ainsi g est bien
surjective.
5. la démonstration du 5. est une déduction de 1. et de 2.

Exercice 2

f , g, h sont trois applications de l’ensemble E dans lui-même. Montrez que :

g ◦ f et h ◦ g bijectives ⇒ f, g, h bijectives .

18
Solution
Supposons g ◦ f et h ◦ g bijectives.
De g ◦ f surjective, on déduit g surjective. De h ◦ g injective, on déduit g injective. Donc g est
bijective. g −1 ◦ (g ◦ f ) = f est donc bijective, ainsi que h = (h ◦ g) ◦ g −1 comme composées de
bijections.

Exercice 3
Soit f une application de E dans F , A1 , A2 ∈ P(E), B1 , B2 ∈ P(F ). Démontrer que
1. (A1 ⊂ A2 ) ⇒ (f (A1 ) ⊂ f (A2 ))
2. Si f est injective alors f (A1 ∩ A2 ) = f (A1 ) ∩ f (A2 )

Solution
f est une application de E dans F , A1 , A2 ∈ P(E),
1. Supposons que (A1 ⊂ A2 ) ce qui signifie que si x1 ∈ A1 , alors x1 ∈ A2 . Soit f (x1 ) ∈ f (A1 )
, x1 étant un élément de A2 , f (x1 ) est ainsi un élément de f (A2 ). Ainsi (f (A1 ) ⊂ f (A2 )).
2. Supposons que f est injective et montrons que f (A1 ∪ A2 ) = f (A1 ) ∪ f (A2 )
• Montrons que f (A1 ∩ A2 ) ⊂ f (A1 ) ∩ f (A2 )
Soit y ∈ f (A1 ∩ A2 ), alors il existe x ∈ (A1 ∩ A2 ) / y = f (x).
On a x ∈ A1 et x ∈ A2 alors f (x) ∈ f (A1 ) et f (x) ∈ f (A2 ), donc y ∈ f (A1 ) ∩ f (A2 ).
Ceci étant vrai pour tout y, par suite f (A1 ∪ A2 ) ⊂ f (A1 ) ∪ f (A2 )
• Montrons que f (A1 ) ∩ f (A2 ) ⊂ f (A1 ∩ A2 )
Soit z ∈ (f (A1 ) ∪ f (A2 )), ce qui signifie que z ∈ f (A1 ) et z ∈ f (A2 ).
Alors il existe x1 ∈ A1 / z = f (x1 ) et x2 ∈ A2 / f (x2 ) = z.
Ainsi f (x1 ) = f (x2 ) et comme f est injective alors x1 = x2 = x. L’élément x est à
la fois dans A1 et dans A2 .
Donc z = f (x) ∈ f (A1 ∩ A2 ). Ceci étant vrai pour tout z, par suite f (A1 ) ∩ f (A2 ) ⊂
f (A1 ∩ A2 )
• On a donc bien l’égalité lorsque f est injective.

19
Chapitre 2

Espace Vectoriel

Sommaire
2.1 Lois de composition et structure algébrique . . . . . . . . . . . . . 21
2.1.1 Lois de composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Structures algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Les Espaces Vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Sous-espaces Vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.3 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . . . 27
2.3.1 Familles génératrices, libres, liées . . . . . . . . . . . . . . . . . . . . . 27
2.3.2 Base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3.3 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . 28
2.3.4 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

20
2.1 Lois de composition et structure algébrique
2.1.1 Lois de composition
Définition 2.1 (Loi de composition interne)
On dit qu’un ensemble E est muni d’une loi de composition interne si tout élément de E × E,
on associe un élément c de E. Une loi de composition interne est une application de E × E
dans E qui à un couple (a, b) on associe un élément z noté x ? y, ou x + y ou x.y appartenant
à E.

Exemple 2.1
L’addition + est une loi de composition interne sur N :

+:N×N → 7 N
(x, y) → 7 z =x+y

La multiplication dans N est aussi une loi de composition interne sur N.

Propriété 2.1
Soit E un ensemble muni d’une loi de composition ?. On dit que
• ? est associative si :

∀x ∈ E, ∀y ∈ E, ∀z ∈ E, (x ? y) ? z = x ? (y ? z).

• ? est commutative si :
∀x ∈ E, ∀y ∈ E, x ? y = y ? x
• ? admet un élément neutre

∃!e ∈ E, ∀x ∈ E, x ? e = e ? x = x

• Un élément x est inversible (ou symétrisable) dans E s’il existe x0 ∈ E (dit inverse, ou
symétrique, de x) tel que :
x ? x 0 = x0 ? x = e
vvv

Définition 2.2 (Loi de composition externe)

Soient E et Ω deux ensembles. On appelle loi de composition externe sur E, toute application
de Ω × E dans E. Une loi de composition externe est une application de Ω × E dans E qui à
un couple (α, x) on associe un élément z noté α ⊥ x, ou α.x appartenant à E.

Exemple 2.2
La multiplication × est une loi de composition externe sur Z :

×:N×Z → 7 Z
(n, x) → 7 z =n×x

Définition 2.3
Soit E un ensemble muni d’une loi de composition externe, et A une partie de E. On dit que
A est stable pour la loi ⊥ si et seulement si :

∀(α, x) ∈ Ω × E, α ⊥ x ∈ A

21
2.1.2 Structures algébriques
Définition 2.4 (Structure algébrique : Groupe)
Un ensemble non vide G, muni d’une loi de composition interne ?, est un groupe si :
• la loi ? est associative ;
• il existe un élément neutre e ;
• tout élément de G possède un symétrique dans G.
Si, de plus, la loi ? est commutative, le G est dit commutatif, ou abélien.

Exemple 2.3
Soit Z l’ensemble des entiers relatif. l’addition (+) est une loi de composition interne sur Z :
— Elle est associative :
∀x ∈ Z, ∀y ∈ Z, ∀z ∈ Z, (x + y) + z = x + (y + z).
• 0 est l’élément neutre de l’addition :
x+0=0+x=x
• Tout élément de Z possède un symétrique (appelé opposé) :
x + (−x) = (−x) + x = 0
Z muni de l’addition est un groupe qui est de plus commutatif :
x + y = y + x, ∀x ∈ Z, ∀y ∈ Z
Définition 2.5 (Structure algébrique : Anneaux)
Un ensemble A, muni des lois internes notées + (dite addition) et × (dite multiplication),
possède une structure d’anneau si :
• A possède une structure de groupe commutatif pour + ;
• × est associative et possède un élément neutre ;
• × est distributive par rapport à + :
Si la multiplication est commutative, l’anneau est dit commutatif.

Exemple 2.4
R muni des lois internes d’addition (+) et de multiplication (×) est un anneau commutatif.
— R muni de + est un groupe commutatif
— × est associative :
∀x ∈ R, ∀y ∈ Z, ∀z ∈ R, (x × y) × z = x × (y × z).
• l’élément neutre de × est 1
• l’élément neutre de + est 0
• × est distributive par rapport à + :
∀x ∈ R, ∀y ∈ Z, ∀z ∈ R, x × (y + z) = (x × y) + (x × z)
Définition 2.6 (Structure algébrique : Corps)
Un corps K est un anneau non réduit à l’élément neutre de l’addition noté 0 dont tous les
éléments, sauf 0, sont inversibles. Il est dit commutatif si l’anneau est commutatif.

Remarque 2.1
Si la deuxième loi est commutative, on dit que le corps K est commutative.

Exemple 2.5
R muni de l’addition et de la multiplication est un corps commutatif

22
2.1.3 Exercices corrigés
Exercice 1
N étant l’ensemble des entiers naturels. On considère la loi de composition ? sur N définie
par :
x ? y = x2 + y 2
1. ? est-elle interne ?
2. ? est-elle associative ?
3. ? est-elle commutative ?
4. ? admet-elle un élément neutre ?

Solution
Il suffit d’appliquer les définitions. On verra que la loi ? :
1. est interne puisque x2 + y 2 est un entier naturel pour x, y ∈ N
2. (x2 + y 2 )2 + z 2 6= x2 + (y 2 + z 2 )2 n’est pas associative
3. x2 + y 2 = y 2 + x2 est commutative
4. n’admet pas d’élément neutre

23
2.2 Les Espaces Vectoriels
2.2.1 Définitions et propriétés
Définition 2.7 (Définition d’un espace vectoriel)
Soit K un corps d’éléments neutres notés 0 et 1. On dit qu’un ensemble non vide E est un
espace vectoriel sur K, ou est un K- espace vectoriel, s’il est muni :
• d’une loi de composition interne notée + ;
• d’une loi de composition externe sur K, c’est-à-dire d’une application qui à (α, x) ∈ K×E
fait correspondre α.x ∈ E,
telles que :
1. E muni de la loi interne + est un groupe commutatif d’élément neutre 0E
2. ∀α ∈ K, ∀β ∈ K, ∀x ∈ E, , ∀y ∈ E

(αβ)x = α(βx); (α + β)x = αx + βy

α(x + y) = αx + αy; 1x = x
Les éléments de E sont des vecteurs ; les éléments de K sont des scalaires.

Exemple 2.6
Exemples d’espaces vectoriels
• L’ensemble des vecteurs du plan ou de l’espace est un R-espace vectoriel.
• K est un espace vectoriel sur K.
• C est un C-espace vectoriel, mais aussi un R-espace vectoriel.
• Le produit E1 × · · · × En de n espaces vectoriels sur le même corps K est un K-espace
vectoriel pour les lois :
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn ) α(x1 , ..., xn ) = (αx1 , ..., αxn ).

• L’ensemble F(X, F ) des applications d’un ensemble X dans un espace vectoriel F , est
un espace vectoriel pour les opérations f + g et α.f .
• L’ensemble K[X] des polynômes à coefficients dans K.

Propriété 2.2

0.x = 0E , ∀x ∈ E
α.0E = 0E , ∀α ∈ K
α.x = 0 ⇔ α = 0 ou x = 0E

2.2.2 Sous-espaces Vectoriels

Définition 2.8 (Définition Sous-espace Vectoriel)
Une partie non vide F d’un K-espace vectoriel E est un sous-espace vectoriel de E si elle est
stable pour les deux lois, et si la restriction à F des lois de E définit dans F une structure
d’espace vectoriel.
En fait, il faut et il suffit que F vérifie :

∀α ∈ K, ∀x ∈ F, ∀y ∈ F, x + y ∈ F et αx ∈ F ;

ou encore :
∀α ∈ K, ∀β ∈ K, ∀x ∈ F, ∀y ∈ F, αx + βy ∈ F.

24
Définition 2.9 (Sous-espace engendré par une partie)
• Toute intersection de sous-espaces vectoriels de E est un sous-espace vectoriel de E.
• L’intersection F de tous les sous-espaces vectoriels de E contenant une partie A donnée est
"le sous-espace vectoriel engendré par A". C’est le plus petit (au sens de l’inclusion) sous-espace
vectoriel contenant A. On dit aussi que A est une partie génératrice de F . On note F = V ect(A).

• Le sous-espace vectoriel engendré par A est égal à l’ensemble des combinaisons linéaires
finies de vecteurs de A, c’est-à-dire l’ensemble des vecteurs du type :
n
αi xi , n ∈ N∗ , αi ∈ K, xi ∈ A
X

i=1

Définition 2.10 (Colinéarité)

On dit que des vecteurs u et v sont colinéaires si x ∈ V ect(y) ou y ∈ V ect(x), autrement dit
s’il existe un scalaire λ tel que x = λy ou tel que y = λx.

Critère de colinéarité :
Deux vecteurs x et y sont colinéaires si et seulement s’il existe des réels λ et µ non nuls tels
que :
λx + µy = 0
.

Le vecteur 0 est colinéaire à tout vecteur.

Définition 2.11 (Somme de deux sous-espaces vectoriels)

E1 et E2 étant deux sous-espaces vectoriels de E, on appelle somme de E1 et de E2 , et on
note E1 + E2 , l’ensemble des vecteurs du type x1 + x2 où x1 ∈ E1 et x2 ∈ E2 . E1 + E2 est le
sous-espace vectoriel engendré par E1 ∪ E2 .

Définition 2.12 (Somme directe de deux sous-espaces vectoriels)

Quand tout vecteur x de F = E1 + E2 s’écrit, de façon unique, sous la forme x = x1 + x2 avec
x1 ∈ E1 et x1 ∈ E1 , on dit que F est somme directe de E1 et de E2 , et on note F = E1 ⊕ E2
. On dit aussi que E1 et E2 sont supplémentaires dans F.

Théorème 2.1

E = E1 ⊕ E2 ⇔ E = E1 + E2 et E1 ∩ E2 = 0E
.

25
2.2.3 Exercices corrigés
Exercice 1
Dans R3 considéré comme R-espace vectoriel, les parties suivantes sont-elles des sous-espaces
vectoriels ?
1. E1 = (x, y, z) ∈ R3 ; x + y = 0 ;
2. E2 = (x, y, z) ∈ R3 ; xy = 0.

Solution
Dans R3 considéré comme R-espace vectoriel
1. E1 est l’ensemble des vecteurs de R3 de la forme (x, −x, z) = x(1, −1, 0) + z(0, 0, 1) avec
x et z réels quelconques.
E1 est donc égal à V ect{(1, −1, 0), (0, 0, 1)}, ce qui prouve que c’est un sous-espace vec-
toriel de R3 .
2. Les vecteurs (1, 0, 0) et (0, 1, 0) appartiennent à E2 alors que ce n’est pas le cas de leur
somme (1, 1, 0).
E2 n’est donc pas un sous-espace vectoriel de R3 .

Exercice 2
Soit E un espace vectoriel.
1. Soient u et v dans E tels que u + v = u. Que peut-on conclure ?
2. Soit u dans E et λ réel tels que λu = 0. Que peut-on conclure ?
3. Vérifier que E et 0 sont des sous-espaces vectoriels de E.
4. Soient F et G des sous-espaces vectoriels de E. Montrer que F ∪ G est un sous-espace
vectoriel de F si et seulement si F ⊂ G ou G ⊂ F .
5. Soient A et B des parties de E. On suppose A ⊂ B. Montrer que V ect(A) ⊂ V ect(B).
6. Soient A et B des parties de E. Montrer que V ect(AU B) = V ect(A) + V ect(B).

Solution
E un espace vectoriel.
1. u + v − u = u − u = 0 donc v = 0
2. Siλ 6= 0, en multipliant par λ1 , on a u = 0.
3. Il s’agit tout simplement de verifier avec la définition d’un sous-espace vectoriel.
4. Si F ⊂ G, alors F ∪ G = G est un sous-espace vectoriel de E.
Si G ⊂ F , alors F ∪ G = F est un sous-espace vectoriel de F. Si aucune de ces deux
conditions n’est remplie,
il existe un vecteur u tel que u ∈ F et u ∈ /G
et un vecteur v tel que v ∈ G et v ∈ /F;
si F ∪ G était un sous-espace vectoriel, on aurait w = u + v ∈ F ∪ G ; si w ∈ F alors
v = w − u doit appartenir à F , ce qui est faux ; si w ∈ G alors u = w¯v doit appartenir
à G, ce qui est faux.
5. V ect(B) est un sous-espace vectoriel qui contient B donc A. Il contient donc V ect(A),
qui est le plus petit sous-espace vectoriel de F contenant A.
6. Un sous-espace vectoriel de E qui contient V ect(A) ∪ V ect(B) contient AU B.
Réciproquement, un sous-espace vectoriel de E qui contient A ∪ B contient A et B
donc contient V ect(A), V ect(B) donc V ect(A) ∪ V ect(B). Par définition, V ect(A) +
V ect(B) = V ect(V ect(A) ∪ V ect(B)). D’où le résultat.

26
2.3 Espaces vectoriels de dimension finie
2.3.1 Familles génératrices, libres, liées
Définition 2.13 (Familles génératrices)
Une famille (x1 , · · · , xp ) de vecteurs de E telle que V ect(x1 , · · · , xp ) = E est appelée famille
génératrice de E. Autrement dit, la famille (x1 , ..., xp ) est une famille génératrice de E si tout
vecteur de E est une combinaison linéaire de vecteurs de cette famille.

On dit que E est de dimension finie s’il existe une famille génératrice finie d’éléments de
E. Si E est de dimension finie et non réduit à {0}, il existe donc x1 , · · · , xp dans E tels que
V ect(x1 , · · · , xp ) = E.

Définition 2.14 (Familles libres, Familles liées)

On dit qu’une famille (x1 , · · · , xp ) de vecteurs de E est une famille libre de E si tout vecteur de
V ect(x1 , · · · , xp ) s’exprime d’une manière unique comme combinaison linéaire de x1 , · · · , xp .
On dit que la famille est liée dans le cas contraire.

Si la famille (x1 , · · · , xp ) est libre, on dit aussi que les vecteurs (x1 , · · · , xp ) sont linéairement
indépendants. Si elle est liée, on dit que les vecteurs sont linéairement dépendants.

Proposition 2.1
Soit (x1 , · · · , xp ) une famille finie de vecteurs d’un espace vectoriel E.
1. La famille est libre si et seulement si la seule écriture de 0E comme combinaison linéaire
des xi est 0x1 + · · · 0xp .
Cette condition s’énonce encore :

∀ λ1 , · · · λp , 0E = λ1 x1 + · · · λp xp ⇒ λ1 = · · · = λp = 0.

2. Si la famille est liée, il existe des scalaires λ1 , · · · λp non tous nuls, tels que
p
λi xi = 0E .
X

i=1

3. Si la famille est liée, l’un des vecteurs est combinaison linéaire des autres.

Définition 2.15 (Rang d’une famille de vecteurs)

Le rang d’une famille finie de vecteurs est le nombre maximum de vecteurs linéairement indé-
pendants que l’on peut extraire de la famille.

2.3.2 Base d’un espace vectoriel

Définition 2.16 (Base d’un espace vectoriel)
On dit qu’une famille de vecteurs B d’un espace vectoriel E est une base de E si c’est une
famille libre et génératrice de E, c’est-à-dire si tout vecteur de E s’écrit d’une manière et d’une
seule comme combinaison linéaire des vecteurs de la base B. La famille (e1 , · · · , en ) est une
base de E si, et seulement si, tout vecteur x de E peut s’écrire de façon unique sous la forme :
n
x=
X
xi e i
i=1

les xi sont les composantes du vecteur x

27
 1 0
! !
Exemple 2.7 1. Base canonique de R : e1 =
2
, e2 =
0 1
1 0 0
     

2. Base canonique de R : R : e1 = 0, e2 = 1, e3 = 0

3 2      

0 0 1
1 0 0 0
       
0 1 0 0
 , e2 =  , e3 =  , e4 =  
3. Base canonique de R4 : R2 : e1 =        
0 0 1 0
0 0 0 1

2.3.3 Dimension d’un espace vectoriel

Définition 2.17 (Dimension d’un espace vectoriel)
Si E possède une base comportant un nombre fini n de vecteurs, on dit que E est de dimension
finie. Dans ce cas, toute base de E comporte aussi n vecteurs. On dit que n est la dimension
de E ; on la note dim(E) .

Théorème 2.2 (Théorème de la base incomplète)

Soit E un espace vectoriel de dimension finie n. Toute famille libre C = (e1 , · · · , ep ), p < n de
vecteurs de E peut être complétée en une base B = (e1 , · · · , ep , · · · , en ) de E.

Proposition 2.2
Soit E un espace vectoriel de dimension finie n.
Toute famille libre de E a au plus n vecteurs. Si elle comporte n vecteurs, c’est une base.
Toute famille génératrice de E a au moins n vecteurs. Si elle comporte n vecteurs, c’est une
base.

Proposition 2.3
Dimension d’un sous-espace vectoriel
1. Un sous-espace F d’un espace vectoriel E de dimension finie est de dimension finie.
2. On a alors dim(F ) < dim(E).
3. Si dim(F ) = dim(E), on a F = E.

Proposition 2.4 (Dimension d’une somme)

Si F et G sont deux sous-espaces vectoriels de E, on a :
• dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).
• En particulier, si F et G sont en somme directe :

dim(F ⊕ G) = dim(F ) + dim(G).

• Tout sous-espace vectoriel F de E admet des supplémentaires, qui ont tous pour dimen-
sion : dim(E) − dim(F ).
• F et G sont supplémentaires dans E si, et seulement si, en réunissant une base de F et
une base de G, on obtient une base de E. On dit qu’on a choisi une base de E adaptée
à la somme directe.

28
2.3.4 Exercices corrigés
Exercice 1

Montrer que les vecteurs x1 = (3, 1, 2, 0), x2 = (0, 0, −1, 1) et x3 , = (0, 0, 0, 2) sont linéairement
indépendants dans R4 .

Solution
Soient λ1 , λ2 , λ3 , λ4 des scalaires. On veut montrer que λ1 x1 + λ2 x2 + λ3 x3 = 0R4 ⇒ λ1 =
λ2 = λ3 = 0 On a λ1 (3, 1, 2, 0) + λ2 (0, 0, −1, 1) + λ3 (0, 0, 0, 2) = (0, 0, 0, 0) ⇒

3λ1 = 0




λ = 0


1
⇒ λ1 = λ2 = λ3 = 0




2λ1 − λ2 = 0
λ2 + 2λ3 = 0



Donc la famille (x1 , x2 , x3 ) est libre dans R4 .

Exercice 2
Soit E un espace vectoriel.
1. Soit (u1 , · · · , u4 ) une famille libre de E.
(a) On suppose dim(E) = n. Quelle inégalité vérifie n ?
(b) Les familles suivantes sont-elles libres :
i. (u1 , u2 , 0E , u4 )
ii. (u1 , u2 + u3 + u4 , u4 )
iii. (u1 + u2 , u3 + u4 )
iv. (u1 + u2 , u2 + u3 , u3 + u4 , u4 + u1 )
2. Soit (u1 , · · · , u4 ) un famille génératrice de E
(a) On suppose dim(E) = n. Quelle inégalité vérifie n ?
(b) Les familles suivantes sont-elles génératrices :
i. (u1 , u2 , u3 , 0E , u4 )
ii. (u1 , u1 + u2 , u3 + u4 , u4 )
iii. (u1 + u2 , u3 + u4 )
iv. (u1 + u2 , u2 + u3 , u3 + u4 , u4 + u1 )

Solution
E un espace vectoriel.
1. (u1 , · · · , u4 ) une famille libre de E.
(a) On suppose dim(E) = n. On a n ≥ 4
(b) Les familles suivantes sont-elles libres :
i. (u1 , u2 , 0E , u4 ), Non car cette famille contient 0E
ii. (u1 , u2 + u3 + u4 , u4 ) OUI
iii. (u1 + u2 , u3 + u4 ) OUI
iv. (u1 + u2 , u2 + u3 , u3 + u4 , u4 + u1 ) Non puisque
(u1 + u2 )¯(u2 + u3 ) + (u3 + u4 )¯(u4 + u1 ) = 0.

29
 2. (u1 , · · · , u4 ) un famille génératrice de E
(a) On suppose dim(E) = n. On a n ≤ 4s ?
(b) Les familles suivantes sont-elles génératrices :
i. (u1 , u2 , u3 , 0E , u4 ) OUI car elle contient la famille (u1 , u2 , u3 , u4).
ii. (u1 , u1 + u2 , u3 + u4 , u4 ) Oui, car
V ect(u1 , u1 + u2 , u3 + u4 , u4 ) = V ect(u1 , u2 , u3 + u4 , u4 ) = V ect(u, u2 , u3 , u4 )
iii. (u1 + u2 , u3 + u4 ) On ne peut rien dire
iv. (u1 + u2 , u2 + u3 , u3 + u4 , u4 + u1 ) On ne peut rien dire
On peut donner des exemples où elles engendrent E (par exemple, si les 4 vecteurs
sont colinéaires) et d’autres où elles ne l’engendrent pas.

Exercice 3

Dans R3 , on considère les vecteurs :

V1 (1, 4, −1) ; V2 (2, 3, 1) ; V3 (4, −1, 2) ; V4 (3, 5, −3).
Montrez que (V1 , V1 , V3 ) est une base de R3 . Déterminez les coordonnées de V4 dans cette base.

Solution
Une base est une famille génératrice libre.
Il faut montrer que (V1 , V1 , V3 ) est une famille génératrice (ce qui est déjà le cas puisque cette
famille comporte trois vecteurs dans un espace vectoriel de dimension 3) libre. Considérons un
vecteur quelconque (a, b, c) de R3 et montrons qu’il s’écrit, de façon unique, comme combinaison
linéaire en V1 , V2 , V3 .
Il s’agit de montrer l’existence et l’unicité des trois réels α, β, γ tel que :

C ’est une résolution par la méthode du Pivot de Gauss.

Avec a = 3, b = 5 et c = −3, on obtient α = 3, β = −2 et γ = 1, soit :

V4 = 3V1 − 2V2 + V3

30
Chapitre 3

Applications linéaires, Matrices

Sommaire
3.1 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.2 Image et Noyau d’une application linéaire . . . . . . . . . . . . . . . . 32
3.1.3 Applications linéaires particulières . . . . . . . . . . . . . . . . . . . . 33
3.1.4 Matrice associée à une application linéaire . . . . . . . . . . . . . . . . 34
3.1.5 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Calcul Matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Exercices corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

31
3.1 Applications linéaires
3.1.1 Généralités
Définition 3.1
Soient E et F deux espaces vectoriels sur un même corps K. On appelle application linéaire de
E dans F , une application f : E 7→ F telle que :

∀x ∈ E, ∀y ∈ E, ∀λ ∈ K,
f (x + y) = f (x) + f (y) ; f (λx) = λf (x)

ou encore
∀x ∈ E, ∀y ∈ E, ∀λ, µ ∈ K, f (λx + µy) = λf (x) + µf (y) (3.1)
La propriété précédente s’étend à toute combinaison linéaire :
n n
!
λ i xi = λi f (xi )
X X
f
i=1 i=1

Exemple 3.1
Exemples d’applications linéaires
• E un R-espace vectoriel. L’application h : E 7→ E définie pour tout x ∈ E par h(x) = kx,
k ∈ R, est une application linéaire. C’est l’homothétie de rapport k
• L’application D : E 7→ E définie par D(f ) = f 0 qui dérive les fonctions est linéaire.
Rb
• Soient a et b des réels. L’application φ : E 7→ R définie par φ(f ) = f (t)dt est linéaire.
a
• .....

Définition 3.2
On appelle isomorphisme, une application linéaire f de E dans F bijective, endomor-
phisme, une application linéaire de E dans lui même, automorphisme, un endomorphisme
bijective. On note L(E, F ) est l’ensemble des applications linéaires de E dans F . L(E, F ) est
un espace vectoriel.

Propriété 3.1
Opérations algébriques
1. La somme de deux applications linéaires est une application linéaire.
2. Le produit d’une application linéaire par un scalaire est une application linéaire.
3. La composé de deux applications linéaires est une application linéaire.
4. Si f est un isomorphisme, f −1 est aussi un isomorphisme.
5. (GL(E), ◦), l’ensemble des automorphismes dans E est un groupe, appelé groupe linéaire
de E.

3.1.2 Image et Noyau d’une application linéaire

Définition 3.3
Soit f une application linéaire de E dans F .
• L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F .

• En particulier, f (E) est un sous-espace vectoriel de F appelé image de f , et noté Im f .

32
 • L’image réciproque par f d’un sous-espace vectoriel de F est un sous-espace vectoriel de E.

• En particulier, f −1 ({0E }) est un sous-espace vectoriel de E. On l’appelle le noyau de f ,

et on le note Ker f .

Théorème 3.1
Soit f une application linéaire de E dans F , A une partie de E.

(1) f est injective ⇔ Ker f = {0E }

(2) f est surjective ⇔ Im f = F
(3) L’image d’une famille génératrice de E est une famille génératrice de F si, et seulement
si, f est surjective.

(4) f (A) est libre dans F ⇒ A est libre dans E

(5) L’image d’une base de E est une base de F si, et seulement si, f est bijective.

Définition 3.4
On appelle rang d’une application linéaire f de E dans F , on le note rg f , la dimension de
Im f .

Théorème 3.2 (Théorème du rang)

Si E est de dimension finie, on a :

dim(E) = dim(Ker f ) + dim(Im f ).

3.1.3 Applications linéaires particulières

Homothéties

Soit k ∈ K∗ . L’homothétie de rapport k est l’automorphisme linéaire de E :

hk : E →
7 E
x → 7 kx

Projecteurs vectorielles

Soit F et G deux sous-espaces vectoriels supplémentaires de E. Tout vecteur x de E s’écrit de

façon unique sous la forme x = x1 + x2 avec x1 ∈ F et x2 ∈ G.
L’application p de E dans E : x 7→ p(x) = x1 est linéaire. C’est le projecteur sur F ,
parallèlement à G.

Symétries vectorielles

L’application sF de E dans E : x 7→ sF (x) = x1 − x2 est linéaire. C’est la symétrie par

rapport à F , parallèlement à G.

33
On définit de même le projecteur q sur G, parallèlement à F , et la symétrie sG par rapport à
G, parallèlement à F .

Propriété 3.2
Propriétés des projecteurs et symétries
1. p + q = IdE ;
2. p ◦ q = q ◦ p = 0 ;
3. Ker p = Im q = G,
4. p2 = p ◦ p = p ;
5. s2F = sF ◦ sF = IdE ;
6. Ker q = Im p = F .
7. p et sF sont liées par l’égalité : sF = 2p − IdE .

Proposition 3.1
D’une façon générale, on appelle projecteur de E tout endomorphisme p de E tel que p ◦ p = p.
On a alors : E = Ker p ⊕ Im p , et p est le projecteur sur Im p, parallèlement à Ker p.

D’une façon générale, on appelle symétrie de E toute application linéaire s, de E dans E,

telle que s ◦ s = IdE .
Alors F = {x ∈ E; s(x) = x} et G = {x ∈ E; s(x) = −x} sont des sous- espaces supplémen-
taires de E, et s est la symétrie par rapport à F , parallèlement à G.

3.1.4 Matrice associée à une application linéaire

Proposition 3.2
Soit E un espace vectoriel de dimension finie n et soit B = (e1 , · · · , en ) une base de E. Pour
tout espace vectoriel F et toute famille (u1 , · · · , un ) de n vecteurs de F , il existe une unique
application linéaire l : E 7→ F telle que l(ei ) = ui pour 1 ≤ i ≤ n

Une application linéaire est déterminée par les images des vecteurs de base

Définition 3.5 (Définition de la matrice d’une application linéaire)

Soit E et F des espaces vectoriels de dimensions p et n, munis de bases respectives B =
(e1 , · · · , ep ) et C = (f1 , · · · , fn ) . Soit f une application linéaire de E dans F . Elle est déter-
minée par la donnée des vecteurs :
n
f (ej ) =
X
aij fj
j=1

On note aij la i-ième 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 par rapport aux bases B et C.

Cette matrice est représentée de la façon suivante :

 
a11 . . . a1p
 . .. 
 .
 . . 

an1 . . . anp

34
Exemple 3.2
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 7→ R2 définie par :

f (e1 ) = 21 − 2 ; f (e2 ) = 52 ; f (e3 ) = −1 + 32 ,

a pour matrice :
2 0 −1
!
A=
−1 5 3

Définition 3.6 (Rang d’une matrice)

Soit A une matrice de n lignes et de p colonnes. On appelle rang de A et on note rg(A), le
rang de la famille des p vecteurs colonnes de A.

Quelles que soient les bases B et C choisies dans les espaces vectoriels E et F , le rang de
l’application linéaire f : E 7→ F associée à A est la dimension de Im f . C’est aussi le rang de
la matrice A.

Matrices particulières

Soit A une matrice de n lignes et de p colonnes. On note A = (aij ), la matrice A de terme

général aij

• Matrices carrées. Lorsque p = n la matrice A a autant de lignes que de colonnes et

on dit que c’est une matrice carrée d’ordre n.

1 2
!
A=
0 2

• Matrices diagonales. Une matrice carrée dont les termes se trouvant en dehors de la
diagonale sont nuls est appelée matrice diagonale. On a donc aij = 0 pour i 6= j.

1 0 0
!
A=
0 2 00 0 4

• Matrice unité. On appelle matrice unité d’ordre n et on note In la matrice diagonale

telle que au aij = 1 pour 1 ≤ i ≤ n.

1 0 0
!
A=
0 1 00 0 1

• Matrices triangulaires. Une matrice carrée dont tous les termes au-dessous de la dia-
gonale sont nuls est appelée matrice triangulaire supérieure. On a donc aij = 0 pour
i > j. De même, les matrices triangulaires inférieures sont telles que aij = 0 pour i < j.

1 12 22 1 0 0
! !
A= , B=
0 2 60 0 4 14 2 015 0 6

35
 • Matrices lignes, matrices colonnes. Si n = 1, la matrice possède une seule ligne et
est appelée matrice ligne. Si p = 1, la matrice possède une seule colonne et est appelée
matrice colonne.

0
 

1
 

U = (0, 10, 1, 4, 25); V = 3

 
 
5
 
1

• A est une matrice scalaire si A = aIn , a ∈ R

Définition 3.7 (Trace d’une matrice)

La trace d’une matrice A = (aij ), carrée d’ordre n, est la somme de ses éléments diagonaux,
soit : n
Tr A =
X
aij
i=1

tr(A + B) = T r A + trB; T r (λA) = λT r A; T r (AB) = T r (BA)

36
3.1.5 Exercices corrigés
Exercice 1

On considère un K-espace vectoriel E de dimension n, deux projecteurs p et q de E vérifiant

p ◦ q = q ◦ p.
Montrez que p ◦ q est un projecteur.
Déterminez Im(p ◦ q) et Ker(p ◦ q).
Solution
On a :
(p ◦ q) ◦ (p ◦ q) = p ◦ (q ◦ p) ◦ q = p ◦ (p ◦ q) ◦ q = p2 ◦ q 2 = p ◦ q.
p ◦ q est donc un projecteur de E.

• Soit x ∈ Im (p ◦ q).
On a alors (p ◦ q)(x) = x, d’où x ∈ Im p. Comme p ◦ q = q ◦ p, on a aussi (q ◦ p)(x) = x,
d’où x ∈ Im q.
On en déduit que
Im(p ◦ q) ⊂ Im p ∩ Im q.
Soit x ∈ Im p ∩ Im q ; on a alors p(x) = q(x) = x,
d’où (p ◦ q)(x) = p(x) = x, et donc x ∈ Im(p ◦ q) .
On conclut que
Im(p ◦ q) = Im p ∩ Im q.

• Soit x ∈ Ker p ; on a alors p(x) = 0,

ce qui entraîne (q ◦ p)(x) = 0, puis (p ◦ q)(x) = 0 puisque p ◦ q = q ◦ p.
On en déduit Ker p ⊂ Ker(p ◦ q).
On montre de même que Ker q ⊂ Ker(p ◦ q).
Ker(p ◦ q) contient donc le sous-espace vectoriel engendré par Ker p ∪ Ker q, soit
Ker p + Ker q.
Réciproquement, soit x ∈ Ker(p ◦ q). Comme on a E = Ker p ⊕ Im p puisque p est un
projecteur, il existe des vecteurs uniques x1 ∈ Ker p et x2 ∈ Im p tels que x = x1 + x2 .
De 0 = (p ◦ q)(x) = (q ◦ p)(x) = (q ◦ p)(x1 ) + (q ◦ p)(x2 ),
on tire (q ◦ p)(x2 ) = 0.
Comme x2 ∈ Im p, on a p(x2 ) = x2 ,
d’où q(x2 ) = 0 soit x2 ∈ Ker q,
et par conséquent x ∈ Kerp + Kerq. On conclut donc que
Ker(p ◦ q) = Ker p + Ker q
.

Exercice 2
On considère les matrices suivantes
0 2
 

1 4  1 2 0 7
 
−1
 
1 2 −1 3
!
A = 3 −2 B = 0 1 −2 1 2 C =
   
0 2 3 −1
 
5 0  4 0 1 −1 1
 
1 1
Pour chacune de ces matrices, décrire l’application linéaire de Rn dans Rp associée.

37
Solution
Les applications linéaires associées aux Matrices :
• A est la matrice de l’application linéaire :
FA : R2 7→ R5 ,

0 2
   

1  4 
   

3 , FA (e2 ) = −2

FA (e1 ) = 
   
  
5  0 
   
1 1
Un vecteur (x1 , x2 ) ∈ R2 a pour image par l’application FA le produit matrice vecteur

0 2 2x2
   

1 4   x1 + 4x2 
  !  
 x2
3 −2
3x1 − 2x2 
=
  

  x
5 0  5x1 
  1 
 
1 1 x1 + x2

(x1 , x2 ) 7→ FA (x1 , x2 ) = (2x2 , x1 + 4x2 , 3x1 − 2x2 , 5x1 , x1 + x2 )

• B est la matrice de l’application linéaire :

FB : R5 7→ R3 ,

1 2 0 7
         
−1
FA (e1 ) = 0 , FA (e2 ) = 1 , FA (e3 ) = −2 , FA (e4 ) =  1  , FA (e5 ) = 2
         

4 0 1 −1 1
(x1 , x2 , x3 , x4 , x5 ) 7→ (x1 + 2x2 − x3 + 7x5 , x2 − 2x3 + x4 + 2x5 , 4x1 + x3 − x4 + x5 )

38
3.2 Calcul Matriciel
3.2.1 Opérations sur les matrices
Somme de deux matrices

Soit λ ∈ K, et A = (aij ) et B = (bij ) deux matrices de n lignes et de p colonnes. On définit :

λA = (λaij ) et A + B = (aij + aij ).

Attention, on ne peut additionner deux matrices que si elles sont de même

format.

Produit de deux matrices

Si A est de format (n, p) et B de format (p, q), on définit la matrice C = AB, de format (n, q),
par :
n
∀i ∈ {1, · · · , n}, ∀j ∈ {1, · · · , q}, cij =
X
aik bkj
k=1

Attention à la condition d’existence de AB : nombre de colonnes de A = nombre

de lignes de B. Le produit de deux matrices n’est pas commutatif

1 2 1 −2 6 8
   
 1 0 −2 2
!
AB = −2 4 

= −2 −4 20 8

0 −1 4 3

3 −1 3 1 −10 3

Transposition

La transposée d’une matrice A de format (n, p), est la matrice de format (p, n), notée t A ou
At ou A0 de terme général bij :

∀i ∈ {1, · · · , n}, ∀j ∈ {1, · · · , p}, bij = aji

2 1
 
2 3 −1
!
A =  3 2 ⇒ A =
0
 
1 2 4
−1 4

(A + B)0 = A0 + B 0 ; (AB)0 = B 0 A0

39
 Matrices symétriques, antisymétriques

Une matrice carrée A est symétrique si At = A,

antisymétrique si At = −A.

Exemple 3.3
Matrice Symétrique :
1 2 3
 

2 4 5
 

3 5 6

Matrice Anti-symétrique :
0 −2 −3
 

2 0 −5
 

3 5 0

Inverse d’une matrice

Une matrice carré A d’ordre n est inversible s’il existe une matrice carré B d’ordre n telle que :

AB = BA = In .

Si B existe, elle est unique et on la note A−1 , l’inverse de A

Exemple 3.4 !
a b
Soient a, b, c, d des réels, A = La matrice A est inversible si et seulement ad − bc 6= 0
c c
et son inverse est donné par :
1
!
d −b
A =
0
ad − bc −c a

Exemple 3.5
Soit à calculer l’inverse de la matrice
1 0 1
 

A =  1 3 5
 

−1 1 4
   
x a
Cherchons à résoudre A y  =  b , soit le système :
   

z c

x + z = a (1)





2x + 3y + 5z = b (1)
−x + y + 4z = c (1)



(1) ⇒ x = a − z; (1) + (3) ⇒ y = a + c − 5z

(2) ⇒ 2(a − z) + 3(a + c − 5z) + 5z = b

40
d’où
5a − b + 3c

z =


12



7a + b − 3c


x= ,
 12
−13a + 5b − 3c


y =



12
ainsi
7 1 −3
    
x a
1 
 =
y
 
−13 5 −3 b
 
12

z 5 −1 3 c
et donc
7 1 −3
 
1 
A−1 = −13 5 −3

12
5 −1 3

41
3.2.2 Exercices corrigés
Exercice 1
On considère les matrices suivantes
0 2
 

1 4  1 2 0 7
 
−1
 
1 2 −1 3
!
A = 3 −2 B = 0 1 −2 1 2 C =
   
0 2 3 −1
 
5 0  4 0 1 −1 1
 
1 1

1. Pour chacune de ces matrices, donner leurs transposées

2. La somme A + B est-elle possible, si Oui calculer la.
3. Le produit AB est-il possible, si oui calculer le.
4. Le produit AC est-il possible, si oui calculer le.
5. Calculer si possible les produits B(AC) et (BA)C. Justifier l’associativité du produit
matriciel.

Solution
Pour les matrice A, B et C on a :
1.
1 0 4
 
1 0
 
 2 1 0
 
0 1 3 5 1  2 2
!

A0 = −1 −2 1  , C = 
, B0 =  0
  
2 4 −2 0 1 3

−1

 0 1 −1

3 1

7 2 1
2. La somme A + B n est pas possible, les matrice ne sont pas du même format.
3. Le produit AB n’est pas possible, le nombre de colonnes de A est différent du nombre de
lignes de B
4. Le produit AC est possible et,

0 ∗ 1 + 2 ∗ 0 0 ∗ 1 + 2 ∗ 2 0 ∗ (−1) + 2 ∗ 3 0 ∗ 3 + 2 ∗ (−1)
 

1 ∗ 1 + 4 ∗ 0 1 ∗ 2 + 4 ∗ 2 1 ∗ (−1) + 4 ∗ 3 1 ∗ 3 + 4 ∗ (−1)
 

AC = 
 
 ....... ....... ....... ....... 


 ....... ....... ....... ....... 

....... ....... ....... .......

Compléter les trois dernières lignes.

5. On trouve :
44 12 51 −1
 

B(AC) = (BA)C = 22 4 28 −4 

 

13 −2 22 −10

Exercice 2
On note (e3 , e2 , e3 ) la base canonique de R3 .
Soient les applications linéaires :

f1 : R3 7→ R3 , définie par (x, y, z) 7→ (x + 2y + 3z, 2y − z, x + z);

f2 : R3 7→ R3 , définie par (x, y, z) 7→ (0, 2y − z, 0).

42
 1. Donner l’image des vecteurs de la base canonique de R3 par les applications f1 , f2
2. Déterminer les matrices associées à chacune des applications f1 , f2 .
On les notera respectivement A, B.
3. Quel est le rang des matrice B ?
4. Déterminer la matrice C associée à la composée des applications f1 ◦ f2 .
5. Comparer le produit AB avec la matrice C de la composée f1 ◦ f2 .

Solution
Les applications linéaires :

f1 : R3 7→ R3 , définie par (x, y, z) 7→ (x + 2y + 3z, 2y − z, x + z);

f2 : R3 7→ R3 , définie par (x, y, z) 7→ (0, 2y − z, 0).

1 0 0
     

1. Les images des vecteurs de base de R3 : e1 = 0, e2 = 1, e3 = 0 par f1 et f2

     

0 0 1
1 2 3
     

— f1 (e1 ) = 0, f1 (e2 ) = 2, f1 (e3 ) = −1

     

1 0 1

0 0 0
     

— f2 (e1 ) = 0, f2 (e2 ) = 2, f2 (e3 ) = −1

     

0 0 0
2. les matrices associées aux applications f1 , f2 :

1 2 3 0 0 0
   

A = 0 2 −1 , B = 0 2 −1
   

1 0 1 0 0 0

3. Le rang de la matrice B est 0. On pourra vérifier que les vecteurs colonnes sont liés.
4. La composition de f1 et de f2 :

f1 ◦ f2 (x, y, z) = (0 + 2(2y − z) + 0, 2(2y − z) − 0, 0 + 0) = (4y − 2z, 4y − 2z, 0).

La matrice associée à la composée f1 ◦ f2 est :

0 4 −2
 

C = 0 4 −2
 

0 0 0

5.
1 2 3 0 0 0 0 4 −2
    

AB = 0 2 −1 0 2 −1 = 0 4 −2 = C

    

1 0 1 0 0 0 0 0 0

Exercice 3
Inverser la matrice triangulaire supérieure :

1 2 3
 

A = 0 1 4


0 0 1

43
Solution
Trouver l’inverse de A revient à résoudre le système :

x + 2y + 3z = a =c
 

 z



y + 4z = b ⇔

y = b − 4z = b − 4c
z=c x = a − 2y − 3z = a − 2b + 5c

 


Ainsi :
1 −2 5
 

A−1 = 0 1 −4
 

0 0 1

44
Chapitre 4

Exercices complémentaires

4.1 Travaux dirigés

4.1.1 TD1
Exercice 1 : Lois de composition

1. Sur R déjà muni de la multiplication et de l’addition, on définit la loi ? par :

a ? b = a + b + ab

(a) Montrez que ? est associative, commutative et qu’elle possède un élément neutre.
(b) Quels sont les éléments symétrisables ?
2. Sur E = Z2 on définit les lois de composition internes ? et | :

(a, b) ? (a0 , b0 ) = (a + a0 , b + b0 )

(a, b) | (a0 , b0 ) = (aa0 , 0).

Citer des propriétés de ces deux lois.

Exercice 2 : Structures Algébriques

1. Soit A un groupe muni de la loi de composition interne noté +.

(a) Rappeler les axiomes de définition d’un groupe.
(b) Soit X un ensemble et F(X, A), l’ensemble des applications de X dans A. On muni
de F(X, A) de l’addition de deux applications ((f + g)(x) = f (x) + g(x)). Montrer
que F(X, A) est un groupe
2. Soient les couples de nombres rationnels (a, b). On muni l’ensemble de ces couples des
loi + et × :
+ : (a, b) + (a0 , b0 ) = (a + a0 , b + b0 )
× : (a, b) × (a0 , b0 ) = (aa0 + 2bb0 , a0 b + ab0 )
(a) Rappeler les axiomes de définition d’un corps.
(b) Montrer que l’ensemble de ces couples muni des loi + et × est un corps.

Exercice 3 : Espaces Vectoriels

1. Soit F(R, R) l’ensemble des fonctions de R dans R. On désigne par P l’ensemble des
fonctions paires et par I l’ensemble des fonctions impaires.

45
 (a) Montrer que F(R, R) est un espace vectoriel.
(b) Montrer que P et I sont des sous-espace vectoriels de F(R, R).
(c) Montrer que F(R, R) = P ⊕ I
n
2. Soit x1 , · · · , xn des vecteurs d’un espace vectoriel E. On pose y1 = xi . Montrer que
P
i=1

V ect(y1 , x2 · · · , xn ) = V ect(x1 , · · · , xn )

3. Dans R5 , on définit les sous-espaces vectoriels F = V ect(u1 , u2 , u3 ) et G = V ect(v1 , v2 , v3 )

en posant u1 = (1, 5, −1, 3, −4), u2 = (1, 7, −1, 5, −4) u3 = (2, 6, 0, 4, −3), v1 = (−1, 3, −2, −1, 1),
v2 = (2, −4, 3, 0, 0), v3 = (0, 4, −1, 0, 2). Déterminer F ∩ G.
4. Déterminez les réels x et y pour que le vecteur (2, 3, x, y) appartienne au sous-espace
vectoriel de R4 engendré par (2, −1, 3, 5) et (1, 3, 7, 2).

Exercice 4 : Espaces Vectoriels de dimension fini

1. Déterminer si les familles de vecteurs suivantes sont génératrices, libres, liées, forment
des bases.
(a) Dans R, la famille (u1 , u2 ) avec u1 = 1 et u2 = −1 ;
(b) Dans R2 , les familles (u1 , u2 ) avec :
i. u1 = (1, 2) et u2 = (4, −1) ;
ii. u1 = (1, −2) et u2 = (−4, 8).
Si la famille est une base, calculer les coordonnées de e1 = (1, 0) et de e2 = (0, 1)
dans cette base.
(c) Dans R3 , les familles (u1 , u2 , u3 ) avec :
i. u1 = (1, 2, 3), u2 = (4, 0, 1) et u3 = (3, 7, 9) ;
ii. u1 = (1, 2, 3), u2 = (4, 0, 1) et u3 = (−1, 14, 19).
Si la famille est une base, calculer les coordonnées de e1 = (1, 0, 0) et de e2 = (0, 1, 0)
dans cette base.
2. Montrer que la famille ((1, 0), (0, 1), (1, 1)) d’éléments de l’espace vectoriel R2 est géné-
ratrice et déterminer toutes les écritures de (a, b) ∈ R2 comme combinaison linéaire des
éléments de cette famille.
3. Soient (a, b) et (c, d) deux éléments de R2 . Montrer que ces deux vecteurs sont linéaire-
ment indépendant si ad − bc 6= 0
4. Dans R3 , on considère les vecteurs : V1 (1, 4, −1) ; V2 (2, 3, 1) ; V3 (4, −1, 2) ; V4 (3, 5, −3).
Montrez que (V1 , V1 , V3 ) est une base de R3 . Déterminez les coordonnées de V4 dans cette
base.

Exercice 5 : Espaces Vectoriels de dimension fini

Soient a, b, c, d quatre réels distincts.
1. Montrer que (1, a) et (1, b) forment une base de R2 .
2. Montrer que (1, a, a2 ), (1, b, b2 ), (1, c, c2 ) forment une base de R3 .
3. Montrer que (1, a, a2 , a3 ), (1, b, b2 , b3 ), (1, c, c2 , c3 ), (1, d, d2 , d3 ) forment une base de R4 .
On peut généraliser au cas de n nombres réels.

46
4.1.2 CC1
Exercice 1 6 points
n n(n + 1)(2n + 1)
1. Montrer par récurrence que : k2 =
P
k=1 6
2. Montrer par implication direct que : ∀n ∈ N, n est pair ⇒ n2 est pair.
3. Montrer par contraposé que : ∀n ∈ N, n2 est pair ⇒ n est pair

Exercice 2 6 points

1. Étant donnés un ensemble E et trois parties A, B et C de E. Montrer que :

((A ∪ B) ⊂ (A ∪ C) et (A ∩ B) ⊂ (A ∩ C)) ⇒ (B ⊂ C).

2. Étant données trois parties A, B et C d’un ensemble E. Montrer que ;

(A ∩ B c = A ∩ C c ) ⇔ (A ∩ B = A ∩ C)

Exercice 3 8 points

1. Soient u = (2, 1) et v = (−1, 1) deux vecteurs de R2 .

(a) Calculer w = 2u + v
(b) Les vecteurs u et v sont-ils colinéaires ?
(c) Montrer que V ect(u) ⊂ V ect(v, w).
2. Les affirmations suivantes sont-elles Vrai ou Fausse ? Donner une justification succincte
de la réponse.
(a) Toute famille génératrice contient une base.
(b) La dimension d’un espace est le nombre de vecteurs de cet espace.
(c) Toute famille contenant une famille liée est liée.
(d) Si E = V ect(u1 , u2 , u3 ) et si (u1 , u2 , u3 ) est une famille libre, alors dim(E) = 3.
(e) Soient w, v, u trois vecteurs d’un espace vectoriel E. On suppose que deux quel-
conques de ces trois vecteurs ne sont pas colinéaires. Alors la famille (u, v, w) est
libre.
(f) Soient p vecteurs u1 , · · · , up d’un espace vectoriel E. On suppose qu’aucun de ces
vecteurs n’est combinaison linéaire des autres. Alors la famille (u1 , · · · , up ) est libre.
(g) V ect(u1 , · · · , up ) = V ect(u1 , · · · , up−1 ) si et seulement si up est combinaison linéaire
de u1 , · · · , up−1

47
4.2 Tests
4.2.1 Test examen 1
Exercice 1 8 points

Toutes les questions suivantes sont indépendantes

1. Soient E et F deux ensembles. Soient A une partie de E et B une partie de F .

Montrer que A × B est inclus dans E × F .
2. Soit E un espace vectoriel. Soient A et B des parties de E.
On suppose A ⊂ B. Montrer que V ect(A) ⊂ V ect(B).
3. Vérifier que la famille (u1 , u2 , u3 ) de R3 avec u1 = (1, 4, −1), u2 = (2, 3, 1), u3 = (4, −1, 2),
est libre.
4. Déterminez les réels x et y pour que le vecteur (2, 3, x, y)
appartienne au sous-espace vectoriel de R4 engendré par (2, −1, 3, 5) et (1, 3, 7, 2).

Exercice 2 12 points
On note (e3 , e2 , e3 ) la base canonique de R3 .
Soient les applications linéaires :

f1 : R3 7→ R3 , définie par (x, y, z) 7→ (x + 2y + 3z, 2y − z, x + z);

f2 : R3 7→ R3 , définie par (x, y, z) 7→ (2x, 2y − z, 0);

f3 : R3 7→ R, définie par (x, y, z) 7→ x + 2y + 3z;
1. Déterminer le noyau de l’application f1 .
2. Donner l’image des vecteurs de la base canonique de R3 par les applications f1 , f2 , f3
3. Déterminer les matrices associées à chacune des applications f1 , f2 .
On les notera respectivement A, B.
4. Calculer la somme E = A + B et le produit F = A.B, des matrices.
5. Déterminer la matrice associée à la composée des applications f1 ◦ f2

48
4.2.2 Test examen 2
Exercice 1 8 points

Toutes les questions suivantes sont indépendantes

1. Déterminer si les familles de vecteurs suivantes

sont génératrices, libres, liées, forment des bases.
(a) u1 = (1, 2, 3), u2 = (4, 0, 1) et u3 = (3, 7, 9) ;
(b) u1 = (1, 2, 3), u2 = (4, 0, 1) et u3 = (−1, 14, 19).
2. On considère un K-espace vectoriel E de dimension n, deux projecteurs p et q de E
vérifiant p ◦ q = q ◦ p.Montrez que p ◦ q est un projecteur.
(On appelle projecteur de E tout endomorphisme p de E tel que p ◦ p = p.)

Exercice 2 12 points
On note (e3 , e2 , e3 ) la base canonique de R3 .
Soient les applications linéaires :

f1 : R3 7→ R3 , définie par (x, y, z) 7→ (x + 2y + 3z, 2y − z, x + z);

f2 : R3 7→ R3 , définie par (x, y, z) 7→ (x, 2y − z, z);

f3 : R3 7→ R, définie par (x, y, z) 7→ x + 2y + 3z;
1. Déterminer le noyau de l’application f1 .
2. Donner l’image des vecteurs de la base canonique de R3 par les applications f1 , f2 , f3
3. Déterminer les matrices associées à chacune des applications f1 , f2 .
On les notera respectivement A, B.
4. Calculer la somme E = A + B et le produit F = A.B, des matrices.
5. Déterminer la matrice associée à la composée des applications f1 ◦ f2

49