Cours PDF

Vincent Fleckinger
STARTER - 2017
COURS D’ALGÈBRE
Vincent Fleckinger
Laboratoire de Mathématiques, Université de Franche-Comté,
16 Route de Gray, F-25000 Besançon.
E-mail : vincent.fleckinger@univ-fcomte.fr
Url : http://vfleckin.disque.math.cnrs.fr/Starter
Version de septembre 2017

STARTER - 2017
COURS D’ALGÈBRE
Vincent Fleckinger
Résumé. — Ce cours d’algèbre est destiné aux étudiants de première

année en sciences. Il permet de se familiariser avec notions d’ensembles,
d’applications et de relation d’équivalence. Enfin il développe la méthode
du Pivot pour la résolution des systèmes linéaires, et donne une intro-
duction au calcul matriciel.
2009,
c Université de Franche-Comté
TABLE DES MATIÈRES
1. Ensembles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1. Ensembles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Opérations sur les ensembles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2. Applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Surjection, injection, bijection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3. Relations d’équivalences. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1. Relation d’équivalence - Classes d’équivalences. . . . . . . . . . . . . . 25
3.2. Applications aux critères de divisibilité. . . . . . . . . . . . . . . . . . . . . . 27
4. Systèmes linéaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Réduction d’un système linéaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5. Matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2. Opérations sur les matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.3. Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.4. Lien avec les systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.5. Applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
CHAPITRE 1
ENSEMBLES
Sommaire
1.1. Ensembles. . . . . . . . . . . . . . . . . . . . . . . 7
1.1.1. Définition d’un ensemble en compréhension . . . . 9
1.2. Opérations sur les ensembles. . . . . . . . . . . . . . 10
1.1. Ensembles
On considère une collection d’objets (ces objets seront les ensembles)
appelée univers U, non vide, et munie d’une relation binaire x ∈ y qui se
lit :
x appartient à y
ou encore :
x est un élément de y .
On évitera soigneusement de dire qu’un objet de l’univers U est un

élément de U .
Cette relation binaire doit vérifier certains axiomes que nous ne
détaillerons pas ici.
Comment travailler avec des ensembles :
Proposition 1.1.1. — Deux ensembles A et B sont égaux si ils ont les
mêmes éléments.
∀x, [(x ∈ A ⇒ x ∈ B) et (x ∈ B ⇒ x ∈ A)].
8 CHAPITRE 1. ENSEMBLES
Définition 1.1.2. — Soient E et F deux ensembles, on dit que F est

inclus dans E, ou que F est une partie de E, si tout élément de F
appartient à E. On note alors F ⊂ E.
On a donc :
On introduit aussi les symboles mathématiques suivants :
- Le quantificateur existentiel représenté par le symbole ∃ et signifiant
il existe au moins un .
∃x ∈ R, x 6= 0.
- Le quantificateur universel représenté par le symbole ∀, qui se lit
sous la forme pour tout .
∀x ∈ R, x2 ≥ 0.
On peut donc vérifier que F est inclus dans E en vérifiant
∀x ∈ F, x ∈ E.
Définition 1.1.3. — Une proposition est constituée par les symboles

=, ∈,∀, ∃, ou , non , des variables x, y, z, u, etc. et des objets de
l’univers, a, b, c, etc., à partir des deux relations binaires x ∈ y et
x = y , en utilisant la négation la disjonction et la conjonction.
Définition 1.1.4. — Dans un énoncé p, la variable x est dite libre si

elle n’est pas associée au quantificateur ∃.
Par exemple :
- L’énoncé : p(x) : x ∈ x contient une variable libre.
- L’énoncé x ⊂ y : (∀z), [z ∈ x ⇒ z ∈ y] contient deux variables
libres x et y. La variable z est en fait muette, ce n’est pas un
argument de l’énoncé.
Les objets de U qui apparaissent dans un énoncé sont les paramètres.
Si a est un objet de U , x ∈ a est une proposition à une variable libre et
un paramètre.
Un énoncé à une variable libre définit une collection d’objets de U.

Cette collection peut ne pas être un objet de U.
Ainsi la collection {x | x = x} est l’univers U tout entier.
1.1. ENSEMBLES 9
1.1.1. Définition d’un ensemble en compréhension. — Si on peut

définir les ensembles finis par extension {1, 2, 3}, {a, b, c, d, e, f }, cela n’est
plus possible lorsqu’il y a une infinité d’éléments. On utilise alors une
propriété qui caractérise les éléments de cet ensemble
Proposition 1.1.5. — Soit p(x) une proposition portant sur la variable
x. Pour tout ensemble E, la collection F = {x ∈ E | p(x)} est une partie
de E (donc un ensemble).
- L’ensemble des nombres pairs est {x ∈ Z | 2 divise x}
- L’intervalle [0, 1[ est {x ∈ R | (x ≥ 0) et (x ≤ 1)} ou encore
{x ∈ R | 0 ≤ x ≤ 1}
- L’intervalle [0, +∞[ est {x ∈ R | x ≥ 0}.
Remarque 1.1.6. — L’univers U , qui correspond à la collection
{x | x = x}, n’est pas un ensemble, sinon la relation x 6∈ x définirait une
partie A de cet ensemble,
A = {x ∈ U | x 6∈ x}
donnant une contradiction. En effet un tel ensemble vérifie
A∈A⇒A∈
/ A et A ∈
/ A ⇒ A ∈ A,
C’est à dire vérifie A ∈
/ A et A ∈ A. L’objet A vérifiant une propriété et
son contraire ne peut pas exister dans U .
Théorème 1.1.7. — Il existe un ensemble appelé ∅ (ensemble vide) qui
ne contient pas d’élément.
En effet soit E un ensemble, alors {x ∈ E | x 6= x} est une partie de
E, qui ne contient pas d’élément.
D’autre part si E et F sont deux ensembles, on a l’égalité
{x ∈ E|x 6= x} = {x ∈ F | x 6= x}.
Donc pour tout ensemble E, ∅ ⊂ E.
Définition 1.1.8. — Si E est un ensemble, on appelle ensemble des
parties de E, l’ensemble des sous-ensembles de E.
On note P(E) l’ensemble des parties de E. L’existence de cet ensemble
fait partie des axiomes de la théorie.
On a donc :
P(E) = {X | X ⊂ E}.
10 CHAPITRE 1. ENSEMBLES
Définition 1.1.9. — Un ordinal est un ensemble E tel que la relation

∈ restreinte à E possède les propriétés suivantes :
- ∈ est une relation d’ordre strict sur E et toute partie non vide
admet un plus petit élément.
- ∀x, [x ∈ E ⇒ x ⊂ E].
Si ∅ désigne l’ensemble vide, les objets ∅, {∅}, {∅, {∅}},{∅, {∅}, {∅, {∅}},
etc. sont des ordinaux. Plus généralement si E est un ordinal E ∪ {E}
est l’ordinal successeur de E.
1.2. Opérations sur les ensembles

Définition 1.2.1. — Soit A une partie de E, le complémentaire de A
dans E est l’ensemble des éléments de E qui n’appartiennent pas à A.
On le note CE (A) ou encore E − A E \ A.
On peut écrire : E − A = {x | x ∈ E et x 6∈ A}.
Définition 1.2.2. — Soient A et B deux ensembles.

- On appelle intersection de A et de B, l’ensemble noté A ∩ B, des
éléments qui appartiennent à la fois à A et à B.
- On appelle union (ou réunion) de A et B, l’ensemble noté A ∪ B,
des éléments qui appartiennent à A ou à B (ou inclusif).
Si on introduit la proposition pA : x ∈ A, alors pA∩B = ”pA et pB ” et

pA∪B = “pA ou pB ”. Ceci explique les notations p ∧ q pour p et q et
p ∨ q pour p ou q .
Définition 1.2.3. — Soient a et b deux objets, on appelle paire {a, b}

l’objet dont les éléments sont a et b.
On remarque que la paire {a, b} est égale à la paire {b, a}. De plus si
a = b alors {a, b} = {a}.
Définition 1.2.4. — On appelle couple d’objets, la donnée de deux

objets x, y, dans un certain ordre.
1.2. OPÉRATIONS SUR LES ENSEMBLES 11
Le couple formé par les objets x et y est noté (x, y).

On dit que x est la première composante du couple (x, y), y la seconde.
Égalité de deux couples : Par définition, les couples (x, y) et (x0 , y 0 )
sont égaux si et seulement si x = x0 et y = y 0 .
Définition 1.2.5. — Soit E et F deux ensembles. Le produit cartésien
de E par F est l’ensemble de tous les couples (x, y), avec x ∈ E et y ∈ F .
On le note E × F
Ne pas confondre (x, y) et {x, y}.

Généralisation des définitions de l’union, de l’intersection et du produit
cartésien à une famille d’ensembles.
Définition 1.2.6. — Soit I un ensemble et pour tout i dans I, un
ensemble Ei .
La réunion des ensembles Ei est définie par
[
Ei = {x, ∃i ∈ I, x ∈ Ei }.
i∈I
L’intersection des ensembles Ei est définie par

\
Ei = {x, ∀i ∈ I, x ∈ Ei }.
i∈I
Le produit des ensembles Ei est défini par :

Y
Ei = {(xi )i∈I , ∀i ∈ I, xi ∈ Ei }.
i∈I
Ainsi [ 1 n−1
[ , ] =]0, 1[
n∈N,n>0
n n
et \ 1 n+1
[− , ] = [0, 1]
n∈N,n>0
n n
Si I = {1, . . . Q
, n} et si les Ei sont tous égaux à un ensemble E, alors
n
on note E = i∈I Ei Un élément (x1 , . . . , xn ) est appelé un n-uplet
d’éléments de E. Là encore l’ordre des élément à une importance.
CHAPITRE 2
APPLICATIONS
Sommaire
2.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1. Graphe d’une relation, relation fonctionnelle,
fonction. . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2. Applications. . . . . . . . . . . . . . . . . . . . 16
2.2. Surjection, injection, bijection. . . . . . . . . . . . . 19
2.1. Généralités
2.1.1. Graphe d’une relation, relation fonctionnelle, fonction.
—
Définition 2.1.1. — Soient E et F deux ensembles, se donner une
relation R entre les éléments de E et ceux de F revient à se donner
une partie ΓR de E × F , appelé graphe de la relation R :
ΓR = {(x, y) ∈ E × F, x R y}.
La relation R est fonctionnelle sur E, si pour tout x dans E il y a au
plus un élément y de F tel que le couple (x, y) appartienne à ΓR . On
note alors la relation xRy sous la forme y = f (x), et y est appelé l’image
de x par f .
On note f : E → F une fonction de E dans F , son graphe est le graphe
de la relation fonctionnelle asscoiée. L’ensemble de départ de la fonction
est E, l’ensemble d’arrivée est F .
14 CHAPITRE 2. APPLICATIONS
Définition 2.1.2. — Soit R une relation fonctionnelle entre les

éléments de E et de F , et f la fonction de E dans F définie par
R. On appelle domaine de définition de la fonction f l’ensemble
Df = {x ∈ E, ∃y ∈ F, xRy} et image de la fonction f l’ensemble
f (E) = {y ∈ F, ∃x ∈ E, xRy}.
Exemple 2.1.3. — Soient E = {1, 2, 3, 4}, F = {a, b, c},

1. L’ensemble Γ1 = {(1, a), (2, b), (1, c), (3, b)} n’est pas le graphe
d’une relation fonctionnelle, il ne définit pas de fonction de E dans
F , car (1, a) et (1, c) sont dans Γ1 .
c •
b • • Γ1
a •
1 2 3 4
2. L’ensemble Γ2 = {(1, a), (2, b), (3, c), (4, b)} est le graphe d’une re-
lation fonctionnelle, il définit la fonction f de E dans F , vérifiant
f (1) = a, f (2) = b, f (3) = c et f (4) = b. Le domaine de définition
de f est E, son image est F
c •
b • • Γ2
a •
1 2 3 4
3. L’ensemble Γ3 = {(1, a), (2, b), (4, b)} est le graphe d’une relation
fonctionnelle, la fonction f de E dans F associée vérifie f (1) = a,
f (2) = b, et f (4) = b. Le domaine de définition de f est {1, 2, 4},
son image est {a, b}.
c
b • • Γ3
a •
1 2 3 4
4. L’ensemble Γ4 = {(1, a), (2, b), (4, c)} est le graphe d’une relation
fonctionnelle, la fonction associée f de E dans F vérifie f (1) = a,
f (2) = b, et f (4) = b. Le domaine de définition de f est {1, 2, 4},
2.1. GÉNÉRALITÉS 15
son image est {a, b, c}.

c •
b • Γ4
a •
1 2 3 4
Exemple 2.1.4. — 1. L’ensemble Γ1 = {(x, y) ∈ R2 , xy = 1} est
le graphe de la fonction de R dans R, définie par f (x) = x1 . Son
domaine de définition est R∗ et son image est aussi R∗ .
f(x)=1/x
10
-3 -2 -1 1 2 3
-5
-10
2. L’ensemble Γ2 = {(x, y) ∈ R2 , x − y 2 = 0} n’est pas le graphe

d’une fonction par rapport à la première composante, car (1, −1)
1.5
0.5
-3 -2 -1 1 2 3
-0.5
-1
-1.5
et (1, 1) appartiennent à Γ2 . Par

contre Γ3 = {(x, y) ∈ R × R+ , , √
x − y 2 = 0} est le graphe d’une
fonction f de R dans R+ , f (x) = x, dont le domaine de définition
1.5
0.5
est [0, ∞[, et l’image R+ . -3 -2 -1 1 2 3

3. L’ensemble Γ4 = {(x, y) ∈ R2 , x2 + y 2 = 1} n’est pas le graphe

d’une fonction par rapport à la première composante, car (0, 1) et
2
-2 -1 1 2
-1
-2
(0, −1) appartiennent à Γ4 .
2.1.2. Applications. —
Définition 2.1.5. — Soient E et F deux ensembles. Une application f
de E dans F est une fonction de E dans F dont le domaine de définition
est E. Elle associe à tout élément x de E un unique élément de F , noté
f (x).
Pour dire que f est une application de E dans F , on utilise les notations
f
f : E −→ F ou E → F . Pour la définir, ou bien on écrit f (x) = . . . , ou
bien on utilise une deuxième flèche.
L’ensemble E est appelé ensemble de départ ou domaine de définition
de l’application.
L’ensemble F est l’ensemble d’arrivée.
Par exemple, on peut écrire : soit v : Z −→ Z ,
x 7−→ |x|
pour désigner l’application v de Z dans lui-même, définie par v(x) = |x|.
Égalité de deux applications :

Soit f une application de E dans F et soit g une application de E 0 dans
F . Ces deux applications f et g sont égales lorsque E = E 0 , F = F 0 et
0
Γf = Γf 0 , c’est à dire, pour tout x de E, on a f (x) = g(x).

Par exemple, les deux applications :
v : Z −→ Z
x 7−→ |x|
et
2.1. GÉNÉRALITÉS 17
v 0 : Z −→ N
x 7−→ |x|
ne sont pas égales, mais l’application
w : Z −→√Z
x 7−→ x2
est égale à v.
Composition d’applications :
Soit f une application de E dans F et g une application de F dans G.
En associant à tout élément x de E, l’élément g(f (x)) de G, on définit
une application de E dans G. Cette application est dite composée de f
et g et se note g ◦ f .
On a donc, par définition, pour tout x de E, g ◦ f (x) = g(f (x)).
Exemples :
Reprenons les applications v et v 0 introduites plus haut. Nous avons
v ◦ v = v. Par contre v 0 ◦ v 0 n’est pas définie.
Identité : Si E est un ensemble quelconque, l’application de E dans E,
qui à x fait correspondre x, est l’identité de E. On la note idE .
Petite propriété importante : Soit f une application de E dans F .
On a les égalités : f ◦ idE = idF ◦ f = f .
Savoir reconnaı̂tre le produit de composition d’applications est utile,
par exemple en analyse pour calculer une dérivée de fonction en utilisant
les règles de dérivations. Si f et g sont deux applications dérivables de R
dans R, g ◦ f est dérivable de dérivée (g √◦ f )0 (t) = g 0 (f (t))f 0 (t). On peut
2
ainsi calculer les dérivées de ln( t +1
t
) et t2 + 1. Associativité de la
composition des applications :
Soient des ensembles E, F, G, H et des applications .
f : E −→ F, g : F −→ G, et h : G −→ H.
On a l’égalité : h ◦ (g ◦ f ) = (h ◦ g) ◦ f .
On peut donc introduire sans ambiguité la notation :
h ◦ g ◦ f = h ◦ (g ◦ f ).
Itération d’une application de E dans lui-même :

Soit f : E → E une application, on note f n la n-ième itérée de
l’application f :
fn = f ◦ · · · ◦ f
| {z }
n itérations
0
Par convention f = idE .
Injection canonique et Restriction :
Définition 2.1.6. — Soit A une partie de E, on note ιA l’application

de A dans E définie par
∀x ∈ A, ιA (x) = x.
L’application ιA : A → E s’appelle l’injection canonique de A dans E.
Définition 2.1.7. — Soit f une application de E dans F . Soit A une

partie de E. L’application F|A : A → F définie par fA = f ◦ ιA s’appelle
la restriction de l’application f à l’ensemble A. Elle vérifie pour tout x
dans A f|A (x) = f (x).
Extension à l’ensemble des parties :
Définition 2.1.8. — Soit f : E → 7 F une application de E dans F . Si

A est une partie de E on désigne par f (A) l’ensemble des images par f
des éléments de A.
f (A) = {y ; y ∈ F, ∃x ∈ A tel que f (x) = y}.
Ou encore
f (A) = {f (x) ; x ∈ A}.
L’ensemble f (A) est appelé l’image de A par f .
On obtient ainsi une application f : P(E) 7→ P(F ) appelée extension

de f à P(E), par convention usuelle sachant que le contexte ne doit pas
prêter à confusion, cette application est encore notée f .
Cas particulier :
La partie f (E) de F peut être appelée : image de f et peut aussi être
notée Im(f ) au lieu de f (E).
2.2. SURJECTION, INJECTION, BIJECTION 19
Définition 2.1.9. — Soit B une partie de F . On désigne par f −1 (B)

l’ensemble des éléments x de E dont l’image par f appartient à B. En
abrégé, on note :
f −1 (B) = {x ; x ∈ E, f (x) ∈ B}.
On dit que f −1 (B) est l’image réciproque de B par f .
On obtient donc naturellement une application de P(F ) dans P(E),
notée f −1 : P(F ) 7→ P(E).
Exemple : Reprenons l’exemple noté v introduit plus haut.
Si A = {−2, −1, 0, 1} alors v(A) = {0, 1, 2}. Si B = {−2, −1, 0, 1}
alors v −1 ({B}) = {−1, 0, 1}.
Exercice 2.1.10. — Soit f : EF une application, montrer que
1.
∀X, Y ∈ F, f −1 (X ∩ Y ) = f −1 (X) ∩ f −1 (Y )
f −1 (X ∪ Y ) = f −1 (X) ∪ f −1 (Y )
2. Soient A et B deux parties de E, comparez f (A∪B) et f (A)∪f (B),

f (A ∩ B) et f (A) ∩ f (B).
3. Soit X ∈ P(F ) montrer que f −1 ({F X) = {E f −1 (X).
2.2. Surjection, injection, bijection
Application surjective :
Définition 2.2.1. — Soit f une application de E dans F . On dit que
f est surjective ou est une surjection lorsque la condition suivante est
vérifiée :
Pour tout élément y de F , il existe au moins un élément x de E, tel
que y = f (x).
En abrégé, on écrira :
∀y ∈ F , ∃x ∈ E, f (x) = y.
Remarque 2.2.2. — L’applicationf est surjective si et seulement si
f (E) = F .
Exemple : Revenons aux applications v et v 0 introduites plus haut.

L’application v 0 est surjective. Mais v ne l’est pas. Profitons de l’occasion
pour utiliser un peu de logique.
Voici la condition qui traduit que f n’est pas surjective :
∃y ∈ F , ∀x ∈ E , f (x) 6= y.
Ainsi l’application de R dans R définie par f (t) = t2 n’est pas surjec-
tive car −1 n’admet pas d’antécédent dans R.
Application injective :
Définition 2.2.3. — Soit f une application de E dans F . On dit que f

est injective ou est une injection lorsque la condition suivante est vérifiée :
Pour tout élément y de F , il existe au plus un élément x de E, tel
que y = f (x).
En abrégé, on écrira pour tout x et tout y dans E :

f (x) = f (x0 ) ⇒ x = x0
, ou encore
∀x, y ∈ E, [f (x) = f (x0 ) ⇒ x = x0 ]/
Exemple : L’application v introduite plus haut n’est pas injective. Par
contre l’application d de Z dans Z, qui à x fait correspondre à 2x est
injective.
Refaisons encore un peu de logique : Comment nier l’injectivité
d’une application ? l’injectivité, s’écrit : Dans E, quels que soient les
objets x et y,
f (x) = f (x0 ) ⇒ x = x0
˙
ou encore
∀x, x0 ∈ E, [f (x) = f (x0 ) ⇒ x = x0 ].
Ainsi, f n’est pas injective va s’écrire :

∃x ∈ E , ∃x0 ∈ E , f (x) = f (x0 ) et x 6= x0 .
1. L’application f : R → R définie par f (t) = t2 n’est pas injective.
-3 -2 -1 1 2 3
2. L’application g : R → R définie par f (t) = t3 est bijective.
-1.5 -1 -0.5 0.5 1 1.5
-1
-2
-3
3. Étudier l’image réciproque f −1 ({y}) d’un élément y de R par l’ap-

plication h : R → R h(t) = t3 − t.
1.5
0.5
-1.5 -1 -0.5 0.5 1 1.5
-0.5
-1
-1.5
Application bijective :
Définition 2.2.4. — Une application est dite bijective lorsqu’elle est à

la fois injective et surjective. On dit aussi qu’il s’agit d’une bijection.
Propriété et définition : Soit f une application de E dans F . Si f est

bijective, alors pour tout élément y de F , il existe un et un seul élément
x de E, tel que y = f (x). On définit ainsi une application f −1 : F 7→ E,
de F dans E, appelée réciproque de f et notée f −1 , f −1 (y) est l’unique
élément de E d’image y par f . (on devra donc faire très attention au
contexte mathématique pour ne pas confondre cette application avec celle
définie sur l’ensemble des parties de F ).
On a donc : ∀x ∈ E, ∀y ∈ F y = f (x) ⇔ x = f −1 (y) .

propriétés : Soit f une application bijective de E dans F . Alors :

f ◦ f −1 = idF et f −1 ◦ f = idE ;
L’application f −1 est aussi bijective et (f −1 )−1 = f .
Définition 2.2.5. — Soit f : E → F une application bijective. L’ap-

plication f −1 : F 7→ E se nomme l’application réciproque de f .
Attention : La notation f −1 fait donc intervenir le contexte

mathématique :
- Si f est bijective et si y est un élément de l’ensemble d’arrivée, alors

f −1 (y) est l’image de y par l’application réciproque de f .
- Si f est quelconque et si B est une partie de l’ensemble d’arrivée,
alors f −1 (B) désigne l’image réciproque de B par f c’est-à-dire
l’ensemble des antécèdents par f des éléments de B.
- En particulier il ne faut pas confondre f −1 (y) et f −1 ({y}) !
- Si f est quelconque et si y est un élément de F , a priori f −1 (y) n’a
pas de sens ! En particulier si sinus : R 7→ R est la fonction sinus
qui associe à un réel x, le réel sinus(x) = sin(x), cette fonction
n’est pas bijective, donc sinus−1 (0) n’a pas de sens, alors que
sinus−1 ({0}) = {kπ, k ∈ Z}.
Exemple 2.2.6. —
- Soit l’application d de Z dans Z définie par d(x) = x + 2. Cette

application est une bijection et on a d−1 (x) = x − 2.
- La restriction de la fonction sinus à l’invervalle [− π2 , π2 ] est injective
d’image [−1, 1], c’est donc une bijection de [− π2 , π2 ] sur [−1, 1], et
on note Arcsin : [−1, 1] 7→ [− π2 , π2 ] son application réciproque :
Arcsin = sinus−1
|[− π , π ] .
2 2
Exercice 2.2.7. — Soit f l’application de E = {1, 2, 3} dans F =

{a, b, c, c} définie par f (1) = a, f (2) = a et f (3) = b.
1. L’application f est-elle surjective ? injective ?
2. Est-ce que f −1 ({2, 3}) à un sens, si oui lequel ?
3. Même question pour f −1 ({2}) et f −1 (2).
CHAPITRE 3
RELATIONS D’ÉQUIVALENCES
3.1. Relation d’équivalence - Classes d’équivalences

Définition 3.1.1. — Une relation binaire R sur un ensemble E est une
relation d’équivalence si elle vérifie :
1. R est réflexive :
∀x ∈ E, xRx.
2. R est symétrique :
∀x, y ∈ E, [xRy ⇔ yRx].
3. R est transitive :
∀x, y, z ∈ E, [(xRy et yRz) ⇒ xRz].
Exemples. — Les relations binaires suivantes sont des relations
d’équivalences :
- Si f est une application de E dans F , la relation Rf définie sur E
par xRf y si f (x) = f (y).
- Sur R∗ , la relation xRy définie par signe(x) = signe(y).
- Sur Z, si n est un entier strictement positif, la relation Rn définie
par n|(x − y) (n divise x − y).
Définition 3.1.2. — Soit R une relation d’équivalence définie sur un
ensemble E. Pour tout x dans E, on note cl(x) où encore x le sous-
ensemble de E formé des éléments en relation avec x. C’est la classe de
l’élément x. On note E/R le sous-ensemble de P(E) formé des classes des
éléments de E, c’est l’ensemble des classes d’équivalences des éléments
de E.
26 CHAPITRE 3. RELATIONS D’ÉQUIVALENCES
Exemples. — Pour les relations d’équivalences citées en exemples voici

les classes d’équivalences :
- Si f est une application de E dans F , et Rf la relation définie sur
E par f (x) = f (y), la classe d’équivalence de x est l’ensemble des
éléments de E ayant la même image que x soit f −1 ({f (x)}).
- Sur R∗ , la relation xRy si signe(x) = signe(y). On peut faire le
raisonnement précédent, il y a deux classes : 1 =]0, ∞[ et ( − 1) =
] − ∞, O[.
- Sur Z, si n est un entier strictement positif, la relation Rn définie
par
xRn y ⇔ n|(x − y).
La classe d’un entier a est de la forme
a = {a + nk, k ∈ Z}.
On note en général Z/nZ l’ensemble Z/Rn . C’est l’ensemble des
entiers modulo n. On note x ≡ y mod n la relation xRn y.
Proposition 3.1.3. — Soit f une application de E dans F , et Rf la
relation d’équivalence définie sur E par xRy si f (x) = f (y). Alors si π
désigne l’application de E dans E/Rf définie par π(x) = x, il existe une
unique application f : E/Rf 7→ F telle que f = f ◦ π.
Cette application f vérifie donc

∀x ∈ E, f (x) = f (x).
On obtient ainsi le diagramme suivant :
f
E /F
yy<
yy
π yyy
yy f
E/Rf
Démonstration. — Si f existe, elle doit vérifier f (x) = f (x), donc l’image

de la classe x est parfaitement déterminée, c’est f (x). Cela donne l’unicité
de f . Pour l’existence, il faut vérifier que l’application f est constante
sur la classe x. En effet si y ∈ x alors y = x, l’image de x doit donc être
aussi celle de y. Par définition de Rf on a bien f (y) = f (x) si y ∈ x, on
peut donc définir f sur l’ensemble E/Rf par f (x) = f (x).
3.2. APPLICATIONS AUX CRITÈRES DE DIVISIBILITÉ 27
3.2. Applications aux critères de divisibilité

Proposition 3.2.1. — Soit n un entier strictement positif. Soient x,
x0 , y et y 0 quatre entiers vérifiant x ≡ x0 mod n et y ≡ y 0 mod n alors
on a
x + y ≡ x0 + y 0 mod n,
xy ≡ x0 y 0 mod n.
Proposition 3.2.2. — Un nombre entier est divisible par 9 si et seule-

ment si la somme des chiffres qui le composent est divisible par 9.
Démonstration. — Cette constatation vient du fait que 10 est congru à
1 modulo 9. Si n = ak 10k + ak−1 10k−1 + · · · + a1 10 + a0 , alors la classe
de n modulo 9 est égale à celle de ak + ak−1 · · · + a1 + a0 d’où le résultat.
Par exemple
92315672134596 ≡ 63 mod 9
puis 63 ≡ 0 mod 9. L’entier 92315672134596 est donc divisible par 9.
Proposition 3.2.3. — Un nombre entier est divisible par 11 si et seule-
ment si la somme alternée des chiffres qui le composent est divisible par
11.
Démonstration. — Cette constatation vient du fait que 10 est congru à
−1 modulo 11. Si n = ak 10k + ak−1 10k−1 + · · · + a1 10 + a0 , alors la classe
de n modulo 11 est égale à celle de ak (−1)k + ak−1 (−1)k−1 · · · − a1 + a0
d’où le résultat.
3.2.1. Autres développements possibles. —

Proposition 3.2.4. — L’équation x2 + 1 = 7y n’admet pas de solution
dans Z.
Démonstration. — Supposons que x0 , y0 soit solution dans Z de
l’équation x2 + 1 = 7y alors on vérifie que cela donne une solution
x0 , y 0 de l’équation x2 + 1 = 7y dans Z/nZ pour tout entier n stricte-
ment supérieur à 1. En particulier pour n = 7 on obtient x20 + 1 = 0. Or
Z/7Z n’a que 7 éléments correspondant aux restes de la division eucli-
dienne par 7, 0 . . . 6. Il est donc facile de vérifier que l’équation précédente
n’admet pas de solution, ce qui conduit à une contradiction.
28 CHAPITRE 3. RELATIONS D’ÉQUIVALENCES
Proposition 3.2.5. — L’équation x2 + y 2 = 19z 2 n’a pas de solution

entière non triviale (c’est à dire distincte de (0, 0, 0)).
Démonstration. — Supposons que (x0 , y0 , z0 ) soit solution dans Z3 de
l’équation x2 +y 2 = 19z 2 alors on vérifie que cela donne une solution x0 , y 0
de l’équation x2 + y 2 = 19z 2 dans (Z/nZ)3 pour tout entier n strictement
supérieur à 1. En particulier pour n = 19 on obtient x20 +y 20 = 0. Or Z/19Z
n’a que 19 éléments correspondant aux restes de la division euclidienne
par 19, 0 . . . 18. Il est donc facile de vérifier que l’équation précédente
n’admet pas de solution autre que x0 = 0 et y 0 = 0. Cela démontre que
19 doit diviser x0 et y0 . Mais alors 192 divise x20 + y02 donc 19z02 .
19 étant un nombre premier, il divise donc aussi z02 puis z0 .
Supposons un instant que l’équation admette une solution non triviale
dans Z. On peut alors supposer |z0 | minimal, et non nul. Mais alors
(x0 /19, y0 /19, z0 /19) est encore une solution entière de la même équation,
et vérifiant |z0 /19| < |z0 |. Ce qui contredit la condition imposée à |z0 |.
On notera que le principe de démonstration utilisé, basé sur l’existence
d’une solution minimale en un certain sens, s’appelle le principe de la
descente de Fermat.
On remarquera que si l’on considère l’équation x2 + y 2 = z 2 qui est
assez proche de l’équation précédent, l’identité suivante
∀a, b ∈ Z, (a2 − b2 )2 + (2ab)2 = (a2 + b2 )2 ,
donne cette fois une infinité de solutions. De même les égalités 22 +5·12 =
32 , ou encore 42 + 12 = 17 · 12 permettent de voir qu’il y a des équations
du même type qui ont des solutions non triviales.
Proposition 3.2.6. — L’ équation x5 + 11y 5 = 2z 5 n’a pas de solution
rationnelle non triviale SQ = {(0, 0, 0)}.
Il suffit de vérifier modulo 11. . .
x1 1 + 23y 1 1 = 7z 1 1. . .
CHAPITRE 4
SYSTÈMES LINÉAIRES
Sommaire
4.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Réduction d’un système linéaire. . . . . . . . . . . . 30
Définition 4.1.1. — Un système linéaire S est un ensemble fini
d’équations écrites ainsi :
a11 X1 + a12 X2 + · · · + a1n Xn = b1



 a21 X1 + a22 X2 + · · · + a2n Xn = b2

..
 .


am1 X1 + am2 X2 + · · · + amn Xn = bm
Les aij sont les coefficients, les Xi sont les inconnues et les bi sont les
seconds membres.
Le système S est un système de m équations à n inconnues.

La i-ième équation du sytème est :
ai1 X1 + ai2 X2 + · · · + ain Xm = bi

30 CHAPITRE 4. SYSTÈMES LINÉAIRES
Définition 4.1.2. — Une solution du système S est un n-uplet

(x1 , . . . , xn ) vérifiant :
a11 x1 + a12 x2 + · · · + a1n xn

 = b1
 a21 x1 + a22 x2 + · · · + a2n xn

= b2
..
 .


am1 x1 + am2 x2 + · · · + amn xn = bm
Exemple. — Soit le système (S1 ) :

 X1 + 2X2 + 3X3 = 4
(S1 ) 2X1 + 3X2 + 4X3 = 5
3X + 4X + 5X = 6
1 2 3
Les triplets (−2, 3, 0) et (−1, 1, 1) sont des solutions de ce système.
Problème :. — Étant donné un système linéaire, trouver toutes ses

solutions.
Exemple particulier. — système triangulaire.
Dans un tel système, nous avons :
0. Les nombres m et n sont égaux ;
1. Pour tout i tel que 1 ≤ i ≤ m , aii 6= 0 ;
2. Si 1 ≤ j < i ≤ m, alors aij = 0.
Plus concrétement : Un tel système sera de la forme :
a11 X1 + a12 X2 + · · · + a1m Xm = b1



a22 X2 + · · · + a2m Xm = b2


..

 .

amm Xm = bm
Propriété. — Un système triangulaire possède une et une seule solu-

tion.
4.2. Réduction d’un système linéaire

4.2. RÉDUCTION D’UN SYSTÈME LINÉAIRE 31
Définition 4.2.1. — Un système linéaire S de m équations à n incon-

nues, est dit échelonné réduit en lignes, de rang r, s’il est de la forme :
( n
X
S: aij Xj = bi , 1 ≤ i ≤ m}
j=1
et s’il existe une suite strictement croissante d’entiers

1 ≤ j1 < j2 · · · < jr ≤ n,
vérifiant
1. 0 < i ≤ r, ai,ji = 1 pivot de la ième ligne.
2. 0 < i < ` ≤ r, ai,j` = 0,
3. 0 < j < ji , ai,j = 0,
4. i > r, ai,j = 0.
On remarque que j1 = 1 sauf si l’inconnue x1 n’intervient pas dans
le système. Par définition le rang du système échelonné est inférieur ou
égal au minimum de m et n.
Proposition 4.2.2. — Soit S un système échelonné réduit de rang r,
et S l’ensemble des solutions de S.
1. S est non vide si et seulement si pour tout indice i strictement
supérieur au rang r, bi = 0 (Conditions d’existence d’une solution).
2. Si les conditions d’existence d’une solution sont remplies, notons
1 = j1 < j2 · · · < jr les indices des pivots, on appelle inconnues
principales les xji , et inconnues secondaires les autres. L’ensemble
des solutions S est paramétré à l’aide des inconnues secondaires
qui deviennent des paramètres. Pour toute valeur des inconnues se-
condaires, il existe une unique solution du système, les inconnues
principales s’exprimant à l’aide des inconnues secondaires, en pas-
sant celles-ci de l’autre coté de l’égalité correspondante.
Transformation d’un système linéaire en un système

échelonné réduit équivalent :
Transformation élémentaire. —
Il s’agit de transformer un système linéaire en un autre système linéaire

plus imple. Il y a trois sortes de transformations élémentaires :
1. Échange de deux équations.

Exemple. —

2X1 + 3X2 = 4
3X1 + 5X2 = 8
devient
3X1 + 5X2 = 8
2X1 + 3X2 = 4
2. Ajout à une équation d’une autre équation, multipliée par un nombre

quelconque.
Exemple. —

X1 + 2X2 + 3X3 = 4
X2 + 4X3 = 3
X + X3 = 1
1
devient 
X 1 − 5X3 = −2
X2 + 4X3 = 3
X + X3 = 1
1
On a ajouté à la première équation, la deuxième équation multipliée par

−2.
3. Multiplication d’une équation par un nombre non nul.

Exemple. —

2X1 + 3X2 = 4
3X1 + 5X2 = 8
devient
4X1 + 6X2 = 8
3X1 + 5X2 = 8
4.2. RÉDUCTION D’UN SYSTÈME LINÉAIRE 33
Définition 4.2.3. — Soit R la relation sur les systèmes linéaires ayant

le même nombre de lignes et les mêmes inconnues, définie par SRS 0 si
S 0 se déduit de S par une suite finie de transformation élémentaires.
Proposition 4.2.4. — La relation R est une relation d’équivalence sur
l’ensemble des systèmes linéaires ayant le même nombre de lignes et les
mêmes inconnues.
Démonstration. — Il faut vérifier les trois conditions à satisfaire :
réflexivité, symétrie et transitivité.
1. La relation est réflexive, car la multiplication par 1 de la première
ligne d’un système S est une transformation élémentaire qui ne
change pas celui-ci.
2. La relation est symétrique, en effet si E1 , . . . , En sont des trans-
formations élémentaires, et Si les systèmes linéaires intermédiaires
obtenus à l’aide de ces transformations
S1 = E1 (S), . . . , Si = Ei (Si−1 ), . . . , S 0 = En (Sn−1 ),
alors les transformations élémentaires étant réversibles à l’aide
d’une transformation élémentaire du même type, si on pose pour
−1
tout entier i appartenant à l’ensemble {1, . . . , n} Ei0 = En−i+1 et
Si0 = Sn−i+1 , alors S10 = E10 (S 0 ), Si0 = Ei0 (Si−1
0
) et S = En0 (Sn−1
0
)
0 0
S = En (Sn−1 ) Donc
SRS 0 ⇒ S 0 RS.
3. Par construction la relation R est transitive, en effet si on passe
de S à S 0 et de S 0 à S” par un nombre fini de transformation
élémentaires, alors on passe de S à S” par un nombre fini de
transformations élémentaires.
Propriété :. — Deux systèmes équivalents pour la relation R ont le
même ensemble de solutions.
Il suffit en effet de vérifier cette propriété pour une transformation
élémentaire, ce qui est immédiat.
Soit S un système linéaire à m lignes et n inconnues x1 . . . xn .
1. Grâce à une permutation éventuelle de lignes, on obtient un système
où la première ligne fait intervenir la première inconnue x1 . On
divise alors la première ligne par le coefficient a1,1 , on pose j1 = 1.
L’inconnue x1 est le premier pivot.
2. La première ligne permet alors d’éliminer l’inconnue x1 dans les

lignes suivantes par les transformations élémentaires Li := Li −
ai,1 L1 .
3. Si les inconnues n’interviennent plus à partir de la deuxième ligne,
alors la réduction est terminée. Sinon on cherche le plus petit indice
j2 tel que xj2 apparait dans au moins une ligne d’indice supérieur
ou égal à 2. Par une permutation de lignes on se ramène au cas ou
xj2 apparait sur la deuxième ligne. On divise alors cette ligne par
le coefficient de xj2 . La deuxième ligne est alors prête pour éliminer
xj2 dans toutes les autres lignes en retranchant le multiple adéquat
de la deuxième ligne.
4. On continue la méthode jusqu’à l’épuisement des pivots (les lignes
restantes ne font plus intervenir d’inconnues, et donnent les condi-
tions d’existences de solutions).
Exercice en TD.
Exemple. —

X 1 + X 2 + X 3 = 1
X2 + 2X3 = 2
 0 = 0
Ce système est échelonné de rang r = 2. On peut le réduire par une

transformation élémentaire
 :
X1 − X3 = −1
X2 + 2X3 = 2
0 = 0

L’ensemble des solutions est :

S = {(−1 + x3 , 2 − 2x3 , x3 ) , x3 ∈ R}.
CHAPITRE 5
MATRICES
36 CHAPITRE 5. MATRICES
Sommaire
5.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . 36
5.2. Opérations sur les matrices . . . . . . . . . . . . . . 37
5.3. Matrices inversibles . . . . . . . . . . . . . . . . . . 38
5.3.1. Transformations élémentaires,
Algorithme de Gauss . . . . . . . . . . . . . . . . . . 39
5.4. Lien avec les systèmes linéaires . . . . . . . . . . . . 45
5.4.1. Cas des matrices carrées d’ordre 2 . . . . . . . . 46
5.5. Applications. . . . . . . . . . . . . . . . . . . . . . 46
Définition 5.1.1. — Soient m et n deux entiers naturels, tels que m ≥
1 et n ≥ 1. On appelle matrice à m lignes et n colonnes un tableau à m
lignes et n colonnes, contenant des nombres réels ou complexes :
a11 a12 . . . a1n
 
 a21 a22 . . . a2n 
 . 
 .. 
am1 am2 . . . amn
Exemple. — Voici une matrice à 2 lignes et 3 colonnes à coefficients
réels : √
1 2 0
.
3 4 1

Notation plus concise. — aij 1≤i≤m ou aij .
1≤j≤n
Vocabulaire particulier. — Pour les cas suivants :

- Lorsque m = n, on dit que la matrice est carrée.
- Lorsque m = 1, on dit que la matrice est une matrice-ligne.
- Lorsque n = 1, on dit que la matrice est une matrice-colonne.
Par la suite, les coefficients des matrices considérées seront réels ou
complexes.
On désignera par K l’un ou l’autre corps R ou C.
5.2. OPÉRATIONS SUR LES MATRICES 37
5.2. Opérations sur les matrices

Définition 5.2.1. — Soient deux matrices à m lignes et n colonnes :
A = (aij ) et B = (bij ). La somme de ces matrices, notée A + B est
une matrice à m lignes et n colonnes, définie par A + B = (cij ) avec
cij = aij + bij , pour tout i et j tels que 1 ≤ i ≤ m et 1 ≤ j ≤ n.
Exemple. —
√ √
2 3 2 0 2+ 2 3
+ =
4 5 −1 4 3 9
Définition 5.2.2. — Soit une matrice à m lignes et n colonnes : A =
(aij ) et soit α un nombre. Le produit de α par cette matrice, noté αA
est une matrice à m lignes et n colonnes, définie par αA = (cij ) avec
cij = αaij , pour tout i et j tels que 1 ≤ i ≤ m et 1 ≤ j ≤ n.

2 3 6 9
Exemple. — 3 =
4 5 12 15
Définition 5.2.3. — Soit A = (aij ) une matrice à m lignes et n co-

lonnes et B = (bij ) une matrice à n lignes et o colonnes. Le produit de
ces matrices, notée AB est une matrice à m lignes et o colonnes, définie
Xn
par AB = (cij ) avec cij = aik bkj , pour tout i et j tels que 1 ≤ i ≤ m
k=1
et 1 ≤ j ≤ o.
Exemple de disposition des calculs. —

1 3
5 7
2 3 17 27
1 0 1 3
d’où
2 3 1 3 17 27
=
1 0 5 7 1 3
Proposition 5.2.4. — L’addition des matrices est associative et com-
mutative. Cela signifie que si A, B, C, sont des matrices à m lignes et n
colonnes, on a les égalités :
(A + B) + C = A + (B + C) et A + B = B + A.
Si A est une matrice à m lignes et n colonnes, et si on note (0) la

matrice à m lignes et n colonnes, dont les coefficients sont tous nuls,
alors on a :
A + (0) = (0) + A = A.
Proposition 5.2.5. — La multiplication des matrices est associative.
Démonstration. — La vérification se fait simplement par le calcul.
Proposition 5.2.6. — Soit In la matrice carrée à n lignes, définie par :
Im = (δij ), avec, δij = 0 si i 6= j et δii = 1. Soit A est une matrice à m
lignes et n colonnes. Alors, on a : AIn = A. De même, de l’autre côté,
avec Im .
n
X
Démonstration. — aik δkj = aij .
k=1
Vocabulaire. — Les matrices Im sont souvent appelées matrices unité

ou identité d’ordre m.
Remarque importante. — Si A et B sont deux matrices carrées de
même taille, les produits AB et BA sont définis. Mais, en général, ces
deux matrices ne sont pas égales.
Définition 5.2.7. — Soit une matrice à m lignes et n colonnes : A =
(aij ). Posons, pour 1 ≤ i ≤ m et 1 ≤ j ≤ n, bji = aij . La matrice (bij )
est une matrice à n lignes et m colonnes. Elle est appelée transposée de
t
la matrice A. On la note : A.
Propriétés de la transposition. —
t
(A + B) =t A +t B et t(AB) =t B tA.
À faire en TD.
5.3. Matrices inversibles

Définition 5.3.1. — Soit n un entier tel que n ≥ 1. Soit A une matrice
carrée à n lignes, à coefficients dans K (R ou C). On dit que A est
inversible lorsqu’il existe une matrice A0 carrée de même taille, telle que
AA0 = A0 A = In .
Vocabulaire. — La matrice A0 est appelée l’inverse de A. Elle est sou-
vent notée A−1 .
5.3. MATRICES INVERSIBLES 39
Exemples. —

1 2 −2 1
La matrice : a pour inverse 3 .
3 4 2
− 12

1 2
La matrice : n’est pas inversible. En effet, quelle que soit la
0 0
matrice A0 la deuxième ligne du produit :

1 2 0 ∗ ∗
A =
0 0 0 0
contient deux 0.
Proposition 5.3.2. — Soit A et B deux matrices carrées de même
taille inversibles. Alors le produit AB est aussi inversible et plus
précisément : (AB)−1 = B −1 A−1 .
Démonstration. — Évident par calcul direct. Mais . . .
Attention l’inverse d’un produit est le produit des inverses en sens inverse !
5.3.1. Transformations élémentaires,

Algorithme de Gauss. —
Définition 5.3.3. — Une transformation élémentaire sur les lignes
d’une matrice consiste :
- soit à échanger deux lignes ;
- soit à ajouter à une ligne une autre ligne, multipliée par un nombre
quelconque.
- soit à multiplier une ligne par un nombre non nul.
Exemple. —
Soit la matrice :
1 2 3
2 3 4
Voici trois transformations élémentaires de cette matrice :

2 3 4 1 2 3 2 4 6
, ,
1 2 3 0 −1 −2 2 3 4
Définition 5.3.4. — Une matrice élémentaire est une matrice déduite
de In par une transformation élémentaire.
Proposition 5.3.5. — Soit A1 et A2 deux matrices à p lignes et m

colonnes. On suppose que A2 est déduite de A1 par une transformation
élémentaire sur les lignes et que E est la matrice élémentaire déduite de
Ip par la même transformation élémentaire. Alors on a : EA1 = A2 .
Si A est une matrice à m lignes, L1 ,. . . Lm . On effectue la combinaison
linéaire α1 L1 + . . . αm Lm en effectuant le produit (α1 . . . αm )A. Une
transformation élémentaire d’une matrice A remplace les lignes de A
par des combinaisons linéaires de ces lignes. Elles correspondent donc à
un produit matriciel P A de A par une matrice inversible.

1 2 3
Exemple. — Soit A1 = .
2 3 4
On voit :

0 1 1 2 3 2 3 4
=
1 0 2 3 4 1 2 3

1 0 1 2 3 1 2 3
=
−2 1 2 3 4 0 −1 −2

2 0 1 2 3 2 4 6
=
0 1 2 3 4 2 3 4
On a des définitions et propriétés analogues avec les colonnes et la
multiplication à droite.
Théorème 5.3.6. — Soit une matrice carrée à n lignes. Cette matrice
est inversible si et seulement si il existe une suite de transformations
élémentaires sur les lignes qui la transforme en la matrice unité In .
Démonstration . — Soit A une matrice carrée à n lignes. Numérotons
de 1 à s les transformations élémentaires qui transforment la matrice
A en la matrice unité In . Notons E1 , . . . , Es les matrices élémentaires
déduites de In par ces mêmes transformations. Nous avons donc :
In = Es . . . E1 A.
Ainsi, nous voyons que A est inversible à gauche . Chaque matrice
élémentaire étant inversible, on vérifie que A = E1−1 . . . Es−1 est inversible
d’inverse Es . . . E1 .
Pour la réciproque, on utilise la résolution des systèmes linéaires. Le

système AX = Y où X et Y sont deux matrices unicolonnes, admet une
unique solution : X = A−1 Y , donc une succession de transformations
élémentaires sur les lignes permettent d’obtenir la matrice In .
Définition 5.3.7. — Une matrice A de Mm,n (K) est dite échelonnée

réduite de rang r si il existe une suite d’entiers 1 ≤ j1 < j2 · · · < jr ≤ n
tels que
1.
∀1 ≤ i ≤ r, ai ji = 1;
2.
∀1 ≤ ` < r, a`,ji = 0;
3.
∀1 ≤ i ≤ r, ∀1 ≤ j < jr , ai j = 0;
4.
∀r < i, ∀j, ai j = 0.
On introduit comme pour les systèmes linéaires, la relation d’équivalence
R, définie sur Mm,n (K) par ARB si B se déduit de A par un nombre
fini de transformation élémentaires.
On obtient alors un résultat analogue à celui obtenu pour les systèmes.
theoSoitA∈ Mm,n (K), la classe d’équivalence de A contient une unique
matrice échelonnée réduite A,
e et il existe une matrice inversible P de
Mn (K) telle que P A = A. e En particulier si m = n et si A e = In la
matrice A est inversible d’inverse P .
La matrice P s’obtient en effectuant les mêmes transformations sur la

matrice Im . Comme P est un produit de matrice élémentaires inversibles,
P est inversible.
Algorithme de Gauss. —
Il permet de trouver de calculer la matrice échelonnée réduite associée

à la matrice A.
Exemple. —
 
0 1 1
Soit A = 1 0 1. Nous commençons par échanger première et
1 1 0
 
1 1 0
troisième ligne. Nous obtenons : E1 A = 1 0 1 avec E1 =
0 1 1
 
0 0 1
0 1 0
1 0 0
Ensuite, on 
ajoute à la 
deuxième ligne, 
l’opposée de
 la première ligne :
1 1 0 1 0 0
E2 E1 A = 0 −1 1 avec E2 = −1 1 0 et
0 1 1 0 0 1
 
0 0 1
E2 E1 = 0 1 −1
1 0 0
Ensuite nous multiplions la deuxième ligne par −1 :
 
1 1 0
E3 E2 E1 A = 0 1 −1
0 1 1
   
1 0 0 0 0 1
avec E3 = 0 −1 0 et E3 E2 E1 = 0 −1 1
0 0 1 1 0 0
Pratiquement, on présente les calculs sur deux colonnes, et on n’écrit pas

les matrices Ei .
   
0 1 1 1 0 0
1 0 1 0 1 0
1 1 0 0 0 1
1 1 0 0 0 1
1 0 1 0 1 0
0 1 1 1 0 0
1 1 0 0 0 1
0 −1 1 0 1 −1
0 1 1 1 0 0 
1 1 0 0 0 1
0 1 −1 0 −1 1
0 1 1 1 0 0
1 1 0 0 0 1
0 1 −1 0 −1 1 
0 0 2  1 1 −1 
1 1 0 0 0 1
0 1 −1  0 −1 1 
1 1 1
0 0 1  2 2 −2 
1 1 0 0 0 1
0 1 0 1 −1 1 
2 2 2
1 1 1
0 0 1  21 21 − 2 
1
1 0 0 −2 2 2
0 1 0  1 −1 1 
2 2 2
1 1
0 0 1 2 2
− 12
Ainsi, on obtient : A est inversible et :
 1 1 1

−2 2 2
1
A −1
= 
2
− 12 1
2

1 1
2 2
− 12
Remarque 5.3.8. — Pour obtenir l’inverse, il faut faire des transfor-
mations sur les lignes seulement.
Échelonnons la matrice
 
0 1 2 0 1
A = 0 3 6 1 4 
0 1 2 2 3
La première colonne est nulle. La seconde colonne n’étant pas nulle
j1 = 2, le coefficient a1 2 = 1 permet de nettoyer les lignes 2 et 3.
   
0 1 2 0 1 1 0 0
0 3 6 1 4 0 1 0
0 1 2 2 3 0 0 1
   
0 1 2 0 1 1 0 0
0 0 0 1 1 −3 1 0
0 0 0 2 2 −1 0 1
   
0 1 2 0 1 1 0 0
0 0 0 1 1 −3 1 0 On obtient donc la matrice échelonnée
0 0 0 0 0 5 −2 1
réduite
 
0 1 2 0 1
e = 0 0 0 1 1 
A
0 0 0 0 0
Et on a l’égalité :
 
1 0 0
e = −3 1 0 A.
A
5 −2 1
Remarque 5.3.9 (propriété plus précise). — Si A est une matrice

carrée à n lignes et si il existe une matrice carrée B telle AB = In alors
A est inversible et B = A−1 .
Il y a évidemment la même conclusion avec l’hypothèse BA = In .
Notation. — Si A est une matrice carrée à n lignes et si k est un entier

strictement positif, Ak désigne le produit de A par lui-même k fois. On
peut écrire par récurrence :
A1 = A ;
Ak+1 = Ak A = Ak A.
Supposons de plus A inversible.

On peut poser A0 = In ;
De plus, Ak est inversible et (Ak )−1 = (A−1 )k . On peut poser A−k =
(Ak )−1 = (A−1 )k .
5.4. LIEN AVEC LES SYSTÈMES LINÉAIRES 45
5.4. Lien avec les systèmes linéaires
Soient les matrices :

a11 a12 . . . a1m x1 b1
     
a21 a22 . . . a2m  x  b 
A= .  , X =  .2  et B =  .2  .
 ..   ..   .. 
ap1 ap2 . . . apm xm bm
Nous avons :

 a11 x1 + a12 x2 + . . . + a1m xm = b1
a21 x1 + a22 x2 + . . . + a2m xm = b2

AX = B ⇐⇒ .. .


 .
ap1 x1 + ap2 x2 + . . . + apm xm = bp
Définition 5.4.1. — L’égalité AX = B écrite ci-dessus à gauche est

appelée écriture matricielle du système écrit ci-dessus à droite. La matrice
A est dite la matrice du système, la matrice B est dite la matrice des
seconds membres.
Théorème 5.4.2. — Soit un système linéaire ayant n équations et

n inconnues. Soit A sa matrice. Les deux conditions suivantes sont
équivalentes :
1. Le système possède une solution unique ;
2. La matrice A est inversible.
Démonstration. — Si A est inversible, alors : X = A−1 B fournit une

solution. Et il n’y en a pas d’autre.
Réciproquement, c’est la méthode de résolution des systèmes linéaires, la
matrice réduite associée à A est alors l’identité.
Exemple. —
Considérons le système :
 
x2 + x3 = 1
 x1 + x3 = 2  .
x1 + x2 = 3
On a :
     1 1 1

1 0 1 1 −2 2 2
B= 2 ,A= 1
   0 1 , A−1 =  21 − 12 12  .
1 1
3 1 1 0 2 2
− 12
 
2
−1
D’où : X = A B = 1.
 La solution est (x1 = 2, x2 = 1, x3 = 0).
0

a b
5.4.1. Cas des matrices carrées d’ordre 2. — Soit A = ,
c d
un calcul immédiat donne
A2 − (a + d)A + (ad − bc)I2 = 02 .
On en déduit que si ad − bc est non nul, alors A est inversible d’inverse

1 1 d −b
((a + d)I2 − A) = .
ad − bc ad − bc −c a
Si ad − bc = 0 et A−1 existe alors
A−1 A(A − (a + d)I2 = 0
puis A = (a + d)I2 donc b et c sont nuls et a + d = a et a + d = d donc
a = d = 0 et la matrice A est nulle ce qui donne une contradiction. On
en déduit la proposition suivante :

a b
Proposition 5.4.3. — Une matrice carrée d’ordre 2, A = est
c d
inversible si et seulement si ad − bc 6= 0. La matrice inverse de A est
alors donnée par
1 d −b
.
ad − bc −c a
La quantité ad − bc se note det A, c’est le déterminant de la matrice A.
5.5. Applications
On donne ici une version matricielle de l’algorithme d’Euclide permet-
tant le calcul du pgcd de deux entiers ou de deux polynômes.
Soit a et b deux entiers relatifs, b étant supposé strictement positif.
La division euclidienne de a par b donne l’existence et l’unicité de deux
entiers q et r vérifiant les conditions :
a = bq + r et 0 ≤ r ≤ |b|.
5.5. APPLICATIONS 47
On peut alors écrire la première égalité sous forme matricielle :

b 0 1 a
=
r 1 −q r
On introduit alors la suite a0 = a, a1 = b, a2 = r, et an−1 = qn an +an+1
si an 6= 0, avec 0 ≤ an+1 < |an |, on a donc

an 0 1 an−1
=
an+1 1 −qn an

0 1
Notons An = Dès que n est plus grand que 2 les an sont
1 −qn
positifs La stricte décroissance des entiers positifs ai pour i > 1 montre
l’existence d’un entier n0 ≥ 1 tel que an0 +1 = 0 et an0 6= 0. On obtient
donc :

an0 a
= An0 . . . A1 0
0 a1

u v
Notons An0 . . . A1
w x
u, v, w, et x sont des entiers et on obtient an0 = ua + vb et wa = −xb.
On obtient donc que tout diviseur commun à a et b divise an0 . On sait
aussi calculer l’inverse de Ai :

−1 qn 1
Ai =
1 0
Donc

−1 (−1)n0 x −(−1)n0 v
(An0 . . . A1 ) = A−1 . . . A−1 =
1 n0 −(−1)n0 w (−1)n0 u
est une matrice à coefficients entiers et l’égalité :

a0 −1 −1 an0
= A1 . . . An0
a1 0
donne
a = (1)n0 xan0 et b = −(1)n0 wan0
donc an0 divise a et b : c’est donc le pgcd de a et b. On admet que le
ppcm n’est autre que |wa| = |xb|.
L’égalité
pgcd(a, b) = ua + vb
s’appelle l’identité de Bezout, la connaissance des coefficients u et v, qui

ne sont pas uniques est imortante et c’est ce qui permet de justifier la
mise en place de cet algorithme. Le même algorithme permet de calculer
le pgcd de deux polynômes.
Soit par exemple P = X 4 + 3X 3 + 3X 2 + 4X + 4 et Q = X 4 + 3X 3 +
2X 2 + X + 2 On a :
4 4
0 1 X + 3X 3 + 3X 2 + 4X + 4 X + 3X 3 + 2X 2 + X + 2
=
1 −1 X 4 + 3X 3 + 2X 2 + X + 2 X 2 + 3X + 2
4
0 1 X + 3X 3 + 2X 2 + X + 2 X 2 + 3X + 2
=
1 −X 2 X 2 + 3X + 2 X +2
2
0 1 X + 3X + 2 X +2
=
1 −X − 1 X +2 0
D’où
4
0 1 0 1 0 1 X + 3X 3 + 3X 2 + 4X + 4 X +2
=
1 −X − 1 1 −X 2 1 −1 X 4 + 3X 3 + 2X 2 + X + 2 0
Soit :
4
−X 2 1 + X2 X + 3X 3 + 3X 2 + 4X + 4 X +2
=
X 3 + X 2 + 1 −2 − X − X 2 − X 3 X 4 + 3X 3 + 2X 2 + X + 2 0
On en déduit :
(−X 2 )(X 4 +3X 3 +3X 2 +4X+4)+(1+X 2 )(X 4 +3X 3 +2X 2 +X+2) = X+2
et
(X 3 +X 2 +1)(X 4 +3X 3 +3X 2 +4X+4)−(X 3 +X 2 +X+2)(X 4 +3X 3 +2X 2 +X+2) = 0
Le pgcd est X +2 et le ppcm est (X 3 +X 2 +1)(X 4 +3X 3 +3X 2 +4X +4)
de plus
X 4 + 3X 3 + 3X 2 + 4X + 4 = (X + 2)(X 3 + X 2 + X + 2)
et
X 4 + 3X 3 + 2X 2 + X + 2 = (X + 2)(X 3 + X 2 + 1)

Cours PDF

Transféré par

Informations du document

Titre original

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

Cours PDF

Transféré par

Droits d'auteur :

Formats disponibles

Vincent Fleckinger

Version de septembre 2017

Résumé. — Ce cours d’algèbre est destiné aux étudiants de première

On évitera soigneusement de dire qu’un objet de l’univers U est un

Définition 1.1.2. — Soient E et F deux ensembles, on dit que F est

Définition 1.1.3. — Une proposition est constituée par les symboles

Définition 1.1.4. — Dans un énoncé p, la variable x est dite libre si

Un énoncé à une variable libre définit une collection d’objets de U.

1.1.1. Définition d’un ensemble en compréhension. — Si on peut

Définition 1.1.9. — Un ordinal est un ensemble E tel que la relation

1.2. Opérations sur les ensembles

On peut écrire : E − A = {x | x ∈ E et x 6∈ A}.

Définition 1.2.2. — Soient A et B deux ensembles.

Si on introduit la proposition pA : x ∈ A, alors pA∩B = ”pA et pB ” et

Définition 1.2.3. — Soient a et b deux objets, on appelle paire {a, b}

Définition 1.2.4. — On appelle couple d’objets, la donnée de deux

Le couple formé par les objets x et y est noté (x, y).

Ne pas confondre (x, y) et {x, y}.

L’intersection des ensembles Ei est définie par

Le produit des ensembles Ei est défini par :

Définition 2.1.2. — Soit R une relation fonctionnelle entre les

Exemple 2.1.3. — Soient E = {1, 2, 3, 4}, F = {a, b, c},

son image est {a, b, c}.

2. L’ensemble Γ2 = {(x, y) ∈ R2 , x − y 2 = 0} n’est pas le graphe

et (1, 1) appartiennent à Γ2 . Par

est [0, ∞[, et l’image R+ . -3 -2 -1 1 2 3

3. L’ensemble Γ4 = {(x, y) ∈ R2 , x2 + y 2 = 1} n’est pas le graphe

Égalité de deux applications :

Γf = Γf 0 , c’est à dire, pour tout x de E, on a f (x) = g(x).

Itération d’une application de E dans lui-même :

Injection canonique et Restriction :

Définition 2.1.6. — Soit A une partie de E, on note ιA l’application

Définition 2.1.7. — Soit f une application de E dans F . Soit A une

Extension à l’ensemble des parties :

Définition 2.1.8. — Soit f : E → 7 F une application de E dans F . Si

On obtient ainsi une application f : P(E) 7→ P(F ) appelée extension

Définition 2.1.9. — Soit B une partie de F . On désigne par f −1 (B)

2. Soient A et B deux parties de E, comparez f (A∪B) et f (A)∪f (B),

2.2. Surjection, injection, bijection

Exemple : Revenons aux applications v et v 0 introduites plus haut.

Définition 2.2.3. — Soit f une application de E dans F . On dit que f

En abrégé, on écrira pour tout x et tout y dans E :

1. L’application f : R → R définie par f (t) = t2 n’est pas injective.

2. L’application g : R → R définie par f (t) = t3 est bijective.

-1.5 -1 -0.5 0.5 1 1.5

3. Étudier l’image réciproque f −1 ({y}) d’un élément y de R par l’ap-

-1.5 -1 -0.5 0.5 1 1.5

Définition 2.2.4. — Une application est dite bijective lorsqu’elle est à

Propriété et définition : Soit f une application de E dans F . Si f est

propriétés : Soit f une application bijective de E dans F . Alors :

Définition 2.2.5. — Soit f : E → F une application bijective. L’ap-

Attention : La notation f −1 fait donc intervenir le contexte

- Si f est bijective et si y est un élément de l’ensemble d’arrivée, alors

- Soit l’application d de Z dans Z définie par d(x) = x + 2. Cette

Exercice 2.2.7. — Soit f l’application de E = {1, 2, 3} dans F =

3.1. Relation d’équivalence - Classes d’équivalences

Exemples. — Pour les relations d’équivalences citées en exemples voici

Cette application f vérifie donc

Démonstration. — Si f existe, elle doit vérifier f (x) = f (x), donc l’image

3.2. Applications aux critères de divisibilité

Proposition 3.2.2. — Un nombre entier est divisible par 9 si et seule-

3.2.1. Autres développements possibles. —

Proposition 3.2.5. — L’équation x2 + y 2 = 19z 2 n’a pas de solution