Académique Documents
Professionnel Documents
Culture Documents
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
Vincent Fleckinger
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 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.
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.
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.
On remarque que la paire {a, b} est égale à la paire {b, a}. De plus si
a = b alors {a, b} = {a}.
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
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
-3 -2 -1 1 2 3
-5
-10
0.5
-3 -2 -1 1 2 3
-0.5
-1
-1.5
0.5
-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|.
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 ).
18 CHAPITRE 2. APPLICATIONS
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 .
20 CHAPITRE 2. APPLICATIONS
∃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 :
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 .
2.2. SURJECTION, INJECTION, BIJECTION 21
-3 -2 -1 1 2 3
-1
-2
-3
1.5
0.5
-0.5
-1
-1.5
Application bijective :
RELATIONS D’ÉQUIVALENCES
x + y ≡ x0 + y 0 mod n,
xy ≡ x0 y 0 mod n.
SYSTÈMES LINÉAIRES
Sommaire
4.1. Généralités. . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Réduction d’un système linéaire. . . . . . . . . . . . 30
4.1. Généralités
Définition 4.1.1. — Un système linéaire S est un ensemble fini
d’équations écrites ainsi :
Les aij sont les coefficients, les Xi sont les inconnues et les bi sont les
seconds membres.
2X1 + 3X2 = 4
3X1 + 5X2 = 8
devient
3X1 + 5X2 = 8
2X1 + 3X2 = 4
X1 + 2X2 + 3X3 = 4
X2 + 4X3 = 3
X + X3 = 1
1
devient
X 1 − 5X3 = −2
X2 + 4X3 = 3
X + X3 = 1
1
2X1 + 3X2 = 4
3X1 + 5X2 = 8
devient
4X1 + 6X2 = 8
3X1 + 5X2 = 8
4.2. RÉDUCTION D’UN SYSTÈME LINÉAIRE 33
Exemple. —
X 1 + X 2 + X 3 = 1
X2 + 2X3 = 2
0 = 0
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
5.1. Généralités
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
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 !
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 .
5.3. MATRICES INVERSIBLES 41
Algorithme de Gauss. —
Exemple. —
42 CHAPITRE 5. MATRICES
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
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
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.
44 CHAPITRE 5. MATRICES
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
Exemple. —
Considérons le système :
x2 + x3 = 1
x1 + x3 = 2 .
x1 + x2 = 3
On a :
46 CHAPITRE 5. MATRICES
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