Académique Documents
Professionnel Documents
Culture Documents
2 Matrices 13
2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Matrices particulières . . . . . . . . . . . . . . . . . . . . 13
2.3 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.1 Diagonale d’une matrice carrée . . . . . . . . . . . . . . 14
2.3.2 Matrice diagonale . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3 Matrice triangulaire . . . . . . . . . . . . . . . . . . . . . 14
2.3.4 Matrice symétrique . . . . . . . . . . . . . . . . . . . . . 15
2.3.5 Matrice antisymétrique . . . . . . . . . . . . . . . . . . . 15
2.4 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . 15
1
Pr. A.AZZAYANI Cours d’Algèbre 1
2.4.1 Egalité . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.3 Multiplication par un scalaire . . . . . . . . . . . . . . . 16
2.4.4 Produit de deux matrices . . . . . . . . . . . . . . . . . . 16
2.4.5 Puissance d’une matrice . . . . . . . . . . . . . . . . . . 16
2.4.6 Propriétés de l’ensemble des matrices . . . . . . . . . . . 17
2.4.7 Matrice inversible . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Matrice inverse : Méthode de Gauss-Jordan . . . . . . . . . . . . 17
2.5.1 Principe de la méthode . . . . . . . . . . . . . . . . . . . 17
2.5.2 Méthode de calcul . . . . . . . . . . . . . . . . . . . . . 18
2.6 Matrice associée à un système de vecteurs . . . . . . . . . . . . . 18
2
Introduction
Le but de ce cours est de permettre aux étudiants de la 1ère année du cycle Li-
cence en Economie et Gestion de s’approfondir aux notions de base des structures
algébriques ainsi qu’introduire les notions de l’algèbre linéaire. A ce propos, ce
cours est composé de quatres chapitres.
Le premier chapitre, précise les structures des espaces et sous-espaces vectoriels
réels, avec ces définitions. aussi bien on discutra, les définitions et les propriétés
de : Combinaison linéaire - Système générateur, famille libre - famille liée, Ordre
et rang d’une famille de vecteurs et base d’un espace vectoriel.
3
Chapitre 1
1.1 Ensembles :
1.1.1 Définition des ensembles :
Définition 1. 1. un ensemble est une collection d’éléments ;
2. un ensemble particulier est l’ensemble vide, noté qui est l’ensemble ne
contenant aucun élément ;
3. si x est un élément d’un ensemble E, et x ∈
/ E dans le cas contraire.
Exemple 2. -
-
-
-
-
-
4
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 4. -
-
-
-
-
-
1. A ∩ B = B ∩ A ;
2. A∩(B ∩C) = (A∩B)∩C (on peut donc écrire A∩B ∩C sans ambigüité) ;
3. A ∩ = , A ∩ A = A, A ⊂ B ⇔ A ∩ B = A ;
4. A ∪ B = B ∪ A ;
5. A∪(B ∪C) = (A∪B)∪C (on peut donc écrire A∪B ∪C sans ambigüité) ;
6. A ∩ = A, A ∪ A = A, A ⊂ B ⇔ A ∪ B = B ;
7. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) ;
8. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) ;
9. C(CA ) = A ;
10. A ⊂ B ⇔ CB ⊂ CA ;
11. C( A ∩ B) = CA ∪ CB ;
12. C( A ∪ B) = CA ∩ CB
Exemple 6. -
-
-
-
-
-
5
Pr. A.AZZAYANI Cours d’Algèbre 1
E×E →E
(~u, ~v ) 7→ ~u + ~v
deuxième est la multiplication d’un vecteur par un nombre : λ.~u. Cette multipli-
cation n’est pas une loi de composition interne puisque les deux objets λ et ~u ne
sont pas de même nature (λ est un nombre et ~u est un vecteur). On a besoin d’une
nouvelle notion, la notion de loi de composition externe :
Définition 7. Une loi de composition externe (l.d.c.e) sur E de domaine R est une
application de R × E dans E :
R×E →E
Définition 8. Soit G un ensemble non vide muni d’une loi de composition interne :
une application g : G×G → G, pour laquelle on note ∀u, v ∈ G, g(u, v) = u+v.
On dit que (G, +), ou simplement G, est un groupe si :
(i) la loi + est associative, i.e., u, v, w ∈ G, u + (v + w) = (u + v) + w ;
(ii) la loi + possède un élement neutre, i.e., ∃e ∈ G : ∀u ∈ G u + e = e + u = u ;
(iii) tout élement u de G possède un symetrique x0 , i.e., ∀u ∈ G, ∃v ∈ G :
u + v = v + x = e. On designe ce symétrique par u−1 et on l’appelle inverse de
x.
Si de plus la loi + est commutative, i.e., ∀u, v ∈ G u + v = v + u, on dit que le
groupe G est commutatif ou abelien.
6
Pr. A.AZZAYANI Cours d’Algèbre 1
Définition 9. Soit E un ensemble non vide muni d’une loi de composition interne
notée + et d’une loi de composition externe de domaine R notée.
(E, +, .) est un R-espace vectoriel (ou espace vectoriel sur R) si et seulement si :
1) (E,+) est un groupe commutatif.
2) La loi . verifie les quatre axiomes :
i. ∀(u, v) ∈ E 2 , ∀λ ∈ R, λ.(u + v) = λ.u + λ.v
ii. ∀u ∈ E, ∀(λ, µ) ∈ R2 , (λ + µ).u = λ.u + µ.u
iii. ∀u ∈ E, ∀(λ, µ) ∈ R2 , λ.(µ.u) = (λ × µ).u
iv. ∀u ∈ E, 1.u = u.
Les élements de E sont les vecteurs et les élements de R sont les scalaires ou plus
simplement les nombres.
7
Pr. A.AZZAYANI Cours d’Algèbre 1
1) F 6= ;
2) F est stable pour + : (∀u, v ∈ F , u + v ∈ F ) ;
3) F est stable pour . : (∀(λ, u) ∈ R × F , λ.u ∈ F ).
Exemple 15. -
-
-
-
-
-
8
Pr. A.AZZAYANI Cours d’Algèbre 1
E1 ⊕ E2 = {u ∈ E/∃!(u1 , u2 ) ∈ E1 × E2 /u = u1 + u2 }
Exemple 23.
avec λ1 ; ...; λn ∈ R et ~a1 ; ...; ~an ∈ A sont appelés des combinaisons linéaires de
vecteurs de A.
L’ensemble de toutes les combinaisons linéaires de vecteurs de A est notée :
9
Pr. A.AZZAYANI Cours d’Algèbre 1
Théorème 25. Pour tout sous-ensemble A d’un espace vectoriel (E, +, .), les pro-
priétés suivantes sont vérifiées : 1) L’ensemble Vect(A) est un sous-espace vecto-
riel de (E, +, .).
2) A ⊂ V ect(A)
3) Tout sous-espace vectoriel Z de (E, +, .) contenant A contient aussi Vect(A)
A ⊂ V ect(A) ⊂ Z
Définition 27. Lorsque le sous-espace vectoriel engendré par A vaut l’espace vec-
toriel (E, +, .) tout entier, on dit que la famille de vecteurs A engendre (E, +, .)
ou que c’est une famille génératrice.
Dit autrement, cela signifie que tout vecteur de (E, +, .) peut s’écrire sous la
forme d’au moins une combinaison linéaire de vecteurs de A :
Exemple 28.
Cela signifie qu’il n’y qu’une seule manière d’écrire le vecteur nul comme com-
binaison linéaire de vecteurs ~a1 ; ...; ~an , c’est-à-dire avec la combinaison linéaire
triviale où tous les coefficients sont nuls.
A l’inverse, une famille de vecteurs ~a1 ; ...; ~an d’un espace vectoriel (E, +, .) est
dite liée si elle n’est pas libre. Cela signifie que le vecteur nul peut d’écrire avec
au moins une combinaison linéaire non triviale de vecteurs (E, +, .) :
avec au moins un λi 6= 0
Exemple 30.
10
Pr. A.AZZAYANI Cours d’Algèbre 1
Théorème 31. Une famille de vecteurs est liée ssi un des vecteurs de cette famille
est combinaison linéaire des autres vecteurs de la famille.
Si un des vecteurs d’une famille est combinaison linéaire des autres vecteurs de
la famille alors tout vecteur de cette famille est combinaison linéaire des autres
vecteurs de la famille.
Théorème 34. 1) Une famille de vecteurs est libre ssi son rang est égal à son
ordre.
2) Dans une famille liée de rang r, les vecteurs libres extraits en nombre r sont
dits vecteurs principaux, les autres sont dits non principaux et sont combinaison
linéaire des premiers.
3) Le rang d’une famille de vecteurs est égal à la dimension de l’espace engendré
par ces vecteurs.
Exemples :
1) (1,0),(0,1) est une base de R2 .
2) 1,0),(0,1),(1,1) n’est pas une base de R2 .
3) (1,0,0),(0,1,0),(0,0,1) est une base de R3 : on l’appelle la base canonique de R3 .
Théorème 36. Une famille de vecteurs {u1 , ....., un } est une base de E ssi tout
vecteur de E s’écrit de manière unique comme combinaison linéaire des vecteurs
u1 , ....., un :
∀u ∈ E, ∃!λ1 , ...., λn ∈ R/ u = λ1 u1 + .... + λn un
11
Pr. A.AZZAYANI Cours d’Algèbre 1
12
Chapitre 2
Matrices
2.1 Généralités
2.2 Définitions
Définition 40. On appelle une matrice A, de type (n, p) (n, p ∈ N∗) à coefficients
réels, un tableau de n lignes et p colonnes constituées de nombres réels, dits co-
efficients de la matrice A. On note par :
a11 a12 ... a1p
a21 a22 ... a2p
A=
: : ... :
: : ... :
an1 an2 ... anp
On appelle le coefficient aij de la matrice A, l’élément d’intersection de la ligne i
et la colonne j.
On note M (n, p) l’ensemble des matrices de type (n, p).
Exemple 41.
13
Pr. A.AZZAYANI Cours d’Algèbre 1
14
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 50.
Exemple 52.
Remarque
Tous les éléments diagonaux d’une matrice antisymétrique sont nuls :
Exemple 54.
2.4.2 Addition
Définition 55. Soient A et B deux matrices de M (n, p). La matrice C de M (n, p)
définie par :
cij = aij + bij s’appelle la matrice somme des matrices A et B. On note C =
A + B.
Propriétés
1) ∀A, B, C ∈ M (n, p) : (A + B) + C = A + (B + C)
2) ∀A, B ∈ M (n, p) : A + B = B + A
3) ∀A, B ∈ M (n, p) : (A + B)t = At + B t
Exemple 56.
15
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 58.
16
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 63.
Exemple 66.
17
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 68.
18
Chapitre 3
19
Pr. A.AZZAYANI Cours d’Algèbre 1
3.0.2 Antécédents :
Fixons y ∈ F . Tout élément x ∈ E tel que f(x)=y est un antécédent de y.
En termes d’image réciproque l’ensemble des antécédents de y est f −1 (y).
Exemple 74. -
-
-
-
-
-
Définition 75. – f est injective si pour tout x, x0 ∈ E avec f(x)= f(x’) alors x
= x’. Autrement dit
20
Pr. A.AZZAYANI Cours d’Algèbre 1
3.1.2 Bijection :
Définition 77. f est bijective si elle injective et surjective. Cela équivaut à : pour
tout y ∈ F il existe un unique x ∈ E tel que y=f(x). Autrement dit :
21
Pr. A.AZZAYANI Cours d’Algèbre 1
Définition 85. Soient E et F deux espaces vectoriels réels. On dit qu’une ap-
plication f de E vers F est une application linéaire ssi : i) ∀(x, y) ∈ E 2 :
f (x + y) = f (x) + f (y) ;
ii) ∀(α, y) ∈ IR × E : f (α.x) = α.f (x) ;
ssi ∀(α, β) ∈ IR2 ,∀(x, y) ∈ E 2 : f (α.x + β.y) = α.f (x) + β.f (y)
22
Chapitre 4
Exemple 88.
Définition 89. Soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n (A ∈ M (n)).
Le déterminant d’ordre n de la matrice A est défini par :
1) La formule du développement du déterminant de la matrice A suivant la ligne
i: n
X
∀1 ≤ i ≤ n detA = (−1)i+k aik detAik
k=1
2) La formule du développement du déterminant de la matrice A suivant la co-
lonne j :
Xn
∀1 ≤ j ≤ n detA = (−1)j+k akj detAkj
k=1
Exemple 90.
23
Pr. A.AZZAYANI Cours d’Algèbre 1
c. Une ligne ou une colonne est une combinaison linéaire des autres lignes ou co-
lonnes.
2) Un déterminant change de signe si l’on effectue un nombre impair de permu-
tations (si par exemple, on permute deux lignes uniquement ou deux colonnes
uniquement).
3) Un déterminant est linéaire par rapport à chaque ligne et à chaque colonne (si
l’on multiplie tous les éléments d’une ligne ou d’une colonne par le même sca-
laire, le déterminant est multiplié par ce scalaire).
4) Un déterminant ne change pas si :
a. On permute simultanément deux lignes et deux colonnes
b. On échange les lignes et les colonnes det(At ) = detA
c. On ajoute à une ligne (respectivement une colonne), une combinaison linéaire
des autres lignes (respectivement colonnes).
5) Une matrice carrée est inversible ssi son déterminant est non nul.
6) Le déterminant du produit de deux matrices est égal au produit des détermi-
nants des deux matrices.
7) Le déterminant de l’inverse d’une matrice inversible est égal à l’inverse du dé-
terminant de cette matrice. 8)Un système de vecteurs est libre ssi le déterminant
de la matrice de ce système dans une base donnée est non nul.
9) Le déterminant d’une matrice triangulaire est égal au produit de ces éléments
diagonaux.
24
Pr. A.AZZAYANI Cours d’Algèbre 1
Exemple 92.
25