Cours Math Semestre (1+2)

République Algérienne Démocratique et Populaire
Ministère de l'enseignement supérieur et de la recherche scientique

x )
Université des Sciences et de la Technologie d'Oran- M. Boudiaf
(
nε
Faculté des Mathématiques et Informatiquex
n +
(n) (0) x
f n!
.. . +
′′ 2 +
(0) x
f !
2
′
( 0) x+
in 1
f !
Mathématiques 1
1
+
(0)
x
= f
x )
xs
+∞
Cours et Exercices Corrigés

x→lim
1 ère ANNÉE SOCLE COMMUN ST
f (x
, y,
z) = y
(−2 x+ y
x
1+
x +y ∗y =
: +x z
× G ,x
Dr : BENAISSA CHERIF Amin
G −2
) ∈ y+
x , y z, x
∀( +y
−2
z)
U.S.T.O.M.B 2022-2023
Table des matières
1 Méthodes du Raisonnement Mathématique 3

1.1 Logique Mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Les opérateurs logiques mathématique . . . . . . . . . . . . . . . . . . . 3
1.1.3 Quanticateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Raisonnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Raisonnement direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Raisonnement par contraposition . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Raisonnement par l'absurde . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.4 Raisonnement par contre exemple . . . . . . . . . . . . . . . . . . . . . . 7
1.2.5 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Les ensembles, les relations et les applications 10
2.1 Théorie des ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Relation d'ordre, Relation d'équivalence . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Relations binaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Relation d'équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.3 Relation d'ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Les applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.1 Dénition d'une application . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Application injective, surjective, bijective . . . . . . . . . . . . . . . . . . 15
2.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Les fonctions réelles à une variable réelle 21
3.1 Limite, continuité d'une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1 Limite d'une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Dérivée et diérentiabilité d'une fonction . . . . . . . . . . . . . . . . . . . . . . 26
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 Application aux fonctions élémentaires 37
4.1 Fonction logarithme, fonction exponentielle et fonction puissance . . . . . . . . . 37
4.1.1 Fonction Logarithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.2 Fonction exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.1.3 Fonction puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Fonctions trigonométriques et leurs inverses . . . . . . . . . . . . . . . . . . . . 40
4.2.1 Fonctions trigonométriques . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.2 Fonctions circulaire réciproques . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Fonctions hyperboliques et leurs inverses . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Fonctions hyperboliques . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1
Table des Matières
4.3.2 Fonctions hyperboliques réciproques . . . . . . . . . . . . . . . . . . . . . 46

4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5 Développement limité 53
5.1 Formule de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1.1 Formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1.2 Formule de Mac-Laurin-Young . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Développements limités au voisinage d'un point . . . . . . . . . . . . . . . . . . 53
5.2.1 Dénition et existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2.2 Développements limités des fonctions usuelles à l'origine . . . . . . . . . 54
5.2.3 Développement limité des fonctions en un point quelconque . . . . . . . . 54
5.2.4 Somme et produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2.5 Quotient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.6 Intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.2.7 Composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.8 Développement limité en +∞ . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3 Application des Développements limités . . . . . . . . . . . . . . . . . . . . . . . 58
5.3.1 Calculer des limites. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3.2 Position de la courbe par rapport à une tangente . . . . . . . . . . . . . 59
5.3.3 Position de la courbe par rapport à une asymptote . . . . . . . . . . . . 60
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6 Algèbre linéaire 66
6.1 Lois de composition interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.1.1 Structure de groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.1.2 Structure d'anneau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.1.3 Structure d'un corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2 Espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2.1 Somme de deux sous espaces vectoriels . . . . . . . . . . . . . . . . . . . 71
6.2.2 Somme directe de deux sous espaces vectoriels . . . . . . . . . . . . . . . 71
6.2.3 Familles génératrices, familles libres et bases . . . . . . . . . . . . . . . . 72
6.3 Application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.3.1 Noyau, image et rang d'une application linéaire . . . . . . . . . . . . . . 75
6.3.2 Application Linéaire sur des espace de dimension nies. . . . . . . . . . . 76
6.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Bibliographie 84
2
1 | Méthodes du Raisonnement Mathéma-
tique
1.1 Logique Mathématique

1.1.1 Assertions
Dénition 1.1.1. Une assertion est une phrase qui peut être vraie ou fausse et ne peut pas
être les deux en même temps.
Exemple 1.1.1.
a) 2 + 2 = 4 est une assertion vraie.
b) 3 × 2 = 7 est une assertion fausse.
c) Pour tout x ∈ R on a x2 ≥ 0 est une assertion vraie.
e) Pour tout x ∈ R on a |x| = 1 est une assertion fausse.
1.1.2 Les opérateurs logiques mathématique

Si P est une assertion et Q est une autre assertion, nous allons dénir de nouvelles assertions
construites à partir de P et de Q.
L'opérateur logique "et" (∧) (Conjonction)
L'assertion "P et Q " est vraie si P est vraie et Q est vraie, et elle est fausse sinon. On
résume ceci en une table de vérité :
P Q P ∧Q
V V V
V F F
F V F
F F F
Exemple 1.1.2.
a) (3 + 5 = 8) ∧ (3 × 6 = 18) est une assertion vraie.
b) (2 + 2 = 4) ∧ (2 × 3 = 7) est une assertion fausse.
L'opérateur logique "ou" (∨) (Disjonction)
L'assertion "P ou Q" est vraie si l'une des deux assertions P ou Q est vraie. L'assertion
(P ou Q) est fausse si les deux assertions P et Q sont fausses. On reprend ceci dans la table de
vérité :
P Q P ∨Q
V V V
V F V
F V V
F F F
3
Chapitre 1 Méthodes du Raisonnement Mathématique
Exemple 1.1.3.
a) (2 + 2 = 4) ∨ (3 × 2 = 6) est une assertion vraie.
b) (2 = 4) ∨ (4 × 3 = 7) est une assertion fausse.
La négation "non" P

L'assertion P est vraie si P est fausse, et fausse si P est vraie.

P P
V F
F V
Exemple 1.1.4. La négation de l'assertion 3 ≥ 0 est l'assertion 3 < 0.

L'implication (⇒)
L'assertion P ou Q est notée P ⇒ Q. Sa table de vérité est donc la suivante :
P Q P ⇒Q
V V V
V F F
F V V
F F V
√
Exemple 1.1.5. 2 + 2 = 5 ⇒ 2 = 2 est vraie ! Eh oui, si P est fausse alors l'assertion
P ⇒ Q est toujours vraie.
L'équivalence (⇔)
L'équivalence est dénie par l'assertion (P ⇒ Q) et (Q ⇒ P ), elle est notée P ⇔ Q. On
dira (P est équivalent à Q) ou (P équivaut à Q) ou (P si et seulement si Q). Cette assertion est
vraie lorsque P et Q sont vraies simultanément ou lorsque P et Q sont fausses simultanément.
Sa table de vérité est :
P Q P ⇔Q
V V V
V F F
F V F
F F V
Exemple 1.1.6. Pour x, y ∈ R, l'équivalence ”xy = 0 ⇔ x = 0 ou y = 0” est vraie.

Proposition 1.1.1. Soient P, Q et R trois assertions. Nous avons les équivalences suivantes :

(1) P ⇔ P
(2) (P ∧ Q) ⇔ (Q ∧ P )
(3) (P ∨ Q) ⇔ (Q ∨ P )

(4) P ∧ Q ⇔ P ∨ Q

(5) P ∨ Q ⇔ P ∧ Q
(6) P ∧ (Q ∨ R) ⇔ (P ∧ Q) ∨ (P ∧ R)
(7) P ∨ (Q ∧ R) ⇔ (P ∨ Q) ∧ (P ∨ R)

(8) (P ⇒ Q) ⇔ Q ⇒ P
4
1.1.3 Quanticateurs
Le quanticateur ”∀” : pour tout
L'assertion
∀x ∈ E, P (x)
est une assertion vraie lorsque les assertions P (x) sont vraies pour tous les éléments x de
l'ensemble E .
On lit : pour tout x appartenant à E , P (x) est vraie.
Exemple 1.1.7.
• ∀x ∈ R, x2 ≥ 0 est une assertion vraie.
• ∀x ∈ R, x2 ≥ 1 est une assertion fausse.
Quanticateur ”∃” : il existe

L'assertion
∃x ∈ E, P (x)
est une assertion vraie lorsque l'on peut trouver au moins un élément x de E pour lequel P (x)
est vraie.
On lit il existe x appartenant à E tel que P (x) (soit vraie).
Exemple 1.1.8.
• ∃x ∈ R, x2 ≤ 0 est vraie, par exemple x = 0.
• ∃x ∈ R, x2 < 0 est fausse.
La négation des quanticateurs

La négation de
(∀x ∈ E, P (x)) est ∃x ∈ E, P (x) .
 
Exemple 1.1.9. La négation de ∀x ∈ R : x| 2{z≥ 0} est l'assertion

P (x)
2
∃x ∈ R : x
| {z< 0} .
P (x)
La négation de
(∃x ∈ E, P (x)) est ∀x ∈ E, P (x) .
 
Exemple 1.1.10. La négation de ∃x ∈ R : x| {z

< 0} est l'assertion
P (x)
∀x ∈ R : x ≥ 0 .
| {z }
P (x)
L'emploi de plusieurs quanticateurs

On peut combiner plusieurs quanticateurs dans une proposition quantiée seulement il ne
faut pas changer leurs dispositions s'ils sont de natures diérentes.
Exemple 1.1.11.
5
(i) (∀x ∈ R, ∃y ∈ R : 2x + y = 2) et (∃y ∈ R, ∀x ∈ R : 2x + y = 2) sont deux propositions

quantiées diérentes.
(ii) (∃x ∈ R, ∃y ∈ R : 2x + y = 2) et (∃y ∈ R, ∃x ∈ R : 2x + y = 2) sont deux propositions
quantiées équivalentes.
Négation d'une proposition quantiée
Quand on forme la négation d'une proposition quantiée, on remplace le quanticateur
universel ∀ par l'existentiel ∃ et vice versa, la propriété P (x) par sa négation P (x).
Exemple 1.1.12.
(i) (∀x ∈ R, ∃y ∈ R : 2x + y = 2) sa négation est
∃x ∈ R, ∀y ∈ R : 2x + y ̸= 2.
(ii) (∃x ∈ R, ∀y ∈ R : (x + y = 1) et (2xy ≤ 1)) sa négation est :
∀x ∈ R, ∃y ∈ R : (x + y ̸= 1) ou (2xy > 1)
(iii) (∀x ∈ R, ∃y ∈ R, ∀z ∈ R : x + y ≥ z 2 ) sa négation est :
∃x ∈ R, ∀y ∈ R, ∃z ∈ R : x + y < z 2 .
1.2 Raisonnements
1.2.1 Raisonnement direct
On veut montrer que l'assertion P ⇒ Q est vraie. On suppose que P est vraie et on montre
alors que Q est vraie.
a+b a b
Exemple 1.2.1. Soit a, b ∈ R. Montrer que a = b ⇒ = b. Prenons a = b, alors = ,
2 2 2
donc
a b b b
+ = + .
2 2 2 2
a+b
Ainsi = b.
2
1.2.2 Raisonnement par contraposition

Le raisonnement par contraposition est basé sur l'équivalence suivante :

(P ⇒ Q) ⇔ Q ⇒ P .
Donc si l'on souhaite montrer l'assertion P ⇒ Q, on montre en fait que si Q est vraie alors P
est vraie.
Exemple 1.2.2. Soit x ∈ R. Montrer que
(x ̸= 2 et x ̸= −2) ⇒ x2 ̸= 4 .

| {z } | {z }
P Q
Par contraposition ceci est équivalent

x2 = 4 ⇒ (x = 2 ou x = −2) .

| {z } | {z }
Q P
En eet, prenons x2 = 4, alors (x − 2) (x + 2) = 0, donc x = 2 ou x = −2.
6
1.2.3 Raisonnement par l'absurde

Le raisonnement par l'absurde pour montrer P ⇒ Q, repose sur le principe suivant :
On suppose à la fois que P est vraie et que Q est fausse et on cherche une contradiction.
Ainsi si P est vraie alors Q doit être vraie et donc P ⇒ Q est vraie.
a b
Exemple 1.2.3. Soient a, b > 0. Montrer que si = ⇒ a = b.
1+b 1+a
Nous raisonnons par l'absurde en supposant que
a b
= et a ̸= b.
1+b 1+a
On a

a b
= ⇔ a (a + 1) = b (b + 1)
1+b 1+a
⇔ a2 − b2 = − (a − b)
⇔ (a − b) (a + b) = − (a − b)
Ceci est équivalent
(a − b) (a + b) = − (a − b) et a − b ̸= 0.
donc en divisant par a − b on obtient
a + b = −1.
La somme de deux nombres positifs ne peut être négative. Nous obtenons une contradiction.
1.2.4 Raisonnement par contre exemple

Si l'on veut montrer qu'une assertion du type (∀x ∈ E : P (x)) est vraie alors pour chaque x
de E il faut montrer que P (x) est vraie. Par contre pour montrer que cette assertion est fausse
alors il sut de trouver x ∈ E tel que P (x) soit fausse.
Exemple 1.2.4. Montrer que l'assertion (∀x ∈ R, x2 − 1 > 1) est fausse.
Un contre-exemple est x = 0 ∈ R, car (0)2 − 1 > 1 est fausse.
1.2.5 Raisonnement par récurrence

Le principe de récurrence permet de montrer qu'une assertion P (n), dépendant de n, est
vraie pour tout n ∈ N.
La démonstration par récurrence se déroule en deux étapes :
i) On prouve P (0) est vraie.
ii) On suppose n ≥ 0 donné avec P (n) vraie, et on démontre alors que l'assertion P (n + 1)
est vraie.
Enn dans la conclusion, on rappelle que par le principe de récurrence P (n) est vraie pour
tout n ∈ N.
Exemple 1.2.5. Montrer que
pour tout n ∈ N : 2n > n.
Notons
pour tout n ∈ N.
P (n) : 2n > n,
Nous allons démontrer par récurrence que P (n) est vraie pour tout n ∈ N.
7
i) Pour n = 0 nous avons 20 = 1 > 0, donc P (0) est vraie.

ii) Soit n ∈ N, supposons que P (n) soit vraie. Nous allons montrer que P (n + 1) est vraie.
2n+1 = 2n + 2n
> n + 2n , car par P (n) nous savons que 2n > n,
≥ n + 1, car 2n ≥ 1
Donc P (n + 1) est vraie.

Remarque. Si on doit démontrer qu'une propriété est vraie pour tout n ≥ n0 , alors on com-
mence l'initialisation au rang n0 .
1.3 Exercices
Exercice 1. Soient les quatre assertions suivantes :
(a) ∃x ∈ R, ∀y ∈ R : x + y > 0, (b) ∀x ∈ R, ∃y ∈ R : x + y > 0,
(c) ∀x ∈ R, ∀y ∈ R : x + y > 0, (d) ∃x ∈ R, ∀y ∈ R : y 2 > x.

(1) Les assertions a, b, c, d sont-elles vraies ou fausses ?
(2) Donner leur négation.
Solution. (a) est fausse. Car sa négation qui est
∀x ∈ R, ∃y ∈ R : x + y < 0
est vraie. Etant donné x ∈ R il existe toujours un y ∈ R tel que x + y < 0, par exemple on peut
prendre y = − (x + 1) et alors x + y = −1 < 0.
(b) est vraie, pour un x donné, on peut prendre (par exemple) y = −x+1 et alors x+y = 1 > 0.
La négation de (b) est
∃x ∈ R, ∀y ∈ R : x + y ≤ 0.
(c) ∀x ∈ R, ∀y ∈ R : x + y > 0, est fausse, par exemple x = −1, y = 0. La négation est
∃x ∈ R, ∃y ∈ R : x + y ≤ 0.
(d) est vraie, on peut prendre x = −1. La négation est :
∀x ∈ R, ∃y ∈ R : y 2 ≤ x.
Exercice 2. Soit n > 0. Démontrer que si n est le carré d'un entier, alors 2n n'est pas le carré
d'un entier.
Solution. Soit n ∈ N∗ . Si n est le carré d'un entier, alors 2n n'est pas le carré d'un entier,
c'est-à-dire
∃k ∈ N∗ : n = k 2 ⇒ ∀m ∈ N : 2n ̸= m2 .

| {z } | {z }
P Q
Raisonnons par l'absurde.

On suppose donc que n est le carré d'un entier, et que 2n est lui aussi le carré d'un entier,
c'est-à-dire
∃k ∈ N∗ : n = k 2 et ∃m ∈ N∗ : 2n = m2 .

| {z } | {z }
P Q
8
Alors
∃k, m ∈ N∗ : 2n = 2k 2 = m2 .
donc, 2k 2 = m2 et en prenant la racine carrée,
√ m
Qc ∋ 2= ∈ Q.
k
√
Or 2 est irrationnel, on a une contradiction !
Exercice 3. Soit n un entier. Énoncer et démontrer la contraposée de l'assertions suivante :
Si n2 est impair, alors n est impair.
Solution. Soit n un entier. Montrons l'assertion suivante :
Si n2 est impair, alors n est impair.
c'est-à-dire
∃k ∈ N : n2 = 2k + 1 ⇒ (∃m ∈ N : n = 2m + 1) .

| {z } | {z }
P Q
La contraposée de l'assertion est :

Si n est pair, alors n2 est pair,
c'est-à-dire
(∃m ∈ N : n = 2m) ⇒ ∃k ∈ N : n2 = 2k .

| {z } | {z }
Q P
En eet, s'il existe m ∈ N : n = 2m, alors

n2 = (2m)2 = 4m2 = 2 2m2 = 2k,

donc n2 est pair. Par le principe de contraposition, on a démontré l'assertion de l'énoncé.

Exercice 4. Montrer :
1
11 + 22 + 32 + ... + n2 = n (n + 1) (2n + 1) , ∀n ∈ N∗ .
6
Solution. Pour tout n ∈ N∗ , on pose l'assertion suivante :
1
P (n) : 11 + 22 + 32 + ... + n2 = n (n + 1) (2n + 1) .
6
P (1) : 11 = 16 1 (1 + 1) (2 + 1) est vraie .
Soit n ∈ N∗ , supposons que P (n) est vraie, alors
1
11 + 22 + 32 + ... + n2 + (n + 1)2 = n (n + 1) (2n + 1) + (n + 1)2
6
1
= (n + 1) [n (2n + 1) + 6 (n + 1)]
6
1
(n + 1) 2n2 + 7n + 6

=
6
1
= (n + 1) (n + 2) (2n + 3) .
6
Ce qui prouve P (n + 1). Par le principe de récurrence nous venons de montrer que P (n) est
vraie pour tout n ∈ N∗ .
9
2 | Les ensembles, les relations et les ap-
plications
2.1 Théorie des ensembles

Dénition 2.1.1. Un ensemble est une collection d'éléments.
Parmi les ensemble, un ensemble est particulier, c'est l'ensemble vide, noteé ∅.
Soit E un ensemble, on note x ∈ E si x est un élément de E , et x ∈ / E dans le cas contraire.
Exemple 2.1.1. On a {0, 1} , {rouge , noir}, et {0, 1, 2, ...} = N sont des ensembles.
Alors 0 ∈ {0, 1} et 2 ∈
/ {0, 1} .
Dénition 2.1.2. Soit E un ensemble, on forme un ensemble appelé ensemble des parties de
E , noté P (E) qui est caractérisé par la relation suivante
P (E) = {A : A ⊂ E} .
Exemple 2.1.2. Si E = {1, 2, 3} , alors

P (E) = {∅, {1, 2, 3} , {1} , {2} , {3} , {1, 2} , {1, 3} , {2, 3} , {1, 2, 3}} ,
donc {1} ∈ P (E) et E ∈ P (E) .

Dénition 2.1.3 (Inclusion). Un ensemble E est inclus dans un ensemble F, si tout élément
de E est aussi un élément de F et on écrit E ⊂ F . Autrement dit :
∀x, x ∈ E ⇒ x ∈ F.
On dit alors que E est un sous-ensemble de F ou une partie de F .

Exemple 2.1.3. On a N ⊂ Z ⊂ Q ⊂ R.
Dénition 2.1.4. Deux ensembles E et F sont égaux si et seulement si chacun est inclu dans
l'autre, c'est-à-dire
E=F ⇔E⊂F et E ⊂ F.
Exemple 2.1.4. Si E = R, on a
A = {x ∈ R : |x − 1| ≤ 1}
= {x ∈ R : −1 ≤ x − 1 ≤ 1}
= {x ∈ R : 0 ≤ x ≤ 2} = [0, 2] .
Dénition 2.1.5 (complémentaire). Soit E un ensemble, on appelle ensemble complémentaire

de A ⊂ E , noté CE A où Ac l'ensemble des éléments de E qui n'appartiennent pas à A, c'est-
à-dire
CE A = {x ∈ E : x ∈
/ A} .
10
Chapitre 2 Les ensembles, les relations et les applications
Dénition 2.1.6 (union, intersection). On appelle ensemble réunion de deux ensembles A et

B , noté A ∪ B l'ensemble formé des éléments x qui appartiennent à A ou appartiennent à B ,
c'est-à-dire
A ∪ B = {x ∈ E : x ∈ A ou x ∈ B} .
On appelle ensemble intersection de deux ensembles A et B , noté A ∩ B l'ensemble formé des
éléments x qui appartiennent à A et appartiennent à B , c'est-à-dire
A ∩ B = {x ∈ E : x ∈ A et x ∈ B} .
Exemple 2.1.5. Si A = {1, 2, 3} et B = {2, 3, 4, 5}, alors A ∪ B = {1, 2, 3, 4, 5} et A ∩ B =

{2, 3} .
Dénition 2.1.7. Soit E un ensemble, on dit que l'ensemble E est ni si le nombre d'éléments
de E est ni.
Le nombre d'éléments de E s'appelle le cardinal de E, noté Card (E) .
Exemple 2.1.6. Si E = {0, 1, 2, 3}, alors Card (E) = 4, l'ensemble N n'est pas ni, Card (∅) =
0.
Dénition 2.1.8. Soit E un ensemble, on appelle diérence de A et B , noté A\B, l'ensemble

formé des éléments x qui appartiennent à A et n'appartiennent pas à B , c'est-à-dire
A\B = {x ∈ A : x ∈
/ B} .
On appelle diérence symétrique de A et B , noté A∆B, l'ensemble formé des éléments x qui
appartiennent à A ∪ B et n'appartiennent pas à A ∩ B , c'est-à-dire
A∆B = (A ∪ B) \ (A ∩ B) .
Exemple 2.1.7. Si E = R, A = [0, 1] et B = ]0, +∞[, alors

A\B = {0} , B\A = ]1, +∞[ et A∆B = {0} ∪ ]1, +∞[ .
Proposition 2.1.1. Soient A, B, C des parties d'un ensemble E , alors
Remarque.
• Commutativité : A ∩ B = B ∩ A et A ∪ B = B ∪ A.
• Associativité :A ∩ (B ∩ C) = (A ∩ B) ∩ C et A ∪ (B ∪ C) = (A ∪ B) ∪ C .
Proposition 2.1.2.
• Distributivité : A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) ,
• Distributivité : A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) .
• CE (A ∩ B) = CE (A) ∪ CE (B) et CE (A ∪ B) = CE (A) ∩ CE (B)
• CE (CE (A)) = A.
2.2 Relation d'ordre, Relation d'équivalence

2.2.1 Relations binaires
Dénition 2.2.1. On appelle relation binaire sur un ensemble E , toute assertion entre deux
objets, pouvant être vériée ou non, , notée xRy et on lit x est en relation avec y .
11
Exemple 2.2.1. Dans R on dénit la relation R par :

xRy ⇔ x − y ≥ 0.
Dénition 2.2.2. Soit R une relation binaire sur un ensemble E . Pour tous x, y, z ∈ E , on
dit que R est
(1) Réexive, si chaque élément est en relation avec lui même, c'est à dire
xRx, ∀x ∈ E.
(2) Symétrique, si pour tout x, y ∈ E , si x est en relation avec y alors y est en relation avec
x, c'est à dire
xRy ⇒ yRx, ∀x, y ∈ E.
(3) Transitive, si pour tout x, y, z ∈ E , si x est en relation avec y et y en relation avec z
alors x est en relation avec z , c'est à dire
(xRy et yRz) ⇒ xRz, ∀x, y, z ∈ E.
(4) Anti-symétrique, si deux éléments sont en relation l'un avec l'autre, alors ils sont égaux,
c'est à dire
(xRy et yRx) ⇒ x=y, ∀x, y ∈ E.
2.2.2 Relation d'équivalence

Dénition 2.2.3. Une relation binaire R sur E est une relation d'équivalence si elle est à la
fois réexive, symétrique et transitive.
Dénition 2.2.4. Soit R une relation d'équivalence sur E . On appelle
.
classe d'équivalence de
x ∈ E , l'ensemble des éléments de E en relation avec x par R, noté x ou cl (x) ou bien C (x)
C (x) = {y ∈ E : yRx} .
La classe d'équivalence C (x) est non vide car R est réexive et contient de ce fait au moins x.
On notera par
E/R = {C (x) : x ∈ E} .
L'ensemble des classes d'équivalence de E par la relation R.
Exemple 2.2.2. Dans R on dénit la relation R par :
xRy ⇔ x − y ∈ Z.
Cette relation est bien une relation d'équivalence. En eet,

• Pour x ∈ R : xRx ⇔ 0 ∈ Z, comme 0 ∈ Z, alors xRx, ∀x ∈ R, donc R est une relation
réexive,
• Pour x, y ∈ R, on a
(xRy) ⇔ (x − y ∈ Z) ⇔ (y − x ∈ Z) ⇒ yRx,
alors R est une relation symétrique.
12
• Pour x, y, z ∈ R, on a
(xRy et yRz) ⇒ (x − y ∈ Z et y − z ∈ Z)
⇒ (x − y + y − z ∈ Z)
⇒ (x − z ∈ Z) ⇒ (xRz) ,
alors R est une relation transitive.
Donc, l'ensemble des classes d'équivalence C (x) est l'ensemble
C (x) = {y ∈ R : y − x ∈ Z}
= {y ∈ R : y ∈ x + Z}
= {y ∈ R : y = k + x : k ∈ Z}
= {k + x : k ∈ Z} ,
si x ∈ Z, on a C (x) = Z.
2.2.3 Relation d'ordre

Dénition 2.2.5. Une relation binaire R sur E est dite une relation d'ordre si elle est anti-
symétrique, transitive et réexive.
Exemple 2.2.3. Soit R la relation dénie sur N∗ par la relation x divise y, c'est-à-dire
xRy ⇔ ∃k ∈ N∗ : y = kx.
Alors
• Pour x ∈ N∗ : x divise x, donc R est une relation réexive,
• Pour x, y, z ∈ N∗ , si x divise y et y divise z , donc x divise z , ça signie que R est une
relation transitive.
• Pour x, y ∈ N∗ , si x divise y et y divise x, alors
xRy ⇔ ∃k1 ∈ N∗ : y = k1 x

⇒ x = k2 k1 x
yRx ⇔ ∃k2 ∈ N∗ : x = k2 y
⇒ x (1 − k2 k1 ) = 0
⇒ k2 k1 = 1, car x ̸= 0,
il vient que k2 k1 = 1, comme k2 , k1 ∈ N∗ , alors k2 = k1 = 1, c'est-à-dire x = y, ça
signie que R est une relation anti-ymétrique.
Ainsi R est une relation d'ordre.
L'ordre total et l'ordre partiel

Dénition 2.2.6. Soit R une relation d'ordre dénie sur un ensemble E , on dit que R est
totale, si pour tout x, y ∈ E , on a
xRy ou yRx.
Sinon, on dit que R est partielle, c'est-à-dire
∃x, y ∈ E : ni xRy et ni yRx
Exemple 2.2.4. Soit R une relation d'ordre dénie sur N∗ par :
xRy ⇔ ∃n ∈ N : y = nx.
Pour x = 2 et y = 3, on a ni xRy ni yRx, alors R est un ordre partiel.
13
2.3 Les applications

2.3.1 Dénition d'une application
Dénition 2.3.1. Soient E et F des ensembles donnés, on appelle application de E dans F ,
toute correspondance f entre les éléments de E et ceux de F qui associe à tout élément de E
un et seul élément de F , on écrit
f :E →F
x → f (x)
L'ensemble E est dit ensemble de départ et F est dit ensemble d'arrivée.
L'élément x est dit l' antécédent et y est dit l'image de x par f .
L'application f est dite fonction si, pour chaque x ∈ E , il existe au plus y ∈ F tel que f (x) = y .
Exemple 2.3.1. Soit f : N → C, tel que f (n) = n + ien , alors f est une application, avec
E = N et F = C.
Dénition 2.3.2 (Égalité). Soient f, g : E → F des applications. On dit que f, g sont égales
si et seulement si
pour tout x ∈ E : f (x) = g (x) .
On écrit alors f = g .
Dénition 2.3.3 (Composition). Soient E , F et G trois ensembles et f et g deux applications
telles que
f g
E→F →G
On peut en déduire une application de E dans G notée g ◦ f et appelée application composée de
f et g , par
(g ◦ f ) (x) = g (f (x)) , pour tout x ∈ E
Dénition 2.3.4. Soit E un ensemble, on appelle application identité, notée id : E → E

l'application qui vérie id (x) = x, ∀x ∈ E.
Exemple 2.3.2. Soient f : R → R+ et g : R+ → [1, +∞[ dénies par :
f (x) = x2 ∀x ∈ R+ et g (x) = 2x + 1 ∀x ∈ R+ .
Alors g ◦ f : R → [1, +∞[ est donnée par
(g ◦ f ) (x) = g (f (x)) = g x2 = 2x2 + 1 ∀x ∈ R.

Dénition 2.3.5 (Image directe). Soit A ⊂ E et f : E → F . L'image directe de A par f est

l'ensemble
f (A) = {f (x) : x ∈ A} ⊂ F.
Exemple 2.3.3. Soit f : R → R dénie par f (x) = 2x + 1, ∀x ∈ R. Si A = [0, 1], alors

f ([0, 1]) = {f (x) : x ∈ [0, 1]} = {2x + 1 : x ∈ [0, 1]} ,
On a
x ∈ [0, 1] ⇔ 0 ≤ x ≤ 1 ⇔ 1 ≤ 2x + 1 ≤ 3,
donc f ([0, 1]) = [1, 3] .
14
Dénition 2.3.6 (image réciproque). Soit B ⊂ F et f : E → F . L'image réciproque de B par

f est l'ensemble
f −1 (B) = {x ∈ E : f (x) ∈ B} ⊂ E.
Exemple 2.3.4. Soit f l'application dénie par f (x) = x2 de R → R+ , alors

f −1 ([0, 1]) = x ∈ R : 0 ≤ x2 ≤ 1

= {x ∈ R : 0 ≤ |x| ≤ 1} = [−1, 1] .
Soit g dénie par g (x) = sin (πx) de R → R, alors

g −1 ({0}) = {x ∈ R : sin (πx) = 0} = {x : x = k, avec k ∈ Z} = Z.
Proposition 2.3.1. Soient E , F deux ensembles quelconques et une application f : E → F .

Pour tous A, B ⊂ E et X, Y ⊂ F , on a les propriétés suivantes :
(1) A ⊂ B ⇒ f (A) ⊂ f (B) et X ⊂ Y ⇒ f −1 (X) ⊂ f −1 (Y )
(2) f (A ∩ B) ⊂ f (A) ∩ f (B) et f −1 (X ∩ Y ) = f −1 (X) ∩ f −1 (Y )
(3) f (A ∪ B) = f (A) ∪ F (B) et f −1 (X ∪ Y ) = f −1 (X) ∩ f −1 (Y )
(4) A ⊂ f −1 (f (A)) et f (f −1 (X)) ⊂ X .
2.3.2 Application injective, surjective, bijective

Dénition 2.3.7. Soit f : E → F . On dit que f est injective si et seulement si :
∀x1 , x2 ∈ E : f (x1 ) = f (x2 ) ⇒ x1 = x2 .
Exemple 2.3.5. Soit f l'application dénie par f (x) = x2 de R+ → R+ , alors f est injective,
soit x1 , x2 ∈ R+ tels que f (x1 ) = f (x2 ) ,
q q
x21 = x22 ⇒ x1 = x22 ⇒ |x1 | = |x2 | ⇒ x1 = x2 , car x1 , x2 ∈ R+ .
2
Dénition 2.3.8. Soit f : E → F . On dit que f est surjective si et seulement si : pour tout
y ∈ F , il existe x ∈ E tel que f (x) = y , c'est-à-dire
∀y ∈ F, ∃x ∈ E y = f (x) .
Exemple 2.3.6. Soit f l'application dénie par f (x) = |x| de Z → N, alors f est surjective.
Soit y ∈ N, pour x = y ou x = −y , on a x ∈ Z et
f (x) = |x| = y,
donc il existe x ∈ Z tel que y = f (x) .

Dénition 2.3.9. Soit f : E → F . On dit que f est bijective (ou f est une bijection de E sur
F ) si et seulement si : f est à la fois injective et surjective. Cela équivaut à : pour tout y ∈ F
il existe un unique x ∈ E tel que y = f (x). Autrement dit :
∀y ∈ F, ∃!x ∈ E y = f (x) .
Exemple 2.3.7. Soit f l'application dénie par f (x) = x − 7 de Z → Z, alors f est bijective.
En eet, soit y ∈ Z, tel que f (x) = y , alors x = y + 7, donc il existe un unique x dans Z tel
que y = f (x) .
15
Remarque. Si l'application f est bijective, et seulement dans ce cas, à tout y ∈ F on fait

correspondre un x ∈ E et un seul.
Dénition 2.3.10. Soit f : E → F une application bijective. On dénit l'application f −1 :
F → E , appelée application réciproque de f , donnée par f −1 (x) = y si et seulement si f (y) = x.
Exemple 2.3.8. Soit f l'application dénie par f (x) = x2 + 1 de R+ → [1, +∞[, alors
√ f est
bijective, car pour tout y ∈ [1, ∞[, l'équation y = f (x) admet une unique solution x = y − 1.
La bijection réciproque est f −1 : [1, +∞[ → R+ dénie par :
√
f −1 (x) = x − 1, pour tout x ∈ [1, +∞[ .
Proposition 2.3.2. Soit E ,F des ensembles et f : E → F une application. L'application f est
bijective si et seulement s'il existe une application g : F → E telle que
f ◦ g = idF et g ◦ f = idE .
Exemple 2.3.9. Soit f : R → R∗+ dénie par f (x) = ex , ∀x ∈ R, f est bijective, sa bijection
réciproque est g : R∗+ → R dénie par g (x) = ln (x). On a f ◦ g : R∗+ → R∗+ et g ◦ f : R → R,
tel que
(f ◦ g) (x) = eln x = x = idR∗+ (x) et (g ◦ f ) (x) = ln ex = x = idR (x) .
Proposition 2.3.3. Soient f : E → F et g : F → G des applications bijectives. L'application

g ◦ f est bijective et sa bijection réciproque est
(g ◦ f )−1 = f −1 ◦ g −1 .
2.4 Exercices
Exercice 5. Soit A, B et C trois parties d'un ensemble E.
(1) Montrer que : (A\B) \C = A\ (B ∪ C) .
(2) Si A ∪ B ⊂ A ∪ C et A ∩ B ⊂ A ∩ C , montrer que B ⊂ C .
Solution. (1) Soit A, B et C trois parties d'un ensemble E, alors
(A\B) \C = (A\B) ∩ CE C = (A ∩ CE B) ∩ CE C,
et
A\ (B ∪ C) = A ∩ CE (B ∪ C) = A ∩ (CE B ∩ CE C)
= (A ∩ CE B) ∩ CE C
= (A\B) \C.
(2) On a A ∪ B ⊂ A ∪ C et A ∩ B ⊂ A ∩ C . Soit x ∈ B, montrons que x ∈ C . En eet
(x ∈ B) ⇒ (x ∈ A ∪ B ⊂ A ∪ C) ⇒ (x ⊂ A ∪ C)
⇒ (x ∈ A ou x ∈ C) .
Si x ∈ C, alors on a ni. Si x ∈ A, alors

(x ∈ A ∩ B ⊂ A ∩ C) ⇒ (x ∈ A ∩ C) ⇒ (x ∈ C) ,
donc x ∈ C, d'où B ⊂ C .
16
Exercice 6. Soit R la relation dénie sur R2 par :

(x1 , y1 ) R (x2 , y2 ) ⇔ y1 = y2 .
(1) Montrer que R est une relation d'équivalence.

(2) Déterminer la classe d'équivalence de (1, 0).
Solution.
(1) Soit la relation R dénie sur R2 par :
(x1 , y1 ) R (x2 , y2 ) ⇔ y1 = y2 .
• Soit (x1 , y1 ) ∈ R2 , alors y1 = y1 ⇔ (x1 , y1 ) R (x1 , y1 ) , donc R est une relation

réexive.
• Soit (x1 , y1 ) , (x2 , y2 ) ∈ R2 , on a
(x1 , y1 ) R (x2 , y2 ) ⇔ y1 = y2 ⇔ y2 = y1 ⇔ (x2 , y2 ) R (x1 , y1 ) ,
alors R est une relation symétrique.

• Soit (x1 , y1 ) , (x2 , y2 ) , (x3 , y3 ) ∈ R2 , on a
[(x1 , y1 ) R (x2 , y2 ) et (x2 , y2 ) R (x3 , y3 )] ⇒ [y1 = y2 et y2 = y3 ]

⇒ [y1 = y3 ]
⇒ (x1 , y1 ) R (x3 , y3 ) ,
donc R est une relation transitive.

On déduit que R est une relation d'équivalence.
(2) La classe d'équivalence de (1, 0), on a
C ((1, 0)) = (x, y) ∈ R2 : (x, y) R (1, 0)

= (x, y) ∈ R2 : y = 0 = R× {0} .

(3) Soit la relation R dénie sur R2 par :
(x1 , y1 ) R (x2 , y2 ) ⇔ x21 + y12 = x22 + y22 .
• Soit (x1 , y1 ) ∈ R2 , on a x21 +y12 = x21 +y12 ⇔ (x1 , y1 ) R (x1 , y1 ) , alors R est une relation
réexive.
• Soit (x1 , y1 ) , (x2 , y2 ) ∈ R2 , on a
(x1 , y1 ) R (x2 , y2 ) ⇔ x21 + y12 = x22 + y22

⇔ x22 + y22 = x21 + y12

⇔ (x2 , y2 ) R (x1 , y1 ) ,
donc R est une relation symétrique.

• Soit (x1 , y1 ) , (x2 , y2 ) , (x3 , y3 ) ∈ R2 , on a
[(x1 , y1 ) R (x2 , y2 ) et (x2 , y2 ) R (x3 , y3 )] ⇒ x21 + y12 = x22 + y22 et x22 + y22 = x23 + y32

⇒ x21 + y12 = x23 + y32

⇔ (x1 , y1 ) R (x3 , y3 ) ,
donc R est une relation transitive.
17
On déduit que R est une relation d'équivalence, pour la classe d'équivalence de (1, 0), on a
C ((1, 0)) = (x, y) ∈ R2 : (x, y) R (1, 0)

= (x, y) ∈ R2 : x2 + y 2 = 1 .

Exercice 7. (3) Même questions pour la relation R dénie sur R2 par :
(x1 , y1 ) R (x2 , y2 ) ⇔ x21 + y12 = x22 + y22 .
Exercice 8. Soit R la relation dénie sur N∗ par :

nRm ⇔ ∃k ∈ N∗ : n = km.
(1) Montrer que R est une relation d'ordre

(2) L'ordre est il total ?
Solution.
(1) Soit R la relation dénie sur N∗ par :
nRm ⇔ ∃k ∈ N∗ /n = km.
• Soit n ∈ N∗ , on a
nRn ⇔ ∃k = 1 ∈ N∗ : n = 1n.
c'est-à-dire R est une relation réexive.
• Soit n, m ∈ N∗ , on a
[nRm et mRn] ⇔ [(∃k1 ∈ N∗ : n = k1 m) et (∃k2 ∈ N∗ : m = k2 n)]

⇒ (∃k1 , k2 ∈ N∗ : n = k1 k2 n)
⇒ (∃k1 , k2 ∈ N∗ : k1 k2 = 1)
⇒ k1 = k2 = 1
⇒ n = m,
donc R est une relation anti-Symétrique.

• Soit n, m, p ∈ N∗ , on a
[nRm et mRp] ⇔ [(∃k1 ∈ N∗ : n = k1 m) et (∃k2 ∈ N∗ : m = k2 p)]

 
⇒ ∃k1 , k2 ∈ N∗ : n = k1 k2 p
|{z}
k3
∗
⇒ (∃k3 = k1 k2 ∈ N : n = k3 p)
⇒ nRp,
don R est une relation transitive.

(2) La relation d'ordre R est partiel, il existe n = 2 ∈ N∗ et m = 3 ∈ N∗ , tel que
ni 2R3 ni 3R2.
2x
Exercice 9. Soit f : R → R dénie par: f (x) = .
1 + x2
(1) f est-elle injective? surjective ?
18
(2) Montrer que la restriction g : [−1, 1] → [−1, 1], g (x) = f (x) est une bijection.
Solution.
(1) L'application f n'est pas injective, car f (2) = f 12 = 45 . On a

f (x) = 2 ⇔ 2x = 2 x2 + 1 ⇔ x2 − x + 1 = 0.

Comme l'équation x2 − x + 1 = 0 n'a pas de solutions réelles, donc f n'est surjective.

(2) L'application g est injective. Soit x1 , x2 ∈ [−1, 1] , on a
g (x1 ) = g (x2 ) ⇒ 2x1 1 + x22 = 2x2 1 + x21

⇒ (x1 − x2 ) − x1 x2 (x1 − x2 ) = 0
⇒ (x1 = x2 ou x1 x2 = 1) ,
si x1 x2 = 1 et x1 , x2 ∈ [−1, 1], on a
1
x1 = ∈ ]−∞, −1] ∪ [1, +∞[
x2
ce qui entraîne que x1 = x2 = 1 ou x1 = x2 = −1, c'est-à-dire que x1 = x2 , ainsi
g (x1 ) = g (x2 ) ⇒ x1 = x2 .
L'application g est surjective. Soit y ∈ [−1, 0[ ∪ ]0, 1], alors

(f (x) = y) ⇔ y 1 + x2 = 2x

⇔ yx2 − 2x + y = 0.
Si y ∈ [−1, 1], alors 1 − y 2 ≥ 0, comme ∆ = 4 − 4y 2 = 4 (1 − y 2 ) ≥ 0, alors l'equation

yx2 − 2x + y = 0 admet deux solutions
p p
1− 1 − y2 1+ 1 − y2
x= ou x= , avec y ̸= 0.
y y
√ √
1−y 2 1−y 2
La seule solution acceptée x ∈ [−1, 1] est x = , car, si y = , alors
1− 1 1+
y 2 y
=
√
2+ 3∈ / [−1, 1].
Si y = 0, alors x = 0. Donc g est une bijection.
Exercice 10. Soit f l'application de [0, +∞[ dans [0, +∞[ dénie par
√ 2
f (x) = x + 1 − 1.
(1) Montrer que f est bijective.

(2) Déterminer sa fonction réciproque f −1 .
Solution.
(1) La fonction f est injective. Soit x1 , x2 ∈ ]0, +∞[ , on a
√ 2 √ 2
[f (x1 ) = f (x2 )] ⇒ ( x1 + 1) − 1 = ( x2 + 1) − 1
√ 2 √ 2
⇒ ( x1 + 1) = ( x2 + 1)
√ √
⇒ x1 + 1 = x 2 + 1
√ √
⇒ x1 = x2
⇒ x 1 = x2 .
19
La fonction f est surjective. Soit y ∈ [0, +∞[, alors

√ 2
[y = f (x)] ⇔ y = x+1 −1
√ 2
⇔ x + 1 = y + 1.
√
Comme y ∈ [0, +∞[, alors l'équation ( x + 1)2 = y + 1 > 1 admet des solution
√ 2 √ p
x + 1 = y + 1 ⇔ x + 1 = y + 1
√ p
⇔ x + 1 = y + 1,
√
car x + 1 > 0, donc
√ p p 2
x= y+1−1≥0⇔x= y + 1 − 1 ≥ 0,
alors p 2
x= y + 1 − 1 ∈ [0, ∞[ .
(2) La fonction réciproque f −1 : [0, ∞[ → [0, ∞[ est donnée par :

√ 2 √
f −1 (x) = x + 1 − 1 = x + 2 − 2 1 + x, ∀x ∈ [0, ∞[ .
20
3 | Les fonctions réelles à une variable réelle
3.1 Limite, continuité d'une fonction

Dénition 3.1.1. On appelle fonction numérique sur un ensemble D tout procédé qui, à tout
élément x de D, permet d'associer au plus un élément de l'ensemble R, appelé alors image de
x et noté f (x). Les éléments de D qui ont une image par f forment l'ensemble de dénition
de f, noté Df
√
Exemple 3.1.1. La fonction f : x → x − 1 est dénie pour tout x ∈ R tel que x − 1 ≥ 0.
Donc Df = [1, +∞[.
Dénition 3.1.2. Soit f : D → R une fonction. On dit que :
a) f est majorée sur D si ∃M ∈ R, ∀x ∈ D : f (x) ≤ M .
b) f est minorée sur D si ∃m ∈ R, ∀x ∈ D : f (x) ≥ m.
c) f est bornée sur D si f est à la fois majorée et minorée sur D, c'est-à-dire si ∃M >
0, ∀x ∈ D : |f (x)| ≤ M .
Dénition 3.1.3. Soit f : D → R une fonction. On dit que :

a) f est croissante sur D si ∀x, y ∈ D, x > y ⇒ f (x) ≥ f (y).
b) f est strictement croissante sur D si ∀x, y ∈ D, x > y ⇒ f (x) > f (y).
c) f est décroissante sur D si ∀x, y ∈ D, x > y ⇒ f (x) ≤ f (y).
d) f est strictement décroissante sur D si ∀x, y ∈ D, x > y ⇒ f (x) < f (y).
e) f est monotone (resp. strictement monotone) sur D si f est croissante ou décroissante
(resp. strictement croissante ou strictement décroissante) sur D.
Exemple 3.1.2.
i) Les fonctions exponentielle exp : R → R est strictement croissante.
ii) La fonction valeur absolue x → |x| dénie sur R n'est pas monotone.
Dénition 3.1.4. Soit I un intervalle de R symétrique par rapport à 0. Soit f : I → R une

fonction. On dit que :
i) f est paire si ∀x ∈ I : f (−x) = f (x).
ii) f est impaire si ∀x ∈ I : f (−x) = −f (x).
Exemple 3.1.3.
i) La fonction dénie sur R par x 7→ x2n (n ∈ N) est paire.
ii) La fonction dénie sur R par x 7→ x2n+1 (n ∈ N) est impaire.
21
Chapitre 3 Les fonctions réelles à une variable réelle
Dénition 3.1.5. Soit f : R → R une fonction et T un nombre réel, T > 0. La fonction f est
dite périodique de période T si
∀x ∈ R : f (x + T ) = f (x) .
Exemple 3.1.4. Les fonctions sin et cos sont 2π-périodiques. La fonction tangente est π-
périodique.
Dénition 3.1.6. Soient f et g ∈ F (D, R) et λ ∈ R. On dit que
• f ≤ g si ∀x ∈ D, f (x) ≤ g (x) .
• f < g si ∀x ∈ D, f (x) < g (x) .
Exemple 3.1.5. Soient f et g deux fonctions dénies sur ]0, 1[ par f (x) = x, g (x) = x2 . On
a g < f , car ∀x ∈ ]0, 1[ , x2 < x.
3.1.1 Limite d'une fonction

Soit f : I → R une fonction dénie sur un intervalle I de R. Soit x0 ∈ R un point de I ou
une extrémité de I .
Dénition 3.1.7. Soit ℓ ∈ R. On dit que f a ℓ pour limite en x0 si,
∀ε > 0, ∃δ > 0, ∀x ∈ I , |x − x0 | < δ ⇒ |f (x) − ℓ| < ε.
On écrit dans ce cas, lim f (x) = ℓ.
x→x0
Exemple 3.1.6. Considérons la fonction f (x) = 2x − 1 qui est dénie sur R. Au point x = 1,
on a lim f (x) = 1. En eet, pour tout ε > 0, on a |f (x) − 1| = 2 |x − 1| < ε, si l'on a, à
x→1
ε ε
fortiori, |x − 1| < . Le bon choix sera alors de prendre δ = .
2 2
Proposition 3.1.1. Si f admet une limite au point x0 , cette limite est unique.
Dénition 3.1.8 (Limite à droite, limite à gauche). On dit que la fonction f admet ℓ comme
limite à droite de x0 , ou encore quand x tend vers x+
0 , si pour tout ε > 0, il existe un δ > 0, tel
que : x0 < x < x0 + δ , entraine |f (x) − ℓ| ≤ ε. On écrira, dans ce cas :
lim f (x) = ℓ.
x→x+
0
On dit que la fonction f admet ℓ comme limite à gauche de x0 , ou encore quand x tend vers
0 , si pour tout ε > 0, il existe un δ > 0, tel que : x0 − δ < x < x0 , entraine |f (x) − ℓ| ≤ ε.
x−
On écrira, dans ce cas :
lim f (x) = ℓ.
x→x−
0
√
Exemple 3.1.7. La fonction x ∈ R+ → x tend vers 0 lorsque x → 0+ .
Remarque. Si la fonction f admet une limite ℓ à gauche du point x0 et une limite ℓ à droite
′
de x0 , pour que f admet une limite au point x0 il faut et il sut que ℓ = ℓ .

′
Exemple 3.1.8. Considérons la fonction dénie par

si x ≥ 0,

1,
f (x) =
−1, si x < 0.
Elle admet 1 comme limite à droite de 0 et −1 comme limite à gauche de 0. Mais elle n'admet
aucune limite au point 0.
22
Cas où x devient inni

On posera par dénition
a) lim f (x) = ℓ, si
x→+∞
∀ε > 0, ∃A > 0, tel que x > A ⇒ |f (x) − ℓ| < ε.
b) lim f (x) = ℓ, si
x→−∞
∀ε > 0, ∃A > 0, tel que x < −A ⇒ |f (x) − ℓ| < ε.
Limite innie
Soit x0 ∈ R. On posera par dénition
a) lim f (x) = +∞, si
x→x0
∀A > 0, ∃δ > 0, tel que |x − x0 | < δ ⇒ f (x) > A.
b) lim f (x) = −∞, si

x→x0
∀A > 0, ∃δ > 0, tel que |x − x0 | < δ ⇒ f (x) < −A.
Si x0 = +∞ où x0 = −∞, on posera
a) lim f (x) = +∞, si
x→+∞
∀A > 0, ∃B > 0, tel que x > B ⇒ f (x) > A.
b) lim f (x) = +∞, si

x→−∞
∀A > 0, ∃B > 0, tel que x < −B ⇒ f (x) > A.
c) lim f (x) = −∞, si

x→+∞
∀A > 0, ∃B > 0, tel que x > B ⇒ f (x) < −A.
d) lim f (x) = −∞, si

x→−∞
∀A > 0, ∃B > 0, tel que x < −B ⇒ f (x) < −A.
Théorème 3.1.1. Soit f, g : [a, b] → R et x0 ∈ ]a, b[, tel que x→x

lim f (x) = ℓ et lim g (x) = ℓ ,
x→x
′
0 0
Alors
′
a) lim [f (x) + g (x)] = ℓ + ℓ .
x→x0
b) lim (λf (x)) = λℓ, pour tout λ ∈ R.

x→x0
′
c) lim f (x) g (x) = ℓℓ .
x→x0
d) lim |f (x)| = |ℓ| .

x→x0
e) lim |f (x) − ℓ| = 0.
x→x0
23
f (x) ℓ
= ′ , si ℓ ̸= 0.
′
f ) lim
x→x0 g (x) ℓ
Théorème 3.1.2. Soient f : [a, b] → [c, d] , g : [c, d] → R et x0 ∈ ]a, b[ , y0 ∈ [c, d], tel que
lim f (x) = y0 et lim g (y) = ℓ
x→x0 y→y0
Alors lim (g ◦ f ) (x) = ℓ.

x→x0
Proposition 3.1.2. Soit f, g : [a, b] → R et x0 ∈ ]a, b[, on a

1
a) Si lim f (x) = +∞, alors lim = 0.
x→x0 x→x0 f (x)
1
b) Si lim f (x) = −∞, alors lim = 0.
x→x0 x→x0 f (x)
c) Si f ≤ g, et lim f (x) = ℓ, lim g (x) = ℓ , alors ℓ ≤ ℓ .

′ ′
x→x0 x→x0
d) Si f ≤ g et lim f (x) = +∞, alors lim g (x) = +∞.
x→x0 x→x0
Théorème 3.1.3. Soit f, g, h : [a, b] → R et x0 ∈ ]a, b[, on a

i) f (x) ≤ g (x) ≤ h (x), pour tout x ∈ ]a, b[ ,
ii) lim f (x) = lim h (x) = ℓ ∈ R.
x→x0 x→x0
Alors lim g (x) = ℓ.

x→x0
Remarque. Voici une liste de formes indéterminées

∞ 0
+∞ − ∞, 0 × +∞, , , 1∞ , ∞0 .
∞ 0
Fonctions équivalentes
Dénition 3.1.9. Soit f, g deux fonction dénies au voisinage de x0 ∈ R, sauf peut-être en
x0 . On dit que f est équivalente à g lorsque x → x0 (ou en x0 ), et l'on note f ∼ g , si
f (x)
lim = 1.
x→x0 g (x)
Exemple 3.1.9. Soit P un polynôme de degré n qui s'écrit sous la forme

P (x) = an xn + an−1 xn−1 + ... + a1 x + a0 .
Alors
P (x) ∼ an xn au voisinage de + ∞.
En eet,
P (x) an−1 a1 a0
lim n
= lim 1 + + ... + n−1 + n = 1.
x→+∞ an x x→+∞ x x x
Proposition 3.1.3. Soit f1 , g1 , f2 et g2 des fonctions de I vers R.
(i) Si f1 ∼ g1 et f2 ∼ g2 , alors f1 f2 ∼ g1 g2 et f1
f2
∼ g1
g2
.
(2) Si f1 ∼ g1 et lim f1 (x0 ) = l, alors lim g1 (x0 ) = l.
x→x0 x→x0
Équivalents classiques au voisinage de 0

ex − x ∼ x, sin (x) ∼ x, tan (x) ∼ x,
2
1 − cos (x) ∼ x2 , ln (1 + x) ∼ x, (1 + x)α − x ∼ x.
24
Continuité d'une fonction

Dénition 3.1.10. Soit une fonction f : I → R, I étant un intervalle de R. On dit que f est
continue au point x0 ∈ I si
lim f (x) = f (x0 ) .
x→x0
Exemple 3.1.10. Soit la fonction réelle f dénie par


1
x sin , si x ̸= 0,

f (x) = x

0, si x = 0.
Au point x0 = 0, on a
1
|f (x) − f (x0 )| = x sin
≤ |x| .
x
Pour ε > 0, on choisira δ = ε. Ainsi
|x| ≤ δ ⇒ |f (x) − f (x0 )| ≤ ε.
Donc f est continue au point x0 = 0.
Dénition 3.1.11. Une fonction dénie sur un intervalle I est continue sur I si elle est
continue en tout point de I . L'ensemble des fonctions continues sur I se note C (I) .
Dénition 3.1.12 (Continuité à gauche, continuité à droite). Soit une fonction f : I → R, I
étant un intervalle de R.
(1) La fonction f est dite continue à gauche en x0 si
lim f (x) = f (x0 ) .
x→x−
0
(2) La fonction f est dite continue à droite en x0 si

lim f (x) = f (x0 ) .
x→x+
0
Remarque. La fonction f est continue en x0 si et seulement si f est continue à gauche et à

droite du point x0 .
f est continue en x0 ⇔ lim+ f (x) = lim− f (x) = f (x0 ) .
x→x0 x→x0
Exemple 3.1.11. La fonction dénie par

si x > 0,

1,
f (x) =
−1, si x ≤ 0.
est continue sur R∗ . Au point x0 = 0, la fonction f est continue à gauche, mais elle ne l'est
pas à droite car
lim− f (x) = f (0) = −1 et lim+ f (x) = 1 ̸= f (0) .
x→0 x→0
1 Cf
x
−2 −1 1 2
−1
25
Dénition 3.1.13 (Prolongement par continuité). Soit I un intervalle, x0 un point de I . Si la

fonction f n'est pas dénie au point x0 ∈ I et qu'elle admet en ce point une limite nie notée
ℓ, la fonction dénie par
f (x) si x ̸= x0 ,

f (x) =
si x = x0 .
e
ℓ
est dite prolongement par continuité de f au point x0 .
Exemple 3.1.12. La fonction
1
f (x) = x sin
x
est dénie et continue sur R∗ . Or, pour tout x ∈ R∗ on a

1
|f (x)| = x sin
≤ |x|
x
donc lim f (x) = 0. Le prolongement par continuité de f au point 0 est donc la fonction fe
x→0
dénie par : 
1

x sin si x ̸= 0,
e f (x) = x

0 si x = 0.
Théorème 3.1.4. Soit I un intervalle, et f et g des fonctions dénies sur I et continues en
x0 ∈ I . Alors
(1) λf est continue en x0 , (λ ∈ R) .
(2) f + g est continue en x0 .
(3) f g est continue en x0 .
f
(4) (si g (x0 ) ̸= 0) est continue en x0 .
g
Théorème 3.1.5. Soit deux fonctions f : I → J , g : J → R, tels que I, J deux intervalles
quelconques de R. Si f est continue en x0 ∈ I et g est continue en y0 = f (x0 ) ∈ J, alors la
fonction composée g ◦ f : I → R est continue en x0 .
3.2 Dérivée et diérentiabilité d'une fonction

Dénition 3.2.1. Soit I un intervalle ouvert de R, x0 un point de I , f : I → R une fonction.
On dit que f est dérivable au point x0 si la limite
f (x) − f (x0 )
lim
x→x0 x − x0
existe et est ni. Cette limite s'appelle la dérivée de f en x0 et se note f (x0 ).

′
Remarque. En posant x = x0 + h, on a
′ f (x0 + h) − f (x0 )
f (x0 ) = lim .
h→0 h
On peut encore écrire
′
f (x0 + h) = f (x0 ) + hf (x0 ) + hε (h) , lim ε (h) = 0.
h→0
26
Exemple 3.2.1. Soit f la fonction réelle dénie sur R par f (x) = x2 . La dérivée de f en un
point x0 ∈ R est
′ f (x0 + h) − f (x0 ) (x0 + h)2 − x20

f (x0 ) = lim = lim
h→0 h h→0 h
h2 + 2x0 h
= lim = lim h + 2x0 = 2x0 .
h→0 h h→0
Dénition 3.2.2. La fonction qui à tout x de I associe f ′ (x) dans R s'appelle fonction dérivée
df
de f et se note f ou .
′
dx
Proposition 3.2.1. Toute fonction dérivable en un point est continue en ce point.
Dénition 3.2.3 (Dérivée à droite, dérivée à gauche). On dit que la fonction f est dérivable
à droite en x0 si
f (x) − f (x0 )
lim+
x→x0 x − x0
existe et est nie.
On dit que la fonction f est dérivable à gauche en x0 si
f (x) − f (x0 )
lim−
x→x0 x − x0
existe et est nie. On note, dans ce cas :

f (x) − f (x0 ) f (x) − f (x0 )
et
′ ′
fd (x0 ) = lim+ fg (x0 ) = lim− .
x→x0 x − x0 x→x0 x − x0
Remarque. La dérivée de f au point x0 existe si et seulement si fd′ (x0 ) et fg′ (x0 ) existent et
sont égales
f est dérivable au point x0 ⇔ fd (x0 ) = fg (x0 ) = f (x0 ) .
′ ′ ′
Dénition 3.2.4. Si les dérivées à gauche et à droite existent et sont diérentes, ils existent
alors deux demi-tangentes à la courbe Cf au point (x0 , f (x0 )) dit point anguleux.
Exemple 3.2.2. Considérons la fonction f (x) = |x2 − x| qui est dénie sur R. Elle admet
deux points anguleux, à savoir l'origine (0, 0) et le point (1, 0).
• Au point (0, 0) on a
f (x) − f (0) f (x) − f (0)

= lim− x−1 = −1 et fd (0) = lim+
′ ′
fg (0) = lim− = lim+ 1−x = 1.
x→0 x−0 x→0 x→0 x−0 x→0
• Au point (1, 0) on a
f (x) − f (1) f (x) − f (1)

= lim− x = −1 et fd (1) lim+
′ ′
fg (1) = lim− = lim+ x = 1.
x→1 x−1 x→1 x→1 x−1 x→1
A l'origine on a deux demi-tangentes, à savoir, y = x et y = −x. Au point (1, 0), on a aussi

deux demi-tangentes d'équations : y = x − 1 et y = −x + 1.
27
Cf
x
−2 −1 1 2
Théorème 3.2.1. Soient f et g deux fonctions dénies sur l'intervalle I ⊂ R à valeurs dans
R et x0 ∈ I . Si les fonctions f et g sont dérivables en x0 , alors
(1) ∀α ∈ R, αf est dérivable en x0 et on a
′ ′
(αf ) (x0 ) = αf (x0 ) .
(2) f + g est dérivable en x0 et on a

′ ′ ′
(f + g) (x0 ) = f (x0 ) + g (x0 ) .
(3) f g est dérivable en x0 et on a

′ ′ ′
(f.g) (x0 ) = f (x0 ) g (x0 ) + f (x0 ) g (x0 ) .
f
(4) Si g (x) ̸= 0, la fonction est dérivable en x0 et on a
′
g
′ ′ ′
f f (x0 ) g (x0 ) − f (x0 ) g (x0 )
(x0 ) = .
g g 2 (x0 )
En particulier
′ ′
1 −g (x0 )
(x0 ) = 2 .
g g (x0 )
Théorème 3.2.2 (Dérivée de la composée de deux fonctions). Soient J un intervalle de R,
f : I → J et g : J → R. Si f est dérivable en x0 ∈ I et g dérivable en f (x0 ) ∈ J , la fonction
composée g ◦ f : I → R est dérivable en x0 et
′ ′ ′
(g ◦ f ) (x0 ) = f (x0 ) g (f (x0 )) .
Théorème 3.2.3 (Dérivée de la fonctions réciproque). Soient J un intervalle de R et f : I → J

une bijection continue. L'application réciproque f −1 : J → I est aussi continue sur J . Si f est
dérivable en x0 ∈ I et si f (x0 ) ̸= 0, alors f −1 est dérivable en y0 = f (x0 ) tel que
′
′ 1 1
f −1 (y0 ) = ′ = ′ .
f (x0 ) (f ◦ f −1 ) (y0 )
28
Dérivée de fonctions usuelles
Fonction f Dérivée f Fonction f Dérivée f

′ ′
nu un−1 , n ∈ N∗
′
xn nxn−1 un
′
1
x
− x12 1
u
− uu2
√ 1 √ u
′
x √
2 x
u √
2 u
′
1 u
ln x x
ln u u
′
ex ex
eu u eu
′
sin (x) cos (x) sin (u) u cos (u)
′
cos (x) − sin (x) cos (u) −u sin (u)
Théorème 3.2.4 (Théorème de Rolle). Soit f : [a, b] → R une fonction continue sur′ [a, b] et
dérivable sur ]a, b[ telle que f (a) = f (b). Alors il existe un nombre c ∈ ]a, b[ tel que f (c) = 0.
y
f ′ (c) = 0
y = f (x)
f (a) = f (b)
x
O a c b
Théorème 3.2.5 (Théorème des accroissements nis). Soit f : [a, b] → R une fonction continue
sur [a, b] et dérivable sur ]a, b[. Alors il existe un nombre c ∈ ]a, b[ tel que
′
f (b) − f (a) = f (c) (b − a) .
y
f (c)
y = f (x)
f (b)
f (a)
x
O a c b
√ x √
Exemple 3.2.3. Montrons que 1 + x < 1 + , x > 0. Posons f (t) = 1 + t, alors f ′ (t) =
2
1
√ et f (0) = 1. Pour tout x > 0, on applique la formule des accroissements nis à
2 t+1
l'intervalle [0, x], il existe c ∈ ]0, x[, tel que
f (x) − f (0) ′ 1 1
= f (c) = √ ≤ .
x−0 2 c+1 2
29
Ce qui donne la résultat.

Corollaire 3.2.1. Soit f : ]a, b[ → R une fonction dérivable sur ]a, b[ , on a
(1) ∀x ∈ ]a, b[ , f (x) = 0 si et seulement si f est constante sur ]a, b[ .
′
(2) Si ∀x ∈ ]a, b[ , f (x) ≥ 0 (resp f (x) > 0), alors f est croissante (resp strictement
′ ′
croissante) .
(3) Si ∀x ∈ ]a, b[ , f (x) ≤ 0 (resp f (x) < 0), alors f est décroissante (resp strictement
′ ′
décroissante) .
Théorème 3.2.6 (Règle de l'hôpital). Soient f et g deux fonctions dérivables sur ]a, b[, et
tendant vers 0 toutes les deux pour x → a+ . On suppose que g (x) ne s'annule pas dans un
′
′
f (x)
voisinage de a et que lim+ ′ = ℓ. Dans ces conditions
x→a g (x)
′
f (x) f (x)
lim+ = lim+ ′ =ℓ
x→a g (x) x→a g (x)
Aussi, ce résultat vaut que ℓ soit un nombre réel ou +∞ ou −∞.

Remarque. Le théorème reste valable quand f et g deux fonctions dérivables sur ]a, b[, et
tendant vers 0 toutes les deux pour x → b− .
Théorème 3.2.7. Soient f et′ g deux fonctions dérivables sur ]a, b[. On suppose que g′ (x) ne
f (x)
s'annule pas dans ]a, b[ et si admet une limite ℓ au point x0 ∈ ]a, b[ , alors
g ′ (x)
′
f (x) − f (x0 ) f (x)
lim = lim ′ = ℓ.
x→x0 g (x) − g (x0 ) x→x0 g (x)
Exemple 3.2.4. Soit la fonction φ dénie par

ln (x2 + x + 1)
φ (x) = , ∀x ∈ ]0, 2[
ln x
2x + 1
Posons f (x) = ln (x2 + x − 1) et g (x) = ln (x) , alors f (1) = 0, f (x) = , g (1) = 0
′
x2 + x − 1
1
et g (x) = . On a
′
x ′
f (x) 2x2 + x
lim ′ = lim 2 = 1,
x→1 g (x) x→1 x + x + 1
d'après la règle de l'hôpital,

ln (x2 + x + 1)
lim = 1.
x→1 ln x
Dénition 3.2.5 (Dérivées d'ordres supérieurs). La dérivée f ′ de f : I → R ′ est une fonction
sur l'intervalle I . Si f ′ est dérivable à son tour, sa dérivée notée f = f est dite dérivée
′′ ′
seconde de f . Cette notion se généralise à l'ordre n. Ainsi la dérivée d'ordre n de f est dénie
par
′
f (n) (x) = f (n−1) (x) .
Exemple 3.2.5. Soit la fonction f (x) = sin (x) dénie sur R. Les dérivées d'ordre 1 et 2 sont
π π π
et
′ ′′
f (x) = cos (x) = sin x + f (x) = cos x + = sin x + 2 .
2 2 2
Par récurrence la dérivée d'ordre n de f est
π
sin(n) (x) = sin x + n .
2
30
Dénition 3.2.6 (Fonction de classe C n ). Soit n ∈ N∗ . On dit qu'une fonction dénie sur
l'intervalle I est de calasse C n ou n fois continument dérivable si elle est n fois dérivables et si
f (n) est continue sur I. On notera C n (I) l'ensemble des fonctions de calasse C n .
Dénition 3.2.7. On dit qu'une fonction est de calasse C 0 si elle est continue sur I , et de
classe C ∞ si elle indéniment dérivable sur I (c'est-à-dire f (n) existe pour tout n).
Exemple 3.2.6. La fonction x → |x| dénie sur R est de classe C 0 (R), mais n'est pas de
classe C 1 (R) , car n'est pas dérivable à l'origine.
3.3 Exercices
Exercice 11. Calculer lorsqu'elles existent les limites suivantes

1 1 x − sin (2x)
(1) lim x sin , (2) lim x sin , (3) lim ,
x→0 x x→+∞ x x→0 x + sin (3x)
√ √
tan x sin (x) − cos (x) x− a
(4) lim , (5) limπ , (6) lim+ , a > 0,
x→0 x
x x→ 4 1 − tan (x) x→a x−a
√ √

1 πx
(7) lim 1 + , (8) lim sin x + 1 − sin ( x) , (9) lim (1 − x) tan ,
x→+∞ x x→+∞ x→1 2
Solution.
1 ≤ |x|, et lim |x| = 0, donc lim x sin 1 = 0,
(1) Pour tout x ∈ R , on a 0 ≤ x sin
∗

x x→0 x→0 x
1
par conséquence lim x sin = 0.
x→0 x
1
(2) Pour tout x ∈ R∗ , on pose y = , lorsque x → +∞, y → 0+ , alors
x

1 sin (y)
lim x sin = lim+ = 1.
x→+∞ x y→0 y
sin (αx)
(3) On sait que lim = 1, pour tout α ∈ R∗ , alors
x→0 αx

sin (2x) sin (2x)
x 1−2 1 − 2
x − sin (2x) 2x 2x 1
lim = lim = lim =− .
x→0 x + sin (3x) x→0 sin (3x) sin (3x) 4
x 1+3 1+3
3x 3x
x→0
sin (x)
(4) On sait que lim = 1, alors
x→0 x
tan x 1 sin (x)
lim = lim = 1.
x→0 x x→0 cos (x) x
(5) On a
sin (x) − cos (x) sin (x) − cos (x)

limπ = limπ cos (x)
x→ 4 1 − tan (x) x→ 4 cos (x) − sin (x)
√
2
= − limπ cos (x) = − .
x→ 4 2
31
(6) √ √ √ √ √ √
x− a ( x − a) ( x + a) 1 1
lim = lim+ √ √ = lim+ √ √ = √ .
x→a+ x−a x→a (x − a) ( x + a) x→a x+ a 2 a
ln (x + 1) 1
(7) On sait que lim = 1, pour y = , lorsque x → +∞, y → 0+ , alors
x→0 x x
x
1 1 ln (1 + y)
lim 1 + = lim+ (1 + y) = lim+ exp
y = e.
x→+∞ x y→0 y→0 y

α−β α+β
(8) Pour tout α, β ∈ R, on a sin (α) − sin (β) = 2 sin cos , alors
2 2
√ √ √ √ √
√ x+1− x x+1+ x
lim sin x + 1 − sin x = lim 2 sin cos
x→+∞ x→+∞ 2 2
! √ √
1 x+1+ x
= lim 2 sin √ √ cos = 0,
x→+∞ 2 x+1+ x 2
car
√ √ !
x + 1 + x 1
≤ 1, ∀x ∈ R et

cos lim 2 sin √ √ = 0.
2 x→+∞ 2 x+1+ x
(9) Pour tout x ∈ R, on pose y = x − 1, lorsque x → 1, y → 0, alors

π
+ π2

πx π π sin 2
y
lim (1 − x) tan = lim − y tan y+ = lim − y π
+ π2

x→1 2 y→0 2 2 y→0 cos 2
y
π
2 y π
= lim 2 π cos y
π y→0 sin 2 y 2
2
= .
π
Exercice 12. A l'aide des équivalences, calculer les limites suivantes
x ln (x) ln (1 + x2 ) cos (mx) − cos (nx)
(1) lim+ , (2) lim x , (3) lim , n ̸= m,
x→0 sin (2x) x→0
tan x→0 x2
r2
1 1
(4) lim x e x − 1 , (5) lim x 1 + .
x→+∞ x→+∞ x
Solution.
x ln (x) 1
(1) On sait que sin (2x) ∼ 2x, si x → 0, alors ∼ ln x, x → 0, par passage à la
sin (2x) 2
limite on trouve
x ln (x) 1
lim+ = lim+ ln x = −∞.
x→0 sin (2x) x→0 2
x x ln (1 + x2 )
(2) On sait que ln (1 + x2 ) ∼ x2 et tan ∼ , si x → 0, alors x ∼ 2x, x → 0,
2 2 tan
2
d'où
ln (1 + x2 )
lim x = 0.
x→0
tan
2
32

α−β α+β
(3) Pour tout α, β ∈ R, on a cos (α) − cos (β) = −2 sin sin , alors
2 2

m−n n+m
cos (mx) − cos (nx) = −2 sin x sin x
2 2

n−m n−m n+m n+m
On sait que sin x ∼ x et sin x ∼ x, si x → 0, alors
2 2 2 2

m−n n+m
cos (mx) − cos (nx) ∼ −2 x2 , x → 0,
2 2
d'où
cos (mx) − cos (nx) 1 2
n − m2 .

lim 2
=
x→0 x 2
1 1 1
(4) On sait que ex − 1 ∼ x, si x → 0, alors e x − 1 ∼ , si x → +∞, donc x e x − 1 ∼ 1,
x
x → +∞. 1
lim x e x − 1 = 1.
x→+∞
r
√ 1 1
(5) On sait que 1 + x ∼ 1 + 2 x, si x → 0, alors 1 + ∼ 1 +
1
, si x → +∞, donc
r x 2x
1 1
x 1 + ∼ x + , x → +∞, d'où
x 2
r
1 1
lim x 1 + = lim x + = +∞.
x→+∞ x x→+∞ 2
Exercice 13. Soient f ,g deux fonctions dénies par
1

( x  xe x , x < 0,
, x ̸= 0,

0, x = 0,

1
f (x) = 1 + ex , g (x) =
0, x = 0. x+1
 x2 ln , x > 0.


x
• Etudier la continuité de f et g .
Solution.
(a) Si x ̸= 0, la fonction f est continue. Les dénitions des limites à gauche et à droite au
point x0 = 0, nous donne
x
fg (0) = lim− f (x) = lim− 1 = 0,
x→0 x→0 1 + e x
x
fd (0) = lim+ f (x) = lim+ 1 = 0.
x→0 x→0 1 + e x
On a utilisé le fait que lim− e x = 0 et lim+ e x = +∞, comme fg (0) = fd (0) = f (0) = 0,
1 1
x→0 x→0
alors f est continue au point x0 = 0.
(b) Si x ̸= 0, la fonction g est continue. Les dénitions des limites à gauche et à droite au
point x0 = 0, nous donne

1
2 ln (1 + y) 1 ln (1 + y)
gd (0) = lim+ g (x) = lim+ x ln 1 + = lim 2
= lim = 0,
x→0 x→0 x y→+∞ y y→+∞ y y
ey
1 1
gg (0) = lim− g (x) = lim− xe = lim x = lim = 0.
x→0 x→0 y→−∞ y y→−∞ ye−y
Comme gg (0) = gd (0) = g (0) = 0, alors g est continue au point x0 = 0.
33
Exercice 14. Calculer les dérivées des fonctions suivantes :

√
2+cos(x)

f1 (x) = ln (3 + sin (x)) , f2 (x) = ln x + 1 + x2 , f3 (x) = ln 2−cos(x)
,
sin(x)
f5 (x) = sin (ex )2 ,

f4 (x) = xx+1 , f6 (x) = x x .
Solution. Les dérivées des fonctions
(1) On a
′ cos (x)
f1 (x) = .
3 + sin (x)
(2) On a
√
′ x
′ x+
1 + x 2 1 + √1+x 2 1
f2 (x) = √ = √ =√ .
x+ 1+x 2 x+ 1+x 2 1 + x2
(3) On a
f3 (x) = ln (2 + cos (x)) − ln (2 − cos (x)) , car 2 − cos (x) > 0 et 2 + cos (x) > 0,
donc
′ − sin (x) sin (x) −4 sin (x) −4 sin (x)
f3 (x) = − = = .
2 + cos (x) 2 − cos (x) (2 + cos (x)) (2 − cos (x)) 4 − cos2 (x)
(4) On a
f4 (x) = xx+1 = eln(x ) = e(x+1) ln(x) ,
x+1
donc

′ ′
(x+1) ln(x) x + 1 (x+1) ln(x)
f4 (x) = ((x + 1) ln (x)) e = ln (x) + e
x

x+1
= ln (x) + xx+1 .
x
(5) On a
f5 (x) = sin (ex )2 = sin e2x ,

donc
′
f5 (x) = 2e2x cos e2x .

(6) On a
sin(x)
sin(x) ln x x sin(x)
ln(x)
f6 (x) = x x =e =e x ,
donc ′
′ sin (x) sin(x)
f6 (x) = ln (x) e x ln(x) ,
x
Comme
′ ′
sin (x) sin (x) sin (x) 1
ln (x) = ln x +
x x x x
x cos (x) ln x + (1 − ln x) sin (x)
= ,
x2
d'où

′ x cos (x) ln x + (1 − ln x) sin (x) sin(x)
f6 (x) = x x
x2
sin(x)
−2
= (x cos (x) ln x + (1 − ln x) sin (x)) x x .
34
Exercice 15. Etudier la dérivabilité des fonctions suivantes et calculer la dérivée lorsqu'elle
existe :
si x ≤ 0, si x < 0,
 2  x
 x + x,  e − 1,
f (x) = sin (x) , si 0 < x ≤ π, , g (x) = 0, si x = 0,
1 + cos (x) , si x > π. x ln (x) − x, si x > 0.
 
Solution.
• La fonction f est continue et dérivable sur ]−∞, 0[ , ]0, π[ et ]π, +∞[ .
• Pour x0 = 0, on utilisera les dénitions des limites à gauche et à droite au point x0 = 0.
On a
fg (0) = lim− f (x) = lim− x2 + x = 0,
x→0 x→0
fd (0) = lim+ f (x) = lim+ sin (x) = 0,

x→0 x→0
Alors fg (0) = fd (0) = f (0), donc f est continue en x0 = 0.

• On utilisera les dénitions des dérivées à gauche et à droite au point x0 = 0. On a
′ f (x) − f (0) x2 + x
fg (0) = lim− = lim− = lim− x + 1 = 1.
x→0 x−0 x→0 x x→0
′ f (x) − f (0) sin (x)

fd (0) = lim+ = lim+ = 1,
x→0 x−0 x→0 x
Comme fg (0) = fd (0) = 1, alors la fonction f est dérivable en x0 = 0.
′ ′
• Pour x0 = π , on utilisera les dénitions des limites à gauche et à droite au point x0 = π,

alors
fg (π) = lim− f (x) = lim− sin (x) = 0,
x→π x→π
fd (π) = lim+ f (x) = lim+ 1 + cos (x) = 0,

x→π x→π
Alors fg (π) = fd (π) = f (π), donc f est continue en x0 = π.

• On utilisera les dénitions des dérivées à gauche et à droite au point x0 = π, alors
′ f (x) − f (π) sin (x) sin (y + π) − sin (y)

fg (π) = lim− = lim− = lim− = lim− = −1.
x→π x−π x→π x − π y→0 y y→0 y
′ f (x) − f (π) 1 + cos (x) 1 + cos (y + π)

fd (π) = lim+ = lim+ = lim+
x→π x−π x→π x−π y→0 y

1 − cos (y) y
= lim+ y 2
= lim+ = 0,
y→0 y y→0 2
Comme fg (π) ̸= fd (π) , alors la fonction f n'est pas dérivable en x0 = π.

′ ′
• La fonction g est continue et dérivable sur ]−∞, 0[ et ]0, +∞[ .

• Pour x0 = 0, on utilisera les dénitions des limites à gauche et à droite au point x0 = 0,
on a
gg (0) = lim− f (x) = lim− ex − 1 = 0,
x→0 x→0
gd (0) = lim+ f (x) = lim+ x ln (x) − x = 0,

x→0 x→0
Alors gg (0) = gd (0) = g (0), donc g est continue en x0 = 0.
35
• On utilisera les dénitions des dérivées à gauche et à droite au point x0 = 0, nous avons
′ g (x) − g (0) ex − 1
gg (0) = lim− = lim− = 1.
x→0 x−0 x→0 x
′ g (x) − g (0) x ln (x) − x
gd (0) = lim+ = lim+ = lim+ ln (x) − 1 = −∞,
x→0 x−0 x→0 x x→0
Comme gd (0) = −∞, alors la fonction g n'est pas dérivable en x0 = 0.

′
Exercice 16. En utilisant la formule de l'Hôpital, calculer les limites suivantes

1 − cos (x) xx − 1 sin (x) x cos (x) − sin (x)
(1) lim , (2) lim , (3) lim , (4) lim .
x→0 ex − 1 x→1 ln x − x + 1 x→π x2 − π 2 x→0 x2
Solution.
1 − cos (x)
(1) La limite de en 0 est indéterminée, on regarde la limite du quotient des
ex − 1
dérivées du numérateur et du dénominateur
′
(1 − cos (x)) sin (x)
′ =
(ex − 1) ex
donc
1 − cos (x) sin (x)
lim = lim = 0.
x→0 ex − 1 x→0 ex
xx − 1
(2) La limite de en 1 est indéterminée, on a
ln x − x + 1
′ ′
(xx − 1) ex ln x − 1 x (1 + ln x) xx
′ = 1 = .
(ln x − x + 1) x
−1 1−x
donc
xx − 1 x (1 + ln x) xx
lim+ = lim+ = −∞.
x→1 ln x − x + 1 x→1 1−x
xx − 1 x (1 + ln x) xx
lim− = lim− = +∞.
x→1 ln x − x + 1 x→1 1−x
sin (x)
(3) La limite de en π est indéterminée, on a
x2 − π 2
′
(sin (x)) cos (x)
′ = ,
(x2 − π2) 2x
donc
sin (x) cos (x) cos (π) 1
lim = lim = = − .
x→π x2 − π 2 x→π 2x 2π 2π
x cos (x) − sin (x)
(4) La limite de en 0 est indéterminée, on a
x2
′
(x cos (x) − sin (x)) −x sin (x) sin (x)
′ = =− ,
2
(x ) 2x 2
donc
x cos (x) − sin (x) sin (x)
lim 2
= lim − = 0.
x→0 x x→0 2
36
4 | Application aux fonctions élémentaires
4.1 Fonction logarithme, fonction exponentielle et fonction

puissance
4.1.1 Fonction Logarithm
Dénition 4.1.1. On appelle logarithme népérien et on note ln l'unique primitive s'annulant
en 1 de la fonction x → 1
x
dénie sur R∗+ ,
ln : R∗+ → R
Rx dt
x → ln (x) =
1 t
Remarque. La fonction x → ln (x) est continue, strictement croissante et dénit une bijection
de R∗+ sur R.
ln(x)
1−
O + x
−3.14 −1.57 1.57 e 3.14
x=0
Propriétés des logarithmes

Soient a et b des réels strictement positifs, et α est un réel :
• Produit : ln (ab) = ln (a) + ln (b)
• Inverse : ln a1 = − ln (a)

• Quotient : ln ab = ln (a) − ln (b)

• Puissance : ln (aα ) = α ln (a)

√ 1
• Racine carrée : ln ( a) = ln (a)
2
37
Chapitre 4 Application aux fonctions élémentaires
Équations et d'inéquations avec des logarithmes

• ln (a) = ln (b) ⇔ a = b
• ln (a) ≥ ln (b) ⇔ a ≥ b
• ln (a) < ln (b) ⇔ a < b
• ln (a) ≤ 0 ⇔ 0 < a ≤ 1 et ln (a) > 0 ⇔ a > 1.
Limites particulières
ln (x)
lim ln (x) = +∞, lim+ ln (x) = −∞, lim = 0,
x→+∞ x→0 x→+∞ x
ln (x + 1)
lim+ x ln (x) = 0, lim = 1.
x→0 x→0 x
4.1.2 Fonction exponentielle

Dénition 4.1.2. La fonction réciproque de ln : R∗+ → R s'appelle la fonction exponentielle,
notée exp : R → R∗+ ou e : R → R∗+ .
Remarque. La fonction exp : R → R∗+ . est une fonction continue, strictement croissante et
dérivable sur R, où ′
(exp x) = exp x, pour tout x ∈ R.
y
exp(x) y=x
e−
ln(x)
1−
O − x
1
−3.14 y −1.57
=0 1.57 e 3.14
x=0
Propriétés des exponentielles

Soient a, b et n des réels :
• Produit : ea × eb = ea+b
1
• Inverse : a = e−a
e
ea
• Quotient : b = ea−b
e
• Puissance : (ea )n = ena
38
Lien exponentielle et logarithme

• ln (ea ) = a,
• eln(a) = a > 0,
• ea = b ⇔ a = ln (b) ,
• ab = eb ln a .
Équations et d'inéquations avec des exponentielles

• ea = eb ⇔ a = b
• aa ≥ eb ⇔ a ≥ b
• ea < eb ⇔ a < b
• ea ≥ b > 0 ⇔ a ≥ ln b
• ea < b ⇔ a < ln b, avec b > 0
Limites particulières
ex
lim ex = +∞, lim ex = 0, lim = +∞,
x→+∞ x→−∞ x→+∞ x
ex − 1
lim xex = +∞, lim = 1.
x→+∞ x→0 x
4.1.3 Fonction puissance

Dénition 4.1.3. On appelle fonction puissance d'un réel a positif, la fonction fa dénie sur
R par :
fa (x) = ax = ex ln(a) .
Remarque. La fonction puissance est strictement positive

∀x ∈ R : ax = ex ln(a) > 0.
Propriétés. Pour tous a, b > 0, on a les égalités suivantes

• ∀x ∈ R : ln (ax ) = x ln (a) .
ax
• ∀x, y ∈ R : ax+y = ax × ay et ax−y =
ay
• ∀x ∈ R : (ax )y = axy .
• ∀x ∈ R : (ab)x = ax × bx .
Etude de la fonction puissance

Soit la fonction fa dénie sur R par : fa (x) = ax .
Comme ax = ex ln(a) , elle est continue et dérivable sur R,car composition de fonctions continues
et dérivables sur R. On a alors :
′ ′
∀x ∈ R : fa (x) = ex ln(a) = ln (a) ex ln(a) = ln (a) ax .
Le signe de la dérivée dépend donc du signe de ln (a). On a alors :

• Si a > 1, on a alors ∀x ∈ R : fa (x) > 0, la fonction puissance est croissante.
′
• Si 0 < a < 1, on a alors ∀x ∈ R : fa (x) < 0, la fonction puissance est décroissante.

′
39
Limite à l'inni
a>1 0<a<1
x
lim a = +∞ lim ax = 0
x→+∞ x→+∞
x
lim a = 0 lim ax = +∞
x→−∞ x→−∞
a−
1− fa (x) = ax avec a > 1

O − x
−3.14 y −1.57
=0 1.57 3.14
1− fa (x) = ax avec 0 < a < 1

a
O− − x
−3.14 −1.57 y = 0 3.14
1.57
4.2 Fonctions trigonométriques et leurs inverses

4.2.1 Fonctions trigonométriques
Les fonctions sinus et cosinus
Fonction sin x cos x
Domaine de dénition R R
Parité impaire paire
Période T = 2π T = 2π
Dérivée cos x − sin x
40
y=1
− cos(x)
+ + O + + x
−π π
−3.14
−π −1.57 1.57 3.14
π
2 − 2
y = −1
T = 2π sin(x)
Propriétés
Les fonctions sinus et cosinus satisfont les propriétés suivantes, pour tout x ∈ R,
• cos2 (x) + sin2 (x) = 1
1
• cos2 (x) = (1 + cos 2x)
2
1
• sin2 (x) = [1 − cos (2x)]
2
• cos (2x) = cos2 (x) − sin2 (x)
• sin (2x) = 2 cos (x) sin (x)
Formules d'addition ∀x, y ∈ R, on a

• cos (x + y) = cos (x) cos (y) − sin (x) sin (y)
• cos (x − y) = cos (x) cos (y) + sin (x) sin (y)
• sin (x + y) = sin (x) cos (y) + cos (x) sin (y)
• sin (x − y) = sin (x) cos (y) − cos (x) sin (y)
Formules de transformation de produits en sommes

1
• cos (x) cos (y) = [cos (x + y) + cos (x − y)]
2
1
• sin (x) sin (y) = [cos (x − y) − cos (x + y)]
2
1
• sin (x) cos (y) = [sin (x + y) + sin (x − y)]
2
1
• cos (x) sin (y) = [sin (x + y) − sin (x − y)]
2
Formules de transformation de sommes en produits

x+y x−y
• sin (x) − sin (y) = 2 cos sin
2 2

x+y x−y
• cos (x) − cos (y) = −2 sin sin
2 2

x+y x−y
• cos (x) + cos (y) = 2 cos cos
2 2

x+y x−y
• sin (x) + sin (y) = 2 sin cos
2 2
41
Les fonctions tangente et cotangente

Dénition 4.2.1. On appelle tangente la fonction tan (ou tg ) dénie par :
sin (x)
x → tan (x) = , pour tout x ∈ R−A,
cos (x)
où A = π2 + kπ : k ∈ Z

On appelle cotangente la fonction cot dénie par :

cos (x)
x → cot (x) = , pour tout x ∈ R−B,
sin (x)
où B = {kπ : k ∈ Z} .
Propriétés.
• Pour tout x ∈ R− (A ∪ B), on a
cot (x) tan (x) = 1.
• Les deux fonctions étant périodiques de période π , on peut
donc restreindre le domaine de
−π π
l'étude à un intervalle de longueur π , par exemple , pour la tangente et ]0, π[
2 2
pour la cotangente.
• Les fonctions tangente et cotangente sont continues et dérivable sur leurs domaines de
dénition et l'on a :
1
= 1 + tan2 x, pour tout x ∈ R−A,
′
tan (x) =
cos2 (x)
−1
, pour tout x ∈ R−B,
′ 2

cot (x) = = − 1 + cot (x)
sin2 (x)
y
tan(x)
π π
x=− x=
2 2
+ + O + + x
−π π
−π π
2 2
T = 2π
x=0 cot(x)
x=π
42
Propriétés. La fonction tangente satisfait les propriétés suivantes, ∀x, y ∈ R− + kπ : k ∈ Z ,

π
2
on a
2 tan (x)
• tan (2x) =
1 − tan2 (x)
tan (x) + tan (y)
• tan (x + y) =
1 − tan (x) tan (y)
tan (x) − tan (y)
• tan (x − y) =
1 + tan (x) tan (y)
sin (x + y)
• tan (x) + tan (y) =
cos x. cos y
4.2.2 Fonctions circulaire réciproques

Fonction x → arcsin x
i π πh
La fonction sinus a une fonction dérivée strictement positive sur − , , donc c'est une
h π πi 2 2
bijection de − , sur [−1, 1]. La bijection réciproque est appelée fonction arcsinus et est
2 2
notée arcsin, h π πi
arcsin : [−1, 1] → − , , x 7−→ arcsin (x) .
2 2
y
π arcsin(x)
−
2
O x
−1 1
−π
−
2
Propriétés.
(1) ∀x ∈ [−1, 1], on a sin (arcsin (x)) = x.
h π πi
(2) ∀x ∈ − , , on a arcsin sin (x) = x.
h π2 2i
π
(3) ∀x ∈ − , , on a sin (x) = y ⇔ x = arcsin (y) .
2 2
√
(4) ∀x ∈ [−1, 1] , on a cos (arcsin x) = 1 − x2 .
Proposition 4.2.1. La fonction arcsin est dérivable sur ]−1, 1[, et l'on a
′ 1
(arcsin x) = √ .
1 − x2
Démonstration. Pour tout x ∈ ]−1, 1[, on a sin (arcsin (x)) = x, par dérivation, on obtient
′ 1 1
(arcsin x) = =√ .
cos (arcsin (x)) 1 − x2
43
Fonction x → arccos x
La fonction cosinus a une fonction dérivée strictement négative sur ]0, π[, donc bijective de
[0, π] sur [−1, 1]. La bijection réciproque est appelée fonction arccosinus et est notée arccos,
arccos : [−1, 1] → [0, π] , x 7−→ arccos (x) .
y
−π
π
−2
arccos(x)
x
O
−1 1
Propriétés.
(1) ∀x ∈ [−1, 1], on a cos (arccos (x)) = x.
(2) ∀x ∈ [0, π], on a arccos cos (x) = x.
(3) ∀x ∈ [0, π] , on a cos (x) = y ⇔ x = arccos (y) .
√
(4) ∀x ∈ [−1, 1] , on a sin (arccos (x)) = 1 − x2 .
Proposition 4.2.2. La fonction arccos est dérivable dans ]−1, 1[, et l'on a
′ −1
(arccos x) = √ .
1 − x2
Démonstration. Pour tout x ∈ ]−1, 1[, on a cos (arccos (x)) = x, par dérivation, on obtient
′ 1 −1
(arccos x) = − =√ .
sin (arccos (x)) 1 − x2
Fonction x → arctan x
i π πh
La fonction tangente a une fonction dérivée strictement positive sur − , , donc c'est
h π πi 2 2
une bijection de − , sur R. La bijection réciproque est appelée fonction arctangente et est
2 2
notée arctan, i π πh
arctan : R → − , , x 7−→ arctan (x) .
2 2
y π
x=
2
arctan x
O x
π
x=−
2
44
Propriétés.
(1) ∀x ∈ R, on a tan (arctan (x)) = x.
h π πi
(2) ∀x ∈ − , , on a arctan tan (x) = x.
2 2
(3) La fonction arctan est dérivable surs R, et l'on a
′ 1
(arctan x) = .
1 + x2
4.3 Fonctions hyperboliques et leurs inverses

4.3.1 Fonctions hyperboliques
Dénition 4.3.1. Les fonctions de la variable x,
ex + e−x ex − e−x sh (x) e2x − 1 1
ch (x) = , sh (x) = , th (x) = = 2x , coth (x) = , (x ̸= 0)
2 2 ch (x) e +1 th (x)
s'appellent respectivement cosinus hyperbolique, sinus hyperbolique, tangente hyperbolique et

cotangente hyperbolique.
Propriétés.
(1) La fonction ch est paire et les fonction sh, th, coth impaires.
(2) Pour tout x ∈ R, on a les relations
ch(x) + sh (x) = ex , ch (x) − sh (x) = −e−x ,

1
ch2 (x) − sh2 (x) = 1, 1 − th2 (x) = .
coth (x)
(3) Pour tout x, y ∈ R, on a les relations
ch (x + y) = ch (x) ch (y) + sh (x) sh (y) ,

sh (x + y) = sh (x) ch (y) + sh (x) ch (y) ,
th (x) + th (y)
th (x + y) = .
1 + th (x) + th (y)
(4) Les fonction ch, sh, th sont indéniment dérivables sur R, et l'on a
′ ′ ′ 1
(ch (x)) = sh (x) , (sh (x)) = ch (x) , (th (x)) = 2 = 1 − th2 (x) .
ch (x)
(5) La fonction coth est indéniment dérivable sur R∗ , et l'on a

′ 1
(coth (x)) = − 2 .
sh (x)
45
y y
ch(x) coth(x)
x=1
1
th(x)
O x O x
x = −1
sh(x)
4.3.2 Fonctions hyperboliques réciproques

Fonction x → Argsh
La fonction sinus hyperbolique est de dérivée strictement positive sur R, donc c'est une bijection
de R sur son image R. L'application réciproque est appelée argument sinus hyperbolique et est
notée Argsh,
Argsh : R → R, x 7−→ Argsh (x) .
y
Argsh(x)
O x
Propriétés.
(1) ∀x ∈ R, sh (Argsh (x)) = x et Argsh (sh (x)) = x.
√
(2) ∀x ∈ R, Argsh (x) = ln x2 + 1 + x .

(3) La fonction Argsh est continue, dérivable sur R, et l'on a

′ 1
(Argsh (x)) = √ .
x2 + 1
46
Fonction x →Argch
La fonction cosinus hyperbolique est de dérivée strictement positive sur R∗+ , donc c'est une bi-
jection de R+ dans [1, +∞[. L'application réciproque est appelée argument cosinus hyperbolique
et est notée Argch,
Argch : [1, +∞[ → [0, +∞[ , x 7−→ Argch (x) .
y
Argch(x)
x=1
x
O
Propriétés.
(1) ∀x ∈ [1, +∞[, ch (Argch (x)) = x.
(2) ∀x ∈ [0, +∞[, Argch (ch (x)) = x.
√
∀x ∈ [1, +∞[, Argch (x) = ln x2 − 1 + x .

(2)
(3) La fonction Argch est continue sur [1, +∞[, dérivable sur ]1, +∞[, et l'on a
′ 1
(Argch (x)) = √ .
2
x −1
Fonction x →Argth
La fonction tangente hyperbolique est de dérivée strictement positive sur R, donc c'est une
bijection de R sur ]−1, 1[. L'application réciproque est appelée argument tangente hyperbolique
et est notée Argth,
Argth : ]−1, 1[ → R, x 7−→ Argth (x) .
y
Argth(x)
x = −1
O x
x=1
Propriétés.
(1) ∀x ∈ ]−1, 1[, th (Argth (x)) = x.
(2) ∀x ∈ R, Argth (th (x)) = x.

1 1+x
(2) ∀x ∈ R , Argth (x) = ln
+
.
2 1−x
(3) La fonction Argth est continue et dérivable sur ]−1, 1[, et l'on a
′ 1
(Argth (x)) = .
1 − x2
47
Fonction x →Argcth
La fonction cotangente hyperbolique est de dérivée strictement positive sur R∗ , donc c'est une
bijection de R∗ sur ]−∞, 1[∪]1, +∞[. L'application réciproque est appelée argument cotangente
hyperbolique et est notée Argcth,
Argcth : ]−∞, 1[ ∪ ]1, +∞[ → R∗ , x 7−→ Argcth (x) .
y
Argth(x)
x = −1
x
O
x=1
Propriétés.
(1) ∀x ∈ R∗ , coth (Argcth (x)) = x.
(2) ∀x ∈ ]−∞, 1[ ∪ ]1, +∞[, Argcth (coth (x)) = x.

1 x+1
(2) ∀x ∈ ]−∞, 1[ ∪ ]1, +∞[, Argcth (x) = ln .
2 x−1
(3) La fonction Argcth est continue et dérivable sur ]−∞, 1[ ∪ ]1, +∞[, et l'on a
′ 1
(Argcth (x)) = .
x2 −1
4.4 Exercices
Exercice 17. π π
1) Donner la valeur exacte de cos , sin .
12 12
2) Écrire sous forme d'expression algébrique
a) cos (2 arcsin (x)) , b) cos (arctan (x)) .
Solution.
π
1) On a cos (2a) = 2 cos2 (a) − 1 = 1 − 2 sin2 (a) , pour a =, on trouver
6
π π π
cos = 2 cos2 − 1 = 1 − 2 sin2 .
6 12 12
alors √
π
2+ 3 π 2 − √3
cos 2
= et sin 2
=
12 4 12 4
π h πi π π
Comme ∈ 0, , cos ≥ 0 et sin > 0, donc
12 2 12 12
p √ p √
π 2+ 3 π 2− 3
cos = et sin = .
12 2 12 2
48
2.a) On a cos (2α) = 1 − 2 sin2 (α) , pour α = arcsin (x), (x ∈ [−1, 1]), alors
cos (2 arcsin (x)) = 1 − 2 sin2 (arcsin (x)) = 1 − 2x2 .
2.b) On a
1 1
= 1 + tan2 (α) implique cos2 (α) = ,
cos2 (α) 1 + tan2 (α)
pour α = arctan (x), (x ∈ R),
1 1
cos2 (arctan (x)) = 2
= .
1 + tan (arctan (x)) 1 + x2
Comme arctan (x) ∈ , π2 , cos (arctan (x)) ≥ 0, donc

−π
2
1
cos (arctan (x)) = √ .
1 + x2
Exercice 18. Résoudre les équation suivantes :
3
a) arccos x = 2 arccos ,
4
2 3
b) arcsin x = arcsin + arcsin .
5 5

3
Solution. a) On a cos (arccos x) = x, alors cos (arccos x) = cos 2 arccos , donc
4

3 3 3 1
x = cos 2 arccos = 2 cos arccos − 1 = 2. − 1 = .
4 4 4 2
√
b) Comme cos (arcsin x) = 1 − x2 et sin (a + b) = sin (a) cos (b) + sin (b) cos (a) , alors
x = sin (arcsin x)

2 3
= sin arcsin + arcsin
5 5

2 3 3 2
= sin arcsin . cos arcsin + sin arcsin . cos arcsin
5 5 5 5

2 3 3 2
= cos arcsin + cos arcsin
5 5 5 5
s 2 s 2
2 3 3 2
= 1− + 1−
5 5 5 5
√
3 21 + 8
= .
25
Exercice 19.
1) Déterminer l'ensemble de dénition des fonctions suivantes :
√

x
a) f1 (x) = arcsin , b) f2 (x) = arccos 2 − x2 ,
x+1
c) f3 (x) = arccos (2x + 1) − arcsin (3x2 ) .
2) Calculer les dérivées des fonctions f1 et f2 .
49
Solution.
1) L'ensemble de dénition

x
Df1 = x ∈ R : −1 ≤ ≤ 1 et x ̸= −1
x+1
On a
−1
 x 

x
 ≤ 1, 
 ≤ 0,
−1 ≤ ≤1 ⇔ x+1 ⇔ x+1
x 2x + 1
x+1  −1 ≤ ,  ≥ 0,
x+1

x+1
x + 1 ≥ 0,
⇔
(2x + 1) (x + 1) ≥ 0,

x ∈ [−1, +∞[ ,
⇔
x ∈ ]−∞, −1] ∪ − 12 , +∞ ,

1
⇔ x ∈ − , +∞ ,
2
comme −1 ∈
/ − 21 , +∞ , alors

1
Df1 = − , +∞ .
2
n √ o
Df2 = x ∈ R : −1 ≤ 2 − x ≤ 1 et 2 − x ≥ 0
2 2
√
−1 ≤ 2 − x ≤ 1 et 2 − x ≥ 0 ⇔
2
2 − x2 ≤ 1 et 2 − x2 ≥ 0

2
⇔ x2 ≥ 1 et x2 ≤ 2

h √ √ i
⇔ x ∈ ]−∞, −1] ∪ [1, +∞[ et x ∈ − 2, 2
h √ i h √ i
⇔ x ∈ 1, 2 ∪ − 2, −1
h √ i h √ i
Df2 = − 2, −1 ∪ 1, 2 .
Df3 = x ∈ R : −1 ≤ 2x + 1 ≤ 1 et − 1 ≤ 3x2 ≤ 1

1
−1 ≤ 2x + 1 ≤ 1 et − 1 ≤ 3x ≤ 1 ⇔ 2
−1 ≤ x ≤ 0 et x ≤ 2

3

1 1
⇔ x ∈ [−1, 0] et x ∈ − √ , √
3 3

1
⇔ x ∈ −√ , 0 .
3

1
Df3 = −√ , 0 .
3
2) Les dérivées de f1 et f2 .
′ ′
′ u ′ −u
[arcsin (u)] = √ et [arccos (u)] = √ .
1 − u2 1 − u2
50
x
On a f1 (x) = arcsin (u (x)), avec u (x) = , donc
x+1
′
′ 1 x
f1 (x) = q 2 x + 1
x
1 − x+1
q
(x + 1)2 1
= q 2
(x + 1)2 − x2 (x + 1)
|x + 1| 1 (x + 1) 1
= √ 2 =
√
2x + 1 (x + 1) 2x + 1 (x + 1)2
1 −1
= √ , ∀x > ,
(x + 1) 2x + 1 2
car
−1 1
x∈ , +∞ ⇒ x + 1 ≥ ⇒ |x + 1| = x + 1.
2 2
√ √
On a f2 (x) = arccos 2 − x2 ,avec u (x) = 2 − x2 , donc

′ −1 √ ′
f2 (x) = q 2 − x 2
√ 2
1− 2 − x2
2x 2x i √ h i √ h
= √ √ =p , ∀x ∈ − 2, −1 ∪ 1, 2 .
2 − x2 x2 − 1 (2 − x2 ) (x2 − 1)
Exercice 20. Simplier les expressions suivantes :

a) ch (Argshx) , b) th (Argshx) , c) sh (2Argshx) ,
d) sh (Argchx) , e) th (Argchx) , f ) ch (2Argchx) ,
2ch2 (x) − sh (2x)
g) .
x − ln (ch (x)) − ln (2)
Solution.
a) ch2 (α) − sh2 (α) = 1, pour α = Argsh x, on a
ch2 (Argsh x) = sh2 (Argsh x) + 1 = x2 + 1.
Comme ch (x) ≥ 0, alors √

ch (Argsh x) = x2 + 1.
sh (Argshx) x
th (Argshx) = =√ .
ch (Argshx) x2 + 1
b) sh (2α) = 2ch (α) sh (α) , pour α = Argshx,
√
sh (2Argshx) = 2ch (Argshx) sh (Argshx) = 2x x2 + 1.
c) On a ch2 (α) − sh2 (α) = 1, pour α = Argch x,
sh2 (Argch x) = ch2 (Argch x) − 1 = x2 − 1.
Comme Argchx ≥ 0, alors sh (Argch x) ≥ 0, donc

√
sh (Argch x) = x2 − 1.
51
d) On a
sh (Argchx) 1√ 2
th (Argchx) = = x − 1.
ch (Argchx) x
f ) On a ch (2α) = 2ch2 (α) − 1, pour α = Argchx,
ch (2Argchx) = 2ch2 (Argchx) − 1 = 2x2 − 1.
g) On a
2
ex + e−x e2x − e−2x

2
2ch (x) − sh (2x) = 2 −
2 2
−2x
= e + 1,
et
ex + e−x

x − ln (ch (x)) − ln (2) = x − ln − ln (2)
2
x − ln ex + e−x + ln (2) − ln (2)

=
x − ln ex 1 + e−2x

=
x − ln ex − ln 1 + e−2x

=
− ln 1 + e−2x ,

=
donc
2ch2 (x) − sh (2x) 1 + e−2x
=− .
x − ln (ch (x)) − ln (2) ln (1 + e−2x )
52
5 | Développement limité
5.1 Formule de Taylor

5.1.1 Formule de Taylor-Young
Théorème 5.1.1. Soit f : ]a, b[ → R , x0 ∈ ]a, b[ . Supposons que f est de classe n − 1 et
f (n) (x0 ) existe (nie). Alors ∀x ∈ [a, b],
′ ′′ (n)
f (x0 ) f (x0 ) f (x0 )
f (x) = f (x0 ) + (x − x0 ) + (x − x0 )2 + ... + (x − x0 )n + (x − x0 )n ε (x) ,
1! 2! n!
où ε est une fonction dénie sur ]a, b[ telle que lim ε (x) = 0.
x→x0
Remarque. Le terme (x − x0 )n ε (x) avec ε (x) → 0 lorsque x → x0 est souvent abrégé en

o (x − x0 )n .
5.1.2 Formule de Mac-Laurin-Young

Lorsque x0 = 0 dans la formule précédente, on obtient la formule de Mac-Laurin à l'ordre
n avec reste de Young
′ ′′ (n)
f (0) f (0) 2 f (0) n
f (x) = f (0) + x+ x + ... + x + xn ε (x) ,
1! 2! n!
avec ε (x) → 0 lorsque x → 0.
5.2 Développements limités au voisinage d'un point

5.2.1 Dénition et existence
Dénition 5.2.1. Soit I un intervalle ouvert. Pour a ∈ I et n ∈ N, on dit que f admet un
développement limité (DL) au point a et à l'ordre n, s'il existe des réels c0 , c1 , ..., cn et une
fonction ε : I → R telle que lim ε (x) = 0 de sorte que pour tout x ∈ I ,
x→a
f (x) = c0 + c1 (x − a) + ... + cn (x − a)n + (x − a)n ε (x) .
a) L'égalité précédente s'appelle un développement limité de f au voisinage de a à l'ordre

n.
b) Le terme f (x) = c0 + c1 (x − a) + ... + cn (x − a)n est appelé la partie polynomiale du
développement limité.
c) Le terme (x − a)n ε (x) est appelé le reste du développement limité.
53
Chapitre 5 Développement limité
Exemple 5.2.1. La fonction f (x) = ex est dénie sur R et f (n) (x) = ex , alors f (n) (0) = 1.
Par suite
x2 x4 xn
ex = 1 + x + + + ... + + xn ε (x) .
2! 4! n!
Exemple 5.2.2. La fonction φ (x) = sin (x) est dénie sur R et pour tout n ∈ N, on a
nπ nπ
φ(n) (x) = sin x + et φ(n) (0) = sin .
2 2
Ce qui donne
si n = 2p,

(n) 0,
φ (0) =
(−1) n si n = 2p + 1.
p
Ainsi
x3 x5 x2p+1
sin (x) = x − + + ... + (−1)p + x2p+2 ε (x) .
3! 5! (2p + 1)!
5.2.2 Développements limités des fonctions usuelles à l'origine

Les développements limités suivants en 0 proviennent de la formule de Mac-Laurin-Young
Fonction f Développement limité

x2 x3 xn
ex 1+x+ + + ... + + xn ε (x)
2! 4! n!
x2 x4 x2n
ch (x) 1+ + + ... + + x2n+1 ε (x)
2! 4! (2n)!
x3 x5 x2n+1
sh (x) x+ + + ... + + x2n+2 ε (x)
3! 5! (2n + 1)!
x2 x4 x2n
cos (x) 1− + + ... + (−1)n + x2n+1 ε (x)
2! 4! (2n)!
x3 x5 x2n+1
sin (x) x− + + ... + (−1)n + x2n+2 ε (x)
3! 5! (2n + 1)!
x2 x3 xn
ln (x + 1) x− + + ... + (−1)n−1 + xn ε (x)
2 3 n
α (α − 1) 2 α (α − 1) ... (α − n + 1) n
(1 + x)α 1 + αx + x + ... + x + xn ε (x)
2! n!
1
1 − x + x2 − x3 + ... + (−1)n xn + xn ε (x)
1+x
1
1 + x + x2 + x3 + ... + xn + xn ε (x)
1−x
√ x x2 1 × 3 × 5 × ... × (2n − 3) n
1+x 1+ − + ... + (−1)n−1 x + xn ε (x)
2 8 2 × 4 × 6 × ... × 2n
5.2.3 Développement limité des fonctions en un point quelconque

Proposition 5.2.1. f admet un développement limité à l'ordre n en a si et seulement si la
fonction f (x + a) admet un DL à l'ordre n en 0.
Exemple 5.2.3. Calculons le développement limité de la fonction f (x) = ex en 1.
On pose h = x − 1, si x est proche de 1, alors h est proche de 0. Nous allons nous ramener à
54
un développement limité de eh en h = 0. On a
h2 hn

x 1+h h n
f (x) = e = e = ee = e 1 + h + + ... + + h ε (h)
2! n!
e e e
= e + (x − 1) + (x − 1)2 + ... + (x − 1)n + (x − 1)n ε (x − 1) ,
1! 2! n!
où lim ε (x − 1) = 0.
x→1
π
Exemple 5.2.4. Calculons le développement limité de la fonction f (x) = cos (x) en . On
2
sait que π
cos (x) = − sin x − ,
2
π
on se ramène au développement limité de sin (h) quand h = x − → 0. On a donc
2
h3 h2n+1
cos (x) = − sin (h) = −h + + ... + (−1)n − h2n+2 ε (h)
3! (2n + 1)!
π (−1)n π 2n+1 π 2n+2 π
= − x− + +... + x− − x− ε x− ,
2 (2n + 1)! 2 2 2
π
où lim ε x − = 0.
π 2
x→
2
Opérations sur les développements limités

On suppose que f et g sont deux fonctions dont les développements limités en 0 à l'ordre
n, sont donnés par :
f (x) = c0 + c1 x + ... + cn xn + xn ε1 (x) = C (x) + xn ε1 (x) ,

g (x) = a0 + a1 x + ... + an xn + xn ε2 (x) = A (x) + xn ε2 (x) ,
où lim ε1 (x) = lim ε2 (x) = 0.

x→0 x→0
5.2.4 Somme et produit

(1) f + g admet un développement limité en 0 l'ordre n qui est :
f (x) + g (x) = (c0 + a0 ) + (c1 + a1 ) x + ... + (cn + an ) xn + xn ε (x) ,
où ε (x) = ε1 (x) + ε2 (x) .

(2) f.g admet un développement limité en 0 l'ordre n qui est :
(f × g) (x) = f (x) .g (x) = Tn (x) + xn ε (x) ,
où Tn est le polynôme
Tn (x) = (c0 + c1 x + ... + cn xn ) (a0 + a1 x + ... + an xn ) .
On conserve seulement les monômes de degré ≤ n.
55
1
Exemple 5.2.5. Soit la fonction f (x) = − ex dénie sur l'intervalle ]1, +∞[ . Cherchons
1−x
son développement à l'ordre 3 au voisinage de 0, on a
1
= 1 + x + x2 + x3 + x3 ε (x) ,
1−x 2 3
ex = 1 + x + x2! + x3! + x3 ε (x) ,
D'où
x2 5 3
f (x) = + x + x3 ε (x) .
2 6
Exemple 5.2.6. Cherchons le développement à l'ordre 5 de φ : x → cos (x) sin (x) au voisinage
de 0, on calcule le produit
x3 x5 x2 x4

x− + 1− + ,
6 120 2 24
en ne gardant que les monômes de degré 5, d'où
2x3 2x5
φ (x) = x − + + x5 ε (x) .
3 15
5.2.5 Quotient
Division suivant les puissances croissantes
Soient A et B deux polynômes, le terme constant de B étant non nul, et n un entier
strictement positif, alors il existe des polynômes Q et R (déterminés de manière unique) tels
que :
A = BQ + xn+1 R.
et deg (Q) est inférieur ou égal à n.
On déni la division suivant les puissance croissante comme la division euclidienne classique,
mais en écrivant les polynômes suivant les puissances croissantes, et en cherchant à éliminer
d'abord les termes constants, puis les termes en x, etc.
Remarque. Dans la division de polynômes suivant les puissances croissantes à l'ordre n, le
reste est divisible par xn+1 .
Exemple 5.2.7. Si A (x) = 1 + x, B (x) = 1 − x, on trouve à l'ordre 2 : Q (x) = 1 + 2x + 2x2
et R (x) = 2.
1+x 1−x
1−x 1 + 2x + 2x2
2x
2x − 2x2
2x2
2x2 − 2x3
2x3 .
Technique de calculer des développements limités

Nous allons utiliser le développement limité de
1
= 1 − u + u2 + ... + (−1)n un + un ε3 (x) .
1+u
56
(1) Si a0 = 1, on pose u = a0 + a1 x + ... + an xn + xn ε2 (x) et le quotient s'écrit

f 1
= f. ,
g 1+u
ou bien
f (x) C (x) + xn ε1 (x)
= n
= B (x) + xn ε3 (x) ,
g (x) A (x) + x ε2 (x)
où B est le quotient de la division de C par A suivant les puissances croissantes à l'ordre
n.
(2) Si a0 ̸= 0 et a0 ̸= 1, alors on se ramène au cas précédent en écrivant
1 1 1
= a1 an n .
g (x) a0 1 + a0
x + ... + a0
x + xn ε2 (x)
(3) Si a0 = 0, alors on factorise par xk (pour un certain k ) an de se ramener aux cas
précédents.
x
Exemple 5.2.8. Soit la fonction f (x) = dénie sur l'intervalle ]−π, 0[ ∪ ]0, π[. Cher-
sin (x)
chons son développement à l'ordre 4 au voisinage de 0. Le développment limité de sin (x) nous
donne
1
f (x) = 2
x x4
1− + + x4 ε (x)
2! 4!
= 1 − u (x) + u2 (x) + x4 ε (x) ,
x2 x4
avec u (x) = − + + x4 ε (x), d'où
2! 4!
x x2 7x4
f (x) = =1+ + + x4 ε (x) .
sin (x) 6 360
5.2.6 Intégration
Notons F une primitive de f , la fonction F admet un développment limité en a à l'ordre
n + 1 qui s'écrit :
c1 cn
F (x) = F (a) + c0 (x − a) + (x − a)2 + ... + (x − a)n+1 + (x − a)n+1 θ (x) ,
2 n+1
où lim θ (x) = 0. Cela signie que l'on intègre la partie polynomiale terme à terme pour obtenir
x→a
le développment limité de F (x) à la constante F (a) près.
Exemple 5.2.9. Soit la fonction f (x) = arctan (x) dénie sur l'intervalle R. Cherchons son
1
développement au voisinage de 0, on a f (x) = , alors
′
1 + x2
′ 1
f (x) = 2
= 1 − x2 + x4 + ... + (−1)n x2n + x2n ε (x) .
1+x
et f (0) = 0, d'où
x3 x5 (−1)n 2n+1
f (x) = x − + + ... + x + x2n+1 ε (x) .
3 5 2n + 1
57
5.2.7 Composition
Supposons que g (0) = 0 c'est à dire que a0 = 0. Alors la fonction f ◦ g admet un déve-
loppment limité en 0 à l'ordre n dont la partie polynomiale est le polynôme à l'ordre n de la
composition C (A (x)).
Exemple 5.2.10. Cherchons le développement limité de f (x) = esin(x) en 0 à l'ordre 4. Le
développement limité de sin (x) nous donne
x3

4

f (x) = exp x − + xε x
6
u2 u3 u4
= 1+u+ + + + u4 ε (u) ,
2! 3! 4!
x3
avec u = x − + x4 ε (x), d'où
6
x2 x4
f (x) = 1 + x + − + x4 ε (x) .
2 8
5.2.8 Développement limité en +∞

Soit f une fonction dénie sur un intervalle I = ]x0 , +∞[.
Dénition 5.2.2. On dit que f admet un développement limité en +∞ à l'ordre n s'il existe
des réels c0 , c1 , ..., cn , tels que

c1 c2 cn 1 1
f (x) = c0 + + 2 + ... + n + n ε ,
x x x x x

1
où lim ε = 0.
x→+∞ x

1
Exemple 5.2.11. Soit la fonction f (x) = exp dénie sur ]0, +∞[ . Cherchons son dé-
x
1
veloppement à l'ordre n en +∞, posons u = , lorsque x tend vers +∞, on a u tend vers 0,
x
alors
u u2 un
f (x) = eu = 1 + + + ... + + un ε (u)
1! 2! n!
1 1 1 1 1
= 1+ + 2
+ ... + n
+ nε ,
1!x 2!x n!x x x
où lim ε (x) = 0.
x→0
5.3 Application des Développements limités

5.3.1 Calculer des limites.
Généralement pour des limites de forme indéterminée, il est toujours possible, avec un
changement de variable, de se ramener à une limite quand x tends vers 0.
58
sin (x) − x
Exemple 5.3.1. Calculer x→0
lim .
x (cos (x) − 1)
On voit que cette limite est une forme indéterminée. On connait le DL de sin (x) et cos (x) en
0
x3
sin (x) − x = + x3 ε1 (x) , DL3 (0) ,
3!
x3
x (cos (x) − 1) = + x3 ε2 (x) , DL3 (0) ,
2!
en remplçant on a
x 3 1
sin (x) − x 3!
+ x3 ε1 (x) 6
+ ε1 (x) 1
lim = lim x3 = lim 1 = .
x→0 x (cos (x) − 1) x→0 3
+ x ε2 (x) x→0 + ε2 (x) 3
2! 2
5.3.2 Position de la courbe par rapport à une tangente

On suppose que f admet un DLn (x0 ),
f (x) = a0 + a1 (x − x0 ) + ... + an (x − x0 )n + (x − x0 )n ε (x) ,
avec n ≥ 2. Cela implique que f (où son prolongement si f n'est pas dénie en x0 ), est continue
et dérivable en x0 , avec
f (x0 ) = a0 et f (x0 ) = a1
′
Donc l'équation de la tangente est y = a0 + a1 (x − x0 ). Par conséquent le signe de f (x) −

(a0 + a1 (x − x0 )) se déduit, au voisinage de x0 , du signe de
a2 (x − x0 )2 + ... + an (x − x0 )n + (x − x0 )n ε (x) .
Soit m le plus petit entier tel que am ̸= 0 Alors on a

• si m est pair alors le signe de f (x) − (a0 + a1 (x − x0 )) est localement de même signe que
am et on a
(1) si a am > 0 alors f (x) − (a0 + a1 (x − x0 )) ≥ 0 localement et donc la courbe est
localement "au-dessus" de sa tangente.
(2) si am < 0 alors f (x) − (a0 + a1 (x − x0 )) ≤ 0 localement et donc la courbe est
localement "en-dessous" de sa tangente.
• si m est impair alors la courbe traverse la tangente en (x0 , f (x0 )), c'est une tangente
d'inexion.
Exemple 5.3.2. Soit f (x) = sin (x), on a DL de f en 0 est donné par la formule
x3
sin (x) = x − + x3 ε (x) , DL3 (0) ,
3!
Donc la tangente en 0 est y = x et le graphe de f traverse la tangente, car m = 3 est impair.
x
Exemple 5.3.3. Soit f (x) = , on a le DL de f en 0 pat la formule
1−x
1
= x 1 + x + x2 + x3 ε (x)

f (x) = x.
1−x
= x + x2 + x3 ε (x) , DL3 (0) ,
Donc la tangente en 0 est y = x, comme m = 2 est pair et am = a2 = 1 > 0, alors le graphe de

f est en dessous de la tangente.
59
5.3.3 Position de la courbe par rapport à une asymptote

On suppose que f admet une asymptote d'équation y = a0 + a1 x.
Pour trouver a0 et a1 on sait qu'on doit calculer les limites :
f (x)
a0 = lim et a1 = lim (f (x) − a0 x)
x→+∞ x x→+∞
Pour trouver a0 et a1 en utilisant la méthode des DL, on calcule le DL à l'ordre 1 en 0 de la

fonction yf y1 .

Si yf 1
y
= a0 + a1 y + yε (y) en 0, alors

f (x) 1 1
= a0 + a1 x + ε au voisinage de + ∞.
x x x
Pour connaitre la position

de la courbe par rapport à l'asymptote, on doit calculer un DL
d'ordre supérieur de yf y1 en 0. Si

1
yf = a0 + a1 y + ... + an y n + y n ε (x) en 0.
y
Alors
a2 an 1 1
f (x) − (a0 + a1 x) = + ... + n−1 + n−1 ε en + ∞.
x x x x
Soit m le plus petit entier tel que am ̸= 0. Alors
• si am > 0 alors f (x) − (a0 + a1 x) ≥ 0, donc la courbe est "au-dessus" de l'asymptote au
voisinage de +∞.
• si a am < 0 alors f (x) − (a0 + a1 x) ≤ 0, la courbe est "en-dessous" de l'asymptote au
voisinage de +∞.
Exemple 5.3.4. Soit f : ]0, +∞[ → R une fonction dénie par
1
f (x) = xe x .
Le développement à l'ordre n en +∞ est donné par la formule suivante

1 1 1 1
f (x) − (x + 1) = + ... + n
+ nε ,
2!x (n + 1)!x x x
où lim ε (x) = 0, donc y = x + 1 est asymptote à la courbe (Cf ) , comme m = 2 et a2 = 1

2
> 0,
x→0
alors la courbe (Cf ) est "au-dessus" de l'asymptote au voisinage de +∞.
5.4 Exercices
Exercice 21. Déterminer le développement limité en 0 à l'ordre 3 des fonctions suivantes
√ ex − 1 − x ex
1) f1 (x) = 1 + x, 2) f2 (x) = , 3) f3 (x) = ,
x2 x + ex
x
4) f4 (x) = ln (2 + x) 5) f5 (x) = ln (x + e )
Solution.
60
√ 1
1) On a f1 (x) = 1 + x = (x + 1) 2 de la forme (x + 1)α , avec α = 21 , donc
√ α (α − 1) 2 α (α − 1) (α − 2) 3
f1 (x) = 1 + x = 1 + αx + x + x + x3 ε (x)
2! 3!
1 1 3
= 1 + x − x2 + x3 + x3 ε (x) .
2 8 8
2) On a
x x2 x3 x4 x5
ex − 1 − x = 1 + + + + + + x5 ε (x) − 1 − x
1! 2! 3! 4! 5!
x2 x3 x4 x5
= + + + + x5 ε (x) ,
2! 3! 4! 5!
alors
ex − 1 − x 1 x x2 x 3
f2 (x) = 2
= + + + + x3 ε (x)
x 2! 3! 4! 5!
1 x x2 x3
= + + + + x3 ε (x) .
2 6 25 120
3) On a
x x2 x3
ex = 1 + + + + x3 ε (x)
1! 2! 3!
x2 x3
= 1+x+ + + x3 ε (x)
2 6
Alors 2 3
ex 1 + x + x2 + x6 + x3 ε (x)
f3 (x) = = 2 3 .
x + ex 1 + 2x + x2 + x6 + x3 ε (x)
DL d'un quotient
x2 x3 x2 x3
1+x+ + 1 + 2x + +
2 6 2 6
x2 x3

2 7 3
− 1 + 2x + + 1 − x + 2x − x
2 6 2
−x
x3

2
− −x − 2x −
2
3
x
2x2 +
2
− (2x2 + 4x3 )
7
− x3 .
2
Donc
7
f3 (x) = 1 − x + 2x2 − x3 + x3 ε (x) .
2
4) On a
x x
f4 (x) = ln (2 + x) = ln 2 1 + = ln (2) + ln 1 +
2 2
x
= ln (2) + ln (1 + u) , avec u = .
2
61
Comme
u2 u3
ln (1 + u) = u − + + u3 ε (u)
2 3
x x 2 x3
= − + + x3 ε (x) .
2 8 24
Donc
x x 2 x3
f4 (x) = ln (2) + − + + x3 ε (x) .
2 8 24
5) On
x x2 x3
ex + x = 1 + + + + x3 ε (x) + x
1! 2! 3!
x2 x3
= 1 + 2x + + + x3 ε (x) .
2 6
Donc
x 2 x3

x 3
f5 (x) = ln (x + e ) = ln 1 + 2x + + + x ε (x)
2 6
x2 x3
= ln (1 + u) , avec u = 2x + + + x3 ε (x)
2 6
Comme
u2 u3
ln (1 + u) = u − + + u3 ε (u)
2 3
Alors u2 = 4x2 + 2x3 + x3 ε (x) et u3 = 8x3 + x3 ε (x) , donc
x2 x3

1 1
4x2 + 2x3 + 8x3 + x3 ε (x)

f5 (x) = 2x + + −
2 6 2 3
3 5
= 2x − x2 + x3 + x3 ε (x) .
2 3
Exercice 22.
(1) Calculer le développement limité à l'ordre 2 en x0 = 2 de
f (x) = ln x et g (x) = x3 − x2 − x − 2.
(2) En déduire
ln x − ln 2
lim .
x→2 x3 − x2 − x − 2
Solution.
(1) En posant t = x − 2, l'expression en t de f (x) devient

t
φ (t) = ln 2 + ln 1 + .
2
Son développement limité à l'ordre 2 au voisinage de 0 est donné par
t t2
φ (t) = ln 2 +− + t3 ε (t) .
2 8
En développant la dernière expression et en posant t = x − 2, on obtient
(x − 2) (x − 2) 2
f (t) = ln 2 + − + (x − 2)3 ε (x − 2) .
2 8
Par la formule de Taylor pour g à l'ordre 2, on a
g (x) = 7 (x − 2) + 5 (x − 2)2 + (x − 2)3 ε (x − 2) .
62
(2) Par le développement limité de f et g à l'ordre 3, on a

1 (x − 2)
ln x − ln 2 − + (x − 2)3 ε (x − 2)
= 2 8 ,
x3 − x2 − x − 2 7 + 5 (x − 2) + (x − 2)3 ε (x − 2)
d'où
ln x − ln 2 1
lim = .
x→2 x3 − x2 − x − 2 14
Exercice 23.
π
(1) Déterminer le développement limité à l'ordre 4, au voisinage de f (x) = esin(x) .
2
π
(2) Donner un équivalent de f (x) − e en .
2
(3) En déduire
f (x) − e
lim .
x→0 x − π 2
2
Solution.
π
(1) Après le changement de variable, t = x − , on est conduit à calculer le développement
2
limité par rapport à t au voisinage de 0 la fonction ψ (t) = ecos(t) . Par le développement
de la fonction cos (t) au point t = 0 à l'ordre 4, on a
t2 t4

4
ψ (t) = exp 1 − + + t ε (t) .
2! 4!
t2 t4
Alors, en posant u = − + + t4 ε (t), on obtient
2! 4!
u2

2
ψ (t) = e 1 + u + + u ε (u) .
2!
Par rapport à t, le développement devient
t2

7 4
ψ (t) = e 1 − + t + t4 ε (t) .
2 24
π
Le développement limité de f au voisinage de est
2
e π 2 e π 4 π 4 π
f (x) = e − x− + x− + x− ε x− .
2 2 6 2 2 2
π
(2) Par le développement limité de f au voisinage de , on a l'équivalence au voisinage de
2
π
,
2
f (x) − e e
∼− .
π 2 2
x−
2
(3) Par (2), la limite cherchée est
f (x) − e e
lim =− .
x→0 π 2 2
x−
2
63
Exercice 24. (1) Calculer le développement limité à l'ordre 3, au voisinage de 0 de la

fonction f (x) = 1 + ln (x + 1).
p
(2) En déduire
1 x
lim f (x) − e 2 + 1 − cos (x) .
x→0 sin3 (x)
Solution.
(1) Le développement limité de ln (1 + x) nous donne au voisinage de 0
r
p x 2 x3 √
f (x) = 1 + ln (x + 1) = 1 + x − + + x3 ε (x) = 1 + u,
2 3
x2 x3 √
avec u = x − + + x3 ε (x), par le développement limité de 1 + u à l'ordre 3, on a
2 3
u u2 u3
f (x) = 1 + − + + u3 ε (u)
2 8 16
x 3 17
= 1 + − x2 + x3 + x3 ε (x) .
2 8 48
(2) Par le développement limité de ex et cos x à l'ordre 3 au voisinage de 0, on a
x x 3 2 x3
1 − cos (x) − e 2 = −1 − + x − + x3 ε (x) ,
2 8 42
d'où
x 37 3
f (x) − e 2 + 1 − cos (x) = x + x3 ε (x) .
112
Par le développant limité de sin x à l'ordre 1, on a
x 37 3 37
f (x) − e 2 + 1 − cos (x) 112
x + x3 ε (x) 112
+ ε (x) 37
lim 3 = lim 3 3
= lim = .
x→0 sin (x) x→0 x + x ε (x) x→0 1 + ε (x) 112
ln (ch (x))
Exercice 25. Soit f la fonction dénie sur R∗ par : f (x) = .
sh (x)
(1) Déterminer le développement limité de f , au voisinage de 0, à l'ordre 3.
(2) Montrer que f est prolongeable par continuité en 0 et que ce prolongement est dérivable
en 0, donner la valeur de f (0).
′
Solution.
(1) Par le développement limité de ch (x) à l'ordre 4 au voisinage de 0, on a
x2 x4 u2

4
ln (ch (x)) = ln 1 + + + x ε (x) = ln (1 + u) = u − + u2 ε (u) ,
2 24 2
x2 x4
avec u = + + x4 ε (x), par rapport à u, le développement devient
2 24
u2 x 2 x4
ln (ch (x)) = u − + u2 ε (u) = − + x4 ε (x) .
2 2 12
Par le développement limité de sh (x) au voisinage de 0 à l'ordre 4, on a
x x3
2
− 12
+ x3 ε (x)
f (x) = x2
.
1+ 6
+ x3 ε (x)
64
x2 1
En posant u = + x3 ε (x), le développement limités de au voisinage de 0 et à
6 1+u
l'ordre 2, donne
x x3
f (x) = − + x3 ε (x) .
2 6
(2) Par le développement limité de f au voisinage de 0, on a
x x3
lim f (x) = lim − + x3 ε (x) = 0.
x→0 x→0 2 6
la fonction fe dénie sur R par


 ln (ch (x))
, si x ̸= 0,
f (x) =
e sh (x)

0, si x = 0,
prolonge la fonction f par continuité, la dénition de la limite au point x0 = 0, nous
donne 3
x x
fe(x) − fe(0) f (x) − + x3 ε (x) 1
lim = lim = lim 2 6
= ,
x→0 x x→0 x x→0 x 2
donc fe est dérivable au point x0 = 0.
65
6 | Algèbre linéaire
6.1 Lois de composition interne

Dénition 6.1.1. Soit G un ensemble. Une loi de composition interne sur G est une application
G×G → G
de G × G dans G. Si on la note on parle de la loi ∗ et on dit que a ∗ b est
(a, b) → a ∗ b
le composé de a et b pour la loi ∗.
Exemple 6.1.1.
Z×Z → Z Z×Z → Z
Sur G = Z, l'addition dénie par , la multiplication et
(a, b) → a + b (a, b) → a × b
Z×Z → Z
la soustraction sont des lois de compositions internes.
(a, b) → a − b
R2 × R2 → R2
Sur G = R2 , l'addition est une
((x1 , y1 ) , (x2 , y2 )) → (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
loi interne.
Exemple 6.1.2. Dans R∗ on dénit la loi δ par :
xδy = x + y + ln |xy| ,
Alors la loi δ est interne sur R∗ , en eet, soit x, y ∈ R∗ , montrons que xδy ∈ R∗ , comme
(xδy = 0) ⇔ (x + y + ln |xy| = 0)
⇔ (ln |xy| = − (x + y))
⇔ |xy| = e−(x+y)

⇒ (x ̸= 0 et y ̸= 0)
d'où xδy ∈ R∗ est une loi interne.
Dénition 6.1.2. Soit ∗ une loi interne sur un ensemble G. On dit que
1) La loi ∗ est commutative si
∀x, y ∈ G, x ∗ y = y ∗ x.
2) La loi ∗ est dite associative si :

∀x, y, z ∈ G, (x ∗ y) ∗ z = y ∗ (x ∗ z) .
3) La loi ∗ admet sur G un élément neutre, noté e, si

∃e ∈ G, ∀x ∈ G, x ∗ e = e ∗ x = x.
Si, on outre, la loi ∗ est commutative, il sut de montrer que :
∀x ∈ G, : x ∗ e = x.
66
Chapitre 6 Algèbre linéaire
Exemple 6.1.3. Dans R− on dénit loi interne ∗ par :

1
2
x ∗ y = x + y − 2xy.
La loi ∗ est interne sur R− , en eet, soit x, y ∈ R− , montrons que x ∗ y ∈ R− ,
1 1 1
2 2 2
comme
1 1
x∗y = ⇔ x + y − 2xy =
2 2
1
⇔ x (1 − 2y) − (1 − 2y) = 0
2
1
⇔ (1 − 2y) x − =0
2

1 1
⇔ y− x− =0
2 2
1 1
⇔ y = ou x = .
2 2
d'où x ∗ y ∈ R− 2 et alors ∗ est une loi interne. Soit x, y, z ∈ R− 12 , on a
1
x ∗ y = x + y − 2xy = y + x − 2yx = x ∗ y
donc la loi ∗ est commutative.
(x ∗ y) ∗ z = (x + y − 2xy) ∗ z = (x + y − 2xy) + z − 2 (x + y − 2xy) z
= x + y + z − 2xy − 2xz − 2yz + 4xyz
= x + (y + z − 2yz) − 2x (y + z − 2yz)
= x + (y ∗ z) − 2x (y ∗ z) = x ∗ (y ∗ z) ,
donc la loi ∗ est associative. Soit e ∈ R− 21 , tel que x ∗ e = e ∗ x = x, alors

x + e − 2xe = e + x − 2ex = x ⇔ e (1 − 2x) = 0 ⇔ e = 0

donc a loi ∗ admet comme l'élément neutre élément e = 0.
Dénition 6.1.3. Soit ∗ une loi interne sur un ′ensemble G, possédant un élément neutre e et
soit x ∈ G. On dit que x admet un symétrique x pour la loi ∗, si
′ ′
x ∗ x = x ∗ x = e.
Exemple 6.1.4. Dans R− on dénit loi interne ∗ par :
1
2
x ∗ y = x + y − 2xy,
La loi ∗ admet e = 0 commre élément neutre. Soit x ∈ R− , tel que x ∗ x = x ∗ x = e, alors
1 ′ ′
2
′ ′ ′ ′ x
x + x − 2xx = 0 ⇔ x (1 − 2x) = −x ⇔ x = ,
2x − 1
donc, l'élément symétrique de x est

x 1
,
pour tout x ∈ R−
′
x = .
2x − 1 2
Montrons que x ∈ R− 12 . En eet, soit x, y ∈ R− 12 , montrons que x ∗ y ∈ R− 21 , on a
′
′ 1
x = ⇔ 2x − 1 = 2x ⇔ −1 = 0,
2
ce qui est absurde, d'où x ∈ R− 2 .
′ 1
Dénition 6.1.4. Soit G un ensemble muni de deux lois de composition internes, notées ∆ et
∗. On dit que ∗ est distributive par rapport à ∆ si
∀x, y, z ∈ G, x ∗ (y∆z) = (x ∗ y) ∆ (x ∗ z) .
67
6.1.1 Structure de groupe

Dénition 6.1.5. Soit G un ensemble muni d'une loi de composition interne ∗. On dit que
(G, ∗) est un groupe si la loi ∗ satisfait aux trois conditions suivantes :
(1) ∗ est associative.
(2) ∗ admet un élément neutre.
(3) Chaque élément de G admet un symétrique pour ∗ .
Si de plus, la loi est commutative, on dit que le groupe est commutatif ou abélien (du nom
du mathématicien Abel).
Exemple 6.1.5.
(1) (Z, +) est un groupe commutatif.
(2) (R, ×) n'est pas un groupe car 0 n'admet pas d'élément symétrique.
(3) (R∗ , ×) est un groupe commutatif.
Dénition 6.1.6. Soit (G, ∗) un groupe. Une partie H ⊂ G (non vide) est un sous groupe de
G si, la restriction de l'opération ∗ à H lui confère la structure de groupe.
Proposition 6.1.1. Soit H une partie non vide du groupe G. Alors, H est un sous groupe de
G si, et seulement si,
(i) pour tout x, y ∈ H , on a x ∗ y ∈ H ,
(ii) pour tout x ∈ H , on a x ∈ H , avec x le symétrique de x.
′ ′
Exemple 6.1.6. R∗+ , × est un sous-groupe de (R∗ , ×). En eet :

i) Si x, y ∈ R∗+ , alors x × y ∈ R∗+ ,

1 1
ii) Si x ∈ R∗+ , alors x−1 = élément symétrique de x et x−1 = ∈ R∗+ .
x x
Exemple 6.1.7. On pose 2Z = {2z : z ∈ Z}, (2Z, +) est sous-groupe de Z. En eet :
i) Si x, y ∈ 2Z, il existe x1 ∈ Z tel que x = 2x1 et y = 2y1 , alors
x + y = 2x1 + 2y1 = 2 (x1 + y1 ) ∈ 2Z,
ii) Si x ∈ 2Z, il existe x1 ∈ Z tel que x = 2x1 alors
−x = −2x1 = 2 (−x1 ) ∈ 2Z.
6.1.2 Structure d'anneau

Dénition 6.1.7. Soit A un ensemble muni de deux lois de compositions internes que nous
noterons ∆ et ∗. On dit que (A, ∆, ∗) est un anneau si les conditions suivantes sont remplies :
1) (A, ∆) est un groupe commutatif.
2) La loi ∗ est associative.
3) La loi ∗ est distributive par rapport à la loi ∆.
Si de plus la loi ∗ est commutative, on dit que l'anneau (A, ∆, ∗) est commutatif.
Si la loi ∗ admet un élément neutre, on dit que l'anneau (A, ∆, ∗) est unitaire.
Exemple 6.1.8. (Z, +, .) est un anneau commutatif et unitaire.
68
Dénition 6.1.8. Si (A, ∆, ∗) est un anneau et B est une partie de A, on dit que B est un
sous-anneau de A si, muni des lois induites par A, est lui-même un anneau, est-à-dire (B, ∆, ∗)
est un anneau
Dans ce qui suit, A désignera l'anneau (A, +, .) avec 0 l'élément neutre de + et s'il est
unitaire, 1 serait son unité.
Proposition 6.1.2 (caractérisation des sous-anneaux). Une partie B de l'anneau A est un
sous-anneau de A si et seulement si :
i) pour tous a, b ∈ B, a − b ∈ B
ii) pour tous a, b ∈ B, a × B ∈ B .
Exemple 6.1.9. L'ensemble 2Z = {2z : z ∈ Z} est un sous-anneau de l'anneau (Z, +, .). En
eet, soit x, y ∈ 2Z, il existe n, m ∈ Z, tels que x = 2n et y = 2m, et on a
x − y = 2 (n − m) ∈ 2Z et xy = 2 (2nm) ∈ 2Z.
6.1.3 Structure d'un corps

Dénition 6.1.9. Soit K un ensemble muni de deux lois de compositions internes toujours
notées ∆ et ∗. On dit que (K, ∆, ∗) est un corps si les conditions suivantes sont remplies :
1) (K, ∆, ∗) est un anneau.
2) (K− {e} , ∆) est un groupe, où e est l'élément neutre de ∗.
Si de plus ∆ est commutative, On dit que (K, ∗, ∆) est un corps commutatif.
Exemple 6.1.10. (R, +, .) est un corps commutatif.
Dénition 6.1.10. Si K est un corps et H une partie non vide de K alors, H est dit sous-corps
de K si les restrictions des deux opérations de K confèrent à H la structure d'un corps.
Le résultat suivant caractérise tout sous-corps H d'un corps donné :
Proposition 6.1.3. Si K est une partie non vide d'un corps K alors, H est sous-corps de K
si, et seulement si,
(1) a ∈ H et b ∈ H⇒a − b ∈ H,
(2) a ∈ H et b ∈ H− {0} ⇒ a.b−1 ∈ H.
Exemple 6.1.11.
• L'ensemble R des nombres réels est sous-corps du corps (C, +, ×).
• L'ensemble Q des rationnels est sous-corps du corps (R, +, ×) donc, de (C, +, ×).
6.2 Espace vectoriel

Soit K un corps commutatif (généralement c'est R ou C ) et soit E un ensemble non vide
muni d'une opération interne notée (+) :
(+) : E × E → E
(x, y) → x+y
et d'une opération externe notée (.) :
(.) : K × E → E
(λ, y) → λ.y
69
Dénition 6.2.1. Un espace vectoriel sur le corps K ou un K- espace vectoriel est un triplet
(E, +, .) tel que :
1) (E, +) est un groupe commutatif.
2) ∀λ ∈ K, ∀x, y ∈ E , λ. (x + y) = λ.x + λ.y
(3) ∀λ, µ ∈ K, ∀x ∈ E , (λ + µ) .x = λ.x + µ.y
(4) ∀λ, µ ∈ K, ∀x ∈ E , (λµ) .x = λ (µ.x)
(5) ∀x ∈ E , 1K .x = x
Les éléments de l'espace vectoriel sont appelés des vecteurs et ceux de K des scalaires.
Exemple 6.2.1.
• (R, +, .) est un R- espace vectoriel,
• (C, +, .) est un C- espace vectoriel,
3) (C, +, .) est un R- espace vectoriel,
• Si on considère Rn muni des deux opérations suivante
(+) : Rn × Rn → Rn
((x1 , x2 , ..., xn ) , (y1 , y2 , ..., yn )) → (x1 + y1 , x2 + y2 , ..., xn + yn )
(.) : R × Rn → Rn
(λ, (y1 , y2 , ..., yn )) → (λy1 , λy2 , ..., λyn )
on peut facilement montrer que (Rn , +, .) est un R- espace vectoriel.

Proposition 6.2.1. Si E est K- espace vectoriel, alors on a les propriétés suivantes :
(1) ∀x ∈ E , 0K .x = 0E
(2) ∀x ∈ E , (−1K ) .x = −x
(3) ∀λ ∈ K, λ.0E = 0E
(4) ∀λ ∈ K, ∀x, y ∈ E , λ. (x − y) = λ.x − λ.y
(5) ∀λ ∈ K, ∀x ∈ E , λ.x = 0E ⇔ λ = 0K ou x = 0E .
Dénition 6.2.2. Soit (E, +, .) un K- espace vectoriel et soit F un sous ensemble non vide de
E . On dit que F est sous espace vectoriel si (F, +, .) est aussi un K-espace vectoriel.
Remarque.
1) Lorsque (F, +, .) est K-sous espace vectoriel de (E, +, .), alors 0E ∈ F.
2) Si 0E ∈
/ F. alors (F, +, .) ne peut pas être un K- sous espace vectoriel de (E, +, .).
Théorème 6.2.1. Soit (E, +, .) un K- espace vectoriel et F ⊂ E , F non vide on a les équiva-
lences suivantes :
(1) F est un sous espace vectoriel de E .
(2) F est stable par l'addition et par la multiplication c'est à dire :
∀λ ∈ K, ∀x, y ∈ F, λ.x ∈ F et x + y ∈ F.
(3) ∀λ, µ ∈ K, ∀x, y ∈ F, λ.x + µ.y ∈ F, d'où :

F ̸= ∅,
F est sous espace vectoriel ⇔
∀λ, µ ∈ K, ∀x, y ∈ F, λ.x + µ.y ∈ F.
70
Exemple 6.2.2. On pose F = {(x, y) ∈ R2 : x − y = 0} ⊂ R2 , alors F est un sous espace

vectoriel, en eet,
• 0R2 = (0, 0) ∈ F , car 0 − 0 = 0.
• ∀λ, µ ∈ R, ∀ (x, y) , x , y ∈ F, alors x − y = 0 et x − y = 0, donc
′ ′ ′ ′
′ ′
′
′

λ (x − y) + µ x − y = λx + µx − λy + µy = 0,
c'est-à-dire λ (x, y) + µ x , y ∈ F , d'où F est sous espace vectoriel de R2 .

′ ′
Proposition 6.2.2. L'intersection d'une famille non vide de sous espace vectoriel est un sous
espace vectoriel.
Remarque. La réunion de deux sous espace vectoriel n'est pas forcément un sous espace vec-
toriel.
Exemple 6.2.3. Soient F1 = {(x, y) ∈ R2 : x = 0} et F2 = {(x, y) ∈ R : y = 0} deux sous
espaces vectoriels dans R2 , F1 ∪ F2 n'est un sous espace vectoriel, car
u1 = (1, 0) ∈ F1 , u2 = (0, 1) ∈ F2 , et u1 + u2 = (1, 1) ∈

/ F1 ∪ F2
6.2.1 Somme de deux sous espaces vectoriels

Dénition 6.2.3. Soit E1 , E2 deux sous espaces vectoriels d'un K-espace vectoriel E , on appelle
somme des deux espaces sous vectoriels, E1 et E2 , que l'on, note E1 + E2 l'ensemble suivant :
E1 + E2 = {x ∈ E : ∃x1 ∈ E1 , ∃x2 ∈ E2 tel que x = x1 + x2 } .
Exemple 6.2.4. Soient E1 = {(x, y) ∈ R2 : x = 0} et E2 = {(x, y) ∈ R : y = 0} des sous es-

paces vectoriels dans R2 , si (x, y) ∈ R2 , alors
(x, y) = (0, y) + (x, 0),

| {z } | {z }
∈F1 ∈F2
donc (x, y) ∈ E1 + E2 , d'où E1 + E2 = R2 .

Proposition 6.2.3. La somme de deux sous espaces vectoriels E1 et E2 (d'un même K -espace
vectoriel) est un sous espace vectoriel de E contenant E1 ∪ E2 , i.e.,
E1 ∪ E2 ⊂ E1 + E2 .
6.2.2 Somme directe de deux sous espaces vectoriels

Dénition 6.2.4. Soit E1 , E2 deux sous espaces vectoriels d'un même K-espace vectoriel E .
On dira que la somme E1 + E2 de deux sous espaces vectoriels, est directe si E1 ∩ E2 = {0}.
On écrit E1 ⊕ E2 .
Proposition 6.2.4. Soit E1 , E2 deux sous espaces vectoriels d'un même K-espace vectoriel E .
La somme E1 + E2 est directe si ∀x ∈ E1 + E2 , il existe un unique vecteur x1 ∈ E1 , un unique
vecteur x2 ∈ E2 , tel que x = x1 + x2 .
Exemple 6.2.5. Soient F1 = {(x, y, z) ∈ R3 : x = 0} et F2 = {(x, y, z) ∈ R : y = z = 0} des
sous espaces vectoriels dans R3 .
71
• Soit (x, y, z) ∈ R3 , alors

(x, y, z) = (0, y, z) + (x, 0, 0),
| {z } | {z }
∈F1 ∈F2
donc (x, y, z) ∈ F1 + F2 , d'où F1 + F2 = R . 2
• Soit (x, y, z) ∈ F1 ∩ F2 , alors (x, y, z) ∈ F1 et (x, y, z) ∈ F2 , ça signie que x = 0 et

y = z = 0, alors (x, y, z) = 0R3 , c'est-à-dire F1 ∩ F2 = {0} .
Enn, nous concluons que R3 = F1 ⊕ F2 .
6.2.3 Familles génératrices, familles libres et bases

Dans la suite, on désignera l'espace vectoriel (E, +, .) par E .
Dénition 6.2.5. Soit E un espace vectoriel et e1 , e2 , ..., en des éléments de E ,
1) On dit que {e1 , e2 , ..., en } sont libres ou linéairement independents, si pour tout α1 , α2 , ..., αn ∈
K:
α1 e1 + α2 e2 + ... + αn en = 0E ⇒ α1 = α2 = ... = αn = 0K .
Dans le cas contraire, on dit qu'ils sont liés.
2) On dit que {e1 , e2 , ..., en } est une famille génératrice de E , ou que E est engendré par
{e1 , e2 , ..., en } si
∀x ∈ E, ∃α1 , α2 , ..., αn ∈ K, x = α1 e1 + α2 e2 + ... + αn en .
3) Si {e1 , e2 , ..., en } est une famille libre et génératrice de E , alors {e1 , e2 , ..., en } est appelée
une base de E .
Exemple 6.2.6. Sur R2 , on pose u1 = (1, 0), u2 = (1, −1), alors {u1 , u2 } est une base de R2 .
En eet,
i) {u1 , u2 } est libre. ∀ α1 , α2 ∈ R,
(α1 u1 + α2 u2 = 0) ⇒ α1 (1, 0) + α2 (1, −1) = (0, 0)

⇒ (α1 + α2 , −α2 ) = (0, 0)
⇒ α1 = α2 = 0.
ii) {u1 , u2 } est génératrice. ∀ (x, y) ∈ R2 ,
(x, y) = α1 u1 + α2 u2 = (α1 + α2 , −α2 ) ⇒ α2 = −y ∈ R et α1 = x + y ∈ R,
donc il existe α1 , α2 ∈ R.
Remarque. Dans un espace vectoriel E , tout vecteur non nul est libre.
Exemple 6.2.7. Dans l'ensemble des polynômes de degré inférieur ou égal à 2 à coecients
réels et à une indéterminée x :
R2 [x] = P (x) = a + bx + cx2 : a, b, c ∈ R

alors, {p1 (x) = 1, p2 (x) = x, p3 (x) = x2 } est une famille base. En eet,
i) Soit α, β, γ ∈ R, alors
∀x ∈ R : αp1 (x) + βp2 (x) + γp3 (x) = 0 ⇔ ∀x ∈ R : α + βx + γx2 = 0.
ce qui donne α = β = γ = 0, donc {1, x, x2 } est une famille libre.
72
ii) Soit P ∈ R2 [x], alors il existe a, b, c ∈ R, tel que
∀x ∈ R : P (x) = a + bx + cx2 = ap1 (x) + bp2 (x) + cp3 (x) ,
c'est-à-dire
P = ap1 + bp2 + cp3 ,
donc {1, x, x2 } est génératrice.
Proposition 6.2.5. Si {e1 , e2 , ..., en } et {u1 , u2 , ..., um } sont deux bases de l'espace vectoriel E ,
alors n = m.
Remarque. Si un espace vectoriel E admet une base alors toutes les bases de E ont le même
nombre d'éléments (ou même cardinal), ce nombre lâ ne dépend pas de là base mais il dépend
seulement de l'espace E .
Dénition 6.2.6. Soit E un K- espace vectoriel de base B = {e1 , e2 , ..., en }, on appelle la
dimension de E , noté dim (E) le nombre déni par dim (E) = Card (B), où Card (B) est le
cardinal de B .
Exemple 6.2.8. On pose e1 = (1, 0, 0), e2 = (0, 1, 0) , e3 = (0, 0, 1) , alors {e1 , e2 , e3 } est une
base de R3 , donc
dim R3 = Card ({e1 , e2 , e3 }) = 3.

Exemple 6.2.9. Dans R2 [x], la famille {1, x, x2 } est une base de R2 [x], donc
dim R2 [x] = Card 1, x, x2 = 3.

Théorème 6.2.2. Soit E un espace vectoriel de dimension n, alors

1) Si {e1 , e2 , ..., en } est base de E ⇔ {e1 , e2 , ..., en } est génératrice ⇔ {e1 , e2 , ..., en } est libre.
2) Si {e1 , e2 , ..., ep } sont p vecteurs dans E , avec p > n, alors {e1 , e2 , ..., ep } ne peut être libre,
de plus si {e1 , e2 , ..., ep } est génératrice, alors il existe n vecteurs parmis {e1 , e2 , ..., ep }
qui forment une base E .
3) Si {e1 , e2 , ..., ep } sont p vecteur dans E , avec p < n , alors {e1 , e2 , ..., ep } ne peut être géné-
ratrice de plus si {e1 , e2 , ..., ep } est libre, alors il existe (n − p) vecteur {ep+1 , ep+2 , ..., en }
dans E tels que {e1 , e2 , ..., ep+1 , .., en } est une base pour E .
4) Si F est un sous espace vectoriel de E alors dim F ≤ n, et de plus dim F = n ⇔ F = E.
6.3 Application linéaire

Dénition 6.3.1. Soient E et F deux K-espaces vectoriels. Une application f de E dans F
est une application linéaire si elle satisfait aux deux conditions suivantes :
∀x, y ∈ E, f (x + y) = f (x) + f (y) ,
∀x ∈ E, ∀λ ∈ K, f (λ.x) = λ.f (x) ,

où d'une manière équivalente :
∀x, y ∈ E, ∀λ ∈ K, f (λ.x + y) = λ.f (x) + f (y) .
Remarque. L'ensemble des applications linéaires de E dans F est noté L (E, F ).
73
Exemple 6.3.1. L'application f dénie par

f : R3 → R2
(x, y, z) → f (x, y, z) = (2x + y, y − z)
est une application linéaire. En eet, soient (x, y, z) , x , y , z ∈ R3 et λ ∈ R, on a

′ ′ ′
h ′ ′ ′ i ′ ′ ′

f (x, y, z) + x , y , z = f x + x ,y + y ,z + z
′
′
′
′

= 2 x+x + y+y , y+y − z+z
′ ′ ′ ′

= 2x + 2x + y + y , y + y − z − z
′ ′
′ ′

= (2x + y) + 2x + y , (y − z) + y − z
′ ′ ′ ′

= (2x + y, y − z) + 2x + y , y − z
′ ′ ′
= f (x, y, z) + f x , y , z
et
f [λ (x, y, z)] = f (λx, λy, λz) = (2λx + λy, λy − λz) = (λ (2x + y) , λ (y − z))
= λ (2x + y, y − z)
= λf (x, y, z) .
Remarque. Toutes les applications ne sont pas des applications linéaires
Dénition 6.3.2. Soient E et F deux K-espaces vectoriels, et soit f ∈ L (E, F ). On dit que
1) f est un isomorphisme de E dans F , si f est bijective.
2) f est un endomorphisme, si (E, +, .) = (F, +, .) .
3) f est un automorphisme, si f est un isomorphisme et un endomorphisme.
Exemple 6.3.2. L'application f dénie par
f :R →R
x → f (x) = −2x.
est un automorphisme. En eet, soit x, y, λ ∈ R, on a
f (λx + y) = −2 (λx + y) = λ (−2x) + (−2y) = λf (x) + f (y) ,
et l'application f est bijective, où
f −1 : R → R
−1
x → f −1 (x) = x.
2
Notation. L'application nulle, notée 0L(E,F ) est donnée par :
f : E → F, x → f (x) = 0F .
L' application identité, notée idE est donnée par :
idE : E → E, x → idE (x) = x.
Proposition 6.3.1. Soit f une application linéaire de E dans F , on a
1) f (0E ) = 0F ,
2) ∀x ∈ E : f (−x) = −f (x) .
74
6.3.1 Noyau, image et rang d'une application linéaire

Dénition 6.3.3. Soit f une application linéaire de E dans F .
(1) L'ensemble f (E) s'appelle l'image de l'application linéaire f et est noté Imf , c'est-à-
dire
Imf = {f (x) : x ∈ E} .
(2) L'ensemble f −1 ({0}) s'appelle le noyau de l'application linéaire f et est noté Kerf ,
c'est-à-dire
Kerf = {x ∈ E : f (x) = 0F } .
Exemple 6.3.3. Soit f : R2 → R une application linéaire dénie par
(x, y) → f (x, y) = x − y.
Le noyau de l'application linéaire f,

Kerf = (x, y) ∈ R2 : x − y = 0

= (x, y) ∈ R2 : x = y

= {x (1, 1) : x ∈ R} .
donc le Kerf est un sous espace vectoriel engendré par e = (1, 1) donc il est de dimension 1,
et sa base est {e} .
L'image de l'application linéaire f,
Imf = f (x, y) : (x, y) ∈ R2

= x − y : (x, y) ∈ R2 = R.

Proposition 6.3.2. Soit f une application linéaire de E dans F , alors

1) Imf est un sous espace vectoriel de F .
2) Kerf est un sous espace vectoriel de E .
Dénition 6.3.4. Soit f une application linéaire de E dans F , si dim Imf = n < +∞, alors
n est appelé le rang de f et on le note rg (f ).
Proposition 6.3.3. Soit f une application linéaire de E dans F . On a les équivalences sui-
vantes :
(i) f est surjective ⇔ Imf = F.
(ii) f est injective ⇔ Kerf = {0E } .
Exemple 6.3.4. Soit f : R2 → R2 une application linéaire dénie par
(x, y) → f (x, y) = (y, x) .
On a
Imf = f (x, y) : (x, y) ∈ R2 = (y, x) : (x, y) ∈ R2

= y (1, 0) + x (0, 1) : (x, y) ∈ R2 ,

et
Kerf = (x, y) ∈ R2 : (y, x) = 0R2 = {(0, 0)}

alors Imf = R2 et Kerf = {0R2 }, donc f est bijective.
75
6.3.2 Application Linéaire sur des espace de dimension nies.

Proposition 6.3.4. Soit E et F deux K espace vectoriels et f et g deux applications linéaires
de E dans F . Si E est de dimension nie n et {e1 , e2 , ..., en } une base de E, alors
∀k ∈ {1, 2, .., n} : f (ek ) = g (ek ) ⇔ ∀x ∈ E : f (x) = g (x) .
Exemple 6.3.5. Soit f une application de R2 dans R telle que

f (1, 0) = −1 et f (0, 1) = 4,
alors ∀ (x, y) ∈ R2 , on a
f (x, y) = f [x (1, 0) + y (0, 1)] = xf (1, 0) + yf (0, 1)
= −x + 4y
Proposition 6.3.5. Soit f une application linéaire de E dans F avec dimension de E est nie,
on a :
dim E = dim ker (f ) + dim Im (f ) .
Exemple 6.3.6. Soit f une application linéaire de R2 dans R dénie par
f (x, y) = −x + 5y,
on a
ker (f ) = (x, y) ∈ R2 : f (x, y) = 0 = (x, y) ∈ R2 : x = 5y

= {y (5, 1) : y ∈ R} ,
alors dimker(f ) = 1, comme dim R2 = 1, donc

dim Im (f ) = dim R2 − dim ker (f ) = 1.
Proposition 6.3.6. Soit f une application linéaire de E dans F avec dim E = dim F = n. On
a alors les équivalences suivantes :
f est isomorphisme ⇔ f est surjective ⇔ dim Im (f ) = dim F
⇔ f est injective ⇔ Im (f ) = F
⇔ dim ker (f ) = 0 ⇔ ker (f ) = {0}
Remarque. De cette proposition, on déduit que si f est un isomorphisme de E dans F avec

dim E nie alors nécessairement dim E = dim F en d'autres termes si dim E ̸= dim F alors f
ne peut être un isomorphisme.
Exemple 6.3.7. Soit f : R2 → R2 dénie par
f (x, y) = (2x − y, x) ,
on a
ker (f ) = (x, y) ∈ R2 : f (x, y) = 0

= (x, y) ∈ R2 : 2x − y = x = 0

= {(0, 0)} ,
comme dim R2 = 2 et ker(f ) = {0R2 }, alors f est un isomorphisme.
76
6.4 Exercices
Exercice 26. On dénit sur G = ]−1, 1[ la loi interne ∗ comme suit :
x+y
∀ (x, y) ∈ G × G : x ∗ y = .
1 + xy
Montrons que (G, ∗) est un groupe commutatif.

Solution.
La loi ∗ est interne sur ]−1, 1[. En eet, soit x, y ∈ ]−1, 1[ , montrons que x ∗ y ∈ ]−1, 1[. On a
|x + y|
x ∗ y ∈ ]−1, 1[ ⇔ |x ∗ y| < 1 ⇔ <1
|1 + xy|
⇔ |x + y| < |1 + xy| ⇔ (x + y)2 < (1 + xy)2
⇔ x2 1 − y 2 − 1 − y 2 < 0

⇔ 1 − x2 1 − y 2 > 0.

comme x, y ∈ ]−1, 1[, alors (1 − x2 ) (1 − y 2 ) > 0, d'où x ∗ y ∈ ]−1, 1[ et alors ∗ est une loi
interne.
La loi ∗ est commutative :pour tout (x, y, z) ∈ G2
x+y y+x
x∗y = = = y ∗ x.
1 + xy 1 + yx
La loi ∗ est associative : pour tout (x, y, z) ∈ G3

y+z

x+y
x+ 1+yz
x ∗ (y ∗ z) = x ∗ =
1 + xy 1+x y+z
1+yz
x (1 + yz) + (y + z) x + y + z + xyz
= =
1 + yz + x (y + z) 1 + yz + xy + xz
et un calcul similaire donne le même résultat pour (x ∗ y) ∗ z .

La loi ∗ admet un élément neutre, car pour tout x ∈ ]−1, 1[
x+e
(x ∗ e = x) ⇔ = x ⇔ x + e = x (1 + xe)
1 + xe
⇔ x2 e = e ⇔ e = 0, car x2 ̸= 1,
donc e = 0 est l'élément neutre pour la loi ∗.

Tout élément de G admet un inverse dans G. Soit x ∈ G, alors
′
′
x+x ′ ′
x∗x =e ⇔ ′
= 0 ⇔ x + x = 0 ⇔ x = −x ∈ ]−1, 1[ ,
1 + xx
donc linverse x est −x, et alors (G, ∗) est un groupe abélien.
Exercice 27. On considère
h√ i n √ o
Z 2 = a + b 2 : a, b ∈ Z .
Montrer que Z 2 , +, × est un anneau.

√
77
Solution.
(1) Il sut de prouver que c'est un sous-anneau de (R, +, ×). Soit x, y ∈ Z 2 , il existe
√
a, b, c, d ∈ Z, tels que √ √
x = a + b 2 et y = c + d 2
On a
√ √
x+y = a+b 2+c+d 2
√ h√ i
= (a + c) + (c + d) 2 ∈ Z 2 ,
√ √
x×y = a+b 2 × c+d 2
√ h√ i
= (ac + 4db) + (ad + bc) 2 ∈ Z 2 ,
donc Z 2 est stable par la loi (+) et la (×). De plus

√
√ h√ i h√ i
−x = −a − b 2 ∈ Z 2 et 1 ∈ Z 2 ,
donc Z 2 est un sous-anneau de R.

√
Exercice 28. On dénit sur R2 les deux lois ⊕, ⊗ comme suit :

′ ′
′ ′
′ ′

2
∀ (x, y) , x , y ∈ R : (x, y) ⊕ x , y = x + x ,y + y .
′ ′ ′ ′ ′ ′

∀ (x, y) , x , y ∈ R2 : (x, y) ⊗ x , y = x.x , y.y .
Est ce que (R2 , ⊕, ⊗) est un corps commutatif ?

Solution.
(1) Montrons que (R2 , ⊕, ⊗) est un anneau
(i) (R2 , ⊕) est un groupe abélien.
(a) La loi ⊕ est commutative :∀ (x, y) , x , y ∈ R2 ,
′ ′
′ ′ ′ ′
′ ′
′ ′
(x, y) ⊕ x , y = x + x , y + y = x + x, y + y = x , y ⊕ (x, y) .
′′
(b) La loi ⊕ est associative :∀ (x, y) , x , y , x , y ∈ R2 ,
′ ′ ′′
h ′ ′ i ′′ ′′ ′ ′
′′ ′′
(x, y) ⊕ x , y ⊕ x ,y = x + x, y + y ⊕ x , y
′′
′ ′ ′′

= x + x + x ,y + y + y .
′′ ′′
h ′ ′
′′
i ′ ′ ′′

(x, y) ⊕ x ,y ⊕ x ,y = (x, y) ⊕ x + x , y + y
′′
′ ′ ′′

= x + x + x ,y + y + y
h ′ ′ i ′′ ′′
= (x, y) ⊕ x , y ⊕ x ,y .
78
(c) Il existe e = (e1 , e2 ) ∈ R2 tel que :
(e1 , e2 ) ⊕ (x, y) = (x, y) ⊕ (e1 , e2 ) = (x, y)
Puisque ⊕ est commutative on traite une seul équation :
((x, y) ⊕ (e1 , e2 ) = (x, y)) ⇒ (x + e1 , y + e2 ) = (x, y)

⇒ x + e1 = x et y + e2 = y
⇒ e1 = e2 = 0,
donc (0, 0) est l'élément neutre de ⊕.

(d) Chaque élément de R2 possède un élément symétrique dans R2 , ∀ (x, y) ∈ R2 ,
∃ x , y ∈ R2 , tel que
′ ′
′ ′ ′ ′

(x, y) ⊕ x , y = (e1 , e2 ) ⇔ x + x , y + y = (0, 0)
′ ′
⇔ x , y = − (x, y) ∈ R2 .
Ainsi (R2 , ⊕) est un groupe commutatif.

′′
(ii) La loi ⊗ est associative ∀ (x, y) , x , y , x , y ∈ R2 ,
′ ′ ′′
′′ ′′ ′′
h ′ ′
i ′′
′ ′
′′
′ ′ ′′

(x, y) ⊗ x , y ⊗ x ,y = x x, y y ⊗ x , y = xx x , yy y .
h ′ ′
′′ ′′ i ′ ′′ ′ ′′ ′ ′′ ′ ′′

(x, y) ⊗ x ,y ⊗ x ,y = (x, y) ⊗ x x , y y = xx x , yy y
h ′ ′ i ′′ ′′
= (x, y) ⊗ x , y ⊗ x ,y .
′′
(iii) La loi ⊗ est distributive par rapport à loi ⊕ .∀ (x, y) , x , y , x , y ∈ R2 , mon-
′ ′ ′′
trons que
h ′ ′
′′ ′′ i h ′ ′ i h ′′ ′′ i
(x, y) ⊗ x ,y ⊕ x ,y = (x, y) ⊗ x , y ⊕ (x, y) ⊗ x , y .
On a
h ′ ′
′′ ′′ i ′ ′′ ′ ′′

(x, y) ⊗ x ,y ⊕ x ,y = (x, y) ⊗ x + x , y + y
′′
′ ′ ′′

= xx + xx , yy + yy ,
h ′ ′ i h ′′ ′′ i ′ ′
′′ ′′

(x, y) ⊗ x , y ⊕ (x, y) ⊗ x , y = xx , yy ⊕ xx , yy
′′
′ ′ ′′

= xx + xx , yy + yy
h ′ ′ ′′ ′′ i
= (x, y) ⊗ x , y ⊕ x , y .
donc (R2 , ⊕, ⊗) est un anneau.

(2) Comme e = (0, 0) est l'élément neutre de la loi ⊗, montrons que (R2 − {(0, 0)} , ⊗) est
un groupe commutatif.
79
(i) La loit ⊗ est commutative, ∀ (x, y) , x , y ∈ R2 ,

′ ′
′ ′ ′ ′
′ ′
′ ′
(x, y) ⊗ x , y = xx , yy = x x, y y = x , y ⊗ (x, y) .
(ii) Il existe e = (e1 , e2 ) ∈ R2 − {(0, 0)} tel que :
(e1 , e2 ) ⊗ (x, y) = (x, y) ⊗ (e1 , e2 ) = (x, y)
Puisque ⊗ est commutative on traite une seule équation :

(x, y) ⊗ (1, 1) = (x, y) ⇔ (x.1, y.1) = (x, y)
donc (1, 1) ∈ R2 − {(0, 0)} est l'élément neutre de ⊗.

(iii) Chaque élément de R2 − {(0, 0)} possède un élément symétrique dans R2 − {(0, 0)} ,
∀ (x, y) ∈ R − {(0, 0)} , ∃ x , y ∈ R2 − {(0, 0)} , tel que
2 ′ ′
′ ′ ′ ′

(x, y) ⊗ x , y = (e1 , e2 ) ⇒ xx , yy = (1, 1)
x = x1 , si x ̸= 0
′ ′
xx = 1
⇒ ⇒ .
y = y1 , si y ̸= 0
′ ′
yy = 1
Les couples (x, 0) avec x ̸= 0 et (0, y) avec y ̸= 0 n'ont pas des symétrique, donc
(R2 − {(0, 0)} , ⊗) n'est pas un groupe commutatif. Enn, (R2 , ⊕, ⊗) n'est pas un corps
commutatif.
Solution.
Exercice 29. On considère dans R3 , le sous ensemble E déni par :
E = (x, y, z) ∈ R3 : x + y + z = 0

(1) Montrer que E est un sous-espace vectoriel de R3 .

(2) Donner une base de E .
Solution.
(1) On a
• 0R3 ∈ E , car 0 + 0 + 0 = 0, donc E ̸= ∅.
• Soient u = (x, y, z) ∈ E et v = x , y , z ∈ E , on a donc x+y+z = 0 et x +y +z = 0.
′ ′ ′ ′ ′ ′
Soit λ, µ ∈ R, alors
 
′ ′ ′ ′ ′ ′
λu + µv = λ (x, y, z) + µ x , y , z = λx + µx , λy + µy , λz + µz  ,

| {z } | {z } | {z }
x′′ y ′′ z ′′
′′ ′′ ′′ ′ ′ ′
x +y +z = λx + µx + λy + µy + λz + µz
′ ′ ′

= (λx + λy + λz) + µx + µy + µz
′ ′ ′

= λ (x + y + z) + µ x + y + z = 0
ce qui montre que λu + µv ∈ E
80
Finalement E est un sous-espace vectoriel de R3 .

(2) On a
E = (x, y, z) ∈ R3 : z = − (x + y)

= {(x, y, −x − y) : x, y ∈ R}
= {(x, 0, −x) + (0, y, −y) : x, y ∈ R}
 
 
= x (1, 0, −1) +y (0, 1, −1) : x, y ∈ R
 | {z } | {z } 
u1 u2
alors {u1 , u2 } est une famille génératrice de E , montrons que {u1 , u2 } est libre. Soit
λ1 , λ2 ∈ R,
λu1 + λ2 u2 = 0R3 ⇒ (λ1 , λ2 , −λ1 − λ2 ) = (0, 0, 0) ⇒ λ1 = λ2 = 0,
donc {u1 , u2 } est une base de E . Alors la dimension de E est égale à 2, car
dim E = Card {u1 , u2 } = 2.
Exercice 30. Soit f : R3 → R3 dénie par

f (x, y, z) = (−2x + y + z, x − 2y + z, x + y − 2z)
(1) Montrer que f est une application linéaire.

(2) Donner une base de ker (f ), en déduire dim (Im (f )).
(3) Donner une base de Im(f ).
Solution.
(1) Soient u = (x, y, z) ∈ R3 ,v = x , y , z ∈ R3 et α, β ∈ R, on a
′ ′ ′
′ ′ ′

f (αu + βv) = f αx + βx , αy + βy , αz + βz
′ ′ ′
= −2αx − 2βx + αy + βy + αz + βz ,
′ ′ ′ ′ ′ ′

αx + βx − 2αy − 2βy + αz + βz , αx + βx + αy + βy − 2αz − 2βz
′ ′ ′

= (−2αx + αy + αz) + −2βx + βy + βz ,
′ ′ ′
′ ′ ′

(αx − 2αy + αz) + βx − 2βy + βz , (αx + αy − α2z) + βx + βy − 2βz
= α (−2x + y + z, x − 2y + z, x + y − 2z) +
′ ′ ′ ′ ′ ′ ′ ′ ′

β −2x + y + z , x − 2y + z , x + y − 2z
= αf (u) + βf (v) .
Donc f est linéaire.

(2) On a
ker (f ) = (x, y, z) ∈ R3 : f (x, y, z) = 0

= (x, y, z) ∈ R3 : −2x + y + z = x − 2y + z = x + y − 2z = 0

81
alors
 
 −2x + y + z = 0  −2x + y + z = 0
(x, y, z) ∈ ker (f ) ⇔ x − 2y + z = 0 ⇔ −3y + 3z = 0
x + y − 2z = 0 x + y − 2z = 0
 
⇔ x = y = z,
donc
(x, y, z) ∈ R3 : x = y = z

ker (f ) =
 
 
= x (1, 1, 1) : x ∈ R
 | {z } 
u1
donc {u1 } est une base de ker (f ), et alors

dim (Im (f )) = dim R3 − dim ker (f ) = 3 − Card {u1 } = 2.
(3) On a
f (x, y, z) : (x, y, z) ∈ R3

Im (f ) =
 
 
= x (−2, 1, 1) +y (1, −2, 1) +z (1, 1, −2) : (x, y, z) ∈ R3 .
 | {z } | {z } | {z } 
v1 v2 v3
Alors {v1 , v2 , v3 } est une famille génératrice, comme v1 + v2 = −v3 et dim (Im (f )) = 2,
alors {v1 , v2 } est une famille génératrice, montrons que {v2 , v3 } est libre. Soit λ2 , λ3 ∈ R,
λ2 v2 + λ3 v3 = 0R3 ⇒ (−2λ2 + λ3 , λ2 − λ3 , λ2 + λ3 ) = (0, 0, 0)
⇒ λ2 = λ3 = 0,
donc {v2 , v3 } est une base de Im (f ).
Exercice 31. Soit f : R4 → R4 dénie pour tout (x, y, z, t) ∈ R4 par
f (x, y, z, t) = (x − 2y, x − 2y, 0, x − y − z − t) .
(1) Montrer que f est une application linéaire.
(2) Déterminer le noyau et l'image de f .
(3) A-t-on ker (f ) ⊕ Im (f ) = R4 .
Solution.
(1) Soient u = (x, y, z, t) ∈ R4 ,v = x , y , z , t ∈ R4 et α, β ∈ R, on a
′ ′ ′ ′
′ ′ ′ ′

f (αu + βv) = f αx + βx , αy + βy , αz + βz , αt + βt
′ ′ ′ ′
= αx + βx − 2αy − 2βy , αx + βx − 2αy − 2βy ,
′ ′ ′ ′

0, αx + βx − αy − βy − αz − βz − αt − βt
= (αx − 2αy, αx − 2αy, 0, αx − αy − αz − αt) +
′ ′ ′ ′ ′ ′ ′ ′

βx − 2βy , βx − 2βy , 0, βx − βy − βz − βt
= α (x − 2y, x − 2y, 0, x − y − z − t) +
′ ′ ′ ′ ′ ′ ′ ′

β x − 2y , x − 2y , 0, x − y − z − t
= αf (u) + βf (v) .
Ce qui montre que f est linéaire.
82
(2) Soit (x, y, z, t) ∈ R4 , on a
f (x, y, z, z) = (x − 2y, x − 2y, 0, x − y − z − t)

= (x − 2y, x − 2y, 0, 0) + (0, 0, 0, x − y − z − t)
= (x − 2y) (1, 1, 0, 0) + (x − y − z − t) (0, 0, 0, 1) ,
alors
f (x, y, z, t) : (x, y, z, t) ∈ R4

Im (f ) =
 
 
= λ (1, 1, 0, 0) +λ (0, 0, 0, 1) : λ, µ ∈ R
 | {z } | {z } 
u1 u2
= {λu1 + λu2 : λ, µ ∈ R} ,
avec u1 = (1, 1, 0, 0) et u2 = (0, 0, 0, 1) .

(3) Soit (x, y, z, t) ∈ ker (f ) , alors
f (x, y, z, t) = 0 ⇔ (x − 2y, x − 2y, 0, x − y − z − t) = 0

x − 2y = 0 x = 2y
⇔ ⇔
x−y−z−t=0 t=y−z
alors
ker (f ) = (x, y, z, t) ∈ R4 : x = 2y et t = y − z

= {(2y, y, z, y − z) : x, y ∈ R}
 
 
= y (2, 1, 0, 1) +z (0, 0, 1, −1) : x, y ∈ R .
 | {z } | {z } 
u3 u4
On a {u1 , u2 }, {u3 , u4 } sont des familles génératrices de Im (f ) et ker (f ) respectivement,

montrons que {u1 , u2 }, {u3 , u4 } sont libres. Soit λ1 , λ2 , λ3 , λ4 ∈ R,
λ1 u1 + λ2 u2 = 0R4 ⇒ (λ1 , λ1 , 0, λ2 ) = (0, 0, 0, 0) ⇒ λ1 = λ2 = 0,
λ3 u3 + λ4 u4 = 0R4 ⇒ (2λ3 , λ3 , λ4 , λ3 − λ4 ) = (0, 0, 0, ) ⇒ λ3 = λ4 = 0,

donc {u1 , u2 }, {u3 , u4 } sont des bases de Im (f ) et ker (f ) respectivement. Ainsi ker (f )⊕
Im (f ) = R4 si et seulement si {u1 , u2 , u3 , u4 } est une base de R4 .
Comme dim R4 = Card {u1 , u2 , u3 , u4 } = 4, il sut de prouver que {u1 , u2 , u3 , u4 } est
libre. Soit λ1 , λ2 , λ3 , λ4 ∈ R,
(λ1 u1 + λ2 u2 + λ3 u3 + λ4 u4 = 0R4 ) ⇒ (λ1 + 2λ3 , λ1 + λ3 , λ4 , λ2 + λ3 − λ4 ) = (0, 0, 0, 0)

⇒ λ4 = λ3 = λ2 = λ1 = 0,
donc {u1 , u2 , u3 , u4 } est une base, ça signie que ker (f ) ⊕ Im (f ) = R4 .
83
Bibliographie
[1] A. Hitta, Cours d'Algèbre et Exercices Corriges, Edition OPU, Algérie, 2006
[2] K. Allab, Éléments d'Analyse, Fonction d'une variable réelle, Edition OPU, Algérie, 1984.
[3] M. H. Mortad, Exercices Corrigés d'Algèbre, Première Année L.M.D, Edition Dar el Bassair,
Algérie, 2012.
[4] X. A. Dussau, J. Esterle, F. Zarouf et R. Zarouf, Cours d'algèbre linéaire, ESTIA 1e Année
Mathématiques, Edition 2008.
[5] J. Rivaud, Exercices d'Analyse Tome 1, Edition Vuibert, 1971.
[6] P. Thuillier, J.C. Belloc, Mathématique, Analyse 1, Edition Masson, 1990.
[7] P. Thuillier, J.C. Belloc, Mathématique, Analyse 2, Edition Masson, 1989.
84
,
𝒇(𝒙) = 𝒇(𝒚) ⟹ 𝒙 = 𝒚
𝒙𝓡𝒚 ⟺ 𝒙 ≤ 𝒚
A=
Cours d'Algèbre I et II
avec Exercices
CorrigésOM DE VOTRE
Dr Imene Medjadj 2018/2019
‫الجمهوريــــــــــــــــــــــة الجزائريـــــــــــة الديمقراطيـــــــــة الشعبيـــــــة‬
‫وزارة التعليـــــــــــم العـــــــــــالي و البحـــــــــث العلـــــــمي‬
‫جامعة وهران للعلوم والتكنولوجيا محمد بوضياف‬
‫كلية الرياضيات و اﻻعﻼم اﻻلي‬
République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur Et de la Recherche Scientifique
Université des Sciences et de la Technologie d’Oran Mohamed BOUDIAF
Faculté des Mathématiques et Informatique
Mémoire de fi
Cours d’Algèbre I et II
nd’études
Avec Exercices Corrigés
Présenté par : Medjadj Imene.
-U.S.T.O. 2017-
Cours d’Algèbre I et II avec Exercices
Corrigés
Imene Medjadj
Table des matières
Chapitre 1. Introduction 5
Chapitre 2. Élément de logique et méthodes de raisonnement avec Exercices
Corrigés 7
1. Régles de logique formelle 7
2. Méthodes de raisonnement 12
3. Exercices Corrigés 13
Chapitre 3. Théorie des ensembles avec Exercices Corrigés 19
1. Notion d’ensemble et propriétés 19
2. Applications et relations d’équivalences 22
3. Relations Binaires dans un ensemble 26
Chapitre 4. Structures Algébriques avec Exercices Corrigés 35
1. Lois De Composition Internes 35
2. Groupes 36
3. Anneaux 36
4. Corps 36
Chapitre 5. Notion de IK− Espaces vectoriels(IK étant un Corps Commutatif)
avec Exercices Corrigés 43
1. Espace vectoriel et sous espace vectoriel 43
2. Somme de deux sous espaces vectoriels 45
3. Somme directe de deux sous espaces vectoriels 45
4. Familles génératrices, familles libres et bases 45
5. Notion d’Application Linéaire 48
Chapitre 6. Notion de Matrice Associée à une Application Linéaire et Calcul
Algébrique sur les Matrices avec Exercices Corrigés 57
1. Espace vectoriel des matrices 57
2. Produit de deux matrices 59
3. Matrices carrées 60
4. Les Déterminants 61
5. Relations entre une application linéaire et sa matrice Associée 65
6. Matrices et Changements de Bases 68
3
4 TABLE DES MATIÈRES
7. Diagonalisation 70
8. Systèmes d’équations linéaires 73
Bibliographie 83
CHAPITRE 1
Introduction
Ce document cours d’Algèbre I et II avec exercices corrigés recouvre le programme

d’Algèbre linéaire de la 1ère année universitaire.
Le lecteur trouvera une partie cours qui a été enseigné et à la fin de chaque chapitre
une partie exercices corrigés dont la plupart ont été proposé dans le cadre de travaux
dirigés ou ont fait l’objet de contrôle des connaissances.
Il est destiné principalement aux étudiants de la 1ère année L.M.D. ainsi que toute
personne ayant besoin d’outils de bases d’Algèbre linéaire.
Nous espérons que ce polycopié réponde aux attentes des étudiants et qu’il les
aidera à réussir.
5
CHAPITRE 2
Élément de logique et méthodes de raisonnement avec

Exercices Corrigés
1. Régles de logique formelle

Définition 1.1. une proposition est une expression mathématique à laquelle on
peut attribuer la valeur de vérité vrai ou faux.
Exemple 1.2. (1) Tout nombre premier est pair , cette proposition est
fausse.
√
(2) 2 est un nombre irrationnel, cette proposition est vraie
(3) 2 est inférieure à 4, cette proposition est vraie
Définition 1.3. Toute proposition démontrée vraie est appelée théorème (par
exemple le théorème de PYTHAGORE, Thalès...)
La négation (nonP ) , P :
Définition 1.4. Soit P une proposition, la négation de P est une proposition
désignant le contraire qu’on note (nonP ), ou bien P , on peut aussi trouver la notation
eP . Voici sa table de vérité.
P P
1 0
0 1
Exemple 1.5. (1) Soit E 6= ∅, P : (a ∈ E), alors P : (a ∈

/ E).
(2) P : la fonction f est positive, alors eP : la fonction f n’est pas positive.
(3) P : x + 2 = 0, alors (nonP ) : x + 2 6= 0.
1.1. Les connecteurs logiques. Soit P, Q deux propositions
1) La conjonction et , ∧
Définition 1.6. la conjonction est le connecteur logique et , ∧ , la
proposition (P etQ) ou (P ∧ Q) est la conjonction des deux propositions P, Q.
– (P ∧ Q) est vraie si P et Q le sont toutes les deux.
– (P ∧ Q) est fausse dans les autres cas. On résume tout ça dans la table de vérité
suivante.
7
82. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT AVEC EXERCICES CORRIGÉS
P Q P ∧Q
1 1 1
1 0 0
0 1 0
0 0 0
Exemple 1.7. (1) 2 est un nombre pair et 3 est un nombre premier, cette
proposition est vraie
(2) 3 ≤ 2 et 4 ≥ 2, cette proposition est fausse.
2) La disjonction ou , ∨
Définition 1.8. la disjonction est un connecteur logique ou , ∨ , on

note la disjonction entre P, Q par (P ou Q), (P ∨ Q). P ∨ Q est fausse si P et Q sont
fausses toutes les deux, sinon (P ∨ Q) est vraie.
On résume tout ça dans la table de vérité suivante.
P Q P ∨Q
1 1 1
1 0 1
0 1 1
0 0 0
Exemple 1.9. (1) 2 est un nombre pair ou 3 est un nombre premier. Vraie.
(2) 3 ≤ 2 ou 2 ≥ 4. Fausse.
3)L’implication
Définition 1.10. L’implication de deux propositions P, Q est notée : P ⇒ Q on

dit P implique Q ou bien si P alors Q. P ⇒ Q est fausse si P est vraie et Q est fausse,
sinon (P ⇒ Q) est vraie dans les autres cas.
P Q P ⇒Q
1 1 1
1 0 0
0 1 1
0 0 1
√
Exemple 1.11. (1) 0 ≤ x ≤ 9 ⇒ x ≤ 3 .Vraie
(2) Il pleut, alors je prends mon parapluie. Vraie c’est une conséquence.
(3) Omar a gagné au loto ⇒ Omar a joué au loto. Vraie c’est une conséquence.
4)La réciproque de l’implication

1. RÉGLES DE LOGIQUE FORMELLE 9
Définition 1.12. La réciproque d’une implication (P ⇒ Q) est une implication

Q ⇒ P.
√ √
Exemple 1.13. (1) La réciproque de : 0 ≤ x ≤ 9 ⇒ x ≤ 3, est : x ≤ 3 ⇒
0 ≤ x ≤ 9.
(2) La réciproque de : (Il pleut, alors je prends mon parapluie), est : (je prends
mon parapluie, alors il pleut).
(3) La réciproque de : (Omar a gagné au loto ⇒ Omar a joué au loto), est :
(Omar a joué au loto ⇒ Omar a gagné au loto).
5)La contraposée de l’implication Soit P, Q deux propositions, la contraposée

de (P ⇒ Q) est (Q ⇒ P ), on a
(P ⇒ Q) ⇐⇒ (Q ⇒ P )
Remarque 1.14. (P ⇒ Q) et (Q ⇒ P ) ont la même table de vérité, i.e., la même

valeur de vérité.
Exemple 1.15. (1) La contraposée de :(Il pleut, alors je prends mon para-
pluie), est (je ne prends pas mon parapluie, alors il ne pleut pas).
(2) La contraposée de :( Omar a gagné au loto ⇒ Omar a joué au loto), est :
(Omar n’a pas joué au loto ⇒ Omar n’a pas gagné au loto).
6)La négation d’une implication
Théorème 1.16. Soit P, Q deux propositions on a
(P ⇒ Q) ⇔ (P ∧ Q).
Exemple 1.17. (1) La négation de : (il pleut, alors je prends mon parapluie),
est : (il pleut et je ne prends pas mon parapluie).
(2) La négation de : (Omar a gagné au loto ⇒ Omar a joué au loto), est : (Omar
a gagné au loto et Omar n’a pas joué au loto).
(3) (x ∈ [0, 1] ⇒ x ≥ 0) sa négation : (x ∈ [0, 1] ∧ x < 0).
Conclusion
(1) La négation de (P ⇒ Q) est (P ∧ Q).
(2) La contraposée de (P ⇒ Q) est (Q ⇒ P ).
(3) La réciproque de (P ⇒ Q) est (Q ⇒ P ).
Remarque 1.18. (P ⇒ Q) ⇔ (P ∨ Q).

10
preuve. Il suffit de montrer que (P ⇒ Q) a la même valeur de vérité que (P ∨ Q),

on le voit bien dans la table de vérité suivante :
P Q P P ⇒Q P ∨Q
1 1 0 1 1
1 0 0 0 0
0 1 1 1 1
0 0 1 1 1
7)L’équivalence
Définition 1.19. l’équivalence de deux propositions P, Q est notée P ⇔ Q, on
peut aussi écrire (P ⇒ Q) et (Q ⇒ P ). On dit que P ⇔ Q si P et Q ont la même
valeur de verité, sinon (P ⇔ Q) est fausse.
P Q P ⇔Q
1 1 1
1 0 0
0 1 0
0 0 1
Remarque 1.20. (1) P < Q c’est à dire P n’est pas équivalente à Q lorsque
P ; Q ou Q ; P.
(2) P ⇔ Q peut être lue P si et seulement si Q.
Exemple 1.21. (1) x + 2 = 0 ⇔ x = −2.
(2) Omar a gagné au loto < Omar a joué au loto.
Théorème 1.22. Soit P, Q deux propositions on a :
(P ⇔ Q) ⇔ (P ⇒ Q) ∧ (Q ⇒ P ).
preuve.
P Q P ⇒Q Q⇒P (P ⇒ Q) ∧ (Q ⇒ P ) (P ⇔ Q)
1 1 1 1 1 1
1 0 0 1 0 0
0 1 1 0 0 0
0 0 1 1 1 1
8)Propriétés des connecteurs logiques Quelle que soit la valeur de vérité des
propositions P, Q, R les propriétés suivantes sont toujours vraies.
(1) P ∨ P.
(2) P ⇔ P.
(3) P ∧ P ⇔ P.
(4) P ∧ Q ⇔ Q ∧ P. Commutativité de ∧
(5) P ∨ Q ⇔ Q ∨ P. Commutativité de ∨
1. RÉGLES DE LOGIQUE FORMELLE 11
(6) ((P ∧ Q) ∧ R) ⇔ (P ∧ (Q ∧ R)). Associativité de ∧

(7) ((P ∨ Q) ∨ R) ⇔ (P ∨ (Q ∨ R)). Associativité de ∨
(8) P ∨P ⇔P
(9) P ∨ (Q ∧ R) ⇔ (P ∨ Q) ∧ (P ∨ R)).
(10) P ∧ (Q ∨ R) ⇔ (P ∧ Q) ∨ (P ∧ R)).
(11) P ∧ (P ∨ Q) ⇔ P.
(12) P ∨ (P ∧ Q) ⇔ P.
(13) P ∧ Q ⇔ P ∨ Q Lois de Morgan
(14) P ∨ Q ⇔ P ∧ Q Lois de Morgan
(15) (P ⇒ Q) ⇔ (P ∨ Q) ⇔ (Q ⇒ P ).
preuve. (13)
P Q P Q P ∧Q P ∧Q P ∨Q
1 1 0 0 1 0 0
1 0 0 1 0 1 1
0 1 1 0 0 1 1
0 0 1 1 0 1 1
(14)
P Q P Q P ∨Q P ⇒Q Q⇒P
1 1 0 0 1 1 1
1 0 0 1 0 0 0
0 1 1 0 1 1 1
0 0 1 1 1 1 1
1.2. Les quantificateurs.
(1) Quantificateur universel ∀
La relation pour tous x tel que P(x) est notée : ∀x, P (x) se lit quel que soit
x, P (x).
(2) Quatificateur existentiel ∃
la relation il existe un x tel que P (x) est notée : ∃x, P (x).
Remarque 1.23. Il existe un et un seul élément x de E c’est à dire un unique x,
P (x) est notée : ∃!x ∈ E, P (x)
Exemple 1.24. Ecrire à l’aide des quantificateurs les propositions suivantes :
(1) P (x) : La fonction f est nulle pour tous x ∈ IR devient
P (x) : ∀x ∈ IR, f (x) = 0.
(2) P (x) : la fonction f s’annule en x0 devient
P (x) : ∃x0 ∈ IR, f (x0 ) = 0.
Remarque 1.25. Les relations ∀x, ∃y, P (x, y) et ∃y, ∀x, P (x, y) sont différentes,
dans la première y dépend de x tandis que dans la seconde y ne dépend pas de x.
12
Exemple 1.26. (1) Tous les étudiants de la section 1 ont un groupe sanguin.
∀ étudiant ∈ section 1, ∃ un groupe sanguin, étudiant a un groupe sanguin.
Vraie (cela veut dire que chaque étudiant a un groupe sanguin).
(2) Il existe un groupe sanguin pour tous les étudiants de la section 1. ∃ un groupe
sanguin O− , ∀ l’étudiant de section 1, l’étudiant a O− . Fausse (cela veut dire
que tous les étudiants ont le même groupe sanguin ce qui est peut probable).
(3) La proposition (∀x ∈ IR, ∃y ∈ IR : x + y = 0) est vraie en effet ∀x ∈ IR, ∃y =
−x ∈ IR, x + (−x) = 0.
(4) ∃y ∈ IR, ∀x ∈ IR, x2 ≥ y c’est vraie car ∃y = 0, ∀x ∈ IR, x2 ≥ 0.
Régles de négations
Soit P (x) une proposition,
(1) la négation de ∀x ∈ E, P (x) est : ∃x ∈ E, P (x).
(2) la négation de ∃x ∈ E, P (x) est : ∀x ∈ E, P (x).
Remarque 1.27. (1) ∃x ∈ E, ∀y ∈ E, P (x, y) veut dire que x est constante
(fixé), il est indépendant de y qui varie dans E.
(2) ∀x ∈ E, ∃y ∈, P (x, y) veut dire y dépend x , par une certaine relation f telle
que y = f (x).
(3) On peut permuter entre deux quantificateurs de la même nature :
∀x, ∀y, P (x, y) ⇔ ∀y, ∀x, P (x, y).
∃x, ∃y, P (x, y) ⇔ ∃y, ∃x, P (x, y).

Exemple 1.28. (1) la négation de ∀ > 0, ∃q ∈ Q+ tel que : 0 < q <
est : ∃ > 0, ∀q ∈ Q+ tel que : q ≤ 0 ou q ≥
2. Méthodes de raisonnement
Pour montrer que (P ⇒ Q) est vraie on peut utiliser ce qui suit :
(1) Méthode de raisonnement direct
On suppose que P est vraie et on démontre que Q l’est aussi.
Exemple 2.1. Montrons que pour n ∈ IN si n est pair ⇒ n2 est pair.
On suppose que n est pair, i.e., ∃k ∈ Z, n = 2k donc
n.n = 2(2k 2 ) ⇒ n2 = 2k 0
on pose k 0 = 2k 2 ∈ Z ainsi ∃k 0 ∈ Z, n2 = 2k 0 , n2 est pair, d’où le résultat.
(2) Méthodes du raisonnement par la contraposée
Sachant que (P ⇒ Q) ⇔ (Q ⇒ P ), pour montrer que P ⇒ Q on utilise la
contraposée, c’est à dire il suffit de montrer que Q ⇒ P de manière directe,
on suppose que Q est vraie et on montre que P est vraie.
3. EXERCICES CORRIGÉS 13
Exemple 2.2. Montrons que n2 est impair ⇒ n est impair. Par contrapo-
sée il suffit de montrer que si n est pair ⇒ n2 est pair voir l’exemple précédent.
(3) Raisonnement par l’absurde
Pour montrer que R est une proposition vraie on suppose que R est vrai et on
tombe sur une contradiction (quelque chôse d’absurde), quand R : P ⇒ Q est
une implication par l’absurde on suppose que R : R ∧ Q est vraie et on tombe
sur une contradicition.
√
Exemple 2.3. (a) Montrer que 2 est un irrationnel.
(b) n est pair ⇒ n2 est pair, par l’absurde : on suppose que n est pair et que
n2 est impaire contradiction
(4) Contre exemple
Pour montrer qu’une proposition est fausse il suffit de donner ce qu’on appelle
un contre-exemple c’est à dire un cas particulier pour lequel la proposition est
fausse.
Exemple 2.4. (n est un nombre pair )⇒ (n2 +1 est pair), fausse car pour
n = 2, 4 + 1 = 5 n’est pas pair, c’est un contre-exemple.
(5) Raisonnement par recurrence
Pour montrer que P (n) : ∀n ∈ IN, n ≥ n0 , Pn (x) est vraie on suit les étapes
suivantes :
(a) On montre que P (n0 ) est vraie, (valeur initiale).
(b) On suppose que P (n) est vraie à l’ordre n
(c) On montre que P (n + 1) est vraie à l’ordre n + 1
Alors P est vrai pour tous n ≥ n0 .
n(n+1)
Exemple 2.5. Montrer ∀n ∈ IN∗ : 1 + 2 + ... + n = 2
1(2)
(a) Pour n = 1, P (1) est vraie 1 = 2
.
(b) On suppose que 1 + 2 + ... + n = n(n+1) 2
est vraie.
(c) On montre que 1 + 2 + ... + n + 1 = (n+1)(n+2)2
est vraie,
1 + 2 + ... + n + 1 = 1 + 2 + ... + n + (n + 1) = n(n+1)
2
= (n+1)(n+2)
+ (n + 1) 2
ainsi P est vraie à l’ordre n + 1 alors ∀n ∈ IN : 1 + 2 + ... + n = n(n+1)
∗
2
est vraie.
3. Exercices Corrigés
Exercice 1. Donner la négation des propositions suivantes :
(1) ∀x ∈ IR, ∃y ∈ IR, 2x + y > 3.
(2) ∀ > 0, ∃α > 0, |x| < α ⇒ |x2 | < .
14
(3) ∀x ∈ IR, (x = 0 ∨ x ∈]2, 4]).

(4) Il existe M ∈ IR+ , pour tous n ∈ IN tel que : |Un | ≤ M.
Solution . (1) P : ∀x ∈ IR, ∃y ∈ IR, 2x + y > 3
⇔ P : ∃x ∈ IR, ∀y ∈ IR, 2x + y ≤ 3.
(2) P : ∀ > 0, ∃α > 0, |x| < α ⇒ |x2 | <
⇔ P : ∃ > 0, ∀α > 0, |x| < α ∧ |x2 | ≥
(3) P : ∀x ∈ IR, ((x = 0) ∨ (x ∈]2, 4]))
⇔ P : ∃x ∈ IR, x 6= 0 ∧ (x ≤ 2 ∨ x > 4).
(4) P : il existe M ∈ IR+ , pour tous n ∈ IN tel que : |Un | ≤ M
⇔ P : pour tous M ∈ IR+ , il existe n ∈ IN tel que :|Un | > M.
Remarque 3.1. (1) a < b veut dire (a < b) ∧ (a 6= b) sa négation est :
(a > b) ∨ (a = b) c’est à dire a ≥ b.
(2) a < b < c veut dire (a < b) ∧ (b < c) sa négation est : (a ≥ b) ∨ (b ≥ c).
Exercice 2. Exprimer les assertions suivantes à l’aide des quantificateurs et
répondre aux questions :
(1) Le produit de deux nombres pairs est-il pair ?
(2) Le produit de deux nombres impairs est-il impair ?
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair ?
(4) Un nombre entier est pair si et seulement si son carré est pair ?
Solution . (1) Le produit de deux nombres pairs est-il pair ?
Soit P = {2k/k ∈ Z} l’ensemble des nombres pairs.
∀n, m ∈ P, n × m ∈ P?
Soient n, m ∈ P, alors ∃k1 ∈ Z/n = 2k1 , ∃k2 ∈ Z/m = 2k2 d’où n × m =
2(2k1 k2 ) = 2k3 , ainsi ∃k3 = 2k1 k2 ∈ Z/n × m = 2k3 ⇒ n × m ∈ P le produit
est pair.
(2) Le produit de deux nombres impairs est-il impair ?
Soit I = {2k + 1/k ∈ Z} l’ensemble des nombres impairs. ∀n, m ∈ I, n × m ∈
I?
Soient n, m ∈ I, alors ∃k1 ∈ Z/n = 2k1 + 1, ∃k2 ∈ Z/m = 2k2 + 1 d’où
n × m = 2(2k1 k2 + k1 + k2 ) + 1 = 2k3 + 1, ainsi ∃k3 = 2k1 k2 + k1 + k2 ∈
Z/n × m = 2k3 + 1 ⇒ n × m ∈ I le produit est impair.
(3) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair ?
∀n ∈ P, m ∈ I, n × m ∈ P?, n × m ∈ I?
Soient n ∈ P, m ∈ I, alors ∃k1 ∈ Z/n = 2k1 , ∃k2 ∈ Z/m = 2k2 + 1 d’où
n × m = 2(2k1 k2 + k1 ) = 2k3 , ainsi ∃k3 = 2k1 k2 + k1 ∈ Z/n × m = 2k3 ⇒
n × m ∈ I le produit est pair.
(4) Un nombre entier est pair si et seulement si son carré est pair ?
∀n ∈ Z, n pair ⇔ n2 est pair.
Montrons que n pair ⇒ n2 est pair.

Soit n ∈ P, alors ∃k1 ∈ Z/n = 2k1 , d’où n2 = n.n = 2(2k12 ), ainsi ∃k2 = 2k12 ∈
Z/n2 = 2k2 il est pair.
Montrons que n2 pair ⇒ n est pair.
Par contraposée, on doit montrer que n est impair ⇒ n2 est impair, c’est vrai
cas particulier de la question 2), ainsi la proposition n2 pair ⇒ n est pair est
vérifiée, de plus n pair ⇒ n2 est pair ⇒ ∀n ∈ Z, n pair ⇔ n2 est pair est vraie.
Exercice 3. Indiquer lesquelles des propositions suivantes sont vraies et celles
qui sont fausses.
(1) ∀x ∈ IR, ∃y ∈ IR : 2x + y > 0.
(2) ∃x ∈ IR, ∀y ∈ IR : 2x + y > 0.
(3) ∀x ∈ IR, ∀y ∈ IR : 2x + y > 0.
(4) ∃x ∈ IR, ∃y ∈ IR : 2x + y > 0.
(5) ∃x ∈ IR, ∀y ∈ IR : y 2 > x.
(6) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 ou 2x + y = 0).
(7) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 et 2x + y = 0).
Solution . (1) ∀x ∈ IR, ∃y ∈ IR : 2x + y > 0, est vraie car ∀x ∈ IR, ∃y =
−2x + 1 ∈ IR : 2x + y > 0.
(2) ∃x ∈ IR, ∀y ∈ IR : 2x + y > 0, est fausse car , sa négation ∀x ∈ IR, ∃y ∈ IR :
2x + y ≤ 0, est vraie ∀x ∈ IR, ∃y = −2x ∈ IR; 2x + y ≤ 0
(3) ∀x ∈ IR, ∀y ∈ IR : 2x + y > 0, est fausse car sa négation ∃x ∈ IR, ∃y ∈ IR :
2x + y ≤ 0 est vraie , en effet ∃x = 0, ∃y = 0; 0 ≤ 0.
(4) ∃x ∈ IR, ∃y ∈ IR : 2x + y > 0, vraie car ∃x = 0, ∃y = 1; 1 > 0.
(5) ∃x ∈ IR, ∀y ∈ IR : y 2 > x, vraie ∃x = −1 ∈ IR, ∀y ∈ IR : x2 > y.
(6) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 ou 2x + y = 0), Vraie car ∀x ∈ IR, ∃y =
−2x ∈ IR : 2x − 2x = 0 (même si 2x + y ≯ 0) ou bien on peut dire que
∀x ∈ IR, ∃y = −2x + 1 : 2x − 2x + 1 = 1 > 0 (même si 2x + y 6= 0).
(7) ∀x ∈ IR, ∃y ∈ IR : (2x + y > 0 et 2x + y = 0) est fausse car on ne peut jamais
avoir (2x + y > 0 et 2x + y = 0) en même temps.
Exercice 4. Par l’absurde montrer que :
√
(1) 2 ∈/ Q.
(2) ∀n ∈ IN, n2 pair ⇒ n est pair.
√
Solution . (1) Par l’absurde on suppose que 2 est un rationnel i.e., ∃a, b ∈
IN, √ 2
a ∧ b = 1, / 2 = ab ⇒ ab2 ⇒ 2b2 = a2 alors 2 divise a, a est pair ∃k ∈ IN/n =
2k, ainsi
2b2 = 4k 2 ⇔ b2 = 2k 2 ,
on déduit que b est pair aussi or a, b sont premier entre√eux contradiction, ce
que nous avons supposé au départ est faux c’est à dire 2 ∈ / Q.
16
(2) Soit n ∈ IN par l’absurde supposons que n2 est pair et n est impair, alors ∃k ∈
Z tel que n = 2k +1 d’où n2 = 2(2k 2 +2k)+1 = 2k 0 +1, k 0 = (2k 2 +2k) ∈ Z, n2
est impair contradiction car n2 est pair. Ce que nous avons supposé au départ
est faux c’est à dire ∀n ∈ IN, n2 pair ⇒ n est pair est vraie.
Exercice 5. Par contraposée, montrer que
(1) Si (n2 − 1) n’est pas divisible par 8 ⇒ n est pair.
(2) (∀ > 0, |x| ≤ ) ⇒ x = 0.
Solution . (1) Montrons que sa contraposée :( n est impair ⇒ (n2 − 1) est
divisible par 8) est vraie.
Soit n impair alors ∃k ∈ Z tel que n = 2k + 1 et donc n2 = 4k 2 + 4k + 1 ⇒
n2 − 1 = 4k 2 + 4k = 4k(k + 1) il suffit de montrer que k(k + 1) est pair.
Montrons que k(k + 1) est pair on a deux cas :
Si k est pair alors k + 1 est impair donc le produit d’un nombre pair et d’un
nombre impair est pair voir exercice 2 question (3).
Si k est impair, alors k + 1 est pair donc le produit est pair c’est le même
raisonnement, (il faut savoir que le produit de deux nombre consécutifs est
toujours pair).
Ainsi k(k + 1) est pair ∃k 0 ∈ Z /k(k + 1) = 2k 0 , d’où n2 − 1 = 4(2k 0 ) = 8k 0 ⇒
n2 − 1 est divisible par 8.
(2) Montrons que sa contraposée :( x 6= 0 ⇒ (∃ > 0, |x| > )) est vraie.
Soit x 6= 0, il existe = x2 > 0 tel que |x| > x2 car x 6= 0 d’où le résultat.
Exercice 6. Montrer par récurrence que
2 2
– ∀n ∈ IN∗ : 13 + 23 + ... + n3 = n (n+1)
4
– ∀n ∈ IN∗ , 4n + 6n − 1 est un multiple de 9.
n2 (n+1)2
Solution . – Montrons que ∀n ∈ IN∗ : 13 + 23 + ... + n3 = 4
.
12 (2)2
(1) Pour n = 1 on a : 13 = 4
= 1, P (1) est vraie.
n2 (n+1)2
(2) On suppose que :13 + 23 + ... + n3 = 4
est vraie.
2 2
(3) On montre que :13 + 23 + ... + (n + 1)3 = (n+1) 4(n+2) est vraie. En utilisant
p(n) on obtient :
n2 (n + 1)2
13 + 23 + ... + (n + 1)3 = 13 + 23 + ... + n3 + (n + 1)3 = + (n + 1)3
4
n2 (n + 1)2 + 4(n + 1)3 (n + 1)2 (n2 + 4n + 4)
13 + 23 + ... + (n + 1)3 = + (n + 1)3 =
4 4
2 2 2
(n + 1) (n + 2)
13 + 23 + ... + (n + 1)3 = .
4
2 2
Ainsi P (n + 1) est vraie , alors ∀n ∈ IN∗ : 13 + 23 + ... + n3 = n (n+1)
4
.
∗ n
– Montrons que ∀n ∈ IN , 4 + 6n − 1 est un multiple de 9, c’est à dire ∀n ∈
IN∗ , ∃k ∈ Z /4n + 6n − 1 = 9k.
(1) Pour n = 1 on a : ∃k = 1 ∈ Z, 4 + 6 − 1 = 9 = 9(1), P (1) est vraie.

(2) On suppose que : ∀n ∈ IN∗ , ∃k ∈ Z /4n + 6n − 1 = 9k est vraie.
(3) On montre que : ∀n ∈ IN∗ , ∃?k 0 ∈ Z /4n+1 + 6(n + 1) − 1 = 9k 0 . est vraie.
4n+1 + 6(n + 1) − 1 = 4.4n + 6n + 6 − 1

= (9 − 5)4n + 6n + 5
= 9.4n − 5.4n − 5(6n) + 36n + 5
= −5(4n + 6n − 1) + 9.4n + 36n, en utilisant Pn
= −5(9k) + 9.4n + 9.(4n) = 9(−5k + 4n + 4n)
⇒ ∃k 0 = −5k + 4n + 4n ∈ Z 4n+1 + 6(n + 1) − 1 = 9k 0 .
CHAPITRE 3
Théorie des ensembles avec Exercices Corrigés
1. Notion d’ensemble et propriétés

1.1. Ensemble.
Définition 1.1. Un ensemble est une collection d’objets mathématiques (élé-
ments) rassemblés d’après une ou plusieurs propriétés communes. Ces propriétés sont
suffisantes pour affirmer qu’un objet appartient ou pas à un ensemble.
Exemple 1.2. (1) E : l’ensemble des étudiants de l’université d’USTO.
(2) On désigne par IN l’ensemble des entiers naturels IN = {0, 1, 2, 3, ...}.
(3) L’ensemble des nombre pairs se note : P = {x ∈ IN/2 divise x}.
(4) L’ensemble vide est noté : ∅ qui ne contient aucun élément.
1.2. Inclusion. On dit que l’ensemble A est inclus dans un ensemble B lorsque
tous les éléments de A appartiennent à B et on note A ⊂ B,
A ⊂ B ⇔ (∀x, (x ∈ A ⇒ x ∈ B)).
La négation :
A 6⊂ B ⇔ (∃x, (x ∈ A ∧ x ∈
/ B)).
Exemple 1.3. (1) On désigne IR l’ensemble des nombre réels on a : IN ⊂ IR.
(2) On désigne Z l’ensemble des nombre entiers relatifs, Q l’ensemble des ration-
nels on a : IN ⊂ Z ⊂ Q ⊂ IR.
1.3. Egalité de deux ensembles : Soient A, B deux ensembles sachant A = B,
cela veut dire que :
A = B ⇔ ((A ⊂ B)et (A ⊂ B)).
1.4. Différence de deux ensembles. La différence de deux ensembles A, B est

un l’ensemble des élements de A qui ne sont pas dans B, noté A − B.
A − B = {x/x ∈ A ∧ x ∈
/ B}.
Si A ⊂ B alors B − A est aussi appelé le complémentaire de A dans B, il est noté
CBA , Ac .
CBA = {x/x ∈ B ∧ x ∈/ A}.
1.5. Opérations sur les ensembles.

19
20 3. THÉORIE DES ENSEMBLES AVEC EXERCICES CORRIGÉS
1.5.1. L’union. La réunion ou l’union de deux ensembles A et B est l’ensemble des

élements qui appartiennent à A ou B, on écrit A ∪ B.
x ∈ A ∪ B ⇔ (x ∈ A ∨ x ∈ B).
La négation :
x∈/ A ∪ B ⇔ (x ∈ / A∧x∈ / B).
1.5.2. L’intersection. L’intersection de deux ensembles A, B est l’ensemble des él-
séments qui appartiennent à A et B on note A ∩ B.
x ∈ A ∩ B ⇔ (x ∈ A ∧ x ∈ B).
La négation :
x∈
/ A ∩ B ⇔ (x ∈
/ A∨x∈
/ B).
Remarque 1.4. (1) Si A, B n’ont pas d’élements en commun, on dit qu’ils
sont disjoints, alors A ∩ B = ∅.
(2) B = CEA ⇔ A ∪ B = E et A ∩ B = ∅.
(3) A − B = A ∩ B c .
1.5.3. La différence symétrique. Soient E un ensemble non vide et A, B ⊂ E, la
différence symétrique entre deux ensembles A, B est l’ensemble des éléments qui ap-
partiennent à A − B ou B − A noté A∆B.
A∆B = (A − B) ∪ (B − A) = (A ∩ CEB ) ∪ (B ∩ CEA ) = (A ∪ B) − (A ∩ B).
x ∈ A∆B ⇔ {x/x ∈ (A − B) ∨ x ∈ (B − A)}.
1. NOTION D’ENSEMBLE ET PROPRIÉTÉS 21
1.6. Propriétés des opérations sur les ensembles.

1.6.1. La commutativitée. Quels que soient A, B deux ensembles :
A ∩ B = B ∩ A,
A ∪ B = B ∪ A.
1.6.2. L’associativitée. Quels que soient A, B, C deux ensembles :
A ∩ (B ∩ C) = (A ∩ B) ∩ C,
A ∪ (B ∪ C) = (A ∪ B) ∪ C.
1.6.3. la distributivitée. Quels que soient A, B, C deux ensembles :
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C),
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
1.6.4. L’idempotence.
A ∪ A = A, A ∩ A = A.
1.6.5. Lois de Morgan.
a)(A ∪ B)c = Ac ∩ B c .
b)(A ∩ B)c = Ac ∪ B c .
preuve. Montrons que (A ∪ B)c ⊂ Ac ∩ B c et Ac ∩ B c ⊂ (A ∪ B)c ,
(A ∪ B)c ⊂ Ac ∩ B c :
Soit x ∈ (A ∪ B)c ⇒ x ∈ / (A ∪ B) ⇒ x ∈
/ A∧x ∈ / B ⇒ x ∈ Ac ∧ x ∈ B c ainsi
x ∈ (A ∪ B) ⇒ x ∈ (A ∩ B ), d’où (A ∪ B) ⊂ (A ∩ B c ).
c c c c c
Ac ∩ B c ⊂ (A ∪ B)c :
Soit x ∈ (Ac ∩ B c ) ⇒ x ∈ Ac ∧ x ∈ B c ⇒ x ∈ / A∧x ∈ / B ⇒ x ∈ / (A ∪ B), d’où
Ac ∩ B c ⊂ (A ∪ B)c , ainsi (A ∪ B)c = Ac ∩ B c . On suit le même raisonnement pour la
seconde relation.
1.7. Produit Cartesien. Soient A, B deux ensembles , a ∈ A, b ∈ B on note
A × B = {(a, b), a ∈ A, b ∈ B} l’ensemble A × B est l’ensemble des couples (a, b) pris
dans cet ordre il est appelé ensemble produit cartésien des ensemble A et B.
Remarque 1.5. Si A et B sont des ensembles finis et si on désigne par :
CardA : le nombre des éléments de A.

CardB : le nombre des éléments de B. on aura :
Card(A × B) = CardA × CardB.
Exemple 1.6. a) Soit E = {1, 2, 3, 4, 5, 6, 7, 8}, A = {1, 2, 3, 4, 5, 6}, B = {2, 4, 6, 8}
(1) A ⊂ E, B ⊂ E.
A n’est pas inclus dans B car 1 ∈ A ∧ 1 ∈
/ B.
B n’est pas inclus dans A car 8 ∈ B ∧ 8 ∈
/ A.
(2) A ∩ B = {2, 4, 6}, A ∪ B = {1, 2, 3, 4, 5, 6, 8}.
(3) A − B = {1, 3, 5}, B − A = {8}.

(4) A∆B = {1, 3, 5, 8}.
b) A = {1, 2}, B = {1, 2, 3}
A × B = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3)},
B × A = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 1), (3, 2)},
A×B =
6 B × A, car (3, 2) ∈ B × A, et (3, 2) ∈ / A × B.
2. Applications et relations d’équivalences

2.1. Application.
Définition 2.1. On appelle application d’un ensemble E dans un ensemble F
une loi de correspondance ( ou une relation de correspondance ) permettant d’associer
à tout x ∈ E un unique élément y ∈ F où E est l’ensemble de départ et F est l’ensemble
d’arrivé.
L’élément y associé à x est l’image de x par f , on note x 7−→ y/y = f (x).
Exemple 2.2. Soit l’application suivante :
(1) f1 : IN 7−→ IN
n 7−→ 4n + 2.
(2) f2 : IR 7−→ IR
x 7−→ 5x + 3.
2.2. Image directe et image réciproque.
2.2.1. a) L’image directe. Soit f : E 7−→ F et A ⊂ E, on appelle image de A par
f un sous ensemble de F , noté f (A) tel que
f (A) = {f (x) ∈ F/x ∈ A},
sachant que f (A) ⊂ F, et que A, f (A) sont des ensembles.
2.2.2. b) L’image réciproque. Soit f : E 7−→ F et B ⊂ F , on appelle l’image
réciproque de B par f , la partie de E notée f −1 (B) telle que
f −1 (B) = {x ∈ E/f (x) ∈ B},
sachant que f −1 (B) ⊂ E, et que B, f −1 (B) sont des ensembles.
Exemple 2.3. (1) Soit f l’application définie par :
f : [0, 3] 7−→ [0, 4]
x 7−→ f (x) = 2x + 1
Trouver f ([0, 1])?
f ([0, 1]) = {f (x)/x ∈ [0, 1]} = {2x + 1/0 ≤ x ≤ 1},

on a :0 ≤ x ≤ 1 ⇒ 0 ≤ 2x ≤ 2 ⇒ 1 ≤ 2x + 1 ≤ 3, alors f ([0, 1]) = [1, 3] ⊂
[0, 4].
2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 23
(2) Soit f l’application définie par :

g : [0, 2] 7−→ [0, 4]
x 7−→ f (x) = (2x − 1)2
Calculer f −1 ({0}), f −1 (]0, 1[).
1
f −1 ({0}) = {x ∈ [0, 2]/f (x) ∈ {0}} = {x ∈ [0, 2]/f (x) = 0} = {x ∈ [0, 2]/(2x−1)2 = 0} = { }.
2
−1 2
f (]0, 1[) = {x ∈ [0, 2]/f (x) ∈]0, 1[} = {x ∈ [0, 2]/0 < (2x − 1) < 1},
On a : (2x − 1)2 > 0 est verifiée ∀x ∈ IR − { 12 }, x ∈ [0, 2]. D’autre part
(2x − 1)2 < 1 ⇒ |2x − 1| < 1 ⇒ −1 < 2x − 1 < 1 ⇒ 0 < x < 1,
et donc x ∈]0, 1[, en regroupant les deux inégalités, on obtient
1 1 1 1
f −1 (]0, 1[) = ([0, [∪] , 2])∩]0, 1[=]0, [∪] , 1[.
2 2 2 2
2.2.3. 1) La surjection.
Définition 2.4. L’image f (E) de E par f est une partie de F. Si tout élément
de F est l’image par f d’au moins un élément de E, on dit que f est une application
surjective de E dans F on a : f (E) = F .
f est surjective ⇔ (∀y ∈ F ), (∃x ∈ E)/f (x) = y.
Exemple 2.5. Les applications suivantes sont-elles surjective ?
(1) f1 : IN 7−→ IN
n 7−→ 4n + 2.
f1 n’est pas surjective, en effet si on suppose qu’elle est surjective c’est à dire
∀y ∈ IN, ∃n ∈ IN/4n + 1 = y =⇒ n = y−1 4
, or n = y−1
4
∈
/ IN contradiction f1
n’est pas surjective.
(2) f2 : IR 7−→ IR
x 7−→ 5x + 3.
f2 est surjective car : ∀y ∈ IR, ∃x ∈ IR/5x + 3 = y =⇒ x = y−3 5
∈ IR.
2.2.4. 2) L’injection.
Définition 2.6. Quand on a deux éléments dictincts de E correspondent pas f à
deux image différentes de F , f est dite application injective, on a alors :
(f est injective) ⇔ (∀x1 , x2 ∈ E, x1 6= x2 ⇒ f (x1 ) 6= f (x2 )),
ou
(f est injective) ⇔ (∀x1 , x2 ∈ E, f (x1 ) = f (x2 ) ⇒ x1 = x2 ).
Exemple 2.7. Les applications suivantes sont-elles injerctive ?
(1) f1 : IN 7−→ IN
n 7−→ 4n + 2.
f1 est injective car :∀n1 , n2 ∈ IN, f (x1 ) = f (x2 ) ⇒ 4n1 + 2 = 4x2 + 2 ⇒ 4n1 =
4n2 ⇒ n1 = n2 .
(2) f2 : IR 7−→ IR
x 7−→ 5x + 3.
f2 est injective car :∀x1 , x2 ∈ IR, f (x1 ) = f (x2 ) ⇒ 5x1 + 3 = 5x2 + 3 ⇒ 5x1 =
5x2 ⇒ x1 = x2 .
2.2.5. 3) La bijection. f est une application bijective si elle injective et surjective,
c’est à dire tout élément de F est l’image d’un unique élément de E, f est bijective si
et seulement si :
(∀y ∈ F ), (∃!x ∈ E), (f (x) = y). (∃! signifie unique)
Exemple 2.8. (1) f1 n’est pas bijective car elle n’est pas surjective.
(2) f2 est bijective.
Remarque 2.9. Lorsque une application f est bijective cela veut dire que l’appli-
cation inverse f −1 existe. f −1 est aussi bijective de F sur E et (f −1 )−1 = f.
Exemple 2.10. f2 est bijective et sa bijection est définie par :
f2−1 : IR 7−→ IR
y−3
y 7−→ .
5
2.2.6. 4) La composition d’application. Soient E, F, G des ensembles et deux appli-
cations f, g telles que
f : E 7−→ F, g : F 7−→ G
x 7−→ f (x) = y , y 7−→ g(y) = z
On définit l’application
g ◦ f : E 7−→ G
x 7−→ g ◦ f (x) = z.
Proposition 2.11. (1) Si f et g sont injectives ⇒ g ◦ f est injective.
(2) Si f et g sont surjectives ⇒ g ◦ f est surjective.
2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 25
preuve. (1) Supposons que f et g sont injectives, montrons que g ◦ f est

injective :
∀x1 , x2 ∈ E, g ◦ f (x1 ) = g ◦ f (x2 ) puisque g est injective on aura :
g(f (x1 )) = g(f (x2 )) ⇒ f (x1 ) = f (x2 )
puisque f est injective ainsi :
g ◦ f (x1 ) = g ◦ f (x2 ) ⇒ x1 = x2 ,
g ◦ f est injective.
(2) Supposons que f et g sont surjectives c’est à dire f (E) = F, g(F ) = G, mon-
trons que g ◦ f est surjective :
g ◦ f (E) = g(f (E)) = g(F ) = G

d’après la surjectivitée de f, g d’où le résultat.
Remarque 2.12. Il s’ensuit que la composée de deux bijection et une bijection.
En particulier, la composition de f : E 7−→ F et sa réciproque f −1 : F 7−→ E est
l’application indentitée IdE , f −1 ◦ f = IdE , f ◦ f −1 ) = IdF .
2.2.7. c) Propriétés des applications. Soit f : E 7−→ F on a :
(1) A ⊂ B ⇒ f (A) ⊂ f (B).
(2) f (A ∪ B) = f (A) ∪ f (B).
(3) f (A ∩ B) ⊂ f (A) ∩ f (B).
preuve. (1) Soit y ∈ f (A) alors ∃x ∈ A/f (x) = y, or A ⊂ B ⇒ x ∈ B donc
y = f (x) ∈ f (B) d’où f (A) ⊂ f (B).
(2) Soit
y ∈ f (A ∪ B) ⇔ ∃x ∈ A ∪ B/f (x) = y
⇔ ∃x ∈ A/f (x) = y ∨ ∃x ∈ B/f (x) = y
⇔ y ∈ f (A) ∨ y ∈ f (B)
⇔ y ∈ f (A) ∪ f (B),
ainsi f (A ∪ B) = f (A) ∪ f (B).
Soit
y ∈ f (A ∩ B) ⇒ ∃x ∈ A ∩ B/f (x) = y
⇒ ∃x ∈ A/f (x) = y ∧ ∃x ∈ B/f (x) = y
⇒ y ∈ f (A) ∧ y ∈ f (B)
⇒ y ∈ f (A) ∩ f (B),
ainsi f (A ∩ B) ⊂ f (A) ∩ f (B).
Exemple 2.13. f (x) = x2 , A = [−1, 0], B = [0, 1], A∩B = {0}, f (A) = [0, 1], f (B) =
[0, 1],
f (A) ∩ f (B) = [0, 1], f (A ∩ B) = f ({0}) = {0} =
6 [0, 1] = f (A) ∩ f (B).
L’égalité :f (A ∩ B) = f (A) ∩ f (B) est vérifiée lorsque f est injective.
Proposition 2.14. Soit f : E 7−→ F , g : F 7−→ G on a :
(1) g ◦ f est injective, alors f est injective.
(2) g ◦ f est surjective, alors g est surjective.
(3) g ◦ f est bijective, alors f est injective et g est surjective.
preuve. (1) Soit x1 , x2 ∈ E/f (x1 ) = f (x2 ), alors g(f (x1 )) = g(f (x2 )) comme
g ◦ f est injective ainsi x1 = x2 d’où f est injective.
(2) On a f (E) ⊂ F ⇒ g ◦ f (E) ⊂ g(F ) ⊂ G, puisque g ◦ f est surjective , alors
g ◦ f (E) = G, ainsi G ⊂ g(F ) d’où G = g(F ), g est surjective
3. Relations Binaires dans un ensemble

Définition 3.1. Soient x ∈ E, y ∈ F une relation R entre x et y est une corres-
pondance entre x et y. Le couple (x, y) vérifie la relation R, on note xRy, si E = F
la relation est dite binaire.
Exemple 3.2. (1) ∀x, y ∈ IN, xRy ⇔ x dévise y, R est une relation binaire.
(2) ∀x, y ∈ IR, xRy ⇔ x ≥ y.
(3) A ⊂ E, B ⊂ F, ARB ⇔ A ⊂ B.
3.1. Propriétés des relations binaires. Soient R une relation binaire dans l’en-
semble E et x, y, z ∈ E, on dit que R est une relation
(1) Réflexive : (∀x ∈ E), (xRx).
(2) Symétrique : (∀x ∈ E), (∀y ∈ E), (xRy ⇒ yRx).
(3) Antisymétrique :((∀x ∈ E), (∀y ∈ E), ((xRy) ∧ (yRx)) ⇒ (x = y)).
(4) Transitive :(∀x, y, z ∈ E), ((xRy) ∧ (yRz)) ⇒ (xRz).
Définition 3.3. Une relation est dite relation déquivalence si elle est réflexive,
symétrique et transitive.
Définition 3.4. Une relation est dite relation d’ordre si elle est réflexive, antisy-
métrique et transitive.
Exemple 3.5. (1) ∀x, y ∈ IN, xRy ⇔ x = y est une relation d’équivalence.
(2) A ⊂ E, B ⊂ F, ARB ⇔ A ⊂ B est une relation d’ordre, en effet :
(a) ∀A ⊂ E, A ⊂ A ⇔ R est réflexive.
(b) ∀A, B ∈ E, ((A ⊂ B) ∧ (B ⊂ A)) ⇒ A = B ⇔ R est antisymétrique.
(c) ∀A, B, C ∈ E, ((A ⊂ B) ∧ (B ⊂ C)) ⇒ A ⊂ C ⇔ R est transitive.
3. RELATIONS BINAIRES DANS UN ENSEMBLE 27
(3) ∀x, y ∈ IR, xRy ⇔ x ≤ y, est une relation d’ordre.
Définition 3.6. une relation d’ordre dans un ensemble E est dite d’ordre total si
deux éléments quelconques de E sont comparables , ∀x, y ∈ E, on a xRy ou yRx.
Une relation d’ordre est dite d’ordre partiel si elle n’est pas d’ordre total.
Exemple 3.7. – ∀x, y ∈ IR, xRy ⇔ x ≤ y, est une relation d’ordre total.
(1) R est réflexive : ∀x ∈ IR, x ≤ x ⇔ xRx.
(2) R est antisymétrique : ∀x, y ∈ IR, ((xRy) ∧ (yRx)) ⇔ ((x ≤ y) ∧ (y ≤ x)) ⇒
x = y.
(3) R est transitive : ∀x, y, z ∈ IR, ((xRy) ∧ (yRz)) ⇔ ((x ≤ y) ∧ (y ≤ z)) ⇔
y ≤ z ⇒ x ≤ z ⇔ xRz.
(4) R est une relation d’ordre total car ∀x, y ∈ IR, x ≤ou y ≤ x.
– Soient (x, y), (x0 , y 0 ) ∈ IR2 ; (x, y)R(x0 , y 0 ) ⇔ (x ≤ x0 ) ∧ (y ≤ y 0 ) est une relation
d’ordre partiel, en effet : ∃(1, 2), (3, 0) ∈ IR2 , et (1, 2) n’est pas en relation avec
(3, 0), et (3, 0) n’est pas en relation avec (1, 2) .
3.2. Classe d’équivalence. Soit R une relation d’équivalence, on appelle classe

déquivalence d’un élément x ∈ E l’ensemble des éléments y ∈ E qui sont en relation
R avec x on note Cx , où
x = Cx = ẋ = {y ∈ E/xRy}
Définition 3.8. L’ensemble des classes d’équivalence d’éléments de E est appelée

ensemble quotient de E par R, il est noté E/R ,
E/R = {ẋ/x ∈ E}
Exemple 3.9. ∀x, y ∈ IR, xRy ⇔ x2 − x = y 2 − y, R est une relation d’équivalence

car :
(1) ∀x ∈ IR, x2 − x = x2 − x ⇔ xRx ⇔ R est refléxive.
(2) ∀x, y ∈ IR, xRy ⇔ x2 −x = y 2 −y ⇔ y 2 −y = x2 −x ⇔ yRx, R est symétrique.
(3) ∀x, y, z ∈ IR, xRy ⇔ x2 − x = y 2 − y ∧ y 2 − y = z 2 − z ⇔ x2 − x = z 2 − z ⇔
zRx, R est transitive.
Cherchons les classes d’équivalence suivantes : C0 , 1, 2̇, C 1 .
2
2
(1) C0 = {y ∈ E/0Ry}, 0Ry ⇔ y − y = 0, ainsi C0 = {0, 1}.
(2) 1 = {y ∈ E/1Ry}, y 2 − y = 1 − 1 = 0, ainsi 1 = {0, 1}.
(3) 2̇ = {y ∈ E/2Ry}, y 2 − y = 2, ainsi 2̇ = {−1, 2}.
(4) C 1 = {y ∈ E/ 12 Ry}, y 2 − y = 1
4
− 1
2
= − 41 , ainsi C 1 = { 12 }.
2 2
Exercice 7. On considère les ensembles suivants :
A = {1, 2, 5}, B = {{1, 2}, 5}, C = {{1, 2, 5}}, D = {∅, 1, 2, 5},
E = {5, 1, 2}, F = {{1, 2}, {5}}, G = {{1, 2}, {5}, 5}, H = {5, {1}, {2}}.
(1) Quelles sont les relations d’égalité ou d’inclusion qui existent entre ces en-
sembles ?
(2) Déterminer A ∩ B, G ∪ H, E − G.
(3) Quel est le complémentaire de A dans D.
Solution . (1) On remarque A = E, A ⊂ D, E ⊂ D, B ⊂ G, F ⊂ G.
(2) A ∩ B = {5}, G ∪ H = {5, {1}, {2}, {1, 2}, {5}}, E − G = {1, 2}.
A
(3) CD = {∅}.
Exercice 8. Etant donné A, B et C trois parties d’un ensemble E,
a) Montrer que :
(1) (A ∩ B) ∪ B c = A ∪ B c .
(2) (A − B) − C = A − (B ∪ C).
(3) A − (B ∩ C) = (A − B) ∪ (A − C).
b) Simplifier :
(1) (A ∪ B) ∩ (C ∪ A).
(2) (A ∩ B) ∪ (C ∩ A).
Solution . a) Montrons que :
(1) (A ∩ B) ∪ B c = A ∪ B c .
Soit x ∈ (A ∩ B) ∪ B c ⇔ x ∈ (A ∩ B) ∨ x ∈ B c ,
x ∈ (A ∩ B) ∪ B c ⇔ (x ∈ A ∧ x ∈ B) ∨ (x ∈/ B)
⇔ (x ∈ A ∨ x ∈/ B) ∧ (x ∈ B ∨ x ∈
/ B)
c c
⇔ x ∈ (A ∪ B ) ∧ x ∈ (B ∪ B )
⇔ x ∈ (A ∪ B c ) ∩ E
⇔ x ∈ A ∪ Bc.
Car E = B c ∪ B et A ∪ B c est un sous ensemble se E.
(2) (A − B) − C = A − (B ∪ C). Soit x ∈ (A − B) − C on a :
x ∈ (A − B) − C ⇔ (x ∈ A ∧ x ∈
/ B) ∧ (x ∈/ C)
⇔ x ∈ A ∧ (x ∈
/ B∧x∈ / C)
⇔ x ∈ A ∧ (x ∈ B ∩ C c )
c
⇔ x∈A∧x∈ / (B ∪ C)Lois Morgan

⇔ x ∈ A − (B ∪ C).
(3) A − (B ∩ C) = (A − B) ∪ (A − C).
x ∈ A − (B ∩ C) ⇔ (x ∈ A ∧ (x ∈
/ B∧x∈ / C)
⇔ (x ∈ A ∧ x ∈
/ B) ∧ (x ∈ A ∧ x ∈
/ C)
⇔ x ∈ (A − B) ∧ x ∈ (A − C)
⇔ x ∈ (A − B) ∩ (A − C).
b) Simplifions
(1) (A ∪ B) ∩ (C ∪ A).
(A ∪ B) ∩ (C ∪ A) = (A ∩ B) ∩ (C ∩ A)
= (A ∩ A) ∩ (B ∩ C)
= ∅ ∩ (B ∩ C)
= ∅.
(2) (A ∩ B) ∪ (C ∩ A).
(A ∩ B) ∪ (C ∩ A) = (A ∪ B) ∪ (C ∪ A)
= (A ∪ A) ∪ (B ∪ C)
= E ∪ (B ∪ C)
= E.
Exercice 9. Soient E = [0, 1], F = [−1, 1], et G = [0, 2] trois intervalles de IR.
Considérons l’application f de E dans G définie par :
f (x) = 2 − x,
et l’application g de F dans G définie par :
g(x) = x2 + 1
(1) Déterminer f ({1/2}), f −1 ({0}), g([−1, 1]), g −1 [0, 2]).
(2) L’application f est-elle bijective ? justifier.
(3) L’application g est-elle bijective ? justifier.
Solution . (1) (a) f ({1/2}) = {f (x) ∈ [0, 2]/x = 1/2},

f (1/2) = 3/2 ∈ [0, 2], alors :
f ({1/2}) = {3/2}.
(b) f −1 ({0}) = {x ∈ [−1, 1]/f (x) = 0}.
On a f (x) = 2 − x = 0 ⇒ x = 2 ∈ / [−1, 1], alors :
f −1 ({0}) = ∅.
(c) g([−1, 1]) = {g(x) ∈ [0, 2]/x ∈ [−1, 1]}, on a x ∈ [−1, 0]∪]0, 1].
x ∈ [−1, 0] ⇒ −1 ≤ x ≤ 0
⇒ 0 ≤ x2 ≤ 1
⇒ 1 ≤ x2 + 1 ≤ 2
⇒ g(x) ∈ [1, 2] ⊂ [0, 2]
d’où g([−1, 0]) = [1, 2]
x ∈]0, 1] ⇒ 0<x≤1
⇒ 0 < x2 ≤ 1
⇒ 1 < x2 + 1 ≤ 2
⇒ g(x) ∈]1, 2] ⊂ [0, 2]
d’où g(]0, 1]) =]1, 2], g([−1, 1]) = [1, 2].
(d) g −1 ([0, 2]) = {x ∈ [−1, 1]/g(x) ∈ [0, 2]}, on a
g(x) ∈ [0, 2] ⇒ 0 ≤ x2 + 1 ≤ 2
⇒ −1 ≤ x2 ≤ 1
⇒ (−1 ≤ x2 < 0) ∨ (0 ≤ x2 ≤ 1)
l’ingalité (−1 ≤ x2 < 0) n’a pas de solutions.
0 ≤ x2 ≤ 1 ⇔ 0 ≤ |x| ≤ 1 ⇔ −1 ≤ x ≤ 1.
Ainsi
g −1 ([0, 2]) = ∅ ∪ [−1, 1] = [−1, 1].
(2) Comme f −1 ({0}) = ∅ c’est à dire l’élément 0 ∈ [0, 2] n’admet pas d’antécédent
par f dans [−1, 1] donc f n’est pas surjetive et par suite n’est pas bijective.
(3) L’application g est paire donc g(−1) = g(1) or −1 6= 1 donc g n’est pas
injective d’où g ne peut être bijective, aussi on remarque que g([−1, 1]) =
[1, 2] 6= [0, 2] donc g n’est pas surjecive, alors n’est pas aussi bijective.
Exercice 10. On définit sur IR2 la relation R par :
(x, y)R(x0 , y 0 ) ⇔ x + y = x0 + y 0
(1) Montrer que R une relation d’équivalence.
(2) Trouver la classe d’équivalence du couple (0, 0).
Solution . R est une classe d’équivalence si et seulement si elle est réfléxive et
(1) a) R est réfléxive si et seulement si ∀(x, y) ∈ IR2 , (x, y)R(x, y)
(x, y)R(x, y) ⇔ x + y = x + y .
D’où R est réfléxive.

b) R est symétrique si et seulement si
∀(x, y), (x0 , y 0 ) ∈ IR2 , (x, y)R(x0 , y 0 ) ⇒ (x0 , y 0 )R(x, y)
(x, y)R(x0 , y 0 ) ⇒ x + y = x0 + y 0
⇒ x0 + y 0 = x + y
⇒ (x0 , y 0 )R(x, y)
D’où R est symétique.
c) R est transitive si et seulement si
∀(x, y), (x0 , y 0 ), (x”, y”) ∈ IR2 , (x, y)R(x0 , y 0 ) ∧ (x0 , y 0 )R(x”, y”) ⇒ (x, y)R(x”, y”)

 x + y = x0 + y 0
(x, y)R(x0 , y 0 ) ∧ (x0 , y 0 )R(x”, y”) ⇒ ∧
 x0 + y 0 = x” + y”
⇒ x + y = x” + y”
⇒ (x, y)R(x”, y”)
D’où R est transitive, Ainsi R est une relation d’équivalence.
(2) Trouvons la classe d’équivalence du couple (0, 0).
C((0, 0)) = {(x, y) ∈ IR2 /(x, y)R(0, 0)}
= {(x, y) ∈ IR2 /x + y = 0}
= {(x, y) ∈ IR2 /y = −x}
= {(x, −x)/x ∈ IR}.
Exercice 11. On définit sur IR2 la relation T par

(x, y)T (x0 , y 0 ) ⇔ |x − x0 | ≤ y 0 − y
(1) Vérfier que T est une relation d’ordre. Cet ordre est-il total ?
(2) Soit (a, b) ∈ IR2 , représenter l’ensemble {x, y) ∈ IR2 /(x, y)T (a, b)}.
Solution . T est une relation d’ordre si et seulement si elle est réfléxive et anti-
(1) a) R est réfléxive si et seulement si ∀(x, y) ∈ IR2 , (x, y)R(x, y)
(x, y)R(x, y) ⇔ |x − x| ≤ y − y ⇒ 0 ≤ 0 .
D’où T est réfléxive.
b) T est anti-symétrique si et seulement si
∀(x, y), (x0 , y 0 ) ∈ IR2 , ((x, y)T (x0 , y 0 )) ∧ ((x0 , y 0 )T (x, y)) ⇒ (x, y) = (x0 , y 0 )

 |x − x0 | ≤ y 0 − y
0 0 0 0
(x, y)T (x , y ) ∧ (x , y )T (x, y) ⇒ et
 0
|x − x| ≤ y − y 0
⇒ 2|x − x0 | ≤ 0
⇒ |x − x0 | = 0
⇒ x = x0
⇒ y0 − y ≥ 0 ∧ y − y0 ≥ 0
⇒ y0 − y ≥ 0 ∧ y0 − y ≤ 0
⇒ y0 − y = 0 ⇒ y = y0.
D’où (x, y) = (x0 , y 0 ), alors T est anti-symétique.
c) T est transitive si et seulement si
∀(x, y), (x0 , y 0 ), (x”, y”) ∈ IR2 , ((x, y)T (x0 , y 0 )) ∧ ((x0 , y 0 )T (x”, y”)) ⇒ (x, y)T (x”, y”)

 |x − x0 | ≤ y 0 − y
(x, y)T (x0 , y 0 ) ∧ (x0 , y 0 )T (x”, y”) ⇒ et
 |x0 − x”| ≤ y” − y 0

 −y 0 + y ≤ x − x0 ≤ y 0 − y
⇒ et
−y” + y 0 ≤ x0 − x” ≤ y” − y 0

⇒ −y” + y ≤ x0 − x” ≤ y” − y
⇒ |x − x”| ≤ y” − y
⇒ (x, y)T (x”, y”)
D’où T est transitive, alors c’est un relation d’ordre.
L’ordre n’est pas total car ∃(x, y) = (2, 3) et (x0 , y 0 ) = (4, 3) tels que si on
suppose que (x, y)T (x0 , y 0 ) ⇒ |2 − 4| ≤ 0 ce qui absurde.
De plus (x0 , y 0 )T (x, y) ⇒ |4 − 2| ≤ 0 faux.
(2) Soit (a, b) ∈ IR2 , déterminons l’ensemble {x, y) ∈ IR2 /(x, y)T (a, b)}.
(x, y)T (a, b) ⇔ |x − a| ≤ b − y

⇔ (x − a)2 − (y − b)2 ≤ 0
⇔ [(x − a) + (y − b)][(x − a) − (y − b)] ≤ 0
⇔ [(x − a + y − b) ≥ 0 ∧ (x − a) − (y − b) < 0]
∨ [(x − a + y − b) < 0 ∧ (x − a) − (y − b) ≥ 0].
on pose :
Dp1 : le demi-plan fermé d’équations (x − y − a + b) ≥ 0.
Dp2 : le demi-plan ouvert d’équations (x + y − a − b) < 0.
Dp3 : le demi-plan ouvert d’équations (x − y − a + b) < 0.
Dp4 : le demi-plan fermé d’équations (x + y − a − b) ≥ 0.

D’où
(a,˙ b) = {x, y) ∈ IR2 /(x, y)T (a, b)} = (Dp1 ∩ Dp2 ) ∪ (Dp3 ∩ Dp4 )
CHAPITRE 4
Structures Algébriques avec Exercices Corrigés
1. Lois De Composition Internes

Définition 1.1. Soit G un ensemble, on appelle loi interne sur G toute application
de G × G dans G, on note souvent une loi interne par ? ou δ.
Exemple 1.2. (1) L’addition est une loi interne sur IR
+ : IR × IR 7−→ IR
(a, b) 7−→ a + b.
(2) L’application
1 1
? : IR − { } 7−→ IR − { }
2 2
(a, b) 7−→ a + b − 2ab
est une loi interne dans IR − { 12 }, en effet : ∀a, b ∈ IR − { 12 }, montrons que
a + b − 2ab ∈ IR − { 21 } plus précisement il faut prouver que a + b − 2ab 6= 12 car
il est évident que a + b − 2ab ∈ R, on va raisonner par l’absurde on suppose
que a + b − 2ab = 21 , sachant que a 6= 12 , et b 6= 21 :
1 1 1 1 1
a + b − 2ab = ⇒ a(1 − 2b) + (b − ) = 0 ⇒ ( − b)(2a − 1) = 0 ⇒ a = ∨ b =
2 2 2 2 2
contradiction, alors ce qu’on a supposé est faux c’est à dire a + b − 2ab 6= 12 ,
d’où a ? b ∈ IR − { 12 }, ? est une loi interne.
Définition 1.3. Soit G un ensemble et ? une loi interne.
(1) ? est dite commutative si et seulement si :
∀x, y ∈ G, x ? y = y ? x.
(2) ? est dite associative si et seulement si :
∀x, y, z ∈ G, x ? (y ? z) = (x ? y) ? z.
(3) ? admet un élement neutre si et seulement si :
∃e ∈ G, ∀x ∈ G, x ? e = e ? x = x.
(4) Soit x ∈ G on dit qu’un élément x0 ∈ G est l’élement symétrique ou
inverse de x si et seulement si x ? x0 = x0 ? x = e, où e ∈ G est l’élément
neutre.
35
36 4. STRUCTURES ALGÉBRIQUES AVEC EXERCICES CORRIGÉS
2. Groupes
Définition 2.1. On appelle groupe un ensemble G muni d’une loi ou opération
ineterne ? telle que :
(1) ? admet un élément neutre.
(2) Tout élément de G admet un élément symétrique dans G.
(3) ? est associative.
Si de plus ? est commutatif, alors (G, ?) est un groupe commutatif ou abélien.
Exemple 2.2. (1) (Z, +) est un groupe commutatif.
(2) (IR, ×) n’est pas un groupe car 0 n’admet pas d’élément symétrique.
(3) (IR∗+ , ×) est un groupe commutatif.
3. Anneaux
Définition 3.1. Soit A un ensemble muni de deux lois de composition internes
?, δ, on dit que (A, ?, δ) est un anneau si :
(1) (A, ?) est un groupe commutatif.
(2) ∀x, y, z ∈ A,
xδ(y ? z) = (xδy) ? (xδz) et (x ? y)δz = (xδz) ? (yδz),
distributivité à gauche et à droite.
(3) δ est associative .
Si de plus δ est commutative, on dit que (A, ?, δ) est un anneau commutatif.
Si δ admet un élément neutre, on dit que (A, ?, δ) est un anneau unitaire.
Exemple 3.2. (Z, +, ·) est un anneau commutatif et unitaire.
4. Corps
Définition 4.1. Soit IK un ensemble munie de deux lois de composition internes
?, δ, on dit que (IK, ?, δ) est un corps si :
(1) (IK, ?, δ) est un anneau unitaire.
(2) (IK − {e}, δ) est un groupe , où e est l’élément neutre de ?.
Si de plus δ est commutative, On dit que (IK, ?, δ) est un corps commutatif.
Exemple 4.2. (IR, +, ·) est un corps commutatif.
Exercice 12. Soit ∗ une loi définie sur IR par :
x ∗ y = xy + (x2 − 1)(y 2 − 1)
(1) Vérifier que ∗ est commutative, non associative et admet un élément neutre.
(2) Résoudre les équations suivantes : 2 ∗ y = 5, x ∗ x = 1.
Solution . (1) ∗ est commutative si et seulement si :
∀x, y ∈ IR/x ∗ y = y ∗ x.
x ∗ y = xy + (x2 − 1)(y 2 − 1) = yx + (y 2 − 1)(x2 − 1) = y ∗ x.

Car le produit et la somme sont commutatives.
(2) ∗ est non associative, on suppose que c’est associative c’est à dire :
∀x, y, z ∈ IR, (x ∗ y) ∗ z = x ∗ (y ∗ z).
(x ∗ y) ∗ z = [xy + (x2 − 1)(y 2 − 1)] ∗ z
= (xy + (x2 − 1)(y 2 − 1))z + (z 2 − 1)([xy + (x2 − 1)(y 2 − 1)]2 − 1)
= xyz + (x2 − 1)(y 2 − 1)z + (z 2 − 1)x2 y 2 + 2(z 2 − 1)(x2 − 1)(y 2 − 1)(xy)
+ (z 2 − 1)(x2 − 1)2 (y 2 − 1)2 − (z 2 − 1)...(1)
x ∗ (y ∗ z) = x ∗ [yz + (y 2 − 1)(z 2 − 1)]
= x(yz + (y 2 − 1)(z 2 − 1)) + (x2 − 1)([yz + (y 2 − 1)(z 2 − 1)]2 − 1)
= xyz + x(y 2 − 1)(z 2 − 1) + (x2 − 1)y 2 z 2 + 2(x2 − 1)(y 2 − 1)(z 2 − 1)(yz)
+ (x2 − 1)(y 2 − 1)2 (z 2 − 1)2 − (x2 − 1)...(2)
contradiction (1) 6= (2) d’où ∗ n’est pas associative
(3) ∗ admet un élément neutre si et seulement si
∃e ∈ IR, ∀x ∈ IR/x ∗ e = e ∗ x = x.
On prend juste une seule équation car la loi est commutative.
∀x ∈ IR, x ∗ e = x
∀x ∈ IR, xe + (x2 − 1)(e2 − 1) = x
∀x ∈ IR, (e − 1)(x + (x2 − 1)(e + 1)) = 0
Alors on a 
 e−1=0
∨
∀x ∈ IR, x + (e + 1)x2 − (e + 1) = 0

On sait qu’un polynôme est nul ∀x si tous ses coefficients sont tous nuls, et
comme le coefficient de x est 1 6= 0 on déduit que le polynôme ne peut s’annuler,
d’où e = 1 est vraie. e = 1 est l’élément neutre.
(4) 2 ∗ y = 5 ⇒ 2y + 3(y 2 − 1) = 5 ⇒ y = 4/3 ∨ y = −2.
(5) x ∗ x = 1 ⇒ x2 + (x2 − 1)2 = 0 ⇒ x = 0, x = ±1.
Exercice 13. On définit sur G = IR∗ × IR loi interne ∗ comme suit :
∀(x, y), (x0 , y 0 ) ∈ G, (x, y) ∗ (x0 , y 0 ) = (xx0 , xy 0 + y)
Montrons que (G, ∗) est un groupe non commutatif.
Solution . (G, ∗) est un groupe si et seulement si


 ∗est associative
∗admet un élément neutre
 Tout élément de E admet un inverse dansE
(1) ∗ est associative si et seulement si
∀(x, y), (x0 , y 0 ), (x”, y”) ∈ G, /[(x, y) ∗ (x0 , y 0 )] ∗ (x”, y”) = (x, y) ∗ [(x0 , y 0 ) ∗ (x”, y”)]?
[(x, y) ∗ (x0 , y 0 )] ∗ (x”, y”) = (xx0 , xy 0 + y) ∗ (x”, y”)

= (xx0 x”, xx0 y” + xy 0 + y)......(1),
(x, y) ∗ [(x0 , y 0 ) ∗ (x”, y”)] = (x, y) ∗ (x0 x”, x0 y” + y 0 )

= (xx0 x”, xx0 y” + xy 0 + y)......(2).
(1) = (2) d’où le résultat.

(2) (e, e0 ) ∈ G est un élément neutre de G si et seulement si
∀(x, y) ∈ G, (x, y) ∗ (e, e0 ) = (e, e0 ) ∗ (x, y) = (x, y)
(x, y) ∗ (e, e0 ) = (x, y) (xe, xe0 + y) = (x, y)

⇒
(e, e0 ) ∗ (x, y) = (x, y) (ex, ey + e0 ) = (x, y)


 xe = x
 0
xe + y = y
⇒
 ex = x
 ey + e0 = y

e = 1 ∈ IR∗ , x 6= 0

⇒
e0 = 0 ∈ IR,
ainsi (e, e0 ) = (1, 0) ∈ G est l’élément neutre.

(3) ∀(x, y) ∈ G, ∃(x0 , y 0 ) ∈ G/(x, y) ∗ (x0 , y 0 ) = (x0 , y 0 ) ∗ (x, y) = (e, e0 ) = (1, 0).
(x, y) ∗ (x0 , y 0 ) = (1, 0) (xx0 , xy 0 + y) = (1, 0)

⇒
(x0 , y 0 ) ∗ (x, y) = (1, 0) (x0 x, x0 y + y 0 ) = (1, 0)


 xx0 = 1
 0
xy + y = 0
⇒
 x0 x = 1
 x0 y + y 0 = 0

x = 1/x ∈ IR∗ , x 6= 0
0
⇒
y 0 = −y/x ∈ IR, x 6= 0
ainsi le symétrique de (x, y) ∈ G est (x0 , y 0 ) = (1/x, −y/x) ∈ G, alors (G, ∗)
est un groupe.
(4) ∗ est non commutatif si et seulement si
∃(x, y) = (2, 0) ∈ G, ∃(x0 , y 0 ) = (1, 1) ∈ G/(x, y) ∗ (x0 , y 0 ) 6= (x0 , y 0 ) ∗ (x, y).

(2, 0) ∗ (1, 1) = (2, 2) ...(1)
(1, 1) ∗ (2, 0) = (2, 1) ...(2)
on remarque que (1) 6= (2), alors (G, ∗) est un groupe non commutatif.
Exercice 14. On définit sur Z2 les deux lois ⊕, comme suit :
∀(x, y), (x0 , y 0 ) ∈ IR2 , (x, y) ⊕ (x0 , y 0 ) = (x + x0 , y + y 0 ),
∀(x, y), (x0 , y 0 ) ∈ IR2 , (x, y) (x0 , y 0 ) = (xx0 , xy 0 + yx0 ).

Montrer que (Z2 , ⊕, ) est anneau commutatif.
2
 Solution . (Z , ⊕, ) est anneau commutatif si et seulement si :
 (Z2 , ⊕) est un groupe abélien
est associative et distributive par rapport à loi ⊕ .
est une loi commutatif

(1) (Z2 , ⊕) est un groupe abélien :

a: ⊕ est commutative :
∀(x, y), (x0 , y 0 ) ∈ IR2 ,
(x, y) ⊕ (x0 , y 0 ) = (x + x0 , y + y 0 ) = (x0 + x, y 0 + y) = (x0 , y 0 ) ⊕ (x, y).
b: ⊕ est associative :
∀(x, y), (x0 , y 0 ), (x”, y”) ∈ IR2 ,
[(x, y) ⊕ (x0 , y 0 )] ⊕ (x”, y”) = (x + x0 , y + y 0 ) ⊕ (x”, y”) = (x + x0 + x”, y + y 0 + y”)...(1)

(x, y) ⊕ [(x0 , y 0 ) ⊕ (x”, y”)] = (x, y) ⊕ (x0 + x”, y 0 + y”) = (x + x0 + x”, y + y 0 + y”)...(2)
c: Il existe e = (e1 , e2 ) ∈ Z2 tel que :

(e1 , e2 ) ⊕ (x, y) = (x, y) ⊕ (e1 , e2 ) = (x, y)
Puisque ⊕est commutative on traite une seul équation :
(x, y) ⊕ (e1 , e2 ) = (x, y) =⇒ (x + e1 , y + e2 ) = (x, y)

x + e1 = x e1 = 0
Alors =⇒ e = (0, 0) ∈ Z2 est l’élément
y + e2 = y e2 = 0
neutre de ⊕.
d: Chaque élément de Z2 possède un élément symétrique dans Z2 , ∀(x, y) ∈
Z2 , ∃(x0 , y 0 ) ∈ Z2 :
(x, y) ⊕ (x0 , y 0 ) = (0, 0), (x0 , y 0 ) ⊕ (x, y) = (0, 0),
il suffit de prendre x0 = −x, y 0 = −y ainsi (−x, −y) ∈ Z2 est l’élément
symétrique de (x, y) ∈ Z2 .
Sachant a,b,c,d (Z2 , ⊕) est un groupe commutatif.
(2) – est associative : ∀(x, y), (x0 , y 0 ), (x”, y”) ∈ IR2 ,
[(x, y)(x0 , y 0 )](x”, y”) = (xx0 , xy 0 +yx0 )(x”, y”) = (xx0 x”, xx0 y”+xy 0 x”+yx0 x”)...(1)
(x, y)[(x0 , y 0 )(x”, y”)] = (x, y)(x0 x”, x0 y”+y 0 x”) = (xx0 x”, xx0 y”+xx”y 0 +yx0 x”)...(2)
– distributive par rapport à ⊕ : ∀(x, y), (x0 , y 0 ), (x”, y”) ∈ IR2 ,
(x, y) [(x0 , y 0 ) ⊕ (x”, y”)] = [(x, y) (x0 , y 0 )] ⊕ [(x, y) (x”, y”],

[(x, y) ⊕ (x0 , y 0 )] (x”, y”) = [(x, y) (x”, y”)] ⊕ [(x0 , y 0 ) (x”, y”)].
Montrons que :
(x, y) [(x0 , y 0 ) ⊕ (x”, y”)] = [(x, y) (x0 , y 0 )] ⊕ [(x, y) (x”, y”],
On a :
(x, y) [(x0 , y 0 ) ⊕ (x”, y”)] = (x, y) [x0 + x”, y 0 + y”]
Ainsi
(x, y) [(x0 , y 0 ) ⊕ (x”, y”)] = (xx0 + xx”, xy 0 + xy” + yx0 + yx”)...(3)
[(x, y) (x0 , y 0 )] ⊕ [(x, y) (x”, y”] = (xx0 , xy 0 + yx0 ) ⊕ (xx”, xy” + yx”).
De plus
[(x, y) (x0 , y 0 )] ⊕ [(x, y) (x”, y”] = (xx0 + xx”, xy 0 + yx0 + xy” + yx”)...(4)
d’où (3) = (4).
Montrons que :
[(x, y) ⊕ (x0 , y 0 )] (x”, y”) = [(x, y) (x”, y”)] ⊕ [(x0 , y 0 ) (x”, y”)].
On a :
[(x, y)⊕(x , y )](x”, y”) = (x+x0 , y+y 0 )(x”, y”) = (xx”+x0 x, xy”+x0 y”+yx”+y 0 x”)...(5)
0 0
[(x, y) (x”, y”)] ⊕ [(x0 , y 0 ) (x”, y”)] = (xx”, xy” + yx”) ⊕ (x0 x”, x0 y” + y 0 x”),
[(x, y) (x”, y”)] ⊕ [(x0 , y 0 ) (x”, y”)] = (xx” + x0 x”, xy” + yx” + x0 y” + y 0 x”)...(6)
d’où (5) = (6).
(3) est commutatif : ∀(x, y), (x0 , y 0 ) ∈ IR2 ,
(x, y) (x0 , y 0 ) = (xx0 , xy 0 + yx0 )...(7)
(x0 , y 0 ) (x, y) = (x0 x, x0 y + y 0 x) = (xx0 , xy 0 + yx0 )..(8) = (7)
d’où le résultat.
CHAPITRE 5
Notion de IK− Espaces vectoriels(IK étant un Corps

Commutatif) avec Exercices Corrigés
1. Espace vectoriel et sous espace vectoriel

Soit IK un corps commutatif (généralement c’est IR ou C) et soit E un ensemble
non vide muni d’une opération interne notée (+) :
(+) : E × E → E
(x, y) → x + y
et d’une opération externe notée (·) :
(·) : IK × E → E
(λ, x) → λ · x
Définition 1.1. Un espace vectoriel sur le corps IK ou un IK− espace vectoriel
est un triplet (E, +, ·) tel que :
(1) (E, +) est un groupe commutatif.
(2) ∀λ ∈ IK, ∀x, y ∈ E, λ · (x + y) = λ · x + λ · y
(3) ∀λ, µ ∈ IK, ∀x ∈ E, (λ + µ) · x = λ · x + µ · x
(4) ∀λ, µ ∈ IK, ∀x ∈ E, (λ · µ) · x = λ(µ.x)
(5) ∀x ∈ E, 1IK · x = x
Les éléments de l’espace vectoriel sont appelés des vecteurs et ceux de IK des sca-
laires.
Proposition 1.2. Si E est IK− espace vectoriel, alors on a les propriétés sui-
vantes :
(1) ∀x ∈ E, 0IK · x = 0E
(2) ∀x ∈ E, −1IK · x = −x
(3) ∀λ ∈ IK, λ · 0E = 0E
(4) ∀λ ∈ IK, ∀x, y ∈ E, λ · (x − y) = λ · x − λ · y
(5) ∀λ ∈ IK, ∀x ∈ E, x · λ = 0E ⇔ x = 0E ∨ λ = 0IK
Exemple 1.3. (1) (IR, +, .) est un IR− espace vectoriel, (C, +, .) est un C−e.v.
43
5. NOTION DE IK− ESPACES VECTORIELS(IK ÉTANT UN CORPS COMMUTATIF) AVEC EXERCICES CORRIGÉS
44
(2) Si on considère IR2 muni des deux opérations suivante

(+) : IR2 × IR2 → IR2 , (.) : IR × IR2 → IR2
((x, y), (x0 , y 0 )) → (x + x0 , y + y 0 ), (λ, (x, y)) → (λ · x, λ · y)
on peut facilement montrer que (IR2 , +, ·) est un IR−e.v.
Définition 1.4. Soit (E, +, ·) un IK− espace vectoriel et soit F un sous ensemble
non vide de E, on dit que F est sous espace vectoriel si (F, +, ·) est aussi un IK− espace
vectoriel.
Remarque 1.5. Lorsque (F, +, ·) est IK− sous espace vectoriel de (E, +, ·), alors
0E ∈ F.
Si 0E ∈
/ F alors (F, +, ·) ne peut pas être un IK− sous espace vectoriel de (E, +, ·).
Théorème 1.6. Soit (E, +, ·) un IK− espace vectoriel et F ⊂ E, F non vide on
a les équivalences suivantes :
(1) F est un sous espace vectoriel de E.
(2) F est stable par l’addition et par la multiplication c’est à dire :
∀x, y ∈ F, ∀λ ∈ IK, x + y ∈ F, λ.x ∈ F.
(3) ∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F, d’où :

F 6= ∅,
F est s.e.v ⇔
∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F
(4) ∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F, d’où :

0E ∈ F,
F est s.e.v ⇔
∀x, y ∈ F, ∀λ, µ ∈ IK, λ.x + µ.y ∈ F
Exemple 1.7. (1) {0E }, E sont des sous espace vectoriel de E.
(2) F = {(x, y) ∈ IR2 /x + y = 0} est un sous espace vectoriel car ;
– 0E = 0IR2 = (0, 0) ∈ F ⇒ F 6= ∅.
– ∀(x, y), (x0 , y 0 ) ∈ F, λ, µ ∈ IR montrons que λ(x, y) + µ(x0 , y 0 )∈? F ; c’est
à dire (λx + µx0 , λy + µy 0 )∈? F
λx + µx0 + λy + µy 0 = λ(x + y) + µ(x0 + y 0 ) = λ.0 + µ.0 = 0,
car (x, y) ∈ F ⇒ x + y = 0, et (x0 , y 0 ) ∈ F ⇒ x0 + y 0 = 0.
Ainsi λ(x, y) + µ(x0 , y 0 ) ∈ F , F est sous espace vectoriel de IR2 .
(3) F = {(x + y + z, x − y, z)/x, y, z ∈ IR} est un s.e.v de IR3 , en effet,
– 03IR = (0, 0, 0) ∈ F car (0, 0, 0) = (0 + 0 + 0, 0 − 0, 0) ⇒ F 6= ∅.
– ∀X, Y ∈ F, λ, µ ∈ IR montrons que λX + µY ∈? F ; on a :
X ∈ F ⇔ ∃(x, y, z) ∈ IR3 /X = (x + y + z, x − y, z),
Y ∈ F ⇔ ∃(x0 , y 0 , z 0 ) ∈ IR3 /Y = (x0 + y 0 + z 0 , x0 − y 0 , z 0 ),
λX + µY = (λx + λy + λz, λx − λy, λz) + (µx0 + µy 0 + µz 0 , µx0 − µy 0 , µz 0 )
4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES 45
λX + µY = ((λx + µx0 ) + (λy + µy 0 ) + (λz + µz 0 ), (λx + µx0 ) − (λy + µy 0 ), λz + µz)

d’où ∃x00 = λx + µx0 ∈ IR, ∃y 00 = λy + µy 0 ∈ IR, ∃z 00 = λz + µz 0 ∈ IR,
ainsi
λX + µY = (x00 + y 00 + z 00 , x00 − y 00 , z 00 ) ∈ F.
Théorème 1.8. L’intersection d’une famille non vide de s.e.v est un sous espace
vectoriel.
Remarque 1.9. La réunion de deux s.e.v n’est pas forcément un s.e.v.
Exemple 1.10. E1 = {(x, 0) ∈ IR2 }, E2 = {(0, y) ∈ IR2 }, E1 ∪ E2 n’est un s.e.v car
U1 = (1, 0), U2 = (0, 1) ∈ E2 et U1 + U2 = (1, 1) ∈
/ E1 ∪ E2 , car (1, 1) ∈
/ E1 ∧ (1, 1) ∈
/ E2 .
2. Somme de deux sous espaces vectoriels
Soit E1 , E2 deux sous espaces vectoriels d’un IK−e.v E, on appelle somme de deux
espaces vectoriels, E1 et E2 et on note E1 + E2 l’ensemble suivant :
E1 + E2 = {U ∈ E/∃U1 ∈ E1 , ∃U2 ∈ E2 /U = U1 + U2 }.
Proposition 2.1. La somme de deux s.e.v de E1 et E2 (d’un même IK-e.v) est
un s.e.v de E contenant E1 ∪ E2 , i.e., E1 ∪ E2 ⊂ E1 + E2 .
3. Somme directe de deux sous espaces vectoriels
On dira que la somme E1 + E2 est directe si ∀U = U1 + U2 , il existe
L un unique
vecteur U1 ∈ E1 , un unique vecteur U2 ∈ E2 , U = U1 + U2 , on note E1 E2 .
Théorème 3.1. Soit E1 , E2 deux s.e.v d’un même IK−e.v E la somme E1 + E2
est directe si E1 ∩ E2 = {0E }.
3.1. Sous espace supplémentaires. Soient E1 et L E2 deux s.e.v d’un même
IK−e.v E, on dit que E1 et E2 sont supplémentaires si E1 E2 = E
Exemple 3.2. E1 = {(x, 0) ∈ IR2 }, E2 = {(0, y) ∈ IR2 }, E1 E2 = IR2 , E1 et E2
L
sont supplémentaires.
4. Familles génératrices, familles libres et bases
Dans la suite, on désignera l’espace vectoriel (E, +, ·) par E.
Définitions 4.1. Soit E un e.v et e1 , e2 ..., en des éléments de E,
(1) On dit que {e1 , e2 ..., en } sont libres ou linéairement independents, si ∀λ1 , λ2 , ..., λn ∈
IK :
λ1 e1 + λ2 e2 + ... + λn en = 0 ⇒ λ1 = λ2 = ... = λn = 0, solution unique.
Dans le cas contraire, on dit qu’ils sont liés.
(2) On dit que {e1 , e2 ..., en } est une famille génératrice de E, ou que E est engen-
dré par {e1 , e2 ..., en } si ∀x ∈ E, ∃λ1 , λ2 , ..., λn ∈ IK/
x = λ1 e1 + λ2 e2 + ... + λn en .
46
(3) Si {e1 , e2 ..., en } est une famille libre et génératrice de E, alors {e1 , e2 ..., en }
est appelée une base de E.
Remarque 4.2. Dans un espace vectoriel E, tout vecteur non nul est libre.
0 0 0
Théorème 4.3. Si {e1 , e2 ..., en } et {e1 , e2 ..., em } sont deux bases de l’espace vec-
toriel E, alors n = m. En d’autre termes, si un espace vectoriel admet une base alors
toutes les bases de E ont le même nombre d’éléments (ou même cardinal), ce nombre
la ne dépend pas de la base mais il dépend seulement de l’espace E. D’où la définition
suivante.
Définition 4.4. Soit E un IK− espace vectoriel de base B = {e1 , e2 ..., en }, alors
dim(E) = Card(B).
où dim(E) : est la dimension de E et Card(B) : est le cardinal de B.
Remarque 4.5. donc chercher une base pour un espace vectoriel c’est trouver une
famille de vecteurs dans E, qui forment un famille libre et génératrice de E, le nombre
d’éléments de cette famille représente dimE.
Exemple 4.6. (1) Cherchons une base de IR3 , il faut trouver une famille de
vecteurs dans IR3 qui engendre IR3 et qui soit libre :
∀(x, y, z) ∈ IR3 , (x, y, z) = (x, 0, 0)+(0, y, 0)+(0, 0, z) = x(1, 0, 0)+y(0, 1, 0)+z(0, 0, 1).
En posant, e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) on voit bien que {e1 , e2 , e3 }
est une famille génératrice, et aussi libre en effet ; si ∀λ1 , λ2 , λ3 ∈ IK :
λ1 e1 +λ2 e2 +λ3 e3 = (0, 0, 0) ⇒ λ1 (1, 0, 0)+λ2 (0, 1, 0)+λ3 (0, 0, 1) = (λ1 , λ2 , λ3 ) = (0, 0, 0).
{e1 , e2 , e3 } est appelée base canonique de IR3 .
(2) Montrons que les f1 = (1, −1), f2 = (1, 1) il forment une base de IR2 , montrons
que
(a) {f1 , f2 } est génératrice ⇔ ∀(x, y) ∈ IR2 , ∃λ1 , λ2 ∈ IR,
(x, y) = λ1 f1 + λ2 f2 , (x, y) = (λ1 + λ2 , λ2 − λ1 )
ainsi
x+y x−y
λ2 = , λ1 =
2 2,
donc {f1 , f2 } est génératrice.
(b) {f1 , f2 } est libre ∀λ1 , λ2 ∈ IR,
λ1 f1 + λ2 f2 = 0IR2 ⇒ (λ1 + λ2 , λ2 − λ1 ) = (0, 0) ⇒ 2λ2 = 0 ⇒ λ2 = λ1 = 0.
Théorème 4.7. Soit E un espace vectoriel de dimension n :
(1) Si {e1 , e2 ..., en } est base de E ⇔ {e1 , e2 ..., en } est génératrice ⇔ {e1 , e2 ..., en }
est libre.
(2) Si {e1 , e2 ..., ep } sont p vecteur dans E, avec p > n, alors {e1 , e2 ..., ep } ne peut
être libre, de plus si {e1 , e2 ..., ep } est génératrice, alors il existe n vecteurs
parmis {e1 , e2 ..., ep } forment une base E.
4. FAMILLES GÉNÉRATRICES, FAMILLES LIBRES ET BASES 47
(3) Si {e1 , e2 ..., ep } sont p vecteur dans E, avec p < n, alors {e1 , e2 ..., ep } ne peut
être génératrice de plus si {e1 , e2 ..., ep } est libre, alors il existe (n − p) vecteur
parmis {ep+1 , ep+2 , ..., en } dans E tels que {e1 , e2 ..., ep , ep+1 , ..., en } est une base
pour E.
(4) Si F est un sous espace vectoriel de E alors dimF ≤ n, et de plus dimF =
n ⇔ E = F.
Exemple 4.8. (1) Dans l’exemple précédent f1 = (1, −1), f2 = (2, 1) pour
montrer que {f1 , f2 } forme une base de IR2 , il suffit de montrer que {f1 , f2 }
est soit libre ou génératrice.( cette propriété est vraie dans le cas des espaces
vectoriels de dimensions finies).
(2) Pour montrer que {(1, 1, 1), (1, 1, 0), (0, 1, −1)} est une base de IR3 , il suffit de
montrer qu’elle est libre ou génératrice car dimIR3 = 3, {f1 , f2 } est libre car :
∀λ1 , λ2 , λ3 ∈ IR, λ1 (1, 1, 1) + λ2 (1, 1, 0) + λ3 (0, 1, −1) = (0, 0, 0)
 
 λ1 + λ 2 = 0  λ1 = 0
⇔ λ1 + λ 2 + λ 3 = 0 ⇔ λ2 = 0
 λ −λ =0  λ = 0 (solution unique)
1 3 3
donc {(1, 1, 1), (1, 1, 0), (0, 1, −1)} est une base de IR3 .
(3) Cherchons une base pour F = {(x + y, x − z, −y − z)/x, y, z ∈ IR}, comme
F ⊂ IR3 alors dimF ≤ 3, donc la base de F ne possède pas plus de trois
vecteur.
(x + y, x − z, y − z) = x(1, 1, 0) + y(1, 0, −1) + z(0, −1, −1)
ainsi v1 = (1, 1, 0), v2 = (1, 0, −1), v3 = (0, 1, −1) forment une famille géné-
ratrice pour F , si cette famille est libre, alors elle formera une base pour F.
∀λ1 , λ2 , λ3 ∈ IR,
λ1 (1, 1, 0) + λ2 (1, 0, −1) + λ3 (0, −1, −1) = (0, 0, 0)

 λ 1 + λ2 = 0
λ2 = −λ1
⇔ λ 1 − λ3 = 0 ⇔
 −λ − λ = 0 λ3 = λ1
2 3
Donc {(1, 1, 0), (1, 0, −1), (0, −1, −1)} n’est pas libre, mais d’après le théorème
précédent, on peut extraire de cette famille une base de F , pour le faire on
doit chercher deux vecteurs de famille qui sont libres, si on les trouve alors il
forment une base pour F, si on ne trouve pas on prend un vecteur non nul et
ce vecteur sera une base pour F. Prenons par exemple {v1 , v2 }

 λ1 + λ2 = 0
λ1 (1, 1, 0) + λ2 (1, 0, −1) = (0, 0, 0) ⇔ λ1 = 0 ⇒ λ1 = λ2 = 0,
 −λ = 0
2
ainsi {v1 , v2 } est une base pour F et dimF = 2

48
5. Notion d’Application Linéaire

5.1. Généralités.
Définition 5.1. (1) Soit (E, +, ·) et (F, +, ·) deux IK− espaces vectoriels et
soit f une application de E dans F, on dit que f est une application linéaire
si et seulement si :
∀x, y ∈ E, ∀λ ∈ IK, f (x + y) = f (x) + f (y)etf (λ · x) = λ · f (x),
où d’une manière équivalente :
∀x, y ∈ E, ∀λ, µ ∈ IK, f (λx + µy) = λf (x) + µf (y).
(2) Si de plus f est bijective, on dit alors que f est un isomorphisme de E dans
F.
(3) Une application linéaire de (E, +, ·) dans (E, +, ·) est dite un endomorphisme.
(4) Un isomorphisme de (E, +, ·) dans (E, +, ·) est aussi appelé un automorphisme
de E dans E.
Exemple 5.2. (1) L’application
f1 : IR2 7−→ IR
(x, y) 7−→ x − y
est une application linéaire, car : ∀(x, y), (x0 , y 0 ) ∈ IR2 , ∀λ, µ ∈ IR,
f1 (λ(x, y) + µ(x0 , y 0 )) = f1 (λx + µx0 , λy + µy 0 ) = λx + µx0 − (λy + µy 0 )
⇒ f1 (λ(x, y) + µ(x0 , y 0 )) = λ(x − y) + µ(x0 − y 0 ) = λf1 (x, y) + µf1 (x0 , y 0 ).
(2) L’application
f2 : IR3 7−→ IR3
(x, y, z) 7−→ (−x + y, x − 5z, y)
est une application linéaire, car : ∀(x, y, z), (x0 , y 0 , z 0 ) ∈ IR3 , ∀λ, µ ∈ IR,
f2 (λ(x, y, z) + µ(x0 , y 0 , z 0 )) = f2 (λx + µx0 , λy + µy 0 , λz + µz 0 )
⇔ f2 (λ(x, y, z) + µ(x0 , y 0 , z 0 )) = (−λx − µx0 + λy + µy 0 , µx0 + µx0 − 5λy − 5µy 0 , λy + µy 0 )
⇔ f2 (λ(x, y, z) + µ(x0 , y 0 , z 0 )) = (−λx + λy, λx − 5λz, λy) + (−µx0 + µy 0 , µx0 − 5µz 0 , λy 0 ).
⇔ f2 (λ(x, y, z)+µ(x0 , y 0 , z 0 )) = λ(−x+y, x−5z, y)+µ(−x0 +y 0 , x0 −5z 0 , y 0 ) = λf2 (x, y, z)+µf2 (x0 , y 0 , z 0 ).
(3) L’application
f3 : IR 7−→ IR
x 7−→ −3x
est isomorphisme, en effet,f3 est linèaire car :
∀x, y ∈ IR, ∀λ, µ ∈ IR, f3 (λx + µy) = −3λx − 3µy = λf3 (x) + µf3 (y),
Remarque 5.3. On peut montrer facilement la somme de deux applications li-
néaires est une application linéaire, aussi le produit d’une application linéaire par un
scalaire et la composée de deux applications linéaires est une application linéaire.
5. NOTION D’APPLICATION LINÉAIRE 49
Proposition 5.4. Soit f une application linéaire de E dans F .

1.)f (OE ) = OF , 2.)∀x ∈ E, f (−x) = −f (x).
preuve. On a,
1.)f (OE ) = f (OE + OE ) = f (OE ) + f (OE ) ⇒ f (OE ) = OF .
2.)f (−x) + f (x) = f (−x + x) = f (OE ) = OF ⇒ f (−x) = −f (x).
Définition 5.5. Soit f une application linéaire de E dans F .
(1) On appelle image de f et on note Imf l’ensemble défini comme suit
Imf = {y ∈ F/∃x ∈ E : f (x) = y} = {f (x)/x ∈ E}.
(2) On appelle noyau de f et on note ker f l’ensemble défini comme suit :
ker f = {x ∈ E/f (x) = OF },
On note parfois ker f , par f −1 ({0}).
Proposition 5.6. Si f est une application linéaire de E dans F ,alors si dimImf =
n < +∞, alors n est appelé rang de f et on note rg(f ).
Imf et ker f sont des sous espaces vectoriels de E.
Exemple 5.7. (1) Déterminons le noyau de l’application f1 ,
ker f = {(x, y) ∈ IR2 /f (x, y) = 0} = {(x, y) ∈ IR2 /x+2y = 0} = {(x, y) ∈ IR2 /x = −2y}
ainsi
ker f = {(−2y, y)/y ∈ IR} = {y(−2, 1)/y ∈ IR}
donc le ker f est un sous espace vectoriel engendré par u = (−2, 1) donc il est
de dimension 1, et sa base est {u}.
(2) Cherchons l’image de
f2 : IR3 7−→ IR3
(x, y, z) 7−→ (−x + y, x − z, y)
Imf2 = {f (x, y, z)/(x, y, z) ∈ IR3 } = {(−x + y, x − z, y)/(x, y, z) ∈ IR3 }
Imf2 = {x(−1, 1, 0) + y(1, 0, 1) + z(0, −1, 0)/(x, y, z) ∈ IR3 }
donc Imf2 est un s.e.v de IR3 engendré par {(−1, 1, 0), (1, 0, 1), (0, −1, 0)} il
est facile de montrer que cette famille est libre et donc il forment une base de
IR3 donc dimImf2 = 3, rg(f2 ) = 3, Imf = IR3 .
Proposition 5.8. Soit f une application linéaire de E dans F on a les équiva-
lences suivantes :
(1) f est surjective ⇔ Imf = F.
(2) f est injective ⇔ ker f = {0E }.
50
Exemple 5.9. Dans l’exemple Imf2 = IR3 donc f2 est surjective, montrons que
f2 est injective
ker f2 = {(x, y, z) ∈ IR3 /f2 (x, y, z) = (0, 0, 0)},
⇒ ker f2 = {(x, y, z) ∈ IR3 /(−x + y, x − z, y) = (0, 0, 0)} ⇒ x = y = z = 0
donc ker f2 = {(0, 0, 0)}, ainsi f2 est bijective.
5.2. Application Linéaire sur des espace de dimension finies.
Proposition 5.10. Soit E et F deux IK espace vectoriels et f, g deux applications
linéaires de E dans F . Si E est de dimension finie n et {e1 , e2 , ..., en } une base de E,
alors ∀k ∈ {1, 2, .., n}, f (ek ) = g(ek ) ⇔ ∀x ∈ E, f (x) = g(x).
preuve. L’implication (⇐) est evidente.
Pour (⇒) on a E est engendré par {e1 , e2 , ..., en }, donc ∀x ∈ E, ∃λ1 , λ2 , ..., λn ∈ IK, x =
λ1 e1 + λ2 e2 + ... + λn en , comme f et g sont linéaires, alors
f (x) = f (λ1 e1 + λ2 e2 + ... + λn en ) = λ1 f (e1 ) + λ2 f (e2 ) + ... + λn f (en ),
g(x) = g(λ1 e1 + λ2 e2 + ... + λn en ) = λ1 g(e1 ) + λ2 g(e2 ) + ... + λn g(en ),

donc si on suppose que ∀k ∈ {1, 2, .., n}, f (ek ) = g(ek ) donc on déduit que ∀x ∈
E, f (x) = g(x).
Remarque 5.11. Pour que deux applications linéaires f et g de E dans F soient
égales il suffit qu’elles coincident sur la base du IK− espace vectoriel E.
Exemple 5.12. Soit g une application de IR2 dans IR2 telle que
g(1, 0) = (2, 1), g(0, 1) = (−1, −1)
alors déterminons la valeur de g en tous points de IR2 , en effet on a :
∀(x, y) ∈ IR2 , (x, y) = x(1, 0) + y(0, 1)
g(x, y) = g(x(1, 0)+y(0, 1)) = xg(1, 0)+yg(0, 1) = x(2, 1)+y(−1, −1) = (2x−y, x−y)
ainsi g(x, y) = (2x − y, x − y).
Théorème 5.13. Soit f une application linéaire de E dans F avec dimension de
E est finie, on a :
dimE = dim ker f + dimIm(f )
Exemple 5.14. On a montré que dim ker f1 = 1 avec f1 définie

f1 : IR2 7−→ IR
(x, y) 7−→ x + 2y
comme dimIR = 2 ⇒ dimIm(f ) = dimIR2 − dim ker f1 = 2 − 1 = 1.
2
Proposition 5.15. Soit f une application linéaire de E dans F avec dimE =

dimF = n. On a alors les équivalences suivantes :
f est isomorphisme ⇔ f est surjective ⇔ f est injective
⇔ dimIm(f ) = dimF ⇔ Imf = F ⇔ dim ker f = 0 ⇔ ker f = {0E },

de cette proposition, on déduit que si f est un isomorphisme de E dans F avec dimE
finie alors nécessairement dimE = dimF en d’autres termes si dimE 6= dimF alors f
ne peut être un isomorphisme.
Exemple 5.16. (1) L’application f1 n’est pas un isomorphisme car dimIR2 6=
dimIR.
(2) Soit g(x, y) = (2x − y, x − y), g définie de IR2 dans IR2 on a,dimIR2 = dimIR2
est un isomorphisme car dim ker g = 0 en effet :
ker g = {(x, y) ∈ IR2 /(2x − y, x − y) = (0, 0)} = {(0, 0)},
c’est même un automorphisme.
Exercice 15. On considère dans IR3 , le sous ensemble F défini par :
F = {(x, y, z) ∈ IR3 /2x + y − z = 0}
(1) Montrer que F est un sous espace vectoriel de IR3 .
(2) Donner une base de F , quelle est sa dimension ?
(3) F est-il égale à IR3 ?
Solution . (1) :

F 6= ∅,
F est s.e.v ⇔
∀X, Y ∈ F, ∀λ, µ ∈ IR, λ.X + µ.Y ∈ F
– 0IR3 = (0, 0, 0) ∈ F ⇒ F 6= ∅, car 2.0 + 0 − 0 = 0.
– ∀X = (x, y, z), Y = (x0 , y 0 , z 0 ) ∈ F, λ, µ ∈ IR montrons que :
λ(x, y, z) + µ(x0 , y 0 , z 0 )∈? F,
c’est à dire (λx + µx0 , λy + µy 0 , λz + µz 0 )∈? F
2(λx + µx0 ) + (λy + µy 0 ) − (λz + µz 0 ) = λ(2x + y − z) + µ(2x0 + y 0 − z 0 ) = λ.0 + µ.0 = 0,
car :
(x, y, z) ∈ F ⇒ 2x + y − z = 0,
et (x0 , y 0 ; z 0 ) ∈ F ⇒ 2x0 + y 0 − z 0 = 0.
Ainsi λ(x, y, z) + µ(x0 , y 0 , z 0 ) ∈ F , F est sous espace vectoriel de IR3 .
52
(2) Base de F : soit X ∈ F ⇔ 2x + y − z = 0 ⇒ z = 2x + y,

X = (x, y, z) = (x, y, 2x + y) = x(1, 0, 2) + y(0, 1, 1), ainsi
F = {(x, y, z) ∈ IR3 /2x + y − z} = {x(1, 0, 2) + y(0, 1, 1)/x, y ∈ IR}.
D’où F est engendré par {v1 = (1, 0, 2), v2 = (0, 1, 1)}, montrons que cette
famille est libre si et seulement si
∀λ1 , λ2 ∈ IR, λ1 v1 + λ2 v2 = (0, 0, 0) ⇒ λ1 = λ2 = 0.
λ1 (1, 0, 2) + λ2 (0, 1, 1) = (0, 0, 0) ⇒ (λ1 , λ2 , 2λ1 + λ2 ) = (0, 0, 0)
d’où le résultat. Alors la dimension de F est égale à 2, car {v1 , v2 } est une
base ( libre et génératrice) de IR3 .
(3) F 6= IR3 car dim F = 2 6= 3 = dim IR3 .
F = {(x − y, 2x + y + 4z, 3y + 2z)/ x, y, z ∈ IR}
(2) Donner une base de F , quelle est sa dimension ?
(3) F est-il égale à IR3 ?
Solution . (1) – (0, 0, 0) ∈ F car (0, 0, 0) = (0 − 0, 2.0 + 0 + 4.0, 3.0 +
2.0) ⇒ F 6= ∅.
– ∀X, Y ∈ F, λ, µ ∈ IR montrons que λX + µY ∈? F ; on a :
X ∈ F ⇔ ∃(x, y, z) ∈ IR3 /X = (x − y, 2x + y + 4z, 3y + 2z),
Y ∈ F ⇔ ∃(x0 , y 0 , z 0 ) ∈ IR3 /Y = (x0 − y 0 , 2x0 + y 0 + 4z 0 , 3y 0 + 2z 0 ),
λX + µY = (λx + λy + λz, λx − λy, λz) + (µx0 + µy 0 + µz 0 , µx0 − µy 0 , µz 0 )
λX+µY = ((λx+µx0 )−(λy+µy 0 ), 2(λx+µx0 )+(λy+µy 0 )+4(λz+µz), 3(λy+µy 0 )+2(λz+µz)
d’où ∃x00 = λx + µx0 , ∃y 00 = λy + µy 0 , ∃z 00 = λz + µz 0 , ainsi
λX + µY = (x00 − y 00 +, 2x00 + y 00 + 4z 00 , 3y 00 + 2z 00 ) ∈ F.
(2) Base de F : soit X ∈ F ⇔ ∃(x, y, z) ∈ IR3 /X = (x − y, 2x + y + 4z, 3y + 2z),
X = (x − y, 2x + y + 4z, 3y + 2z) = x(1, 2, 0) + y(−1, 1, 3) + y(0, 4, 2), ainsi
F = {x(1, 2, 0) + y(−1, 1, 3) + y(0, 4, 2)/x, y, z ∈ IR}.
D’où F est engendré par {v1 = (1, 2, 0), v2 = (−1, 1, 3), v3 = (0, 4, 2)}, mon-
trons que cette famille est libre si et seulement si
∀λ1 , λ2 , λ3 ∈ IR, λ1 v1 + λ2 v2 + λ3 v3 = (0, 0, 0) ⇒ λ1 = λ2 = λ3 = 0.
λ1 (1, 2, 0)+λ2 (−1, 1, 3)+λ3 (0, 4, 2) = (0, 0, 0) ⇒ (λ1 −λ2 , 2λ1 +λ2 +4λ3 , 3λ2 +2λ3 ) = (0, 0, 0)

 λ1 = λ 2 ,
⇒ 3λ2 + 4λ3 = 0, ⇒ 2λ3 = 0 ⇒ λ1 = λ2 = 0.
 3λ + 2λ ,
2 3
d’où le résultat. Alors la dimension de F est égale à 3, car {v1 , v2 , v3 } est une
(3) F = IR3 car dim F = 3 = dim IR3 .

F = {(x, y, z, t) ∈ IR4 /(x + z = 0) ∧ (y + t = 0)}
(2) Donner une base de F , déduire sa dimension.
Solution . (1) – (0, 0, 0, 0) ∈ F ⇒ F 6= ∅, car (0 + 0 = 0) ∧ (0 + 0 = 0).
– ∀X = (x, y, z, t), Y = (x0 , y 0 , z 0 , t0 ) ∈ F, λ, µ ∈ IR montrons que :
λ(x, y, z, t) + µ(x0 , y 0 , z 0 , t0 )∈? F,
c’est à dire (λx + µx0 , λy + µy 0 , λz + µz 0 , λt + µt0 )∈? F

X ∈ F ⇒ (x + z = 0) ∧ (y + t = 0)
Y ∈ F ⇒ (x0 + z 0 = 0) ∧ (y 0 + t0 = 0)

 λ(x + z) = 0 ∧ µ(x0 + z 0 ) = 0 ⇒ λx + µx0 + λz + µz 0 = 0
⇒ ∧
 λ(y + t) = 0 ∧ µ(y 0 + t0 ) = 0 ⇒ λy + µy 0 + λt + µt0 = 0
ainsi λx + µx0 + λz + µz 0 = 0 ∧ λy + µy 0 + λt + µt0 = 0 c’est dire
λ(x, y, z, t) + µ(x0 , y 0 , z 0 , t0 ) ∈ F d’où le résultat.
(2) Base de F : soit X ∈ F ⇔ x = −z ∧ y = −t,
X = (x, y, z, t) = (x, y, −x, −y) = x(1, 0, −1, 0) + y(0, 1, 0, −1), ainsi
F = {x(1, 0, −1, 0) + y(0, 1, 0, −1)/x, y ∈ IR}.
D’où F est engendré par {v1 = (1, 0, −1, 0), v2 = (0, 1, 0, −1)}, montrons que
cette famille est libre si et seulement si
∀λ1 , λ2 ∈ IR, λ1 v1 + λ2 v2 = (0, 0, 0, 0) ⇒ λ1 = λ2 = 0.
λ1 (1, 0, −1, 0) + λ2 (0, 1, 0, −1) = (0, 0, 0, 0) ⇒ (λ1 , λ2 , −λ1 , −λ2 ) = (0, 0, 0, 0)
d’où le résultat. Alors la dimension de F est égale à 2, car {v1 , v2 } est une
Remarque 6.1. C’est un exemple de l’intersection de deux s.e.v est un s.e.v on
pouvait l’écrire sous cette forme F = F1 ∩ F2 où
F1 = {(x, y, z, t) ∈ IR4 /(x + z = 0)},
F2 = {(x, y, z, t) ∈ IR4 /(y + t = 0)}.
est montrer que F1 , F2 sont des s.e.v de IR4 .
Exercice 18. (1) Montrer que la famille {(1, 2), (−1, 1)} est génératrice
2
de IR .
(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)},
F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)}.
(3) Montrer que la famille {(1, 2), (−1, 1)} est une base de IR2 ,
et que la famille F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)} est une base de IR3 .
54
Solution . (1) La famille {(1, 2), (−1, 1)} est génératrice de IR2 si et seule-
ment si
∀X = (x, y) ∈ IR2 , ∃λ, µ ∈ IR/X = λ(1, 2) + µ(−1, 1).
Soit (x, y) ∈ IR2 , cherchons λ, µ ∈ IR tel que :
(x, y) = λ(1, 2) + µ(−1, 1) = (λ − µ, 2λ + µ)
ainsi

x = λ − µ, ....(1) x+y −2x + y
(1) + (2) ⇒ λ = et µ =
y = 2λ + µ, ....(2) 3 3
d’où cette famille est génératrice.
(2) quelle sont les famille libre parmis les familles suivantes : F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)},
F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)}.
i) F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)} est libre si et seulement si
∀λ1 , λ2 , λ3 ∈ IR, λ1 (1, 1, 0) + λ2 (1, 0, 0) + λ3 (0, 1, 1) = (0, 0, 0) ⇒ λ1 = λ2 = λ3 = 0.

λ1 (1, 1, 0) + λ2 (1, 0, 0) + λ3 (0, 1, 1) = (0, 0, 0)
 
 λ 1 + λ2 = 0  λ1 = 0
⇔ λ1 + λ3 = 0 ⇔ λ2 = 0
 λ =0  λ =0
3 3
F1 est libre.
ii) F2 = {(0, 1, 1, 0), (1, 1, 1, 0), (2, 1, 1, 0)} est n’est pas libre car
∃λ1 = 1, λ2 = −2, λ3 = 1 ∈ IR, λ1 (0, 1, 1, 0) + λ2 (1, 1, 1, 0) + λ3 (2, 1, 1, 0) = (0, 0, 0, 0).

(3) La famille {(1, 2), (−1, 1)} est une base de IR2 , car quand le nombre de vecteurs=2=dim IR2
il suffit de montrer qu’elle est soit génératrice ou bien libre pour qu’elle puisse
être une base or d’après la question (1) elle est génératrice d’où le résultat.
La famille F1 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)} est une base de IR3 , car le cardi-
nale de F1 est égale à 3 = dim IR3 est F1 étant libre, alors c’est une base de
IR3 .
Exercice 19. Soit l’application f définie de IR2 dans IR2 par :
f (x, y) = (x + y, x − y).
(1) Monter que f est linéaire.
(2) Déterminer ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
(3) Déterminer f ◦ f.
Solution . (1) f est linéaire si et seulement si
∀α, β ∈ IR, ∀(x, y), (x0 , y 0 ) ∈ IR2 ; f (α(x, y) + β(x0 , y 0 )) = αf (x, y) + βf (x0 , y 0 ).
f (α(x, y) + β(x0 , y 0 )) = f (αx + βx0 , αy + βy 0 )

= (αx + βx0 + αy + βy 0 , αx + βx0 − αy − βy 0 )
= (αx + αy, αx − αy) + (βx0 + βy 0 , βx0 − βy 0 )
= α(x + y, x − y) + β(x0 + y 0 , x0 − y 0 )
= αf (x, y) + βf (x0 , y 0 )
d’où f est linéaire.
(2) Déterminons ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
ker f = {(x, y) ∈ IR2 /f (x, y) = (0, 0)}
= {(x, y) ∈ IR2 /x + y = 0 ∧ x − y = 0}
= {(0, 0)}
ainsi dim ker f = 0.
Imf = {(x + y, x − y)/(x, y) ∈ IR2 }

= {x(1, 1) + y(1, −1)/(x, y) ∈ IR2 }.
Ainsi Imf est engendré par deux vecteur qui sont libre, alors dim Imf = 2.
Sachant que la dimension de l’ensemble de départ est égale à la dimension de
l’ensemble d’arrivée f est bijective si elle est soit injective ou bien surjective or
f est injective car ker f = {(0, 0)} et aussi surjective car dim IR2 = dim Imf =
2 c’est à dire Imf = IR2 .
(3) Soit (x, y) ∈ IR2 ) on a
f ◦ f (x, y) = f (f (x, y)) = f (x + y, x − y)
= ((x + y) + (x − y), (x + y) − (x − y))
= (2x, 2y) = 2(x, y) = 2IdIR2
Exercice 20. Soit l’application f définie de IR2 dans IR2 par :

f (x, y) = (2x − 4y, x − 2y).
(1) Monter que f est linéaire.
(2) Déterminer ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
Solution . (1) f est linéaire si et seulement si
∀α, β ∈ IR, ∀(x, y), (x0 , y 0 ) ∈ IR2 ; f (α(x, y) + β(x0 , y 0 )) = αf (x, y) + βf (x0 , y 0 ).
f (α(x, y) + β(x0 , y 0 )) = f (αx + βx0 , αy + βy 0 )

= (2αx + 2βx0 − 4αy − 4βy 0 , αx + βx0 − 2αy − 2βy 0 )
= (2αx − 4αy, αx − 2αy) + (2βx0 − 4βy 0 , βx0 − 2βy 0 )
= α(2x − 4y, x − 2y) + β(2x0 − 4y 0 , x0 − 2y 0 )
= αf (x, y) + βf (x0 , y 0 )
56
d’où f est linéaire.

(2) Déterminons ker f, et Imf et donner leurs dimensions, f est-elle bijectives ?
ker f = {(x, y) ∈ IR2 /f (x, y) = (0, 0)}
= {(x, y) ∈ IR2 /2x − 4y = 0 ∧ x − 2y = 0}
= {(x, y) ∈ IR2 /x = 2y}
= {(2y, y)/y ∈ IR}
= {y(2, 1)/y ∈ IR}.
ainsi ker f est engendré par le vecteur(2, 1) 6= 0, ainsi dim ker f = 1, f, alors
n’est pas injective.
Imf = {(2x − 4y, x − 2y)/(x, y) ∈ IR2 }
= {x(2, 1) + y(−4, −2)/(x, y) ∈ IR2 }.
Ainsi Imf est engendré par deux vecteur qui ne sont pas libre car (−4, −2) =
−2(2, 1) alors dim Imf = 1 on peut aussi utliser le fait que la dimension de
l’ensemble de départ est égale à la dimension de l’ensemble d’arrivée f , alors
dim ker f + dim Imf = dim R2 , ⇒ dim Imf = 2 − 1 = 1.
(3) f n’est pas bijective car il n’est ni injective ni surjective.
CHAPITRE 6
Notion de Matrice Associée à une Application Linéaire et

Calcul Algébrique sur les Matrices avec Exercices Corrigés
Soit IK un corps commutatif.

Soit E et F deux IK espaces vectoriels de dimension finies n et m, f une application
linéaire de E dans F , soit B = {e1 , e2 , ..., en } une base de E, B 0 = {e0 1 , e0 2 , ..., e0 m }
une base de F , les vecteurs f (e1 ), f (e2 ), ..., f (en ) sont de vecteurs dans F comme
{e0 1 , e0 2 , ..., e0 m } est une base de F , alors f (e1 ), f (e2 ), ..., f (en ) s’écrivent donc comme
combinaisons linéaires des vecteurs de la base B 0 = {e0 1 , e0 2 , ..., e0 m }. On a pour tout
j = 1, ..., n.
f (ej ) = a1j e01 + a2j e02 + ... + amj e0m .
f (e1 ) f (e2 ) ... f (en )

 
e0
 10
 e2

 a11 a12 ... a1n

 :

 a21 a22 ... a2n

 :
 : : ::: : 
e0m
am1 am2 ... amn
Le tableau suivant :  
a11 a12 ... a1n
 a21 a22 ... a2n 
 
 : : ::: : 
am1 am2 ... amn
est appelé matrice associée à f relativement aux bases B et B 0 . On note la matrice
(aij ) où i désigne l’indice de ligne et j l’indice de colone.
On introduit maintenant la notion de matrice et les opérations algèbriques des matrices.
1. Espace vectoriel des matrices

Définition 1.1. On appelle une matrice dans IK de type (n, p) un tableau rectan-
gulaire A d’éléments de IK ayant n lignes et p colonnes.
 
a11 a12 ... a1p
 a21 a22 ... a2p 
A=  :

: ::: : 
an1 an2 ... anp
57
6. NOTION DE MATRICE ASSOCIÉE À UNE APPLICATION LINÉAIRE ET CALCUL ALGÉBRIQUE SUR LES MATRIC
58
On note aij l’élément qui se trouve à la ligne numéro i et la colonne j et on note

la matrice A par A = (aij )1≤i≤n,1≤j≤p . L’ensemble des matrices de type (n, p) est noté
M( n, p)(IK).
(1) Pour n = 1, on dit que A est une matrice ligne, A = (a11 , a12 , ..., a1p ).
 
a11
 a12 
 ..  .
(2) Pour p = 1 on dit que A est une matrice ligne, A =  
a1p
(3) Pour n = p, on dit que A est une matrice carrée d’ordre n et on note A ∈
Mn (IK).
 
1 4 0
 2 3 0 
Exemple 1.2. (1) A1 =   3 2 0 , A1 est une matrice de type (4, 3).

4 1 3

−1 0 1 7
(2) A2 = , A2 est une matrice de type (2, 4).
5 2 1 0

1 9
(3) A3 = , A3 est une matrice carrée d’ordre 2.
−6 0
Définition 1.3. Soit A = (aij )1≤i≤n,1≤j≤p et B = (bij )1≤i≤n,1≤j≤p deux matrices
de types (n, p),
(1) On dit que A = B si ∀i = 1, ..., n, ∀j = 1, ..., p; aij = bij .
(2) La transposée de la matrice A est une matrice notée At définie par
At = (aji )1≤j≤p,1≤i≤n ,
autrement dit At c’est la matrice de type (p, n) obtenue en remplaçant les lignes
par les colonnes et les colonnes par les lignes et on a : (At )t = A.
 
1 4 0  
 2 3 0  1 2 3 4
t
 3 2 0  ⇒ A1 =
Exemple 1.4. (1) A1 =    4 3 2 1 .
0 0 0 3
4 1 3
 
−1 1
−1 0 0 −5  0 2 
(2) A2 = ⇒ A2 =  
1 2 1 8  0 1 
−5 8

1 0 1 5
(3) A3 = ⇒ At3 = .
5 −5 0 −5
Théorème 1.5. En munissant l’ensemble M(n,p) (IK) par les opération suivantes :
2. PRODUIT DE DEUX MATRICES 59
(+) : M(n,p) (IK) × M(n,p) (IK) → M(n,p) (IK)

     
a11 a12 ... a1p b11 b12 ... b1p a11 + b11 a12 + b12 ... a1p + b1p
 a21 a22 ... a2p   b21 b22 ... b2p   a21 + b21 a22 + b22 ... a2p + b2p 
 ,  →  .
 : : ::: :   : : ::: :   : : ::: : 
an1 an2 ... anp bn1 bn2 ... bnp an1 + bn1 an2 + bn2 ... anp + bnp
et
(·) : IK × M(n,p) (IK) → M(n,p) (IK)
    
a11 a12 ... a1p λa11 λa12 ... λa1p
  a21 a22 ... a2p   λa21 λa22 ... λa2p 
λ,   , →  
  : : ::: :   : : ::: : 
an1 an2 ... anp λan1 λan2 ... λanp
Alors (M(n,p) (IK), +, ·) est IK− espace vectoriel
de dimensionn × p, sachant que l’élé-
0 0 .. 0
 0 0 .. 0 
ment neutre de l’addition est la matrice nulle  .

. .. . 
0 0 .. 0
2. Produit de deux matrices

Définition 2.1. Soit A ∈ M(n,p) (IK) et B ∈ M(p,m) (IK), on définit le produit de
la matrice A par B comme étant une matrice C = (cij )1≤i≤,1≤j≤m ∈ M(n,m) (IK), avec
cij = ai1 b1j + ai2 b2j + a31 b3j + ... + aip bpj .
Remarque 2.2. (1) L’élément Cij de la matrice C se calcule en additionnant
le produit des éléments de la ligne i de la matrice A par la les éléments de la
colonne j de la matrice B.
(2) Le produit de deux matrice ne peut se faire que si le nombre de colonnes de la
matrice A correspond au nombre de lignes dela matrice B.
Exemple 2.3.
 
1 2 0 1
1 1 0
A= ,B =  2 0 1 1 ,
2 2 0
1 1 0 0
A est de type (2, 3) et B de type (3, 4) ainsi C sera de type (2, 4).

1.1 + 1.2 + 0.1 1.2 + 1.0 + 0.1 1.0 + 1.1 + 0.0 1.1 + 1.1 + 0.0
C = A.B =
2.1 + 2.2 + 0.1 2.2 + 2.0 + 0.1 2.0 + 2.1 + 0.0 2.1 + 2.1 + 0.0

3 2 1 2
⇔C=
6 4 2 4
60
Remarque 2.4. Le produit deux matrice n’est pas commutatif voiçi un exemple :

1 1 −1 2 −1 3 1 3
A.B = . = 6= B.A =
1 2 0 1 −1 4 1 2
3. Matrices carrées
Définition 3.1. Soit A une matrice carrée d’ordre n, A = (aij )1≤i≤n,1≤j≤n ,
(1) La suite des éléments {a11 , a22 , ..., ann } est appelée la diagonale principle de A.
(2) La trace de A est le nombre T r(A) = a11 + a22 + ... + ann .
(3) A est dite matrice diagonale si aij = 0, ∀i 6= j c’est à dire que les éléments de
A sont tous nuls sauf la diagonale principale.
(4) A est dite matice triangulaire supérieure (resp inférieure) si aij = 0, ∀i > j,
(resp i < j), c’est à dire les éléments qui sont au dessous(resp au dessus) de
la diagonale sont nuls).
(5) A st dite symétrique si A = At .
 
1 0 0
Exemple 3.2. (1) A1 =  0 −2 0 , A1 est une matrice diagonale.
0 0 1
 
−1 0 0
(2) A2 =  5 4 0 , A2 est une matrice triangulaire inférieure.
6 3 9
 
7 40 2
(3) A3 =  0 2 3 , A3 est une matrice triangulaire supérieure .
0 0 −1
   
1 2 −2 1 2 −2
(4) A4 =  2 12 1  = At =  2 12 1  , A4 est une matrice symé-
−2 1 10 −2 1 10
trique.
Proposition 3.3. Le produit des matrices est une opération interne dans M(n,n) (IK)
et il admet un élément neutre la matrice nommée matrice identitée notée In définie par :
1 0 0 0.. 0
 
 0 1 0 0.. 0 
 0 0 1 0.. 0 
 
In = 
 0 0 0 1.. 0 

 . . . .. 0 
0 0 0 ..0 1
Définition 3.4. Soit A ∈ M(n,n) (IK) on dit que A est invesible s’il existe une
matrice B ∈ M(n,n) (IK) telle que A.B = B.A = In .
4. LES DÉTERMINANTS 61

1 2
Exemple 3.5. Montrons que la matrice A = est inversible et ceci en
0 −1

a b
cherchant la matice B = telle que
c d

1 2 a b 1 0 a b 1 2
A.B = . = = I2 = . = B.A
0 −1 c d 0 1 c d 0 −1

a + 2c b + 2d 1 0 a 2a − b
⇔ = =
−c −d 0 1 c 2c − d

1 2
B= .
0 −1
4. Les Déterminants

a11 a12
Définition 4.1. Soit A = une matrice dans M(2,2) (IK), on appelle
a21 a22
de A le nombre réel donné par : a11 a22 − a12 a21 . On le note det(A) ou
déterminant
a11 a12
a21 a22 ,

Exemple 4.2. Calculons le det(A),

1 2
|A| =
= 1(−1) − 0.(2) = −1.
0 −1
Définition 4.3. De même, on définit le déterminant d’une matrice
 
a11 a12 a13
A =  a21 a22 a23  ∈ M3 (IK),
a31 a32 a33
par

a11 a12 a13
= (−1)1+1 a11 a22 a23 +(−1)1+2 a12 a21 a23 +(−1)1+3 a13 a21 a22

a21 a22 a23
a32 a33 a31 a33 a31 a32
a31 a32 a33
Exemple 4.4.

1 0 −1
= (−1) .1 −1 1 +(−1) 0. 12 1 +(−1) (−1) 12 2
1+1
1+2
1+3

|A| = 12 −1 1 1 0 0 0 0 1

0 1 0
⇔ |A| = −1 + 0 − 12 = −13
Proposition 4.5. Pour calculer le déterminant d’une matrice A on peut déve-
lopper A suivant n’importe quelle ligne ou colonne.
Suivant cette proposition il vaut mieux choisir la ligne ou colonne contenant le plus
de zéros.
62
Exemple 4.6. On reprend la même matrice de l’exemple pécédent mais calculer

suivant la troisième ligne on aura :

1 0 −1
3+1 0
−1 3+2 1
−1 3+3 1
0
|A| = 12 −1 1 = (−1) .0
+(−1) .1 +(−1) .0
0 1 −1 0 12 1 12 −1
0
det(A) = 0 − 13 + 0 = −13
on calcule juste un déterminant au lieu de trois.
Définition 4.7. De même, on définit le déterminant d’une matrice
 
a11 a12 a13 a14
 a21 a22 a23 a24 
A=  a31 a32 a33 a34  ∈ M4 (IK),

a41 a42 a43 a44
par

a11 a12 a13 a14

a22 a23 a24

a21 a23 a24

a21 a22 a23 a24

= (−1)1+1 a11 a32 a33 a34 + (−1)1+2 a12 a31 a33 a34

a31 a32 a33 a34

a42 a43 a44

a41 a43 a44

a41 a42 a43 a44

a21 a22 a24 a21 a22 a23

+(−1)1+3 a13 a31 a32 a34 + (−1)1+4 a14 a31 a32 a33 .
a41 a42 a44 a41 a42 a43
Définition 4.8. Soit A = (aij )1≤i≤n,1≤j≤n ,

le déterminant suivant la j-ème colone est :
det(A) = (−1)1+j a1j D1j + (−1)2+j a2j D2j + ... + (−1)n+j anj Dnj , j = 1, ..., n.
Le déterminant suivant la i-ème ligne est :
det(A) = (−1)i+1 ai1 Di1 + (−1)i+2 ai2 Di2 + ... + (−1)i+n ain Din , i = 1, ..., n.
Où Aij représent ce que nous appelons le déterminant mineur du terma aij , le dé-
terminant d’ordre n − 1 obtenu de det(A) en supprimant la i-ème ligne et la j-ème
colonne.
Proposition 4.9. Soit A ∈ Mn (IK) on a :
(1) det(A) = det(At ).
(2) det(A) = 0 si deux lignes de A sont égales (ou deux colonnes).
(3) det(A) = 0 si deux lignes de A sont proportinnelles ( ou deux colonnes le sont).
(4) det(A) = 0 si une ligne est combinaison linéaires de deux autres lignes de A
(même chôse pour les colonnes).
4. LES DÉTERMINANTS 63
(5) det(A) ne change pas si on ajoute à une ligne une combinaison linéaires
d’autres lignes (même chôse pour les colonnes).
(6) Si B ∈ Mn (IK), alors det(A.B) = det(A).det(B).

3 0 −5

Exemple 4.10. (1) |A| = 2 2 1 = 0, car la ligne 1 est égale à la ligne
3 0 −5
3, L1 = L3 .

9 0 −15 3

2 2 1 1
(2) |B| = = 0, car L1 = 3 ∗ L4 .
1 0 −1 4

3 0 −5 1

1 1 −1 2

1 1 2 20
(3) |C| = = 0, car C1 = C2 .
0 0 −1 4

1 1 −10 2
Définition 4.11. Soit V1 , V2 , ..., Vn , n vecteurs de IRn on appelle déterminant des

vecteurs (V1 , V2 , ..., Vn ) et on le note det(V1 , V2 , ..., Vn ) le déterminant dont les colonnes
sont les vecteurs V1 , V2 , ..., Vn .
Exemple 4.12. Soit V1 = (1, 1, 0), V2 = (0, −1, 1), V3 = (0, 0, 1), alors

1 0 0
−1 0
det(V1 , V2 , V3 ) = 1 −1 0 = +1 = −1
0 1 1 1 1
Proposition 4.13. Soit V1 , V2 , ..., Vn , n vecteurs de IRn on (V1 , V2 , ..., Vn ) est une
base de IRn ⇔ det(V1 , V2 , ..., Vn ) 6= 0
Exemple 4.14. Soit V1 = (1, 2, 0), V2 = (0, −1, 1), V3 = (0, 0, 1), forment une base
de IR3 , car det(V1 , V2 , V3 ) = −1 6= 0.
4.1. Le rang d’un matrice.
Définition 4.15. Soit A ∈ M(n,p) (IK), on appelle rang de A et on note rgA l’ordre
de la plus grande matrice carrée B prise (extraite) dans A telle que detB 6= 0.

1 −1
Exemple 4.16. A = , detA = 2 6= 0, rgA = 2.
2 0

1 1
B= , detA = 0 6= 0, rgA = 1.
1 1
 
0 1 −1 0
C =  −1 1 −1 1  , rgA < 4(rgA ≤ 3) la plus grande matrice carrée contenue
0 −1 1 0
64
dans A est d’ordre 3, dans cet exmple on a : 4 possibilité :

   
1 −1 0 0 1 −1
C1 =  1 −1 1  , C2 =  −1 1 −1  ,
−1 1 0 0 −1 1
   
0 1 0 0 −1 0
C3 =  −1 1 1  , C4 =  −1 −1 1 
0 −1 0 0 1 0
detC1 = detC2 = 0 et detC3 = detC4 = 0 donc le rgA < 3 et on a :

−1 0
−1 1 = −1 6= 0 ⇒ rgA = 2.

Théorème 4.17. le rang d’une matrice est égale au nombre maximale de vecteurs
lignes (ou colonnes) linéairement indépendants.
Définition 4.18. Soit A = (aij )1≤i≤n,1≤j≤n ∈ Mn (IK), on appelle cofacteur d’in-
dice i et j de A le scalaire
cij = (−1)i+j detAij .
Avec Aij est la matrice déduite de A par suppression de la ligne i t la colonne j.
La matrice C = (cij )1≤i≤n,1≤j≤n est appelée la matrice des cofacteurs et la matrice C t
est appellée la comatrice de A.
   
1 0 3 + − +
Exemple 4.19. Soit la matrice A =  1 −1 1  ,  − + −  . Calculons
0 2 2 + − +
les coffacteurs de A

2 −1 1
1+1

c11 = (−1) det(A11 ) = (−1) = −4.
2 2

1 1
c11 = (−1)1+2 det(A12 ) = (−1)3 = −2.
0 2

4 1 −1
1+3

c11 = (−1) det(A13 ) = (−1) = 2.
0 2

3 0 3
2+1

c21 = (−1) det(A21 ) = (−1) = 6.
2 2

4 1 3
2+2

c22 = (−1) det(A22 ) = (−1) = 2.
0 2

5 1 0
2+3

c23 = (−1) det(A23 ) = (−1) = −2.
0 2

4 0 3
3+1

c31 = (−1) det(A31 ) = (−1) = 3.
−1 1
5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE 65

3+2
1 3
5

c32 = (−1) det(A32 ) = (−1) = 2.
1 1

1 0
c33 = (−1)3+3 det(A33 ) = (−1)6 = −1.
1 −1
donc la matrice des cofacteurs est donnée par :
 
−4 −2 2
 6 2 −2 
3 2 −1
et la comatrice et  
−4 6 3
C t =  −2 2 2 
2 −2 −1
Théorème 4.20. Soit A ∈ Mn (IK), on a :
Aest inversible ⇔ det(A) 6= 0,
et dans ce cas la matrice inverse de A est donnée par :
1
A−1 = C t.
det(A)
Où C t est la comatrice de A.

1 0 3
Exemple 4.21. La matrice A =  1 −1 1  , det(A) = 2 6= 0 donc elle est
0 2 2
inversible, de plus
 
−4 6 3
1 1
A−1 = C t =  −2 2 2 
2 2 2 −2 −1
 3

−2 3 2
A−1 =  −1 1 1 .
1 −1 − 12
On peut vérifier que A−1 A = I3 = AA−1 .
5. Relations entre une application linéaire et sa matrice Associée

Définition 5.1. La matrice A = (aij )1≤i≤m,1≤j≤n est appelée la matrice de f
suivant les bases B et B 0 et elle est parfois notée M(B,B 0 ) (f ).Si E = F et B = B 0 , on
dit que A est la matrice de f suivant la base B et on la note M(B) (f ).
66
Exemple 5.2. (1)

f : IR3 → IR2
(x, y, z) → (x + y + z, x − y)
IR sa base canonique B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} et IR2
3
sa base canonique B 0 = {v1 = (1, 0), v2 = (0, 1)},

f (e1 ) = f (1, 0, 0) = (1, 1) = v1 + v2
f (e2 ) = f (0, 1, 0) = (1, −1) = v1 − v2 .
f (e3 ) = f (0, 0, 1) = (1, 0) = v1
 
f (e1 ) f (e2 ) f (e3 )
 1 1 1  v1
1 −1 0 v2
(2)
f : IR2 → IR2
(x, y) → (x + y, x − y)
B = {e1 = (1, 2), e2 = (−1, 1)} et B 0 = {v1 = (0, 2), v2 = (−2, 1)}, On doit
chercher les λ1 , λ2 , λ3 , λ4 ?
f (e1 ) = f (1, 2) = (3, −1) = λ1 v1 + λ2 v2 ,
f (e2 ) = f (−1, 1) = (0, −2) = λ3 v1 + λ4 v2 ,
λ1 = 41

(3, −1) = λ1 (0, 2) + λ2 (−2, 1) ⇔
λ2 = − 32

λ3 = −1
(0, −2) = λ3 (0, 2) + λ4 (−2, 1) ⇔
λ4 = 0
 
f (e1 ) f (e2 )
λ1 λ 3 v
M(B,B 0 ) (f ) = =  14 −1  1
λ2 λ 4 v2
− 32 0
Proposition 5.3. Soient E et F deux IK− espace vectoriels de dimensions finies
n et m, B = (e1 , e2 , ..., en ) une base de E et B 0 = (v1 , v2 , ..., vm ) une base de F , alors
la donnée d’une matrice A ∈ M(n,m) (IK) donne une unique application linéaire f de
E dans F la matrice suivant les bases, B et B 0 est A

1 −1
Exemple 5.4. A = , f : IR2 → IR2 , A est la matrice de f suivant la
2 0
base canonique de IR2 , (e1 , e2 ),
f (e1 ) = e1 + 2e2 ⇒ f (1, 0) = (1, 0) + 2(0, 1) = (1, 2),
f (e2 ) = −e1 ⇒ f (0, 1) = −(1, 0) = (−1, 0),
f (x, y) = f (x(1, 0) + y(0, 1)) = xf (1, 0) + yf (0, 1)
⇔ f (x, y) = x(1, 2) + y(−1, 0) = (x − y, 2x).
5. RELATIONS ENTRE UNE APPLICATION LINÉAIRE ET SA MATRICE ASSOCIÉE 67
Remarque 5.5. Si IRm et IRn sont munis de leurs bases canoniques alors l’ap-
plication linéaire f de IRn dans IRm associée à une matrice A = (aij )1≤i≤m,1≤j≤n est
donnée par
x1
x
∀(x1 , x2 , ..., xn ) ∈ IRn , f (x1 , x2 , ..., xn ) = A. 2
:
xn

1 −1
Exemple 5.6. f : IR2 → IR2 , A = ,
2 0

x
f (x, y) = A. = (x − y, 2x).
y
Théorème 5.7. Soit E, F et G des IK− espaces vectoriels munis respectivement
par les par bases B, B 0 , B 00 , f : E → F, g : F → G, deux applications linéaires, alors
M(B,B 00 ) (g ◦ f ) = M(B 0 ,B 00 ) (g)M(B,B 0 ) (f )
Remarque 5.8.
f : IR3 → IR2 , g : IR2 → IR2
(x, y, z) → (x + y + 2z, x − y), (x, y) → (x − y, 2x + y)

où IR2 , IR3 sont munis de leurs bases canoniques alors
g ◦ f : IR3 → IR2
(x, y, z) → g ◦ f (x, y, z)
avec M (g ◦ f ) = M (g)M (f ),

1 −1 1 1 2
M (g) = , M (f ) =
2 1 1 −1 0

1 −1 1 1 2 0 2 2
M (g ◦ f ) = M (g)M (f ) = . =
2 1 1 −1 0 3 1 4
Ainsi  
x
g ◦ f (x, y, z) = M (g ◦ f )  y  = (2y + 2z, 3x + y + 4z).
z
Théorème 5.9. Soit f ; E → F, B est une base de E et B 0 est une base de F , on
a alors :
f bijective ⇔ detM(B,B 0 ) (f ) 6= 0
et on a dans ce cas M(B,B 0 ) (f −1 ) = (M(B,B 0 ) (f ))−1 .
68
Exemple 5.10.
f ; IR2 → IR2
(x, y) → (x − y, x + y)

1 −1
Montrons que f est bijective et calculer son inverse Mb (f ) = = A, det(A) =
1 1
2 6= 0 ⇔ f est bijective.
1
(MB (f ))−1 = Ct
det(A) A

1 −1 t 1 1
CA = , CA =
1 1 −1 1
1 1
−1
(M(B,B 0 ) (f )) = 2 2 = MB (f −1 ),
− 21 12

−1 x x y x y
f (x, y) = M(f −1 ) = ( + , − + ).
y 2 2 5 2
Proposition 5.11. Si A ∈ M(n,m) (IK) associée à une application linéaire f de E
dans F la matrice suivant les bases, B de E et B 0 de F , alors
rg(A) = rg(f ), rg(A) = rg(At ).
6. Matrices et Changements de Bases

Définition 6.1. Soit E un e.v et soit B = (e1 , e2 , ..., en ) et B 0 = (e0 1 , e0 2 , ..., e0 n )
deux bases pour E, la matrice de passage de la base B 0 à la base B est par définition
la matrice M(B,B 0 ) (IdE ) où IdE est l’application identité
IdE : E → E
x → x.
Les vecteurs de base de B peuvent s’exprimer dans B 0 selon les relations


 e1 = a11 e0 1 + a12 e0 2 + ... + a1n e0 n
 e2 = a21 e0 1 + a22 e0 2 + ... + a2n e0 n


(S) : e3 = a31 e0 1 + a32 e0 2 + ... + a3n e0 n


 ::::::::::
 e = a e0 + a e0 + ... + a e0

n n1 1 n2 2 nn n
On appelle matrice de passage de B 0 à B la matrice carrée P définie par

 
a11 a12 ... a1n
 a21 a22 ... a2n 
P =  :

: ::: : 
an1 an2 ... ann
6. MATRICES ET CHANGEMENTS DE BASES 69
Exemple 6.2. B 0 = {e0 1 , e0 2 , e0 3 }, e0 1 = (1, 1, 1), e0 2 = (1, 1, 0), e0 3 = (1, 0, 0) et

B = {e1 , e2 , e3 } la base canonique de IR3 ,
IdIR3 : IR3B → IR3B 0
(x, y, z) → (x, y, z), M(B,B 0 ) (IdIR3 )
Id(e1 ) = (1, 0, 0) = λ1 e0 1 + λ2 e0 2 + λ3 e0 3 = (λ1 + λ2 + λ3 , λ1 + λ2 , λ1 )
⇒ λ1 = 0.5, λ2 = −0.5, λ3 = 0.5
Id(e2 ) = (0, 1, 0) = λ1 e0 1 + λ2 e0 2 + λ3 e0 3 ⇒ λ1 = 0.5, λ2 = 0.5, λ3 = −0.5,

Id(e3 ) = (0, 0, 1) = λ1 e0 1 + λ2 e0 2 + λ3 e0 3 ⇒ λ1 = −0.5, λ2 = 0.5, λ3 = 0.5,
 
1 1 −1
donc M(B,B 0 ) (IdIR3 ) = 21  −1 1 1 
1 −1 1
Proposition 6.3. La matrice de passage d’une base B à une base B 0 est la matrice
inverse de la matrice de passage de B 0 vers B :
M(B 0 ,B) (IdIR3 ) = (M(B,B 0 ) (IdIR3 ))−1
Remarque 6.4. Soit E un e.v et soit B = (e1 , e2 , ..., en ) et B 0 = (e0 1 , e0 2 , ..., e0 n )
deux bases pour E. Les vecteurs de base de B 0 peuvent s’exprimer dans B selon les
relations 

 e0 1 = b11 e1 + b12 e2 + ... + b1n en
 e0 2 = b21 e1 + b22 e2 + ... + b2n en


(S) : e0 3 = b31 e1 + b32 e2 + ... + b3n en
::::::::::



 e0 = b e + b e + ... + b e

n n1 1 n2 2 nn n
On appelle matrice de passage de B à B 0 la matrice carrée P −1 définie par

 
b11 b12 ... b1n
b21 b22 ... b2n 
P −1 = 


 : : ::: : 
bn1 bn2 ... bnn
Exemple 6.5.
 1 1
  −1  
2 2
− 12 0.5 0.5 −0.5 1 1 0
M(B,B 0 ) (IdIR3 ) =  − 21 1
2
1
2
 , M(B 0 ,B) (Id 3 ) =  −0.5 0.5
IR 0.5  =  0 1 1 
1
2
− 12 1
2
0.5 −0.5 0.5 1 0 1
matrice de passage de la base B à la base B 0 .
Théorème 6.6. Soit f : E → F, B1 , B 0 1 deux bases pour E, B2 , B 0 2 bases de F .
Si P désigne la matrice de passage de B1 à B 0 1 , et Q désigne la matrice de passage de
B2 à B 0 2 , alors
M(B 0 1 ,B 0 2 ) (f ) = Q−1 M(B1 ,B2 ) (f )P.
70
Exemple 6.7.
f : IR3 → IR2
(x, y, z) → (x + y + z, x − y)
3
On munit IR de la base canonique B3 = (e1 , e2 , e3 )
On munit IR2 de la base canonique B2 = (v1 , v2 ),

1 1 1
M(B3 ,B2 ) (f ) =
1 −1 0
On munit IR3 de la base canonique B 0 3 = (e0 1 , e0 2 , e0 3 ), avec e0 1 = (1, 0, 1), e0 2 =
(1, 1, 0), e0 3 = (0, 1, 1)
On munit IR2 de la base canonique B 0 2 = (v 0 1 , v 0 2 ), avec v 0 1 = (−1, 1), v 0 2 = (1, 1),
−1
IR3B3 →P IR3B 0 3 , f : IR3 → IR2B2 →Q IR2B 0 2
P = M(B 0 3 ,B3 ) (IdIR3 ),
 
1 1 0
P = (M(B3 ,B 0 3 ) (IdIR3 ))−1 = 0 1 1 
1 0 1
− 21 1

−1 1 −1 2
Q = M(B 0 2 ,B2 ) (IdIR2 ) = ,Q = M(B2 ,B 0 2 ) (IdIR2 ) = 1 1 ,
1 1 2 2
ainsi :
M(B 0 2 ,B 0 3 ) (f ) = Q−1 M(B1 ,B2 ) P

1 1 0
− 21 1

1 1 1 
⇔ M(B 0 2 ,B 0 3 ) (f ) = 1
2
1 0 1 1 
2 2
1 −1 0
1 0 1
 
1 1 0
0 −1 −0.5 
⇔ M(B 0 2 ,B 0 3 ) (f ) = 0 1 1 
1 0 0.5
1 0 1

−0.5 −1 −1.5
⇔ M(B 0 2 ,B 0 3 ) (f ) = .
1.5 1 0.5
7. Diagonalisation
Définition 7.1. Soit A ∈ M(n,n) (IK) et soit λ ∈ IK, on dit que λ est une valeur
propre de A s’il existe un vecteur colonne v 6= 0 tel que Av = λv.
Le vecteur v est appelé vecteur propre associé à la valeur λ.
Exemple 7.2.
2 2
A= .
0 1
7. DIAGONALISATION 71
on a : λ1 = 1 et λ2 = 2 sont des valeurs

propres de A, en effet :

2 2 x x
Av1 = λ1 v1 ⇔ =
0 1 y y

2x + 2y x
⇔ =
y y
⇔ x = −2y alors

x −2y −2
= =y
y y 1

2 2 x 2x
Av2 = λ2 v2 ⇔ =
0 1 y 2y

2x + 2y 2x
⇔ =
y 2y
⇔ y = 0, x ∈ IR alors

x x 1
= =x
y 0 0

−2 1
d’où v1 = vecteur propre associé à λ1 = 1 et v2 = vecteur propre
1 0
associé à λ2 = 2.
Proposition 7.3. Soit A ∈ M(n,n) (IK), λ ∈ IK est une valeur propre de A si et
seulement si PA (λ) = det(A − λIdn ) = 0,.
PA (λ) est appelé le polynôme caractéristique de A.

2 2
Exemple 7.4. (1) A = .
0 1

2−λ 2
PA (λ) = det(A − λId2 ) =
0 1−λ
= (2 − λ)(1 − λ) ⇒ λ1 = 1, λ2 = 2.
 
1 0 1
(2) B =  −1 2 1  .
0 0 2

1−λ 0 1

PB (λ) = −1 2 − λ
1

0 0 2−λ
= −(2 − λ)2 (1 − λ) ⇒ λ1 = 2, λ2 = 1.
Définition 7.5. Soit A ∈ M(n,n) (IK) et soit λ ∈ IK une valeur propre de A,
l’ensemble Eλ défini par :
Eλ = {v ∈ IRn ou Cn /Av = λv}
72
est appelé l’espace propre associé à la valeur propre alors Eλ est un sous espace vectoriel
de E.
 
1 0 1
Exemple 7.6. B =  −1 2 1  . Les valeurs propres sont 2 une solution double
0 0 2
et 1 simple.
(1) Pour λ = 2, on a
  
x 2x
E2 = {v ∈ IR3 /Bv = 2v} = {(x, y, z) ∈ IR3 /B  y  =  2y }
z 2z
 
 x + z = 2x  z−x=0
z=x
−x + 2y + z = 2y ⇒ −x + z = 0 ⇒
z=z
2z = 2z z= z
 
donc E2 = {(x, y, x)/x, y ∈ IR} = {x(1, 0, 1) + y(0, 1, 0)/x, y ∈ IR} s.e.v de

IR3 , {(1, 0, 1), (0, 1, 0)} est une base de E2 , car les vecteurs sont libres.
(2) Pour λ = 4, on a
  

x x
E1 = {v ∈ R3 /Bv = v} = {(x, y, z) ∈ IR3 /B  y  =  y }
z z
 
 x+z =x  z=0
y=x
−x + 2y + z = y ⇒ −x + y = 0 ⇒
 2z = z  z=0 z=0
donc E2 = {(x, x, 0)/x ∈ IR} = {x(1, 1, 0)/y ∈ IR} s.e.v de IR3 , (1, 1, 0) est
une base de E1 .
Définition 7.7. On dit qu’une matrice A ∈ Mn (IK) est diagonalisable s’il existe
une matrice inversible P est une matrice diagonale D telle que ; A = P DP −1 . (où P
est la matrice de passage.)
Théorème 7.8. Soit A ∈ Mn (IK), λ1 , ..., λn ∈ IK les valeurs propres de A d’ordre

de multiplicités respectives m1 , ..., mp , alors si
(1) dimEλi = mi , i = 1, 2, .., p.
ou
(2) dimEλ1 + dimEλ2 + ... + dimEλp = n
8. SYSTÈMES D’ÉQUATIONS LINÉAIRES 73
Alors la matrice A est diagonalisable et la matrice diagonale D associée à A est donnée

par : :
λ1 0 0 0.. 0
 
 0 λ1 0 0.. 0 
 0 0 λ2 0.. 0 
 
D= . . . .. 0 
 
 0 0 0 λ .. 0 
 p 
 . . . .. 0 
0 0 0 ..0 λp
chaque λi se répete mi fois, la matrice P est formé des vecteurs propres.
Remarque 7.9. Si la matrice A ∈ Mn (IK) admet n valeurs propres distincts alors
A est diagonalisable et la matrice diagonale D associée à A est :
λ1 0 0 0.. 0
 
 0 λ2 0 0.. 0 
 0 0 λ3 0.. 0 
 
D=
 . . . .. 0 

 . . . .. 0 
0 0 0 ..0 λn
 
1 0 1
Exemple 7.10. On considère la matrice A =  −1 2 1  admet les valeur
0 0 2
propres
 λ =
1  2 double et λ 2 = 1 simple la matrice diagonaleD est donnée
 par ; D =
1 0 0 1 1 0
 0 2 0  et la matrice de passage est donnée par : P =  1 0 1 
0 0 2 0 1 0
8. Systèmes d’équations linéaires

Soit IK = IR ou C.
On appelle système de n équations linéaires à p inconnus à coefficients dans IK, tout
système de la forme :

 a11 x1 + a12 x2 + ... + a1p xp = b1

a21 x1 + a22 x2 + ... + a2p xp = b2

(S) :

 : :
 a x + a x + ... + a x = b
n1 1 n2 2 np p n
où les (xj )j=1,..,p sont les inconnues, les (aij ), bj ∈ IK.
1)Forme matricielle du système  :  

b1 x1
 :   : 
Posons A = (aij )1≤i≤n,1≤j≤p , B = 
 : ,X =  :
   Le système (S) devient ;

bn xn
74
AX = B.
Si f est une application linéaire de IKp dans IKn telle que que A soit la matrice associée
à f suivant les bases canoniques et si on note par X = (x1 , ..., xp ) et b = (b1 , ..., bn ), le
système (S) devient f (X) = B.
2)Solution du système :
Définition 8.1. On appelle solution du système (S) tout élément X = (x1 , ..., xp )
vérifiant les n équations de (S) ceci revient à trouver un vecteur X tel que AX = B
ou encore un élément X ∈ IKp tel que f (X) = B.
Exemple 8.2.
  
 x + 2y = 1 1 2
x
3x − y = 4 ⇔  3 −1  = 1 4 −2
y
x − y = −2 1 −1

3)Rang d’un système linéaire :

Le rang d’un système linéaire est le rang de la matrice (aij )1≤i≤n,1≤j≤p . Si r est le rang
du système linéaire (S), alors r ≤ n et r ≤ p.
8.1. Système de Cramer.

Définition 8.3. Le système (S) est dit de Cramer si n = p = r c’est à dire, (S)
est un système de n équations à n inconnus et telle que
detA 6= 0.
Théorème 8.4. Tout Le système de Cramer admet une solution donnée par :
X = A−1 B.
Exemple 8.5.

x−y =0 1/2 1/2 x 0
⇔ AX = ×X = = =B
x+y =1 −1/2 1/2 y 1
detA = 1 6= 0, rgA = 2,

x −1 0 −1 1/2 1/2
=A ,A = ,
y 1 −1/2 1/2
ainsi
x 1/2 1/2 0 x 1/2
= ⇒ =
y −1/2 1/2 1 y 1/2
Théorème 8.6. Dans un système de Cramer, la solution est donnée par les for-
mules :
detAi
xi = , i = 1, ..., n.
detA
Où les Ai est la matrice réduite de A, en remplaçant la colonne i par le vecteur B.
8. SYSTÈMES D’ÉQUATIONS LINÉAIRES 75
Exemple 8.7.
    
 2x + 2y + z = 1 2 2 1 1
(S) : 2x + y − z = 2 ⇔  2 1 −1  =  2 
 3x + y + z = 3 3 1 1 3
detA = 4 6= 0, rgA = n = p = 3 ((S) est un système de cramer).

1 2 1

2 1 −1

detA1 3 1 1
x= = = 9/7.
detA −7
2 1 1

2 2 −1

detA2 3 3 1
y= = = −5/7.
detA −7
2 2 1

2 1 2

detA3 3 1 3
z= = = −1/7.
detA −7
3)Cas où n = p et r < n :
Si on considère maintenant un système de n équations à n inconus, mais rgA < n c’est
à dire
detA = 0,
dans ce cas on extrait une matrice M de A sachant que c’est la plus grande matrice
carrée inversible c’est à dire detM 6= 0 contenue dans A et d’ordre r c’est ce qu’on
appelle une sous-matrice, les inconnus associés à M deviennent des inconnus principales
et les (n−r) autres inconnus deviennent des paramètres où bien ce qu’on appelle valeurs
arbitraires et on considère le système suivant :

a x + a12 x2 + ... + a1r xr = b1 − (a1r+1 xr+1 + ... + a1n xn ) = b01
 11 1


a21 x1 + a22 x2 + ... + a2r xr = b2 (a2r+1 xr+1 + ... + a2n xn ) = b02
 : :
0

 a x + a x + ... + a x = b (a
r1 1 r2 2 rr r n rr+1 xr+1 + ... + arn xn ) = br
ce dernier est un système de cramer, donc il admet une seule solution (x1 , ..., xr ) qui
dépend de (xr+1 , ..., xn ). Si cette solution vérifie les (n − r) équations restantes, alors
le système globale admet une infinité de solutions. Si par contre (x1 , ..., xr ) ne vérifie
pas une seule équation parmis les (n − r) équations restantes alors le système globale
n’admet de solution.
Exemple 8.8.
     
 3x − y + 2z = 3 3 −1 2 x 3
(S) : 2x + 2y + z = 2 ⇔  2 2 1   y  =  2 
x − 3y + z = 1 1 −3 1 z 1

76

0
3 −1
detA = 0 (S) n’est pas un système de Cramer comme |A | = = 8 6= 0. Alors
2 2
rgA = 2 et on considère x, y les inconnus et z paramètre, alors on obtient le système :

3x − y = 3 − 2z
2x + 2y = 2 − z
qui est un système de Cramer et admet une unique solution (x, y) dépendante de z.

3 − 2z −1
x = 1/8 = 1 − (5/8)z
2−z 2

3 3 − 2z
y = 1/8 = 1/8z
2 2−z
Reste à voir si (x, y) vérifie x − 3y + z = 1(équation réstante) on a : 1 − 5/8z −
3/8z + z = 1 ⇒ 1 = 1(vraie ∀t ∈ IR) donc le système admet une infinité de solutions
données par :
(1 − 5/8z, 1/8z, z)/z ∈ IR.
3)Cas où n 6= p :
Si le nombre d’équations n’est pas égale au nombre d’inconnus, alors on cherche

d’abord le rang de A et on procède comme précédement. Si M est une matrice contenue
dans A et d’ordre r et detM 6= 0 alors on considère le système de r équations à r
inconnus correspondant à M qui est un système de Cramer.
Si la solution vérifie les équation restantes alors le système globale admet une infinité
de solutions sinon il n’admet aucune solution.
Exemple 8.9.
    
 3x − y = 4 3 −1 4
x
(S) : 2x + 2y = 3 ⇔ A =  2 2  = 3 
y
x − 5y = −5 1 −5 −5

le rang de A ≤ 2 choisissons

2 3
M= ⇒ detM = 8 6= 0 ⇒ rgM = 2.
3 −1
on prend le système :

3x − y = 4 x = 11/8
⇔
2x + 2y = 3 y = 1/8
on a l’équation réstante :
x − 5y = −5 ⇒ 11/8 − 5/8 = 6/8 = 3/2 6= −5
alors le système n’admet pas de solutions.
Exercice 21. Soit la matrice A définie par :
 
5 6 −3
 −18 −19 9 
−30 −30 14
(1) A est-elle inversible ? si oui déterminer son inverse A−1 .
(2) Calculer A2 − A − 2I3 = 0, avec I3 est la matrice identitée.
Solution . Soit la matrice A définie par :
 
5 6 −3
 −18 −19 9 
−30 −30 14
(1) A est inversible si et seulement si detA 6= 0.
 
5
6 −3
5 1 −3
|A| = −18 −19 9 =C2 =−C1 +C2 =  −18 −1 9 
−30 −30 14 −30 0 14
calculons suivant la colonne 2,

1+2
−18 9 2+2
5 −3
detA = (−1) (1) + (−1) (−1)
= 2 6= 0,
−30 14 −30 14
d’où le résultat.
A−1 est donnée par : A−1 = detA 1
C t où C t est la comatrice de A.

−19 9 −6 −3 6 −3
c11 =
= 4, c21 = −
= 6, c31 =
= −3,
−30 14 −30 14 −19 9

−18 9 5 −3 5 −3
c12 = − = −18, c22 =
−30 14 = −20, c32 = − −18 9 = 9,

−30 14

−18 −19
= −30, c23 = − 5 6 = −30, c33 = 5 6

c13 = = 13,
−30 −30 −30 −30 −18 −19
ainsi
   
4 −18 −30 4 6 −3
C =  6 −20 −30  ⇒ C t =  −18 −20 9 
−3 9 13 −30 −30 13
   
4 6 −3 2 3 −3/2
A−1 = 1/2  −18 −20 9  =  −9 −10 9/2  .
−30 −30 13 −15 −15 13/2
78
(2) Calculons A2 − A − 2I3 = 0,

   
7 6 −3 2 0 0
A2 = A.A =  −18 −17 9  , A2 − A =  0 2 0  = 2I2 .
−30 −30 16 0 0 2
D’où le résultat, on peut remarque que A(A − I2 ) = 2I2 ⇒ AB = I2 ,avec
B = 1/2(A − I2 ) = A−1 .
Exercice 22. Soit A une matrice définie par :
 
0 1 1
A= 1 0 1 
1 1 0
(1) Trouver a, b ∈ IR tels que A2 = a.In + b.A.
(2) En déduire que A est inverible et donner son inverse.
Solution .  
0 1 1
A= 1 0 1 
1 1 0
2
Trouvons a, b ∈ IR tels que A = a.In + b.A.
     
2 1 1 1 0 0 0 1 1
A2 =  1 2 1  = a  0 1 0  + b  1 0 1 
1 1 2 0 0 1 1 1 0
ainsi a = 2, b = 1.
(2)
(1)
1 1 1 0
detA = − + = 2 6= 0
1 0 1 1
d’où A est inversible.
A2 − A = 2I3 ⇒ A(A − I3 ) = 2I3 ⇒ A(1/2(A − I3 )) = I3
ainsi A−1 = 1/2(A − I3 )
 
−1 1 1
A−1 = 1/2  1 −1 1  .
1 1 −1
Exercice 23. Soit la matrice associée à l’application f définie sur IR3 suivant
la base canoniquede IR3 .  
1 −1 5
A= 3 0 2 
1 1 4
(1) Déterminer l’application f.
(2) Déterminer ker f et Imf et leur dimension, f est-elle bijective ?

(3) Soit S = {v1 = (1, 1, 1), v2 = (1, 0, 1), v3 = (2, −1, 0)}
a) Monter que S est une base de IR3 .
b) Donner la matrice associée à f suivante la base S.
Solution . (1) Determinons l’application f.
  
1 −1 5 x
f (x, y, z) =  3 0 2   y = x − y + 5z, 3x + 2z, x + y + 4z .
1 1 4 z
(2) ker f = {(x, y, z) ∈ IR3 /f (x, y, z) = (0, 0, 0)}

ker f = {(0, 0, 0)}.
alors dim ker f = 0,(f est injective).
Imf = {f (x, y, z)/(x, y, z) ∈ IR3 }
Imf = {x(1, 3, 1) + y(−1, 0, 1) + z(5, 2, 4)/x, y, z ∈ IR}
la famille {(1, 3, 1), (−1, 0, 1), (5, 2, 4)} est libre car det((1, 3, 1), (−1, 0, 1), (5, 2, 4)) =
23 6= 0, alors dim Imf = 3, (f est surjective), d’où f est bijective.
(3) Soit S = {v1 = (1, 1, 1), v2 = (1, 0, 1), v3 = (2, −1, 0)}
a) S est une base de IR3 ⇔ det(v1 , v2 , v3 ) 6= 0,

1 1 2 1 1 3

det(v1 , v2 , v3 ) = 1 0 −1 =C3 =C1 +C3 = 1 0 0 = 2 6= 0.
1 1 0 1 1 1
0
b)On note A A0 = P −1 AP, avec 
la matrice associée à f suivante la base S. 
1 1 3 1/2 1 −1/2
−1
P =  1 0 0  et faisons un changement de base P =  −1/2 −1 3/2 
1 1 1 1/2 0 −1/2
     
1 1 3 1 −1 5 1/2 1 −1/2 12 5 −10
A0 =  1 0 0   3 0 2   −1/2 −1 3/2  =  7/2 2 −9/2 
1 1 1 1 1 4 1/2 0 −1/2 8 5 −8
Exercice 24. Soit la matrice A définie par :

 
0 2 −1
A =  3 −2 0 
−2 2 1
(1) Déterminer les valeurs propres de A.
(2) Montrer que A est diagonalisable.
(3) Déterminer P , calculer Ak .
80
Solution .  
0 2 −1
A =  3 −2 0 
−2 2 1
déterminons les valeurs propres de A, soit λ ∈ IR,
 
−λ 2 −1
PA (λ) = |A − λI3 | =  3 − λ −2 0  = (1 − λ)(λ + 4)(λ − 2)
−2 − λ 2 1
les valeurs propres sont 1, 2 et −4.
(1) A est diagonalisable car elle admet trois valeurs propres dictinctes.
(2)
(3) Cherchons les vecteurs propres.
Pour λ = 1 :  
 2y − z = x  −x + 2y − z = 0
3 x=y
E1 = {v = (x, y, z) ∈ R /Av = v} ⇒ 3x − 2y = y ⇒ 3x − 3y = 0 ⇒
 −2x + 2y + z = z  −2x + 2y = 0 x =z
E1 = {x(1, 1, 1)/x ∈ IR, v1 = (1, 1, 1) est vecteur propre associé à 1.

Pour λ = 2 :  
 2y − z = 2x  −2x + 2y − z = 0
E2 = {v = (x, y, z) ∈ R3 /Av = 2v} ⇒ 3x − 2y = 2y ⇒ 3x − 4y = 0
 −2x + 2y + z = 2z  −2x + 2y − z = 0

x = 4/3y
⇒
z = (−2/3)y
E2 = {y(4/3, 1, −2/3)/x ∈ IR, v2 = (4, 3, −2) est vecteur propre associé à 2.
Pour λ = 1 : 
 2y − z = −4x
3 x = −(2/3)y
E−4 = {v = (x, y, z) ∈ R /Av = −4v} ⇒ 3x − 2y+ = −4y ⇒
x=z
−2x + 2y + z = −4z

E−4 = {x(1, −2/3, 1)/x ∈ IR, v1 = (2, −3, 2) est vecteur propre associé à −4.
Ainsi  
1 4 2
P =  1 3 −3  .
1 −2 2
 
1 0 0
A = P DP −1 , avec D =  0 2 0 , alors
0 0 −4
  k  
1 4 2 1 0 0 0 −12 −18
−1 
Ak = P Dk P −1 = . 1 3 −3   0 2k 0   −5 0 5 
30 1 −2 2 0 0 (−4) k
−5 6 −1
où
   
0 −12 −18 0 −5 −5
−1 
P −1 = −5 0 5  , det(P ) = −30, Cpt =  −12 0 6 
30 −5 6 −1 −18 5 −1
vous pouver calculer P −1 en utilisant le changement de base.
 
−5.2k+2 − 10(−4)k −12 + 12(−4)k −18 + 5.2k+2 − 2(−4)k
−1 
Ak = −15.2k − 15(−4)k −12 + 15(−4)k −18 + 5.2k+1 + 3(−4)k 
30 5.2k+1 − 10(−4)k −12 + 15(−4)k −18 + 5.2k+1 − 2(−4)k
Exercice 25. Résoudre le système suivant :


 x+y+z =3
(S) : 2x + y + z = 2
x + 2y + z = 1

Solution .
    
 x+y+z =3 1 1 1 3
(S) : 2x + y + z = 2 ⇔  2 1 1  =  2 
x + 2y + z = 1 1 2 1 1

detA = 1 6= 0, rgA = n = p = 3 ((S) est un système de cramer).

3 1 1

2 1 1

detA1 1 2 1
x= = = −1.
detA 1

1 3 1

2 2 1

detA2 1 1 1
y= = = −2.
detA 1

1 1 3

2 1 2

detA3 1 2 1
z= = = 6.
detA 1
Exercice 26. Résoudre le système suivant :

 3x + y − 2z + 3t = 0
(S) : −x + 2y − 4z + 6t = 2
2x − y + 2z − 3t = 0

82
Solution .
 
   x  
 3x + y − 2z + 3t = 0 3 1 −2 3  y  0
(S) : −x + 2y − 4z + 6t = 2 ⇔  −1 2 −4 6    z 
= 2 
2x − y + 2z − 3t = 0 2 −1 2 −3 0

t

3 1
le rgA ≤ 3. On prend M = , detM = 7 6= 0. On considère le système
−1 2
suivant :
3x + y = 2z − 3t x = −2/7
⇒
−x + 2y = 2 + 4z − 6t y = 2z − 3t + 6/7
si on remplaçe dans la troisième équation on aura :
2x − y + 2z − 3t = −4/7 − 2z + 3t − 6/7 + 2z − 3t = −10/7 6= 0
donc le système n’admet aucune solution.
Bibliographie
[1] E. Azouly, J. Avignant, G. Auliac, Problèmes Corrigés de mathématiques , DEUG MIAS/SM,

Ediscience(Dunod pour la nouvelle édition) Paris 2002.
[2] E. Azouly, J. Avignant, G. Auliac, les mathématiques en Licence, 1ère . Tome 1 : Cours+ exos,
MIAS.MASS.SM, Ediscience(Dunod pour la nouvelle édition) Paris 2003.
[3] E. Azouly, J. Avignant, G. Auliac, les mathématiques en Licence, 1ère . Tome 2 : Cours+ exos,
MIAS.MASS.SM, Ediscience(Dunod pour la nouvelle édition) Paris 2003.
[4] R. Godement Cours d’algèbre. Hermann, 1966.
[5] M. H. Mortad, Exercices Corrigés d’Algèbre, Première Année L.M.D., Edition "Dar el
Bassair"(Alger-Algérie),2012
[6] M. Queysanne, Algèbre, collection U, Armand Colin, 1971.
83

Cours Math Semestre (1+2)

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Math Semestre (1+2)

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l'enseignement supérieur et de la recherche scientique

Cours et Exercices Corrigés

1 ère ANNÉE SOCLE COMMUN ST

1 Méthodes du Raisonnement Mathématique 3

4.3.2 Fonctions hyperboliques réciproques . . . . . . . . . . . . . . . . . . . . . 46

1.1 Logique Mathématique

1.1.2 Les opérateurs logiques mathématique

L'assertion P est vraie si P est fausse, et fausse si P est vraie.

Exemple 1.1.4. La négation de l'assertion 3 ≥ 0 est l'assertion 3 < 0.

Exemple 1.1.6. Pour x, y ∈ R, l'équivalence ”xy = 0 ⇔ x = 0 ou y = 0” est vraie.

Quanticateur ”∃” : il existe

La négation des quanticateurs

Exemple 1.1.9. La négation de ∀x ∈ R : x| 2{z≥ 0} est l'assertion

Exemple 1.1.10. La négation de ∃x ∈ R : x| {z

L'emploi de plusieurs quanticateurs

(i) (∀x ∈ R, ∃y ∈ R : 2x + y = 2) et (∃y ∈ R, ∀x ∈ R : 2x + y = 2) sont deux propositions

1.2.2 Raisonnement par contraposition

Par contraposition ceci est équivalent

En eet, prenons x2 = 4, alors (x − 2) (x + 2) = 0, donc x = 2 ou x = −2.

1.2.3 Raisonnement par l'absurde

1.2.4 Raisonnement par contre exemple

1.2.5 Raisonnement par récurrence

i) Pour n = 0 nous avons 20 = 1 > 0, donc P (0) est vraie.

Donc P (n + 1) est vraie.

(c) ∀x ∈ R, ∀y ∈ R : x + y > 0, (d) ∃x ∈ R, ∀y ∈ R : y 2 > x.

(d) est vraie, on peut prendre x = −1. La négation est :

Raisonnons par l'absurde.

La contraposée de l'assertion est :

En eet, s'il existe m ∈ N : n = 2m, alors

donc n2 est pair. Par le principe de contraposition, on a démontré l'assertion de l'énoncé.

2.1 Théorie des ensembles

Exemple 2.1.2. Si E = {1, 2, 3} , alors

donc {1} ∈ P (E) et E ∈ P (E) .

On dit alors que E est un sous-ensemble de F ou une partie de F .

Dénition 2.1.5 (complémentaire). Soit E un ensemble, on appelle ensemble complémentaire

Dénition 2.1.6 (union, intersection). On appelle ensemble réunion de deux ensembles A et

Exemple 2.1.5. Si A = {1, 2, 3} et B = {2, 3, 4, 5}, alors A ∪ B = {1, 2, 3, 4, 5} et A ∩ B =

Dénition 2.1.8. Soit E un ensemble, on appelle diérence de A et B , noté A\B, l'ensemble

Exemple 2.1.7. Si E = R, A = [0, 1] et B = ]0, +∞[, alors

2.2 Relation d'ordre, Relation d'équivalence

Exemple 2.2.1. Dans R on dénit la relation R par :

(xRy et yRz) ⇒ xRz, ∀x, y, z ∈ E.

2.2.2 Relation d'équivalence

Cette relation est bien une relation d'équivalence. En eet,

alors R est une relation symétrique.

2.2.3 Relation d'ordre

L'ordre total et l'ordre partiel

2.3 Les applications

Dénition 2.3.4. Soit E un ensemble, on appelle application identité, notée id : E → E

Alors g ◦ f : R → [1, +∞[ est donnée par

(g ◦ f ) (x) = g (f (x)) = g x2 = 2x2 + 1 ∀x ∈ R.

Dénition 2.3.5 (Image directe). Soit A ⊂ E et f : E → F . L'image directe de A par f est

Exemple 2.3.3. Soit f : R → R dénie par f (x) = 2x + 1, ∀x ∈ R. Si A = [0, 1], alors

Dénition 2.3.6 (image réciproque). Soit B ⊂ F et f : E → F . L'image réciproque de B par

Exemple 2.3.4. Soit f l'application dénie par f (x) = x2 de R → R+ , alors

Soit g dénie par g (x) = sin (πx) de R → R, alors

Proposition 2.3.1. Soient E , F deux ensembles quelconques et une application f : E → F .

2.3.2 Application injective, surjective, bijective

donc il existe x ∈ Z tel que y = f (x) .

Remarque. Si l'application f est bijective, et seulement dans ce cas, à tout y ∈ F on fait

Proposition 2.3.3. Soient f : E → F et g : F → G des applications bijectives. L'application

(2) On a A ∪ B ⊂ A ∪ C et A ∩ B ⊂ A ∩ C . Soit x ∈ B, montrons que x ∈ C . En eet

Si x ∈ C, alors on a ni. Si x ∈ A, alors

Ministère de l'enseignement supérieur et de la recherche scientique

Quanticateur ”∃” : il existe

La négation des quanticateurs

L'emploi de plusieurs quanticateurs

En eet, prenons x2 = 4, alors (x − 2) (x + 2) = 0, donc x = 2 ou x = −2.

En eet, s'il existe m ∈ N : n = 2m, alors

Dénition 2.1.5 (complémentaire). Soit E un ensemble, on appelle ensemble complémentaire

Dénition 2.1.6 (union, intersection). On appelle ensemble réunion de deux ensembles A et

Dénition 2.1.8. Soit E un ensemble, on appelle diérence de A et B , noté A\B, l'ensemble

Exemple 2.2.1. Dans R on dénit la relation R par :

Cette relation est bien une relation d'équivalence. En eet,

Dénition 2.3.4. Soit E un ensemble, on appelle application identité, notée id : E → E

Dénition 2.3.5 (Image directe). Soit A ⊂ E et f : E → F . L'image directe de A par f est

Exemple 2.3.3. Soit f : R → R dénie par f (x) = 2x + 1, ∀x ∈ R. Si A = [0, 1], alors

Dénition 2.3.6 (image réciproque). Soit B ⊂ F et f : E → F . L'image réciproque de B par

Exemple 2.3.4. Soit f l'application dénie par f (x) = x2 de R → R+ , alors

Soit g dénie par g (x) = sin (πx) de R → R, alors

(2) On a A ∪ B ⊂ A ∪ C et A ∩ B ⊂ A ∩ C . Soit x ∈ B, montrons que x ∈ C . En eet

Si x ∈ C, alors on a ni. Si x ∈ A, alors

Exercice 6. Soit R la relation dénie sur R2 par :

(3) Soit la relation R dénie sur R2 par :

Exercice 7. (3) Même questions pour la relation R dénie sur R2 par :

Exercice 8. Soit R la relation dénie sur N∗ par :

Dénition 3.1.3. Soit f : D → R une fonction. On dit que :

Dénition 3.1.4. Soit I un intervalle de R symétrique par rapport à 0. Soit f : I → R une

de x0 , pour que f admet une limite au point x0 il faut et il sut que ℓ = ℓ .

Exemple 3.1.8. Considérons la fonction dénie par

Cas où x devient inni

Exemple 3.1.10. Soit la fonction réelle f dénie par

Exemple 3.1.11. La fonction dénie par

Dénition 3.1.13 (Prolongement par continuité). Soit I un intervalle, x0 un point de I . Si la

3.2 Dérivée et diérentiabilité d'une fonction

existe et est ni. Cette limite s'appelle la dérivée de f en x0 et se note f (x0 ).

existe et est nie. On note, dans ce cas :