Poly Algebre

Cours : Algèbre. Page 1/ ? ?
Département Génie Informatique

2021-2022
Hamid Maarouf
École Supérieure de Technologie Safi
Université Cadi Ayyad
Département Génie Informatique 2021-2022 Cours : Algèbre. Page 1/ ? ?

Chapitre 1 :
Éléments de logique

1. Énoncé et propriété.
Remarque 1
Un énoncé peut dépendre d’un certain nombre
de variables. Sa valeur de vérité dépend alors
Définition 1 des valeurs données à ces variables.
Un énoncé p est une phrase mathématique qui
a un sens précis auquel on peut attribuer une Exemple 2
valeur de vérité : 1 pour vraie ou 0 pour fausse.
Soit p (x , y ) : xy = 1, où x et y sont des
On dit aussi que p est une assertion ou une nombres réels. Dans ce cas,
proposition. p (2, 1/2) est vrai
1. L’énoncé p : 23 est un entier a pour mais p (2, 2) est faux.
valeur de vérité : faux ou 0.
2. L’énoncé q : 13 est un entier qui s’écrit
Remarque 2
comme somme de deux carrés d’entiers a
pour valeur de vérité : vrai ou 1. Dans cet exemple, si les valeurs de x et y ne
sont pas connues, alors on ne peut pas
attribuer une valeur de vérité à p (x , y ). On dit
que p(x , y ) est une propriété.

2. Négation, conjonction et disjonction.
Soient p et q deux propositions. On définit :
la conjonction de p et q est la proposition
Définition 3 notée p ∧ q et elle est vraie uniquement
lorsque p et q sont simultanément vraies.
La négation d’une proposition p donnée est la
proposition, notée ¬p ou p. Cette dernière la disjonction de p et q est la proposition
proposition est : p ∨ q et elle est fausse uniquement
lorsque p et q sont simultanément
fausse lorsque p est vraie. fausses.
vraie lorsque p est fausse.
Remarque 4
Remarque 3 On résume les deux points précédents par la
table de vérité :
On résume les deux points de la définition
ci-dessus par une table de vérité : p q p∧q p∨q
1 1 1 1
p ¬p 1 0 0 1
1 0 0 1 0 1
0 1 0 0 0 0
La négation ¬p se lit non p. La proposition p ∧ q se lit p et q et la
proposition p ∨ q se lit p ou q.

3. L’équivalence.
Soient p, q et r trois propositions. Alors, on a

Si p et q sont deux propositions, la proposition les six équivalences :
p ⇐⇒ q est vraie uniquement lorsque p et q
ont toutes deux la même valeur de vérité. Cela p ⇐⇒ ¬(¬p) (1)
se résume par la table de vérité : p ⇐⇒ q ⇐⇒ (¬p) ⇐⇒ (¬q) (2)
¬(p ∧ q) ⇐⇒ (¬p) ∨ (¬q) (3)
p q p ⇐⇒ q ¬(p ∨ q) ⇐⇒ (¬p) ∧ (¬q) (4)
1 1 1 r ∧ (p ∨ q) ⇐⇒ (r ∧ p) ∨ (r ∧ q) (5)
1 0 0 r ∨ (p ∧ q) ⇐⇒ (r ∨ p) ∧ (r ∨ q) (6).
0 1 0
0 0 1
Remarque 5
La proposition p ⇐⇒ q se lit : La démonstration de ces six équivalences peut
p si et seulement si q être faite en dressant une table de vérité pour
ou encore p est équivalente à q. chacune des équivalences désirées.
Dans la page suivante, on démontre (2).

4. Démonstration de [p ⇐⇒ q] ⇐⇒ [¬p ⇐⇒ ¬q].
Pour montrer l’équivalence entre “p ⇐⇒ q” et “(¬p) ⇐⇒ (¬q)”, il suffit de dresser

une table de vérité :
p q p ⇐⇒ q ¬p ¬q ¬p ⇐⇒ ¬q
1 1 1 0 0 1
1 0 0 0 1 0
0 1 0 1 0 0
0 0 1 1 1 1
Les colonnes correspondantes aux propositions “p ⇐⇒ q” et “(¬p) ⇐⇒ (¬q)” sont

identiques. Cela prouve l’équivalence désirée.

5. L’implication.
Définition 4
Soient p et q deux propositions. Alors, on a les
Si p et q désignent deux propositions, alors la
trois équivalences :
proposition p =⇒ q est fausse uniquement
lorsque p est vraie et q est fausse.
p ⇐⇒ q ⇐⇒ (p =⇒ q) ∧ (q =⇒ p)
p =⇒ q ⇐⇒ ¬q =⇒ ¬p
Le symbole de l’implication est =⇒ et il p =⇒ q ⇐⇒ ¬p ∨ q.
se lit implique.
Ainsi, p =⇒ q se lit ”p implique q” ou La démonstration de ces trois équivalences
encore ”Si p, alors q”. peut être faite en dressant une table de vérité
pour chacune des équivalences désirées.
Remarque 6
Remarque 7
La table de vérité de l’implication.
L’implication ¬q =⇒ ¬p s’appelle la
p q p =⇒ q contraposée de l’implication p =⇒ q.
1 1 1 Une implication est alors équivalente à sa
1 0 0 contraposée.
0 1 1
0 0 1

6. Méthodes pour montrer l’implication p =⇒ q.
Disjonction des cas

Méthode directe On introduit une 3-ème proposition r et on
montre que les propositions (p ∧ r ) =⇒ q et
On suppose que la proposition p est vraie. Dans (p ∧ ¬r ) =⇒ q sont vraies. On a ainsi disjoint
ce cas, p est l’hypothèse et q est la conclusion. les cas où la proposition r est vraie puis lorsque
celle-ci est fausse.
À partir de l’hypothèse p, on montre que
q est vraie. Exercice 2
Exercice 1 Soit x un nombre réel. Montrer l’implication

suivante : |x | 6 12 =⇒ 0 6 x + 12 par
Soit x un nombre réel. Montrer l’implication
disjonction des cas 0 < x puis 0 > x .
suivante : |x | 6 21 =⇒ 0 6 x + 12 par la
méthode directe.
Remarque 9
Remarque 8 Cette méthode est basée sur l’équivalence entre
Si la proposition p est fausse, alors p =⇒ q les deux propositions :
est vraie quelque soit la valeur de vérité de q. p =⇒ q
((p ∧ r ) =⇒ q) ∧ ((p ∧ ¬r ) =⇒ q)
Dans l’Exercice 2, r est la proposition x < 0.
7. Méthodes pour montrer l’implication p =⇒ q (suite).
Par contraposition Par absurde
On rappelle que l’implication p =⇒ q est On rappelle que ¬(p =⇒ q) est équivalente à

équivalente à sa contraposée ¬q =⇒ ¬p sont la proposition p ∧ ¬q.
équivalentes.
Remarque 11
Remarque 10 Le raisonnement par absurde consiste alors à
Le raisonnement par contraposition consiste à supposer que p est vraie et que q est fausse
montrer la contraposée d’une implication à la puis montrer que ces hypothèses conduisent à
place de celle-ci chaque fois que cela semble une contradiction. Or, il ne doit pas y avoir de
profitable. contradictions en mathématiques.
Exemple 5 (voir TD) Exemple 6 (Voir TD)

√
Soit n un entier. Montrer par contraposition Montrer que 2 n’est pas rationnel, cela
l’implication suivante : signifie qu’on ne peut pas l’écrire sous la forme
p
q
, où p est un entier et q est un entier naturel
n2 est pair =⇒ n est pair. non nul.

8. Les quantificateurs.
Les quantificateurs servent à construire des
propositions portant sur les éléments d’un Considérons la propriété : p (x1 , x2 ) : x1 6 x2
ensemble. Il existe deux types : qui dépend des variables x1 ∈ N et x2 ∈ R.
On peut former les propositions suivantes :
Le quantificateur universel ∀ et se lit
pour tout ou quelque soit. p1 : ∀x1 ∈ N, ∀x2 ∈ R, p (x1 , x2 ),
p2 : ∀x1 ∈ N, ∃x2 ∈ R, p (x1 , x2 ),
Exemple 7 p3 : ∃x1 ∈ N, ∀x2 ∈ R, p (x1 , x2 ) et
La proposition “∀ x ∈ R, x 2 > 0” se lit p4 : ∃x1 ∈ N, ∃x2 ∈ R, p (x1 , x2 )
quelque soit x dans R, x2 est positif.
Exercice 3
pour tout x dans R, x 2 est positif.
Montrer que p1 , p2 , p3 et p4 sont des
le carré de tout nombre réel est positif.
propositions. On note q : ∃x2 ∈ R, p (x1 , x2 ).
Que peut-on dire de q ?
Le quantificateur existentiel ∃ qui se lit il
existe au moins ou juste il existe.
Remarque 12
Exemple 8 Remarquer que dans chacune des propositions
La proposition “∃ x ∈ C, x 2 = −1” se lit p1 , p2 , p3 et p4 est suivie d’un quantificateur.
Cela permet le passage d’une propriété vers une
il existe un nombre complexe x dont le proposition.
carré vaut −1.

9. Les quantificateurs (suite).
De manière générale,
Les quantificateurs peuvent servir pour résumer
Remarque 13 une phrase mathématique. Par exemple,
Soient x1 , . . . , xn des variables telles que “p (n) : n est pair” est une propriété qui
chaque xi est dans un ensemble Ei . Alors, une dépend de l’entier naturel n.
propriété p (x1 , . . . , xn ) qui dépend des
De même, “q (n) : n est impair” est une
variables x1 , . . . , xn devient une proposition
propriété qui dépend de l’entier naturel n.
lorsque chaque variable xi , pour i = 1, . . . , n,
est suivie d’un quantificateur ∀ ou ∃. On peut les résumer en expliquant la parité :
“p (n) : ∃k ∈ Z, n = 2k”.
Remarque 14 De même, “q (n) : ∃k ∈ Z, n = 2k + 1”.
Lorsque E1 = · · · = En = E , la proposition
Exercice 4
∀x1 ∈ E , . . . , ∀xn ∈ E : p (x1 , . . . , xn )
En utilisant les quantificateurs, réécrire la
s’écrit proposition : Tout entier naturel est pair ou
∀x1 , . . . , xn ∈ E : p (x1 , . . . , xn ). impair.
Même remarque pour le quantificateur ∃.

10. Règles des quantificateurs.
L’utilisation des quantificateurs est régie par deux règles :

1. La négation de ∀ est ∃ et la négation de ∃ est ∀. Par exemple,
la négation de
∀x ∈ R, ∃n ∈ Z : x 6 n est ∃x ∈ R, ∀n ∈ Z : x > n.
2. On ne peut pas intervertir deux quantificateurs de nature
différente. Par exemple,
∀x ∈ R, ∃n ∈ Z : x 6 n et ∃n ∈ Z, ∀x ∈ R : x 6 n
sont deux propositions non équivalentes.

11. Preuve d’une proposition quantifiée par ∀.
Lorsque qu’on veut montrer la proposition : La proposition (1) s’écrit aussi
∀x ∈ E , p(x ) ∀(x , y ) ∈ R2 , x 2 + xy + y 2 > 0

ou encore
où E est un ensemble donné et p(x ) une ∀x , y ∈ R, x 2 + xy + y 2 > 0.
propriété des éléments de E :
Ensuite, pour la preuve
On commence par fixer un élément x de
E en écrivant : Soit x un élément de E . - Soit (x , y ) un élément de R2 . On peut
Ce x représente tous les éléments de E . aussi écrire : Soient x et y deux éléments
de R.
Ensuite, on passe à la phase de la preuve.
- On a
Enfin, on donne la conclusion.
Par exemple, on veut montrer que : 2
x 2 + xy + y 2 = x + 12 y + 34 y 2 .
∀x ∈ R, ∀y ∈ R, x 2 + xy + y 2 > 0. (1)
- Comme la somme de deux carrés est
positive, on déduit que
∀x ∈ R, ∀y ∈ R, x 2 + xy + y 2 > 0.

12. Preuve d’une proposition quantifiée par ∃.
Exercice 5
Pour montrer une proposition ∃x ∈ E , p(x ), où Montrer que

E est un ensemble donné, on doit exhiber un ∃x ∈ [−1, 0], x 7 + 6x 5 + x 2 + x + 1 = 0.
élément e de E tel que p(e) soit vraie.
On pense immédiatement au théorème des
Remarque 15 valeurs intermédiaires. Pour cela, on introduit
la fonction f définie par :
Il est des fois difficile d’exhiber un élément e
vérifiant p(e) directement. En général, on f (x ) = x 7 + 6x 5 + x 2 + x + 1.
utilise un résultat mathématique connu qui
nous assure l’existence d’un tel élément.
Cette fonction
On illustre cette remarque dans l’exercice est continue sur [−1, 0]
vérifie f (−1) = −6 < 0 et f (0) = 1 > 0.
ci-contre :
Par le théorème des valeurs intermédiaires, on
sait qu’il existe e ∈ [−1, 0] tel que f (e) = 0.

Fin du chapitre 1.

Chapitre 2 :
Notions sur les espaces vectoriels

13. Espace vectoriel. Exemples de référence.
Définition 9 Exemple 11
Un espace vectoriel est un ensemble non vide E Si E1 , . . . , En sont des espaces vectoriels, leur
doté d’une loi interne + et d’une loi externe ∗ produit cartésien E = E1 × · · · × En est muni
tel que des deux lois + et ∗ définies pour tous
1. ∀x , y ∈ E , x + y = y + x ∈ E et x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) dans E et λ
∀λ ∈ R, λ ∗ x ∈ E . dans R par :
Dans la suite, λ ∗ x sera noté λx . x + y = (x1 + y1 , . . . , xn + yn )
2. ∀x , y , z ∈ E , x + (y + z) = (x + y ) + z. et λx = (λx1 , . . . , λxn )
3. ∃0E ∈ E , ∀x ∈ E , x + 0E = x et 1x = x . Ce produit cartésien est un espace vectoriel et
4. ∀x ∈ E , ∃x 0 ∈ E , x + x 0 = 0E . on a 0E = 0E1 , . . . , 0En . En particulier,
Dans la suite x 0 sera noté −x .
Si E1 , . . . , En sont tous égaux et si on
5. ∀x , y ∈ E , ∀λ, µ ∈ R, λ(x + y ) = λx + λy , note H = E1 = · · · = En , alors
(λ + µ)x = λx + µx et λ(µx ) = (λµ)x .
Les éléments de E seront appelés vecteurs et E = E1 × · · · × En = H × · · · × H = H n
| {z }
ceux de R seront appelés des scalaires.
n fois
Exemple 10 est un espace vectoriel.
L’ensemble E = R est un espace vectoriel Si n est un entier naturel non nul, alors
puisque les propriétés 1 à 5 sont vérifiées. Rn est un espace vectoriel.

14. Sous-espace vectoriel.
On se donne un espace vectoriel E et une
partie F de E . Exemple 15

Définition 12 (d’un sous-espace vectoriel.) Soit F = (s, t) ∈ R2 : s + 2t = 0 . On veut
La partie F d’un espace vectoriel E est un montrer que F est un sev de E = R2 .
sous-espace vectoriel (sev en abrégé) de E si F On a 0E = (0, 0) ∈ F car 0 + 2 × 0 = 0.
est non vide et λx + y ∈ F pour tous x , y dans Donc F est non vide.
F et tout λ dans R. Soient x , y ∈ F et λ ∈ R. Montrons alors
que λx + y ∈ F .
Exemple 13 Pour cela, on pose λx + y = (a, b) et on
Les parties {0E } et E sont des sev de E . vérifie que a + 2b = 0.
Posons x = (s, t) et y = (u, v ), où s, t,
u et v sont des nombres réels. Alors
Remarque 16
Si F est un sev de E , alors 0E ∈ F . Donc si (a, b) = λx + y = (λs + u, λt + v )
0E 6∈ F , alors F n’est pas un sev de E .
et donc a = λs + u et b = λt + v .
Exemple 14 (Cas où F n’est pas un sev) On a s + 2t = 0 et u + 2v = 0 car x ∈ F
et y ∈ F . Par suite
La partie F = (s, t) ∈ R2 : s + t = 1 n’est
pas un sev de E = R2 puisque 0E = (0, 0) 6∈ F a + 2b = λs + u + 2 (λt + v )
car 0 + 0 6= 1. = λ (s + 2t) + (u + 2v ) = 0.

15. Combinaison linéaire. Famille génératrice.
On se donne des vecteurs x1 , . . . , xn d’un Pour n = 4 par exemple, on a
espace vectoriel E .
e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) ,
Définition 16 e3 = (0, 0, 1, 0) et e4 = (0, 0, 0, 1) .
Une combinaison linéaire de x1 , . . . , xn est un
vecteur de la forme x = λ1 x1 + · · · + λn xn , où
λ1 , . . . , λn sont des scalaires. Proposition 1
L’ensemble F des combinaisons linéaires de
x1 , . . . , xn est un sev de E . Dans ce cas, on
Exemple 17
écrit F = Vect (x1 , . . . , xn ) et on dit que
Le vecteur x = (5, 4) de R2 est combinaison F est le sev de E engendré par x1 , . . . , xn .
linéaire des vecteurs e1 = (1, 0) et e2 = (0, 1)
La famille (x1 , . . . , xn ) est génératrice de
car x = (5, 4) = 5(1, 0) + 4(0, 1) = 5e1 + 4e2 .
F.
Notation Remarque 17
Dans la suite, nous aurons besoin des vecteurs Par convention, la famille vide est génératrice
de {0E }.
ei = (0, . . . , 0, 1, 0, . . . , 0) ∈ Rn (2)
pour i = 1, . . . , n. Dans (2), on trouve 0 dans Exemple 18

toutes les positions sauf dans la i-ième position La famille (e1 , . . . , en ) est génératrice de Rn .
dans laquelle on trouve 1. Cette famille s’appelle la base canonique de Rn .
16. Combinaison linéaire. Famille libre ou liée.
Exemple 22
Définition 19
Si la famille X contient un seul vecteur x1 ,
Une famille X = (x1 , . . . , xn ) de vecteurs d’un
alors X est libre si et seulement si x1 6= 0E . En
espace vectoriel E est dite libre si pour tous
particulier, la famille X = (0E ) est liée.
λ1 , . . . , λn ∈ R, on a
n
P Remarque 18
λi xi = 0E =⇒ λ1 = · · · = λn = 0. (3)
i=1 Le fait que X soit liée est la négation de (3) :
∃λ1 , . . . , λn ∈ R non tous nuls tels que
On dit aussi que les vecteurs x1 , . . . , xn sont
linéairement indépendants. λ1 x1 + · · · + λn xn = 0E . (4)
Exemple 20 Exemple 23
Par convention, la famille X = ∅ est libre. La base canonique (e1 , . . . , en ) de Rn est libre.
En effet, soient λ1 , . . . , λn des scalaires tels que
Définition 21 λ1 e1 + · · · + λn en = 0Rn . Dans ce cas,
Une famille X est liée si elle n’est pas libre. On 0Rn = λ1 e1 + · · · + λn en = (λ1 , . . . , λn ) .
dit dans ce cas, que les vecteurs de X sont
linéairement dépendants.
Mais cela signifie que λ1 = · · · = λn = 0.

17. Base et dimension.
Définition 24
Théorème 28
Un espace vectoriel est dit de dimension finie
Un espace vectoriel de dimension finie admet
s’il admet une famille génératrice finie.
au moins une base.
Exemple 25 Théorème 29
L’espace vectoriel Rn est de dimension finie Soit E un espace vectoriel de dimension finie et
puisque sa base canonique est génératrice. B = (b1 , . . . , bm ) une base de E . Soient x un
vecteur de E et X = (x1 , . . . , xn ) une famille
quelconque de vecteurs de E . Alors
Définition 26
Il existe λ1 , . . . , λm ∈ R uniques tels que
Une famille B = (b1 , . . . , bn ) de vecteurs d’un x = λ1 b1 + · · · + λm bm .
espace vectoriel E est dite une base de E si elle
est en même temps libre et génératrice. Si X est libre, alors n 6 m.
Si X est génératrice de E , alors m 6 n.
Exemple 27 Si X est une base de E , alors n = m.
L’entier naturel m s’appelle la dimension de E .
La base canonique de Rn est une base de Rn
Dans ce cas, on écrit m = dim(E ).
puisqu’elle est génératrice et libre.

18. Exemples de base et dimension.
Exemple 32
Exemple 30
Nousavons vu auparavant que la partie
Si E = {0E }, alors B = ∅ est une base de E et
F = (x , y ) ∈ R2 : x + 2y = 0 est sev de R2 .
en particulier,
Si a = (x , y ) est un élément de F , alors
0 = dim ({0E }) .
a = (x , y )
= (−2y , y ) puisque x + 2y = 0,
Exemple 31 = yb, où b = (−2, 1) .
En prenant la base canonique (e1 , . . . , en ) de
Rn , on a n = dim (Rn ). En particulier, ona Ceci montre que le sev F est engendré par la
famille B = (b). Cette famille est aussi libre car
1 = dim (R), 2 = dim R2 , 3 = dim R3 et
b est non nul. Donc B est une base de F .
ainsi de suite. Enfin, dim(F ) = 1.

19. Rang d’une famille de vecteurs.
On se donne une famille X = (x1 , . . . , xn ) de
vecteurs d’un espace vectoriel E .
Remarque 19 (Calcul pratique du rang.)
Définition 33
Pour déterminer le rang de la famille X , on
Le rang de la famille X est la dimension du
introduit les familles X0 = ∅ et X1 = (x1 ),
sous-espace engendré par cette famille.
X2 = (x1 , x2 ), X3 = (x1 , x2 , x3 ) et ainsi de suite.
Par convention, le rang d’une famille vide est 0.
On a
On le note rg (x1 , . . . , xn ) ou rg (X )
rg (X0 ) = 0.
Cela constitue la base du calcul.
Proposition 2
Si maintenant on connaît le rang de Xi−1 pour
Si x ∈ E et Y = (x1 , . . . , xn , x ), alors un certain i = 1, . . . , n, alors on peut calculer
celui de Xi en utilisant la Proposition 2 :
n
rg (X ) si x ∈ Vect(X ), Si xi ∈ Vect (Xi−1 ), alors
rg (Y ) =
1 + rg (X ) si x 6∈ Vect(X ).
rg (Xi ) = rg (Xi−1 ) .
Exercice 6 Si xi 6∈ Vect (Xi−1 ), alors

Montrer que rg (X ) 6 n puis que
rg (Xi ) = 1 + rg (Xi−1 ) .
rg (X ) ⇐⇒ X est libre.

20. Exemple de calcul du rang d’une famille de vecteurs.
rg (X2 ) = 1 + rg (X1 ) = 2.
On considère les trois vecteurs x1 = (1, 1, 2),
x2 = (−1, 1, 0) et x3 = (1, 5, 6) de R3 et on Si x3 ∈ Vect (X2 ), alors il existe λ1 , λ2 ∈ R
cherche le rang de la famille X = (x1 , x2 , x3 ). tels que x3 = λ1 x1 + λ2 x2 . Cela se traduit par :
Pour cela, on introduit les familles X0 = ∅, (
X1 = (x1 ), X2 = (x1 , x2 ) et X3 = (x1 , x2 , x3 ). 1 = λ1 − λ2 ,
On a rg (X0 ) = 0 et comme x1 6∈ Vect (X0 ), 5 = λ1 + λ2 ,
6 = 2λ1 .
rg (X1 ) = 1 + rg (X0 ) = 1
La résolution de ce système conduit à λ1 = 3
car Vect (X0 ) = {0E }. Si x2 ∈ Vect (X1 ), alors et λ2 = 2. Donc x3 ∈ Vect (X2 ) et par suite
il existe λ1 ∈ R tel que x2 = λ1 x1 , c’est-à-dire
rg (X3 ) = rg (X2 ) = 2.
(
−1 = λ1 ,
1 = λ1 , Comme X = X3 , on a
0 = 2λ1 .
rg(X ) = 2 .
Cela étant faux, donc x2 6∈ Vect (X1 ) et alors

21. Rang et opérations élémentaires.
Exemple 35
On se donne une famille X = (x1 , . . . , xn ) de
vecteurs d’un espace vectoriel E , où n > 2. Si X = (x1 , x2 , x3 ), alors après l’opération
élémentaire P2 ← P2 − 3P1 , la famille X
Définition 34 devient : X 0 = (x1 , x2 − 3x1 , x3 ).

On dit qu’une famille X 0 = x10 , . . . , xn0 est
obtenue de X à l’aide d’une opération Définition 36
élémentaire lorsqu’il existe deux entiers i et j
On dit qu’une famille X 0 est obtenue de X par
distincts entre 1 et n et un scalaire λ tels que
une suite finie d’opérations élémentaires
n lorsqu’il existe X0 , . . . , Xp tels que :
xk si 6 i,
k=
xk0 = (5) X0 = X et Xp = X 0
xi + λxj si k=i
Si p > 1, alors chaque Xi est obtenue de
pour k = 1, . . . , n. Xi−1 par une opération élémentaire pour
tout i = 1, . . . , p.
Remarque 20
Proposition 3
L’opération élémentaire (5) se note
Si une famille X 0 est obtenue de X par une
Pi ← Pi + λPj . suite finie d’opérations élémentaires, alors
Vect (X ) = Vect (X 0 ). En particulier, on a
rg (X ) = rg (X 0 ).

22. Notion d’application linéaire.
Soient E et F deux espaces vectoriels.
Définition 37 Définition 40
Une application f de E dans F est linéaire si Soit f une application linéaire de E dans F .
Le noyau de f est la partie de E notée
f (λx + y ) = λf (x ) + f (y ) (6) ker(f ) et formée par les éléments x de E
tels que f (x ) = 0F .
pour tous x , y dans E et tout λ dans R. L’image de f est la partie de F notée
Im(f ) et formée par les éléments y de F
tels que y = f (x ) pour un certain x de E .
Exemple 38
L’application f définie de E dans F par
f (x ) = 0F est linéaire. Proposition 4
Soit f une application linéaire de E dans F .
Remarque 21 ker(f ) est un sous-espace vectoriel de E .

Im(f ) est un sous-espace vectoriel de F .
Lorsque E = F , une application linéaire de E
dans lui-même est dite endomorphisme de E .
Exercice 7
Exemple 39 Vérifier que l’application f définie sur R2 par
L’application notée IdE définie de E dans E f (x , y ) = y est linéaire puis déterminer son
par f (x ) = x est un endomorphisme de E . noyau et son image.

Fin du chapitre 2.

Chapitre 3 :
Calcul matriciel.

23. Notion de matrice.
Dans l’exemple précédent, on a M(1, 1) = −1,
Soient m et n deux entiers naturels non nuls. M(1, 3) = 23, M(2, 3) = 0, M(3, 3) = 23 et
M(3, 4) = 1.
Définition 41
Une matrice de type (m, n) est un tableau Remarque 22
Dans la suite, on utilise les notations
x x1,2 ... x1,n
 suivantes :
1,1
 x2,1 x2,2 ... x2,n  Mm,n est l’ensemble de toutes matrices

X = . .. .. ..  . (7)
.. . de type (m, n).
. .
xm,1 xm,2 ... xm,n Lorsque m = n, Mn,n est noté Mn . Dans
ce cas, une matrice de type (n, n) sera
de nombres réels ayant m lignes et n colonnes. appelée matrice carrée d’ordre n.
Le coefficient xi,j se trouve dans la ligne i et la Enfin, une matrice de type (m, n) est dite
colonne j et se note X (i, j). nulle si tous ses coefficients sont nuls.
On la note 0m,n .
Exemple 42
! Exemple 43
−1 5 23 1
1 La matrice nulle de type (2, 3) est :
La matrice M = 41 2
0 2 est de
2
6 0 3
1
type (3, 4). 0 0 0
0m,n = .
0 0 0

24. Somme et produit par un scalaire.
Soient X et Y sont deux matrices de type (m, n), où m et n sont deux entiers naturels
non nuls et λ un scalaire. On définit les deux matrices Z = X + Y et W = λX par :
Z (i, j) = X (i, j) + Y (i, j),

(8)
W (i, j) = λX (i, j)
pour tout i = 1, . . . , m et tout j = 1, . . . , n. Par exemple,

1 −1 2 1 5 8 2 4 10
+ =
1 3 7 40 −1 13 41 2 20
! !
1 −1 7 −7
7 2 1 = 14 7 .
3 7 21 49
Remarques et notations :
L’ensemble des matrices de type (m, n) est noté Mm,n .
À l’aide de (8), l’ensemble E = Mm,n est fait un espace vectoriel réel. En
particulier, 0E = 0m,n .
Lorsque m = n, l’ensemble Mn,n est noté simplement Mn .
Une matrice de type (n, n) sera appelée matrice carrée d’ordre n.

25. Matrices élémentaires.
Soient m et n deux entiers naturels non nuls. On utilise la notation Em,n (i, j) pour
désigner la matrice de type (m, n) ayant tous ses coefficients nuls sauf celui de la
i-ème ligne et de la j-ème colonne qui vaut 1.
Exemple 44
Dans le cas m = 4, n = 6, i = 3 et j = 5, on a
  Position (3, 5)
0 0 0 0 0 0
0 0 0 0 0 0
E4,6 (3, 5) =  .
0 0 0 0 1 0
0 0 0 0 0 0
Lorsque m = n, En,n (i, j) s’écrit En (i, j). Si maintenant n = 1, alors j = 1 et la matrice

Em,1 (i, 1) s’écrit Em (i). Par exemple,
! ! !
1 0 0
E3 (1) = 0 , E3 (2) = 1 et E3 (3) = 0 .
0 0 1

26. La matrice identité d’ordre n.
Soit n un entier naturel non nul. La matrice identité d’ordre n est la matrice carrée
d’ordre n ayant pour vecteurs colonnes les matrices En (1), . . . , En (n). On la note In .
Par exemple, on a
 
! 1 0 0 0
1 0 0
1 0 0 1 0 0
I1 = 1, I2 = , I3 = 0 1 0 et I4 =  .
0 1 0 0 1 0
0 0 1
0 0 0 1
n
P
Exercice : Reconnaître la matrice En (i, i), c’est-à-dire En (1, 1) + · · · + En (n, n).
i=1

27. Matrices de transvection.
Soit n un entier naturel supérieur ou égal à 2.
Définition 45
Une matrice de transvection d’ordre n est une matrice carrée d’ordre n de la forme
In + λEn (i, j), où i, j sont des entiers distincts ente 1 et n et λ un scalaire. On la note
Tn (i, j, λ).
Exemple 46
Pour n = 5, i = 2 et j = 5, on a
  λ = −5 en position (2, 3)
1 0 0 0 0
0 1 −5 0 0
T5 (2, 3, −5) = 0 0 1 0 0 .
0 0 0 1 0
 
0 0 0 0 1

28. Matrice triangulaire.
Soit M une matrice carrée d’ordre n, où n est La matrice

un entier naturel non nul.
 
5 0 0 0
Définition 47 3 7 0 0
M=
La matrice M est dite −5 0 2 0
3 5 7 4
triangulaire supérieure si M(i, j) = 0
pour tous i, j = 1, . . . , n avec i > j.
est triangulaire inférieure. Enfin, la matrice
triangulaire inférieure si M(i, j) = 0 pour
tous i, j = 1, . . . , n avec i < j.
−4
 
0 0 0
diagonale si elle est en même temps 0 7 0 0
triangulaire supérieure et inférieure. M=
0 0 11 0
0 0 0 0
Exemples : La matrice
est diagonale. La matrice identité est aussi
−2 −5
 
1 3 diagonale.
0 0 −5 7
M=
0 0 2 8 Définition 48
0 0 0 4
Les éléments diagonaux de la matrice M sont
les coefficients M(1, 1), . . . , M(n, n).
est triangulaire supérieure.

29. Transposée d’une matrice. Matrice symétrique.
Soient m et n deux entiers naturels non nuls. Exercice : Déterminer la transposée de

Em,n (i, j), où i et j sont des entiers tels que
Définition 49 1 6 i 6 m et 1 6 j 6 n.
La transposée d’une matrice M de type (m, n)
est la matrice de type (n, m) notée M > et Proposition 5
définie par M > (i, j) = M(j, i) pour tout Soient M et N sont deux matrices de type
i = 1, . . . , n et tout j = 1, . . . , m. (m, n) et λ un scalaire. Alors, on a
>
Par exemple, M> = M.
! (λM + N)> = λM > + N > .
1 4
1 2 3
si M = , alors M > = 2 5 .
4 5 6
3 6 Définition 50
Une matrice carrée M est dite symétrique si
M = M>.
Remarque 23
La transposée d’une matrice triangulaire
supérieure est triangulaire inférieure. De même, Exemple 51
la transposée d’une matrice triangulaire La matrice identité In est symétrique. Toute
inférieure est triangulaire supérieure. matrice diagonale est symétrique.

30. Matrice échelonnée.
Soient m et n deux entiers naturels non nuls.
Définition 52
Une matrice M de type (m, n) est dite échelonnée si elle est nulle ou il existe des
places p1 , . . . , pr telles que :
1 6 p1 < · · · < pr 6 n.
Cp1 (M) = λ1 Em (1), . . . , Cpr (M) = λr Em (r ), où λ1 , . . . , λr sont des scalaires
non nuls.
Pour tout j = 1, . . . , n,
la colonne Cj (M) est nulle si 1 6 j < p1 ,
la colonne Cj (M) est combinaison linéaire de Em (1), . . . , Em (i) si
pi < j < pi+1 ,
la colonne Cj (M) est combinaison linéaire de Em (1), . . . , Em (r ) si pr < j.
Lorsque M est non nulle, les coefficients λ1 = M (1, p1 ) , . . . , λr = M (r , pr ) sont

appelés les pivots de M. On dit qu’elle est r -échelonnée.

31. Exemple de matrice échelonnée.
−2
 
0 0 4 0 8 0 3
0 0 0 0 −1 −6 0 −10
La matrice M =  est 3-échelonnée et on a :
0 0 0 0 0 0 2 5
0 0 0 0 0 0 0 0
M est de type (4, 8),
p1 = 3, p2 = 5 et p3 = 7,
les pivots de M sont M(1, 3) = 4, M(2, 5) = −1 et M(3, 7) = 2 :
Les pivots
−2
 
0 0 4 0 8 0 3
0 0 0 0 −1 −6 0 −10
M= 
0 0 0 0 0 0 2 5
0 0 0 0 0 0 0 0
si on choisit j = 6, alors p2 < 6 < p3 . Il faut que C6 (M) soit combinaison

linéaire de E4 (1) et E4 (2) et c’est vrai puisque C6 (M) = 8E4 (1) − 6E4 (2),
de même pour j = 8, C6 (M) est combinaison linéaire de E4 (1), E4 (2) et E4 (3)
puisque C8 (M) = 3E4 (1) − 10E4 (2) + 5E4 (3). Remarquer que p3 < 8.

32. Produit matriciel.
Soient m, n, p et q quatre entiers naturels non
nuls. Exemple 54
Définition 53 On a : !
2 1
Soient X une matrice de type (m, n) et Y une 1 −1 2 10 11
0 3 = .
matrice de type (n, p). Le produit de X et Y 1 3 7 30 59
4 7
est la matrice Z notée Z = X × Y ou XY et
définie par :
n
Proposition 6
X
Z (i, j) = X (i, k)Y (k, j) (9) Soient A et A0 deux matrices de type (m, n), B
et B 0 deux matrices de type (n, p) et M une
k=1
matrice de type (p, q). Alors, on a :
pour tout i = 1, . . . , m et tout j = 1, . . . , p. (A + A0 ) B = AB + A0 B et
A (B + B 0 ) = AB + AB 0 .
(AB) M = A (BM).
Remarque 24
Im A = AIn = A.
La matriceXY est de type (m, p).
(AB)> = B > A> .
La matrice Li (X )Cj (Y ) est de type (1, 1),
c’est donc un scalaire. Ce scalaire n’est Pour i = 1, . . . , m et j = 1, . . . , p, on a
que le coefficient Z (i, j) donné dans (9). Li (AB) = Li (A)B et Cj (AB) = ACj (B).

33. Vecteurs colonnes et lignes d’une matrice.
Soit X une matrice de type (m, n), où m et n sont des entiers naturels non nuls. Pour
i = 1, . . . , p et j = 1, . . . , q, on note xi,j = X (i, j).
Définition 55
   
x1,1 x1,q
. .
Les matrices C1 (X ) =  ..  , . . . , Cn (X ) =  ..  sont appelées les vecteurs
xp,1 xp,q
colonnes de X . Dans ce cas, on écrit X = [C1 (X ), . . . , Cn (X )]. De même, les matrices

L1 (X ) = x1,1 ... x1,q , . . . . . . , Lm (X ) = xp,1 ... xp,q
 
L1 (X )
.. 
sont appelés les vecteurs lignes de X . Dans ce cas, on écrit X = 
. .
Lm (X )
Remarque 25
Chaque vecteur colonne Cj (X ) est un élément de Mm,1 et chaque vecteur ligne Li (X )
est un élément de M1,n .

34. Opérations élémentaires sur une matrice.
Soit X une matrice de type (m, n), où m et n sont des entiers naturels non nuls.
Effectuer une opération élémentaire sur les lignes X revient à faire cette même
opération sur la famille des vecteurs lignes de X . Par exemple,
−2 −1 −2 −1
   
0 0
1 2 3 L3 ←L3 −2L2 0 1 2 3
X = −−−−−−−−−−−→ X =  .
4 5 6 2 1 0
7 8 9 7 8 9
Remarque 26
Par application de l’opération Li ← Li + λLj à l’identité In , on obtient la matrice de
transvection Tn (i, j, λ).
Proposition 7
Soit X 0 la matrice obtenue de la matrice X par application de l’opération élémentaire
Li ← Li + λLj . Alors, on a : X 0 = Tn (i, j, λ)X .
Si on prend l’exemple des matrices X et X 0 ci-dessus, alors

−2 −1 −2 −1
    
1 0 0 0 0 0
0 1 0 0  1 2 3  1 2 3
T4 (3, 2, −2)X =  = = X 0.
0 −2 1 0 4 5 6 2 1 0
0 0 0 1 7 8 9 7 8 9

35. Échelonnement d’une matrice.
On pose X0 = X et G0 = I5 puis on effectue
Proposition 8 l’opération L1 ← L1 + L2 sur les matrices X0 et
G0 pour obtenir :
Soit X une matrice de type (m, n), où m et n
sont des entiers naturels non nuls. Alors, on  
peut déterminer des suites finies de matrices 0 2 3 9 18 2 13
X0 , . . . , Xp et G0 , . . . , Gp telles que : X1 = 0 2 3 6 13 2 10
0 4 6 12 26 6 19
X0 = X et G0 = Im . 0 6 9 18 39 8 29
Gk X = Xk pour tout k = 0, . . . , p. 
1 1 0 0

Xp est échelonnée.
G1 = 0 1 0 0
.
Pour tout k = 1, . . . , p, on obtient Xk de 0 0 1 0
Xk−1 et Gk de Gk−1 en effectuant la 0 0 0 1
même opération élémentaire.
Remarquer que G1 X = X1 . Le coefficient 2,
Prenons l’exemple de la matrice : appelé pivot, sera utilisé pour annuler les autres
coefficients de la colonne 2. On annule le
0

0 0 3 5 0 3
 coefficient (2, 2) par l’opération :
0 2 3 6 13 2 10
X = . L2 ← L2 − L1 .
0 4 6 12 26 6 19
0 6 9 18 39 8 29

36. Échelonnement d’une matrice (suite).
L’opération L2 ← L2 − L1 sur les matrices

0 2 3 9 18 2

13 L’opération L3 ← L3 − 2L1 sur les matrices X2
et G2 permet d’annuler le coefficient (3, 2) et
X1 = 0 2 3 6 13 2 10
donne :
0 4 6 12 26 6 19
0 6 9 18 39 8 29  
  0 2 3 9 18 2 13
1 1 0 0
0 0 0 −3 −5 0 −3
0 1 0 0 X3 =
G1 = 0 0 0 −6 −10 2 −7
0 0 1 0
0 6 9 18 39 8 29
0 0 0 1  
1 1 0 0
donne G3 = −1 0 0 0
.
−2 −2 1 0

0 2 3 9 18 2 13
 0 0 0 1
0 0 0 −3 −5 0 −3
X2 =  On a toujours G3 X = X3 . On annule ensuite le
0 4 6 12 26 6 19
0 6 9 18 39 8 29 coefficient (4, 2) par l’opération
 
1 1 0 0
−1 0 0 0 L4 ← L4 − 3L1
G2 =  .
0 0 1 0
0 0 0 1 sur les matrices X3 et G3 .
Observer que G2 X = X2 .

L’opération L4 ← L4 − 3L1 sur les matrices
 
0 2 3 9 18 2 13
Un nouveau pivot −3 = X4 (2, 4) apparaît. On
0 0 0 −3 −5 0 −3
X3 = l’utilise pour annuler les autres coefficients de
0 0 0 −6 −10 2 −7
la colonne 4. On commence par effectuer
0 6 9 18 39 8 29
  l’opération L1 ← L1 + 3L2 sur les matrices X4
1 1 0 0 et G4 pour annuler 9 = X4 (1, 4). Cela donne :
G3 = −1 0 0 0
−2 −2 1 0 
0 2 3 0 3 2 4

0 0 0 1 −3 −5 −3 
X5 = 0 0 0 0
0 0 0 −6 −10 2 −7
donne 0 0 0 −9 −15 2 −10
−2
 
  1 0 0
0 2 3 9 18 2 13
0 0 0 −3 −5 0 −3  G5 = −1 0 0 0
.
X4 = −2 −2 1 0
0 0 0 −6 −10 2 −7
−3 −3 0 1
0 0 0 −9 −15 2 −10
 
1 1 0 0 Maintenant, l’opération L3 ← L3 − 2L2 permet
G4 = −1 0 0 0
. d’annuler le coefficient −6 = X5 (3, 4).
−2 −2 1 0
−3 −3 0 1

L’opération L3 ← L3 − 2L2 sur les matrices
  L’opération L4 ← L4 − 3L2 permet d’annuler le
0 2 3 0 3 2 4
0 0 0 −3 −5 0 −3  coefficient −9 = X6 (4, 3) :
X5 =
0 0 0 −6 −10 2 −7  
0 0 0 −9 −15 2 −10 0 2 3 0 3 2 4
0 0 0 −3 −5 0 −3
−2
 
1 0 0 X7 = 
0 0 0 0 0 2 −1
G5 = −1 0 0 0
0 0 0 0 0 2 −1
−2 −2 1 0
−2
 
−3 −3 0 1 1 0 0
G7 = −1 0 0 0
.
donne 0 −2 1 0
0 −3 0 1
 
0 2 3 0 3 2 4
0 0 0 −3 −5 0 −3  Un nouveau pivot 2 = X7 (3, 6) apparaît. On
X6 = l’utilise pour annuler les autres coefficients de
0 0 0 0 0 2 −1
0 0 0 −9 −15 2 −10 la colonne 6. On commence par effectuer
l’opération
−2
 
1 0 0
L1 ← L1 − L3
G6 = −1 0 0 0
.
0 −2 1 0
−3 −3 0 1 sur les matrices X7 et G7 .

L’opération L1 ← L1 − L3 sur les matrices
 
0 2 3 0 3 2 4
−3 −5 −3 Enfin, l’opération L4 ← L4 − 3L2 permet
X7 = 0 0 0 0
d’annuler le coefficient 2 = X8 (4, 6) :
0 0 0 0 0 2 −1
0 0 0 0 0 2 −1  
0 2 3 0 3 0 5
−2
 
1 0 0
0 0 0 −3 −5 0 −3
G7 = −1 0 0 0
.
X9 =
0 0 0 0 0 2 −1
0 −2 1 0
0 0 0 0 0 0 0
0 −3 0 1
−2 −1
 
3 0
donne G9 = −1 0 0 0
.
0 −2 1 0

0 2 3 0 3 0

5 0 −1 −1 1
0 0 0 −3 −5 0 −3
X8 = La matrice X9 est clairement 3-échelonnée et
0 0 0 0 0 2 −1
0 0 0 0 0 2 −1 on a
p1 = 2, p2 = 4 et p3 = 6.
−1
 
2 3 0
G8 = −1 0 0 0
. Sans oublier que G9 X = X9 .
0 −2 1 0
0 −3 0 1

40. Rang d’une matrice.
Soit M une matrice de type (m, n), où m et n sont des entiers naturels non nuls.
Définition 56
Le rang de M est le rang de la famille (C1 (M), . . . , Cn (M)) de ses vecteurs colonnes et
on le note rg(M).
Exemples.
Le rang de la matrice nulle est 0.
Si la matrice M est r -échelonnée, alors rg(M) = r . En particulier, on a
rg (In ) = n.
Proposition 9

On a rg (M) = rg M > .
Remarque : Le rang de M est aussi le rang de la famille (L1 (M), . . . , Lm (M)) de ses
vecteurs lignes puisque les lignes M sont les colonnes de M > .

41. Matrice inversible.
On se donne 2 entiers naturels m et n non nuls.
Corollaire 58
Définition 57 Soit M une matrice de type (m, n) et N la
Une matrice carrée d’ordre m est dite inversible matrice échelonné obtenue de M à l’aide d’un
si son est égal à m. nombre fini d’opérations élémentaires. Alors,
rg(M) = rg(N).
Exemple : La matrice identité Im est inversible.
Exemple : Nous avons vu l’exemple de :
Proposition 10
 
Une matrice triangulaire est inversible si et 0 0 0 3 5 0 3
seulement si tous ses coefficients diagonaux 0 2 3 6 13 2 10
X = 
sont non nuls. 0 4 6 12 26 6 19
0 6 9 18 39 8 29
Exemple : Une matrice de transvection est
inversible. qui après un nombre fini d’opérations conduit à
la matrice 3-échelonnée :
Proposition 11
 
Soient A une matrice inversible d’ordre m, M 0 2 3 0 3 0 5
une matrice de type (m, n) et B une matrice 0 0 0 −3 −5 0 −3
X9 =  .
inversible d’ordre n. Alors 0 0 0 0 0 2 −1
0 0 0 0 0 0 0
rg(M) = rg(AM) = rg(MB).
Donc rg(X ) = 3.

42. Propriétés d’une matrice inversible.
On se donne un entier naturel m non nul. Corollaire 60

Si M est diagonale d’ordre m et ses coefficients
Proposition 12
diagonaux λ1 , . . . , λm non nuls, alors M est
Soit M une matrice carrée d’ordre m. Alors, les inversible et M −1 est diagonale de coefficients
propriétés suivantes sont équivalentes : diagonaux λ−1 −1
1 , . . . , λm .
La matrice M est inversible.
∃A ∈ Mn , AM = Im . Corollaire 61
∃B ∈ Mn , MB = Im . Soient M et N deux matrices inversibles d’ordre
Si ces conditions sont vérifiées, alors A = B. m. Alors, la matrice MN est inversible et on a
Cette matrice commune se note M −1 et on
l’appelle inverse de M. (MN)−1 = N −1 M −1 .
Exemple 59 Remarque 27 (Test d’inversibilité.)

La matrice identité Im est inversible et On se donne une matrice carrée d’ordre m. On
on a I−1
m = Im . sait que par des opérations élémentaires, on
Si M est une matrice de transvection de peut trouver une matrice G inversible et une
la forme Tm (i, j, λ), alors matrice r -échelonnée R telles que GM = R. On
sait en plus que rg(M) = r . Donc
M −1 = Tm (i, j, −λ). si r < m, alors M est non inversible.
si r = m, alors M est inversible.
43. Test d’inversibilité et calcul d’inverse.
On se donne un entier naturel m non nul. On suppose que r = m. Dans ce cas,

Proposition 13 les matrices X et R sont inversibles,
par la Proposition 13, la matrice R est
Une matrice inversible d’ordre m est échelonnée diagonale
si et seulement si elle est diagonale.
et à partir de GX = R, on aura
On se donne une matrice carrée X d’ordre m.
On sait que par des opérations élémentaires, on R −1 GX = R −1 R = Im .
peut trouver une matrice G = Gp inversible et
une matrice r -échelonnée R = Xp telles que Cela montre que X −1 = R −1 G.
GX = R. On sait en plus que rg(X ) = r . Donc
r = m ⇐⇒ X est inversible. Remarque 28
Dans le cas où r = m, le calcul de l’inverse R −1
Cette équivalence constitue alors un test
est facile puisque la matrice R est diagonale.
d’inversibilité de la matrice X .

44. Exemple de calcul d’inverse.
!
0 2 1 ! !
On test si M = 1 2 3 est inversible. 1 0 2 −1 1 0
2 6 8 M3 = 0 −2 −1 , G3 = −1 0 0
0 0 1 −1 −2 1
Soit M0 = M et G0 = I3 . On considère au
début l’opération : L1 ← L1 + L2 qui donne
puis L1 ← L1 − 2L3 et L2 ← L2 + L1 :
! !
1 4 4 1 1 0 ! !
M1 = 1 2 3 , G1 = 0 1 0 1 0 0 1 5 −2
2 6 8 0 0 1 M4 = 0 −2 0 , G4 = −2 −2 1 .
0 0 1 −1 −2 1
puis L2 ← L2 − L1 et L3 ← L3 − 2L1 :
La matrice R = M4 est échelonnée et inversible
1 4 4
!
1 1
!
0 et on a GM = R avec G = G4 . La matrice M
M2 = 0 −2 −1 , G2 = −1 0 0 est donc inversible et on a
0 −2 0 −2 −2 1 !
1 5 −2
−1 −1
M =R G= 1 1 − 12 .
puis L1 ← L1 + 2L1 et L3 ← L3 − L2 :
−1 −2 1

45. Déterminant d’une matrice carrée.
On se donne un entier naturel non nul m et
une matrice carrée A d’ordre m.
a c
Si A = , alors A1,1 = d, A1,2 = b,
Notation b d
A2,1 = c et A2,2 = a. Par suite
Si i, j sont deux entiers entre 1 et m, on note
A
bi,j la matrice obtenue de A en supprimant la
ligne i et la colonne j. |A| = (−1)1+1 A(1, 1) |A1,1 |
+(−1)1+2 A(1, 2) |A1,2 |
= ad − cb.

123
Par exemple si A = 456 , alors
789
Notation

5 6 1 2
A1,1 = et A2,3 = .
8 9 7 8 Le déterminant de la matrice A se note |A|,
det(A) ou
Définition 62 A(1, 1) ... A(1, m)

Le déterminant de la matrice A est défini .. .. ..
. . . .
récursivement par :
A(m, 1) ... A(m, m)

 A(1, 1) si m = 1,
a c
m
|A| = P Par exemple, = ad − cb.
 (−1)1+j A(1, j) |A1,j | si m > 2. b d
j=1

46. Propriétés du déterminant d’une matrice carrée.
Proposition 16
On se donne un entier naturel non nul m.
On suppose que m > 2. Soient A une matrice
Proposition 14 carrée d’ordre m et i un entier entre 1 et m.
Le déterminant d’une matrice triangulaire est le Alors
produit de ses éléments diagonaux. m
X
Exemple On a |Im | = 1 puisque les éléments |A| = (−1)i+j A(i, j) |Ai,j | . (10)
diagonaux sont égaux à 1. Pour la même j=1
raison, si T est une matrice de transvection,
alors |T | = 1. La formule (10) veut dire qu’on a développé le
déterminant de A par rapport à la i-ème ligne.
Proposition 15
Si A et B sont deux matrices carrées d’ordre m, Corollaire 64
alors |AB| = |A| |B|.
Si A est une matrice carrée ayant une ligne
nulle, alors |A| = 0.
Corollaire 63
Si N est une matrice carrée obtenue d’une Exercice : On suppose que m > 2. Soient A
autre matrice carrée M par une opération une matrice carrée d’ordre m et i, j deux entiers
élémentaire, alors |N| = |M|.
distincts entre 1 et m. Si Li (A) = Lj (A),
montrer que |A| = 0.
47. Propriétés du déterminant (suite).
Corollaire 66
On se donne un entier naturel non nul m.
Si A est une matrice carrée ayant une colonne
Proposition 17 nulle, alors |A| = 0.
Si M est une matrice carrée, alors |M| = M > . Exercice : On suppose que m > 2. Soient A
une matrice carrée d’ordre m et i, j deux entiers
distincts entre 1 et m. Si Ci (A) = Cj (A),
Corollaire 65 montrer que |A| = 0.
On suppose que m > 2. Soient A une matrice
Proposition 18
carrée d’ordre m et j un entier entre 1 et m.
Alors Soit A une matrice carrée d’ordre m. Alors, A
est inversible si et seulement si |A| 6= 0.
m
X
|A| = (−1)i+j A(i, j) |Ai,j | . (11) En pratique, pour calculer le déterminant d’une
i=1 matrice carrée A, on peut transformer A par
des opérations élémentaires en une matrice
La formule (11) veut dire qu’on a développé le r -échelonnée B.
déterminant de A par rapport à la j-ème Si r < m, alors |A| = 0 puisque A est
colonne. non inversible.
Si r = m, alors |A| est le produit des
éléments diagonaux de B.

Fin du chapitre 3.

Chapitre 4 :
Systèmes linéaires.

48. Système linéaire et solution.
Définition 67 Exemple (suite)

On appelle solution, si elle existe, d’un système En multipliant la première équation par 2 et en
linéaire AX = B de m équations et n inconnues l’ajoutant à la deuxième, AX = B devient :
tout vecteur Z vérifiant l’égalité AZ = B.
n
x1 − x2 = b1 ,
Remarque 29 (et notation) 0 = 2b1 + b2 .
L’ensemble de toutes les solutions du système L’ensemble des solutions S(A, B) dépend alors
AX = B sera noté S(A, B). Cet ensemble peut du second membre B.
être vide ou non.
Si 2b1 + b2 6= 0, alors S(A, B) = ∅. Le
système n’a donc pas de solutions.
Exemple
Si 2b1 + b2 = 0, alors

1 −1 x1 b1
Si A = ,X = et B = ,
−2 2 x2 b2 S(A, B) = {(t + b1 , t) : t ∈ R}
alors le système AX = B n’est que
n c’est-à-dire la droite du plan ayant pour
x1 − x2 = b1 , équation : x1 − x2 = b1 . Le système a
−2x1 + 2x2 = b2 . donc une infinité de solutions.

49. Systèmes équivalents.
Proposition 19
Définition 68
Soient AX = B un système linéaire de m
Deux systèmes linéaires AX = B et MX = N équations et n inconnues et G une matrice
de m équations et n inconnues sont dits carrée d’ordre m inversible. Alors les systèmes
équivalents s’ils ont les mêmes solutions, AX = B et GAX = GB sont équivalents.
c’est-à-dire que S(A, B) = S(M, N).
Dans l’exemple précédent, on a
Exemple : Les deux systèmes linéaires :

1 0
G= .
n
x1 − x2 = b1 , 2 1
−2x1 + 2x2 = b2
On peut vérifier que GA = M et que GB = N.
et n
x1 − x2 = b1 , Remarque : Le passage de A vers N se fait en
0 = 2b1 + b2 échelonnant la matrice A par l’opération :
sont
équivalents.
Dans ce
cas, ona L2 ← L2 + 2L1 .

1 −1 1 −1 b1
A= ,M= ,B=
−2 2 0 0 b2

b1 Avec la même opération, on obtient G à partir
et N = .
2b1 + b2
de la matrice identité I2 .

50. Système linéaire échelonné.
Exemple : Soit A la matrice échelonnée :

Définition 69
Un système linéaire AX = B de m équations et −2
 
0 0 4 0 8 0 3
de n inconnues est dit échelonné si sa matrice 0 0 0 0 −1 −6 0 −10
A est échelonnée. A=  .
0 0 0 0 0 0 2 5
0 0 0 0 0 0 0 0
Remarque : Si la matrice A est nulle, alors le
système linéaire AX = B est échelonné. Dans
ce cas, Les inconnues principales sont donc
x3 , x5 et x7 .
Mm,1
n
si B est nul, Les inconnues auxiliaires sont x1 , x2 , x4 ,
S(A, B) =
∅ si B est non nul. x6 et x8 .
Le système AX = B s’écrit alors
On suppose que la matrice A est non nulle et
qu’elle est r -échelonnée avec des pivots 
M (1, p1 ) , . . . , M (r , pr ). Dans ce cas, les  4x3 − 2x4 + 8x6 + 3x8 = b1 ,
inconnues x1 , . . . , xn sont de deux types : −x5 − 6x6 − 10x8 = b2 ,
2x7 + 5x8 = b3 ,
Les inconnues principales : xp1 , . . . , xpr . 
0 = b4 .
Les inconnues auxiliaires : Les inconnues
qui ne sont pas principales.

51. Résolution d’un système linéaire échelonné.
Reprenons le système linéaire :

 4x3 − 2x4 + 8x6 + 3x8 = b1 , Cas général : Soit AX = B un système linéaire
−x5 − 6x6 − 10x8 = b2 , r -échelonné, c’est-à-dire que la matrice A est
 2x7 + 5x8 = b3 , r -échelonnée, de m équations et n inconnues.
0 = b4 .
Si r < m et br +1 , . . . , bm sont non tous
Si b4 6= 0, le système n’a pas de solutions. On nuls, alors S(A, B) = ∅.
suppose que b4 = 0. Dans ce cas, les solutions On suppose que r = m ou que r = m et que
du système sont de la forme : br +1 = · · · = bm = 0. Alors, comme dans
l’exemple précédent, l’ensemble S(A, B) est
non vide et ses éléments sont obtenues
 
x1
 x2  en donnant des valeurs quelconques aux
b1 + 1 x4 − 2x6 − 3 x8  inconnues auxiliaires.
 2 4 
x4 en déterminant chaque inconnue
X = .
 
 −b2 − 6x6 − 10x8  principale à l’aide des valeurs déjà
 x6  données aux inconnues auxiliaires.
b3 − 52 x8
 
x8

52. Exemple de résolution d’un système linéaire.
La matrice M = A2 est 2-échelonnée et le
système AX = B est équivalent au système
Considérons le système linéaire AX = B
échelonné A2 X = G2 B :
suivant :
(
(
x1 + 2x2 + x3 = b1 , x1 − 3x3 = 7b1 − 2b2 ,
3x1 + 7x2 + 5x3 = b2 , x2 + 2x3 = −3b1 + b2 ,
−3x2 + 2x3 = b3 . 0 = 3b1 − b2 + b3 .
On note A0 la matrice du système et G0 = I3 . Si 3b1 − b2 + b3 6= 0, alors S(A, B) = ∅. Si

Avec l’opération L2 ← L2 − 3L1 , on aura maintenant 3b1 − b2 + b3 = 0, on sait que
S(A, B) 6= ∅. Pour déterminer les solutions de
! ! ce système, on donne une valeur quelconque t
1 2 1 1 0 0
à l’inconnue auxiliaire x3 et on détermine les
A1 = 0 1 2 , G1 = −3 1 0
inconnues principales x1 et x2 :
0 1 2 0 0 1
x1 = 7b1 − 2b2 + 3t, x2 = −3b1 + b2 − 2t
puis avec L1 ← L1 − 2L2 et L3 ← L3 − L2
! ! autrement dit,
1 0 −3 7 −2 0
A2 = 0 1 2 , G2 = −3 1 0 . !
7b1 − 2b2 + 3t
0 0 0 3 −1 1
X = −3b1 + b2 − 2t .
t

Fin du chapitre 4.

Poly Algebre

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

Poly Algebre

Transféré par

Droits d'auteur :

Formats disponibles

Cours : Algèbre. Page 1/ ? ?

Département Génie Informatique

École Supérieure de Technologie Safi

Université Cadi Ayyad

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 1/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 2/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 3/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 4/ ? ?

Soient p, q et r trois propositions. Alors, on a

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 5/ ? ?

Pour montrer l’équivalence entre “p ⇐⇒ q” et “(¬p) ⇐⇒ (¬q)”, il suffit de dresser

Les colonnes correspondantes aux propositions “p ⇐⇒ q” et “(¬p) ⇐⇒ (¬q)” sont

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 6/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 7/ ? ?

Disjonction des cas

Exercice 1 Soit x un nombre réel. Montrer l’implication

Par contraposition Par absurde

On rappelle que l’implication p =⇒ q est On rappelle que ¬(p =⇒ q) est équivalente à

Exemple 5 (voir TD) Exemple 6 (Voir TD)

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 9/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 10/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 11/ ? ?

L’utilisation des quantificateurs est régie par deux règles :

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 12/ ? ?

Lorsque qu’on veut montrer la proposition : La proposition (1) s’écrit aussi

∀x ∈ E , p(x ) ∀(x , y ) ∈ R2 , x 2 + xy + y 2 > 0

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 13/ ? ?

Pour montrer une proposition ∃x ∈ E , p(x ), où Montrer que

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 14/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 15/ ? ?

Notions sur les espaces vectoriels

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 16/ ? ?

Exemple 10 est un espace vectoriel.

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 17/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 18/ ? ?

pour i = 1, . . . , n. Dans (2), on trouve 0 dans Exemple 18

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 20/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 21/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 22/ ? ?

Exercice 6 Si xi 6∈ Vect (Xi−1 ), alors

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 23/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 24/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 25/ ? ?

Remarque 21 ker(f ) est un sous-espace vectoriel de E .

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 26/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 27/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 28/ ? ?

 x2,1 x2,2 ... x2,n  Mm,n est l’ensemble de toutes matrices

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 29/ ? ?

Z (i, j) = X (i, j) + Y (i, j),

pour tout i = 1, . . . , m et tout j = 1, . . . , n. Par exemple,

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 30/ ? ?

Lorsque m = n, En,n (i, j) s’écrit En (i, j). Si maintenant n = 1, alors j = 1 et la matrice

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 31/ ? ?

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 32/ ? ?

Soit n un entier naturel supérieur ou égal à 2.

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 33/ ? ?

Soit M une matrice carrée d’ordre n, où n est La matrice

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 34/ ? ?

Soient m et n deux entiers naturels non nuls. Exercice : Déterminer la transposée de

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 35/ ? ?

Soient m et n deux entiers naturels non nuls.

Lorsque M est non nulle, les coefficients λ1 = M (1, p1 ) , . . . , λr = M (r , pr ) sont

Département Génie Informatique 2021-2022 Cours : Algèbre. Page 36/ ? ?