Académique Documents
Professionnel Documents
Culture Documents
Hamid Maarouf
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.
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
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
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 ∃.
Exercice 5
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
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.
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)
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.
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.
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.
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
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 ).
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 .
Calcul matriciel.
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
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.
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
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
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
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.
−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
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).
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 .
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 .
Observer que G2 X = X2 .
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 > .
!
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
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
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.
Systèmes linéaires.
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.
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 .
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