Institut des Nouvelles Technologies Appliquées

COURS D’ALGEBRE, 1ere Année

Olivier Bilizimbéyé EDJEOU

Docteur en Mathématiques.

Spécialité : Algèbre et Cryptographie

2
Contents

1 Élément de logique et méthodes de raisonnement 5

1.1 Règles de logique formelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Définitions et exemples de base . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Les connecteurs logiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Méthodes de raisonnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Méthode de raisonnement direct . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Méthodes du raisonnement par la contraposée . . . . . . . . . . . . . . . . 9
1.2.3 Raisonnement par l’absurde . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 Contre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.5 Raisonnement par récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Exercice 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 Exercice 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.3 Exercice 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.4 Exercice 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2 Théorie des ensembles et Structures Algébriques 11

2.1 Théorie des ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 Ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2 Inclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.3 Egalité de deux ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.4 Différence de deux ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.5 Opérations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.6 Propriétés des opérations sur les ensembles. . . . . . . . . . . . . . . . . . 13
2.1.7 Produit Cartésien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Applications et relations d’équivalences . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.2 Image directe et image réciproque . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Relations Binaires dans un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1 Propriétés des relations binaires. . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Classe d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Structures Algébriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1 Lois De Composition Internes . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.2 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.3 Anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.4 Corps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3
4 CONTENTS

3 Notion de K– Espaces vectoriel et Calcul Algébrique sur les Matrices 21

3.1 Notion de K– Espaces vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1 Espace vectoriel et sous espace vectoriel . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Somme de deux sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . 22
3.1.3 Somme directe de deux sous espaces vectoriels . . . . . . . . . . . . . . . . 23
3.1.4 Familles génératrices, familles libres et bases . . . . . . . . . . . . . . . . 23
Chapter 1

Élément de logique et méthodes de raisonnement

1.1 Règles de logique formelle

1.1.1 Définitions et exemples de base
Définition 1.1.1. une proposition est une expression mathématique à laquelle on peut at-
tribuer la valeur de vérité vrai ou faux.

Exemple

• Tout nombre premier est pair , cette proposition est fausse.

p
• 3 est un nombre irrationnel, cette proposition est vraie.

Définition 1.1.2. Toute proposition démontrée vraie est appelée théorème. (théorème de
Pythagore, de Thalès).

Définition 1.1.3. 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. Soit E un ensemble non vide. P: a ∈ E , P : a ∉ E .

2. P: f est une fonction positive. P : f n’est pas une fonction positive.

1.1.2 Les connecteurs logiques.

Soit P , Q deux propositions.

La conjonction 〈 et À ou 〈∧ À
Définition 1.1.4. la conjonction est le connecteur logique 〈 et À, 〈∧ À, la proposition (P et Q )
ou (P ∧ Q ) est la conjonction des deux propositions P , Q .

1. (P ∧ Q ) est vraie si (P et Q )Q le sont toutes les deux

5
6 CHAPTER 1. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT

2. (P ∧ Q ) est fausse dans les autres cas.

On résume tout ça dans la table de vérité suivante.
P Q P ∧Q
1 1 1
1 0 0
0 1 0
0 0 0
Exemple
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.

La disjonction 〈 ou À ou 〈∨ À
Définition 1.1.5. la disjonction est un connecteur logique 〈 ou À ,〈∨ À. On note la disjonction
entre P , Q par (P ouQ ), (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

L’implication
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
• Il pleut, alors je prends mon parapluie. Vraie c’est une conséquence.

• Omar a gagné au loto =⇒ Omar a joué au loto. Vraie c’est une conséquence.

La réciproque de l’implication
Définition 1.1.6. La réciproque d’une implication (P =⇒ Q ) est une implication Q =⇒ P .
Exemple
1. La réciproque de : Il pleut, alors je prends mon parapluie, est : je prends mon parapluie,
alors il pleut.

2. La réciproque de : Omar a gagné au loto Omar a joué au loto, est : Omar a joué au loto
=⇒ Omar a gagné au loto.
.
1.1. RÈGLES DE LOGIQUE FORMELLE 7

La contraposée de l’implication

Soit P , Q deux propositions, la contraposée de P =⇒ Q est Q =⇒ P , on a:

(P =⇒ Q ⇐⇒ Q =⇒ P ).

Exercice: Démontrer P =⇒ Q et Q =⇒ P ont la même table de vérité

Exemple

1. La contraposée de :(Il pleut, alors je prends mon parapluie), 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.

La négation d’une implication

Theorem 1.1.7. Soit P , Q deux propositions on a:

P =⇒ Q ⇐⇒ P ∧ Q.

Exercice: Démontrer le théorème précédent.

Exemple

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.

Exercice: Démontrer P =⇒ Q et P ∨ Q ont la même table de vérité.

L’équivalence

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 vérité, sinon (P ⇐⇒ Q ) est
fausse.

P Q P ⇐⇒ Q
1 1 1
1 0 0
0 1 0
0 0 1

Remarque 1.1.8. P < Q si P ⇒ Q et Q ; P ou si Q ⇒ p et si P ; Q .

Theorem 1.1.9. Soit P , Q deux propositions on a :

(P ⇔ Q ) ⇒ (P ⇒ Q ) ∧ (Q ⇒ P ).

Preuve en exercice.
Omar a gagné au loto < Omar a joué au loto. Justifier!
8 CHAPTER 1. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT

Les quantificateurs
• Quantificateur universel ∀
La relation pour tous x tel que P ( x) est notée : ∀ x, P ( x) se lit quel que soit x, P ( x).

• Quantificateur existentiel ∃
la relation il existe un x tel que P ( x) est noté : ∃ x, P ( x).

Exemple

• fonction f est nulle pour tous x ∈ R devient ∀ x ∈ R, f ( x) = 0.

• la fonction f s’annule en x0 devient ∃ x0 R, f ( x0 ) = 0.

Remarque 1.1.10. • 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).

• Les relations ∀ x, ∃ x, P ( x, x) et ∃ x, ∀ x, P ( x, x) sont différentes.

dans la première y dépend de x tandis que dans la seconde y ne dépend pas de x.

Exemple

• 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).

• 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).

• La proposition (∀ x ∈ R, ∃ y ∈ R : x + y = 0) est vraie en effet ∀ x ∈ R, ∃ y = − x ∈ R, x + (− x) = 0.

• ∃ y ∈ R, ∀ x ∈ R, x2 ≥ y c’est vraie car ∃ y = 0, ∀ x ∈ R, x2 ≥ 0.

Règles de négation
Soit P ( x) une proposition,

• la négation de ∀ x ∈ E, P ( x) est : ∃ x ∈ E, P ( x).

• la négation de ∃ x ∈ E, P ( x) est : ∀ x ∈ E, P ( x).

Exemple
la négation de ∀ε > 0, ∃ q ∈ Q+ tel que 0 < q < ε est: ∃ε > 0, ∀ q ∈ Q+ tel que q ∉ ]0, ε[.

Remarque 1.1.11. • ∃ x ∈ E, ∀ y ∈ E, P ( x, y) veut dire que x est constante (fixé), il est in-
dépendant de y qui varie dans E .

• ∀ x ∈ E, ∃ y ∈ E, P ( x, y) veut dire y dépend de x , par une certaine relation f telle que

y = f ( x).

• On peut permuter entre deux quantificateurs de la même nature: ∀ x, ∀ y, P ( x, y) ⇔ ∀ y, ∀ x, P ( x, y).

et ∃ x, ∃ y, P ( x, y) ⇔ ∃ y, ∃ x, P ( x, y).
1.2. MÉTHODES DE RAISONNEMENT 9

1.2 Méthodes de raisonnement

Pour montrer que (P ⇒ Q ) est vraie on peut utiliser ce qui suit:

1.2.1 Méthode de raisonnement direct

On suppose que P est vraie et on démontre que Q l’est aussi.
Exemple Montrons que pour n ∈ N, si n est pair alors n2 est pair.

1.2.2 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.
Exemple Montrer par contraposée que si n2 est impair ⇒ n est impair.

1.2.3 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 chose d’absurde), quand R : P ⇒ Q est une implication par l’absurde
on suppose que R : P ∧ Q est
p vraie et on tombe sur une contradiction.
Exemple Montrer que 2 est un irrationnel.

1.2.4 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 n est un nombre pair ⇒ n2 + 1 est pair. Faux.

1.2.5 Raisonnement par récurrence

Pour montrer qu’une proposition P ( n) est vraie, on suit les étapes suivantes:

• On montre que P ( n 0 ) est vraie, (valeur initiale).

• On suppose que P ( n) est vraie à l’ordre n.

• On montre que P ( n) est vraie à l’ordre n + 1.

On conclut que P ( n) est vraie ∀ n.

n(n+1)
Exemple Montrer ∀ n ∈ N: 1 + 2 + · · · + n = 2 .

1.3 EXERCICES

1.3.1 Exercice 1
Donner la négation des propositions suivantes :

a) ∀ x ∈ R, ∃ y ∈ R, 2 x + y > 3.
10 CHAPTER 1. ÉLÉMENT DE LOGIQUE ET MÉTHODES DE RAISONNEMENT

b) ∀ε > 0, ∃α > 0, | x| < α ⇒ | x| < ε.

c) ∀ x ∈ R, x = 0 ∨ x ∈]2, 4[.

d) ∃ M ∈ R∗ , ∀ n ∈ N, |Un | ≤ M .

1.3.2 Exercice 2
Exprimer les assertions suivantes à l’aide des quantificateurs et répondre aux questions:

a) Le produit de deux nombres pairs est-il pair?

b) Le produit de deux nombres impairs est-il impair?

c) Le produit d’un nombre pair et d’un nombre impair est-il pair ou impair?

d) Un nombre entier est pair si et seulement si son carré est pair?

1.3.3 Exercice 3
Indiquer lesquelles des propositions suivantes sont vraies et celles qui sont fausses.

a) ∀ x ∈ R, ∃ y ∈ R : 2 x + y > 0.

b) ∃ x ∈ R, ∀ y ∈ R : 2 x + y > 0.

c) ∀ x ∈ R, ∀ y ∈ R : 2 x + y > 0.

d) ∃ x ∈ R, ∃ y ∈ R : 2 x + y > 0.

e) ∃ x ∈ R, ∀ y ∈ R : y2 > x.

f) ∀ x ∈ R, ∃ y ∈ R : 2 x + y > 0 ∨ 2 x + y = 0.

g) ∀ x ∈ R, ∃ y ∈ R : 2 x + y > 0 ∧ 2 x + y = 0.

1.3.4 Exercice 4
Par contraposée, montrer que

a) Si ( n2 − 1) n’est pas divisible par 8 ⇒ n est pair.

b) ∀ε > 0, | x| ≤ ε ⇒ x = 0.

Montrer par récurrence que

a) ∀ n ∈ N∗ : 4n + 6 n − 1 est un multiple de 9.
n2 (n+1)2
a) ∀ n ∈ N∗ : 13 + 23 + · · · + n3 = 4 .
Chapter 2

Théorie des ensembles et Structures Algébriques

2.1 Théorie des ensembles

2.1.1 Ensemble
Définition 2.1.1. Un ensemble est une collection d’objets mathématiques (éléments) rassem-
blés d’après une ou plusieurs propriétés communes. Ces propriétés sont suffisantes pour af-
firmer qu’un objet appartient ou pas à un ensemble.

Exemple

1 E : l’ensemble des étudiants de l’université INTA.

2 On désigne par N l’ensemble des entiers naturels.

3 L’ensemble des nombre pairs se note : P = { x ∈ N/2| x}.

2.1.2 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 ∈ A, x ⊂ B.

A 6⊂ B ⇔ ∃ x ∈ A ∧ x ∉ B.

Exemple

1 On désigne R l’ensemble des nombre réels on a : N ⊂ R.

2 N⊂Z⊂Q⊂R

2.1.3 Egalité de deux ensembles

Soient A et B deux ensembles.

A = B ⇔ ( A ⊂ B) ∧ ( A ⊂ B).

11
12 CHAPTER 2. THÉORIE DES ENSEMBLES ET STRUCTURES ALGÉBRIQUES

2.1.4 Différence de deux ensembles

La différence de deux ensembles A , B est un l’ensemble des éléments de A qui ne sont pas
dans B, noté A − B
A − B = { x ∈ A ∧ x ∉ B}.
Si A ⊂ B alors B − A est aussi appelé le complémentaire de A dans B, il est noté ÙBA ou A c

ÙBA = { x ∈ B ∧ x ∉ A }.

2.1.5 Opérations sur les ensembles

1 L’union: La réunion ou l’union de deux ensembles A et B est l’ensemble des éléments

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 ).

Remarque 2.1.2.

a– Si A , B n’ont pas d’éléments en commun, on dit qu’ils sont disjoints, alors A ∩ B = {}.

b– A − B = A ∩ B c .
2.2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 13

2 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 appartiennent
à A − B ou B − A noté A 4 B.

A 4 B = ( A − B ) ∪ (B − A ) = ( A ∩ ÙB A
E ) ∪ ( B ∩ Ù E ) = ( A ∩ B ) − ( A ∩ B ).

x ∈ A 4 B ⇔ x / x ∈ ( A − B ) ∨ x ∈ ( B − A ).

2.1.6 Propriétés des opérations sur les ensembles.

1 La commutativité: Quels que soient A , B deux ensembles, on a:

A ∩ B = B ∩ A , et A ∪ B = B ∪ A .

2 L’associativité: Quels que soient A , B, C trois ensembles, on a:

A ∩ (B ∩ C ) = ( A ∩ B) ∩ C et A ∪ (B ∪ C ) = ( A ∪ B) ∪ C .

3 la distributivité. Quels que soient A , B, C trois ensembles, on a: A ∪ (B ∩ C ) = ( A ∪ B) ∩

( A ∪ C ) et A ∩ (B ∪ C ) = ( A ∩ B) ∪ ( A ∩ C ).

4 L’idempotence:
A∪A = A et A ∪ A = A.

5 Lois de Morgan:

a– ( A ∪ B) c = A c ∩ B c .
b– ( A ∩ B) c = A c ∪ B c

Preuve en exercice.

2.1.7 Produit Cartésien

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.
Si A et B sont des ensembles finis, alors on a: Card ( A × B) = Card ( A ) × Card (B).

2.2 Applications et relations d’équivalences

2.2.1 Application
Définition 2.2.1. 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.
14 CHAPTER 2. THÉORIE DES ENSEMBLES ET STRUCTURES ALGÉBRIQUES

2.2.2 Image directe et image réciproque

1 L’image directe. Soit f : E −→ 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 }.

2 L’image réciproque. Soit f : E −→ 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}.

Exemple

a– Soit f l’application définie par

f : [0, 3] −→ [0, 4]

x 7−→ 2 x + 1.

Trouver f ([0, 1]).

b– Soit g l’application définie par

g : [0, 2] −→ [0, 4]

x 7−→ (2 x − 1)2 .

Calculer f −1 (0), f −1 (]0, 1[).

3 La surjection

Définition 2.2.2. 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.

4 L’injection

Définition 2.2.3. Quand on a deux éléments distincts de E correspondent par 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 )
2.2. APPLICATIONS ET RELATIONS D’ÉQUIVALENCES 15

5 La bijection

Définition 2.2.4. 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).

6 La composition d’application:
Soient E , F , G des ensembles et deux applications f , g telles que

f : E −→ F, g : F −→ G

x 7−→ f ( x) = y, y 7−→ g( y) = z.
On définit l’application
go f : E −→ G
x 7−→ go f ( x) = z.

Proposition 2.2.5.

1 Si f et g sont injectives alors go f est injective

2 Si f et g sont surjectives alors go f est surjective

3 go f est injective, alors f est injective

4 go f est surjective, alors g est surjective.

5 go f est bijective, alors f est injective et g est surjective

6 Propriétés des applications Soit f : E −→ F , on a:

a– A ⊂ B ⇒ f ( A ) ⊂ f (B).

b– f ( A ∪ B) = f ( A ) ∪ f (B).

c– f ( A ∩ B) ⊂ f ( A ) ∩ f (B).
 16 CHAPTER 2. THÉORIE DES ENSEMBLES ET STRUCTURES ALGÉBRIQUES

2.3 Relations Binaires dans un ensemble

Définition 2.3.1. Soient x ∈ E , y ∈ F une relation R entre x et y est une correspondance entre
x et y. Le couple ( x, y) vérifie la relation R , on note xR y, si E = F , la relation est dite binaire.
1 ∀ x, y ∈ N, xR y , x divise y,R est une relation binaire

2 ∀ x, y ∈ R, xR y ⇔ x Ê y.

2.3.1 Propriétés des relations binaires.

Soient R une relation binaire dans l’ensemble E et x, y, z ∈ E , on dit que R est une relation
(1) Réflexive: si ∀ x ∈ E , xR x

(2) Symétrique: si ∀ x ∈ E , ∀ y ∈ E , xR y ⇒ yR x.

(3) Antisymétrique: si ∀ x ∈ E , ∀ y ∈ E , xR y ∧ xR y ⇒ y = x.

(4) Transitive: :(∀ x, y, z ∈ E ), xR y ∧ yR z ⇒ xR z.

Définition 2.3.2.
(1) Une relation est dite relation d’équivalence si elle est réflexive, symétrique et transitive.
(2) Une relation est dite relation d’ordre si elle est réflexive, antisymétrique et transitive.
Exemple
(1) ∀ x, y ∈ N, xR y ⇒ x = y est une relation d’équivalence.

(2) A ⊂ E, B⊂F A R B ⇔ A ⊂ B est une relation d’ordre.

(3) ∀ x, y ∈ R, xR y ⇔ x É y, est une relation d’ordre.

Définition 2.3.3. une relation d’ordre dans un ensemble E est dite d’ordre total si deux élé-
ments quelconques de E sont comparables , ∀ x, y ∈ E , on a xR you yR x. Une relation d’ordre
est dite d’ordre partiel si elle n’est pas d’ordre total.
Exemple
(1) ∀ x, y ∈ R, xR y ⇔ x É y, est une relation d’ordre total.

(2) Soient ( x, y), ( x0 , y0 ) ∈ R2 ; ( x, y)R ( x0 , y0 ), ( x É x0 ) ∧ ( y É y0 ) est une relation d’ordre

partiel. (1, 2), (3, 0) ∈ R, et (1, 2) n’est pas en relation avec (3, 0), et (3, 0) n’est pas en
relation avec (1, 2).

2.3.2 Classe d’équivalence

Soit R une relation d’équivalence, on appelle classe d’équivalence d’un élément x ∈ E , l’ensemble
des éléments y ∈ E qui sont en relation R avec x on note C x , où
x = C x = ẋ = { y ∈ E / xR y}.
Définition 2.3.4. 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 Soit ∀ x, y ∈ R, xR y ⇔ x2 − x = y2 − y. Montrer que R est une relation d’équivalence.
Déterminer les classes d’équivalence suivantes: 0, 1, 2, 12 .
2.4. STRUCTURES ALGÉBRIQUES 17

2.4 Structures Algébriques

2.4.1 Lois De Composition Internes
Définition 2.4.1. 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) L’addition est une loi interne sur R ie

+ : R × R −→ R

(a, b) 7−→ a + b

(2) L’application
1 1 1
∗ : R\{ } × R\{ } −→ R\{ }
2 2 2
(a, b) 7−→ a + b − 2ab
est une loi interne dans R\{ 12 }.
Définition 2.4.2. 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 élément 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’élément symétrique ou inverse de x si et

seulement si x∗ x0 = x0 ∗ x = e, où e ∈ G est l’élément neutre.

2.4.2 Groupes
Définition 2.4.3. 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
(1) (Z, +) est un groupe commutatif

(2) (R, ×) n’est pas un groupe car 0 n’admet pas d’élément symétrique.
18 CHAPTER 2. THÉORIE DES ENSEMBLES ET STRUCTURES ALGÉBRIQUES

2.4.3 Anneaux
Définition 2.4.4. 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) = ( xδ y)∗( xδ z) et( x∗ y)δ z = ( xδ z)∗( yδ z),

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.

(Z, +, ·) est un anneau commutatif et unitaire.

2.4.4 Corps
Définition 2.4.5. Soit K un ensemble munie de deux lois de composition internes ∗, δ, on dit
que (K, ∗, δ) est un corps si :

(1) Si (K, ∗, δ) est un anneau unitaire

(2) (K\{ e}, δ) est un groupe , où e est l’élément neutre de ∗.

Si de plus δ est commutative, On dit que (K, ∗, δ) est un corps commutatif.

(K, ∗, ·) est un corps commutatif.

2.5 EXERCICES

Exercice 1
Étant donné A , B et C trois parties d’un ensemble E

(1) Montrer que

(a) ( A ∩ B) ∪ B c = A ∪ B c .
(b) ( A − B) − C = A − (B ∪ C ).
(c) A − (B ∩ C ) = ( A − B) ∪ ( A − C ).

(2) Simplifier:

(a) A ∪ B ∩ C ∪ A .

(b) A ∩ B ∪ C ∩ A .
2.5. EXERCICES 19

Exercice 2
Soient E = [0, 1], F = [−1, 1], et G = [0, 2] trois intervalles de R. 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.

Exercice 3
On définit sur R2 la relation R par

( x, y)R ( x0 , y0 ) ⇔ x + y = x0 + y0 .

(1) Montrer que R une relation d’équivalence.

(2) Trouver la classe d’équivalence du couple (0, 0).

Exercice 4
Soit ∗ une loi définie sur R par:

x∗ y = x y + ( x2 − 1)( y2 − 1)

(1) Vérifier que ∗ est commutative, non associative et admet un élément neutre.

(2) Résoudre les équations suivantes : 2∗ y = 5, x∗ x = 1.

Exercice 5
On définit sur G = R∗ × R loi interne ∗ comme suit :

∀( x, y), ( x0 , y0 ) ∈ G, ( x, y)∗( x0 , y0 ) = ( xx0 , x y0 + y).

Montrons que (G, ∗) est un groupe non commutatif.

Exercice 6
On définit sur Z2 les deux lois ⊕, ¯
comme suit:
∀( x, y), ( x0 , y0 ) ∈ R2 , ( x, y) ⊕ ( x0 , y0 ) = ( x + x0 , y + y0 ),
∀( x, y), ( x0 , y0 ) ∈ R2 , ( x, y) ¯ ( x0 , y0 ) = ( xx0 , x y0 + yx0 ).
Montrer que (Z, ⊕, ¯) est anneau commutatif.
20 CHAPTER 2. THÉORIE DES ENSEMBLES ET STRUCTURES ALGÉBRIQUES
Chapter 3

Notion de K– Espaces vectoriel et Calcul Algébrique

sur les Matrices

3.1 Notion de K– Espaces vectoriel

3.1.1 Espace vectoriel et sous 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) 7−→ x + y

et d’une opération externe notée (·):

(·) : K × E −→ E

(λ, x) 7−→ λ · x

Définition 3.1.1. 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 · x .

4. ∀λ, µ ∈ K, ∀ x ∈ E, (λ · µ) · 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.

Proposition 3.1.2. 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. ∀ x ∈ E, λ · 0E = 0E

21
22CHAPTER 3. NOTION DE K– ESPACES VECTORIEL ET CALCUL ALGÉBRIQUE SUR LES MATRI

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 .

Exemple 3.1.3. 1. (R, +, ·) est un R-espace vectoriel, (C, +, ·) est un C-espace vectoriel.

2. Si on considère R2 muni des deux opérations suivantes: (+) : R2 ×R2 −→ R2 , (( x, y), ( x0 , y0 )) 7−→
( x + x0 , y + y0 ), (·) : R×R2 −→ R2 , (λ, ( x, y)) 7−→ (λ · x0 , λ · y0 ), on peut facilement montrer
que (R, +, ·) est un R-espace vectoriel.

Définition 3.1.4. 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 3.1.5. Lorsque (F, +, ·) est K-sous espace vectoriel de (E, +, ·), alors 0E ∈ F .
Si 0E ∉ F , alors (F, +, ·) ne peut pas être un K- sous espace vectoriel de (E, +, ·).

Theorem 3.1.6. Soit (E, +, ·) un K-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 ∈ K, x+ y ∈

F et λ · x ∈ F .

3. ∀ x, y ∈ F , ∀λ, µ ∈ K, λ · x + µ · y ∈ F , d’où:
F est un s.e.v ⇔ F 6= ; et ∀ x, y ∈ F , ∀λ, µ ∈ K, λ · x + µ · y ∈ F.

Exemple 3.1.7. 1. {0E } est s.e.v de E . Preuve!!

2. F = {( x, y) ∈ R2 / x + y = 0} est un s.e.v. Preuve!!

3. F = {( x + y + z, x − y, z)/( x, y, z) ∈ R3 } est un s.e.v. Preuve!!

Theorem 3.1.8. L’intersection d’une famille non vide de s.e.v est un sous espace vectoriel.

Remarque 3.1.9. La réunion de deux s.e.v n’est pas forcément un s.e.v.

Exemple 3.1.10. E 1 = {( x, 0) ∈ R2 }, E 2 = {(0, y) ∈ R2 }. Démontrer que E 1 ∪ E 2 n’est pas un s.e.v.

3.1.2 Somme de deux sous espaces vectoriels

Soit E 1 , E 2 deux sous espaces vectoriels d’un K-e.v E , on appelle somme de deux espaces
vectoriels, E 1 et E 2 et on note E 1 + E 2 l’ensemble suivant:

E 1 + E 2 = {U ∈ E /∃U1 ∈ E 1 ,U2 ∈ E 2 /U = U1 + U2 }.

Proposition 3.1.11. La somme de deux s.e.v de E 1 et E 2 (d’un même K-e.v) est un s.e.v de E
contenant E 1 ∪ E 2 , i.e., E 1 ∪ E 2 ⊂ E 1 + E 2 .
3.1. NOTION DE K– ESPACES VECTORIEL 23

3.1.3 Somme directe de deux sous espaces vectoriels

On dira que la somme E 1 + E 2 est directe si ∀ U = U1 + U2 , il existe un unique vecteur
LL
U1 ∈ E 1 , un unique vecteur U2 ∈ E 2 tel que U = U1 + U2 , on note E 1 E2.

Theorem 3.1.12. Soit E 1 , E 2 deux s.e.v d’un même K-e.v E la somme E 1 + E 2 est directe si
E 1 ∩ E 2 = {0E }.

Sous espace supplémentaires

Soient E 1 et E 2 deux s.e.v d’un même K-e.v E , on dit que E 1 et E 2 sont supplémentaires
L
si E 1 E 2 = E .

3.1.4 Familles génératrices, familles libres et bases

Dans la suite, on désignera l’espace vectoriel (E, +, ·) par E .

Définition 3.1.13. Soit E un e.v et e 1 , e 2 , · · · , e n des éléments de E ,

1. On dit que { e 1 , e 2 , · · · , e n } sont libres ou linéairement indépendants, si ∀λ1 , λ2 , · · · , λn ∈ K:

λ1 e 1 + λ2 e 2 + · · · + λn e n = 0 ⇒ λ1 = λ2 = · · · = λn = 0,

solution unique.

2. On dit que { e 1 , e 2 , · · · , e n } est une famille génératrice de E , ou que E est engendré par
{ e 1 , e 2 , · · · , e n } si

∀ x ∈ E, ∃λ1 , λ2 , · · · , λn ∈ K/ x = λ1 e 1 + λ2 e 2 + · · · + λn e n .

3. { e 1 , e 2 , · · · , e n } est une famille libre et génératrice de E , alors { e 1 , e 2 , · · · , e n } est appelée

une base de E .

Dans un espace vectoriel E , tout vecteur non nul est libre

Theorem 3.1.14. Si { e 1 , e 2 , · · · , e n } et { e01 , e02 , · · · , e0m } sont deux bases de l’espace vectoriel 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 ne dépend pas de la base
mais il dépend seulement de l’espace E . D’où la définition suivante:

Définition 3.1.15. Soit E un K-espace vectoriel de base B = { e 1 , e 2 , · · · , e n }, alors dim(E ) =

Card (B). où dim(E ) est la dimension de E et Card (B) est le cardinal de B.

Remarque 3.1.16. 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 dim(E ).

Exemple 3.1.17. 1. Cherchons une base de R3 , il faut trouver une famille de vecteurs dans
R3 qui engendre R3 et qui soit libre: en exercice.

2. Montrons que les f 1 = (1, −1), f 2 = (1, 1) forment une base de R2 , en exercice.

Theorem 3.1.18. Soit E un espace vectoriel de dimension n:

1. Si { e 1 , e 2 , · · · , e n } est base de E , { e 1 , e 2 , · · · , e n } est génératrice, { e 1 , e 2 , · · · , e n } est libre.

24CHAPTER 3. NOTION DE K– ESPACES VECTORIEL ET CALCUL ALGÉBRIQUE SUR LES MATRI

2. Si { e 1 , e 2 , · · · , e p } sont p vecteur dans E , avec p > n, alors { e 1 , e 2 , · · · , e p } ne peut être libre,

de plus si { e 1 , e 2 , · · · , e p } est génératrice, alors il existe n vecteurs parmi { e 1 , e 2 , · · · , e p }
formant une base de E .

3. Si { e 1 , e 2 , · · · , e p } sont p vecteur dans E, avec p < n, alors { e 1 , e 2 , · · · , e p } ne peut être

génératrice de plus si { e 1 , e 2 , · · · , e p } est libre, alors il existe ( n− p) vecteur parmi { e p+1 , e p+2 , · · · , e n }
dans E tels que { e 1 , e 2 , · · · , e p , e p+1 , e p+2 , · · · , e n } 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 3.1.19. 1. Dans l’exemple précédent f 1 = (1, −1), f 2 = (2, 1) pour montrer que
{ f 1 , f 2 } forme une base de R2 , il suffit de montrer que { f 1 , f 2 } 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 R3 , il suffit de montrer qu’elle
est libre ou génératrice car dimR3 = 3, { f 1 , f 2 } est libre car ∀λ1 , λ2 , λ3 ∈ R, λ1 (1, 1, 1) +
λ2 (1, 1, 0) + λ3 (0, 1, −1) = (0, 0, 0)

λ1 + λ2 =0


⇔ λ1 + λ2 + λ3 = 0

λ − λ

=0
1 3

λ1 = 0, λ2 = 0 et λ3 = 0,
donc {(1, 1, 1), (1, 1, 0), (0, 1, −1)} est une base de R3 .

3. Cherchons une base pour F = {( x + y, x − z, − y − z)/ x, y, z ∈ R}, comme F ⊂ R3 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 génératrice pour F , si cette famille est libre, alors elle for-
mera une base pour F . λ1 , λ2 , λ3 ∈ R,

λ1 (1, 1, 0) + λ2 (1, 0, −1) + λ3 (0, −1, −1) = (0, 0, 0)


λ1 + λ2 =0


⇔ λ1 − λ3 =0

−λ − λ

=0
2 3

λ2 = −λ1 et λ3 = λ1
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 ils 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 (1, 1, 0) + λ2 (1, 0, −1) = (0, 0, 0)

λ1 + λ2 =0


⇔ λ1 = 0

λ

=0
2

ainsi {v1 , v2 } est une base pour F et dimF = 2.