Algebre Bac 1

Page 1 sur 50
ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE

INSTITUT SUPERIEUR DE STATISTIQUE
I.S.S.
LUBUMBASHI
Département de Sciences Commerciales et Financières
COURS D’ALGEBRE
Destiné aux Etudiants de Bac 1
Dispensé par Justin MULULU LULEMIRE

Chef de Travaux
Année académique 2023-2024
ALGEBRE CT MULULU LULEMIRE JUSTIN

Page 2 sur 50
A. Prérequis
L’essentiel du Rudiment d’Arithmétique
B. Objectifs
1.Objectifs terminaux d’intégration
-Amener l’Etudiant à :
 Acquérir une vision globale et s’approprier l’analyse graphique, numérique et algébrique

des concepts rencontrés dans le domaine de sa spécialité ;
 Développer le mode intuitif, lequel est relationnel, intemporel et global ; y compris

l’utilisation préalable dudit mode à un travail mathématique donné.
2. Objectifs intermédiaires d’intégration
A la fin du premier chapitre intitulé « Eléments de logique et méthodes de raisonnement»

l’Etudiant aura maîtrisé les règles de logique formelle et saura, après en avoir acquis les méthodes,
améliorer sa façon de raisonner.
A l’issue du deuxième chapitre intitulé « Structures Algébriques », l’Etudiant saura :
-définir et interpréter une structure que peut avoir un ensemble des nombres donné en se servant
de l’extension des nombres et des propriétés d’une loi de composition comme socles ;
-effectuer sans faille toutes les opérations afférentes aux nombres ;
A la fin du quatrième chapitre intitulé « Notion de K-espace vectoriel » l’Etudiant fera

preuve d’une connaissance solide des notions d’espace-vectoriel et d’applications linéaires qui lui
sont de grande utilité en calcul matriciel.
Au terme du cinquième chapitre « Calcul Matriciel et Déterminant », l’Etudiant saura

effectuer toutes les opérations usuelles sur les matrices, en calculer les déterminants et les appliquer
à la résolution de systèmes d’équations linéaires.

Page 3 sur 50
C. CONTENU
Chapitre premier : ELEMENTS DE LOGIQUE ET METHODES DE RAISONNEMENT
Section 1 : Règles de logique formelle
Section 2 : Méthodes de raisonnement
Chapitre deuxième : STRUCTURES ALGEBRIQUES
Section 1 : Extension des Nombres
Section 2 : Structures d’un ensemble
Chapitre troisième : NOTIONS DE K-ESPACE VECTORIEL
Section 1 : Espace-vectoriel et sous espaces vectoriels
Section 2 : Somme de deux sous espaces-vectoriels
Section 3 : Somme directe de deux sous espaces vectoriels
Section 4 : Familles génératrices, familles libres et bases
Chapitre 4 : CALCUL MATRICIEL ET DETERMINANT
Section 1 : Matrices
Section 2 : Trace, Déterminant et Rang d’une matrice carrée
Section 3 : Calcul des vecteurs propres et valeurs propres
Section 4 : Diagonalisation d’une matrice carrée
Section 5 : Formes quadratiques
Section 6 : Méthodes des mineurs principaux
D. Méthode d’enseignement
Méthode interactive
E. Ressources
Syllabus et autres supports

Page 4 sur 50
F. Modes d’évaluation
TD et TP sur 5 points
Interrogation écrite sur 5 points
Examen sur 10 points
G. Attentes de l’Enseignant (Compétences acquises)
- les bases d’Algèbre pour avoir un langage adéquat
- l’esprit logique et les mécanismes de raisonnement
- les notions sur les entiers et les polynômes en adoptant un langage précis
- les notions de matrice et d’espace vectoriel.
E. Bibliographie sélective
A pourvoir
F. Information sur l’Enseignant
Titulaire: MULULU LULEMIRE Justin
Adresse E-mail: mululujustin@gmail.com
Numéros de téléphone: 0816035111, 0971037013, et 0851384117
Profil académique : -Licencié en Mathématique
-Master en Criminologie Economique et Environnementale
Grade : Chef de Travaux

Page 5 sur 50
Chapitre premier : ELEMENTS DE LOGIQUE ET METHODES DE

RAISONNEMENT
Section 1 : Règles de logique formelle
1.1. Assertions
Une assertion est une phrase soit vraie, soit fausse, pas les deux en même temps
Exemples :
« Pour tout xR, on a > 0. » V
« Pour tout z C, on a = 1. » F
Si P est une assertion et Q est une autre assertion, nous allons définir de nouvelles assertions
construites à partir de P et de Q.
a. L’opérateur logique « et »
L’assertion « P et Q » est vraie si P est vraie et Q est vraie. L’assertion « P et Q » est fausse
sinon.
On résume ceci en une table de vérité :
P /Q V F
V V F
F F F
b. La négation « non »
L’assertion « non P » est vraie si P est fausse, et fausse si P est vraie.
P V F
non P F V
c. L’implication
La définition mathématique est la suivante :
L’assertion « (non P) ou Q » est notée « P Q ».

Page 6 sur 50
Sa table de vérité est donc la suivante :
P /Q V F
V V F
F V V
Par exemple :
• “0 x 25 =)” est vrai
• « x ]--4[ =) x2 + 3x -4 > 0 » est vraie (étudier le binôme).
• « sin() = 0 =0 » est fausse
d. L’équivalence
L’équivalence est définie par :
« P Q» est l’assertion «(P Q) et (Q P) ».
On dira « P est équivalent à Q » ou « P équivaut à Q » ou « P si et seulement si Q ».
Cette assertion est vraie lorsque P et Q sont vraies ou lorsque P et Q sont fausses. La table
de vérité est :
P/Q V F
V V F
F F V
Exemple:
• Pour x, x’ R, l’équivalence « x .x’ = 0 (x = 0 ou x’= 0) » est vraie.
Proposition 1.
Soient P,Q,R trois assertions. Nous avons les équivalences (vraies) suivantes :
1. P non(non(P))
2. (P et Q) (Q et P)

Page 7 sur 50
3. (P ou Q) (Q ou P)
4. non(P et Q) (non P) ou (non Q)
5. non(P ou Q) (non P) et (non Q)
6.(P et (Q ou R) (P et Q) ou (P et R)
7.(P ou (Q et R) (P ou Q) et (P ou R)
8. « P =) Q » « non(Q) =) non(P) »
1.2. Quantificateurs
a. Le quantificateur : « pour tout »
Une assertion P peut dépendre d’un paramètre x, par exemple « 1 », l’assertion P(x) est
vraie ou
fausse selon la valeur de x.
b. Le quantificateur : « il existe »
L’assertion“x E P(x)” est une assertion vraie lorsque l’on peut trouver au moins un x de
E pour lequel P(x) est vraie. On lit « il existe x appartenant à E tel que P(x) (soit vraie)
».
Par exemple :
• «n N -n >n » est vraie (il y a plein de choix, par exemple n = 3 convient, mais aussi n
= 10 ou même n = 100, un seul suffit pour dire que l’assertion est vraie).
c. La négation des quantificateurs
-La négation de « x E P(x) » est « x E non P(x) » .
Par exemple la négation de «x[1,+[ (x2 1) » est l’assertion «x [1,+[ (x2 1) ».
-La négation de « x P(x) » est « x E non P(x)».
Exemple: • La négation de «zC (z2+z+1=0) » est «zC (z2+z+10) »
Section 2. Raisonnements

Page 8 sur 50
2.1. Raisonnement direct
On veut montrer que l’assertion « P Q » est vraie. On suppose que P est vraie et on montre
qu’alors Q est vraie.
Exemple 1.
Montrer que si a, b Q alors a + b Q.
Démonstration. Prenons a Q, bQ. Rappelons que les rationnels Q sont l’ensemble des réels
s’écrivant avec pZ et qN*
Alors a= pour un certain pZ et un certain q N*
De même b=avec p’Z et qN*
Maintenant a+b =
Or le numérateur pq’+qp’ est bien un élément de Z; le dénominateur qq’ est lui un élément
de N*
Donc a+b s’écrit bien de la forme a+b=avec p’’Z, q’’N*
Ainsi a+bQ.
2.2. Cas par cas
Si l’on souhaite vérifier une assertion P(x) pour tous les x dans un ensemble E, on montre
l’assertion pour les x dans une partie A de E, puis pour les x n’appartenant pas à A. C’est la
méthode de disjonction ou du cas par cas.
Exemple 2.
Montrer que pour tout xR,x2-x + 1.
Démonstration. Soit xR. Nous distinguons deux cas.
Premier cas : x 1. Alors ,=x-1. Calculons alors
x2-x +1-.
x2-x +1-= x2-x +1-= x2-2x+ 2= (x-1)2+1 0.

Page 9 sur 50
Ainsi x2-x +1- 0 et donc x2-x +1.
Deuxième cas : x < 1. Alors = -(x-1).
Nous obtenons : .
Et donc
Conclusion. Dans tous les cas
2.3. Contraposée
Le raisonnement par contraposition est basé sur l’équivalence suivante (voir la proposition
1):
L’assertion « P Q » est équivalente à «non(Q) non(P) ».
Donc si l’on souhaite montrer l’assertion « P Q », on montre en fait que si non(Q) est vraie
alors non(P) est vraie.
Exemple 3.
Soit nN. Montrer que si n2 est pair alors n est pair.
Démonstration. Nous supposons que n n’est pas pair. Nous voulons montrer qu’alors n2
n’est pas pair.
Comme n n’est pas pair, il est impair et donc il existe kN tel que n = 2k+1. Alors n2 =
(2k+1)2 = 4k2+4k+1 = 2l+1 avec l= 2k2+2kN. Et donc n2 est impair.
Comme n n’est pas pair, il est impair et donc il existe kN tel que n = 2k+1. Alors n2 =
(2k+1)2 = 4k2+4k+1 = 2l+1 avec l= 2k2+2kN. Et donc n2 est impair.
2.4. Absurde
Le raisonnement par l’absurde pour montrer « P Q » repose sur le principe suivant : on

suppose à la fois que P est vraie et que Q est fausse et on cherche une contradiction. Ainsi
si P est vraie alors Q doit être vraie et donc « P Q » est vraie.
Exemple 4.
Soient a, b0. Montrer que si alors a= b.

Page 10 sur 50
Démonstration. Nous raisonnons par l’absurde en supposant que et
Alors a(1+a) = b(1+ b) donc a+a2 = b+ b2 d’où a2-b2 = b-a.
Cela conduit à : (a-b) (a+ b) = -(a-b).
Comme ab alors a-b 0 et donc en divisant par a-b on obtient a + b = -1. La somme des deux
nombres positifs a et b ne peut être négative. Nous obtenons une contradiction.
Conclusion : si alors a = b.
Dans la pratique, on peut choisir indifféremment entre un raisonnement par contraposition

ou par l’absurde.
Attention cependant de bien préciser quel type de raisonnement vous choisissez et surtout
de ne pas changer en cours de rédaction.
2.5. Contre-exemple
Si l’on veut montrer qu’une assertion du type « xE P(x) » est vraie alors pour chaque x de
E il faut montrer que P(x) est vraie.
Par contre pour montrer que cette assertion est fausse alors il suffit de trouver xE tel que
P(x) soit fausse. (Rappelez-vous la négation de «xE P(x) » est « x E non P(x) ».)
Trouver un tel x c’est trouver un contre-exemple à l’assertion « x E P(x) ».
Exemple 5. Montrer que l’assertion suivante est fausse « Tout entier positif est somme de
trois carrés ».
(Les carrés sont les 02, 12, 22, 32,... Par exemple 6 = 22 + 12 + 12.)
Démonstration. Un contre-exemple est 7 : les carrés inférieurs à 7 sont 0, 1, 4 mais avec

trois de ces nombres, on ne peut faire 7.
2.6. Récurrence
Le principe de récurrence permet de montrer qu’une assertion P(n), dépendant de n, est

vraie pour tout nN.

Page 11 sur 50
La démonstration par récurrence se déroule en trois étapes : lors de l’initialisation on

prouve P(0).
Pour l’étape d’hérédité, on suppose n > 0 donné avec P(n) vraie, et on démontre alors que
l’assertion P(n + 1) au rang suivant est vraie.
Enfin dans la conclusion, on rappelle que par le principe de récurrence P(n) est vraie pour
tout nN.
Exemple 6.
Montrer que pour tout nN, 2nn.
Démonstration. Pour n > 0, notons P(n) l’assertion suivante :
2n > n.
Nous allons démontrer par récurrence que P(n) est vraie pour tout n> 0.
Initialisation. Pour n = 0 nous avons 20 = 1 > 0. Donc P(0) est vraie.
Hérédité. Fixons n > 0. Supposons que P(n) soit vraie. Nous allons montrer que P(n + 1)
est vraie.
2n+1 = 2n + 2n > n + 2n car par P(n) nous savons 2n > n,
> n + 1 car 2n > 1.
Donc P(n + 1) est vraie.
Conclusion. Par le principe de récurrence P(n) est vraie pour tout n > 0, c’est-à-dire
2n > n pour tout n > 0.
Chapitre deuxième : STRUCTURES ALGEBRIQUES
Section 1. EXTENSION DES NOMBRES
I.1.1. NOMBRES REELS

Page 12 sur 50
I.1.1.1. Nombres entiers naturels
Les nombres naturels 1,2,3,4,5,6,…appelés aussi entiers positifs permettent de

compter les éléments d’un ensemble.
L’ensemble des nombres naturels se note N.
On définit dans N les opérations avec les propriétés suivantes :
a. Addition
a+b=b+a
a+(b+c)=(a+b)+c
a+0=0+a=a
b. Soustraction
a-b  ssi ab
c. Multiplication
axb=bxa
ax(bxc)=(axb)xc
ax1=1xa=a
ax0=0xa=0
d. Division
a
 c  bxc  a
b
e. a, b et c  N : ax(b+c)=(axb)+(axc)
f. a et b  N : a  b  N et axb  N
I.1.1.2. Nombres entiers relatifs
L’ensemble des entiers positifs et négatifs et 0 noté Z est appelé ensemble

d’entiers relatifs…..,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,….
Ces nombres permettent de résoudre des équations du genre :
x  b  a a et b  N

Page 13 sur 50
Ce qui conduit à l’opération de soustraction : x=a-b
Dans Z on définit les mêmes opérations avec les mêmes propriétés que dans N.
En plus, x  Z , ! x'   x  Z tel que x  x'  x' x  0
I.1.1.3. Nombres rationnels
2 5 1
, ,0, ,2,...
Il s’agit des nombres tels que :….., 3 4 2 dont l’ensemble se note Q.
Ils permettent de résoudre les équations du type bx=a avec a et b  Q
Dans Q on définit les mêmes opérations avec les mêmes propriétés que dans Z.
1 1 1
a  Q * , !a'   Q tel que a    a  1
En outre a a a ; et Q est dense.
I.1.1.4. Nombres irrationnels
Ce sont des nombres qui ne sont pas rationnels.
C’est le cas de  , 2 , e,...
N.B. L’ensemble des nombres rationnels et irrationnels est appelé ensemble des
réels. Il se note R.
N Z QR
I.1.1.5. Fondements axiomatiques des nombres réels
Dans R on définit deux applications : RxR  R telles que :
( x, y )  x  y
( x, y )  xy; ; une relation x  y (ou y  x) entre éléments de R satisfaisant
aux axiomes suivants :
Axiome 1 : R est un corps commutatif

Page 14 sur 50
x, y et z  R : x  ( y  z )  ( x  y )  z
x et y  R : x  y  y  x
x  R, !e  0  R tel que 0  x  x  0  x
x  R, ! x'   x  R tel que x  ( x)  ( x)  x  0

x, y  R : x( yz )  ( xy) z
x, y  R, xy  yx
x  R, !e  1  R tel que x.1  1.x  x
x  R * , ! x'  x 1  R tel que x.x 1  x 1 .x  1
x, y et z  R :) x( y  z )  ( xy)  ( xz)
Axiome 2 : R est un Corps Ordonné
x  y et y  z  x  z
x  y et y  x  x  y
x, y  R ou bien x  y ou bien y  x

x  y  z  R : x  z  y  z
0  x et 0  y  0  xy
Axiome 3 : A tout sous-ensemble S   de R o un peut associer un nombre réel a  0 vérifiant

*
les propriétés suivantes :
P1 .Si x  S alors a  x
P2 .  0,   S tel que   a  
I.1.1.6. Intervalles bornés de R
1. Intervalle fermé et borné d’origine a et d’extrémité b (a et b  R)
a, b  x  R / a  x  b

Page 15 sur 50
2. Intervalle ouvert et borné d’origine a et d’extrémité b
a, b  x  R / a  x  b
3.Intervalle semi-ouvert et borné d’origine a et d’extrémité b
a, b  x  R / a  x  b (resp a, b  x  R / a  x  b
4. Boule ouverte de centre a et de rayon 
a  R et réeel   0 , on désigne par B(a,  ), l’intervalle ouvert et borné
a   , a    appelé boule ouverte de centre a et de rayon  .
N.B. a  R : a, a   a et a, a  
I.1.1.7. Valeur absolue
a. Définition
x 0
A tout réel x, on associe le nombre réel d »fini par :

 x si x  0

 x si x  0

 0 si x  0

x
Ce nombre est appelé « valeur absolue du nombre x ».
b. Propriétés

Page 16 sur 50
P1 .Soit a  R alors :
x  a  a  x  a
x  a  a  x  a
x  a  x  a ou x  a
x  a  x  a ou x  a
P2 . x, y   RxR on a :
xy  x . y
x y  x  y
x  y  x  y si x  0 et y  0
x  y  x  y six  0 et y  0
x
P3 .x, y   RxR * on a :
x

y y
P4 .x  R : x  x et x   x
I.1.1.8. Topologie de R
a. Voisinage d’un point
Soit w  R et V  R .
On dit que V est un voisinage de w si  un réel   0 tel que w   , w     V
Exemple : 1,4 est un voisinage de 2.
Propriétés

Page 17 sur 50
P1 .w  R : R  V ( w)
P2 .Si V  V ( w) et V  W alors W est un voi sin age de w
P3 .Si V  V ( w) alors w  V
P4 .Si V et W sont des voi sin ages de w alors V  W est un voi sin age de w
b. Ouvert de R
Soit O  R.
On dit que O est un ouvert de R si O si O est un voisinage de chacun de ses points.
Exemple :  2,3 est un ouvert de R
Propriétés
P1 . et R sont des ouverts de R
P2 .Si O1et O2 sont des ouverts de R alors O1  O2 est un ouvert de R
c. Fermé de R
Soit F  R.
On dit que F est un fermé de R si R/F est un ouvert de R
Exemples
1.Tout singleton de R et un fermé de R
2. Toute partie finie de R est un fermé de R
Remarques : - Toute réunion quelconque des fermés n’est pas nécessairement un fermé.
- L’intersection quelconque des ouverts n’est pas nécessairement un ouvert.

d. Adhérence
Soit A  R.
On appelle adhérence, fermeture ou clôture de A et on note Cl(A) ou A ,

l’intersection de tous les fermés contenant A.

Page 18 sur 50
 
A   D : D est un fermé de R et A  D 
 
N.B. A est dont le plus petit fermé de R contenant A
Les éléments de A sont appelés points adhérents à A

e. Points d’accumulation
Un réel w est dit point d’accumulation d’une partie A de R si tout voisinage V
de w contient un point autre que w ; c’est-à-dire :
 A  V   w  
ou V   A  w  
ou encore V  w  A  
Exemple : 2 est un point d’accumulation de V /2 avec V  1,4

I.1.2. NOMBRES COMPLEXES
Lorsqu’on résout une équation de type ax  bx  c  0 il arrive de fois que

2
  b 2  4ac  0 . On n’hésite pas à conclure que dans R la solution n’existe pas. Le souci de
trouver une solution à ce genre de problème poussera les mathématiciens à créer un autre ensemble
beaucoup plus étendu que R. C’est l’ensemble C des nombres complexes.
Un nombre complexe est un couple ordonné des réels (x,y) soumis aux
conventions et règles suivante
Im
y (x,y)
0 x Réels

Page 19 sur 50
x, y   x  iy
1.x, y   x' , y '  x  x' et y  y '
2.x,0  x  0i  x est un nombre réel pur
En particulier (1,0)=1 est une unité réelle
3.0, y   0  yi  yi est un nombre imaginaire pur
En particulier (0,1)=i est une unité imaginaire
Terminologie
Norme : La norme de (x,y) est donné par   x  y

2 2 2
Module : Le module de (x,y) est donné par

  x2  y2
Argument :  est appelé argument
(x,y) et (-x,-y) sont dits opposés
(x,y) et (x,-y) sont dits conjugués
Opérations
1. x, y  et  x' , y '  C :  x, y    x' , y '   x  x' , y  y '
2.Si x, y    x' , y '   x' ' , y ' ' alors  x ' ' , y ' '   x  x ' , y  y '
3.x, y  et  x' , y '  C :  x, y x x' , y '   xx' yy ' , xy' yx'
4. x, y   C et x' , y '  C * :

x, y   x, y x' , y'
x' , y ' x' , y 'x' , y '
Forme trigonométrique ou goniométrique
Soit Z=(x,y)=x+iy la forme algébrique d’un nombre complexe donné, on a :
  x2  y2

Page 20 sur 50
y
six   
y
   y
  tg  
x x x
cox   
 
z   (cos   i sin  ) est sa forme trigonométrique
1 3
z  i
Exemple : Mettre sous le forme trigonométrique le nombre 2 2
2
 1  3
2
1 3
          1
 2  2  4 2
1 3
cos   2   1 et sin 2  3
En effet 1 2 1 2
3
 tg  2   3    120 o  2
1 3
2
2 2
z  cos  i sin
D’où 3 3
NB. Si on désigne en particulier i2par le produit de i par lui-même, i2a pour

module 1 et pour argument  .
i 3   1.i  i
i2=-1 et par conséquent : i  i .i   1

.  1  1, etc.
4 2 2
Puissance entière d’un nombre complexe
 
zn zxzxzxzx
...z
n facteurs
z n   cos   i sin  
n
z n   n cos n  i sin n 
Formule de MOIVRE

Page 21 sur 50
cos   i sin  n  cos n  i sin n

Remarque : Cette formule est très importante car elle permet d’exprimer les nombres
trigonométriques de n en ceux de 
Exprimer tg2 en fonction de tg
En effet on sait que par la formule de MOIVRE :
cos   i sin  2  cos 2  i sin 2
Et cos   i sin    cos   2i cos  sin   sin 

2 2 2
Par identification on a :
cos 2   2i cos  sin   sin 2   cos 2  i sin 2
cos 2   sin 2   cos 2 1
Partant : 2i cos  sin   i sin 2 2
2 cos  sin  sin 

2
tg 2 
1  sin 2  2 cos  sin   cos 
2

cos 
2 cos 2 cos   sin  cos   sin  1  sin 2 
2 2 2 2
cos 2  cos 2  cos 2 

2tg
tg 2 
D’où 1  tg 2
Racine nième d’un nombre complexe
On appelle racine nième d’un nombre complexe z ,   tout nombre complexe
z'  ' , ' tel que n
z  z  z' n  z avec n  N .
Il existe n racines nièmes de chaque nombre complexe différent de 0.
 2k
 '  3  et  '  
Soit z ,   et z'  ' , ' sa racine nième ; on a : n n
Exemple : Calculer les racines 3ièmes de z=1

Page 22 sur 50
z 1   1 1
0
tg   1    2
En effet : 1
   2k   2k 
3
z  3   cos  i sin 
De ce fait  3 3 
2 2 1 3
z1  cos  i sin   i
3 3 2 2
4 4 1 3
z 2  cos  i sin   i
3 3 2 2
6 6
z 3  cos  i sin 1
Si k=0 alors 3 2
Section 2. STRUCTURE D’UN ENSEMBLE
Définir une opération dans un ensemble c’est se donner une loi de composition
* qui, à deux nombres x et y de l’ensemble considéré, fait correspondre un troisième nombre x*y
appelé composé de x et de y.
On dit alors que l’ensemble donné est muni d’une structure donnée si la loi * y
définie possède certaines propriétés lui conférant ladite structure.
2.1. GROUPE
E,* a la structure de groupe ssi :
1.x, y  E : x * y  E
2.x, y et z  E : x *  y * z    x * y  * z
3.x  E , !e  E tel que x * e  e * x  x
4.x  E , x' E tel que x * x'  x'*x  e
Si en plus, x, y  E , x * y  y * x , on dit que E,* est un groupe commutatif ou

groupe de Klein ou encore groupe Abélien.
Exemple : R*, x  est un groupe commutatif

Page 23 sur 50
Sous-groupe
Soit H  E (H  ø) avec (E,*). On dit que (H,*) est un sous- groupe de (E,*)
si la restriction de la loi * sur H fait de H un groupe. On dit en outre que H est une partie stable de
E ; c’est à- dire  a, b  H on a a*b  H.
Exemple : (Q*, ×) est un sous- groupe de  *
2.2. ANNEAU
(A,*, T) est un anneau ssi :
1°. (A, *) est un groupe
2°. (A, T) est un demi-groupe
3°.  x, y et z  A : x T (y*z) =(x T y) * (x T z)
NB. (A,*) est un demi groupe ssi la loi * est interne et associative dans E.
Anneau d’intégrité
(A, +, x) est un anneau d’intégrité si :
- (A, +) est un groupe commutatif
- La loi x est associative dans A
-  !e  A tel que  x  A on a : e. x = x .e =x (avec e  de l’élément neutre

de la loi +)
-  x, y  A et z  e : x. z = y. z  x=y
-  x, y  A : x. y = y. x
2.3. CORPS
(K, *, T) est un corps ssi :
1°. (K, *, T) est un anneau. C’est -à dire :
- (K, *) est un groupe commutatif

Page 24 sur 50
- La loi T est associative dans K
- La loi T est distributive par rapport à la loi *
2°.( K/  e  , T) est un groupe (avec e élément neutre de la loi * dans K)
Exemple : (  , +, x) est un corps.
2.4. ESPACE-VECTORIEL
Soit K un corps commutatif, E  ø est un espace -vectoriel sur K ou un

K-espace vectoriel si :
1°. (E, +) est un groupe commutatif
2°. E est muni d’une loi de composition « . » sur K tel que  (α, x)  KX E,
on a :
- α. x  E
-  ,   K et  x, y  E :
  (x+y) =  x+  y
 x (   ) = x  + x 
  (  .x) = (  )x
 1. x =x
NB : Les éléments de E sont appelés « vecteurs » et ceux de K, « scalaires »
Exemple :  n est un espace -vectoriel sur 
Sous-espace vectoriel
On appelle sous-espace vectoriel d’un espace -vectoriel E, toute partie de E

qui est à elle seule un espace – vectoriel sur le même corps.
Critères d’identification
W  E est un sous espace vectoriel de E ssi :
1°. W  ø
Page 25 sur 50
2°.  u, v  W : u +v  W
3°.    K et v  W :  v  W
Exemple : l’ensemble 0 est un sous espace- vectoriel de 

Page 26 sur 50
Chapitre Troisième : NOTIONS DE K-espace-vectoriel
Cfr section 2 ; paragraphe 2.4. du deuxième chapitre (à pourvoir)

Page 27 sur 50
Chapitre quatrième : CALCUL MATRICIEL ET DETERMINANT
Section 1. MATRICES
1.1. Définitions : 1. Soient E et F deux espace- vectoriels des cardinaux respectifs n et m

et un corps K. On appelle matrice de type (E, F) ou matrice d’ordre (n, m), toute application A telle
que :
A: EXF K
(i, j) a ij
 a11 a12 ........ a1m 

a a 2 m 
 21 a 22 .........
. . ......... . 
 
. . .......... . 
 . . ...... . 
a a nm 
A= (aij)=  n1 a n 2 .......
Avec i= 1, 2 , 3,…….., n et j = 1, 2, 3,……, m
2. Une matrice est un ensemble des nombres disposés

dans un tableau rectangulaire de la manière suivante :

Page 28 sur 50
 a11 a12 ........ a1m 

a a 2 m 
 21 a 22 .........
. . ......... . 
 
. . .......... . 
 . . ...... . 
a a nm 
A=  n1 a n 2 .......
Les aij sont appelés « éléments de la matrice »
Exemples
 2  4 6
 
 
 0 4 8
1) A=   est une matrice à 2 lignes et 3 colonnes ou matrice
d’ordre 2x3
2 1 3 
 
 0 3  1
1 2 3 
2) B=   est une matrice à 3 lignes et 3 Colonnes ou matrice d’ordre 3
Remarques :- Si K =  , la matrice est dite réelle
- Si K = C, la matrice est dite complexe
- Si n = 1, la matrice est dite uni ligne ou vecteur ligne
- Si m = 1, la matrice est dite uni colonne ou vecteur colonne
Exemple pratique : Si on interroge 5 personnes mariés sur leur âge, l’âge de

leur conjoint ainsi que le nombre de leurs enfants, les résultats de l’enquête peuvent s’écrire sous
la forme d’une matrice ayant 5 lignes et 3 colonnes telle que :
 29 26 1
 
 52 51 3
 41 42 5
 
 44 41 2
 30 4 
M=  28

Page 29 sur 50
Age Age conjoint Nbre d’enfants
1.2. MATRICES PARTICULIERES
1. Vecteur–Colonne
 a11 
 
 a 21 
. 
 
. 
 
. 
a 
Si m = 1, la matrice A se réduit à A=  m1  d’ordre nx1
 7
 
 7 
 4 
 
 3 
 
Exemple : A =  11  ordre 1x5
2. Vecteur- ligne
Si n =1, la matrice A se réduit à :

a11 a12 a13 ..... a1m 
d’ordre 1 x m
Exemple : 4  6 7 1 0 d’ordre 1x5
3. Matrice carrée d’ordre n

Il s’agit des matrices dont le nombre de lignes est égal au nombre
de colonnes (n = m)
N.B. : L’ensemble des matrices carrées d’ordre n se note µK(n)
4. Matrice symétrique
C’est une matrice dont les éléments situés de part et d’autre de la

diagonale principale sont égaux les uns aux autres ; en d’autres termes les aij = aji

Page 30 sur 50
1 3 5
 
3 4 6
5 6 0
Exemple : S=  
5. Matrice antisymétrique
Ici, tous les éléments situés de part et d’autres de la diagonale

principale sont opposés les uns aux autres.
 3 2  5
 
  2 2  2
 5 2 1 
Exemple : T=  
6. Matrice diagonale
C’est une matrice dont les seuls éléments non nuls sont ceux de
la diagonale principale. C’est -à- dire :
 a11 0 ... 0 
 
 0 a 22 ... 0 
 ... .... ... ... 
 
 0 ... a nm 
 =0 si i  j
0
1 0 0
 
0 5 0
 0 0 4
Exemple : D=  
7. Matrice identité d’ordre n
C’est une matrice diagonale dont les éléments non nuls sont tous égaux à 1. C'est-à-dire :

Page 31 sur 50
1 0 ... 0
 
0 1 ... 0
In  
... ... ... ...
 
0 1 
 0 0
8. Matrice Zéro
Il s’agit d’une matrice dont tous les éléments sont nuls. On la note 0 ou 0mxn.
Exemples :
 0 0  0 0 0 0
O2    O2 x 4   
 0 0  0 0 0 0
9. Matrice Scalaire
Il s’agit d’une matrice diagonale dont tous les éléments non nuls
c 0 ... 0
 
0 c ... 0
S 
... ... ... ...
 
0 c 
sont égaux à un même scalaire. C'est-à-dire :  0 0
 3 0 0
 
C   0 3 0
 0 0 3
Exemple :  
10. Matrice triangulaire
C’est une matrice carrée dont tous les éléments qui se trouvent en
dessous (triangulaire supérieure) ou au-dessus (triangulaire inférieure) de la diagonale principale
sont tous nuls.
4 2 0 1 4 0 0 0
   
0 1 5 0 5 1 0 0
0 0 5 8 6 6 1 0
   
 2  ,  2 
Exemples : T=  0 0 0 L=  1 0 0
Triangulaire supérieure Triangulaire inférieure

Page 32 sur 50
11. Matrice nilpotente
M  µK(n) est si  n   *tel que Mn= 0n
 0 3
M   
Exemple :  0 0  est nilpotente.
 0 3  0 3
   
2
En effet M =  0 0   0 0  = O2
Remarque : les matrices nilpotentes ne sont pas inversibles, et sur R ou C, elles forment un
ensemble négligeable.
12. Matrice carrée régulière
M  µK(n) est dite régulière ou inversible si  M-1  µK(n) tel que M . M-1 = M-1 .M = In
Propriétés
P1. Si M est inversible, il en est de même que M-1
P2. Si A et B sont 2 matrices régulières alors :
 AB l’est aussi
 (AB)-1 =B-1. A-1
P3. (A-1)t = (At)-1
1.3. OPERATIONS DE BASE
1. Egalité de deux matrices

Deux matrices A et B sont égales ssi :
-elles sont de même ordre
-chaque élément de A est égal à l’élément correspondant de B

c'est-à-dire  i et j, aij = bij
 aij  biji, j
Autrement dit A=B
2. Produit d’une matrice par un scalaire

Page 33 sur 50
 a11 a12 a13 .... a1m   ka11 ka12 ka13 .... ka1m 
   
 a 21 a 22 a 23 .... a 2 m   ka21 ka22 ka23 .... ka2 m 
kA   ..... .... .... .... ....    ..... .... .... .... .... 
   
 .... .... .... .... ....   ..... .... ..... ..... .... 
a .... a nm   kan1 ka n3 ..... kanm 
 n1 a n 2 an3 kan 2
Remarque : Une matrice scalaire est le produit de la matrice identité par un scalaire.
1 0 ... 0 k 0 ... 0
   
0 1 ... 0 0 k ... 0
 ... ... ... ...  ... ... ... ...
   
 1  =  0 k 
S= kIn = k  0 0 0 0 0
Somme de deux matrices
La somme de 2 matrices A et B de même ordre s’obtient en

additionnant les éléments correspondants de A et de B c'est-à-dire si A et B sont de même ordre
alors :
A+B  (aij) + (bij)
 (aij + bij)
Exemple :
6 3 8 1  3 2   7 0 10 
     
A  1  2 7 B  0 1 2  A  B   1 1 9 
 4 5 2  6 9  4 10 14  2 
Si   et   alors  
Propriétés
Si A, B et C sont 3 matrices de même ordre et k un scalaire, on a :
P1. A+B = B+A
P2. A+0 = 0+A =A
P3. A+ (B+C) = (A+ B) + C
P4. k (A+ B) = kA +kB

Page 34 sur 50
3. Soustraction
La différence de deux matrices A et B de même ordre
s’obtient en soustrayant des éléments de A, les éléments correspondants de B.
5 7 3  1 2  7  4 5 10 
Si A    B    A  B   
Exemple:   1 6  2  et  4 9  3  alors   5  3 1 
4. Division d’une matrice par un scalaire

Soient A = () et  
 a11 a12 a1m 

 ..... 
    
 a 21 a 22
....
a2m 
    
 ..... ..... ..... ..... 
 aij   a m1 am2 a mn 
  
A
 ..... 
  =     
 2 4
 
Exemple : Soient A =  6 1  et  = 3
2 4 2 4
   
3 3  3 3
A A 6 1  1
  2 
On a  = 3 =  3 3  3
5. Produit de deux matrices

Le produit de 2 matrices n’est possible que si le nombre de
colonnes de la première est égal au nombre de lignes de la
seconde.
Soient en effet une matrice d’ordre m x k et B une matrice d’ordre k x n. Le produit C=AB est une
matrice d’ordre m x n dont l’élément c ji est le produit scalaire de la ième ligne de A par la jième
colonne de B.

Page 35 sur 50
Soit
 b1 j 
 
 b2 j 
..... aik  b3 j   ai1b1 j  ai 2 b2 j  ai 3b3 j  ....  aik bkj   ail blj
k
Cij  ai1 ai 2 ai 3
  i 1
 ......
b 
 kj 
Propriétés
Si A est d’ordre m x k, B et C sont d’ordre k x n et D d’ordre n x j.
P1. A (B+C) = AB +AC
P2. (B+C)D = BD + CD
P3. A (BC)=(AB)C
P4. A0k = 0mA= 0mxk
P5. AIk = ImA = A
P6. AB  BA
P7.AB =0 n’implique pas nécessairement A =0 ou B=0
P8. AB = AC n’implique pas nécessairement B =C
P9. L’élément neutre pour le produit matriciel (matrices d’ordre n x m) est la matrice unité d’ordre
n x m.
P10. La somme matricielle admet comme élément neutre la matrice zéro
P11.Toute matrice A a pour opposée la matrice A .
6. Transposée d’une matrice

Soit A  µK(n). La transposée de A est une matrice notée A’,
Atou tA tel que si A = (aij) alors At = (aji).
Exemple :

Page 36 sur 50
1 2
 
1  2 3  At    2 4 
A    3
 2 4 1  alors  1 
Soit
Remarque : Une matrice symétrique est identique à sa transposée.
Propriétés
P1. (At)t = A
P2. (A+B)t =At +Bt
P3. (AB)t = BtAt
1.4. MATRICES A ELEMENTS COMPLEXES
Il s’agit des matrices de la forme : M= (zij) où z désigne un nombre complexe.
  3 1 i
M   
Exemple :  2  3i i 
Remarque :
-Si M est une matrice complexe, sa matrice conjuguée se note M et est définie par les éléments
conjugués de ceux de M.
Exemple : Voir ci -haut
  3 1 i
M   
 2  3i  i 
-Si M =Mt on dit que M est une matrice hermitienne.
1.5. COMBINAISON LINEAIRE
V est une combinaison linéaire des vecteurs v1, v2, v3,…., vk si tous ces vecteurs sont de même
ordre et si V peut s’écrire sous la forme :
V =x1v1 +x2v2+x3v3+….+xkvk où les coefficients x1,x2 ,x3,…,xk sont des scalaires.
Ainsi tout vecteur X= (x1, x2,x3,…., xk) peut s’écrire :

Page 37 sur 50
X= x1(1 0 0,.….0) + x2(0 1 0 ….0) + x3(0 0 1 …. 0) +….+xk(0 0 0 …..1)
=x1e1 + x2e2 + x3e3 + …+xkek
NB. -Tout vecteur est donc combinaison linéaire de vecteurs de base.
Les vecteurs V1, V2, V3, …., Vk sont indépendants si x1V1+x2V2+x3V3+…+xkVk=0 implique
x1=x2=x3=….=xk =0
- Les vecteurs de base sont indépendants

Ainsi par exemple si k = 4 on a :
x1(1 0 0 0) + x2(0 1 0 0) + x3(0 0 1 0) +….+ xk(0 0 0 1) = 0 implique x1=x2=x3=x4 =0
- Si des vecteurs sont liés, chacun d’eux est combinaison linéaire des autres.
Section 2. TRACE, DETERMINANT ET RANG D’UNE MATRICE CARREE
2.1. Définitions :
A
-Si A est une matrice carrée d’ordre n ; on peut lui associer un scalaire noté dét (A) ou
appelé déterminant de A tel que si
 a11 a12 ........ a1m 

a a 2 m 
 21 a 22 .........
. . ......... . 
A 
. . .......... . 
 . . ...... . 
a a nm 
 n1 a n 2 .......
a11 a12 ..... a am

a a 22 ..... a2m
Alors dét ' ( A)  A  21
.... ..... ..... .....
a n1 a n 2 ...... a nm
Et calculé comme suit pour les matrices d’ordres 2 et 3 :
a11 a12
 a11a22  a21a12
a21 a22

Page 38 sur 50
a11 a12 a13

a 21 a 22 a 23  a11a 22 a33  a12 a 23 a31  a13 a 21a32  a31a 22 a13  a32 a 23 a11  a33 a 21a12
a31 a32 a33
2.2. Eléments et termes d’un déterminant
a. Eléments : Les éléments d’un déterminant sont les a ij où i,j  1, n
b. Termes :
 Le mineur : Le mineur de dét (A) est le déterminant d’ordre n-1 obtenu en supprimant la
ièmeligne et la jième colonne de dét (A).
Aij
On le note
3 1 2
dét ( A)  4 0 1 3 1 4 1
A23  ; A12  ; etc
Exemple : Soit 5  4 6 on aura : 5 4 5 6
Aij
 Le cofacteur : En multipliant le mineur de A par l’expression (-1)i+j, on obtient le
cofacteur de l’ élément aij noté Cof (aij).
Aij
Cof (aij) = (-1)i+j
2 2 1
1 3 0
4 3 5
Exemple : Soit dét (A) = on aura :
2 1
 121
Cof (a21) = cof (-1) = 3 5
2.3. PROPRIETES DES DETERMINANTS
P1.dét (A) = dét (At)
P2. Un déterminant change de signe si on permute 2 lignes ou 2 colonnes.

Page 39 sur 50
P3. Un déterminant est nul s’il contient 2 lignes ou 2 colonnes identiques.
P4. Si tous les éléments d’une ligne ou d’une colonne d’un déterminant sont des sommes, le
déterminant peut se décomposer de la façon suivante :
a11  b11 a12  b12 a13  b13 a11 a12 a13 b11 b12 b13
a 21 a 22 a 23  a 21 a 22 a 23  a 21 a 22 a 23
a31 a32 a33 a31 a32 a33 a31 a32 a33
P5. Un déterminant ne change pas de valeur quand on joute aux éléments d’une ligne ou d’une
colonne, des équimultiples d’éléments correspondants d’une autre ligne ou d’une autre colonne.
a11 a12 a13 a11  xa12  ya13 a12 a13

a 21 a 22 a 23  a 21  xa22  ya 23 a 22 a 23
a31 a32 a33 a31  xa32  ya33 a32 a33
P6. dét (AB) = dét (A).dét (B) avec A et B deux déterminants de même ordre.
P7. Si tous les éléments d’une ligne ou d’une colonne sont nuls sauf un seul, le déterminant est égal
à cet élément multiplié par son cofacteur.
Pratiquement, on abaisse l’ordre d’une déterminant en amenant, grâce aux propriétés précédentes,
tous les éléments sauf un seul d’une ligne ou d’une colonne à être nuls.
1 5 7 9
2 4 6 1
8 1 3 4
Exemple : Soit le déterminant suivant : 2 2 4 4
On peut abaisser son ordre à 3 en amenant par exemple tous les éléments de la dernière
ligne sauf le premier à être nuls en faisant :
Col 2 – col 1
Col 3 – 2xcol1
Col 4 – 2xcol1. On aura :

Page 40 sur 50
1 4 5 7
4 5 7
2 2 2 3
2 2 2 3
8  7  13  12
 7  13  12
2 0 0 0
2.4. REGLES DE DEVELOPPEMENT D’UN DETERMINANT
a . Règle de SARRUS
a11 a12 a13 a11 a12

a 21 a 22 a 23 a 21 a 22  (a11a 22 a33  a12 a 23 a31  a13 a 21a32 )  (a31a 22 a13  a32 a 23 a11  a33 a 21a12 )
a31 a32 a33 a31 a32
b. Règle de Cofacteur
a11 a12 a13

a a 23 a a 23 a a 22
a 23   1 .a11 22   1 .a12 21   1 .a13 21
11 1 2 1 3
a 21 a 22
a32 a33 a31 a33 a31 a32
a31 a32 a33
c. Règle des Triangles

a11 a12 a13
a 21 a 22 a 23  (a11a 22 a33  a12 a 23 a31  a13 a 21a32 )  (a31a 22 a13  a32 a 23 a11  a33 a 21a12 )
a31 a32 a33
1 2 3
4 1 0
1 2 1
Exemple : Soit à calculer en utilisant toutes les 3 règles
En effet : 1°. Règle de SARRUS
1 2 3 1 2
4  1 0 4  1  (1  0  24)  (3  0  8)  12
1 2 1 1 2
2°. Règle des cofacteurs

Page 41 sur 50
1 2 3
4 1 0 1 0 12 4 0 1 3 4 1
 111   1   1  (1)  2(4)  3(8  1)  12
1 2 1 2 1 1 1 1 2
=
3°. Règle des triangles
1 2 3
4 1 0
1 2 1
=(-1+0+24)-(3+8+0)=12
2.5. OPERATIONS SUR LES DETERMINANTS
a. Addition :
La somme de 2 déterminants est obtenue en faisant la somme de leurs valeurs respectives.
b. Multiplication :
 Le produit de 2 déterminants s’obtient en faisant la produit de leurs valeurs respectives

 Pour multiplier ou diviser un déterminant par un scalaire on multiplie les éléments d’une
seule ligne ou une seule colonne par ce scalaire.
En effet :
a11 a12
et   K , alors  dét (A) s’obtient en faisant :

a 21 a 22
Si dét (A) =
a11 a12 a11 a12 a a12 a11 a12 a11 a12

   11 
a 21 a 22 a 21 a 22 a 21 a22 a21 a 22 a21 a22
=
a11 a12
a12 a11
  
dét ( A) a11 a12 a11 a12

 a 21    a 21 a 22  a 22
a 22 a 21
Et  a 21 a 22   
1 4
 3  20  17
Exemple : Soient dét (A) = 5 3 et  = -2

Page 42 sur 50
1 4 (2)1 4 2 4
   6  40  34
On aura :  dét ( A) =(-2) 5 3 ( 2)5 3  10 3
1
4
2 
3 20
( ) 
3
 10 
17
dét ( A) 5
3 2 2 2 2
Et  = 2
2.6. INVERSION MATRICIELLE
On appelle inverse d’une matrice carrée non singulière (c’est -à –dire dét (A)  0, une matrice
notée A-1 telle que A. A-1 =A-1A= I.
Pratiquement, on calcule A-1 de la manière suivante :
1°.Calculer dét (A)
2°.Calculer l’adjointe de A notée A’ en transposant A et en remplaçant dans At chaque élément par

son cofacteur.
adj ( A)
3°.Trouver A-1 en faisant A-1 = dét ( A)
Autrement :
1°. Calculer dét (A).
2°. Calculer les cofacteurs de tous les éléments de A
3°. Former la matrice adjointe A1 formée des cofacteurs des éléments de A.
4°. Transposer A1
t
A1
5°. Faire A-1= dét ( A)
5 2
 
Exemple : Soit A=  0 3  . Déterminer A-1
En effet :

Page 43 sur 50
1°.dét (A)=15  0
2°. cof (5) = 3,
cof (2) = 0,
cof (0) = 2,
et cof (3) = 5
 3 2
 
1   2 5
3°. A =
 3  2
 
4°. A1 t =  0 5 
3 2 1 2
   
t  15 15    5 15 
A1 0 5   1 
  0 
5°. A = 15 = 
-1 15   3 
2.7. TRACE ET RANG D’UNE MATRICE CARREE
-La trace d'une matrice carrée est la somme de ses éléments diagonaux.
A  aij nxn
Soit en effet une matrice carrée.
n
trA   aii
Sa trace est donnée par i 1
Exemples :
tr0 nxn  0
1.
trI nxn  n
2.
1 2
tr   1  4  5
3.  3 4 

Page 44 sur 50
 1 2 3
 
tr 5  1 6   1  (1)  0  0
 7 8 0
4.  
Propriétés
P1. tr( A  B)  trA  trB
P2. tr (A)  trA
P3. trA'  trA
P4. tr( AB)  trB.trA
A  aij nxn
-Le rang d’une matrice noté rgA , est égal au nombre de colonnes de A linéairement
indépendantes.
Exemple : Calculer le rang de la matrice
 2  1
A   
1. 4 3 
L 2 L 2  2 L1
 2  1  2  1
A     
En effet,  4 3  0 5 
rgA  2
1 0 0 1 0 0
   
B   1 0 0   L 2L 2 L1  0 0 0
 0 0 0  0 0 0
2.    
rgB  1
2.8.APPLICATION DE DETERMINANT A LA RESOLUTION D’EQUATIONS

LINEAIRES

Page 45 sur 50
a) Système de 3 équations non homogènes à 3 inconnues
a11x + a12y + a13z = b1 (1)
Soit le système a21x + a22y + a23z = b2 (2)
a31x + a32y + a33z = b3 (3) ; qui peut s’écrire sous la forme matricielle
 a11 a12 a13  x   b1 

    
 a 21 a 22 a 23  y    b2 
a a33  z   b3 
 31 a32
a11 a12 a13 b1 a12 a13 a11 b1 a13

D  a 21 a 22 a 23 Dx  b2 a 22 a 23 D y  a 21 b2 a 23
Définissons a31 a32 a33 b3 a32 a33 a31 b3 a33
; , ,
a11 a12 b1
Dz  a 21 a 22 b2
a31 a32 b3
S i D n’est pas nul, on peut inverser la matrice A pour obtenir A-1
 x  b1 
   
A. A 1  y   A 1  b2 
z b 
   3
 x a a12 a13  b1   a b  a 21b2  a31b3  D 
  1  11   1  11 1  1  x
 y    a 21 a 22 a 23  b2    a12b1  a 22b2  a32b3    D y 
 z  D a   D  a b  a b  a b  D  D 
   31 a32 a33  b3   13 1 23 2 33 3   z
Dx Dy D
x ,y  et z  z
Partant : D D D
Système de 3 équations homogènes à 3 inconnues
Soit le système précédent où b1 = b2 = b3 =0
a11x + a12y + a13z = 0 (1)
a21x + a22y + a23z = 0 (2)

Page 46 sur 50
a31x + a32y + a33z = 0 (3); qui peut s’écrire sous la forme matricielle :
 a11 a12 a13  x   0 

    
 a 21 a 22 a 23  y    0 
a a33  z   0 
 31 a32
-Si D = dét (A)  0, en inversant la matrice A on obtient x = y = z
-Si D= 0 mais un mineur au moins (exemple A33) est différent de zéro , le système
a11x+ a12y = - a13 z
a21x + a22 y= - a23 z
a comme solution :
 a13 z a12 a11  a13 z

 a23 z a22 A31 a21  a23 z A32
x= A33 = z A33 et y = A33 = -z A33
N.B. : -Comme Dz =0, les 3 équations sont toujours compatibles et le système. admet une infinité
simple de solution.
-Si D=0, et tous les mineurs sont nuls, mais au moins un élément (par exemple a11)  0
Dès lors l’équation :
a11x = b1 - a12y - a13z, admet une infinité double de solution
b1  a12 y  a13 z
x= a11
N.B. : Contrairement aux système inhomogène les systèmes homogènes sont toujours possibles.
-Si D= 0 et tous les éléments de sont nuls, le système se réduit à 3 équations identiques 0x +
0y + 0z = 0 qui admet n’importe quelles valeurs de x, y et z comme solution.

Page 47 sur 50

 2 x  y  3z  2 1

3x  2 y  z  5 2

 x  y  2 z  3 3
Exemple : Soit à résoudre 
2 1 3 2 1 3 2 2 3 2 1 2
D  3 2 1  14  0 Dx  5 2 1 Dy  3 5 1 Dz  3 2 5
1 1 2 3 1 2 =10 1 3 2 =16 1 1 3 =8
; , ,
10 5 16 8 8 4
x  ;y   ; et z  
D’où 14 7 14 7 14 7
Section 3. CALCUL DES VECTEURS ET VALEURS PROPRES D’UNE MATRICE

CARREE
 x1 
 
 x2 
x 
En général si on multiplie un vecteur X=  3 par une matrice A,
 a11 a12 a13  Y 
  x1   1 
 a 21 a 22 a 23    Y2 
a  x2  
a32 a33    Y3 
 31  x3   
a a 43  Y 
on obtient un vecteur V tel que :  41
a 42  4
La pré multiplication du vecteur X par la matrice A opère une transformation du vecteur X en un

vecteur Y.
Soit AX =  X (1)
C'est-à-dire les vecteurs Y sont multiples des vecteurs X.
-Tout vecteur X qui satisfait l’égalité (1) est dénommé vecteur propre de la matrice A.
-  est la valeur propre correspondante.
On assure la proportionnalité entre les éléments du nouveau vecteur et ceux du vecteur initial. La
relation (1) est équivalente à :

Page 48 sur 50
(A-  I)X = 0 (2)
Qui n’admet de solution que si dét (A- I ) = 0 (3)
- L’équation (3) est un polynôme en  appelée « équation caractéristique ». Ces racines sont les
valeurs propres 1 , 2 , 3 , …
- Les vecteurs propres s’obtiennent en remplaçant  par chacune de ses valeurs dans (2).
 x1   0 
   
 A  I  2    
x 0
.... ....
   
x   
Et comme (A-  I) est une matrice singulière, le système  m  0 admet une infinité
des solutions
NB : Un des éléments du vecteur n’est pas fixé
 4 2
 
Exemple : Trouver les valeurs et les vecteurs propres de la matrice A telle que : A =  2 1 
En effet
- L’équation caractéristique est donnée par :
4 2
Dét (A-  I) =0  2 1  =0
(4-  ) (1-  ) – 4 = 0
4 - 5 + 2– 4 = 0
 (  -5) = 0 ce qui conduit à deux valeurs propres  1 =0 et  2 =5
- Le vecteur propre associé à  1 =0 est tel que :
4  0 2  x1   0  4 x  2 x2  0
        1
 2 1  0  x2   0   2 x1  x2  0

Page 49 sur 50
Ce qui implique 2x1 + x2 =0 ou x2 = -2x1
- Le vecteur propre associé à 2 = 5 est tel que :
 4  5 2  y1   0   y  2 y 2  0
        1
 2 1  5  y 2   0   2 y1  y 2  0
y1
Ce qui conduit à –y1 + 2y2 = 0 ou y2 = 2
Section 4. DIAGONALISATION DES MATRICES CARREES
nxn
La diagonalisation d’une matrice carrée A R s’effectue selon le plan suivant ;
Première étape : déterminer le spectre de A (c’est-à-dire les n solutions dans C de l’équation
caractéristique dét ( A  I n )  0
Deuxième étape : si ce spectre comporte au moins un élément de C R , alors A n’est pas

diagonalisable, mais si toutes les valeurs propres sont réelles et distinctes, alors la matrice A
est diagonalisable.
Troisième étape : pour chaque valeur propre  dont la multiplicité algébrique est  2 , déterminer
la dimension de l’ensemble des solutions du système AX  X ; si, pour chacune d'entre elles, la
multiplicité algébrique est égale a la dimension de cet ensemble, A est diagonalisable, sinon elle ne
l'est pas.
En outre, si A est diagonalisable, une matrice diagonale qui lui est semblable est obtenue en plaçant
les valeurs propres sur la diagonale (en ordre quelconque, avec multiplicité éventuelle).
 1 2
A   
Exemple : vérifier si la matrice  3 1  est diagonalisable.
Il convient de déterminer son spectre SA en résolvant l’équation caractéristique

1  2
dét ( A  I n )   0   1   1     6  0  2  7  0
3 1 

Page 50 sur 50
SA   7 , 7 
A admet donc deux valeurs propres réelles et distinctes.
A est de ce fait, diagonalisable.
 7 0   7 0 
  A   
 0  7  7 
Et les matrices semblables à A sont  et  0

Algebre Bac 1

Transféré par

Droits d'auteur :

Formats disponibles

Algebre Bac 1

Transféré par

Informations du document

Titre original

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

Algebre Bac 1

Transféré par

Droits d'auteur :

Formats disponibles

Page 1 sur 50

ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE

Dispensé par Justin MULULU LULEMIRE

Année académique 2023-2024

ALGEBRE CT MULULU LULEMIRE JUSTIN

L’essentiel du Rudiment d’Arithmétique

1.Objectifs terminaux d’intégration

 Acquérir une vision globale et s’approprier l’analyse graphique, numérique et algébrique

 Développer le mode intuitif, lequel est relationnel, intemporel et global ; y compris

2. Objectifs intermédiaires d’intégration

A la fin du premier chapitre intitulé « Eléments de logique et méthodes de raisonnement»

A l’issue du deuxième chapitre intitulé « Structures Algébriques », l’Etudiant saura :

-effectuer sans faille toutes les opérations afférentes aux nombres ;

A la fin du quatrième chapitre intitulé « Notion de K-espace vectoriel » l’Etudiant fera

Au terme du cinquième chapitre « Calcul Matriciel et Déterminant », l’Etudiant saura

ALGEBRE CT MULULU LULEMIRE JUSTIN

Chapitre premier : ELEMENTS DE LOGIQUE ET METHODES DE RAISONNEMENT

Section 1 : Règles de logique formelle

Section 2 : Méthodes de raisonnement

Chapitre deuxième : STRUCTURES ALGEBRIQUES

Section 1 : Extension des Nombres

Section 2 : Structures d’un ensemble

Chapitre troisième : NOTIONS DE K-ESPACE VECTORIEL

Section 1 : Espace-vectoriel et sous espaces vectoriels

Section 2 : Somme de deux sous espaces-vectoriels

Section 3 : Somme directe de deux sous espaces vectoriels

Section 4 : Familles génératrices, familles libres et bases

Chapitre 4 : CALCUL MATRICIEL ET DETERMINANT

Section 2 : Trace, Déterminant et Rang d’une matrice carrée

Section 3 : Calcul des vecteurs propres et valeurs propres

Section 4 : Diagonalisation d’une matrice carrée

Section 5 : Formes quadratiques

Section 6 : Méthodes des mineurs principaux

Syllabus et autres supports

Interrogation écrite sur 5 points

Examen sur 10 points

G. Attentes de l’Enseignant (Compétences acquises)

- les bases d’Algèbre pour avoir un langage adéquat

- l’esprit logique et les mécanismes de raisonnement

- les notions de matrice et d’espace vectoriel.

F. Information sur l’Enseignant

Titulaire: MULULU LULEMIRE Justin

Adresse E-mail: mululujustin@gmail.com

Numéros de téléphone: 0816035111, 0971037013, et 0851384117

Profil académique : -Licencié en Mathématique

-Master en Criminologie Economique et Environnementale

Grade : Chef de Travaux

ALGEBRE CT MULULU LULEMIRE JUSTIN

Chapitre premier : ELEMENTS DE LOGIQUE ET METHODES DE

Section 1 : Règles de logique formelle

« Pour tout xR, on a > 0. » V

On résume ceci en une table de vérité :

L’assertion « non P » est vraie si P est fausse, et fausse si P est vraie.

La définition mathématique est la suivante :

L’assertion « (non P) ou Q » est notée « P Q ».

ALGEBRE CT MULULU LULEMIRE JUSTIN

Sa table de vérité est donc la suivante :

• “0 x 25 =)” est vrai

• « x ]--4[ =) x2 + 3x -4 > 0 » est vraie (étudier le binôme).