Table des matières

1
 Introduction
Le but de ce cours et d’apprendre les outils mathématiques de base, particulièrement ceux qui se-
ront nécessaires durant la formation en électronique. Ces notes de cours donnent les principales
définitions et les résultats fondamentaux, illustrés par des exemples.

2
Chapitre 1
Vocabulaire de la logique

1.1 Assertions
Les assertions du monde mathématique sont celles qui peuvent se traduire par une formule où
interviennent les ensembles de nombres (entiers, réels,...), des constantes (0, 1, ...), des variables
(x, a, ...), les opérations (±, ×, ..), les relations (=, ≤, ...), et les symboles ∀, ∃, ∈, ⇒, ⇐⇒, et qui res-
pectent la syntaxe.

Exemple 1. Les formules (1 > 0), (1 = 0), (x > 1) sont des assertions.

Les assertions (1 > 0) et (1 = 0) sont complètes, elles ont une signification indépendante de tout
contexte : la première est vraie, la seconde fausse. L’assertion (x > 1) n’est pas complète, car elle
contient une variable libre x, et on ne peut pas répondre à la question l’assertion (x > 1) est elle
vraie ?, car la réponse dépend de x.

Définition 1. Une assertion est complète si toutes les variables sont quantifiées par un quantificateur
∀ ou ∃.

— (∀x ∈ E) se lit quel que soit x appartenant à E, ou pour tout x dans E.

— (∃x ∈ E) se lit il existe un élément de E tel que.

Exemple 2. ((∀x ∈ R)(x > 1)) est une assertion complète. Elle est évidemment fausse, mais c’est son
droit.

1.1.1 Traduction
Le jeu mathématique consiste à établir si des assertions complètes sont vraies ou fausses. Il faut
savoir convertir en formules mathématiques des énoncés du langage courant et inversement.

Exercice 1. Ecrire sous forme de formule mathématique l’assertion suivante. Pour tout rationnel stric-
tement positif, il existe un entier strictement plus grand que lui.

3
 Solution
Propriété archimédienne des rationnels

(∀x ∈ Q) ((x > 0) ⇒ ((∃n ∈ N)(n > x))).

Exercice 2. Traduire en langage courant l’assertion exprimée par la formule

(∀x ∈ N) (∀x′ ∈ N)
((x , 0) et (x′ , 0)) ⇒ (∃y ∈ N)(∃q ∈ N)(∃q′ ∈ N) ((y = qx) et (y = q′ x′ ) et (y , 0))).

Solution
Multiple commun deux entiers strictement positifs possèdent un multiple commun non nul.

1.1.2 Dictionnaire
Ci-dessous, une liste de termes mathématiques avec leur description en langage courant.
Négation. C’est dire le contraire. La négation de j’ai 18 ans est je n’ai pas 18 ans. On note non P la
négation de l’assertion P .
Et. Si P et Q sont des assertions, (P etQ) est l’assertion qui est vraie lorsque P et Q sont toutes les
deux vraies. J’ai 18 ans et je suis étudiant à l’IFIPS.
Ou. Si P et Q sont des assertions, (P etQ) est l’assertion qui est vraie sauf si P et Q sont toutes les
deux fausses. C’est donc un ou au sens large, non exclusif. C’est le ou de mon père ou ma mère viendra
me chercher à la gare et non celui de je dois choisir entre prendre le RER ou la voiture.
Implication. Si P et Q sont des assertions, l’assertion P =⇒Q exprime l’idée que si P est vraie,
alors Q doit être vraie aussi, sans qu’il y ait pour autant une relation de cause à effet. Par exemple,
j’ai mon permis de conduire implique j’ai plus de 18 ans, même si ce n’est pas d’obtenir le permis de
conduire qui m’a fait vieillir.
Equivalence. Si P et Q sont des assertions, l’assertion P ⇐⇒ Q exprime l’idée que P et Q sont
vraies simultanément. Autrement dit,

(P ⇐⇒ Q)signifie(P =⇒Q)et(Q=⇒P ).

Par conséquent, démontrer une équivalence, c’est démontrer deux implications. Sauf dans des si-
tuations très simples d’application immédiate de règles, on a en général intérêt à les démontrer
séparément.
Réciproque. Soient P et Q sont des assertions. La réciproque de l’implication P =⇒Q, c’est l’asser-
tion Q=⇒P . Elles sont vraies toutes les deux si et seulement si P ⇐⇒ Q est vraie.

Exercice 3. Quelle est la réciproque de l’assertion Tout professeur a été étudiant ?

Solution : Toute personne ayant été étudiant est professeur.

Contraposée. Soient P et Q sont des assertions. On appelle l’assertion nonQ=⇒nonP la contra-

4
posée de Q=⇒P .

Proposition 1. Soient P et Q des assertions. L’assertion nonQ=⇒nonP est synonyme de mathcalP =⇒Q.

Remarque 1. Les symboles ∀, ∃, ⇐⇒, =⇒ ne sont pas des abbréviations à insérer dans un texte. Ils
n’ont leur place que dans des formules mathématiques.

1.1.3 Ambiguïtés du langage courant

Ci-dessous, une liste de termes du langage courant et leur traduction (parfois problématique) en
formule mathématique.
Si. La phrase les étudiants viennent voir le prof s’ils n’ont rien compris peut avoir plusieurs sens suivant
le contexte. Pour le prof surmené qui manque de temps après un cours, ça peut vouloir dire : ne
viennent me voir aujourd’hui que les étudiants qui n’ont rien compris. Pour un prof qui travaille dans
des conditions normales, ça devrait vouloir dire : tout étudiant qui ne comprend pas devrait venir me
voir. La version speedée se traduit par

vient me voir aujourd’hui =⇒ n’a rien compris.

La version cool par

n’a rien compris =⇒ vient me voir aujourd’hui,

c’est-à-dire, la réciproque. On nage en pleine confusion.

En mathématiques, pour éviter toute confusion, si P , alors Q est synonyme de P =⇒Q. P si et seule-
ment si Q est synonyme de P ⇐⇒ Q.
Pour la question pour quelles valeurs de a a-t-on a2 < a ?, je réponds pour 0 < a < 1. Est-ce que ça
veut dire

(0 < a < 1) ⇐⇒ (a2 < a) ?ou plutôt

(a2 < a) ⇐⇒ (0 < a < 1) ?ou
(a2 < a) ⇐⇒ (0 < a < 1) ?

Pour être précis, je dois répondre on a : a2 < a si et seulement si 0 < a < 1.

Contraire. Traduire par négation ?
- J’ai dit que le groupe jaune est convoqué à 14h cet après-midi
- Non, vous avez dit le contraire, vous avez dit que c’est le groupe rouge."
Donc le contraire de (∀x ∈ {étudiants})((x ∈ {jaune)=⇒(rendez-vous = 14h)) est (∀x ∈ {étudiants})((x <
{jaune)=⇒(rendez-vous = 14h)) ? Rien à voir avec une négation.
Eviter d’utiliser le mot contraire. Il faut ou Il suffit ?
"– Comment je vais montrer que ((x2 + x + 1 < y)=⇒( x2 +x+11
> y1 )) ?

5
 – Tu sait prendre l’inverse d’une inégalité entre nombres positifs ?
– Ben oui.
– Y faut donc que tu montres d’abord que x2 + x + 1 est toujours positif."
En réalité, il suffit que x2 + x + 1 > 0 pour que l’implication à démontrer soit vraie. En effet,

1 1
(∀x ∈ R)(∀y ∈ R) ((x2 + x + 1 > 0) ((x2 + x + 1 < y)=⇒ > ))).
x2 + x + 1 y

Si P =⇒Q, il suffit que P soit vraie pour que Q soit vraie, et il faut que Q soit vraie pour que P soit
vraie. On dit parfois que P est une condition suffisante pour Q, et que Q est une condition nécessaire
pour P . Par exemple, avoir au moins 18 ans est une condition nécessaire pour avoir le permis de
conduire, mais ce n’est pas suffisant.

Exercice 4. Dans Q, être positif ou nul est-il

— une condition nécessaire,
— une condition suffisante,
— une condition nécessaire et suffisante
pour être un carré ? Et si on remplace Q par R ? par C ?

Condition nécessaire ou suffisante sur Q, c’est une condition nécessaire (car un carré est toujours
positif ou nul) mais non suffisante (car 2 n’est pas le carré d’un rationnel, bien qu’il soit positif ou
nul). Sur C c’est une condition suffisante, puisque tout nombre complexe est le carré d’un nombre
complexe, mais ce n’est pas necessaire (ça n’a même pas de sens). Sur R, c’est une condition néces-
saire et suffisante.

1.1.4 Opérations sur les assertions

On rassemble une série de recettes qui rendent les exercices en partie mécaniques.

Règles relatives à la négation

— non(x < y), c’est (x ≥ y).

— Soit P (x) une assertion dépendant d’une variable libre x. Alors non((∀x ∈ E)P (x)), c’est (∃x ∈
E)(nonP (x)).
— Pour toute assertion, non(nonP ) = P .
Une assertion P est vraie si et seulement si nonP est fausse. On peut donc voir la négation comme
une "porte logique" qui échange vrai et faux. On peut le représenter par la petite table

P V F
.
nonP F V

Exercice 5. Ecrire la formule P qui dit que le carré de tout nombre réel est positif ou nul, ainsi que sa
négation.

6
solution Négation à un quantificateur

P : (∀x ∈ R)(x2 ≥ 0), nonP : (∃x ∈ R)(x2 < 0).

Exercice 6. Ecrire sous forme de formule mathématique l’assertion Tout réel possède un opposé ainsi
que sa négation.

solution Négation à deux quantificateurs

(∀x ∈ R)(∃y ∈ R) (x + y = 0).

Sa négation est

(∃x ∈ R)(∀y ∈ R) (x + y , 0).

Règles relatives à la conjonction et

On peut le voir le et comme la "porte logique" qui retourne vrai exactement lorsque P et Q sont
vraies. Cela donne la table
V F
P et Q : V V F .
F F F
Règles : Si P , Q et R sont des assertions,
— (P et Q) = (Q et P ),
— ((P et Q) et R) = (P et (Q et R)), ce qu’on peut donc écrire (P et Q et R) sans ambiguïté.

Règles relatives à la disjonction ou

On peut le voir le ou comme la "porte logique" qui retourne vrai exactement lorsque l’une des
assertions P et Q est vraie, ou lorsque les deux sont vraies. Cela donne la table
V F
P ou Q : V V V .
F V F
Règles : si P , Q et R sont des assertions,
— non(P et Q) = (nonP ) ou (nonQ),
— non(P ou Q) = (nonP ) et (nonQ),
— (P ou (QouR)) = ((P ou Qou R) ce qu’on peut donc écrire (P ou Q ou R),
— (P et (Q ou R)) = ((P et Q) ou (P etR)),
— (P ou (Q et R)) = ((P ou ⨿) et (P ou R)).

Exemple 3. non(0 < x < 1) = (x ≤ 0) ou (x ≥ 1).

7
Règles relatives à l’implication

L’implication peut être vue comme la porte logique qui retourne faux exactement quand P est
vraie mais Q fausse. Cela correspond à la table

V F
P =⇒Q : V V V
F F V
Proposition 2. Quelques soient les assertions P et Q, l’assertion P =⇒Q est équivalente à l’assertion
(nonP ) ou Q. Par conséquent, sa négation est

non(P =⇒Q) ⇐⇒ (P et(nonQ)).

1.2 Différents types de raisonnement

Un théorème n’est rien d’autre qu’une assertion complète, dont on affirme qu’elle est vraie, en
s’appuyant sur une démonstration. Une démonstration de l’assertion P , c’est la mise en oeuvre d’une
succession de définitions, de règles ou de théorèmes connus permettant de déduire que P est vraie.
On décrit différentes façons typiques d’organiser une démonstration.

1.2.1 Raisonnement direct

Exercice 7. Pour tout rationnel strictement positif, il existe un entier strictement plus grand que lui.

On aura besoin de l’écriture d’un rationnel sous forme de fraction irréductible.

Rappel 1. Un nombre rationnel est le quotient de deux entiers. L’ensemble des nombres rationnels est
p
noté Q . Tout rationnel r ∈ Q s’écrit de manière unique r = avec q > 0 et p et q n’ont pas de diviseur
q
commun (autre que ±1).
p
Solution Toujours plus hautSoit x ∈ Q. Il existe des entiers p et q avec q > 0 tels que x = q
(propriété de Q). Comme q est entier strictement positif, q ≥ 1 (propriété de N). Alors p = xq ≥ x
(règle). En particulier, p > 0 (règle). D’où 2p > p (règle). Il vient 2p > x (règle). Comme 2p ≥ 0
(règle), on remarque que 2p ∈ N (définition de Z). On conclut que le double du numérateur n = 2p
convient.

1.2.2 Disjonction de cas

Exercice 8. En se ramenant au cas des rationnels positifs, montrer que pour tout rationnel, il existe un
entier plus grand que lui.

Solution Propriété archimédienne de Q On distingue deux cas. Ou bien x ≤ 0. Dans ce cas,

l’entier n = 1 convient. Ou bien x > 0. Dans ce cas, on applique l’exemple ??, qui fournit l’entier
cherché.

8
1.2.3 Raisonnement par contraposée
Pour démontrer une assertion du type P =⇒Q, il suffit de démontrer sa contraposée nonQ=⇒nonP .
1 1
Exercice 9. Montrer que si x et y sont des réels distincts de 1, et si x , y, alors x−1 , y−1 .

Solution La contraposée de l’énoncé est si x et y sont des réels distincts de 1, et si 1

x−1 = 1
y−1 , alors
x = y. Et c’est vrai, car

1 1
= ⇐⇒ x − 1 = y − 1 ⇐⇒ x = y.
x−1 y −1

1.2.4 Raisonnement par l’absurde

√
Exercice 10. Montrer que 2 n’est pas rationnel.
√ √
Solution 2 est irrationnel. Par l’absurde. Supposons 2 rationnel. Alors il existe des entiers
√ p
p et q sans diviseurs communs tels que 2 = q . On l’écrit p2 = 2q2 . On remarque que si p est impair,
p2 est aussi impair. Donc forcément p est pair, p = 2p′ . Alors q2 = 2p′2 . Pour la même raison, q est
pair, q = 2q′ . Cela signifie que p et q admettent 2 comme diviseur commun, contradiction. On conclut
√
que 2 est irrationnel.

1.2.5 Utiliser un contre exemple

Pour démontrer une assertion du type (∃x ∈ E)P (x), il suffit de donner un exemple d’un x qui
convient. En passant à la négation, pour démontrer qu’une assertion du type (∀x ∈ E)P (x) est fausse,
il suffit de donner un exemple d’un x qui ne convient pas. On appelle cela un contre-exemple à la
propriété P .

Exercice 11. L’assertion tout entier positif est somme de trois carrés est-elle vraie ? fausse ?

Solution Sommes de trois carrés sachant qu’il n’y a que deux carrés non nuls inférieurs ou
égaux à 7, à savoir 1 et 4, le nombre 7 n’est pas somme de trois carrés. Cela prouve que l’assertion
est fausse.

1.2.6 Raisonnement par récurrence

Exercice 12. Pour n ∈ N, on note P (n) l’assertion n! ≥ 2n . Montrer que P (n) est vraie à partir d’un
certain rang. Lequel ?

SolutionSupposons que P (n) est vraie. Alors,

(n + 1)! = (n + 1)n!
≥ (n + 1)2n
≥ 2 2n

9
 = 2n+1 ,

pourvu que n ≥ 1. Autrement dit,

(∀n ∈ N) ((n ≥ 1)=⇒(P (n)=⇒P (n + 1))).

Est-ce que cela suffit à montrer que P (n) est vraie pour tout n ≥ 1 ? P (0) s’écrit 1 = 0! ≥ 20 = 1,
c’est vrai. Malheureusement, on n’a pas su démontrer l’assertion (P (0)=⇒P (1)). D’ailleurs, elle est
fausse. En effet,
P (1) s’écrit 1 = 1! ≥ 21 = 2, c’est faux.
P (2) s’écrit 2 = 2! ≥ 22 = 4, c’est faux.
P (3) s’écrit 6 = 3! ≥ 23 = 8, c’est faux.
P (4) s’écrit 24 = 4! ≥ 24 = 16, c’est vrai.
On conclut que P (n) est vraie pour tout n ≥ 4.

10
Chapitre 2
Ensembles, relations et applications

2.1 Motivation
Comment répartir les 56 étudiants de S2-MSIL en 3 groupes de façon compatible avec leurs choix
d’options et les emplois du temps des groupes ?
Soit I l’ensemble des étudiants de S2-MSIL. A chaque option (acoustique musicale, conceptions
de l’univers, énergie et environnement, forces fondamentales, matériaux, nanotechnologies, robot,
physique du sport, web,...) correspond un sous-ensemble A, U , E, F, M, R, S, W ... de I, celui des
étudiants qui font cette option. Le problème est de constituer trois groupes de TD, c’est-à-dire, trois
sous-ensembles G1 , G2 et G3 , deux à deux disjoints, dont la réunion est I. Comment exprimer les
contraintes ?
Seul le groupe 1 a un emploi du temps compatible avec l’option robot. Par conséquent,

R ⊂ G1 .

Il y a deux horaires possibles pour l’option web, l’un compatible avec le groupe 1, l’autre avec le
groupe 3. Par conséquent,

W ⊂ G1 ∪ G3 .

Par commodité, la coordinatrice a introduit une contrainte supplémentaire : les étudiants ayant
choisi web et robot iront au groupe 1, ceux qui ont choisi web mais pas robot iront au groupe 3.
Cela se traduit par

W ∩ R ⊂ G1 , W \ R ⊂ G3 .

Les opérations réunion ∪, intersection ∩ et différence \, la relation d’inclusion ⊂ sont appe-

lées opérations et relations booléennes. Cet exemple montre qu’il est utile, pour dialoguer avec un
programme d’ordinateur qui résoud ce genre de problèmes d’organisation, d’être à l’aise avec les
opérations booléennes sur les sous-ensembles d’un ensemble.

11
2.1.1 Vocabulaire et notations
On part de la notion naïve : un ensemble est une collection E d’objets tous distincts. Ceux-ci sont
appelés les éléments de E. x élément de E se note x ∈ E. Deux ensembles sont égaux lorsqu’ils ont
les mêmes éléments.

Exemple 4. On s’autorise à manipuler les ensembles de nombres usuels N, Z, Q, R, C sans les avoir
définis précisément.

On décrit un ensemble
— Ou bien en donnant la liste de tous ses éléments. Par exemple, l’ensemble des enseignants du
module de compléments de maths en S1 IFIPS est

E = {S. Arlot, S. Lelièvre, O. Paniagua, N. Raymond}.

— Ou bien en caractérisant ses éléments parmi ceux d’un ensemble déjà connu. Par exemple,

E = {x ∈ R | cos x < sin x}.

Exemple 5. L’ensemble E des solutions de l’équation du second degré x2 − 3x + 2 = 0 est

E = {x ∈ C | x2 − 3x + 2 = 0} = {1, 2}.

Exemple 6. Il y a un ensemble qui n’a aucun élément, c’est l’ensemble vide, noté ∅.
On appelle singleton un ensemble de la forme E = {x}.
On appelle paire un ensemble de la forme E = {x, y} avec x , y. Remarquer que {x, y} = {y, x}.

Exercice 13. Décrire l’ensemble E des entiers naturels pairs, l’ensemble F des entiers naturels impairs
et strictement inférieurs à 8.

SolutionDescription d’ensembles Cela revient à rédiger mathématiquement une assertion.

E = {n ∈ N | (∃m ∈ N)(n = 2m)}.

E = {n ∈ N | ((∃m ∈ N)(n = 2m + 1) et (n < 8)} = {1, 3, 5, 7}.

2.2 Sous-ensembles
On dit que F est un sous-ensemble de E, ou bien F est contenu dans E, et on note F ⊂ E, si tout
élément de F appartient aussi à E. On dit aussi que F est une partie de E.

Exemple 7. Tout rectangle est en particulier un parallélogramme. Autrement dit, l’ensemble R des
rectangles du plan est contenu dans l’ensemble P des parallélogrammes, R ⊂ P .

12
Remarque 2. Soient E et F deux ensembles. Pour montrer que E = F, il suffit de montrer que F ⊂ E et
E ⊂ F.

Exercice 14. Déterminer l’ensemble E des réels qui sont strictement inférieurs à tous les rationnels
strictement positifs.

Solution de l’exercice 14. Inclusions réciproques.

Montrons que E = R− =] − ∞, 0]. En effet, si x ∈ R− , alors ∀y ∈ Q, ((y > 0) ⇒ (y > x)), donc
x ∈ E. Cela montre que R− ⊂ E.
Réciproquement, montrons par l’absurde que ((x ∈ E) ⇒ (x ∈ R− )). Supposons qu’il existe x ∈ E
tel que x < R− . Alors x > 0. Il existe un entier n tel que n > 1/x. Alors x > 1/n. Or 1/n ∈ Q et
1/n > 0, ce qui contredit l’hypothèse x ∈ E. On conclut que E ⊂ R− .
On a donc montré que E = R− .

Remarque 3. L’inclusion entre ensembles correspond à l’implication. Si F = {x ∈ E | P (x) est vraie } et

G = {x ∈ E | Q(x) est vraie }, alors

(F ⊂ G) ⇔ ((∀x ∈ E)(P (x) ⇒ Q(x))).

Exemple 8. On sait que (∀x ∈ R)((x > 1) ⇒ (x2 > x)). Par conséquent,

{x ∈ R | x > 1} ⊂ {x ∈ R | x2 > x}.

2.2.1 Complémentaire
Si F est un sous-ensemble de E, son complémentaire dans E est

E \ F = {x ∈ E | x < F}.

On le note parfois CE F ou, lorsque qu’il n’y a pas d’ambiguité, F̄.

Exemple 9. Dans l’ensemble I des étudiants de S1 IFIPS, le complémentaire du groupe 1 est G1 =

I \ G1 = G2 ∪ G3 .
√
Exemple 10. Les éléments du complémentaire R \ Q sont appelés nombres irrationnels. 2 est l’un
d’entre eux.

Remarque 4. Le complémentaire d’un ensemble correspond à la négation. Si F = {x ∈ E | P (x) est vraie

} alors E \ F = {x ∈ E | non P (x) est vraie }.

2.2.2 Intersection, réunion

L’intersection de deux sous-ensembles F et G de E, c’est

F ∩ G = {x ∈ E | (x ∈ F) et (x ∈ G)}

13
La réunion de deux sous-ensembles F et G de E, c’est

F ∪ G = {x ∈ E | (x ∈ F) ou (x ∈ G)}

Exemple 11. Dans l’ensemble I des étudiants de S1 IFIPS, les étudiants qui font web et robot, c’est
l’intersection W ∩ R de l’ensemble W de ceux qui font web et de l’ensemble R de ceux qui font robot.
Les étudiants qui ont cours le vendredi de 16h à 18h, ce sont ceux qui font l’une des options de fin
d’après-midi, acoustique musicale, bulles gouttes mousses, Conceptions de l’univers, plus ceux qui font
énergie et environnement et simultanément une des options du début d’après-midi,forces fondamentales,
matériaux, nanotechnologies, physique du sport (l’option web du vendredi n’apparaît pas car elle est
forcément couplée avec robot). Autrement dit, l’ensemble T des étudiants qui ont cours le vendredi de
16h à 18h est donné par la formule

T = A ∪ B ∪ U ∪ (E ∩ (F ∪ M ∪ N ∪ S)).

Remarque 5. L’union est à prendre au sens large, i.e. F ∩ G ⊂ F ∪ G.

2.2.3 Règles
Des propriétés des opérations logiques, il résulte un grand nombre de règles dont voici quelques
unes. Soient F, G et H trois sous-ensembles d’un ensemble E.

(non (F ⊂ G)) ⇔ (F ∩ (E \ G) , ∅).

(F ⊂ G) ⇔ (E \ G ⊂ E \ F).
E \ (F ∪ H) = (E \ F) ∩ (E \ H).
F ∩ (G ∪ H) = (F ∩ G) ∪ (F ∩ H).

2.2.4 Unions et intersections multiples

Si F1 , . . . Fi , . . . sont des sous-ensembles d’un ensemble E, leur intersection i∈N Fi est l’ensemble
T

des éléments de E qui appartiennent à tous les Fi et leur réunion i∈N Fi est l’ensemble des éléments
S

de E qui appartiennent à au moins un Fi ,

\ [
Fi = {x ∈ E | (∀i ∈ N)(x ∈ Fi )}, Fi = {x ∈ E | (∃i ∈ N)(x ∈ Fi )}.
i∈N i∈N

Exercice 15. Déterminer l’ensemble des réels strictement positifs x tel que sin(1/x) < 0.

Solution de l’exercice 15. Union infinie.

Pour tout t ∈ R, t > 0,

(sin t < 0) ⇔ ((∃k ∈ N)((2k + 1)π < t < (2k + 2)π)).

14
Par conséquent, pour tout x ∈ R, x > 0,

1
(sin(1/x) < 0) ⇔ ((∃k ∈ N)((2k + 1)π < < (2k + 2)π))
x
1 1
⇔ ((∃k ∈ N)( <x< )).
(2k + 2)π (2k + 1)π

Autrement dit,

1 [ 1 1
{x > 0 | sin( ) < 0} = ] , [.
x (2k + 2)π (2k + 1)π
k∈N

Ensembles disjoints. On dit que F et G sont disjoints si F ∩ G = ∅. Ne pas confondre distincts

et disjoints.
On dit que des ensembles Fi sont deux à deux disjoints si (∀i ∈ N) (∀j ∈ N), i , j ⇒ Fi ∩ Fj , ∅.
Ne pas confondre avec i Fi = ∅.
T

2.2.5 Différence
La différence de deux sous-ensembles F et G de E, c’est l’ensemble des éléments de F qui n’ap-
partiennent pas à G,

F \ G = {x ∈ E | ((x ∈ F) et (x < G))} = F ∩ (E \ G).

Exemple 12. La contrainte sur les groupes de TD en S1 IFIPS peut s’écrire W \ R ⊂ G3 .

2.2.6 Différence symétrique

C’est l’opération booléenne qui correspond au ou exclusif. La différence symétrique de deux sous-
ensembles F et G d’un ensemble E, c’est F∆G = (F \ G) ∪ (G \ F) = (F ∪ G) \ (F ∩ G).

Exemple 13. Soit F ⊂ Z l’ensemble des entiers divisibles par 2 et G ⊂ Z l’ensemble des entiers di-
visibles par 3. Alors F∆G est l’ensemble des entiers divisibles par 2 ou 3 mais pas par 6, F∆G =
{. . . , −9, −8, −4, −3, −2, 0, 2, 3, 4, 8, 9, 14, 15, . . .}.

2.3 Produit cartésien

2.3.1 Motivation
Quels étudiants possèdent le numéro de téléphone de quel autre ? Soit I l’ensemble des étudiants
de S1 IFIPS. La façon la plus claire de présenter la réponse attendue est sous la forme d’un tableau
à double entrée, dans lequel la case d’entrées x ∈ I et y ∈ I est cochée si et seulement si x possède
le numéro de téléphone de y. Noter que réciproquement, y n’a pas nécessairement le numéro de

15
téléphone de x, donc l’ordre entre x et y est important. Cet ensemble de couples (x, y) est un sous-
ensemble du produit I × I.
Quels sont les couplages d’options offertes en S1-IFIPS dont les emplois du temps sont incompa-
tibles ? Ce sont celles qui ont lieu dans la même partie de l’après-midi du vendredi, et uniquement à
ce moment là. Autrement dit, ce sont les sous-ensembles à deux éléments de chacun des ensembles
D = {F, M, N , S} et F = {A, B, U }, autrement dit {F, M}, {F, N }, {F, S}, {M, N }, {M, S}, {N , S} (l’op-
tion E n’apparaît pas car elle est proposée deux fois dans l’après-midi du vendredi, l’option web
du vendredi n’apparaît pas car elle est forcément couplée avec robot). On parle de sous-ensembles
parce que l’ordre n’a pas d’importance.
Il faut donc distinguer couples et paires, i.e. parties à deux éléments.

Définition 2. Soient E et F des ensembles. Leur produit cartésien E × F est l’ensemble qui possède un
élément, appelé couple (x, y) pour chaque x ∈ E et chaque y ∈ F, avec la convention que, pour tous x,
x′ ∈ E et tous y, y ′ ∈ F,

((x, y) = (x′ , y ′ )) ⇔ ((x = x′ ) et (y = y ′ )).

Exemple 14. Un procès-verbal de jury d’examen est un tableau à deux entrées, en ordonnée, les candi-
dats, en abscisse, les épreuves. Chaque note est numérotée (le mot juste est indexée) par un couple (can-
didat,épreuve), c’est-à-dire, par le produit cartésien de l’ensemble des candidats par celui des épreuves.

Plus généralement, étant donnés des ensembles E1 , . . . , En , on définit leur produit E1 × · · · × En

comme l’ensemble qui possède un élément, appelé n-uplet (x1 , . . . , xn ) pour chaque x1 ∈ E1 , x2 ∈ E2 ,
..., xn ∈ En , avec la même convention. On note E n le produit de n copies de E.

Exemple 15. Un parallélépipède de l’espace dont les côtés sont parallèles aux axes s’identifie au produit
cartésien de trois intervalles de R.

Soit (x1 , . . . , xn ) un élément du produit E1 × · · · × En . On appelle xj sa j-ème coordonnée, ou sa

j-ème composante, ou sa projection sur le j-ème facteur.
Soient E1 , . . . , En des ensembles finis. Si Ni est le nombre d’éléments de Ei , alors le nombre d’élé-
ments de E1 × · · · × En est le produit N1 . . . Nn .

2.4 Somme disjointe

2.4.1 Motivation
Je prépare pour chaque enseignant (cours, TD, TP, communication, langue, option) une liste des
étudiants de S1-IFIPS qui sont dans sa classe. J’indique sur chaque liste le nombre de noms. Quand
j’ajoute ces nombres, je trouve bien plus que le nombre (57) d’étudiants en S1-IFIPS. Je trouve 57×15,
car chaque étudiant intéragit avec 15 enseignants différents. Effectuer cette addition me permet de
vérifier que je n’ai oublié d’étudiant dans aucun enseignement.

16
 La collection de tous les noms apparaissant sur ces listes est une somme disjointe. Un même nom
peut apparaître plusieurs fois.

Définition 3. Soient E1 , . . . , En des ensembles. Leur somme disjointe E1 · · · En est un ensemble

` `

qui contient chaque élément de E1 , chaque élément de E2 , etc..., éventuellement répété.

Exemple 16. La liste des contrevenants au code de la route pour l’année 2004 est la somme disjointe
des listes journalières. Un individu y apparaît autant de fois qu’il a commis de contraventions.

Soient E1 , . . . , En des ensembles finis. Si Ni est le nombre d’éléments de Ei , alors le nombre d’élé-
ments de la somme disjointe E1 · · · En est N1 + · · · + Nn .
` `

2.5 Relations

2.5.1 Définitions et exemlpes

Définition 4. Relation binaire Une relation binaire R d’un ensemble de départ E vers un ensemble
d’arrivée F est définie par une partie GR ⊆ E × F.
Si (x, y) ∈ GR , on dit que x est en relation avec y et l’on note xRy.
Si E = F on dit que R est une relation interne sur E.

2.5.2 Exemples
Soient A = {a, b, c, d, e} l’ensemble des élèves et B = {Math, Inf o, Ang, P hys} l’ensemble des
cours. On peut définir les relations suivantes :
— R qui décrit si un étudiant suit un cours régulièrement :

GR = {(a, Math), (a, P hys), (b, Inf o), (c, Ang), (d, Ang), (e, Math), (e, Ang)}

— la relation S décrit si un étudiant a acheté un cadeau à un autre étudiant définit par

GS = {(b; a); (a; a); (c; a); (a; d); (d; c)}

2.5.3 Mode de représentation

Diagramme cartésien et matrice de relation

R Math P hys Ang Inf o S a b c d e

a V V a V
b V b V V
c V c V V
d V d V
e V V e

17
2.5.4 diagramme sagittal
a
Inf o a e
b
Ang
c
P hys b c d
d
Math
e

2.5.5 Relation fonctionnelle

Une fonction f : E → F associe a chaque élément de E au plus un élément de F. On peut alors
définir la relation f définie par le graphe

Gf = {(x, f (x)) : x ∈ E} ⊆ E × F.

Réciproquement, pour une relation R telle que pour tout x ∈ E il y a au plus un y ∈ F vérifiant xRy
alors, on peut lui associer une fonction f telle que f (x) = y si et seulement si xRy. On dit que R
definit une relation fonctionnelle.

2.5.6 Relation réflexive

Définition 5. Une relation R est réflexive si pour tout x ∈ E on a xRx.

— Diagramme cartésien : la diagonale doit être notée.

— Diagramme sagittal : chaque sommet admet une boucle.

3 2 1 2 3
1 V V V
2 V V
1
3 V

Exemples

— Quel que soit l’ensemble, la relation d’égalité = est réflexive. Sur N, la relation ≤ est réflexive,
mais < n’est pas réflexive.
l l
— Sur l’ensemble des mots A∗ , on considére la relation ≡ définit par u ≡ v si et seulement si u et
l l l
v ont même longueur. Par exemple petit ≡ petit et grand ≡ grand. La relation ≡ est
réflexive.

18
2.5.7 Relation symétrique
Définition 6. Une relation R est symétrique si pour tout x, y ∈ E on a xRy si et seulement si yRx.

— Diagramme cartésien : symétrie par rapport à la diagonale.

— Diagramme sagittal : quand une flèche va de a vers b, il y a aussi une flèche de b vers a.

3 2 1 2 3
1 V V
2 V
1
3 V

Exemples

Quelque soit l’ensemble, la relation d’égalité = est symétrique. Sur N, la relation ≤ est n’est pas
symétrique.
l
La relation ≡ sur A∗ est symétrique.

2.5.8 Relation transitive

Définition 7. Une relation R est transitive si pour tout x, y, z ∈ E tel que xRy et yRz alors nécessai-
rement on a xRz.

— Diagramme sagittal : tout chemin qui part d’un sommet s et va à un sommet s′ en suivant la
direction des flèches admet un raccourci, c’est à dire un chemin de longueur un.

1 2 3 4
1 3 4 1 V
2 V V V V
2 3
4 V

Exemples

Quel que soit l’ensemble, la relation d’égalité = est transitive. Sur N, la relation ≤ est transitive.
La relation "est le paire de" n’est pas transitive.

2.5.9 Relation antisymétrique

Définition 8. Une relation R est antisymétrique si pour tout x, y ∈ E vérifiant xRy et yRx alors on
a x = y.

19
 1 2 3 4
1 3 4 1 V
2 V V
2 3 V V
4 V V

2.5.10 Exemples
Sur N, la relation ≤ est antisymétrique.
l
La relation ≡ sur A∗ n’est pas antisymétrique.

2.5.11 Relations d’équivalence

Définition et exemples

Définition 9. Une relation binaire définie sur un unique ensemble E est unerelation d’équivalence si
elle est réflexive, symétrique et transitive.

Exemples :

Par définition, pour x, y ∈ Z, on note x ≡ y[mod n], lire x est congru à y modulo n, si et seulement
s’il existe k ∈ Z tel que x − y = kn. On a défini une relation d’équivalence sur Z car on peut vérifier :
— Réflexivité : x ≡ x[mod n] car x − x = 0.n et 0 ∈ Z.
— Symétrie : si x ≡ y[mod n] alors il existe k ∈ Z tel que x − y = k.n, on a donc y − x = −k.n et
−k ∈ Z d’où y ≡ x[mod n].
— Transitivité : si x ≡ y[mod n] et y ≡ z[mod n] alors il existe k, k ′ ∈ Z tels que x − y = k.n et
y − z = k ′ .n. Ainsi x − z = x − y + y − z = (k + k ′ ).n. On en déduit que x ≡ z[mod n].
— Sur n’importe quel ensemble la relation = est une relation d’équivalence..
l
— Sur l’ensemble des mot A∗ , la relation ≡ est une relation d’équivalence.
— Sur l’ensemble des personnes, la relation "a le même âge que" est une relation d’équivalence.
Des personnes liées appartiennent à la même tranche d’âge.
— Sur l’ensemble des triangles, la relation "a les mêmes angles que" est une relation d’équiva-
lence. Des triangles liés par cette relation sont dits semblables.
— La relation R définie sur R ∖ {0} par xRy si et seulement si xy > 0 est une relation d’équiva-
lence. Deux réels liés par cette relation ont le même signe.

Définition 10. Une relation binaire définie sur un unique ensemble E est unerelation d’équivalence si
elle est réflexive, symétrique et transitive.

20
2.5.12 Classes d’équivalence et partition
Définition 11. Soit R une relation d’équivalence sur un ensemble E. Laclasse d’équivalence d’un
élément x, noté Clx, est l’ensemble des éléments de E qui sont en relation avec x. Autrement dit
Clx = {y ∈ E : xRy}.

Proposition 3. Une classe d’équivalence n’est jamais vide.

L’intersection de deux classes d’équivalence distinctes est vide.

2.6 Applications

2.6.1 Motivation
La liste des étudiants de S2-Msil se présente comme un tableau. A chaque étudiant sont associés
— un nom ;
— un prénom ;
— un jour et un mois de naissance ;
— deux options ;
— un numéro de groupe.
Notons MOT l’ensemble des mots (chaînes de caractères). Notons O = {A, B, E, F, M, N , R, S, W , U ...}
l’ensemble des options disponibles en S1 IFIPS.
L’application nom : E → MOT associe à un étudiant son nom.
L’application date : E → N × N associe à un étudiant son jour et son mois de naissance.
L’application options E → O × O associe à un étudiant les deux options qu’il a choisies.
L’application numéro de groupe : E → N ne prend que 3 valeurs.
Un étudiant est-il uniquement déterminé par son jour anniversaire ? Autrement dit, si je sais la
date d’anniversaire, est-ce que je sais de quel étudiant il s’agit ? Si c’est le cas, on dit que l’application
date est injective. Tous les couplages d’options ont ils été demandés ? Certainement pas, car il y a
des couplages incompatibles du point de vue de l’emploi du temps. On dit que l’application options
E → O × O n’est pas surjective.
L’ensemble des couplages effectivement demandés par des étudiants du groupe 3 est l’image du
groupe G3 par cette application.
L’ensemble des étudiants du groupe 3 qui ont demandé matériaux et robot est l’image réciproque
de (M, R) par la restriction de l’application option au sous-ensemble G3 . Les termes mathématiques
injective, surjective, image, image réciproque, restriction... vont être bientôt définis. Les exemples ci-
dessus montrent qu’ils font partie de la vie de tous les jours. Ils jouent aussi un rôle en sciences. En
mathématiques, ils expriment l’existence ou l’unicité d’une solution x à une équation de la forme
f (x) = y. En physique, les grandeurs sont rarement mesurées de façon directe. Par exemple, la dis-
tance d’une étoile s’évalue au moyen de son décalage vers le rouge. Encore faut-il être sûr que la

21
loi, i.e. l’application distance 7→ décalage est injective. Plus complexe, la transformation mathéma-
tique qui associe à un corps avec ses constituants et leurs diverses propriétés mécaniques le signal
récupéré par l’échographe. En informatique, on peut voir tout programme comme une application.
Un programme comporte des arguments (données à fournir en entrée) et retourne un résultat, c’est
donc une application de l’ensemble des entrées acceptées vers l’ensemble des résultats valides. L’in-
jectivité signifie qu’on peut en principe reconstituer les données à partir du résultat.

2.6.2 Définitions
Une application, c’est deux ensembles E (l’ensemble de départ ou de définition) et F (l’ensemble
d’arrivée) et un procédé f pour associer à chaque élément x de E un élément de F noté f (x). Lorsque
l’espace d’arrivée F = R, on parle souvent de fonction.

Exemple 17. — La fonction f définie sur R par f (x) = sin x. Sous-entendu F = R.

1
— La fonction f définie sur ]0, 1[ par f (x) = 2 . Sous-entendu F = R.
x −x
— L’application identique idE : E → E, définie par idE (x) = x.
— La fonction caractéristique ou fonction indicatrice cA : E → {0, 1} d’un sous-ensemble A de E,
définie par cA (x) = 1 si x ∈ A, cA (x) = 0 sinon.
— L’application C → C appelée conjugaison, qui, à un nombre complexe z = x + iy associe son
conjugué z̄ = x − iy.
— Une application de N dans R (resp. C) s’appelle une suite de réels (resp. de complexes), et on note
1
volontiers un au lieu de f (n). Par exemple, un = n+1 .

2.6.3 Graphe
Le graphe d’une application f : E → F est le sous-ensemble gr(f ) = {(x, f (x))) | x ∈ E} du produit
E × F.

Exemple 18. La courbe représentative d’une fonction définie sur une partie de R est le graphe de cette
fonction.

Une courbe représentative coupe chaque droite parallèle à l’axe Oy en au plus un point. Un
cercle n’est donc pas la courbe représentative d’une fonction.

2.6.4 Restriction, prolongement

Soit f : E → F une application entre ensembles et A ⊂ E une partie de E. La restriction de f à A
est l’application f|A : A → F définie par f|A (x) = f (x) pour x ∈ A.

Exemple 19. Soit f : R → R la fonction définie par f (x) = x2 . Elle n’est pas croissante, mais sa
restriction à [0, +∞[ est croissante, sa restriction à ] − ∞, 0] est décroissante.

22
 Prolonger f : E → F à des ensembles E ′ contenant E et F ′ contenant F, c’est trouver une appli-
cation g : E ′ → F ′ telle que pour tout x ∈ E, f (x) = g(x).
sin x
Exemple 20. Soit f : R\{0} → R la fonction définie par f (x) = . Sa courbe représentative suggère
x
fortement de la prolonger à R entier en posant g(0) = 1. Pourquoi ?

2.6.5 Composition d’applications

Si f : E → F et g : F → H sont des applications, on définit l’application composée g ◦ f : E → H
par g ◦ f (x) = g(f (x)), pour x ∈ E.

Exemple 21. Soit prems : MOT → LET T RE l’application qui à un mot associe sa première lettre.
Alors prems◦nom associe à un étudiant la première lettre de son nom,

prems ◦ nom(Wei Wei Zhao) = Z.

√
Exemple 22. Soit f : R+ → R définie par f (x) = x et g : R → R définie par g(y) = sin y. Alors
√ √
g ◦ f (x) = sin( x) est définie sur R+ est n’est pas périodique. f ◦ g(y) = sin x est une fonction
périodique, définie seulement sur une réunion d’intervalles. Par conséquent, g ◦ f , f ◦ g.
f g h
Proposition 4. La composition des applications est associative, i.e. si E −→F −→G−→H, alors

h ◦ (g ◦ f ) = (h ◦ g) ◦ f ,

qu’on peut donc noter h ◦ g ◦ f .

Preuve. Les deux applications composées ont même ensemble de départ E et même ensemble
d’arrivée H. Si x ∈ E, (h ◦ (g ◦ f ))(x) = h((g ◦ f (x))) = h(g(f (x))) = (h ◦ g)(f (x)) = ((h ◦ g) ◦ f )(x).

2.6.6 Image d’une partie

Si f : E → F est une application et A ⊂ E un sous-ensemble de E, son image (aussi appelée image
directe) est

f (A) = {f (x) | x ∈ A} = {y ∈ F | (∃x ∈ A)(y = f (x))}.

Exemple 23. Quels sont les couplages d’options choisis par les étudiants du groupe 3 ? C’est l’image de
G3 ⊂ I par l’application options.

Exercice 16. Soit f : C\{0} → C\{0} l’application définie par f (z) = 1/z. Soient A = {z ∈ C\{0} | |z| ≤
1} et B = {z ∈ C \ {0} | ℜe(z) > 0}. Déterminer les images de A et de B par f .

Solution de l’exercice 16. Image dans C.

23
 Posons A′ = {z ∈ C \ {0} | |z| ≥ 1}. Montrons que f (A) = A′ . Si z , 0 et |z| ≤ 1, alors |f (z)| =
|1/z| = 1/|z| ≥ 1, donc f (z) ∈ A′ . Cela prouve que f (A) ⊂ A′ . Réciproquement, soit w ∈ A′ . Posons
z = 1/w. Alors f (z) = w et |z| = 1/|w| ≤ 1, donc z ∈ A. Cela prouve que A′ ⊂ f (A). On conclut que
f (A) = A′ .
Montrons que f (B) = B. Si ℜe(z) > 0, alors

ℜe(f (z)) = ℜe(1/z) = ℜe(z̄/zz̄) = ℜe(z̄)/zz̄ = ℜe(z)/zz̄ > 0,

donc f (z) ∈ B. Cela prouve que f (B) ⊂ B. Réciproquement, on applique f aux deux côtés de l’in-
clusion f (B) ⊂ B. Il vient f ◦ f (B) ⊂ f (B). Or f ◦ f est l’application identique, donc B ⊂ f (B). On
conclut que f (B) = B.

2.6.7 Image réciproque d’une partie

Si f : E → F est une application et B ⊂ F un sous-ensemble de A, son image réciproque est

f −1 (B) = {x ∈ E | f (x) ∈ B}.

Exemple 24. Quels sont les prénoms des étudiants du groupe 3 qui ont mis Astrophysique en premier
choix ? C’est l’image par l’application prénom de l’image réciproque de {A} par la restriction à G3 de
l’application premier choix,

prénom(premier choix−1
|G3 ({A})) = {Hakim, Vincent, Thomas}.

√ √
Exercice 17. Soit f : R → R la fonction définie sur R par f (x) = sin x. Soit B =] − 2/2, 2/2[.
Déterminer f −1 (B).

Solution de l’exercice 17. Image réciproque dans R.

√
On s’appuie sur deux dessins, le cercle unité coupé par la bande |y| < 2/2, et la sinusoïde coupée
√
par la bande |y| < 2/2, et sur le tableau des variations de f sur l’intervalle ] − π/4, 7π/4].
3π 5π 3π 7π
x − π4 π π
√ √4 2 √4 4
√ 2 4
√
sin x − 22 ↗ 2
2
↗ 1 ↘ ↘ 2
2
↘ −1 − 22 ↗ − 22

Soit A = k∈Z ]2kπ − π/4, 2kπ + π/4[∪]2kπ + 3π/4, 2kπ + 5π/4[.

S

Montrons que f −1 (B) = A. Si x ∈ A,

alors modulo 2π, x ∈] − π/4, π/4[∪]3π/4, 5π/4[,
√ √
donc f (x) = sin x ∈] − 2/2, 2/2[= B.
Cela prouve que f −1 (B) contient A.
Réciproquement, soit x ∈ R tel que f (x) ∈ B.
Alors il existe k ∈ Z tel que x − 2kπ ∈] − π/4, 7π/4].
Alors f (x − 2kπ) = f (x) ∈ B,
ce qui entraîne que x − 2kπ ∈] − π/4, π/4[∪]3π/4, 5π/4[.

24
Autrement dit, x ∈ A.
Cela montre que f −1 (B) ⊂ A.
On conclut que f −1 (B) = A.

2.6.8 Applications injectives

On dit qu’une application f : E → F est injective si, pour tous x, y ∈ E,

x , y ⇒ f (x) , y.

Exemple 25. Une fonction f : A → R, où A ⊂ R, est injective si et seulement si sa courbe représentative

coupe toute droite parallèle à l’axe Ox en au plus un point. Un trinôme du second degré n’est donc jamais
injectif.

Remarque 6. Si E et F sont des ensembles finis et s’il existe une application injective de E dans F,
alors E a moins d’éléments que F.

Exemple 26. Soit I l’ensemble des étudiants du S1 IFIPS. L’application date d’anniversaire: E →
{1, 2, . . . , 31} × {1, 2, . . . , 12} est-elle injective ?

Le tableau suivant donne les jours et mois de naissance des 54 étudiants du S1 IFIPS présents en
cours de Math2 le 11 septembre 2006.

janvier février mars avril mai juin juillet août sept. oct. nov. déc.
2,8,9 23 5,10 1,12 7 1,5 3,5 27 17 15 6 10,15
11,11 18 13,15 17 21 9 28 23 17 16 15,17
12,13 23 21,23 23 23 9 25 17,23
15,15 27 23,30 26 25 22 25 24

On trouve 7 dates (11 janvier, 15 janvier, 23 avril, 9 juillet, 25 octobre, 15 décembre, 17 décembre)
qui sont la date d’anniversaire de deux étudiant(e)s. Par conséquent, l’application date de naissance
n’est pas injective.

Exercice 18. L’application f : R+ × R → C définie par f (r, θ) = reiθ est-elle injective ? Sa restriction
à A =]0, +∞[×R l’est-elle ? Sa restriction à B =]0, +∞[×[0, 2π[ l’est-elle ?

Solution de l’exercice 18. Injectivité.

Non, car f (0, 0) = f (0, π) = 0. La restriction à A non plus, car (1, 0) ∈ A, (1, 2π) ∈ A mais
f (1, 0) = f (1, 2π) = 1. En revanche, la restriction de f à B est injective. En effet, si f (r, θ) =
f (r ′ , θ ′ ) = w, alors r = |w| = r ′ et θ = arg(w) = θ ′ modulo 2π. Si θ, θ ′ ∈ [0, 2π[, ce n’est pos-
sible que si θ = θ ′ . On conclut que f|B est injective.

25
2.6.9 Applications surjectives
On dit qu’une application f : E → F est surjective si, pour tout y ∈ F, il existe x ∈ E tel que
f (x) = y. Autrement dit, f est surjective si et seulement si f (E) = F.

Exemple 27. Une fonction f : A → R, où A ⊂ R, est surjective si et seulement si sa courbe représen-

tative coupe toutes les droites parallèle à l’axe Ox en au moins un point. Un trinôme du second degré
n’est donc jamais surjectif.

Remarque 7. Si E et F sont des ensembles finis et s’il existe une application surjective de E dans F,
alors E a plus d’éléments que F.

Exemple 28. Soit I l’ensemble des étudiants du S1 IFIPS. L’application jour de naissance: I → {1, 2, . . . , 31}
est-elle surjective ?

On constate que les jours suivants n’apparaissent pas dans le tableau de l’exemple 26 : {4, 14, 19, 20, 29, 31}.
L’application jour de naissance n’est donc pas surjective.

Exercice 19. L’application f : R+ × R → C définie par f (r, θ) = reiθ est-elle surjective ? Sa restriction
à A =]0, +∞[×R l’est-elle ? Quelle est l’image de A par f ? et l’image de B ?

Solution de l’exercice 19. Surjectivité.

Si w ∈ C, alors w = |w|ei arg(w) = f (|w|, θ), où θ est une détermination quelconque de l’argument
de w. On conclut que f est surjective.
Si r , 0, f (r, θ) , 0. Par conséquent, f (A) est contenue dans C\{0}. Donc f|A n’est pas surjective.
A fortiori, f (B) ⊂ f (A) ⊂ C \ {0}. Réciproquement, si w ∈ C, w , 0, alors w = |w|ei arg(w) =
f (|w|, θ) pour la détermination θ de l’argument de w qui se trouve dans l’intervalle [0, 2π[. Par
conséquent, l’image de f|B contient C \ {0}. On conclut que f (B) = C \ {0}.
A fortiori, C \ {0} ⊂ f (B) ⊂ f (A), donc f (A) = C \ {0}.

2.6.10 Applications bijectives

On dit qu’une application f : E → F est bijective si, pour tout y ∈ F, il existe un et un seul x ∈ E
tel que f (x) = y. Autrement dit, f est bijective si et seulement si f est à la fois injective et surjective.

Exemple 29. Une fonction f : A → R, où A ⊂ R, est bijective si et seulement si sa courbe représentative

coupe toutes les droites parallèle à l’axe Ox en exactement un point. Une fonction affine non constante
est bijective.

Remarque 8. Si E et F sont des ensembles finis et s’il existe une application bijective de E dans F,
alors E a autant d’éléments que F.

Exercice 20. Montrer que l’application f :]0, +∞[×[0, 2π[→ C \ {0} définie par f (r, θ) = reiθ est
bijective.

26
Solution de l’exercice 18. Bijectivité.
On a montré en 18 que cette application est injective, puis en 19 que cette application est surjec-
tive. Elle est donc bijective.

Définition 12. Soit f : E → F une application bijective. Sa réciproque f −1 : F → E est définie par
l’assertion

(f (x) = y) ⇔ (x = f −1 (y)).

Exemple 30. La réciproque de l’application f :]0, +∞[×[0, 2π[→ C \ {0} définie par f (r, θ) = reiθ
est g : C \ {0} →]0, +∞[×[0, 2π[ définie par g(w) = (|w|, θ) où θ est la détermination de l’argument
de w qui appartient à l’intervalle [0, 2π[.

2.7 A retenir/à savoir faire

A retenir
— La signification des symboles ⊂, ∩, ∪, passage au complémentaire.
— Ne pas confondre distinct et disjoint, couple et paire.
— La signification des termes image, image réciproque, injective, surjective, bijective.

A savoir faire
— Montrer l’égalité de deux ensembles E = F en prouvant les deux inclusions E ⊂ F et F ⊂ E.
— Manipuler des formules faisant intervenir les symboles ∩, ∪ et le passage au complémentaire.
— Calculer une image, une image réciproque.

27
Chapitre 3
Le corps C des nombres complexes

Soit le trinôme du second degré P (x) = 21 x2 + 3x + 5. Le discriminant de P est : ∆ = 9 − 10 =

−1 < 0, donc, P n’a pas de racine réelle. Imaginons un instant que l’on puisse néanmoins écrire
√ √
∆ = −1,
√
et donc les formules donnant
√
les racines de P (qui ne sont donc sûrement pas réelles !) :
√ √
x1 = 2a = −3 + −1 ; x2 = 2a = −3 − −1 Alors,
−b+ ∆ −b− ∆

√
P (x1 ) = P (−3 + −1)
1
 √ 2  √ 
= − 3 + −1 + 3 − 3 + −1 + 5
2
1
 √ √ 2
 √
= 9 − 6 −1 + lp −1rp − 9 + 3 −1 + 5
2
1
 √  √
= 9 − 6 −1 + (−1) − 4 + 3 −1
2
√ 2
(car −1 = −1 !)
= 0.

On vérifie de même que P (x2 ) = 0, et ainsi, ce trinôme du second degré admet bien deux racines
√
distinctes, mais celles-ci ne sont pas réelles. Le nombre −1 n’existe pas : ce n’est pas un nombre
réel. Cardan, mathématicien du XVIème siècle appelait ce type de nombres des nombres "impossible".
Plus tard, Descartes leur donna le nom de nombre "imaginaire", qui sont devenus aujourd’hui des
nombres complexes.

3.1 Le plan complexe

3.1.1 Rappels sur les nombres complexes

Rappelons qu’un nombre complexe z ∈ C possède deux composantes ; une partie réelle Re(z) ∈ R
et une partie imaginaire Im(z) ∈ R et s’écrit donc sous la forme z = Re(z) + i Im(z) où i s’appelle
l’imaginaire complexe caractérisé par son carré (i)2 = −1. Alors ∃(x, y) ∈ R2 tel que z = x + iy. On

28
définit le module de z comme |z| = x2 + y 2 . On peut aussi repérer z par des coordonnées polaires,
p
y
en posant : z = |z|(cos(θ) + i sin(θ)) ( forme polaire ), avec tan θ = x . On a :
1. si z = 0, alors θ n’est pas défini,
2. si z , 0, alors θ est défini à 2kπ près.
Sur l’ensemble des nombres complexes C on définit une loi de composition interne additive,

∀a + ib, x + iy ∈ C, (a + ib) + (x + iy) = (a + x) + i(b + y)

et on définit aussi une loi interne multiplicative par l’expression

∀a + ib, x + iy ∈ C, (a + ib)(x + iy) = (ax − by) + i(ay + bx)

Il est clair que l’addition des nombres complexes s’interprète dans le plan R2 comme l’addition
ordiaire des vecteurs. Pour comprendre la signification géométrique de la multiplication de deux
nombres complexes a = α + iβ et z = x + iy appliquons l’identification Ψ sur le produit a · z : tel que

Ψ : C → R2
x + iy 7→ (x, y)

et    
 α −β   x 
Ψ (a·z) = (αx − βy, αy + βx) ⇔ Ψ (a·z) =   .  
β α   y 

L’addition et la multiplication des nombres complexes induisent sur l’ensemble des nombres com-
plexes C la structure algébrique de corps commutatif où le nombre complexe nul est neutre pour
l’addition tandis que le nombre complexe 1 = 1 + i0 est neutre pour la multiplication. Tout nombre
complexe non nul, x + iy ∈ C∗ , possède un inverse relativement à la multiplmication donné par
l’expression
x y
(x + iy)−1 = 2 2
−i 2
x +y x + y2
Rappelons aussi que à chaque nombre complexe z ∈ C on associe un nombre complexe conjugué
définit par l’expression
z ∈ C 7→ z = Re(z) − i Im(z)

On vérifie facilement que la conjugaison des nombres complexes possède les propriétés suivantes :
1. ∀z ∈ C, z = z ;
2. ∀z1 , z2 ∈ C, z1 + z2 = z1 + z2 ;
3. ∀z1 , z2 ∈ C, = z1 .z2 = z1 .z2 ;
4. ∀z ∈ C, z.z ∈ R+ ;
5. ∀z ∈ C∗ , z−1 = z
z.z
6. z ∈ R ⇔ z = z ;
7. ∀z ∈ C,Re(z) = 12 (z + z) et Im(z) = 1
2i (z − z)

29
3.2 Exponentielle complexe
On considère la fonction f définie sur R par f (θ) = cos θ + i sin θ. Comme les fonctions sinus
et cosinus sont dérivables sur R, f l’est aussi, et,
′
f (θ) = − sin(θ) + i cos θ = i(i sin θ + cos θ) = if (θ)

Comme de plus, f (0) = cos 0 + i sin 0 = 1, on en déduit que f est définie de manière unique par
l’expression f (θ) = eiθ .

Proposition 5. Pour tout θ ∈ R, eiθ = cos θ + i sin θ. Ainsi, tout complexe z s’écrit sous la forme
exponentielle complexe :
z = r(cos θ + i sin θ) = reiθ

où, r = |z| et θ = arg(z).

Exemple 31. 1. ei0 = ei2π = 1,

2. eiπ = −1,
π
3. ei 2 = i,
3π
4. ei 2 = −i.

3.2.1 Topologie dans le plan complexe

On définit une distance dans le plan complexe par :
∀(z1 , z2 ) ∈ C2 , d(z1 , z2 ) = |z1 − z2 |

Définition 13. On appelle disque ouvert de centre z0 et de rayon r > 0 l’ensemble : D(z0 , r) = {z ∈
C/|z − z0 | < r}

On appelle voisinage d’un point z0 un disque ouvert quelconque de centre z0 .

Définition 14. On dit que z0 est intérieur à v si et seulement s’il existe un r−voisinage de z0 dont tous
les points appartient à v.

∃r ∈ R∗+ telque ∀z ∈ C, |z − z0 | < r ⇒ z ∈ v

Définition 15. Un ensemble v est ouvert si et seulement s’il ne possède que des points intérieurs.( i.e
un sous-ensemble v est un ouvert de v si chaque z de v possède un voisinage entièrement inclus dans
v ). Le complémentaire par rapport à C d’un sous-ensemble ouvert est dit fermé. On définit le disque
fermé de centre z0 et de rayon r, D(z0 , r) = {z ∈ C/|z − z0 | ≤ r}.

Définition 16. : ( Connexe ) Un sous-ensemble U de C est connexe si deux points quelconques de U

peuvent être rejoints par une ligne polygonale incluse dans U . Si de plus U est ouvert alors il est appelé
domaine.

30
Chapitre 4
Les espaces vectoriels

4.1 Définition d’un espace vectoriel

On considère un ensemble E muni d’un loi de composition interne (+).

(x, y) ∈ E × E → x + y ∈ E

. et muni d’un loi de composition externe (sur le corps K).

(α, x) ∈ K × E → α · x ∈ E.

Définition 17. [?] On dit que E est un espace vectoriel sue K si :

1. (E, +) est un groupe commutatif.

2. La loi externe (·) possède les propriétés suivantes :
(a) ∀α ∈ K ∀(x, y) ∈ E2 α · (x + y) = α · x + α · y.
(b) ∀(α, β) ∈ K2 ∀x ∈ E (α+k β) · x = α · x + β · x.
(c) ∀x ∈ E 1k · x = x.
les éléments de E sont appelés vecteurs et les élément de K sont appelés scalaires.

Remarque 9.
1. Afin de faciliter la distinction entre les scalaires et les vecteurs, nous avons convenu de noter en
gras les vecteur par exemple, les élément x, y, z, a, b, c désignent des vecteurs et α, β, γ, a, b, c des
scalaires.
2. On note OE le vecteur nul. C’est un vecteur de E, C’est-à-dire OE ∈ E .IL ne faut pas le
confondre avec le zéro du corps K.
3. On vérifie que tout C-espace vectoriel est aussi un R-espace vectoriel. De même, tout R-espace
est aussi un Q-espace vectoriel.

31
4.2 Principaux exemples d’espaces vectoriels
L’ensemble K des n-uplets

Soit n un entier non nul. On munit l’ensemble Kn défini par :

déf
Kn = {(x1 , ..., xn ) | x1 ∈ K, ..., xn ∈ K}

des deux lois + et · définies pour tout (x1 , ..., xn ) et pour tout (y1 , ..., yn ) appartenant à Kn et pour
tout a ∈ K par :

déf
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 +k y1 , ..., xn +k yn ) (loi interne)
déf
α · (x1 , ..., xn ) = (α×k x1 , ..., αn ×K xn ) (loi externe)
muni de ces deux lois, l’ensemble produit Kn possède une structure de K − espace vectoriel. Il est
qualifié d’espace produit un vecteur de Kn est un n-uplet et on le note x = (x1 , ..., xn ). L’élément neutre
pour l’addition est le vecteur 0Kn = (0K , ..., 0K ) ∈ Kn que l’on note plus simplement
0 = (0, ..., 0). Le corps K est lui-même un espace vectoriel sur K. La loi interne est l’addition définie sur
K et la loi externe est la multiplication définie sur K. On ne peut pas, dans ce cas faire la distinction
entre les vecteurs (de l’espaceK) et les scalaires (du corps K).

L’ensemble produit

Considérons les espaces E1 , ..., En sur le même corps commutatif k. Pour i ∈ {1, ..., n}, on note +Ei
et ·Ei les deux lois relatives à l’espace Ei . On peut alors enrichir l’ensemble produit E1 × ... × En défini
par : Le déterminant de A est un nombre réel
 
 + − + 
       
a a1 a2   b1 b2   b b2  b b1
(4.1)
 
  = a  − a1   + a2 
b b1 b2   c1 c2   c c2 c c1
  
 
 c c1 c2 

Exemple 32.  
 2 1 4 
 
A =  3 0 5  (4.2)
 
1 7 6

 
 2 1 4       
 = 2  0 5   3 5   3 0
 = 2×(−35)−1×13+4×21 = 1 (4.3)

detA =  3 0 5  −1   +4 
7 6 1 6 1 7
 
1 7 6
 

32
 Plus généralement :
n
X
detA = (−1)i+j ai,j det
i=1
n
X
(Mi,j ) = (−1)i+j ai,j det(Mi,j ).
j=1

4.3 Matrice associée à une application linéaire

4.3.1 Les applications linéaires

On dit que l’application f : Rn → Rm est une application linéaire si :

∀(X, Y ) ∈ (Rn )2 , ∀(α, β) ∈ R

on a :
f (αX + βY ) = αf (X) + βf (Y )

On pourra écrire toute application linéaire f : Rn → Rm comme suit

   
 x1

 
  a1,1 x1 + ... + a1,n xn 

 x   
 2   
   
   ai,1 x1 + ....ai,j xj ... + ai,n xn 
f   = 
 

 (4.4)
   
   
   
   
 
xn   am,1 x1 + ... + am,n xn

4.3.2 La matrice associée

La matrice associée à l’application f est
 
 a1,1 ..............a1,n 
 
 
 
A =  ai,1 ...............ai,n (4.5)
 

 
 
 

am,1 ...............am,n


33
On remarque que     
 x1   a1,1 ............a1,n   x1 
     
 x     x2 
 2   
     
   ai,1 ...............ai,n   
f   = 
 
 
 

 (4.6)
     
     
     
     
     
xn am,1 ...............am,n xn

Exemple 33. f : R3 → R3    
 x   2x + 3y + z 
   
f  y  =  x − y + 4z  .
 (4.7)
   
z 7x − z
La matrice associée à l’application f est
 
 2 3 1 
 
A =  1 −1 4 
 (4.8)
 
7 0 −1

4.4 Application linéaire associée à une matrice

 
 a1,1 ...............a1,n 
 
 
 
 
 ai,1 .....ai,j ......ai,n 
SoitA =  
 (4.9)
 
 
 
 
 
am,1 ...................am,n
Une matrice donnée, l’application linéaire associée à la matrice A est définie par
 
 x1    
   a1,1 ................a1,n   x1 
 x  
 2    
  x




 
    2 
   a ......a ......a   
i,1 i,j i,n
  
f   =  (4.10)
     
     
     
     
     
 xn  
 
 



  am,1 .....................am,n xn

 
 2 3 1 
 
A =  1 −1 4 
 (4.11)
 
7 0 −1

34
L’application linéaire associée à la matrice A est définie par
      
 x   2 3 1   x   2x + 3y + z 
       
f  y  =  1 −1 4
 
  y
 
 =  x − y + 4z
 

 (4.12)
       
z 7 0 −1 z 7x − z

4.5 Changement de base, matrice de passage

Matrice de passage

Etant donnée un espace vectoriel et deux bases B0 = (v1 .....vn ) et B1 = (w1 .....wn ).
On écrit la décomposition des vecteurs de B1 sur la base B0
n
X
wj = pij vi (4.13)
i=1

La matrice de passage P de B0 à B1 est la matrice carrée (n, n)

P = (pi,j )n,n (4.14)

Exemple 34. B0 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} et B1 {(1, 4, 2), (4, 1, 0), (6, 0, 0)}
deux bases de R3
(1, 4, 2) = (1, 0, 0) + 4(0, 1, 0) + 2(0, 0, 1)
(4, 1, 0) = 4(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
(6, 0, 0) = 6(1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1)
La matrice de passage P de B0 à B1 est la matrice carrée (3,3)
 
 1 4 6 
 
P =  4 1 0  (4.15)
 
2 0 0

4.5.1 Les matrices particulières

Matrice nulle (m × n). C’est la matrice dont tous les coefficients sont nuls.
Exemple 35.  
 0 0 0 
 
A =  0 0 0  (4.16)
 
0 0 0
Matrice identité (n × n)
C’est la matrice dont tous les coefficients ai,j = 1 pour i = j et ai,j = 0 pour i , j. Notée In
on pourra toute A ∈ Mn,n (R), AIn = In A = A.

35
Exemple 36.  
 1 0 0 
 
I3 =  0 1 0  (4.17)
 
0 0 1

Matrice triangulaire supèrieure (n × n)

C’est la matrice dont tous les coefficients ai,j = 0 pour j > i.

 
 2 0 −1 
 
Exemple 37. A =  0 4 9 
 
0 0 6

Matrice triangulaire inférieure (n × n)

C’est la matrice dont tous les coefficients ai,j = 0 pour i > j.
 
 1 0 0 
 
Exemple 38. A =  5 −9 0 
 
4 2 1

Matrice diagonale (n × n) C’est la matrice dont tous les coefficients ai,j = 0 pour i , j sauf les
coefficients ai,j tel que i = j.

 
 6 0 0 
 
Exemple 39. A =  0 4 0 

 
0 0 −3

4.5.2 Transposée d’une matrice (n × n)

Transposée de la matrice A = (ai,j )n,n notée At et At = (a′i,j )n,n tel que (a′i,j ) = (ai,j ), ∀i = 1, ..., n, ∀j =
1, ..., n.

   
 7 5 1   7 −6 8 
   
Exemple 40. A =  −6 3 2  alors At =  5 3 0 
   
8 0 1 1 2 1

Matrice symétrique
On dit que la matrice A est symétrique si At = A.
 
 1 4 5 
 
Exemple 41. A =  4 3 2  est une matrice symétrique (At = A).
 
5 2 6

36
 Comatrice d’une matrice (n × n)
Comatrice de la matrice A = (ai,j )n,n notée Com(A) et com(A) = ((−1)i+j det(Mi,j )) tel que
 
 a1,1 ........a1,j−1 ....a1,j+1 .....a1,n 
 
 
 
 
 
 
 ai−1,1 ......ai−1,j−1 ...ai−1,j+1 .....ai−1,n
 
Mi,j = 


 ai−1,1 ......ai+1,j−1 ....ai+1,j+1 .....ai−1,n 

 
 
 

 
 
an,1 ........an,j−1 ...an,j+1 .........an,n
 

 
 + − + 
 
 1 4 5 
 
 
 − + − 
Exemple 42. A =    alors
 4 3 2 

 
 + − + 
 
 
5 2 6 
 
 −4 −24 8 
 
com (A) =  −10 6 −2 
 
4 2 −8

4.5.3 Inverse d’une matrice (n × n)

L’inverse de la matrice A notée A−1 et

AA−1 = A−1 A = In (4.18)

et on a aussi
1
A−1 = (com(A))t (4.19)
det A
 



 + − +
  1 2 1    
 −4 −24 8   −4 −10 4
 
  
 −
 + −   
 alors, com(A) =  −10 6 −2  (com(A))t =  −24 6

Exemple 43. A =  2 
4 0 2
    
    
4 2 −8 −8 −2 −8
  

 + −
+
 
0 2 6
 4 10 −4 
 44 44 44 
 
et det(A) = −4 − 40 = −44 donc, A−1 = det1 A (com(A))t =  44 24 −6 −2  
 −8 44
2
44 
8 

44 44 44

Remarque 10. Soit A une matrice

A est inversible si et seulement si detA , 0.

37
Chapitre 5
Systèmes d’équations linéaires

5.1 Généralités
Définition 18. On appelle système d’équations linéaires de m équations en n inconnues un système de
la forme


 a1,1 x1 + ...... + a1,n xn = b1
..

(5.1)




 .

 a x + ...... + a x = b
m,1 1 m,n n m

Où les coefficients ai,j et bi,j sont donnés, et les xi sont des inconnues dans R ou C.

5.1.1 Notation matricielle

Un système d’équations linéaires de m équations en n inconnues, peut s’écrire sous la forme matri-
cielle
AX = B. (5.2)

Où    
 x1   b1 
   
   x   b 
 a1,1 2 2
a1,n  










A =  ...
  
 , X =   , B =   . (5.3)
    
    
 
am,1 am,n
     
   
   
  
 x   b 
n m

Exemple 44. 


 2x + y + 5z = −10
(5.4)

x − 3y − 7z = 5




x − z = 13



38
La matrice associée est      
 2 1 5   x   −10 
     
 1 −3 −7  et X =  y  et b =  5  .
      (5.5)
     
1 0 −1 z 13
Alors, on a     
 2 1 5   x   −10 
    
 1 −3 −7   y
  
 =  5  .
   (5.6)
     
1 0 −1 z 13

5.1.2 Rang d’un système d’equation linéaires

Soit A une matrice de type (n, n) Déterminant d’ordre r extrait de A
On appelle déterminant d’ordre r extrait de A le determinant d’une matrice carrée formée en supprimant
dans (m − r) lignes et (n − r) colonnes. On appelle rang de la matriceA ; l’ordre du determinant non
nul, d’ordre le plus élevé, extrait de A.
 
 1 1 3 5 
 
Exemple 45. A =  1 2 5 9  . Les quatre déterminants d’ordre 3 sont nuls, par contre le déter-
 
2 3 8 14
 
 1 1 
minant d’ordre 2 extrait A =   n’est pas nul, A est de rang 2. On appelle rang de système le rang
1 2 
de la matrice A de ce système.

5.2 Etude de l’ensemble des solutions

Soit le système (5.1) que nous supposons de rang r est écrit de telle façons que le déterminant δ des
coefficients des r premiers inconnues et r premiers équations soit non nul.

5.2.1 Déterminant caractéristique

(5.1) Déterminant caractéristique de(5.1).
On appelle
 déterminant caractéristique
 de (5.1) le déterminant de la forme
 a1,1 ... a1,r b1 
 . ..
.. · · ·

.
Dk =   
 ar,1 ... ar,r br 
ak,1 ... ak,r bk 
 

5.2.2 Etude de l’ensemble des solutions

a) Si r = m = n le système (5.1) admet une seule solution.

39
 b) Si r < m < n, le système (5.1) indéterminé (n − r) paramètres.

c) Si r < m, et si l’un au moins des déterminants caractéristiques de (5.1) non nul, (5.1) n’a pas de
solution.
d) Si r < m, et si déterminants caractéristiques de (5.1), sont nuls (5.1) réduit aux r équations et se
résout comme dans le cas (b).




 x + y + 2w = −2

 x + 2y + 3w = a


Exemple 46.  


 3x + 5y + 8z = 2

 5x + 9y + 14z = b

 
 1 1 2 
 
 1 2 3 
Avec a, b des constantes données. La matrice de ce système est A =  .
 
 3 5 8 
 
5 9 14
 
 
 −2 
 
 a 
B = 
 

 2 
 
b
 
Les
 déterminants  d’ordre 3 sont nuls, par contre le déterminant d’ordre 2 extrait
 1 1 
 n’est pas nul, A est de rang 2. Les déterminants caractéristiques :
1 2 

   
 1 1 −2   1 1 −2 
D1 =  1 2 a  = −2a + 4, D2 =  1 2 a  = −4a + b + 2
3 5 2  5 9 b 
   

1) si D1 , 0 ou D2 , 0 alors (S) n’a pas de solution.

si D1 = D2 = 0 dans ce cas (S) indéterminé à un paramètre z

2) 
 x = −3z − 6


 , z ∈ R.
 y = z+4


5.3 Les méthodes de résolutions d’un système linéaire

5.3.1 Résolutions par la méthode de Cramer

Soit (S) un système carré c’est a dire sa matrice A est carrée, avec l’interprétation matricielle :
AX = B. Si la matrice A est inversible on peut résoudre ce système par méthode de Cramer.
Nous noterons Ai la matrice A des coefficients dans laquelle on a remplacé la ième colonne par la matrice
B La résolution du système, par la méthode de Cramer, donne

det(Ai
xi = , i = 1, ..., n. (5.7)
det A

40
 
 3x − y = 4


Exemple 47. Avec la méthode de Cramer, résoudre 
 −5x + 2y = −2

   
 3 −1 
 , B =  4 
 
A = 
−5 2   −2 
Ç nous donnera   
 4 −1   3 4 
A1 =   , A2 
 −5 −2 .

−2 2 
Et  
 4 −1 
 
 −2 2 
x = det A1
=  = 6 = 6,
det A
−1  1

 3
 
 −5 2 
 


3 4 

det A2
 −5 −2 
14
y= det A =  = 14.  = 1
3 −1




−5 2  

(x, y) = (6, 14) est une solution unique de ce système.

5x + 7y − 3z = 16
Exemple 48. Résoudre { 3x − 2y + 4z = −7
x+y −z = 6
Avec la méthode de Cramer.     
 5 7 −3   x   16 
     
Identifions l’ordre la matrice :  3 −2 4   y  =  −7  Nous obtenons :
  
     
1 1 −1 z 6
     
 16 7 −3   5 16 −3   5 7 16 
    
A1 =  −7 −2 4  , A2 =  3 −7 4  , A3 =  3 −2 −7  . Et

     
6 1 −1 1 6 −1 1 1 6
     
 −2 4   −7 4 
+(−3)
 −7 −2 
16 −7 
det A1
 1 −1   6 −1   6 1 
x= det A =      
 −2 4   3 4   3 −2 
5 −7 +(−3) 
 1 −1   1 −1   1 1 
16×(−2)−7×(−17)−3×5 72
x= 5×(−2)−7×(−7)−3×(5)
= 24 =3
     
 −7 4 
−16
 3 4 
+(−3)
 3 −7 
5 
det A2
 6 −1   1 −1   1 6 
y= det A =      
 −2 7   3 −7 
+(16)
 3 −2 
5 −7 
 1 6   1 6   1 1 

5×(−17)−16×(−7)−3×25 −48
y= 24 = 24 = −2

41
      
 −2 −7   3 −7 
+(16)
 3 −2 
5 −7 
det A3
 1 6   1 6   1 1 
z= det A = 24

5×(−5)−7×(25)+16×5
z= 24 = −120
24 = −5
donc (3 , -2 , -5 ) est une solution de ce système.

5.3.2 Résolution par la méthode de la matrice inverse

Soit (S) un système carré, avec l’interprétation matricielle : AX = B.
Si la matrice A est inversible on peut résoudre ce système par la méthode de la matrice inverse comme
suit :
On a
AX = B ⇐⇒ X = A−1 B (5.8)

 5x + 7y − 3z = 16

Exemple 49. Résoudre  3x − 2y + 4z = −7

x+y −z = 6
   
 5 7 −3   16 
   
 3 −2 4  et B =  −7 
   
   
1 1 −1 6
detA = 24 alors A est inversible.        
  −2 4   3 4   3 −2  
 + det   − det   + det   

 1 −1  1 −1  1 1  
 
 
       
 7 −3 
 + det  5 −3  − det  5 7  
  
Calculons A−1 : com(A) =  − det 
   

 1 −1   1 −1   1 1  
 
 
       
 + det  7 −3  − det  5 −3  + det  5 7  
 
  −2 4   3 4   3 −2  
   
 −2 7 5   −2 4 22 
   
com(A) =  4 −2 2  =⇒ (com(A))t =  7 −2 −29 
   
22 −29 −31 5 2 −31
    
 −2 4 22   −2 4 22   16 
    
A−1 = det1 A (com(At ) = 24 1   7 −2 −29  donc, X = A−1 B = 1  7 −2 −29   −7  =
  24    
     
5 2 −31 5 2 −31 6
 
 −2 × 16 + 4 × (−7) + 22 × 6 
 
1  7 × 16 + (−2) × (−7) + (−29) × 6 
24  



5 × 16 + 2 × (−7) + (−31) × 6
   
 72   3 
   
1 
= 24  −48  =  −2 
   
   
−120 −5

42
Alors ( 3 , -2 , -5 ) est une solution unique de ce système .

5.3.3 Résolution par la méthode de Gauss

Les opérations élémentaires

Définition 19. Soit (S) un système linéaire de n équations , p inconnue est à coefficients dans R.
Notons E1 , E2 , ...., En les equations de (S).
On appelle opération élémentaire sur les lignes de (S) l’une des opérations suivantes :

− Multiplier une equation Ei par un scalaire non nul a.

Cette opération est notée : Ei → aEi .

− Ajouter a l’une des équations Ei un multiplier d’une autre équation Ej

Cette opération est notée : Ei → Ei + βEj .

− Échanger deux équation Ei et Ej : Cette opération est notée Ei ⇌ Ej

Proposition 6. Une opération élémentaire sur les lignes de (S) transforme le système (S) en un système
(S ′ ) équivalent, c’est -à- dire ayant exactement les mêmes solutions que (S).

Méthode de Gauss
Par une suite d’opérations élémentaire, on transforme le système (S) en un sysème (S ′ ) équivalent et
dont la matrice est triangulaire supérieure.





 x + 2y + 3z + 4t = 11

 2x + 3y + 4z + t = 12


Exemple 50.  


 3x + 4y + z + 2t = 13

 4x + y + 2z + 3t = 14

Résoudre
 le système (S) : 

 x + 2y + 3z + 4t = 11 
 x + 2y + 3z + 4t = 11
E1 → E2 − 2E1

 

 
 2x + 3y + 4z + t = 12  −y − 2z − 7t = −10 E3 → E3 − 2E2

 

 E3 → E3 − 3E1 
 −2y − 8z − 10t = −20
 
 −2y − 8z − 10t = −20 E4 → E4 − 7E2
E4 → E4 − 4E1

 

 
 4x + y + 2z + 3t = 14
  −7y − 10z − 13t = −30






 x + 2y + 3z + 4t = 11

 −y − 2z − 7t = −10


 E4 → E4 + E3



 −4z + 4t = 0


 4z + 36t = 40

43




 x + 2y + 3z + 4t = 11

 −y − 2z − 7t = −10






 −4z + 4t = 0


 40t = 40





 t=1



 z=t=1




 y = −2z − 7t + 10 = 1

 x = 11 − 2y + 3z + 4t = 2


Le système (S) possède de donc l’unique solution (2, 1, 1, 1).





 x + 3y + 5z − 2t − 7u = 3

 3x + y + z − 2t − u = 1


Exemple 51.  


 2x − y − 3z + 7t + 5u = 2

 3x − 2y − 5z + 7t + 8u = 2



 x + 3y + 5z − 2t − 7u = 3
E2 → E2 − 3E1



 3x + y + z − 2t − u = 1


Résoudre (S)  E3 → E3 − 2E1
 2x − y − 3z + 7t + 5u = 2

E4 → E4 − 3E1



 3x − 2y − 5z + 7t + 8u = 2






 x + 3y + 5z − 2t − 7u = 3



 −8y − 14z + 4t + 20u = −8 E4 8 → E3 − 7E2




 −7y − 13z + 11t + 19u = −3 E4 8 → E4 − 11E2


 −11y − 20z + 13t + 29u = −18




 x + 3y + 5z − 2t − 7u = 3


 −8y − 14z + 4t + 20u = −8
E4 → E4 − E3





 −6z + 60t + 12u = 24


 −6z + 60t + 12u = 32





 x + 3y + 5z − 2t − 7u = 3

 −8y − 14z + 4t + 20u = −8






 −6z + 60t + 12u = 24


 0=8
Alors, (S) n’a pas de solution.

44
 Applications linéaires, matrices, déterminants

Exercice 1

Soit u : R3 → R2 définie pour tout x = (x1 , x2 , x3 ) ∈ R3 par

u(x) = (x1 + x2 + x3 , 2x1 + x2 − x3 )

2 : Montrer que u est linéaire

1 : Déterminer ker(u)

Exercice 2

Soit f : R3 → R2 définie par

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

On appelle β = (e1 , e2 , e3 ) la base canonique de R3 et β ′ = (f1 , f2 ) la base canonique de R2 .

1 : Montrer que f est une application linéaire.
2 : Donner une base et la dimension de ker(f ) et une base et la dimension de Im(f ).

Exercice 3

Soit f : R3 → R2 définie pour tout vecteur u = (x, y, z) ∈ R3 par :

f (u) = (−2x + y + z, x − 2y + z)

1 : Montrer que f est une application linéaire.

2 : Donner une base de ker(f ), en déduire dim(Im(f )).
3 : Donner une base de Im(f ).

Exercice 4

On considère l’application h : R2 → R2 définie par :

h(x, y) = (x − y, −3x + 3y)

1 : Montrer que h est une application linéaire.

2 : Montrer que h est ni injective ni surjective.
3 : Donner une base de son noyau et une base de son image.

45
Exercice 5

Soit f l’application linéaire f : R3 → R3 définie par :

f (x1 , x2 , x3 ) = (x1 − x3 , 2x1 + x2 − 3x3 , −x2 + 2x3 )

Et soit (e1 , e2 , e3 ) la base canonique de R3 .

1 : Calculer f (e1 ), f (e2 ) et f (e3 ).
2 : Déterminer les coordonnées de f (e1 ), f (e2 ) et f (e3 ) dans la base canonique.
3 : Calculer une base de ker(f ) et une base de Im(f ).

Exercice 6

Soit f : R3 → R3 définie pour tout vecteur u = (x, y, z) ∈ R3 par :

f (u) = (−2x + y + z, x − 2y + z, x + y − 2z)

1 : Montrer que f est une application linéaire.

2 : Donner une base de ker(f ), en déduire dim(Im(f )).
3 : Donner une base de Im(f ).

Exercice 7

Soit B = (e1 , e2 , e3 ) Soit f : R3 → R3 l’application linéaire définie pour tout u = (x, y, z) ∈ R3 par :

f (u) = (6x − 4y − 4z, 5x − 3y − 4z, x − y)

1 : Montrer qu’il existe un vecteur a ∈ R3 , non nul, tel que ker(f ) = V ect(a), déterminer un vecteur
qui convient.
2 : Soit b = e1 + e2 et c = e2 − e3
a. Calculer f(b) et f(c)
b. En déduire que {b, c} est une base de Im(f ). On pourra utiliser une autre méthode.
3 : Déterminer une ou plusieurs équations caractérisant Im(f ).
4 : A-t-on ker(f ) ⊕ Im(f ) = R3 ?

Exercice 8

Soit B = (e1 , e2 , e3 , e4 ) la base canonique de R4 et B ′ = (f 1, f 2, f 3) la base canonique de R3 . Soit

u : R4 → R3 une application linéaire définie par u(e1 ) = f1 − f2 + 2f3 ; u(e2 ) = 2f1 + f2 − 3f3 ;u(e3 ) =
3f1 − f3 et u(e4 ) = −f1 − 2f2 + 5f3 .
1 : Déterminer l’image par u dans vecteurs x = (x1 , x2 , x3 , x4 )
2 : Déterminer une base de ker(u) et sa dimension de ker(u).

46
3 : Déterminer une base de Im(u) et sa dimension.

47
Bibliographie

[1] A. Bourich, Introduction à l’analyse complexe, Première vesion 15/06/2011.

[2] A. Abbassov, K. Baddari, Théorie et pratique des fonctions d’une variables complexe, office des
publications universitaires, Alger, 2015.
[3] S.Balac, F. Sturn, Algèbre et analyse, presses Polytechniques et universitaires Romandes (559).
[4] J.P.Dax, Algèbre, Université Paul Verlaine de Metz,(2007) 87.

48