Vous êtes sur la page 1sur 54

Universit Mohammed V Agdal

Facult des Sciences Juridiques,


Economiques et sociales
RABAT


http://www.fsjesr.ac.ma
c-'=- --=- -'= -
-- -'~--V --:-'-- :--
--'--=V
'-:-

Filire de Sciences conomiques et de Gestion

Semestre : S
3

Module : M 12 (Mthodes Quantitatives III)
Matire : Algbre I




Professeure Salma DASSER Session Automne-hiver
1
Syllabus











Contenu du cours
Chapitre 1 : Espaces vectoriels rels
I- Structure despace vectoriel rel
II- Sous espaces vectoriels
III- Combinaison linaire - Systme gnrateur
IV- Systme libre - systme li
V- Ordre et rang dun systme de vecteurs
VI- Base dun espace vectoriel
VII- Espace vectoriel de dimension fini

Chapitre 2 : Applications linaires
I- Dfinitions et gnralits
II- Oprations sur les applications linaires
III- Image et image rciproque
IV- Noyau et image dune application linaire
V- Applications linaires injectives et surjectives
VI- Rang dune application linaire
Chapitre 3 : Matrices
I- Gnralits (dfinition, matrices particulires)
II- Matrices carres
III- Oprations sur les matrices
IV- Matrice inverse : Mthode de Gauss-Jordan
V- Matrice associe un systme de vecteurs
VI- Matrice dune application linaire
VII- Changement de base

Chapitre 4 : Calcul de dterminants
I- Calcul dun dterminant dordre n
II- Proprits des dterminants
III- Inversion dune matrice par la mthode des
cofacteurs
IV- Rang dune matrice, Rang dune application
linaire

Objectif du cours
Introduire ltudiant lalgbre linaire par des notions sur les espaces vectoriels et les
applications linaires ainsi que sur le calcul matriciel.
Pr-reqcuis recommand
Calcul dans R
Notions lmentaires sur les ensembles
Mode dvaluation
Contrle final (2h)
contrle de rattrapage (1h30)
Droulement du cours
Cours magistraux (26h)
Travaux dirigs (14h)
Support du cours
Polycopi du cours
Sries dexercices corrigs
[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
1


CHAPITRE 1 : ESPACE VECTORIEL REL





I- Structure despace vectoriel rel .............................................................................................................. 2
I-1 Lespace vectoriel IR
n
...................................................................................................................................... 2
I-2 Espace vectoriel rel ........................................................................................................................................ 2
I-3 Proprits ......................................................................................................................................................... 3
II- Sous espaces vectoriels ............................................................................................................................ 4
II-1 Dfinition et proprits .................................................................................................................................. 4
II-1-1 Dfinition ......................................................................................................................................................................... 4
II-1-2 Proprits : ....................................................................................................................................................................... 4
II-2 Intersection de sous espaces vectoriels ......................................................................................................... 4
II-3 Somme de sous espaces vectoriels ................................................................................................................. 5
III- Combinaison linaire - systme gnrateur ......................................................................................... 7
III-1 Combinaison linaire.................................................................................................................................... 7
III-2 Systme gnrateur ...................................................................................................................................... 7
IV- Systme libre - systme li ...................................................................................................................... 8
V- Ordre et rang dun systme de vecteurs .................................................................................................. 9
VI- Base dun espace vectoriel ................................................................................................................... 10
VII- Espace vectoriel de dimension fini ..................................................................................................... 11



[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
2

I- Structure despace vectoriel rel

I-1 Lespace vectoriel IR
n


Dfinition :
Les lments de R
n
sont des suites finies de n termes rels :
X = (x
1
, x
2
, , x
n
), x
1
, x
2
, , x
n
e R

Dfinition :
On peut dfinir sur R
n
une loi de composition interne, l'addition, note + par :
vX, e R
n
X + = (x
1
, x
2
, , x
n
) +(y
1
, y
2
, , y
n
) = (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)

Proprits de l'addition :
Elle est associative : vX, , Z e R
n
, X +( +Z) = (X +) +Z = X + +Z
Elle est commutative : vX, e R
n
, X + = +X
Elle a un lment neutre : u
n
= (u,u, ,u), vX e R
n
X +u
n
= u
n
+X = X
Tout lment X a un oppos not -X = (-x
1
, -x
2
, , -x
n
) X +(-X) = u
n


Dfinition :
On peut aussi dfinir sur R
n
une loi de composition externe, multiplication par un rel,
not "." ou parfois sans signe, par :
vo e R, vX e R
n
o. X = oX = o(x
1
, x
2
, , x
n
) = (ox
1
, ox
2
, , ox
n
)

Proprits de la multiplication par un rel :
vX e R
n
1. X = X
vo, [ e R, vX e R
n
(o +[). X = o. X +[. X
vo e R, vX, e R
n
o. (X +) = o. X +o.
vo, [ e R, vX e R
n
(o[). X = o. ([. X)

L'ensemble R
n
, muni de ces deux lois est un espace vectoriel sur R. On le note (R
n
,+,.).

I-2 Espace vectoriel rel

Dfinition :
Un ensemble E, muni d'une loi de composition interne "+" (qui a deux lments de E fait
correspondre un lment de E) et d'une loi de composition externe "." (qui un lment de
R et un lment de E fait correspondre un lment de E) ayant les huit proprits
nonces prcdemment est appel espace vectoriel rel.
Ses lments sont appels vecteurs. On le note (E,+,.).



[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
3
Exemples :
1) ,.) , (
3
+ IR est un e.v.r., o les lois " + ++ + " et ". " sont dfinies dans
3
IR par :

= =
+ + + = + = +
= =
) , , ( ) , , .( .
) , , ( ) , , ( ) ,
: , ) , , ( ), , (
3 2 1 3 2 1
3 3 2 2 1 1 3 2 1 3 2 1
3
3 2 1 3 2 1
x x x x x x x
y x y x y x y y y x x x y x
IR IR y y y y x x x x



2) ,.) ), ( ( + IR IF est un e.v.r., o les lois " + ++ + " et ". " sont dfinies dans ) (IR IF par :

=
+ = +

IR x x f x f
IR x x g x f x g f
a on IR IR F g f
) ( ) )( . (
) ( ) ( ) )( (
: , ), ( ,



I-3 Proprits

Si ,.) , ( + E un espace vectoriel rel, alors E y x IR , , , , on a :
1)
E E
0 0 . =
2)
E IR
x 0 . 0 =
3)
E E
x ou x 0 0 0 . = = =
4) ) . ( ). ( x x =
5) ) . ( ) . ( ). ( x x x =
6) ) . ( ) . ( ) .( y x y x =

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
4

II- Sous espaces vectoriels

II-1 Dfinition et proprits

II-1-1 Dfinition

Dfinition :
Un sous ensemble F dun espace vectoriel E est dit sous espace vectoriel (s.e.v.) de E ssi :
1) F
2) F est stable pour " + " : ) , ( F y x F y x +
3) F est stable pour ". " : ) . ) , ( ( F x F IR x
ssi :
1) F
2) F y x IR F y x + . . ) , ( , ) , (
2 2


Exemples :
1) ,.) ), ( ( + IR P (lensemble des polynmes de degr n ) est un s.e.v. de ,.) ), ( ( + IR F .
2) { } ,.) , 0 ( + IR et { } ,.) , 0 ( + IR sont des s.e.v. de ,.) , (
2
+ IR .

II-1-2 Proprits :

Si E est un espace vectoriel, alors :
1) Tout sous espace vectoriel de E est un espace vectoriel.
2) Lintersection de n sous espaces vectoriels de E est un espace vectoriel.
3) { } ,.) , 0 ( +
E
est un sous espace vectoriel de E .
4)
E
0 appartient tous les sous espaces vectoriels de E .

II-2 Intersection de sous espaces vectoriels

Thorme :
L'intersection de deux sous espaces vectoriels d'un espace vectoriel rel E est un sous
espace vectoriel de E .

Remarque :
La runion de deux sous espaces vectoriels n'est en gnral pas un sous espace vectoriel.

Thorme :
L'intersection de plusieurs sous espaces vectoriels d'un espace vectoriel rel E est un
sous espace vectoriel de E .
[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
5

II-3 Somme de sous espaces vectoriels

Dfinition :
Soit E un espace vectoriel et soient
1
E et
2
E deux sous espaces vectoriels de E .

La somme des sous espaces vectoriels
1
E et
2
E , note par
2 1
E E + , est gale :
{ }
2 1 2 1 2 1 2 1
/ ) , ( / x x x E E x x E x E E + = = +
La somme directe des sous espaces vectoriels
1
E et
2
E , note par
2 1
E E , est gale :
{ }
2 1 2 1 2 1 2 1
/ ) , ( ! / x x x E E x x E x E E + = =
Si
2 1
E E E = , alors les sous espaces vectoriels
1
E et
2
E sont dits sous espaces
supplmentaires de E .

Thorme :
Si
1
E et
2
E sont deux sous espaces vectoriels dun espace vectoriel E alors
2 1
E E + et
2 1
E E sont aussi des sous espaces vectoriels de E .

Thorme :
Si
1
E et
2
E sont deux sous espaces vectoriels dun espace vectoriel E , alors les
propositions suivantes sont quivalentes :
1)
2 1
E E E =
2)
2 1
E E E + = et { }
E
E E 0
2 1
=

Exemple :
) (IR F E = :
2 1
E E E = , avec
o { } IR x x f x f E f E = = ) ( ) ( /
1
(ensemble des fonctions paires)
o { } IR x x f x f E f E = = ) ( ) ( /
2
(ensemble des fonctions impaires)

Pour montrer que
2 1
E E E = , il suffit de vrifier que
2 1
E E E + = et { }
E
E E 0
2 1
= .
En effet :
1)
2 1
E E E + = :
Soit E f . On pose

=
+ =
)) ( ) ( (
2
1
) (
)) ( ) ( (
2
1
) (
2
1
x f x f x f
x f x f x f

On a :

+ =
= =
= + =
) ( ) ( ) (
) ( )) ( ) ( (
2
1
) (
) ( )) ( ) ( (
2
1
) (
2 1
2 2 2 2
1 1 1 1
x f x f x f et
E f x f x f x f x f
E f x f x f x f x f

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
6

Donc :
2 1 2 1 2 1
/ ) , ( f f f E E f f E f + =

Do :
2 1
E E E + =

2) { }
E
E E 0
2 1
= :
Si
2 1 0
E E f , alors :

=
=
) ( ) ( ) (
) ( ) ( ) (
2 0 0 0
1 0 0 0
E f IR x x f x f
E f IR x x f x f


Donc :
E
O f =
0
, ( ) IR x x f = 0 ) (
0


Do : { }
E
E E 0
2 1
=

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
7

III- Combinaison linaire - systme gnrateur

III-1 Combinaison linaire

Dfinition :
Dans un espace vectoriel E , on appelle une combinaison linaire de n vecteurs
n
u u , ,
1
L , tout vecteur u de E qui peut scrire sous la forme :

=
= + + =
n
i
i i n n
u u u u
1
1 1
L , avec
n
n
IR ) , , (
1
L

Thorme :
Lensemble des combinaisons linaires de n vecteurs dun espace vectoriel E est un sous
espace vectoriel de E .

III-2 Systme gnrateur

Dfinition :
Dans un espace vectoriel E , on dit quun systme de n vecteurs { }
n
u u , ,
1
L est un
systme gnrateur de E (ou que les vecteurs
n
u u , ,
1
L sont des vecteurs gnrateurs
de E ) si tout vecteur u de E peut scrire comme une combinaison linaire des
vecteurs
n
u u , ,
1
L :

=
= + + =
n
i
i i n n n
u u u u IR E u
1
1 1 1
/ ) , , ( ) ( L L
Le systme { }
n
u u , ,
1
L sappelle aussi partie ou famille gnratrice de E .
On dit aussi que le systme { }
n
u u , ,
1
L engendre E ou que E est engendr par le
systme { }
n
u u , ,
1
L .
On note > =<
n
u u E , ,
1
L ou { }
n
u u Vect E , ,
1
L =

Remarque :

Le sous espace vectoriel des combinaisons linaires des vecteurs
n
u u , ,
1
L est engendr par les
vecteurs
n
u u , ,
1
L : > =<
)
`

=

=
n i i
n
i
i i n
u u E u IR u E , , , ,
1
1
L

Exemple :

{ } > =<
2 1
, 0 u u IR , avec ) 0 , 1 (
1
= u et ) 0 , 1 (
2
= u :
{ } ) 0 , ( ) 0 , 1 .( ) 0 , 1 .( ) 0 , /( , , 0 ) 0 , ( = + = x IR IR x
il suffit de prendre par exemple x = et 0 =

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
8

IV- Systme libre - systme li

Dfinition :
n vecteurs
n
u u , ,
1
L dun espace vectoriel E sont linairement indpendants (le
systme { }
n
u u , ,
1
L est un systme libre) si : 0 0
1 1 1
= = = = + +
n E n n
u u L L
n vecteurs
n
u u , ,
1
L dun espace vectoriel E sont linairement dpendants (ole systme
{ }
n
u u , ,
1
L est un systme li) sils ne sont pas linairement indpendants :

E n n n
u u 0 / ) 0 , , 0 ( ) , , (
1 1 1
= + + L L L

Exemples :
Les vecteurs ) 1 , 0 , 1 (
1
= u , ) 1 , 1 , 1 (
2
= u et ) 0 , 1 , 0 (
3
= u de
3
IR sont linairement indpendants.
Les vecteurs ) 1 , 0 , 1 (
1
= u , ) 1 , 1 , 1 (
2
= u et ) 2 , 1 , 0 (
3
= u de
3
IR sont linairement dpendants.

Thorme :

Un systme de vecteurs est li ssi un des vecteurs du systme est combinaison linaire
des autres vecteurs du systme.


Si un des vecteurs dun systme est combinaison linaire des autres vecteurs du systme
alors tout vecteur de ce systme est combinaison linaire des autres vecteurs du
systme.


Proprits :
1) Le vecteur
E
0 nappartient aucun systme libre de E .
2)
E
u E u 0 / , le systme { } u est libre.
3) Tout systme de vecteurs extrait dun systme libre est libre.
4) Tout systme de vecteurs contenant un systme li est li.

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
9

V- Ordre et rang dun systme de vecteurs

Dfinition :
Lordre dun systme est le nombre de vecteurs du systme.
Le rang dun systme est gal au plus grand nombre de vecteurs linairement
indpendants que lon peut extraire de ce systme.

Exemples : { } ) 1 , 0 ( ), 1 , 1 ( ), 1 , 2 (
1
= S
Lordre de
1
S est gal 3.
Le rang de
1
S est gal 2 car :
o Les vecteurs ) 1 , 0 ( ) 1 , 1 ( ), 1 , 2 ( et sont linairement dpendants )) 1 , 0 ( ) 1 , 1 .( 2 ) 1 , 2 (( + = , ce
qui implique que 3 ) (
1
< S rang .
o Les vecteurs ) 1 , 1 ( ) 1 , 2 ( et sont linairement indpendants, ce qui implique que 2 ) (
1
= S rang .

Proprits :
1) Un systme de vecteurs est libre ssi son rang est gal son ordre.
2) Dans un systme li de rang r , les vecteurs libres extraits en nombre r sont dits
vecteurs principaux, les autres sont dits non principaux et sont combinaison linaire des
premiers.
3) Le rang dun systme de vecteurs est gal la dimension de lespace engendr par ces
vecteurs.

[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
10

VI- Base dun espace vectoriel

Dfinition :
Une base dun espace vectoriel E cest tout systme libre de vecteurs gnrateurs de E .

Exemples :
1) { } ) 1 , 0 ( ), 0 , 1 ( est une base de
2
IR
2) { } ) 1 , 1 ( ), 1 , 0 ( ), 0 , 1 nest pas une base de
2
IR .
3) { } ) 1 , 0 , 0 ( ), 0 , 1 , 0 ( ), 0 , 0 , 1 ( est une base de
3
IR : on l'appelle la base canonique de
3
IR .
4) En gnral, { } ) 1 , 0 , , 0 ( , ), 0 , , 1 , , 0 ( , ), 0 , 0 , 1 ( L L L L L L est la base canonique de
n
IR .

Thorme :
Un systme de vecteurs { }
n
u u , ,
1
L est une base de E ssi tout vecteur de E scrit de
manire unique comme combinaison linaire des vecteurs
n
u u , ,
1
L :

=
= + + =
n
i
i i n n n
u u u u IR E u
1
1 1 1
/ ) , , ! ( ) ( L L



[S3, Module M12, Matire : Mathmatiques II] Chapitre 1 : espace vectoriel rel


Professeure Salma DASSER Session Automne-hiver
11

VII- Espace vectoriel de dimension fini

Dfinition :
Un espace vectoriel rel est dit de dimension finie sil admet une base constitue dun
nombre fini n de vecteurs.
Ce nombre n sappelle la dimension de lespace. On note n E = dim .

Exemple :

n
IR est un espace vectoriel rel de dimension n .

Proprits :
Si E est un espace vectoriel rel de dimension n , alors :

1) Toutes les bases de E ont le mme ordre gal n .
2) Lordre de tout systme gnrateur de E est suprieur n .
3) Lordre de tout systme libre de E est infrieur n .
4) Si lordre dun systme libre ou gnrateur de E est gal n , alors ce systme est une base
de E .
5) Si F est un sous espace vectoriel de E , alors F est un espace vectoriel rel de dimension
fini m , avec n m . Si de plus n m = , alors E F .
6) Si
1
E et
2
E sont deux sous espaces vectoriels de E , alors :
) dim( dim dim ) dim(
2 1 2 1 2 1
E E E E E E + = +

2 1 2 1
dim dim ) dim( E E E E + =

Thorme :
Soit E un espace vectoriel rel de dimension fini.
Si
1
E et
2
E sont deux sous espaces vectoriels supplmentaires de E ,
2 1
E E E = , alors
2 1
dim dim dim E E E + = .
Si { }
p
u u B , ,
1 1
L = et { }
q
v v B , ,
1 2
L = sont deux bases respectives de
1
E et
2
E , alors
{ }
q p
v v u u B , , , , ,
1 1
L L = est une base de E .

Thorme :
Soit E un espace vectoriel rel de dimension fini. Soient
1
E et
2
E deux sous espaces
vectoriels de E , de bases respectives { }
p
u u B , ,
1 1
L = et { }
q
v v B , ,
1 2
L = .
Si { }
q p
v v u u B , , , , ,
1 1
L L = est une base de E alors
2 1
E E E = .




[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
12


CHAPITRE 2 : APPLICATIONS LINAIRES



I- Dfinitions et gnralits ............................................................................................................... 13
I-1 Dfinitions ............................................................................................................................................ 13
I-2 Proprits ............................................................................................................................................. 13
II- Oprations sur les applications linaires ....................................................................................... 15
II-1 Addition .............................................................................................................................................. 15
II-2 Multiplication par un scalaire ............................................................................................................... 15
II-3 Composition de deux applications linaires .......................................................................................... 15
III- Image et image rciproque par une application linaire ............................................................... 16
IV- Noyau et image dune application linaire ................................................................................... 17
V- Applications linaires injectives et surjectives ............................................................................... 18
VI- Rang dune application linaire ................................................................................................... 19



[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
13

I- Dfinitions et gnralits

I-1 Dfinitions

Dfinition :
Soient E et F deux espaces vectoriels rels. On dit quune application f de E vers
F est une application linaire ssi :
i) ) ( ) ( ) ( : ) , (
2
y f x f y x f E y x + = +
ii) ) ( . ) . ( : ) , ( x f x f E IR y =
ssi ) ( . ) ( . ) . . ( : ) , ( , ) , (
2 2
y f x f y x f E y x IR + = +

Dfinition :
Soient E et F deux espaces vectoriels rels, et f une application linaire de E vers F .
On dit que f est un endomorphisme ssi F E = .
On dit que f est un isomorphisme ssi f est bijective.
On dit que f est un automorphisme ssi F E = et f est bijective.

Exemples :
1) Lapplication f dfinie de
2
IR vers IR par y x y x f + = )) , (( est une application linaire.
2) Lapplication f dfinie de
2
IR vers
2
IR par ) , ( )) , (( x y y x f = est un automorphisme.

Dfinition : (galit)
Deux applications linaires f et g dfinies de E vers F sont gales, g f , ssi
) ( ) ( : x g x f E x =

I-2 Proprits

I-2-1 Expression analytique dune application linaire

Thorme :
Soient ,.) , ( + E et ,.) , ( + F deux espaces vectoriels rels de dimensions finis. Toute
application linaire de ,.) , ( + E vers ,.) , ( + F est compltement dtermine par la donne
de limage dune base { }
p
u u B , ,
1
L = de ,.) , ( + E : Si

=
=
p
i
i i
u x x
1
alors

=
=
p
i
i i
u f x x f
1
) ( ) ( .

[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
14

Dfinition : (expression analytique)
Lcriture

=
=
p
i
i i
x a x f
1
) ( , o ) (
i i i
u f x a , sappelle lexpression analytique de f
relativement la base B .

I-2-2 Autres proprits

Soient E et F deux espaces vectoriels rels. Si f est une application linaire de E vers F , alors :

1)
F E
f 0 ) 0 ( = :
F E
x f x f x x f f E x 0 ) ( ) ( ) ( ) 0 ( , = = =
2) ) ( ) ( , x f x f E x = : ) ( ) ( 0 ) ( ) 0 ( ) 0 ( ) ( x f x f x f f x f x f
F E E
= = = =
3) : ) , , ( , ) , , (
1 1
n
n
n
n
E x x IR L L ) ( . ) ( . ) . . (
1 1 1 1 n n n n
x f x f x x f + + = + + L L


[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
15

II- Oprations sur les applications linaires

Thorme :
Lensemble ) , ( F E L des applications linaires dfinies de E vers F , muni de laddition
et de la multiplication par un scalaire est un espace vectoriel rel.

II-1 Addition

Si f et g sont deux applications linaires, dfinies de E vers F , alors lapplication g f + ,
dfinie de E vers F par ) ( ) ( ) )( ( x g x f x g f + = + , est une application linaire.

II-2 Multiplication par un scalaire

Si f est une application linaire dfinie de E vers F et un rel, alors lapplication ) . ( f
dfinie de E vers F par ) ( . ) )( . ( x f x f = est une application linaire.

II-3 Composition de deux applications linaires

Soient E , F et G trois espaces vectoriels rels.

Si f est une application linaire de E vers F et g une application linaire de F vers G ,
alors lapplication f g o est une application linaire de E vers G .

[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
16

III- Image et image rciproque par une application linaire

Soient E et F deux espaces vectoriels rels et f est une application linaire de E vers F .

Dfinition :
Soit A un sous ensemble de E . On appelle limage de A par f , et on note ) ( A f
lensemble : { } { } y x f A x F y A x x f A f = = = ) ( : / / ) ( ) (
Soit B un sous ensemble de F . On appelle limage rciproque de B par f , et on
note ) (
1
B f

lensemble : { } B x f E x B f =

) ( / ) (
1


Thorme :
Si A est un sous espace vectoriel de E , alors ) ( A f est un sous espace vectoriel de F .
Si B est un sous espace vectoriel de F , alors ) (
1
B f

est un sous espace vectoriel de E .

Thorme :
Limage dun systme gnrateur dun sous espace vectoriel A de E est un systme
gnrateur du sous espace vectoriel ) ( A f de F .
Limage par f dun systme li est un systme li.
Si limage par f dun systme est libre alors ce systme est libre.

[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
17

IV- Noyau et image dune application linaire

Soient E et F deux espaces vectoriels rels et f est une application linaire de E vers F .

Dfinition :
On appelle limage de f , et on note ) Im( f , limage de E par f :
{ } { } y x f E x F y E x x f E f f = = = = ) ( : / / ) ( ) ( ) Im(
On appelle le noyau de f et on note ) ( f Ker , limage rciproque de { }
F
0 par f :
{ } { }
F F
x f E x f f Ker 0 ) ( / ) 0 ( ) (
1
= = =



Thorme :
) Im( f est un sous espace vectoriel de F .
) ( f Ker est un sous espace vectoriel de E .

Thorme :
) Im( f est le sous espace vectoriel de F engendr par limage dune base quelconque de E


[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
18

V- Applications linaires injectives et surjectives

E un espace vectoriel rel de dimension n et F un espace vectoriel rel de dimension p .
f une application linaire de E vers F .

Thorme :
f est injective ssi { }
E
f Ker 0 ) ( =
f est surjective ssi F f = ) Im(
f est bijective, F E dim dim = ssi f est injective ssi f est surjective

Corollaire :
Si lapplication linaire f est injective alors F E dim dim .
Si lapplication linaire f est surjective alors F E dim dim .
Si lapplication linaire f est bijective alors F E dim dim = .


[S3, Module M10, Matire : Mathmatiques II] Chapitre 2 : applications linaires


Professeure Salma DASSER Session Automne-hiver
19

VI- Rang dune application linaire

Dfinition :
Soit E et F deux espaces vectoriels rels de dimension fini et soit f une application
linaire de E vers F .
On appelle le rang de lapplication linaire f , et on note ) ( f rg , la dimension de
limage de f : ) Im( dim ) ( f f rg =

Thorme :
Soit E et F deux espaces vectoriels rels de dimension fini.
Si f est une application linaire de E vers F , alors :
) ( ) ( dim ) Im( dim ) ( dim dim f rg f Ker f f Ker E + = + = .

Thorme :
Soit E et F deux espaces vectoriels rels de dimension fini. Si f est une application
linaire de E vers F , alors :
f est injective ssi E f rg dim ) ( =
f est surjective ssi F f rg dim ) ( =
f est bijective ssi F E f rg dim dim ) ( = =


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
20


CHAPITRE 3 : MATRICES



I- Gnralits .................................................................................................................................... 21
I-1 Dfinition ............................................................................................................................................. 21
I-2 Matrices particulires ........................................................................................................................... 22
II- Matrices carres ........................................................................................................................... 23
II-1 Diagonale dune matrice carre ............................................................................................................ 23
II-2 Matrice diagonale ................................................................................................................................ 23
II-3 Matrice triangulaire ............................................................................................................................. 24
II-4 Matrice symtrique .............................................................................................................................. 25
II-5 Matrice antisymtrique ........................................................................................................................ 25
III- Oprations sur les matrices .......................................................................................................... 26
III-1 Egalit ................................................................................................................................................ 26
III-2 Addition ............................................................................................................................................. 26
III-3 Multiplication par un scalaire .............................................................................................................. 26
III-4 Produit de deux matrices .................................................................................................................... 27
III-5 Puissance dune matrice ...................................................................................................................... 29
III-6 Proprits de lensemble des matrices ................................................................................................. 31
IV- Matrice inversible ........................................................................................................................ 32
V- Matrice inverse : Mthode de Gauss-Jordan ................................................................................. 33
V-1 Principe de la mthode ........................................................................................................................ 33
V-2 Exemples ............................................................................................................................................. 33
VI- Matrice associe un systme de vecteurs .................................................................................. 36
VII- Matrice dune application linaire .............................................................................................. 37
VIII- Changement de base ................................................................................................................. 39
VIII-1 Matrice de passage ........................................................................................................................... 39
VIII-2 Coordonns dun vecteur .................................................................................................................. 40
VIII-3 Application linaire ........................................................................................................................... 41


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
21

I- Gnralits

I-1 Dfinition

Dfinition :
On appelle une matrice A , de type ) , ( p n (
*
, IN p n ) coefficients rels, un tableau
de n lignes et p colonnes constitues de nombres rels, dits coefficients de la
matrice A . On note par :

j colonne
i ligne
a
a
a
a
a
a
a
a
a
A
np
ip
p
nj
ij
j
n
i

=
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M
1 1
1
1
11

On appelle le coefficient
p j n i ij
a
1 , 1
, de la matrice A , llment dintersection de la
ligne i et la colonne j .
On note aussi la matrice A par :

p j n i ij
a A

=
, 1
), ( ,

colonne la de indice l' dsigne


ligne la de indice l' dsigne
j
i

On note ) , ( p n M lensemble des matrices de type ) , ( p n .

Exemples :
) 3 , 2 (
6
3
5
2
4
1
M A
|
|

\
|
= ) 2 , 3 (
6
5
4
3
2
1
M B
|
|
|

\
|
=
) 1 , 2 (
2
1
M C
|
|

\
|
= ( ) ) 2 , 1 ( 2 1 M D = ( ) ) 1 , 1 ( 1 M E =

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
22

I-2 Matrices particulires

I-2-1 Matrice ligne
Cest toute matrice A de type ) , 1 ( p , )) , 1 ( ( p M A

I-2-2 Matrice colonne
Cest toute matrice A de type ) 1 , (n , )) 1 , ( ( n M A

I-2-3 Matrice nulle
Cest la matrice de ) , ( p n M dont tous les coefficients
ij
a son nuls. On note
p n,
0 .

I-2-4 Matrice unit ou identit
Cest la matrice de ) , ( n n M dont les coefficients
ij
a vrifient

=
=
j i a
a
ij
ii
si 0
1
. On note
n
I .
I-2-5 Matrice oppose
La matrice oppose dune matrice A de ) , ( p n M cest la matrice B de ) , ( p n M dont les
coefficients sont les opposs de ceux de la matrice A .
On note ) ( A B = :
p j
n i
ij ij
a b


=
1
1
, , ) ( A B = ssi ) ( B A =

I-2-6 Matrice transpose
La matrice transpose dune matrice A de ) , ( p n M cest la matrice B de ) , ( n p M dont les
lignes sont les colonnes de la matrice A et les colonnes sont les lignes de la matrice A .
On note A B
t
= :
p i
n j
ji ij
a b


=
1
1
, , A B
t
= ssi B A
t
=

Exemples
D et E sont des matrices lignes
C et E sont des matrices colonnes
( ) ) 3 , 1 ( 3 2 1 M A = : ( ) ) 3 , 1 ( 3 2 1 ) ( M A = ) 1 , 3 (
3
2
1
M A
t

|
|
|

\
|
=
) 2 , 2 (
4 3
2 1
M A
|
|

\
|
= : ) 2 , 2 (
4 3
2 1
) ( M A
|
|

\
|


= ) 2 , 2 (
4 2
3 1
M A
t

|
|

\
|
=
) 3 , 2 (
6
5
4
3
2
1
M A
|
|

\
|
= : ) 3 , 2 (
6
5
4
3
2
1
) ( M A
|
|

\
|

= ) 2 , 3 (
6
4
2
5
3
1
M A
t

|
|
|

\
|
=

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
23

II- Matrices carres

Dfinition :
On appelle matrice carre dordre n toute matrice de type
) , ( n n
.
On note ) (n M lensemble des matrices de type ) , ( n n .

II-1 Diagonale dune matrice carre

Dfinition :
Soit A une matrice carre dordre n : n j i a A
ij
= , 1 ) ( . Les coefficients
n i a
ii
1 ) ( sont dits lments ou coefficients diagonaux de la matrice A et constitue la
diagonale principale de la matrice A .

Exemple :

|
|

\
|
=
4 3
2 1
A . Les lments diagonaux de la matrice A sont 1
11
= a et 4
22
= a .

II-2 Matrice diagonale

Dfinition :
Soit A une matrice carre dordre n : n j i a A
ij
= , 1 ) ( .
On dit que la matrice A est une matrice diagonale si tous les lments non diagonaux
de la matrice sont nuls : ) si 0 ( j i a
ij
=

Exemples :


|
|

\
|
=
2 0
0 1
A
Matrice scalaire ) ( ,
0 0
0
0
0 0
IR a
a
a
A
|
|
|
|
|

\
|
=
L
O O M
M O O
L

Matrice unit ou matrice identit (matrice scalaire avec 1 = a ) :
|
|
|
|
|

\
|
=
1 0 0
0
0
0 0 1
L
O O M
M O O
L
n
I

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
24

II-3 Matrice triangulaire

Dfinition :
Soit A une matrice carre dordre n : n j i a A
ij
= , 1 ) ( .
On dit que A est une matrice triangulaire infrieure si tous ses lments au dessus de
la diagonale principale sont nuls ) si 0 ( j i a
ij
< = :

) ) (( ,
0
0 0
, 1
) 1 ( 1
21
11
IR a
a a a
a
a
A
n j i ij
nn n n n

|
|
|
|
|

\
|
=

L
O O M
M O O
L


On dit que A est une matrice triangulaire suprieure si tous ses lments au dessous
de la diagonale principale sont nuls ) si 0 ( j i a
ij
> = :
) ) (( ,
0 0
0
, 1
) 1 (
1 12 11
IR a
a
a
a a a
A
n j i ij
nn
n n
n

|
|
|
|
|

\
|
=

L
O O M
M O O
L


Exemples :

|
|
|

\
|

2 0 1
0 1 0
0 0 0
et
|
|

\
|
2 3
0 1
sont des matrices triangulaires infrieures.

|
|
|

\
|

2 0 0
3 1 0
2 1 0
et
|
|

\
|
2 0
3 1
sont des matrices triangulaires suprieures.

Remarque :
Si une matrice A est triangulaire suprieure alors sa matrice transpose A
t
est
triangulaire infrieure et inversement.

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
25

II-4 Matrice symtrique

Dfinition :
Soit A une matrice carre dordre n : n j i a A
ij
= , 1 ) ( .
On dit que la matrice A est une matrice symtrique si elle est gale sa matrice
transpose : A A
t
= ) , 1 ( n j i a a
ij ji
=

Exemples :

|
|
|
|
|

\
|

=
1 2 3 2
2 1 5 4
3 5 3 2
2 4 2 1
A
|
|
|

\
|
=
2 3 2
3 1 1
2 1 0
A
|
|

\
|
=
2 3
3 1
A

II-5 Matrice antisymtrique

Dfinition :
Soit A une matrice carre dordre n : n j i a A
ij
= , 1 ) ( .
On dit que la matrice A est une matrice antisymtrique si sa matrice transpose est
gale sa matrice oppose : ) ( A A
t
= ) , 1 ( n j i a a
ij ji
=

Exemples :


|
|
|
|
|

\
|

=
0 2 3 2
2 0 5 4
3 5 0 2
2 4 2 0
A
|
|
|

\
|

=
0 3 2
3 0 1
2 1 0
A
|
|

\
|

=
0 3
3 0
A

Remarque :
Tous les lments diagonaux dune matrice antisymtrique sont nuls :
) 1 0 ( ) , 1 ( n i a n j i a a
ii ij ji
= =


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
26

III- Oprations sur les matrices

III-1 Egalit

Dfinition :
Deux matrices A et B de ) , ( p n M sont gales si elles ont les mmes coefficients :
B A ssi p j n i b a
ij ij
= 1 , 1 , , avec ) (
ij
a A= et ) (
ij
b B =

Proprit :
B A ssi B A
t t


III-2 Addition

Dfinition :
Soient A et B deux matrices de ) , ( p n M . La matrice C de ) , ( p n M dfinie par :
) 1 , 1 ( p j n i b a c
ij ij ij
+ = sappelle la matrice somme des matrices A et
B .
On note B A C + = .

Proprits :
) , ( , , p n M C B A : ) ( ) ( C B A C B A + + = + +
) , ( , p n M B A : A B B A + = +
) , ( , p n M B A : B A B A
t t t
+ = + ) (

Exemple :

|
|

\
|
=
6 5 4
3 2 1
A et
|
|

\
|

=
3 2 1
1 2 3
B
|
|

\
|
=
|
|

\
|

+ + +
= +
3 3 3
4 4 4
3 6 2 5 1 4
1 3 2 2 3 1
B A

III-3 Multiplication par un scalaire

Dfinition :
Soient A une matrice de ) , ( p n M et un rel ) ( IR . La matrice C de ) , ( p n M
dfinie par : ) 1 , 1 ( p j n i a c
ij ij
= sappelle la matrice produit externe de
la matrice A par le scalaire .
On note A C . = .

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
27

Proprits :
) , ( p n M A , IR , : A A A . . ). ( + = +
) , ( , p n M B A , IR : B A B A . . ) .( + = +

Exemples :
) , ( p n M A et 1 = A A = . 1
) , ( p n M A et 0 =
p n
A
,
0 . 0 =

|
|

\
|

=
2 1 2
1 2 1
A et 3 = :

|
|

\
|


=
|
|

\
|


=
6 3 6
3 6 3
) 2 ( ) 3 ( 1 ) 3 ( 2 ) 3 (
) 1 ( ) 3 ( 2 ) 3 ( 1 ) 3 (
). 3 ( A


III-4 Produit de deux matrices

III-4-1 Dfinition et proprits

Dfinition :
Soient A une matrice de ) , ( m n M et B une matrice de ) , ( p m M . La matrice C de
) , ( p n M dfinie par : ) 1 , 1 (
1
p j n i b a c
m
k
kj ik ij
=

=
sappelle la matrice
produit de la matrice A par la matrice B .
On note B A C = .
On ne peut effectuer la multiplication de deux matrices A et B que si le nombre des
colonnes de la matrice A est gal au nombre de lignes de la matrice B (ici m ).

Proprits :
) , ( m n M A , ) , ( p m M B , ) , ( q p M C : ) , ( ) ( ) ( q n M C B A C B A =
) , ( m n M A , ) , ( , p m M C B : ) , ( ) ( ) ( ) ( p n M C A B A C B A + = +
) , ( m n M A et ) , ( p m M B : ) , ( ) ( n p M A B B A
t t t
=

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
28

III-4-2 Produit dune matrice ligne par une matrice colonne :
Soient ) , , , , (
1 im ik i
a a a A L L = une matrice ligne )) , 1 ( ( m M A et
|
|
|
|
|
|

\
|
=
mj
kj
j
b
b
b
B
M
M
1
une matrice
colonne )) 1 , ( ( m M B . La matrice B A C = est alors gale au scalaire dfini par :


mj im kj ik j i
b a b a b a C + + + + = L L
1 1
, )) 1 , 1 ( ( M A

Exemple : ) 2 , 0 , 1 , 2 , 1 ( = A et
|
|
|
|
|
|

\
|

=
1
1
2
0
2
B :
2 ) 1 ( ) 2 ( 1 0 2 ) 1 ( 0 2 ) 2 ( 1 = + + + + = B A


III-4-3 Calcul pratique du produit matriciel :

Soient A une matrice de ) , ( m n M et B une matrice de ) , ( p m M :

,
1 1
1
1
11
i
nm
im
m
nk
ik
k
n
i
L ligne
a
a
a
a
a
a
a
a
a
A

=
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M

j
mp
kp
p
mj
kj
j
m
k
C colonne
b
b
b
b
b
b
b
b
b
B

=
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M
1 1
1
1
11

Pour obtenir le coefficient
ij
P de la matrice produit B A P = ,on fait le produit de la ligne
i
L
de la matrice A (
i
L : matrice ligne) par la colonne
j
C de la matrice B (
j
C : matrice colonne) :

=
p n
p i
p
j n
j i
j
n
i
C L
C L
C L
C L
C L
C L
C L
C L
C L
P
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M
1 1
1
1
1 1
, ) , ( p n M P

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
29

Exemples :

|
|

\
|

=
2 1 2
1 2 1
A et
|
|
|

\
|
=
0 1
1 0
0 1
B :

) 3 , 2 ( M A et ) 2 , 3 ( M B ) 2 , 2 ( ) ( M B A et ) 3 , 3 ( ) ( M A B


|
|

\
|

=
|
|

\
|


=
1 0
2 0
2 2 1 2
2 1 1 1
C L C L
C L C L
B A


|
|
|

\
|

=
|
|
|

\
|



=
1 2 1
2 1 2
1 2 1
3 3 3 2 1 3
3 2 2 2 1 2
3 1 2 1 1 1
C L C L C L
C L C L C L
C L C L C L
A B


|
|

\
|

=
2 1 2
1 2 1
A et
|
|
|

\
|

=
0 1 0 1
0 1 1 0
1 0 0 1
B

) 3 , 2 ( M A et ) 4 , 3 ( M B ) 4 , 2 ( ) ( M B A


|
|

\
|
=
|
|

\
|


=
2 3 1 4
1 3 2 2
4 2 3 2 2 2 1 2
4 1 3 1 2 1 1 1
C L C L C L C L
C L C L C L C L
B A

On ne peut pas effectuer la multiplication A B .

III-5 Puissance dune matrice

Dfinition :
Soit A une matrice carre dordre n )) ( ( n M A . On dfinit les puissances de la
matrice A par : ) ( ), (
*
n M A IN p A A A
fois p
p
=
43 42 1
L , avec
n
I A =
0


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
30

Thorme :
Soient A et B deux matrices carres dordre n )) ( , ( n M B A .

Si les matrices A et B commutent ) ( A B B A = , alors :


=

= = +
p
k
k k p
k
p
p
k
k p k
k
p
p
B A B A B A
C C
0 0
. . ) (

Cette formule sappelle la formule de Newton.

Exemple :
|
|

\
|
=
2 1
0 2
A et
|
|

\
|

=
1 1
0 1
B

Les matrices A et B commutent :

|
|

\
|

=
2 1
0 2
B A et
|
|

\
|

=
2 1
0 2
A B

Le calcul direct de
2
) ( B A+ :

|
|

\
|
= +
3 0
0 3
B A et ) ( ) ( ) (
2
B A B A B A + + = +
|
|

\
|
= +
9 0
0 9
) (
2
B A

La formule de Newton pour le calcul de
2
) ( B A+ :


2 2 2
. 2 ) ( B B A A B A + + = +


|
|

\
|
= =
4 4
0 4
2
A A A ,
|
|

\
|

= =
1 2
0 1
2
B B B et
|
|

\
|

=
2 1
0 2
B A


|
|

\
|
= +
9 0
0 9
) (
2
B A

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
31

III-6 Proprits de lensemble des matrices

) (n M est un espace vectoriel rel de dimension
2
n :

La matrice nulle est llment neutre pour la loi " + ".

Le symtrique de la matrice A pour la loi " + " est gal sa matrice oppose.

{ } , 1 , n j i E B
ij
= est une base de ) (n M ,

j colonne
i ligne E
j i n m
E
ij mn ij

=
=
0
0
0
0
1
0
0
0
0
:
sinon 0
) , ( ) , ( si 1
) (
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M

La base B sappelle la base canonique de ) (n M .

La matrice identit est llment neutre pour la loi " ".
En gnral A B B A :
|
|

\
|

|
|

\
|

|
|

\
|

|
|

\
|
0 1
0 1
1 0
1 0
1 0
1 0
0 1
0 1

En gnral
n n n
B A B A 0 ou 0 0 = = / = :
|
|

\
|
=
|
|

\
|

|
|

\
|
0 0
0 0
1 0
0 0
0 0
0 1






[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
32

IV- Matrice inversible

Dfinition :
Une matrice carre A dordre n )) ( ( n M A est dite inversible sil existe une matrice
carre B dordre n )) ( ( n M B telle que :
n
I A B B A = =
On note
1
= A B
La matrice
1
= A B sappelle la matrice inverse de la matrice A .

Exemples :

|
|

\
|
=
3 1
2 1
A ,
|
|

\
|

=
1 1
2 3
B :
2
1 0
0 1
I A B B A =
|
|

\
|
= =
La matrice A est alors inversible et B A =
1
.


|
|

\
|
=
0 0
1 0
A ,
|
|

\
|
=
d c
b a
B :
2 2
0
0
&
0 0
I
c
a
A B I
d c
B A
|
|

\
|
=
|
|

\
|
=
La matrice A est alors non inversible.

Thorme :
Si deux matrices A et B de ) (n M sont inversibles alors la matrice B A est
inversible et
1 1 1
) (

= A B B A .
En particulier si une matrice A de ) (n M est inversible alors la matrice * , ) ( IN p A
p

est inversible et
p p
A A ) ( ) (
1 1
= .


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
33

V- Matrice inverse : Mthode de Gauss-Jordan

V-1 Principe de la mthode

La majorit des mthodes de calcul de linverse dune matrice font appel la notion de
dterminant quon tudiera au chapitre suivant.
Dans ce paragraphe, on exposera une mthode ne faisant pas appel cette notion. Cette
mthode, dite mthode de Gauss-Jordan, consiste transformer la matrice A en
n
I et par la mme
occasion la matrice
n
I en
1
A en utilisant des oprations lmentaires sur les lignes de la matrice, type
addition chaque ligne dune combinaison linaire des autres lignes, multiplication dune ligne par un
scalaire ou permutation des lignes.
Si au bout dun certain nombre de transformations, on voit apparatre la place de la matrice A ,
une matrice avec une ligne identiquement nulle, il devient alors impossible de faire apparatre les
coefficients de la matrice
n
I dans la matrice A . On en conclut que la matrice A est non inversible.

V-2 Exemples

V-2-1 Matrice inversible :
|
|
|

\
|

=
1 4 2
1 2 1
1 3 2
A

Expos de la mthode :

On crit la matrice A dans la colonne gauche et la matrice
3
I dans la colonne droite, et on
effectue les transformations adquates sur les lignes de la matrice A et de la matrice
3
I
pour faire apparatre au fur et mesure les coefficients de la matrice
3
I gauche et les
coefficients de la matrice
1
A apparatront ainsi droite:

On crit A gauche et
3
I droite :

|
|
|

\
|
|
|
|

\
|

1 0 0
0 1 0
0 0 1
1 4 2
1 2 1
1 3 2


On multiplie la 1
re
ligne par ) 2 / 1 ( :
1 1
). 2 / 1 ( L L :

|
|
|

\
|
|
|
|

\
|

1 0 0
0 1 0
0 0 2 / 1
1 4 2
1 2 1
2 / 1 2 / 3 1

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
34

On ajoute la 2
me
ligne la 1
re
ligne :
1 2 2
L L L +

On ajoute la 3
me
ligne la 1
re
ligne multiplie par ) 2 ( :
1 3 3
2L L L

|
|
|

\
|

|
|
|

\
|

1 0 1
0 1 2 / 1
0 0 2 / 1
0 1 0
2 / 1 2 / 1 0
2 / 1 2 / 3 1


On change la 2
me
ligne et la 3
me
ligne :
3 2
L L

|
|
|

\
|

|
|
|

\
|

0 1 2 / 1
1 0 1
0 0 2 / 1
2 / 1 2 / 1 0
0 1 0
2 / 1 2 / 3 1


On ajoute la 1
re
ligne la 2
me
ligne multiplie par ) 2 / 3 ( :
2 1 1
) 2 / 3 ( L L L

On ajoute la 3
me
ligne la 2
me
ligne multiplie par ) 2 / 1 ( :
2 3 3
) 2 / 1 ( L L L +

|
|
|

\
|

|
|
|

\
|

2 / 1 1 0
1 0 1
2 / 3 0 2
2 / 1 0 0
0 1 0
2 / 1 0 1


On ajoute la 1
re
ligne la 3
me
ligne :
3 1 1
L L L +

|
|
|

\
|

|
|
|

\
|
2 / 1 1 0
1 0 1
1 1 2
2 / 1 0 0
0 1 0
0 0 1


On multiplie la 3
me
ligne par ) 2 ( :
3 3
. 2 L L

|
|
|

\
|

|
|
|

\
|
1 2 0
1 0 1
1 1 2
1 0 0
0 1 0
0 0 1


On voit ainsi apparatre la place de la matrice A la matrice identit
3
I . La matrice qui
apparat simultanment la place de la matrice identit
3
I nest autre que la matrice
1
A .

En effet :
|
|
|

\
|
=
|
|
|

\
|

|
|
|

\
|

=
|
|
|

\
|

|
|
|

\
|

1 0 0
0 1 0
0 0 1
1 4 2
1 2 1
1 3 2
1 2 0
1 0 1
1 1 2
1 2 0
1 0 1
1 1 2
1 4 2
1 2 1
1 3 2



[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
35

V-2-2 Matrice non inversible :
|
|
|

\
|
=
1 1 1
0 1 0
1 0 1
A

Expos de la mthode :

On crit la matrice A dans la colonne gauche et la matrice
3
I dans la colonne droite, et on
effectue les transformations adquates sur les lignes de la matrice A et de la matrice
3
I
pour faire apparatre au fur et mesure les coefficients de la matrice
3
I gauche et les
coefficients de la matrice
1
A apparatront ainsi droite:

On crit A gauche et
3
I droite :

|
|
|

\
|
|
|
|

\
|
1 0 0
0 1 0
0 0 1
1 1 1
0 1 0
1 0 1


On ajoute la 3
me
ligne la 1
re
ligne multiplie par ) 1 ( :
1 3 3
L L L

|
|
|

\
|

|
|
|

\
|
1 0 1
0 1 0
0 0 1
0 1 0
0 1 0
1 0 1


On ajoute la 3
me
ligne la 2
me
ligne multiplie par ) 1 ( :
2 3 3
L L L

|
|
|

\
|

|
|
|

\
|
1 1 1
0 1 0
0 0 1
0 0 0
0 1 0
1 0 1


On voit apparatre la place de la matrice A , une matrice avec une ligne identiquement
nulle (
3
L ), la matrice A est alors non inversible.

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
36

VI- Matrice associe un systme de vecteurs

Dfinition :
Soit ,.) , ( + E un espace vectoriel rel de dimension n , muni dune base { }
n
e e B , ,
1
L = .
Soit un systme de p vecteurs de E , { }
p
u u S , ,
1
L = .

On appelle la matrice du systme { }
p
u u S , ,
1
L = , relativement la base { }
n
e e B , ,
1
L =
, la matrice suivante :


p j
n
i
np
ip
p
nj
ij
j
n
i
u u
u
e
e
e
a
a
a
a
a
a
a
a
a
A

=
1
1 1 1
1
1
11
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M

o la colonne j de la matrice A est forme des coordonnes du vecteur
j
u du systme
{ }
p
u u S , ,
1
L = dans la base { }
n
e e B , ,
1
L = : p j ei a u
n
i
ij j
, 1 ,
1
= =

=

On note ) / ( B S M A = : )) , ( ( p n M A

Remarque :
La matrice A dpend de la base B choisie.

Exemple :

3
IR E =
{ }
3 2 1
, , e e e B = la base canonique de
3
IR : ) 0 , 0 , 1 (
1
= e , ) 0 , 1 , 0 (
2
= e et ) 1 , 0 , 0 (
3
= e .
{ }
3 2 1
, , u u u S = : ) 2 , 0 , 2 (
1
= u , ) 1 , 2 , 1 (
2
= u et ) 3 , 2 , 0 (
3
= u :

3 2 1
3
2
1
3
2
1
3 1 2
2 2 0
0 1 2
) 1 , 0 , 0 .( 3 ) 0 , 1 , 0 ).( 2 ( ) 0 , 0 , 1 .( 0 ) 3 , 2 , 0 (
) 1 , 0 , 0 .( 1 ) 0 , 1 , 0 ).( 2 ( ) 0 , 0 , 1 .( 1 ) 1 , 2 , 1 (
) 1 , 0 , 0 ).( 2 ( ) 0 , 1 , 0 .( 0 ) 0 , 0 , 1 .( 2 ) 2 , 0 , 2 (
u u u
e
e
e
A
u
u
u

+ + = =
+ + = =
+ + = =


[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
37

VII- Matrice dune application linaire

Dfinition :
Soient ,.) , ( + E un espace vectoriel rel de dimension p , muni dune base
{ }
p
u u B , ,
1
L = et ,.) , ( + F un espace vectoriel rel de dimension n , muni dune base
{ }
n
v v B , , '
1
L = . Soit f une application linaire de ,.) , ( + E vers ,.) , ( + F .

La matrice de f relativement aux bases B et ' B , note par ) ' , / ( B B f M cest la
matrice du systme { } ) ( , ), (
1 p
u f u f S L = , relativement la base { }
n
v v B , , '
1
L = .


Remarques :

Si { }
p
u u B , ,
1
L = et { }
n
v v B , , '
1
L = alors :


) ( ) (
) (
) ' , / (
1
1 1 1
1
1
11
p j
n
i
np
ip
p
nj
ij
j
n
i
u f u f
u f
v
v
v
a
a
a
a
a
a
a
a
a
B B f M

=
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M
, )) , ( ) ' , / ( ( p n M B B f M

La colonne j de la matrice ) ' , / ( B B f M reprsente les coordonnes du vecteur
) (
j
u f dans la base ' B :

+ + + + =
+ + + + =
+ + + + =
n np i ip p p
n nj i ij j j
n n i i
v a v a v a u f
v a v a v a u f
v a v a v a u f
L L
M
L L
M
L L
1 1
1 1
1 1 1 11 1
) (
) (
) (


La matrice ) ' , / ( B B f M dpend des bases choisies B et ' B .

Exemple :
2
IR E = ,
3
IR F = : ) , , ( ) , ( x y y x y x y x f + =

{ }
2 1
, u u B = la base canonique de
2
IR : ) 0 , 1 (
1
= u et ) 1 , 0 (
2
= u .
{ }
3 2 1
, , ' v v v B = la base canonique de
3
IR : ) 0 , 0 , 1 (
1
= v , ) 0 , 1 , 0 (
2
= v et ) 1 , 0 , 0 (
3
= v .

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
38

+ + = =
+ = =
1 1
1 1
1 1
) ' , / (
) 1 , 1 , 1 ( ) (
) 1 , 1 , 1 ( ) (
3 2 1 2
3 2 1 1
B B f M
v v v u f
v v v u f


{ }
2 1
, u u B = une base de
2
IR : ) 1 , 1 (
1
= u et ) 1 , 1 (
2
= u
{ }
3 2 1
, , ' v v v B = une base de
3
IR : ) 1 , 1 , 1 (
1
= v , ) 0 , 1 , 0 (
2
= v et
) 1 , 1 , 1 (
3
= v

+ = =
= =
2 0
2 2
0 0
) ' , / (
2 2 ) 2 , 0 , 2 ( ) (
2 ) 0 , 2 , 0 ( ) (
3 2 2
2 1
B B f M
v v u f
v u f


) ' , / ( ) ' , / ( B B f M B B f M

Thorme : (matrice de la compose)
Soient E , F et G trois espaces vectoriels rels, muni des bases respectives B , ' B et
' ' B . Si F E f a : et G F g a : sont deux applications linaires alors :
) ' , / ( ) " , ' / ( ) " , / ( B B f M B B g M B B f g M = o

Exemple :
3
IR E = ,
2
IR F = et
2
IR G = : ) , ( ) , , ( z y y x z y x f + + = et ) , ( ) , ( x y y x g =

{ }
3 2 1
, , e e e B = la base canonique de
3
IR : ) 0 , 0 , 1 (
1
= e , ) 0 , 1 , 0 (
2
= e et ) 1 , 0 , 0 (
3
= e
{ }
2 1
, " ' = = B B la base canonique de
2
IR : ) 0 , 1 (
1
= et ) 1 , 0 (
2
= .

|
|

\
|
= + + =
1 1 0
0 1 1
) ' , / ( ) , ( ) , , ( B B f M z y y x z y x f

|
|

\
|
= =
0 1
1 0
) " , ' / ( ) , ( ) , ( B B g M x y y x g

|
|

\
|
= + + =
0 1 1
1 1 0
) " , / ( ) , ( ) , , )( ( B B f g M y x z y z y x f g o o

) ' , / ( ) " , ' / ( ) " , / ( B B f M B B g M B B g f M = o :

) " , / (
0 1 1
1 1 0
1 1 0
0 1 1
0 1
1 0
) ' , / ( ) " , ' / ( B B f g M B B f M B B g M o =
|
|

\
|
=
|
|

\
|

|
|

\
|
=

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
39

VIII- Changement de base

VIII-1 Matrice de passage

Dfinition :
Soient { }
n
u u B , ,
1
L = et { }
n
v v B , , '
1
L = deux bases dun espace vectoriel rel E . On
appelle la matrice de passage de la base B la base ' B et on note
' BB
P , la matrice du
systme { }
n
v v B , , '
1
L = relativement la base { }
n
u u B , ,
1
L = .

Remarques :

Si { }
p
u u B , ,
1
L = et { }
n
v v B , , '
1
L = alors :


n
j
n
i
nn
in
n
nj
ij
j
n
i BB
v
v
v
u
u
u
a
a
a
a
a
a
a
a
a
P

=
1
1
1
1
1
1
11
'
M
M
L
M
L
M
L
M
M
L
M
L
M
L
M
M
, )) ( (
'
n M P
BB


La colonne j de la matrice de passage
' BB
P reprsente les coordonnes du vecteur
j
v
dans la base B :

+ + + + =
+ + + + =
+ + + + =
n nn i in n n
n nj i ij j j
n n i i
u a u a u a v
u a u a u a v
u a u a u a v
L L
M
L L
M
L L
1 1
1 1
1 1 1 11 1

Si B et ' B sont deux bases dun espace vectoriel rel E , alors :

n BB
I P = , o Id est lapplication identit de E .
) , ' / (
'
B B Id M P
BB
= , o Id est lapplication identit de E .

Thorme :
Si { }
n
u u B , ,
1
L = et { }
n
v v B , , '
1
L = sont deux bases dun espace vectoriel rel E , alors
la matrice de passage de B ' B , est inversible et
B B BB
P P
'
1
'
) ( =

.

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
40

Exemple : Dans
2
IR , on considre les bases B et ' B :
{ }
{ }

= = =
= = =
) 1 , 1 ( ' ), 1 , 1 ( ' : ' , ' '
) 1 , 0 ( ), 0 , 1 ( : ,
2 1 2 1
2 1 2 1
e e e e B
e e e e B

+ = =
+ = =
2 1 2
2 1 1
) 1 , 1 ( '
) 1 , 1 ( '
e e e
e e e


=
1 1
1 1
' BB
P

+ = =
= =
2 1 1
2 1 1
'
2
1
'
2
1
) 1 , 0 (
'
2
1
'
2
1
) 0 , 1 (
e e e
e e e

=
2 / 1 2 / 1
2 / 1 2 / 1
' B B
P

VIII-2 Coordonns dun vecteur

Thorme :
Soient { }
n
u u B , ,
1
L = et { }
n
v v B , , '
1
L = sont deux bases dun espace vectoriel rel E .
Soit un x vecteur de E .
Si

= + + =
= + + =

=
=
n
j
j j n n
n
i
i i n n
v x v x v x x
u x u x u x x
1
1 1
1
1 1
' ' ' L
L
alors : ' .
'
X P X
BB
= et X P X
B B
. '
'
= ,
avec
|
|
|

\
|
=
n
x
x
X M
1
et
|
|
|

\
|
=
n
x
x
X
'
'
'
1
M

Exemple :
2
IR E = et
{ }
{ }

= = =
= = =
) 1 , 1 ( ' ), 1 , 1 ( ' : ' , ' '
) 1 , 0 ( ), 0 , 1 ( : ,
2 1 2 1
2 1 2 1
e e e e B
e e e e B
deux bases de
2
IR E =

2
) 1 , 2 ( IR x = :

+ =
=
2 2 1 1
2 1
' ' ' '
2
e x e x x
e e x

|
|

\
|
=
|
|

\
|

=
2
1
'
'
' et
1
2
x
x
X X
Calcul direct de
|
|

\
|
=
2
1
'
'
'
x
x
X : ) 1 , 1 ( ' ) 1 , 1 ( ' ) 1 , 2 ( ' ' ' '
2 1 2 2 1 1
+ = + = x x e x e x x

=
=


= +
=

2 / 3 '
2 / 1 '
1 ' '
2 ' '
2
1
2 1
2 1
x
x
x x
x x

|
|

\
|

=
2 / 3
2 / 1
' X

Calcul de
|
|

\
|
=
2
1
'
'
'
x
x
X par la formule de changement de base X P X
B B
. '
'
= :
|
|

\
|

= =

=
1
2
.
2 / 1 2 / 1
2 / 1 2 / 1
. '
2 / 1 2 / 1
2 / 1 2 / 1
' '
X P X P
B B B B

|
|

\
|

=
2 / 3
2 / 1
' X

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
41

VIII-3 Application linaire

Thorme :
Soient ,.) , ( + E et ,.) , ( + F deux espaces vectoriels rels munis respectivement des
bases { }
p
u u B , ,
1
L = et { }
n
v v B , , '
1
L = . Soient f une application linaire de E vers F et
x vecteur de E .
Si

= + + =
= + + =

=
=
n
j
j j n n
p
i
i i p p
v y v y v y x f
u x u x u x x
1
1 1
1
1 1
) ( L
L
alors X B B f M Y ). ' , / ( = ,
o :
|
|
|

\
|
=
p
x
x
X M
1
et
|
|
|

\
|
=
n
y
y
Y M
1
.

Exemple :
2
IR E = et
3
IR F = : ) , , ( ) , ( x y y x y x y x f + =

{ }
2 1
, u u B = la base canonique de
2
IR : ) 0 , 1 (
1
= u et ) 1 , 0 (
2
= u .
{ }
3 2 1
, , ' v v v B = la base canonique de
3
IR : ) 0 , 0 , 1 (
1
= v , ) 0 , 1 , 0 (
2
= v et ) 1 , 0 , 0 (
3
= v .

+ + = =
+ = =
1 1
1 1
1 1
) ' , / (
) 1 , 1 , 1 ( ) (
) 1 , 1 , 1 ( ) (
3 2 1 2
3 2 1 1
B B f M
v v v u f
v v v u f

Soit
2
2 1
) , ( IR x x x = :
2 2 1 1
u x u x x + =
|
|

\
|
=
2
1
x
x
X
X B B f M Y ). ' , / ( =
|
|
|

\
|

=
|
|

\
|

=
|
|

\
|
=
|
|
|

\
|

1 2
2 1
2 1
2
1
2
1
3
2
1
.
1 1
1 1
1 1
). ' , / (
x x
x x
x x
x
x
x
x
B B f M
y
y
y

Si
2
) 1 , 2 ( IR x = , alors
|
|

\
|

=
1
2
X et
|
|
|

\
|

=
|
|

\
|

=
|
|
|

\
|
3
1
3
1
2
.
1 1
1 1
1 1
3
2
1
y
y
y


Thorme :
Soient E et F deux espaces vectoriels rels et f une application linaire de E vers
F . Si
1
B et
1
' B sont deux bases de E ,
2
B et
2
' B deux bases de F alors :

1 1 2 2 1 1 2 2
' 2 1
1
' ' 2 1 ' 2 1
). , / ( . ) ( ). , / ( . ) ' , ' / (
B B B B B B B B
P B B f M P P B B f M P B B f M

= =

[S3, Module M10, Matire : Mathmatiques II] Chapitre 3 : matrices


Professeure Salma DASSER Session Automne-hiver
42

Exemple :
2
IR E = et
3
IR F = : ) , , ( ) , ( x y y x y x y x f + =

Dans
2
IR , on considre les bases
o { }
2 1 1
, u u B = : ) 0 , 1 (
1
= u et ) 1 , 0 (
2
= u
o { }
2 1 1
, u u B = : ) 1 , 1 (
1
= u et ) 1 , 1 (
2
= u

Dans
3
IR , on considre les bases
o { }
3 2 1 2
, , v v v B = : ) 0 , 0 , 1 (
1
= v , ) 0 , 1 , 0 (
2
= v et ) 1 , 0 , 0 (
3
= v
o { }
3 2 1 2
, , v v v B = : ) 1 , 1 , 1 (
1
= v , ) 0 , 1 , 0 (
2
= v et ) 1 , 1 , 1 (
3
= v

=
1 1
1 1
1 1
) , / (
2 1
B B f M et


=
1 1
1 1
1 1
B B
P

+ =
=
=
2 / 1 0 2 / 1
0 1 1
2 / 1 0 2 / 1
2
1
2
1
2
1
2
1
2 2
3 1 3
2 2
3 2 1 1
B B
P
v v v
v v
v v v v



1 1 2 2
). , / ( . ) , / (
2 1 2 1 B B B B
P B B f M P B B f M =

=
2 0
2 2
0 0
1 1
1 1
.
1 1
1 1
1 1
.
2 / 1 0 2 / 1
0 1 1
2 / 1 0 2 / 1
) , / (
2 1
B B f M

Calcul direct de ) , / (
2 1
B B f M :

+ = = =
= = =
2 0
2 2
0 0
) , / (
2 2 ) 2 , 0 , 2 ( )) 1 , 1 (( ) (
2 ) 0 , 2 , 0 ( )) 1 , 1 (( ) (
2 1
3 2 2
2 1
B B f M
v v f u f
v f u f




[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
43

CHAPITRE 4 : DTERMINANT DUNE MATRICE CARRE


I- Calcul dun dterminant dordre n .................................................................................................. 44
I-1 Dterminant dordre 1 .......................................................................................................................... 44
I-2 Dterminant dordre 2 .......................................................................................................................... 44
I-3 Dterminant dordre n .......................................................................................................................... 44
II- Proprits des dterminants ......................................................................................................... 48
III- Inversion dune matrice par la mthode des cofacteurs ................................................................ 49
IV- Rang dune matrice ..................................................................................................................... 51
IV-1 Calcul du rang dune matrice ............................................................................................................... 51
IV-2 Rang dune application linaire ........................................................................................................... 53




[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
44

I- Calcul dun dterminant dordre n

I-1 Dterminant dordre 1
Soit ) (
11
a A = une matrice carre dordre 1 )) 1 ( ( M A . Le dterminant dordre 1 de la matrice
A , not A det , est dfini par :
11
det a A = .

I-2 Dterminant dordre 2
Soit

=
22 21
12 11
a a
a a
A une matrice carre dordre 2 )) 2 ( ( M A . Le dterminant dordre 2 de la
matrice A , not A det , est dfini par :
21 12 22 11
det a a a a A = .
On note aussi
21 12 22 11
22 21
12 11
det a a a a
a a
a a
A = =

I-3 Dterminant dordre n

Dfinition :
Soit
n j i
ij
a A

=
, 1
) ( une matrice carre dordre n )) ( ( n M A .
On appelle le mineur de llment
ij
a , le dterminant de la matrice carre
ij
A dordre
1 n , obtenue en supprimant dans la matrice A la ligne i et la colonne j .
On note
ij
A det ou
ij
.

Exemples :

1) Soit

=
22 21
12 11
a a
a a
A : Le mineur de
11
a est gal :
22 11
det a A =

2) Soit

=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A :
Le mineur de
33
a est gal :
21 12 22 11
22 21
12 11
33
det a a a a
a a
a a
A = =
Le mineur de
32
a est gal :
21 13 23 11
23 21
13 11
32
det a a a a
a a
a a
A = =

[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
45

Thorme :
Si
n j i
ij
a A

=
, 1
) ( est une matrice carre dordre n , alors :


=
+
=
+
=
n
k
kj kj
j k
n
k
ik ik
k i
A a A a n j i
1 1
det ) 1 ( det ) 1 ( : , 1

Dfinition :
Soit
n j i
ij
a A

=
, 1
) ( une matrice carre dordre n . Le dterminant dordre n de la
matrice A est dfini par :

La formule du dveloppement du dterminant de la matrice A suivant la ligne i :

=
+
=
n
k
ik ik
k i
A a A n i
1
det ) 1 ( det : 1
La formule du dveloppement du dterminant de la matrice A suivant la colonne j :

=
+
=
n
k
kj kj
j k
A a A n j
1
det ) 1 ( det : 1

Exemples :
1)

=
1 2
2 1
A
Dveloppement du dterminant suivant la colonne 2 :
5 det
) 1 ( ) 1 (
det ) 1 ( det ) 1 (
det ) 1 ( det
11 22 21 12
22 22
2 2
12 12
2 1
2
1
2 2
2
=
+ =
+ =
=
+ +
=
+

A
a a a a
A a A a
A a A
k
k k
k

Dveloppement du dterminant suivant la ligne 1 :

5 det
) 1 ( ) 1 (
det ) 1 ( det ) 1 (
det ) 1 ( det
21 12 22 11
12 12
2 1
11 11
1 1
2
1
1 1
1
=
+ =
+ =
=
+ +
=
+

A
a a a a
A a A a
A a A
k
k k
k


[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
46

2)

=
1 3 2
2 1 3
3 2 1
A
Dveloppement du dterminant suivant la 1
re
colonne ) 1 ( = j :
18
2 1
3 2
) 2 ( ) 1 (
1 3
3 2
) 3 ( ) 1 (
1 3
2 1
) 1 ( ) 1 ( det
) 1 ( ) 1 ( ) 1 (
det ) 1 ( det ) 1 ( det ) 1 (
det ) 1 ( det
23 22
13 12
31
33 32
13 12
21
33 32
23 22
11
31 31
1 3
21 21
1 2
11 11
1 1
3
1
1 1
1
= + + =
+ + =
+ + =
=
+ + +
=
+

A
a a
a a
a
a a
a a
a
a a
a a
a
A a A a A a
A a A
k
k k
k

Dveloppement du dterminant suivant la 2
me
ligne 2 = i :
18
3 2
2 1
) 2 ( ) 1 (
1 2
3 1
) 1 ( ) 1 (
1 3
3 2
) 3 ( ) 1 ( det
) 1 ( ) 1 ( ) 1 (
det ) 1 ( det ) 1 ( det ) 1 (
det ) 1 ( det
32 31
12 11
23
33 31
13 11
22
33 32
13 12
21
23 23
3 2
22 22
2 2
21 21
1 2
3
1
2 2
2
= + + =
+ + =
+ + =
=
+ + +
=
+

A
a a
a a
a
a a
a a
a
a a
a a
a
A a A a A a
A a A
k
k k
k


Remarque :
En pratique, pour le dveloppement dun dterminant, on affecte chaque lment
un signe, en commenant par le signe + et en respectant une alternance entre les
deux signes, par exemple :
Dterminant dordre 2 :
+
+

Dterminant dordre 3 :
+ +
+
+ +


Dterminant dordre 4 :
+ +
+ +
+ +
+ +


[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
47

Exemple :

=
1 3 2
2 1 3
3 2 1
A :

+ +
+
+ +
1 ) ( 3 ) ( 2 ) (
2 ) ( 1 ) ( 3 ) (
3 ) ( 2 ) ( 1 ) (


Dvelopp suivant la 1
re
ligne, on a :
42
3 2
1 3
) 3 (
1 2
2 3
) 2 (
1 3
2 1
) 1 ( det =

= A

[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
48

II- Proprits des dterminants

1) Un dterminant est nul si :
a. Lune des colonnes ou lune des lignes est nulle.
b. Deux colonnes ou deux lignes sont gales ou proportionnelles
c. Une ligne ou une colonne est une combinaison linaire des autres lignes ou colonnes.

2) Un dterminant change de signe si lon effectue un nombre impair de permutations (si par
exemple, on permute deux lignes uniquement ou deux colonnes uniquement).

3) Un dterminant est linaire par rapport chaque ligne et chaque colonne (si lon multiplie
tous les lments dune ligne ou dune colonne par le mme scalaire, le dterminant est
multipli par ce scalaire).

4) Un dterminant ne change pas si :
a. On permute simultanment deux lignes et deux colonnes
b. On change les lignes et les colonnes A A
t
det ) det( =
c. On ajoute une ligne (respectivement une colonne), une combinaison linaire des
autres lignes (respectivement colonnes).

5) Une matrice carre est inversible ssi son dterminant est non nul.

6) Le dterminant du produit de deux matrices est gal au produit des dterminants des deux
matrices.

7) Le dterminant de linverse dune matrice inversible est gal linverse du dterminant de
cette matrice.

8) Un systme de vecteurs est libre ssi le dterminant de la matrice de ce systme dans une
base donne est non nul.

9) Le dterminant dune matrice triangulaire est gal au produit de ces lments diagonaux.



[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
49

III- Inversion dune matrice par la mthode des cofacteurs

Dfinition :
Soit
n j i
ij
a A

=
, 1
) ( une matrice carre dordre n . Soit
ij
A la matrice carre dordre
1 n obtenue en supprimant dans la matrice A la ligne i et la colonne j .
On appelle cofacteur du coefficient
ij
a le nombre ) det( ) 1 (
ij
j i
A
+
.
On appelle comatrice ou matrice des cofacteurs de la matrice A la matrice
n j i
ij
c A C

=
, 1
) ( ) ( dfinie par : n j i A c
ij
j i
ij
=
+
, 1 ), det( ) 1 (

Etapes de linversion :

1) On vrifie si la matrice A est inversible. Pour cela, on calcule son dterminant:
a. Si 0 det = A alors A nest pas inversible.
b. Si 0 det A alors A est inversible, et on passe aux tapes suivantes

2) On dtermine la comatrice de la matrice A : ) ( A C

3) On dtermine la transpose de la comatrice de la matrice A : ) ( A C
t


4) On en dduit linverse de la matrice A : )) ( (
det
1
1
A C
A
A
t
=



Exemple :

=
1 2 3
3 1 2
2 3 1
A

1) Calcul du dterminant de la matrice A :
18
3 1
2 3
) 3 (
1 2
2 3
) 2 (
1 2
3 1
) 1 ( det = + = A
0 det A alors A est inversible, et on passe aux tapes suivantes

2) La comatrice de la matrice A :

+ +
+
+ +
=
5 1 7
7 5 1
1 7 5
1 2
3 1
3 2
2 1
3 1
2 3
2 3
3 1
1 3
2 1
1 2
2 3
2 3
1 2
1 3
3 2
1 2
3 1
) ( A C
[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
50

3) La transpose de la comatrice de la matrice A :

=
5 7 1
1 5 7
7 1 5
)) ( ( A C
t

4) Linverse de la matrice A : )) ( (
det
1
1
A C
A
A
t
=

18 / 5 18 / 7 18 / 1
18 / 1 18 / 5 18 / 7
18 / 7 18 / 1 18 / 5
5 7 1
1 5 7
7 1 5
18
1
1
A


[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
51

IV- Rang dune matrice

IV-1 Calcul du rang dune matrice

Dfinition :
Soit A une matrice de ) , ( p n M . On appelle le rang de la matrice A lordre de la plus
grande matrice carre inversible extraite de la matrice A . On note ) ( A rg .
Le rang de la matrice nulle est gal 0.
Si une matrice A de ) , ( p n M est non nulle, alors ) , ( ) ( 1 p n Min A rg .

Etapes du calcul du rang :

) , ( p n M A , ) , ( p n Min m = : m A rg ) ( 1

On cherche si m A rg = ) (
Si on peut extraire de A , une matrice carre inversible dordre m alors m A rg = ) ( .
Sinon alors m A rg < ) ( 1
On cherche si 1 ) ( = m A rg
o Si on peut extraire de la matrice A , une matrice carre inversible dordre
1 m alors 1 ) ( = m A rg .
o Sinon alors 1 ) ( 1 < m A rg

On continue ainsi la mme dmarche jusqu obtenir une matrice carre inversible dordre r
extraite de la matrice A , et alors r A rg = ) (

Remarques :
Le rang dune matrice A de ) , ( p n M est gal au rang du systme form des p
colonnes gal au rang du systme form des n lignes de la matrice A .
Le rang dune matrice est gal au rang de sa transpose.

[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
52

Exemples :
1) ) 4 , 4 (
1 1 0 1
1 0 1 2
0 2 1 0
1 3 2 1
M B


=

1
re
mthode : "matricielle"

4 ) ( 1 4 ) 4 , 4 ( = B rg Min

B est la seule matrice carre dordre 4 extraite de B :

) 2 ( 0 det
4 2 1
L L L car B + = = , do 4 ) ( 1 < B rg

La matrice


1 1 1
1 0 2
0 2 0
extraite de B est inversible 3 ) ( = B rg

2) ) 3 , 4 (
0 2 3
3 5 0
1 1 1
1 3 2
M C

=

2
me
mthode : " vectorielle"

On note par { }
3 2 1
, , u u u S = le systme de vecteurs colonnes de la matrice C .

{ } 3 , 0 , 1 , 2
1
= u , { } 2 , 5 , 1 , 3
2
= u et { } 0 , 3 , 1 , 1
3
= u ) ( ) ( S rg C rg =
{ }
3 2 1
, , u u u S = est le seul systme dordre 3 extrait de S :
S nest pas un systme libre (car
3 2 1
2
5
2
3
u u u + = ) 3 ) ( 1 < C rg

{ }
2 1
, u u est un systme libre dordre 2 extrait du systme S 2 ) ( = C rg

[S3, Module M10, Matire : Mathmatiques II] Chapitre 4 : dterminant dune matrice carre


Professeure Salma DASSER Session Automne-hiver
53

3) ) 4 , 4 (
0 2 0 2
2 0 1 2
2 2 1 0
4 3 2 1
M A


=

1
re
mthode : "matricielle"

4 ) ( 1 4 ) 4 , 4 ( = A rg Min :
A est la seule matrice carre dordre 4 extraite de A
) ( 0 det
3 4 2
L L L car A = = 4 ) ( 1 < A rg
Toutes les matrices carres dordre 3 extraites de A sont non inversibles : 3 ) ( 1 < A rg

1 0
2 1
est une matrice carre inversible dordre 2 extraite de A 2 ) ( = A rg

2
me
mthode : " vectorielle"

On note par { }
4 3 2 1
, , , u u u u S = le systme de vecteurs lignes de la matrice A .
{ } 4 , 3 , 2 , 1
1
= u , { } 2 , 2 , 1 , 0
2
= u , { } 2 , 0 , 1 , 2
3
= u et { } 0 , 2 , 0 , 2
4
= u : ) ( ) ( S rg A rg =
{ }
4 3 2 1
, , , u u u u S = est le seul systme dordre 4 extrait de S : S nest pas un systme
libre (car
3 4 2
u u u = ) 4 ) ( 1 < A rg
On vrifie que tous les systmes dordre 3 extraits de S sont lis 3 ) ( 1 < A rg
Le systme { }
2 1
,u u est un systme libre dordre 2 extrait du systme S 2 ) ( = A rg

IV-2 Rang dune application linaire

Thorme :
Le rang dune application linaire f , dfinie de E vers G , est gal au rang de sa
matrice relativement deux bases donnes de E et de G : ) , / ( ( ) (
2 1
B B f M rg f rg = ,
1
B
et
2
B sont deux bases respectives de E et de G ,

Exemple : ) 3 , 2 5 3 , 3 2 ( ) , , , ( z y x t z y x t y x t z y x f + + + + + =

C B B f M
t
= ) , / (
2 1
,
1
B et
2
B sont les bases canoniques respectives de
4
IR et de
3
IR .
Donc 2 ) ( ) ( ) ( = = = C rg C rg f rg
t