UNIVERSITE DE DSCHANG UNIVERSITY OF DSCHANG Sommaire

IUT-FV DE BANDJOUN UIT-FV OF BANDJOUN

DÉPARTEMENT DES DEPARTMENT OF ......................................................................................................................................................................................... i
ENSEIGNEMENTS GENERAL AND SCIENTIFIC CHAPITRE I : .................................................................................................................................................................... 5
GENERAUX ET STUDIES
SCIENTIFIQUES P.O.BOX. 134 BANDJOUN CALCULS MATRICIELS ET SYSTEMES D’EQUATIONS DU ................................................................................................. 5
B.P. 134 BANDJOUN Republic of Cameroon
République du Cameroun 1er DEGRE OU LINEAIRES................................................................................................................................................. 5
UNITE DE RECHERCHE
D’INGENIEURIE DES I-1 Calculs matriciels ................................................................................................................................................. 5
SYSTEMES INDUSTRIELS I-1-1 Définition ...................................................................................................................................................... 5
ET DE
L’ENVIRONNEMENT I-1-2 Opérations sur les matrices ......................................................................................................................... 5
(UR-ISIE)
I-1-3 Quelques matrices particulières .................................................................................................................. 6
I-1-4 Matrice transposée – Matrice symétrique ................................................................................................ 7

Pr. NOUBISSIE Samuel I-1-5 Conjugué d’une matrice ................................................................................................................................ 8

Tél : (+237) 678 481 210 / (+237) 696 777 741 I-1-6 Notations ....................................................................................................................................................... 8
E-mail : snoubis@yahoo.fr
I-1-7 Déterminant d’une matrice carrée .............................................................................................................. 8
I-1-8 Comatrice ...................................................................................................................................................... 9
I-1-9 Matrice inversible ..................................................................................................................................... 10
I-1-10 Matrice inverse ........................................................................................................................................ 11
I-2 Systèmes d’équations du 1er degré ou linéaires ................................................................................................ 11

COURS D’ALGEBRE LINEAIRE I-2-1 Définition analytique .................................................................................................................................. 11

I-2-2 Définition matricielle ................................................................................................................................. 11
I-2-3 Définition vectorielle ................................................................................................................................ 11
I-2-4 Equivalence ............................................................................................................................................... 12
I-2-5 Système impossible ou incompatible...................................................................................................... 12
I-2-6 Système en escalier, Rang d’un système ................................................................................................ 12
I-2-7 Système de Cramer .................................................................................................................................... 12
I-2-8 Méthodes pratiques de résolution des systèmes linéaires ....................................................................... 12
I-2-9 Quelques exemples de résolution de systèmes d’équations de Cramer ................................................ 13
CHAPITRE II .................................................................................................................................................................. 18
LES COMPLEXES ............................................................................................................................................................ 18
II-1 Présentation De ℂ ............................................................................................................................................. 18
II-1-1 Définition : .................................................................................................................................................. 18
II-1-2- Forme algébrique d’un nombre complexe : ............................................................................................. 18
Version 2022 II-2 Conjugué d’un Nombre Complexe ................................................................................................................... 18

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page i

 𝐈𝐈−3 Module d’un Nombre Complexe .................................................................................................................... 19
II-4 Arguments d’un Complexe Non Nul ................................................................................................................... 19
II-4-1 Notations .................................................................................................................................................... 19
II-4-2 Formule de Moivre ..................................................................................................................................... 19
II-4-3 Propriétés.................................................................................................................................................. 19
II-5 Représentation d’un Nombre Complexe........................................................................................................... 20
II-5-1 Représentation géométrique .................................................................................................................... 20
II-5-2 Cercles trigonométriques .......................................................................................................................... 20
II-5-3 Equivalence entre les formes algébriques et trigonométriques ............................................................ 21
II - 6 Racine Nième d’un Nombre Complexe........................................................................................................... 21
II -7 Quelques Relations Fondamentales En Trigonométrie .................................................................................... 22
II -7-2 Trigonométrie hyperbolique .......................................................................................................................... 24
II -8 Nombres Complexes et géométrie ................................................................................................................... 25
II -8-1 Transformations géométriques .................................................................................................................... 25
II -8-2 Distances et angles ....................................................................................................................................... 25
II -8-3 Applications .................................................................................................................................................. 25
CHAPITRE III .................................................................................................................................................................. 27
POLYNÔMES REELS OU COMPLEXES ET ....................................................................................................................... 27
FRACTIONS RATIONNELLES .......................................................................................................................................... 27
III-1- Polynômes ....................................................................................................................................................... 27
III-1-1- Définition : ................................................................................................................................................ 27
III-1-2- Propriétés : ............................................................................................................................................... 27
III-1-3- Division euclidienne des polynômes: ...................................................................................................... 27
III-1-4 : PGCD, PPCM............................................................................................................................................. 28
III-1-5 Polynômes irréductibles........................................................................................................................... 30
III-1-6 Décomposition primaire d’un polynôme ................................................................................................. 30
III-1-7 Formule de Taylor..................................................................................................................................... 30
III-1-8 Polynôme dérivé....................................................................................................................................... 30
III-2 Fractions Rationnelles..................................................................................................................................... 30
III-2-1 Définitions ................................................................................................................................................. 30
III-2-2 Décomposition en éléments simples ....................................................................................................... 31
III -3 A Retenir ......................................................................................................................................................... 32
III-3-1 Coefficients à déterminer ........................................................................................................................ 32
CHAPITRE IV .................................................................................................................................................................. 33
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page ii
ESPACES VECTORIELS.................................................................................................................................................... 33
IV-1 Quelques Notions Fondamentales ................................................................................................................... 33
IV-2 L’Espace Vectoriel ℝ𝐧 ..................................................................................................................................... 34
IV-2-1 Définition .................................................................................................................................................. 34
IV-2-2 Opérations sur ℝ𝐧.................................................................................................................................... 34
IV-3 Sous-espace Vectoriel ..................................................................................................................................... 34
IV-4 Famille Liée, Famille Libre, Famille Génératrice. .......................................................................................... 35
IV-5 Base d’un Espace Vectoriel ............................................................................................................................. 36
IV-5-1 Définition .................................................................................................................................................. 36
IV-5-2 Propriétés .................................................................................................................................................. 37
IV-5-3 Détermination d’une base d’un espace vectoriel .................................................................................. 37
IV-6 Sous Espaces Vectoriels Supplémentaires ..................................................................................................... 38
IV-6-1 Théorème .................................................................................................................................................. 38
IV-6-2 Exercice : .................................................................................................................................................... 38
CHAPITRE V ................................................................................................................................................................... 39
APPLICATIONS LINEAIRES ............................................................................................................................................. 39
V-1 Généralités ........................................................................................................................................................ 39
V-1-1 Définitions ................................................................................................................................................. 39
V-1-2 Formes bilinéaires symétriques ................................................................................................................. 39
V-2- Détermination D’une Application Linéaire ................................................................................................... 40
V-2-1 Basique ...................................................................................................................................................... 40
V-2-2 Analytique ................................................................................................................................................. 40
V-2-3 Matricielle ................................................................................................................................................ 41
V-2-4 Produit scalaire ........................................................................................................................................ 41
V-2-5 Norme euclidienne .................................................................................................................................. 42
V-2-6 Espaces vectoriels euclidiens .................................................................................................................. 42
V-2-7 Bases et repères orthonormées .............................................................................................................. 42
V-2-8 Produit vectoriel ...................................................................................................................................... 43
V-3 Image et Noyau d’une application linéaire ...................................................................................................... 43
V-3-1 Rappels ...................................................................................................................................................... 43
V-3-2 Théorème................................................................................................................................................... 43
V-3-3 Définitions ................................................................................................................................................. 43
V-3-4 Propriétés ................................................................................................................................................... 43
V-3-5 Théorème fondamental ............................................................................................................................. 44
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page iii
 Les complexes

V-4 Operations sur les Applications Linéaires ................................................................................................... 44 CHAPITRE I :

V-4-1 Somme de deux applications linéaires ..................................................................................................... 44
V-4-2 Produit de 𝛂 ∈ ℝ par f application linéaire ............................................................................................. 44 CALCULS MATRICIELS ET SYSTEMES D’EQUATIONS DU
V-4-3 Compostions des applications linéaires .................................................................................................... 44 1er DEGRE OU LINEAIRES
V-5 Endomorphisme orthogonal ou isométrie ..................................................................................................... 45
V-5-1 Définition....................................................................................................................................................... 45
V-5-2 Théorème ...................................................................................................................................................... 46 I-1 Calculs matriciels
Soit 𝒇 ∈ 𝓞(𝑬) avec 𝒏 ∈ ℕ et 𝒏 ≥ 𝟐. Il existe une base orthonormée B de E dans laquelle la matrice 𝑴(𝒇) de f I-1-1 Définition
s’écrit : ...................................................................................................................................................................... 46 Soient p et q deux entiers. p  1 q  1 .

V-5-3 Endomorphisme orthogonal en dimension 2 ................................................................................................ 46 Une matrice p  q ou de type (p, q) est par définition, un tableau constitué de p lignes et q colonnes.
CHAPITRE VI .................................................................................................................................................................. 50
 a11 a21......a1q 
MATRICE DE PASSAGE – VALEURS PROPRES ................................................................................................................ 50  
VECTEURS PROPRES - DIADGONALISATION ................................................................................................................. 50  a21 a22 ......a2 q 
A  . . a2 q   (aij ) i  1,...., p j  1,......., q
VI-1-7 Matrice d’une application linéaire 𝒈: 𝑬 → 𝑭 relativement à des ......................................................... 50  
. . . 
bases données de E et de F (Rappel) ................................................................................................................. 50  
 a p1 a p2 a pq 
VI-1-8 Déterminant d’une matrice carrée .......................................................................................................... 52
VI-1-9 Comatrice.................................................................................................................................................. 53 où aij  K est un terme ou coefficient de la matrice situé sur la iième ligne et la jième colonne.
VI-1-10 Matrice inversible ................................................................................................................................. 53
I-1-2 Opérations sur les matrices
VI-1-11 Matrice inverse ...................................................................................................................................... 54 a) Egalité de deux matrices
VI-1-12 Matrice de changement de Base ou Matrice de passage .................................................................... 54
Soient A et B deux matrices de type (p, q).
VI-2 Valeurs Propres - Vecteurs Propres - Diagonalisation ..................................................................................... 57
VI-2-1 Valeurs propres - vecteurs propres .......................................................................................................... 57 A  ( aij ) B  (bij ) i  1,....., p j  1,..., q
A  B  aij  bij
VI-2-2 Endomorphisme diagonalisable ............................................................................................................... 59
VI-2-3 Puissance d’une matrice carrée ............................................................................................................... 61 b) Addition des matrices
VI-3 Quelques applications des techniques de diagonalisation des matrices .................................................. 62
Soit C une matrice de type (p, q),

C  A  B  cij  aij  bij pour 1  i  p 1  j  q

c) Multiplication d’une matrice par un scalaire

Soient   K , A  M pq ( K ) ,  A  ( aij ) i  1,...., p j  1,....., q

d) Multiplication des matrices

Définition

Soit A  (ail ) une matrice r  q à coefficient dans K et B  (b jk )  M qp ( K ) , on appelle produit AB dans

l’ordre, la matrice C du type (r,p) dont les coefficients sont
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page iv Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 5
Les complexes Les complexes

q
 i j
Cik   aij b jk i  1,....., r k  1,....., p A  ( aij ) avec aij  
j 1 0 i j

Remarque : Matrice(r, q)  matrice(q, p)=matrice(r, p) N.B : A   I et la matrice inverse est A   I .

1 1

Exemple
 Une matrice nilpotente est une matrice dont il existe une puissance égale à la matrice nulle. Elle
1 2 1 3 2 0 correspond à un endomorphisme nilpotent.
 1 1 0 2  1
A   1 1  B  𝐶 = (1 2 3) 𝐷 = 1
 
alors A  B   1 3 1 3   Une matrice singulière est une matrice qui n’est pas inversible (det A=0) .
 1 2   0 2 1 1 1  1 5 2 4   On appelle trace d’une matrice carrée d’ordre n, et on note 𝑡𝑟𝑎𝑐𝑒 (𝐴), le nombre obtenu en
   
additionnant les éléments diagonaux de 𝐴. Autrement dit, 𝑡𝑟𝑎𝑐𝑒 (𝐴) = 𝑎 + 𝑎 + ⋯ + 𝑎 .
Calculer (quand cela est possible) 𝐵𝐴, 𝐴𝐶, 𝐴𝐷, 𝐵𝐶, 𝐵𝐷, 𝐶𝐷, 𝐷𝐶, 𝐴 , 𝐵 , 𝐶 Cette quantité est une invariante de A, c’est-à-dire elle ne change pas quand on change de base.

Propositions
I-1-4 Matrice transposée – Matrice symétrique
Le produit des matrices est associatif A( BC )  ( AB )C On appelle transposée d’une matrice A de type (p, q) la matrice t A obtenu en changeant les lignes et les
colonnes de A. Si A est de type (p, q) alors t A est de type (q, p).
A( B  C )  AB  AC
On a ( A  B)C  AC  BC t(t A )  A t( A  B )  t A  t B t( AB )  t B t A
A( B )  ( A) B   AB
 On dira d’une matrice A qu’elle est symétrie si elle est égale à sa transposée. A est nécessairement
une matrice carrée, i e A  ( aij )  t A .
I-1-3 Quelques matrices particulières
 Si p=n et q=1, K un corps commutatif quelconque. Une matrice n  1 de la forme  A est anti symétrique si t A   A
 Toute matrice carrée A peut se décomposer en la somme d’une matrice symétrique et d’une
𝑎
𝑎 matrice anti symétrique : 𝐴 = (𝐴 + 𝑡 ) + (𝐴 − 𝑡 )
⎛ ⎞
𝐴 = ⎜ . ⎟ est appelé matrice colonne
. Symétrique Antisymétrique
𝑎
⎝ ⎠
Exemple : Ecrire la matrice ci-dessous comme somme d’une matrice symétrique et d’une matrice
 Si p=1 et q=n, une matrice 1  n a la forme A  (a11 , a12 ,....., a1n ) et est appelée matrice ligne. anisymétrique :
 Si p=q=n on a une matrice n  n dite matrice carrée d’ordre n.
2 10
 Toute matrice carrée dont tous les éléments en dessous (respectivement au-dessus) de la 𝐴=
8 −3
diagonale principale sont nuls est appelée matrice triangulaire supérieure (respectivement
inférieure).  Une matrice 𝐴 est orthogonale si 𝐴 est réelle et 𝐴𝑡 = 𝑡 𝐴 = 𝐼
 Si pour une matrice carrée (aij) on a aij=0 pour i≠j (i.e tous les éléments sont nuls sauf sur la
Exercices
diagonale), la matrice est dite diagonale et se présente sous la forme :
On donne les matrices suivantes
𝑎 0 0 2 0 0
 
𝐴= ⋮ ⋱ ⋮ Exemple A   0 1 0  1 3 7  1 0 2   3 1 2 
0 0⋯ 𝑎  0 0 3
  A   1 2 3  B   0 3 1  C   1 1 2 
 1 8 11   2 1 2   2 2 0 
     
Et si tous les éléments de cette diagonale sont tous égaux à 𝛼 un scalaire alors A est appelée matrice
scalaire et se définit donc comme suit Déterminer t A , tB , et tC

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 6 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 7
Les complexes Les complexes

Calculer AB, AC , BC , tBt A , tC t A , tC tB . n n

det A    1 aij det  Aij    ( 1)i  j aij det( Aij )
i j

i 1 j 1

I-1-5 Conjugué d’une matrice Aij est appelé mineur associé à aij ou cofacteur.
Si 𝐴 = (𝑎 ) ∈ 𝑀 , (𝕂), sa conjuguée 𝐴̅ est la matrice 𝑏 ∈𝑀 , (𝕂) définie par :
 2 1 1 
∀ ,∀ 𝑏 =𝑎 ; 𝐴̿ = 𝐴 ; 𝑡 = 𝑡 ̅ ; det(𝐴̅) = det(𝐴) ; 𝐴 + 𝜆𝐵 = 𝐴̅ + 𝜆̅𝐵  
Exemple : On considère la matrice carrée d’ordre 3, A   1 2 1  . Calculer son déterminant.
On notera 𝐴∗ la matrice transconjuguée ou matrice adjointe. 𝐴∗ = 𝑡 ̅ .  1 1 2 
 
 Une matrice 𝐴 est dite hermitienne si 𝐴 = 𝐴∗ Réponse : det A  0
 Une matrice 𝐴 est dite normale si 𝐴𝐴∗ = 𝐴∗ 𝐴
 Une matrice 𝐴 est dite unitaire si 𝐴𝐴∗ = 𝐴∗ 𝐴 = 𝐼 Propriétés :

I-1-6 Notations 1) Si on ajoute à une colonne (resp. à une ligne ) de A, une combinaison linéaire des autres colonnes
 ℳ , (𝕂) est l’ensemble des matrices 𝑛 × 𝑝 à coefficients dans 𝕂 (resp. lignes), on ne change pas la valeur de det (A).
 ℳ (𝕂) est l’ensemble des matrices carrées 𝑛 × 𝑛 à coefficients dans 𝕂 2) Si on multiplie une colonne ou une ligne de A par un élément  de K, la valeur de det(A) est
 𝒯 (𝕂) est l’ensemble des matrices triangulaires supérieures de ℳ (𝕂) multipliée par  .
 𝔇 (𝕂) est l’ensemble des matrices diagonales de ℳ (𝕂) 3) det(A)=0 dès que deux colonnes ou lignes sont égales.
 𝒮 (𝕂) est l’ensemble des matrices symétriques de ℳ (𝕂)
4) det(A)= det( t A )
 𝒜 (𝕂) est l’ensemble des matrices antisymétriques de ℳ (𝕂)
5) det(𝜆𝐴) = 𝜆 det(𝐴)
6) lorsque la matrice A est triangulaire ( inférieure ou supérieure), son déterminant est égale au
produit des éléments de la diagonale principale
I-1-7 Déterminant d’une matrice carrée
   7) Si A  M n ( K ) , on a det( A)  det A .
Soient E un espace vectoriel sur K, B  (e1 , e2 ,...., en ) une base de E. Soit A  (aij )  M n ( K ) où M n ( K ) est
1
l’ensemble des matrices carrées d’ordre n sur K. V1 ,V2 ,......,Vn sont les vecteurs colonnes de A 8) Si A est inversible ( det A  0 ) alors det( A) 1  .
det( A)
 a11   a1n  9) det (AB)= detA  detB
    10) Deux matrices semblables ont le même déterminant
 .  
V1   .  ...........Vn   .  11) det A=0  les colonnes V1 ,......,Vn sont linéairement dépendantes.
   
 .   . 
a  a 
 n1   nn 
I-1-8 Comatrice
Le déterminant de A dans la base B est le déterminant des vecteurs colonnes de A par rapport à cette Soit M  (aij )  M P ( K ) , définissons d’abord la matrice N  (bij )  M p ( K ) par bij  ( 1)i  j det( M ij ) . M ij
base. Il se note étant obtenue de M par suppression de la ligne de rang i et la colonne de rang j. 𝑁 est appelé comatrice
de M et est notée 𝑀∗ et 𝑎 le mineur correcpondant.
a11 . . . a1n
. . 1 0 −1 −2 −1 −1
det A ou . . ou aij . Exemple : 𝑀 = 0 −1 1 ⟹ 𝑀∗ = −2 −1 −2
−1 2 0 −1 −1 −1
. .
an1 . . . ann Notée 𝑡 ∗ la transposée de la comatrice est appelée matrice complémentaire

Pour le calcul pratique

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 8 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 9
Les complexes Les complexes

I-1-9 Matrice inversible I-1-10 Matrice inverse

Une matrice A  M n ( K ) (ensemble des matrices carrées d’ordre n à coefficients dans K) est dit inversible On a alors 𝑀 =
∗
= 𝑡 ∗
( )
s’il existe B  M n ( K ) tel que AB  BA  I . On dit aussi que la matrice est régulière.
Exemple
Très souvent, en pratique on définit une matrice  1 0 1  2 1 1   2 2 1
    A*  
A   0 1 1   B  ( 1)i  j det( Aij )   2 1 2   A*  t B  A1    1 1 1 .
 a1 b1 c1   1 2 0   1 1 1  det A  
     1 2 1
M   a2 b2 c2 
 a3 b3 c3 
I-2 Systèmes d’équations du 1er degré ou linéaires
comme étant inversible si et seulement si les vecteurs colonnes u  (a1 , a2 , a3 ) , v  (b1 , b2 , b3 ) ,
I-2-1 Définition analytique
w  (c1 , c2 , c3 ) sont linéairement indépendants. Ce résultat se généralise au cas d’une matrice carrée Dans cette partie, il est important de rappeler quelques généralités telles que les différentes formes
d’ordre quelconque. Cette définition revient à montrer que le déterminant de M est différent de zéro d’écriture des systèmes d’équations.
(notion qui sera développé dans le chapitre suivant).
Un système de n équations à p inconnues sous sa forme analytique est décrite par :
 2 1 1 
𝑎 𝑥 + 𝑎 𝑥 + ⋯ … … . +𝑎 𝑥 = 𝑑
Exemple : Soit M   1 2 1  n’est pas inversible car on note immédiatement que ⎧ .
⎪
 1 1 2 . (S)
⎨ .
⎪
 2   1   1   0 ⎩𝑎 𝑥 + 𝑎 𝑥 + ⋯ … … . +𝑎 𝑥 = 𝑑
       
u  1   v  1   w  1    0   (u, v, w) famille liée  det M=0.
Les 𝑎 sont les coefficients ; les 𝑑 sont appelés second membre; les 𝑥 les inconnues du système.
 1   2   2   0 
       
Lorsque les seconds membres sont nuls (𝑑 =0), le système est dit homogène. Un tel système admet au
moins la solution 𝑥 = 𝑥 = ⋯ … … … = 𝑥 = 0
Théorème 1 : Soit A  M n ( K ) , les conditions suivantes sont équivalentes.
Une solution est un p-uplet (𝑥 , 𝑥 , … 𝑥 ) qui vérifie (S). Résoudre (S), c’est chercher toutes les solutions.
Il existe B  M n ( K ) / BA  I (A est inversible à gauche)

Il existe C  M n ( K ) / AC  I (A est inversible à droite) I-2-2 Définition matricielle

En introduisant les matrices
A est inversible  B / AB  BA  I 𝑎 ⋯ 𝑎 𝑑 𝑥
𝐴= ⋮ ⋱ ⋮ ,𝐷 = ⋮ , 𝑋= ⋮
L’application linéaire f A : K n  K n définie par X  AX est un automorphisme. 𝑎 ⋯ 𝑎 𝑑 𝑥

Les vecteurs colonnes de A forment une base de K n . C’est cette définition qui se réduit très souvent à Le système (S) s’écrit sous la forme de l’équation matricielle
montrer que le déterminant de A est différent de 0(la plus utilisée).
𝐴𝑋 = 𝐷
Théorème 2 : Pour qu’une matrice A  M p ( K ) soit inversible, il faut et il suffit que det A  0 .
I-2-3 Définition vectorielle
Dans le cas particulier d’une matrice triangulaire ou diagonale, elle sera inversible si et seulement si tous
Si 𝐴⃗ , 𝐴⃗ , … . , 𝐴⃗ sont les vecteurs dont les composantes sont les colonnes de la matrice A alors le système
les éléments de la diagonale principale sont tous non nuls, étant donné que le déterminant qui est dans
ce cas le produit de tous ces éléments est différent de zéro. (S) est équivalent à l’équation vectorielle 𝐴⃗ 𝑥 + 𝐴⃗ 𝑥 + ⋯ . + 𝐴⃗ 𝑥 = 𝐷⃗ .

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 10 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 11
Les complexes Les complexes

I-2-4 Equivalence 𝑥+𝑦−𝑧 = 8

Deux systèmes (S) et (S’) sont dits équivalents s’ils admettent le même ensemble solution. 𝑥 + 2𝑦 − 3𝑧 = 3

I-2-5 Système impossible ou incompatible

Un système est impossible ou incompatible s’il n’admet pas de solution. b)- Cas où 𝐩 ≤ 𝐧

I-2-6 Système en escalier, Rang d’un système Dans ce cas, le nombre p d’inconnues est inférieur ou égal au nombre n d’équations. On résout le
a) Réduction système en choisissant de façon arbitraire p équations qu’on résout par l’une des méthodes classiques.
Quand un système contient une équation du type : Les solutions obtenues ne sont solutions du système de départ que si celles-ci vérifiées les (n-p) équations
0𝑥 + ⋯ … … … … + 0𝑥 = 𝑏, restantes.
- si 𝑏 ≠ 0 , le système est impossible,
Exemples : Résoudre le système suivant :
- si 𝑏 = 0 , on peut supprimer cette équation, ce qui conduit à un système réduit.
2𝑥 + 𝑦 = 8
b) Définition −6𝑦 + 7𝑧 = −19
Un système (S) est en escalier, ou échelonné si, après réduction, le nombre de premiers coefficients −𝑥 + 𝑧 = −2
nuls successifs de chaque équation est strictement croissant. 4𝑥 + 7𝑦 − 𝑧 = 25

I-2-9 Quelques exemples de résolution de systèmes d’équations de Cramer

c) Rang d’un système Parmi les nombreuses méthodes qui existent, nous nous focaliserons sur deux d’entre elles :

Le nombre d’équations du système (non impossible) réduit en escalier obtenu par la méthode du  Méthode par élimination de Gauss ou pivot de Gauss ;
pivot de Gauss est le rang r du système (S). Très souvent on détermine le rang d’une matrice par le même  La méthode du déterminant.
procédé. Nous supposons acquise la méthode de substitution.
2 1 0 Ces méthodes seront apprises directement sur trois exemples concrets.
0 1 1
1) Exemple : Déterminer le rang de la matrice suivante :
1 2 −1 𝑥+𝑦+𝑧 = 1
−1 1 0 1- 𝑥 − 2𝑦 − 2𝑧 = 0
2𝑥 + 2𝑦 − 𝑧 = −1
I-2-7 Système de Cramer
Un système de n équations à p inconnues est dit de cramer si n=p. Dans ce cas, A est une matrice 5𝑥 + 3𝑦 − 8𝑧 + 4𝑡 = 3
carrée et inversible i.e. qu’un système est dit de Cramer s’il admet une et une seule solution. A partir de la −𝑥 + 2𝑦 + 2𝑡 = 9
2-
3𝑥 − 4𝑦 + 2𝑧 − 4𝑡 = −11
forme matricielle de (S), on peut écrire : 𝐴𝑋 = 𝐷 ⟷ 𝑋 = 𝐴 𝐷 .
2𝑥 + 3𝑦 + 𝑧 + 3𝑡 = 20
3- Déterminer suivant les valeurs du paramètre a, l’ensemble des solutions de ce système :

I-2-8 Méthodes pratiques de résolution des systèmes linéaires 𝑎𝑥 + 𝑦 = 𝑧

𝑥 + 𝑎𝑦 = 𝑒 où 𝑎 ∈ℝ

a)- Cas où p>n A ce système, associons l’écriture matricielle 𝐴𝑋 = 𝐷 avec

Dans ce cas, le nombre d’inconnues dépasse le nombre n d’équations. Pour résoudre ce type 5 3 −8 4 𝑥 3
d’équation, on fixe le nombre (p-n) d’inconnues de trop (choisit arbitrairement) comme étant connu que −1 2 0 2 𝑦 9
, 𝑋= , 𝐷=
3 −4 2 −4 𝑧 −11
l’on renvoie ensuite dans le second membre. On résout ensuite le système de n équations à n inconnues
2 3 1 3 𝑡 20
ainsi obtenu par une des méthodes choisies (substitution, addition, pivot ou élimination de Gauss,
déterminant). Au lieu de considérer la matrice A et le vecteur 𝐷⃗ séparément, nous allons grouper A et D et n’en
faire qu’une seule matrice C à quatre lignes et 5 colonnes. La cinquième colonne représentant le
Exemple : On considère le système suivant :
vecteur𝐷⃗.
Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 12 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 13
Les complexes Les complexes

L’idée générale de cette méthode est d’effectuer les transformations sur les lignes de la matrice C répètent qu’on élimine. On aboutit à un système réduit d’équations dont le nombre d’inconnues dépasse le
de façon à remplacer le système proposé par un système équivalent de type : nombre d’équations (ce que l’on sait résoudre).

𝑎𝑥 + 𝑏𝑦 + 𝑐𝑦 + 𝑑𝑡 = 𝐴
𝑏 𝑦 + 𝑐 𝑧 + 𝑑 𝑡 = 𝐴′
(S’) Appliquons la méthode du déterminant sur le système précédent. Pour cela reconsidérons la forme
𝑐 𝑦 + 𝑑 𝑡 = 𝐴′′
𝑑 𝑡 = 𝐴′′′ matricielle du système

Dans le système (S’), la matrice des coefficients du système est alors triangulaire et la résolution 5 3 −8 4 𝑥 3
−1 2 0 2 𝑦 9
est immédiate. Le principe de l’élimination de Gauss s’appuie sur le fait qu’en ajoutant à une ligne de C =
3 −4 2 −4 𝑧 −11
une combinaison linéaire des autres lignes, on ne change pas la nature du système. Identifions les lignes 2 3 1 3 𝑡 20
de C par 𝐿 , 𝐿 , 𝐿 , 𝐿 ; chaque fois qu’on a la possibilité, on effectue une permutation sur les lignes afin
d’obtenir une matrice dont le premier coefficient est ±1.

Rappels : Les solutions sous forme de déterminant se présentent comme suit :

3 3 −8 4 5 3 −8 4 5 3 3 4
Toute permutation de ligne n’influence pas les résultats du système.
9 2 0 2 −1 9 0 2 −1 2 9 2
Diviser ou multiplier une ligne par un scalaire 𝛼 ne modifie pas les solutions du système. −11−4 2 −4 3 −11 2 −4 3 −4−11−4
𝑥 = 20 3 1 3 ; 𝑦= 2 20 1 3 ; 𝑧 = 2 3 20 3 ;
Toujours permuter la ligne du pivot par une ligne de rang supérieur lorsque le pivot est nul. 5 3 −8 4 5 3 −8 4 5 3 −8 4
−1 2 0 2 −1 2 0 2 −1 2 0 2
Permuter (mais pas obligatoire) la ligne du pivot avec tout autre ligne dont le nombre sur la colonne du 3 −4 2 −4 3 −4 2 −4 3 −4 2 −4
2 3 1 3 2 3 1 3 2 3 1 3
possible est ±1(lorsque cela est possible

Appliquons cette méthode dans le cas de notre exemple.

5 3 −8 3
5 3 −8 4 3 𝐿 −1 2 0 9
−1 2 0 2 9 𝐿 3 −4 2 −11
𝐶=
3 −4 2 −4−11 𝐿
2 3 1 3 20 𝐿 𝑡 = 2 3 1 20
5 3 −8 4
−1 2 0 2
Exercice : Résoudre par la méthode du pivot de Gauss le système ci-dessous : 3 −4 2 −4
𝑥+𝑦+𝑧=1 2 3 1 3
𝑥 − 2𝑦 − 2𝑧 = 0 Méthode rapide de calcul d’un déterminant d’ordre 3. Considérons une matrice carrée A de la forme
2𝑥 + 2𝑦 − 𝑧 = −1
𝑎 𝑎 𝑎
I-3-2 Méthode du déterminant 𝐴= 𝑎 𝑎 𝑎 Dont on veut calculer son déterminant. On procède la façon suivante :
𝑎 𝑎 𝑎
La méthode de déterminant encore appelé méthode de Cramer, ne s ‘applique que sur les systèmes de Cramer. Elle
est très indiquée pour les systèmes avec paramètres. Elle est basée sur le calcul d’un déterminant principal Δ et de
n déterminants secondaires Δ (n=nombre d’inconnues).
𝑎 𝑎 𝑎 𝑎 𝑎
𝑎 𝑎 𝑎 𝑎 𝑎
- Lorsque Δ ≠ 0, le système admet une unique solution qui est le n-uplet 𝑆 = ( , ,…, )
𝑎 𝑎 𝑎 𝑎 𝑎
- Lorsque Δ = 0,
 Si au moins un déterminant secondaire Δ ≠ 0, alors 𝑆 = ∅ Det (A)=(𝑎 𝑎 𝑎 +𝑎 𝑎 𝑎 + 𝑎 𝑎 𝑎 ) − (𝑎 𝑎 𝑎 +𝑎 𝑎 𝑎 +𝑎 𝑎 𝑎 )
 Si tous les déterminants secondaires Δ sont nuls, alors on a une infinité de solution dont la forme
sera trouvée en procédant comme suit : En faisant une série de substitutions, on identifie les équations qui se On peut effectuer la même opération en utilisant plutôt les lignes.

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 14 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 15
Les complexes Les complexes

EXERCICES DU CHAPITRE 1 𝑥 − 2𝑦 + 𝑧 + 𝑡 = −2
𝑥 + 2𝑦 − 3𝑧 = 4 𝑦+𝑧=5
A- CALCULS MATRICIELS 𝑥 + 3𝑦 − 𝑧 = 11 𝑥+𝑧=4
2𝑥 − 𝑦 − 𝑧 − 𝑡 = −1 ; ;
Exercice A1 : 2𝑥 + 5𝑦 − 5𝑧 = 13 𝑥 + 𝑦 + 2𝑧 = 9
𝑥 + 𝑦 + 𝑧 + 𝑡 = −8
𝑎 𝑏 𝑥 + 4𝑦 + 𝑧 = 18 −𝑥 + 𝑦 = 1
Soit 𝑀 = ∈ 𝕄 (ℝ). Montrer que : 𝑀 − (𝑎 + 𝑑)𝑀 + (𝑎𝑑 − 𝑏𝑐)𝐼 = 0
𝑐 𝑑

Exercice A2 : Montrer que les matrices suivante sont inversibles trouver cet inverse. Exercice B2 : Déterminer, selon les valeurs du paramètre 𝑎 l’ensemble des solutions des systèmes suivant.
1 2 1 1 1 1 1 1 0
𝐴= 1 1 0 , 𝐵= 0 1 1 , 𝐶= 1 1 1 𝑥 − 2𝑦 = 2 𝑎𝑥 + 𝑦 = 2 𝑎𝑥 + (1 − 𝑎)𝑦 = 1 𝑥 − 2𝑦 = 2 𝑎𝑥 + (1 − 𝑎)𝑦 = 𝑎
; ; ; ;
−2 0 1 0 0 1 0 1 1 𝑥 − 𝑎𝑦 = 𝑎 𝑥 + 𝑎𝑦 = 2 (1 − 𝑎)𝑥 − 𝑎𝑦 = 𝑎 𝑥 − 𝑎𝑦 = 𝑎 𝑎𝑥 + 𝑎𝑦 = 𝑎

Exercice A3 : Soit 𝐴 ∈ 𝕄 (ℝ) telle que 4 𝐴 − 3 𝐴 − 𝐼 = 0. Montrer que 𝐴 est inversible et 𝑥 − 2𝑦 + 𝑎𝑧 = 1

2𝑥 + 3𝑦 − 2𝑧 = 5
2𝑥 + 𝑎𝑦 + 4𝑧 = 0 3𝑥 − 𝑎𝑦 + 2𝑧 = 1
exprimer 𝐴 . 𝑥 − 2𝑦 + 3𝑧 = 2 ; ; ;
𝑥 + 𝑦 + 2𝑎𝑧 = −3 𝑎𝑥 + 𝑦 − 𝑧 = 4
4𝑥 − 𝑦 + 4𝑧 = 𝑎
𝑥 − 2𝑦 + 𝑧 = 𝑎
Exercice A4 :
Exercice B3 : Résoudre les systèmes linéaires suivant dans C
Déterminer le rang des matrices suivantes :
𝑥 − 𝑖𝑦 = 1 𝑖𝑥 − 𝑖𝑦 = 1 + 𝑖 (1 − 2𝑖)𝑥 − 𝑖𝑦 = 1 (1 + 𝑖)𝑥 − 𝑖𝑦 = 1
2 1 0 2 1 1 0 2 ; ; ;
1 2 −2 0 −2 0 𝑖𝑥 − 𝑦 = 1 𝑖𝑥 + 𝑦 = 1 − 𝑖 𝑖𝑥 − (1 + 𝑖)𝑦 = 1 + 3𝑖 𝑖𝑥 + (1 − 𝑖)𝑦 = −1
0 1 1 0 1 −1 1 1
; 3 5 −2 ; ; 2 0 4 ;
1 2 −1 −1 2 −3 −1 −2 Exercice B4: Résoudre les systèmes suivants en utilisant le Pivot de GAUSS
2 2 −1 1 2 2
−1 1 0 1 1 0 0 1
1 −2 3 1 3𝑥 − 𝑦 + 2𝑧 = 𝑎 𝑥 + 𝑦 + 2𝑧 = 5
−2 1 4 5 (en discutant suivant les valeurs de 𝛼 et de 𝛽) −𝑥 + 2𝑦 − 3𝑧 = 𝑏 ; 𝑥−𝑦−𝑧 =1
1 𝛼 1 𝛽 𝑥 + 2𝑦 + 𝑧 = 𝑐 𝑥+𝑧 =3

Exercice B5: Pour quelles valeurs de m le système est-il de Cramer ? Lorsqu’il est de Cramer, trouver
B- SYSTEMES LINAIRES l’ensemble de solution en fonction de m

Exercice B1 : Résoudre les systèmes linéaires suivants 𝑥 + (𝑚 + 1)𝑦 = 𝑚 + 2 𝑚𝑥 + (𝑚 − 1)𝑦 = 𝑚 + 2

;
𝑚𝑥 + (𝑚 + 4)𝑦 = 3 (𝑚 + 1)𝑥 − 𝑚𝑦 = 5𝑚 + 3
𝑥 − 2𝑦 + 3𝑧 = 5 𝑥 + 2𝑦 − 𝑧 = 5 −𝑦 + 𝑧 = 1 2𝑥 + 𝑦 − 𝑧 = 3
2𝑥 − 4𝑦 + 𝑧 = 5 ; 2𝑥 + 𝑦 + 𝑧 = 10 ; −5𝑥 + 2𝑦 − 𝑧 = −1 ; 𝑥 − 𝑦 + 𝑧 = 2 Exercice B6:
3𝑥 − 5𝑦 + 2𝑧 = 8 𝑥 + 2𝑧 = 0 𝑥 − 2𝑧 = 4 𝑥 + 𝑦 + 2𝑧 = 0
Résoudre par la méthode du pivot de Gauss, les systèmes suivants:
−𝑦 + 𝑧 = 1 +𝑦 − 2𝑧 = 3 10𝑥 + 9𝑦 + 𝑧 = −50 10𝑥 + 9𝑦 + 𝑧 = −50
𝑥 + 2𝑥 − 𝑥 = 1 3𝑥 − 5𝑦 + 𝑧 = 𝑎
−5𝑥 + 2𝑦 − 𝑧 = −1 ; −2𝑥 − 3𝑦 + 𝑧 = 2 ; 9𝑥 + 10𝑦 + 5𝑧 = 40 ; 9𝑥 + 10𝑦 + 5𝑧 = 41
2𝑥 − 3𝑥 + 2𝑥 = −2 𝑆=( ; − ; − ) 𝑥 + 2𝑦 − 3𝑧 = 𝑏
𝑥 − 2𝑧 = 4 3𝑥 + 𝑦 − 2𝑧 = 0 𝑥 + 5𝑦 + 9𝑧 = 180 𝑥 + 5𝑦 + 9𝑧 = 180
3𝑥 + 𝑥 − 𝑥 = 3 5𝑥 − 12𝑦 + 5𝑧 = 𝑐
𝑥 − 2𝑦 + 3𝑧 = 0 𝑥 + 2𝑦 − 𝑧 = 0 𝑥 − 𝑦 + 3𝑧 = 0 2𝑥 + 𝑦 − 𝑧 = 0 −𝑦 + 𝑧 = 1
2𝑥 − 4𝑦 + 𝑧 = 0 ; 2𝑥 + 𝑦 − 2𝑧 = 0 ; −𝑥 + 4𝑦 + 𝑧 = 3 ; 𝑥 − 𝑦 + 𝑧 = 1 ; 3𝑥 + 2𝑦 − 𝑧 = 2
3𝑥 − 6𝑦 + 2𝑧 = 0 𝑥−𝑧 = 0 −3𝑦 − 4𝑧 = −3 𝑥 + 2𝑦 − 3𝑧 = −2 𝑥 − 2𝑧 = −1
𝑥−𝑦−𝑧−𝑡 = 3 𝑥−𝑦+𝑧−𝑡 = 1
+𝑦 − 2𝑧 = 3 3𝑥 + 4𝑦 + 𝑧 + 2𝑡 = 3
2𝑥 − 𝑧 + 3𝑡 = 9 𝑥 + 𝑦 − 𝑧 − 𝑡 = −1
−2𝑥 − 3𝑦 + 𝑧 = −2 ; ; ; 6𝑥 + 8𝑦 + 2𝑧 + 5𝑡 = 7
3𝑥 + 3𝑦 + 2𝑧 = 4 𝑥+𝑦+𝑧−𝑡 = 0
3𝑥 + 𝑦 − 3𝑧 = 1 9𝑥 + 12𝑦 + 3𝑧10𝑡 = 13
−𝑥 − 2𝑦 + 𝑧 − 𝑡 = 0 𝑥−𝑦−𝑧+𝑡 = 2

Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 16 Cours d’Algèbre Linéaire par Dr. NOUBISSIE Samuel Page 17