Département de Sciences Économiques et Gestion

Algèbre linéaire
Semestre : 2

Année universitaire : 2020-2021

Ali Jaatit
Table des matières

1 Matrices 1
1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Définition d’une Matrice . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Addition & Multiplication par un scalaire . . . . . . . . . . . . . . 4
2.2 Produit des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Trace d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Déterminants 11
1 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . 11
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1 Inversion d’une matrice par la méthode des cofacteurs . . . . . . . . 14
2.2 Inversion d’une matrice par la méthode de Gauss . . . . . . . . . . 15

3 Systèmes linéaires 19
1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Méthodes de résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1 Résolution par Règle de Cramer . . . . . . . . . . . . . . . . . . . . 20
2.2 Résolution par inversion matricielle . . . . . . . . . . . . . . . . . . 22
2.3 Résolution par Pivot de Gauss . . . . . . . . . . . . . . . . . . . . . 22

i
Chapitre 1

Matrices

1 Généralités
1.1 Définition d’une Matrice
Définition.
- Une matrice réelle A est un tableau rectangulaire d’éléments de R.
- Elle est dite de type (n, p) si le tableau possède n lignes et p colonnes.
- Les nombres du tableau sont appelés les coefficients de A.
- Le coefficient situé à la ième ligne et à la j ème colonne est noté aij .

Un tel tableau est représenté de la manière suivante :

a11 · · · a1j · · ·
 
a1p
 .. .. .. 
 . . . 
A =  ai1 · · · aij ··· aip  ou (aij )1≤i≤n
 
 . .. ..  1≤j≤p
 .. . . 
an1 · · · anj · · · anp

- L’ensemble des matrices à n lignes et p colonnes à coefficients dans R est noté Mn,p (R).

Exemple :
 
1 −2 5
A= est une matrice de type (2, 3).
0 3 7

1
1.2 Matrices particulières
Matrices lignes :
Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou vecteur
ligne. On la note

A = a11 a12 · · · a1p
Matrices colonnes :
Une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice colonne ou
vecteur colonne. On la note  
a11
 a21 
A =  .. 
 
 . 
an1
Matrice nulle :
La matrice (de type (n, p)) dont tous les coefficients sont des zéros est appelée la ma-
trice nulle et est notée 0n,p ou plus simplement 0.

Matrices carrées :
Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice carrée
d’ordre n (ou de taille n). On note Mn (R) au lieu de Mn,n (R), l’ensemble des matrices
carrées d’ordre n à coefficients dans R.
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  ..
 
.. . . .. 
 . . . . 
an1 an2 · · · ann

Les éléments a11 , a22 , ..., ann forment la diagonale principale de la matrice.

Matrice identité :
La matrice carrée dont tous les coefficients diagonaux valent 1, s’appelle la matrice
identité  
1 0 ··· ··· 0
.. .. 
0 1 . .

. . . . . 
In =  .. . . .. . . .. 
. . .
 .. .. . . 0


0 ··· ··· 0 1
Matrices triangulaires :

2
 Soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n.
La matrice A est dite triangulaire supérieure si i > j =⇒ aij = 0.
La matrice A est dite triangulaire inférieure si i < j =⇒ aij = 0.

Matrices diagonales :
La matrice A est dite diagonale si A est triangulaire supérieure et inférieure, autrement
dit si i 6= j =⇒ aij = 0.

Exemples :

a11 a12 · · · · · · a1n

 
 0 a22 · · · · · · a2n 
 . .. 
 . ... ...
U = . .  est une matrice triangulaire supérieure.

 . .. .. .. 
 .. . . . 
0 · · · · · · 0 ann

 
a11 0 ··· ··· 0
..
 a21 a22 . 0
 

 . .. ... ... .. 
 ..
L= . . est une matrice triangulaire inférieure.


 . .. ...
 ..

. 0 
an1 an2 · · · · · · ann

a11 0 · · · · · · 0
 
 0 a22 · · · · · · 0 
 . .. 
 . ... ...
D= . .  est une matrice diagonale.

 . .. .. .. 
 .. . . . 
0 · · · · · · 0 ann

2 Opérations sur les matrices

Égalité :
Deux matrices sont égales lorsqu’elles ont le même type et que les coefficients corres-
pondants sont égaux.

3
2.1 Addition & Multiplication par un scalaire
Définition. Soient A = (aij )1≤i≤n et B = (bij )1≤i≤n deux matrices de même type (n, p).
1≤j≤p 1≤j≤p
La somme de A et B est donnée par
A + B = (aij + bij )1≤i≤n
1≤j≤p

Exemple :   
3 −2 0 4
Soient A = et B = .
1 7   5 7  
3 −2 0 4 3 2
Donc A + B = + =
1 7 5 −3 6 4

Définition. Soient A = (aij )1≤i≤n et λ ∈ R. Le produit de A par λ est

1≤j≤p

λ.A = (λaij )1≤i≤n

1≤j≤p

Exemple : 
1 2 0
Soient A = et λ = 3.
−1
 1 3 
3 6 0
Donc λ.A =
−3 3 9
Remarque :
La matrice (−1)B est l’opposée de B et est notée −B.
La différence A − B est définie par A + (−B).

Exemple :   
2 −1 0 −1 4 −2
Soient A = et B = .
4 −5 2  7 −5 3
3 −5 2
Donc A − B =
−3 0 −1

Proposition. Soient A, B et C ∈ Mn,p (R) et α, β ∈ R.

(i) A + B = B + A.
(ii) A + (B + C) = (A + B) + C.
(iii) A + 0 = A.
(iv) (α + β)A = αA + βA.
(v) α(A + B) = αA + αB.

4
2.2 Produit des matrices
Produit d’une matrice ligne par une matricecolonne  :
b11

b21 
Soient L = a11 a12 · · · a1p ∈ M1,p (R) et C =  ..  ∈ Mp,1 (R).
 
 . 
bp1
Le produit de L et C est un scalaire, dit produit scalaire, et donné par :
 
b11

b21 

LC = a11 a12 · · · a1p  ..  = a11 b11 + a12 b21 + · · · + a1p bp1 .

 . 
bp1
Exemple :  
4

−7
Soient L = 2 0 −3 1 et C = 
 1 .


5
 
4

−7
On a LC = 2 0 −3 1  1  = 2 × 4 + 0 × (−7) + (−3) × 1 + 1 × 5 = 10.


Produit de deux matrices :

Définition. Soient A = (aij ) 1≤i≤n une matrice de type (n, p) et B = (bij )1≤k≤p une ma-
1≤k≤p 1≤j≤q
trice de type (p, q). Le produit de A et B est la matrice de type (n, q) donnée par
p
X 
AB = aik bkj 1≤i≤n
.
k=1 1≤j≤q

5
 Autrement dit, soient colonne Cj
↓

a11 · · · a1j · · · b11 · · · b1j · · ·

   
a1p b1q
 .. .. ..   .. .. .. 
 . . .   . . . 
A =  ai1 · · · aij ··· aip  ← ligne Li B =  bi1 · · · bij · · · biq .
   
 . .. ..   . .. .. 
 .. . .   .. . . 
an1 · · · anj · · · anp bp1 · · · bpj · · · bpq
Donc
L1 C1 · · · L1 Cj · · ·
 
L1 Cq
 .. .. .. 
 . . . 
AB =  Li C1 · · · Li Cj ··· Li Cq  .
 
 . .. .. 
 .. . . 
Ln C1 · · · Ln Cj · · · Ln Cq
Exemple :  
  1 2 0
1 3 0
Soient A = et B = 0 2 3
−1 1 2
0 −1 −2
La matrice A est de type (2, 3), la matrice B est de type (3, 3), donc le produit AB est
une matrice de type (2, 3) :

 
1×1+3×0+0×0 1 × 2 + 3 × 2 + 0 × (−1) 1 × 0 + 3 × 3 + 0 × (−2)
AB =
−1 × 1 + 1 × 0 + 2 × 0 −1 × 2 + 1 × 2 + 2 × (−1) −1 × 0 + 1 × 3 + 2 × (−2)
 
1 8 9
=
−1 −2 −1
Remarque :
Le produit de matrices n’est pas commutatif en général.
En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux
définis mais pas du même type. Mais même dans le cas où AB et BA sont définis et du
même type, on a en général AB 6= BA.

Exemple :
           
1 0 1 −1 1 −1 0 −1 1 −1 1 0
. = 6= = .
1 1 2 1 3 0 3 1 2 1 1 1

6
Remarque :
AB = 0 n’implique pas A = 0 ou B = 0.
Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres termes,
on peut avoir A 6= 0 et B 6= 0 mais AB = 0.

Exemple :    
0 −1 2 −3
Soient A = et B = .
0 5  0 0
0 0
On a AB =
0 0
Proposition.

(i) A(BC) = (AB)C.

(ii) A(B + C) = AB + AC et (B + C)A = BA + CA.
(iii) A.0 = 0 et 0.A = 0.
(iv) Si A est une matrice de type (n, p), alors In .A = A et A.Ip = A.
Puissance d’une matrice :
Définition. Pour tout A ∈ Mn (R), on définit les puissances successives de A par
A0 = In , Ap+1 = Ap .A pour tout p ∈ N.
Autrement dit Ap = A.A.
| {z... .A}
p facteurs
Exemples :
– Soient A, B ∈ Mn (R), On a (A + B)2 = A2 + AB + BA + B 2 .
   p 
a 0 0 0 a 0 0 0
0 b 0 0 p
 0 bp 0 0 
– Si A = 
0
, on a A = 
 0 0 cp 0 

0 c 0
0 0 0 d 0 0 0 dp

2.3 Inverse d’une matrice

Définition. On dit qu’une matrice carrée A d’ordre n est inversible s’il existe une matrice
carrée B d’ordre n telle que
AB = In et BA = In .
On appelle B l’inverse de A et on la note A−1 .

7
 On retiendra que l’une des égalités AB = In ou BA = In suffit à affirmer que A et B
sont inverses l’une de l’autre.

Exemple :      
1 2 3 −2 1 0
Soient A = , et B = . On a AB = BA == = I2 .
1 3 −1 1 0 1
Donc A−1 = B
Proposition. (i) Soit A une matrice inversible. Alors A−1 est aussi inversible et on a :
(A−1 )−1 = A.

(ii) Soient A et B deux matrices inversibles de même ordre. Alors AB est inversible et
(AB)−1 = B −1 A−1 .

2.4 Transposée d’une matrice

Définition. La transposée d’une matrice A = (aij )1≤i≤n de type (n, p) est la matrice,
1≤j≤p
notée AT , de type (p, n) donnée par AT = (aji )1≤j≤p .
1≤i≤n

Autrement dit, la i-ème ligne de A devient la i-ème colonne de AT (et réciproquement

la j-ème colonne de AT est la j-ème ligne de A).

Exemple :  
1 −1 5
Soit la matrice A de type (2, 3) suivante : A =
3 0 7  
1 3
Sa transposée est la matrice AT de type (3, 2) suivante : AT = −1 0
5 7
Proposition. (i) (A + B)T = AT + B T .
(ii) (λA)T = λAT .
(iii) (AT )T = A.
(iv) (AB)T = B T AT .
(v) Si A est inversible, alors AT l’est aussi et on a (AT )−1 = (A−1 )T .
Définition.
Une matrice carrée A est dite symétrique si AT = A.
Une matrice carrée A est dite anti-symétrique si AT = −A.

8
2.5 Trace d’une matrice
Définition. La trace d’une matrice carrée A = (aij ) de taille n, notée tr(A), est la somme
des éléments de la diagonale de A.

tr(A) = a11 + a22 + ... + ann

 
1 2 0
Exemple : Soit A = 0 2 3 .
0 −1 −2
La trace de la matrice A est tr(A) = a11 + a22 + a33 = 1 + 2 + (−2) = 1.

Proposition. Soient A et B deux matrices carrées de taille n. Alors :

(i) tr(A + B) = tr(A) + tr(B).
(ii) tr(λA) = λtr(A) pour tout λ ∈ R.
(iii) tr(AT ) = tr(A).
(iv) tr(AB) = tr(BA).

9
10
Chapitre 2

Déterminants

1 Déterminant d’une matrice carrée

1.1 Définitions
Soit A = (aij )1≤i,j≤n ∈ Mn (R)
a11 · · · a1j · · ·
 
a1n
 .. .. .. 
 . . . 
A =  ai1 · · · aij ··· ain 
 
 . .. .. 
 .. . . 
an1 · · · anj · · · ann
Soit 1 ≤ i, j ≤ n. On note Aij la matrice carrée d’ordre n − 1 obtenue en supprimant
ème
la i ligne et la j ème colonne de A.
Définition. Le déterminant de A, noté det(A) ou |A|, est défini par
n
X
∀1 ≤ i ≤ n det(A) = (−1)i+j aij det(Aij )
j=1

ou de manière équivalente
n
X
∀1 ≤ j ≤ n det(A) = (−1)i+j aij det(Aij )
i=1

Exemples :   
a b a b 
• Pour A = , On a det(A) = 
  = ad − bc.
c d c d

11
  
5 0 6
• Pour A = 3 7 1, on peut calculer det(A) par l’une des formules de la définition : La
2 0 4
formule de développement suivant une ligne quelconque ou la formule de développement
suivant une colonne quelconque. Ici, pour simplifier le calcul, on choisit un développement
suivant la colonne 2 car elle contient des zéros.
 
5 0 6 3
  X
det(A) = 3 7 1 = (−1)i+2 ai2 det(Ai2 )
2 0 4 i=1
= (−1)1+2 a12 det(A12 ) + (−1)2+2 a22 det(A22 ) + (−1)3+2 a32 det(A32 )
     
3 1  5 6  5 6 
= (−1) × 0   + 1 × 7
2 4 + (−1) × 0 3 1
  
2 4
= 0 + 7 × (5 × 4 − 6 × 2) + 0
= 56

Remarque : En pratique, pour le développement d’un déterminant, on affecte à chaque

élément un signe, en commençant par le signe + et en respectant une alternance entre les
deux signes, par exemple :  
  + − +
 + −  
Déterminant d’ordre 2 :   Déterminant d’ordre 3 : − + −
− +  
+ − +


1.2 Propriétés
1) Un déterminant est nul si :
a) L’une des colonnes ou l’une des lignes est nulle ou
b) Deux colonnes ou deux lignes sont égales ou proportionnelles ou
c) Une ligne (colonne) est une combinaison linéaire des autres lignes (colonnes).
2) Un déterminant change de signe si l’on effectue un nombre impair de permutations. (Si
par exemple, on permute deux lignes uniquement ou deux colonnes uniquement).
3) Un déterminant est linéaire par rapport à chaque ligne et à chaque colonne ;
(si l’on multiplie tous les éléments d’une ligne ou d’une colonne par le même scalaire, le
déterminant est multiplié par ce scalaire).
4) Un déterminant ne change pas si :
- On ajoute à une ligne une combinaison linéaire des autres lignes,
X n
Li ← Li + αk Lk , k 6= i
k=1
- On ajoute à une colonne une combinaison linéaire des autres colonnes,

12
 n
X
Cj ← Cj + αk Ck , k 6= j
k=1
 
2 −1 3 −4
2 0 4 −5
Exemple : Calcul de déterminent de A = 
−2 4 3 1 


0 −3 1 −1

 
 2 −1 3 −4
 
2 0 4 −5
det(A) = 
−2 4 3 1 
 
 0 −3 1 −1
 
2 −1 3 −4
 
0 1 1 −1
= 
0 3 6 −3

 
0 −3 1 −1
 
 1 1 −1
 
= (−1)1+1 × 2  3 6 −3
−3 1 −1
 
 1 1 −1
 
= 2  3 6 −3
−3 1 −1
 
1 1 −1
 
= 2 0 3 0 
0 4 −4
  
1+1
3 0 
= 2 (−1) × 1  
4 −4
= 2(3 × (−4) − 0 × 4)
= −24

Proposition.
•A est inversible si et seulement si det(A) 6= 0.
• det(AT ) = det(A).
• det(AB) = det(A) det(B).
1
• det(A−1 ) = .
det(A)
• Le déterminant d’une matrice triangulaire est égal au produit des éléments diagonaux.

13
2 Inverse d’une matrice carrée

2.1 Inversion d’une matrice par la méthode des cofacteurs

Définition. Soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n . Soit Aij la matrice carrée
d’ordre n − 1 obtenue en supprimant la ième ligne et la j ème colonne de A.
On appelle cofacteur du coefficient aij le nombre (−1)i+j det(Aij ).
On appelle comatrice de A, notée C(A) = (cij )1≤i,j≤n , la matrice des cofacteurs de A
définie par :
cij = (−1)i+j det(Aij ), 1 ≤ i, j ≤ n

Étapes de l’inversion :

1) On vérifie si la matrice A est inversible. Pour cela, on calcule son déterminant :

a) Si det A = 0 alors A n’est pas inversible.
b) Si det(A) 6= 0 alors A est inversible, et on passe aux étapes suivantes

2) On détermine la comatrice de A : C(A)

3) On détermine la transposée de la comatrice de A : C T (A)

1
4) On en déduit l’inverse de la matrice A : A−1 = C T (A).
det(A)
 
−1 2 −1
Exemple : Calculer l’inverse de A =  2 3 1
2 −2 1
Calcul du déterminant de A :

 
−1 2 −1
 
det(A) =  2 3 1 
 2 −2 1 
     
 3 1  2 −1 2 −1
= −   − 2   + 2
 
−2 1 −2 1  3 1
= 5

1
On a donc det(A) 6= 0. D’où A est inversible et A−1 = C T (A).
det(A)

14
La comatrice de A :
      
 3 1 2 1 2 3 
 + −2 1
  −  +  
 2 1   2 −2 

  
  2 −1
 + −1 −1
 −1 2 
C(A) =  − 
 −2 1  2 − 
 2 −2

    1   
 2 −1
 − −1 −1
 −1 2 
+  +  
3 1 2 1  2 3
 
5 0 −10
=  0 1 2 
5 −1 −7
 
5 0 5
La transposée de la comatrice de A : C T (A) =  0 1 −1.
−10 2 −7
L’inverse de A :
1
A−1 = C T (A)
det(A)
 
5 0 5
1
= 0 1 −1
5
−10 2 −7
 
1 0 1
=  0 15 −1 5

−2 52 −7 5

2.2 Inversion d’une matrice par la méthode de Gauss

La méthode pour inverser une matrice A consiste à faire des opérations élémentaires
sur les lignes de la matrice A jusqu’à la transformer en la matrice identité I. On fait
simultanément les mêmes opérations élémentaires en partant de la matrice I. On aboutit
alors à une matrice qui est A−1 .
En pratique, on fait les deux opérations en même temps en adoptant la disposition
suivante :
À côté de la matrice A que l’on veut inverser, on rajoute la matrice identité pour
former un tableau (A|I).
Sur les lignes de la matrice (A|I), dite matrice augmentée, on effectue des opérations
élémentaires jusqu’à obtenir le tableau (I|B). Et alors B = A−1 .

Opérations élémentaires
(A|I) −−−−−−−−−−−−−−−−−→ (I|A−1 )

15
 Ces opérations élémentaires sur les lignes sont :

1) Li ← αLi avec α 6= 0 : on peut multiplier une ligne par un scalaire non nul.

2) Li ← Li + αLj avec α ∈ R et j 6= i : on peut ajouter à la ligne Li un multiple

d’une autre ligne Lj .

3) Li ↔ Lj : on peut échanger deux lignes.

−1 2 −1!
Exemple : Calculer l’inverse de A = 2 3 1 .
2 −2 1

−1 2 −1 | 1 0 0! L1
La matrice augmentée : (A|I) = 2 3 1 | 0 1 0 L2
2 −2 1 | 0 0 1 L3

1 −2 1 | −1 0 0! L1 ← (−1)L1
2 3 1 | 0 1 0
2 −2 1 | 0 0 1

1 −2 1 | −1 0 0!
0 7 −1 | 2 1 0 L2 ← L2 − 2L1
0 2 −1 | 2 0 1 L3 ← L3 − 2L1

1 −2 1 | −1 0 0!
−1 2 1
0 1 7
| 7 7
0 L2 ← 17 L2
0 2 −1 | 2 0 1

1 −2 1 | −1 0 0!
−1
0 1 7
| 72 1
7
0
−5 −2
0 0 7
| 10
7 7
1 L3 ← L3 − 2L2

16
1 −2 1 | −1 0 0!
−1 2 1
0 1 7
| 7 7
0
2 −7 −7
0 0 1 | −2 5 5
L3 ← 5
L3

1 −2 1 | −1 0 0!
1 −1
0 1 0 | 0 5 5
L2 ← L2 + 71 L3
2 −7
0 0 1 | −2 5 5

1 0 0 | 1 0 1 ! L1 ← L1 + 2L2 − L3
0 1 0 | 0 1
5
−1
5
= (I|A−1 )
2 −7
0 0 1 | −2 5 5

1 0 1! 1 5 0 5!
Donc A−1 = 0 1 −1 = 0 1 −1
5
2
5
−7 5
−2 5 5
−10 2 −7

17
18
Chapitre 3

Systèmes linéaires

1 Définitions
Définition. Soit n, p ≥ 1 des entiers. Un systeme lineaire n × p est un ensemble de n
équations linéaires à p inconnues de la forme


 a11 x1 + a12 x2 + . . . + a1p xp = b1



 a21 x1 + a22 x2 + . . . + a2p xp = b2

(S) .. .. .. .



 . . . = ..


an1 x1 + an2 x2 + . . . + anp xp = bn


- Les coefficients aij et les secondes membres bi sont des éléments donnés de R.
- Les inconnues x1 , x2 , ..., xp sont à chercher dans R.
- Le systeme homogène associé à (S) est le système obtenu en remplaçant les bi par 0.
- Une solution de (S) est un p-uplet (x1 , x2 , ..., xp ) qui vérifie simultanément les n équations
de (S). Résoudre (S) signifie chercher toutes les solutions.
- Un système est impossible, ou incompatible, s’il n’admet pas de solution. Un système
est possible, ou compatible, s’il admet une ou plusieurs solutions.
- Deux systèmes sont equivalents s’ils admettent les mêmes solutions.
Ècriture matricielle :
     
x1 b1 a11 a12 · · · a1p
 x2   b2   a21 a22 · · · a2p 
Si on note x =  ..  b =  ..  A =  ..
     
.. .. 
. .  . . . 
xp bn an1 an2 · · · anp

19
 le système (S) est équivalent à l’écriture matricielle Ax = b.

Définition. (Système de Cramer)

Un système linéaire (S) est dit de Cramer d’ordre n si
- (S) est un système de n équations à n inconnues et
- (S) admet une solution unique.

Remarque :
Il y a équivalence entre
- Le système est de Cramer.
- Le système homogène associé n’admet que le vecteur nul comme solution.
- La matrice A est inversible.
- det(A) 6= 0.

On propose de résoudre un système de Cramer (S) de n équations à n inconnues, écrit

sous sa forme matricielle Ax = b.

2 Méthodes de résolution
2.1 Résolution par Règle de Cramer
 
x1
 x2 
Un système de Cramer d’ordre n admet une solution unique x =  ..  donnée, pour
 
.
xn
tout 1 ≤ i ≤ n, par :
 
 a11
 a12 · · · b1 · · · a1n 
 a21
 a22 · · · b2 · · · a2n 
 .. .. .. .. 
 . . . . 

det(Ai ) an1 an2 · · · bn · · · ann 
xi = =  
det(A)  a11 a12 · · · a1i · · · a1n 
 a21
 a22 · · · a2i · · · a2n 
 .. .. .. .. 
 . . . . 

an1 an2 · · · ani · · · ann 
.

20
  
a1i
 a2i 
avec Ai est la matrice obtenue en remplaçant la ième colonne  ..  de A par la
 
 . 
ani
 
b1
 b2 
colonne du second membre  .. .
 
.
bn
Exemple :



 x1 + 3x2 + 4x3 = 50

Soit le système (S) 3x1 + 5x2 − 4x3 = 2



 4x + 7x − 2x = 31
1
2 3

1 3 4
La matrice du système est : A = 3 5 −4.
4 7 −2
 
1 3 4 
 
On a det(A) = 3 5 −4 = −8 6= 0.
4 7 −2
Le système est donc de Cramer, il admet une solution unique donnée par :
 
50 3 4 
 
 2 5 −4
 
31 7 −2 −24
x1 = = = 3.
det(A) −8
 
1 50 4 
 
3 2 −4
 
4 31 −2 −40
x2 = = = 5.
det(A) −8
 
1 3 50
 
3 5 2 
 
4 7 31 −64
x3 = = = 8.
det(A) −8

21
2.2 Résolution par inversion matricielle
Soit (S) un système de Cramer sous forme matricielle : Ax = b.
La matrice A est donc inversible. On a
x une solution de (S) ⇐⇒ Ax = b ⇐⇒ x = A−1 b.
Pour déterminer x, Il suffit de calculer A−1 . Pour cela on utilise soit
1
- la méthode des cofacteurs : A−1 = C T (A).
det(A)
ou
Opérations élémentaires
- la méthode de Gauss : (A|I) −−−−−−−−−−−−−−−−−→ (I|A−1 )

2.3 Résolution par Pivot de Gauss



 a11 x1 + a12 x2 + . . . + a1n xn = b1 L1



 a21 x1 + a22 x2 + . . . + a2n xn = b2
 L2
(S) .. .. .. .



 . . . = ..


an1 x1 + an2 x2 + . . . + ann xn = bn Ln

La méthode du pivot de Gauss, consiste à l’aide des opérations élémentaires sur les lignes
(Li ), à se ramener à un système triangulaire (ou système échelonné) de la forme :


 a11 x1 + a12 x2 + . . . + a1n xn = b1 L1


 0

 +α22 x2 + . . . + α2n xn = β2 L2
(S) .. .
..




. . = ..

0

αnn xn = βn Ln

0
La dernière équation (Ln ) donne la valeur de xn , puis xn−1 dans (Ln−1 ) après report de
xn dans cette ligne et ainsi de suite jusqu’à la valeur x1 dans (L1 ).

Exemple :



 x1 + 3x2 + 4x3 = 50 L1

Soit le système (S) 3x1 + 5x2 − 4x3 = 2 L2



 4x + 7x − 2x = 31 L
1 2 3 3

22
Élimination de x1 dans L2 et L3



 x1 + 3x2 + 4x3 = 50

x2 + 4x3 = 37 L2 ← L2 − 3L1



 5x2 + 18x3 = 169 L3 ← L3 − 4L1
Élimination de x2 dans L3



 x1 + 3x2 + 4x3 = 50

x2 + 4x3 = 37



 2x3 = 16 L3 ← L3 − 5L2
D’où de L3 : x3 = 8,
puis de L2 : x2 = 37 − 4x3 = 5,
et enfin de L1 : x1 = 50 − 3x2 − 4x3 = 3.

Remarque :
Résolution par la méthode du pivot de Gauss en écriture matricielle :

Soit (A|b) la matrice augmentée (La matrice obtenue en ajoutant la colonne du second
membre b à la matrice A). On procède de la même manière que la matrice augmentée
(A|I).
Sur les lignes de la matrice augmentée (A|b), on effectue les opérations élémentaires jusqu’à
obtenir (I|A−1 b).
Opérations élémentaires
(A|b) −−−−−−−−−−−−−−−−−→ (I|A−1 b)
Cas général :

• La méthode du pivot de Gauss s’applique à n’importe quel système linéaire (Cramer ou

non Cramer).
• On commence par préparer le système, quitte à échanger des lignes ou bien l’ordre des
variables, de manière à ce que le premier coefficient de la première ligne soit différent de
0. Ce premier coefficient non nul s’appelle le premier pivot.
• Puis on échelonne le système.
• S’il apparaı̂t une équation du type 0x1 + 0x2 + ... + 0xn = β avec β 6= 0 alors le système
n’admet pas de solution.
• Dans le cas contraire, s’il apparaı̂t une équation du type 0x1 + 0x2 + ... + 0xn = 0, on

23
l’élimine et on continue à appliquer la méthode de pivot. Ainsi, on peut avoir deux cas :
ou bien, le système possède une unique solution obtenu en résolvant la dernière équation
et en remontant jusqu’à la première,
ou bien, le système possède une infinité de solutions.

Exemples : 


 2x1 + x2 − 2x3 + 3x4 = 1 L1

• Soit le système (S) 3x1 + 2x2 − x3 + 2x4 = 4 L2



 3x + 3x + 3x − 3x = 5 L
1 2 3 4 3
On effectue les opérations élémentaires suivantes pour faire disparaı̂tre les x1 des lignes 2
et 3 :




 2x1 − x2 − 2x3 + 3x4 = 1

x2 + 4x3 − 5x4 = 5 L2 ← 2L2 − 3L1



 3x2 + 12x3 − 15x4 = 7 L3 ← 2L3 − 3L1
On effectue les opérations élémentaires suivantes pour faire disparaı̂tre x2 de la ligne 3 :




 2x1 − x2 − 2x3 + 3x4 = 1

x2 + 4x3 − 5x4 = 5



 0 = −8 L3 ← L3 − 3L2

La dernière équation permet d’affirmer que le système n’a pas de solution.




 x1 + 2x2 − 2x3 = 2 L1

• Soit le système (S) 2x1 + 4x2 − 3x3 = 5 L2



 5x + 10x − 8x = 12 L
1 2 3 3



 x1 + 2x2 − 2x3 = 2

x3 = 1 L2 ← L2 − 2L1



 2x3 = 2 L3 ← L3 − 5L1

24
 


 x1 + 2x2 − 2x3 = 2

x3 = 1



 0x3 = 0 L3 ← L3 − 2L2

 x1 + 2x2 − 2x3 = 2
 x3 = 1

En reportant x3 = 1 dans la première équation, il vient x1 = 4 − 2x2 , x2 ∈ R.

Donc le système admet une infinité de solutions données par

x1 = 4 − 2x2 , x2 ∈ R, x3 = 1.

25