Notes de Cours Algèbre

Calcul matriciel, Déterminants, Systèmes
linéaires
Algèbre linéaire
L1 BGE-AGRO, 2022-2023
ALGEBRE LINEAIRE
Notes de Cours, Dr. Morou Amidou
L1 BGE, AGRO, octobre 2022
Contents
1 Calcul matriciel 2
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Calcul de l’inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Méthode directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 Méthode d’élimination de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . 10
2 Calcul de déterminants 16
2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Système d’équations linéaires 20

3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Résolution des systèmes d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . 22
3.2.1 Méthode de l’inverse des matrices . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.2 Méthode de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.3 Méthode d’élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . 24
1
1 Calcul matriciel
Ce cours peut être vu comme une synthèse de quelques outils utilisés en algèbre linéaire: Matrices,
Déterminants, systèmes linéaires, . . .
1.1 Définitions
Définition 1.1 Une matrice à m lignes et n colonnes sur un corps K est un tableau d’éléments de
K comportant m lignes et n colonnes.
On note aij l’élément d’une matrice A situé sur la ligne i et la colonne j. La matrice A s’écrit
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A=
 
.. .. .. .. 
 . . . . 
am1 am2 . . . amn
Les aij sont des scalaires du corps K (coefficients).

On dit que A est une matrice de ”type” (m, n) ou une m × n matrice; on note simplement A = (aij )
avec 1 ≤ i ≤ m, 1 ≤ j ≤ n.
L’ensemble des matrices rectangulaires à m lignes et à n colonnes, à coefficients dans K est noté
Mm,n (K). La matrice de type m × n dont tous les éléments sont nuls
 
0 0 ... 0
 0 0 ... 0 
A=
 
.. .. . . .. 
 . . . . 
0 0 ... 0
est la matrice nulle et est notée Om,n ou tout simplement 0
Exemples:
 √ 
1 0 2 23
1. A =  2 2 10 −1  est une matrice appartenant à M3,4 (R) . et
4 6 −2 1
 
0 0 0 0
O3,4 =  0 0 0 0 .
0 0 0 0
   
1 −5 2 0 0 0
 0 3 1 
 M4,3 (R) et O4,3 =  0 0 0 .
 
2. B =  0 4 −4   0 0 0 
−1 0 2 0 0 0
3. On quadrille régulièrement un champ carré de 25 m de côté de 5 m en 5 m. En chacun des 36
points du réseau, on prélève un échantillon pour analyse chimique pour déterminer la teneur des
substances c1 , . . . , c10 . En rangeant les 360 nombres dans un tableau à 36 lignes et à 10 colonnes,
on obtient une matrice de type 36 × 10 .
Définition 1.2 Soit A = (aij ) ∈ Mm,n (R), avec 1 ≤ i ≤ m, 1 ≤ j ≤ n; pour tout i = 1, . . . , m, on

appelle ième ligne ou ième vecteur ligne de la matrice A, le n−tuple horizontal
(ai1 , ai2 , . . . , ain ).
2
Pour tout j = 1, . . . , n, on appelle j ème colonne ou j ème vecteur colonne de la matrice A, le
m−tuple vertical  
a1j
 a2j 
 ..  .
 
 . 
amj
 
1 0 0.1 2.3
Exemple: Soit A =  2 2 1.5 −1  une matrice de type 3 × 4 ; la 2ème vecteur ligne de
4 6 −2 1
 
0
A est (2, 2, 1.5, −1) et le 2ème vecteur colonne de A est  2  .
6
Remarques: 1. L’élément aij se trouve à l’intersection de la ième ligne et la j ème colonne de A.

2. Une matrice à une ligne (m = 1) peut-être considérée comme un vecteur ligne et une matrice à
une colonne (n = 1) comme un vecteur colonne. En particulier tout élément de R peut-être regardé
comme une matrice de type (1, 1).
Définition 1.3 On dit que A une matrice de type (m, n) carrée si le nombre de lignes est égal
au nombre de colonnes, c’est-à-dire que m = n. On dit simplement que A est une matrice carrée
d’ordre n. On note Mn (R) pour l’ensemble des matrices carrées d’ordre n à coefficients dans R.
Le n-uple (a11 , a22 , a33 , . . . , ann ) ∈ Rn s’appelle la diagonale principale (ou simplement diagonale)
de A.
Exemples:
   
1 0 0.1 0 0 0
1. A =  2 2 1.5  est une matrice d’ordre 3 et O3,3 = O3 =  0 0 0 .
4 6 −2 0 0 0
   
1 −5 2.5 1 0 0 0 0
 0 3 1 2   0 0 0 0 
2. B =   est une matrice de type 4 et O4,4 = O4 = .
 0 4 −4 −1   0 0 0 0 
−1 0 2 0 0 0 0 0
Définition 1.4 On appelle matrice triangulaire supérieure toute matrice carrée dont les éléments
situés au-dessous de la diagonale principale sont tous nuls, c’est-à-dire aij = 0 si i < j; elle est de
la forme:  

a11 a12 · · · a1n
 a11 a12 · · · a1n
 0 a22 · · · a2n   a22 · · · a2n 
  ou  . .

 ··· ··· ··· ···  
 . . ··· 
0 0 0 ann (0) ann
   
1 −5 −1 2 −3 1
Exemples: A =  0 0 1  et B =  0 0 −1  sont des matrices triangulaires
0 0 −4 0 0 −3
supérieures.
Définition 1.5 On appelle matrice triangulaire inférieure toute matrice carrée dont les éléments
situés au-dessus de la diagonale principale sont tous nuls, c’est-à-dire aij = 0 si i > j; elle est de la
3
forme:    
a11 0 ··· 0 a11
 a21
 a22 ··· 0   ou
 a21 a22
 (0) 
.
 ··· ··· ··· ···   ··· ··· 
an1 an2 · · · ann an1 an2 · · · ann
   
1 0 0 0 5 0 0 0
 2 2 0 0   1 1 0 0 
Exemples: A=  et B =   sont des matrices triangulaires
 1 4 −1 0   3 2 −1 0 
4 6 −2 1 2 3 −1 2
inférieures.
Définition 1.6 On appelle matrice diagonale toute matrice carrée A = aij ∈ Mn (R) dont les
éléments non diagonaux sont tous nuls; elle est de la forme:
 
a11 0 · · · 0
 0 a22 · · · 0 
 ··· ··· ··· ··· .
 
0 · · · · · · ann
   
1 0 0 0 2 0 0 0
 0 5 0 0   0 −1 0 0 
Exemple: A =   0 0 −2 0  et B =  0 0 1 0  sont des matrices diagonales.
  
0 0 0 2 0 0 0 4
Définition 1.7 Soit A = (aij ) ∈ Mn (R) une matrice carrée d’ordre n; on dit que A est une
tridiagonale si et seulement si A est de la forme:
 
a11 a12 (0)
 a21 a22 a23 
 
A=  a32 a33 ··· .

 ··· ··· an−1n 
(0) ann−1 ann
 
1 2 0 0 0

 2 9 −2 0 0 

Exemple: A = 
 0 1 4 −5 0  est une matrice tridiagonale.

 0 0 −1 2 2 
0 0 0 2 2
Définition 1.8 On appelle matrice unité d’ordre n, et on note In , la matrice de Mn (R), dont tous
les éléments sont nuls, sauf les éléments diagonaux qui sont tous égaux à 1.
 
1 0 0
1 0
Exemples: I1 = (1) I2 = I3 =  0 1 0  .
0 1
0 0 1
Définition 1.9 Soit A = (aij ) ∈ Mm,n (R) de type (m, n) i.e. A ∈ Mm,n (R); on appelle matrice
transposée de A, la matrice obtenue en écrivant les lignes de A en colonnes (ou les colonnes de A
en lignes); on a
   
a11 a12 . . . a1n a11 a21 . . . am1
 a21 a22 . . . a2n   a12 a22 . . . am2 
t t
..  =  .. ..  ou A = (aji ) ∈ Mn,m (R).
  
 .. .. .. .. ..
 . . . .   . . . . 
am1 am2 . . . amn a1n a2n . . . amn
4
Exemples: :
   
1 2 4 1 5 3
2 3 t 2 4
1. A = et A = ; 2. B =  5 2 6  et tB =  2 2 1 .
4 5 3 5
3 1 0 4 6 0
1.2 Opérations sur les matrices

Définition 1.10 On dit que les matrices A et B sont égales si A et B sont de même type et les
éléments correspondants sont égaux; ce qui signifie que si A = (aij ) et B = (bij ), 1 ≤ i ≤ m, 1 ≤
j ≤ n, on a
aij = bij , pour tout 1 ≤ i ≤ m, 1 ≤ j ≤ n.
x2 + x

y 2 3
Exemple: Déterminer x, y et z pour que 2 = .
y+z x +z 0 −2
On doit avoir simultanément les égalités suivantes
x2 + x = 2 (1)
y = 3 (2)
y+z = 0 (3)
2
x + z = −2 (4)
De l’égalité (1), on a x = 1 ou x = −2; de (2), il vient que y = 3. En utilisant (2) et (3) z = −3; en
y remplacant z par sa valeur dans (4), on obtient x2 = −z − 2 = 1; donc x = ±1. Par compatibilité
avec (1), on choisit x = 1. Par conséquent, la solution est x = 1, y = 3 et z = −3.
Définition 1.11 Soit A = (aij ) une matrice carrée d’ordre n. On dit que A est symétrique si et
seulement tA = A, c’est-à-dire que aij = aji , pour tout i, j vérifiant 1 ≤ i ≤ n et 1 ≤ j ≤ n.
On dit que A est une matrice antisymétrique si et seulement A t = −A, c’est-à-dire que a = −a ,
ij ji
pour tout i, j vérifiant 1 ≤ i ≤ n et 1 ≤ j ≤ n.
Exemples:
   
1 2 4 1 2 4
1. Soit A =  2 2 6  , t =  2 2 6  = A.
A est symétrique car A
4 6 0 4 6 0
   
0 −5 3 0 5 −3
2. Soit B =  5 0 1 , B est antisymétrique car tB =  −5 0 −1  = B.
−3 −1 0 3 1 0
Remarque: Toute matrice A ∈ Mn (K) se décompose de manière unique comme la somme d’une
1 1
A + tA et d’une matrice antisymétrique A − tA

matrice symétrique
2 2
Définition 1.12 Soient A = (aij ) et B = (bij ) deux matrices de même type; on définit la somme
de A et B comme étant la matrice notée A + B où A + B = (aij + bij ) 1 ≤ i ≤ m, 1 ≤ j ≤ n.
     
2 1 2 1 −2 3 3 −1 5
Exemple: Soient A =  1 0 2  et B =  2 −2 1 ; alors A + B =  3 −2 3 .
−2 2 5 3 1 −3 1 3 2
Remarque:
• L’addition est commutative i. e. ∀A, B ∈ Mm,n (R), on a A + B = B + A
• L’addition est associative i. e. ∀A, B, C ∈ Mm,n (R), on a (A + B) + C = A + (B + C).
5
Définition 1.13 Soient A = (aij ) un élément de Mm,n (R) et λ ∈ R; le produit de A par λ est la
la matrice notée λ · A = (λ · aij ) 1 ≤ i ≤ m, 1 ≤ j ≤ n.
 
1 −1 0
Exemple: Si λ = 3 et A =  0 2 1 ; alors, on a
−1 −2 3
   
3 × 1 3 × (−1) 3 × 0 3 −3 0
λA = 3  3×0 3×2 3×1 = 0 6 3 .
3 × (−1) 3 × (−2) 3 × 3 −3 −6 9
Remarques: Nous avons les deux cas spéciaux suivants:

• Si λ = 0, pour tout A ∈ Mm,n (R) , il vient que λA = Om,n (R). En plus
• Si λ = −1, pour tout A ∈ Mm,n (R) , il vient que λA = −A, où −A vérifie A + (−A) = Om,n (R).
On dit que −A est l’opposée de la matrice A, et −A = (−aij ) si A = (aij ).
• On peut définir la soustraction de deux matrices de même type A et B par A − B = A + (−B).
 
 
2 −2 3 1 −1 0
Exemples: 1. Déterminer A + 3B − I3 où A =  1 0 −1  et B =  0 2 1 .
3 2 4 −1 −2 3
     
2 −2 3 1 −1 0 1 0 0
A + 3B − I3 =  1 0 −1  +3  0 2 1  −  0 1 0 
3 2 4 −1 −2 3 0 0 1
   
2 + 3 − 1 −2 − 3 − 0 3+0−0 4 −5 3
=  1+0−0 0 + 6 − 1 −1 + 3 − 0  =  1 5 2 .
3−3−0 2−6−0 4+9−1 0 −4 12

0 6 3 0 2 1
2. Déterminer A − 3B où A = et B = .
−3 −6 9 −1 −2 3

0 6 3 0 6 3 0−0 6−6 3−3 0 0 0
A − 3B = − = = = O2,3
−3 −6 9 −3 −6 9 −3 + 3 −6 + 6 9 − 9 0 0 0
Proposition 1.1 Soient A et B ∈ Mm,n (R) et λ, µ ∈ R on a:

t (A+ B) = tA +t B t (λ· A) = λ ·t A λ(A + B) = λ · A + λ · B
(λ + µ) · A = λ · A + µ · A (λ · µ) · A = λ · (µ · A) 1R · A = A.
Définition 1.14 Soient A = (aik ) une matrice de type (m, p) et B = (bkj ) une matirce de type
(p, n); (c’est-à-dire que le nombre de colonnes de A est égal au nombre de lignes de B). On appelle
produit de la matrice A et de la matrice B, la matrice C = (cij ) de type (m, n), notée A × B, dont
coefficient (i, j) est défini par :
n
X
cij = aik .bkj , 1 ≤ i ≤ m, 1 ≤ j ≤ n.
k=1
Exemples:
1. La teneur chimique de quatre types de sol, noté A, B, C et D, est donnée par le tableau suivant
6
Nitrogène Phosphate Potasse
A 7 1 2
Type B 3 2 2
de sol C 0 3 4
D 2 0 3
On combine ces sols dans les proportions suivantes 2 : 3 : 1 : 4 pour former un terreau. Déterminer
la composition chimique du terreau.
 
7 1 2
 3 2 2 
La matrice de type (4, 3)  0 3 4  contient les informations relatives à la teneur chimique des

2 0 3
quatre types de sols, alors que le vecteur-ligne (2, 3, 1, 4) donne les quantités de chaque type de sol
utilisées pour obtenir 10 unités du terreau. Donc la teneur chimique
 de chaque unité de terreau
7 1 2
1  3 2 2 
est obtenue par le produit matriciel (2, 3, 1, 4) 
 0 3 4  = (3.1, 1.2, 2.5).; ainsi le terreau

10
2 0 3
contient 3.1% de nitrogène, 1.2% de phosphate et 2.5% de potasse.
 
1 −1 0
2 −2 3
2. Calculer A × B où A = et B =  0 2 1 , alors
3 2 4
−1 −2 3
 
1 −1 0
2 −2 3
A×B =  0 2 1 
3 2 4
−1 −2 3

2 × 1 + (−2) × 0 + 3 × (−1) 2 × (−1) + (−2) × 2 + 3 × (−2) 2 × 0 + (−2) × 1 + 3 × 3
=
3 × 1 + 2 × 0 + 4 × (−1) 3 × (−1) + 2 × 2 + 4 × (−2) 3×0+2×1+4×3

2 + 0 − 3 −2 − 4 − 6 0 − 2 + 9 −1 −12 7
= = .
3 + 0 − 4 −3 + 4 − 8 0 + 2 + 12 −1 −7 14
Si A est une matrice de type (2, 3) et B de type (3, 3), le produit A × B est de type (2, 3).

1 2 5 6
3. Calculer A × B où A = et B =
3 4 7 8
alors

1 2 5 6 1×5+2×7 1×6+2×8 19 22
A×B = = =
3 4 7 8 3×5+4×7 3×6+4×8 43 50
Si A est une matrice de type (2, 2) et B de type (2, 2), le produit A × B est de type (2, 2).

5 6 1 2 5×1+6×3 5×2+6×4 23 34
B×A = = = 6= A × B
7 8 3 4 7×1+8×3 7×2+8×4 31 46

1 −1 1 −1
4. Calculer A × B où A = et B= , alors
1 −1 1 −1

1 −1 1 −1 1 × 1 + (−1) × 1 1 × (−1) + (−1) × (−1) 0 0
A×B = = = .
1 −1 1 −1 1 × 1 + (−1) × 1 1 × (−1) + (−1) × (−1) 0 0
7
   
1 2 1 1 −1 2
5. Calculer A × B où A =  3 0 −1  et B =  −2 2 −4 
−1 1 1 3 −3 6
alors
    
1 2 1 1 −1 2 0 0 0
A × B = A =  3 0 −1   −2 2 −4  =  0 0 0 
−1 1 1 3 −3 6 0 0 0
    
1 −1 2 1 2 1 −4 4 4
B × A = A =  −2 2 −4   3 0 −1  =  8 −8 −8  =
6 A × B.
3 −3 6 −1 1 1 −12 12 12
Remarques: 1. En général AB 6= BA, c’est-à-dire que le produit des matrices est non commutatif.
2. On peut avoir A × B = Om,n (R) bien que A 6= Om,p (R) et B 6= Op,n (R).
Proposition 1.2 Le produit des matrices vérifie plusieurs lois de l’arithmétique:
1. A × (B × C) = (A × B) × C, si A, B et C sont de type (m, n), (n, p), (p, q) respectivement;
2. λ(A × B) = (λA) × B = A × (λB) et A × (−B) = (−A) × B = −(A × B),

si A, B sont de type (m, n), (n, p) respectivement et λ ∈ R;
3. (A + B) × C = A × C + B × C, si A et B sont de type (m, n) et C de type (n, p);
4. A × (B + C) = A × B + A × C, si A est de type (m, n) et B et C de type (n, p);
5. t(A × B) = tB × tA, si A, B sont de type (m, n), (n, p) respectivement;
6. A × In = In × A× = A, si A est une matrice carrée d’ordre n et In la matrice identité d’ordre

n;
7. tA × A et A × tA sont des matrices symétriques;
8. Si A × tA = In , on dit que A est une matrice orthogonale.
 
1 2 2
2 1 3 1 −2 1
Exemple: Soient les matrices A = ,B= et C =  2 1 −2 ;
−2 0 2 3 2 3
−2 2 −1
Déterminer les matrices suivantes et leurs formes: A, B, A × A, A × A, B + B, B − tB, C × tC.
t t t t t
 
2 −2
t t 1 3
On trouve A =  1 0 , B=

−2 2
3 2
   
2 −2 8 2 2
t 2 1 3
A×A= 1 0  =  2 1 3  est symétrique;
−2 0 2
3 2 2 3 13
 
2 −2
t 2 1 3  14 2
A× A= 1 0 = est symétrique;
−2 0 2 2 8
3 2

1 −2 1 3 2 1
B + tB = + = est symétrique;
3 2 −2 2 1 4
8

t 1 −2 1 3 0 −5
B− B= − = est antisymétrique;;
3 2 −2 2 5 0
on peut remarquer que
1 1 1 1/2 0 −5/2 1 −2
B + tB + B − tB =

+ = = B.
2 2 1/2 2 5/2 0 3 2
    
1 2 2 1 2 −2 1 0 0
1
C × tC =  2 1 −2   2 1 2 = 0 1 0  = I3 ;
9
−2 2 −1 2 −2 −1 0 0 1
t
donc C × C est une matrice orthogonale.
Définition 1.15 On dit qu’une matrice A ∈ Mn (R) est inversible ou régulière s’il existe une
matrice A0 ∈ Mn (R) telle que A × A0 = In = A0 × A.
Si A ∈ Mn (R) n’est pas inversible, on dit que A est une matrice singulière.
Proposition 1.3 [Unicité de l’inverse] Si une matrice carrée d’ordre n possède deux inverses B
et C, alors B = C. On note B = C = A−1 la matrice inverse de A.
Démonstration: Soient B et C deux inverses de A. Alors A × B = In = B × A et A × C =

In = C × A. Ainsi, on a B × (A × C) = B × In = B et (B × A) × C = In × C = C. Comme
(B × A) × C = B × (A × C), on peut déduire que B = C.
Proposition 1.4 Soient A et B deux matrices inversibles de même ordre n, alors A × B est
inversible et
(A × B)−1 = B −1 × A−1 .
1.3 Calcul de l’inverse d’une matrice

1.3.1 Méthode directe
Soit A une matrice carrée d’ordre n; pour déterminer si l’inverse existe, on part de la définition et
on résoud le système d’équations obtenu.
  
1 1 1 5 2 −3
Exemples: 1. Montrer que A =  1 −1 2  est l’inverse de B =  −1 −1 1 ;
2 1 3 −3 −1 2
    
1 1 1 5 2 −3 1 0 0
A × B =  1 −1 2   −1 −1 1  =  0 1 0  = I3
2 1 3 −3 −1 2 0 0 1
    
5 2 −3 1 1 1 1 0 0
B × A =  −1 −1 1   1 −1 2  =  0 1 0  = I3 .
−3 −1 2 2 1 3 0 0 1
Par conséquent B = A−1

2 −3
2. Trouver l’inverse de la matrice .
−1 2
−1
2 −3 x y 2 −3 x y 2x − 3z 2y − 3t
Si = , alors = =
−1 2 z t −1 2 z t −x + 2z −y + 2t

1 0
.
0 1
9
Ce qui donne
2x − 3z = 1 2y − 3t = 0
et ,
−x + 2z = 0 −y + 2t = 1
et on obtient facilement x = 2, y = 3, z = 1 et t = 2; ainsi
−1
2 −3 2 3
= .
−1 2 1 2

2 1
3. Trouver l’inverse de la matrice .
4 2
−1
2 1 x y 2 1 x y 2x + z 2y + t 1 0
Si = , alors = = .
4 2 z t 4 2 z t 4x + 2z 4y + 2t 0 1
Ce qui donne
2x + z = 1 2y + t = 0
et ,
4x + 2z = 0 4y + 2t = 1
On vérifie facilement
qu’il
n’existe pas de solutions pour ce système d’équations.
1 −2
Ainsi la matrice est une matrice singulière.
3 2
1.3.2 Méthode d’élimination de Gauss-Jordan
Définition 1.16 [Opérations élémentaires sur les lignes] Soit A une matrice à coefficients dans R;
il existe trois types de transformations (dites élémentaires) sur les lignes de A:
(i) échanger tout couple (i, j) de lignes: Li ←→ Lj ,
(ii) multiplier une ligne quelconque i par un réel λ: Li → λLi ;
(iii) additionner la j ème ligne multipliée par λ à la ième : Li → Li + λLj .
Définition 1.17 [Matrices équivalentes] On dit qu’une matrice A est ligne-équivalente à la matrice
B si B est obtenu à partir de A à la suite d’opérations élémentaires sur les lignes.
Exemples:
     
1 1 2 (L1 → L1 ) 1 2 2 (L1 → L1 ) 1 2 2
1. A = 1
 2 3  (L2 → L2 − L1 )  0 1 1  (L2 → L2 )  0 1 1 =
2 6 9 (L3 → L3 − 2L1 ) 0 4 5 (L3 → L3 − 4L2 ) 0 0 1
B
     
1 2 0 (L1 → L1 ) 1 2 0 (L1 → 2L1 ) 2 4 0
2. A =  2 1 1  (L2 → L2 + 2L3 )  4 −1 5  (L2 → L3 )  1 −1 2  =
1 −1 2 (L3 → L3 ) 1 −1 2 (L3 → L2 ) 4 −1 5
B
Proposition 1.5 Soient A une matrice carrée A d’ordre n et la matrice augmentée A|In de type
(n, 2n). Alors la matrice A est inversible si la matrice A|In est ligne-équivalente à la matrice In |B.
Dans ce cas
B = A−1 .
In |B sera obtenue à partir de A|In par une suite d’opérations élémentaires sur les lignes.
Proposition 1.6 Soient A = (aij ) avec 1 ≤ i, j ≤ n à coefficients dans R; pour obtenir la matrice
In |B ligne-équivalente à la matrice A|In , on procède comme suit:
10
• Si la première colonne de A est nulle; on a immédiatement det A = 0 et la matrice A n’est
pas inversible.
• Si la première colonne de A est non nulle:
1. si a11 6= 0, on ajoute à chaque ligne , sauf la première, cette dernière multipliée par un
coefficient approprié pour obtenir
A01

a11
où A01 ∈ M1,n−1 (R) et A1 ∈ Mn−1 (R);
O(n−1,1) A1
on dit que a11 est le pivot de la première ligne.
Puis on divise la premiére ligne par a11 pour obtenir
A001

1
c1
A = où A001 ∈ M1,n−1 (R) et A1 ∈ Mn−1 (R);
O(n−1,1) A1
2. si a11 = 0, il existe ak1 6= 0 avec k > 1. alors il suffit d’échanger la ligne 1 et la ligne k
et on est ramené au cas précédent.
3. La transformation sur cette colonne permet d’obtenir une matrice Ac1 |B c1 ligne-
équivalente à la matrice A|In .
• On tranforme ensuite la matrice A1 ∈ M,n−1 (R) par des opérations élémentaires sur les autres
lignes, comme précedemment. On obtient une matrice ligne-équivalente à A|In de la forme
Acn |B cn oú Acn est une matrice triangulaire d’ordre n dont tous les éléments diagonaux sont
égaux á 1.
• On continue en tranformant la matrice Acn |B cn par des opérations élémentaires pour obtenir
une matrice ligne-équivalente à A|In de la forme In |B c2n = In |B. Ainsi la matrice B est
l’inverse de A.
Exemples:
1 2
1. Trouver l’inverse de A = , si elle existe.
1 1
Formons la matrice augmentée A|I2 et effectuons les opérations élémentaires sur les lignes comme
indiqué.
(L1 ) 1 2 1 0 (L1 → L1 ) 1 2 1 0
(L2 ) 1 1 0 1 (L2 → L2 − L1 ) 0 −1 −1 1
(L1 → L1 ) 1 2 1 0 (L1 → L1 − 2L2 ) 1 0 −1 2
.
(L2 → −L2 ) 0 1 1 −1 (L2 → L2 ) 0 1 1 −1

−1 2
Ainsi la matrice A est inversible et son inverse est B = est l’inverse de A.
1 −1
 
1 1 2
2. Trouver l’inverse de A =  1 2 3 , si elle existe.
2 6 9
indiqué.
(L1 ) 1 1 2 1 0 0 (L1 → L1 ) 1 1 2 1 0 0
(L2 ) 1 2 3 0 1 0 (L2 → L2 − L1 ) 0 1 1 −1 1 0
(L3 ) 2 6 9 0 0 1 (L3 → L3 − 2L1 ) 0 4 5 −2 0 1
(L1 → L1 ) 1 1 2 1 0 0 (L1 → L1 − 2L3 ) 1 1 0 −3 8 −2

(L2 → L2 ) 0 1 1 −1 1 0 (L2 → L2 − L3 ) 0 1 0 −3 5 −1
(L3 → L3 − 4L2 ) 0 0 1 2 −4 1 (L3 → L3 ) 0 0 1 2 −4 1
11
 
(L1 → L1 − L2 ) 1 0 0 0 3 −1 0 3 −1
(L2 → L2 ) 0 1 0 −3 5 −1 ; donc B =  −3 5 −1  est l’inverse de A.
(L3 → L3 ) 0 0 1 2 −4 1 2 −4 1
 
1 1 1
3. Trouver l’inverse de A =  −1 1 2 , si elle existe.
1 3 4
indiqué.
(L1 ) 1 1 1 1 0 0 (L1 → L1 ) 1 1 1 1 0 0
(L2 ) −1 1 2 0 1 0 (L2 → L2 + L1 ) 0 2 3 1 1 0
(L3 ) 1 3 4 0 0 1 (L3 → L3 − L1 ) 0 2 3 −1 0 1
(L1 → L1 ) 1 1 1 1 0 0
(L2 → L2 ) 0 2 3 1 1 0
(L3 → L3 − L2 ) 0 0 0 −2 −1 1
Comme L3 est nulle, il est impossible de faire apparaı̂tre un pivot dans cette ligne. Donc la matrice
A n’est pas inversible.
Exercice 1 /
1◦ . Déterminer le type des matrices suivantes
   
−1 1 2 0
1 0 2 3 1
A = , B = , C =  2 , D =  0 1 2  et E =
−1 −2 3 1 2
2 −1 3 4

2 1 −1
.
−2 3 0
2◦ . Calculer, si possible, les matrices suivantes:
A + B, A − D, 2B + 3E, AD − DA, BC, BD, ED, DE, ABC, DB − 2AE.
Exercice 2 /
Soient A, B, C et D les matrices suivantes:
     
3 0 1 5 2 −3 −1
4 −1
A=  −1 2 , B =
  −1 1 0 , C =
  2 1  et D = .
2 0
1 1 −4 1 3 4 3
Déterminer, si possible, les matrices suivantes: A + B, A + C, AB, BA, CD, DC et D2 .
Exercice 3 /
   
4 −4 1 −4 −8 2
Soient A =  2 −2 2  et B =  4 1 4  deux matrices carrées d’ordre 3.
3 2 −4 6 4 0
Déterminer les matrices suivantes: A + B, A − B, 2A − B et A − 2B + 4I3 .
Exercice 4 /
   
3 4
Soient A = 1 3 2 , B = 0 −3 1 4 , C =  −1  et D =  4 .
2 −6
Déterminer, si possible, les matrices suivantes: AB, AC, AD, BD, BC et CB.
Exercice 5 /

1 2 −2 3 1 −3
Soient A = ,B= et C = .
2 4 2 0 −2 −1
Déterminer les matrices suivantes: AB, BA, AC, CA, BC, CB, ABC, BAC, BCA, ACB, CAB
et CBA.
Exercice 6 /
12
 
0 5
1 2 2 −2 1
Soient A = 4 3 , B = ,C= et D =  1 3 .
4 3 −1 0 3
2 2
Déterminer, si possible, les matrices suivantes: AB, BA, AC, CA, AD, DA, BC, CB, BD, CD,
DC.
Exercice 7 /
     
2 0 1 1 1 −1 −3 4 5
Soient A =  3 −1 1 , B =  3 2 −3  et C =  5 −4 5 .
−1 4 2 4 −2 3 7 8 1
Déterminer, si possible, les matrices AB, BA, AC, CA, BC et CB.
Exercice 8 /
Déterminer les valeurs de x, y et z vérifiant
2
y2 + z

x +y 10 25
= .
z y 2 − 2x2 −11 4
Exercice 9 /
Déterminer les réels x, y et z tels que:
x2 1 y 2

2 3 x −1 3 y 2x 4 2 15 −3 7
+ = − =
1 z 0 y 1 0 0 −2 3 −2 2z 8 2 −8 −5
     
x x 3 3 −6 3x 4 4z 6
x −1 1 y 2 x  2 −1 z  +  3y 0
+ = 9  =  8 −1 8 
2 y z −4 y z
0 1 5 −3 3z 6 −3 −2 11
Exercice 10 /

−1 0 1
Soient A = et B une matrice de type (3, 2) telles que AB = I2 .
0 1 1
 
x y
1◦ . Montrer que B =  −x − 1 1 − y , où x et y sont des nombres réels appropriés.
x+1 y
◦ 2
2 . Montrer que (BA) B = B en utilisant l’associativité du produit de matrices.
Exercice 11 /
 
−1 2 1 x
 2 1 y 1 
Soit A =  ; trouver x, y, z et t pour que A2 soit diagonale.
 1 z 1 −2 
t 1 −2 −1
Exercice 12 /
 
x y y
1 1 2 1
Soit A =  y x y ; Montrer que A2 = A si (x, y) est égal à (1, 0), ( , ) ou ( , − ).
3 3 3 3
y y x
Exercice 13 /
 
1 3 −z
1 x −1
Déterminer les réels x, y et z pour que A = et t AA =  3 13 z .
0 2 y
−z z 5
Exercice 14 /
13
   
1 0 3 1 2
Soient A =  −1 2 4  et B =  3 −4 .
2 3 −2 −2 1
◦ t t
1 . Vérifier que (AB) = B A. t
2◦ . Trouver, pour chacune des matrices, les deux matrices symétriques qu’on peut former à partir
de la matrice et de sa transposée.
3◦ . Décomposer A en la somme d’une matrice symétrique et d’une matrice antisymétrique.
Exercice 15 /

0 1 −1 −1
On considère les matrices A = et B = .
0 1 0 0
1◦ . A-t-on (A + B)2 6= A2 + 2AB + B 2 ?
2◦ . Montrer que (A + B)3 = A3 + 3A2 B + 3AB 2 + B 3 .
Exercice 16 /
L’étude du cycle de vie d’un insecte, le nombre d’oeufs, de larves, de chenilles et d’adultes vivants
à la fin du premier, second, troisième et quatrième trimestre, peut être détermine en multipliant
les matirces T1 , T2 , T3 et T4 par le vecteur colonne contenant le nombre d’oeufs, de larves, de
chenilles et d’adultes vivants au début de l’année. Nous avons
   
0 0 0 1000 0 0 0 1600
 0.2 0 0 0   0.3 0 0 0 
T1 =  0 0.2
 T2 =  
0 0   0 0.2 0 0 
0 0 0.2 0.4 0 0 0.2 0.4
   
0.1 0 0 400 0.1 0 0 100
 0.1 0.5 0 0   0 0.4 0 0 
T3 = 
 0
 T4 =  
0 0.5 0   0 0 0.4 0 
0 0 0 0.25 0 0 0 0.1
On suppose qu’à la fin du second trimestre, il existe 106 , 2 × 105 , 104 et 2.5 × 102 d’oeufs, de larves,
de chenilles et d’adultes vivants.
1◦ . Trouver le nombre d’oeufs, de larves, de chenilles et d’adultes vivants dans chaque groupe d’âge
à la fin du quatrième trimestre.
2◦ . Quel est le nombre pour chaque groupe d’âge à la fin de l’année prochaine?
Exercice 17 /
La matrice de migration hebdomadaire d’une certaine espèce d’oiseau, entre trois sites, est est
décrite par la matrice suivante:  
1/3 1/3 1/3
 2/3 1/6 1/2  .
0 1/2 1/6
Initialement, on suppose qu’il existe 972 oiseaux dans le premier site.
Déterminer le nombre d’oiseaux dans chaque site, 3 semaines et 6 semaines plus tard. On suppose
aucun nouveau venu et aucun décès.
Exercice 18 /
Au cours d’une épidémie, la transition entre les différents états d’être sain ou malade est décrite
par la matrice suivante:
5/8 1/8
.
3/8 7/8
Les éléménts de la première colonne désigne la probabilité d’une personne saine à rester saine et
devenir malade, respectivement; les éléments de la deuxième colonne désigne la probabilité d’une
14
personne malade à guérir et rester malade, respectivement. Une personne, déjà malade et guérie,
peut encore contracter la maladie. Il a été recensé dans un certain village 1536 personnes saines et
512 malades.
1◦ . Déterminer le nombre de personnes malades au bout d’une semaine.
2◦ . Déterminer l’évolution des personnes malades au bout d’une semaine, si initialement le ratio
des personnes malades est 1 : 3.
Exercice 19 /

x y
Déterminer, si possible, les valeurs de x, y, z et t pour que la matrice soit l’inverse des
z t
matrices
suivantes:

2 1 2 −5 2 −1 4 1 2 3
, , , et .
5 3 −2 6 −4 2 5 2 −1 1
Exercice 20 /
 
0 0 0 4
 1 0 0 4 
Soit A =  ; Montrer que A4 − 2A3 + A2 − 4A − 4I4 = O4
 0 1 0 −1 
0 0 1 2
En déduire que A est inversible. Que vaut A−1 ?
Exercice 21 /
2
 
0 j −j
√
Soient A =  −j √0 2  et B = I3 − A(t A) où j 3 = 1.
j2 − 2 0
Montrer que AB = BA = O3 ; en déduire que B n = B, ∀n ∈ N∗ .
Exercice 22 /
Une matrice carrée A est nilpotente d’indice n si An = O et Ar 6= O pour tout r < n.

 
1 1 3
1◦ . Montrer que A =  5 2 6  est une matrice nilpotente d’indice 3.
−2 −1 −3
2◦ . Soit A une matrice carrée nilpotente d’indice 2; montrer que A(I ± A)p = A, ∀p ∈ N.
Exercice 23 /
On dit qu’une matrice carrée A est idempotente si A2 = A

 
2 −2 −4
1◦ . Montrer que la matrice A =  −1 3 4  est idempotente.
1 −2 −3
◦
2 . Soient A et B deux matrices carrées telles que A.B = A et B.A = B.
Montrer que A et B sont des matrices idempotentes.
Exercice 23 /
Déterminer, si possible, en utilisant la méthode de Gauss-Jordan, l’inverse des matrices:

         
1 2 3 2 4 −3 1 4 8 5 2 −3 4 0 5
 −1 −1 −2 ,  1 1 2 ,  2 10 13 ,  −1 −1 1  et  0 1 −6 .
2 6 9 2 3 0 1 6 5 −3 −1 2 3 0 4
         
2 2 4 1 1 1 4 6 −3 2 0 0 1 2 3
 1 0 1 ,  −1 1 0 ,  0 0 7 ,
  0 −5 0 ,   4 5 6  et
0 1 0 2 0 0 0 0 5 0 0 7 5 7 9
15
 
1 2 4 6
 0 1 2 0 
 .
 0 0 1 2 
0 0 0 2
2 Calcul de déterminants
2.1 Définitions

a11 a12
Définition 2.1 Si A = est une matrice carrée d’ordre 2 à coefficients dans R, on
a21 a22
définit le déterminant de A, comme étant le scalaire
det A = a11 a22 − a21 a12 .
a11 a12
La notation est aussi utilisée pour désigner le déterminant de A.
a21 a22
3 1
Exemple: = 3 · 10 − (−2) · 1 = 32.
−2 10
Nous allons maintenant donner une définition plus générale du déterminant de A = (aij ) avec
1 ≤ i, j ≤ n, n ≥ 3.
Définition 2.2 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. On appelle matrice
mineure du coefficient aij , la matrice carrée d’ordre n − 1, notée Mij (A), formée à partir de A en
y supprimant la i-ème ligne et la j -ème colonne.
 
1 4 7
2 2 1 4
Exemple: Soit A =  2 5 2 , on a M12 (A) =
 et M23 (A) = .
3 −4 3 6
3 6 −4
Définition 2.3 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. On appelle
déterminant mineur, ou simplement mineur, du coefficient aij , le déterminant de Mij (A); on note
le mineur de aij par ∆ij (A) = det Mij (A).
 
1 4 7
2 2 1 4
Exemple: Soit A =  2 5 2 , on a ∆12 (A) = et ∆23 (A) = .
3 −4 3 6
3 6 −4
Définition 2.4 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. On suppose que
l’on sait calculer le déterminant des matrices carrées d’ordre n − 1. Alors
n
X
det A = a11 ∆11 (A) − a12 ∆12 (A) + · · · + (−1)1+n a1n ∆1n (A) = (−1)1+j a1j ∆1j (A).
j=1
Cette formule est le développement de Laplace de det A par rapport à la première ligne.
Exemples:
16
 
a11 a12 a13
1. Soit A =  a21 a22 a23 , le développement de Laplace de det A par rapport à la 1ère ligne
a31 a32 a33
de A donne
det A = a11 ∆11 (A) − a12 ∆12 (A) + a13 ∆13 (A)
a22 a23 a21 a23 a21 a22
= a11 − a12 + a13
a32 a33 a31 a33 a31 a32
= a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 )
= a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 .
2. Cette définition est valable pour les déterminants des matrices carrées d’ordre 2; en effet
a11 a12
det A = = a11 ∆11 (A) − a12 ∆12 (A) = a11 a22 − a12 a21
a21 a22
Exemple:
1 0 2
3 5 −2 5 −2 3
−2 3 5 =1× −0× +2× = −7 − 0 − 8 = −15
2 1 0 1 0 2
0 2 1
La définition générale du déterminant d’une matrice A d’ordre n est donnée en termes du

développement de Laplace de det A par rapport à la première ligne. Le résultat suivant dit qu’on
peut effectuer le développement de Laplace selon une ligne ou colonne quelconque pour obtenir le
même résultat.
Théorème 2.1 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. Alors le déterminant
de A est défini par
n
X
det A = (−1)i+1 ai1 ∆i1 (A) + (−1)i+1 ai2 ∆i2 (A) + · · · + (−1)i+n ain ∆in (A) = (−1)i+j aij ∆ij (A),
j=1
pour i = 1, 2, . . . , n. C’est le développement de Laplace de det A par rapport à la i-ème ligne ou

n
X
1+j 2+j n+j
det A = (−1) a1j ∆1j (A) + (−1) a2j ∆2j (A) + · · · + (−1) anj ∆nj (A) = (−1)i+j aij ∆ij (A),
i=1
pour j = 1, 2, . . . , n. C’est le développement de Laplace de det A par rapport à la j -ème colonne.
Remarques:
1. L’expression (−1)i+j est obtenue facilement en alternant les signes + et −; on retrouve les signes
comme sur un échiquier ou un damier:
 
+ − + ···
 − + − ··· 
 
 + − + ··· 
 
..
.
2. On appelle cofacteur de aij dans la matrice carrée d’ordre n, A = (aij ), le produit du mineur
∆ij (A) de aij par (−1)i+j . On note le cofacteur de aij par Aij et
Aij = (−1)i+j ∆ij (A).
17
3. En utilisant les cofacteurs, la valeur du déterminant de A est
n
X
det A = ai1 Ai1 + ai2 Ai2 + ai3 Ai3 + · · · + ain Ai1 = aij Aij ,
j=1
le développement de Laplace de det A par rapport à la i-ème ligne, pour i = 1, 2, . . . , n.

n
X
det A = a1j A1j + a2j A2j + a3j A3j + · · · + anj A1j = aij Aij ,
i=1
le développement de Laplace de det A par rapport à la j -ème colonne, pour j = 1, 2, . . . , n.
2.2 Propriétés
Nous admettons sans démonstration les propriétés et les règles suivantes qui, par la suite, serviront
pour le calcul des déterminants.
Proposition 2.1 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. Si A possède une
ligne (respectivement une colonne) dont tous les éléments sont nuls, alors det A = 0.
Exemple:
1 0 2 1 0 2
−2 3 5 =0 et −2 0 5 = 0.
0 0 0 1 0 1
Proposition 2.2 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. Si A possède deux
lignes (respectivement deux colonnes) égales ou proportionnelles, alors det A = 0.
Exemple:
1 0 2 1 2 2
2 0 4 =0 et 2 3 4 = 0.
1 2 3 1 0 2
Proposition 2.3 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. On ne change
pas la valeur du déterminant de A, quand on y remplace une ligne (respectivement une colonne)
quelconque par une combinaison linéaire des autres lignes (respectivement colonnes).
Exemple:
(L1 ) 1 1 2 1 2 2 (L1 → L1 )
(L2 ) 1 2 3 = 0 1 1 (L2 → L2 − L1 )
(L3 ) 2 6 9 0 4 5 (L3 → L3 − 2L1 )
1 2 2 (L1 → L1 )
= 0 1 1 (L2 → L2 )
0 0 1 (L3 → L3 − 4L2 )
Proposition 2.4 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. Si on multiplie
tous les éléments d’une ligne (respectivement colonne) par un nombre réel, le déterminant de la
nouvelle matrice est égal au produit du déterminant de A par ce nombre.
 
1 1 2 1 1 2 2 2 4 2 1 2
Exemple: Soient A =  2 3 4  et λ = 2; alors λ 2 3 4 = 2 3 4 = 4 3 4 .
1 5 3 1 5 3 1 5 3 2 5 3
18
Proposition 2.5 Soit A = (aij ) avec 1 ≤ i, j ≤ n, une matrice carrée d’ordre n. Quand on échange
deux lignes (respectivement deux colonnes), le déterminant de A change de signe.
Exemples:
(L1 ) 2 2 4 1 2 3 4 3 (L1 → L2 )
(L2 ) 2 3 4 3 2 2 4 1 (L2 → L1 )
1. =−
(L3 ) 1 1 2 1 1 1 2 1 (L3 → L3 )
(L4 ) 1 5 3 −1 1 5 3 −1 (L4 → L4 )
(C1 ) 2 2 4 1 4 2 2 1 (C1 → C3 )
(C2 ) 2 3 4 3 4 3 2 3 (C2 → C2 )
2. =−
(C3 ) 1 1 2 1 2 1 1 1 (C3 → C1 )
(C4 ) 1 5 3 −1 3 5 1 −1 (C4 → C4 )
Proposition 2.6 Soient A = (aij ) et B = (aij ) avec 1 ≤ i, j ≤ n deux matrices carrées d’ordre n.
Alors det(A × B) = det A det B.
Définition 2.5 Soit A = (aij ) avec 1 ≤ i, j ≤ n, une matrice carrée d’ordre n. On appelle
comatrice de A la matrice
 
A11 A12 A13 . . . A1n
 A21 A22 A23 . . . A2n 
comA =  .
 
.. .. .. ..
 ..

. . . . 
An1 An2 An2 . . . Ann
où les Aij sont les cofacteurs des aij . Ainsi comA est la matrice des cofacteurs.
   
1 2 1 2 −1 3
Exemple: Si A =  1 −1 −1 , alors la comatrice de A est comA =  3 −3 3 .
2 1 −1 −1 2 −3
Proposition 2.7 Soient A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n et comA la
comatrice A. Alors
A × t comA = det A × In = t comA × A.
Corollaire 2.1 Soit A = (aij ) avec 1 ≤ i, j ≤ n une matrice carrée d’ordre n. Alors A est inversible
1
si et seulement si det A 6= 0. Dans ce cas, A−1 = × t comA.
det A
 
1 2 1
Exemple: Montrer que la matrice A =  1 −1 −1  est inversible. Calculer son inverse par
2 1 −1
la méthode des cofacteurs.
−1 −1 1 −1 1 −1
On a det A = 1 × −2× +1× = 2 − 2 + 3 = 3 6= 0.
1 −1 2 −1 2 1
 
2 −1 3
La comatrice de A est  3 −3 3 , donc
−1 2 −3
 
2 3 −1
1 1
A−1 = × t comA =  −1 −3 2 
det A 3
3 3 −3
19
3 Système d’équations linéaires
3.1 Définitions
Définition 3.1 On appelle équation linéaire à n inconnues x1 , x2 , . . . , xn une équation de la forme
a1 x1 + a2 x2 + · · · + an xn = b,
où a1 , a2 , . . . , an et b sont des nombres réels.
Exemples:
1. En remplacant x1 par x et x2 par y, l’équation linéaire 2x + y = 2 décrit la droite passant par
les deux points (0, 2) et (1, 0).
2. Dans l’espace, l’équation linéaire 2x + 3y + 2z = 12 décrit le plan passant par les trois points
(0, 2, 3), (1, 0, 5) et (4, 0, 2).
Définition 3.2 Un système de m équations linéaires à n inconnues x1 , . . . , xn est une famille

d’équations qui se présente sous la forme

 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a21 x1 + a22 x2 + · · · + a2n xn = b2

(S) ..


 .
am1 x1 + am2 x2 + · · · + amn xn = bm .

Le système (S) peut-être écrit sous la forme condensée suivante

n
X
aij xj = bi , i = 1, 2, . . . , m.
j=1
Notation: La matrice de type (n, m)

 
a11 a12 . . . a1n

 a21 a22 . . . a2n 

 .. .. . . .. 
 . . . . 
am1 am2 . . . amn
est la matrice des coefficients du système (S), alors que sa matrice augmentée est
 
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
..  .
 
 .. .. .. ..
 . . . . . 
am1 am2 . . . amn bm
Exemples: 1. On a le système suivant de 3 équations linéaires à 3 inconnues x, y et z:


 x + y + 2z = 4
x + 2y + 3z = 4
2x + 6y + 9z = 9

 
1 1 2
dont la matrice associée et la matrice augmentée sont, respectivement,  1 2 3  et
2 6 9
 
1 1 2 4
 1 2 3 4 .
2 6 9 9
2. Trois types d’insectes de laboratoire A, B et C sont nourris à base de trois types d’aliments X,
Y et Z. La ration quotidienne de chaque espèce d’insecte est consignée dans le tableau suivant:
20
Espèces
Aliments A B C
X 2 4 1
Y 4 2 2
Z 1 3 2
Sachant que 135, 120 et 105 unités d’aliment X, Y et Z respectivement sont fournies quotidien-
nement et consommées entièrement.
Si on désigne par x, y et z le nombre d’unités d’aliment X, Y et Z utilisés, respectivement, on
obtient le système de 3 équations linéaires à 3 inconnues

 2x + 4y + z = 135
4x + 2y + 2z = 120
x + 3y + 2z = 105

 
2 4 1
La matrice associée et la matrice augmentée sont, respectivement,  4 2 2  et
1 3 2
 
2 4 1 135
 4 2 2 120 .
1 3 2 105
Définition 3.3 Résoudre le système S consiste à trouver n nombres réels (x1 , x2 , . . . , xn ) qui
vérifient simultanément chacune des m équations. On dit que le système est S est consistent
ou compatible s’il possède au moins une solution. S’il ne possède aucune solution, on dit qu’il est
inconsistent ou incompatible.
Exemples: 1. Résoudre l’équation linéaire
2x + y = 2.
y
L’équation 2x + y = 2 est équivalente à 2x = 2 − y ou x = 1 − , où y est une constante réelle
2
arbitraire. Ainsi, l’équation admet une infinité de solutions.
2. Résoudre le système d’équations linéaires

x+y+z = 1
.
x−y+z = 0
1
En soustrayant la deuxième équation de la première, on obtient 2y = 1 et y = . Alors x = y − z =
2
1
− z où z est une constante réelle arbitraire. Nous avons encore une infinité de solutions.
2

 x + y + 2z = 4
x + 2y + 3z = 4 .
2x + 6y + 9z = 9

Nous allons montrer plus tard que ce système admet une solution unique x = 3, y = 2 et z = −1.
21
3.2 Résolution des systèmes d’équations linéaires
3.2.1 Méthode de l’inverse des matrices
On considère le système de n équations linéaires à n inconnues x1 , . . . , x n



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn

= b2
(S) ..


 .
an1 x1 + an2 x2 + · · · + ann xn = bn .

On peut aussi écrire (S) sous la forme A × X = B où

     
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
A= . , X = et B= .
     
.. .. .. .. ..
 ..
  
. . .   .   . 
an1 an2 . . . ann xn bn
Si det A 6= 0, alors on peut calculer A−1 . En multipliant B = A × X par A−1 à gauche, on obtient
A−1 × B = A−1 × (A × X)
= (A−1 × A) × X
= In × X;
finalament la solution du système d’équations linéaires est donnée par la relation
X = A−1 × B.
Exemple: Résoudre le système d’équations linéaires


 x + 2y + z = 2
x−y−z = 1
2x + y − z = 4

Dans ce cas, nous avons

     
1 2 1 x 2
A =  1 −1 −1  , X =  y  et B =  1  .
2 1 −1 z 4
 
2 −1 3
La matrice des cofacteurs de A est  3 −3 3  et det A = 1 × 2 + (−1) × 2 × 1 + 1 × 3 =
−1 2 −3
2 − 2 + 3 = 3.  
2 3 −1
La transposée de la comatrice de A est t comA =  −1 −3 2 . Par conséquent
3 3 −3
 
2 3 −1
1 1
A−1 = × t comA = ×  −1 −3 2 .
det A 3
3 3 −3
La solution du système d’équations sera
    
2 3 −1 2 1
1
X = A−1 × B = ×  −1 −3 2  1  =  1 .
3
3 3 −3 4 −1
Finalement le système admet la solution unique (x, y, z) = (1, 1, −1).
22
3.2.2 Méthode de Cramer
On considère le système de n équations linéaires à n inconnues x1 , . . . , x n



 a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2





 ..
.

(S)

 aj1 x1 + aj2 x2 + · · · + ajn xn = bj

 ..
.




an1 x1 + an2 x2 + · · · + ann xn = bn .

Pour chaque i = 1, 2, . . . , n, on multiplie la j ème équation par Aji , le cofacteur de aji dans A; on
a 

 a11 A1i x1 + a12 A1i x2 + · · · + a1i A1i xi + · · · + a1n A1i xn = b1 A1i




a21 A2i x1 + a22 A2i x2 + · · · + a2i A2i xi + · · · + a2n A2i xn = b2 A2i




 ..
. .
aj1 Aji x1 + aj2 Aji x2 + · · · + aji Aji xi + · · · + ajn Aji xn = bj Aji





 ..
.




an1 Ani x1 + an2 Ani x2 + · · · + ani Ani xi + · · · + ann Ani xn = bn Ani

En additionnant membre à membre les n équations obtenues, on a
       
Xn Xn n
X n
X n
X
 aj1 Aji  x1 +  aj2 Aji  x2 + · · · +  aji Aji  xi + · · · +  ajn Aji  xn = bj Aji .
j=1 j=1 j=1 j=1 j=1
Pour chaque 1 ≤ r ≤ n, on peut montrer que:

 
Xn
 ajr Aji  = a1r A1i + a2r A2i + a3r A3i + · · · + anr Ani = 0 si r 6= i,
j=1
 
Xn
=  aji Aji  = det A si r = i.
j=1
Pour tout i = 1, 2, . . . , n, A(i) est la matrice obtenue à partir de A en y remplaçant la ième colonne
par  
b1
 b2 
B =  . .
 
.
 . 
bn
Alors, on découvre immédiatement que
n
X
(i)
det A = bj Aji .
j=1
Pour tout i = 1, 2, . . . , n, la somme précédente des n équations est réduite à:
det A × xi = det A(i) .
23
Ainsi, si det A 6= 0, nous obtenons
det A(i)
xi = , i = 1, 2, . . . , n.
det A
Exemple: Résoudre le système d’équations linéaires


 x + 2y + z = 2
x−y−z = 1
2x + y − z = 4

Dans ce cas, nous avons

     
1 2 1 x 2
A =  1 −1 −1  , X= y  et B =  1 .
2 1 −1 z 4
Comme det A = 1 × 2 + (−1) × 2 × 1 + 1 × 3 = 2 − 2 + 3 = 3 6= 0, nous avons la solution
det A(1) det A(2) det A(3)

x= , y= , et z= où
det A det A det A
2 2 1
det A(1) = 1 −1 −1 = 3,
4 1 −1
1 2 1
det A(2) = 1 1 −1 = 3,
2 4 −1
1 2 2
det A(3) = 1 −1 1 = −3.
2 1 4
3 3 −3
Ainsi x = = 1, y = = 1, z = = −1.
3 3 3
3.2.3 Méthode d’élimination de Gauss
Nous allons étudier la résolution des systèmes d’équations linéaires en utilisant la méthode
d’élimination de Gauss.
Définition 3.4 [Opérations élémentaires sur les lignes] Soit A une matrice à coefficients dans R;
il existe trois types de transformations (dites élémentaires) sur les lignes de A:
(i) échanger tout couple (i, j) de lignes: Li ←→ Lj ,
(ii) multiplier une ligne quelconque i par un réel λ: Li → λLi ;
(iii) additionner la j ème ligne multipliée par λ à la ième : Li → Li + λLj .
Définition 3.5 [Matrices équivalentes] On dit qu’une matrice A est ligne-équivalente à la matrice
B si B est obtenu à partir de A à la suite d’opérations élémentaires sur les lignes.
Exemples:
24
     
1 1 2 (L1 → L1 ) 1 2 2 (L1 → L1 ) 1 2 2
1. A =  1 2 3  (L2 → L2 − L1 )  0 1 1  (L2 → L2 )  0 1 1 =
2 6 9 (L3 → L3 − 2L1 ) 0 4 5 (L3 → L3 − 4L2 ) 0 0 1
B
     
1 2 0 (L1 → L1 ) 1 2 0 (L1 → 2L1 ) 2 4 0
2. A =  2 1 1  (L2 → L2 + 2L3 )  4 −1 5  (L2 → L3 )  1 −1 2  =
1 −1 2 (L3 → L3 ) 1 −1 2 (L3 → L2 ) 4 −1 5
B
Proposition 3.1 Soient A et B sont deux matrices augmentées de deux systèmes d’équations
linéaires. Si A et B sont lignes-équivalentes, alors les deux systèmes ont le même ensemble de
solutions; autrement dit, une solution du système associé à A est une solution de celui associé à B.
Exemple: Les systèmes d’équations, dont les matrices augmentées A et B ont été étudiées
précédemment, sont  
 x + 2y = 0  2x + 4y = 0
2x + y = 1 et x−y = 2 ;
x−y = 2 4x − y = 5
 
ainsi ces systèmes ont les mêmes solutions.
Proposition 3.2 Soient A = (aij ) avec 1 ≤ i ≤ m, 1 ≤ j ≤ n à coefficients dans R; pour obtenir

la matrice de la forme citée dans le théorème (3.1), on procède comme suit:
• Si la première colonne de A est non nulle:
1. si a11 6= 0, on ajoute à chaque ligne , sauf la première, cette dernière multipliée par un
coefficient approprié pour obtenir
A01

a11
où A01 ∈ M1,n−1 (R) et A1 ∈ Mm−1,n−1 (R);
O(m−1,1) A1
on dit que a11 est le pivot de la première ligne.
2. si a11 = 0, il existe ak1 6= 0 avec k > 1. alors il suffit d’échanger la ligne 1 et la ligne k
et on est ramené au cas précédent.
• Si la première colonne de A est nulle; on a immédiatement une matrice de la forme
A01

0
où A01 ∈ M1,n−1 (R) et A1 ∈ Mm−1,n−1 (R).
0 A1
• On continue en transformant la matrice A1 ∈ Mm−1,n−1 (R) par des opérations élémentaires

sur les lignes comme précédemment.
Exemples:

 x + y + 2z = 3
x + 2y + 3z = 4 .
2x + 6y + 9z = 9

Nous avons
Équations Matrice augmentée
(L1 ) x + y + 2z = 3 (L1 ) 1 1 2 3
(L2 ) x + 2y + 3z = 4 (L2 ) 1 2 3 4
(L3 ) 2x + 6y + 9z = 9 (L3 ) 2 6 9 9
25
La réduction sous la forme triangulaire s’obtient de la manière suivante:
(L1 → L1 ) x + y + 2z = 3 (L1 → L1 ) 1 1 2 3
(L2 → L2 − L1 ) y+z = 1 (L2 → L2 − L1 ) 0 1 1 1
(L3 → L3 − 2L1 ) 4y + 5z = 3 (L3 → L3 − 2L1 ) 0 4 5 3
(L1 → L1 ) x + y + 2z = 3 (L1 → L1 ) 1 1 2 3
(L2 → L2 ) y+z = 1 (L2 → L2 ) 0 1 1 1
(L3 → L3 − 4L2 ) z = −1 (L3 → L3 − 4L2 ) 0 0 1 −1
Le dernier système d’équations linéaires se résout par substitution:

(L3 ) z = −1
(L2 ) y = 1−z =1+1=2
(L1 ) x = 3 − y − 2z = 3 − 2 + 2 = 3
Finalement le système admet la solution unique (x, y, z) = (3, 2, −1).

 x − 2y + 3z = 4
2x − 3y + 3z = 5 .
3x − 4y + 5z = 12

Nous avons
(L1 ) x − 2y + 3z = 4 (L1 ) 1 −2 3 4
(L2 ) 2x − 3y + 3z = 5 (L2 ) 2 −3 3 5
(L3 ) 3x − 4y + 5z = 12 (L3 ) 3 −4 5 12
(L1 → L1 ) x − 2y + 3z = 4 (L1 → L1 ) 1 −2 3 4
(L2 → L2 − 2L1 ) y − 3z = −3 (L2 → L2 − 2L1 ) 0 1 −3 −3
(L3 → L3 − 3L1 ) 2y − 4z = 0 (L3 → L3 − 3L1 ) 0 2 −4 0
(L1 → L1 ) x − 2y + 3z = 4 (L1 → L1 ) 1 −2 3 4
(L2 → L2 ) y − 3z = −3 (L2 → L2 ) 0 1 −3 −3
(L3 → L3 − 2L2 ) 2z = 6 (L3 → L3 − 2L2 ) 0 0 2 6
Le dernier système d’équations linéaires se résoud par substitution:

(L3 ) 2z = 6 et z = 3
(L2 ) y = −3 + 3z = −3 + 9 = 6
(L1 ) x = 4 + 2y − 3z = 4 + 12 − 9 = 7
26
Finalement le système admet la solution unique (x, y, z) = (7, 6, 3).
3. Résoudre le système d’équations linéaires suivant les valeurs du paramètre réel a

 x − 2y + 3z = 4
2x − 3y + 4z = 5 .
3x − 4y + 5z = a

Nous avons
(L1 ) x − 2y + 3z = 4 (L1 ) 1 −2 3 4
(L2 ) 2x − 3y + 4z = 5 (L2 ) 2 −3 4 5
(L3 ) 3x − 4y + 5z = a (L3 ) 3 −4 5 a
(L1 → L1 ) x − 2y + 3z = 4 (L1 → L1 ) 1 −2 3 4
(L2 → L2 − 2L1 ) y − 2z = −3 (L2 → L2 − 2L1 ) 0 1 −2 −3
(L3 → L3 − 3L1 ) 2y − 4z = a − 12 (L3 → L3 − 3L1 ) 0 2 −4 a − 12
(L1 → L1 ) x − 2y + 3z = 4 (L1 → L1 ) 1 −2 3 4
(L2 → L2 ) y − 2z = −3 (L2 → L2 ) 0 1 −3 −3
(L3 → L3 − 2L2 ) 0x + 0y + 0z = a − 6 (L3 → L3 − 2L2 ) 0 0 0 a−6
Si a 6= 6, le système n’admet pas de solution; mais si a = 6, on a
(L1 → L1 + 2L2 ) x − z = −2 (L1 → L1 + 2L2 ) 1 0 −1 −2

(L2 → L2 ) y − 2z = −3 (L2 → L2 ) 0 −2 −3 −3
(L3 → L3 ) 0x + 0y + 0z = 0 (L3 → L3 ) 0 0 0 0
Ainsi le système admet une infinité de solutions x = −2 + z, y = −3 + 2z; z est un nombre réel
arbitraire.
Théorème 3.1 [Méthode du pivot de Gauss] Soient A = (aij ) avec 1 ≤ i ≤ m, 1 ≤ j ≤ n à

coefficients dans R et q = inf(m, n). Il est possible de transformer A par des opérations élémentaires
sur les lignes pour obtenir la matrice

T
ou T O(m−q,q)
O(m−q,q)
où T une matrice triangulaire carrée d’ordre q. On dit que A a été réduite sous une forme triangu-
laire.
Exercice 1/Soit  
2 1 0
A= 2 2 1 
1 0 1
27
a) Calculer A2 et A3 .
b) Montrer que −A3 + 5A2 − 6A + 3I3 = 0.
c) En déduire A−1 .
Exercice 2 /
Déterminer les déterminants des matrices suivantes:

 
    1 0 2 1
1 0 2 1 0 6  0 1 −1 2 
A =  3 4 5 , B =  3 4 15 , C =  .
 3 0 1 −1 
5 6 7 5 6 21
2 1 4 5
Exercice 3 /
1 x y+z
1. Montrer que 1 y x+z = 0, pour tous x, y et z réels.
1 z y+x
2x 2y y − z
2. Montrer que 2y 2x x + z = −2(x − y)2 (x + y), pour tous x, y et z réels.
x+y x+y y
1 x x2
3. Montrer que 1 y y2 = (x − y)(z − x)(y − z), pour tous x, y et z réels.
1 z z2
1 1 1 1
x 1 1 1
4. Montrer que = (1 − x)3 .
x x 1 1
x x x 1
Exercice 4 /
Si possible, trouver l’inverse des matrices suivantes, en utilisant la méthode des cofacteurs:
         
1 2 3 2 4 −3 1 4 8 5 2 −3 4 0 5
 −1 −1 −2 ,  1 1 2 ,  2 10 13 ,  −1 −1 1  et  0 1 −6 .
2 6 9 2 3 0 1 6 5 −3 −1 2 3 0 4
Exercice 5 /
Si possible, trouver l’inverse des matrices suivantes, en utilisant la méthode d’élimination de Gauss-
Jordan:
         
1 2 3 2 4 −3 1 4 8 5 2 −3 4 0 5
 −1 −1 −2 ,  1 1 2 ,  2 10 13 ,  −1 −1 1  et  0 1 −6 .
2 6 9 2 3 0 1 6 5 −3 −1 2 3 0 4
Exercice 6 /
On dit qu’une matrice carrée A est idempotente si A2 = A
 
2 −2 −4
1◦ . Montrer que la matrice A =  −1 3 4  est idempotente.
1 −2 −3
2◦ . Soient A et B deux matrices carrées telles que A.B = A et B.A = B.
Montrer que A et B sont des matrices idempotentes.
Exercice 7 /
28
1. Soit A = (L1 , L2 , L3 ) avec L1 = e1 + e2 − e3 , L2 = 3e1 − e2 + e3 , L3 = 2e1 + e3 où e1 , e2 et
e3 sont les lignes de la matrice identité d’ordre 3.
Calculer |A|, |(2L1 , L2 , L3 )|, |(L1 + 2L2 , L2 , L3 )|, |(L1 + L2 + L3 , L2 , L3 )|.
2. Dans R4 pour i = 1 . . . 4 on désigne par ei la ième ligne de la matrice identité d’ordre 4. Soit
M la matrice d’ordre 4 de lignes Li = ei + e4 pour i = 1 . . . 3 et L4 = e1 + e2 + e4 . Calculer
alors son déterminant.
3. Soit B La matrice d’ordre n sur R de lignes V1 , V2 , . . . , Vn de Rn , calculer en fonction de |B|
(a) |(V1 , V2 + V1 , V3 + V2 , . . . , Vn + Vn−1 )|
(b) |(V1 , 2V2 + V1 , 3V3 + V2 , . . . , nVn + Vn−1 )|.
Exercice 8/
On considère la matrice
 
3 2 −2
A =  −1 0 1 
1 1 0
1. Calculer (A − I3 )2 .
2. Démontrer que An = nA + (1 − n)I3 pour tout n ∈ N.
Exercice 9 /
 
2 2 3
Soit M la matrice carrée d’ordre 3 définie par: M =  0 5 5  .
4 5 7
En remarquant que 204, 255 et 357 sont divisibles par 17, montrer sans calculer que |M | est divisible
par 17.
Exercice 10 /
 
m 1 1
Soit m ∈ R et Am ∈ M3 (R) la matrice  1 m 1  .
1 1 m
1. Calculer le déterminant de Am .
2. Déterminer l’inverse de Am lorsqu’elle existe.
Exercice 11 /
Déterminer
 l’inverse de
la matrice suivante:
1 0 0 1
 0 1 −1 0 
A= .
 0 0 1 −1 
2 0 0 5
Exercice 12 /
Déterminer l’inverse de la matrice du système d’équations linéaires, puis trouver la solution pour
chacun des vecteurs B = (b1 , b2 , b3 ):
      
 x + 2y + 3z = b1 5 1 2
x + y + 2z = b2 B=  4  B=  −1  B=  1 
x + 2y + z = b3 1 1 0

29
Exercice 13 /
Déterminer l’inverse de la matrice du système d’équations linéaires, puis trouver la solution pour
chacun des vecteurs B = (b1 , b2 , b3 , b4 ):
      

 x−y+z+t = b1 1 0 −2
−x + y + z + t = b2  2   2   0 

B=  B =   B =  

 x+y−z+t = b3  1   6   4 
−3x + y + z + 2t = b4 4 10 2

Exercice 14 /
Calculer les déterminants des matrices associées aux systèmes d’équations linéaires; puis, utiliser
la méthode de Cramer, pour trouver la solution pour chacun des vecteurs B = (b1 , b2 , b3 ):
      
 x − y + z = b1 5 1 2
2x − y − z = b2 B= 4  B =  −1  B= 1 
x − y + 2z = b3 1 1 0

Exercice 15 /
Calculer les déterminants des matrices associées aux systèmes d’équations linéaires; puis, utiliser
la méthode de Cramer, pour trouver la solution pour chacun des vecteurs B = (b1 , b2 , b3 , b4 ):
      

 x−y+z+t = b1 1 0 −2
−x + y + z + t = b2  2   2   0 

B=  B=  B= 

 x + y − z + t = b3
 1   6   4 
−3x + y + z + 2t = b4 4 10 2

Exercice 16 /
Résoudre, au moyen de la forme réduite-échelonnée, le système d’équations linéaires suivant:


 x + 2y + 3t = 1
x + 2y + 3z + 3t = 3


 x+z+t = 3
x + y + z + 2t = 1

Exercice 17 /
1◦ . Montrer, au moyen de la forme réduite-échelonnée, que le système d’équations linéaires suivant:


 2x + y + z = −6β
(S) γx + 3y + 2z = 2β
2x + y + (1 + γ)z = 4

admet une solution unique quand γ ∈ {0, 6}.

2◦ . On suppose que γ = 0; montrer qu’il existe une seule valeur de β pour laquelle le système (S)
admet une solution; puis, déterminer toutes les solutions dans ce cas.
3◦ . Résoudre le système (S) quand β = 6.
Exercice 18 /
On sait que l’âge d’un père est le quadruple de son fils, et dans cinq ans l’âge du père sera seulement
le triple de son fils. Trouver leur âge respectif.
Exercice 19 /
30
Dans un bassin de pisciculture, il existe deux types de poissons. Chaque jour un poisson de type
1 consomme 10mg d’un aliment A et 5mg d’un aliment B; un autre poisson de type 2 consomme
6mg d’un aliment A et 4mg d’un aliment B. On dispose quotidiennement de 2,2Kg de l’aliment A
et 1,3Kg de l’aliment B.
1◦ . Déterminer les relations entre les quantités x et y de poissons de type 1 et 2 et leur alimentation.
2◦ . Quelle est la taille maximale des deux espèces qu’on peut éléver?
Exercice 21 /
Un conservateur d’un zoo a obtenu une subvention avec laquelle il peut acheter, construire des
cages et nourrir durant la 1ère année trois (3) nouvelles espèces d’oiseaux. Les coûts unitaires (en
milliers de Francs) sont consignés dans le tableau suivant:
ESPÈCES
1 2 3
Achat 5 4 2
Habitat 10 10 12
Nourriture 3 2 2
Le montant des fonds disponibles est de 100 unités (100.000FCFA) est réparti comme suit: 20
unités pour la rubrique Achat, 66 unités pour Habitat et 14 unités pour Nourriture.
1◦ . Déterminer le système d’équations linéaires qui décrit ce phénomène. On notera M la matrice
du système d’équations.
2◦ . En utilisant la méthode d’élimination de Gauss, trouver le nombre de chacune des espèces que
le conservateur peut acquérir.
3◦ . Calculer M −1 en utilisant la méthode similaire à celle de l’élimination de Gauss; et retrouver
la solution précédente.
Exercice 23 /
Résoudre dans R3 
 x+y+z =1
ax + by + cz =d
 2
a x + b2 y + c2 z = d2
Exercice 24 /
Résoudre 
 −cy + bz = α
cx − az =β
−bx + ay = γ

31

Notes de Cours Algèbre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Notes de Cours Algèbre

Transféré par

Droits d'auteur :

Formats disponibles

Calcul matriciel, Déterminants, Systèmes

L1 BGE, AGRO, octobre 2022

3 Système d’équations linéaires 20

Les aij sont des scalaires du corps K (coefficients).

est la matrice nulle et est notée Om,n ou tout simplement 0

Définition 1.2 Soit A = (aij ) ∈ Mm,n (R), avec 1 ≤ i ≤ m, 1 ≤ j ≤ n; pour tout i = 1, . . . , m, on

(ai1 , ai2 , . . . , ain ).

Remarques: 1. L’élément aij se trouve à l’intersection de la ième ligne et la j ème colonne de A.

1.2 Opérations sur les matrices

Remarques: Nous avons les deux cas spéciaux suivants:

Proposition 1.1 Soient A et B ∈ Mm,n (R) et λ, µ ∈ R on a:

Proposition 1.2 Le produit des matrices vérifie plusieurs lois de l’arithmétique:

1. A × (B × C) = (A × B) × C, si A, B et C sont de type (m, n), (n, p), (p, q) respectivement;

2. λ(A × B) = (λA) × B = A × (λB) et A × (−B) = (−A) × B = −(A × B),

3. (A + B) × C = A × C + B × C, si A et B sont de type (m, n) et C de type (n, p);

4. A × (B + C) = A × B + A × C, si A est de type (m, n) et B et C de type (n, p);

5. t(A × B) = tB × tA, si A, B sont de type (m, n), (n, p) respectivement;

6. A × In = In × A× = A, si A est une matrice carrée d’ordre n et In la matrice identité d’ordre

7. tA × A et A × tA sont des matrices symétriques;

8. Si A × tA = In , on dit que A est une matrice orthogonale.

Démonstration: Soient B et C deux inverses de A. Alors A × B = In = B × A et A × C =

1.3 Calcul de l’inverse d’une matrice

Par conséquent B = A−1

1.3.2 Méthode d’élimination de Gauss-Jordan

(i) échanger tout couple (i, j) de lignes: Li ←→ Lj ,

(ii) multiplier une ligne quelconque i par un réel λ: Li → λLi ;

(iii) additionner la j ème ligne multipliée par λ à la ième : Li → Li + λLj .

(L1 → L1 ) 1 1 2 1 0 0 (L1 → L1 − 2L3 ) 1 1 0 −3 8 −2

Une matrice carrée A est nilpotente d’indice n si An = O et Ar 6= O pour tout r < n.

On dit qu’une matrice carrée A est idempotente si A2 = A

Déterminer, si possible, en utilisant la méthode de Gauss-Jordan, l’inverse des matrices:

det A = a11 a22 − a21 a12 .

La définition générale du déterminant d’une matrice A d’ordre n est donnée en termes du

pour i = 1, 2, . . . , n. C’est le développement de Laplace de det A par rapport à la i-ème ligne ou

pour j = 1, 2, . . . , n. C’est le développement de Laplace de det A par rapport à la j -ème colonne.

Aij = (−1)i+j ∆ij (A).

le développement de Laplace de det A par rapport à la i-ème ligne, pour i = 1, 2, . . . , n.

le développement de Laplace de det A par rapport à la j -ème colonne, pour j = 1, 2, . . . , n.

Définition 3.2 Un système de m équations linéaires à n inconnues x1 , . . . , xn est une famille

Le système (S) peut-être écrit sous la forme condensée suivante

Notation: La matrice de type (n, m)

Exemples: 1. On a le système suivant de 3 équations linéaires à 3 inconnues x, y et z:

Exemples: 1. Résoudre l’équation linéaire

On considère le système de n équations linéaires à n inconnues x1 , . . . , x n

On peut aussi écrire (S) sous la forme A × X = B où

Exemple: Résoudre le système d’équations linéaires

Dans ce cas, nous avons

On considère le système de n équations linéaires à n inconnues x1 , . . . , x n

En additionnant membre à membre les n équations obtenues, on a

Pour chaque 1 ≤ r ≤ n, on peut montrer que:

Pour tout i = 1, 2, . . . , n, la somme précédente des n équations est réduite à:

det A × xi = det A(i) .

Exemple: Résoudre le système d’équations linéaires

Dans ce cas, nous avons

Comme det A = 1 × 2 + (−1) × 2 × 1 + 1 × 3 = 2 − 2 + 3 = 3 6= 0, nous avons la solution

det A(1) det A(2) det A(3)

3.2.3 Méthode d’élimination de Gauss

(i) échanger tout couple (i, j) de lignes: Li ←→ Lj ,

(ii) multiplier une ligne quelconque i par un réel λ: Li → λLi ;

(iii) additionner la j ème ligne multipliée par λ à la ième : Li → Li + λLj .

ainsi ces systèmes ont les mêmes solutions.

Proposition 3.2 Soient A = (aij ) avec 1 ≤ i ≤ m, 1 ≤ j ≤ n à coefficients dans R; pour obtenir

• On continue en transformant la matrice A1 ∈ Mm−1,n−1 (R) par des opérations élémentaires