Académique Documents
Professionnel Documents
Culture Documents
Peg Matrices MB1 2022 2023
Peg Matrices MB1 2022 2023
Mathématiques de base I
PEG 4 : Calcul matriciel et résolution de systèmes d’équations linéaires
I Activité introductive
On représente dans la Figure 1 trois images pixelisées en noir et blanc, A, B et C. À chaque pixel
on attribue une valeur : 1 s’il est noir et 0 s’il est blanc.
1
L’objet mathématique A est appelé la matrice A. Composée de 6 lignes et 6 colonnes, dans
cet exemple, la matrice A représente la transformation binaire de l’image A.
1. La notion de matrice : les différentes formes de matrices, les opérations sur les matrices
(somme, produit, transposée,...).
2. Le calcul du déterminant d’une matrice.
3. L’inversion d’une matrice via la méthode de la comatrice et la méthode de pivot de Gauss.
4. Résolution d’un système d’équations linéaires.
II Définitions
II.1 Matrices
N N
▶ Une matrice A à n lignes et p colonnes, avec (n, p) ∈ ∗ × ∗ , est un tableau
d’éléments de K K R
( = C
ou ) comportant n lignes et p colonnes. La matrice A
est notée par A = (a ) , où a est appelé le cœfficient de A situé sur la ième ligne
ij 1≤i≤n ij
1≤j≤p
2
▶ Si n = 1, alors A est une matrice ligne.
▷ L’ensemble des matrices carrées d’ordre n à cœfficients dans K est noté Mn,n(K),
ou encore Mn ( ). K
▷ Les aii , 1 ≤ i ≤ n, dits cœfficients diagonaux de A, matrice carrée d’ordre n,
forment la diagonale principale de A.
▷ La somme des cœfficients diagonaux d’une matrice carrée A d’ordre n est appelée
la trace de A, et notée par tr(A) :
n
X
tr(A) = aii .
i=1
Remarque 1 Nous considérons dans ce chapitre que des matrices à cœfficients réels : K = R.
Notation : Par convention, une matrice se note par une lettre majuscule et ses cœfficients par la
même lettre en minuscule.
3
II.2 Matrices carrées particulières
▶ A est une matrice unité d’ordre n ou une matrice identité d’ordre n ssi elle
est diagonale et ∀1 ≤ i ≤ n, aii = 1. On la note par In .
▶ Deux matrices de même type, A = (aij )1≤i≤n et B = (bij )1≤i≤n , sont égales, si et
1≤j≤p 1≤j≤p
seulement si, ∀1 ≤ i ≤ n, et 1 ≤ j ≤ p, aij = bij .
Application 1 Déterminer respectivement la valeur de α, β et γ pour que les deux matrices sui-
vantes soient égales :
α 2 β+1 α
A= , B= .
1 5 1 2.γ + 1
4
Exercice 3
−1 2 3 5 −3 1
1. Calculer, A + B et B + A, où A = 0 −5 4 , et B = 0 6 −4 . Conclure.
4 −2 1 1 2 7
10 −4 −6 −4
1 1 1
2. Calculer, .(C + D) et .C + .D, où C = 6 3 , et D = 8 −9 . Conclure.
2 2 2
8 5 −2 3
−2
3
3
1 −2
1 2 7
3. Soient E =
, et F = −1 −2 3 . Peut-on calculer 2.E + 3.F ? Pourquoi ?
2 5
−1 5
Propriétés :
R
Soient A, B et C ∈ Mn,p ( ), et α, β ∈ R, alors :
1. A + B = B + A.
2. (A + B) + C =
3. A + 0n,p =
4. A + (−1).A =
5. α(A + B) =
6. (α + β).A =
7. (αβ).A =
R
Soient A ∈ Mn,p ( ) et B ∈ Mp,q ( ).R
▶ Le produit de la matrice A par la matrice B est une matrice C = A × B du type (n, q)
et dont les cœfficients (cij )1≤i≤n sont définis par :
1≤j≤q
p
X
cij = aik bkj .
k=1
5
B ∈ Mp,q ( ) R
b11 b12 ... b1q
b21 b22 ... b2q
2
b1
×
.. .. .. ..
. . . .
1
b 22
+
a2
×
2
a2
bp1 bp2 ... bpq
+
..
.+
b p2
×
p
a2
a11 a12 ... a1p c11 c12 ... c1q
a21 a22 ... a2p ;
c21 c22 ... c2q
.. .. .. .. .. .. .. ..
. . . .
. . . .
an1 an2 ... anp cn1 cn2 ... cnq
Exercice 4
−1 3 −1 3 2
1. Comparer A × (B × C) et (A × B) × C, avec A = , B = ,
2 1 1 1 −2
1 2
et C = 4 −5 .
−1 2
−1 3 −1 3 4
2. Comparer A × (B + C) et (A × B) + (A × C), avec A = , B = ,
2 1 1 −2 5
0 −2 1
et C = .
−1 4 −1
3. Calculer A × Ip , et In × A avec A ∈ Mn,p ( ). Conclure.
R
2 −1 −2 4
4. Comparer A × B et B × A, avec A = , et B = . Conclure.
0 3 4 7
0 −1 2 −3
5. Calculer A × B, avec A = , et B = . Conclure.
0 5 0 0
6
Propriétés :
R
1. A × (B × C) = (A × B) × C, avec A ∈ Mn,p ( ), B ∈ M··· ,··· ( ), et C ∈ Mq,l ( ).R R
2. A × Ip = In × A = A, avec A ∈ M··· ,··· ( ) R
R R R
3. A × (B + C) = (A × B) + (A × C), avec A ∈ Mn,··· ( ), B ∈ Mp,q ( ), et C ∈ M··· ,··· ( ).
4. (A+B)×C = (A×C)+(B ×C), avec A ∈ Mn,p (R), B ∈ M (R), et C ∈ M··· ,q (R).
··· ,···
pf ois
R
▶ La transposée de la matrice A ∈ Mn,p ( ) est une matrice notée t A ∈ Mp,n ( ) dont R
les lignes sont les colonnes de A et les colonnes sont les lignes de A. Autrement dit, si
A = (aij )1≤i≤n alors t A = (e
aij )1≤i≤p , avec ∀1 ≤ i ≤ p et 1 ≤ j ≤ n, e
aij = aji .
1≤j≤p 1≤j≤n
Propriétés :
1. t (t A) = A, avec A ∈ Mn,p ( ). R
2. t (λ.A) = λt A, R. R
avec A ∈ Mn,p ( ) et λ ∈
3. t (A
+ B) = + tA avec A, B ∈ Mn,p (R).
t B,
7
1) Vérifier que A est une matrice symétrique.
2) Vérifier que B est une matrice antisymétrique.
R R
Soit A ∈ Mn,p ( ) et λ ∈ ∗ . On désigne par Li la ième ligne de A, avec 1 ≤ i ≤ n et Cj la
j ème colonne de A, avec 1 ≤ j ≤ p. Les opérations élémentaires sur les lignes (resp. sur les
colonnes) de la matrice A sont de trois types :
1. Permutation de deux lignes (resp. de deux colonnes). Cette opération se code par :
Li ←→ Lj (resp. Ci ←→ Cj ). (1)
2. Multiplication d’une ligne (resp. d’une colonne) par une constante non nulle. Cette
opération se code par :
Li ←− λLi (resp. Ci ←− λCi ). (2)
3. Ajout d’un multiple d’une ligne (resp. d’une colonne) à une autre ligne (resp. à une
autre colonne). Cette opération se code par :
À toute matrice carrée A = (aij )1≤i,j≤n est associé un unique scalaire qui la représente. Ce
scalaire, appelé déterminant de A et noté det(A) ou encore |A|.
▶ Si n = 1, alors
det(A) = det(a11 ) = a11 .
▶ Si n = 2, alors
a11 a12
det(A) = = a11 a22 − a12 a21 .
a21 a22
▶ Si n = 3, alors on peut calculer det(A) par rapport à une ligne ou une colonne choisie
en respectant la répartition des signes suivante :
+ − +
− + −
+ − +
8
Exemple :
a) calcul de det(A) suivant la première ligne :
−
a+
11 a12 a13
+
a22 a23 a a a a
det(A) = a− + −
21 a22 a23 = a11 a − a12 21 23 + a13 21 22
− 32 a33 a31 a33 a31 a32
a+
31 a32 a33
+
= a11 a22 a33 − a11 a32 a23 − a12 a21 a33 + a12 a31 a23 + a13 a21 a32 − a13 a31 a22 .
= −a12 a21 a33 + a12 a31 a23 + a22 a11 a33 − a22 a31 a13 − a32 a11 a23 + a32 a21 a13 .
0 3 2 3
9
Pour ce faire, nous fixons d’abord un indice 1 ≤ i ≤ 4, avec lequel nous calculons det(A) en
utilisant l’équation (4) (pour n = 4). Il est important de noter que l’indice i correspond à la ligne
de la matrice A pour laquelle nous déterminons les cofacteurs. Prenons par exemple i = 3. Nous
sommes ainsi amenés à calculer les cofacteurs C3j en fonction des mineurs M3j avec 1 ≤ j ≤ 4.
Commençons par calculer les mineurs comme suit :
1 −1 0
0 1 −1 1 −1 0
M31 = −1 0 1 = 1. − (−1). + 0.
2 3 3 3 3 2
3 2 3
= 1.(−2) + 1.(−6) + 0.(−2) = −8
2 −1 0
0 1 1 1 1 0
M32 = 1 0 1 = 2. − (−1). + 0.
2 3 0 3 0 2
0 2 3
= 2.(−2) + 1.(3) + 0.(0) = −1
2 1 0
−1 1 1 1 1 −1
M33 = 1 −1 1 = 2. − (1). + 0.
3 3 0 3 0 3
0 3 3
= 2.(−6) − 1.(3) + 0.(3) = −15
2 1 −1
−1 0 1 0 1 −1
M34 = 1 −1 0 = 2. − (1). − 1.
3 2 0 2 0 3
0 3 2
= 2.(−2) − 1.(2) − 1.(3) = −9
Enfin,
det(A) = a31 .C31 + a32 .C32 + a33 .C33 + a34 .C34 = 2.(−8) + 1.1 − 1.(−15) − 2.9 = −18.
Propriétés :
10
On pose ∆ = det(C1 , C2 , · · · , Cn ), où Ci , 1 ≤ i ≤ n, n ∈ N, désignent les colonnes de ∆.
P1 ) : det(C1 , C2 , .., Ci + C, .., Cn ) = det(C1 , C2 , .., Ci , .., Cn ) + det(C1 , C2 , .., Ci−1 , C, Ci+1 , .., Cn ),
| {z }
R
∆
avec C ∈ Mn,1 ( ).
Exemple :
1 0 1 1 0 1 1 0 1
1 2 −1 = 1 0 −1 + 1 2 −1
2 2 2 2 2 2 2 0 2
R
Attention : ∃A, B ∈ Mn ( ), det(A + B) ̸= det(A) + det(B).
R
j̸=i
, βj ∈ , alors ∆ = 0. En particulier, si une colonne est nulle alors ∆ = 0.
Exemples :
1)
1 2 2
2 4 1 =0
3 6 1
car C2 = 2C1 .
2)
1 2 5
2 4 10 = 0
3 6 15
car C3 = 2C2 + C1 .
3)
1 2 0
2 4 0 =0
3 6 0
car C3 = 0.
11
P5 ) : Si on rajoute à l’une des colonnes de ∆ une combinaison linéaire des autres colonnes :
n
R
X
C = Ci ← αCi + βj Cj et βj ∈ alors :
j=1
j̸=i
— Pour α = 1 la valeur de ∆ ne change pas :
Exemple :
1 1 2 1 5 2 1 6 2
1
2 1 1 = 2 3 1 = 2 4 1 avec C2 ← C2 + 2C3 resp C2 ← 2C2 + 2C3 .
2
3 1 1 3 3 1 3 4 1
P7 ) : Si A est triangulaire supérieure ou inférieure alors son déterminant est égal au produit
de ses cœfficients diagonaux.
P8 ) : det(A.B) = det(A).det(B), A, B ∈ Mn ( ) . R
Remarque 2 (Intérêt des propriétés des déterminants )
Exemple 2 Revenons sur le déterminant de l’exemple 1. Nous montrons, ci-dessous, qu’en utili-
sant les propriétés des déterminants, son calcul est effectué en 5 étapes seulement :
2 1 −1 0 3 1 −1 1
3 −1 1 1 −1 1
1 −1 0 1 E1 0 −1 0 0 E2 E
∆4 = = = (−1) 3 −1 −1 =3 (−1)×3 1 −1 −1
2 1 −1 −2 C1 ←−C1 +C2 3 1 −1 −1
C4 ←−C4 +C2 3 2 6 1 2 6
0 3 2 3 3 3 2 6 | {z }
∆3
12
0 0 2
E4 E 1 −1
= −3 1 −1 −1 =5 (−3) × 2 = (−3) × 2 × 3 = −18.
L1 ←−L1 −L2 1 2
1 2 6 | {z }
∆2
4. On applique des transformations sur la première ligne du déterminant résultant pour obtenir
l’égalité E4 .
0 3 3 2 1 1 1 0
2. Soit C une matrice donnée par
a b c d
a a b c
C=
a
.
a a b
a a a a
vérifier que le déterminant de la matrice C est
det(C) = −a(b − a)3
R R
▶ Soit la matrice A ∈ Mn ( ). S’il existe une matrice B ∈ Mn ( ) telle que :
A × B = B × A = In ,
alors B est appelée la matrice inverse de A, notée par A−1 . Dans ce cas, on dit que
la matrice A est inversible.
13
3 1
Application 4 Montrer que la matrice B = 5 5
, est la matrice inverse de la matrice
−1 −2
5 5
2 1
A= .
−1 −3
0 0
Exercice 7 Montrer que la matrice A = , n’admet pas une matrice inverse.
1 3
0 1 1
Exercice 8 Soit la matrice A = 1 0 1 ∈ M3 ( ). R
1 1 0
1) Calculer la matrice A2 − A − 2I3 .
2) En déduire que A est inversible et calculer son inverse A−1 .
Propriétés :
Soient A, B ∈ Mn ( ).R
▶ Si A est inversible, alors son inverse est unique.
−1
▶ Si A est inversible, alors A−1 est aussi inversible et (A−1 ) = A.
▶ la matrice A est inversible si et seulement si det(A) ̸= 0.
1
▶ Si A est inversible alors det(A−1 ) = .
det(A)
▶ Si A est inversible alors t A est aussi inversible et (t A)−1 =t (A−1 ).
▶ Si A et B sont inversibles alors A × B est aussi inversible et (A × B)−1 = B −1 × A−1 .
R
▶ Soit A ∈ Mn ( ), une matrice inversible, alors
1 t
A−1 = com(A).
det(A)
La méthode du pivot de Gauss consiste à effectuer des opérations élémentaires sur une matrice A,
carrée d’ordre n et inversible, afin de la transformer en une matrice identité. Les mêmes opérations
14
sont aussi effectuées sur la matrice In . Lorsque A sera transformée en In , In à son tour sera trans-
formée en A−1 . Nous décrivons le principe de cette méthode en se basant sur l’exemple suivant :
1 2 1 1 0 0
A= 2 1 0 , I3 = 0 1 0
1 0 0 0 0 1
Remarque 3 Si le cœfficient a11 = 0, il faut permuter la premier ligne L1 avec une ligne
Li telle que ai1 ̸= 0, i ∈ {1, · · · , 4}.
2. Opération 2 : Annuler tous les cœfficients situant en dessous du premier pivot en utilisant
aij
les opérations de type : Li ← Li − ajj Lj .
1 2 1! L1 ← L1 1 0 0! L1 ← L1
0 −3 −2 L2 ← L2 − 2L1 , −2 1 0 L2 ← L2 − 2L1
0 −2 −1 L3 ← L3 − L1 −1 0 1 L3 ← L3 − L1
3. Opération 3 : Passer au pivot suivant, vérifier qu’il est non nul et annuler tous les cœfficients
situant en dessous du deuxième pivot.
1 2 1 L1 ← L1 1 0 0! L1 ← L1
0 −3 −2 L2 ← L2 , −2 1 0 L2 ← L2
1 −2
0 0 1
3 L3 ← L3 − 23 L2 3 3 1 L3 ← L3 − 23 L2
1 0 0 ! L1 ← L1 + 23 L2 0 0 1! L1 ← L1 + 23 L2
0 −3 0 L2 ← L2 , 0 −3 6 L2 ← L2
1 1 −2
0 0 3 L3 ← L3 3 3 1 L3 ← L3
15
5. Opération 5 : Réduire les éléments diagonaux à 1 et trouver l’inverse de A.
1 0 0! L1 ← L1 0 0 1 ! L1 ← L1
I3 = 0 1 0 L2 ← −L2 /3 , A−1 = 0 1 −2 L2 ← −L2 /3
0 0 1 L3 ← 3L3 1 −2 3 L3 ← 3L3
Enfin, nous obtenons la matrice inverse de A. Nous pouvons vérifier que A × A−1 = A−1 × A = I4 .
Remarque 5 Dans le calcul de A−1 , il faut choisir d’effectuer les opérations soit sur les lignes
soit sur les colonnes et pas les deux en même temps.
R R
où A ∈ Mn ( ) représente la matrice des cœfficients de (S), X ∈ Mn,1 ( ) représente
R
la solution de (S) et B ∈ Mn,1 ( ) représente le second membre du système.
▶ Si A est inversible alors le système AX = B admet une unique solution donnée par
X = A−1 .B. Dans ce cas, le système AX = B est dit de Cramer.
16
1 1
La résolution de (Sα ) dépend de la valeur de α. En effet, la matrice Aα = associée à (Sα )
1 α2
est de déterminant ∆α = α2 − 1. Ainsi, trois cas de figure se présentent :
On considère le système d’équations linéaires AX = B, avec A = (aij )1≤i,j≤n est une matrice
inversible, X = (xi )1≤i≤n et B = (bi )1≤i≤n deux matrices colonnes représentant respectivement
la solution et le second membre du système.
▶ Les cœfficients de la solution X du système AX = B sont donnés par :
det(Ai )
xi = , ∀1 ≤ i ≤ n,
det(A)
Remarque 6 Parmi les avantages de la méthode de Cramer, est de pouvoir déterminer rapide-
ment l’inverse de la matrice associée à un système de Cramer. En effet, on considère le système
(S) : AX = B avec A = (aij )1≤i,j≤n , X = (xi )1≤i≤n et B = (bi )1≤i≤n . Si det(A) ̸= 0 alors (S) est
un système de Cramer. Ceci implique l’unicité de la solution X, exprimée d’une part par X = A−1 B
et d’autre part, en se basant sur la méthode de Cramer, par :
det(A1 )
x1 =
det(A)
det(A2 )
x2 =
det(A) (5)
.
..
det(An )
xn =
.
det(A)
17
où Ai , 1 ≤ i ≤ n, est obtenue en remplaçant la ième colonne de A par B.
La matrice associée à l’écriture (5) donne ainsi l’inverse de la matrice A.
1 0 −2
Exemple 4 Nous appliquons cette méthode pour inverser la matrice A = 0 −1 3 associée
2 0 5
x
au système de l’exercice 9. On a det(A) = −9 ≠ 0, alors si on pose AX = B , avec X = y ,
z
b1
et B = b2 , la solution X sera exprimée en fonction de B, via la règle de Cramer, comme suit :
b2
5 2
x= b1 + b3
9 9
−2 1
y= b1 − b2 + b3
3 3
−2 1
z =
b1 + b3 .
9 9
5
0 29
9
Comme X = A−1 B, il s’en suit que : A−1 = −2
3 −1 13
−2
9 0 19
N Il faut prendre soin d’écrire les cœfficients des bi , i ≥ 1, dans l’ordre pour obtenir sans erreur
les cœfficients de A−1 .
Exercice
10 On
considère le système d’équations linéaires suivant (S) : AX = B avec
0 1 1
R
A = 1 0 1, X = (xi )1≤i≤3 ∈ M3,1 ( ) et B = (bi )1≤i≤3 ∈ M3,1 ( ). R
1 1 0
1. a) Déterminer A−1 , l’inverse de la matrice A, par la méthode de la comatrice.
b) En déduire la solution X de (S).
2. a) En utilisant la règle de Cramer, exprimer les cœfficients de X en fonction de ceux de B.
b) Retrouver la matrice A−1 .
18
Méthode du pivot de Gauss :
ã11 ã12 · · ·
ã1(n−1) ã1n b̃1
0 ã22 · · · ã2(n−1) ã2n b̃2
(Ã|B̃) =
.. .. ..
. . .
0 0 · · · ã(n−1)(n−1) ã(n−1)n b̃n−1
0 0 ··· 0 ãnn b̃n
19
▶ La résolution du système équivalent (S̃) se fait dans un second temps :
▷ Si det(Ã) ̸= 0 ⇒ ∀1 ≤ i ≤ n, ãii ̸= 0 alors le système (S̃) admet une solution unique
déterminée par la méthode de la remontée : commencer par déterminer la valeur de
xn , une fois cette dernière est trouvée, elle sera utilisée pour trouver la valeur de
xn−1 , la procédure continue jusqu’à la détermination de tous les cœfficients de X.
La solution est donnée par :
b˜n
xn =
ãnn
n
1 X
xi = b̃i − ãij xj , ∀ 1 ≤ i ≤ n − 1.
ãii
j=i+1
VII Applications
Application 7
On considère la grille de la figure ci-dessous composée de tiges métalliques. Soient Ti , 1 ≤ i ≤ 4, les
températures aux quatres nœuds intérieurs du quadrillage de la figure. La température en un nœud
est à peu près égale à la moyenne des températures aux quatre nœuds voisins (au-dessus,à gauche
20
à droite et en dessous). La température aux extrémités est fixée telle qu’indiquée sur la figure.
Écrire un système d’équations dont la solution donne une estimation des températures Ti , 1 ≤ i ≤ 4.
20◦ 20◦
• •
T2 T4
10◦ • • • • 30◦
T1 T3
10◦ • • • • 30◦
• •
40◦ 40◦
21