École Supérieure Privée d’Ingénierie et de Technologies

Mathématiques de base I
PEG 4 : Calcul matriciel et résolution de systèmes d’équations linéaires

Niveau : 1ère année Année universitaire : 2022-2023

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.

(a) Image A (b) Image B (c) Image C

Figure 1 – Représentation pixelisée de trois images

1. En remplissant les tableaux ci-dessous, donner la représentation binaire associée à chaque

image.

(a) Tableau A as- (b) Tableau B as- (c) Tableau C as-

socié à l’image A socié à l’image B socié à l’image C

Figure 2 – Représentation binaire des images A, B et C.

2. Reproduire le Tableau A sous le format ci-dessous :

··· ··· ··· ··· ··· ···

 
· · · · · · · · · · · · ··· · · ·
 
· · · · · · · · · · · · ··· · · ·
A= · · · · · · · · · · · ·

 ··· · · ·

· · · · · · · · · · · · ··· · · ·
··· ··· ··· ··· ··· ···

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.

La résolution de divers problèmes touchant différentes disciplines scientifiques, se ramène souvent,

aux résolutions de systèmes d’équations linéaires. De telles résolutions, utilisent invariablement
des écritures matricielles. De ce fait, résoudre pareils problèmes, exige naturellement, une bonne
maı̂trise du calcul matriciel. Le but de ce chapitre est justement, de fournir à nos étudiants les
N
outils nécessaires pour les résolutions de systèmes d’équations linéaires d’ordre n ∈ ∗ .

L’étudiant sera appelé à maı̂triser :

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

et la j ème colonne. A est représentée par :

 
a11 a12 ··· a1j ··· a1 p−1 a1p
 a21
 a 22 · · · a2j ··· a2 p−1 a2p  
 .. .. .. .. 
 . . . . 
 
A= a
 i1 a i2 · · · a ij ··· ai p−1 aip  
 .. .. .. .. 
 . . . . 
 
an−1 1 an−1 2 · · · an−1 j · · · an−1 p−1 an−1 p 
an1 an2 ··· anj · · · an p−1 anp
▶ On dit que la matrice A est rectangulaire de type (n, p).

▶ L’ensemble des matrices à n lignes et p colonnes, à cœfficients dans K, est noté

K
Mn,p ( ) (A ∈ Mn,p ( )).K
▶ Si aij = 0, ∀1 ≤ i ≤ n et 1 ≤ j ≤ p, alors A est la matrice nulle. On la note par 0n,p .

▶ Si p = 1, alors A est une matrice colonne.

2
 ▶ Si n = 1, alors A est une matrice ligne.

▶ Si n = p, alors A est une matrice carrée d’ordre n.

▷ 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.

Exercice 1 On considère les matrices suivantes :

 
2 6 0 1 4  
−6 −1 2 3 1 2 3    
9
2 −1 2 0 0 0 0
A= 2 , B = 7, C= , D= ,
1 5 2 10 0 2 0 0 0
4 7 0
0 1 2 5 7
 
1
1 5 12 0 2 7
 
2


E=  5 , F = 2 4 6 , G= 0 , H= .

0 1 6 3 34 3
−9
1. Préciser le type de chacune de ces matrices.
2. Donner, si elles existent, les valeurs des éléments suivants : a53 , a35 , b23 , b11 , c22 , d12 , e31 ,
e13 , h16 .
3. Préciser parmi les matrices données celles qui sont : des matrices carrées, des matrices
lignes et des matrices colonnes.

3
II.2 Matrices carrées particulières

Soit A = (aij )1≤i,j≤n , alors :

▶ A est une matrice diagonale ssi aij = 0, ∀i ̸= j .

▶ 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 .

▶ A est une matrice triangulaire supérieure ssi aij = 0, ∀i > j.

▶ A est une matrice triangulaire inférieure ssi aij = 0, ∀i < j.

▶ A est une matrice symétrique ssi aij = aji , ∀1 ≤ i, j ≤ n.

▶ A est une matrice anti-symétrique ssi aij = −aji , ∀1 ≤ i, j ≤ n ⇒ aii = · · · · · ·

Exercice 2 Donner un exemple de chacune des matrices définies ci-dessus.

III Opérations sur les matrices
III.1 Égalité de matrices

▶ 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

III.2 Somme de deux matrices et produit d’une matrice par un scalaire

Soient A = (aij )1≤i≤n , b = (bij )1≤i≤n et (λ, γ) ∈

1≤j≤p 1≤j≤p
R2 alors :
▶ la somme des deux matrices A et B, de même type, est une matrice, notée A + B,
de même type, obtenue en additionnant A et B cœfficient par cœfficient :
A + B = (aij + bij )1≤i≤n .
1≤j≤p

▶ la multiplication de la matrice A par un scalaire λ se fait en mulitipliant tous les

cœfficients de A par λ :
λ.A = (λaij )1≤i≤n .
1≤j≤p

Donc, A et λ.A sont · · · · · · · · ·

▶ Conséquence :
λ.A + γ.B = (λaij + γbij )1≤i≤n .
1≤j≤p

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 =

III.3 Produit de deux matrices

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

Le principe de la multiplication est illustré dans la Figure 3.

Attention à la condition d’existence de A × B :
le nombre de colonnes de A = le nombre de lignes de B.
Cette opération n’est pas définie si A et B sont de même type, sauf si elles sont carrées de
même ordre.

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 

A ∈ Mn,p ( ) R C = A × .B, C ∈ Mn,q ( ) R

Figure 3 – Multiplication matricielle

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).
··· ,···

5. Soient A, B ∈ Mn (R) alors A × B n’est pas nécessairement égal à B × A.

6. A × B = 0n,q ne signifie pas que A = 0n,p ou B = 0p,q , avec A ∈ Mn,p (R),
et B ∈ Mp,q (R).

{z· · · × A}, avec p ∈ N et A ∈ Mn (R).

7. Ap = |A × A × ∗

pf ois

III.4 Transposée d’une matrice

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

Application 2 Déterminer, si elles existent, les matrices suivantes :

1) t A, 2) t B 3) t (A × B) 4) t A ×t B 5) t B ×t A,
avec  
  −2 4
2 −1 0
A= , et B =  0 −1 .
0 3 1
4 7

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,

4. t (A × B) = t B × t A, avec A ∈ Mn,p (R) et B ∈ Mp,q (R).

5. A =t A si et seulement si A est symétrique.
6. A = −t A si et seulement si A est antisymétrique.

Application 3 Soient les matrices carrées suivantes :

   
2 −1 0 0 2 −4
A = −1 3 1 , et B = −2 0 7 .
0 1 2 4 −7 0

7
 1) Vérifier que A est une matrice symétrique.
2) Vérifier que B est une matrice antisymétrique.

III.5 Opérations élémentaires sur les matrices

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 :

Li ←− Li + λLj (resp. Ci ←− Ci + λCj ). (3)

Attention : les opérations effectuées sur la matrice A conduisent à une matrice

qui n’est pas nécessairement égale à A.

IV Déterminant d’une matrice

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 .

b) calcul de det(A) suivant la deuxième colonne :

−
a+
11 a12 a13
+
a a a a a a
det(A) = a21 a22 a23 = −a12 21 23 + a22 11 13 − a32 11 13
− + −
− a 31 a33 a 31 a 33 a 21 a23
a+
31 a32 a33
+

= −a12 a21 a33 + a12 a31 a23 + a22 a11 a33 − a22 a31 a13 − a32 a11 a23 + a32 a21 a13 .

Exercice 5 Calculer le déterminant de chacune des matrices suivantes :

   
  1 −2 −1 1 −1 −7
1 2
A= , B = −2 1 −2 , C = 0 1 2 .
−3 4
−1 −2 1 0 −3 4

Généralisation du calcul du déterminant d’une matrice :

On considère la matrice carrée A = (aij )1≤i,j≤n .

▶ On appelle mineur du cœfficient aij , 1 ≤ i, j ≤ n, le réel Mij représentant le

déterminant de la matrice obtenue en supprimant la ième ligne et la j ème colonne
de la matrice A.
▶ On appelle cofacteur du cœfficient aij , 1 ≤ i, j ≤ n, le réel Cij défini par :
Cij = (−1)i+j Mij .
▶ On appelle comatrice de A, la matrice, notée par com(A), et composée par les cofac-
teurs des cœfficients de A :
com(A) = (Cij )1≤i,j≤n .
▶ Dans un cadre plus général, le déterminant de la matrice A = (aij )1≤i,j≤n se calcul,
suivant la ième ligne, comme suit :
n
X
det(A) = aij Cij , ∀1 ≤ i ≤ n. (4)
j=1

Exemple 1 (illustratif ) Nous calculons le déterminant de la matrice

 
2 1 −1 0
1 −1 0 1
A= 2 1 −1 −2


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

Passons maintenant à calculer les cofacteurs :

C31 = (−1)3+1 M31 = (−1)4 .(−8) = −8

C32 = (−1)3+2 M32 = (−1)5 .(−1) = 1
C33 = (−1)3+3 M33 = (−1)6 .(−15) = −15
C34 = (−1)3+4 M34 = (−1)7 .(−9) = 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).

P2 ) : det(C1 , C2 , .., αCi , .., Cn ) = α det(C1 , C2 , .., Ci , .., Cn ), α ∈

| {z }
R.
∆
Exemple :
1 20 200 1 2 2
2 30 700 = 10 × 100 × 2 3 7
3 50 800 3 5 8
P3 ) : Si on permute deux colonnes de ∆, le signe de ∆ change :
det(C1 , C2 , .., Ci , .., Ck , .., Cn ) = −det(C1 , C2 , .., Ck , .., Ci , .., Cn ), 1 ≤ k ≤ n.
|{z} |{z}
colonne i colonne k
1 1 1 1
Exemple : =−
1 2 2 1
P4 ) : Si deux colonnes de ∆ sont proportionnelles : Ci = αCk , 1 ≤ i,P k ≤ n , α ∈ , ou une R
colonne est une combinaison linéaire des autres colonnes : Ci = nj=1 βj Cj , 1 ≤ i, j ≤ n

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 :

det(C1 , C2 , .., Ci , .., Cn ) = det(C1 , C2 , .., |{z}

C , .., Cn ),
colonne i

— Pour α ̸= 1 la valeur de ∆ change :

det(C1 , C2 , .., Ci , .., Cn ) = αdet(C1 , C2 , .., |{z}

C , .., Cn ),
colonne i

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

P6 ) : det(t A) = det(A), A ∈ Mn ( ).R

⇒ Il en résulte que les propriétés sur le déterminant, énoncées sur
les colonnes, sont aussi vraies sur les lignes (les colonnes de det(t A)).

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 )

Si ∆n est un déterminant d’une matrice d’ordre n ≥ 4, le calcul de ∆n , en utilisant la définition,

peut être long et induit des erreurs de calculs (comme pour le cas de l’exemple 1 pour n = 4). On uti-
lise les propriétés pour obtenir une ligne (ou colonne) de ∆n avec un unique cœfficient non nul,
afin de calculer ∆n suivant cette ligne (ou cette colonne). Ainsi, on réduit le calcul de ∆n à celui
de ∆(n−1) , le déterminant de la matrice obtenue d’ordre (n − 1). On réitère le processus jusqu’à
obtenir un déterminant d’une matrice d’ordre 3 ou 2.

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

1. On remarque l’existence de trois 0 dans ∆4 . On choisit d’effectuer des transformations sui-

vant une ligne ou une colonne contenant l’un de ces trois 0. On considère par exemple la
deuxième ligne. Pour garder un seul cœfficient non nul de cette ligne, on effectue les trans-
formations données par l’égalité E1 .

2. On ramène le calcul de ∆4 à celui de ∆3 , le déterminant de la matrice obtenue d’ordre 3,

comme donné par l’égalité E2 .

3. On remarque que les cœfficients de la première colonne de ∆3 sont des multiples de 3. On

applique alors la propriété P2 pour avoir l’égalité E3 .

4. On applique des transformations sur la première ligne du déterminant résultant pour obtenir
l’égalité E4 .

5. On ramène le calcul de ∆3 à celui de ∆2 , le déterminant de la matrice obtenue d’ordre 2,

comme donné par l’égalité E5 .
Exercice 6 1. En utilisant les propriétés des déterminants, calculer le déterminant de chacune
des matrices suivantes :
   
2 0 1 0 0 1 1 0
1 3 0 −1 1 0 0 1
A= 2 −2 −1 −2 , B = 1 1 0 1
  

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

V Inverse d’une matrice

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 .

V.1 Méthode de la comatrice pour le calcul de l’inverse d’une matrice

R
▶ Soit A ∈ Mn ( ), une matrice inversible, alors
1 t
A−1 = com(A).
det(A)

Application 5 Revenons sur la matrice A de l’exercice 8.

Calculer son inverse en utilisant la méthode de la comatrice.

V.2 Méthode du pivot de Gauss pour le calcul de l’inverse d’une matrice

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. Opération 1 : Déterminer un premier pivot non nul .

  

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

Remarque 4 À ce stade d’opérations effectuées, la matrice A est transformée en une ma-

trice à triangulaire supérieure. Nous continuons les opérations pour transformer à en I4 .

4. Opération 4 : Annuler tous les cœfficients situant en dessus de la diagonale.

1 2 0 ! L1 ← L1 − 3L3 0 2 −3! L1 ← L1 − 3L3

0 −3 0 L2 ← L2 + 6L3 , 0 −3 6 L2 ← L2 + 6L3
1 1 −2
0 0 3 L3 ← L3 3 3 1 L3 ← L3

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.

VI Résolution de systèmes d’équations linéaires

▶ Un système de n équations à n inconnues x1 , x2 , · · · , xn , à cœfficients aij , et seconds

membres bi , 1 ≤ i, j ≤ n, est de la forme :

a11 x1 + a12 x2 + · · · + a1n xn = b1




 a21 x1 + a22 x2 + · · · + a2n xn = b2


(S) ..



 .

an1 x1 + an2 x2 + · · · + ann xn = bn .

▶ Le système (S) peut s’écrire sous la forme matricielle suivante :

    
a11 · · · a1n x1 b1
 .. ..   ..  =  .. ,
 . .  .  .
an1 · · · ann xn bn
| {z } | {z } | {z }
A X B

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.

▶ Si A est non inversible alors le système AX = B ou bien il n’admet pas de solutions

ou bien il admet une infinité de solutions.

Exemple 3 On considère le système d’équations linéaires (Sα ) dépendant de la valeur du réel α :

(
x+y = 1
(Sα )
x + α2 y = α

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 :

1. Si α ∈ R/{∓1} (∆α ̸= 0) alors (Sα) admet une solution unique.

2. Si α = −1 (∆−1 = 0) alors (S−1 ) n’admet pas de solutions.

3. Si α = 1 (∆1 = 0) alors (S1 ) admet une infinité de solutions.

Règle de Cramer pour la résolution des systèmes d’équations linéaires :

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)

où Ai est obtenue en remplaçant la ième colonne de A par B.

Exercice 9 Résoudre le système d’équations linéaires suivant de deux manières différentes :


 x − 2z = 3

(S) −y + 3z = 1

2x + 5z = 0


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 :

On considère le système d’équations linéaires (S) : AX = B, avec A = (aij )1≤i,j≤n ,

X = (xi )1≤i≤n et B = (bi )1≤i≤n deux matrices colonnes représentant respectivement la solu-
tion et le second membre du système.
▶ On appelle matrice élargie relative à (S), la matrice notée par (A|B) ∈ Mn,n+1 ( ) R
et donnée par :  
a11 · · · a1n b1
 .. .. .. 
(A|B) =  . . . 
an1 · · · ann bn
▶ La méthode du pivot de Gauss consiste, dans un premier temps, à effectuer des
opérations élémentaires par lignes sur la matrice élargie (A|B), relative au système (S) :
AX = B afin de la transformer en une matrice élargie (Ã|B̃) relative à un système (S̃) :
ÃX = B̃, équivalent à (S), de la forme suivante :

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

La matrice à obtenue est triangulaire supérieure.

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

▷ Si det(Ã) = 0 ⇒ la matrice à ne peut pas être triangularisée avec des cœfficients

diagonaux tous non nuls : ∃r < n, tel que ãii ̸= 0, ∀1 ≤ i ≤ r :


ã11 x1 + ã12 x2 + · · · + ã1r xr + · · · + ã1n xn = b̃1



 ã22 x2 + · · · + ã2r xr + · · · + ãn xn = b̃2
(S) ⇔ .. ..



 .= .

ãrr xr + · · · + ãrn xn = b̃r .


Dans ce cas, et par la méthode de la remontée, la solution X est exprimée en fonction

de (xr+1 , xr+2 , · · · , xn ). On dit alors qu’il y a une indétermination d’ordre n − r.
Exemple 5 On considère la système (Sa ) dépendant du paramètre a ∈ R.
 
 2x + y + 3z + 2t = 4 2x + y2 + 3z + 2t = 4
 
3y − 9z − 7t = −11

 8x + 7y + 3z + t = 
5 
(Sa ) ⇔


 2x + 4y + 2z + t = 1 

 8z + 6t = 8
 
12x + 9y + 5z + 2t = a 0= a−9

Si a ̸= 9, (Sa ) n’est pas compatible. Donc, il n’admet pas de solution.

Si a = 9, (S9 ) admet une infinité de solutions : trois inconnues sont exprimées en
fonction de la quatrième (x, y, et z, en fonction de t par exemple).

Application 6 Résoudre le système (S) de l’exercice 9 par la méthode du pivot de Gauss.

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