École Supérieure Privée d’Ingénierie et de Technologies

Cours Algèbre I
Mathématiques de base 2
PEG 4 : Calcul matriciel et résolution de systèmes d’équations linéaires

Niveau : 1ère année Année universitaire : 2021-2022

2016-2017

I Introduction
La résolution de divers problèmes touchant différentes disciplines scientifiques, se ramène sou-
vent, 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 du pivot de Gauss.
4. Résolution d’un système d’équations linéaires par l’inversion de la matrice associée et par la
méthode de Cramer.

II Motivation
La Figure 1 représente 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.

1
 (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= · · · · · · · · · · · ·

 ··· · · ·

· · · · · · · · · · · · ··· · · ·
··· ··· ··· ··· ··· ···

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.

Dans ce qui suit, nous définissons la notion de matrice et présentons ses différentes propriétés.

III Définitions
III.1 Matrices

N
I Une matrice réelle A à n lignes et p colonnes, avec (n, p) ∈ ∗ × ∗ , est un tableau N
d’éléments de Rcomportant n lignes et p colonnes. La matrice A est notée par
A = (aij )1≤i≤n , où ∀1 ≤ i ≤ n et 1 ≤ j ≤ p, le réel aij représente l’élément de A situé
1≤j≤p
sur la ligne i et la colonne j et elle est représentée par :
 
a11 a12 ··· a1j ··· a1 p−1 a1p
 a21
 a22 ··· a2j ··· a2 p−1 a2p  
 .. .. .. .. 
 . . . . 
 
A =  ai1
 ai2 ··· aij ··· 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
I On dit que la matrice A est de type (n, p) et on note An,p .

2
 I L’ensemble des matrices à n lignes et p colonnes, à cœfficients dans R, est noté Mn,p(R).
I Si p = 1, alors A est une matrice colonne.

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

I Si aij = 0, ∀1 ≤ i ≤ n et 1 ≤ j ≤ p, alors A est une matrice nulle. On la note par 0n,p .

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

I L’ensemble des matrices carrées d’ordre n à cœfficients dans R est noté Mn,n(R), ou
encore Mn ( ).R
I Les éléments a11 , a22 , · · · , ann d’une matrice carrée d’ordre n forment la diagonale
principale de A.

I La somme des éléments diagonaux d’une matrice carrée d’ordre n est appelée la trace de
la matrice A, et notée par tr(A) :
n
X
tr(A) = aii .
i=1

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.

Exercice 2 Écrire la matrice C = (cij )1≤i,j≤3 , où cij = (−1)i+j .2i .j, ∀1 ≤ i, j ≤ 3.

3
III.2 Matrices particulières

Soit A = (aij )1≤i,j≤n , alors :

I A est une matrice diagonale si aij = 0, ∀i 6= j .

I A est une matrice unité d’ordre n ou une matrice identité d’ordre n si elle est
diagonale et ∀1 ≤ i ≤ n, aii = 1. On la note par In .

I A est une matrice triangulaire supérieure si aij = 0, ∀i > j.

I A est une matrice triangulaire inférieure si aij = 0, ∀i < j.

I A est une matrice symétrique si aij = aji , ∀1 ≤ i ≤ n.

Exercice 3 Donner un exemple de chacune des matrices définies ci-dessus.

IV Opérations sur les matrices

IV.1 Égalité de matrices

I Deux matrices de même type, A = (aij )1≤i≤n et B = (bij )1≤i≤n , sont égales, si et seulement
1≤j≤p 1≤j≤p
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

IV.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 ∈

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

Attention à la condition d’existence de A + B : A et B de même type.

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

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

4
Application 2 Revenons sur les images A, B et C de la Figure 1. On désigne par B et C les
matrices associées, respectivement, aux images B et C. Qu’elle est la nature de la matrice A − C ?
Qu’elle information peut-on avoir sur l’image correspondante à la matrice A + B ?

Exercice 4    
−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  , et F = 1 2 7

3. Soient E =  . Peut-on calculer 2E + 3F ? Pourquoi ?
  −1 −2 3
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 =

IV.3 Produit de deux matrices

R
Soient A ∈ Mn,p ( ) et B ∈ Mp,q ( ).R
I Le produit de la matrice A par la matrice B est une matrice C = A.B du type (n, q) et
dont les éléments (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.

5
 Bp,q
 
 b11 ... b1j ... b1q 
 
 
 
 .. .. .. .. .. 

 . . . . . 

 
 
 bk1 ... bkj ... bkq 

j
 

b1
1.
 

ai
 
.. .. .. ..

+
 .. 

..
 . . . . . 

.+
 
j  
.b k  
a ik
 bp1 ... bpj ... bpq 

+
..
.+
j
.b p
a ip
   

 a11 ... a1k ... a1p 


 c11 ... c1j ... c1q 

   
   
 .. .. .. .. ..   .. .. .. .. .. 

 . . . . . 


 . . . . . 

   
   

 ai1 ... aik ... aip 


 ci1 ... cij ... ciq 

   
   
 .. .. .. .. ..   .. .. .. .. .. 

 . . . . . 


 . . . . . 

   
   
 an1 ... ank ... anp   cn1 ... cnk ... cnq 

An,p C = A.B, Cn,q

Figure 3 – Multiplication matricielle

Exercice 5  
    1 2
−1 3 −1 3 2
1. Comparer A.(B.C) et (A.B).C, avec A = , B= , et C =  4 −5 .
2 1 1 1 −2
−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 , avec A ∈ Mn,p ( ).
 
R  
2 −1 −2 4
4. Comparer A.B et B.A, avec A = , et B = .
0 3 4 7
   
0 −1 2 −3
5. Calculer A.B, avec A = , et B = .
0 5 0 0

6
Propriétés :

R 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
3. A.(B + C) = (A.B) + (A.C), avec A ∈ Mn,··· ( ), B ∈ Mp,q ( ), et C ∈ M··· ,··· ( ). R
4. (A + B).C = (A.C) + (B.C), avec A ∈ Mn,p (R), B ∈ M (R), et C ∈ M··· ,q (R).
··· ,···

5. Il existe A, B ∈ Mn (R) telles que A.B · · · B.A.

6. A.B = 0n,q · · · · · · A = 0n,p ou B = 0p,q , avec A ∈ Mn,p (R), et B ∈ Mp,q (R).
7. Ap = A.A.
| {z · · · .A}, avec p ∈ N∗ et A ∈ Mn (R).
pf ois

IV.4 Transposée d’une matrice

R
I 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 :

R
1. t (t A) = A, avec A ∈ Mn,p ( ).
R R.
2. t (λA) = λt A, avec A ∈ Mn,p ( ) et λ ∈
3. t (A
+ B) = + tA avec A, B ∈ Mn,p (R).
t B,

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

t t t

Application 3 Que serait la nature d’une matrice égale à sa transposée ?

V Opérations élémentaires sur les matrices

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)

7
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 égale à A.

VI Déterminant d’une matrice

À toute matrice carrée A = (aij )1≤i,j≤n est associé un unique nombre réel qui la représente.
Ce nombre réel, appelé déterminant de A et noté det(A) ou encore |A|, est déteriminé en
fonction de tous les éléments de A.

I Si n = 1, alors
det(A) = |a11 | = a11 .
I Si n = 2, alors
a11 a12
det(A) = = a11 a22 − a12 a21 .
a21 a22
I 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 :

+ − +
− + −
+ − +

Exemple : calcul de det(A) suivant la première ligne :

−
a+
11 a12 a13
+
a22 a23 a a a a
det(A) = a21 a22 a−
− +
23 = 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 .

Dans ce cas, nous pouvons aussi utiliser la règle de Sarus dont le principe est illustré dans la
Figure 4.

Attention : la règle de Sarus ne concerne que les déterminants d’ordre 3.

8
 +
a11 a12 a13
+
a21 a22 a23
+
a31 a32 a33

− a a12 a13
11

− a a22 a13
21

Figure 4 – Règle de Sarus pour le calcul du déterminant d’une matrice du type (3, 3)

Exercice 6 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 .

I On appelle mineur de l’élément 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.
I On appelle cofacteur de l’élément aij , 1 ≤ i, j ≤ n, le réel Cij défini par :
Cij = (−1)i+j Mij .
I On appelle comatrice de A, la matrice, notée par com(A), et composée par les cofac-
teurs des éléments de A :
com(A) = (Cij )1≤i,j≤n .
I Dans un cadre plus général, le déterminant de la matrice A = (aij )1≤i,j≤n se calcul
comme suit :
Xn
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.

10
Propriétés :

R
Soient A, B ∈ Mn ( ) et λ ∈ R∗ .
I det(t A) = det(A).
I det(A.B) = det(A).det(B).
I Si A est triangulaire supérieure ou inférieure alors son déterminant est égal au produit
de ses éléments diagonaux.
I Le déterminant change de signe si l’on permute deux lignes ou deux colonnes (voir
l’opération élémentaire (1)) .
I Multiplier une ligne ou une colonne d’un déterminant par un scalaire (voir l’opération
élémentaire (2)) revient à multiplier le déterminant par ce scalaire.
I La valeur du déterminant ne change pas en ajoutant à une de ses lignes (resp. de ses
colonnes) une combinaison linéaire des autres lignes (resp. des autres colonnes) (voir
l’opération élémentaire (3)). Cette propriété est très utilisée pour faire apparaı̂tre des 0
sur une colonne (resp. une ligne) afin de faciliter le calcul du détermianant.
I det(λA) = λn det(A).
I Le déterminant d’une matrice est nul dès lors que deux lignes ou deux colonnes sont
identiques.

Exercice 7 Calculer
2 0 1 0
1 3 0 −1
2 −2 −1 −2
0 3 3 2

VII Inverse d’une matrice

R R
I 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.

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 8 Montrer que la matrice A = , n’admet pas de matrice inverse.
1 3

11
Propriétés :

Soient A, B ∈ Mn ( ).R
I Si A est inversible, alors son inverse est unique.
−1
I Si A est inversible, alors A−1 est aussi inversible et (A−1 ) = A.
I la matrice A est inversible si et seulement si det(A) 6= 0.
1
I Si A est inversible alors det(A−1 ) = .
det(A)
I Si A est inversible alors t (A−1 ) = (t A)−1 .
I Si A et B sont inversibles alors (A.B)−1 = B −1 .A−1 .

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

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

Application 5 Revenons sur la matrice A de l’exemple 1.

1. Justifier pourquoi A est inversible.
2. Calculer son inverse en utilisant la méthode de la comatrice.

VII.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 ma-
trice A, carrée d’ordre n et inversible, afin de la transformer en une matrice identité. Les mêmes
opérations sont aussi effectuées sur la matrice In . Lorsque A devient In , In à son tour devient 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 et le réduire à 1.

  1  
2 1 −1 0 L1 ←− L1 1 0 0 0
2
1 −1 0 1 0 1 0 0
A=    = I4 .
2 1 −1 −2 0 0 1 0
0 3 2 3 0 0 0 1

Remarque 1 Si l’élément a11 = 0, il faut permuter la premier ligne L1 avec une ligne Li
telle que ai1 6= 0, i ∈ {1, · · · , 4}.

12
2. Opération 2 : Annuler tous les éléments situant en dessous du premier pivot.
 1 −1  1 
1 0 0 0 0
 2 2 
L2 ←− L2 − L1  20 1 0 0
 
1 −1 0 1
2 1 −1 −2 L3 ←− L3 − 2L1  0 0 1 0
   

0 3 2 3 0 0 0 1
3. Opération 3 : Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.
1 −1
   
1
1 2 2
0 0 0 0
2
 L2 ←− −2 L2 

−3 1 −1
  

0 1 3
 1 0 0
 2 2   2




0 0 0 −2
  −1 0 1 0
0 3 2 3 0 0 0 1

4. Opération 4 : Annuler tous les éléments situant en dessous du deuxième pivot.

1 −1
   
1
1 2 2
0  2 0 0 0

0 1 −1 −2   1 −2 
  0 0

 3 3 
3
 3 

0 0 0 −2 
L4 ←− L4 − 3L2
 −1 0 1 0
0 3 2 3 0 0 0 1
5. Opération 5 : Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.
1 −1
   
1
1 2 2
0  2 0 0 0

0 −1 −2   1 −2 
1   0 0

 3 3  L3 ←→ L4  3
 3 

0 0 0 −2  −1 0 1 0
0 0 3 5 −1 2 0 1
Le pivot trouvé est nul. Nous permutons alors la ligne 3 de la matrice obtenue par L4 .
1 −1
   
1
1 0 0 0 0
 2 2  2
 −1 −2   1 −2 
0 1  1  0 0
3  L3 ←− 3 L3
3 
 3 3 
  
0 0 3 5  −1 −1 2 0 1
0 0 0 −2 L4 ←− L4 −1 0 1 0
2
Remarque 2 À ce stade d’opérations effectuées, la matrice A est devenue triangulaire supérieure
à diagonale unité. Nous continuons les opérations pour la transformer en I4 .

6. Opération 6 : Annuler tous les éléments situant en dessus de la diagonale.

 1 
1 −1
 
1 0 0 0 0
2 2  2 

−1 −2
 2  1 −2 
 L2 ←− L2 + L4  0 0
 
0 1 
3 3  3 3
 −1 3 
5 2 1

 5 
 L3 ←− L3 − L4   0 
0 0 1

3 3 3 3

3

1 −1
 
0 0 0 1 0 0
2 2

13
 ⇒  1 
−1 0 0 0
 
1 1
0 L1 ←− L1 +  2
1 L3 
2 2 2  2 −2 −1 
 −1  1 
 3 0
0 1  L2 ←− L2 +
0 L3  −7 3 3 

 3  3  2 5 1
0 0 1 0
 6 3 6 3
 
0 0 0 1 1 −1
0 0
2 2
⇒  −1 1 5 1
 1  1
1 0 0 L1 ←− L1 − L2  12 3 12 6

 5 −4 −1 1
 2  2 
0 1 0 0  18 9 18 9
  −7 2 5 1
0 0 1 0  
 6 3 6 3
 
0 0 0 1 1 −1
0 0
2 2
⇒  −2 5 4 1

1 0 0 0
  9 9 9 9
 5 −4 −1 1
0 1 0 0
 
= A−1
 18 9 18 9
I4 = 
0
  −7 2 5 1
0 1 0  
0 0 0 1  6 3 6 3
 
1 −1
0 0
2 2
Finalement, nous obtenons la matrice inverse de A. Nous pouvons vérifier que A.A−1 = A−1 .A = I4 .

VIII Résolution de systèmes d’équations linéaires

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

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

a x + a12 x2 + · · · + a1n xn = b1

 11 1

 a21 x1 + a22 x2 + · · · + a2n xn = b2


(S) ..



 .

an1 x1 + an2 x2 + · · · + ann xn = bn .

I 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
où A ∈ Mn ( ) représente la matrice des cœfficients de (S), X ∈ Mn,1 représente la
solution de (S) et B ∈ Mn,1 représente le second membre du système.

14
 I Si A est inversible alors le système AX = B admet une unique solution donnée par
X = A−1 .B.
I 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.

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

On considère le système linéaire A.X = 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.
I Les éléments de la solution X du système A.X = B est donnée par :

det(Ai )
xi = , ∀1 ≤ i ≤ n,
detA

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 3 La méthode du pivot de Gauss peut être aussi utilisée pour résoudre un système
d’équations linéaires, A.X = B, en effectuant les mêmes opérations élémentaires sur la matrice A,
pour la rendre unité, et la matrice B. Une fois la matrice A est rendue triangulaire par la méthode
du pivot de Gauss, il est également possible de déterminer det(A), tout en respectant les propriétés
du déterminant par rapport aux opérations élémentaires effectuées sur la matrice A.

IX Applications
Application 6 (Matrice de Leontief )

Soit un pays fictif sans échanges extérieurs, dont l’économie très simplifiée se décompose en
deux branches seulement : l’agriculture et l’industrie.

Pour l’agriculture, la production est de 500.000e répartie en consommations intermédiaires :

– 200.000e consommés par l’industrie (industrie agro-alimentaire,.....).

– 50.000e consommés par l’agriculture elle-même (engrais verts,....).
– le reste en demande finale, soit 250.000e , disponible pour satisfaire les besoins de la popula-
tion
.

15
 Pour l’industrie : la production est de 2.500.000e répartie en consommations intermédiaires :

– 150.000e consommés par l’agriculture (engrais chimiques, énergie, machines,.....).

– 550.000e consommés par l’industrie elle-même (énergie, machines,....)
– le reste en demande finale, soit 1.800.000e , disponible pour satisfaire les besoins de la popu-
lation.

1. Donner le vecteur colonne P des productions totales.

2. Donner le vecteur colonne DF des demandes finales.
3. Donner la matrice E d’échanges inter-branches : le nombre inscrit à l’intersection de la ligne
i et de la colonne j est la partie de la production de la branche i, consommée par la branche
j, avec i, j ∈ {1, 2}.
4. Donner la matrice carrée C d’ordre 2 des coefficients techniques telle que l’élément cij est
définie de la manière suivante :
consommation intermédiaire de produit i par la branche j
cij = .
production de la branche j
5. Calculer le produit C.P . Que retrouve t-on ?
6. En admettant que :
”production totale=consommations intermédiaires + demandes finales”,
justifier l’égalité suivante :
(I2 − C).P = DF.
La matrice L = I2 − C est appelée la matrice de Leontief.

7. Que serait la production totale des deux branches si l’on double les sommes des demandes
finales ?
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 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◦

16