Académique Documents
Professionnel Documents
Culture Documents
Cours Algèbre I
Mathématiques de base 2
PEG 4 : Calcul matriciel et résolution de systèmes d’équations linéaires
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 ∈ ∗ .
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.
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
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 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 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
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 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
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 =
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
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
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).
··· ,···
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,
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 :
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 :
+ − +
− + −
+ − +
= 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.
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)
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.
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
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 .
R
I Soit A ∈ Mn ( ), une matrice inversible, alors
1 t
A−1 = com(A).
det(A)
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
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 .
a x + a12 x2 + · · · + a1n xn = b1
11 1
a21 x1 + a22 x2 + · · · + a2n xn = b2
(S) ..
.
an1 x1 + an2 x2 + · · · + ann xn = bn .
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.
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
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.
15
Pour l’industrie : la production est de 2.500.000e répartie en consommations intermédiaires :
7. Que serait la production totale des deux branches si l’on double les sommes des demandes
finales ?
Application 7
• •
40◦ 40◦
16