Académique Documents
Professionnel Documents
Culture Documents
15 janvier 2024
Table des matières
1 Matrices 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Généralités sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Dé…nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Vocabulaire et notation . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Addition de matrices et multiplication par un scalaire . . . . . . . . 6
1.3.2 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Produits remarquables de matrices . . . . . . . . . . . . . . . . . . 10
1.3.4 Pièges à éviter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.5 Polynôme d’une matrice carrée . . . . . . . . . . . . . . . . . . . . 17
1.3.6 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Matrices carrées particulières . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.1 Matrices diagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.2 Matrices scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.3 Matrices triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.4 Matrices symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.5 Matrices anti-symétriques . . . . . . . . . . . . . . . . . . . . . . . 21
1.4.6 Matrices de permutation . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4.7 Matrices circulantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.4.8 Carré latin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Déterminant 27
2.1 Déterminants 1 1 et 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Déterminant d’ordre n > 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1 Calcul du déterminant par la méthode des co-facteurs . . . . . . . . 28
2.2.2 Intérêt de la méthode des co-facteurs . . . . . . . . . . . . . . . . . 30
2.2.3 Calcul du déterminant par la méthode de SARRUS . . . . . . . . . 30
2.2.4 Propriétés des determinants . . . . . . . . . . . . . . . . . . . . . . 31
2.2.5 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1
TABLE DES MATIÈRES
Matrices
1.1 Introduction
Illustration 1.1.1 On s’intéresse à une population exposée à un virus extérieur (un virus
transmis par des insectes par exemple). Le but de notre étude est de répondre à ces ques-
tions : la population est-elle menacée d’extinction ? Ou au contraire, le virus disparaîtra-t-
il ? Ou encore, la population continuera-t-elle à se développer tout en ayant toujours une
certaine proportion d’individus malades ?
Les hypothèses concernant le virus sont les suivantes.
Il n’est pas contagieux entre individus.
Il ne se transmet pas aux descendants.
Les individus malades ne peuvent pas se reproduire.
Après avoir été infecté, un individu peut résister au virus et redevenir sain, mais
s’il contracte …nalement la maladie, il ne pourra plus guérir.
Les données annuelles sont les suivantes.
1
= est le taux de natalité chez les individus qui ne sont pas malades.
9
1
= est la probabilité d’être infecté.
3
1
S = est la probabilité qu’une personne infectée redevienne saine.
3
1
M = est la probabilité qu’une personne infectée contracte la maladie.
3
2
= est le taux de mortalité chez les personnes malades.
3
Modélisation du phénomène
Nous noterons Sn , In et Mn le nombre de personnes saines, infectées et malades à
l’année n. D’après les données ci-dessus, on peut décrire l’évolution de la population comme
suit.
A l’année n + 1; on aura
3
1.2. GÉNÉRALITÉS SUR LES MATRICES
8
< Sn+1 = Sn + Sn Sn + In + S In = 97 Sn + 49 In + 0Mn
In+1 = In S In M In + Sn = 31 Sn + 13 In + 0Mn
:
Mn+1 = Mn Mn + M In = 0Sn + 13 In + 13 Mn
Toutes les données du problème sont contenues dans le tableau suivant appélé ma-
trice 2 7 4 3
9 9
0
4 1 1 0 5
3 3
0 31 13
et l’évolution de la population
8
< Sn+1 = 79 Sn + 49 In + 0Mn
In+1 = 13 Sn + 13 In + 0Mn
:
Mn+1 = 0Sn + 13 In + 13 Mn
est appelé un système d’équations linéaires.
Les matrices codent les systèmes d’équations linéaires et ce codage est à la source du
produit «ligne-colonne» .
Il existe plus précisement une correspondance entre système d’équations linéaires et
équation matricielle que nous expliquons dans le dernier paragraphe.
Objectifs :
1: Savoir multiplier des matrices et pratiquer le yoga des opérations sur les matrices.
2: Savoir calculer l’inverse d’une matrice carrée de taille 2 ou 3 par les deux méthodes.
3: Savoir passer d’un système d’équations linéaires à une équation matricielle et in-
versement.
4: Savoir résoudre matriciellement un système linéaire de n équations à n inconnues
quand la matrice associée à ce système est inversible.
- Les nombres dans le tableau sont appelés les cœ¢ cients (ou les éléments ou encore
les termes) de la matrice A.
Remarque 1.2.1 On note indi¤éremment aij ou ai;j pour les cœ¢ cients de la matrice A.
Exemple 1.2.1
1 2 5
A= 2 M2;3 (R)
0 3 7
est une matrice de taille (2; 3) avec, par exemple, a1;1 = 1 et a2;3 = 7:
0 1
8 1 6
B = @ 3 5 7 A 2 M3;3 (R)
4 9 2
est une matrice de taille (3; 3) avec, par exemple, b2;3 = 7 et b3;2 = 9:
0 1
1 2 3 2i + 1
C= @ 5 6 i 7 0 A 2 M3;4 (C)
4 3 2 1
est une matrice de taille (3; 4) avec, par exemple, c2;2 = 6 i et c3;4 = 1:
Dé…nition 1.2.2 - Une matrice de (n; 1) est appelée matrice colonne. On la note
2 3
a1;1
6 a2;1 7
6 7
A = 6 .. 7 :
4 . 5
an;1
- Une matrice de taille (n; n) est appelée matrice carrée d’ordre n sur K.
- L’ensemble des matrices carrées d’ordre n sur K se note Mn (K) au lieu de Mn;n (K):
Soit
0 1
a1;1 a1;2 ::: a1;n
B a2;1 a2;2 ::: a2;n C
B C
A=B .. .. .. .. C 2 Mn (K);
@ . . . . A
an;1 an;2 ::: an;n
alors les éléments a11 ; a22 ; :::; ai;i ; :::; an 1;n 1 ; an;n sont appelés les éléments diago-
naux et forment la diagonale principale de la matrice carrée A.
Soient A et B deux matrices ayant la même taille (n; p). Leur somme C = A + B
est la matrice de taille (n; p) dé…nie par
ci;j = ai;j + bi;j :
3 2 0 5
Exemple 1.3.1 A = ; B=
1 7 2 1
3+0 2+5 3 3
A+B = =
1 + 2 7 + ( 1) 3 6
2 3 2 2
Par contre pour B 0 = ; la somme A + B 0 = + n’est pas (possible)
8 1 7 8
dé…nie.
On note 0n;p ou tout simplement 0 la matrice nulle de Mn;p (K) c’est-à-dire la matrice
de Mn;p (K) dont tous les cϢ cients sont nuls.
Le produit d’une matrice A = (ai;j ) de Mn;p (K) par un scalaire 2 K est la ma-
trice ( ai;j ) formée en multipliant chaque cœ¢ cient de A par . Elle est notée : :A (ou
simplement A).
"
#
2 1 1 3 3 1 1
Exemple 1.3.2 A = ; A= 1 ;B = =3 ;
1 2 3 6 1 2
2
6 2 2 3 1 1
2C = =) C = :
8 0 4 4 0 2
1.3.1 On3donne 2
Exercice 2 3 2 3
7 2 1 2 3 21 6
A=4 0 15 ; B = 42 3 15 ; C = 4 0 3 5;
1 4 3 2 1 3 12
2 3 2 3
1 0 1 1 2
14 5 4
E= 0 1 0 ;F = 3 05 :
2
1 1 1 8 6
Calculer toutes les sommes possibles de deux de ces matrices. Calculer 3A + 2C et
5B 4E:
Trouver 2 K tel que A + C soit la matrice nulle.
Matrices élémentaires
0 si i 6= j
i;j = :
1 si i = j
Soient i 2 f1; :::; ng et j 2 f1; :::; pg ; on appelle matrice élémentaire d’indice (k; l)
de Mn;p (K); la matrice Ek;l dont tous les cœ¢ cients sont nuls sauf celui d’indice (k; l)
[i.e de la k-ème ligne et de la l-ème colonne] qui vaut 1: Ainsi
0 1
0 ::: 0 ::: 0
B 0 ... .
::: . . 0 C
B C
B . . .. C
B .. . . 0 0 . . . . C
B C
B C
Ek;l = B 0 ::: 0 1 . . . C
B C k
B .. . . . .. C
B . . 0 0 ::: 0 C
B .. . . .. C
@ . . . A
0 ::: 0 ::: 0
"
l
Le cœ¢ cient d’indice (k; l) de la matrice élémentaire Ek;l 2 Mn;p (K) est
Dé…nition 1.3.1 Deux matrices sont égales lorsqu’elles ont la même taille et que les cœf-
…cients correspondants sont égaux.
Soient A = (ai;j )16i6n et B = (bi;j )16i6n deux éléments de Mn;p (K) ; par dé…nition
16j6p 16j6p
Dé…nition
dé…nie par :
P
p
ci;k = ai;j bj;k
j=1
ci;k = ai;1 b1;k + ai;2 b2;k + ::: + ai;j bj;k + ::: + ai;p bp;k :
Exemples
1: Calculer le produit A B
2 3
1 2
1 2 3
A= ; B = 4 1 15
2 3 4
1 1
2: Quelles matrices peut-on multiplier ? Les calculer.
2 3 2 3 2 3
2 1 0 8 2 5
0 2 2
A= ; B = 40 1 0 5 ; C = 4 3 25 ; E = x y z ; F = 4 2 5 :
6 4 0
2 2 3 5 5 1
3: Peut-on e¤ectuer les multiplications suivantes ? Si oui, donner le résultats.
2 3 2 3
1 1 2 1 1 2
1 1 0 4 1 1 0
a) 0 1 45 2 M23 (R); b) 4 0 1 45
4 2 1 4 2 1
5 6 0 5 6 0
2 2 2 1 1 1 4
c) 1 1 2 ; d)
4 2 3 3 0 2 1
2 3
1 1 2
e) 1 1 2 40 1 45
5 6 0
2 3 2 3
1 1 3
1 2 0 1 0 1 1 2 1 0 2 11
; f) ; g) h) 2 1 0 4 4 5 ; k) 40 15
0 0 0 3 0 3 0 0 2 5 3 0
1 2 0
Remarque 1.3.2 Calculer le cœ¢ cient ci;j dans le produit A B revient donc à calculer
le produit scalaire des vecteurs formés par la ième ligne de A et la jème colonne de B.
Pour i 2 f1; :::; ng ; on note ei la matrice unicolonne dont tous les termes sont nuls
sauf celui de i-ème ligne qui vaut 1 : c’est-à-dire
0 1 0 1 0 1 0 1
1 0 0 0
B 0 C B 1 C B .. C B .. C
B .. C B C B . C B . C
B C B C B C B C
e1 = B . C ; e2 = B 0 C ; :::; ei = B 1 C i-ème ligne ; :::; en = B ... C:
B .. C B ..C B C B C
@ . A @ .A @ 0 A @ 0 A
0 .
..
0 1
0 ::: l ::: 0
2 3
0 ::: 0 a1;k 0 ::: 0
6 .. .. .. .. 7
6 . . a2;k . . 7
A Ekl = 6 .. .. .. .. .. 7 :
4 . . . . . 5
0 ::: 0 an;k 0 ::: 0
On annulle tous les cœ¢ cients sauf la l-ème colonne qui est remplacée par la k-ème.
ci;k = ai;1 b1;k + ai;2 b2;k + ::: + ai;j bj;k + ::: + ai;p bp;k :
Toutes les colonnes de A Ek;l sont nulles sauf la l-ième. Le terme à la i-ième ligne et à
la l-ième colonne de A Ei;j est égal à aik : D’où le résultat.
Ei;l si j = k
Ei;j Ek;l = i;j Eil = :
0 si j 6= k
2 32 3 2 3
1 0 0 0 1 0 0 1 0
E1;1 E1;2 4
= 0 0 05 40 0 5
0 = 04 0 05
20 0 03 20 0 03 20 0 03
0 1 0 1 0 0 0 0 0
E1;2 E1;1 4
= 0 0 05 40 0 5
0 = 04 0 05
20 0 03 20 0 03 20 0 03
1 0 0 0 0 1 0 0 1
E1;1 E1;3 = 40 0 05 40 0 05 = 40 0 05
20 0 03 20 0 03 20 0 03
0 0 1 1 0 0 0 0 0
E1;3 E1;1 = 40 0 05 40 0 05 = 40 0 05
20 0 03 20 0 03 20 0 03
0 1 0 0 0 1 0 0 0
E1;2 E1;3 = 40 0 05 40 0 05 = 40 0 05
20 0 03 20 0 03 20 0 03
0 0 1 0 1 0 0 0 0
E1;3 E1;2 4
= 0 0 05 40 0 5
0 = 04 0 05
20 0 03 20 0 03 20 0 03
1 0 0 0 0 0 0 0 0
E1;1 E2;1 4
= 0 0 05 41 0 5
0 = 04 0 05
20 0 03 20 0 03 20 0 03
1 0 0 0 0 0 0 0 0
E1;1 E2;2 4
= 0 0 05 40 1 5
0 = 04 0 05
20 0 03 20 0 03 20 0 03
1 0 0 0 0 0 0 0 0
E1;1 E2;3 = 40 0 05 40 0 15 = 40 0 05
0 0 0 0 0 0 0 0 0
:::::::::
2 32 3 2 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E2;1 A = 41 0 05 4a2;1 a2;2 a2;3 5 = 4a1;1 a1;2 a1;3 5
20 0 03 2a3;1 a3;2 a3;3 3 2 0 0 0 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E2;2 A= 04 1 05 4a2;1 a2;2 5 4
a2;3 = a2;1 a2;2 a2;3 5
20 0 03 2a3;1 a3;2 a3;3 3 2 0 0 0 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E2;3 A= 04 0 15 4a2;1 a2;2 5 4
a2;3 = a3;1 a3;2 a3;3 5
0 0 0 a3;1 a3;2 a3;3 0 0 0
2 32 3 2 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E3;1 A= 04 0 05 4a2;1 a2;2 5
a2;3 = 0 4 0 0 5
21 0 03 2a3;1 a3;2 a3;3 3 2a1;1 a1;2 a1;3 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E3;2 A= 04 0 05 4a2;1 a2;2 5
a2;3 = 0 4 0 0 5 :
20 1 03 2a3;1 a3;2 a3;3 3 2a2;1 a2;2 a2;3 3
0 0 0 a1;1 a1;2 a1;3 0 0 0
E3;3 A = 40 0 05 4a2;1 a2;2 a2;3 5 = 4 0 0 0 5
0 0 1 a3;1 a3;2 a3;3 a3;1 a3;2 a3;3
5 1 2 0 5 1
A= ; B= :
3 2 4 3 3 2
14 3 10 2
On a AB = et BA = :
2 6 29 2
1 0 0 1
A= ; B= :
0 0 1 0
0 1 0 0
On a AB = et BA = :
0 0 1 0
Deuxième piège
Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres termes,
on peut avoir (A 6= 0 et B 6= 0) et (A B = 0).
Exemple 1.3.6
1 1 1 1
A= 6= 0; B = 6= 0:
2 2 1 1
1 1 1 1 0 0 1 1 1 1
On a AB = = alors que BA = =
2 2 1 1 0 0 1 1 2 2
1 1
:
1 1
Malgré les di¢ cultés soulevées au-dessus, le produit des matrices véri…e les proporiétés
suivantes :
Soient n; p; q 2 N
1: Pour tous A 2 Mn;p (K) ; B 2 Mp;q (K) et C 2 Mq;r (K) ; on a :
A (B C) = (A B) C:
(A + B) C = A C +B C;
A (C + D) = A C +A D:
(A B) = ( A) B=A ( B) :
A 0p;q = 0n;q ;
0n;p B = 0n;q :
In A = A et A Ip = A:
A In = In A = A:
Dans le calcul matriciel, la matrice unité joue un rôle analogue à celui du nombre 1
pour les réels. C’est l’élément neutre pour la multiplication des matrices carrées.
Théorème 1.3.2 - L’ensemble des matrices inversibles de l’anneau Mn (K) est un groupe
pour la multiplication noté GLn (K) ou GL (n; K).
- Ce groupe est non commutatif dès que n > 2; est appelé le groupe linéaire général
de degré n sur K .
A C=B C
A C = B C =) A = B;
C A = C B =) A = B:
Dans l’ensemble Mn (K), la multiplication des matrices est une opération interne :
p 1 p
A =A = (A 1 )p = A
|
1
:::
{z A }1 :
p facteurs
Dé…nition 1.3.5 Un polynôme annulateur d’une matrice A 2 Mn (K) est, par dé…ni-
tion, un polynôme non nul P 2 K[X]; tel que P (A) = 0n :
2 3
1 1 1
Exercice 1.3.4 On donne Soit A = 4 1 1 1 5.
1 1 1
2 1
Calculer A A ; puis en déduire A :
Propriétés
Soient n; p; q 2 N ;
1: Pour tout A 2 Mn;p (K) ; on a
t t
A = A:
4: L’application
Mn;p (K) ! Mp;n (K)
t
A 7 ! A
est un isomorphisme.
2 3
a1;1 0 ::: 0
6 . .. 7
6 0 a2;2 . . . 7
D=6 . .. .. 7:
4 .. . . 0 5
0 ::: 0 an;n
Une telle matrice se note D = diag (a1;1 ; :::; an;n ) :
Dé…nition 1.4.6 Une matrice de permutation d’ordre n est une matrice carrée de
taille n dont tous les cœ¢ cients sont égaux à 0; sauf un cœ¢ cient sur chaque ligne et sur
chaque colonne qui vaut 1:
Propriétés
Proposition 1.4.1 Les matrices de permutation d’ordre n sont associées aux permtuta-
tions de f1; 2; :::; ng :
1 si i = (j)
ai;j = :
0 sinon
Autrement dit
Associons à la permutation 2 Sn la matrice P telle que j-ème colonne de P ne
comporte que des 0; sauf le cœ¢ cient sur la (j)-ème ligne qui est égal à 1: Alors (d’après
la dé…nition) la matrice P est une matrice de permutation. Reciproquement, toute matrice
de permutation dé…nit une permutation par la transformation inverse.
Dans ce cas,
tr(P ) = jInv( )j :
P P =P :
Ainsi
Proposition 1.4.3 Les matrices de permutation permettent de permuter les lignes et les
colonnes d’une matrice A:
A P est la matrice déduite de la matrice A; en permutant les colonnes de A
suivant la permutation :
P A est la matrice déduite de la matrice A; en permutant les lignes de A suivant
la permutation 1 :
On peut dé…nir une matrice circulante de la même manière en utilisant des colonnes.
Une matrice est un objet à deux dimensions, mais une matrice circulante se comporte
comme un objet unidimensionnel- donné par la première ligne ou la première colonne. Nous
allons notons une matrice circulante C de taille d, de première ligne c0 ; c1 ; :::; cd 1 , par
C = circ(c0 ; c1 ; :::; cd 1 ):
Un exemple de matrice 5 5 circulante est :
2 3
c0 c1 c2 c3 c4
6 c4 c0 c1 c2 c3 7
6 7
6 c3 c4 c0 c1 c2 7:
6 7
4 c2 c3 c4 c0 c1 5
c1 c2 c3 c4 c0
Dé…nition 1.4.8 Une matrice circulante est une matrice carrée dans laquelle on passe
d’une ligne à la suivante par permutation circulaire (décalage vers la droite) des cœ¢ cients.
Une matrice circulante de taille n est donc de la forme
2 3
a1 a2 ::: an 1 an
6 an a1 a2 ::: an 1 7
6 7
6 an 1 an a1 ::: an 2 7
6 7:
6 .. .. .. . . .. 7
4 . . . . . 5
a2 a3 a4 ::: a1
On parle parfois de
Exemple 1.4.2 2 3
0 1 2 3
6 1 2 3 0 7
6 7:
4 2 3 0 1 5
3 0 1 2
Opérations élémentaires
Exemple 1.4.3 Sur la matrice unité d’ordre 3; e¤ectuer les opérations suivantes :
1: Permuter les lignes L2 et L3 :
2: Remplacer la ligne L2 par 6L2 :
3: Remplacer la ligne L3 par 4L1 + L3 :
2 3
1 0 0
I3 = 4 0 1 0 5
0 0 1
2 3 2 3 2 3
1 0 0 1 0 0 1 0 0
1: 4 0 0 1 5 ; 2: 4 0 6 0 5 ; 3: 4 0 1 0 5 :
0 1 0 0 0 1 4 0 1
(In j A 1 ):
En e¤et, e¤ectuer les opérations élémentaires sur les lignes transformant la matrice
A en la matrice identité In , revient à multiplier la matrice A à gauche par des matrices
T1 ; :::; Tm : Ainsi la transformation de la matrice A en la matrice identité In correspond à
écrire Tm :::T1 :A = In :
En multipliant à droite par A 1 , on en déduit Tm :::T1 = A 1 :
Ainsi la série d’opérations élémentaires sur les ligne qui transforme la matrice A en
In transforme parallèlement la matrice identité In en A 1 .
Nous pouvons exploiter cette idée pour calculer A 1 de façon algorithmique.
Remarque 1.4.1 S’il est impossible de faire apparaître la matrice In à gauche (par exemple
si on obtient une ligne entière de zéros), c’est que la matrice A n’est pas inversible.
Solution
Pour ce faire, nous écrivons la matrice unité à la droite de la matrice A et nous
appliquons les mêmes opérations élémentaires à cette matrice que celles e¤ectuées sur la
matrice
0 A: 1 0 1
1 0 2 1 0 0 1 0 2 1 0 0
L L2 2L1
@ 2 1 3 0 1 0 A 2 @ 0 1 1 2 1 0 A
L3 L3 4L1
4 1 8 0 0 1 0 1 0 4 0 1
0 1 0 1
1 0 2 1 0 0 1 0 0 11 2 2
L L1 +2L3
@ 0 1 1 2 1 0 A 1 @ 0 1 0 4 0 1 A
L3 L3 +L2 L2 L2 L3
0 0 1 6 1 1 0 0 1 6 1 1
0 1
1 0 0 11 2 2
L2 L2
@ 0 1 0 4 0 1 A:
L3 L3
0 0 1 6 1 1
On
2 a bien 3 2 3 2 3
1 0 2 11 2 2 1 0 0
4 2 1 3 54 4 0 1 5=4 0 1 0 5
4 1 8 6 1 1 0 0 1
Donc 2 3
11 2 2
A 1=4 4 0 1 5:
6 1 1
Exercice 1.4.1 Inverser les matrices suivantes par la méthode de la matrice compagnon
2 3
2 3 2 3 1 1 1 1
3 1 1 2 4 1 6 1 1 0 1 7
A = 4 2 1 2 5;B = 4 1 3 2 5;C = 6 4 1
7.
2 3 0 5
1 3 2 3 8 2
1 0 0 2
Déterminant
2.1 Déterminants 1 1 et 2 2
Dé…nition 2.1.1 i) Soit A 2 M1 (K) une matrice carrée d’ordre 1 (ne contenant donc
qu’un seul cœ¢ cient, A = (a11 ). Alors,
det(A) = a11 :
a b
ii) Considérons la matrice : A = 2 M2 (K). Alors
c d
a b
det(A) = = ad bc:
c d
1 3
Exemple 2.1.1 A =
2 4
1 3
det(A) = = (1 4) (3 2) = 2:
2 4
t 1 2
A=
3 4
1 2
det(t A) = = (1 4) (2 3) = 2:
3 4
2 4
B=
1 3
2 4
det (B) = = (2 3) (4 1) = 2:
1 3
27
2.2. DÉTERMINANT D’ORDRE N > 3
On constate que :
1) Si deux lignes (ou deux colonnes) sont permutées, alors le déterminant est multiplié
par 1:
2) Le déterminant reste inchangé lorsque l’on échange les colonnes et les lignes (dans
le même ordre).
2 1 7 5
0 6 9 4
Exemple 2.2.1 =2 6 3 1 = 36:
0 0 3 8
0 0 0 1
Dé…nitions
Dé…nition 2.2.1 - On appelle mineur du cœ¢ cient ai;j de la ième ligne et jème colonne
de A le déterminant de la matrice Ai;j .
- Le co-facteur associé à un élément aij d’une matrice A est le scalaire i;j produit
du mineur associé à cet élément par ( 1)i+j :
Le développement du determinant de
0 1
a1;1 a1;2 a1;3
A = @ a2;1 a2;2 a2;3 A
a3;1 a3;2 a3;3
Ce qui donne
a1;1 a1;2 a1;3
a2;2 a2;3 a1;2 a1;3 a a
det (A) = a2;1 a2;2 a2;3 = a1;1 a2;1 + a3;1 1;2 1;3 :
a3;2 a3;3 a3;2 a3;3 a2;2 a2;3
a3;1 a3;2 a3;3 | {z } | {z } | {z }
mineur de a1;1 mineur de a2;1 mineur de a3;1
Solution
En développant suivant la première colonne, on a
1 3 0
6 4 3 0 3 0
det (A) = 2 6 4 = 1 2 1 = 12 12 12 = 12:
0 2 0 2 6 4
1 0 2
En développant suivant la deuxième ligne, on a
1 3 0
3 0 1 0 1 3
det (A) = 2 6 4 = 1 2 +6 1 4 = 12 +
0 2 1 2 1 0
1 0 2
12 12 = 12:
Remarque 2.2.1 Cette formule transforme le calcul d’un déterminant d’ordre n à celui
de n déterminants d’ordre n 1.
Conclusion 2.2.1 Le déterminant de la matrice A est égal à la somme des produits des
éléments d’une rangée de cette matrice par les co-facteurs associés à ces éléments.
La rangée comportant le plus de zéros est la deuxième ligne : a2;1 a2;2 a2;3 = 2 0 0 :
La règle des co-facteurs appliquée à cette ligne donne
det(A) = 2 2;1 +0 +0
2;2 2;3
7 5
= 2 ( 1)2+1 = 2 (42 + 20)
4 6
= 124:
Rgle de Sarrus
Et alors
det (A) = (a1;1 a2;2 a3;3 + a1;2 a2;3 a3;1 + a1;3 a2;1 a3;2 ) (a1;3 a2;2 a3;1 + a1;1 a2;3 a3;2 + a1;2 a2;1 a3;3 ) :
1 2 3
Exemple 2.2.3 Calculer 3 0 1 :
1 4 5
1 2 3 1 2 3 1 2
Solution 2.2.1 3 0 1 = 3 0 1 3 0
1 4 5 1 4 5 1 4
= (0 + 2 + 36) (0 4 30) = 72:
0 1
1 1 1
Exercice 2.2.2 Calculer det @ a b c A ; pour a; b; c 2 R:
a2 b 2 c 2
Solution
0 1 0 1
1 1 1 1 0 0
C !C C1
det @ a b c A 2 =2 det @ a b a c a A
C3 !C3 C1
a2 b 2 c 2 2
a b 2
a c 2 a2
2
b a c a b a c a
= det = det
b2 a2 c 2 a2 (b a)(b + a) (c a)(c + a =
1 1
= (b a)(c a) det
(b + a) (c + a =
= (b a)(c a)(c a): Donc
0 1
1 1 1
det @ a b c A = (b a)(c a)(c b):
a2 b 2 c 2
3 1 6
1 6 3 6
det(A) = 4 2 0 = ( 1)3+1 1 +( 1)3+2 0 +( 1)3+3
2 0 4 0
1 0 5
3 1
5 = 38:
4 2
det(B) = 10 det(A):
Pour C; on a L3 = 10L1 + L2 : D’après (9); det(C) = 0:
0 1
144 121 100
Exercice 2.2.4 Calculer det @ 36 33 30 A :
96 99 90
Vous pouvez tenter votre chance avec la règle de Sarrus, mais l’utilisation des opéra-
tions élémentaires conduit à des calculs beaucoup plus simples !
Solution
On a en e¤et
144 121 100 122 112 102 12 11 10
36 33 30 = 12 3 11 3 10 3 = 12 11 10 3 3 3
96 99 90 12 8 11 9 10 9 8 9 9
12 11 10
= 12 11 10 3 1 1 1 :
8 9 9
En retranchant la première colonne aux deux suivantes, on obtient
144 121 100 12 1 2
36 33 30 = 12 11 10 3 1 0 0 :
96 99 90 8 1 1
En développant alors par rapport à la deuxième ligne on obtient
144 121 100
1 2
36 33 30 = 12 11 10 3 1
1 1
96 99 90
= 3960:
Preuve 2.2.1 (GLn (K); ) et (K ; ) sont deux groupes et det(AB) = det(A) det(B)
pour tout A; B 2 (GLn (K); ):
Dé…nition 2.2.4 Le noyau du morphisme de groupes det est noté SLn (K), on l’appelle
groupe spécial linéaire d’ordre n:
Proposition 2.2.5 Pour toute matrice A 2 Mn;p (K); rg(A) 6 min(n; p).
Remarque 2.2.3 On ne modi…e par le rang d’une matrice en multipliant celle-ci par une
matrice inversible.
Solution
On a det (A) = 0; donc rg (A) < 3: On cherche alors une matrice carrée A0 d’ordre
2 3
2 de determinant non nul. Prenons A0 = ; on a det (A0 ) = 11 6= 0; donc
3 1
rg(A) = 2:
Proposition 2.2.6 - Les opérations élémentaires sur une matrice A; transforme cette ma-
trice en une matrice de même rang que A:
- Le rang d’une matrice triangulaire est égal au nombre d’éléments diagonaux non
nuls.
Les opérations élémentaires sur les lignes d’une matrices sont appelées opérations
élémentaires de Gauss.
A l’aide des opérations élémentaires de Gauss on transforme la matrice de départ en
une matrice triangulaire supérieure de la manière suivante :
1:- Si le cœ¢ cient a11 6= 0; alors on l’utilise pour éléminer tous les autres cœ¢ cients
non nuls de sa colonne.
Si a11 = 0; on échange la ligne L1 avec celle ayant un cœ¢ cient non nul de la colonne
de a11 ; puis on élimine tous les cœ¢ cients en dessous de a11 :
2: On procède de la même manière en utilisant a22 sur la colonne 2 et ainsi de suite
jusqu’à la dernière colonne, alors le nombre de lignes non nulles est le rang de la matrice
initiale.
Exemple
0 1 Déterminer à l’aide du pivot de Gauss le rang de la matrice A =
2.2.5
2 5 1
B 3 0 6 C
B C:
@ 1 4 6 A
1 2 0
Pour déterminer le rang d’une matrice dépendant d’un paramètre, on cherche à cal-
culer celui-ci de la façon la plus générale possible avant de traiter les valeurs particulières
des paramètres.
3 si m 2
= f1; 5g
rgM = :
2 si m 2 f1; 5g
a c
Proposition 2.2.7 Soit A = 2 M2 (K): Si ad bc 6= 0, alors A est inversible et
b d
1 1 d b 1 d c
A = = :
ad bc c a det A b a
Méthodologie
1: Calculer le determinant de la matrice A à inverser.
Si det(A) = 0; alors la matrice A n’est pas inversible
Si det(A) 6= 0; alors la matrice A est inversible.
2: Ecrire la matrice des co-facteurs.
3: Transposer la matrice des co-facteurs. On obtient la matrice adjointe adj(A):
4: La matrice inverse est donnée par
1 1
A = adj(A):
det(A)
Exemple 2.2.7 Véri…er que les matrices A et M sont inversibles puis calculer leurs in-
verses. 2 3 2 3
1 0 1 2 3 4
A=4 3 1 5 5; M = 4 0 4 2 5:
2 3 6 1 1 5
Solution
Pour la matrice A
1: Calcul de det (A)
En développant par rapport à la première ligne, on a
1 0 1
1 5 3 1
det (A) = 3 1 5 = 1 ( 1)1+1 +0+( 1) ( 1)1+3 =
3 6 2 3
2 3 6
2 6= 0; donc la matrice A est inversible.
2: Calcul de A 1
Calculons les 9 cofacteurs de A
1+1 1 5
1;1 = ( 1) = 9;
3 6
3 5
1;2 = ( 1)1+2 = 8;
2 6
3 1
1;3 = ( 1)1+3 = 7;
2 3
0 1
2;1 = ( 1)2+1 = 3;
3 6
1 1
2;2 = ( 1)2+2 = 4;
2 6
1 0
2;3 = ( 1)2+3 = 3;
2 3
0 1
3;1 = ( 1)3+1 = 1;
1 5
1 1
3;2 = ( 1)3+2 = 2;
3 5
1 0
3;3 = ( 1)3+3 = 1:
3 1
2 32 3
9 8 7 9 3 1
Donc com(A) = 4 3 4 5 t
3 et com ( A) = 4 8 4 2 5 = Adj(A):
1 2 1 7 3 1
On véri…e que
2 3 2 3 2 3
9 3 1 1 0 1 1 0 0
14
8 4 2 5 4 3 1 5 5 = 4 0 1 0 5:
2
7 3 1 2 3 6 0 0 1
Donc 2 3
9 3 1
1
A 1= 4 8 4 2 5:
2
7 3 1
Pour la matrice M
1: Calcul de det (M )
2 3 4 0 5 14
L1 L1 2L3 5 14
det (M ) = 0 4 2 0 4 2 = 1 ( 1)3+1 =
4 2
1 1 5 1 1 5
46 6= 0; donc la matrice M est inversible.
2: Calcul de M 1
Calculons les 9 cofacteurs de M
1+1 4 2
1;1 = ( 1) = 18;
1 5
0 2
1;2 = ( 1)1+2 = 2;
1 5
0 4
1;3 = ( 1)1+3 = 4;
1 1
3 4
2;1 = ( 1)2+1 = 11;
1 5
2 4
2;2 = ( 1)2+2 = 14;
1 5
2 3
2;3 = ( 1)2+3 = 5;
1 1
3 4
3;1 = ( 1)3+1 = 10;
4 2
2 4
3;2 = ( 1)3+2 = 4;
0 2
2 3
3;3 = ( 1)3+3 = 8:
0 4
2 3 2 3
18 2 4 18 11 10
Donc com(A) = 4 11 14 5 5 et t com(M ) = 4 2 14 4 5:
10 4 8 4 5 8
On véri…e que
2 3 2 3 2 3
18 11 10 2 3 4 1 0 0
1 4
2 14 4 5 4 0 4 2 5 = 4 0 1 0 5:
46
4 5 8 1 1 5 0 0 1
Donc 2 3
18 11 10
1 4
M 1
= 2 14 4 5:
46
4 5 8
a1 x1 + a2 x2 + ::: + ap xp = b; (3.1.1)
a1 x1 + a2 x2 + ::: + ap xp
39
3.1. THÉORIE DES SYSTÈMES LINÉAIRES
Deux systèmes linéaires (S1 ) et (S2 ) sont dits équivalents si, et seulement si (S1 )
et (S2 ) ont le même ensemble de solutions.
La matrice 0 1
a1;1 a1;2 ::: a1;p
B a2;1 a2;2 ::: a2;p C
B C
A = B .. .. . . .. C 2 Mn (K);
@ . . . . A
an;1 an;2 ::: an;p
est appelée la matrice de (S) :
0 1 0 1
x1 b1
B x2 C B b2 C
B C B C
En posant X = B .. C et b = B .. C ; l’écriture
@ . A @ . A
xp bn
0 10 1 0 1
a1;1 a1;2 ::: a1;p x1 b1
B a2;1 a2;2 ::: a2;p CB x2 C B b2 C
B CB C B C
AX = b () B .. .. .. .. CB .. C=B .. C
@ . . . . A@ . A @ . A
an;1 an;2 ::: an;p xp bn
Théorème 3.1.1 Un système d’équations linéaires n’a soit aucune solution, soit une seule
solution, soit une in…nité de solutions.
Dé…nition 3.1.2 Un système linéaire qui n’a aucune solution est dit incompatible.
De tels systèmes sont toujours compatibles car ils admettent toujours la solution
x1 = x2 = ::: = xp = 0. Cette solution est appelée solution triviale.
3.2.2 Exemples
Exemple 3.2.1 Résoudre le système linéaire suivant
8
< 2x + y z = 0
(S) : x y + 3z = 1 :
:
x + y + z = 2
3 13
3y 7z = 3y 7 = 2 =) y = :
4 12
8x3 = 8 =) x3 = 1:
3x2 2x3 = 11 =) x2 = 3:
x1 + 2x2 + 5x3 = 9 =) x1 = 2:
SR4 = ?:
Dé…nition-Théorème
Remarque 3.2.1 La matrice associée à un système de Cramer est une matrice carrée
inversible.
Remarque 3.2.3 La formule de Cramer est limitée car elle ne s’applique qu’aux systèmes
carrés.
3.2.4 Exemples
Exercice 3.2.3 Résoudre dans R3
8
< 2x + y 2z = 10
(S) : 3x + 2y + 2z = 1 :
:
5x + 4y + 3z = 4
0 1
2 1 2
La matrice associée à (S) est A = @ 3 2 2 A avec det (A) = 7 6= 0 donc (S) est
5 4 3
un système de Cramer. Et
10 1 2 2 10 2
1 2 2 3 1 2
det (A1 ) 4 4 3 det (A2 ) 5 4 3
x = = = 1; y = = = 2; z =
det (A) 7 det (A) 7
2 1 10
3 2 1
det (A3 ) 5 4 4
= = 3:
det (A) 7
L’ensemble des solutions dans R3 est
Calculons x; y; z
(S) est de Cramer et l’unique solution x; y; z est
0 1
0 1 0 1 0 10 1 1
x b1 0 1 1 3 B 3 C
@ y A=A 1 @ b2 A = 1 @ 3 2 1 A @ 1 A B
=B 7 C
C:
3 @ 3 A
z b3 3 3 3 0
2
L’ensemble des solutions dans R3 est
1 7
SR3 = ; ; 2 :
3 3
Solution
0Méthode de Gauss 1 : 0 1 0 1
1 1 1 1 1 1 1 1 1 1 1 1
@ 1 1 0 2 A @ 0 2 1 1 A @ 0 1 2 1 A
L2 L2 L1 L3 !L2 L3 L3 +2L2
0 0 1 1 2 1 0 1 2 1 0 2 1 1
1 1 1 1
@ 0 1 2 1 A:
0 0 3 3
La dernière ligne donne : z = 1:
Dans la seconde, on obtient : y + 2z = 1 =) y = 1:
En…n la première ligne nous donne : x + y + z = 1 =) x = 1:
L’unique solution de (S) est donc (1, -1, 1).
Méthode2de Cramer 3 :
1 1 1 1 1 1
Soit M = 14 5
1 0 la matrice associée à (S): On a det M = 1 1 0 =
L2 L2 L1
0 1 2 0 1 2
1 1 1
2 1
0 2 1 = = 4 + 1 = 3 6= 0:
1 2
0 1 2
Le système (S) est de Cramer, il admet une seule solution qui est :
0 1
1 1 1 1 1 1 1 1 1
@ 1 2 1 0 ;
1
1 2 0 ;
1
1 1 2 A = (1; 1; 1):
3 3 3
1 1 2 0 1 2 0 1 1
Troisième méthode :
1
Soit à calculer l’inverse A de la matrice carrée A:
Posons 0
1 0 0 1
x x
X= @ y A et Y = @ y0 A :
z z0
Alors la matrice A est inversible si et seulement si,
AX = Y () X = A 1 Y:
D’où 0 1 0 10 0 1
x 31 5 17 x
@ A 1 @ A @
X= y = 18 0 6 y 0 A = A 1 Y:
30
z 7 5 1 z0
On véri…e que
2 3 0 1 2 3
1 3 1 31 5 17 1 0 0
42 1 @
5 45 18 0 6 A = 40 1 05 :
30
3 4 3 7 5 1 0 0 1
Donc 0 1
31 5 17
1 @
A 1= 18 0 6 A :
30
7 5 1
Résolution
1: La2matrice A 3
1 1 1
A=4 2 1 3 5
1 1 2
2: Justi…ons que la matrice A est inversible
Calculons det A
1 1 1
det A = 2 1 3 = 1 6= 0; donc la matrice A est inversible.
1 1 2
3: Expression de x; y; z en fonction de a; b et c
2 3 2 3
1 1 1 a 1 1 1 a
L L2 2L1
4 2 1 3 b 5 2 4 0 1 1 b 2a 5
L3 L3 L1
1 1 2 c 0 2 1 c a
2 3
1 1 1 a
4 0 1 1 b 2a 5:
L3 L3 2L2
0 0 1 (c a) 2(b 2a) = 3a 2b + c
La troisième ligne nous donne
z = 3a 2b + c =) z = 3a + 2b c:
Dans la seconde ligne, on obtient
y + z = y + ( 3a + 2b c) = b 2a =) y = a + b c:
Dans la première ligne, on obtient
b) Déduction la matrice A 1
On a0 1 2 30 1 0 1
5 3 2 1 1 1 5 3 2 1 0 0
A @ 1 1 1 A=4 2 1 3 5@ 1 1 1 A = @ 0 1 0 A:
3 2 1 1 1 2 3 2 1 0 0 1
Donc 0 1
5 3 2
A 1
=@ 1 1 1 A:
3 2 1