Académique Documents
Professionnel Documents
Culture Documents
F F F F F
Polycopie de cours :
ALGÈBRE
LINÉAIRE
ANNÉE UNIVERSITAIRE : 2019/2020
3 Déterminants 12
3.1 Déterminant d’ordre 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.1.1 Définition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.1.2 Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Déterminant d’ordre 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Filière SMC2
Filière SMC2
1.2.1 Définitions : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.4 Applications des déterminants : . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.2 Proposition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.4.1 Inverse d’une matrice à l’aide du déterminant : . . . . . . . . . . . . 17
1.2.3 Définition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.4.2 Application des déterminants à l’indépendance linéaire de vecteurs : 18
1.2.4 Remarque : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.4.3 Le rang d’une matrice à l’aide du déterminant : . . . . . . . . . . . 19
1.2.5 Proposition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.4.4 Résolution d’un système linéaire à l’aide du déterminant : . . . . . 19
1.3 Propriétés des Applications Linéaires . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3 Proposition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.4 Définition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.5 Théorème (admis) . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.6 Théorème de la dimension (Théorème du rang) : . . . . . . . . . . . 5
1.3.7 Proposition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.8 Théorème :(admis) . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Matrices 6
2.1 Définitions & notations : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Opérations sur les matrices : . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Somme, produit par un scalaire : . . . . . . . . . . . . . . . . . . . 7
2.2.2 Produit de deux matrices : . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 Transposée d’une matrice : . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.4 Inverse d’une matrice carré : . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Représentation matricielle d’une application linéaire : . . . . . . . . . . . . 9
2.3.1 Proposition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Exemples : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.3 Propriétés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.4 Remarque Importante : . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.5 Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1
R3 −→ R
e) L’application f : est une forme linéaire.
(x, y, z) 7→ 2x + y − z
1.1.3 Remarque
ou
Applications Linéaires ∀(x, y) ∈ E 2 , ∀α ∈ K, f (αx + y) = αf (x) + f (y).
1.1.4 Propriétés
Dans ce chapitre K désigne R ou C. Si f : E −→ F est une application linéaire alors,
1. f (0E ) = 0F
1.1 Généralités sur les applications linéaires : 2. Pour tout (x1 , x2 , · · · , xn ) ∈ E n , ∀(λ1 , λ2 , · · · , λn ) ∈ Kn .
Filière SMC2
Filière SMC2
1.1.1 Définitions : f (λ1 x1 + λ2 x2 + · · · + λn xn ) = λ1 f (x1 ) + λ2 f (x2 ) + · · · + λn f (xn )
Soient E et F deux K-ev. Une application f : E −→ F est dite linéaire (ou K-linéaire,
Preuve :
ou homomorphisme de K-ev) si et seulement si :
1. Soit λ = 0 et x ∈ E. On a f (λx) = λf (x).
(i) ∀(x, y) ∈ E 2 , f (x + y) = f (x) + f (y)
Or, λx = 0E et λf (x) = 0F , donc f (0E ) = 0F .
(ii) ∀λ ∈ K, ∀x ∈ E, f (λx) = λf (x)
2. On montre cette propriété par récurrence :
On note LK (E, F ) ou L(E, F ) l’ensemble des applications linéaires de E dans F .
• Pour n = 1, on a f (λx1 ) = λf (x1 ) par définition.
ä Si F = K, on dit que f est une forme linéaire. • On suppose que la récurrence est vrai à l’ordre n. Soient u = λ1 x1 + λ2 x2 + · · · +
λn xn et v = λn+1 xn+1 . Alors
ä Si F = E , f est appelée un endomorphisme. L’ensemble des endomorphismes est
noté L(E). f (λ1 x1 + λ2 x2 + · · · + λn xn + λn+1 xn+1 ) = f (u + v) = f (u) + f (v).
ä Un endomorphisme bijectif est appelé automorphisme. Par hypothèse de récurrence f (u) = λ1 f (x1 ) + λ2 f (x2 ) + · · · + λn f (xn ) et par
définition f (v) = λn+1 f (xn+1 ).
ä Un élément de LK (E, F ) bijectif est appelé isomorphisme de E sur F .
Donc
n+1
!
1.1.2 Exemples
X
f λi xi = λ1 f (x1 ) + λ2 f (x2 ) + · · · + λn f (xn ) + λn+1 f (xn+1 ).
i=1
E −→ F
a) L’application θ : est linéaire dite application linéaire nulle.
x 7→ 0F
1.2 Image et Noyau d’une application linéaire :
E −→ F
b) L’application idE : est linéaire dite application linéaire identique. 1.2.1 Définitions :
x 7→ x
Soit f : E −→ F une application, A une partie E et B une partie F .
R2 −→ R2
c) L’application f : est linéaire
(x, y) 7→ (x + y, x)
ä On appelle image de A par f l’ensemble f (A) des images par f des éléments de A.
R3 −→ R3
d) L’application f : est un endomorphisme de R3 . f (A) = {y ∈ F/∃x ∈ A : y = f (x)} = {f (x)/x ∈ A}.
(x, y, z) 7→ (2x + 4y, y + z, 2x − z)
1 2
ä On appelle image réciproque de B par f l’ensemble f −1 (B) des éléments de E dont 1.2.5 Proposition :
l’image par f est dans B. Soient E, F deux K-ev et f ∈ L(E, F ). Alors, on a les propriétés suivantes :
Filière SMC2
Filière SMC2
1.2.2 Proposition : 1.3.1 Proposition
Soient E, F deux K-ev et f ∈ L(E, F ). Soient E, F deux K-ev. et f ∈ L(E, F ).
1. Si A est un sous espace vectoriel de E, alors f (A) est un sous espace vectoriel de F . (i)- Si F = {u1 , u2 , · · · , un } engendre E alors f (F) = {f (u1 ), f (u2 ), · · · , f (un )} engendre
Im(f ).
2. Si B est un sous espace vectoriel de F , alors f −1 (B) est un sous espace vectoriel de
(ii)- f est surjective si et seulement pour tout système F générateur de E, f (F) est un
E.
système générateur de F .
Preuve :
(iii)- f est injective si et seulement pour tout système F libre de E, f (F) est un système
1. f (A) 6= ∅ car 0F ∈ f (A). lible de F .
Soient λ ∈ K, (x′ , y ′ ) ∈ (f (A))2 . Donc il existe (x, y) ∈ A2 tel que : x′ = f (x) et
y ′ = f (y). On a alors λx′ + y ′ = λf (x) + f (y) = f (λx + y) ∈ f (A) 1.3.2 Proposition
L(E, F ) est un K-ev pour les lois usuelles. Rappelons que les lois usuelles sur F E sont
2. f (B) 6= ∅ car 0E ∈ f (B).
−1 −1
2 définies par :
Soient λ ∈ K, (x, y) ∈ (f −1 (B)) . Comme f (x) et f (y) ∈ B, alors f (λx + y) =
E
∀f, g ∈ F , ∀x ∈ E, (f + g)(x) = f (x) + f (g)
λf (x) + f (y) ∈ B Et parsuite,
∀λ ∈ K, ∀f ∈ F E , ∀x ∈ E, (λf )(x) = λf (x).
λx + y ∈ f −1 (B).
Preuve : (facile)
ä On appelle noyau de f , et on note Ker(f ), l’ensemble Ker(f ) = f −1 ({0F }) = {x ∈ ∀f ∈ L(E, F ), ∀g ∈ L(F, G), gof ∈ L(E, G).
E/f (x) = 0F } Preuve :
ä On appelle image de f et on note, Im(f ) l’ensemble f (E) = {f (x)/x ∈ E}.. Soient λ ∈ K, (x, y) ∈ E 2 , on a :
(gof )(λx + y) = g(f (λx + y)) = g(λf (x) + f (y))
1.2.4 Remarque : = λg(f (x)) + g(f (y)) = λ(gof )(x) + (gof )(y).
D’après la proposition précédente, Ker(f ) est un sev de E et Im(f ) est un sev de F . Autrement dit le composée de deux applications linéaires est linéaire.
3 4
1.3.4 Définition :
Soit E, F deux K-ev et f ∈ L(E, F ).
f est un isomorphisme de E sur F si f est bijectif de E sur F . Dans ce cas on dit que E
et F sont isomorphes.
Filière SMC2
Filière SMC2
Une matrice à m lignes et n colonnes et à coefficients dans K, est un tableau d’éléments
1.3.7 Proposition : de K qui à m lignes et n colonne. Leur ensemble est noté par Mm,n (K) dont les éléments
Soient E et F deux K-ev de dimension finie et f ∈ L(E, F ). Alors, on a : sont sous la forme suivante :
a11 a12 · · · a1j · · · a1n
(a) f est injective ⇔ rg(f ) = dimE.
a21 a22 · · · a2j · · · a2n
··· ··· ··· ··· ··· ···
(b) f est surjective ⇔ rg(f ) = dimF. A=
ai1 ai2 · · · aij · · · ain
Preuve :
··· ··· ··· ··· ··· ···
am1 am2 · · · amj · · · amn
(a) f est injective ⇔ Ker(f ) = {0E } ä La matrice A est notée A = (aij )16i6m
⇔ dim(Ker(f )) = 0E 16j6n
⇔ rg(f ) = dimE (d’aprés le théorème de rang) ä Si m = n, on dit que A est une matrice carrée d’ordre n et on note Mn (K) l’ensemble
(a) f est surjective ⇔ Im(f ) = F des matrices carrées d’ordre n.
⇔ rg(f ) = dimF ä Si m = 1, on dit que A est une matrice ligne et on note M1,n (K) l’ensemble des
matrices ligne à coefficients dans K.
1.3.8 Théorème :(admis) ä Si n = 1, on dit que A est une matrice colonne et on note Mm,1 (K) l’ensemble des
Soient E et F deux K-ev de dimension finie et f ∈ L(E, F ). Supposons que dimE = matrices colonne à coefficients dans K.
dimF . Alors les propriétés suivantes sont équivalentes :
ä Le vecteur (a11 , a22 , · · · , ann ) d’une matrice carrée A = (aij )16i,j6n s’appelle la dia-
(a) f est injective. gonale principale de A.
(b) f est surjective. ä Soit A = (aij )16i,j6n ∈ Mn (K) une matrice carré.
(c) f est bijective.
a11 a12 · · · · · · a1n
a21 a22 · · · · · · a2n
A= .. .. .. .. ..
. . . . .
an1 an2 · · · · · · ann
5 6
(a)- Si aij = 0, ∀i > j, i, j ∈ {1, 2, · · · , n}. On dit que A est une matrice trian- 2.2.2 Produit de deux matrices :
gulaire supérieure sous la forme
Soient A = (aij ) ∈ Mm,p (K), B = (bij ) ∈ Mp,n (K). On définit le produit A fois B
a11 a12 · · · a1n
par :
p
0 a22 · · · a2n
X
A · B = (cij )16i6m avec cij = aik bkj
0 · · · 0 ann · · · b1j · · ·
· · · b2j · · ·
(b)- Si aij = 0, ∀i < j, i, j ∈ {1, 2, · · · , n}. On dit que A est une matrice trian-
..
.
gulaire inférieure, elle est sous la forme
· · · bpj · · ·
.. .. .. ..
···
a11 0 0 . . . .
..
...
ai1 ai2 · · · aip
· · · cij · · ·
a21 a22 .
A=
.. .. . .
.. .. ..
..
. . . .
. . . 0
an1 an2 · · · ann Exemple :
(c)- Si aij = 0, ∀i 6= j, i, j ∈ {1, 2, · · · , n}. On dit que A est une matrice diago- ! ! !
1 0 1 0 1 1 0 1
Filière SMC2
Filière SMC2
nale, elle est sous la forme 1)- = .
3 1 2 1 3 5 1 6
0 ···
a11 0
a
. ..
a22 . .
0 . b
A=
.. ... ... 2)- α β γ δ
= αa + βb + γc + δd.
. 0 c
0 ··· 0 ann d
7 8
La matrice B s’appelle inverse de A et on le note A−1 . Notons que si A est inversible alors d’où : f (X) = x1 f (u1 ) + x2 f (u2 ) + · · · + xn f (un ).
pour tout X, Y ∈ Rn , on a :
Pour tout j ∈ {1, 2, · · · , n} f (uj ) ∈ F , donc il existe (a1j , a2j , · · · , amj ) ∈ Km tel que
AX = Y ⇔ A−1 (AX) = A−1 Y
⇔ (A−1 A)X = A−1 Y f (uj ) = a1j v1 + a2j v2 + · · · + amj vm .
Filière SMC2
Filière SMC2
AX = Y ⇔
1 0 1
x2 y2
y2
a21 a22 · · · a2n
x2
=
1 1 0 x3 y3
.. .. .. .. ...
..
. . . . .
· · · amn
x2 + x3 = y1 x2 − x1 = y 1 − y2
ym am1 am2 xm
⇔ x1 + x3 = y2 ⇔ x1 + x3 = y2 L’application linéaire f est donc parfaitement déterminée par la donnée d’un tableau de m
x1 + x2 = y3 x1 + x2 = y3
lignes et de n colonnes, dans lequel se trouvent portées en colonnes les coordonnées dans
1 la base BF de f (u1 ), f (u2 ), · · · , f (un ). Ce tableau est appelé matrice de f relativement
x1 = (−y1 + y2 + y3 )
2 aux bases BE et BF notée M(f, BE , BF ). D’où la proposition suivante :
1
⇔ x2 = (y1 − y2 + y3 )
2 2.3.1 Proposition :
Soient E et F deux K-ev de bases respectives BE et BF . Soit f ∈ L(E, F ) alors
1
(y1 + y2 − y3 )
x3 =
2
−1
⇔ X=A Y ∀ X ∈ E, f (X) = M(f, BE , BF )X
On en déduit que
−1 1 1
2.3.2 Exemples :
−1 1
A = 1 −1 1 1. Soit f ∈ L(E, F ), BE et BF de E et F : BE = {u1 , u2 , u3 }, BF = {v1 , v2 , v3 , v4 }
2
1 1 −1
f (u1 ) = 2v1 − v2 + v3 ; f (u2 ) = −v3 + v4 ; f (u3 ) = v1 + v4 .
Proposition :
Soient A et B deux matrices inversibles alors AB est inversible d’inverse B −1 A−1 . On a :
f (u1 ) f (u2 ) f (u3 )
2 0 1 v1
9 10
2.3.3 Propriétés :
Soient E, F et G trois K-ev de bases respectives BE , BF et BG .
Filière SMC2
Filière SMC2
Considérons l’application linéaire f suivante :
( 3.1.1 Définition :
R3 −→ R2 a11 a12
!
f: Soit A = ∈ M2 (R).
(x, y, z) 7−→ (2x − y, 3y − 2z) a21 a22
′ ′ ′ a11 a12
Notons par B1 = {e1 , e2 , e3 } et B1 = {e1 , e2 } les bases canoniques respectivement de Le déterminant de A, noté det(A) ou est le scalaire a11 a22 − a21 a12 .
′ ′ a21 a22
R3 et R2 (i.e. e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1), e1 = (1, 0) et e2 = (0, 1)). Soit
On pose
B2 = {u1 , u2 , u3 } une nouvelle base de R3 avec u1 = (1, 1, −1), u2 = (0, 1, 0), u3 = (−1, 1, 0)
′
(vérifier que B2 est bien une base de R3 ! !) et soit B2 = {u′ 1, u′ 2} une nouvelle base de R2
" #
L1
′ ′ ′
avec u1 = (1, 0) et u2 = (1, 1) (vérifier aussi que B2 est bien une base de R2 ! !). ä A = où Li , i = 1, 2 désigne le ième vecteur ligne de A donné par Li =
L2
[ ai1 ai2 ] .
3.1.2 Exemple :
1 3
ä = 1.4 − 2.3 = −2.
2 4
−2 4
ä = (−2).8 − (−3).4 = −4.
−3 8
11 12
3.2 Déterminant d’ordre 3 : 3.2.4 Propriétés :
1. Si on échange deux lignes dans une matrice son déterminant change de signe.
3.2.1 Définitions :
a11 a12 a13
ä Exemple :
a11 a12 a13 a21 a22 a23
Filière SMC2
Filière SMC2
ä A = [C , C , C ] où Cj , j = 1, 2, 3 désigne le j ème vecteur colonne de A donné par αL1 + βL′1 L1 L′1
1 2 3 L2
det = αdet L2 + βdet L2
a1j
Cj = a2j .
L3 L3 L3
a3j
αa1 + βa′1 αa2 + βa′2 αa3 + βa′3 a1 a2 a3 a′1 a′2 a′3
a a a a a a b1 b2 b3 = α b1 b2 b3 + β b1 b2 b3
ä m11 = 22 23 ; m12 = 21 23 ; m13 = 21 22 s’appellent mineurs relatifs c1 c2 c3 c1 c2 c3 c1 c2 c3
a32 a33 a31 a33 a31 a32
à a11 , a12 et a13 respectivement. ä Conséquence :
(i) Si on ajoute à une ligne dans une matrice une combinaison linéaire des
3.2.2 Remarques : autres lignes, le déterminant ne change pas. En effet :
ä mij est le déterminant de la matrice obtenu en supprimant à la matrice A la ième
ligne et la j ème colonne. L1 + αL2 + βL3 L1 L2 L3
det
L2 = det L2 + αdet L2 + βdet L2
ä On a : det(A) = (−1)1+1 a11 m11 + (−1)1+2 a12 m12 + (−1)1+3 a13 m13 . (1) L3 L3 L3 L3
L3 L3
ä On peut développer ce déterminant par rapport à d’autres lignes.
(ii) Dans une matrice A, si une ligne est combinaison linéaire des autres alors
det(A) = 0.
3.2.3 Exemples :
L1 L1 L1
1 0 −1 det
αL1 + βL3
= αdet L1 + βdet L3 = 0.
1 2 0 2 0 1 L3 L3 L3
det(A) = 0 1 2 =1 −0 −1
1 0 1 0 1 1
1 1 0
= −2 + 1 = −1 3.2.5 Théorème :
Soit A ∈ M3 (R) ; det(A) = det(t A).
13 14
3.2.6 Conséquence : b) Si B est la matrice obtenue en multipliant une ligne de A par λ, alors det(B) =
λdet(A).
Les propriétés sur les déterminants relatives aux lignes sont vraies aussi pour les co-
lonnes. c) Si une matrice B est obtenue en ajoutant à une ligne de la matrice A un multiple
d’une autre de ses lignes, alors det(B) = det(A).
n
∆i (A) =
X
(−1)i+k aik det(Aik ) 3.3.4 Exemples :
k=1
n
4 5 −2 8 1 4
δj (A) =
X
(−1)k+j akj det(Akj ) a) 8 1 4 = − 4 5 −2 , on a permuté la 1ère ligne avec la deuxième.
k=1 0 7 −5 0 7 −5
On a : 6 21 33
8 7 11
Filière SMC2
Filière SMC2
4 4 3 3
∆i (A) = δj (A), i, j = 1, · · · n. b) 6 7 −2 = 6 7 −2 , car la 1ère ligne est égale à (8 7 11) .
4 4
1 4 0 1 4 0
Le réel ∆i (A) (repect. δj (A)) s’appelle le déterminant de A développé selon la ième ligne c) On ajoute à la 2ème ligne de la matrice A un multiple de sa troisième ligne
a11 a12 · · · a1n
ème
a21 a22 1 −1 −2 1 −1 −2 1 −1 −2
(repect. j colonne) de A. On le note det(A) ou .. .. . . . . 2 2 3 = 2 0 1 + 0 2 2
. . . ..
an1 an2 · · · ann 0 1 1 0 1 1 0 1 1
1 −1 −2 1 −1 −2
• On appelle mineur de l’élément aij le déterminant : det(Aij ). = 2 0 1 +2 0 1 1
0 1 1 0 1 1
• On appelle cofacteur de l’élément aij le nombre : Cij = (−1)i+j det(Aij ).
0 0 0
3.3.2 Remarque : d) a b c = 0, car ce déterminant a une ligne formée par des zéros.
x y z
Le cofacteur d’un élément de la matrice A est donc égal au mineur correspondant x y z
affectée d’un signe + ou d’un signe − selon que la somme i + j est paire ou impaire, ce a b c = 0, car ce déterminant a deux lignes proportionnelles.
qui, graphiquement, correspond à la situation suivante : λx λy λz
+ − + − ··· (−1)1+n 4 2 1
− + · · · (−1)i+j
5 3 −2 = 0, car les lignes de ce déterminant sont liées. En effet : L3 = L2 − L1 .
.. ..
1 1 −3
+ − . . .
.. ..
. ··· ··· . −
3.3.5 Théorème :
(−1)n+1 ··· ··· − +
Soit A ∈ Mn (R) ; det(A) = det(t A).
3.3.3 Théorème : Opérations sur les lignes
3.3.6 Conséquence :
Soit A ∈ Mn (R) une matrice carrée.
Les propriétés sur les déterminants relatives aux lignes sont vraies aussi pour les co-
a) Si B est la matrice obtenue en permutant deux lignes de A, alors det(B) = −det(A). lonnes.
15 16
3.4 Applications des déterminants : Corollaire :
Une matrice carré A est inversible si et seulement si son déterminant est non nul.
3.4.1 Inverse d’une matrice à l’aide du déterminant :
Théorème : Exemple :
Filière SMC2
Filière SMC2
La matrice des cofacteurs de A (ou comatrice de A), notée Com(A), est la matrice obtenue
3.4.2 Application des déterminants à l’indépendance linéaire de
de A en remplaçant chaque terme aij par son cofacteur. On a vecteurs :
Soient x1 , x2 , · · · , xp , p vecteurs d’un espace vectoriel de dimension n sur K, rapporté à
C11 C12 · · · C1n
une base (u1 , u2 , · · · , un ). (p ≤ n). Si on arrive à extraire un seul déterminant carré d’ordre
C21 C22 · · · C2n
avec Cij = (−1)i+j det(Aij ). p non nul des coordonnées de x1 , x2 , · · · , xp , alors ces p vecteurs sont libres.
Com(A) = .. .. .. .. ,
. . . .
Cn1 Cn2 · · · Cnn Exemple :
Exemple : 1 4
3 1 4
ä Dans R , x1 = 2 et x2 = 5 sont libres, car le déterminant d’ordre 2,
2 5
1 −1 −2 3 6
Soit A =
2 0 1
, on a : extrait des coordonnées de x1 et x2 est non nul.
0 1 1
1 1 0
2 −1 2
0 1 2 1 2 0
+ − + ä Dans R5 , x1 =
3
, x2 =
0
et x3 =
0
sont libres, car le déterminant
1 1 0 1 0 1
−1 −2 1 −2 1 −1
4
1
1
Com(A) =
− + −
5 4 4
1 1 0 1 0 1
1 1 0
−1 −2 1 −2 1 −1
+ − + d’ordre 3, 2 −1 2 = 6 6= 0 extrait des coordonnées de x1 , x2 et x3 est non nul.
0 1 2 1 2 0
3 0 0
−1 −2 2
=
−1 1 −1
Remarque :
−1 −5 2
La position des coordonnées doit être la même pour les p vecteurs.
Théorème : Une Formule de l’inverse :
1 t
Soit A = (aij ) ∈ Mn (R). Si A est inversible alors A−1 = Com(A).
det(A)
17 18
3.4.3 Le rang d’une matrice à l’aide du déterminant : ä aij ∈ K, (i, j) ∈ {1, 2, · · · , m} × {1, 2, · · · , n} sont les coefficients du système. Posons
Le rang d’une matrice A est égal à l’ordre maximum d’un déterminant non nul extrait de
a11 a12 · · · a1n
A. (i.e. pour trouver le rang d’une matrice donnée A, on doit extraire de A un déterminant
a21 a22 · · · a2n
non nul qui soit d’ordre maximum). A= .. .. .. .. ∈ Mm,n (R), s’appelle matrice du système.
. . . .
3 2 4
il est nul puisqu’il a deux colonnes proportionnelles), mais cela ne veut dire que le Interprétation Matricielle :
Filière SMC2
Filière SMC2
rang de A est égal à 2, puisqu’on peut extraire de A un déterminant d’ordre 3 non
1 4 1 Si on note
nul. Par exemple 2 2 −1 = −12. a11 a12 · · · a1n b1 x1
3 4 1
a21 a22 · · · a2n
b2
x2
A= .. .. .. .. , B= .. , et X= ..
. . . . . .
3 −1 4 2
0 2 1 1 .
ä Trouver le rang de la matrice A = am1 am2 · · · amn bm xn
1 −3 0 0 Avec les définitions précédentes le système (3.1) s’écrit matriciellement sous la forme
3 −1 4
0 2 1 = 0, cela n’entraîne pas que le rang de A est égal à 2. AX=B (3.2)
1 −3 0
Résoudre le système (3.1) c’est résoudre cette équation matricielle (3.2).
−1 4 2
Comme 2 1 1 = −3, alors rg(A) = 3. Définition : Système de Cramer
−3 0 0
Le système (3.1) est dit de Cramer si le nombre d’équations est égal au nombre d’in-
connues et si sa matrice est inversible.
3.4.4 Résolution d’un système linéaire à l’aide du déterminant :
Définitions : Théorème : La règle de Cramer
Un système linéaire de m équations et n inconnues est un système d’équations de la Un système de Cramer admet toujours une seule solution dont les composantes sont
forme données par :
a11 x1 + a12 x2 + · · · + a1n xn
= b1
a11 · · · b1 · · · a1n
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. (3.1) a21 · · · b2 · · · a2n
. . .. .. ...
am1 x1 + am2 x2 + · · · + amn xn = bm . .
an1 · · · bn · · · ann det(Ai )
ä Les xi , ∀i ∈ {1, 2, · · · , n} s’appellent les inconnues du système. xi = = , où i ∈ {1, 2, · · · , n}.
det(A) det(A)
ä Le vecteur (b1 , b2 , · · · , bm ) ∈ Km s’appelle le second membre. i.e. on remplace la colonne numéro i de A, par le second membre de (3.1), et on divise par
le det(A).
19 20
Exemple :
Soit
2x + y − z + 3t = 1 2 1 −1 3
Posons ∆i = det(Ai ), on a :
1 1 −1 3 2 1 −1 3
0 −1 3 −1 1 0 3 −1
∆1 = = −7, ∆2 = = 26.
−1 1 −1 −2 4 −1 −1 −2
0 −2 1 1 1 0 1 1
2 1 1 3 2 1 −1 1
1 −1 0 −1 1 −1 3 0
∆3 = = 23, ∆4 = = 36.
4 1 −1 −2 4 1 −1 −1
Filière SMC2
1 −2 0 1 1 −2 1 0
Alors, d’aprés la règle de Cramer la solution du système (S) est donnée par :
∆1 ∆2 ∆3 ∆4
x= , y= , z= , t=
det(A) det(A) det(A) det(A)
21