Académique Documents
Professionnel Documents
Culture Documents
CALCUL MATRICIEL
Adolphe CODJIA
1 MATRICES 2
1.1 Présentation des matrices de type (p; q) sur un corps K commutatif . . . . 2
1.2 Quelques matrices de type (p; q) . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 OPERATIONS SUR LES MATRICES . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Somme de deux matrices de même type . . . . . . . . . . . . . . . 5
1.3.2 Egalité de deux matrices de même type . . . . . . . . . . . . . . . . 5
1.3.3 Multiplication par un scalaire d’une matrice . . . . . . . . . . . . . 6
1.3.4 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Matrices équivalentes et matrices semblables . . . . . . . . . . . . . . . . . 9
1.7 Opérations élémentaires sur les matrices . . . . . . . . . . . . . . . . . . . 11
1.7.1 Les opérations élémentaires sur les matrices avec les matrices élé-
mentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.7.2 Matrices échelonnées . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7.3 Inversion d’une matrice par les opérations élémentaires sur les ma-
trices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.8 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 CALCUL DE DÉTERMINANTS 25
2.1 Déterminant d’une matrice carrée d’ordre 2 . . . . . . . . . . . . . . . . . 25
2.2 Déterminant d’une matrice carrée d’ordre 3 . . . . . . . . . . . . . . . . . 25
2.2.1 Calcul d’un déterminant d’ordre 3 par la méthode de Sarrus(Pierre
Frédéric Sarrus(1798–1861)) . . . . . . . . . . . . . . . . . . . . . . 25
2.2.2 Calcul du déterminant par le développement suivant une ligne ou
une colonne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Calcul du déterminant d’une matrice carrée d’ordre n supérieur ou égal à 3 28
2.4 Propriétés des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Calcul de déterminant avec échelonnage sur la matrice . . . . . . . . . . . 34
2.6 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6.1 Propriétés de la matrice inverse . . . . . . . . . . . . . . . . . . . . 36
2.6.2 Inversion d’une matrice par sa comatrice . . . . . . . . . . . . . . . 36
2.6.3 Démontration de la méthode d’inversion d’une matrice par sa co-
matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6.4 Propriétés de la comatrice d’une matrice . . . . . . . . . . . . . . . 38
2.7 Rang d’une matrice à partir de son déterminant ou d’un de ses déterminants
extraits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1
TABLE DES MATIÈRES
i
INTRODUCTION
1
Chapitre 1
MATRICES
Objectifs
Savoir déterminer le type des matrices, é¤ectuer les opérations légitimes
sur les matrices et échelonner les matrices, à ligne ou à colonne canonique,
voire réduite pour trouver rang, inversibilité et inverse de matrices.
A = (aij ) 1 i p .
1 j q
a14
a24
Ceci est la 2eme ligne : a21 a22 a2q ; la 4ieme colonne est : .. .
.
ap4
2
CHAPITRE 1. MATRICES
Pour A = (aij ) 1 i p,
1 j q
2 3
L1
6 L2 7
6 7
6 L3 7
6 .. 7
6 7
on peut écrire une matrice suivant ses lignes : A = 6 . 7; 1 i p,
6 7
6 Li 7
6 .. 7
4 . 5
Lp
ou suivant ses colonnes : A = C1 C2 C3 Cj Cq ;1 j q
Exemple 2 3
1 2 3 4 5 6
6 2 1
9 11 3 7
A=6 4 3
3 7 c’est une matrice de type (?; ?)
2 0 8 9 15 5
1
4 75 3
7 i 5+i
1
Ici l’élément a14 = 4, a22 = , a35 = 9, a33 = 0, a43 = , a46 = 5 + i.
3
3
CHAPITRE 1. MATRICES
Exemple
2 3
8
1 4 3
A= 4 9 47 2 5 c’est une matrice carrée d’ordre 3 et les
0 1 3
4
éléments diagonaux sont : a11 = 1 ; a22 = ; a33 = 3. Les éléments de la
7
4 8
contre diagonale principale sont : a31 = 0 ; a22 = ; a13 = .
7 3
e) Matrice diagonale
C’est une matrice carrée telle que tous les termes en dehors de la diagonale principale
sont nuls.
Exemples :
2 3
1 0 0
2 0
A1 = 4 0 0 0 5 ; A2 = .
0 6
0 0 3
f) Matrice unité(ou identité) d’ordre n
C’est la matrice diagonale d’ordre n telle que tous les termes de la diagonale
principale sont égaux à 1 (et les autres nuls). On la note In .
Exemples 2 3
2 3 1 0 0 0
1 0 0 6 0 1 0 0 7
1 0
I2 = , 4
I3 = 0 1 0 5, I4 = 64 0 0 1 0 5.
7
0 1
0 0 1
0 0 0 1
g) Matrice triangulaire supérieure :
C’est une matrice carrée telle que tous les termes en-dessous de la diagonale
principale sont nuls(a
2 ij = 0 si i > j).
3
1 5 0 1
6 0 0 4 0 7
Exemple : A = 6 4 0 0 1
7.
2 5
0 0 0 3
h) Matrice triangulaire inférieure :
C’est une matrice carrée telle que tous les termes au-dessus de la diagonale
principale sont nuls(a
2 ij = 0 si i < j). 3
1 0 0 0
6 0 7 0 0 7
Exemple : B = 6 4 5
7.
8 1 0 5
6 4 1 9
i) Matrice en bloc
C’est une matrice de type (m; n) dans laquelle on trouve des matrices
bien établies.
Soient M 2 Mr (K), N 2 Mrs (K), P 2 Ms (K) et Q 2 Msr (K) alors
M N
A= est en bloc par exemple.
Q P
4
CHAPITRE 1. MATRICES
Exemple : 2 3
15 4 0 0 0 0 1
6 3 5 4 0 0 7 15 4 0 0 0
6 7
A=6 7
6 0 1 5 4 0 7 où M =
@ 3 5 4 0 0 A,
4 0 0 1 5 20 5 0 1 5 4 0
0 0 0 1 25
0 0 1 5 20 M
N= ,Q= et alors A = .
0 0 0 1 25 N Q
j) Transposée d’une matrice :
On appelle transposée de la matrice A = (aij ) 1 i p la matrice A0 = (aji )1 j q
1 j q 1 i p
La transposée de A est notée (t A) = A0 ; c’est la matrice dont les colonnes sont
les lignes de A et vice versa. 2 3
1 4
1 2 1+i
Exemple : A = ; (t A) = 4 2 6 5.
4 6 8
1+i 8
Remarque
Si A est de type (p; q) alors (t A) est de type (q; p).
k) Opposée d’une matrice :
C’est la matrice obtenue en prenant l’opposée de chaque terme :
si A = (aij ) 1 i p ( A) = ( aij ) 1 i p .
1 j q 1 j q
1 2 1+i ( 1) 2 (1 + i)
Exemple : soit A = ; on a : ( A) =
4 6 8 4 ( 6) ( 8)
1 2 (1 + i)
ainsi ( A) = .
4 6 8
5
CHAPITRE 1. MATRICES
Contre-exemple
2 3 2 3
0 1 8 0 1 8
A = 4 1 0 0 5 et B = 4 1 0 0 5, on a :
82 0 0 3 2 8 3 1 0
0 0 0 0 0 0
A B = 4 0 0 0 5 6= 4 0 0 0 5, donc A 6= B.
0 1 0 0 0 0
Remarques
1)Soit A 2 Mpq (K), on a : (t A) 2 Mqp (K) et (t (t A)) = A.
2) Soit A 2 Mn2(K), si on a : (3t A) = A, on
2 dit que A est3 une matrice symétrique.
2 1 8 2 1 8
Exemple : A = 4 1 3 0 5, (t A) = 4 1 3 0 5 = A.
8 0 1 8 0 1
t
3)Soit A 2 Mn (K), si on a : ( A) = A, on dit que A est une matrice
antisymétrique.
2 3 2 3
0 1 8 0 1 8
Exemple : A = 4 1 0 0 5, (t A) = 4 1 0 0 5= A
8 0 0 8 0 0
On a ainsi une loi de composition interne : l’addition, qui fait de l’ensemble Mpq (K)
des matrices p q un groupe commutatif. L’élément neutre est la matrice
dont tous les coe¢ cients aij sont nuls dite matrice nulle 0Mpq (K) .
La matrice opposée à A = (aij ) est la matrice ( A) de coe¢ cients ( aij ).
Remarque
Soient A, B 2 Mpq (K), on a : (t (A + B)) = (t B) + (t A).
6
CHAPITRE 1. MATRICES
7
CHAPITRE 1. MATRICES
1 2 0 12 0 12 1 2
AB = 1 1 = 1 1 = BA
2 0 2 4 2 4
2 0
Ainsi A et B commutent mais le produit de matrices n’est pas commutatif.
Aussi A et B sont dites commutantes(permutantes).
Remarques
1.Formule du binôme de Newton
8A; B 2 Mn (K), commutant(permutant) e.i. A B = B A, on a :
X n Xn
n
(A + B) = {n A B =
k n k k
{kn B n k Ak ;
k=0 k=0
n!
n 1, n 2 N, {kn = .
k! (n k)!
2. 8A 2 Mn (K) avec A 6= 0Mn (K) , on a A0 = In .
Propriétés
1. A (B + C) = AB + AC, 8A 2 Mmn (K), 8B, C 2 Mnp (K) ; ceci est la
distributivité à gauche de la multiplication par rapport à l’addition.
2. (A + B) C = AC + BC, 8A, B 2 Mmn (K), 8C 2 Mnp (K) ; ceci est la
distributivité à droite de la multiplication par rapport à l’addition.
Vu 1) et 2) la multiplication est distributive par rapport à l’addition.
3. 8 2 K, 8A 2 Mmn (K), 8B 2 Mnp (K),
( A) B = A ( B) = (AB).
4. 8A 2 Mmn (K),8B 2 Mnp (K) ; 8C 2 Mpr (K),
(AB) C = A (BC) = ABC ; ceci est l’associativitité de la multiplication des
matrices.
5. ( (AB)) = (t B) (t A), 8A 2 Mpn (K) ; 8B; 2 Mnq (K) .
t
8
CHAPITRE 1. MATRICES
9
CHAPITRE 1. MATRICES
Exemples 2 3 2 3
5 2 4 7 1 0 0 0
i) Soient A = 4 3 2 0 1 5 et R = 4 0 1 0 0 5
2 1 0 2 33 2 0 0 03 0
0 0 1 5 2 0
Soit P = 4 1
0 5 5 0 4
avec P = 3 2 1 5
2 2
1 1 2 2 31 2 0 0 3 2 3
0 0 1 5 2 0 1 0 0
On constate que P P 0 = 4 12 0 5 54
2
3 2 1 5=4 0 1 0 5
2 32 1 1 2 3 1 20 0 3 0 0 1
5 2 0 0 0 1 1 0 0
Aussi P 0 P = 4 3 2 1 5 4 21 0 5 5
2
= 4 0 1 0 5
1 0 0 1 1 2 0 0 1
1 0
Donc P est 2 inversible d’inverse 3 P = P2 3
1 0 2 3 1 0 2 3
6 0 1 3 4 7 6 4 7
Soit Q = 6 7 avec Q0 = 6 0 1 3 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 4 7 6 7
On constate que QQ0 = 6 76 0 1 3 7=6 0 1 0 0 7
4 0 0 1 0 54 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 0 1 3 4 7 6 7
et Q0 Q = 6 76 7=6 0 1 0 0 7
4 0 0 1 0 5 4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
Ainsi Q est inversible d’inverse Q 1 = Q0 2 3
2 32 3 1 0 2 3
0 0 1 5 2 4 7 6
4 1 5 54 56 0 1 3 4 77
Aussi P AQ = 0 3 2 0 1 4 0 0 1
2 2 0 5
1 1 2 1 0 2 3
0 0 0 1
2 3
2 3 1 0 2 3
1 0 2 3 6 0 1 3 4 7
P AQ = 4 0 1 3 4 56 4 0 0 1
7
0 5
0 0 0 0
2 3 0 0 0 1
1 0 0 0
P AQ = 0 1 0 0 5 = R
4
0 0 0 0
P AQ = R.
On a bien P AQ = R avec P 2 M3 (R) inversible, A 2 M34 (R) et Q 2 M4 (R) inversible
donc A et R sont 2 équivalentes. 3 2 3
2 1 1 1 21 3
2
ii) Soient M = 4 2 3 2 5 et D = 4 0 12 3 5
2
3 11
2 1 1 2
3 2 3 0 2 2 3
1 1
1 0 1 4 2 4
avec P = 4 0 1 1 5 et P 0 = 4 14 12 1 5
4
1 1 1
1 2 1 4 2 4
10
CHAPITRE 1. MATRICES
2 32 3 1 1
3 2 3
1 0 1 4 2 4
1 0 0
On a : P P 0 = 4 0 1 1 54 1
4
1
4
1
2
5=4 0 1 0 5
1 1 1
2 31 1
2 1 32
1
4 2 4 3 2 0 0 13
4 2 4
1 0 1 1 0 0
Aussi P 0 P = 4 41 12 1 54
4
0 1 1 5=4 0 1 0 5
1 1 1
4 2 4
1 2 1 0 0 1
1 0
Ainsi P est inversible d’inverse P = P
On constate2que : 32 32 3
3 1 1
4 2 4
2 1 1 1 0 1
P 1 M P = 4 14 21 1 54
4
2 3 2 54 0 1 1 5
1 1 1
2 4 1 2 3 43 1 1 2 1 2 1
1 2 2
P 1 M P = 4 0 12 3 5
2
= D.
3 11
0 2 2
donc M et D sont sont semblables.
Remarque
Deux matrices semblables sont équivalentes.Mais deux matrices
équivalentes ne sont pas nécessairement semblables, il su¢ t qu’elles
ne soient pas carrées.
11
CHAPITRE 1. MATRICES
Exemple 2 3
1 3
soit A = 4 4 1 5 faisons 4L2 , on a :
2 0 2 3
1 3
0
A = 4 16 4 5.
0 2
Evidemment on a A équivalente à A0 , ce qui se note : A A0
qui se lit A équivalente à A0 .
Dé…nition
Les matrices Eij 2 Mpq (K) tels que aij = 1 et ars = 0,
si r 6= i ou s 6= j, sont les matrices
X élémentaires de Mpq (K).
Soit A = (aij ) 2 Mpq (K),on a A = aij Eij .
1 i p
1 j q 1 i p
1 j q
Exemples 2 3
2 3 0 0
0 0 0 0 6 0 0 7
E23 = 0 0 1 0 5 2 M34 (R), E42 = 6
4 7
4 0 0 5 2 M42 (R)
0 0 0 0
2 3 2 3 2 03 1 2 3
a11 a12 a11 0 0 a12 0 0
A = 4 a21 a22 5 = 4 0 0 5 + 4 0 0 5 + 4 a21 0 5
a2
31 a32
3 2 0 0 3 20 0 3 0 0
0 0 0 0 0 0
+ 4 0 a22 5 + 4 0 0 5 + 4 0 0 5
2 0 03 2a31 0 3 02 a32 3 2 3
a11 a12 1 0 0 1 0 0
A = 4 a21 a22 5 = a11 4 0 0 5 + a12 4 0 0 5 + a21 4 1 0 5
2 a31 a332 2 0 30 2 0 30 0 0
0 0 0 0 0 0
+a22 4 0 1 5 +a31 4 0 0 5 + a32 4 0 0 5
2 0 0 3 1 0 0 1
a11 a12
A = 4 a21 a22 5 = a11 E11 + a12 E12 + a21 E21 + a22 E22 +a31 E31 + a32 E32
a31 a32
X
A= aij Eij 2 M32 (R)
1 i 3
1 j 2
1.7.1 Les opérations élémentaires sur les matrices avec les ma-
trices élémentaires
D’abord, il est nécessaire de savoir que 8Eij , Ekl 2 Mp (K), on a : Eij :Ekl = jk Eil , où
1 si j = k
jk = .
0 si j 6= k
X
Soit A = (aij ) 2 Mpq (K), alors A = aij Eij , et
1 i p
1 j q 1 i p
1 j q
12
CHAPITRE 1. MATRICES
X X
8Ekl 2 Mp (K), Ekl :A = aij Ekl Eij = aij li Ekj
1 i p 1 i p
1 j q 1 j q
2 3
X 0
= alj Ekj = 4 al1 al2 al(q 1) alq 5 k ieme ligne de A a récuperé
.
1 j q 0 la lieme ligne de A
X X
Aussi 8Ekl 2 Mq (K), AEkl = aij Eij Ekl = aij jk Eil
1 i p 1 i p
1 j q 1 j q
2 3
a1k
6 7
a2k
X 6 7
6 7..
= aik Eil = 6 0 0 7 .
6 7
1 i p 4 a(p 1)k 5
apk
"
lieme colonne de A
a recuperé la k ieme colonne de A
de là, on comprend ce qui suit :
Soit A 2 Mpq (K). On appelle opérations élémentaires sur A l’un des
produits suivants :
1.a.Soit r 6= s, A (Iq + Ers ), Ers 2 Mq (K), c’est ajouter à la colonne s de A
le produit par un élément de K de la colonne r, on parle de transvection
sur les colonnes de A.
b).Soit r 6= s, (Ip + Ers ) A, Ers 2 Mp (K), c’est ajouter à la ligne r de A
le produit par un élément de K de la ligne s, on parle de transvection
sur les lignes de A.
2.a.Soit r 6= s, (Ip Err Ess + Ers + Esr ) A, Err ; Ess ; Ers ; Esr 2 Mp (K),
c’est permuter les lignes r et s de A.
b) Soit r 6= s, A (Iq Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mq (K),
c’est permuter les colonnes r et s de A.
3.a. (Ip + ( 1) Err ) A, Err 2 Mp (K), c’est multiplier la ligne r de A par un
élément de K : on parle de dilatation ou d’a¢ nité sur A.
b. A (Iq + ( 1) Err ), Err 2 Mq (K), c’est multiplier la colonne r de A par un
élément de K : on parle de dilatation ou d’a¢ nité sur A.
Pratiquement, cela se fait aisément en augmentant la matrice A par la matrice
identité de même nombre de lignes que A, à la suite de la dernière colonne de A,
quand l’on e¤ectue des opérations élémentaires sur les lignes, à la …n des
opérations sur les lignes, on obtient à la place de la matrice identité,
la matrice L par laquelle, il faudra multiplier par A, comme suit :
L:A pour avoir la transformation obtenue de A.
En ce qui concerne les opérations sur les colonnes, on augmente la matrice A par la
matrice identité de même nombre de colonnes que A, à la suite de la dernière ligne
de A, à la …n des opérations sur les colonnes, on obtient à la place de la matrice
identité, la matrice C par laquelle, il faudra multiplier par A, comme suit :
AC pour avoir la transformation obtenue de A.
Remarque
Les matrices L et C supra, sont dites matrices produit de matrices d’opérations
élémentaires sur A.
13
CHAPITRE 1. MATRICES
Dé…nition
Les matrices :
1. (Iq + ( 1) Err ), Err 2 Mq (K) ;
2. (Ip + ( 1) Err ), Err 2 Mp (K) ;
3. r 6= s, (Iq Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mq (K) ;
4. r 6= s, (Ip Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mp (K) ;
5. r 6= s, (Ip + Ers ), Ers 2 Mp (K) ;
6. r 6= s, (Iq + Ers ), Ers 2 Mq (K)
sont dites matrices d’opérations élémentaires. En somme,
Dé…nition
Toute matrice par laquelle, on multiplie une matrice A pour obténir une matrice
semblable à A est une matrice produit de matrices d’opérations élémentaires sur A.
Proposition
Toute matrice d’opération élémentaire est inversible.
Preuve(preuve avec le chapitre II)
E¤et :
1. det ((Iq + Ers )) = det ((Ip + Ers )) = 1 6= 0, ceci est relatif au déterminant
de la matrice triangulaire Iq + Ers ou Ip + Ers avec des éléments diagonaux
égaux à 1.
2. det (Ip Err Ess + Ers + Esr ) = det (Iq Err Ess + Ers + Esr ) = 1 6= 0,
ceci est le déterminant de la matrice identité dans laquelle on a permuté
deux lignes ou deux colonnes
3. det (Ip + ( 1) Err ) = det (Iq + ( 1) Err ) = 6= 0 car 2 K , ceci est le
déterminant de la matrice identité dans laquelle on a multiplié une ligne ou une
colonne par .
Proposition
Toute matrice carrée inversible est le produit de matrices d’opérations élémentaires.
Preuve
il su¢ t de se souvenir que toute matrice A carrée inversible est équivalente à la
matrice identité de même ordre que A, moyennant des opérations élémentaires.
14
CHAPITRE 1. MATRICES
0 0 3 0 0 0 1 0
iv) Elle est échelonnée réduite quand elle est à la fois échelonnée réduite à ligne
et colonne canoniques.
Exemples
2 3
1 0 0 0 0
6 0 1 0 0 0 7
C1 = 6 7
4 0 0 1 0 0 5 = I4 0 ;
0 0 0 1 0
2 3
1 0 0 0 0
6 0 1 0 0 0 7 I3 0
C2 = 6 7
4 0 0 1 0 0 5= 0 0 ;
0 0 0 0 0
2 3
1 0 0 0 0
6 0 1 0 0 0 7
6 7
I5 = 6 7
6 0 0 1 0 0 7 = [I5 ]
4 0 0 0 1 0 5
0 0 0 0 1
ainsi toutes les matrices unités(ou identités) In , n 2 N .
sont des matrices échelonnées réduites.
Remarque
Dans la réduite d’une matrice non nulle échelonnée réduite,
il y a dans la première moitié ou dans le premier quart du haut une matrice
unité(ou identité), In pour un certain n 2 N, ou la reduite est carrément
une matrice identité.
v) Echélonner réduire une matrice A c’est lui trouver une matrice échélonnée
réduite A0 qui lui soit équivalente.
Lemme
Les opérations élémentaires sur les matrices servent à échelonner des matrices et
les éléments non nuls d’une ligne ou (resp.d’une colonne) qui permette
d’avoir des zéros sur les lignes qui suivent ou (resp.les colonnes qui suivent)
15
CHAPITRE 1. MATRICES
16
CHAPITRE 1. MATRICES
17
CHAPITRE 1. MATRICES
C1 + 31 C3 C2 + 13 C3 2
C3
2 33
1 0 0
6 0 1 0 7 2 3
6 7 1 1 1
6 0 0 1 7 3 3 3
6 7)A 1
=4 1 2 1 5.
6 1 1 1 7 3 3 3
6 3 3 3 7 1 1 2
4 1 2 1 5 3 3 3
3 3 3
1 1 2
3 3 3
18
CHAPITRE 1. MATRICES
19
CHAPITRE 1. MATRICES
20
CHAPITRE 1. MATRICES
21
CHAPITRE 1. MATRICES
Correction de l’exo.2
1) On augmente la matrice A1 à la suite de sa dernière colonne par la matrice I4
car le nombre de lignes de A1 est 4.
Aussi on échelonne réduire à ligne canonique la matrice A1
2avec les opérations élémentaires
3 sur2 les lignes : 3
2 3 4 1 0 0 0 1 0 1 0 0 1 0 L3
6 3 1 5 0 1 0 0 7 6 0 1 2 0 1 3 0 7
6 7'6 7 2 3L3
L +
4 1 0 1 0 0 1 0 5 4 0 3 6 1 0 2 0 5 L1 + 2L3
0 2 4 0 0 0 1 0 2 4 0 0 0 1
2 3
1 0 1 0 0 1 0
6 0 1 2 0 1 3 0 7
'6 4 0 0 0 1 3
7 L + 3L2 .
11 0 5 3
L4 2L2
0 0 0 0 2 6 1
Evaluons
2 : 3 2 3 2 3 2 3
0 0 1 0 0 0 1 0 2 3 4 1 0 1
6 0 1 3 0 7 7 6 0 1 3 0 7 6 3 7 6 1 7
5 7 6 06 1 2 7
6 A1 = 6 = 7
4 1 3 11 0 5 4 1 3 11 0 5 4 1 0 1 5 4 0 0 0 5
0 2 6 1 0 2 6 1 0 2 4 0 0 0
2 3 2 3
1 0 1 0 0 1 0
6 0 1 2 7 6 0 1 3 0 7
Ainsi B1 = 6 7
4 0 0 0 5 et P1 = 4 1 3
6 7
11 0 5
0 0 0 0 2 6 1
On
2 refait la même chose pour A
3 2 2 ; on aura donc : 3
0 3 2 1 1 0 0 1 3 4 2 0 0 1 L3
4 2 5 1 6 0 1 0 5'4 0 1 9 10 0 1 2 5 L2 + 2L3
21 3 4 2 0 0 1 03 3 2 1 1 0 0 L1
1 0 23 28 0 3 5 L1 3L2
'4 0 1 9 10 0 1 2 5 L2
2 0 0 29 29 1 3
23 18 7
6 3 L3 + 3L2
23
1 0 0 5 29 29 29
L1 + 29 L3
'4 0 1 0 1 299 2
29
4
29
5 L2 + 9 L3 .
29
1 3 6 1
0 0 1 1 29 29 29
L
29 3
Evaluons
2 23 : 3 2 23 32 3
18 7 18 7
29 29 29 29 29 29
0 3 2 1
4 9 2 4 5
A2 = 4 29 9 2 4 54
2 5 1 6 5
29 29 29 29 29
1 3 6 1 3 6
29 29 29 29 2 29 29 31 3 4 2
1 0 0 5
4
= 0 1 0 1 5
2 3 0 20 1 1 3
23 18 7
1 0 0 5 29 29 29
Ainsi B2 = 4 0 1 0 1 5 et P2 = 4 29 9 2
29
4 5
29
.
1 3 6
0 0 1 1 29 29 29
2) On augmente la matrice A1 à la suite de sa dernière ligne par la matrice I3
car le nombre de colonnes de A1 est 3.
Aussi on échelonne réduire à colonne canonique la matrice A1 avec
les opérations élémentaires sur les colonnes :
22
CHAPITRE 1. MATRICES
1
C
2 21
C2 + 32 C1 C2 +2C1
2 3 3
2 3 4 1 0 0
6 3 1 5 7 6 3 11
11 7
6 7 6 2 2 7
6 1 0 1 7 6 1 3
3 7
6 7 6 2 2 7
6 0 2 4 7 6 0 2 4 7
6 7 6 7
6 1 0 0 7 6 1 3
2 7
6 7 6 2 2 7
4 0 1 0 5 4 0 1 0 5
0 0 1 0 0 1
3 2
C1 - 11 C C C3 -2C2
2 2 11 2 3
1 0 0
6 0 1 0 7
6 7
6 1 3
0 7
6 11 11 7
6 6 4
0 7
6 11 11 7
6 1 3
1 7
6 11 11 7
4 3 2
2 5
11 11
0 0 1
.
Evaluons : 2 3 2 3
2 1 3 2 3 3 4 2 1 3
3 1 0 0
1 6 1
11 11 3 1 5 7 11 11 6 0 1 0 7
A1 4 11 3
2 5=6
2
4 1
74 3 2
2 5=6 7
11 0 1 5 11 11 4 1
11
3
11
0 5
0 0 1 0 0 1 6 4
0 2 4 0
2 3 11 11
2 1 3
3 1 0 0
1 6 0
11 11 1 0 7
Ainsi : Q1 = 4 113 2
2 5 et C1 = 6
4 1
7.
11
11
3
11
0 5
0 0 1 6 4
11 11
0
On refait la même chose pour A2 ; on aura donc :
-C4 C2 +3C4 C3 +2C4 C1
2 3 2 3
0 3 2 1 1 0 0 0
6 2 5 1 6 7 6 6 23 13 2 7
6 7 6 7
6 1 3 4 2 7 7 6 2 3 8 1 7
6 6 7
6 1 0 0 0 7 6 0 0 0 1 7
6 7 6 7
6 0 1 0 0 7 6 0 1 0 0 7
6 7 6 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 1 3 2 0
C1 -3C4 - 21 C4 C3 + 13
2 4
C C2 + 23 C
2 3 2 4
1 0 0 0
6 0 1 0 0 7
6 7
6 5 1 29 297
6 2 2 2 7
6 3 1 13 237
6 2 2 2 7
6 0 0 0 1 7
6 7
4 0 0 1 0 5
1 0 2 3
23
CHAPITRE 1. MATRICES
C1 + 10
29 3
1
C C2 + 29 C3 2
C
29 3
C -C
2 3 4 3
1 0 0 0
6 0 1 0 0 7
6 7
6 0 0 1 0 7
6 7
6 - 22 - 8 13 5 7
6 29 29 29 7
6 0 0 0 1 7
6 7
4 10 1 2
1 5
29 29 29
9 2 4
29 29 29
1
Evaluons
2 :22 3 2 3
8 13
5 2 3 22 8 13
5
29 29 29 0 3 2 1 6 29 29 29
6 0 0 0 7
1 7 4 0 0 0 1 7
A2 6 = 2 5 1 6 56 7
4 10 1 2
1 5 4 10 1 2
1 5
29 29 29 1 3 4 2 29 29 29
9 2 4 9 2 4
29 29 29
1 2 3 29 29 29
1
1 0 0 0
4
= 0 1 0 0 5
0 0 1 0
2 3
22 8 13
5 2 3
29 29 29 1 0 0 0
6 0 0 0 1 7
Ainsi Q2 = 6
4
7 et C2 = 4 0 1 0 0 5.
10
29
1
29
2
29
1 5
9 2 4 0 0 1 0
29 29 29
1
24
Chapitre 2
CALCUL DE DÉTERMINANTS
25
CHAPITRE 2. CALCUL DE DÉTERMINANTS
26
CHAPITRE 2. CALCUL DE DÉTERMINANTS
a21 a22
qui est : et son cofacteur est :
a31 a32
a21 a22 a21 a22
C13 = ( 1)1+3 = = X13 .
a31 a32 a31 a32
Methode
Developpement suivant la 1ere ligne pour calculer det A ;
on a : det A = a11 C11 + a12 C12 + a13 C13 .
Ainsi :
a22 a23 a21 a23
det A = a11 ( 1)1+1 + a12 ( 1)1+2
a32 a33 a31 a33
a21 a22
+a13 ( 1)1+3
a31 a32
= a11 (a22 a33 a32 a23 ) a12 (a21 a33 a31 a23 )
+a13 (a21 a32 a31 a22 )
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
(a31 a22 a13 + a32 a23 a11 + a33 a21 a12 ) :
det A s’obtient aussi par le développement suivant une colonne, 0 1
a12
développons det A suivant la 2ieme colonne de A qui est : @ a22 A , on a :
a32
a21 a23 a11 a13
det A = a12 ( 1)1+2 + a22 ( 1)2+2
a31 a33 a31 a33
a11 a13
+a32 ( 1)3+2
a21 a23
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
(a31 a22 a13 + a32 a23 a11 + a33 a21 a12 )
det A = a12 C12 + a22 C22 + a32 C32 .
Exemples pratiques
2 3 2 3
1 2 3 0 0 5
A=4 3 0 1 5, B = 4 4 1 2 5.
1 4 5 2 2 0
1 2 3
det A = 3 0 1 développons suivant la 2eme ligne.
1 4 5
2 3 1 2
det A = 3 ( 1)1+2 + 1 ( 1)2+3
4 5 1 4
= 3 ( 2 5 4 3) 1 ( 1 4 ( 1) ( 2))
= 3 ( 22) ( 6) = 72.
En développant det A suivant la 1ere ligne on a :
0 1 3 1
det A = ( 1) ( 1)1+1 + ( 2) ( 1)1+2
4 5 1 5
3 0
+3 ( 1)1+3 = 72.
1 4
C’est plus long à calculer.
Développons det B suivant la 1ere ligne :
27
CHAPITRE 2. CALCUL DE DÉTERMINANTS
0 0 5
4 1
det B = 4 1 2 = ( 5) ( 1)1+3
2 2
2 2 0
= 5 ( 4 ( 2) ( 1) 2) = 50:
Développons det B suivant la 1ere colonne
0 0 5
det B = 4 1 2
2 2 0
0 5 0 5
= ( 4) ( 1)1+2 + 2 ( 1)1+3
2 0 1 2
= ( 4) (0 0 ( 2) ( 5)) + 2 (0 2 ( 1) ( 5))
= 40 10 = 50.
Le calcul de det B avec le développement suivant la 2ieme ligne
0 0 5
det B = 4 1 2
2 2 0
0 5 0 5
= ( 4) ( 1)1+2 + ( 1) ( 1)2+2
2 0 2 0
0 0
+2 ( 1)2+3 = ( 4) (10) (10) + 0 = 50.
2 2
C’est plus long à e¤ectuer que les précédents.
Remarques
(i) Quand l’on a choisi une ligne ou une colonne suivant laquelle le calcul du
déterminant d’une matrice sera développé, le déterminant est égal à la somme
des produits de chaque élément de ladite ligne ou colonne par son cofacteur.
(ii) En choisissant une colonne ou une ligne où il y a plus de zéros, on a moins de
termes dans le développé.
(iii) Par cette méthode du développement suivant une ligne ou une colonne, on constate
que dans le développé l’ordre de la matrice dont on calcule le déterminant
s’abaisse.
28
CHAPITRE 2. CALCUL DE DÉTERMINANTS
Exemple
2 3
1 0 2 0
6 2 3 1 4 7
A=6 4 3 2
7,
1 0 5
4 5 1 0
développons suivant la 4eme colonne ; det A :
1 0 2 0
1 0 2
2 3 1 4 2+4
det A = = 4 ( 1) 3 2 1
3 2 1 0
4 5 1
4 5 1 0
1 2 1 2
=4 2 5
4 1 3 1
= 4 [2 (1 8) 5 (1 + 6)] = 4 ( 14 35)
= 4 ( 49) = 196.
Aussi det A avec le développement suivant la deuxième ligne de A sera
bien long à écrire en e¤et :
1 0 2 0
2 3 1 4
det A =
3 2 1 0
4 5 1 0
0 2 0 1 2 0
2+1 2+2
det A = 2 ( 1) 2 1 0 + 3 ( 1) 3 1 0
5 1 0 4 1 0
1 0 0 1 0 2
2+3 2+4
+ ( 1) ( 1) 3 2 0 + 4 ( 1) 3 2 1 .
4 5 0 4 5 1
Théorème
Soit A = (aij )1 i; j n .
Déterminant de A développé par rapport à la i-ième ligne :
X n
det (A) = ai1 Ci1 + ai2 Ci2 + ::: + ain Cin = aik Cik .
k=1
Déterminant de A développé par rapport à la j-ième colonne :
X
n
det (A) = a1j C1j + a2j C2j + ::: + anj Cnj = akj Ckj .
k=1
Remarque
Pour développer suivant les lignes ou les colonnes, il vaut mieux choisir celles
qui renferment le plus de zéros pour réduire le nombre de calculs.
29
CHAPITRE 2. CALCUL DE DÉTERMINANTS
2 32 3 2 3
1 2 3 0 0 5 14 4 1
on a : AB = 4 3 0 1 54 4 1 2 5=4 2 2 15 5
1 4 5 2 2 0 6 14 13
14 4 1
det (AB) = 2 2 15 = 3600
6 14 13
on sait ausi que det A = 72 et det B = 50 et det A det B = 72 ( 50) = 3600
on a bien det (AB) = det A det B.
(ii) 8 2 K; 8A 2 Mn (K), alors det ( A) = ordre(A) det A = n det A.
Exemple0 0 11 0 1
1 2 3 1 2 3
det @2 @ 0 3 1 AA = 23 det @ 0 3 1 A.
0 0 2 0 0 2
(iii) Soit A 2 Mn (K), det (A) = det (t A).
2) Le déterminant d’une matrice triangulaire, en particulier celui d’une matrice
diagonale, est égal au produit des éléments diagonaux
(c’est-à-dire des éléments de la diagonale principale).
Par conséquent le déterminant d’une matrice unité est égale à 1.
Exemples
0 1
1 2 3
A=@ 0 3 1 A;
0 0 2
1 2 3
det A = 0 3 1 = 1 3 ( 2) = 6.
0 0 2
2 3
2 0 0 0
6 0 3 0 0 7
B=6 4 0 0
7;
1 0 5
0 0 0 5
2 0 0 0
0 3 0 0
det B = = 2 3 ( 1) ( 5) = 30.
0 0 1 0
0 0 0 5
2 3
1 0 0 0
6 0 1 0 0 7
I4 = 64 0 0 1 0 5
7
0 0 0 1
1 0 0 0
0 1 0 0
det I4 = =1 1 1 1=1
0 0 1 0
0 0 0 1
3) Le déterminant ne change pas quand on ajoute à une ligne une combinaison
des autres lignes ; en particulier, on peut remplacer une ligne par la somme de
toutes les lignes ou encore ajouter à une ligne multiplié par une autre ligne où
est un scalaire non nul.
(Dans la propriété 3) en remplacant ligne(s) par colonne(s), on a le même résultat).
30
CHAPITRE 2. CALCUL DE DÉTERMINANTS
Exemple
1 2 3
det A = 3 0 1 ; en ajoutant à la 3eme ligne, deux fois la 1ere ligne, on a :
1 4 5
1 2 3
det A = 3 0 1 , je développe par rapport à la 2eme colonne,
3 0 11
3 1
det A = ( 2) = 2 (33 + 3) = 72.
3 11
Remarque
Il est plus intéressant de faire des manipulations (légitimes) qui font
apparaître des zéros dans le déterminant a…n d’en faciliter le
calcul(voir supra).
4) Le déterminant d’une matrice dont une ligne ou une colonne est formée de zéros
est un déterminant nul. Le déterminant d’une matrice dont une ligne(resp. une colonne)
est une combinaison des autres lignes (resp. des autres colonnes) est
un déterminant nul.Aussi si deux lignes(resp.deux colonnes) sont proportionnelles
dans un déterminant, le déterminant est nul.
Exemple
1 2 3
det A = 3 6 1 = 0, car la 2eme colonne est égale à deux fois la
1 2 5
ere
1 colonne.
5) Le déterminant est linéaire en ses lignes et colonnes respectivement.
(pour ne pas dire multilinéaire suivant les lignes ou les colonnes)
Cela signi…e : étant donnée A une matrice carrée 2 d’ordre
3 n ; on a :
L1
6 L2 7
6 7
6 L3 7
6 . 7
6 7
A = C1 C2 C3 Ci Cn = 6 .. 7 ; 1 i n.
6 7
6 Li 7
6 . 7
4 .. 5
Ln
0
(i) det C1 C2 C3 Ci + Ci Cn =
det C1 C2 C3 Ci Cn + det C1 C2 C3 Ci0 Cn
2 3 2 3 2 3
L1 L1 L1
6 L2 7 6 L2 7 6 L2 7
6 7 6 7 6 7
6 L3 7 6 L3 7 6 L3 7
6 .. 7 6 . 7 6 . 7
6 7 6 . 7 6 . 7
ou (i0 ) det 6 . 7 = det 6 . 7 + det 6 . 7.
6 0 7 6 7 6 0 7
6 Li + Li 7 6 Li 7 6 Li 7
6 . 7 6 . 7 6 . 7
4 .. 5 4 .. 5 4 .. 5
Ln Ln Ln
Exemples
31
CHAPITRE 2. CALCUL DE DÉTERMINANTS
2 a + b b2 2 a b2 2 b b2
(i) a a b2 b = a a b + a b2 b
a2 a3 + b ab a2 a3 ab a2 b ab
2 b b2 2 a b2
= a a b + a b2 b
a2 b ab a2 a3 ab
avec a; b 2 K un corps.
2 b2 a + b b 2 + b 2 a b2 b2 b b
0
(i ) a a b = a a b + a a b
2 3
a a ab a2 a3 ab a 2
a3 ab
b2 a b 2 b b2
= a a b + a a b
2 3
a a ab a2 a3 ab
avec a; b 2 K un corps.
(ii)
det C1 C2 C3 Ci Cn = det C1 C2 C3 Ci Cn ;
2 3 2 K un corps.
2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 . 7 6 . 7
6 7 6 7
ou (ii)0 det 6 .. 7 = det 6 .. 7 ;
6 7 6 7
6 Li 7 6 Li 7
6 . 7 6 . 7
4 .. 5 4 .. 5
Ln Ln
2 K un corps.
Exemple
1 2 17 3 1 2 3
(ii) det A = 3 0 17 1 = det A = 17 3 0 1
3 0 17 11 3 0 11
23 ( 1) 23 ( 2) 23 3 1 2 3
0
(ii) 3 0 1 = ( 23) 3 0 1
3 0 11 3 0 11
6) Le déterminant une forme alternée : cela signi…e étant donnée A une matrice
carrée2 d’oredre
3 n à coe¢ ents dans K, det A 2 K, et avec
L1
6 L2 7
6 7
6 L3 7
6 7
6 .. 7
6 . 7
6 7
A=6 L 7
6 . i 7 = C1 C2 C3 Ci Cj Cn ; 1 i; j n.
6 .. 7
6 7
6 L 7
6 j 7
6 . 7
4 .. 5
Ln
32
CHAPITRE 2. CALCUL DE DÉTERMINANTS
2 3 2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 7 6 7
6 .. 7 6 .. 7
6 . 7 6 . 7
6 7 6 7
det A = det C1 C2 C3 Ci Cj Cn = det 6
6
Li 7=
7 det 6
6
Lj 7
7
6 .. 7 6 .. 7
6 . 7 6 . 7
6 Lj 7 6 Li 7
6 7 6 7
6 .. 7 6 .. 7
4 . 5 4 . 5
Ln Ln
2 3 2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 7 6 7
6 .. 7 6 .. 7
6 . 7 6 . 7
6 7 6 7
, det 6
6
Lj 7=
7 det 6
6
Li 7=
7 det A
6 .. 7 6 .. 7
6 . 7 6 . 7
6 Li 7 6 Lj 7
6 7 6 7
6 .. 7 6 .. 7
4 . 5 4 . 5
Ln Ln
det A = det C1 C2 C3 Ci Cj Cn
det A = det C1 C2 C3 Cj Ci Cn ,
det C1 C2 C3 Cj Ci Cn = det A ; 1 i; j n.
Tout ceci signi…e que lorsqu’on permute deux lignes (ou deux colonnes) dans
un déterminant le déterminant est changé en son opposé.
Exemple
1 2 3 1 2 3
det A = 3 0 1 = 72, mais 3 0 11 = 72 = det A
3 0 11 3 0 1
car j’ai permuté la 2ieme et la 3ieme lignes.
M N
7) Soient M 2 Mr (K), N 2 Mrs (K) et P 2 Ms (K) alors = jM j jP j.
0 P
A1
0 A2 Y
n
8) Soient Ai 2 Mri (K) où 1 i n, alors ... = jAi j.
0 0 i=1
0 0 0 An
9) Si deux matrices A; B 2 Mn (K) sont semblables, i.e. A = P 1 BP .
8m 2 K, 8k 2 N , comme (A + mIn )k = P 1 (B + mIn )k P , alors
rang (A + mIn )k = rang (B + mIn )k ,
det (A + mIn )k = det (B + mIn )k et
trace (A + mIn )k = trace (B + mIn )k .
Remarques
1)Lorsque deux matrices carrées sont semblables, elles ont nécessairement
les mêmes trace, rang et déterminant. Mais cela ne su¢ t pas pour être semblables.
2)Ausi est-il clair que deux matrices qui n’ont pas la même trace ou pas le même
rang ou pas le même déterminant, ne peuvent être semblables.
33
CHAPITRE 2. CALCUL DE DÉTERMINANTS
Remarque
1 2 0 1
Voici deux matrices carrées A = 1 ,B= ,
2
1 0 0
On a le rang de A = au rang de B = 1, det (A) = det (B) = 0,
tr (A) = tr (B) = 0, mais A et B ne sont pas semblables car
1 0 1 2 2 1
1 1 =
2
1 2
1 1 0
1 2 2 1 0 1
= .
0 0 1 0 0 0
1 0 2 1
Soit P = 1 ,Q= , ce sont deux matrices
2
1 1 0
inversibles et on a : P AQ = B, donc A et B sont équivalentes,
mais seraient semblables si P 1 = Q, alors qu’avec
1 0 1 0
P 1 = 1 P = I2 , on a
2
1 2
1
1 0 2 1
P 1= 1 6= Q = , donc on peut conclure
2
1 1 0
que A et B ne sont pas semblables, alors qu’elles ont le même rang,
le même déterminant, et la même trace.
En résumé : Avoir le même rang , le même déterminant, et la même trace,
pour des matrices carrés de même ordre, sont des conditions nécessaires
pour qu’elles soient semblables, mais pas su¢ santes.
34
CHAPITRE 2. CALCUL DE DÉTERMINANTS
2 3
2 1 3 4
6 0 3 3
3 7
'64
2 2 7
00 7 26 5 L3 + 10 L
3 2
24 7
00 14 L 4 L
3 2
2 2 3
21 3 4 :
6 0 3 3
3 7 :
'64
2 2 7
00 7 26 5 :
214
00 0 7
L4 12 L
7 3
3 214
Dès lors det A = 2 ( 7) 7
= 642.
2
Exercice : Utiliser l’échelonnage suivant 2 les colonnes
3 pour prouver
2 1 3
que le déterminant de la matrice A = 4 5 1 6 5, est : 21.
8 9 10
35
CHAPITRE 2. CALCUL DE DÉTERMINANTS
36
CHAPITRE 2. CALCUL DE DÉTERMINANTS
37
CHAPITRE 2. CALCUL DE DÉTERMINANTS
2 3
det (A) 0 0
6 . .. 7
6 0 det (A) . . . 7
=6 .. .. .. 7 = det (A) In .
4 . . . 0 5
0 0 det (A)
car dans le produit A: (t C), l’élément de la i-ième ligne et de la j-ième colonne est :
det (A) si i = j
ai1 Cj1 + ai2 Cj2 + ::: + ain Cjn = .
0 si i 6= j
On a (t C) :A = A: (t C) = det (A) In .
Théorème
Pour tout A 2 Mn (K), on a :
(det A) :In = A:com (t A) = com (t A) :A = A (t comA) = (t comA) :A
car (t comA) = com (t A).
Corollaire
1 1
Si A est une matrice inversible alors A 1 = com (t A) = (t com (A))
det A det A
où (t A) désigne la transposée de A, com (t A) désigne la comatrice de la transposée
de A et (t com (A)) désigne la transposée de la comatrice de A.
Remarque
det (Aij )
En somme, si A est inversible d’ordre n, (A 1 )ji = , où 1 i; j n et
det A
ij
A est la matrice obtenue en supprimant la ligne i et la colonne j de A.
1 det (Aij ) 1 det (Aji )
Aussi (A )ji = , (A )ij = avec 1 i; j n et
det A det A
ji
A est la matrice obtenue en supprimant la ligne j et la colonne i de A.
Dé…nition
Pour tout A 2 Mn (K), la matrice (t comA) = com (t A) s’appelle la matrice
adjointe de A.
Exemple
2 3
1 0 1
Soit A = 4 3 1 5 5, A est -elle inversible ?
2 3 6
38
CHAPITRE 2. CALCUL DE DÉTERMINANTS
1 0 1 0 0 1
det A = 3 1 5 = 2 1 5 = 2, à la 1ere colonne, j’ai fait la
2 3 6 4 3 6
ere eme
1 colonne plus la 3 colonne a…n d’avoir plus de zéro dans mon déterminant
pour ne pas avoir beaucoup de termes à développer. Comme det A = 2 6= 0,
alors A est inversible.
1 1 1
A = com (t A) = (t com (A)).
det
2 A 3 det A
1 3 2
(t A) = 4 0 1 3 5,
12 5 6 3
9 3 1
com (t A) = 4 8 4 2 5 = (t com (A)).
2 7 3 31 2 3
9 3 1
9 3 1
1 2 2 2
A 1= 4 8 4 2 5 = 4 4 2 1 5.
2 7 3 1
7 3 1 2 2 2
39
Chapitre 3
Objectifs
* Résolution avec la matrice augmentée associée au système.
* Comprendre le fonctionnement de l’algorithme du pivot de Gauss
pour la résolution de systèmes et l’inversion de matrices.
Dé…nitions
(i) De maniére générale, on appelle équation linéaire d’inconnues x1 ; ... ; xn
(une combinaison linéaire des x1 ; ... ; xn égalant b)
toute égalité de la forme : a1 x1 + ::: + an xn = b , (E)
où a1 ; ::: ; an et b sont des nombres(réels ou complexes)
Il importe d’insister ici que ces équations linéaires sont implicites,
c’est-à-dire qu’elles décrivent des relations entre les inconnues, mais ne
donnent pas directement les valeurs que peuvent prendre ces inconnues.
(ii) Résoudre une équation signi…e donc la rendre explicite, c’est-à-dire
rendre plus apparentes les valeurs que les inconnues peuvent prendre.
(iii) Une solution de l’équation linéaire (E) est un n-uple (s1 ; ::::; sn ) de
valeurs respectives des inconnues x1 ; ... ; xn qui satisfont l’équation (E).
Autrement dit : a1 s1 + ::: + an sn = b.
Exemple
2x1 + 4x2 3x3 = 9 est une équation linéaire d’inconnues x1 , x2 , x3 .
Dé…nition
Un système d’équations linéaires d’inconnues x1 ; ... ; xn
est un ensemble …ni d’équations linéaires d’inconnues x1 ; ... ; xn .
Exemples
x1 3x2 + x3 = 1
(i) (S1 ) , (S1 ) est un système de deux équations
2x1 + 4x2 3x3 = 9
à trois inconnues
8 : x1 , x2 , x3 .
< x1 3x2 = 1
(ii) (S2 ) , x2 3x3 = 9 (S2 ) est un système de trois équations
:
x4 3x5 = 8
à cinq inconnues : x1 , x2 , x3 , x4 , x5 .
(iii) Le système
x1 3x2 + x3 = 1
(S1 ) ,
2x1 + 4x2 3x3 = 9
Une solution de (S1 ) est :
40
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
x1 = 18; x2 = 6; x3 = 1.
Par contre
x1 = 7 ; x2 = 2 ; x3 = 0
ne satisfait que la première équation. Ce n’est donc pas une solution
du système.
Dé…nition
Un système d’équations est dit incompatible ou inconsistant s’il n’admet
pas de solutions, c’est-à-dire que l’ensemble solution c’est l’ensemble vide.
Exemple
Le système linéaire
x1 + x2 = 1
2x1 + 2x2 = 1
est clairement incompatible donc SR2 = fg = ?.
Dé…nitions
Soient n; m 1.
On appelle système de m équations à n inconnues tout système (S) de la
forme :8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1 (E1 )
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2 (E2 )
(S) , .. .. .. ,
>
> . . .
>
: a x + a x + ::: + a x
m1 1 m2 2 mn n= b (E )
m m
où aij ; bi sont des scalaires donnés ; x1 ; x2 ; :::; xn sont des inconnues et
(Ei ) la i-ième équation de (S) ; 81 i m.
(i) La matrice A = (aij )1 i m est la matrice associée à (S)
1 j n
(dite aussi la matrice de (S)).
Il est à noter que la j-ième colonne de A est composée des coé¢ cients de
l’inconnue xj dans les di¤érentes équations du système de la première équation(E1 )
à la dernière équation(Em ) ; 81 j n.
(ii) Les (bi )1 i m sont les seconds membres de (S) , et (S) est dit homogène si bi = 0
81 i m.
Ecriture 2matricielle
3 2 (S). 3
de
x1 b1
6 .. 7 6 .. 7
Soit X = 4 . 5 ; B = 4 . 5.
xn bm
Alors (S) () AX = B ; où A est la matrice associée à (S).
Exemples
1)Considérons
8 le système linéaire
< x1 + 7x3 = 1
(S) , 2x1 x2 + 5x3 = 5
:
x1 3x2 9x3 = 7
Sa matrice2 associée est 3
1 0 7
A= 4 2 1 5 5;
2 31 32 9 3
x1 1
4
X = x2 ; B = 5 4 5 5. Alors (S) () AX = B
x3 7
41
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
2)Considérons
8 le système linéaire homogène
< x1 + 7x3 = 0
(S) , 2x1 x2 + 5x3 = 0
:
x1 3x2 9x3 = 0
Sa matrice
2 associée est 3
1 0 7
A= 4 2 1 5 5;
2 31 32 93
x1 0
4 5 4
X = x2 ; B = 0 5. Alors (S) , AX = B = 0M31 (R) .
x3 0
42
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
2 3
1 0 7 1
4 2 1 5 5 5= A B ;
1 23 9 5 3
1 0 7
où A = 4 2 1 5 5 la matrice associée à (S)
2 13 3 9
1
et B = 4 5 5 la matrice colonne des seconds membres de (S).
5
La méthode de base pour résoudre un système d’équations linéaires est
de remplacer le système par un autre, plus simple, ayant le même
ensemble de solutions.
Ceci se fait par une succession d’opérations, appelées opérations
élémentaires : qui consiste à : au choix
(1) multiplier une équation par une constante non nulle ;
(2) permuter deux équations ;
(3) ajouter un multiple d’une équation à une autre équation.
Les opérations (1), (2) et (3) ne changent pas l’ensemble des solutions.
Elles correspondent à des opérations élémentaires sur les lignes de la
matrice augmentée.
Ces opérations sont les suivantes :
(1) multiplier une ligne par une constante non nulle ;
(2) permuter deux lignes ;
(3) ajouter un multiple d’une ligne à une autre ligne.
Proposition
Soit (S) , AX = B, si A B ' A0 B 0 alors (S) , A0 X = B 0 .
Exemple
Utilisons
8 ces opérations élémentaires pour résoudre le système suivant.
< x1 + x2 + 7x3 = 1
(S) , 2x1 x2 + 5x3 = 5
:
x1 3x2 9x3 = 5
La
2 matrice augmentée 3associée au système est :
1 1 7 1
4 2 1 5 5 5, on va chercher à échelonner réduire à ligne
1 3 9 5
canonique la matrice du système en faisant des opérations élémentaires
sur les lignes(que sur les lignes qui représentent les équations) de la
matrice
2 augmentée ; on3a : 2 3
1 1 7 1 1 1 7 1
4 2 1 5 5 5 4 0 3 9 3 5 L2 2L1
21 3 9 35 0 2 2 2 6 L3 + L1
3
1 1 7 1 1 1 7 1
4 0 1 3 1 5 1 L2 4 0 1 3 1 5
3
1
2 0 1 1 3 3 2 L3 20 0 2 2 3 L3 L2
1 0 4 2 L1 L2 1 0 0 2 L1 4L3
4 0 1 3 1 5 4 0 1 0 4 5 L2 3L3 .
1
0 0 1 1 L
2 3
0 0 1 1
43
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
2 32 3 2 3
1 0 0 x1 2
ce qui donne matriciellement : (S) , 4 0 1 0 5 4 x2 5 = 4 4 5 ,
8 0 0 1 x3 1
< x1 = 2
x2 = 4
:
x3 = 1
D’où SR3 = f(2; 4; 1)g.
Nous remarquons que les opérations élémentaires peuvent être faites
uniquement sur la matrice augmentée pour revenir à la …n au système
d’équations. C’est ce que nous avons fait.
On obtient ainsi l’unique solution du système : x1 = 2, x2 = 4 et x3 = 1.
Donc SR3 = f(2; 4; 1)g.
Remarques très importantes
1. La résolution d’un système avec sa matrice augmentée est synonyme de
résolution d’un système avec les opérations élémentaires sur les équations.
2. Quand on …nit de résoudre une équation ou un systéme d’équations,
il faut toujours donné l’ensemble solution clairement.
Proposition
Etant donné un sytème (S) de matrice A et de matrice augmentée M ,
le système est compatible
(c’est-à-dire n’admet pas l’ensemble vide comme solution) ssi
le rang de A est égal au rang de M i.e. rg (A) = rg (M ).
44
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
2 3 2 3 2 1 1
32
3 2 1
3
x 3 0 3 3
3 3
on a alors 4 y 5 = A 1 4 1 5 = 4 1 2
3
1
3
54 1 5 = 4
3
7 5.
z 0 1 1 1 0 2
1 7
Donc SR3 = ; ; 2 .
3 3
45
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
46
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
l’algorithme de la remontée :
bn
la dernière équation donne en e¤et la valeur xn = ,
ann
puis l’avant-dernière ligne donne la valeur
1
xn 1 = bn 1 a(n 1)n xn et, plus généralement,
a(n 1)(n 1) !
1 Xn
on obtient : xk = bk akj xj ,
akk j=k+1
ce qui permet de calculer les xk successifs par ordre décroissant de
l’indice k. Le système admet une unique solution, et cela quel que
puisse être le second membre.
Un système ayant cette propriété s’appelle un système de Cramer.
Si, au cours de cet algorithme, on trouve un coe¢ cient diagonal nul
dans une ligne, par exemple la ligne k, alors on ne peut pas trouver
la valeur de xk .
La ligne correspondante introduit une condition de compatibilité.
Si cette condition n’est pas véri…ée, le système n’admet pas de solutions ;
si au contraire cette condition est véri…ée, toute solution de xk convient
et l’on peut poursuivre l’algorithme. Il y a alors une in…nité de solutions,
paramétrées par la valeur de xk .
Cette situation peut d’ailleurs se rencontrer plusieurs fois au cours de
la remontée, induisant une discussion plus approfondie.
On voit par là l’intérêt des systèmes triangulaires dont les coe¢ cients
diagonaux sont non nuls.
(b) Si8 m < n : on a :
>
> a11 x1 + a12 x2 + +a1n xn = b1
>
< a22 x2 + +a2n xn = b2
. .. .. .. :
>
> . .
>
: a x
mm m =b
m
Dans ce cas, on …xe arbitrairement les valeurs des variables xm+1 à xn .
On est alors ramené au cas précédent, simple à résoudre lorsque tous
les coe¢ cients diagonaux sont non nuls, nécessitant une discussion sinon.
(c) Si m > n :
8
> a11 x1 + a12 x2 + +a1n xn = b1
>
>
>
> a22 x2 + +a2n xn = b2
>
> .. ..
>
> . . .
< . .
ann xn = bn :
>
>
>
> 0 = bn+1
>
> .. ..
>
> . .
>
:
0 = bm
Dans ce cas les dernières lignes donnent directement des conditions de
compatibilité.
Lorsqu’elles sont véri…ées, on se ramène au cas ci-dessus. D’où, là encore,
l’intérêt de l’obtention de coe¢ cients diagonaux non nuls.
47
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
Exemple 8 8
< 2x y z = 1 (E1 ) < 2x y z = 1 (E1 )
Soit (S) , 3x + 4y 2z = 0 (E2 ) , 6y 6z = 1 (E2 E3 )
: :
8 3x 2y + 4z = 1 (E3 ) y 11z = 5 (3E1 2E3 )
1
< 2x y z = 1 (E 1 ) ) x = 10
, 6y 6z = 1 (E2 ) ) y = 1960
.
: 29
60z = 29 (6E3 E2 ) ) z = 60
1 19 29
Donc SR3 = ; ; .
10 60 60
Remarques
1)
2 La matrice augmentée
3 2 de (S) est : 3
2 -1 -1 1 2 -1 -1 1
4 3 4 -2 0 5 ' 4 0 6 -6 1 5
38 -2 4 -1 08 0 -60 29
1
< 2x y z = 1 < x = 10
) 6y 6z = 1 ) y = 19 60
: : 29
60z = 29 z = 60
1 19 29
Donc SR3 = ; ; .
10 60 60
2) Utiliser la méthode du pivot de Gaus pour résoudre un système (S)
équivaut à juste échelonner la matrice A associée au système (S)
dans sa matrice augmentée M = A B où B est sa matrice
colonne des seconds membres des équations du système (S).
48
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
49
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
2 3 2 3
1 2 0 1 2 0
(t A) = 4 2 1 5 5 ) com (t A) = 4 2 1 0 5
0 0 1 2 10 53 5
1 2 0
1 1
et A 1 = com (t A) = 4 2 1 0 5
det A 5
2 1 2 3 10 5 5
5 5
0
= 4 25 15 0 5 = A 1 .
2 1 1
ieme
2 Méthode par les opérations élémentaires sur A I3 :
J’ai choisi de faire les opérations élémentaires sur les lignes de A I3 .
A
Mais on aurait pu faire les opérations élémentaires sur les colonnes de
I3
je
2 vous y invite. 3 2 3
1 2 0 1 0 0 1 2 0 1 0 0
4 2 1 0 0 1 0 5'4 0 5 L1
0 2 1 0 5
L2 + 2L1
20 5 1 0 0 1
1 2
3 0 5 1 0 0 1
1 0 0 5 5
0 L1 + 25 L2
'4 0 1 0 2
5
1
5
0 5 1
L
5 2
2 0 0 1
1
2
2
1 31 L3 L2 2 1 2 3
1 0 0 5 5
0 5 5
0
' 4 0 1 0 25 15 0 5 ) A 1 = 4 25 15 0 5.
0 0 1 2 1 1 L3 2 1 1
ieme 1
3 Méthode l’établissement de 2 (S)3, AX 2 0=3Y en (S) , X = A Y :
x x
4
Soit le système : AX = Y , A y = y 0 5 = Y 5 4
8 8 z z0
< x + 2y = x0 < x = 51 x0 + 25 y 0
, 2x + y = y 0 , y = 25 x0 + 15 y 0 , (S 0 )
: :
5y z = z 0 z 2= 2x0 + y 0 z 03
1 2
5 5
0
La matrice associé à (S 0 ) est 4 25 15 0 5 c’est l’inverse de A
2 1 1
c’est-à-dire A 1 . Car avec A inversible ; on a :
AX = Y , X = A 1 Y .
50
TRAVAUX DIRIGES/Calcul matriciel
Exercice 0
Vous répondrez par Vrai ou faux avec justi…cation
a) Si le produit matriciel AB = 0, alors A = 0 ou B = 0.
b) Si A et B sont deux matrices carrées de même ordre inversibles,
alors leur somme est inversible, avec
1 1
(A + B) =A + B 1.
c) Si A est une matrice inversible, sa transposée admet comme
inverse la transposée de A 1 .
d) Si AB = I, alors A et B sont deux matrices inverses l’une de l’autre.
e) Deux matrices distinctes ont deux déterminants distincts.
f) Pour tout entier n et toute matrice carrée A : detAn = (det A)n .
Exercice 1 2 3
2 3 4 2 1 2 3
1 3 2 6 6 2 3 7 4 3 1 2
Soient A = 4 4 1 0 5 ; B = 6 4 0 1
7 ; C = 4 6 0 2 3 5.
1 5
2 5 4 4 21 5 3
2 1 3
1° ) Calculer si cela est possible A B ; 3C ; A2 ; AB ; BC ; BA.
2° ) Échelonner les matrices A, B, C, déterminer le rang de chacune, ensuite les
échelonner à ligne canonique ou à colonne canonique, et en…n les échelonner réduire.
Exercice 2 2 3 2 3
5 3 1 1 0 0
6 2 2 0 7 6 0 1 0 7
Montrer que les matrices suivantes : A = 6 7 6
4 4 0 2 5 et R = 4 0 0 0 5
7
7 1 3 0 0 0
sont équivalentes en déterminant une matrice P carrée d’ordre 4 inversible et
une matrice Q carrée d’ordre 3 inversible telles que : P AQ = R
(Indication : On pourra s’aider de ce qui a été fait au cours pour déterminer
le rang d’une certaine matrice donnée).
Il faudra prouver l’inversibilité de P et Q à l’aide des opérations élémentaires
sur les lignes ou les colonnes des matrices mises en jeu.
Proposition de correction
1) Soit la matrice augmentée : A I4 ,
on échellonnera2 réduite à ligne canonique3 la matrice A. Ce qui donnera :
5 3 1 1 0 0 0
6 2 2 0 0 1 0 0 7
A I4 = 6 4 4 0 2 0 0 1 0 5'
7
7 1 3 0 0 0 1
2 32 3
1 1 0 0 21 0 0 1
L
2 2
6 0 2 1 1 5
0 0 7 6 5 7
6 2 7 6 L1 2 L2 7 '
4 0 4 2 0 2 1 0 5 4 L3 2L2 5
7
0 6 3 0 2
0 1 L4 72 L2
51
TRAVAUX DIRIGES/Calcul matriciel
2 1 1 3
32 3
1 0 2 2 4
0 0 L1 + 21 L2
6 0 1 1 1 5
0 0 7 6 1
L 7
6 2 2 4 76 2 2 7
4 0 0 0 2 3 1 0 5 4 L3 2L2 5
0 0 0 3 4 0 1 L 3L2
2 1 3
3 2 4 3
2 4
0 0 1 0 0 0
6 1 5 0 0 7 6 0 1 0 0 7
Avec P = 6 4 2 3 1
2 4 7'6
5 4 0 0 1 0 5 ; donc
7
0
3 4 0 1 0 0 0 1
P est inversible. 2 1 32 3
3
2 4
0 0 5 3 1
6 1 5 0 0 76 2 2 0 7
Évaluons R0 = P A = 6 2 4
4 2 3 1 0 54 4 0 2 5
76 7
3 4 0 1 7 1 3
2 1
3
1 0 2
6 0 1 1 7
R0 = 6 4 0 0 0 5
2 7
0 0 0
R0
2) Soit la matrice augmentée : ,
I3
on échellonnera réduite à colonne canonique la matrice R0 . Ce qui donnera :
C3 21 C1 + 12 C2
2 3 2 3
1 0 12 1 0 0
6 0 1 1 7 6 0 1 0 7
6 2 7 6 7
6 0 0 0 7 6 0 0 0 7
R0 6 7 6 7
=66 0 0 0 7'6 0 0 0 7
7 6 7
I3 6 1 0 0 7 6 1 0 1 7
6 7 6 2 7
4 0 1 0 5 4 0 1 1 5
2
2 0 0 11 3 2 0 0 31
1 0 2
1 0 0
4
Soit Q = 0 1 2 1 5 4
' 0 1 0 5, donc Q est inversible.
0 0 1 0 0 1
2 3
1 0 2 1 2 1
3
6 0 1 1 7 1 0 2
Évaluons R0Q = 6 4 0 0 0 5
2 74 0 1 1 5
2
0 0 1
0 0 0
2 3
1 0 0
6 0 1 0 7
R0 Q = 6 4 0 0 0 5=R
7
0 0 0
De tout ce qui précède on a bien : R = P AQ.
Exercice 3 2 3
1 1 1
Les matrices : A = 4 2 2 2 5
2 3
3 3 3
0 1 0
et B = 4 0 0 0 5 sont-elles semblables ?
0 0 0
Exercice 4
52
TRAVAUX DIRIGES/Calcul matriciel
2 0 4
4= 5 2 7
2 5 5
:
II) Calculer les déterminants suivants :
1 1 1 1 1 1 0 1 1
40 = 1 0 1 41 = b + c c + a a + b 42 = 1 0 1
1 1 0 bc ca ab 1 1 0
III) Soient (a; b; c; d) 2 R4 .
1) Calculer le déterminant de Vandermonde suivant :
1 1 1 1
a b c d
V(a;b;c;d) =
a2 b 2 c 2 d 2
a3 b 3 c 3 d 3
IV)
53
TRAVAUX DIRIGES/Calcul matriciel
Dire pourquoi les déterminants suivants sont nuls sans calcul formel :
1 2 3 3 4 5
0 0
1 = 4 5 6 , 2 = , 3 = 1 0 2 ,
1 0
2 4 6 2 4 3
2 1 3 3 0 1 1 1
0 2 1 6 2 3 4 6
4 = , 5 = ,
5 1 0 3 5 3 8 7
10 3 7 9 2 2 5 5
1 1 1
(a+b+c) = a b c .
b+c a+c a+b
Exercice 8
Inverser celles qui sont inversibles
(suivant les valeurs du paramètre réel a).
2 3 2 3
1 2 1 2 a 1 3
1 a
A1 = , A2 = 4 1 0 1 5 , Aa = 4 1 1 a 2 5,
a 2
3 2 2 2 3 2 a
2 3 2 3
2 1 3 1 2 0 2 0 2
6 3 1 2 0 77 6 0 1 0 1 0 7
A4 = 6
4 1 , A5 = 6 7
3 4 2 5 4 2 1 0 2 1 5
4 3 1 1 0 1 0 1 0
Exercice 9
I) Résoudre les systèmes d’équations linéaires suivants, à l’aide de leur matrice augmen-
tée8
: 8
< 2x y z = 4 < 3x + y + z = 1
a) 3x + 4y 2z = 11 ; b) x y + 2z = 2 ;
: :
3x 2y + 4z = 11 x + 3y 3z = 3
8
>
> x + y 3z = 1
<
2x + y 2z = 1
c)
>
> x+y+z = 3
:
x + 2y 3z = 1
II)
0 1
3 1 1
1° ) Inverser suivant le paramètre m 2 R, la matrice Am = @ 3 1 m A.
m 4 2 1
3
2° ) Résoudre dans R en discutant éventuellement suivant les valeurs de m 2 R
le système 8 :
P < 3x + y z = m
( m) , 3x + y mz = 3 et
:
8 (m 4) x 2y z = 1
P < 3x + y z = 1 P
( ), 3x + y + z = 3 avec les formules de Cramer ( ).
:
5 x 2y z = 1
54
TRAVAUX DIRIGES/Compléments d’exercices
Exercice 1
Z
Déterminer 2 de façon que le système homogène :
8 5Z
< 3 x + 4y + 3z = 0
3x + 3 y =0
:
3x + 3y z =0
admette des solutions non nulles, et résoudre.
Exercice 2
3
Discuter
8 et résoudre le système sur R :
< ax + by + cz = 1
cx + ay + bz = 1 ; (a; b; c) 2 R3 .
:
bx + cy + az = 1
Exercice 3
Discuter
8 et résoudre le système sur C3 :
2
< x+ y+ z =0
x+ y+ z = 0 où 2 C.
: 2
x+ y+ z =0
Exercice 4 0 1 0 1
3 0 2 2 3 1
Soient les matrices : A = @ 4 2 0 A ; B = @ 2 i 2 A;
0 1 1 i 1 i 2 0
0 2 2
2 4 3
C=@ 3 1 1 A et D = .
5 11 2
3 1 1
1° ) Calculer si possible les matrices suivantes : E = AB et E 0 = BA
que peut-on conclure ?
2° ) Calculer si possible les matrices : F = AD et F 0 = DA.
3° ) Calculer C 3 . En déduire que C n’est pas inversible.
Exercice 5 0 1 0 1
1 2 5 2 0 2
On considère les matrices A = @ 3 2 3 A;B = @ 1 4 2 A
0 21 6 0 0 1 0
x
et T = @ y A:
z
1° ) Montrer que A et B Sont inversible et déterminer leur inverse.
Mêmes questions pour C = AB. 0 1
2
2° ) Résoudre dans IR3 l’équation matricielle CT = @ 0 A :
m
Exercice 6
1 1
On considère la matrice A = 2 M2 (R) :
1 0
a) Montrer que A2 = A I2 :
b) Calculer A3
c) Montrer que, si p est un entier positif, on a :
A3p = ( 1)p I2 , A3p+1 = ( 1)p A , A3p+2 = ( 1)p (A I2 ) :
d) Les suites réelles (un ) et (vn ) sont dé…nies par les relations de récurrence :
un+1 = un + vn ; vn+1 = un et par la donnée de u1 et v1 :
55
TRAVAUX DIRIGES/Compléments d’exercices
Exercice 7
1 0 1 1
On considère les matrices : A = B= .
1 2 1 0
Calculer A2 + 2AB + B 2 et comparer avec (A + B)2 . Commenter.
Exercice 8
Si M et N sont deux matrices de types respectifs (m; n) et (n; m) telles que M N = I,
montrer que la matrice P = N M est idempotente, c’est-à-dire que P 2 = P .
En déduire que P est diviseur à droite et à gauche de zéro.
Exercice 9
On considère les matrices suivantes :
2 3
2 1 0
5 2 0 1 0
A=4 1 0 2 5, B = , C= .
3 1 2 0 3
3 1 1
Calculer, parmi les produits matriciels suivants, ceux qui ont un sens :
2 1 0 0
1 2 1 0 0
.. .. .. . . ..
0 . . . . .
4n = .. . . ... .. .. .
. . . . 0
.. .. .. ..
. . . . 1
0 0 1 2
56
TRAVAUX DIRIGES/Compléments d’exercices
57
TRAVAUX DIRIGES/Biosciences et STRM
Exercice 1
1. Déterminer les réels x et y tels que les matrices A et B suivantes soient égales :
1 3 0 1 3 x 1 + 2y
A= et B =
3 2x + 3y 4 3 7 4
0 1
1 1 a
2. Soit la matrice A = @ 1 1 b A. Déterminer a; b et c pour que la matrice A2
1 1
2 2
c
soit la matrice0nulle. 1 0 1
1 1 4 1 0 0
3. Soient P = 1 1@ 4 A ; I3 = @0 1 0A et M = P + I3 .
1 1
2 2
2 0 0 1
a. Montrer que P 2 est une matrice nulle.
b. Exprimer M 2 et M 3 en fonction des matrices P et I.
c. Montrer que 8n 2 N ; M n = nP + I3 .
d. On pose Sn = M + M 2 + ::: + M n , avec n 2: Exprimer Sn en fonction de
P , I3 et n.
Exercice 2
0 1
5 6 6
I- @
On donne la matrice A = 0 1 0 A.
3 3 4
(a) Calculer : A3 3A 2I.
1 1
(b) = (A2 3I).
En déduire que A est inversible et que son inverse est A
2
0 1 0 1
1 1 2 1 0 0
II- On considère les matrices suivantes : B = @1 2 1A et I = @0 1 0A.
2 1 1 0 0 1
1. Calculer B 2 et B 3 :
2. On pose D = B 2 + 4B + I et C = B 3 + 4B 2 + B 4I.
a- Calculer D et C.
b- Montrer que C = BD 4I.
c- En déduire que la matrice B est inversible et trouver sa matrice inverse
B 1.
Exercice 3
0 1 0 1
1 1 1 1 0 0
I- Soit A = @ 3 5 3 A et I3 = @0 1 0A.
1 1 1 0 0 1
1- a. Calculer A3 + 3A2 + 16A + 12I.
b. En déduire l’existence d’une matrice P telle que AP = I.
c. Donner une écriture de P sous forme de matrice.
58
TRAVAUX DIRIGES/Biosciences et STRM
01 0 1
a b c 1 0 0
II- On donne les matrices M = @0 a b A et I = @0 1 0A où a; b; c 2 R.
0 0 a 0 0 1
1- Supposons que a = 3, b = 2, c = 1. Montrer que M est inversible et calculer
son inverse.
2- On pose : a = b = 1 et c = 0.
a. Déterminer la matrice B = A I ; calculer B 2 et B 3 . En déduire B n
pour tout n 3.
b. Exprimer A en fonction de B et I et calculer An en fonction de I, n et B
(se servir du binôme de Newton). En déduire alors A20 (donner l’expression
et la forme matricielle).
Calculs de Déterminant
Exercice 1
Soit les matrices suivantes :
0 1 0 1
3 2 4 2 1 4
M = @2 4 5A et A = @5 2 3A
1 8 2 8 7 3
A- 1. i. Déterminer les cofacteurs de tous les éléments de M .
ii. En déduire le déterminant de M . Dire si det(M ) 6= 0.
1
iii. Si oui, Calculer la matrice P = Com(M )t , où Com(M ) désigne la
det(M )
comatrice de la matrice M .
iv. Que représente la matrice P pour la matrice M ?
v. Déterminer B = 50M . Montrer que det(B) = 503 det(M ).
0 1
1 0 0 0 0
B 5 2 3 5 1C
B C
2. Soit la matrice N = B
B8 15 10 20 0C 3
C Montrer que det(N ) = 5 det(M ).
@9 5 40 10 0A
1 10 20 25 0
B- Reprendre la question 1) pour la matrice A: (A ne pas traiter au TD)
Exercice 2
Calculer les déterminants suivants à l’aide de la méthode de développement :
2 1 5 10 3 3
D1 = , D2 = , D3 = ,
3 4 1 2 2 1
2 0 3 1 2 3 0 1 1
D4 = 2 3 1 , D5 = 4 5 6 , D7 = 1 0 1 ,
5 1 0 1 2 3 1 1 0
1 0 0 1 1 1 0 0
0 1 1 0 1 0 1 0
D8 = , D9 = .
1 0 1 0 0 0 1 1
0 1 0 1 0 0 1 1
59
TRAVAUX DIRIGES/Biosciences et STRM
Exercice 3
Calculer à l’aide de la méthode de Sarrus les déterminants suivants :
8 5 21 4 5 3 5 4 2
4 6 1 = 595, 3 2 1 = 108, 3 5 1 = 199
1 12 7 1 7 4 6 2 5
Exercice 4
Dire pourquoi les déterminants suivants sont nuls sans calcul formel :
1 2 3 3 4 5
0 0
1 = 4 5 6 , 2 = , 3 = 1 0 2 ,
1 0
2 4 6 2 4 3
2 1 3 3 0 1 1 1
0 2 1 6 2 3 4 6
4 = , 5 = .
5 1 0 3 5 3 8 7
10 3 7 9 2 2 5 5
Exercice 1 0 1 0 1 0 1
2 1 1 x 0
Soit les matrices A = @ 1 3 1 A, X = @y A et B = @ 1 A.
1
2
1 1 z 2
Résoudre l’équation matricielle AX = B.
Exercice 2
On considère le système d’équations
8
< x 3y = a
(S) x y=b
:
x + 3y + 2z = c:
60
TRAVAUX DIRIGES/Biosciences et STRM
II-
1) Résoudre le système d’équations :
8
< 2x + 3y + z = 1100
x + 5y + 2z = 880
:
4x + y + 3z = 1980
On pourra remarquer que dans ce système, tous les éléments du second membre
sont multiples de 22.
2) L’entreprise CBG-Technologie fabrique trois types d’articles X; Y; Z. Chaque
article passe successivement dans trois ateliers : atelier 1 ; atelier 2 et atelier 3.
Le temps de passage dans les ateliers sont donnés dans le tableau suivant :
X Y Z
Atelier 1 20 30 10
Atelier 2 10 50 20
Atelier 3 40 10 30
Au cours d’un programme de fonctionnement annuel, les charges horaires des
ateliers ont été de 110000 heures pour l’atelier 1, de 88000 heures pour l’atelier
2 et de 198000 heures pour l’atelier 3.
61
Bibliographie
62