Académique Documents
Professionnel Documents
Culture Documents
Introduction
La résolution de divers problèmes touchant différentes disciplines scientifiques, se ramène souvent,
à la résolution des systèmes d’équations. En particulier, en économie, la résolution des probèmes
d’optimisation ramème à la résolution des systèmes d’équations linéaires. De telles résolutions,
utilisent invariablement des écritures matricielles. De ce fait, résoudre pareils problèmes, exige
naturellement, une bonne maitrise du calcul matriciel. Le but de ce chapitre est justement, de
fournir les outils nécessaires pour les résolutions de systèmes d’équations linéaires d’ordre n ∈ N∗.
Si on reste dans la mêm e ville (Tunis- Tunis, Ariana- Ariana, Ben Arous- Ben Arous), on
admet que le c o û t moyen est de 2 dinars.
L’ensemble des matrices à n lignes et p colonnes à coefficients dans R est noté Mn,p(R).
Si p = 1, alors A est une matrice colonne.
1
Si n = p alors A est une matrice carrée d’ordre n.
On note l’ensemble des matrices carrées d’ordre n à coefficients dans R par Mn,n(R), ou
encore Mn(R).
Les délément s a11, a22, ..., ann d’une matrice carrée d’ordre n, A, forment la diagonale prin-
cipale de cette matrice, et leur somme est applelée la trace de A, notée tr(A):
n
tr(A) = aii
i=1
Notation : Par convention, une matrice se note par une lettre majuscule et ses coefficients par la
mêm e lettre en minuscule.
Exercice 1 On considère les matrices suivantes:
2 6 0 1 4 1 2 3
−6 −1 2 3 9 2 0
A= , B = 2 −1 6 , C = ,D= 0 0 0
2 1 5 2 10 0 2 0 0 0
4 7 0
0 1 2 5 7
1
F = 2 4 6 , G = 0 , H = 1 5 2 0 23 7
0 1 6 3 4 3
1. Préciser le type de chacune de ces matrices et celles qui sont: des matrices carrées, des
matrices lignes et des matrices colonnes.
2. Donner, si elles existent, les valeurs des élém ents suivants: a53, a35, b23, c22, d12, H23.
α 2 β+1 α
A= ,A=
1 5
2
1.5 Somme de deux matrices et produit d’une matrice par un scalaire
Soient A = (aij)1≤i≤n,1≤j≤p et B = (bij)1≤i≤n,1≤j≤p et λ ∈ R, alors:
la somme des deux matrices A et B est une matrice de mêm e type, obtenue en additionnant
A et B élément par élément:
−1 2 3 5 −3 1
Exercice 4 Calculer 2A + B o ù A = 0 −5 3 , et B = 0 6 −4
4 −2 1 1 2 7
p
cij = aikbkj
k=1
1 2 3 −1
2. A = 1 0 5 et B = 3
6 −2 9 8
3
1.8 Déterminant d’une matrice
1.8.1 Déterminant d’une matrice d’orde n ≤ 3
À toute matrice carrée A ∈ Mn(R) est associé un unique nombre réel qui la représente. Ce nombre
réel, appelé déterminant de A et noté det(A) ou encore |A|, est déteriminé en fonction de tous les
éléments de A.
Si n = 1, alors
det(A) = |a11| = a11
Si n = 2, alors
a11 a12
det(A) = = a11a22 − a12a21
a21 a22
Si n = 3, alors on peut calculer det(A) par rapport à une ligne ou une colonne choisie en
respectant la répartition des signes suivante :
+ − +
− + −
+ − +
Cij = (−1)i+jMij.
On appelle comatrice de A, la matrice, notée par com(A), et composée par les cofacteurs des
éléments de A:
com(A) = (Cij)1≤i,j≤n.
4
Exemple 1 (illustratif ) Nous calculons le déterminant de la matrice
2 1 −1 0
A = 1 −1 0 1
2 1 −1 −2
0 3 2 3
Pour ce faire, nous fixons d’abord un indice 1 ≤ i ≤ 4, avec lequel nous calulons det(A)en utilisant
l’équation 1 (pour n = 4). Il est important de noter que l’indice i correspond à la ligne de la matrice
A pour laquelle nous déterminons les cofacteurs. Prenons par exemple i = 3. Nous sommes ainsi
amenés à calculer les cofacteurs C3j en fonction des mineurs M3j avec 1 ≤ j ≤ 4. Commençons
par calculer les mineurs comme suit:
1 −1 0 0 1 −1 1 −1 0
M31 = −1 0 1 = 1. − (−1). + 0. (2)
2 3 3 3 3 2
3 2 3
= 1.(−2) + 1.(−6) + 0.(−2) = −8 (3)
2 −1 0 0 1 1 1 1 0
M32 = 1 0 1 = 2. − (−1). + 0. (4)
2 3 0 3 0 2
0 2 3
= 2.(−2) + 1.(3) + 0.(0) = −1 (5)
2 1 0 −1 1 1 1 1 −1
M33 = 1 −1 1 = 2. − (1). + 0. (6)
3 3 0 3 0 3
0 3 3
= 2.(−6) − 1.(3) + 0.(3) = −15 (7)
2 1 −1 −1 0 1 0 1 −1
M34 = 1 −1 0 = 2. − (1). − 1. (8)
3 2 0 2 0 3
0 3 2
= 2.(−2) − 1.(2) − 1.(3) = −9 (9)
Passons maintenant à calculer les cofacteurs:
C31 = (−1)3+1M31 = −8
C32 = (−1)3+2M32 = 1
C33 = (−1)3+3M33 = −15
C34 = (−1)3+4M34 = 9
Enfin,
det(A) = a31C31 + a32C32 + a33C33 + a34C34 = 2.(−8) + 1.(1) − 1.(−15) − 2.(9) = −18.
det(A.B) = det(A).det(B).
Si A est triangulaire supérieure ou inférieure alors son déterminant est égal au produit de ses
éléments diagonaux.
5
det(λA) = λndet(A).
2 0 1 0
1 3 0 −1
A=
2 −2 −1 −2
0 3 3 2
alors B est appelée la matrice inverse dr A, notée par A−1. Dans ce cas, on dit que la matrice A
est inversible.
3 1
5 5
Exercice 9 Montrer que la matrice B = −1 −2 , est la matrice inverse de la matrice A =
5 5
2 1
.
−1 −3
Propriétés 3 Soient A, B ∈ Mn(R),
Si A est inversible, alors son inverse est unique.
1 2 3
Exercice 10 Soit B = 0 1 2 .
−1 −4 −1
1. Montrer que B est inversible.
6
1.9.2 Métho de du pivot de Gauss pour le calcul de l’inverse d’une matrice
La méthode du pivot de Gauss consiste à effectuer des opérations élémentaires sur une matrice A,
carrée d’ordre n et inversible, afin de la transformer en une matrice identité. Les mêmes opérations
sont aussi effectuées sur la matrice In. Lorsque A devient In , In à son tour devient A−1. Nous
décrivons le principe de cette méthode en se basant sur l’exemple suivant :
2 1 −1 0 1 0 0 0
1 −1 0 1 1 0 1 0 0
A= L1 ← L1 0 0 1 0
= I4
2 1 −1 −2 2
0 3 2 3 0 0 0 1
Remarque 1 Si l’élément a11 = 0, il faut permuter la première ligne L1 par une ligne Li
telle que ai1 /= 0, i ∈ {1, .., 4}.
1 1 −1 0 1
2 2 2
0 0 0
1 −1 0 1 L2 ← L2 − L1 0 1 0 0
2 1 −1 −2 L3 ← L3 − 2L1 0 0 1 0
0 3 2 3 0 0 0 1
3. Opération 3: Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.
1 1 −1 0 1
2 2 2 0 0 0
1 −1
0 1 L 1 0 0
2
2 ← −2 L
3 2
2
0 0 0 −2 −1 0 1 0
0 3 2 3 0 0 0 1
5. Opération 5: Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.
1 −1 1
2 2 0 2 0 0 0
−1 −2 1
0 1 3 ↔ L4 3 3
3 L3
0 0 0 −2 −1 0 1 0
0 0 3 5 −1 2 0 1
Le pivot trouvé est nul. Nous permutons alors la ligne 3 de la matrice obtenue par la ligne 4.
1 −1 1
2 2 0 21
0 0 0
0 1 −1 −2
3 3 3 3
0 0 3 3 −1 2 0 1
0 0 0 −2 L4 ← −1 L
2 4 −1 0 1 0
7
6. Opération 6: Annuler tous les éléments situant en dessus de la diagonale.
−1 1
1 12 2 0 2
0 0 0
00 10
−1
3
−2
3 L2 ← L2 + 3 4 3 1
L2 −2
3 0 0
1 5 −1 2 0 1
5
L3 ← L3 − 3 L4
3 3 3 3
1 −1
0 0 0 1 0 2 0
⇒
2
1
L1 ← L1 + L3
1 −1 1 2 0 0 0
10 2
1 −21 0
0 2 2 −2 −1 0
3 L2 ← L2 + 1 3L3 3
2
3
5
3
1
0 0 1 0 3 6 3
1 −1
0 0 0 1 2 0 2 0
⇒
1 0 0 −1 1 5 1
1 12 3 12 6
0 1 0 0 L1 ← L1 − L2
2
−4 −1 1
2 18 9
2 18
5 9
1
0 0 1 0 3 6 3
1 −1
0 0 0 1 0 0
⇒ 2 2
1 0 0 0 −2 5 4 1
9 9 9 9
5 −4 −1 1
0 1 0 0
I4 = 18 9
2
18
5
9
1 = A−1
0 0 1 0 3 6 3
1 −1
0 0 0 1 2 0 2 0
Finalement, nous obtenons la matrice inverse de A. Nous pouvons vérifier que A.A−1 =
A−1.A = I4.
1 1 2
Exercice 12 Soit A = 1 2 1 . calculer l’inverse de A en utilisant la méthode du pivot
2 1 1
de Gauss.
Toute matrice A peut se réduire à une matrice échelonnée en lignes B par une suite d’opérations
élémentaires sur les lignes. On appelle B la forme échelonnée en lignes de A.
Définition 5 Le rang d’une matrice A est le nombre de lignes non nulles dans sa forme échelonnée
en lignes. On le note r(A).
Par exemple la matrice suivante A se réduit en sa forme échelonnée en lignes par les pivotages
1 −3 6 2 1 −3 6 2 1 −3 6 2
L2 ← L2 − 2L1
A = 2 −5 10 3 0 1 −2 −1 L3 ← L3 − L2 0 1 −2 −1
L3 ← L3 − 3L1
3 −8 17 4 0 1 −1 −2 0 0 1 −1
Donc rgA = 3. Pour la matrice suivante
1 3 2 1 3 2 1 3 2
C= 1 4 1 L2 ← L2 − L1 0 1 −1 L3 ← L3 − L2 0 1 −1
0 1 −1 0 1 −1 0 0 0
on a rgC = 2.
8
Thé o rè m e 1 Pour toute matrice A ∈ Mn,p(R), on a
r(A) ≤ min(n, p)
Remarque 3 Le nombre de pivot(les premiers coefficients non nuls des lignes non nulles) est aussi
le nombre de lignes non nulles de la forme échelonnée de A, d ’ o ù le rang de A est égale au nombre
de pivots.
Proposition 2 Soit A ∈ Mn(R), alors les propr iétés suivantes sont équivalentes
1. A est inversible.
2. det(A) /= 0.
3. r(A) = n.
.
am1x1 + am2x2 + ... + amnxn = bm
Ax = b
o ù A est une matrice d’ordre (m, n) appelée matrice des coefficients, X est un vecteur-colonne
à n composantes appelé vecteur des inconnues et b est un vecteur-colonne à m composantes
appelé vecteur des constantes.
3x1 − 2x2 + x3 = 1
−x1 + x2 = −2
2x1 − x2 + x3 = 4
Nous avons 3 équations (m = 3) et 3 variables (n = 3). La matrice des coefficients A est donc une
matrice d’ordre (3, 3) :
3 −2 1
A= −1 1 0
2 −1 −1
Le vecteur des inconnues X est un vecteur à 3 composantes:
x1
X = x2
x3
9
Le vecteur des constantes b est un vecteur à 3 composantes :
1
b= −2
4
3 −2 1 x1 1
−1 1 0 x2 = −2
2 −1 −1 4
AX = b
Exemple 3 Si l’on prend le système de exemple 2, la matrice augmentée [A|b] est la suivante:
[A|b] = ()
On va voir maintenant comment résoudre un système d’équations linéaires, c’est-à - dire trouver la
solution de ce système. Par solution du système, on entend un ensemble de valeurs x1, x2,..., xn qui
satisfait simultanément toutes les m équations du système. Une solution n’est pas nécessairement
unique. Il peut y avoir une infinité de solutions ou pas de solution du tout.
Dans ce dernier cas, on dit que le système est incompatible (ou impossible).
Voici la condition pour qu’il y ait au moins une solution: un système de m équations à n
variables (ou inconnues) est compatible si et seulement si la matrice des coefficients A
et la matrice augmentée [A|b] ont le mê m e rang.
Nous allons donc devoir chercher le rang de la matrice augmentée et voir s’il est égal au rang de
la matrice des coefficients. Pour ce faire, on va appliquer aux lignes de la matrice augmentée des
opérations élémentaires. Il est évident qu’une opération élémentaire sur une ligne de la matrice
augmentée ne change pas les solutions d’un système.
Nous avons plusieurs cas à étudier:
X = A−1b.
x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
−6x1 + 4x2 − 2x3 = −4
10
Remarque 4 Nous pouvons également rechercher la solution par une méthode de résolution ap-
pelée algorithme de Gauss.
x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
3x1 − 2x2 − 7x3 = −22
1 0 −1 −2
0 1 2 8
0 0 0 0
Dans cette dernière matrice, le rang de [A|b] est é gal à 2 comme le rang de A. Le système est
donc compatible. Quand le rang est r, avec r < n, on peut donner à (n − r) variables du système
des valeurs arbitraires et ensuite résoudre le système par rapport aux autres variables. On a alors
la solution complète du système.
x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
3x1 − 2x2 − 7x3 = −20
2x1 + 4x2 = 4
2x1 − 3x2 = 18
x1 − 4x2 = 14
11
2.2.3 Système de m équations à n inconnues, m < n
Si la matrice des coefficients est d’ordre (m, n) avec m < n, le rang de A est au maximum m. Le
rang est donc inférieur à n. Il s’ensuit qu’il n’y a que deux cas possibles:
Si le rang de [A|b] est égal au rang de A, il y aura une infinité de solutions et on pourra fixer
(n − r) variables arbitrairement (avec r = r(A) = r([A|b]);
Si le rang de [A|b] est différent de celui de A, le système est incompatible. Lorsqu’il y a plus
de variables que d’équations, la solution n’est donc jamais unique.
Exemple 9 Soit le système de 2 equations et 3 variables suivant, nous allons en chercher la solu-
tion :
2x1 − x2 + 2x3 = 2
−x1 + 2x2 + 2x3 = 2
2x1 − x2 + x3 = 1
4x1 − 2x2 + 2x3 = 4
Soit un système homogène possède la solution triviale et une infinité d’autres solutions.
La solution triviale représente en quelque sorte la solution unique d’un système homogène. Il n’y
a donc que la solution triviale si le rang de A est é g a l au nombre de variables.
Pour qu’un système homogène ait des solutions non triviales, il est nécessaire et suffisant que
le rang de A soit inférieur au nombre de variables, ou alors det(A) = 0.
Exemple 11 Soit le système homogène de 3 équations à 2 variables suivant, nous allons voir s’il
existe des solutions autres que la solution triviale.
2x1 + 4x2 = 0
2x1 − 3x2 = 0
x1 − 4x2 = 0
12
Exemple 12 Soit le système homogène de 3 équations à 3 variables suivant, nous allons voir s’il
existe des solutions autres que la solution triviale.
x1 + 3x2 − 2x3 = 0
4x1 − 2x2 − 2x3 = 0
x1 − 4x2 + x3 = 0
13