Matrices Et Systemes Linéaires

Calcul Matriciel
Pr. Najoua Essamaoui
Université Cadi Ayyad
27 février 2024
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
(PC - S2) Calcul Matriciel 27 février 2024 1 / 99
Contents
1 Opérations sur les matrices
Egalité
Addition
Multiplication par un scalaire
Produit des matrice
Transposée
2 Déterminant d’une matrice carrée
3 Inverse d’une matrice
4 Résolution des systèmes linéaires
Système linéaire
Système de Cramer
Méthode de Gauss
5 Calcul de l’inverse d’une matrice par la méthode de Gauss
Déterminant d’une matrice
Inverse d’une matrice
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Définitions
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Définitons
Dans tout ce chapitre on note K le corps des nombres réels ou le corps des
nombres complexes.
Une matrice A de type n × p à coefficients dans K est un tableau d’éléments de K

comportant n lignes et p colonnes. On peut noter A comme suit :
A = (aij )(i,j)∈{1,...,n}×{1,...,p} = (aij )
Les éléments aij sont appelés les coefficients de la matrice.

Le premier indice est celui de la ligne et le second est celui de la colonne
Les éléments aii sont appelés les coefficients diagonaux
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
La matrice  
1 −1 2 4
A1 =  2 0 4 1 
−5 6 5 7
est une matrice de type 3 × 4 à coefficients réels.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
La matrice  
1 −1 2 4
A1 =  2 0 4 1 
−5 6 5 7
est une matrice de type 3 × 4 à coefficients réels.
La matrice  
−1 2 i
A2 =  5 i+2 4 
0 5 7
est une matrice de type 3 × 3 à coefficients complexes.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
La matrice  
1
 6 
A3 =  
 −5 
7
est une matrice de type 4 × 1 à coefficients réels, appelée Vecteur colonne.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
La matrice  
1
 6 
A3 =  
 −5 
7
La matrice
A4 = 1 −1 2 4 5
est une matrice de type 1 × 5 à coefficients réels, appelée Vecteur ligne.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
La matrice  
1
 6 
A3 =  
 −5 
7
La matrice
A4 = 1 −1 2 4 5
est une matrice de type 1 × 5 à coefficients réels, appelée Vecteur ligne.
La matrice nulle est la matrice dont tous les coefficients sont nuls.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Notations : On note Mn,p (K) l’ensemble des matrices de type n × p à coefficents

dans K, et on note Mn (K) lorsque n = p.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Matrices particulières
Une matrice qui a le même nombre de colonnes et de lignes (n = p) est dite

carrée ( on dit aussi d’ordre n). Les coefficients ayant le même indice de ligne
et de colonne s’appellent les coefficients diagonaux
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Une matrice qui a le même nombre de colonnes et de lignes (n = p) est dite

carrée ( on dit aussi d’ordre n). Les coefficients ayant le même indice de ligne
et de colonne s’appellent les coefficients diagonaux
Une matrice triangulaire inférieure est une matrice carrées dont tous les
coefficents strictement au dessus de la diagonale (c-à-d d’indices ij avec
j > i) sont nuls. Par ex, la matrice
 
−2 0 0
 5 3 0 
4 2 5
est une matrice triangulaire inférieure.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Une matrice triangulaire supérieure est une matrice carrées dont tous les
coefficents strictement au dessous de la diagonale (c-à-d d’indices ij avec
j < i) sont nuls. Par ex, la matrice
 
1 2 2
 0 −1 4 
0 0 7
est une matrice triangulaire supérieure.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Une matrice triangulaire supérieure est une matrice carrées dont tous les
coefficents strictement au dessous de la diagonale (c-à-d d’indices ij avec
j < i) sont nuls. Par ex, la matrice
 
1 2 2
 0 −1 4 
0 0 7
est une matrice triangulaire supérieure.

Une matrice diagonale est une matrice à la fois triangulaire inférieure et
supérieure. Les seuls coefficients non nuls sont donc les coefficients de la
diagonale.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
La matrice identité est la matrice diagonale dont tous les coefficients

diagonaux valent 1. La matrice suivante
 
1 0 0
I3 =  0 1 0 
0 0 1
est la matrice identité d’ordre 3.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Egalité
Egalité des matrices
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Egalité
Egalité des matrices
Deux matrices A et B sont égales, ce qu’on note A = B si

elles ont le même nombre de lignes
elles ont le même nombre de colonnes
les coefficients à la même position sont égaux
Si A = (aij ) et B = (bij ), A = B sont égales si elles sont de même type n × p et

si aij = bij pour 1 ≤ i ≤ n et 1 ≤ j ≤ p.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Addition
Addition des matrices
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Addition des matrices
Soit A = (aij ) et B = (bij ) deux matrices du même type n × p. La somme de A

et B, que l’on note A + B, est la matrice C = (cij ) de type n × p définie par
cij = aij + bij ∀ 1 ≤ i ≤ n ∀1 ≤ j ≤ p.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soient les deux matrices de M3,3 (R) suivantes.

   
1 2 −3 2 3 −2
A= 4 2 0  B= 1 2 −1 
3 1 −3 2 4 −3
Alors  
3 5 −5
A+B = 5 4 −1 
5 5 −6
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition : Soient A, B et C trois matrices de Mn,p (R), on a :
L’addition est commutative, A + B = B + A.

L’addition et associative (A + B) + C = A + (B + C).
La matrice nulle à n lignes et p colonnes est un élément neutre pour
l’addition A + 0Mn,p (K) = A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Multiplication par un scalaire
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Soit A = (aij ) une matrice de type n × p et soit λ ∈ K. La multiplication de A

par λ, que l’on note λA, est la matrice C = (cij ) de type n × p définie par
cij = λaij ∀ 1 ≤ i ≤ n ∀1 ≤ j ≤ p.
Proposition :
Soit α, β deux éléments de K, A et B deux matrices de Mn,p (K) alors
α(A + B) = αA + αB
(α + β)A = αA + βA
(αβ)A = α(βA)
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit la matrice  
1 2 −3 1
 4 2 0 2 
A=
 3

1 −3 4 
−1 0 3 1
Alors
   
3 6 −9 3 1
2 1 − 32 1
2
 12 6 0 6  1  2 1 0 1 

3A =   A= 
9 3 −9 12  2  3
2
1
2 − 32 2 
−3 0 9 3 − 12 0 3
2
1
2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Produit des matrice
Produit des matrices
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On commence par définir le produit d’un vecteur ligne de type 1 × p par un

vecteur colonne de type p × 1.
Soit
A = a11 a12 · · · a1p
et  
b11
 b21 
 
B= .. .
 . 
bp1
Le produit de A par B, que l’on note AB, est le scalaire défini par
AB = a11 b11 + a12 b21 + · · · + a1p bp1 .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soient  
2
 −1 
A= 1 2 −2 4 B= 
 3 .
1
 
2
 −1 
Alors AB = 1 2 −2 4 ×  
 3  = 2 − 2 − 6 + 4 = −2.
1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On définit maintenant le produit de deux matrices A et B. Pour que ce produit

soit défini il faut que le nombre de colonnes de A soit égal au nombre de lignes de
B.
Definition
Soit A une matrice de type n × p et B une matrice de type p × m. Le produit de
A par B, que l’on note AB, est la matrice C = (cij ) de type n × m, avec cij est
le produit de la i-ème ligne de A par la j-ème colonne de B. Plus concrètement :
X
p
cij = aik bkj 1≤i≤n 1 ≤ j ≤ m.
k=1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit  
1 2 3  
 −2 1 3
0 4 
A=
 1
 B =  −3 2  .
−1 1 
2 1
−2 4 1
Le produit AB est bien défini et la matrice AB est de type 4 × 2. On a alors :
 
1 10
 6 −2 
AB =   6
.
2 
−12 3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit  
1 2 3  
 −2 1 3
0 4 
A=
 1
 B =  −3 2  .
−1 1 
2 1
−2 4 1
Le produit AB est bien défini et la matrice AB est de type 4 × 2. On a alors :
 
1 10
 6 −2 
AB =   6
.
2 
−12 3
Le produit BA n’est pas défini puisque le nombre de colonnes de B est différent

du nombre de lignes de A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
ATTENTION !!
Le produit matriciel n’est pas commutatif.
Le produit de deux matrices peut être nul alors qu’aucune des matrices n’est
nulle.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition :
1 La multiplication est associative mais n’est pas commutative.
∀A ∈ Mn,n (K) ∀B ∈ Mp,q (K) ∀C ∈ Mq,r (K)
(AB)C = A(BC)
∀A ∈ Mn,n (K) AIn = In A = A.
2 La multiplication est distributive par rapport à l’addition.
∀A ∈ Mn,n (K) ∀B, C ∈ Mp,q A(B + C) = AB + AC.
∀A, B ∈ Mn,p ∀C ∈ Mp,q (A + B)C = AC + BC.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit
1 2 0 1
A= B= .
−1 3 2 1
On a
4 3 −1 3
AB = et BA = .
6 2 1 7
Ceci montre que la multiplication de matrices n’est pas commutative.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Opérations sur les matrices Transposée
Transposée d’une matrice
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Transposée d’une matrice
Definition
Soit A = (aij ) une matrice de type n × p. On appelle transposée de A, que l’on
note AT , la matrice AT = (bij ) de type p × n et définie par
bij = aji ∀1 ≤ i ≤ j ∀1 ≤ j ≤ p.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
 
1 2 −1
 3 4 0 

Soit A =  . La transposée de A est
6 
1
2 1
−2 1 −3
 
1 3 2 −2
AT =  2 4 1 1 .
−1 0 6 −3

2 Soit le vecteur ligne U = 1 2 −1 2 . Alors U T est le vecteur colonne
 
1
 2 
UT = 

.
−1 
2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
Une matrice carrée A est symétrique si AT = A. Elle est antisymétrique si
AT = −A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
AT = −A.
Exemple :
 
1 2 −1
1 La matrice  2 4 0  est
−1 0 6
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
AT = −A.
Exemple :
 
1 2 −1
1 La matrice  2 4 0  est symétrique.
−1 0 6
 
0 2 −1
2 La matrice  −2 0 −1  est
1 1 0
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
AT = −A.
Exemple :
 
1 2 −1
1 La matrice  2 4 0  est symétrique.
−1 0 6
 
0 2 −1
2 La matrice  −2 0 −1  est antisymétrique.
1 1 0
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition :
1 Soit A une matrice de type n × p. alors (AT )T = A.
2 Soit A et B deux matrices de type n × p. Alors (A + B)T = AT + B T .
3 Soit A une matrice de type n × p et B une matrice de type p × m. Alors
(AB)T = B T AT .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exercice 1
On considère les matrices suivantes :

3
A= 1 2 1 B= .
−1
 
1 2
2 1
C =  −2 4  D= .
1 0
3 1
 
2 −1 3
E= 1 2 4 .
0 2 1
Quels sont les produits matriciels possibles ? Quels sont les matrices carrées et les
matrices symétriques ?
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Solution
Pour que le produit de deux matrices soit possible, il faut que le nombre de
colonnes de la première vaut le nombre de lignes de la seconde, alors les
produits possibles sont :
AC, AE, BA, CB, CD, DB, DD, EC, EE.
Les matrices carrées sont D et E.

D est la seule matrice symétrique.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exercice 2
Soient a et b des réels non nuls, et

a b
A= .
0 a
Trouver toutes les matrices B ∈ M2 (R) qui commutent avec A, c’est-à-dire,

toutes les matrices B telles que AB = BA.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Solution
Soit
x y
B= .
z t
La condition BA = AB implique :

 ax + bz = ax
ay + bt = bx + ya

at = bz + at
On trouve z = 0 et t = x, et donc toutes les matrices B qui commutent avec A

sont celles de la forme
x y
.
0 x
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Déterminant d’une matrice carrée
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Le déterminant d’une matrice A est un scalaire qui donne des informations sur A.
Nous allons le définir par induction sur l’ordre en commençant par les matrices
d’ordre 2. Dans la suite on le note det(A) ou |A|.

a c
Définition : Soit A = une matrice d’ordre 2. Le déterminant de A est
b d
le scalaire ad − bc.

1 2
Exemple : Le déterminant de la matrice est égal à −2.
3 4
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Le déterminant d’une matrice d’ordre 3 est défini à partir des déterminants de

matrices d’ordre 2.
Définition : Soit  
a11 a12 a13
A =  a21 a22 a23 
a31 a32 a33
une matrice carrée d’ordre 3. Le déterminant de A est le scalaire
a22 a23 a21 a23 a21 a22
det(A) = a11 − a12 + a13 .
a32 a33 a31 a33 a31 a32
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
1 Le déterminant de la matrice identité I3 est égal à 1.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
 
1 1 −1
2 Soit A =  2 −2 1 .
0 1 1
Le déterminant de A est
−2 1 2 1 2 −2
det(A) = − − = −7.
1 1 0 1 0 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
 
1 1 −1
2 Soit A =  2 −2 1 .
0 1 1
Le déterminant de A est
−2 1 2 1 2 −2
det(A) = − − = −7.
1 1 0 1 0 1
 
2 3 5
3 Soit B =  1 −2 2  .
1 1 2
Le déterminant de B est
−2 2 1 2 1 −2
det(B) = 2 −3 +5 = 3.
1 2 1 2 1 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On donne maintenant la définition du déterminant d’une matrice d’ordre

quelconque. Pour une matrice carrée A d’ordre n on note ∆ij le déterminant de la
matrice carrée d’ordre n − 1 obtenue en supprimant la i-éme ligne et la j-ème
colonne de A.
Définition : Soit A une matrice d’ordre n. Le déterminant de A est le scalaire
det(A) = a11 ∆ − a12 ∆12 + a13 ∆13 +
· · · + (−1)1+k a1k ∆1k + · · · + (−1)1+n a1n ∆1n .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
 
1 2 −1 3
 0 1 2 1 
Soit A = 
 2
 . Le déterminant de A est
1 
1
−1 3
2 −1 1 2
1 2 1 0 2 1
det(A) = −1 3 1 −2 2 3 1
−1 1 2 2 1 2
0 1 1 0 1 2
− 2 −1 1 −3 2 −1 3 = 15.
2 −1 2 2 −1 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Remarque : Le déterminant d’une matrice est invariant par développement suivant

les lignes ou suivant les colonnes. Et donc le calcul du déterminant devient plus
simple en développant suivant la ligne ou la colonne qui contient plus de zéros.
Exemple :
 
2 2 −1 3
 0 1 2 1 
Soit B =  0 0 3
 . On développe le déterminant suivant la
1 
1
0 0 0 2
première colonne. Alors
1 2 1
det(B) = 2 0 3 1 = 12.
0 0 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
 
a d e
1 Soit A =  0 b f , avec a, b, c, d, e, f des éléments de K. On
0 0 c
développe le déterminant suivant la première colonne. Alors
b f
det(A) = a = abc.
0 c
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
 
a d e
1 Soit A =  0 b f , avec a, b, c, d, e, f des éléments de K. On
0 0 c
développe le déterminant suivant la première colonne. Alors
b f
det(A) = a = abc.
0 c
 
a 0 0
2 Soit C =  d b 0 , avec a, b, c, d, e, f des éléments de K. On
e f c
développe le déterminant suivant la première ligne. Alors
b 0
det(A) = a = abc
f c
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition Soit A = (aij ) et B deux matrices carrées d’ordre n. Alors

1 det(AT ) = det(A).
Qn
2 Si A est triangulaire supérieure ou inférieure alors det(A) = i=1 aii .
3 det(AB) = det(BA) = det(A)det(B).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
La proposition suivante donne des techniques qui facilitent le calcul des

déterminants. Pour une matrice carrée A on note Li le vecteur ligne formé des
coefficients de la i-ème ligne de A. De même on note Cj le vecteur colonne formé
des coefficients de la j-ème colonne de A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition
Soit A une matrice d’ordre n et λ ∈ K. On a les propriétés suivantes :

1 Si les coefficients d’une ligne ou d’une colonne de A sont tous nuls alors le
déterminant de A est nul.
2 Si on multiplie une ligne ou une colonne de A par λ alors le déterminant est
multiplié par λ.
3 det(λA) = λn det(A). En particulier det(−A) = (−1)n det(A).
4 Si on remplace une ligne Li par Li + λLj , avec i ̸= j, alors le déterminant ne
change pas.
5 Si on remplace une colonne Ci par Ci + λCj , avec i ̸= j, alors le déterminant
ne change pas.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
1 Soit  
0 2 −1 3
 0 1 2 
1 
A=
 0 .
−4 3 1 
0 2 0 2
On a det(A) = 0 car A contient une colonne nulle.
2 Soit  
2 −1 1
B= 2 −2 2  .
−3 3 2
On remplace la première colonne C1 par C1 + C2 . Ainsi
2 −1 1 1 −1 1
|B| = 2 −2 2 = 0 −2 2 = −10.
−3 3 2 0 3 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
1 Soit  
2 2 1
C =  2 2 1 .
−3 3 2
On remplace la première ligne L1 par L1 − L2 . Ainsi
0 0 0
|C| = 2 2 1 = 0.
−3 3 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
Une matrice carrée A d’ordre n est inversible s’il existe une matrice carrée B
d’ordre n telle que AB = BA = In . On note A−1 la matrice B et on l’appelle
l’inverse de A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Definition
Une matrice carrée A d’ordre n est inversible s’il existe une matrice carrée B
d’ordre n telle que AB = BA = In . On note A−1 la matrice B et on l’appelle
l’inverse de A.
Exemple :
1 Pour tout entier naturel n ∈ N⋆ la matrice In est inversible et In−1 = In .

2 1
2 La matrice A = est inversible et on a
−1 2

1 2 −1
A−1 = .
5 1 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Comatrice d’une matrice carrée
Maintenant on va donner une caractérisation des matrices inversibles et calculer

leurs inverses.
Soit A = (aij ) une matrice carrée d’ordre n. On appelle comatrice de A, que l’on
note com(A), la matrice carrée d’ordre n définie par com(A) = (bij ) avec
bij = (−1)i+j ∆ij
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple

a b
1. Soit A = avec a, b, c, d ∈ K. On a
c d
∆11 = d ∆12 = c ∆21 = b ∆22 = a
Donc
d −c
com(A) = .
−b a
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
 
1 2 −1
2. Soit B =  2 0 2 .
2 1 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
 
1 2 −1
2. Soit B =  2 0 2  . On a
2 1 2
0 2 2 2 2 0
∆11 = = −2, ∆12 = = 0, ∆13 = =2
1 2 2 2 2 1
2 −1 1 −1 1 2
∆21 = = 5, ∆22 = = 4, ∆23 = = −3
1 2 2 2 2 1
2 −1 1 −1 1 2
∆31 = = 4 ∆32 = = 4, ∆33 = = −4
0 2 2 2 2 0
Ainsi  
−2 0 2
com(B) =  −5 4 3 .
4 −4 −4
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Théorème
Soit A une matrice carrée. Alors :

1 A est inversible si, et seulement si, le déterminant de A est non nul.
2 Lorsque A est inversible l’inverse de A est
1
A−1 = com(A)T .
det(A)
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple :
1. Soit
a b
A=
c d

d −c
avec a, b, c, d ∈ K. On a com(A) = . Si ad − bc ̸= 0 la matrice A
−b a
est inversible et

−1 1 1 d −b
A = (com(A))T = .
ad − bc ad − bc −c a
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
2.  
1 2 −1
B= 2 0 2 
2 1 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
2.  
1 2 −1
B= 2 0 2 
2 1 2
On remplace L3 par L3 − L2 puis on développe le déterminant suivant la
troisième ligne :
1 2 −1 1 2 −1
det(B) = 2 0 2 = 2 0 2 = −4.
2 1 2 0 1 0
Comme det(B) est non nul la matrice B est inversible et

 
−2 −5 4
1 1
B −1 = (com(B))T = −  0 4 −4  .
det(B) 4
2 3 −4
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Résolution des systèmes linéaires
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Résolution des systèmes linéaires Système linéaire
Système linéaire
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Equation linéaire
Définition :
Une équation linéaire en les variables x1 , x2 , . . . , xp à coefficients dans K est une

relation de la forme
a1 x1 + a2 x2 + a3 x3 + · · · + ap xp = b
 de K.
où a1 , . . . , ap , b sont des éléments  Le scalaire b est le terme constant de
s1
 s2 
 
l’équation. Un vecteur colonne  .  est une solution de cette équation si la
 .. 
sp
relation a1 s1 + a2 s2 + . . . + ap sp = b est vérifiée
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Système linéaire
Définition :
Soient n, p deux entiers positifs. Un système linéaire à coefficients dans K est la
donnée de n équations linéaires en p variables à coefficients dans K :


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = d1

 a2,1 x1 + a2,2 x2 + · · · + a2,p xp = d2
.. (1)

 .


an,1 x1 + an,2 x2 + · · · + an,p xp = dn
 
s1
 s2 
 
Le vecteur colonne  ..  est une solution de ce système s’il est solution de
 . 
sp
toutes ses équations.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Remarque :
Les variables d’un système linéaire s’appellent aussi les inconnues du système.
Résoudre un système linéaire c’est déterminer l’ensemble de ses solutions.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
1 L’équation 2x − 3y = 1 admet une infinité de solutions. L’ensemble de ses

solutions est
x
2x−1 , x∈K .
3
2 Le système
2x + 2y = 1
x+y =0
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
1 L’équation 2x − 3y = 1 admet une infinité de solutions. L’ensemble de ses

solutions est
x
2x−1 , x∈K .
3
2 Le système
2x + 2y = 1
x+y =0
n’admet pas de solutions.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Résolution des systèmes linéaires Système de Cramer
Système de Cramer
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Soit A = (aij ), 1 ≤ i ≤ n, 1 ≤ j ≤ p la matrice de Mn,p dont les coefficients aij

sont ceux du système linéaire (1). Posons
   
x1 d1
 x2   d2 
   
X =  .  et B =  .. .
 ..   . 
xp dn
Avec ces notations le système linéaire (1) devient
AX = B.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Ainsi résoudre (1) revient à déterminer tous les vecteurs colonnes

 
s1
 s2 
 
S =  . .
 .. 
sp
vérifiant AS = B.
Dans un premier temps on suppose que n = p et que A est inversible. Avec ces
conditions on dit que le système (1) est un système de Cramer.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Proposition : Un système de Cramer admet une unique solution donnée par
S = A−1 B.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit à résoudre le système de Cramer :

2x + 3y = 1
3x + 5y = 2
L’écriture matricielle de ce système est
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Soit à résoudre le système de Cramer :

2x + 3y = 1
3x + 5y = 2
L’écriture matricielle de ce système est

x 1
A = ,
y 2

2 3 5 −3
avec A = . Comme A−1 = l’unique solution du système
3 5 −3 2
est
1 5 −3 1 −1
A−1 = = .
2 −3 2 2 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Est ce qu’on peut trouver la solution unique d’un système de Cramer sans passer
par la matrice inverse ??
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Notation : Pour 1 ≤ i ≤ n on désigne par Ai la matrice obtenue à partir de A en

remplaçant la i-ème colonne de A par le vecteur colonne B et on note ∆xi son
déterminant : ∆xi = det(Ai ).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Notation : Pour 1 ≤ i ≤ n on désigne par Ai la matrice obtenue à partir de A en

remplaçant la i-ème colonne de A par le vecteur colonne B et on note ∆xi son
déterminant : ∆xi = det(Ai ).
On a le théorème suivant :
Théorème : Soit un système de Cramer AX = B. Posons ∆ = det(A). Alors le

système AX = B admet une unique solution
 
s1
 s2 
 
S= . 
 .. 
sp
avec
∆x i
si = 1 ≤ i ≤ n.
∆
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple 1
Soit le système linéaire à deux équations et deux inconnues

ax + by = e
cx + dy = f
avec a, b, c, d, e, f des scalaires et x, y les inconnues.

Supposons que ce système est un système de Cramer, c’est-à-dire

x
∆ = ad − bc ̸= 0. Il admet donc une sunique solution avec
y
e b a e
∆x f d ∆y c f
x= = et y= =
∆ ∆ ∆ ∆
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple 2
Soit le système linéaire

 2x + y − z = 1
x + y + z = 3

−x + 2y + z = 2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple 2
Soit le système linéaire

 2x + y − z = 1
x + y + z = 3

−x + 2y + z = 2
On a
2 1 −1
∆= 1 1 1 = −7.
−1 2 1
Donc il s’agit d’un système de Cramer. On a
1 1 −1 2 1 −1
∆x = 3 1 1 = −6 1 3 1
∆y = = −5 ∆z = −10
2 2 1 −1 2 1
 
6
Alors l’unique solution est le vecteur colonne, 17  5  .
10 . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Résolution des systèmes linéaires Méthode de Gauss
Système de Gauss
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Méthode de Gauss
La méthode de Gauss permet de transformer un système linéaire en un autre

système qui a les mêmes solutions et qui est facile à résoudre.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Théorème :
Si un système linéaire est transformé en un autre par l’une des opérations

suivantes :
1 une équation est échangée avec une autre
2 une équation est multipliée par une constante non nulle
3 une équation est remplacée par la somme d’elle même et une autre équation
multipliée par une constante non nulle
alors les deux systèmes ont les mêmes solutions. On dira alors que les deux
systèmes sont équivalents.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Définition :
Les trois transformations du théorème précédent s’appellent les transformations
élémentaires, ou les transformations de Gauss.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Pour des raisons de simplicité on utilise la représentation matricielle d’un système

linéaire. Le système linéaire (1) est représenté par la matrice augmentée
 
a1,1 a1,2 · · · a1,p | d1
 a2,1 a2,2 · · · a2,p | d2 
 
 .. .. .. .. .. ..  (2)
 . . . . . . 
an,1 am,2 ··· an,p | dn
Etant donné un système linéaire. On parle d’équation ou de ligne et on note la
ième ligne par ℓi .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple 1 :
Appliquons la méthode de Gauss au système suivant :


 2x + 6y − 4z = 4 ℓ1
3x + 11y − 2z = 8 ℓ2 (3)

5x + 16y − 7z = 12 ℓ3
La matrice augmentée de ce système est

 
2 6 −4 | 4 ℓ1
 3 11 −2 | 8  ℓ2
5 16 −7 | 12 ℓ3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On multiplie la première ligne par 12 , on obtient

 
1 3 −2 | 2 1
2 ℓ1
 3 11 −2 | 8  ℓ2
5 16 −7 | 12 ℓ3
On remplace ℓ2 par ℓ2 − 3ℓ1 et on remplace ℓ3 par ℓ3 − 5ℓ1 , ce qui donne

 
1 3 −2 | 2
 0 2 4 | 2  ℓ2 − 3ℓ1
0 1 3 | 2 ℓ3 − 5ℓ1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
1
On multiplie la deuxième ligne du système obtenu par 2 et on retranche son
opposé de la troisième ligne, on aura
 
1 3 −2 | 2
 0 1 2 | 1  1
2 ℓ2 (4)
0 0 1 | 1 ℓ3 − 12 ℓ2
Le système correspondant à cette représentation matricielle est


 x + 3y −2z = 2
y + 2z = 1

z = 1
La solution est maintenant facile à calculer. La troisième ligne montre que z = 1.

On substitue le résultat dans la deuxième ligne et on obtient y = −1 et finalement
on obtient x = 7.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple 2 :
Soit le système 
 2x − 2y + 2z = 0 ℓ1
2x + 2y + −2z = 0 ℓ2

y − z = 2 ℓ3
La matrice augmentée du système est
 
2 −2 2 | 0 ℓ1
 2 2 −2 | 0  ℓ2
0 1 −1 | 2 ℓ3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On remplace ℓ2 par ℓ2 − ℓ1 , ce qui donne

 
2 −2 2 | 0
 0 4 −4 | 0 
ℓ2 − ℓ1
0 1 −1 | 2
1
On multiplie la deuxième ligne du système obtenu par 4 et on retranche son
opposé de la troisième ligne, on aura
 
2 −2 2 | 0
 0 1 −1 | 0  1
4 ℓ2
0 0 0 | 2 ℓ3 − 14 ℓ2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .


 2x − 2y +2z = 0
y − z = 0

0 = 2
La troisième équation est contradictoire et donc le système n’admet pas de

solutions.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dans un système linéaire, on peut avoir plus d’équations que d’inconnues ou

moins d’équations que d’inconnues.
Exemple : Le système 
 2x + 4y = −4
x − 3y = 3

−x + 2y = −2
a trois équations et deux inconnues. Appliquons la méthode de Gauss à ce
système.
La matrice augmentée du système est comme suit :
 
2 4 | −4 ℓ1
 1 −3 | 3  ℓ2
−1 2 | −2 ℓ3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On multiplie la première ligne par 1/2 :

 
1 2 | −2 1
2 ℓ1
 1 −3 | 3  ℓ2
−1 2 | −2 ℓ3
On remplace ℓ2 par ℓ2 − ℓ1 et on remplace ℓ3 par ℓ3 + ℓ1 :

 
1 2 | −2
 0 −5 | 5  ℓ2 − ℓ1
0 4 | −4 ℓ3 + ℓ1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On multiplie ℓ2 par 1
5 et ℓ3 par − 14 :
 
1 2 | −2
 0 −1 | 1  1
5 ℓ2
0 −1 | 1 − 41 ℓ3
La troisième équation du système correspondant est équivalente à la deuxième

équation. On dit qu’elle est redondante et on peut l’éliminer du système. Notre
système est transformé en ce qui suit :

x + 2y = −2
−y = 1
On obtient donc y = −1 et x = 0.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Un système linéaire peut avoir une infinité de solutions comme le montre

l’exemple suivant :
Exemple :
Soit le système

 2x − 2y + 2z + w = 1
2x + 2y − 2z − w = 0

x + y − z + w = 1
La matrice augmentée associée est

 
2 −2 2 1 | 1 ℓ1
 2 2 −2 −1 | 0  ℓ2
1 1 −1 1 | 1 ℓ3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
 
1 −1 1 1/2 | 1/2 1
2 ℓ1
 1 1 −1 −1/2 | 0  1
2 ℓ2
1 1 −1 1 | 1 ℓ3
 
1 −1 1 1/2 | 1/2
 0 2 −2 −1 | −1/2  ℓ2 − ℓ1
0 2 −2 1/2 | 1/2 ℓ3 − ℓ1
 
1 −1 1 1/2 | 1/2
 0 1 −1 −1/2 | −1/4  1
2 ℓ2
0 0 0 3/2 | 1 ℓ3 − ℓ2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .


 x − y + z + 12 w = 1
2
+ y − z − 12 w = − 14
 3
2w = 1
L’ensemble des solutions du système est égal à l’ensemble

  

 1/4 

  
 z + 1/12  :z∈K .
  z  

 

2/3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Définitions
Définition 1 :
Dans un système linéaire, une équation est
redondante si elle est le multiple d’une autre équation.
contradictoire si elle est de la forme 0 = c, où c est une constante non nulle.
Définition 2 :
Etant donné un système linéaire. Un ordre sur les variables du système est un
classement de ses variables. Dans une équation, la première variable à coefficient
non nul est dite sa variable principale . Un système linéaire est dit en forme
échelon si ses équations, qui ne sont ni redondantes ni contradictoires, ont des
variables principales distinctes deux à deux.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
Regardons l’exemple 1 où on classe les variables selon l’ordre x, y, z. La variable x

est la variable principale de toutes les équations du système en question, il n’est
pas en forme échelon. Par contre le système correspondant à la représentation
matricielle (4) est un système en forme échelon. La première équation
(respectivement la deuxième et la troisième) admet la variable x (respectivement
y et z) comme variable principale.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Calcul de l’inverse d’une matrice par la méthode de Gauss
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Calcul de l’inverse d’une matrice par la méthode de Gauss Inverse d’une matrice
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Soit  
a1,1 a1,2 ··· a1,n
 a2,1 a2,2 ··· a2,n 
 
A= .. .. 
 . . 
an,1 an,2 ··· an,n
une matrice inversible d’ordre n et à coefficients dans K.
Pour calculer l’inverse de A on augmente A par la matrice identité et on applique
la méthode de Gauss à la matrice obtenue jusqu’à transformer A en In . La
matrice obtenue à la place de la matrice identité est l’inverse de A.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Exemple
L’exemple suivant illustre cette méthode.

Appliquons la méthode de Gauss pour calculer l’inverse de la matrice
 
1 2 −2
A= 2 2 0 
2 −2 4
On augmente la matrice A par I3 , on obtient :

 
1 2 −2 | 1 0 0
 2 2 0 | 0 1 0 
2 −2 4 | 0 0 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
On applique maintenant la méthode décrite dans le paragraphe ci-dessus :

 
1 2 −2 | 1 0 0
 0 −2 4 | −2 1 0  ℓ2 par ℓ2 − 2ℓ1 et ℓ3 par ℓ3 − 2ℓ1
0 −6 8 | −2 0 1
 
1 2 −2 | 1 0 0
 0 −2 4 | −2 1 0  on remplace ℓ3 par ℓ3 − 3ℓ2
0 0 −4 | 4 −3 1
 
1 2 −2 | 1 0 0
 0 1 −2 | 1 − 12 0  on divise ℓ2 par −2 et ℓ3 par −4
0 0 1 | −1 3
4 − 14
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
 
1 2 −2 | 1 0 0
 0 1 0 | −1 1 − 12  on remplace ℓ2 par ℓ2 + 2ℓ3
0 0 1 | −1 3
4 − 14
 
1 0 0 | 1 − 21 1
2
 0 1 0 | −1 1 − 12  on remplace ℓ1 par ℓ1 − 2ℓ2 + 2ℓ3
0 0 1 | −1 3
4 − 14
Ainsi l’inverse de A est

 
1 − 12 1
2
A−1 =  −1 1 − 12 
−1 3
4 − 14
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Fin
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Matrices Et Systemes Linéaires

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Matrices Et Systemes Linéaires

Transféré par

Droits d'auteur :

Formats disponibles

Calcul Matriciel

Pr. Najoua Essamaoui

Université Cadi Ayyad

Opérations sur les matrices

Opérations sur les matrices

Une matrice A de type n × p à coeﬃcients dans K est un tableau d’éléments de K

A = (aij )(i,j)∈{1,...,n}×{1,...,p} = (aij )

Les éléments aij sont appelés les coeﬃcients de la matrice.

Notations : On note Mn,p (K) l’ensemble des matrices de type n × p à coeﬃcents

Une matrice qui a le même nombre de colonnes et de lignes (n = p) est dite

Une matrice qui a le même nombre de colonnes et de lignes (n = p) est dite

est une matrice triangulaire inférieure.

est une matrice triangulaire supérieure.

est une matrice triangulaire supérieure.

La matrice identité est la matrice diagonale dont tous les coeﬃcients

est la matrice identité d’ordre 3.

Opérations sur les matrices

Egalité des matrices

Egalité des matrices

Deux matrices A et B sont égales, ce qu’on note A = B si

Si A = (aij ) et B = (bij ), A = B sont égales si elles sont de même type n × p et

Opérations sur les matrices

Addition des matrices

Addition des matrices

Soit A = (aij ) et B = (bij ) deux matrices du même type n × p. La somme de A

cij = aij + bij ∀ 1 ≤ i ≤ n ∀1 ≤ j ≤ p.

Soient les deux matrices de M3,3 (R) suivantes.

Proposition : Soient A, B et C trois matrices de Mn,p (R), on a :

L’addition est commutative, A + B = B + A.

Opérations sur les matrices

Multiplication par un scalaire

Multiplication par un scalaire

Soit A = (aij ) une matrice de type n × p et soit λ ∈ K. La multiplication de A

Opérations sur les matrices

Produit des matrices

Produit des matrices

On commence par déﬁnir le produit d’un vecteur ligne de type 1 × p par un

AB = a11 b11 + a12 b21 + · · · + a1p bp1 .

Produit des matrices

On déﬁnit maintenant le produit de deux matrices A et B. Pour que ce produit

Le produit BA n’est pas déﬁni puisque le nombre de colonnes de B est diﬀérent

∀A ∈ Mn,n (K) ∀B ∈ Mp,q (K) ∀C ∈ Mq,r (K)

∀A ∈ Mn,n (K) AIn = In A = A.

2 La multiplication est distributive par rapport à l’addition.

∀A ∈ Mn,n (K) ∀B, C ∈ Mp,q A(B + C) = AB + AC.

∀A, B ∈ Mn,p ∀C ∈ Mp,q (A + B)C = AC + BC.

Opérations sur les matrices

Transposée d’une matrice

Transposée d’une matrice

On considère les matrices suivantes :

AC, AE, BA, CB, CD, DB, DD, EC, EE.

Les matrices carrées sont D et E.

Soient a et b des réels non nuls, et

Trouver toutes les matrices B ∈ M2 (R) qui commutent avec A, c’est-à-dire,

On trouve z = 0 et t = x, et donc toutes les matrices B qui commutent avec A

Déterminant d’une matrice carrée

Déterminant d’une matrice carrée

Le déterminant d’une matrice d’ordre 3 est déﬁni à partir des déterminants de

On donne maintenant la déﬁnition du déterminant d’une matrice d’ordre

Déﬁnition : Soit A une matrice d’ordre n. Le déterminant de A est le scalaire

det(A) = a11 ∆ − a12 ∆12 + a13 ∆13 +

· · · + (−1)1+k a1k ∆1k + · · · + (−1)1+n a1n ∆1n .

Remarque : Le déterminant d’une matrice est invariant par développement suivant