CHAP 1 : Suites Numériques

Dans ce chapitre, nous donnerons la définition d’une suite et nous nous intéresserons aux suites
arithmétiques et géométriques. « Taux d’intérêts », « Taux d’actualisation » sont des termes
utilisés aussi bien pour les emprunts des particuliers que ceux des collectivités et des entreprises.
Les activités de ce chapitre ont pour but de vous donner les outils pour étudier les problèmes
d’économie (intérêts simples, intérêts composés, emprunts, actualisation…).
I-1 Définition 1 :
Soit I une partie de IN. On appelle suite numérique, toute fonction de I vers IR.
Notation et Vocabulaire
Si E désigne l’ensemble de définition d’une suite numérique u, on a les notations suivantes :
𝑵𝒐𝒕𝒂𝒕𝒊𝒐𝒏 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏𝒏𝒆𝒍𝒍𝒆 𝑵𝒐𝒕𝒂𝒕𝒊𝒐𝒏 𝒊𝒏𝒅𝒊𝒄𝒊𝒆𝒍𝒍𝒆
𝑢 : E → IR (𝑢𝑛 )𝑛𝜖E ou plus simplement (𝑢𝑛 ).
𝑛 ↦ 𝑢(𝑛)
𝑢(𝑛) 𝑜𝑢 𝑢𝑛 , 𝑛𝜖 𝐸 est appelé terme d’indice ou terme général de la suite 𝑢. Le nième terme est appelé
terme de rang 𝑛 de la suite 𝑢.

I-2 Détermination d’une suite numérique

En général, une suite numérique est déterminer soit :
 Par une formule explicite permettant de calculer 𝑢𝑛 en fonction de n ;
 Ou bien par le premier terme et une formule de récurrence exprimant 𝑢𝑛+1 en fonction de
𝑢𝑛 .

Exemples :
3𝑛+4
a) La suite (𝑢𝑛 )𝑛𝜖ℕ définie par 𝑢𝑛 = est une suite explicite.
𝑛+2
b) La suite (𝑣𝑛 )𝑛𝜖ℕ∗ de terme général : 𝑣𝑛 = √𝑛2 − 1 est une suite explicite.
3𝑢𝑛 +4
c) La suite (𝑢𝑛 )𝑛𝜖ℕ définie par : 𝑢0 = 1 et 𝑢𝑛+1 = est suite définie par une formule de
𝑢𝑛 +2
récurrence.
𝑤0 = 0
d) La suite (𝑤𝑛 )𝑛𝜖ℕ définie par : { 3 et est suite définie par une formule de
𝑤𝑛+1 = 2 𝑤𝑛 + 3
récurrence.
Calculer pour chacune d’elle les termes de rang 1, 2, 3 et 4.

I-3 Etude d’une suite numérique

I-3-1 Minoration, majoration

Les suites numériques étant des fonctions, on peut les appliquer les définitions concernant la
minoration et la majoration d’une fonction.

I-3-2 Définitions
Soit (𝑢𝑛 )𝑛𝜖E une suite numérique.
 (𝑢𝑛 ) est minorée s’il existe un nombre réel 𝑚 tel que, pour tout 𝑛 𝜖 E, on a 𝑚 ≤ 𝑢𝑛 .
1
  (𝑢𝑛 ) est majorée s’il existe un nombre réel M tel que, pour tout 𝑛 𝜖 E, on a 𝑢𝑛 ≤ M.
 (𝑢𝑛 ) bornée si elle est minorée et majorée ; c’est-à-dire s’ils existent deux nombres réels m
et M tel que, pour tout 𝑛 𝜖 E, on a 𝑚 ≤ 𝑢𝑛 ≤ M.

I-3-3 Sens de variation d’une suite numérique

Les suites numériques étant des fonctions, on peut les appliquer les définitions concernant la
minoration et la majoration d’une fonction.

Soit (𝑢𝑛 )𝑛𝜖E une suite numérique.

 La suite (𝑢𝑛 ) est dite croissante lorsque, pour tous 𝑚 et 𝑛 𝜖 E, on a 𝑚 ≤ 𝑛 ⟹ 𝑢𝑚 ≤ 𝑢𝑛 .
 La suite (𝑢𝑛 ) est dite décroissante lorsque, pour tous 𝑚 et 𝑛 𝜖 E, on a 𝑚 ≤ 𝑛 ⟹ 𝑢𝑚 ≥ 𝑢𝑛 .
 La suite (𝑢𝑛 ) est dite constante lorsque, pour tous 𝑚 et 𝑛 𝜖 E, on a : 𝑢𝑚 = 𝑢𝑛 .

Propriété 1 :
Soit (𝑢𝑛 )𝑛𝜖E une suite numérique.
 Si pour tout 𝑛 𝜖 E 𝑢𝑛+1 ≤ 𝑢𝑛 , alors la suite (𝑢𝑛 ) est croissante.
 Si pour tout 𝑛 𝜖 E 𝑢𝑛+1 ≥ 𝑢𝑛 , alors la suite (𝑢𝑛 ) est décroissante.
 Si pour tout 𝑛 𝜖 E 𝑢𝑛+1 = 𝑢𝑛 , alors la suite (𝑢𝑛 ) est constante.

Exemples :
Etudier le sens de variation de chacune des suites suivantes :
1 1 𝑣𝑜 = −2 𝑡0 = 2
a) 𝑢𝑛 = ; b) 𝑤𝑛 = 2 − ; c) { 2 ; d) {
𝑛(𝑛+1) 2𝑛 𝑣𝑛+1 = 𝑣𝑛 + 𝑣𝑛 + 1 𝑡𝑛+1 = 𝑡𝑛 − 3

I-4 Notion de convergence

I-4-1 Approche
𝑢0 = 4
Soit la suite (𝑢𝑛 )𝑛𝜖ℕ définie par : {
∀𝑛 ∈ ℕ, 𝑢𝑛+1 = √𝑢𝑛
On se propose d’étudier le comportement de cette suite lorsque 𝑛 prend des valeurs « de plus en
plus grande ».
 Approche numérique : Utilisez la calculatrice pour calculer les 20 premiers termes de cette
suite (𝑢𝑛 ). On peut remarquer que si on continue d’appuyer sur la touche √ un grand
nombre de fois, la calculatrice affichera le chiffre 1.

 Approche graphique : Le plan étant muni d’un repère orthonormé (O,I, J) ; on désigne par
(C) la courbe de la fonction 𝑓(𝑥) = √𝑥 et par (D) la droite d’équation 𝑦 = 𝑥.
Construire (C) et (D) sur le même graphique. Placer le terme 𝑢0 sur l’axe des abscisses et
sans les calculer, placer les 8 autres termes consécutifs à 𝑢0 sur l’axe des abscisses
également.
Le graphique permet de conjecturer (prévoir ou supposer à partir d’un constat) que lorsque
n prend des valeurs « de plus en plus grandes », les termes de la suite se rapprochent de
1, ce qui confirme le résultat avec la calculatrice.

I-4-2 Définition et propriété :

 Une suite est dite convergente si elle admet une limite finie.
2
  Unes suite est die divergente si elle n’est pas convergente.

Propriété 2 :
Soit (𝑢𝑛 ) une suite numérique définie par 𝑢𝑛 = 𝑓(𝑛), où f est une fonction numérique.
Si 𝑓 a une limite en alors 𝑢𝑛 a une limite et on a : lim 𝑢𝑛 = lim 𝑓(𝑥).
𝑛⟶+∞ 𝑥→∞
Exemples :

I-5 Etude des suites particulières

I-5-1 Suites arithmétiques

a) Définition :
Une suite arithmétique est une suite numérique dont chaque terme s’obtient en ajoutant au
précédent un nombre réel constant r appelé raison.
C’est à dire la suite (𝑢𝑛 ) est dite arithmétique si pour tout entier naturel 𝑛, 𝑢𝑛+1 = 𝑢𝑛 + 𝑟.
Remarque : Pour démontrer qu’une suite est arithmétique, il suffit de vérifier que 𝑢𝑛+1 − 𝑢𝑛 est
constant et cette constante est la raison.

Application : Les suites arithmétiques interviennent notamment dans le cas des placements avec
intérêts simples.

b) Expression de 𝒖𝒏 en fonction de 𝒏

Théorème 1 :
 Pour une suite arithmétique de premier terme 𝑢0 et de raison r :
𝒖𝒏 = 𝒖𝟎 + 𝒏𝒓 pour tout entier naturel 𝑛.
 Pour une suite arithmétique de premier terme quelconque 𝑢𝑘 et de raison r :
𝒖𝒏 = 𝒖𝒌 + (𝒏 − 𝒌)𝒓 pour tout entier naturel non nul 𝑛.

c) Sens de variation
Théorème 2 :
Une suite arithmétique de raison 𝑟 est :
 Croissance si 𝑟 > 0
 Décroissante si 𝑟 < 0
 Constante si 𝑟 = 0

d) Somme des termes consécutifs d’une suite arithmétique

Théorème 3 :
 Soit 𝑢𝑛 une suite arithmétique de raison 𝑟 et de premier terme 𝑢0 alors :
𝒖𝟎 + 𝒖𝒏
𝑺𝒏 = 𝒖𝟎 + 𝒖𝟏 + 𝒖𝟐 + ⋯ + 𝒖𝒏 = (𝒏 + 𝟏)( )
𝟐
 Soit 𝑢𝑛 une suite arithmétique de raison 𝑟 et de premier terme 𝑢𝑘 alors :
𝒖𝒌 + 𝒖𝒏
𝑺𝒏 = 𝒖𝒌 + 𝒖𝟏 + 𝒖𝟐 + ⋯ + 𝒖𝒏 = (𝒏 − 𝒌 + 𝟏)( )
𝟐
Application :
a) Calculer la somme 𝑆𝑛 = 1 + 2 + 3 + ⋯ + 𝑛 en fonction de 𝑛.

3
 b) Calculer la somme 𝑆 = 𝑢0 + 𝑢1 + 𝑢2 + ⋯ + 𝑢99 sachant que 𝑢𝑛 est une suite arithmétique
et que 𝑢0 = 1 𝑒𝑡 𝑢99 = 199

I-5-2 Suites géométriques

a) Définition :
Une suite géométrique est une suite numérique dont chaque terme s’obtient en multipliant
chaque terme précédent par un nombre réel constant q appelé raison.
C’est à dire la suite (𝑢𝑛 ) est dite géométrique si pour tout entier naturel 𝑛, 𝑢𝑛+1 = 𝑞𝑢𝑛 .
𝒖𝒏+𝟏
Remarque : Pour démontrer qu’une suite est géométrique, il suffit de vérifier que et constant
𝒖𝒏
et cette constante est la raison.

Application : Les suites géométriques interviennent notamment dans le cas des placements avec
intérêts composés.

b) Expression de 𝒖𝒏 en fonction de 𝒏
Théorème 4 :
 Pour une suite géométrique de premier terme 𝑢0 et de raison r :
𝒖𝒏 = 𝒖𝟎 . 𝒒𝒏 pour tout entier naturel 𝑛.
 Pour une suite géométrique de premier terme quelconque 𝑢𝑘 et de raison r :
𝒖𝒏 = 𝒖𝒌 . 𝒒𝒏−𝒌 pour tout entier naturel non nul 𝑛.

c) Sens de variation
Théorème 5 :
Une suite arithmétique de raison 𝑟 est :
 Croissance si 𝑞 > 1
 Décroissante si 𝑞 < 1
 Constante si 𝑞 = 1

d) Somme des termes consécutifs d’une suite géométrique

Théorème 6 :
 Soit 𝑢𝑛 une suite géométrique de raison 𝑞 et de premier terme 𝑢0 alors :
𝟏 − 𝒒𝒏+𝟏
𝑺𝒏 = 𝒖 𝟎 + 𝒖 𝟏 + 𝒖 𝟐 + ⋯ + 𝒖 𝒏 = 𝒖 𝟎 (𝐼𝑐𝑖 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡𝑑𝑒 𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒 𝑛 + 1 𝑡𝑒𝑟𝑚𝑒𝑠 )
𝟏−𝒒
 Soit 𝑢𝑛 une suite géométrique de raison 𝑞 et de premier terme 𝑢𝑘 alors :
𝟏 − 𝒒𝒏−𝒌 + 𝟏
𝑺𝒏 = 𝒖 𝒌 + 𝒖 𝟏 + 𝒖 𝟐 + ⋯ + 𝒖 𝒏 = 𝒖 𝒌
𝟏−𝒒
′
(𝐼𝑐𝑖 𝑖𝑙 𝑠 𝑎𝑔𝑖𝑡𝑑𝑒 𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒 (𝑛 − 𝑘 + 1)𝑡𝑒𝑟𝑚𝑒𝑠 )

Application :
c) Calculer la somme 𝑆𝑛 = 1 + 𝑞 + 𝑞 2 + 𝑞 3 + ⋯ + 𝑞 𝑛 en fonction de 𝑛.
d) Calculer la somme 𝑆 = 𝑢0 + 𝑢1 + 𝑢2 + ⋯ + 𝑢10 sachant que 𝑢𝑛 est une suite géométrique
1
de premier terme 𝑢0 = 2500 𝑒𝑡 de raison 𝑞 = 2

I-6 Application des suites géométriques à la gestion

I-6-1 Valeur acquise et valeur actuelle d’un capital placé avec intérêts composés
4
Un capital 𝐶0 est placé pendant 𝑛 années au taux annuel de 𝑖 = 𝑥% avec intérêts composés.
Au bout d’un an, le capital disponible est : 𝐶1 = 𝐶0 + 𝑖𝐶0 = 𝐶0 (1 + 𝑖).
Au bout de deux ans, le capital disponible est : 𝐶2 = 𝐶1 + 𝑖𝐶1 = 𝐶1 (1 + 𝑖) = 𝐶0 (1 + 𝑖)2 .
Ainsi de suite…
Au bout de 𝑛 années, le capital disponible sera : 𝐶𝑛 = 𝐶0 (1 + 𝑖)𝑛 .
En gestion : 𝑪𝒏 est appelé valeur acquise par le capital 𝐶0 placé pendant 𝑛 années au taux annuel
𝑛 𝐶
de 𝑖 = 𝑥% ; on en déduit que : 𝐶0 = (1+𝑖)𝑛
qui est le capital qui, placé pendant 𝑛 années au taux
annuel de 𝑖 = 𝑥%, avec intérêts composés, permet de disposer du capital 𝐶𝑛 à la fin des 𝑛 années.
En gestion 𝐶0 est appelé valeur actuelle de 𝐶𝑛 .

I-6-2 Exemple de valeur actuelle d’une suite d’annuités constantes

L’achat d’un matériel à crédit est proposé à une entreprise au début de janvier 2023 avec des
modalités suivantes : un taux annuel, assurance comprise de 3,9%, le paiement en trois
versements égaux de 2700€ , à effectuer chaque année, fin décembre. On dit dans ce cas qu’il
s’agit d’un paiement par trois annuités constantes.
On peut réaliser le tableau suivant :
Echéance 1 : Echéance : Echéance 3 :
décembre 2023 décembre 2024 décembre 2025

Plan de financement 1ère annuité 2ème annuité 3ème annuité

pour une livraison 𝑎1 = 2700 𝑎2 = 2700 𝑎3 = 2700
début janvier 2006

Des ventes record à la fin de l’année 2022, permettent à l’entreprise d’envisager de payer le
matériel « comptant », au début de 2023.
Le prix que l’entreprise est prête à payer, « comptant » est naturellement inférieur au prix « à
crédit ». Dans une telle situation, le prix « comptant » que l’usage permet à l’entreprise de
demander à son fournisseur, est la somme des valeurs actuelles au début de 2022 au taux de
3,9% des trois annuités égales, 𝑎1 , 𝑎2 , 𝑎3 . En désignant par 𝑉1, 𝑉2 , 𝑉3 les valeurs actuelles
respectives des trois annuités 𝑎1 , 𝑎2 , 𝑎3 au taux de 3,9% on peut écrire :
𝑎1 𝑎
2 𝑎3
𝑉1 = 1,039, 𝑉2 = (1,039)2 , 𝑉3 = (1,039)3

Le prix que l’entreprise est prête à payer au « comptant » est donc :

𝑎1 𝑎2 𝑎3
𝑉0 = + +
1,039 (1,039)2 (1,039)3
En gestion, on dit que 𝑉0 est la valeur actuelle de la suite d’annuités constantes 𝑎1 , 𝑎2 , 𝑎3 .
On peut transformer cette expression de la manière suivante :
𝑎3 𝑎2 𝑎1 𝑎 𝑎 × 1,039 𝑎(1,039)2
𝑉0 = + + = + +
(1,039)3 (1,039)2 1,039 (1,039)3 (1,039)3 (1,039)3
𝑎 2]
𝑎 1 − (1,039)3
= [1 + 1,039 + (1,039) = ×
(1,039)3 (1,039)3 1 − 1,039
1
𝑎 (1,039)3 − 1 𝑎 (1,039)3 [1 − ]
(1,039)3
= × = ×
(1,039)3 0,039 (1,039)3 0,039

5
 1 − (1,039)−3 1 − (1,039)−3
𝑉0 = 𝑎 × = 2700 × = 7506,99€
0,039 0,039
L’entreprise est donc prête à payer au « comptant » début 2022 le matériel au prix de 7506,99€.

I-6-3 Généralisation :
On considère une suite de 𝑛 annuités constantes égales à 𝒂. On note 𝒊 le taux d’intérêt annuel
pour un franc. On désigne par 𝑉0 la somme des valeurs actuelles des 𝑛 annuités avant le
versement de la première annuité. En procédant comme précédemment, on établit que 𝑉0 est la
𝑎
somme de 𝑛 termes d’une suite géométriques de premier terme et de raison (1 + 𝑖).
(1+𝑖)𝑛
1 −(1+𝑖)− 𝑛
On en déduit que : 𝑉0 = 𝑎 ×
𝑖

I-6-4 Calcul de l’annuité dans le cas d’un emprunt à annuités constantes

Le montant 𝒂, en FCFA , de chacune des 𝑛 annuités, dans le cas d’un emprunt à annuités
constantes de 𝑉0 FCFA, avec un intérêt annuel de 𝒊 pour un capital de un franc est :
𝑖
𝑎 = 𝑉0 ×
1 − (1 + 𝑖)− 𝑛
Exercice 1 :
Un employé dont le salaire annuel brut était de 15000€ en 2023 devait choisir entre deux types
d’augmentation de ce salaire.
1. Proposition 1: Une augmentation fixe 480 par an.
On note 𝑢0 = 15000€ le salaire annuel brut perçu en 2023, 𝑢1 le salaire annuel perçu en
2024, …, 𝑢𝑛 le salaire annuel perçu au cours de l’année (2023 + 𝑛).
a) Calculer 𝑢1 , 𝑢2 , 𝑢3 .
b) Donner pour tout entier naturel 𝑛 l’expression de 𝑢𝑛+1 en fonction de 𝑢𝑛 .
c) En déduire que 𝑢𝑛 est une suite arithmétique dont on caractérisera.
d) Donner, pour tout entier naturel 𝑛, l’expression de 𝑢𝑛 en fonction de 𝑛.
e) Calculer 𝑆 = 𝑢0 +𝑢1 + 𝑢2 + ⋯ + 𝑢11
2. Proposition 2 : Une augmentation annuelle de 3% à partir du salaire précédent.
On note 𝑣0 = 15000€ le salaire annuel brut perçu en 2023, 𝑣1 le salaire annuel perçu en
2024, …, 𝑢𝑛 le salaire annuel perçu au cours de l’année (2023 + 𝑛).
a) Calculer 𝑣1 , 𝑣2 , 𝑣3 .
b) Donner pour tout entier naturel 𝑛 l’expression de 𝑣𝑢𝑛+1 en fonction de 𝑣𝑛 .
c) En déduire que 𝑢𝑛 est une suite arithmétique dont on caractérisera.
d) Donner, pour tout entier naturel 𝑛, l’expression de 𝑣𝑛 en fonction de 𝑛.
e) Calculer 𝑆 = 𝑣0 +𝑣1 + 𝑣2 + ⋯ + 𝑣11
3. Quelle est la proposition la plus avantageuse au cours de l’année 2011 ?
Exercice 2 :
Déterminer la somme s’argent 𝑆 en euros, qu’il faut placer au 01/01/2006, au taux annuel de 3,75%
avec intérêts composés, pour disposer d’un capital C de 1000 au bout de 10 ans.
Exercice 3 :
Déterminer la valeur actuelle 𝐶0 du capital 𝐶10 qui, placé à intérêts composés aujourd’hui au taux
annuel de 3,70% vaudra 5000€ dans 10 ans.

6
Exercice 4 :
On emprunte 100 000€ le 01/01/2020, pour acheter un logement, au taux annuel de 4,23%, sur 15
ans. Cet emprunt est à annuités constantes.
1. Calculer le montant de l’annuité, arrondir au centile d’euro.
2. Calculer le montant total des intérêts versés à l’organisme de crédit au bout de 20 ans, c’est
dire le coût du crédit.
Exercice 5 :
On a placé 1500€ sur un compte épargne il y a quatre ans, jour pour jour, à intérêts composés, au
taux annuel de 3,23%. On souhaite disposer d’une somme de 2000€ dans trois ans.
1. Déterminer la somme 𝑆1 dont on dispose aujourd’hui sur le compte épargne, intérêts
compris
2. Déterminer le montant des intérêts perçus au bout de quatre ans.
3. Déterminer la somme 𝑆2 qu’il faut déposer aujourd’hui sur le compte épargne pour disposer,
sur ce compte de 2000€ dans deux ans.
Exercice 6 :
Un transporteur achète en 2005 un véhicule fourgon de 9 tonnes au prix de 50200€, taxes
comprises. Compte tenu du nombre de kilomètres parcourus, le véhicule perd 20% de sa valeur
chaque année. La perte de chaque année est calculée sur la valeur résiduelle de l’année
précédente.
1. Pour tout entier naturel 𝑛, on note 𝑢𝑛 la valeur résiduelle du véhicule l’année « 2005 + 𝑛 ».
a) Exprimer 𝑢𝑛+1 en fonction de 𝑢𝑛 .
b) En déduire la nature et la raison de la suite 𝑢𝑛 et exprimer 𝑢𝑛 en fonction de 𝑛.
2. Calculer la valeur résiduelle du véhicule en 2010 arrondi à l’euro.
3. Calculer le taux d’évolution, sous de pourcentage, de la valeur du véhicule entre 2005 et
2010 arrondis à 0,01%.

7
CHAP 2 : Espaces Vectoriels
II-1 Introduction à L’algèbre linéaire

L’exemple type de l’espace vectoriel, au niveau de ce cours, est l’espace ℝ𝑛 . Nous noterons le
plus souvent 𝑒 = (𝑥1 , 𝑥2 , . . .,𝑥𝑛 ) un élément (un vecteur) de ℝ𝑛 et nous appellerons coordonnées
du vecteur 𝑒 les nombres réels 𝑥𝑖 . On utilisera toutefois aussi, de temps en temps, la notation en
𝑥1
vecteur colonne 𝑒 = ( ⋮ ). On dispose de deux opérations fondamentales sur ℝ𝑛 :
𝑥𝑛
L’addition :
si 𝑒 = (𝑥1 , 𝑥2 , . . .,𝑥𝑛 ) et 𝑓 = (𝑦1 , 𝑦2 , . . .,𝑦𝑛 ) alors : 𝑒 + 𝑓 = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , . . . , 𝑥𝑛 + 𝑦𝑛 )

La multiplication par un scalaire :

si 𝑒 = (𝑥1 , 𝑥2 , . . .,𝑥𝑛 ) et 𝛼 ∈ ℝ alors 𝛼. 𝑒 =(𝛼𝑥1 , 𝛼𝑥2 , . . .,𝛼𝑥𝑛 )
Bien entendu on ne peut “dessiner” cet espace que lorsque 𝑛 = 1, 2 ou 3. Nous ne formalisons les
propriétés d’un espace vectoriel que dans le paragraphe suivant, mais sur cet exemple les
propriétés sont bien connues. Pourquoi considérer une dimension quelconque? Une première (et
mauvaise?) réponse est que les mathématiciens aiment bien travailler dans la plus grande
généralité possible et que ce sont eux qui décident du contenu des cours de première année. Une
deuxième (et meilleure?) réponse est que presque tous les problèmes de la vie courante moderne
conduisent à des espaces de dimension plus grande que 4. Nous ne pensons pas à l’espace-
temps de dimension 4 dans la théorie d’Einstein, mais à n’importe quelle gestion de banque ou
d’entreprise. Une entreprise qui évalue ses stocks va devoir noter la quantité de liquidités, de biens
immobiliers, de machines, des produits stockés ou fabriqués. Prenons un petit exemple : un
agriculteur produit des pommes de terre, du tournesol, du fourrage, du blé et des olives. Pour noter
sa production annuelle (disons en tonnes) il a besoin d’un vecteur avec cinq coordonnées
𝑃 = (𝑥1 , 𝑥2 , . . .,𝑥5 ). Si la production des mêmes produits par un autre agriculteur est
𝑃′ = (𝑥1′ , . . . , 𝑥5′ ) alors leur production totale sera représentée par la somme des deux vecteurs p
et p0. Si l’on veut la production en kilo du premier, elle sera donnée par le vecteur
1000𝑃 = (1000𝑥1 , 1000𝑥2 , . . .,1000𝑥5 ).
Le bureau des douanes (ministère du commerce extérieur) comptabilise les importations/
exportations de plusieurs milliers de produits (ayant chacun plusieurs paramètres : prix, code du
pays, etc). Il est clair que la manipulation de telles données se fait sur ordinateur et qu’il y a donc
besoin de procédures mathématiques (et de personnel sachant les utiliser!).
Quels sont les problèmes posés qu’on veut résoudre? L’algèbre linéaire est un outil précieux
pour l’étude de la géométrie. Nous aborderons ceci à partir d’exemples. L’archétype du problème
d’algèbre linéaire est un système linéaire :
Exemple (simple) :
On dispose d’un budget de 200F pour préparer une sangria en mélangeant deux proportions de
jus de fruit pour une proportion de vin ; sachant que le vin coûte 20F le litre et le jus de fruit 10F le
litre combien de litres de sangria pourra-t-on préparer?
Appelons 𝑥 le nombre de litres de vin et 𝑦 le nombre de litres de jus de fruits, le problème se
traduit par le système d’équations :

8
 𝑦 = 2𝑥
{
20𝑥 + 10𝑦 = 200
d’où l’on tire aisément 20𝑥 + 10(2𝑥) = 200 et donc 𝑥 = 5 et 𝑦 = 10. On pourra donc préparer
15 litres.
Un système linéaire général à 𝑛 inconnues et 𝑚 équations s’écrit :

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏𝑛

{ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑛
(où les 𝑎𝑖𝑗 et les 𝑏𝑖 sont des constantes et les 𝑥𝑗 sont les inconnues). Si 𝑛 et 𝑚 sont grands (de
l’ordre de quelques milliers par exemple) on ne peut résoudre “à la main” ces systèmes. Les
systèmes linéaires ont tous une structure similaire : si l’on considère le système obtenu en
remplaçant les 𝑏𝑖 par 0, qu’on appelle le système linéaire homogène associé :

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0

{ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0

on voit que les solutions forment un espace vectoriel contenu dans ℝ𝑛 (la définition formelle n’est
donnée qu’au paragraphe suivant) : la somme de deux solutions est encore une solution, le produit
par un scalaire d’une solution est encore une solution. De plus si l’on connaît une solution
particulière du système de départ, toutes les autres sont sommes de la solution particulière et
d’une solution du système homogène.

Exemple : une solution du système

𝑥+𝑦+𝑧= 1
{ 𝑥 − 𝑦 + 2𝑧 = 0
3𝑥 − 𝑦 + 5𝑧 = 1

est donnée par (2, 0, −1) (vérification directe) alors que le système homogène

𝑥+𝑦+𝑧= 0
{ − 𝑦 + 2𝑧 = 0
𝑥
3𝑥 − 𝑦 + 5𝑧 = 0

a pour solutions les vecteurs de la forme (−3𝑡, 𝑡, 2𝑡) avec 𝑡 ∈ ℝ. Ainsi les solutions du système de
départ sont toutes données par (−3𝑡 + 2, 𝑡, 2𝑡 − 1) quand 𝑡 varie.
Ces équations linéaires définissent aussi les objets géométriques simples comme les droites,
les plans :
Dans le plan ℝ𝟐 , l’équation 𝑎𝑥 + 𝑏𝑦 = 𝑐 (où 𝑎, 𝑏, 𝑐 sont des constantes) définit une droite
(sauf si 𝑎 = 𝑏 = 0). Dans l’espace ℝ3 l’équation 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑑 (où 𝑎, 𝑏, 𝑐, 𝑑 sont des
constantes) définit un plan (sauf si 𝑎 = 𝑏 = 𝑐 = 0) mais il faut deux équations pour définir une
droite. Toutefois deux équations linéaires dans ℝ𝟑 ne définissent pas toujours une droite : par
exemple les équations 2𝑥 − 𝑦 + 3𝑧 = 2, −6𝑥 + 3𝑦 − 9𝑧 = −6 définissent un plan.

II-2 Espaces Vectoriels

9
 Ce paragraphe contient la formalisation de la notion d’espace vectoriel. On ne gagne rien à
supposer que le corps de base est toujours ℝ, on travaillera donc sur un corps ℝ, mais dans les
exemples, on supposera dans notre cours K = ℝ. Pour mieux aborder cette notion d’espace
vectoriel, définissons d’abord la nation de corps

II-2-1 Définition 1: Corps

On considère un ensemble K muni de deux lois de composition interne, notées + et × . On dit
que (K; + ; ×) est un corps si et seulement si :
1. (K; + ; ×) est un anneau ;
2. tout élément non-nul de K est inversible pour la loi ×.

Exemple : (ℚ, +; ×), (ℝ; +; ×), (ℂ; +; ×) sont des corps, mais (ℤ; +; ×) n'en est pas un car les seuls
éléments inversibles sont 1 et −1.

II-2-2 Définition 2 : Espace vectoriel

Un espace vectoriel sur un corps K est un ensemble E, muni de deux lois (+, ⋅), la loi + étant
une application de E × E vers E, la loi. (“Multiplication par un scalaire”) étant une application
K × E vers E, telles que :
1. (E, +) est un groupe commutatif (avec élément neutre noté 0 ou 0E).
2. ∀ 𝑎 ∈ K, 𝑥, 𝑦 ∈ E 𝑎. (𝑥 + 𝑦) = 𝑎. 𝑥 + 𝑎. 𝑦
3. ∀ 𝑎, 𝑏 ∈ K, 𝑥 ∈ E (𝑎 + 𝑏). 𝑥 = 𝑎. 𝑥 + 𝑏. 𝑥
4. ∀ 𝑎, 𝑏 ∈ K, 𝑥 ∈ E (𝑎𝑏). 𝑥 = 𝑎. (𝑏. 𝑥)
5. ∀ 𝑥 ∈ E 1. 𝑥 = 𝑥

Convention : On omettra très souvent le point notant la multiplication par un scalaire.

On dira souvent un K-espace vectoriel au lieu d’un espace vectoriel sur K.
Exemples :
- L’ensemble des solutions d’un système linéaire homogène est un espace vectoriel.
- L’ensemble des matrices 𝑚 × 𝑛 est un espace vectoriel.
- Le corps des complexes ℂ est un espace vectoriel de deux façons (au moins) : c’est d’abord
un espace vectoriel sur lui-même, mais c’est aussi un espace vectoriel sur ℝ.
- Si K = ℝ et E = ℝ𝟐 , on définit l'addition de deux vecteurs : X = (𝑥1 ; 𝑥2 ), Y = (𝑦1 ; 𝑦2 ) par
X + Y =(𝑥1 + 𝑦1 ; 𝑥2 + 𝑦2 ) et la multiplication d'un scalaire par un vecteur : Si ∈ ℝ , alors 𝜆 . X =
(𝜆𝑥1 ; 𝜆𝑥2 ). Muni de ces deux lois, ℝ𝟐 a une structure de ℝ-ev. On peut représenter un vecteur
X = (𝑥1 ; 𝑥2 ) deℝ𝟐 par une flèche joignant le point (0; 0) au point (𝑥1 ; 𝑥2 ). L'addition de deux
vecteurs s'obtient en traçant un parallélogramme.

Proposition 1 : Espace produit

Soit K un corps commutatif et E1; E2 ; : : : ; E𝑛 des K-ev. On définit sur E1; E2 ;: : : ; E𝑛 les lois
(𝑥1 ; 𝑥2 ; … ; 𝑥𝑛 ) + (𝑦1 ; 𝑦2 ; … ; 𝑦𝑛 ) = (𝑥1 + 𝑦1 ; 𝑥2 + 𝑦2 ; … ; 𝑥𝑛 + 𝑦𝑛 )

𝜆. (𝑥1 ; 𝑥2 ; … ; 𝑥𝑛 ) = (𝜆𝑥1 ; 𝜆𝑥2 ; … ; 𝜆𝑥𝑛 )

et alors (E1 ; E2 ;: : : ; E𝑛 ; + ; ∙) est un K-ev. Le vecteur nul est (0E1 ; 0E2 ; … ; 0En ).

10
Proposition 2 : Espace de fonctions
Soit A un ensemble quelconque et E un K-ev. On note F(A,E) l'ensemble des fonctions de A
vers E. On définit alors deux lois sur F(A,E) :
A →E
∀(𝑓, 𝑔) ∈ F(A,E), (𝑓 + 𝑔): {
𝑥 ↦ (𝑓𝑥) + 𝑔(𝑥)
A →E
∀(𝑓, 𝑔) ∈ F(A,E), ∀𝜆 ∈ K, 𝜆 ∙ 𝑓 ∶ {
𝑥 ↦ 𝜆 ∙ (𝑓𝑥)
Alors (F(A ,E), + ; ∙) est un K-ev.

II-3 Systèmes libres, Systèmes générateurs

II-3-1 Définitions
Définition 3: Système de vecteurs
Un système de vecteurs dans un espace vectoriel E est un 𝑛-uplet 𝑆 = (𝑢1 ; 𝑢2 ; … ; 𝑢𝑛 ) de vecteurs
de E.

Définition 4: Système libre

On dit qu'un système de vecteurs 𝑆 = (𝑢1 ; 𝑢2 ; … ; 𝑢𝑛 )est libre si et seulement si
∀(𝜆1 ; 𝜆2 ; ⋯ ; 𝜆𝑛 ) ∈ 𝐾 𝑛 , 𝜆1 𝑥1 + 𝜆2 𝑥2 + ⋯ +𝜆𝑛 𝑥𝑛 = 0E ⟹ 𝜆1 = 𝜆2 = ⋯ = 𝜆𝑛 = 0K
Sinon, on dit que le système est lié.

Définition 5: Systèmes générateurs

On dit qu'un système de vecteurs 𝑆 = (𝑢1 ; 𝑢2 ; … ; 𝑢𝑛 ) est générateur d'un espace vectoriel E si et
seulement si tout vecteur de E peut s'exprimer comme combinaison linéaire des vecteurs du
système :
∀𝑢 ∈ 𝐸, ∃(𝜆1 ; 𝜆2 ; ⋯ ; 𝜆𝑛 ) ∈ 𝐾 𝑛 , 𝑡𝑒𝑙 𝑞𝑢𝑒: 𝑢 = 𝜆1 𝑥1 + 𝜆2 𝑥2 + ⋯ +𝜆𝑛 𝑥𝑛

Exercice 1
Dans l'espace ℝ𝟑 , on considère les vecteurs 𝑢1 = (1; 0; 2), 𝑢2 = (1;1;1) et 𝑢3 = (1;1;1). Le système
(𝑢1 ; 𝑢2 ; 𝑢3 ) est-il libre?

Exercice 2
a) Dans le plan ℝ𝟐 , on considère les vecteurs 𝑢1 = (1; 1), 𝑢2 = (2; 3) et 𝑢3 = (2; 2). Montrer que
ces trois vecteurs (𝑢1 ; 𝑢2 ; 𝑢3 ) forment un système générateur.
b) Dans l’espace ℝ𝟑 , on considère les vecteurs 𝑣1 = (1; 0; 1), 𝑣2 = (1; -1; 1) et 𝑣3 = (0; 1; 1). Le
système (𝑣1 ; 𝑣2 ; 𝑣3 ) est-il générateur?
c) Dans l'espace ℝ𝟑 , on considère les vecteurs 𝑢1 = (1; 0; 2), 𝑢2 = (1;1;1) et 𝑢3 = (1;1;1). Le
système (𝑢1 ; 𝑢2 ; 𝑢3 ) est-il générateur?

Définition 6 : Bases
On dit qu'un système de vecteurs 𝑆 = (𝑢1 ; 𝑢2 ; … ; 𝑢𝑛 ) est une base de l'espace vectoriel E si et
seulement si :
1. le système 𝑆 est libre ;
2. le système 𝑆 est générateur.

11
Remarque : Cela signifie que tout vecteur de E s'écrit de façon unique comme combinaison
linéaire de vecteurs de 𝑆.

II-4 Applications linéaires

II-4-1 Approche

On parle de linéarité quand on applique la proportionnalité (appelée aussi le prorata) et que l’on
calcule à l’aide de la fameuse, difficile, élémentaire « règle de trois » :
Si 8,75 mètres de tissu coûtent 450€, alors
12 × 450
- 12 mètres de tissu coûtent € = 𝑓(12)
8,75
3 × 450
- 3 mètres de tissu coûtent € = 𝑓(3)
8,75
𝑥× 450
- x mètres de tissu coûtent € = 𝑓 (𝑥 )
8,75

L’application f de ℝ dans ℝ ainsi définie par la « règle de trois » est de la forme 𝑥 ↦ 𝑓 (𝑥) = 𝑎𝑥
où a est un nombre réel non nul.

II-4-2 Définition 7 :
On désigne par E et F deux ℝ-espaces vectoriels et par f une application de E dans F.
On dit que f est une application linéaire de E dans F si les deux conditions suivantes sont
satisfaites :
1. ∀(𝑢, 𝑣) ∈ E 2 , 𝑓(𝑢 + 𝑣) = 𝑓(𝑢) + 𝑓(𝑣)
2. ∀ 𝑢 ∈ 𝐸, ∀ 𝜆 ∈ ℝ 𝑓(𝜆𝑢) = 𝜆𝑓(𝑢)
Propriété 1.
On désigne par E et F deux ℝ-espaces vectoriels et par f une application de E dans F.
On dit que f est une application linéaire de E dans F si et seulement si :
∀(𝑢, 𝑣) ∈ E 2 , ∀(𝛼, 𝛽) ∈ ℝ𝟐 , 𝑓(𝛼𝑢 + 𝛽𝑣) = 𝛼𝑓(𝑢) + 𝛽𝑓(𝑣)
Commentaire : La définition et la propriété sont équivalentes. La propriété quant à elle se résume
à:
F est une application linéaire si ∀ 𝑢1 ; 𝑢2 ; … ; 𝑢𝑛 ∈ E, ∀ 𝛼1 ; 𝛼2 ; … ; 𝛼𝑛 ∈ ℝ,
𝑛 𝑛

𝑓 (∑ 𝛼𝑖 𝑢𝑖 ) = ∑ 𝛼𝑖 𝑓(𝑢𝑖 )
𝑖=1 𝑖=1
NB : On désigne par ℒ(E, F) l’ensemble des applications linéaires de E dans F.

Théorème 1:
Soit E et F deux ℝ espaces vectoriels, {𝑢 ⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑢2 , . . ., ⃗⃗⃗⃗
𝑢𝑛 } une base de E et S = {𝑣
⃗⃗⃗⃗1 , ⃗⃗⃗⃗
𝑣2 , . . ., ⃗⃗⃗⃗
𝑣𝑛 } un
système quelconque de n vecteurs de F. Alors Il existe une application linéaire 𝜑 et une seule telle
que : 𝜑(𝑢 ⃗⃗⃗⃗1 ) = ⃗⃗⃗⃗
𝑣1 , . . . , 𝜑(𝑢
⃗⃗⃗⃗𝑛 ) = ⃗⃗⃗⃗
𝑣𝑛

Exercices d’applications directes

Exercice 3 :
Soit a un nombre réel et f une application de ℝ dans ℝ définie par f(x) = ax. Montrer que f est une
application linéaire.
Exercice 4 :

12
Soit a, b deux nombres réels et f l’application affine de ℝ dans ℝ définie par f(x) = ax + b. Vérifier
si f est une application linéaire.
Exercice 5 :
Soit l’application 𝜑 définie par 𝜑 : ℝ𝟐 ⟶ ℝ𝟑
(𝑥, 𝑦) ↦ 𝜑(𝑥, 𝑦) = (𝑥 + y; 𝑥 − y; 𝑥 + 2y)
Montrer que cette application est linéaire.
Exercice 6 :
Soit l’application 𝜑 définie par 𝜑 : ℝ𝟑 ⟶ ℝ𝟐
⃗ = (𝑥, 𝑦, 𝑧) ↦ 𝜑(𝑢
𝑢 ⃗ ) = (𝑥 + y + z; 𝑥 − y + z)
a. Montrer que 𝜑 est une application linéaire.
b. On note 𝑒 = (𝑒⃗⃗⃗1 ; ⃗⃗⃗ 𝑒3 ) la base canonique de ℝ𝟑 . Déterminer 𝜑(𝑒⃗⃗⃗1 ) , 𝜑(𝑒⃗⃗⃗2 ), 𝜑(𝑒⃗⃗⃗3 )
𝑒2 ; ⃗⃗⃗

13
CHAP 3 : Matrices
III-1 Matrices et déterminants
III-1-1 Définition
Une matrice A d‘ordre (n, m) est un tableau de n x m nombres 𝒂𝒊𝒋 rangés sur n lignes et p colonnes.
Les nombres 𝒂𝒊𝒋 sont les termes de la matrice A. Le premier indice i indique le numéro de la ligne
et le second indice j indique le numéro de la colonne. Le terme 𝒂𝒊𝒋 est donc l‘intersection de la
ième ligne et de la jème colonne. On note la matrice A : A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛
𝑗=1,… ,𝑚

 On dit que A est de format (m, n), ou de type (m, n). Pour indiquer que A est une matrice
avec m lignes et n colonnes on pourra noter A(m, n).
 Enfin on désigne par (m, n) l’ensemble des matrices de format (m, n).
 Si n = 1, A(m,1) est dite matrice colonne.
 Si m = 1, A(1, n) est dite matrice ligne.
Exemples :
1
3 0
a. 𝐴 = [ 1 ] ; 𝐵 = [−1] ; 𝐶 = [ 0 ] sont des matrices colonnes
1
−2 −2 −2
−2 4 1 5
b. 𝑀 = [ 1 −2] ; 𝑁 = [0 −2] sont des matrices (3, 2)
0 1 0 2
1 3 2 1 0 0
c. 𝑃 = [0 −1 3] ; 𝑄 = [0 1 0] sont des matrices (3 ; 3)
2 −3 0 0 0 1
NB : si m=n alors on dit que A est une matrice carrée d’ordre n.
1 0 0
La matrice I 3 = [0 1 0] est appelé matrice identité d’ordre 3.
0 0 1
Remarque : Deux matrices sont égales si et seulement si les termes correspondants sont
identiques, c‘est à dire qu‘elles sont formées des mêmes éléments placés aux même endroits.

III-2 Matrice d’un vecteur dans une base

Soit E un K-ev de dimension finie n de base 𝑒 = (𝑒⃗⃗⃗1, ⃗⃗⃗
𝑒2 , . . ., ⃗⃗⃗⃗
𝑒𝑛 ).
Soit 𝑥 ∈ E un vecteur qui se décompose sur la base 𝑒 en : 𝑥 = 𝑥1 ⃗⃗⃗ 𝑒1 + 𝑥2 ⃗⃗⃗
𝑒2 + ⋯ + 𝑥𝑛 ⃗⃗⃗⃗
𝑒𝑛
On appelle matrice de 𝑥 dans la base 𝑒, la matrice 𝑛 × 1

14
 𝑥1
𝑀𝑎𝑡𝑒 (𝑥) = ( ⋮ )
𝑥𝑛
III-3 Matrice d’un système de vecteurs dans une base
Avec les notations précédentes, soit 𝑆 = (𝑥
⃗⃗⃗1 , ⃗⃗⃗⃗
𝑥2 , … , ⃗⃗⃗⃗
𝑥𝑝 ) un système p vecteurs de E, qui se
𝑥𝑗 = ∑𝑛𝑖=1 𝑥𝑖𝑗 ⃗⃗𝑒𝑖 . On appelle matrice du système 𝑆
décompose dans la base 𝑒 sous la forme : ⃗⃗⃗
𝑥11 ⋯ 𝑥1𝑝
dans la base 𝑒, la matrice 𝑛 × 𝑝 définie par : 𝑀𝑎𝑡𝑒 (𝑆) = ( ⋮ … ⋮ )
𝑥𝑛1 … 𝑥𝑛𝑝

III-4 Matrice associée à une application linéaire dans deux bases

III-4-1 Ecriture matricielle

Soit E un ℝ-e.v de dimension n et ℬ𝐸 = (𝑒⃗⃗⃗1, ⃗⃗⃗ 𝑒2 , . . ., ⃗⃗⃗⃗

𝑒𝑛 ) une base de E. Soit F un ℝ-e.v de dimension
m et ℬ𝐹 = (𝑓⃗⃗⃗1 , ⃗⃗⃗
𝑓2 , . . ., ⃗⃗⃗
𝑓𝑛 ) une base de F. Enfin, soit 𝜑 application linéaire de E dans F.
D’après le théorème 1, 𝜑 est entièrement déterminée si l’on connaît chacun des vecteurs de la
famille {𝜑(𝑒⃗⃗⃗1 ), 𝜑(𝑒⃗⃗⃗2 ), . . ., 𝜑(𝑒⃗⃗⃗⃗𝑛 )}, ce qui revient à connaître les composantes dans la base ℬ𝐹 de
chacun des vecteurs 𝜑(𝑒 ⃗⃗𝑗 ), j = 1, . . . , n. On réintroduit ici la nouvelle notation à deux indices. Ainsi
on écrira :
𝜑(𝑒⃗⃗⃗1 ) = 𝑎11 ⃗⃗⃗
𝑓1 + 𝑎21 ⃗⃗⃗
𝑓2 + ⋯ + 𝑎𝑚1 ⃗⃗⃗⃗
𝑓𝑚
𝜑(𝑒⃗⃗⃗2 ) = 𝑎12 ⃗⃗⃗
𝑓1 + 𝑎22 ⃗⃗⃗
𝑓2 + ⋯ + 𝑎𝑚2 ⃗⃗⃗⃗
𝑓𝑚
⋮
𝜑(𝑒⃗⃗⃗𝐽 ) = 𝑎1𝑗 ⃗⃗⃗
𝑓1 + 𝑎2𝑗 ⃗⃗⃗
𝑓2 + ⋯ + 𝑎𝑚𝑗 ⃗⃗⃗⃗
𝑓𝑚
⋮
{𝜑(𝑒⃗⃗⃗⃗𝑛 ) = 𝑎1𝑛 ⃗⃗⃗
𝑓1 + 𝑎2𝑛 ⃗⃗⃗
𝑓2 + ⋯ + 𝑎𝑚𝑛 ⃗⃗⃗⃗
𝑓𝑚
Ces 𝑛 égalités déterminent entièrement l’application linéaire 𝜑. Elles sont définies par le biais de
𝑚 × 𝑛 nombres réels notés (𝑎𝑖𝑗 )𝑖=1,…,𝑚
𝑗=1,… ,𝑛
Il est commode de représenter ces n égalités de la manière suivante afin d’éviter la répétition
d’écriture des vecteurs ⃗⃗⃗
𝑓1 , ⃗⃗⃗
𝑓2 , . . ., ⃗⃗⃗
𝑓𝑛 de la base ℬ𝐹 :

𝜑(⃗⃗⃗⃗ 𝑒2 ) ⋯ 𝜑(𝑒⃗⃗⃗𝑗 ) ⋯ 𝜑(⃗⃗⃗⃗

𝑒1 ) 𝜑(⃗⃗⃗⃗ 𝑒𝑛 )

𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛 ⃗⃗⃗

𝑓1
𝑎21 𝑎22 ⋯ 𝑎2𝑗 … 𝑎2𝑛 ⃗⃗⃗
𝑓2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 ⃗⃗𝑓𝑖
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 … 𝑎𝑚𝑛 ] 𝑓⃗⃗⃗⃗
𝑚
Ainsi apparaît le tableau A tel que :

15
 𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑗 … 𝑎2𝑛
⋮ ⋮ ⋮ ⋮
A= ⋮ ⋮
… 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 ← 𝑙𝑖𝑔𝑛𝑒 𝑖
𝑎𝑖1 𝑎𝑖2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 … 𝑎𝑚𝑛 ]
↑
𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑗

où la 𝑗 − 𝑖è𝑚𝑒 colonne est celle des composantes du vecteur 𝜑(𝑒 ⃗⃗⃗1 , 𝑓

⃗⃗𝑗 ) dans la base ℬ𝐹 = (𝑓 ⃗⃗⃗2 , . . .,
⃗⃗⃗𝑛 ). Le tableau A ci-dessus de 𝑚 × 𝑛 nombres réels 𝑎𝑖𝑗 rangés en 𝑚 lignes et 𝑛 colonnes s’appelle
𝑓
une matrice de type (𝑚, 𝑛) ou encore de format (𝑚, 𝑛) et représente ainsi la matrice de l’application
linéaire .

Exercices d’applications
Exercice 7 :
Soit l’application linéaire de l’exercice 3 𝜑 définie par :
𝜑 : ℝ𝟐 ⟶ ℝ𝟑
⃗ = (𝑥, 𝑦) ↦ 𝜑(𝑢
𝑢 ⃗ ) = (𝑥 + y; 𝑥 − y; 𝑥 + 2y);
On choisit dans ℝ𝟐 la base canonique ⃗⃗⃗ 𝑒2 = (0, 1) et dans ℝ𝟑 la base canonique :
𝑒1 = (1, 0) ; ⃗⃗⃗
⃗⃗⃗
𝑓1 = (1, 0, 0), ⃗⃗⃗
𝑓2 = (0, 1, 0) , ⃗⃗⃗
𝑓3 = (0, 0, 1)
a. Déterminer 𝜑(𝑒⃗⃗⃗1 ) et 𝜑(𝑒⃗⃗⃗2 )
b. Ecrire la matrice A de 𝜑 dans les bases considérées.
c. Quel est le type de matrice obtenu ?

Exercice 8 :

Soit l’application linéaire de l’exercice 4 définie par :

𝜓 : ℝ𝟑 ⟶ ℝ𝟐
⃗ ) = (𝑥 + y + z; 𝑥 − y + z) ;
⃗ = (𝑥, 𝑦, 𝑧) ↦ 𝜓(𝑢
𝑢
On choisit dans ℝ𝟑 (respectivement dans ℝ𝟐 ) la base canonique : ⃗⃗⃗
𝑒1 = (1, 0, 0);
𝑒3 = (0, 0, 1) (respectivement la base canonique de : ⃗⃗⃗
𝑒2 = (0, 1, 0), ⃗⃗⃗
⃗⃗⃗ 𝑓1 = (1, 0), ⃗⃗⃗
𝑓2 = (0, 1)).
𝑒1 ) , 𝜓(𝑒
a. Déterminer 𝜓(⃗⃗⃗⃗ ⃗⃗⃗2 ) et 𝜓(⃗⃗⃗⃗
𝑒3 )
b. Ecrire la matrice B de 𝜓 dans les bases considérées.
c. Quel est le type de matrice obtenu ?

III-5 Transposée d’une Matrice

Soit la matrice A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛 . On appelle matrice transposée de A notée tA la matrice obtenue
𝑗=1,… ,𝑚

en échangeant lignes et colonnes dans la matrice A : tA = (𝑎𝑗𝑖 )𝑗=1,…,𝑚

𝑖=1,… ,𝑛
Théorème : Produit et transposée
Soit deux matrices A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛 et B= (𝑏𝑖𝑗 )𝑖=1,…,𝑚 . Alors t(AB)= t B t A
𝑗=1,… ,𝑚 𝑗=1,… ,𝑝
16
Exemples :

III-6 Opérations sur les matrices

De manière technique on va apprendre à additionner deux matrices de même format,
multiplier une matrice par un scalaire et, enfin, multiplier une matrice de format (m, p) par une
matrice de format (p, n). Les deux premières opérations sont simples, quasi naturelles. Il n’en est
rien pour la troisième, c’est-à dire la multiplication des matrices entre elles.
Ensuite il s’agira de faire le lien avec les opérations d’addition, de multiplication par un scalaire
et de composition des applications linéaires d’un espace vectoriel dans un autre. Cela donnera
tout son sens aux opérations sur les matrices.

III-6-1 Addition de deux matrices de même format

Soit A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛 et B = (𝑏𝑖𝑗 ) 𝑖=1,…,𝑛 deux matrices de même format (n, m). On définit la
𝑗=1,… ,𝑚 𝑗=1,… ,𝑚

somme A + B de A et de B par :
A + B = (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) 𝑖=1,…,𝑛
𝑗=1,… ,𝑚
Exemples :

III-6-2 Produit d’une matrice par un scalaire

Soit A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛 une matrice de format (n,m) et 𝛼 ∈ ℝ, un scalaire. On définit le produit 𝛼 ∈ ℝ
𝑗=1,… ,𝑚
par A comme suit : 𝛼𝐴 = (𝛼. 𝑎𝑖𝑗 ) 𝑖=1,…,𝑛
𝑗=1,… ,𝑚
Exemple :
3 1
1
2 2
1 3 2 1 1 3
𝑃 = [0 −1 3] ⇒ 𝑃 = 0 −
2 2 2
2 −3 0
3
[1 − 2 0]

17
III-6-3 Produit de deux matrices carrées
Soit deux matrices A = (𝑎𝑖𝑗 )𝑖=1,…,𝑛 et B= (𝑏𝑖𝑗 ) 𝑖=1,…,𝑝 . On définit la matrice produit AB =(𝑐𝑖𝑗 ) 𝑖=1,…,𝑛
𝑗=1,…,𝑝 𝑗=1,…,𝑚 𝑗=1,… ,𝑝
𝑚
comme suit : ∀(𝑖, 𝑗) ∈ [1, 𝑛] × [1, 𝑝]; 𝑐𝑖𝑗 = ∑𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗

 Le produit AB n’est défini que si le nombre de colonnes de A est égal au nombre de lignes
de B.
 La matrice AB est de format (𝑛, 𝑚) où n est le nombre de lignes de A et 𝑚 le nombre de
colonnes de B.
Exemples :
a. Le produit d’une matrice A (1, p) = [𝑎11 , 𝑎12 , … ; 𝑎1p ] par une matrice colonne
𝑏11
𝑏21
B(p, 1) = est la matrice AB de format (1, 1) défini par : AB = (𝑐𝑖𝑗 ) 𝑖=1 = [𝑐11 ] avec
⋮ 𝑗=1
[𝑏𝑝1 ]
𝑐11 = 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31 + ⋯ + 𝑎1𝑝 𝑏𝑝1
b. Produit d’une matrice A(3, 2) par une matrice B(2, 2)
𝑎11 𝑎12 𝑎11 𝑏11 + 𝑎12 𝑏21 𝑎11 𝑏12 + 𝑎12 𝑏22
𝑎 𝑎 𝑏11 𝑏12
[ 21 22 ] × [ ] = [𝑎21 𝑏11 + 𝑎22 𝑏21 𝑎21 𝑏12 + 𝑎22 𝑏22 ]
𝑎31 𝑎32 𝑏21 𝑏22
𝑎31 𝑏11 + 𝑎32 𝑏21 𝑎31 𝑏12 + 𝑎32 𝑏22

2 1 0 −1 1 2 −4 0 0
c. M =[ 0 1 −2] ; N = [−2 −2 −4] Alors : MN = [ 0 −4 0 ]
−1 0 1 −1 1 2 0 0 −4

Exercice 9 :
On donne les matrices suivantes :
2 1 0 0 1 −1 1 2 3 −1 1 2
1 −1
M =[ 0 1 −2] ; A = [4 −3 4 ] ; 𝐵 = [2 3 1] ; N = [−2 −2 −4] ; P = [ ];
2 4
−1 0 1 3 −3 4 0 1 1 −1 1 2

2 −2
𝑄=[ ]
1 −3
Calculer chacun des produits suivants : AB; AN ; BA; NM ; PQ ; QP et AM

Exercice 10 :
ℝ𝟑 ⟶ ℝ𝟐
Soit deux applications linéaires 𝜑 : { et
(𝑥, 𝑦, 𝑧) ↦ (𝑥 − y; 𝑥 + y + z)
ℝ𝟐 ⟶ ℝ𝟑
𝜓:{ . On note 𝑒 la base canonique de ℝ𝟑 et 𝑓 la base canonique
(𝑥, 𝑦, 𝑧) ↦ (𝑥 + 𝑦; 𝑥 + 2𝑦; 𝑥 − 𝑦)
de ℝ𝟐 .
1. Ecrire 𝑀𝑎𝑡𝑒,𝑓 (𝜑) et 𝑀𝑎𝑡𝑓,𝑒 (𝜓)
2. Ecrire 𝑀𝑎𝑡𝑒,𝑒 (𝜓𝑜𝜑) et 𝑀𝑎𝑡𝑓,𝑓 (𝜑𝑜𝜓)
3. Donner l’expression analytique de 𝜑𝑜𝜓 et 𝜓𝑜𝜑

Exercice 11 :
Soit l’espace E = ℝ𝟐 et les deux vecteurs 𝑓1 = (1 ; 2), 𝑓2 = (1 ; 3).

18
1. Montrer que le système 𝑓 = ( 𝑓1 ; 𝑓2 ) est une base de E.
2. Soit e la base canonique de ℝ𝟐 . Ecrire la matrice de passage P de 𝑒 vers 𝑓.
3. Soit le vecteur 𝑥 = (4;1). Trouver matriciellement les coordonnées du vecteur x dans la base f.
E⟶E
4. Soit l'endomorphisme 𝑢 : : {(𝑥,
𝑦) ↦ (2𝑥 + 𝑦; 𝑥 − 𝑦)
Ecrire les matrices de 𝑢 dans les bases 𝑒 et 𝑓 : 𝑀𝑎𝑡𝑒 (𝑢)) et 𝑀𝑎𝑡𝑓 (𝑢)).

III-7 Inverse d’une matrice carrée

Soit A = (𝑎𝑖𝑗 ) 𝑖=1,…,𝑛 une matrice de carrée d’ordre 𝑛. La matrice A est inversible (on dit aussi
𝑗=1,… ,𝑝
régulière) s’il existe une matrice B, carrée d’ordre 𝑛., telle que : AB = BA = In où In est la matrice
unité d’ordre 𝑛..
 Si B existe, B est unique et on note B = A−1
 A−1 est appelée la matrice inverse de A
 On montre qu’il suffit de vérifier l’une des deux égalités AB = In ou BA = In pour être assuré
de l’existence de B = A−1 la matrice inverse de A.

Remarque : Si A et B sont inversibles, la matrice (AB) est inversible et admet pour inverse la
matrice (B−1 A−1 ).

Exercice 12 :
0 1 −1 2 1 0 −1 1 2
On donne les matrices suivantes : A = [4 −3 4 ] ; M = [ 0 1 −2] ; N = [−2 −2 −4]
3 −3 4 −1 0 1 −1 1 2
a. Calculer A2 et en déduire A−1
b. Calculer MN et en déduire M −1

III-7-1 Recherche de l’inverse d’une matrice

Exemple :
1 5 −1
a. Soit la matrice A = [0 −2 1 ]. Conséquence directe de la définition, la recherche de A−1
0 2 1
revient à résoudre l’équation matricielle AB = I3 . Pour cela posons :
𝑎 𝛼 𝑥
A−1 = [𝑏 𝛽 𝑦] la matrice inconnue dont on veut calculer les 9 coefficients.
𝑐 𝛾 𝑧
L’équation AA−1 = I3 s’écrit :
1 5 −1 𝑎 𝛼 𝑥 1 0 0
[0 −2 1 ] × [𝑏 𝛽 𝑦 ] = [0 1 0 ]
0 2 1 𝑐 𝛾 𝑧 0 0 1

D’où les trois systèmes linéaires suivants à trois inconnues chacun, respectivement a, b, c ; α, β,
γ ; x, y, z.
𝑎 + 5𝑏 − 𝑐 = 1
{ −2𝑏 + 𝑐 = 0
2𝑏 + 2𝑐 = 0
La solution via la méthode du pivot de Gauss donne 𝑎 = 1, 𝑏 = 0, 𝑐 = 0
19
 α + 5β + γ = 0
{ −2β + γ = 1
2β + 2γ = 0
1 1
La solution via la méthode du pivot de Gauss donne α = 2, β = - , γ =
3 3

𝑥 + 5y − 𝑧 = 0
{ −2y + 𝑧 = 0
2y + 2𝑧 = 1
1 1 1
La solution via la méthode du pivot de Gauss donne 𝑥 = − , y = , z=
2 6 3
D’où finalement la matrice inverse de A est donnée par :
1
1 2
2
1 1
A−1 = 0 −
3 6
1 1
[0 3 3]

III-8 Ecriture sous forme matricielle d’un système linéaire de 𝒏 équations à 𝒏 inconnues
Définition 9 :
On appelle système linéaire de n équations à n inconnues tout système qui peut se mettre sous la
forme :
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
(𝑆) ∶ { 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
Les inconnues sont les 𝑛 nombres réels 𝑥1 , . . . , 𝑥𝑛 . Les 𝑛2 nombres réels 𝑎𝑖𝑗 ; 1≤ i ≤ n ; 1≤ j ≤ n;
sont les coefficients. Les 𝑛 nombres 𝑏1 , . . . , 𝑏𝑛 sont les seconds membres.
Si 𝑏1 = 𝑏2 = . . . = 𝑏𝑛 = 0, on dit que le système est homogène. D’après les règles du produit
matriciel, le système (𝑆) est représenté par l’égalité matricielle où X est l’inconnue :

AX = B

𝑥1 𝑏1
𝑥2
X =[ ] et B = [𝑏2 ]
Avec A = ⋮ ⋮
𝑥𝑛 𝑏𝑛

Résoudre l’équation (𝑆) c’est déterminer toutes les matrices colonnes X solutions
Si la matrice A est inversible, l’équation AX = B admet la solution unique : X = 𝐀−𝟏 B.

Exercice 13 :

Résoudre les systèmes suivants en utilisant la méthode ci-dessus

20
 y − 𝑧 = 4 2𝑥 + 𝑦 = 3 𝑥 + 2𝑦 + 𝑧 = 8
(𝑆1 ) ∶ {4𝑥 −3y + 4 𝑧 = 5 ; (𝑆2 ): {𝑦 − 2𝑧 = −6 ; (𝑆3 ): { 𝑦+𝑧 =4
3𝑥 − 3y + 4𝑧 = 1 −𝑥 + 𝑧 = 4 3𝑥 + 𝑦 + 2𝑧 = 10

2𝑥 + 𝑦 + 3𝑧 = 7 𝑥+𝑦+𝑧 =4
(𝑆4 ): {𝑥 + 2𝑦 + 3𝑧 = 13 ; (𝑆5 ): {2𝑥 − 𝑦 + 𝑧 = 4
2𝑥 + 2𝑦 + 4𝑧 = 9 𝑥−𝑧 = 1

21
CHAP 4 : Déterminant d’une matrice carrée
IV-1 Déterminant d’ordre 2
𝑎11 𝑎12
Soit la matrice A = [𝑎 ] carrée d’ordre 2 ; le déterminant de A se note det(A) et est donné
21 𝑎22
𝑎11 𝑎12
par la formule det(A) = |𝑎 | = 𝑎11 𝑎22 − 𝑎21 𝑎12
21 𝑎22
2 3 2 3
Exemple : A = [ ] et det(A) =| | = 2(−4) − 1 × 3 = −11
1 −4 1 −4

IV-2 Déterminant d’ordre 3 (Méthode de Sarrus)

𝑎11 𝑎12 𝑎13
Soit 𝐴 = [ 21 𝑎22
𝑎 𝑎23 ]
𝑎31 𝑎32 𝑎33
Pour calculer le déterminant d‘ordre 3 de cette matrice, on utilise la règle de Sarrus. Ainsi, on écrit
les trois colonnes de la matrice puis on répète la première et la deuxième colonne comme illustré
ci-dessous. Ensuite, on fait le produit des nombres situés sur chacune des diagonales indiquées
et on l‘affecte du signe correspondant. Le déterminant est alors la somme des termes ainsi
obtenus.

det(A) = 𝑎11 𝑑𝑒𝑡 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − [𝑎13 𝑎22 𝑎31 + 𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎21 𝑎33 ]
NB : Attention cette règle n’est valable que pour les déterminants de matrices (3, 3).
D’autre part, on note que :

IV-3 Déterminant d’ordre 3 : Règle générale

𝑎11 𝑎12 𝑎13
Soit 𝐴 = [ 21 𝑎22 𝑎23 ]
𝑎
𝑎31 𝑎32 𝑎33
𝑎22 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
det (A) = 𝑎11 𝑑𝑒𝑡 [𝑎 𝑎33 ] − 𝑎12 𝑑𝑒𝑡 [𝑎31 𝑎33 ] + 𝑎13 𝑑𝑒𝑡 [𝑎31 𝑎32 ]
32

On dit que l’on a calculé le déterminant suivant la ligne i = 1.

On peut aussi vérifier que :
 det(A) = ∑3𝑗=1(−1)𝑖+𝑗 𝑎𝑖𝑗 det(𝐴̃𝑖𝑗 ) pour i = 1, i = 2, i = 3. On dit que l’on a calculé le déterminant
suivant la ligne i.
 det(A) = ∑3𝑖=1(−1)𝑖+𝑗 𝑎𝑖𝑗 det(𝐴̃𝑖𝑗 ) pour j = 1, j = 2, j = 3. On dit que l’on a calculé le déterminant
suivant la ligne j.
Exercice 14 :
Calculer les déterminants des matrices de l’exercice 10
22
IV-4 Cas d’une matrice (𝒏, 𝒏)
On définit le déterminant d’une matrice (n, n) à partir de n déterminants de matrices (n−1, n−1). . .
c’est-à-dire à partir de n×(n−1) ×・・・×3 déterminants de matrices (2, 2).
̃ ij ) pour i = 1,…,n. On dit que l’on a calculé le déterminant
 det(A) = ∑𝑛𝑗=1(−1)𝑖+𝑗 𝑎𝑖𝑗 det(A
suivant la ligne i.
̃ ij ) pour j = 1,…,n. On dit que l’on a calculé le déterminant
 det(A) = ∑𝑛𝑖=1(−1)𝑖+𝑗 𝑎𝑖𝑗 det(A
suivant la ligne j.
Exercice 15 :
Calculer le déterminant de chacune des matrices carrées d’ordre 4 suivantes (l’objectif ici c’est
de vous amener à vous familiariser à la formule et d’apprendre à bien l’appliquer )
2 2 3 4 2 −3 −1 −1
K = [1 1 1 1] ; H = [5 0 4 0 ]
0 2 4 3 3 −1 4 4
4 1 9 5 0 1 1 2

IV-5 Calcul de l’inverse d’une matrice par la méthode des déterminants

Point méthode
Etape 1 : On calcule les 𝑛2 cofacteurs 𝑐𝑖𝑗 ∈ ℝ tels que :
𝑐𝑖𝑗 = (−1)𝑖+𝑗 det(A ̃ ij ) ; 𝑖 ∈ {1, . . . , 𝑛}, 𝑗 ∈ {1, . . . , 𝑛} ; où chaque sous-matrice A
̃ ij est obtenue en
enlevant la ligne i et la colonne j de la matrice A.

Etape 2 : On forme la matrice C= (𝑐𝑖𝑗 ) 𝑖=1,…,𝑛 dite matrice des cofacteurs.

𝑗=1,… ,𝑛
Étape 3 : On calcule det(A) après avoir choisi une ligne i auquel cas det(A) = ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑐𝑖𝑗 , ou bien

une colonne j auquel cas det(A) = ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑐𝑖𝑗 .

Étape 4 : Si det(A) ≠ 0, alors la matrice A est inversible et on aura pour cela :
1
A−1 = det(A) CT où CT est la matrice transposée de la matrice des cofacteurs.

IV-6 Utilisation des Matrices en gestion

Considérons une entreprise qui fabrique (P) produits O1, O2, …,Op à partir de (n) composants I1,
I2,…, In. Les In peuvent être de la matière première, du travail, de l‘énergie …etc. Ils sont appelés
« inputs », ils entrent dans la chaîne de production. Les Oj sont appelés « outputs », ils sortent de
la chaîne de production. Désignons par 𝑎𝑖𝑗 le nombre d‘unité de l‘input Ii nécessaires à la fabrication
de l‘output Oj.
𝑎𝑖𝑗 est le coefficient technique ou coefficient « input –output ».
La matrice A = (𝑎𝑖𝑗 ) est la matrice technologique de production ou la matrice d‘input-output.
O1 O2 … Op

23
 𝑎11 𝑎12 … 𝑎1𝑝
… … … …
𝑎
A= 𝑖1 𝑎𝑖2 … 𝑎𝑖𝑝 li
… …
… …
[𝑎𝑛1 𝑎𝑛2 … 𝑎 ]
𝑛𝑝

Exemple : On considère une entreprise qui fabrique deux produits P1 et P2 à partir de trois
matières premières Ma, Mb et Mc. La fabrication d‘une unité de P1 nécessite deux unités de la
matière première Ma, trois unités de Mb et une seule unité de Mc. La fabrication d‘une unité de
P2 nécessite trois unités de la matière première Ma, quatre unités de Mb et deux unités de Mc.
La matrice technologique relative à cet exemple de production est la suivante :
2 3
𝐀 = (3 4 )
1 2

24
CHAP 5 : Réduction des matrices carrées
V-1 Polynôme caractéristique et diagonalisation d’une matrice carrée
Définition 10 : Polynôme caractéristique et valeurs propres d’une matrice
Soit A une matrice carrée dans une base donnée ; on appelle polynôme caractéristique de la
matrice A le polynôme définit par P(λ) = 𝑑𝑒𝑡(A − 𝜆𝐼𝑛 ) où 𝜆 est un nombre réel et 𝐼𝑛 la matrice
identité.
NB : Les racines du polynôme caractéristique sont les valeurs propres de A
𝑎 𝑏
Exemples : La matrice A = ( ) a pour polynôme caractéristique :
𝑐 𝑑
𝑎−𝜆 𝑏
𝑃(𝜆) = | | = (𝑎 − 𝜆)(d − 𝜆) − bc = 𝜆2 − (𝑎 + 𝑑)𝜆 + 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑−𝜆
𝑎 𝑏 𝑐
La matrice A=(𝑑 𝑒 𝑓) a pour polynôme caractéristique :
𝑔 ℎ 𝑖
𝑎−𝜆 𝑏 𝑐
𝑒−𝜆 𝑓 𝑑 𝑓 𝑑 𝑒−𝜆
𝑃(𝜆) = | 𝑑 𝑒−𝜆 𝑓 | = (𝑎 − 𝜆) | |−𝑏| |+𝑐| | (il faut
ℎ 𝑖−𝜆 𝑔 𝑖−𝜆 𝑔 ℎ
𝑔 ℎ 𝑖−𝜆
développer pour obtenir le polynôme caractéristique)
Définition 11 :
On appelle la trace d’une matrice carrée A la somme des éléments sur la diagonale.

𝑎 𝑏 𝑐 0 1 −1
𝑎 𝑏 𝑒 𝑓) = 𝑎 + 𝑒 + 𝑖
Exemples : tr ( ) = 𝑎 + 𝑑; tr(𝑑 tr[4 −3 4 ] =? ?
𝑐 𝑑 𝑔 ℎ 𝑖 3 −3 4
1 2 3
tr [2 −1 0] = ? ?
0 2 4

NB : La trace de A est égale à la somme des valeurs propres de A et le déterminant de A

est le produit des valeurs propres de A.

V-2 Théorème de Carley-Hamilton, calcul de 𝐀−𝟏.

Théorème : Théorème. Pour le polynôme caractéristique d’une matrice A, si l’on substitue 𝜆 par
la matrice A, on obtient une expression matricielle qui est la matrice des zéros.

1 2
Exemple : Soit A = ( ) alors 𝑑𝑒𝑡(𝐴 − 𝜆𝐼2 ) = 𝜆2 − 𝑡𝑟(𝐴)𝜆 + det(𝐴) = 𝜆2 − 5𝜆 − 2
3 4
Le Théorème de Carley-Hamilton affirme que A2 − 5A − 2I doit être la matrice zéro, c’est-à-dire
A2 − 5A − 2I = 0

A quoi nous sert ce puissant théorème de Carley-Hamilton? Ça aide à calculer :

 La matrice inverse A−1 : puisque A2 − 5A − 2I = 0 on aura A2 − 5A = 2I
1 1
Qui veut dire encore A(A − 5I) = 2I ⇒ A (A − 5I) = I par conséquent A−1 = (A − 5I)
2 2
 Les puissances de la matrice A. Par exemple :
A3 = A2 . A = (5A + 2I). A = 5A2 + 2A = 5(5A + 2I) + 2A = 27A + 10I
Et A4 = A3 . A = 145 A + 52I
25
V-3 Diagonalisation d’une matrice carrée
Diagonaliser une matrice A ∈ Mn (K) signifie trouver, si elles existent, P ∈ Mn (K)
inversible et D ∈ Mn (K) diagonale telles que A = PDP−1.
Soit A ∈ Mn (K) une matrice carrée 𝑛 × 𝑛. Pour la diagonaliser :
a. On calcule d’abord son polynôme caractéristique P(λ).
b. On cherche les racines de P(λ): ce sont les valeurs propres de A. Si P(λ) n’est pas scindé
sur K, alors A n’est pas diagonalisable.
c. Pour chaque valeur propre λ de A, on cherche une base de Ker(A − 𝜆𝐼𝑛 ), c’est-à-dire on
cherche une base de l’espace des solutions du système AX = 𝜆 X.
Définition 12 :
Un polynôme P(X) ∈ Κ[X] est dit scindé sur le corps K s’il s’écrit la forme :
P(X) = 𝑎𝑛 (X − 𝜆1 )···( X − 𝜆𝑛 ) pour certains 𝜆𝑖 ∈ K et un an ∈ K ∗ .
Souvent, on regroupe les racines égales et on écrit :
P(X) = 𝑎𝑛 (X − 𝜆1 )𝑚(𝜆1 ) ···(X − 𝜆𝑟 )𝑚(𝜆𝑟 ) avec les 𝜆𝑖 deux à deux distinctes et leurs
multiplicités 𝑚(𝜆𝑖 ) > 1.
Exemples :
a. Les polynômes suivants sont scindés sur IR :
𝑃(𝑥) = (𝑥 − 3)(𝑥 − 1)(𝑥 + 2); 𝑄(𝑥) = (𝑥 − 3)2 (𝑥 + 1); 𝑅(𝑥) = (𝑥 − 1)(𝑥 + 2)3 ;
𝑇(𝑥) = (𝑥 + 1)3 ;
b. Les polynômes suivants ne sont pas scindés sur IR car les polynômes de second degré qui
figurent dans leurs expressions ne sont pas factorisables sur IR.
𝑆(𝑥) = (𝑥 + 1)(𝑥 2 + 𝑥 + 1); 𝐹(𝑥) = (𝑥 − 3)(𝑥 2 + 1)

V-4 A quoi ça sert de diagonaliser une matrice ?

Exprimer A sous la forme PDP −1 avec D diagonale ? Ça sert en particulier de faciliter le
calcul d’une puissance de la matrice, par exemple A3 = PD3 P −1 .
A quoi ça sert de calculer des puissances d’une matrice ?
Ça sert par exemple de calculer le cumul d’intérêt :
Cas 1 : Avec n euros de capital, et 0, 3% d’intérêt annuel, comment calculer le capital au bout de
3 ans, de 10 ans ?
Cas 2 : Avec 𝑥 euros d’action A et 𝑦 euros d’action B, les valeurs après un an sont 𝑥 + 0, 3𝑦 et
0, 25𝑥 + 𝑦 respectivement. Comment calculer les valeurs après 3 ans, après 10 ans.

Exercices d’application
Exercice 15 :
1 0 0
Soit la matrice A = (0 1 0)
1 −1 2
a. Déterminer le polynôme caractéristique de A et montrer que A est diagonalisable.
b. Déterminer les valeurs propres de la matrice A et donner la multiplicité de chacune d’elles.
c. Déterminer la ou les vecteur(s) propre(s) associé(s) à chaque valeur propre et écrire la
matrice de passage P et la matrice diagonale D dans la base formée par les vecteurs
propres.
d. Calculer P −1 et vérifier si on a bien A = PDP −1.
26
e. Calculer A2 ; A3 et A𝑛 pour tout entier naturel

Exercice 16 :
Soit l’application 𝑓 définie par 𝜑 : ℝ𝟑 ⟶ ℝ𝟑
(𝑥, 𝑦, 𝑧) ↦ 𝜑(𝑥, 𝑦) = (−2𝑥 − 2𝑦 + 2𝑧; −3𝑥 − 𝑦 + 3𝑧 ; −𝑥 + 𝑦 + 𝑧)
a. Montrer que cette application 𝑓 est linéaire.
b. Ecrire la matrice A de 𝑓 dans la base canonique de IR3
c. Déterminer le polynôme caractéristique de A et montrer que A est diagonalisable.
d. Déterminer les valeurs propres de la matrice A et donner la multiplicité de chacune.
e. Déterminer la ou les vecteur(s) propre(s) associé(s) à chaque valeur propre et écrire la
matrice de passage P et la matrice diagonale D dans la base formée par les vecteurs
propres.
f. Calculer P −1 et vérifier si on a bien A = PDP −1.
g. Calculer A2 ; A3 et A𝑛 pour tout entier naturel

27