Chapitre 1

Matrices et systèmes linéaires

4
Évaluation diagnostique

02
   
a b 1 d −b

2
On donne A = et B = ad−bc avec ad − bc 6= 0.
c d −c a

3-
1. A et B sontdes . .. . . .
a c
2. La matrice
b d
est la . . . . . . de A.

3. ad − bc représente le . . . . . . de A.
02
I2
   
... ... ... ...
4. A × B = et B × A =
... ... ... ...
UY

5. On dit que A est . . . . . . de B et que B est . . . . . . de A.

(   
2x − y = 3 ... ... x
6. Le système d’équations linéaires peut encore s’écrire sous la forme =
x + y = −1 ... ... y
 
...
2

. La solution de ce système est donnée par x = . . ., y = . . ..

...
16

Objectifs du chapitre :
– Initiation au calcul matriciel
AT

– savoir échélonner une matrice

– Calcul du déterminant, de l’inverse et du rang d’une matrice
– Résolution des systèmes d’équations linéaires.
M

1.1 Matrices

1.1.1 Définitions
Définition 1.1. 1. On appelle matrice à n lignes et p colonnes à coefficients dans K = R
ou C, ou encore matrice de type (n, p) ou n × p, toute application
A
{1, 2, . . . , n} × {1, 2, . . . , p} −→ K
(i, j) 7−→ aij

1
 que l’on peut disposer en tableau sous la forme
 
a11 a12 . . . a1j . . . a1p
 a21 a22 . . . a2j . . . a2p 
 . .. .. .. 
 .
 . . . . 

A= ,
 ai1 ai2 . . . aij . . . aip 
 . .. .. .. 
 .. . . . 
an1 an2 . . . anj . . . anp
ou encore
A = (aij )1≤i≤n, 1≤j≤p .

Le premier indice i de aij désigne le numéro de la ligne et le second indice j le numéro de la

colonne. Onnote Mn,p (K) l’ensemble des matrices n × p à coefficients dans K. Par exemple

1 i 5
∈ M2,3 (C).

4
2 4 −2i

02
2. Si n = p, on dit que A est une matrice carrée d’ordre n et on note A = (aij )1≤i,j≤n .
 note Mn (K)
On  l’ensemble des matrices carrées n × n à coefficients dans K. Par exemple

2
1 −2 5
−2 6 0  ∈ M3 (R).

3-
5 0 −4

3.
02  
a1
 a2 
Si p = 1, on dit que A est une matrice colonne et on note A =  .. .
 
I2
.
an


4. Si n = 1, on dit que A est une matrice ligne et on note A = a1 a2 . . . ap .
UY

5. Une matrice carrée A est dite

– triangulaire supérieure si aij = 0 pour tout i > j. Elle est de la forme
 
a11 a12 . . . . . . a1n
2

 0 a22 . . . . . . a2n 
16


.. .. 
A= 0

0 . . .

 . .. . . . . . 
 .. . . . .. 
AT

0 0 . . . 0 ann
– triangulaire inférieure si aij = 0 pour tout i < j. Elle est de la forme
M

 
a11 0 0 ... 0
 a21 a22 0 . . . 0 
 . .. . . . . . 
A =  .. . . . .. 
.

 . . .
 .. .. .. 0 


an1 an2 . . . . . . ann

– diagonale si aij = 0 pour tout i 6= j. Elle est de la forme
 
a11 0 . . . 0
. .. 
 0 a22 . . . 

 . . .
 .. .. ... 0 
0 ... 0 ann

2
 La matrice diagonale  
1 0 ... 0
.. .. 
0

1 . .
In =  . ... ...  ∈ Mn (K)
 .. 0
0 ... 0 1
est appelée matrice identité (ou matrice unité) d’ordre n.
6. La transposée de A = (aij )1≤i≤n,1≤j≤p est la matrice notée t A, possedant p lignes et n
colonnes et definie par
 
a11 a21 . . . ai1 . . . an1
a12 a22 . . . ai2 . . . an2 
 . .. .. .. 
 .
 . . . . 

t
A= .
a1j a2j . . . aij . . . anj 

4
 . .. .. .. 
 .. . . . 

02
a1p a2p . . . aip . . . anp
Les lignes de t A sont les colonnes de A et les colonnes de t A sont les lignes de A. Par

2
exemple,

3-
 
  1 2
t 1 3 5
= 3 4 , t (t A) = A.

7. Une matrice carrée est

2 4 6
5 6 02
I2
– symétrique si t A = A (les coefficients symétriques par rapport à la diagonale sont égaux),
– antisymétrique si t A = −A, où −A = (−aij ) est la matrice obtenue en multipliant par
−1 tous les coefficients de A. Les coefficients symétriques par rapport à la diagonale sont
UY

 opposés et enparticulier, les coefficients diagonaux

 sont nuls.

1 −2 5 0 −2 5
−2 6 0  est une matrice symétrique,  2 0 7 est une matrice antisymétrique.
5 0 −4 −5 −7 0
2

8. La trace d’une matrice carrée A = (aij ) ∈ Mn (K) est la somme de ses coefficients diagonaux
16

T r(A) = a11 + a22 + . . . + ann .

AT

 
1 −4 7
La trace de la matrice A =  2 −3 5 est T r(A) = 1 − 3 + 8 = 6. On vérifie que
−1 0 8
t
M

T r(A) = T r( A).

1.2 Opérations sur les matrices

1.2.1 Addition des matrices

Soient A = (aij ), B = (bij ) ∈ Mnp (K). La somme des matrices A et B est définie par
A + B = (cij ) avec cij = aij + bij ,
et la différence par
A − B = (cij ) avec cij = aij − bij .

3
Exemple 1.2.      
1 0 −2 0 −1 2 1 −1 0
2 −1 0  +  1 1 −1 = 3 0 −1 .
3 1 1 −2 2 −1 1 3 0
   
1 −1 0 2 −3
+ n’est pas définie car les deux matrices n’ont pas la même dimension.
2 0 −2 1 5

On peut vérifier que pour tout A = (aij ), B = (bij ), C = (cij ) ∈ Mnp (K), et pour la matrice
nulle O = (0)ij (matrice dont tous les coefficients sont nuls) de Mnp (K), on a
– (A + B) + C = A + (B + C) (associativité)
– A + B = B + A (commutativité)
– A + O = O + A = O (élément neutre)
– A+(-A)=(-A)+A=O (inverse).
On conclut que (Mnp (K), +) est un groupe abélien. On a aussi t (A + B) =t A +t B, T r(A + B) =

4
T r(A) + T r(B).

02
Exercice 1.3. Montrer que la matrice A +t A est symétrique et la matrice A −t A est antisymé-
trique.

2
3-
1.2.2 Multiplication d’une matrice par un scalaire
Pour tout A = (aij ) ∈ Mnp (K) et α ∈K, le produit 
αA = (αaij ). Par exemple pour A =
0 −2 −3
, on a
02
de la matrice A par le scalaire α est la matrice
I2
−1 0 1
     
0 −8 −12 0 2 3 0 0 0
4A = , −A = , 0A = .
UY

−4 0 4 1 0 −1 0 0 0
On montre que : t (αA) = α × t A, T r(αA) = αT r(A).
   
1 0 1 3
Exercice 1.4. Trouver deux matrices A et B telles que 2A−3B = et A−2B = .
2 3 2 −1
2
16

1.2.3 Produit de deux matrices

AT

Soient n, p, q ∈ N, A = (aij ) ∈ Mnp (K), B = (bjk )Mpq (K) (le nombre de colonnes de A
doit être égal au nombre de lignes de B). Le produit des matrices A et B est la matrice
C = AB = (cik ) ∈ Mnq (K) ayant le même nombre de lignes que A et le même nombre de colonnes
M

que B et définie par

cik = ai1 b1k + ai2 b2k + . . . + aip bpk .


Pour obtenir
  l’élément c ik de AB, on multiplie la ième ligne a i1 ai2 . . . aip de A par la kème
b1k
b2k 
colonne  ..  de B, c’est-à-dire
 
 . 
bpk
 
b1k

 b
 2k 

cik = ai1 ai2 . . . aip ×  ..  .
 . 
bpk

4
  
  −1 2 1  
2 −1 3  −12 9 −4
Exemples 1.5. 1. 4 −2 3 = .
−2 2 −1 12 −9 5
−2 1 −1
 
−1 2 1  
2 −1 3
2.  4 −2 3  n’a pas de sens car la matrice de gauche a 3 colonnes et
−2 2 −1
−2 1 −1
la matrice de droite 2 lignes (3 6= 2).
 

1

3. 1 2 3 2 = 14 .
3
   
1
1 2 3
4. 2 1 2 3 = 2 4 6.
3 3 6 9

4
02
Soient A ∈ Mnp (K), B ∈ Mpq (K) et C ∈ Mqr (K), on a :
– (AB)C = A(BC) (associativité).
– t (AB) = t B t A. (Attention à
l’ordre
 !)

2
    
0 −1 2 −3 2 −3 0 −1

3-
Comparer × et × . Donc attention, on n’a pas toujours
0 5 0 0 0 0 0 5
AB = BA. Par exemple 
0 1
1 0

0 −1
1 0
 
=
1 0
0 −1
02

I2
alors que     
0 −1 0 1 −1 0
= .
1 0 1 0 0 1
UY

Lorsqu’il existe un entier naturel n tel que An = O, on dit que la matrice carrée A est nilpotente,
avec An = A| ×A× {z. . . × A}. Par exemple
n f ois
2

 2    
0 1 0 0 0 1
16

= , donc est une matrice nilpotente.

0 0 0 0 0 0
AT

Pour toute matrice carrée A d’ordre n, on a AIn = In A = A. On dit que la matrice identité d’ordre
n est l’élément neutre pour la multiplication dans Mn (K).
 
2 0 0
M

Exercice 1.6. Soient D = 0 3 0  une matrice diagonale. Calculer D2 , D3 et en déduire

0 0 −2
n
D , n ∈ N. Prouver ce résultat par recurrence sur n.
 
  2 1

1
Exercice 1.7. On considère les matrices suivantes :A = 1 2 3 , B = , C = −3 0,
−2
  1 2
  −1 1 3
−2 5
D= , E = −1 −4 0. Quels sont les produits matriciels possibles ? Quels sont les
5 0
0 2 5
matrices carrées et les matrices symétriques ?

5
1.3 Opérations élémentaires sur les lignes et les colonnes
d’une matrice, matrice échelonnée
 
1 −2 3 L1
Considérons la matrice A = −2 5 1 L2 . On peut effectuer des opérations élémentaires
3 7 4 L3
sur les lignes d’une matrice :
1. multiplier une ligne Li par un scalaire λ pour obtenir λLi . Cela se traduit par Li ←− λLi .
Par exemple en multipliant la ligne L1 de la matrice A par 2, on obtient
   
1 −2 3 L1 ←− 2L1 2 −4 6
−2 5 1 L2 =⇒ −2 5 1 .
3 7 4 L3 3 7 4

4
Remarquer que les autres lignes restent inchangées.

02
2. permutter les lignes Li et Lj d’une matrice avec i 6= j. Cela se traduit par Li ←→ Lj . Par
exemple, en permuttant les lignes L1 et L3 de la matrice A, on obtient

2
   
1 −2 3 3 7 4

3-
−2 5 1 =⇒ −2 5 1 .
L1 ←→ L3
3 7 4 1 −2 3
02
3. remplacer la ligne Li par Li + λLj , où i 6= j et λ est un scalaire. Cela se traduit par
I2
Li ←− Li + λLj . Par exemple, en effectuant de façon repétée les opérations suivantes, on
obtient
   
1 −2 3 L1 1 −2 3 L1
UY

−2 5 1 L2 ←− L2 + 2L1 =⇒ 0 1 7 L2
3 7 4  L 3 3 7
 4 L 3 ←−
 L3 − 3L1
1 −2 3 L1 1 −2 3
=⇒ 0 1
 7  L2 =⇒ 0 1
 7 .
2

0 13 −5 L3 ←− L3 − 13L2 0 0 −96
16

On peut aussi effectuer ces opérations sur les colonnes d’une matrice : multiplier une colonne Ci
par un scalaire λ pour avoir λCi , permutter deux colonnes Ci et Cj avec i 6= j, remplacer une
colonne Ci par Ci + λCj .
AT

 
1 −2 3
La matrice 0 1 7  obtenue ci-dessus est appelée une matrice échelonnée (en lignes). -96
M

0 0 −96
est appelé le pivot de la ligne L3 .
Définition 1.8. Soit A ∈ Mn,p (K).


1. Pour tout i ∈ {1, 2, . . . , n} tel la ligne Li 6= 0 0 . . . 0 , on appelle pivot de la ligne Li
son premier coefficient non nul.
2. On dit que A est échelonnée (en lignes) si elle possède les propriétés suivantes :
(a) si une ligne Li est entièrement nulle, toutes les lignes situées en dessous sont également
entièrement nulles.


(b) Pour tout i ∈ {1,
2, . . . , n} tel la ligne Li 6= 0 0 . . . 0 , et pour tout j > i, soit
Lj = 0 0 . . . 0 , soit le pivot de Lj est situé strictement à droite du pivot de Li .
(c) Tous les éléments de la colonne qui sont en dessous du pivot sont nuls.

6
 3. Si A est échelonnée (en lignes) et de plus chaque pivot est égal à 1, et les autres coefficients
dans la colonne du pivot sont nuls, on dit que la matrice est échelonné réduite.
 
 2 −3 2
 1  
0 3 0 1 0 1 −4 8  1 0 2 0 25
 
Par exemple 0 0 1 3 , 
0 0  sont des matrices échelonnées, et 0 1 −2 0 16
0 2/3  
0 0 0 −2  0 0 0 0  0 0 0 1 1
0 0 0 0
est échelonnée réduite.

1.4 Déterminant d’une matrice carrée

1.4.1 Calcul du déterminant d’une matrice carrée

4
02
 
a b a b
Si A = est une matrice carrée d’ordre 2, alors det(A) = = ad − bc.
c d c d

2

a1 b 1 c1

3-
Pour calculer le déterminant d’une matrice carrée A = a2 b2 c2  d’ordre 3, on peut :
a3 b 3 c3
02
1. Utiliser la règle de Sarrus (qui n’est vraie que pour les matrices carrées d’ordre 3) : On
prend la première et la deuxième colonne de A pour former la quatrième et cinquième colonne
I2
   
a1 b1 c1 a1 b1 a1 b1 c1 a1 b1

 & & & 


 % % % 

 a2 b2 c2 a2 b2 
 et a2 b2 c2 a2 b2 
.
UY



 & & &   % % % 
a3 b3 c3 a3 b3 a3 b3 c3 a3 b3

On a
a1 b 1 c 1
2

det(A) = a2 b2 c2 = a1 b2 c3 +b1 c2 a3 +c1 a2 b3 −a3 b2 c1 −b3 c2 a1 −c3 a2 b1 .

16

a3 b 3 c 3
2. Développer suivant une ligne ou une colonne de A. Par exemple, en développant suivant la
AT

première ligne, on a
a1 b 1 c 1
a a a a a a
M

a2 b2 c2 = (−1)1+1 a11 22 23 + (−1)1+2 a12 21 23 + (−1)1+3 a13 21 22 .

a32 a33 a31 a33 a31 a32
a3 b 3 c 3

Si on developpe par rapport à une ligne i, en posant Mij le déterminant de la matrice obtenue
en éliminant la ième ligne et le jème colonne de A, j = 1, 2, 3, on obtient

det(A) = (−1)i+1 ai1 Mi1 + (−1)i+2 ai2 Mi2 + (−1)i+3 ai3 Mi3 .

Si on developpe par rapport à une colonne j, en posant Mij le déterminant de la matrice

obtenu en éliminant la ième ligne et le jème colonne de A, i = 1, 2, 3, on obtient

det(A) = (−1)1+j a1j M1j + (−1)2+j a2j M2j + (−1)3+j a3j M3j .

Dans ce calcul, la colonne ou la ligne ayant le plus de zéros est choisie en priorité.

7
    
−7 −4 6 1 2 4
Exemples 1.9. Calculons le déterminant de A =  8 2 3 et B = 0 1 −2.
9 −6 9 5 6 2
 
−7 −4 6 −7 −4
Avec la règle de Sarrus, on a la matrice  8 2 3 8 2  et on en déduit
9 −6 9 9 −6

det(A) = (−7) × 2 × 9 + (−4) × 3 × 9 + 6 × 8 × (−6) − 9 × 2 × 6 − (−6) × 3 × (−7) − 9 × 8 × (−4)

= −126 − 108 − 288 − 108 − 126 + 288
= −468.

Nous allons développer le determinant de la matrice B par rapport à la deuxième ligne qui contient
un zero, on a

4
2 4 1 4 1 2
det(B) = (−1)2+1 ×0× +(−1)2+2 ×1× +(−1)2+3 ×(−2)× = 2−20+2(6−10) = −26.

02
6 2 5 2 5 6

2
De façon générale, soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n. Soit Mij le déterminant de

3-
la matrice obtenue en supprimant la ième ligne et la jème colonne de A. Si nous developpons le
déterminant de A
02
– par rapport à une colonne j, alors det(A) = (−1)1+j a1j M1j +(−1)2+j a2j M2j +. . .+(−1)n+j anj Mnj ,
– par rapport à une ligne i, alors det(A) = (−1)i+1 ai1 Mi1 + (−1)i+2 ai2 Mi2 + . . . + (−1)i+n ain Min .
Ces deux formules aboutissent bien sûr au même résultat. Par exemple, en développant suivant la
I2
première ligne on a
UY

1 3 0
6 4 2 4 2 6
2 6 4 =1 −3 +0 = 1(12 − 0) − 3(4 + 4) + 0(0 + 6) = −12.
0 2 −1 2 −1 0
−1 0 2
Développer suivant la deuxième ou la troisième colonne et comparer les resultats.
2
16

1.4.2 Quelques propriétés du déterminant

AT

1. Si A, B sont deux matrices carrées d’ordre n, alors det(AB) = det(A) det(B).

 
t 1 5
2. det(A) = det( A). Par exemple pour A = on a
4 6
M

1 5 1 4
det(A) = = 6 − 20 = −14 et det(t A) = = 6 − 20 = −14.
4 6 5 6

3. Si nous permuttons deux lignes ou deux colonnes consécutives d’une matrice carrée A, nous
 une nouvelle matrice dont le déterminant est − det(A). Par exemple, pour A =
obtenons

1 5 4 6
, la matrice obtenue en permuttant les deux lignes de A a pour déterminant =
4 6 1 5
20 − 6 = 14 = − det(A) et la matrice obtenue en permuttant les deux colonnes de A a pour
5 1
déterminant = 20 − 6 = 14 = − det(A).
6 4

8
4. Si une matrice carrée A comporte une ligne ou une colonne de 0 alors det(A) = 0.

1 0 −4
−5 0 15 = 0.
2 0 7

5. Si une matrice carrée A comporte deux lignes ou deux colonnes proportionnelles (ou iden-
1 −4 −3
tiques) alors det(A) = 0. Par exemple −5 15 15 = 0 car la troisième colonne est égale à
2 7 −6
1 −4 −3
la première colonne fois (-3) et −5 15 7 = 0 car la première ligne et la troisième ligne
1 −4 −3
sont identiques.

4
6. Si A est une matrice triangulaire inférieure ou supérieure, alors det(A) égal au produit des

02
−5 4 7
éléments de sa diagonale. 0 4 2 = (−5)×4×(−1) = 20 car la matrice est triangulaire
0 0 −1

2
supérieure.

3-
7. Si B est une matrice obtenue à partir de la matrice carrée A en multipliant une ligne ou une
colonne par un scalaire λ ∈ K, alors det(B) = λ det(A).

−5 3
 
−10 6
02
 
−25 3

I2
A= , B= , C= .
2 −1 2 −1 10 −1

On a det(A) = −1. La matrice B est obtenue en multipliant la première ligne de A par 2 et

UY

nous avons det(B) = −2 = 2 det(A). La matrice C est obtenue en multipliant la première

colonne de A par 5 et det(C) = −5 = 5 det(A).
8. Si on ajoute à une ligne (ou une colonne) d’une matrice carrée A une combinaison linéaire des
autres lignes (des autres colonnes), nous obtenons une nouvelle matrice de même déterminant
2

que A.
16

 
1 2 −1 L1
On veut calculer le déterminant de la matrice A = 2 1 0  L2 , où Li désigne la ligne
AT

1 0 2 L3
i. On peut utiliser les opérations élémentaires de la forme Li ← Li + λLj (λ ∈ K) pour
obtenir une matrice triangulaire supérieure (Li ← Li + λLj veut dire qu’on multiplie la ligne
Lj par λ et on ajoute à la ligne Li ) :
M

 
1 2 −1 L1
2 1 0  L2
1 0 2 L3
 
1 2 −1 L1
0 −3 2  L2 ← L2 − 2L1
0 −2 3 L3 ← L3 − L1
 
1 2 −1 L1
0 −3 2  L2
5
0 0 3
L3 ← L3 − 23 L2

9
 Puisque le déterminant de A ne change pas en ajoutant à une ligne de A une combinaison
linéaire des autres lignes, on a

1 2 −1
5
det(A) = 0 −3 2 = 1 × (−3) × = −5.
5 3
0 0 3
Exercice 1.10. Calculer les déterminants suivants :
1 2 3 4
1 2 4 73 7 3
2 3 4 5
0 1 −2 , 10 1 0 , .
3 4 5 6
5 6 2 51 4 1
4 5 6 7

1.5 Inverse d’une matrice carrée

4
02
   
1 1 −1 1 0 1
On considère les matrices A = −1 1 0  et B = 1 1 1.

2
0 −1 1 1 1 2

3-
1. Calculer det(A).
2. Calculer A × B et B × A, puis conclure.
02
Soit A ∈ Mn (K), si det(A) 6= 0, alors la matrice A est inversible, c’est-à-dire il existe une unique
matrice A−1 ∈ Mn (K) telle que A × A−1 = A−1 × A = In , où In est la matrice identité d’ordre n.
I2
Puisque A×A−1 = In , alors on a det(A×A−1 ) = det(In ) ⇔ det(A) det(A−1 ) = 1, donc det(A−1 ) =
1
det(A)
.
UY

1.5.1 Inverse d’une matrice carrée inversible d’ordre 2

 
a b
2

Soit A = une matrice carrée d’ordre 2. Si det(A) = ad − bc 6= 0, alors A est inversible et

c d 
16


−1 1 d −b
on a A = ad−bc .
−c a
AT

 
5 −1 −1 1 4 1
Exemple 1.11. det(A) = = 22 6= 0 donc A est inversible et A = 22 .
2 4 −2 5
M

 
cos 2θ sin 2θ
Exercice 1.12. Montrer que la matrice est inversible, puis calculer son in-
− sin 2θ cos 2θ
verse.

1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofac-

teurs
Nous
 voulons
 par exemple utiliser cette méthode pour calculer l’inverse de la matrice A =
1 2 3
0 1 4.
5 6 0

10
 1. Trouver le déterminant de la matrice A. C’est la première chose à faire car si le
déterminant est nul (=0), la matrice n’est pas inversible. Mais si det(A) 6= 0, alors A est
inversible.
1 3 1 2
det(A) = 1 × −4× = −15 + 16 = 1.
5 0 5 6
t
2. Calculer
 la transposée
 A de la matrice A de depart
1 0 5
t
A = 2 1 6.
3 4 0
3. Calculer les déterminants des neufs matrices mineures de la transposée de A :
lorsqu’on prend l’élément aij et on supprime la ligne i et la colonne j, la matrice restante
est appelée matrice mineure et son déterminant Mij est appelé mineur.

4
 
1 0 5
t 1 6 2 6 2 1
= −24 M12 = = −18 M13 =

02
A = 2 1 6 M11 = =5
4 0 3 0 3 4
3 4 0
0 5 1 5 1 0

2
M21 = = −20 M22 = = −15 M23 = =4
4 0 3 0 3 4

3-
0 5 1 5 1 0
M31 = = −5 M32 = = −4 M33 = = 1.
1 6
02
2 6 2 1

4. Établir la matrice des cofacteurs. C’est la matrice ayant à la position (i, j) l’élément
I2
Cij = (−1)i+j Mij . Elle est encore appelée comatrice ou matrice adjointe de la matrice
de départ A.  
−24 18 5
UY

Adj(A) =  20 −15 −4 .

−5 4 1
5. L’inverse de la matrice A est donné par
2

 
−24 18 5
16

1
A−1 = × Adj(A) =  20 −15 −4 .
det(A)
−5 4 1
AT

   
1 0 1 1 1 1
Exercice 1.13. Utiliser cette méthode pour calculer l’inverse de B = 1 1
 1 et C = 1 2 3.
1 1 2 0 1 0
M

1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de

Gauss
 
1 2 −1
On veut calculer l’inverse d’une matrice carrée, par exemple A = 2 1 0  par la méthode du
1 0 2
pivot de Gauss. Pour cela on augmente à la matrice A la matrice identité d’ordre n = 3 ´
 
1 2 −1 | 1 0 0 L1
2 1 0 | 0 1 0 L2 .
1 0 2 | 0 0 1 L3

11
Puis on effectue simultanement sur les lignes de A et celles de In les mêmes opérations élémentaires
pour transformer A en In et In en A−1 .
 
1 2 −1 | 1 0 0 L1
2 1 0 | 0 1 0 L2
1 0 2 | 0 0 1 L3
 
1 2 −1 | 1 0 0 L1 ← L1
0 −3 2 | −2 1 0 L2 ← L2 − 2L1
0 −2 3 | −1 0 1 L3 ← L3 − L1
 
1 2 −1 | 1 0 0 L1 ← L1
0 −3 2 | −2 1 0 L2 ← L2
0 0 5 | 1 −2 3 L3 ← 3L3 − 2L1
 
5 10 0 | 6 −2 3 L1 ← 5L1 + L3
0 −15 0 | −12 9 −6 L2 ← 5L2 − 2L3

4
0 0 5 | 1 −2 3 L3 ← L3

02
 
15 0 0 | −6 12 −3 L1 ← 3L1 + 2L2
 0 −15 0 | −12 9 −6 L2 ← L2

2
0 0 5 | 1 −2 3 L3 ← L3

3-
 
1 0 0 | −6/15 12/15 −3/15 L1 ← L1 /15
0 1 0 | 12/15 −9/15 6/15  L2 ← −L2 /15 .
0 0 1 | 1/5

−2 4 −1

−2/5 02
3/5 L3 ← L3 /5
I2
−1 1
On déduit que A = 5 4 −3 2 .
1 −2 3
UY

Il existe une troisième méthode qui sera donnée à la fin de la section 1.6.
 
1 1 −1
Exercice 1.14. Calculer l’inverse de la matrice A = −1 1 0  et de la matrice B =
0 −1 1
2

 
−1 0 −1
 1 1 1 .
16

−2 0 −3
 
−1 1
AT

1
Exercice 1.15. 1. Soit A =  1 −1 1 . Montrer que A2 = 2I3 − A. En déduire que A
1 1 −1
−1
est inversible  A .
 et calculer
M

1 0 2
2. Soit A = 0 −1 1. Calculer A3 − A. En déduire que A est inversible puis déterminer
1 −2 0
A−1 .  
0 1 −1
3. Soit A = −1 2 −1. Calculer A2 −3A+2I3 . En déduire que A est inversible et calculer
1 −1 2
−1
A .
 
1 0 m
Exercice 1.16. Pour quelle valeur de m la matrice A = 2 1 0  est-elle inversible ? Dans
0 1 1
ce cas, déterminer son inverse.

12
1.6 Systèmes d’équations linéaires
Soit p ∈ N∗ , une équation linéaire à p inconnues x1 , x2 , . . . , xp est une équation de la forme

a1 x1 + a2 x2 + . . . + ap xp = b,

où a1 , a2 , . . . , ap et b sont des nombres réels donnés.

Un système de n équations linéaires à p inconnues dans le corps K est défini par

 a11 x1 + a12 x2 + . . . + a1p xp = y1

 a21 x1 + a22 x2 + . . . + a2p xp = y2

..


 .
 a x + a x + ... + a x = y
n1 1 n2 2 np p n

4
que l’on peut représenter matriciellement par AX = Y où A = (aij ) ∈ Mn,p (K), X =t (x1 , x2 , . . . , xp ),
Y =t (y1 , y2 , . . . , yn ). Par exemple

02
(
2x1 − x2 + 3x3 = 8

2
x1 − 4x3 = −7

3-
est un système de 2 équations linéaires à 3 inconnues.
02
Les équations −x + 3y 2 − 4z = 5 et 2x − xy + 7z = −3 ne sont pas linéaires.
Résoudre le système d’équations linéaires
I2


 a11 x1 + a12 x2 + . . . + a1p xp = y1
 a21 x1 + a22 x2 + . . . + a2p xp = y2

UY

..


 .
 a x + a x + ... + a x = y
n1 1 n2 2 np p n

revient à déterminer les inconnues x1 , x2 , . . . , xp . Ce système peut avoir :

– une unique solution
2

– une infinité de solutions

16

– aucune solution.
Si A est une matrice carrée inversible, la solution du système AX = Y est donnée par X = A−1 Y .
AT

1.6.1 Résolution par substitution

M

Nous voulons résoudre par substitution le système d’équations linéaires


−2x − 3z = 5 (e1 )

x + y + z = −3 (e2 )

−x − z = 1 (e3 )

(
−2(−z − 1) − 3z = 5
(e3 ) implique x = −z−1. En remplaçant dans (e1 ) et (e2 ) on obtient ⇐⇒
−z − 1 + y + z = −3
(
−z + 2 = 5
. Donc z = −3 et y = −2. Il s’ensuit que x = −z − 1 = −(−3) − 1 = 2. L’ensemble
y − 1 = −3
solution du système est donc S = {(2, −2, −3)}.

13
 
−x − z = 5

Exercice 1.17. Résoudre par substitution le système d’équations linéaires x + y + z = −3 .

−3x − 2z = 1


1.6.2 Résolution par la méthode du pivot de Gauss

Nous allons travailler directement sur des exemples.
a) On veut résoudre par exemple le système d’équations linéaires


 x + 2y − z + t = 1
x + 3y + z − t = 1


 −x + y + 7z + 2t = 1
2x + y − 8z + t = a


4
Ce système peut encore s’écrire sous la forme matricielle

02
    
1 2 −1 1 x 1

2
1
 3 1 −1  y  1
  =  .

3-
−1 1 7 2   z  1
2 1 −8 1 t a

Pour résoudre ce système, on part de la matrice augmentée 02

I2
 
1 2 −1 1 | 1 L1
 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
UY

2 1 −8 1 | a L4

et à l’aide des opérations élémentaires, on transforme cette matrice augmentée en une matrice
échelonnée (en lignes).
2

 
1 2 −1 1 | 1 L1
16

 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
AT

2 1 −8 1 | a L4
 
1 2 −1 1 | 1 L1 ← L1
0 1 2 −2 | 0  L2 ← L2 − L1
M


0 3 6 3 | 2  L3 ← L3 + L1
0 −3 −6 −1 | a − 2 L4 ← L4 − 2L1
 
1 2 −1 1 | 1 L1 ← L1
0 1 2 −2 | 0  L2 ← L2


0 0 0 9 | 2  L3 ← L3 − 3L2
0 0 0 −7 | a − 2 L4 ← L4 + 3L2
 
1 2 −1 1 | 1 L1 ← L1
0 1 2 −2 |
 0   L2 ← L2 .
0 0 0 9 | 2  L3 ← L3
0 0 0 0 | 9a − 4 L4 ← 9L4 + 7L3

14
Ceci équivaut à 

 x + 2y − z + t =1
y + 2z − 2t =0


 9t =2
0 = 9a − 4


Si 9a − 4 6= 0 c’est-à-dire a 6= 94 , alors ce système n’admet pas de solution.

Si 9a − 4 = 0 c’est-à-dire a = 94 , alors ce système admet  une infinité de7 solutions.
x + 2y − z = 9
L3 : 9t = 2 ⇔ t = 29 et par suite L1 et L2 deviennent . On a deux équations et
y + 2z = 49
trois inconnues, on fixe donc une inconnue comme paramètre. En fixant z ∈ R comme paramètre,
on obtient
4 1
y = − 2z, x = − + 5z.
9 9
L’ensemble solution du système est donc

4
02
1 4 2
S = {(− + 5z, − 2z, z, ), z ∈ R}.
9 9 9

2

 4x + 6y + 9z = 6

3-
b) On veut aussi résoudre le système d’équations linéaires 6x − 2z = 20 .
5x − 8y + z = 10



4 6 9 | 6

L1
02
I2
6 0 −2 | 20 L2
5 −8 1 | 10 L3
 
4 6 9 | 6 L1 ← L1
UY

0 −36 −62 | 44 L2 ← 4L2 − 6L1

0 −62 −41 | 10 L3 ← 4L3 − 5L1
 
4 6 9 | 6 L1 ← L1
0 −36 −62 | 44  L2 ← L2 .
2

0 0 −2368 | 2368 L3 ← −36L3 + 62L2

16


 4x + 6y + 9z = 6
AT

On obtient alors le système −36y − 62z = 44 . La dernière équation donne z = −1. En

−2368z = 2368

remplaçant z = −1 dans la deuxième équation, on obtient y = 12 . En remplaçant y = 12 et
z = −1 dans la première équation, on a x = 3. Ainsi la solution de notre système d’équations est
M

S = {(3, 12 , −1)}.
   
−1 0 −1 2 0 −1
c) Sachant que pour A =  1 1 1  et B =  1 1 0 , on a A × B = B × A = In
−3 0 −2 −3 0 1
(c’est-à-dire l’inverse de A c’est B), on veut résoudre dans R3 le système d’équations

−x − z = 5

x + y + z = −3 .

−3x − 2z = 1


15
       
−1 0 −1 x 5 x
Ce système s’écrit encore sous la forme  1 1 1   y = −3 , on en déduit que y  =
   
−3 0 −2 z 1 z
 −1       
−1 0 −1 5 2 0 −1 5 9
 1 1 1  −3 =  1 1 0  −3 =  2 .
−3 0 −2 1 −3 0 1 1 −14

1.6.3 Autre méthode pour calculer l’inverse d’une matrice

 
1 2 −1
Pour calculer l’inverse de la matrice A = 2 1 0 , on peut résoudre le système d’équations
1 0 2
linéaires 
 x + 2y − z = x0

4
2x + y = y 0

02
x + 2z = z 0


pour trouver x, y, z en fonction de x0 , y 0 , z 0 et en extraire A−1 . Résolvons donc le système à l’aide

2
du pivot de Gauss :

3-
1 2 −1 | x0 L1
 
2 1 0 | y 0  L 2


1 0 2 | z0 L3
x0

02
I2
1 2 −1 | L1 ← L1
0 −3 2 | y 0 − 2x0  L2 ← L2 − 2L1
0 −2 3 | z 0 − x0 L3 ← L3 − L1
UY

x0
 
1 2 −1 | L1 ← L1
0 −3 2 | y 0 − 2x0  L2 ← L2 .
0 0 5 | x0 − 2y 0 + 3z 0 L3 ← 3L3 − 2L2

On déduit de la dernière ligne que 5z = x0 − 2y 0 + 3z 0 donc z = 51 (x0 − 2y 0 + 3z 0 ). La deuxième

2

ligne équivaut à −3y + 2z = y 0 − 2x0 , soit −3y = 51 (−12x0 + 9y 0 − 6z 0 ). D’où y = 51 (4x0 − 3y 0 + 2z 0 ).

16

La première ligne donne x = x0 − 2y + z = 15 (−2x0 + 4y 0 − z 0 ). En résumé,

AT

1
x = (−2x0 + 4y 0 − z 0 )
5
1
y = (4x0 − 3y 0 + 2z 0 )
5
M

1 0
z = (x − 2y 0 + 3z 0 )
5
 
−2 4 −1
On en déduit que A−1 = 51  4 −3 2 .
1 −2 3
 
1 0 1
Exercice 1.18. 1. Utiliser la méthode ci-dessus pour calculer l’inverse de B = 1 1 1 et
  1 1 2
1 1 1
C = 1 2 3.

0 1 0

16
 2. 
Résoudre les systèmes d’équations linéaires suivants :
x−y+z =0 
 3x + 2y + z = 3


−x + y − z = 0

, 2x + y + z = 0 .
10x + 25z = 90 
6x + 2y + 4z = 6


20x + 10y = 80


Exercice 1.19. Résoudre le système suivant en discutant suivant les valeurs du paramètre com-
plexe a : 
 x − ay + a2 z = a
ax − a2 y + az = 1
ax + y − a3 z = 1


1.7 Rang d’une matrice

4
Définition 1.20. Le rang d’une matrice A ∈ Mn,p (K) est le nombre maximum de lignes (ou de

02
colonnes) de A qui sont linéairement indépendants.

2
 
3 0 2 2 L1

3-
Par exemple, on considère la matrice A = −6 42 24 54
  L2 . Nous avons
21 −21 0 −15 L3

1
1
6L1 − L2 − L3 = 6 3 0 2 2 −
2 2



02

−6 42 24 54 − 21 −21 0 −15 = 0 0 0 0 .
I2
On conclut que les trois lignes de la matrice A ne sont pas linéairement indépendants. On en déduit
que le rang de la matrice vaut 2 car les deux premières lignes de A sont linéairement indépendantes
UY

(on ne peut pas trouver α tel que L2 = αL1 ).

Méthode :
1. Pour déterminer le rang d’une matrice, on peut effectuer les opérations élémentaires sur les
lignes ou les colonnes pour avoir une matrice equivalente échelonnée. Le nombre de
2

lignes ou de colonnes ayant les pivots non nuls est égal au rang de la matrice.
16

2. Si A ∈ Mn (K) est une matrice carrée d’ordre n et det A 6= 0, alors le rang de A est n.
AT

Il est à noter que :

– si A ∈ Mn,p (K), alors le rang de A est inférieur ou égal au min(n, p).
– si A ∈ Mn,p (K), le rang de A égal r ≥ 1 si et seulement si A contient une sous matrice carrée
d’ordre r ayant un déterminant non nul.
M

 
a b
Exemple 1.21. 1. Soit A = . On a det(A) = a2 − b2 = (a − b)(a + b). Donc si a2 6= b2 ,
b a
det(A) 6= 0 et par suite le rang de A vaut 2. Mais si a = ±b, det(A) = 0 et le rang de A
vaut 1.  
3 0 2 2 L1
2. On veut déterminer le rang de A = −6 42 24 54  L2 . On la transforme d’abord
21 −21 0 −15 L3

17
 grâce aux opérations élémentaires pour avoir une matrice échelonnée équivalente.
 
3 0 2 2 L1 ← L1
0 42 28 58  L2 ← L2 + 2L1
0 −21 −14 −29 L3 ← L3 − 7L1
 
3 0 2 2 L1 ← L1
0 42 28 58 L2 ← L2 .
0 0 0 0 L3 ← 2L3 + L2

Cette matrice ayant deux pivots non nuls, on conclut que le rang de A vaut 2.
 
1 1 1 0 0
0 −1 −2 1 1
 
0 0 −2
3. Le rang de la matrice  3 0 ∈ M5 (R) est 3 car cette matrice a 3 pivots non
0 0 0 0 0

4
0 0 0 0 0

02
nuls.
Exercice 
1.22.
 Calculer le
rang
 des matricessuivantes :

2
  
4 9 0 4 −6 1 5 2 2 1 2 −1 1

3-
−8 −6,  4 0 10 , 1 3 2 6 , 1 −1 3 1.
16 12 −6 10 0 4 0 8 48 0 1 2 1

1.8 Travaux dirigés

02
I2
 
  2 1

1
1. On considère les matrices suivantes : A = 1 2 3 , B = , C = −3 0, D =
UY

−2
  1 2
  1 1 3
−2 5
, E = −1 −4 0.
5 0
0 2 5
2

(a) Quels sont les produits matriciels possibles ? Pour chacun des cas, calculer le produit.
16

(b) Quelles sont les matrices carrées ?

(c) Quelles sont les matrices symétriques ?
AT

2. Calculer lorsqu’ils sont définis les produits AB et BA dans chacun des cas suivants :
   
1 0 0 0
(a) A = ,B=
M

0 0 0 1
 
0 2 1  
2 0 1
(b) A =  1 1 0 , B =
−1 1 2
−1 −2 −1
 
1 2  
1 1 0 1
(c) A = 1 1 , B =
 
2 1 0 0
0 3
 
7 5
3. On considère la matrice A = .
−6 −4
(a) Calculer la matrice A2 − 3A + 2I2 .
(b) En déduire que A est inversible et déterminer A−1 .

18
  
0 1 1
4. Soit A = 1 0 1.
1 1 0
(a) Trouver deux réels α et β tels que A2 = αI3 + βA.
(b) En déduire
 que A est
 inversible et donner son inverse.
2 0 0 0
−1 2 0 0
5. Soit A =  3 0 2 0. On pose B = A − 2I4 .


0 2 1 0
(a) Calculer B, B 2 , B 3 , B 4 . Que pouvez-vous déduire pour B k , k ≥ 4 ?
(b) De l’égalité A = B + 2I4 et de la formule du binôme de Newton, déduire la valeur de
An pour
 tout entiernaturel n.  
cos θ − sin θ n cos nθ − sin nθ
6. Soit A = . Montrer par recurrence sur n que A = .
sin θ cos θ sin nθ cos nθ

4
7. Résoudre les systèmes  d’équations suivants : 

02

  x+y−z =9  4x + y = 4  13x + 12y = −6
4x − 6y = −11
, 8y + 6z = −6 , 5x − 3y + z = 2 , −4x + 7y = −73 ,
−3x + 8y = 10 

2
−2x+ 4y − 6z = 40 −9x + 2y − z = 5 11x − 13y = 157
 

3-
 
 4x − 8y + 3z = 16  2x + 4y + z = 0  4y + 3z = 8 
−2y − 2z = −8
−x + 2y − 5z = −21 , −x + y − 2z = 0 , 2x − z = 2 , ,
3x + 4y − 5z = 13


3x − 6y + z = 7
5x − 7y + 3z = 17

4x + 6z = 0 02
 5y + 5z − 10t = 0

3x +2y = 5
 2x − 2y + 4z = 0
I2
, 2x − 3y − 3z + 6t = 2 , −3x + 3y − 6z + 5t = 15 ,
−15x + 21y − 9z = 50 
4x+ y + z − 2t = 4 x − y + 2z = 0


 10x + 4y − 2z = −4  2x + 3y + z − 11t = 1
UY

 
−3w − 17x + y + 2z = 2 5x − 2y + 5z − 4t = 5
 
, .

 w+x+y =6 
 x − y + 3z − 3t = 3
8w − 34x + 16y − 10z = 4 3x + 4y − 7z + 2t = −7
 
8. Déterminer le rang des matrices suivantes :    
2

      2 4 8 16 9 0 1 0
  0 3 5 6 −4 0 8 0 4 0 
4 −2 6 16 8 4 2  0 0 1 0
16

, 3 5 0 , −4 0 2, 0 2 0 4,   4 8 16 2 , 1 1 1

  ,
−2 1 −3 1
5 0 10 0 2 6 4 0 2 0
2 16 8 4 0 0 1 0
AT

 
1 1 1−m
1 + m −1 2 .
2 −m 3
M

4 −1 8 a b c
cos α sin α cos nθ sin nθ
9. Calculer les déterminants suivants : , , 0 2 3, c a b,
sin β cos β − sin nθ cos nθ
0 0 5 b c a
0 4 −1 5 4 7 0 0
1 a a2
−4 0 3 −2 2 8 0 0
1 b b2 , , .
1 −3 0 1 0 0 1 5
1 c c2
−5 2 −1 0 0 0 −2 2
n
10. Calculer A pour tout n ∈ N :
 
      0 1 1
1 −1 a b 1 1
a) A = , b) A = , c) A = , d) A = 1 0 1 .
−1 1 0 a 0 2
1 1 0

19
  
0 1 − sin θ
11. On considère la matrice A =  −1 0 cos θ . Calculer A3 puis en déduire (I3 +A)n
− sin θ cos θ 0
pour n ≥ 3.
12. 
Inverser, lorsque
  c’est possible,
  les matrices suivantes
  : 
−1 0 2 1 −1 0 1 i −i 1+a 1 1
0 0 1, 1 2 1, −i 1 i ,  1 1+b 1 .
0 −1 1 1 1 0 i −i 1 1 1 1+c
 
a 1 1
13. Pour quelle(s) valeur(s) du paramètre a la matrice A = 1 a 1 est-elle inversible ?
1 1 a
Déterminer, lorsque cela est possible, l’inverse de la matrice A.
 
−2 0 −3
14. On considère la matrice carrée d’ordre 3 suivante A =  1 1 1 .

4
−1 0 −1

02
(a) Calculer le déterminant de A. Quel est le rang de cette matrice ? La matrice A est-elle
inversible ?

2
(b) En utilisant la méthode de Gauss-Jordan, calculer l’inverse A−1 de A.

3-

−2x − 3z = 5

(c) On considère le système suivant (S) :


02
x + y + z = −3 Écrire le système (S) sous
−x − z = 1.
I2
t
la forme A1 X = B, où X = (x, y, z) et A1 , B sont deux matrices à déterminer.
(d) En utilisant l’inverse de A calculé ci-dessus, résoudre dans R3 le système (S).
UY
2
16
AT
M

20