Chapter II

Matrices et Systèmes linéaires

II.1 Généralités sur les matrices

II.1.1 Définitions et exemples
Définition II.1 Une matrice A = (aij ) d’ordre n × p est un tableau de n ligne et de p colonnes
contenant les réels aij . Le réel aij , appelé cœfficient, se trouve à l’intersection de la ligne i et
de la colonne j.  
a
 11
a 12 . . . . . . . a1(p−1) a 1p 
 a21
 

 
 .
 

 
 .
 

 
A= .
a ij


 
 .
 

 
 .
 

 
 .
 

 
an1 . . . . . . . . anp
Ainsi i représente l’indice de la ligne et j celui de la colonne. On note Mn,p (R) l’ensemble des
matrices d’ordre n × p.

Définition II.2 On appelle iéme ligne, le p-uplet Li = (ai1 , ai2 , ..., aip ) et j éme vecteur colonne,
le n-uplet ci = (c1j , c2j , ..., cnj ).

Exemple II.1 :    

2 3 −1  
1 2 
A= 5 6 7 , B= 3 4 
   
   
8 9 10 5 6

27
Calcul Matriciel

II.1.2 Matrices remarquables

Matrice ligne, matrice colonne, matrice nulle

Définition II.3 - Une matrice ligne est une matrice d’ordre 1 × p, c’est-à dire, une matrice
qui ne posséde qu’une seule ligne.
- Une matrice de colonne, est une matrice d’ordre n×1, c’est-à dire , une matrice qui ne posséde
qu’une seule colonne.
 

1 
2
 
Exemple II.2 La matrice A = est une matrice colonne d’ordre 4 × 1.
 
 
−1
 
 
 
0
 
A= 1 2 −1 0 est une matrice ligne d’ordre 1 × 4.

Définition II.4 Une matrice nulle est une matrice A = (aij ) telle que aij = 0, ∀i, j.
 

0 0 
Exemple II.3 A = 
 0 0 

 
0 0

Matrices carrée, diagonale, symétrique, triangulaire

Définition II.5 Une matrice carrée est une matrice d’ordre n × n. C’est-à dire une matrice
possédant autant de lignes que de colonnes. On note Mn (R) l’ensemble des matrices carrées
d’ordre n × n.
 
2 3 
Exemple II.4 A =  est une matrice carrée d’ordre 2.
4 5
 

2 3 
A= 4 5  n’est pas une matrice carrée.
 
 
5 6

Définition II.6 Une matrice diagonale D = (aij ) est une matrice carrée telle que

aij = 0, ∀i 6= j.
 

1 0 0 
Exemple II.5 La matrice A = 
 0 2 0

 est une matrice diagonale d’ordre 3.
 
0 0 −1

28
 Dr. DIAO

Définition II.7 Une matrice identité I = (Iij ) est une matrice diagonale telle que Iij = 1.
 
1 0 
Exemple II.6 I3 =  est une matrice d’identité d’ordre 2.
0 1
 

1 0 0 
I3 =  0 1 0  est une matrice d’identité d’ordre 3.
 
 
0 0 1

Définition II.8 On dit qu’une matrice carrée A est une matrice symétrique si et seulement
si aij = aji pour tout i, j ∈ {1, 2, · · · , n} et on dira qu’elle est antisymétrique si et seulement si
aij = −aji pour tout i, j ∈ {1, 2, · · · , n}.

Exemple II.7 Soient les matrices suivantes:

   

1 5 0  
0 2 −3 
A= 5 9 6  et B= −2 0 1  .
   
   
0 6 2 3 −1 0

A est une matrice symétrique d’ordre 3 et B est une matrice antisymétrique d’ordre 3.

Définition II.9 Soit une matrice carrée A = (aij )ij .

On que A est triangulaire supérieur si et seulement si aij = 0 ∀i > j.
On que A est triangulaire inférieur si et seulement si aij = 0 ∀i < j.
   

1 2 3  
1 0 0 
Exemple II.8 A = 
 0 0 −1 

est triangulaire supérieur, B =  2 1 0 

 est triangu-
   
0 0 5 0 1 5
laire inférieur.

II.1.3 Somme, produit, transposition et trace de matrices

Multiplication par un scalaire

Multiplier une matrice par un scalaire, c’est multiplier chaque élément de la matrice par ce
scalaire
λA = (λaij ) pour tout i ∈ {1, 2, · · · , n} et j ∈ {1, 2, · · · , p} .

29
Calcul Matriciel

Proposition II.1 Soit A = (aij )1≤i≤n;1≤j≤p une matrice d’ordre n × p et λ ∈ R. Alors λA est
la matrice, λA = (λaij ).

Exemple II.9 Soit la matrice suivante:

     

1 5 10  
2 × 1 2 × 5 2 × 10  
2 10 20 
A=
 7 9 6 

. Alors 2 × A = 2 × 
 2×7 2×9 2×6

 =
 14 18 12 

.
     
1 6 2 2×1 2×6 2×2 2 12 4

Addition de deux matrices

Pour faire la somme deux matrices A et B, il faut qu’elle soient du même ordre; n = m et
p = q, et dans ce cas

A + B = (aij + bij ) pour tout i ∈ {1, 2, · · · , n} et j ∈ {1, 2, · · · , p} .

Exemple II.10 Les matrices suivantes sont du même ordre

   

1 5 2  
7 0 10 
A=
 3 9 6 

et B=
 −2 7 8 

.
   
9 0 2 3 −1 2

Alors nous avons

       

1 5 2  
7 0 10  
1 + 7 5 + 0 2 + 10  
8 5 12 
3 9 6  +  −2 7 8  =  3 − 2 9 + 7 6 + 8 =  1 16 14  .
       
 
       
9 0 2 3 −1 2 9+3 0−1 2+2 12 −1 4

Remarque II.1 La somme de deux matrices d’ordre différent est impossible.

Produit matriciel

Pour faire le produit A × B des deux matrices A et B, il faut que le nombre de colonne de A
soient égale au nombre de ligne de B: p = m. Et dans ce cas le produit C = A × B, où
C = (cij ) avec
p
cij = pour tout i ∈ {1, 2, · · · , n} et j ∈ {1, 2, · · · , q} .
X
aik bkj
k=1

30
 Dr. DIAO

Exemple II.11 Soient les matrices suivantes :

   

1 5 2  
7 0 
A= 3 9 6  et B= −2 7 .
   
 
   
9 0 2 3 −1

Le nombre de colonne de A est égale au nombre de ligne de B, alors le produit A × B est

possible et nous avons    

1 5 2  
7 0 
 3 9 6 ×  −2 7 =
   
 
   
9 0 2 3 −1
   

1 × 7 + 5 × (−2) + 2 × 3 1 × 0 + 5 × 7 + 2 × (−1)  
3 33 
3 × 7 + 9 × (−2) + 6 × 3 3 × 0 + 9 × 7 + 6 × (−1) =  21 57  .
   
 
   
9 × 7 + 0 × (−2) + 2 × 3 9 × 0 + 0 × 7 + 2 × (−1) 69 −2
Exemple II.12 Soient les matrices
 
1 −2   
 −1 1 0
A= 0 2 

B= .
0 2 1

 
1 −3

Calculer AB et BA si possible.

Remarque II.2 1. On ne peut effectuer le produit AB, avec A ∈ Mn,p (R) et B ∈ Mp0 ,q (R)
que si p = p’.

2. AB peut exister sans que BA n’existe.

Proposition II.2 Soient α, β des scalaires. Soient A,B,C des matrices telles que les produits
suivants soient possibles.

1. Le produit matriciel est distributif par rapport à l’addition:

- C(αA + βB) = αCA + βCB.
- (αA + βB)c = αAC + βBC.

2. Le produit matriciel admet un élément neutre dans Mn (R).

AIn = In A = A.

31
Calcul Matriciel

Transposition

On appelle transposée de A la matrice notée tA et définie par tA = (aji ), c’est-à dire la matrice
obtenue en transformant les colonnes (respectivement les lignes ) de A en lignes (respectivement
en colonnes).

Exemple II.13 Soient les matrices suivantes :

   

1 5 2  
7 0 
A= 3 9 6  et B= −2 7 .
   
   
9 0 2 3 −1

Alors nous avons

 
1 3 9   
 7 −2 3 
A=
t 
5 9 0 

et t
B= .
−2 7 −1

 
2 6 2

Proposition II.3 Soient A et B deux matrices et α, β ∈ K des salaires. Alors

1. t (t A) = A.

2. t (αA + βB) = αtA + β tB, si la somme est définie

3. t(AB) = tB tA, si le produit est défini.

Remarque II.3 Transposer revient à échanger les lignes et les colonnes d’une matrice.

Proposition II.4 Soient A ∈ Mn,p (R) et B ∈ Mp,q (R). Alors

t
(AB) = t B t A

Proposition II.5 Soit A ∈ Mn (R) une matrice carrée. Alors A est symétrique si et seulement
t
A = A et A est antisymétrique si et seulement si t A = −A
 

−2 3 1 
Exemple II.14 A = 
 3 0 2

 t
A = A =⇒ A est symétrique.
 
1 2 −1

32
 Dr. DIAO

Trace de matrice carrée

Définition II.10 Soit A = (aij ) ∈ Mn (K) une matrice carrée. On appelle trace de A, notée
Tr (A) le scalaire donné par
n
Tr (A) =
X
aii .
i=1

Exemple II.15 Pour la matrice A suivante:

 

1 5 2 
A=
 3 9 6 

, on a Tr (A) = 1 + 9 + 2 = 12.
 
9 0 2

Proposition II.6 Soient A = (aij ) ∈ Mn (K) une matrice carrée et α, γ ∈ K des salaires. Alors
1. T r(αA + γB) = αT r(A) + γT r(B), si la somme est définie

2. Tr(AB) = Tr(BA), si le produit est défini.

II.1.4 Matrice d’une famille de vecteurs

Matrice d’un vecteur relativement à une base

Définition II.11 Soient e = (e1 , e2 , e3 ) une base de l’espace (respectivement e = (e1 , e2 ) une
base du plan) et ~u(x1 , x2 , x3 ) un vecteur de l’espace (respectivement ~u(x1 , x2 ) un vecteur du
plan). On appelle matrice de ~u dans la base e, la matrice notée Me (~u) et définie par:
 
x1  
x1 
   
Me (~u) = x2 ∈ M3,1 (R) respectivement Me (~u) =  ∈ M2,1 (R)
 
 
  x2
x3

Remarque II.4 Me (~u) représente les coordonnées de ~u dans la base e.

 
1 −2   
 −1 1 0 
Exemple II.16 A = 
0 2 

B= .
0 2 1

 
1 −3

Matrice d’une famille de vecteurs

Définition II.12 Soit (v1 , v2 , ....vp ) une famille de p vecteurs. On appelle matrice de la famille
(v1 , v2 , ....vp ) dans la base e, et on note Me (v1 , v2 , ....vp ), la matrice dont les colonnes sont
formées des vecteurs v1 , v2 , ....vp .

33
Calcul Matriciel

Exemple II.17 Soient v1 = (−1, 3, 0), v2 = (0, −1, 5), v3 = (−3, 2, 1) et v4 = (1, 0, −1) et si
v = (v1 , v2 , v3 , v4 ). Alors
v1 v2 v3 v4
 

−1 0 −3 1 
Me (v) =  3 −1 2

0 

 
0 5 1 −1

II.2 Déterminant d’une matrice carrée

II.2.1 Déterminant d’une matrice carrée d’ordre 2 ou 3
Soit A = (aij ) une matrice carrée d’ordre 2 ou 3. On appelle déterminant de A le déterminant
de ses vecteurs colonnes. Autrement dit, si A est une matrice d’ordre 2 et si c1 , c2 sont les
vecteurs colonnes de A, alors det(A) = det(c1 , c2 ).
De même si A = (c1 , c2 , c3 ) est une matrice d’ordre 3, alors det(A) = det(c1 , c2 , c3 ).

Exemple II.18
 
2 3  2 3
A= |A| = = −2 − 12 = −14
4 −1 4 −1

Remarque II.5 Si A est diagonale, alors |A| est égale au produit des éléments de sa diagonale.
De même si A est triangulaire.

On rappelle les résultats suivants

Proposition II.7 Soient ~u et ~v deux vecteurs du plan. Alors le couple (~u, ~v ) forme une base
du pa si et seulement det(~u, ~v ) 6= 0.

Proposition II.8 Soient ~u, ~v et w~ trois vecteurs de l’espace. Alors le triplet (~u, ~v , w)
~ forme
une base de l’espace si et seulement det(~u, ~v , w)
~ 6= 0.

Régle de Sharrus

Pour A ∈ M3 (K) Soit une matrice carrée d’ordre 3,

 

a11 a12 a13 
A=
 a21 a22 a23 .

 
a31 a32 a33

34
 Dr. DIAO

Pour calculer le déterminant de A, on peut utiliser la règle de Sharrus. Elle est décrite ainsi
qui suit:
a) Ajouter les deux premières colonnes

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

Alors on a

|A| = (a11 a22 a33 + a12 a23 a31 + a13 a32 a21 ) − (a11 a23 a32 + a22 a13 a31 + a33 a12 a21 ).

II.2.2 Déterminant d’une matrice carrée d’ordre quelconque

Définition II.13 Soit A = (aij ) une matrice carrée . On appelle

• mineur d’indice (i,j), noté ∆ij , le déterminant de la matrice obtenue en supprimant la

ligne i et la colonne j à la matrice A.

• cofacteur d’indice (i,j) et on note Aij , le scalaire Aij = (−1)i+j ∆ij .

Exemple II.19 Soit la matrice  


1 2 3 
A= −1 2 3 
 
 
0 3 4

1 2 3 1 2 3
2 4 1 3
∆11 = −1 2 3 = = 8 − 9 = −1, ∆32 = −1 2 3 = =3+3=6
3 4 −1 3
0 3 4 0 3 4

A11 = (−1)1+1 ∆11 = −1

A32 = (−1)3+2 ∆32 = 6

Définition II.14 Soit A = (aij ) ∈ Mn (R) et i0 , j0 ∈ [1, n]. Alors

1. On appelle déterminant de A suivant la colonne j0 , le scalaire

n n
det(A) = ai,j0 Ai,j0 = (−1)i+j0 aij0 ∆i,j0 .
X X

i=1 i=1

35
 Calcul Matriciel

2. On appelle déterminant de A suivant la la ligne i0 le scalaire

n n
det(A) = aio ,j Ai0 ,j = (−1)i0 +j ai0 j ∆i0 ,j .
X X

j=1 j=1

Exemple II.20 Soit la matrice  


1 2 3 
A=
 −1 2 3 

 
3 2 1

1 2 3
2 3 1 3 1 2
|A| = −1 2 3 = +2 −3
2 1 3 1 3 2
3 2 1

Propriétés du déterminant

Voici quelques propriétés du déterminant: Soient A et B deux matrices carrées, alors

Propriété 1: Si une ligne (ou colonne) de A est nul, alors |A| = 0.

Propriété 2: Si deux lignes (ou deux colonnes) sont proportionnelles, alors |A| = 0.

Propriété 3: |A| = | t A|.

Propriété 4: |AB| = |BA| = |A||B|.

Propriété 5: Si l’on permute deux lignes (ou deux colonnes) de A, le signe du déterminant est changé.

1 1 2 1 2 1
|A| = 0 1 1 = 3 et |B| = 0 1 1 = −3.
−1 0 2 −1 2 0

Propriété 6: Si une ligne (ou colonne) de A est multiplié par α, le déterminant est multiplié par α.

Propriété 7: Si chaque élément d’une ligne (ou colonne) de A peut se représenter par la somme de deux
nombres, le déterminant peut s’exprimer en fonction de la somme de deux déterminants.

1 1 2 1 1 2+0 1 1 2 1 1 0
|A| = 0 1 1 = 0 1 3 − 2 = 0 1 3 + 0 1 −2 = 1 + 2 = 3.
−1 0 2 −1 0 2 + 0 −1 0 2 −1 0 0

36
 Dr. DIAO

Propriété 8: Si à une ligne (ou colonne) de A on ajoute α fois une autre ligne (ou colonne), la valeur
du déterminant reste inchangée.

1 −2 2 1 −2 + 2(1) 2 1 0 2
|A| = 0 1 1 = 0 1 + 2(0) 3 = 0 1 3 = 3.
−1 2 2 −1 2 + 2(−1) 2 −1 0 2

Propriété 9: det(λA) = λn det(A).

II.3 Matrices inversibles

II.3.1 Définitions et propriétés
Définition II.15 On dit qu’une matrice carrée A ∈ Mn (R) est inversible si et seulement s’il
existe une matrice B ∈ Mn (R) telle que:

AB = In et BA = In

Si tel est le cas, B est unique et est appelée matrice carrée inverse de A. on la note B = A−1 .

Preuve II.1 Soient B, B 0 ∈ Mn (R) tel que

AB = BA = In et AB 0 = B 0 A = In

on a donc
B = BIn = B(AB 0 ) = (BA)B 0 = In B 0 = B 0 =⇒ B = B 0

Exemple II.21 Soient les matrices suivantes

   
1 1  1 −1 
A= , B=
0 1 0 1

Calculer AB et BA, conclure.

Proposition II.9 Soient A, B ∈ Mn (R) deux matrices carrées inversibles. Alors la matrice
produit AB est inversible et on a

(AB)−1 = B −1 A−1 .

37
Calcul Matriciel

Proposition II.10 Soit A ∈ Mn (R). Alors A est inversible si et seulement si t A est inversible.
De plus, si tel est le cas
(t A)−1 =t (A−1 )

II.3.2 Caractérisation des matrices inversibles

Proposition II.11 Soit A ∈ Mn (R). Alors A est inversible si et seulement si

∀ X ∈ Rn / AX = 0 =⇒ X = 0

Exemple II.22 Soit la matrice suivante:

 

1 1 
A=
 

 
0 1
 
x1 
Soit X =  ∈ R2 / AX = 0
x2
     

1 1   x1  
0  



x1 + x2 = 0
⇐⇒ 




 = 


 =⇒ =⇒ x1 = x2 = 0
     
0 1 0 x2 = 0

x2


 

0 
=⇒ X = 
 .

Donc A est inversible.
 
0
Proposition II.12 Une matrice carrée A ∈ Mn (R) est inversible si et seulement det(A) 6= 0.

Soit A ∈ Mn (R) telles que det(A) 6= 0. On sait donc A est inversible. Comment calcule-t-on
son inverse A−1 ?

II.3.3 Inversion de matrice carrée

Inversion d’une matrice carrée d’ordre 2
 
a b 
Proposition II.13 Soit A ∈ M2 (R) de la forme A =  telle que |A| = ad − bc 6= 0.
c d
Alors A est inversible et  
1 a −b
A−1 =  .
ad − bc −c d

38
 Dr. DIAO

Exemple II.23 Soit la matrice A définie par

   
2 3  1  1 −3 
A= . Alors |A| = 2 = 12 = −10 6= 0 et donc A−1 =
4 1 −10 −4 2

Inversion d’une matrice carrée par méthode de la comatrice

Soit A ∈ Mn (R), n > 2, telle que |A| =

6 0. Nous allons utiliser la méthode de la comatrice pour
inverser A.

Définition II.16 Soit A = (aij ) ∈ Mn (R). On appelle comatrice de A et on note Com(A), la

matrice des cofacteurs de A:

∀ i, j ∈ [1, n], com(A)) = (Aij ) = ((−1)i+j ∆ij ).

Exemple II.24    
1 −1  2 −3 
A= =⇒ com(A) = 
−3 2 1 1
   

1 1 2  
2 −1 1 
A= 
 0 1 1 

=⇒ com(A) =  −2 4 −1 


   
−1 0 2 −1 −1 1

Remarque II.6 La comatrice com(A) de A est la matrice obtenue en remplaçant chaque

élément de A par le cofacteur associé.

Proposition II.14 Soit A ∈ Mn (R), n > 2, telle que |A| =

6 0. Alors A est inversible et on a

1
A−1 = × tcom(A).
|A|

Exemple II.25
     
1 −1  2 −3  1 1 3 
A= =⇒ com(A) =  =⇒ A−1 = 
−3 2 1 1 5 −1 2

Inversion d’une matrice carrée par méthode du Pivot de Gauss

Soit A ∈ Mn (R) telle que |A| =

6 0. La méthode d’inversion du Pivot consiste à suivre les étapes
suivantes:

39
Calcul Matriciel

a) Juxtaposer la matrice carrée A et la matrice identité du même ordre: (A|I).

b) Par des opérations élémentaires sur les lignes (ou les colonnes), faire apparaître I de
l’autre coté du trait vertical: (I|B).

c) Si le procédé du b) est possible, alors A est inversible et A−1 = B.

Rappelons que les opŕations élémetaires sur les lignes Li d’une matrice sont: Pour λ 6= 0,

• On peut remplacer Li par λLi : Li ← λLi ,

• On peut remplacer Li par Li + λLi : Li ← λLi ,

• On peut permuter Li et Lj : Li ↔ Lj .
 
1 2 
Exemple II.26 Soit les matrice A =  . On a
1 3
       
1 2 1 0  1 2 1 0  1 0 3 −2  1 0 3 −2 
 ⇐⇒  ⇐⇒  ⇐⇒ 
1 3 0 1 0 −1 1 −1 0 −1 1 −1 0 1 −1 1
 
3 −2 
Alors A est inversible et A−1 =
−1 1

II.4 Changement de base

II.4.1 Matrice de Passage
Matrice de Passage dans le plan

Définition II.17 Soient e = (e1 , e2 ) et v = (v1 , v2 ) deux bases du plan. On appelle matrice
de passage de la base e à la base v et on note Pe → v, la matrice de la formule (v1 , v2 ) dans la
base e, c’est-à dire la matrice dont les colonnes sont les coordonnés de v1 et v2 dans la base e.

Exemple II.27 Soient e = (e1 , e2 ), avec e1 = (1, 0), e2 = (0, 1). Soit v1 (1, 2) et v2 (−1, 3).
Alors v = (v1 , v2 ) est une base du plan. Or v1 = 1e1 + 2e2 et v2 = −e1 + 3e2 . Alors
 

v1 v2 
Pe → v =  1 −1  e
 
  1
2 3 e2

40
 Dr. DIAO

Matrice de Passage dans l’espace

Définition II.18 Soient e = (e1 , e2 , e3 ) et v = (v1 , v2 , v3 ) deux bases de l’espace. On appelle

matrice de passage de la base e à la base v et on note Pe → v, la matrice de la famille (v1 , v2 , v3 )
dans la base e, c’est-à dire la matrice dont les colonnes sont les coordonnés de v1 , v2 et v3 dans
la base e.

Exemple II.28 Soient e = (e1 , e2 ), avec e1 = (1, 0, 0), e2 = (0, 1, 0) et e2 = (0, 0, 1) la base
canonnique de l’espace. Soient v1 (1, 2), v2 (−1, 3) et v3 (). Alors v = (v1 , v2 ) est une base du
plan. Or v1 = 1e1 + 2e2 et v2 = −e1 + 3e2 . Alors

v1 v2
 
1 −1 
Pe → v =  e1
2 3
e2

Proposition II.15 Soit P = Pe → v la matrice de passage de la base e à la base v. Alors P

est inversible et et (Pe → v)−1 = Pv → e.

II.4.2 Changement de base pour un vecteur

Théorème II.1 Soient e et v deux bases du plan plan(ou de l’espace) et ~u un vecteur du plan
(ou de l’espae). Alors
M atv (~u) = Pv → e × M ate (~u)

où M atv (~u) sont les coordonnées de ~u dans la base e.

Exemple II.29 Soient e =(e1 , e2

), avec e1 (1, 0), e2 (0, 1) et v = (v1 , v2 ), v1 (1, 2) et v2 (−1, 3)
5 
deux bases du plan. Soit ~u  = M ate (~u) les coordonnées de ~u dans la base e. Alors:
−2

M atv (~u) = Pv → e × M ate (~u) = (Pe → v)−1 × M ate (~u)

       
3 1   5  13   13/5 
= 1/5  × = 1/5  =
−2 1 −2 −12 −12/5

Exemple II.30 Soient e = (e1 , e2 ), avec e1 (1, 0, 0), e2 (0, 1, 0), e3 (0, 0, 1) et v = (v1 , v2 , v3 ),
v1 (1, −1, 0), v2 (1, 1, −1) et v3 (−1, 0, 1) deux bases de l’espace.

41
Calcul Matriciel

Soit ~u(5, 2, 3) dans la base canonique. Alors

M atv (~u) = (Pe → v)−1 × M ate (~u)

or    

1 1 −1  
1 1 1 
Pe → v =  1 1 −1  =⇒ Pv → e =  0 1 1
   

   
−1 0 1 1 1 2
    

1 1 1  5   8 
=⇒ M atv (~u) = 
 0 1 1 

 2 = 3
  

    
1 1 2 1 9

8
Donc les coordonnées de ~u dans la base v sont ~u 3
9

II.5 Rang d’une matrice

Soit A ∈ Mnp (R).

II.5.1 Définitions et propriétés

Définition II.19 Soit u = (u1 , u2 , · · · , un ) une famille de vecteurs du plan (respectivement
de l’ espace). On appelle rang de la famille u, noté rg(u), le nombre n ≤ 2 de vecteurs non
colinéaires (respectivement le nombre n ≤ 3 de vecteurs non coplanaires).

Exemple II.31      
1 0 2
rg    ,   ,    = 2.
0 1 0

Définition II.20 On appelle rang d’une matrice A ∈ Mnp (R), le rang de la famille des vecteurs
colonnes.

Exemple II.32  
1 2 3 
rg  = rg(C1 , C2 , C3 ) = 2.
5 6 7

Proposition II.16 Soit A ∈ Mnp (R) une matrice. Alors

42
 Dr. DIAO

• rg(A) = rg( t A).

• 0 ≤ rg(A) ≤ min(n, p).

Proposition II.17 Une matrice carrée A ∈ Mn (R) est inversible si et seulement si rg(A) = n.

II.5.2 Calcul pratique du rang

Réduction de Gauss

Proposition II.18 Le rang d’une matrice A est égal au nombre de vecteurs non nuls de la
matrice échelonnée équivalente.
 
1 2 3 
Exemple II.33 Soit les matrice A =  . On a
5 6 7
     
1 2 3  1 0 0  1 0 0 
rg  = rg  = rg  = 2.
5 6 7 5 −4 −8 5 −4 0

Matrices extraites

Définition II.21 On appelle matrice extraite de la matrice A = (aij ) ∈ Mnp (R), toute matrice
de la forme A = (aij )i∈I∈J où I ⊂ {1, 2, · · · , n} , J ⊂ {1, 2, · · · , p} .

Exemple II.34 Soit la matrice

 

0 1 2 3 
A= 4 5 6 7 .
 
 
8 9 10 11

Alors les matrices suivantes sont des matrices extraites de A:

     
1 2 3  0 2 3  2 3 
A1 =  , A2 =  A3 =  .
5 6 7 8 10 11 8 9

Par contre les matrices

   
0 1 2  0 2 3 
A1 =  , et A2 = 
5 6 7 4 5 7

ne sont pas des matrices extraites de A.

43
Calcul Matriciel

Proposition II.19 Le rang d’une matrice A est la taille maximale des matrices carrées ex-
traites inversibles.

Exemple II.35 Soit la matrice

 

0 3 2 3 
A= 4 5 1 2 .
 
 
8 0 10 11

0 3
Nous avons = −12, alors le rg(A) ≥ 2. D’autre part
4 5

0 3 2
3 2 3 2
4 5 1 = −4 +8 = −176,
0 10 5 1
8 0 10

alors, puisque rg(A) ≤ 3, on en déduit que rg(A) = 3.

II.6 Systémes linéaires

On termine le chapitre par l’étude des systémes linéaires. Vous connaissez déja certaines méth-
odes de résolution telles que: la combinaison, l’addition, etc. Nous donnerons d’autres méthodes
concernant les systémes carrées.

II.6.1 Définitions et examples

Définition II.22 Un système linéaire d’équations algébriques est un système de la forme





a11 x1 + a12 x2 + ..... + a1p xp = b1
a21 x1 + a22 x2 + ..... + a2p xp = b2




.. .

= ..


.




.. .

= ..


.



(S) .. .


 . = ..
.. .

= ..

.





.. .

= ..

.






an1 x1 + an2 x2 + ..... + anp xp = bn




44
 Dr. DIAO

où les coefficients (aij ) sont des scalaires. Le vecteur colonne b = t (b1 , b2 , · · · , bn ) est appelé
second membre et le p−uplet (x1 , x2 , · · · , xp ) est le vecteur des inconnues. Lorsque le second
membre b = 0, on dit que le système est homogène sinon on dit que le système est non homogène.
On note par (S0 ) le système homogène associé à (S):


 a11 x1 + a12 x2 + .......... + a1p xp =0
..



. =0




.. .

= ..


.




.. .

= ..

(S0 ) .
.. .

= ..

.





..


. =0






an1 x1 + an2 x2 + .......... + anp xp =0




Résoudre le système (S), c’est trouver le p-uplet (x1 , x2 , · · · , xp ) qui vérifie les n équations de
(S). Lorsque le système (S) admet une solution, on dit que le systéme est compatible sinon on
dit qu’il est incompatible. On dira que le système (S) est carré si le nombre d’q́uations est égale
au nombre d’inconnues: n = p.

Exemple II.36 Le système suivant est un systèmes de deux équations à deux inconnues.

 2x + 3y = 5
(S)
 8x − 7y = −1.

II.6.2 Écriture matricielle

 A X b
 a11 x1 + a12 x2 + .......... + a1p xp = b1 
a a12 ··· a1p
    
x b1

.. ..  11

 1 

. ..

. =.  ..
   
.

···  x2  b2

      
.. .  .  ..
   
 .. .. ..
= ..

 . 
    
.  . . .  .  .

···

   
 .  ..
   
.. ..  .. .. ..

 . 
    
(S)  . =. ⇔  . . ··· .  . = .
.
  
 .  ..
 
.. ..  .. .. ..  . 
   
 . . .  .  .

. =. ···

   
   
 .. ..

      
.. ..  . .

··· an−1 p   xp−1   bn−1 
     
. =.



      

an1 an2 ··· · · · anp xp bn

an1 x1 + an2 x2 + .......... + anp xp =b



n

Ainsi le système (S) peut s’écrire sous la forme

AX = b.

45
Calcul Matriciel

Exemple II.37 Pour illustration, nous avons

     
 2x + 3y = 5 2 3  x   5 
⇐⇒  = .
 8x − 7y = −1 8 −7 y 1

II.6.3 Structure des solutions

Théorème II.2 : Soit S0 l’ensemble des solutions du systéme homogéne S0 . Alors

a) Le vecteur nul (0,0,0......,0) est solution ⇐⇒ S0 6= 0.

b) Si x = (x1 , ....., xp ) et y = (y1 , ....., yp ) sont deux solutions, alors αx + βy ∈ S0 pour tout
α, β des scalaires.

Proposition II.20 : Pour le système homogène S0 , deux cas sont possibles:

• Il y’a une unique solution.

• Ou il y’a une infinité de solutions.

Exemple II.38 Soit les systèmes suivants:


3x + 2y = 0

Pour (S1 )  , le couple (0,0) est l’unique solution.
3x + y = 0

x+y+z =0

Pour (S2 )  , S0 = {(−2z, z, z), z ∈ R} = {z(−2, 1, 1), z ∈ R} est une droite
x + 2z = 0
vectorielle.

Théorème II.3 ; (Solution générale):

Pour le système non homogène Ax = b, on a les résultats suivants:

1) Soit S = ∅.

2) Soit S = xp + S0 où xp est une solution particulière.

Proposition II.21 Pour le système non homogène Ax = b, on a les résultats suivants:

1) Soit S = ∅.

2) Soit il y’a une unique solution.

3) Soit il y’a une infinité de solution.

46
 Dr. DIAO

II.6.4 Méthodes résolution

Méthode du Pivot

Définition II.23 On dit que deux systèmes (S) et (S 0 ) sont équivalents s’ils ont le même
ensemble de solutions: S ' S 0 ⇐⇒ S = S0 .

Le principe de la méthode du Pivot de Gauss est de transformer, par des opérations élé-
mentaires sur les lignes (ou les colonnes), le système (S) en un système équivalent (S 0 ) plus
facile à résoudre. On rappelle que les opérations élémentaires sont:

• Échanger deux ligne.

• Multiplier une ligne par un réel non nul. (∗)

• Ajouter une ligne à une autre ligne.

Définition II.24 O dit qu’un système (S) est réduite sous forme échelonnée s’il est transformé
sous la forme suivante:

a11 x1 + a12 x2 + · · · + a1j xj + · · · + a1p xp = b1




+a22 x2 + · · · + a2j xj + · · · + a2p xp = b2




.. .

= ..

.





.. .

= ..

.






(SE) aii xj + · · · + aip xp = bi

 




0 = bi+1





.

0 = ..







0 = bn .




Les équations 0 = bi sont appelées équations de compatibilités.

Proposition II.22 Pour le système (SE), on a les résultats suivants:

• S’il y’a une équation de compabilité et avec second membre non nul, alors S = ∅.

• S’il n’y a pas d’équation de compabilité ou si leur second membre est nul, le systéme est
résoluble.

47
Calcul Matriciel

Exemple II.39
 


 x + 2y − z + t = 1 L1


 x + 2y − z + t = 1 L1

 

y + 2z − 2t = 1 y + 2z − 2t = 1
 
L2 ← L2 − L1 L2

 




 3y + 6z + 3t = 4 L3 ← L3 + L1 


 9t = 1 L3 ← L3 − 3L2
L4 ← L4 − 2L1 L4 ← L4 + 3L2

 

−3y − 6z − t = 2 −7t =

 





 x + 2y − z + t = 1 L1


y + 2z − 2t = 1

L2





 9t = 1 L3
L4 ← L4 + 7/9L3


0 = 52/9



S = ∅ car il y’a une équation de compatibilité avec b4 6= 0.

Exemple II.40 Résoudre les systèmes suivants par la méthode du Pivot

  




x+y−z =0 



x + 3y + 2z = 1 



x + 3y + 2z = 1
(S1 ) x−y =0 (S2 ) 2x − 2y = 2 (S3 ) 2x − 2y = 2
  
 x + y + z = 0,  x + y + z = 2,  x + y + z = 3.

 
 


Méthode de Cramer

Définition II.25 On dit qu’un système linéaire AX = b est de Cramer si et seulement A est
une matrice carrée et |A| =
6 0.

Proposition II.23 Un systéme de Cramer possède une unique solution X = (x1 , ...., xn ) don-
née par la formule X = A−1 b ou par

|Ai |
xi = , ∀i ∈ [1, n],
|A|

où Ai est la matrice obtenue en remplaçant la colonne i par le second membre b.

Exemple II.41 Soit le système linéaire suivant:

     
 2x + 3y = 5 2 3  x   5 
 8x − 7y = −1
⇐⇒  = .
8 −7 y 1

48
 Dr. DIAO

2 3
Puisque = −38 6= 0, alors le système est de Cramer. Nous avons donc une unique
8 −7
solution X = (x, y), avec

5 3 2 5
−1 −7 32 16 8 −1 42 21
x= = = et y = = = .
2 3 38 19 2 3 38 19
8 −7 8 −7

Exemple II.42 Méttre sous le forme échelonnée, puis résoudre les systémes suivantes: 2
 




x + y − 3z − 4t = −1 



x−y+z+t=3
2x + 2y + 2z − 3t = 2 5x + 2y − z − 3t = 5

 

 
(S) (S3 )




3x + 6y − 2z + t = 8 



−3x − 4y + 3z + 2t = 1
2x + y + 5z + t = 5 6x + y − 2t = 8

 

 

49
Calcul Matriciel

II.7 TD Matrices et Systèmes linéaires

Exercice II.1 Soient les matrices

   

−1 0 1  
1 1 1 
A= 0 2 −1  et B =  −1 0 2 
   
   
−2 1 0 2 −1 2

1. Calculer AB et BA.

2. Calculer t (AB) et t B t A.

3. Calculer Tr(A), Tr(B),Tr(AB) et Tr(BA).

4. Développer (A + B)2 .

Exercice II.2 Calculer lorsque c’est possible le produit AB et BA

 
  
1 0 
−1 0 1 1  0 1
 
1. A =  et B = 
 

2 1 0 0 1 2
 
 
 
−1 1
 

−1 
1
   
2. A = 1 1 1 1 et B =
 
 
0
 
 
 
1

Exercice II.3 Calculer le déterminant de A en variant les méthodes.

 

1 2 0 
1. Pour A =  0 1 6 
 
 
2 4 2
 

3 4 −2 
2. Pour A =  2 3 1 
 
 
1 2 3

50
 Dr. DIAO

 

1 1 1 
3. Pour A = 
 5 8 3 

 
2 −1 2

Exercice II.4 Soit la matrice  

1 2 
A=
3 4
Trouver l’ensemble des matrices B telle que AB = BA.

Exercice II.5 Inverser  


−3 1 0 
A= 2 0 1
 

 
1 2 −1
1) En utilisant le Pivot de Gauss.
2) En utilisant la comatrice.

Exercice II.6 Calculer An , pour n ∈ N∗ , avec

 
1 1 
A=
1 1

Exercice II.7 Soit  


1 0 1 
A=
 −1 0 2


 
0 1 −1
1) Montrer que A3 − 3A + 3I3 = 0. On dit que le polynôme X 3 − 3X + 3 est un polynôme
annulateur de A.
2) En déduire que A est inversible et calculer son inverse.
3) Retrouver le résultat par un calcul direct.

Exercice II.8 Déterminer le rang des matrices suivantes:

   

1 2 −1  
1 1 1 
A= 2 1 0  et B =  1 2 −1  .
   
   
−1 1 0 1 2 1

51
Calcul Matriciel

Exercice II.9 Soient e = (e1 , e2 , e3 ) la base canonique:

     

1  
0  
0 
e1  0 , e1  1 , e1  0
     

     
0 0 1

1) Montrer que la famille B = (u,v,w) avec u(−1, 1, −1), v(0, 1, 0), et w(0, 1, 1) est une base
de l’espace.
2) Écrire la matrice de passage de la base e à la base B, et de la base B à la base e.
3) Soit ~x(2, 3, −1) dans la base e. Quelles sont ses coordonnées dans la base B?
4) Soit ~y (1, 0, −5) dans la base B. Quelles sont ses coordonnées dans la base e?

Exercice II.10 Résoudre dans R3 les systèmes suivants.

 




x − y + 2z = 1 



2x − y + 3z = 0
(S1 ) 2x − 3y + z = 4 (S2 )
 
 x − 3y − 4z = 5 x + y + 2z = 0

 



 




x + 3y + 2z = 1 x + 3y + 2z = 1




(S3 ) 2x − 2y = 2 (S4 ) 2x − 2y = 2
 
 x+y+z =3  x+y+z =2

 


Exercice II.11 Déterminer suivant les valeurs des réels a, b, c et m les solutions du système





mx + my + mz = a

x + my + z = b
 x + y + mz = c



Exercice II.12 Une entreprise fabrique deux produits intermédiaires U et V. Pour produire
une unité de produit U (resp. de produit V) l’entreprise utilise 20 % (resp. 10%) de sa
production de U et 60% (resp. 30 %) de sa production de V . On appelle matrice des coefficients
techniques, la matrice A = (aij ) telle que aij représente la quantité de l’input i nécessaire pour
produire une unité de j.

(a) Donnez la matrice des coefficients techniques de l’entreprise.

(b) Si l’entreprise produit 200 unités de biens U et 350 unités de biens V , quelle sera la
production finale qui parviendra aux consommateurs ?

52
 Dr. DIAO

(c) Quelle est le niveau de la production totale qui satisfait une demande finale de 500 unités
de U et 1000 de V ?

53