MATHÉMATIQUES

Pour les biologistes

ENSEMBLES USUELS DE NOMBRE

o Liste des ensembles de nombre

o Propriétés des opérations dans ℝ
o Ensembles /intervalles

3
LISTE DES ENSEMBLES DE NOMBRE
• Nombres entiers naturels
• = nombres entiers positifs : {0 ; 1 ; 2 ; 3 ; …}
• Ensemble noté ℕ

• Nombres entiers relatifs

• = nombres entiers positifs et négatifs : { … -3 ; -2 ; -1 ; 0 ; 1 ; 2 ; 3 ; …}
• Ensemble noté ℤ

• Nombres décimaux
• = nombres dont l'écriture à virgule a un nombre fini de chiffres non nuls après
la virgule : 1,3 ; -6,95238 …
• Ensemble noté ⅅ

• Nombres rationnels relatifs

• = quotient d’un nombre entier relatif par un nombre entier relatif non nul : 1/3
; 1/2 ; - 6/83 …
• Ensemble noté ℚ

4
LISTE DES ENSEMBLES DE NOMBRE
• Nombres irrationnels
• = nombres qui ne peuvent pas s'écrire sous forme d'un quotient de deux entiers
relatifs : π, √2 …
• Ensemble noté ℝ
• Nombres complexes
• = nombres qui s'écrivent sous la forme a + i b
• Ensemble noté C

ℕ
ℤ
ⅅ
ℚ
ℝ
C
5
Autres ensembles et intervalles
• Ensemble vide : {} ou ∅
• Symbole d’exclusion : * = exclu le nombre 0 d'un ensemble
• Union : ꓴ
• Intersection : ꓵ
• Inclusion : ⊂
• Intervalles dans ℝ :
[A ; B]  A ≤ X ≤ B
[A ; B[ A ≤ X < B
]A ; B]  A < X ≤ B
] A ; B[ A < X < B
Intervalle fermé = si ses extrémités ∈ l'intervalle.
Intervalle ouvert = si ses extrémités ∉ l'intervalle

6
Propriétés des opérations dans ℝ
• Addition

Associative : a+(b+c) = (a+b)+c ➔ 2+(4+9) = 2+13 = 15 = (2+4)+9 = 6+9 = 15

Commutative : a+b = b+a ➔ 2+4 = 4+2 = 6

Élément neutre : a+0 = 0+a = a ➔ 2+0 = 0+2 = 2

• Soustraction

Associative : a-(b-c) ≠ (a-b)-c ➔ 2-(4-9) = 2- (-5) = 7 ≠ (2-4)-9 = -2-9 = -11

Commutative : a-b ≠ b-a ➔ 2-4 = -2 ≠ 4-2 = 2

Élément neutre : a-0 = a ➔ 2-0 = 2

7
Propriétés des opérations dans ℝ
• Multiplication

Associative : ax(bxc) = (axb)xc ➔ 2x(4x9) = 2x36 = 72 = (2x4)x9 = 8x9 = 72

Commutative : axb = bxa ➔ 2x4 = 4x2 = 8

Distributive par rapport à l’addition et la soustraction :

ax(b+c) = axb + axc ➔ 2x(4+9) = 2x4 + 2x9 = 8+18 = 26
ax(b-c) = axb - axc ➔ 2x(4-9) = 2x4 - 2x9 = 8-18 = -10

Élément neutre : ax1 = 1xa = a ➔ 2x1 = 1x2 = 2

Élément absorbant : ax0 = 0xa = 0 ➔ 2x0 = 0x2 = 0

8
Propriétés des opérations dans ℝ

• Division

Associative : a÷ (b÷c) ≠ (a÷b) ÷c ➔ 20÷(4 ÷ 5) = 20 ÷ 0,8 = 25 ≠ (20 ÷ 4) ÷ 5 = 5 ÷ 5 = 1

Commutative : a÷b ≠ b÷a ➔ 2÷4 = 0,5 ≠ 4÷2 = 2

Distributive par rapport à l’addition et la soustraction :

(a+b) ÷c = a÷c + b÷c ➔ (20 + 4) ÷ 5 = 20 ÷ 5 + 4 ÷ 5 = 5+0,8 = 5,8
(a-b) ÷c = a÷c - b÷c ➔ (20 - 4) ÷ 5 = 20 ÷ 5 - 4 ÷ 5 = 5-0,8 = 4,2

Élément neutre : a÷1=a ➔2÷1=2

9
PUISSANCES / RADICAUX

o Puissances
o Radicaux

10
Puissances
Soit a, b, z, m et n des nombres réels

• am.an = am+n

• amn = (am)n = (an)m

Exposant
• am. bm…. zm = (a.b….z)m 4
3 Puissance

Base
1 1 𝑚
• = = 𝑎 −𝑚 ; ∀ 𝑎 ∈ 𝑅∗ ↔ 𝑎 ≠ 0
𝑎𝑚 𝑎

𝑎𝑚
• = 𝑎𝑚−𝑛 ; ∀ 𝑎 ∈ 𝑅∗
𝑎𝑛

𝑎𝑚 𝑎 𝑚
• 𝑏𝑚
= 𝑏
; ∀ 𝑏 ∈ 𝑅∗

• a0 = 1 ; ∀ 𝑎 ∈ 𝑅∗
11
Radicaux
= cas particulier des puissances
1ൗ 3
27 = 27
3

∀ m et n ∈ R* (≠ 0)
Signe de a, b, … z dépend de m et/ou n
1Τ 𝑚
• 𝑎 𝑚 = 𝑎
𝑚 𝑛 𝑛 𝑚 𝑚.𝑛
• 𝑎= 𝑎= 𝑎
𝑚 𝑚 𝑚
• 𝑎. 𝑏…. 𝑚 𝑧 = 𝑎. 𝑏 … . 𝑧
𝑚 𝑚 𝑚
• 𝑎. 𝑏 … . 𝑧 = 𝑎. 𝑏 … . 𝑧 𝑚 = 𝑎. 𝑏 … . 𝑧

𝑚
𝑎 𝑚 𝑎
• 𝑚 = ; ∀ 𝑏 ∈ 𝑅∗
𝑏 𝑏

12
RÈGLE DE PROPORTIONNALITÉ

o Une inconnue
o Plusieurs inconnues

13
Une inconnue
Quelles est la valeur de 4x sachant que 3x = 10 ?
3x = 10
4x = ?

1 On cherche la valeur de x 2 Application de la « règle de trois »

:
x = 10/3 3x = 10
4x = 4.10/3 = 13,33 4x = x 4x10/3 = 13,33

14
Plusieurs inconnues
Quelles est la valeur de 9x + 3y sachant que 2x + y = 10 et x + y = 8 ?
➔ On cherche la valeur de x et de y

1 Résolution d’un système de 2 équations, à 2 inconnues

2x + y = 10 (1)
x+y=8 (2)

(1) – (2) ➔ 2x + y – x – y = 10 - 8
 x=2

on isole y dans (2) ➔ y = 8 – x

On remplace x par sa valeur ➔ y = 8 – 2 = 6

Donc : 9x + 3y = 9*2 + 3*6 = 36

15
Plusieurs inconnues
Quelles est la valeur de 9x + 3y sachant que 2x + y = 10 et x + y = 8 ?
➔ On cherche la valeur de x et de y

2 Ecriture matricielle d’un système de 2 équations et à 2 inconnues

2x + y = 10 (1)
x+y =8 (2)

Ecriture d’une matrice carrée A et de 2 matrices colonnes Z et B

= écriture de 3 matrices

➔ Résolution d’une équation matricielle à UNE inconnue la

matrice colonne Z
A.Z = B

➔ Rappel sur les vecteurs et les matrices

16
MATRICES

o Définition
o Matrices particulières
o Opérations sur les matrices
o Rang
o Déterminant d’une matrice carrée
o Inversion de matrice carrée
o Equations linéaires
o Valeurs propres/ Vecteurs Propres
o Diagonalisation de matrice
17
Définition
Une matrice A de taille m x n
=
Un tableau de m lignes et n colonnes
𝑎11 ⋯ 𝑎1𝑛
𝐴= ⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛

𝑎𝑖𝑗 = coefficient de la ième ligne (1 ≤ 𝑖 ≤ 𝑚)

jème colonne (1 ≤ 𝑗 ≤ 𝑛)

𝑎𝑖𝑗 ∈ 𝑅
➔On notera Mm,n (R) une matrice de m lignes et n colonnes pour
laquelle tous les coefficients appartiennent à R
18
Cas Particuliers
Transposée d’une matrice A

= la matrice obtenue en échangeant les lignes et les

colonnes de A

Elle est notée AT

𝑎11
A = (𝑎11 … 𝑎1𝑛 ) ➔ AT = ⋮
𝑎𝑚1
𝑎11 ⋯ 𝑎1𝑛 𝑎11 ⋯ 𝑎𝑚1
𝐴= ⋮ ⋱ ⋮ ➔ 𝐴𝑇 = ⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑎1𝑛 ⋯ 𝑎𝑚𝑛
19
Cas Particuliers
Nombre réel ou scalaire (m=1 ; n=1) : M1,1 (R) = (𝑎11 )

Matrice nulle : 0m,n (R) tel que 𝑎𝑖𝑗 = 0 (∀ 1 ≤ 𝑖 ≤ 𝑚 ; 1 ≤ 𝑗 ≤ 𝑛)

Matrice ligne (m=1) : M1,n (R) = (𝑎11 … 𝑎1𝑛 )

𝑎11
Matrice colonne (n=1) : Mm,1 (R) = ⋮
𝑎𝑚1

𝑎11 𝑎12
Matrice carrée (m=n) : M2,2 (R) = 𝑎 𝑎22
21
20
Cas Particuliers – Matrices carrées
𝑎11 0
Matrice diagonale (m=n) : D2,2 (R) =
0 𝑎22

1 0
Matrice unité (m=n) : I2 (R) =
0 1

𝑎11 𝑎12
Matrice triangulaire supérieure (m=n) : U2,2 (R) = 0 𝑎22

𝑎11 0
Matrice triangulaire inférieure (m=n) : L2,2 (R) =
𝑎21 𝑎22

Matrice Mn,n est symétrique si : 𝑎𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖 ≠𝑗

21
Opération sur les matrices
Addition de matrices
• Soit A et B deux matrices de même taille : m×n
• Alors la somme de A et de B est une matrice C = A + B de
taille m×n
Am,n + Bm,n = Cm,n

• Les coefficients de C : cij = aij + bij (1 ≤ 𝑖 ≤ 𝑚 ; 1 ≤ 𝑗 ≤ 𝑛)

𝑎11 ⋯ 𝑎1𝑛 𝑏11 ⋯ 𝑏1𝑛 𝑎11 + 𝑏11 ⋯ 𝑎1𝑛 + 𝑏1𝑛

𝐶 =A+B= ⋮ ⋱ ⋮ + ⋮ ⋱ ⋮ = ⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑏𝑚1 ⋯ 𝑏𝑚𝑛 𝑎𝑚1 + 𝑏𝑚1 ⋯ 𝑎𝑚𝑛 + 𝑏𝑚𝑛

22
Opération sur les matrices
Addition de matrices : propriétés
Soit A, B et C ∈ Mm,n(R) (= trois matrices de même taille : m×n)

• A+ B = B+ A

• (A + B) + C = A + (B + C)

• A + 0m,n = A (matrice 0 = élément neutre de l’addition)

• (A + B) T = A T + B T

23
Opération sur les matrices
Multiplication par un scalaire (un nb réel)
• Soit A ∈ Mm,n(R) et λ ∈ R
• Alors la multiplication de A par λ est une matrice B = λ A
de taille m×n
Bm,n = λ.Am,n

• Les coefficients de B : bij = λ aij (1 ≤ 𝑖 ≤ 𝑚 ; 1 ≤ 𝑗 ≤ 𝑛)

𝑎11 ⋯ 𝑎1𝑛 λ𝑎11 ⋯ λ𝑎1𝑛

𝐵 = λ. A = 𝜆. ⋮ ⋱ ⋮ = ⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 λ𝑎𝑚1 ⋯ λ𝑎𝑚𝑛

24
Opération sur les matrices
Multiplication par un scalaire : propriétés
Soit A et B ∈ Mm,n(R) ; λ et µ ∈ R

• λ.(µ.A) = µ.(λ.A) = λ.µ.A

• λ.A + µ.A = (λ +µ).A

• λ.(A + B) = λ.A + λ.B

• 1.A = A (1 = élément neutre de la multiplication)

• 0.A = 0m,n

• (λ .A) T = λ.AT
25
Opération sur les matrices
Produit de 2 matrices
• Soit A ∈ Mm,n(R) et B ∈ Mn,p(R)
• Alors le produit de A et de B est une matrice C = A.B de
taille m×p
Am,n × Bn,p = Cm,p

𝑎11 ⋯ 𝑎1𝑛 𝑏11 ⋯ 𝑏1𝑝

𝐶𝑚,𝑝 = 𝐴𝑚,𝑛 × 𝐵𝑛,𝑝 = ⋮ ⋱ ⋮ . ⋮ ⋱ ⋮ =? ? ?
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑏𝑛1 ⋯ 𝑏𝑛𝑝

On va procéder par étape !!!

26
Opération sur les matrices
Produit de 2 matrices – étape 1
• Soit A ∈ M1,n(R) et B ∈ Mn,1(R)
• A est une matrice ligne // B est une matrice colonne

A1,n × Bn,1 = C1,1= un nb réel

𝑏11
𝐶1,1 = 𝐴1,𝑛 × 𝐵𝑛,1 = 𝑎11 … 𝑎1𝑛 . ⋮ = 𝑎11 . 𝑏11 + ⋯ + 𝑎1𝑛 . 𝑏𝑛1
𝑏𝑛1

27
Opération sur les matrices
Produit de 2 matrices – étape 2
• Soit A ∈ Mm,n(R) et B ∈ Mn,1(R)
• A est une matrice de taille m×n // B est une matrice colonne

Am,n × Bn,1 = Cm,1= matrice colonne

𝑎11 ⋯ 𝑎1𝑛 𝑏11 𝑎11 . 𝑏11 + ⋯ + 𝑎1𝑛 . 𝑏𝑛1

𝐶𝑚,1 = 𝐴𝑚,𝑛 × 𝐵𝑛,1 = ⋮ ⋱ ⋮ . ⋮ = ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑏𝑛1 𝑎𝑚1 . 𝑏11 + ⋯ + 𝑎𝑚𝑛 . 𝑏𝑛1

28
Opération sur les matrices
Produit de 2 matrices – étape 3
• Soit A ∈ Mm,n(R) et B ∈ Mn,p(R)

Am,n × Bn,p = Cm,p

𝑎11 ⋯ 𝑎1𝑛 𝑏11 ⋯ 𝑏1𝑝

𝐶𝑚,𝑝 = 𝐴𝑚,𝑛 × 𝐵𝑛,𝑝 = ⋮ ⋱ ⋮ . ⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛 𝑏𝑛1 ⋯ 𝑏𝑛𝑝

𝑎11 . 𝑏11 + ⋯ + 𝑎1𝑛 . 𝑏𝑛1 ⋯ 𝑎11 . 𝑏1𝑝 + ⋯ + 𝑎1𝑛 . 𝑏𝑛𝑝

𝐶𝑚,𝑝 = ⋮ ⋱ ⋮
𝑎𝑚1 . 𝑏11 + ⋯ + 𝑎𝑚𝑛 . 𝑏𝑛1 ⋯ 𝑎𝑚1 . 𝑏1𝑝 + ⋯ + 𝑎𝑚𝑛 . 𝑏𝑛𝑝

29
Opération sur les matrices
Produit de 2 matrices : propriétés
Soit A et A’ ∈ Mm,n(R) ; B et B’ ∈ Mn,p(R) et λ ∈ R
• A.B ≠ B.A (y compris pour les matrices carrées, en général)

• (A+A’).B = A.B + A’.B

• A.(B+B’) = A.B + A.B’

• (λ.A).B = λ.(A.B) = A.(λ.B) = λ.A.B

• (A.B) T = B T.A T
• Im.Am,n = Am,n Am,n.In = Am,n
• An,n.In = In.An,n = An,n (Cas des matrices carrées)

30
Rang
Plusieurs méthodes pour déterminer le rang
➔ Méthode du pivot de Gauss

Le rang d’une matrice A est égal au:

- nombre de lignes non nulles dans sa forme
échelonnée en lignes
- nombre de colonnes non nulles dans sa forme
échelonnée en colonnes

On le note rg A
31
Rang
Une matrice A est dite échelonnée en lignes si :
✓ chaque ligne non nulle de A commence avec strictement plus
de 0 que la ligne précédente, et
✓ les lignes nulles (= ne contenant que des 0) de A viennent
après les lignes non nulles.
OU
✓ le nombre de zéro commençant une ligne croît strictement
ligne après ligne jusqu’à ce qu’il ne reste plus que des zéros.
+ * * * *
+ coefficients non nul
0 0 + * * * coefficients quelconques
A=
0 0 0 + *
0 0 0 0 0
32
Rang
Les opérations sur les lignes (colonnes) suivantes ne
modifient pas le rang d’une matrice :
• La permutation des lignes de la matrice
• La multiplication d’une ligne de la matrice par un nombre réel, λ≠0
• L’addition d’un multiple d’une ligne à une autre ligne

➔ On va utiliser ses opérations élémentaires pour

déterminer le rang d’une matrice par la méthode du pivot
de Gauss
2 4 1 0 -5 -6
1 2 2 -3 2 3
A=
4 8 5 -6 -1 0
5 10 7 -9 1 3
Résultats dans Exemples_Cours.pdf 33
Rang

• Rang ligne = Rang colonne

➔ rg A = rg AT

• 0 ≤ rg Am,n ≤ m ; si m < n
• 0 ≤ rg Am,n ≤ n ; si n < m

• A est une matrice inversible ssi rg An,n = n

34
Déterminant d’une matrice carrée
Calcul du déterminant par récurrence descendante
Le déterminant d'une matrice A de taille n est calculer
à l'aide de n déterminants de matrices de taille n - 1.
On obtient ces matrices de taille n - 1 en amputant la
matrice A de sa ième ligne et de sa jème colonne Ai,j

𝑛
𝑖+𝑗 . 𝑎 . det(𝐴 )
On choisit une ligne fixe det 𝐴 = ෍ −1 𝑖𝑗 𝑖,𝑗
𝑗=1

𝑛
𝑖+𝑗 . 𝑎 . det(𝐴 )
On choisit une colonne fixe det 𝐴 = ෍ −1 𝑖𝑗 𝑖,𝑗
𝑖=1
35
Déterminant d’une matrice carrée
Soit A une matrice carrée ∈ Mn,n(R)

a11 a1,j-1 a1,j+1 a1n

... ... ... ...

ai-1,1 ai-1,j-1 ai-1,j+1 ai-1,n

Ai,j =
ai+1,1 ai+1,j-1 ai+1,j+1 ai+1,n
... ... ... ...

an1 an,j-1 an,j+1 ann

36
Déterminant d’une matrice carrée
Soit A une matrice carrée ∈ M2,2(R)
𝑛
4 5 1+𝑗 . 𝑎 . det(𝐴 )
𝐴= det 𝐴 = ෍ −1 1𝑗 1,𝑗
7 8 𝑗=1

On choisit une ligne fixe : i = 1

4 5
det𝐴 = = −1 1+1 . 4. det 8 + (−1)1+2 . 5. det(7)
7 8
= +4 × 8 − 5 × 7 = 32 − 35 = −3

On choisit une ligne fixe : i = 2

4 5
det𝐴 = = −1 2+1 . 7. det 5 + (−1)2+2 .8.det(4)
7 8
= −7 × 5 + 8 × 4 = −35 + 32 = −3

37
Déterminant d’une matrice carrée
Soit A une matrice carrée ∈ M3,3(R)
1 2 0 𝑛
𝑖+𝑗
𝐴= 3 4 5 det 𝐴 = ෍ −1 . 𝑎𝑖𝑗 . det(𝐴𝑖,𝑗 )
6 7 8 𝑗=1

On choisit une ligne fixe : i = 1

1 2 0
4 5 3 5 3 4
det𝐴 = 3 4 5 = (−1)1+1 . 1. + (−1)1+2 . 2. + (−1)1+3 . 0.
7 8 6 8 6 7
6 7 8
4 5 3 5
= +1. − 2.
7 8 6 8
= 1 × 4 × 8 − 7 × 5 − 2 × 3 × 8 − 6 × 5 = −3 + 12 = 9

38
Déterminant d’une matrice carrée
Soit A une matrice carrée ∈ M3,3(R)
1 2 0 𝑛
𝑖+𝑗
𝐴= 3 4 5 det 𝐴 = ෍ −1 . 𝑎𝑖𝑗 . det(𝐴𝑖,𝑗 )
6 7 8 𝑗=1

On choisit une ligne fixe : i = 2

1 2 0
2 0 1 0 1 2
det𝐴 = 3 4 5 = (−1)2+1 . 3. + (−1)2+2 . 4. + (−1)2+3 . 5.
7 8 6 8 6 7
6 7 8
2 0 1 0 1 2
= −3. + 4. − 5.
7 8 6 8 6 7
= −3 × 2 × 8 − 7 × 0 + 4 × 1 × 8 − 6 × 0 − 5 × 1 × 7 − 6 × 2

= −3 × 16 + 4 × 8 + 5 × 5 = −48 + 32 + 25 = 𝟗
39
Déterminant d’une matrice carrée
Soit A une matrice carrée ∈ M2,2(R)
𝑎 𝑏
𝐴=
𝑐 𝑑
𝒂 𝒃
𝒅𝒆𝒕𝑨𝟐,𝟐 = = a.d-c.b
𝒄 𝒅
Soit A une matrice carrée ∈ M3,3(R)
𝑎11 𝑎12 𝑎13
𝐴 = 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎13
𝑑𝑒𝑡𝐴3,3 = 𝑎21 𝑎22 𝑎23 = 𝑎11 . 𝑎22 . 𝑎33 + 𝑎21 . 𝑎32 . 𝑎13 + 𝑎31 . 𝑎12 . 𝑎23
𝑎31 𝑎32 𝑎33 −𝑎31 . 𝑎22 . 𝑎13 − 𝑎11 . 𝑎32 . 𝑎23 − 𝑎21 . 𝑎12 . 𝑎33
𝑎11 𝑎12 𝑎13
𝑎21 𝑎22 𝑎23
40
Déterminant d’une matrice carrée
Propriétés

• det(In) = 1

• det(A) = det(AT)

• det(A.B) = det(A).det(B)

• det(A) = 0 si rg An < n

• La matrice est inversible ssi det(A) ≠ 0

• det(A-1) = 1/det(A)

41
Inversion de matrice carrée

Soit A une matrice carrée ∈ Mn,n(R)

A est inversible s‘il existe une matrice B carrée ∈

Mn,n(R) telle que :
A.B=In=B.A

La matrice B, inverse de A, est notée A−1

42
Inversion de matrice carrée
1ère méthode de détermination de la matrice inverse :
2 0
• Soit 𝐴 =
7 8

• rg = 2 et det A = 16 ➔ A est inversible

𝑎 𝑏
• On cherche les coefficients de 𝐵 = tels que
𝑐 𝑑
A.B=In

• Puis on vérifiera que A.B = B.A = In

43
Inversion de matrice carrée
1ère méthode de détermination de la matrice inverse :
2 0 𝑎 𝑏 2𝑎 + 0𝑐 2𝑏 + 0𝑑
• 𝐴. 𝐵 = . =
7 8 𝑐 𝑑 7𝑎 + 8𝑐 7𝑏 + 8𝑑

• Si A.B=I2 alors : 2𝑎 + 0𝑐 = 1; 2𝑏 + 0𝑑 = 0
7𝑎 + 8𝑐 = 0; 7𝑏 + 8𝑑 = 1
1
0
Donc 𝐵 = 2 = 𝐴−1
−7 1
16 8

1 1 1
0 ×2+0×7 ×0+0×8
2 0 1 0
𝐵. 𝐴 = 2 . = 2 2 =
−7 1 7 8 −7 1 −7 1 0 1
×2+ ×7 ×0+ ×8
16 8 16 8 16 8
44
Inversion de matrice carrée
2nd méthode de détermination de la matrice inverse :
2 0
• Soit 𝐴 =
7 8

• rg = 2 et det A = 16 ➔ A est inversible

• On va utiliser la méthode du pivot de Gauss avec la

matrice n x 2n : 𝐴 𝐼

𝐴𝐼 → 𝐼𝐵

• Puis on vérifiera que A.B = B.A = In

45
Inversion de matrice carrée
2nd méthode de détermination de la matrice inverse :
• Soit 𝐴መ = 𝐴 𝐼 = 27 08 10 01

2 01 0 1 01 0
L1←L1/2 2 L2←L2 -7L1
7 80 1 7 80 1

1 1
1 0 2 0 1 0 2 0
0 8 −7 L2←L2/8 0 1 −7 1
1
2 16 8

1
0
𝐵= 2
−7 1 = 𝐴−1
16 8

46
Inversion de matrice carrée
3ème méthode de détermination de la matrice inverse :
2 0
• Soit 𝐴 =
7 8

• rg = 2 et det A = 16 ➔ A est inversible

• On va utiliser la méthode de la matrice adjointe

1 1
𝐵= . 𝑎𝑑𝑗𝐴 = . 𝑐𝑜𝑚𝐴𝑇
𝑑𝑒𝑡𝐴 𝑑𝑒𝑡𝐴

• Puis on vérifiera que A.B = B.A = In

47
Inversion de matrice carrée
Propriétés :
• A est dite régulière si elle est inversible, sinon A est singulière
• L’inverse A−1 d’une matrice inversible A est unique
• L’inverse A−1 d’une matrice inversible A est inversible
−1
(A−1) =A
• Si A et C sont des matrices inversibles, et leur produit existe, alors AC est
inversible
(AC) −1 = C−1A−1
• La transposée AT d’une matrice inversible A est inversible
(AT)−1 = (A−1 )T
• A est orthogonale si
(AT) = (A−1 )
48
Equations linéaires
Application de l’écriture matricielle à la résolution des
systèmes d’équations linéaires

Système n équations linéaires à n inconnues est de la forme :

𝑎11 . 𝑥1 + 𝑎12 . 𝑥2 + ⋯ + 𝑎1𝑛 . 𝑥𝑛 = 𝑏1
𝑎21 . 𝑥1 + 𝑎22 . 𝑥2 + ⋯ + 𝑎2𝑛 . 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 . 𝑥1 + 𝑎𝑛2 . 𝑥2 + ⋯ + 𝑎𝑛𝑛 . 𝑥𝑛 = 𝑏𝑛

Un tel système peut s'écrire sous forme matricielle : A.X = B

𝑎11 ⋯ 𝑎1𝑛 𝑥1 𝑏1
⋮ ⋱ ⋮ × ⋮ = ⋮
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛
On cherche donc X tel que A.X=B 49
Equations linéaires
Trois cas de figure :
• Le système admet une solution unique
• Le système admet une infinité de solution
• Le système n’admet pas de solution

➔ 2 méthodes :
• Matrice inverse
• Méthode du pivot de Gauss sur matrice augmentée

50
Equations linéaires
1ère Méthode : Matrice inverse
• On écrit le système d’équation linéaire sous forme
matricielle
➔A.X = B

• On isole X ➔ A-1.A.X = A-1.B

X = A-1.B

• On cherche A-1, si elle existe ➔ solution unique

• Si A-1 n’existe pas ➔ infinité ou pas de solution

➔ on ne peut pas se servir de cette
méthode 51
Equations linéaires
2ème Méthode : Méthode de Gauss
• On écrit le système d’équation linéaire sous forme
matricielle
➔A.X = B

• Obtention de la forme échelonnée réduite en lignes de la

matrice augmentée 𝐴መ = 𝐴 𝐵

• Cas 1 rg  = rg A = n➔ solution unique quelque soit B

• Cas 2 rg A < n ➔ infinité ou pas de solution, dépend de B

52
Equations linéaires
• Ex 1 :
𝑦+𝑥+𝑧 = 2
𝑥 + 2𝑦 + 2𝑧 = 6
−𝑧 + 𝑦 + 2𝑥 = 2

• Ex 2 :
2𝑦 + 𝑧 = 2
2𝑥 + 2𝑦 + 𝑧 = 6
𝑧 + 2𝑦 + 𝑥 = 4

• Ex 3 :
𝑥+𝑦+𝑧 = 2
𝑥 + 2𝑦 + 3𝑧 = 4
5𝑧 + 3𝑦 + 𝑥 = 8
53
Equations linéaires
Ecriture sous forme matricielle : A.X=B
• Ex 1 :
𝑥+𝑦+𝑧 = 2
𝑥 + 2𝑦 + 2𝑧 = 6
2𝑥 + 𝑦 − 𝑧 = 2

1 1 1 𝑥 2
1 2 2 × 𝑦 = 6
2 1 −1 𝑧 2

54
Equations linéaires
Ecriture sous forme matricielle : A.X=B
• Ex 2 :
2𝑦 + 𝑧 = 2
2𝑥 + 2𝑦 + 𝑧 = 6
𝑥 + 2𝑦 + 𝑧 = 4

0 2 1 𝑥 2
2 2 1 × 𝑦 = 6
1 2 1 𝑧 4

55
Equations linéaires
Ecriture sous forme matricielle : A.X=B
• Ex 3 :
𝑥+𝑦+𝑧 = 2
𝑥 + 2𝑦 + 3𝑧 = 4
𝑥 + 3𝑦 + 5𝑧 = 8

1 1 1 𝑥 2
1 2 3 × 𝑦 = 4
1 3 5 𝑧 8

56
Diagonalisation de matrice carrée

Soit A une matrice carrée ∈ Mn,n(R)

A est diagonalisable s‘il existe une matrice P carrée

inversible (matrice de passage) ∈ Mn,n(R) telle que :
P−1.A.P = D (matrice diagonale)

Diagonaliser A revient à chercher P

57
Diagonalisation de matrice carrée
• Méthode de diagonalisation de An,n
1. Ecrire le polynôme caractéristique de A sous la forme d’un
produit de polynômes de degré 1
2. Déterminer les Valeurs Propres (VaP) : λr avec 1 ≤ r ≤ n
3. Trouver pour chaque VaP le ou les Vecteurs Propres (VeP)
non nul(s) associé(s)
4. Ecrire la matrice de passage Pn,n en juxtaposant les n VeP afin
que Pn,n soit inversible
5. Ecrire la matrice diagonale Dn,n dont les coefficients
diagonaux correspondent aux n VaP rangées dans le même
ordre que les VeP qui leur sont associés dans Pn,n

58
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

1. Ecrire le polynôme caractéristique de A sous la forme d’un

produit de polynômes de degré 1
Polynôme caractéristique de A = Det(An-λ.In)

3 1 λ 0 3−λ 1
• A2-λ.I2 = - =
1 3 0 λ 1 3−λ
• A2−λ.I2 = (3 − λ)(3 − λ) − 1
➔Deux racines évidentes : λ1 = 2 et λ2 = 4
• A2−λ.I2 = (λ − 2)(λ − 4)
➔On obtient un polynôme dit « scindé »
Rq : Si on n’obtient pas un polynôme scindé ➔ A n’est pas
diagonalisable dans R (elle l’est peut-être dans C)
59
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

2. Déterminer les VaP : λr avec 1 ≤ r ≤ n

• n = 2 ➔ on cherche 1 ou 2 VaP solution(s) de l’équation :
A2−λ.I2 = 0
• A2−λ.I2 = (λ − 2)(λ − 4) = 0

Deux racines évidentes ➔ Deux VaP : λ1 = 2 et λ2 = 4

Rq : Si r = n, on est certain que A est diagonalisable
Si r < n, on n’est pas certain que A soit diagonalisable
λ1 = 2 et λ2 = 4 sont dit de multiplicité = 1 60
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

3. Trouver pour chaque VaP le ou les VeP non nul(s) associé(s)

• Dans notre cas 2 VaP de multiplicité 1 ➔ On cherche 1 VeP non nul
pour chaque VaP tel que : (A2-λr.I2).Pr = 0

• (A2-λ1.I2).P1 = 0 (λ1 = 2)

3 1 2 0 𝑎 3−2 1 𝑎 𝑎+𝑏 0
• − . = . = =
1 3 0 2 b 1 3−2 b a+b 0

1 2
• ➔ a = -b ➔ P1 = = =…
−1 −2
61
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

3. Trouver pour chaque VaP le ou les VeP non nul(s) associé(s)

• Dans notre cas 2 VaP de multiplicité 1 ➔ On cherche 1 VeP non nul
pour chaque VaP tel que : (A2-λr.I2).Pr = 0

• (A2-λ2.I2).P2 = 0 (λ2 = 4)

3 1 4 0 𝑎 3−4 1 𝑎 0
• − . = . = −𝑎 + 𝑏 =
1 3 0 4 b 1 3−4 b a−b 0

1 2
• ➔ a = b ➔ P2 = = =…
1 2
62
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

3. Trouver pour chaque VaP le ou les VeP associé(s)

• Si Pr est VeP de λr alors k.Pr est VeP de λr
➔Une VaP possède plusieurs VeP
• Un VeP est associé à une seule et unique VaP
• Le VeP contenant les plus petits multiples de chaque coefficient est
appelé la base de VeP
• Si la VaP est de multiplicité 1 ≤ m(λr) ≤ n, alors il faudra trouver
m(λr) VeP libres associés à λr
➔Si le nb de VeP libres associés à λr < m(λr) alors A n’est pas
diagonalisable 63
Diagonalisation de matrice carrée
3 1
Soit 𝐴 =
1 3

4. Ecrire la matrice de passage Pn,n en juxtaposant les n VeP afin que

Pn,n soit inversible

1 1 1/2 1/2
P= ➔ 𝑃−1 =
1 −1 1/2 −1/2

5. Ecrire la matrice diagonale Dn,n dont les coefficients diagonaux

correspondent aux n VaP rangés dans le même ordre que les VeP
qui leur sont associés dans Pn,n

4 0
D=
0 2
64
Diagonalisation de matrice carrée
3 1
Soit 𝐴 = ;
1 3
1 −1 1 2 −1 1
𝐵 = −2 0 −1 ; 𝐶= 0 0 2;
−2 −2 1 0 −1 3

2 3 −2
0 −1
𝐸 = −1 4 −1 ; 𝐹= ;
1 0
−1 5 −1

0 2 −2 2 3 −2
𝐺= 2 0 4 ; 𝐽= 0 4 −1
−2 4 0 0 0 −3

Diagonaliser puis calculer la puissance 3ième de ces matrices

65