Dr.

KRAIDI TGMaster University

CHAP III : CALCUL MATRICIEL ET SYSTEMES D’EQUATIONS LINEAIRES

I- CALCULS MATRICIELS
1- Définition
Une matrice A est un tableau de nombres réels ou complexes.
æa11 a12 ..... a1p ÷ ö
çç ÷ A est une matrice de n lignes et de p colonnes.
çça ÷
÷
çç 21 a22 ...... a2p ÷ ÷
÷ Elle est dite de type (n, p) ou de format (n, p) ou encore
ç
A = çç....... ........ ..........÷ ÷ une n x p matrice qui se lit « n fois p matrice ».
çç ÷
÷
÷ aij = éléments ou coefficients de la matrice A
çç....... ........ ..........÷
÷
÷ i = indice des lignes et j = indice des colonnes
çç ÷
÷
a
çè n1 a n2 .....a np ÷
ø
Lorsqu’il n’y a pas d’ambiguïté, l’ensemble des n x p matrices à coefficients réels est
noté Mn,p (IR)
- 2 1 0
Exemple : A    est une « ………… » ou bien une matrice de
1 3 4 
type..............
2- Les différentes formes de matrices

Pour une matrice A(n, p) quelconque,

Si n # p, on dit que A est rectangle de format (n, p)
Si n = 1, on dit que A est une matrice ligne ou uni-ligne
Si p = 1, on dit que A est une matrice colonne ou uni-colonne
Si n = p, on dit que A est une matrice carrée d’ordre n ou p

a- Exemple de matrice
 a11 a12 a13 
a b c a a   
A1    A2   11 12  A 3   a 21 a 22 a 23 
d e f   a 21 a 22  a
 31 a 32 ....a 33 
. ........................................ ................................... ..................................

b- Matrice diagonale
Une matrice diagonale est une matrice carrée dont les éléments situés en dehors de la
diagonale principale sont tous nuls.
. . . NB : Une matrice diagonale qui n’a que des « 1 » sur la
Exemple :  
D  . . . diagonale principale est appelée matrice identité notée In
. . 
 .
   
 . . .  
. .   . . . . 
Exemples : I 2    ; I3  . . .  ; I 4  
. .  . . .  . . . . 
   
. . . . 
 
c- Matrice triangulaire

1
Dr. KRAIDI TGMaster University

C’est une matrice carrée dont tous les éléments situés en dessous (ou au dessus) de la
diagonale principale sont nuls.
     0 0 
   
Exemple : A  0    B    0 
0      
 0 
A est triangulaire supérieure B est triangulaire inférieure

d- Matrice symétrique
C’est une matrice dont les éléments symétriques par rapport à la diagonale principale
sont tous égaux aij = aji quelques soient i et j.
. . . 
Exemple :   Remarque : Si la matrices A est carrée
C  . . . 
. d’ordre n, sa diagonale principale est formée
 . . 
par les éléments aij ayant des indices égaux.
La somme  aij de ces éléments de la
e- Matrice nulle
o o o  o 
diagonale principale s’appelle la trace de A
    et se note tr A
Exemple : O  o o o  ; O  o 
o  o 
 o o   

3- Égalité, transposée de matrice

a- Égalité de deux matrices

Deux matrices A = (aij) et B = (bij) sont égales
nombre de lignes de A  nombre de lignes de B les éléments de A sont
 
Si  et puis égaux aux éléments de B ,
nombre de colonnes de A  nombre de colonne de B membre à membre
 

Exemple : Complète par  ou = complète les case vides

1 2 1 2 4 2
  1 2      a ..   .. .. 
3 6  ........   ; 3 4  ........  2 1 ;   
5 3 4  1 ..   .. n
 4  5
 6  6
 ; 7 
b- Transposée d’une matrice
A étant une matrice de format (n, p) sa transposée est la matrice notée tA de format
(p,n) dont les colonnes sont égales aux lignes de A.
Exemples :
1 2 x
 . .
A   3 4  C   y 
.
 t
A  t
C . . .
7  . . .  z
 8   
Propriétés :
 t ( t A)  .............. ;  t
( A)  ...............
 t
(A  B)  ......... ;  t
(AB)  .............

2
Dr. KRAIDI TGMaster University

Si A est une matrice carrée, elle est dite :

t
- A = ……………
Symétrique si
t
- Antisymétrique A = …………..

4- Opération sur les matrices

a- Addition
L’addition entre deux matrices n’est possible que si ces deux matrices sont du même
format, surtout que la somme se fait membre à membre.
Soient A = (aij) et B = (bij) deux matrices de types (n, p), leur somme est la matrice C =
(Cij) où Cij = aij + bij).

a b c m n o  (a  m) (b  n) ( c  o) 
Exemples : A   , B     A B   
d e f p q r  (d  p) (e  q ) ( f  r) 
1 2      ...... ........   ...... ........ 
F    et H  F  H   
 4 -1  1 -4   ...... ........   ......
 ........ 
Remarque :
L’ensemble des matrices de type (n, p) muni de l’addition est un groupe commutatif ;
l’élément neutre est la matrice nulle.

b- Multiplication par un scalaire (réel).

 A est la matrice (  aij) obtenue en multipliant tous les éléments de la matrice A
par  .

1 -4 7 1  . . . .
Exemples : M   -2.M  
5  . 
;
2 0 3  . . .

c- Produit de deux matrices

Condition : Le produit de deux matrices n’est possible que si le nombre de
colonnes de la première matrice est égal au nombre de lignes de la deuxième.
C'est-à-dire lorsqu’on a autant d’éléments sur une ligne de la première matrice que
sur une colonne de la seconde matrice. Le produit matriciel se fait donc de ligne en
colonne.
Soit A = (aij) une matrice de type (n, p) et B = (bij) une matrice de type (p, q). Le
P

produit AB est la matrice C=(Cij) de type (n, q) , où Cij = a

K 1
ik b Kj

b1j........ 
 ..................  .......... 
    
AB   a i1 a i2 ...ain      ........Cij ......
 ..................  b 2j
  
    
1 1 -5  2 -3 0 
Exercice 82 : Calculer AB
A  
0 3 1 B
4 2 4
2 1 1 5
 4   -1 

3
Dr. KRAIDI TGMaster University

2 -3 0
 
4 2 4
AB   

1 -1 5  
 
1 1 -5
0 3 1
2 4 1

d- Propriétés
Soient A, B, C trois matrices à coefficients réels, si le produits AB et AC ont un sens,
c’est-à-dire si AB et AC sont possibles, alors :
 A B  C   .....................   A  B  C  ....... .............
  AB  C  .....................  A² = A  A
 A 3 = A²  A  A n = A n-1  A
 A 0 = B 0 = I matrice identité dans le format de A et de B
NB : Ces trois propriétés sont toujours vérifiées si A, B et C sont des matrices carrées
d’ordre n.

Remarque : En règle générale AB  BA, cependant si AB = BA, on dit alors que A et

B commutent.
Soit A et B, deux matrices carrées d’ordre n, on a :
- A In = I n A = A - AB + A = A (B + In)
- A² + A = A (A + In) = (A + - BA + A = (B + In) A
In) A

2* Trouver 2 matrices X et Y telles que

2X  8Y  A où A   12 2  et  5 1
  26 B
  X  3Y  B  4 
  9 1
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...............................................................................
5- Déterminant d’une matrice carrée

Définition : Soit A = (aij)  Mn (IR). Le déterminant de A est le scalaire (nombre)

noté :

4
Dr. KRAIDI TGMaster University

a11 a12 ....a1n

det A  a ij  a 21 a 22 ....a 2n
a n1 a n2 ....a nn
 a11 a12  a11 a12
Soit A   ; det A   a11a 22 -a 21a12
 a 21 a 22  a 21 a 22
3 -4
Exemple :  ............  ..............  .....................
6 7
Déterminant d’une matrice carrée d’ordre 3
 a11 a12 a13 
 
Soit M   a 21 a 22 a 23  est une matrice carrée d’ordre 3.
a a 
 31 32 a 3n 
Le déterminant de M peut-être obtenu par :
- La méthode ou règle de SARRUS
- La méthode classique ou méthode des cofacteurs

 Méthode SARRUS
Elle est fondée sur la transformation suivante :
a11 a12 a13 a11 a12
Det M  a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 3n a 31 a 32

det M  (a11 a 22 a 33  a12 a 23 a 31  a13 a 21 a 32 ) - (a 31 a 22 a13  a 32 a 23 a11  a 33 a 21 a12 )

1 4 7
Exercice 83 :   Calculer det. M par la règle de SARRUS
M  2 5 8
3 -1 2 

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
..............................................................................

Remarque : La méthode de SARRUS n’est utilisable que pour les déterminants des
matrices carrées d’ordre 3.

 Méthode des Cofacteurs (méthode classique)

5
Dr. KRAIDI TGMaster University

Cette méthode consiste à choisir une ligne ou une colonne ; de préférence la ligne ou
la colonne qui contient le maximum de 0 et de calculer le déterminant suivant cette
a11 a12 ...... a1n
n n

ligne ou cette colonne. det A  a 21 a 22 ......a2n   (-1)i j a ij Mij   (-1)i j a ij Mij

i 1 j 1
a n1 a n2 ......ann
- Mij désigne le mineur relatif à aij (déterminant obtenu en supprimant la i-ème
ligne et la j-ème colonne)
- Cij = (-1)i+jMij est appelé le cofacteur relatif à aij
 a11 a12 a13 
 
Exemple : Soit M   a 21 a 22 a 23 
a a a 33 
 31 32
Calculons det M en faisant un développement par rapport à la première colonne C1.
a11 a12 a13
a 23 a 23 a12 a13 a12 a13
det M  a 21 a 22 a 23  (-1)11 a11  (-1)21 a 21  (-1)31 a 31
a 32 a 33 a 32 a 33 a 22 a 23
a n1 a 33 a 33

3 -1 2
Exercice 84: Soit   ; Calculer det A
A  1 0 3
4 0 2 

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
.............................................................................................

Propriétés
 La substitution des lignes aux colonnes ne modifie pas le déterminant
d’une matrice carrée. Det (tM) = det (M)
 Si deux vecteurs colonnes ou lignes sont linéairement dépendants alors det
M=0.
2 4 -6  L1
Exemples :   2
A  1 7 15  L 2 ; L1  - L 3 donc det A  0
 -3 3
 -6 9  L3

1 2 -6 
 
B   -2 3 -13  C3  2C1 - 3C2 donc det B  0
 1 -6 -10 
 
 Si deux colonnes ou deux lignes sont permutées alors det M est multiplié
par (-1)
6
Dr. KRAIDI TGMaster University

7 1 4 1 7 4 7 1 4 -4 0 3
Exemples : 3 8 15  - 8 3 15 ; 3 8 15  - 3 8 15
-4 0 3 0 -4 3 -4 0 3 7 1 4
 On ne change pas la valeur d’un déterminant en ajoutant à une ligne
(resp une colonne) une combinaison linéaire d’autres lignes (resp
d’autres colonnes).
 det (AB)  det (A) x det (B)
 det (A)  n det (A)
 a11  a12 & a13 a11 a12 a13
 a 21  a 22 & a 23 =   & a 21 a 22 a 23
 a 31  a 32 & a 33 a 31 a 32 a 33

 Tout déterminant d’une matrice triangulaire est égal au produit des

éléments sur la diagonale principale.
4 12 15
Exemple : 0 -3 8  4 x (-3) x 1  -12
0 0 1
-
Opérations ou manipulations élémentaires sur les lignes et les colonnes
d’une matrice
Soit A  Mn,P (IR) , notons L1, L2, …Ln les lignes (colonnes) de A, les opérations
suivantes :

Opérations sur les lignes

Opérations Interprétations
Li  L j Permuter les lignes L i et L j
Li   L j   0 Multiplier la ligne L i par un réel non nul 
Li  Li   L j   0 Ajouter à L i un multiple de L j
Opérations sur les colonnes

Opérations Interprétations
Ci  C j Permuter les colonnes Ci et C j
Ci   C j ,   0 Multiplier la colonne Ci par un réel
(scalaire) non nul 
Ci  Ci   C j ,  0 Ajouter à Ci un multiple de C j

6- Inversion matricielle

Définition : Une matrice carrée M d’ordre n est dite inversible ou régulière s’il existe
une matrice carrée d’ordre n notée M-1 telle que MM-1 = M-1M = In
7
Dr. KRAIDI TGMaster University

 Théorème :
Une matrice carrée m d’ordre n est dite inversible ou régulière si et seulement si :
.............
det M ................. et det M-1 
.............
Calcul de l’inverse d’une matrice carrée inversible :
Par la méthode des Cofacteurs
.............
Lorsque det A =  0 , A est inversible et A -1  ........... où
.............
ComA
appelée…………………………………………………………………………………
….
t
ComA appelée
……………………………………………………………………………………
1) Calculer det M
 1 -1 2 2) Calculer la Com (M)
  3) Transposer la Com (M)
Exercice 85: Soit M  - 1 2 1
 2 -3 4) Déterminer la matrice inverse M-1
 - 1

 8 0 0  1 2 1
Exercice 86 : Soient    1) Déterminer A-1 et B-1
A 0 2 - 4  et B   1 2 2
 6 2) Calculer AB ; (AB)-1 et B-1.A-1
 0 - 5   4
 3 5 

Par la méthode du Pivot de GAUSS

Par transformation matricielle

Méthode : Soit A une matrice inversible. Pour calculer A-1, on transforme A par
opérations élémentaires sur les lignes pour arriver à In. Les mêmes opérations
élémentaires appliquées à In donnent à la fin du calcul A-1.
 3 -1 2 
Exercice 87 : Soit   Calculer A-1 par la méthode du Pivot de
A1 0 3 
 4 0 2 
 
Gauss.
Solution : D’abord, construisons la matrice augmentée M = (A/I3) en juxtaposant A et
I3
  Par opérations élémentaires sur les lignes de A et
 3 -1 2 . . . simultanément sur les lignes de I3, transformons A
 
A1 0 3 . . . en I3.
 4 0 2 . . . 
 
   
 3 -1 2      1 0 3    
M 1 0 3     L1  L 2  3 -1 2    
   
 4 0 2      4 0 2    
   

8
Dr. KRAIDI TGMaster University

   
1 0 3     L 2  L 2 1 0 3    
L 2  L 2  3L 1 
0 -1 - 7      0 1 7    
L 3  L 3  4L 1  L3 
1
L3  
 0 0 10     10  0 0 1    
   
 1 0 0 0 -1/5 3/10 
L1  L1  3L3  En conclusion, la matrice A est
 0 1 0 -1 1/5 7/10 
L 2  L 2  7L3   inversible et
 0 0 1 0 2/5 -1/10 
   0 -1/5 3/10 
 
A -1   -1 1/5 7/10 
 
 0 2/5 -1/10 
 
Par résolution d’un système
 1 -1 2 
Soit   , déterminer M-1
M   -1 2 1 
 2 -2 
 -3
a x
   
Soit v  b  un vecteur, déterminons un vecteur U  y  tel que MU  V
c  z
   
 x - y 2z  a (L1 )
 1 -1 2   x  a 
      - x  2y z  b (L 2 )
 - 1 2 1   y   b 
 2 -3 - 1   z   c 
2x - 3y - z  c (L )
  3

x - y  2z  a 
L 2  L1  L 2  x -y  2z  a
  y  3z  a  b 
L 3  L 3  2L1    y  3z  a  b
 - y - 5z  - 2a  c  1
 z  (a - b - c)
 2
 1
 x  a  2 (-a  5b  3c)-a  b  c

 3 1
  y  a  b- (a  b-c)  (-a  5b  3c
 2 2
 1
 z  (a-b-c)
 2
x - 1 7 5  a - 1 7 5
  1   1 
On peut écrire  y    - 1 5 3 b  On note : M   - 1 5
-1
3
z 2  1 - 1 - 1   c 
2
- 1 
    1 -1
Propriété : A et B deux matrices carrées d’ordre n. Si A et B sont inversibles alors
(AB)-1 = B-1 . A-1.

II- SYSTEME D’EQUATIONS LINEAIRES

1. Définition : On appelle système d’équation linéaire à P inconnus et n équation

tout système de la forme

9
Dr. KRAIDI TGMaster University

 a11x1  a12 x2  ......  a1p x p  b1 où aij  R ; bi  R; x1, x2........xp 

 a x  a x  ......  a x  b sont des inconnues ( E ) est un système
 21 1 212 2 2p p 21 1
(E ) : 
de 4 inconnues et 3 équations
.......................................................

 an1x1  an 2 x2  ......  anp x p  bn1

 2 x  3 y  3z  t  8
Exemple ( E1 )  x  4 y  z  1
 7 x  y  z  2t  0

2. Écriture matricielle d’un système

Le système ( E1 ) précédant peut s’écrire :

 a11 a12 ................a1 p   x1   b1 
      i.e A. X  B avec A  unematricedu système
 a21 a22 ................a2 p   x2   b2 
 ..................................   ...    ..... X  matricedesinconnues
      B  matricedu second membre
a a ................a  x  b 
 np n2 np   p  n

A X B

3. Résolution d’un système linéaire

Système de Cramer

On appelle système de Cramer : un système à n équations et n inconnues (nombre

d’inconnues = nombre d’équations), le déterminant de la matrice associée au système
est différent de 0. Un système de Cramer admet une solution unique

Résolution par inversion matricielle

Soit un système d’équations linéaires écrit sous forme matricielle : A.X = B
Si A est inversible, alors A1 est son inverse.
A. X  B  A1. A. X  A1.B  IX  A1B  X  A1B
A. X  B  X  A1.B
 2x  3y  z  1

Exemple : Résoudre le système : ( E )  x  2 y  2z  5
3 x  y  3 z   2

Solution Donnons l’écriture matricielle de (E)
2 1  x   1 
3 2 3 1   x  1 

1
  
 2 2  y    5 
 On pose A =  1  2 
2 ;
 
X   y ;
 
Y  5 
3  3   z    2  3 1  3  z   2
 1     
(E)  A. X  Y et X  A1.Y
Déterminons A1
10
 Dr. KRAIDI TGMaster University

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

Résolution par les déterminants (aussi appelée méthode de Cramer)

Règle : On calcule d’abord le déterminant principal du système  ;

On calcule ensuite les déterminants xi (1  i  n) en remplaçant dans  les
colonnes des coefficients de xi par les colonnes des seconds membres
x1 x xn
On obtient : x1  ; x2  2 ;.........; xn 
  
 2x  3y  z  1
 = 42
Exemple : Résoudre le système () :  x  2 y  2 z  5
3 x  y  3 z   2

. 3 1 . 3 1 2 3 .
x  . 2 2  38 y  . 2 2   30 z  1 2 .  56
. 1 3
. 1 3 3 1 .
x 38 19 y  30 5 z 56 4
x   y   z  
 42 21  42 7  42 3
 
 19  5 4  
S   ; ;  
 21 7 3  
 
Résolution des systèmes singuliers (Systèmes différents de Cramer)

Exemple1 :
 x y z  1

( E )  x  y  2z  3
3 x  y  4 z  5


Écriture matricielle
. . .  x   .
    
. . .  y    .
. .    .
 .  z   

11
Dr. KRAIDI TGMaster University

 = ……. donc (E) ……………………………..

Résolution par la méthode du Pivot de Gauss

 x y  z 1

(E)  x  y  2z  3
3 x  y  4 z  5

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
.......................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
.........................................................................................................................................

Conclusion : lorsque le système n’est pas de Cramer, il admet

soit………………………………………………..…………….…
…………………………………………………………………………...................……
….......................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
.....................................
Exemple 2
 x  y  z  10 1. Donner l’écriture matricielle de (E)
 2. Calculer le déterminant de la matrice associée à (E)
(E)  x  y  2z  2
et conclure
3 x  y  4 z   7
 3. Résoudre (E) par la méthode du pivot de Gauss
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................

12
Dr. KRAIDI TGMaster University

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

13