Université de Yaoundé 1

Faculté des Sciences

Département de Mathématiques
Filières : Physique, Chimie
Année académique 2020/2021
Semestre 2, Niveau 1
MAT1112 : Calcul Différentiel et Géométrie pour les Sciences
Physiques

Crédits : 6 CM : 30 H TD : 45 H

Équipe pédagogique
1. Coordonateur : Dr. Chendjou Gilbert
2. Enseignants :
(a) Dr. Chendjou Gilbert, email : [Link]@[Link]
(b) Dr. Tcheutia Daniel Duviol, email : [Link]@[Link]

Objectif :
L’objectif de ce cours est de familiariser l’étudiant au calcul différentiel et à la géométrie des
courbes et surfaces en vue de leur utilisation en sciences physiques.

Compétences visées :
À la fin de ce cours, l’étudiant devrait être capable de maitriser : les éléments d’algèbre linéaire, les
fonctions de plusieurs variables, les intégrales multiples, le calcul différentiel extérieur, la géométrie
dans l’espace, les courbes paramétrées, la cinématique, la notion de courbure.

1
Table des matières

1 Matrices et systèmes linéaires 3

1.1 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Addition des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Multiplication d’une matrice par un scalaire . . . . . . . . . . . . . . . . . 6
1.2.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Opérations élémentaires sur les lignes et les colonnes d’une matrice, matrice échélonnée 8
1.4 Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1 Calcul du déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . 9
1.4.2 Quelques propriétés du déterminant . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5.1 Inverse d’une matrice carrée inversible d’ordre 2 . . . . . . . . . . . . . . . 12
1.5.2 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode des cofacteurs . . . . 12
1.5.3 Inverse d’une matrice carrée d’ordre n ≥ 3 : Méthode du pivot de Gauss . 13
1.6 Systèmes d’équations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.1 Résolution par substitution . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.2 Résolution par la méthode du pivot de Gauss . . . . . . . . . . . . . . . . 16
1.6.3 Autre méthode pour calculer l’inverse d’une matrice . . . . . . . . . . . . . 18
1.7 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2
Chapitre 1

Matrices et systèmes linéaires

Évaluation diagnostique
   
a b 1 d −b
On donne A = et B = ad−bc avec ad − bc 6= 0.
c d −c a
1. A et B sontdes . .. . . .
a c
2. La matrice est la . . . . . . de A.
b d
3. ad − bc représente le . . . . . . de A.
   
... ... ... ...
4. A × B = et B × A =
... ... ... ...
5. On dit que A est . . . . . . de B et que B est . . . . . . de A.
(   
2x − y = 3 ... ... x
6. Le système d’équation peut encore s’écrire sous la forme =
x + y = −1 ... ... y
 
...
. La solution de ce système est donnée par x = . . ., y = . . ..
...
Objectifs du chapitre :
– Initiation au calcul matriciel
– savoir échélonner une matrice
– Calcul du déterminant, du rang et de l’inverse d’une matrice
– Résolution des systèmes d’équations linéaires.

1.1 Matrices

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

3
 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).
2 4 −2i
2. Si n = p, on dit que A est une matrice carée et on note A = (aij )1≤i,j≤n. On note Mn (K)
1 −2 5
l’ensemble des matrices carrées n × n à coefficients dans K. Par exemple −2 6 0 ∈
5 0 −4
M3 (R).
 
a1
 a2 
3. Si p = 1, on dit que A est une matrice colonne et on note A =  .. .
 
.
an


4. Si n = 1, on dit que A est une matrice ligne et on note A = a1 a2 . . . ap .
5. Une matrice carrée A est dite
– triangulaire supérieure si aij = 0 pour tout i > j. Elle est de la forme
 
a11 a12 . . . . . . a1n
 0 a22 . . . . . . a2n 

.. .. 
A= 0

0 . . .

 . .. . . . . . 
 .. . . . .. 
0 0 . . . 0 ann
– triangulaire inférieure si aij = 0 pour tout i < j. Elle est de la forme
 
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

4
 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 
 . .. .. .. 
 .. . . . 
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
exemple,  
  1 2
t 1 3 5
= 3 4 , t (t A) = A.
2 4 6
5 6
7. Une matrice carrée est
– 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
 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
8. La trace d’une matrice A = (aij ) ∈ Mn (K) est la somme de ses coefficients diagonaux
T r(A) = a11 + a22 + . . . + ann .
 
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
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 leur différence par
A − B = (cij ) avec cij = aij − bij .

5
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) =
T r(A) + T r(B).
Exercice 1.3. Montrer que la matrice A +t A est symétrique et la matrice A −t A est antisymé-
trique.

1.2.2 Multiplication d’une matrice par un scalaire

Pour tout A = (aij ) ∈ Mnp (K) et α ∈K, le produit 
de la matrice A par le scalaire α est la matrice
0 −2 −3
αA = (αaij ). Par exemple pour A = , on a
−1 0 1
     
0 −8 −12 0 2 3 0 0 0
4A = , −A = , 0A = .
−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

1.2.3 Produit de deux matrices

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
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

6
  
  −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

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
 !)   
0 −1 2 −3 2 −3 0 −1
Comparer × et × . Donc attention, on n’a pas toujours
0 5 0 0 0 0 0 5
AB = BA. Par exemple     
0 1 0 −1 1 0
=
1 0 1 0 0 −1
alors que     
0 −1 0 1 −1 0
= .
1 0 1 0 0 1
Lorsqu’il existe 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    
0 1 0 0 0 1
= , donc est une matrice nilpotente.
0 0 0 0 0 0

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
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 ?

7
1.3 Opérations élémentaires sur les lignes et les colonnes
d’une matrice, matrice échélonnée
 
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
Remarquer que les autres lignes restent inchangées.
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
   
1 −2 3 3 7 4
−2 5 1 =⇒ −2 5 1 .
L1 ←→ L3
3 7 4 1 −2 3

3. remplacer la ligne Li par Li + λLj , où i 6= j et λ est un scalaire. Cela se traduit par

Li ←− Li + λLj . Par exemple, en effectuant de façon repétée les opérations suivantes, on
obtient
   
1 −2 3 L1 1 −2 3 L1
−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 .
0 13 −5 L3 ←− L3 − 13L2 0 0 −96
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 .
 
1 −2 3
La matrice 0 1 7  obtenue ci-dessus est appelée une matrice échélonnée (en lignes). 1
0 0 −96
est appelé le pivot de la ligne L2 et -96 le pivot de la ligneL3 .
Définition 1.8. Soit A ∈ Mn,p (K).
1. Pour tout i ∈ {1, 2, . . . , n} tel la ligne Li 6= (00 . . . 0), on appelle pivot de la ligne Li son
premier coefficient non nul.
2. On dit que A est échélonnée (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= (00 . . . 0), et pour tout j > i, soit Lj =
(00 . . . 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.

8
 3. Si A est échélonnée (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 0 2/3  sont des matices échélonnées, et 0 1 −2 0 16
 
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

 
a b a b
Si A = est une matrice carrée d’ordre 2, alors det(A) = = ad − bc.
c d  c d
a1 b 1 c 1
Pour calculer le déterminant d’une matrice carrée A = a2 b2 c2  d’ordre 3, on peut :

a3 b 3 c 3
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
   
a1 b1 c1 a1 b1 a1 b1 c1 a1 b1

 & & & 


 % % % 

 a2 b2 c2 a2 b2 
 et a2 b2 c2 a2 b2 
.


 & & &   % % % 
a3 b3 c3 a3 b3 a3 b3 c3 a3 b3
On a
a1 b 1 c 1
a2 b2 c2 = a1 b2 c3 +b1 c2 a3 +c1 a2 b3 −a3 b2 c1 −b3 c2 a1 −c3 a2 b1 .
a3 b 3 c 3
2. Développer suivant une ligne ou une colonne de A. Par exemple, en développant suivant la
première ligne, on a
a1 b 1 c 1
a a a a a a
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 cette opération, la colonne ou la ligne ayant le plus de zéros est choisie en
priorité.

9
    
−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
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.
6 2 5 2 5 6

De facon générale, soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n. Soit Mij le déterminant de
la matrice obtenue en supprimant la ième ligne et la jème colonne de A. Si nous developpons le
déterminant de A
– 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.

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

1.4.2 Quelques propriétés du déterminant

1.
2. Si A, B sont deux matrices carrées d’ordre n, alors det(AB) = det(A) det(B).
 
t 1 5
3. det(A) = det( A). Par exemple pour A = on a
4 6
1 5 1 4
det(A) = = 6 − 20 = −14 et det(t A) = = 6 − 20 = −14.
4 6 5 6
4. 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
5. 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

10
6. 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.
7. Si A est une matrice triangulaire inférieure ou supérieure, alors det(A) égal au produit des
−5 4 7
éléments de sa diagonale. 0 4 2 = (−5)×4×(−1) = 20 car la matrice est triangulaire
0 0 −1
supérieure.
8. 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 −25 3
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

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).
9. 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
que A.
 
1 2 −1 L1
On veut calculer le déterminant de la matrice A = 2 1 0  L2 , où Li désigne la ligne
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 .) :
 
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

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

11
 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

   
1 1 −1 1 0 1
On considère les matrices A = −1 1 0  et B = 1 1 1.
0 −1 1 1 1 2
1. Calculer det(A).
2. Calculer A × B et B × A, puis conclure.
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.
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)
.

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

a b
Soit A = une matrice carrée d’ordre 2. Si det(A) = ad − bc 6= 0, alors A est inversible et on
c d 
−1 1 d −b
a A = ad−bc .
−c a
 
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
 
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
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
nversible.
1 3 1 2
det(A) = 1 × −4× = −15 + 16 = 1.
5 0 5 6

12
 t
2. Calculer
 la transposée
 A la matrice de depart A
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".

 
1 0 5
t 1 6 2 6 2 1
A = 2 1 6 M11 = = −24 M12 = = −18 M13 = =5
4 0 3 0 3 4
3 4 0
0 5 1 5 1 0
M21 = = −20 M22 = = −15 M23 = =4
4 0 3 0 3 4
0 5 1 5 1 0
M31 = = −5 M32 = = −4 M33 = = 1.
1 6 2 6 2 1

4. Établir la matrice des cofacteurs. C’est la matrice ayant à la position (i, j) l’élément
Cij = (−1)i+j Mij . Elle est encore appelée "comatrice" ou matrice adjointe de la matrice de
départ A.  
−24 18 5
Adj(A) =  20 −15 −4 .
−5 4 1
5. L’inverse de la matrice A est donné par
 
−24 18 5
1
A−1 = × Adj(A) =  20 −15 −4 .
det(A)
−5 4 1
   
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

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

13
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
0 0 5 | 1 −2 3 L3 ← L3
 
15 0 0 | −6 12 −3 L1 ← 3L1 + 2L2
 0 −15 0 | −12 9 −6 L2 ← L2
0 0 5 | 1 −2 3 L3 ← L3
 
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 −2/5 3/5 L3 ← L3 /5
 
−2 4 −1
−1 1
On déduit que A = 5 4 −3 2 .
1 −2 3
Il existe une troisième méthode qui sera donnée à la fin de la section suivante.
 
1 1 −1
Exercice 1.14. Calculer l’inverse de la matrice A = −1 1 0  et de la matrice B =
  0 −1 1
−1 0 −1
 1 1 1 .
−2 0 −3
 
−1 1 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
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.

14
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 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

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
(
2x1 − x2 + 3x3 = 8
x1 − 4x3 = −7

est un système de 2 équations linéaires à 3 inconnues.

Les équations −x + 3y 2 − 4z = 5 et 2x − xy + 7z = −3 ne sont pas des équations linéaires.
Résoudre le système d’équations linéaires


 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

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

– une unique solution
– une infinité de solutions
– aucune solution.
Si A est une matrice carrée inversible, la solution de ce système est donnée par X = A−1 Y .

1.6.1 Résolution par substitution

Nous voulons résoudre par substitution le système d’équations

−2x − 3z = 5 (e1 )

x + y + z = −3 (e2 )

−x − z = 1 (e3 )

(
−2(−z − 1) − 3z = 5
(e3 ) implique x = −z −1. En remplaçantdans(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)}.

15
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


 x + 2y − z + t = 1
x + 3y + z − t = 1

 −x + y + 7z + 2t = 1

2x + y − 8z + t = a


Ce système peut encore s’écrire sous la forme matricielle

    
1 2 −1 1 x 1
1
 3 1 −1  y  1
  =  .
−1 1 7 2   z  1
2 1 −8 1 t a
Pour résoudre ce système, on part de la matrice augmentée
 
1 2 −1 1 | 1 L1
 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
2 1 −8 1 | a L4
et à l’aide des opérations élémentaires, on transforme cette matrice augmentée en une matrice
échélonnée (en lignes).
 
1 2 −1 1 | 1 L1
 1 3 1 −1 | 1 L2
 
−1 1 7 2 | 1 L3
2 1 −8 1 | a L4
 
1 2 −1 1 | 1 L1 ← L1
0 1
 2 −2 | 0  L2 ← L2 − L1

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
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 de solutions.

16
 x + 2y − z = 79

2
L3 : 9t = 2 ⇔ t = et par suite L1 et L2 deviennent . On a deux équations et
9 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
1 4 2
S = {(− + 5z, − 2z, z, ), z ∈ R}.
9 9 9

 4x + 6y + 9z = 6
b) On veut aussi résoudre le système 6x − 2z = 20 .
5x − 8y + z = 10


 
4 6 9 | 6 L1
6 0 −2 | 20 L2
5 −8 1 | 10 L3
 
4 6 9 | 6 L1 ← L1
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 .
0 0 −2368 | 2368 L3 ← −36L3 + 62L2

 4x + 6y + 9z = 6
On obtient alors le système −36y − 62z = 44 . La dernière équation donne z = −1. En
−2368z = 2368

remplacant z = −1 dans la deuxième équation, on obtient y = 12 . En remplacant y = 12 et
z = −1 dans la première équation, on a x = 3. Ainsi la solution de notre système d’équations est
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 , on
−3 0 −2 −3 0 1
3
veut résoudre dans R le système d’équations

−x − z = 5

x + y + z = −3 .

−3x − 2z = 1


      
−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 9
 1 1 1  −3 =  2 .
−3 0 −2 1 −14

17
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
2x + y = y 0
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

du pivot de Gauss :

1 2 −1 | x0 L1
 
2 1 0 | y 0  L 2
1 0 2 | z0 L3
x0
 
1 2 −1 | L1 ← L1
0 −3 2 | y 0 − 2x0  L2 ← L2 − 2L1
0 −2 3 | z 0 − x0 L3 ← L3 − L1
x0
 
1 2 −1 | L1 ← L1
0 −3 2 | 0 0
y − 2x  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

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

1
x = (−2x0 + 4y 0 − z 0 )
5
1
y = (4x0 − 3y 0 + 2z 0 )
5
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 1.17. 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
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


18
Exercice 1.18. 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

Définition 1.19. Le rang d’une matrice A ∈ Mn,p (K) est le nombre maximum de lignes (ou de
colonnes) de A qui sont linéairement indépendants.
 
3 0 2 2 L1
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 − −6 42 24 54 − 21 −21 0 −15 = 0 0 0 0 .
2 2
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 indépendantes (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 échélonnée. Le nombre de
lignes ou de colonnes ayant les pivots aii 6= 0 est égal au rang de la matrice.
2. Si A ∈ Mn (K) est une matrice carrée d’ordre n et det A 6= 0, alors le rang de A est n.
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.
 
a b
Exemple 1.20. 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
pour avoir
 
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.

19
  
1 1 1 0 0
0 −1 −2 1 1
 
0 0 −2 3 0 ∈ M5 (R) est 3 car cette matrice a 3 pivots non
3. Le rang de la matrice  
0 0 0 0 0
0 0 0 0 0
nuls.

Exercice
 1.21.
  Calculer le
rang
 des matricessuivantes
 : 
4 9 0 4 −6 1 5 2 2 1 2 −1 1
−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

Matrices
 
  2 1

1
1. On considère les matrices suivantes : A = 1 2 3 , B = , C = −3 0, D =
−2
  1 2
  1 1 3
−2 5
, E = −1 −4 0.
5 0
0 2 5
(a) Quels sont les produits matriciels possibles ? Pour chacun des cas, calculer le produit.
(b) Quelles sont les matrices carrées ?
(c) Quelles sont les matrices symétriques ?
2. Calculer lorsqu’ils sont définis les produits AB et BA dans chacun des cas suivants :
   
1 0 0 0
(a) A = ,B=
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 .
 
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.

20
  
2 0 0 0
−1 2 0 0
5. Soit A =  . On pose B = A − 2I4 .
3 0 2 0
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 entier naturel 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
7. Résoudre les systèmes  d’équations suivants :  
  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 
−2x+ 4y − 6z = 40 −9x + 2y − z = 5 11x − 13y = 157
 
 
 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 4x + 6z = 0 3x +2y = 5
  
  5y + 5z − 10t = 0  2x − 2y + 4z = 0
5x − 7y + 3z = 17
, 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
−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 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
, 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
1 1 1−m
1 + m −1 2 .
2 −m 3
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
10. Calculer An 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
 
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.

21
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 .
−1 0 −1
(a) Calculer le déterminant de A. Quel est le rang de cette matrice ? La matrice A est-elle
inversible ?
(b) En utilisant la méthode de Gauss-Jordan, calculer l’inverse A−1 de A.

−2x − 3z = 5

(c) On considère le système suivant (S) : x + y + z = −3 Écrire le système (S) sous

−x − z = 1.

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).

22
Bibliographie

[1] Erwin Kreyszig : Advanced Engineering Mathematics, Tenth edtion ; John Wiley & Sons Inc,
USA, 2011.
[2] Marie Allano-Chevalier, Xavier Oudot : H Prepa Tout en un première année Maths PCSI-
PTSI ; Hachette Supérieur, Paris, 2008.
[3] Fréderic Bertrand, Myriam Maumy-Bertrand, Sandie Ferrigno, Didier Marx, Aurélie Muller-
Gueudin : Mathématiques pour les Sciences de l’Ingénieurie : Tout le cours en fiches, Li-
cence,Prépas,IUT ; Dunod, Paris, 2013.
[4] Claude Deschamps, André Warusfel, Francois Moulin, Jean francois Ruaud, Anne Miquel,
Jean-Claude Sifre : Mathématiques tout en un première année : cours et exercices corrigés,
deuxième édition ; Dunod, Paris, 2003.

23