Algèbre 3

Dr. Okbani Hadjer

Université Mustapha Stambouli Mascara
Faculté des sciences exactes
Département Mathématiques
E-mail: [email protected]
Coefficient:4
Crédits:3
Volume horaire de travail requis/semaine : 3h
Modalité d'évaluation: contrôle continu +
examen final
Public cible : 2 ème année informatique
ingénieur
5.0 Mars 2024

Attribution - Pas d’Utilisation Commerciale : http://creativecommons.org/licenses/by-nc/4.0/fr/

Algèbre 3

Dr. Okbani Hadjer

2
Table des matières

Objectifs 5
Introduction 6
I - Les pré-requis 7
II - Test des pré-requis 8
1. Exercice .................................................................................................................................................8
2. Exercice ................................................................................................................................................8
3. Exercice ................................................................................................................................................8
4. Exercice ................................................................................................................................................8
5. Exercice ................................................................................................................................................9
6. Exercice ................................................................................................................................................9
7. Exercice ................................................................................................................................................9
8. Ressources d'aide ..........................................................................................................................9
III - Déterminants 10
1. Introduction ..................................................................................................................................... 10
2. Les objectifs spécifiques ......................................................................................................... 10
3. Déterminant en dimension 2 et 3 .................................................................................... 10
3.1. Matrice 2 × 2 .................................................................................................................................................................. 10
3.2. Matrice 3 × 3 .................................................................................................................................................................. 11
3.3. Interprétation géométrique du déterminant ......................................................................................... 11

4. Définition et propriétés du déterminant .................................................................... 12

4.1. Définition et premières propriétés................................................................................................................. 12
4.2. Déterminants de matrices particulières ................................................................................................... 14
4.3. Propriétés du déterminant ................................................................................................................................ 14

5. Calculs de déterminants......................................................................................................... 15
5.1. Cofacteur .......................................................................................................................................................................... 15
5.2. Développement suivant une ligne ou une colonne .......................................................................... 15
5.3. Inverse d’une matrice ............................................................................................................................................. 15

6. Exercices ............................................................................................................................................ 16
6.1. Exercice : Exercice 1 : ................................................................................................................................................. 16
6.2. Exercice : Exercice 2 : ............................................................................................................................................... 16
6.3. Exercice : Exercice 3 : ............................................................................................................................................... 16
6.4. Exercice : Exercice 4 : .............................................................................................................................................. 16
6.5. Exercice : Exercice 5 : ............................................................................................................................................... 17

IV - Résolution des systèmes linéaires 18

1. Introduction...................................................................................................................................... 18

3
Table des matières

2. Les objectifs spécifiques ......................................................................................................... 18

3. Théorie des systèmes linéaires ........................................................................................... 18
4. Résolution par la méthode de Cramer........................................................................ 20
5. Résolution par la méthode du pivot de Gauss ....................................................... 20
5.1. Systèmes échelonnés ............................................................................................................................................. 20
5.2. Opérations sur les équations d’un système ............................................................................................ 21

6. Cas général ...................................................................................................................................... 21

7. Exercices ........................................................................................................................................... 22
7.1. Exercice : Exercice 1 : ................................................................................................................................................ 22
7.2. Exercice : Exercice 2 : .............................................................................................................................................. 22

V - Examen Final 23
1. Exercice : Exercice 1 : .................................................................................................................. 23
2. Exercice : Exercice 2 : ................................................................................................................ 23
Références 24
Bibliographie 25
Webographie 26

4
Objectifs
A l'issu de ce cours, l'apprenant sera capable de :
Développer une Compréhension Approfondie des Déterminants.
Maîtriser les Techniques de Résolution des Systèmes Linéaires.
Comprendre et Appliquer la Réduction des Endomorphismes.
Maîtriser les Concepts d'Algèbre Bilinéaire.

5
Introduction
Le cours "Algèbre 3" est un cours avancé conçu spécifiquement pour les étudiants en
ingénierie ( 2 ème année Informatique Ingénieur). Ce module se concentre sur des concepts
clés et des techniques avancées en algèbre linéaire, nécessaires pour aborder et résoudre
des problèmes complexes dans divers domaines de l'ingénierie. Ce module est structuré
autour de quatre chapitres principaux .
La répartition du module 'Algèbre 3' décrite ici

6
 I Les pré-requis
Pour réussir dans le module d'Algèbre 3, il est essentiel d'avoir une bonne maîtrise des
concepts fondamentaux et des techniques de base en algèbre linéaire et en analyse
mathématiques. Voici les prérequis recommandés :
1. Algèbre Linéaire de Base :
Espaces Vectoriels: Connaissance des vecteurs, des espaces vectoriels, des sous-
espaces, des bases et de la dimension.
Matrice et Opérations Matricielles : Compréhension des matrices, des
opérations sur les matrices (addition, multiplication, transposition), et des
matrices inverses.
Rang : Compréhension du concept de rang d'une matrice.
Opérations Élementaires : Connaissance des opérations élémentaires sur les
lignes et les colonnes des matrices et leur utilisation pour obtenir des formes
échelonnées.
2. Bases de l'Analyse Mathématiques .

7
 II Test des pré-requis

1. Exercice
Un espace vectoriel est défini sur :
 Un groupe

 Un anneau

 Un corps

 Une algèbre

2. Exercice
Quelle est la dimension de l'espace des polynômes de degré inférieur ou égal à 2 ?
 1

 2

 3

 4

3. Exercice
1 2
La transposée de la matrice ( ) est :
3 4

1 3
 ( )
2 4

4 3
 ( )
2 1

2 1
 ( )
4 3

4. Exercice
1 2 3
⎛ ⎞
Le rang de la matrice 4 5 6 est
⎝ ⎠
7 8 9

 1

 2

8
 Test des pré-requis

 3

 0

5. Exercice
La somme de deux matrices de dimensions différentes est bien définie.
 Vrai

 Faux

6. Exercice
La multiplication des matrices est commutative, c'est-à-dire que AB=BA pour toutes les
matrices Aet B de même dimension.
 Vrai

 Faux

7. Exercice
La trace d'une matrice est la somme des éléments de sa diagonale principale.
 Vrai

 Faux

8. Ressources d'aide
En cas d'échec au test des pré-requis, une orientation vers les ressources suivantes sera
possible :
Matrix AlgebraAbadir, K. M., & Magnus, J. R. (2005). Matrix algebra (Vol. 1). Cambridge University
Press.∗

Algèbre 1 et 2.Monier, J. M. J'intègre. Algèbre 1 et 2. 1e année MPSI, PCSI, PTSI Cours et 600 exercices
corrigés.∗

Les mathématiques en licence.E. Azoulay, J.Avignant, G. Auliac, « Les mathématiques en

licence » (Tomes 1 à 4) Science.∗

Cours de mathématiques.J. Dixmier, « Cours de mathématiques. Cycle préparatoire », Deux

volumes, Dunod.∗

9
 III Déterminants

1. Introduction
Les déterminants sont un outil fondamental en algèbre linéaire, essentiel pour résoudre
des systèmes d'équations linéaires, analyser les propriétés des matrices et comprendre les
transformations géométriques. Ce chapitre explore la définition, les propriétés et les
méthodes de calcul des déterminants.
Un déterminant est une valeur scalaire associée à une matrice carrée, notée det(A) ou ∣A∣.
Il fournit des informations cruciales sur la matrice, telles que son invertibilité et l'effet de la
transformation linéaire correspondante sur les volumes.
Les propriétés clés des déterminants incluent leur comportement sous la transposition, la
multiplicativité et leur sensibilité aux opérations élémentaires sur les lignes. Ces
caractéristiques permettent de simplifier les calculs et d'appliquer les déterminants à
divers problèmes mathématiques et physiques.
En étudiant les déterminants, vous développerez une compréhension approfondie de leur
rôle dans l'algèbre linéaire et leur application à des concepts plus avancés.

2. Les objectifs spécifiques

Définir le déterminant d'une matrice carrée et comprendre ses propriétés
fondamentales.
Étudier les différentes méthodes de calcul des déterminants, y compris la méthode
de cofacteur et la méthode de réduction par lignes et colonnes.
Analyser les propriétés des déterminants, telles que la multiplicativité, le
comportement sous les opérations de ligne, et la relation avec l'inversibilité des
matrices.
Comprendre et démontrer des propriétés spécifiques, comme le déterminant d'un
produit de matrices et le déterminant d'une matrice transposée.
Utiliser les déterminants pour résoudre des systèmes d'équations linéaires via la règle
de Cramer.
Appliquer les déterminants pour déterminer l'inversibilité d'une matrice et pour
calculer explicitement l'inverse d'une matrice carrée.

3. Déterminant en dimension 2 et 3
3.1. Matrice 2 × 2
En dimension 2, le déterminant est très simple à calculer :

a b
det( ) = ad − bc
c d

10
3.2. Matrice 3 × 3
Soit A ∈ M3 (K) une matrice 3 × 3 :

Voici la formule pour le déterminant :

A =

3.3. Interprétation géométrique du déterminant

⎜⎟
⎛

⎝
a11

a21

a31
a12

a22

a32
a13

a23

a33
⎞

det A = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a31 a22 a13 − a32 a23 a11 − a33 a21 a12 .

Il existe un moyen facile de retenir cette formule, c’est la règle de Sarrus : on recopie les
deux premières colonnes à droite de la matrice (colonnes grisées), puis on additionne les
produits de trois termes en les regroupant selon la direction de la diagonale descendante
(à gauche), et on soustrait ensuite les produits de trois termes regroupés selon la direction
de la diagonale montante (à droite).

On va voir qu’en dimension 2, les déterminants correspondent à des aires et en dimension

3 à des volumes.

Donnons nous deux vecteurs

déterminent un parallélogramme.

Complément :

A = | det(v1 , v2 )| = | det(
a

c
b

d
)|
a
v1 = ( )
c
et
b
v2 = ( )
d
du plan

L’aire du parallélogramme est donnée par la valeur absolue du déterminant :

2
R
Déterminants

. Ces deux vecteurs v1 , v2

11
 v1 =

⎜⎟
Déterminants

De manière similaire, trois vecteurs de l’espace R3 :

⎝
a11

a21

a31
⎞

⎠
v2 =

det(v1 , v2 , v3 ) = det

Complément
⎛

:
a12

a22

a32

⎝
a21

a31
⎞

4. Définition et propriétés du déterminant

v3 =

a22

a32
⎛

a13

a23

a33
a13

a23

a33

⎠
⎞

⎠
définissent un parallélépipède.

À partir de ces trois vecteurs on définit, en juxtaposant les colonnes, une matrice et un
déterminant :
a11 a12

Le volume du parallélépipède est donné par la valeur absolue du déterminant :

V = | det(v1 , v2 , v3 )|

Dans tout ce qui suit, nous considérons des matrices à coefficients dans un corps
commutatif K, les principaux exemples étant K = R ou C. Nous commençons par donner
l’expression du déterminant d’une matrice en petites dimensions.

4.1. Définition et premières propriétés

Nous allons caractériser le déterminant comme une application, qui à une matrice carrée
associe un scalaire :

Définition

12
fixés ;
:
det : Mn (K) → K

Il existe une unique application de Mn (K) dansK, appelée déterminant, telle que
1. le déterminant est linéaire par rapport à chaque vecteur colonne, les autres étant

2. si une matrice A a deux colonnes identiques, alors son déterminant est nul ;
3. le déterminant de la matrice identité In vaut 1.
 Déterminants

On note le déterminant d’une matrice A = (aij ) par :

det A ou

a11 a12 a13

a21 a22 a23

a31 a32 a33

Exemple :
1)

6 5 4 6 1 4

7 −10 −3 = 5 × 7 −2 −3

12 25 −1 12 5 −1

Car la seconde colonne est un multiple de 5.

2)

3 2 4 − 3 3 2 4 3 2 3

7 −5 3 − 2 = 7 −5 3 − 7 −5 2

9 2 10 − 4 9 2 10 9 2 4

Par linéarité sur la troisième colonne.

Remarque :
Une application de Mn (K) dans K qui satisfait la propriété (1) est appelée forme
multilinéaire.
Si elle satisfait (2), on dit qu’elle est alternée.
Le déterminant est donc la seule forme multilinéaire alternée qui prend comme valeur 1
sur la matrice In . Les autres formes multilinéaires alternées sont les multiples scalaires du
déterminant.

Complément : Propriétés
Soit A ∈ Mn (K) une matrice ayant les colonnes C1 , C2 , . . . , Cn . On note A
′
la matrice
obtenue par une des opérations élémentaires sur les colonnes, qui sont :
1. Ci ← λCi avec λ ≠ 0: A′ est obtenue en multipliant une colonne de A par un scalaire
non nul. Alors det A′ = λ det A.
2. Ci ← Ci + λCj avec λ ∈ K ( et j ≠ i): A′ est obtenue en ajoutant à une colonne de A

un multiple d’une autre colonne de A.Alors det A′ = det A.

3. Ci ↔ Cj : A
′
est obtenue en échangeant deux colonnes distinctes de A . Alors
′
det A = − det A.

Complément :
Si une colonne Ci de la matrice A est combinaison linéaire des autres colonnes, alors
det A = 0.

13
Déterminants

4.2. Déterminants de matrices particulières

Fondamental :
Le déterminant d’une matrice triangulaire supérieure (ou inférieure) est égal au
produit des termes diagonaux.
le déterminant de la matrice nulle 0n vaut 0.
le déterminant de la matrice identité In vaut 1.

Complément :
Le déterminant d’une matrice diagonale est égal au produit des termes diagonaux.

4.3. Propriétés du déterminant

a) Déterminant d’un produit
Fondamental :
Soient A et B \in M_n(\mathbb{K}) :
det(AB) = det(A) ⋅ det(B)

b) Déterminant des matrices inversibles

Fondamental :
Une matrice carrée A est inversible si et seulement si son déterminant est non nul. De plus
si A est inversible, alors : det(A−1 ) = det1 A

Exemple :
Deux matrices semblables ont même déterminant.
En effet : soit B = P −1 AP avec P ∈ GLn (K) une matrice inversible. Par multiplicativité du
déterminant, on en déduit que :
−1 −1
det(B) = det(P AP ) = det(P ) det(A) det(P ) = det(A),

puisque det(P −1 ) =
1
det P
.

c) Déterminant de la transposée
Fondamental :
T
det(A ) = det(A)

Remarque :
Une conséquence du dernier résultat, est que par transposition, tout ce que l’on a dit des
déterminants à propos des colonnes est vrai pour les lignes. Ainsi, le déterminant est
multilinéaire par rapport aux lignes, si une matrice a deux lignes égales, son déterminant
est nul, on ne modifie pas un déterminant en ajoutant à une ligne une combinaison
linéaire des autres lignes, etc.

14
 Déterminants

5. Calculs de déterminants
5.1. Cofacteur
Définition :
Soit A = (aij ) ∈ Mn (K) une matrice carrée.
• On note Aij la matrice extraite, obtenue en effaçant la ligne i et la colonne j de A.
• Le nombre det Aij est un mineur d’ordre n − 1 de la matrice A.

• Le nombre Cij = (−1)

i+j
det Aij est le cofacteur de Arelatif au coefficient aij .

Exemple :
1 2 3 1 2 3
⎛ ⎞ ⎛ ⎞
2 1
1+
Soit A = 4 2 1 . Calculons A11 , C11 , A32 , C32 . A11 = 4 2 1 = ( )C11 = (−1)
1 1
⎝ ⎠ ⎝ ⎠
0 1 1 0 1 1

5.2. Développement suivant une ligne ou une colonne

Définition :
Formule de développement par rapport à la ligne i :
n i+j n
det A = ∑j=1 (−1) aij det Aij = ∑j=1 aij Cij

Formule de développement par rapport à la colonnej :

n i+j n
det A = ∑ (−1) aij det Aij = ∑ aij Cij
i=1 i=1

5.3. Inverse d’une matrice

Soit A ∈ Mn (K) une matrice carrée.
Nous lui associons la matrice C des cofacteurs, appelée comatrice, et notée Com(A):
c11 c12 … c1n
⎛ ⎞
c21 c22 … c2n
C = (Cij ) =
⋮ ⋮ ⋮

⎝ ⎠
cn1 cn2 … cnn

Définition :
Soient A une matrice inversible, et C sa comatrice. On a alors
−1 1 T
A = C
det A

Exemple :
Calculons l'inverse d'une matrice
1 1 0
⎛ ⎞
Soit A = 0 1 1 .
⎝ ⎠
1 0 1

15
Déterminants

6. Exercices

T =

16
1. D

2. E
C =

= (

=
3
⎝

2. Si det(B)

⎝
0
3 1
7

−2

⎜⎟
Le calcul donne que det A = 2. La comatrice C s'obtient en calculant 9 déterminants 2 × 2
(sans oublier les signes +/−). On trouve :

1
1

−1

6.1. Exercice : Exercice 1 :

6.2. Exercice : Exercice 2 :

1
)

6.3. Exercice : Exercice 3 :

1. Calculez det(A) pour A

= 5

6.4. Exercice : Exercice 4 :

1
⎞

1. Déterminer la matrice B
9
−1

−1

4
⎞
1

⎠
−1

Calculez le déterminant des matrices suivantes :

1. A

2. B

3. C
= (

=
3

⎛
2

1
3

4
1

5
)

−1

6
−3

⎞
⎠
0

2
⎞
1

1
⎞

⎠
et donc A
−1
=

Déterminez si les matrices suivantes sont inversibles en calculant leur déterminant :

1 2

Utilisez les propriétés des déterminants pour simplifier le calcul :

, déterminez det(2B)

On considère les matrices suivantes:

1 0 0

et A =
⎛

⎝
−6
= (

−3
2

−10

12

= TA

2. Déduire de la question précédente le déterminant de A.

3. Déduire de la question précédente le déterminant de
1

3
)

11

8
⎞

⎠
1

det A
⋅ C

et calculer le déterminant de B.
T
=
1

2
⎛

⎝
1

−1
−1

1
1

−1

1
⎞

⎠
 C =

⎜⎟
⎛

⎝
−18
3

−9
5

−3

−6
55

25

40

6.5. Exercice : Exercice 5 :

⎞

Déterminez si les vecteurs

Pour la matrice F = (
2

1
1
v1 = ( )

3
2
et
3
v2 = ( )
4
Déterminants

sont linéairement indépendants en

calculant le déterminant de la matrice formée par ces vecteurs.

, calculez F −1 si elle existe.

)

17
 IV Résolution des systèmes
linéaires

1. Introduction
La résolution des systèmes linéaires est un domaine fondamental de l'algèbre linéaire qui
trouve des applications variées en mathématiques, en sciences et en ingénierie. Ce
chapitre explore les méthodes et les techniques permettant de trouver les solutions aux
équations linéaires simultanées.

2. Les objectifs spécifiques

Définir et formuler des systèmes d'équations linéaires sous forme matricielle.
Comprendre les concepts de solutions uniques, infinies, et inexistantes pour des
systèmes linéaires.
Maîtriser la méthode de substitution et la méthode d'élimination de Gauss pour
résoudre des systèmes linéaires.
Apprendre à utiliser la méthode de Gauss-Jordan pour obtenir la forme réduite
échelonnée des matrices.
Appliquer la règle de Cramer pour résoudre des systèmes d'équations linéaires
carrés.
Utiliser les déterminants pour analyser l'existence et l'unicité des solutions.

3. Théorie des systèmes linéaires

Dans toute la suite,K designe un corps commutatif (souvent Rou ) et
C n, m deux entiers
naturels non nuls.

Définition :
On appelle équation linéaire dans les variables (ou inconnues) x1 , . . . , xm toute
relation de la forme a1 x1 + ⋯ + am xm = b,
où a1 , . . . , am et b sont des nombres réels donnés.
On appelle système linéaire de n équations à m inconnues x1 , x2 , ⋯ , xm tout
système (S) du type :
⎧ a11 x1 + a12 x2 + … + a1m xm = b1

(S) ⎨
⋮
⎩
an1 x1 + an2 x2 + … + anm xm = bn

où les aij et les bi , avec 1 et 1

≤ i ≤ n ≤ j ≤ m , sont des éléments de K.
Le n-uplet (b1 , ⋯ , bn ) de Kn s'appelle le second membre du systeme(S).

18
⎪
Exemple

Fondamental

Complément

Posons A
:
Le système suivant a 3 équations et 4 inconnues :
⎧ 3x + y − 2z + 3t

⎨−x + 2y − 4z + 6t

2x − y + 2z − 3t

Définition :

:
= 4

= 2

= 0

appelé solution du système (S).

Résolution des systèmes linéaires

Résoudre le système (S), revient à trouver les m-uplets (x1 , . . . , xm ) d'inconnues de

K
m
vérifiant simultanément toutes les équations du système (S). Un tel m-uplet est

On dit que deux systèmes linéaires sont équivalents s’ils ont le même ensemble de
solutions.

Complément :
Un système d’équations linéaires n’a soit aucune solution, soit une seule solution, soit une
infinité de solutions.

Remarque :
Lorsque le système (S) admet au moins une solution, on dit qu'il est compatible, sinon on
dit qu'il est incompatible ou impossible.

Définition : Systèmes homogènes

Si (b1 , ⋯ , bn ) = (0, ⋯ , 0), le système (S) est dit homogène. Il admet au moins la solution
(0, ⋯ , 0), appelée solution nulle ou triviale.

Remarque :
Un système homogène est donc toujours compatible.

Tout système homogène d’équations linéaires dont le nombre d’inconnues est strictement
plus grand que le nombre d’équations a une infinité de solutions.

: Forme matricielle du système :

= (aij )1≤i≤n,1≤j≤m , B=
⎛

⎝
bn
b1

⋮
⎠
⎞

, X=
⎛

⎝
xm
x1

⋮
⎠
⎞

Le système (S) devient ; AX

Si f est une application linéaire de Km dans Kn telle que que A soit la matrice associée à f
suivant les bases canoniques et si on note par X = (x1 , ⋯ , xm ) et b = (b1 , ⋯ , bn ), le
système(S)devient f (X) = B.

Complément : Rang d’un système linéaire :

Le rang d’un système linéaire est le rang de la matrice A
du système linéaire (S), alors r ≤ n et r ≤ m.
= (aij )1≤i≤n,1≤j≤m .
= B.

Si r est le rang

19
Résolution des systèmes linéaires

4. Résolution par la méthode de Cramer

Définition :
Le système (S) est dit de Cramer si n = m = r c’est à dire, (S) est un système de n

équations à n inconnus et telle que det A ≠ 0.

Fondamental :
Tout système de Cramer admet une solution donnée par : X = A
−1
B.

Fondamental :
Dans un système de Cramer, la solution est donnée par les formules:
det Ai
xi = , i = 1, ⋯ , n.
det A

Où les Ai est la matrice réduite de A, en remplaçant la colonne i par le vecteur B.

Exemple :
Soit le système suivant à résoudre :
⎧2x + 2y + z = 1 2 2 1 1
⎛ ⎞ ⎛ ⎞
(S) : ⎨2x + y − z = 2 ⇔ 2 1 −1 = 2
⎩
⎝ ⎠ ⎝ ⎠
3x + y + z = 3 3 1 1 3

det A = 4 ≠ 0, rg(A) = n = m = 3 ((S) est un système de cramer).

1 2 1

2 1 −1

det A1 3 1 1
x = = = 9/7.
det A −7

2 1 1

2 2 −1

det A2 3 3 1
y = = = −5/7.
det A −7

2 2 1

2 1 2

det A3 3 1 3
z = = = −1/7.
det A −7

5. Résolution par la méthode du pivot de Gauss

5.1. Systèmes échelonnés
Définition :
Un système est échelonné si :
• le nombre de coefficients nuls commençant une ligne croît strictement ligne après ligne.
Il est échelonné réduit si en plus :
• le premier coefficient non nul d’une ligne vaut 1 ;
• et c’est le seul élément non nul de sa colonne.

20
 ⎪
Exemple

1. Li

Remarque

équivalent.

Exemple

R =

⎝
← λLi

↔ Lj

6. Cas général

ar1 ⋯

On dit alors que :

:
⎧2x1 + 3x2 + 2x3

1 − ⎨ −x2 − 2x3

⎧2x1 + 3x2 + 2x3 − x4 = 5

2 − ⎨
⎩

:
avec λ
2. Li ← Li + λLj avec λ ∈
d’une autre équation Lj .
3. Li

:
−x4

3x4

−2x3 = 4

x3 + x4 = 1

même variable que la ligne au-dessus).

= 5

= 4

= 1

5.2. Opérations sur les équations d’un système

Résolution des systèmes linéaires

est échelonné (mais pas réduit)

n'est pas échelonné (la dernière ligne commence avec la

Nous allons utiliser trois opérations élémentaires sur les équations (c’est-à-dire sur les
lignes) qui sont :
: on peut multiplier une équation par un réel non nul.
≠ 0

R ( et

: on peut échanger deux équations.

: on peut ajouter à l’équation
j ≠ i)

Ces trois opérations élémentaires ne changent pas les solutions d’un système linéaire ;
autrement dit ces opérations transforment un système linéaire en un système linéaire

Résolution par la méthode du pivot de Gauss :

(cf. Résolution par la méthode du pivot de Gauss)

Soit (S) un système linéaire de n équations à m inconnues, où m et n sont quelconques, et

soit r = rg(S). Donc il existe une matrice extraite de A d'ordre r dont le déterminant est
non nul. En changeant au besoin la numérotation des équations et des inconnues, on peut
supposer que cette matrice est :
a
⎛ 11
⋯ a1r

arr
⎞

Les r premières équations de (S) sont les équations principales.

Les r premières inconnues de(S) sont les inconnues principales.
La matrice R est la matrice principale de (S).

Complément :
Li

Condition nécessaire de compatibilité d'un système linéaire :

Sous sa forme vectorielle le système (S) s'écrit : x1 A1 + x2 A2 + ⋯ + xm Am = B :

Le système étant de rang r, les vecteurs A1 , A2 , … , Ar sont linéairement indépendants, et

ils forment une base de l'espace vectoriel engendré par (A1 , A2 , … , Am ).
un multiple

21
Résolution des systèmes linéaires

Le système est ainsi compatible si et seulement si B appartient au sous-espace vectoriel

de Kn engendre par A1 , A2 , … , Ar , i.e., si et seulement si la famille (A1 , A2 , … , Ar , B) est
lieé.
Supposons que le système (S) est compatible, alors la matrice dont les colonnes sont
A1 , A2 , … , Ar , B est de rang r, par conséquent tous les déterminants d'ordre r + 1 extraits

de cette matrice sont nuls (s'il en existe, i.e., si n > r). En particulier :
a11 ⋯ a1r b1

⋮ ⋮ ⋮
Δl =
ar1 ⋯ arr br

al1 ⋯ alr bl

Les déterminants Δl (si n > r), qui sont au nombre de (n − r) sont appelés déterminants
bordants du déterminant principal.

Fondamental : Théorème de Rouché-Fontené

Avec les notations ci-dessus, les deux assertions suivantes sont équivalentes:
1. (S) est compatible.
2. Tous les déterminants bordants du déterminant principal Δl sont nuls.
Les inconnues principales sont alors déterminées en fonction des inconnues non
principales par la résolution d'un système de Cramer.

7. Exercices
7.1. Exercice : Exercice 1 :
Résolvez les systèmes suivants en utilisant la méthode d'élimination de Gauss :
2x + 3y = 10
1. {
4x − y = 2

⎧3x + y − z = 5

2. ⎨x − 2y + z= 3
⎩
2x + 3y − z = 1

7.2. Exercice : Exercice 2 :

Soit, dans R,le système (S) d'équations linéaires suivant :
⎧x + y + 2z = 5

⎨x + 2y − z = 0
⎩
x − y + 3z = 0

Ce système :
 admet une unique solution.

 admet une infinité de solutions.

22
 V Examen Final

1. Exercice : Exercice 1 :
Soient a ∈ R et fa un endomorphisme du R-e.v. 3
R dont la matrice associée relativement à
la base canonique B = (e1 , e2 , e3 ) de R3 est :
−1 0 0
⎛ ⎞
Ma = 2 a 0 .
⎝ ⎠
1 2 a + 2

1- Pour quelles valeurs de a ∈ R , la matrice Ma est-elle inversible?

2- Soit C = (v1 = (1, 0, −1), v2 = (0, −1, 1), v3 = (1, 1, 0)) une famille de vecteurs de R3 .
i/ Vérifier que C est une base de R3 .
ii/ Déterminer la matríce de passage P de B à la base C et de C à la base B.
3-En déduire :
i/ Les coordonnées d'un vecteur w 3
= (x, y, z) ∈ R dans la base C .
ii/ La matrice Ma′ = MC (fa ) .

2. Exercice : Exercice 2 :
Soit la matrice :
1 2 1
⎛ ⎞
Am = 2 1 −1 ∈ M3 (R).

⎝ ⎠
m −1 1

Pour quelles valeurs de m et n le système :

x 1
⎛ ⎞ ⎛ ⎞
Am y = 1 , m, n ∈ R,
⎝ ⎠ ⎝ ⎠
z n

admet une unique solution. Résoudre dans ce cas.

admet une infinité de solutions. Résoudre dans ce cas.
n'admet pas de solutions.

23
Références

Abadir, K. M., & Matrix algebra1

Magnus, J. R. (2
005). Matrix alg
ebra (Vol. 1). Ca
mbridge Univer
sity Press.

E. Azoulay, J.Avi Les mathématiques en licence

gnant, G. Aulia
c, « Les mathé
matiques en lic
ence » (Tomes 1
à 4) Science.

J. Dixmier, « Co Cours de mathématiques.

urs de mathém
atiques. Cycle p
réparatoire », D
eux volumes, D
unod.

Monier, J. M. J'i Algèbre 1.2

ntègre. Algèbre
1 et 2. 1e année
MPSI, PCSI, PTS
I Cours et 600 e
xercices corrigé
s.

1. file:///C:/Users/HP/AppData/Local/Temp/Rar$EXa27036.2744/co/Analyse_Numerique_1_18.html#footnotesN116
2. file:///C:/Users/HP/AppData/Local/Temp/Rar$EXa27036.2744/co/Analyse_Numerique_1_18.html#footnotesN147

24
Bibliographie
J.Monier, «Cours de mathématiques (Algèbre 1)», Dunod

25
Webographie
http://exo7.emath.fr/cours/livre-algebre-1.pdf

26