2021.CoursCalculMatricielMiag

CALCUL MATRICIEL
Adolphe CODJIA
1ère Année, Sciences &Techniques

Version 2021
Table des matières
1 MATRICES 2
1.1 Présentation des matrices de type (p; q) sur un corps K commutatif . . . . 2
1.2 Quelques matrices de type (p; q) . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 OPERATIONS SUR LES MATRICES . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Somme de deux matrices de même type . . . . . . . . . . . . . . . 5
1.3.2 Egalité de deux matrices de même type . . . . . . . . . . . . . . . . 5
1.3.3 Multiplication par un scalaire d’une matrice . . . . . . . . . . . . . 6
1.3.4 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Matrices équivalentes et matrices semblables . . . . . . . . . . . . . . . . . 9
1.7 Opérations élémentaires sur les matrices . . . . . . . . . . . . . . . . . . . 11
1.8 Les opérations élémentaires sur les matrices avec les matrices élémentaires 12
1.9 Matrices échelonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.9.1 Inversion d’une matrice par les opérations élémentaires sur les ma-
trices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.10 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2 CALCUL DE DÉTERMINANTS 25
2.1 Déterminant d’une matrice carrée d’ordre 2 . . . . . . . . . . . . . . . . . 25
2.2 Déterminant d’une matrice carrée d’ordre 3 . . . . . . . . . . . . . . . . . 25
2.2.1 Calcul d’un déterminant d’ordre 3 par la méthode de Sarrus . . . . 25
2.2.2 Calcul du déterminant par le développement suivant une ligne ou
une colonne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Calcul du déterminant d’une matrice carrée d’ordre n supérieur ou égal à 3 28
2.4 Propriétés des déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5.1 Propriétés de la matrice inverse . . . . . . . . . . . . . . . . . . . . 34
2.5.2 Inversion d’une matrice par sa comatrice . . . . . . . . . . . . . . . 35
2.5.3 Démontration de la méthode d’inversion d’une matrice par sa co-
matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3 RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES 39

3.1 Résolution du système (S) avec sa matrice augmentée . . . . . . . . . . . . 41
3.2 Méthode de résolution d’un système de Cramer . . . . . . . . . . . . . . . 43
3.2.1 Résolution d’un système de Cramer par l’inversion de la matrice
associée au système . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1
TABLE DES MATIÈRES
3.2.2 Résolution d’un système de Cramer par des déterminants . . . . . . 44

3.3 Résolution d’un système avec le rang de la matrice associée connu . . . . . 44
3.4 Systèmes échelonnés ou Méthode du pivot . . . . . . . . . . . . . . . . . . 45
3.5 Calcul de l’inverse d’une matrice par la résolution de systèmes . . . . . . . 47
3.5.1 Une première méthode(mais souvent fastidieuse) . . . . . . . . . . . 47
3.5.2 Une deuxième méthode . . . . . . . . . . . . . . . . . . . . . . . . . 47
I TRAVAUX DIRIGES 50
II COMPLEMENTS d’EXERCICES 55
i
INTRODUCTION
La Géométrie des Grecs(et l’Arithmétique) est(sont) l’origine arbitraire de

notre repère temporel, puis vint René Descartes qui, avec son système de repère
et de coordonnées, a fait émergé l’algèbre de la géométrie et la géométrie
de l’algèbre, le tout sous le vocable de géométrie analytique ou d’algèbre linéaire
quitte à se passer de l’intuition géométrique immédiate.
L’algèbre est la science des équations, et la théorie des modèles, cette science
des équations consiste à :
1. la recherche de l’ensemble des solutions d’équations
(avec le constat qu’il y a stabilité de cet ensemble moyennant
certaines lois de compositions internes ou externes, ce qui donnera le point 2.) ;
2. Structuration de l’ensemble des solutions d’équations, c’est-à-dire munir
cet ensemble de loi de composition interne ou de loi de composition externe
(moyennant un ou des ensembles structurés) avec des propriétés avérées.
3. Etudier les applications entre des ensembles structurés de même type
avec la propriété de la transparence des structures en présence,
ces applications sont appélées homomorphismes ;
4. Structuration de l’ensemble des homomorphismes.
Le nom de l’algèbre est lié au nom des équations auquelles on a a¤aire.
Exemple : Les équations linéaires constituent les ingrédients de l’algèbre linéaire,
les équations polynômiales constituent les ingrédients de l’algèbre des polynômes.
Le rôle de l’algèbre linéaire est de traiter pêle-mêle des équations linéaires,
la structuration naturelle de l’ensemble des solutions d’équations linéaires qui est
une structure d’espace vectoriel et les calculs possibles avec les vecteurs ou les
homomorphismes linéaires ou leurs représentations moyennant des bases sur
les espaces vectoriels en question.
En ce qui concerne ce cours, c’est à la fois une invitation au voyage dans les contrées
de l’algèbre linéaire, et un accompagnement à l’embarcadaire d’où
le voyage est solitaire. Bon voyage !
1
Chapitre 1
MATRICES
Objectif
Savoir déterminer le type des matrices, é¤ectuer les opérations légitimes
sur les matrices et échelonner les matrices, à ligne ou à colonne canonique,
voire réduite pour trouver rang, inversibilité et inverse de matrices.
1.1 Présentation des matrices de type (p; q) sur un

corps K commutatif
Soit (K; +; ) un corps commutatif.
Comme exemples de corps commutatifs, vous avez : (R; +; ) et (C; +; ).
Dé…nition p et q étant deux entiers naturels, p 1; q 1,
une matrice p q ou de type (p; q) est, par dé…nition, un tableau rectanglaire
de scalaires(ou nombres) appartenant à K, rangés horizontalement ou verticalement,
où une rangée horizontale est appelée ligne et une rangée verticale est
appelée colonne. Les rangées …gurent dans deux parenthèses ou deux crochets
et la matrice est désignée par une lettre majuscule. Le nombre de rangées horizontales
est le nombre de lignes p et le nombre de rangées verticales est le nombre de
colonnes q.
Soit :
0 1 2 3
a11 a12 a1q a11 a12 a1q
B a21 a22 a2q C 6 a2q 7
B C 6 a21 a22 7
A = B .. .. C = 6 .. .. 7
@ . . A 4 . . 5
ap1 ap2 apq ap1 ap2 apq
une matrice à p lignes et q colonnes d’éléments aij 2 K ; l’élément aij s’appelle terme,
coe¢ cient ou composante de la matrice A ; l’indice i correspond à la ligne de aij ,
l’indice j à la colonne de aij . On emploie aussi la notation
A = (aij ) 1 i p .
1 j q
a14
a24
Ceci est la 2eme ligne : a21 a22 a2q ; la 4ieme colonne est : .. .
.
ap4
2
CHAPITRE 1. MATRICES
Pour A = (aij ) 1 i p,
1 j q
2 3
L1
6 L2 7
6 7
6 L3 7
6 .. 7
6 7
on peut écrire une matrice suivant ses lignes : A = 6 . 7; 1 i p,
6 7
6 Li 7
6 .. 7
4 . 5
Lp
ou suivant ses colonnes : A = C1 C2 C3 Cj Cq ;1 j q
Exemple 2 3
1 2 3 4 5 6
6 2 1
9 11 3 7
A=6 4 3
3 7 c’est une matrice de type (?; ?)
2 0 8 9 15 5
1
4 75 3
7 i 5+i
1
Ici l’élément a14 = 4, a22 = , a35 = 9, a33 = 0, a43 = , a46 = 5 + i.
3
1.2 Quelques matrices de type (p; q)

a) Matrice uniligne(ou matrice ligne) : p = 1, q quelconque
M = a11 a12 a1q .
M est de type (1; q).
Exemple
M= 1 5 7 78 de type (1; 4)
b) Matrice unicolonne(ou 2 matrice
3 colonne) : q = 1, p quelconque
a11
6 a21 7
6 7
M = 6 .. 7.
4 . 5
ap1
M est de type (p; 1).
Exemple 2 3
1
6 2 7
6 7
6 3 7
M =6 6 7 est de type (6; 1)
4 7
6 7
4 5 5
6
c) Matrice nulle de type (p; q)
C’est la matrice à2p lignes
3 et q colonnes dont les composantes sont toutes nulles.
0 0
Exemple : A = 4 0 0 5, elle est de type (3; 2).
0 0
d) Matrice carrée d’ordre n = p = q
C’est une matrice à n lignes et n colonnes, les termes aii sont les éléments
diagonaux et forment la diagonale principale.L’autre diagonale du tableau
carré s’appelle la contre diagonale principale.
3
Exemple
2 3
8
1 4 3
A= 4 9 47 2 5 c’est une matrice carrée d’ordre 3 et les
0 1 3
4
éléments diagonaux sont : a11 = 1 ; a22 = ; a33 = 3. Les éléments de la
7
4 8
contre diagonale principale sont : a31 = 0 ; a22 = ; a13 = .
7 3
e) Matrice diagonale
C’est une matrice carrée telle que tous les termes en dehors de la diagonale principale
sont nuls.
Exemples :
2 3
1 0 0
2 0
A1 = 4 0 0 0 5 ; A2 = .
0 6
0 0 3
f) Matrice unité(ou identité) d’ordre n
C’est la matrice diagonale d’ordre n telle que tous les termes de la diagonale
principale sont égaux à 1 (et les autres nuls). On la note In .
Exemples 2 3
2 3 1 0 0 0
1 0 0 6 0 1 0 0 7
1 0
I2 = , 4
I3 = 0 1 0 5, I4 = 64 0 0 1 0 5.
7
0 1
0 0 1
0 0 0 1
g) Matrice triangulaire supérieure :
C’est une matrice carrée telle que tous les termes en-dessous de la diagonale
principale sont nuls(a
2 ij = 0 si i > j).
3
1 5 0 1
6 0 0 4 0 7
Exemple : A = 6 4 0 0 1
7.
2 5
0 0 0 3
h) Matrice triangulaire inférieure :
C’est une matrice carrée telle que tous les termes au-dessus de la diagonale
principale sont nuls(a
2 ij = 0 si i < j). 3
1 0 0 0
6 0 7 0 0 7
Exemple : B = 6 4 5
7.
8 1 0 5
6 4 1 9
i) Matrice en bloc
C’est une matrice de type (m; n) dans laquelle on trouve des matrices
bien établies.
Soient M 2 Mr (K), N 2 Mrs (K), P 2 Ms (K) et Q 2 Msr (K) alors
M N
A= est en bloc par exemple.
Q P
4
Exemple : 2 3
15 4 0 0 0 0 1
6 3 5 4 0 0 7 15 4 0 0 0
6 7
A=6 7
6 0 1 5 4 0 7 où M =
@ 3 5 4 0 0 A,
4 0 0 1 5 20 5 0 1 5 4 0
0 0 0 1 25
0 0 1 5 20 M
N= ,Q= et alors A = .
0 0 0 1 25 N Q
j) Transposée d’une matrice :
On appelle transposée de la matrice A = (aij ) 1 i p la matrice A0 = (aji )1 j q
1 j q 1 i p
La transposée de A est notée (t A) = A0 ; c’est la matrice dont les colonnes sont
les lignes de A et vice versa. 2 3
1 4
1 2 1+i
Exemple : A = ; (t A) = 4 2 6 5.
4 6 8
1+i 8
Remarque
Si A est de type (p; q) alors (t A) est de type (q; p).
k) Opposée d’une matrice :
C’est la matrice obtenue en prenant l’opposée de chaque terme :
si A = (aij ) 1 i p ( A) = ( aij ) 1 i p .
1 j q 1 j q
1 2 1+i ( 1) 2 (1 + i)
Exemple : soit A = ; on a : ( A) =
4 6 8 4 ( 6) ( 8)
1 2 (1 + i)
ainsi ( A) = .
4 6 8
1.3 OPERATIONS SUR LES MATRICES

1.3.1 Somme de deux matrices de même type
On dé…nit la matrice C = A + B; de type (p; q) ; somme des deux matrices de
type (p; q), par ses coe¢ cients : cij = aij + bij , 1 i p; 1 j q.
2 1 1 i 3 1 1+i
Exemple : A = ;B= ,
3 1+i 2 3 1 i
2+3 1+1 1 i + ( 1 + i) 5 0 0
A+B = =
3 + ( 3) 1+i+1 2+i 6 i 2+i
2 1 1 i 2 ( 1) (1 i)
A + ( A) = +
3 1+i 2 ( 3) ( 1 + i) 2
0 0 0
= .
0 0 0
1.3.2 Egalité de deux matrices de même type

Deux matrices A = (aij ) 1 i p et B = (bij ) 1 i p , de type (p; q)
1 j q 1 j q
à coe¢ cients dans K sont égales si A + ( B) = 0Mpq (K) = B + ( A).
5
Contre-exemple
2 3 2 3
0 1 8 0 1 8
A = 4 1 0 0 5 et B = 4 1 0 0 5, on a :
82 0 0 3 2 8 3 1 0
0 0 0 0 0 0
A B = 4 0 0 0 5 6= 4 0 0 0 5, donc A 6= B.
0 1 0 0 0 0
Remarques
1)Soit A 2 Mpq (K), on a : (t A) 2 Mqp (K) et (t (t A)) = A.
2) Soit A 2 Mn2(K), si on a : (3t A) = A, on
2 dit que A est3 une matrice symétrique.
2 1 8 2 1 8
Exemple : A = 4 1 3 0 5, (t A) = 4 1 3 0 5 = A.
8 0 1 8 0 1
t
3)Soit A 2 Mn (K), si on a : ( A) = A, on dit que A est une matrice
antisymétrique.
2 3 2 3
0 1 8 0 1 8
Exemple : A = 4 1 0 0 5, (t A) = 4 1 0 0 5= A
8 0 0 8 0 0
On a ainsi une loi de composition interne : l’addition, qui fait de l’ensemble Mpq (K)
des matrices p q un groupe commutatif. L’élément neutre est la matrice
dont tous les coe¢ cients aij sont nuls dite matrice nulle 0Mpq (K) .
La matrice opposée à A = (aij ) est la matrice ( A) de coe¢ cients ( aij ).
Remarque
Soient A, B 2 Mpq (K), on a : (t (A + B)) = (t B) + (t A).
1.3.3 Multiplication par un scalaire d’une matrice

Soit 2 K, la matrice A est par dé…nition, la matrice de coe¢ cient aij , où A = (aij ).
C’est le produit du scalaire par la matrice A 2 Mpq (K) noté A.
Exemple
2 1 + 2i 1 i
A= ;
3 1+i 0
2 2 2 ( 1 + 2i) 2 (1 i) 4 2 + 4i 2 2i
2A = = .
2 ( 3) 2 ( 1 + i) 2 0 6 2 + 2i 0
3A =?
Remarque
La multiplication":" d’un scalaire 2 K par une matrice A 2 Mpq (K) est telle que
A 2 Mpq (K), on dit que la multiplication ":" est une loi de composition externe
dans Mpq (K) car l’opérande 2 K mais pas à Mpq (K).
Propriétés de la multiplication par un scalaire d’une matrice

(i) 1:A = A, pour tout élément A 2 Mpq (K).1 étant l’élément neutre de (K ; ).
(ii) ( A) = ( ) A, pour tout élément A 2 Mpq (K), 8 , 2 K.
(iii) (A + B) = A + B, 8 2 K, 8A,B 2 Mpq (K).
(iv) ( + ) A = A + A, 8 , 2 K, pour tout élément A 2 Mpq (K).
Ainsi l’addition qui fait de l’ensemble Mpq (K) des matrices de type (p; q) un groupe
commutatif en association avec la loi de composition externe
(qui est la multiplicationon d’un scalaire par une matrice) véri…ant les propriétés
6
sus-mentionnées fait de Mpq (K) un K-espace vectoriel.

Remarque
Soient A 2 Mpq (K), on a : (t ( A)) = (t A), 2 K.
1.3.4 Produit de deux matrices

Le produit de matrices est sous condition :
A B est possible si le nombre de colonnes de A est égal au nombre de
lignes de B.
Soient A = (aij ) 1 i m 2 Mm;n (K), B = (bij ) 1 i n 2 Mn;p (K) ,
1 j n 1 j p
X
n
on pose : AB = C = (cij )1 i m 2 Mm;p (K) ; où cij = aik bkj
1 j p
k=1
(on dit que l’on fait li-col, c’est-à-dire ligne par colonne) est le produit de
la matrice A par B. En fait pour obtenir le terme cij de la matrice A B = AB,
on multiplie les composantes de la ieme ligne de A par celles de la j eme colonne
de B dans l’ordre et on fait la somme des di¤érents produits.
On a symboliquement du point de vu des types de matrices
AB =C
(m; n) (n; p) = (m; p).
Exemples
2 3
1 3
3 1 2 1
A = 4 4 1 5; B = ;
1 3 4 7
0 2 2 3
1 3
3 1 2 1
A B = AB = 4 4 1 5
1 3 4 7
2 0 2 3
1 3+3 1 1 ( 1) + 3 ( 3) 1 2+3 4 1 1+3 7
=4 4 3+1 1 4 ( 1) + 1 ( 3) 4 2+1 4 4 1+1 7 5
02 3 + 2 1 0 ( 31) + 2 ( 3) 0 2+2 4 0 1+2 7
0 8 10 20
= 4 11 1 4 3 5.
2 6 8 14
B A n’est pas un produit possible car le nombre de colonnes de B
égalant 4 n’est pas égal au nombre de lignes de A qui est 3.
Remarque
1 4 3 4
Soient A = et B =
3 2 3 0
15 4 15 20
on a : AB = 6= = BA.
15 12 3 12
Ainsi
Proposition
le produit de matrices n’est pas commutatif.
Dé…nition
Quand on a deux matrices carrées A et B telles que A B = B A
on dit que A et B commutent(ou permutent).
Exemple
1 2 0 12
Soient A = et B = 1 1 , on constate que
2 0 2 4
7
1 2 0 12 0 12 1 2
AB = 1 1 = 1 1 = BA
2 0 2 4 2 4
2 0
Ainsi A et B commutent mais le produit de matrices n’est pas commutatif.
Aussi A et B sont dites commutantes(permutantes).
Remarques
1.Formule du binôme de Newton
8A; B 2 Mn (K), commutant(permutant) e.i. A B = B A, on a :
X n Xn
n
(A + B) = {n A B =
k n k k
{kn B n k Ak ;
k=0 k=0
n!
n 1, n 2 N, {kn = .
k! (n k)!
2. 8A 2 Mn (K) avec A 6= 0Mn (K) , on a A0 = In .
Propriétés
1. A (B + C) = AB + AC, 8A 2 Mmn (K), 8B, C 2 Mnp (K) ; ceci est la
distributivité à gauche de la multiplication par rapport à l’addition.
2. (A + B) C = AC + BC, 8A, B 2 Mmn (K), 8C 2 Mnp (K) ; ceci est la
distributivité à droite de la multiplication par rapport à l’addition.
Vu 1) et 2) la multiplication est distributive par rapport à l’addition.
3. 8 2 K, 8A 2 Mmn (K), 8B 2 Mnp (K),
( A) B = A ( B) = (AB).
4. 8A 2 Mmn (K),8B 2 Mnp (K) ; 8C 2 Mpr (K),
(AB) C = A (BC) = ABC ; ceci est l’associativitité de la multiplication des
matrices.
5. ( (AB)) = (t B) (t A), 8A 2 Mpn (K) ; 8B; 2 Mnq (K) .
t
6. Ip :A = A = A:In , 8A 2 Mpn (K), IP , In sont unitées d’ordre resp. p, n.
1.4 Trace d’une matrice carrée

Dé…nition
Etant donné A = (aij ) 2 Mn (K) une matrice carrée d’ordre n
(nombre de lignes = nombre de colonnes=n), on dé…nit une application
Xn
tr de Mn (K) sur K nommée trace telle que tr (A) = aii .
i=1
Mn (K) est l’ensemble des matrices de type (n; n), dites aussi matrices carrée
d’ordre n.
Exemple 0 1
7 1 0 2
B 4 5 11 5 C
Soit A = B@ 1
2 C,
2 3 4 A
74 9 0 2
2
alors tr (A) = 7 + ( 5) + ( 3) + = 1= = tr (t A).
2 2 2
Propriété
Etant données deux matrices A; B 2 Mn (K),
i) tr (A + B) = tr (A) + tr (B)
ii) tr ( A) = tr (A) ; 2 K.
iii) tr (AB) = tr (BA).
8
iv) tr (A) = tr (t A).

Je rappelle que K est un corps commutatif.
Preuve
iii) 8A; B 2 Mn (R), !
X n Xn Xn
tr (AB) = (AB)kk = Aki Bik
k=1 k=1! i=1 !
X n Xn Xn Xn X
n
= Bik Aki = Bik Aki = (BA)ii
k=1 i=1 i=1 k=1 i=1
= tr (BA).
Xn X
n
t t
iv) tr ( A) = ( A)kk = Akk = tr (A).
k=1 k=1
Remarques
1)(Mn (K) ; +; ) est un anneau unitaire non commutatif .
L’élément unité se note In . Ainsi 8A 2 Mn (K), AIn = In A = A.
1 0 0 0
2) Avec A = 6= 0M2 (C) et B = 6= 0M2 (C) ; on a :
2 0 1 2
1 0 0 0 0 0
AB = = donc
2 0 1 2 0 0
(Mn (K) ; +; ) est un anneau non intègre.
1.5 Matrices inversibles

Dé…nition
A 2 Mn (K) est dite inversible s’il existe B 2 Mn (K) telle que AB = BA = In .
1
B est appelée l’inverse de A et se note B = A 1 6= qui n’existe pas.
A
(B et A sont des matrices carrées de même ordre).
Exemple
1 2 0 12 1 0
Soient A = et B = 1 1 on a : AB = BA = I2 = .
2 0 2 4
0 1
Ainsi A est inversible d’inverse B et inversemment(i.e. B est inversible d’inverse A)
ou A et B sont inverses l’une de l’autre.
Proposition
le produit de matrices inversibles est inversible.
Proposition
L’ensemble GLn (K) des matrices carrées d’ordre n inversibles est un groupe
multiplicatif appelé le groupe linéaire.
1.6 Matrices équivalentes et matrices semblables

Dé…nitions
i) Deux matrices A; B 2 Mpq (K) sont équivalentes s’ils existent P 2 Mp (K)
inversible et Q 2 Mq (K) inversible telle que A = P BQ , P 1 AQ 1 = B.
ii) Deux matrices A; B 2 Mn (K) sont semblables s’il existe P 2 Mn (K) inversible
telle que A = P 1 BP , P A = BP , P AP 1 = B , AP 1 = P 1 B
ce qui entrainera que tr (A) = tr (B).
9
Exemples 2 3 2 3
5 2 4 7 1 0 0 0
i) Soient A = 4 3 2 0 1 5 et R = 4 0 1 0 0 5
2 1 0 2 33 2 0 0 03 0
0 0 1 5 2 0
Soit P = 4 1
0 5 5 0 4
avec P = 3 2 1 5
2 2
1 1 2 2 31 2 0 0 3 2 3
0 0 1 5 2 0 1 0 0
On constate que P P 0 = 4 12 0 5 54
2
3 2 1 5=4 0 1 0 5
2 32 1 1 2 3 1 20 0 3 0 0 1
5 2 0 0 0 1 1 0 0
Aussi P 0 P = 4 3 2 1 5 4 21 0 5 5
2
= 4 0 1 0 5
1 0 0 1 1 2 0 0 1
1 0
Donc P est 2 inversible d’inverse 3 P = P2 3
1 0 2 3 1 0 2 3
6 0 1 3 4 7 6 4 7
Soit Q = 6 7 avec Q0 = 6 0 1 3 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 4 7 6 7
On constate que QQ0 = 6 76 0 1 3 7=6 0 1 0 0 7
4 0 0 1 0 54 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 0 1 3 4 7 6 7
et Q0 Q = 6 76 7=6 0 1 0 0 7
4 0 0 1 0 5 4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
Ainsi Q est inversible d’inverse Q 1 = Q0 2 3
2 32 3 1 0 2 3
0 0 1 5 2 4 7 6
4 1 5 54 56 0 1 3 4 77
Aussi P AQ = 0 3 2 0 1 4 0 0 1
2 2 0 5
1 1 2 1 0 2 3
0 0 0 1
2 3
2 3 1 0 2 3
1 0 2 3 6 0 1 3 4 7
P AQ = 4 0 1 3 4 56 4 0 0 1
7
0 5
0 0 0 0
2 3 0 0 0 1
1 0 0 0
P AQ = 0 1 0 0 5 = R
4
0 0 0 0
P AQ = R.
On a bien P AQ = R avec P 2 M3 (R) inversible, A 2 M34 (R) et Q 2 M4 (R) inversible
donc A et R sont 2 équivalentes. 3 2 3
2 1 1 1 21 3
2
ii) Soient M = 4 2 3 2 5 et D = 4 0 12 3 5
2
3 11
2 1 1 2
3 2 3 0 2 2 3
1 1
1 0 1 4 2 4
avec P = 4 0 1 1 5 et P 0 = 4 14 12 1 5
4
1 1 1
1 2 1 4 2 4
10
2 32 3 1 1
3 2 3
1 0 1 4 2 4
1 0 0
On a : P P 0 = 4 0 1 1 54 1
4
1
4
1
2
5=4 0 1 0 5
1 1 1
2 31 1
2 1 32
1
4 2 4 3 2 0 0 13
4 2 4
1 0 1 1 0 0
Aussi P 0 P = 4 41 12 1 54
4
0 1 1 5=4 0 1 0 5
1 1 1
4 2 4
1 2 1 0 0 1
1 0
Ainsi P est inversible d’inverse P = P
On constate2que : 32 32 3
3 1 1
4 2 4
2 1 1 1 0 1
P 1 M P = 4 14 21 1 54
4
2 3 2 54 0 1 1 5
1 1 1
2 4 1 2 3 43 1 1 2 1 2 1
1 2 2
P 1 M P = 4 0 12 3 5
2
= D.
3 11
0 2 2
donc M et D sont sont semblables.
Remarque
Deux matrices semblables sont équivalentes.Mais deux matrices
équivalentes ne sont pas nécessairement semblables, il su¢ t qu’elles
ne soient pas carrées.
1.7 Opérations élémentaires sur les matrices

Dé…nition
Soit A 2 Mpq (K). On appelle opérations élémentaires sur A l’une des
transformations suivantes :
1. Ajouter à une colonne(resp. ligne) de A le produit par un élément de K
d’une autre colonne(resp. ligne) : on parle de transvection sur les colonnes
(resp. lignes) de A.
Exemple
3 1 2 1
soit B = en faisant C10 = C1 + ( 2) C3 on a :
1 3 4 7
3 + ( 2) 2 1 2 1 1 1 2 1
B0 = = .
1 + ( 2) 4 3 4 7 7 3 4 7
Evidemment on a B équivalente à B 0 , ce qui se note : B B 0
qui se lit B équivalente à B 0 .
2. Permuter les colonnes(resp. lignes) de A.
Exemple 2 3
1 3
soit A = 4 4 1 5 permutons L1 et L3 , on a :
2 0 2 3
0 2
0
A = 4 4 1 5.
1 3
Evidemment on a A équivalente à A0 , ce qui se note : A A0
qui se lit A équivalente à A0 .
3. Multiplier une colonne(resp. ligne) de A par un élément de K :
on parle de dilatation ou d’a¢ nité sur A.
11
Exemple 2 3
1 3
soit A = 4 4 1 5 faisons 4L2 , on a :
2 0 2 3
1 3
0
A = 4 16 4 5.
0 2
Evidemment on a A équivalente à A0 , ce qui se note : A A0
qui se lit A équivalente à A0 .
Dé…nition
Les matrices Eij 2 Mpq (K) tels que aij = 1 et ars = 0,
si r 6= i ou s 6= j, sont les matrices
X élémentaires de Mpq (K).
Soit A = (aij ) 2 Mpq (K),on a A = aij Eij .
1 i p
1 j q 1 i p
1 j q
Exemples 2 3
2 3 0 0
0 0 0 0 6 0 0 7
E23 = 0 0 1 0 5 2 M34 (R), E42 = 6
4 7
4 0 0 5 2 M42 (R)
0 0 0 0
2 3 2 3 2 03 1 2 3
a11 a12 a11 0 0 a12 0 0
A = 4 a21 a22 5 = 4 0 0 5 + 4 0 0 5 + 4 a21 0 5
a2
31 a32
3 2 0 0 3 20 0 3 0 0
0 0 0 0 0 0
+ 4 0 a22 5 + 4 0 0 5 + 4 0 0 5
2 0 03 2a31 0 3 02 a32 3 2 3
a11 a12 1 0 0 1 0 0
A = 4 a21 a22 5 = a11 4 0 0 5 + a12 4 0 0 5 + a21 4 1 0 5
2 a31 a332 2 0 30 2 0 30 0 0
0 0 0 0 0 0
+a22 4 0 1 5 +a31 4 0 0 5 + a32 4 0 0 5
2 0 0 3 1 0 0 1
a11 a12
A = 4 a21 a22 5 = a11 E11 + a12 E12 + a21 E21 + a22 E22 +a31 E31 + a32 E32
a31 a32
X
A= aij Eij 2 M32 (R)
1 i 3
1 j 2
1.8 Les opérations élémentaires sur les matrices avec

les matrices élémentaires
D’abord, il est nécessaire de savoir que 8Eij , Ekl 2 Mp (K), on a : Eij :Ekl = jk Eil , où
1 si j = k
jk = .
0 si j 6= k
X
Soit A = (aij ) 2 Mpq (K), alors A = aij Eij , et
1 i p
1 j q 1 i p
1 j q
12
X X
8Ekl 2 Mp (K), Ekl :A = aij Ekl Eij = aij li Ekj
1 i p 1 i p
1 j q 1 j q
2 3
X 0
= alj Ekj = 4 al1 al2 al(q 1) alq 5 k ieme ligne de A a récuperé
.
1 j q 0 la lieme ligne de A
X X
Aussi 8Ekl 2 Mq (K), AEkl = aij Eij Ekl = aij jk Eil
1 i p 1 i p
1 j q 1 j q
2 3
a1k
6 7
a2k
X 6 7
6 7..
= aik Eil = 6 0 0 7 .
6 7
1 i p 4 a(p 1)k 5
apk
"
lieme colonne de A
a recuperé la k ieme colonne de A
de là, on comprend ce qui suit :
Soit A 2 Mpq (K). On appelle opérations élémentaires sur A l’un des
produits suivants :
1.a.Soit r 6= s, A (Iq + Ers ), Ers 2 Mq (K), c’est ajouter à la colonne s de A
le produit par un élément de K de la colonne r, on parle de transvection
sur les colonnes de A.
b).Soit r 6= s, (Ip + Ers ) A, Ers 2 Mp (K), c’est ajouter à la ligne r de A
le produit par un élément de K de la ligne s, on parle de transvection
sur les lignes de A.
2.a.Soit r 6= s, (Ip Err Ess + Ers + Esr ) A, Err ; Ess ; Ers ; Esr 2 Mp (K),
c’est permuter les lignes r et s de A.
b) Soit r 6= s, A (Iq Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mq (K),
c’est permuter les colonnes r et s de A.
3.a. (Ip + ( 1) Err ) A, Err 2 Mp (K), c’est multiplier la ligne r de A par un
élément de K : on parle de dilatation ou d’a¢ nité sur A.
b. A (Iq + ( 1) Err ), Err 2 Mq (K), c’est multiplier la colonne r de A par un
élément de K : on parle de dilatation ou d’a¢ nité sur A.
Pratiquement, cela se fait aisément en augmentant la matrice A par la matrice
identité de même nombre de lignes que A, à la suite de la dernière colonne de A,
quand l’on e¤ectue des opérations élémentaires sur les lignes, à la …n des
opérations sur les lignes, on obtient à la place de la matrice identité,
la matrice L par laquelle, il faudra multiplier par A, comme suit :
L:A pour avoir la transformation obtenue de A.
En ce qui concerne les opérations sur les colonnes, on augmente la matrice A par la
matrice identité de même nombre de colonnes que A, à la suite de la dernière ligne
de A, à la …n des opérations sur les colonnes, on obtient à la place de la matrice
identité, la matrice C par laquelle, il faudra multiplier par A, comme suit :
AC pour avoir la transformation obtenue de A.
Remarque
Les matrices L et C supra, sont dites matrices produit de matrices d’opérations
élémentaires sur A.
13
Dé…nition
Les matrices :
1. (Iq + ( 1) Err ), Err 2 Mq (K) ;
2. (Ip + ( 1) Err ), Err 2 Mp (K) ;
3. r 6= s, (Iq Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mq (K) ;
4. r 6= s, (Ip Err Ess + Ers + Esr ), Err ; Ess ; Ers ; Esr 2 Mp (K) ;
5. r 6= s, (Ip + Ers ), Ers 2 Mp (K) ;
6. r 6= s, (Iq + Ers ), Ers 2 Mq (K)
sont dites matrices d’opérations élémentaires. En somme,
Dé…nition
Toute matrice par laquelle, on multiplie une matrice A pour obténir une matrice
semblable à A est une matrice produit de matrices d’opérations élémentaires sur A.
Proposition
Toute matrice d’opération élémentaire est inversible.
Preuve(preuve avec le chapitre II)
E¤et :
1. det ((Iq + Ers )) = det ((Ip + Ers )) = 1 6= 0, ceci est relatif au déterminant
de la matrice triangulaire Iq + Ers ou Ip + Ers avec des éléments diagonaux
égaux à 1.
2. det (Ip Err Ess + Ers + Esr ) = det (Iq Err Ess + Ers + Esr ) = 1 6= 0,
ceci est le déterminant de la matrice identité dans laquelle on a permuté
deux lignes ou deux colonnes
3. det (Ip + ( 1) Err ) = det (Iq + ( 1) Err ) = 6= 0 car 2 K , ceci est le
déterminant de la matrice identité dans laquelle on a multiplié une ligne ou une
colonne par .
Proposition
Toute matrice carrée inversible est le produit de matrices d’opérations élémentaires.
Preuve
il su¢ t de se souvenir que toute matrice A carrée inversible est équivalente à la
matrice identité de même ordre que A, moyennant des opérations élémentaires.
1.9 Matrices échelonnées

Dé…nitions
i) Une matrice est échelonnée si :
le nombre de zéros commençant une ligne(resp. colonne) croît strictement ligne
par ligne(resp. colonne par colonne)jusqu’à ce qu’il ne reste plus que des zéros ou
qu’il n’ait plus de ligne(resp. colonne).
Exemples 2 3 2 3
4 0 5 8 1 1 4 0 5 8 1 1
6 0 1 2 3 0 2 7 6 2 7
a) A1 = 6 7 ; A2 = 6 0 1 2 3 0 7
4 0 0 7 9 10 15 5 4 0 0 7 9 10 15 5
0 0 0 3 1 9 0 0 0 0 0 0
sont des 2matrices échelonnées3 suivant2les lignes. 3
4 0 0 0 4 0 0 0 0
6 11 7 0 0 7 6 0 0 7
b) B1 = 6 7 ; B2 = 6 11 7 0 7
4 5 0 9 0 5 4 5 0 9 0 0 5
0 0 1 3 0 0 1 3 0
14
sont des matrices échelonnées suivant les colonnes.

ii) Elle est échelonnée réduite à ligne canonique
(échelonnée à ligne canonique) si en plus :
le premier coe¢ cient non nul d’une ligne (non nulle) vaut 1 ;
et c’est le seul élément non nul de sa colonne.
Exemples
2 3 2 3
1 0 0 0 1 1 1 0 0 8 1 1
6 0 1 0 0 0 2 7 6 2 7
A1 = 6 7 ; A2 = 6 0 1 0 3 0 7
4 0 0 1 0 10 15 5 4 0 0 1 9 10 15 5.
0 0 0 1 1 9 0 0 0 0 0 0
iii) Elle est échelonnée réduite à colonne canonique
(échelonnée à colonne canonique) si en plus :
le premier coe¢ cient non nul d’une colonne (non nulle) vaut 1 ;
et c’est le seul élément non nul de sa ligne.
Exemples
2 3 2 3
1 0 0 1 0 0 0 0
6 0 1 0 7 6 0 1 0 0 0 7
B1 = 6 7 6
4 0 0 1 5 ; B2 = 4 0 0 1 0 0 5.
7
0 0 3 0 0 0 1 0
iv) Elle est échelonnée réduite quand elle est à la fois échelonnée réduite à ligne
et colonne canoniques.
Exemples
2 3
1 0 0 0 0
6 0 1 0 0 0 7
C1 = 6 7
4 0 0 1 0 0 5 = I4 0 ;
0 0 0 1 0
2 3
1 0 0 0 0
6 0 1 0 0 0 7 I3 0
C2 = 6 7
4 0 0 1 0 0 5= 0 0 ;
0 0 0 0 0
2 3
1 0 0 0 0
6 0 1 0 0 0 7
6 7
I5 = 6 7
6 0 0 1 0 0 7 = [I5 ]
4 0 0 0 1 0 5
0 0 0 0 1
ainsi toutes les matrices unités(ou identités) In , n 2 N .
sont des matrices échelonnées réduites.
Remarque
Dans la réduite d’une matrice non nulle échelonnée réduite,
il y a dans la première moitié ou dans le premier quart du haut une matrice
unité(ou identité), In pour un certain n 2 N, ou la reduite est carrément
une matrice identité.
v) Echélonner réduire une matrice A c’est lui trouver une matrice échélonnée
réduite A0 qui lui soit équivalente.
Lemme
Les opérations élémentaires sur les matrices servent à échelonner des matrices et
les éléments non nuls d’une ligne ou (resp.d’une colonne) qui permette
d’avoir des zéros sur les lignes qui suivent ou (resp.les colonnes qui suivent)
15
sont appelés pivots.

Exemples
a) Échélonnage
2 suivant
3 2 les lignes d’une 3 matrice
1 3 2 1 3 2
A=4 4 1 0 5'4 0 11 8 5 L2 4L1
2 25 4 0 3 11 8 L3 + 2L1
1 3 2
A'4 0 11 8 5 .
0 0 0 L3 + L2
Les pivots ici, ont été : 1 ; 11.
b)
2 Échélonnage à ligne 3 canonique
2 d’une matrice
3
0 3 2 1 1 3 4 2 L3
4 2 5 1 6 5'4 0 1 9 10 5 L2 + 2L3
21 3 4 2 3 0 3 2 21 L1 3
1 0 23 28 L1 3L2 1 0 0 5 L1 + 23 L
29 3
'4 0 1 9 10 5 L2 '4 0 1 0 1 5 L2 + 29
9
L3 .
1
0 0 29 29 L3 + 3L2 0 0 1 1 L
29 3
Les pivots sont réduits à 1 à chaque fois.
c) Échélonnage suivant les colonnes d’une matrice
C C2 2C3 C1 4C3
2 3 2 3 3
4 2 1 1 0 0
6 6 2 3 7 6 3 4 6 7
B=6 4 0 1
7'6 7'
1 5 4 1 3 4 5
2 1 3 3 5 10
2C3 3C2
2 3
1 0 0
6 3 4 0 7
B'6 4 1 3
7.
1 5
3 5 5
Les pivots ici, ont été : 1 ; 4.
d) Échélonnage à colonne canonique d’une matrice
1 3 1 2
2 3 24 C1 C2 4 C13 C3 4 C1 C4 4 C1
4 3 1 2 1 0 0 0
C= 0 4 9 1 0 ' 0 5 4 9 1 0 5
0 0 8 9 0 0 8 9
1 1
2 9 C2 C3 39 C2
1 0 0 0
C' 0 1 0 0 5
4
0 0 8 9
1 9
2 C C3
8 3 4 C
8 3
1 0 0 0
C' 0 1 0 0 5
4
0 0 1 0
Les pivots sont réduits à 1 à chaque fois.
Proposition
Une matrice A est inversible si et seulement si, échelonnée reduite elle est
équivalente à la matrice identité de même ordre que A.
16
1.9.1 Inversion d’une matrice par les opérations élémentaires

sur les matrices
Exemples
I) Avec opérations
2 élémentaires
3 2 sur
3 les lignes :
1 1 1 1 0 0
Soit A = 4 1 1 0 5 ' 4 0 1 0 5 donc A est inversible.
1 0 1 0 0 1
On augmente la matrice A de la matrice unité de même nombre de ligne que A
à2 la suite de la dernière colonne
3 de A comme suit :
6 7
6 1 1 1 1 0 0 7
6 7
6 1 1 0 0 1 0 7 = M et l’on cherchera à échelonner réduire la matrice A
6 7
4 1 0 1 0 0 1 5
| {z }| {z }
A I3
2Ceci étant, déroulons : 3 2 3

1 1 1 1 0 0 1 1 1 1 0 0
4 1 1 0 0 1 0 5 4 0 2 1 1 1 0 5 L2 L1
1
2 0 1 0 0 1 3 0 1 2 21 0 1 L3 L1 3
1 1 1
1 1 1 1 0 0 1 0 2 2 2
0 L1 L2
4 0 1 1 1 1
0 5 1
L 4 0 1 1 1 1
0 5
2 2 2 2 2 2 2 2
3 1 1 1 1 1 2 2
2 0 0 2 2 2
1
3 L 3 L
2 2
0 0 1 3 3 3
L
3 3
1 1 1
1 0 0 3 3 3 1
4 0 1 0 1 2 1 5 L1 L
2 3 .
3 3 3 1
L2 2 L3
0 0 1 13 1
3
2
3
Comme l’échelonnage de la matrice A sous la réduite 2 1 à donner la3matrice identité,
1 1
3 3 3
alors la matrice A est inversible d’inverse A 1
=4 1
3
2
3
1
3
5.
1 1 2
3 3 3
II) Avec opérations élémentaires sur les colonnes
On augmente la matrice A de la matrice unité de même nombre de colonne
que
2 A à la suite3 de la dernière ligne de A comme suit :
1 1 1
6 1 1 0 7
6 7
6 1 0 1 7
6 7 = N et l’on cherchera à échelonner la matrice A sous
6 1 0 0 7
6 7
4 0 1 0 5
0 0 1
la forme échelonné réduite
Ceci étant, déroulons :
C -C C3 -C1 C1 + 12 C2 - 12 C2 C3 - 12 C2
2 3 2 2 1 3 2 3
1 1 1 1 0 0 1 0 0
6 1 1 0 7 6 1 7 6 0 1 0 7
6 7 6 1 2 7 6 1 7
6 1 0 7 6
1 7 6 1 1 7
2 7 6 1 3 7
6 6 2 2 2 7
6 1 0 0 7 6 1 7 6 1 1 1 7
6 7 6 1 1 7 6 2 2 2 7
4 0 1 0 5 4 0 1 0 5 4 1 1 1 5
2 2 2
0 0 1 0 0 1 0 0 1
17
C1 + 31 C3 C2 + 13 C3 2
C3
2 33
1 0 0
6 0 1 0 7 2 3
6 7 1 1 1
6 0 0 1 7 3 3 3
6 7)A 1
=4 1 2 1 5.
6 1 1 1 7 3 3 3
6 3 3 3 7 1 1 2
4 1 2 1 5 3 3 3
3 3 3
1 1 2
3 3 3
1.10 Rang d’une matrice

Proposition
Le rang d’une matrice échelonnée ou échelonnée reduite est égale au nombre de
ses lignes non nulles(si l’échelonnage a été e¤ectué avec les opérations élémentaires
sur les lignes) ou au nombre de colonnes non nulles(si l’échelonnage a été e¤ectué avec
les opérations élémentaires sur les colonnes).
Remarque
Pour trouver le rang d’une matrice, il su¢ t de l’échelonner.
Exemples
2 3
4 0 5 8 1 1
6 0 1 2 3 0 2 7
A1 = 6 4 0 0
7 ) rg (A1 ) = 4 ;
7 9 10 15 5
0 0 0 3 1 9
2 3
4 0 5 8 1 1
6 0 1 2 3 0 2 7
A2 = 6 4 0 0
7 ) rg (A2 ) = 3 ;
7 9 10 15 5
0 0 0 0 0 0
2 3
4 0 0 0 0
6 11 7 0 0 0 7
B1 = 6 4 5 0
7 ) rg (B1 ) = 4 ;
9 0 0 5
0 0 1 3 0
2 3
4 0 0 0
6 11 7 0 0 7
B2 = 6 4 5 0
7 ) rg (B2 ) = 4.
9 0 5
0 0 1 3
Proposition
rg (A) = rg (t A) pour tout type de matrice A.
Proposition
Deux matrices sont équivalentes ssi elles ont le même rang.
Preuve
Soient A; B 2 Mpq (K) de même rang, alors ils existent P1 , P2 2 GLP (K)
et Q1 ; Q2 2 GLq (K) telles que
P1 AQ1 = R = P2 BQ2 () P2 1 P1 AQ1 Q2 1 = B avec
P2 1 P1 2 GLP (K) et Q1 Q2 1 2 GLq (K), ce qui veut dire que A et B sont
équivalentes. GLP (K) est l’ensemble des matrices carrées d’ordre p inversibles.
R est la matrice échelonnée réduite à la fois de A et de B, dé…nissant le même rang
pour A et B.
Remarque
Toute opération élémentaire sur une matrice A, produit une matrice A0 qui est
18
équivalente à A. Donc rg (A) = rg (A0 ).

Remarque
Le rang de A est indépendante des opérations élémentaires ayant permis son
échelonnage ou son échelonnage réduit.
Exemple2 3
5 2 4 7
Soit A = 4 3 2 0 1 5, recherchons le rang de A.
1 0 2 3
Nous allons faire des opérations élémentaires sur les lignes de A en
augmentant A de la matrice identité de même nombre de lignes que A,
à la suite de la dernière colonne de A. Et on va échelonner à ligne canonique
la matrice A avec les opérations élémentaires sur la matrice augmentée.
Ainsi
2 d’entée, on a : 3
6 7 2 2 4 7 1
3 1
6 5 2 4 7 1 0 0 7 1 5 5 5 5
0 0 L
5 1
6 7 4 0
6 3 2 0 1 0 1 0 7 4
5
12
5
16
5
3
5
1 0 5 L2 35 L1
6 7 2 6 8 1
4 1 0 2 3 0 0 1 5 0 5 5 5 5
0 1 L3 15 L1
| {z }| {z }
A I3
2 3
6 1 0 2 3 1 1
0 7 L1 1 L2
6 2 2 7 2
6 0 1 3 4 3 5
0 7 5
L
6 4 4 7 4 2
4 0 0 0 0 1 1
1 5 L3 + 1 L2
2 2 2
| {z }| {z }
R0 P
Evaluons
2 :1 32 3 2 3
1
2 2
0 5 2 4 7 1 0 2 3
PA = 4 3
4
5
4
0 54 3 2 0 1 5 = 4 0 1 3 4 5.
1 1
2 2
1 1 0 2 3 0 0 0 0
0
On a donc : P A = R .
Remarque
R0 est dite matrice échélonnée à lignes canoniques de A car le premier terme
non nul d’une ligne non nulle est 1 et c’est le seul non nul de sa colonne.
On continue avec les opérations élémentaires sur les colonnes cette fois-ci,
en augmentant R0 à la suite de sa troisième ligne par la matrice identité de
même nombre de colonnes que R0 . Et on va échelonner réduire la matrice
R0 avec les opérations élémentaires sur les colonnes de la matrice
augmentée.c’est-à-dire :
C3 -2C1 C4 -3C1 C3 +3C2 C4 +4C2
2 3 2 3 2 3
1 0 2 3 1 0 0 0 1 0 0 0
6 0 1 3 4 7 6 0 1 3 4 7 6 0 1 0 0 7
6 7 6 7 6 7
6 0 0 0 0 7 6 0 0 0 0 7 6 0 0 0 0 7
6 7 6 7 6 7
6 1 0 0 0 7 6 1 0 3 7 6 1 0 3 7
6 7 6 2 7 6 2 7.
6 0 1 0 0 7 7 6 7 6 4 7
6 6 0 1 0 0 7 6 0 1 3 7
4 0 0 1 0 5 4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
2 3
2 3 1 0 2 3
1 0 0 0 6 0 1 3 4 7
Ici on a : R = 0 1 0 0 5 et on pose Q = 6
4
4 0 0 1
7.
0 5
0 0 0 0
0 0 0 1
19
Evaluons : 2 3
2 1 1
32 3 1 0 2 3
0 5 2 4 7 6
2 2
54 3 2 0 1 56 0 1 3 4 7 7
P AQ = 4 3
4
5
4
0 4 5
1 1 0 0 1 0
2 2
1 1 0 2 3
0 0 0 1
2 3
2 3 1 0 2 3 2 3
1 0 2 3 6 0 1 3 7 1 0 0 0
4 7 4
P AQ = 4 0 1 3 4 56 4 0 0 1 = 0 1 0 0 5
0 5
0 0 0 0 0 0 0 0
0 0 0 1
Donc P AQ = 2 R. 3 2 3
1 0 2 3 1 0 2 3
6 0 1 3 4 7 6 4 7
Ainsi ayant Q = 6 7, avec Q0 = 6 0 1 3 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 4 7 6 7
on a : QQ0 = 6 76 0 1 3 7=6 0 1 0 0 7
4 0 0 1 0 5 4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
2 32 3 2 3
1 0 2 3 1 0 2 3 1 0 0 0
6 0 1 3 4 7 6 4 7 6 7
de même Q0 Q = 6 76 0 1 3 7 = 6 0 1 0 0 7.
4 0 0 1 0 54 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
1 0
Donc Q est 2 inversible d’inverse 3 Q = Q2. 3
1 1
2 2
0 5 2 0
Ayant P = 4 3
4
5
4
0 5, avec P 0 = 4 3 2 0 5
1 1
2 2
1 1 0 1
on a : 2 3 2 3 2 3
1 1
2 2
0 5 2 0 1 0 0
PP0 = 4 3
4
5
4
0 54 3 2 0 5 = 4 0 1 0 5
1 1
2 22
1 13 20 1 0 30 12 3
1 1
5 2 0 2 2
0 1 0 0
de même P 0 P = 4 3 2 0 5 4 3
4
5
4
0 5=4 0 1 0 5
1 1
1 0 1 2 2
1 0 0 1
1 0
Donc P est inversible d’inverse P = P .
Comme on a : P AQ = R et que P et Q sont des matrices carrées inversibles
d’ordre respectif 3 et 4 on a bien A est équivalente à R et le rang de A est 2.
Remarques
1.Le meilleur choix pour opérations élémentaires sur lignes ou colonnes
d’une matrice de type (p; q) : il faut choisir de travailler sur les lignes si p < q sinon
sur les colonnes.
2. Quand on veut travailler avec deux éléments d’une même ligne, il faut opérer avec
les colonnes.
3.Quand on veut travailler avec deux éléments d’une même colonne, il faut opérer
avec les lignes.
4.On peut d’or et déjà compter le nombre de lignes non nulles de R0
(parce qu’on a travaillé sur les lignes), et ce nombre est égal au rang de A.
Il en serait de même si on avait travaillé sur les colonnes.
Proposition
Soit A 2 Mn (K), A est inversible si et seulement si le rang de A est égal à n.
20
Proposition
Deux matrices carrées semblables, ont nécessairement
la même trace et le même rang.
Remarque
1 2 1 0
Voici deux matrices carrées A = 1 et B = ,
2
1 0 0
Le rang de A = le rang de B = 1, mais elles ne sont pas semblables
car tr (A) = 0 6= 1 = tr (B), alors que si elles étaient semblables,
elles devraient avoir nécessairement la même trace.
Exercice 1
A l’aide des opérations élémentaires sur les lignes ou colonnes, 2 décrire l’ensemble
3
1 1 a b
des triplets réels (a; b; c) rendant le rang de la matrice M = 4 1 2 b c 5
2 1 c a
égal à 2.
Correction
2 de l’exo. 31 2 3
1 1 a b 1 1 a b
M = 4 1 2 b c 5 4 0 3 b + a c + b 5 L2 + L1
2 2 1 c a 0 3 3 c 2a a 2b L3 2L1
1 1 a b
4 0 3 b+a c+b 5
0 0 b a+c a b+c L3 + L2
b a+c=0
Alors M serait de rang 2 si ) 2c = 0 , c = 0 ) a = b
a b+c=0
Dés lors pour tout triplet (a; a; 0), 8a 2 R va entrainer que le rang de M est 2.
Exercice 2
1) Réduire2à la forme échélonnée3 puis à la forme ligne canonique les matrices suivantes
2 3 4 2 3
6 3 7 0 3 2 1
1 5 7
A1 = 6 4 1 0 A2 = 4 2 5 1 6 5
1 5
1 3 4 2
0 2 4
Si pour i = 1, 2, Bi est la forme ligne canonique de Ai déterminer la matrice Pi telle
que Bi = Pi Ai .
2) Réduire à la forme échélonnée puis à la forme colonne canonique les matrices
précédentes.
Si pour i = 1, 2, Ci est la forme ligne canonique de Ai déterminer la matrice Qi telle
que Ci = Ai Qi .
Correction de l’exo.2
1) On augmente la matrice A1 à la suite de sa dernière colonne par la matrice I4
car le nombre de lignes de A1 est 4.
Aussi on échelonne réduire à ligne canonique la matrice A1
2avec les opérations élémentaires 3 sur2 les lignes : 3
2 3 4 1 0 0 0 1 0 1 0 0 1 0 L3
6 3 1 5 0 1 0 0 7 6 0 1 2 0 1 3 0 7 L2 + L3
6 7'6 7
4 1 0 1 0 0 1 0 5 4 0 3 6 1 0 2 0 5 L1 + 2L3
0 2 4 0 0 0 1 0 2 4 0 0 0 1
21
2 3
1 0 1 0 0 1 0
6 0 1 2 0 1 3 0 7
'6
4 0
7 L + 3L2 .
0 0 1 3 11 0 5 3
L4 2L2
0 0 0 0 2 6 1
Evaluons
2 : 3 2 3 2 3 2 3
0 0 1 0 0 0 1 0 2 3 4 1 0 1
6 0 1 3 0 7 7 6 0 1 3 0 7 6 3 7 6 1 7
5 7 6 06 1 2 7
6 A1 = 6 = 7
4 1 3 11 0 5 4 1 3 11 0 5 4 1 0 1 5 4 0 0 0 5
0 2 6 1 0 2 6 1 0 2 4 0 0 0
2 3 2 3
1 0 1 0 0 1 0
6 0 1 2 7 6 0 1 3 0 7
Ainsi B1 = 6 7
4 0 0 0 5 et P1 = 4 1 3
6 7
11 0 5
0 0 0 0 2 6 1
On
2 refait la même chose pour A
32 2 ; on aura donc : 3
0 3 2 1 1 0 0 1 3 4 2 0 0 1 L3
4 2 5 1 6 0 1 0 5'4 0 1 9 10 0 1 2 5 L2 + 2L3
21 3 4 2 0 0 1 03 3 2 1 1 0 0 L1
1 0 23 28 0 3 5 L1 3L2
'4 0 1 9 10 0 1 2 5 L2
2 0 0 29 29 1 3
23 18 7
6 3 L3 + 3L2
23
1 0 0 5 29 29 29
L1 + 29 L3
'4 0 1 0 1 299 2
29
4
29
5 L2 + 9 L3 .
29
1 3 6 1
0 0 1 1 29 29 29
L
29 3
Evaluons
2 23 : 3 2 23 32 3
18 7 18 7
29 29 29 29 29 29
0 3 2 1
4 9 2 4 5
A2 = 4 29 9 2 4 54
2 5 1 6 5
29 29 29 29 29
1 3 6 1 3 6
29 29 29 29 2 29 29 31 3 4 2
1 0 0 5
4
= 0 1 0 1 5
2 3 0 20 1 1 3
23 18 7
1 0 0 5 29 29 29
Ainsi B2 = 4 0 1 0 1 5 et P2 = 4 29 9 2
29
4 5
29
.
1 3 6
0 0 1 1 29 29 29
2) On augmente la matrice A1 à la suite de sa dernière ligne par la matrice I3
car le nombre de colonnes de A1 est 3.
Aussi on échelonne réduire à colonne canonique la matrice A1 avec
les opérations élémentaires sur les colonnes :
1
C C2 + 32 C1 C2 +2C1
2 21
2 3 3
2 3 4 1 0 0
6 3 1 5 7 6 23 11 7
6 7 6 1 23 11 7
6 1 0 1 7 6 2 3 7
6 7 6 2 7
6 0 2 4 7 6 0 2 4 7
6 7 6 7
6 1 0 0 7 6 1 3
2 7
6 7 6 2 2 7
4 0 1 0 5 4 0 1 0 5
0 0 1 0 0 1
22
3 2
C1 - 11 C C C3 -2C2
2 2 11 2 3
1 0 0
6 0 1 0 7
6 7
6 1 3
0 7
6 11 11 7
6 6 4
0 7
6 11 11 7
6 1 3
1 7
6 11 11 7
4 3 2
2 5
11 11
0 0 1
.
Evaluons : 2 3 2 3
2 1 3 2 3 3 4 2 1 3
3 1 0 0
1 6 1
11 11 3 1 5 7 11 11 6 0 1 0 7
A1 4 11 3
2 5=6
2
4 1
74 3 2
2 5=6 7
11 0 1 5 11 11 4 1
11
3
11
0 5
0 0 1 0 0 1 6 4
0 2 4 0
2 3 11 11
2 1 3
3 1 0 0
1 6 0
11 11 1 0 7
Ainsi : Q1 = 4 3 2
2 5 et C1 = 6
4 1
7.
11 11
11
3
11
0 5
0 0 1 6 4
11 11
0
On refait la même chose pour A2 ; on aura donc :
-C4 C2 +3C4 C3 +2C4 C1
2 3 2 3
0 3 2 1 1 0 0 0
6 2 5 1 6 7 6 6 23 13 2 7
6 7 6 7
6 1 3 4 2 7 6 2 3 8 1 7
6 7 6 7
6 1 0 0 0 7 7 6 0 0 0 1 7
6 6 7
6 0 1 0 0 7 6 0 1 0 0 7
6 7 6 7
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 1 3 2 0
C1 -3C4 - 21 C4 C3 + 13 C C2 + 23
2 4
C
2 3 2 4
1 0 0 0
6 0 1 0 0 7
6 7
6 5 1 29 29 7
6 2 2 2 7
6 3 1 13 23 7
6 2 2 2 7
6 0 0 0 1 7
6 7
4 0 0 1 0 5
1 0 2 3
10 1 2
C1 + 29 C3 C2 + 29 C3 29 C3 C4 -C3
2 3
1 0 0 0
6 0 1 0 0 7
6 7
6 0 0 1 0 7
6 7
6 - 22 8 13 7
6 29 - 29 29 5 7
6 0 0 0 1 7
6 7
4 10 1 2
1 5
29 29 29
9 2 4
29 29 29
1
23
Evaluons
2 :22 3 2 3
8 13
5 2 3 22 8 13
5
29 29 29 0 3 2 1 6 29 29 29
6 0 0 0 1 7 0 0 0 1 7
A2 6 7=4 2 5 1 6 56 7
4 10 1 2
1 5 4 10 1 2
1 5
29 29 29 1 3 4 2 29 29 29
9 2 4 9 2 4
29 29 29
1 2 3 29 29 29
1
1 0 0 0
4
= 0 1 0 0 5
0 0 1 0
2 3
22 8 13
5 2 3
29 29 29 1 0 0 0
6 0 0 0 1 77
Ainsi Q2 = 6
4 et C2 = 4 0 1 0 0 5.
10
29
1
29
2
29
1 5
9 2 4 0 0 1 0
29 29 29
1
24
Chapitre 2
CALCUL DE DÉTERMINANTS
Le déterminant est un simple scalaire(nombre) calculé à partir des éléments

d’une matrice carrée. Ce scalaire est nul si la matrice carrée en question est
non inversible.
Objectifs
*Savoir calculer le déterminant d’une matrice en usant des propriétés
sur les déterminants.
*Trouver la comatrice d’une matrice ainsi que son inverse si nécessaire.
2.1 Déterminant d’une matrice carrée d’ordre 2

a b
Soit A = : On appelle déterminant de A le nombre ad bc.
c d
a b
On note dét A ou .
c d
Exemple
1 3 1 3
A= ; det A = =2 ( 1) 3 4= 14
4 2 4 2
2.2 Déterminant d’une matrice carrée d’ordre 3

2 3
a11 a12 a13
Soit A = 4 a21 a22 a23 5. On appelle déterminant de A le nombre
a31 a32 a33
a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12 :
a11 a12 a13
On note det A ou a21 a22 a23 .
a31 a32 a33
2.2.1 Calcul d’un déterminant d’ordre 3 par la méthode de Sar-

rus
On complète par les deux premières colonnes la suite de la troisième colonne
(ou par les deux premières lignes la suite de la troisième ligne) et on fait les
produits 3 à 3 parallèlement à la diagonale principale et les produits 3 à 3
parallèlement à la contre-diagonale principale ensuite, on somme en comptant
25
CHAPITRE 2. CALCUL DE DÉTERMINANTS
les produits parallèles à la diagonale principale positivement et ceux de

la contre-diagonale principale négativement.
a11 a12 a13 a11 a12
det A = a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) (a31 a22 a13 + a32 a23 a11 + a33 a21 a12 ).
a11 a12 a13
Ou det A = a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) (a31 a22 a13 + a32 a23 a11 + a33 a21 a12 ).
Remarque : La méthode de Sarrus ne s’applique qu’au déterminant d’ordre 3.
2.2.2 Calcul du déterminant par le développement suivant une

ligne ou une colonne.
Dé…nition
Soit A = (aij )1 i; j n pour l’élément aij , Xij le déterminant obtenu en
éliminant la ligne et la colonne de aij est son mineur ; le nombre
Cij = ( 1)i+j Xij est son cofacteur.
Remarque
Pour tout aij élément de A matrice carrée,
Si(i + j) est paire Xij et Cij sont égaux sinon ils sont opposés l’un à l’autre.
Exemple2 3
a11 a12 a13
Soit A = 4 a21 a22 a23 5
a31 a32 a33
Quand on élimine la ligne et la colonne de a11 , on obtient X11 son mineur
a22 a23
qui est : et son cofacteur est :
a32 a33
a22 a23 a22 a23
C11 = ( 1)1+1 = = X11 .
a32 a33 a32 a33
quand on élimine la ligne et la colonne de a12 , on obtient X12 son mineur
a21 a23
a31 a33
a21 a23 a21 a23
C12 = ( 1)1+2 = = X12
a31 a33 a31 a33
quand on élimine la ligne et la colonne de a13 , on obtient X13 son mineur
a21 a22
a31 a32
a21 a22 a21 a22
C13 = ( 1)1+3 = = X13 .
a31 a32 a31 a32
26
Methode
Developpement suivant la 1ere ligne pour calculer det A ;
on a : det A = a11 C11 + a12 C12 + a13 C13 .
Ainsi :
a22 a23 a21 a23
det A = a11 ( 1)1+1 + a12 ( 1)1+2
a32 a33 a31 a33
a21 a22
+a13 ( 1)1+3
a31 a32
= a11 (a22 a33 a32 a23 ) a12 (a21 a33 a31 a23 )
+a13 (a21 a32 a31 a22 )
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
(a31 a22 a13 + a32 a23 a11 + a33 a21 a12 ) :
det A s’obtient aussi par le développement suivant une colonne, 0 1
a12
développons det A suivant la 2ieme colonne de A qui est : @ a22 A , on a :
a32
a21 a23 a11 a13
det A = a12 ( 1)1+2 + a22 ( 1)2+2
a31 a33 a31 a33
a11 a13
+a32 ( 1)3+2
a21 a23
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 )
(a31 a22 a13 + a32 a23 a11 + a33 a21 a12 )
det A = a12 C12 + a22 C22 + a32 C32 .
Exemples pratiques
2 3 2 3
1 2 3 0 0 5
A=4 3 0 1 5, B = 4 4 1 2 5.
1 4 5 2 2 0
1 2 3
det A = 3 0 1 développons suivant la 2eme ligne.
1 4 5
2 3 1 2
det A = 3 ( 1)1+2 + 1 ( 1)2+3
4 5 1 4
= 3 ( 2 5 4 3) 1 ( 1 4 ( 1) ( 2))
= 3 ( 22) ( 6) = 72.
En développant det A suivant la 1ere ligne on a :
0 1 3 1
det A = ( 1) ( 1)1+1 + ( 2) ( 1)1+2
4 5 1 5
3 0
+3 ( 1)1+3 = 72.
1 4
C’est plus long à calculer.
Développons det B suivant la 1ere ligne :
0 0 5
4 1
det B = 4 1 2 = ( 5) ( 1)1+3
2 2
2 2 0
= 5 ( 4 ( 2) ( 1) 2) = 50:
Développons det B suivant la 1ere colonne
27
0 0 5
det B = 4 1 2
2 2 0
0 5 0 5
= ( 4) ( 1)1+2 + 2 ( 1)1+3
2 0 1 2
= ( 4) (0 0 ( 2) ( 5)) + 2 (0 2 ( 1) ( 5))
= 40 10 = 50.
Le calcul de det B avec le développement suivant la 2ieme ligne
0 0 5
det B = 4 1 2
2 2 0
0 5 0 5
= ( 4) ( 1)1+2 + ( 1) ( 1)2+2
2 0 2 0
0 0
+2 ( 1)2+3 = ( 4) (10) (10) + 0 = 50.
2 2
C’est plus long à e¤ectuer que les précédents.
Remarques
(i) Quand l’on a choisi une ligne ou une colonne suivant laquelle le calcul du
déterminant d’une matrice sera développé, le déterminant est égal à la somme
des produits de chaque élément de ladite ligne ou colonne par son cofacteur.
(ii) En choisissant une colonne ou une ligne où il y a plus de zéros, on a moins de
termes dans le développé.
(iii) Par cette méthode du développement suivant une ligne ou une colonne, on constate
que dans le développé l’ordre de la matrice dont on calcule le déterminant
s’abaisse.
2.3 Calcul du déterminant d’une matrice carrée d’ordre

n supérieur ou égal à 3
On se ramène à des calculs de déterminants d’ordre inférieur à n en développons
suivant une ligne ou une colonne.
Exemple
2 3
1 0 2 0
6 2 3 1 4 7
A=6 4 3 2
7,
1 0 5
4 5 1 0
développons suivant la 4eme colonne ; det A :
1 0 2 0
1 0 2
2 3 1 4 2+4
det A = = 4 ( 1) 3 2 1
3 2 1 0
4 5 1
4 5 1 0
1 2 1 2
=4 2 5
4 1 3 1
= 4 [2 (1 8) 5 (1 + 6)] = 4 ( 14 35)
= 4 ( 49) = 196.
28
Aussi det A avec le développement suivant la deuxième ligne de A sera

bien long à écrire en e¤et :
1 0 2 0
2 3 1 4
det A =
3 2 1 0
4 5 1 0
0 2 0 1 2 0
det A = 2 ( 1)2+1 2 1 0 + 3 ( 1)2+2 3 1 0
5 1 0 4 1 0
1 0 0 1 0 2
+ ( 1) ( 1)2+3 3 2 0 + 4 ( 1)2+4 3 2 1 .
4 5 0 4 5 1
Théorème
Soit A = (aij )1 i; j n .
Déterminant de A développé par rapport à la i-ième ligne :
X
n
det (A) = ai1 Ci1 + ai2 Ci2 + ::: + ain Cin = aik Cik .
k=1
Déterminant de A développé par rapport à la j-ième colonne :
X
n
det (A) = a1j C1j + a2j C2j + ::: + anj Cnj = akj Ckj .
k=1
Remarque
Pour développer suivant les lignes ou les colonnes, il vaut mieux choisir celles
qui renferment le plus de zéros pour réduire le nombre de calculs.
2.4 Propriétés des déterminants

1) (i) Soient A et B deux matrices carrées d’ordre n sur un corps K(commutatif).
Alors on a : det (AB) = det A det B
(det (AB) = det A det B = det B det A = det (BA)).
Exemple2 3 2 3
1 2 3 0 0 5
Soit A = 4 3 0 1 5, B = 4 4 1 2 5
21 4 5 32 2 2 03 2 3
1 2 3 0 0 5 14 4 1
on a : AB = 4 3 0 1 54 4 1 2 5=4 2 2 15 5
1 4 5 2 2 0 6 14 13
14 4 1
det (AB) = 2 2 15 = 3600
6 14 13
on sait ausi que det A = 72 et det B = 50 et det A det B = 72 ( 50) = 3600
on a bien det (AB) = det A det B.
(ii) 8 2 K; 8A 2 Mn (K), alors det ( A) = ordre(A) det A = n det A.
Exemple0 0 11 0 1
1 2 3 1 2 3
det @2 @ 0 3 1 AA = 23 det @ 0 3 1 A.
0 0 2 0 0 2
(iii) Soit A 2 Mn (K), det (A) = det (t A).
29
2) Le déterminant d’une matrice triangulaire, en particulier celui d’une matrice

diagonale, est égal au produit des éléments diagonaux
(c’est-à-dire des éléments de la diagonale principale).
Par conséquent le déterminant d’une matrice unité est égale à 1.
Exemples
0 1
1 2 3
A=@ 0 3 1 A;
0 0 2
1 2 3
det A = 0 3 1 = 1 3 ( 2) = 6.
0 0 2
2 3
2 0 0 0
6 0 3 0 0 7
B=6 4 0 0
7;
1 0 5
0 0 0 5
2 0 0 0
0 3 0 0
det B = = 2 3 ( 1) ( 5) = 30.
0 0 1 0
0 0 0 5
2 3
1 0 0 0
6 0 1 0 0 7
I4 = 64 0 0 1 0 5
7
0 0 0 1
1 0 0 0
0 1 0 0
det I4 = =1 1 1 1=1
0 0 1 0
0 0 0 1
3) Le déterminant ne change pas quand on ajoute à une ligne une combinaison
des autres lignes ; en particulier, on peut remplacer une ligne par la somme de
toutes les lignes ou encore ajouter à une ligne multiplié par une autre ligne où
est un scalaire non nul.
(Dans la propriété 3) en remplacant ligne(s) par colonne(s), on a le même résultat).
Exemple
1 2 3
det A = 3 0 1 ; en ajoutant à la 3eme ligne, deux fois la 1ere ligne, on a :
1 4 5
1 2 3
det A = 3 0 1 , je développe par rapport à la 2eme colonne,
3 0 11
3 1
det A = ( 2) = 2 (33 + 3) = 72.
3 11
Remarque
Il est plus intéressant de faire des manipulations (légitimes) qui font
apparaître des zéros dans le déterminant a…n d’en faciliter le
calcul(voir supra).
30
4) Le déterminant d’une matrice dont une ligne ou une colonne est formée de zéros
est un déterminant nul. Le déterminant d’une matrice dont une ligne(resp. une colonne)
est une combinaison des autres lignes (resp. des autres colonnes) est
un déterminant nul.Aussi si deux lignes(resp.deux colonnes) sont proportionnelles
dans un déterminant, le déterminant est nul.
Exemple
1 2 3
det A = 3 6 1 = 0, car la 2eme colonne est égale à deux fois la
1 2 5
ere
1 colonne.
5) Le déterminant est linéaire en ses lignes et colonnes respectivement.
(pour ne pas dire multilinéaire suivant les lignes ou les colonnes)
Cela signi…e : étant donnée A une matrice carrée 2 d’ordre3 n ; on a :
L1
6 L2 7
6 7
6 L3 7
6 . 7
6 7
A = C1 C2 C3 Ci Cn = 6 .. 7 ; 1 i n.
6 7
6 Li 7
6 . 7
4 .. 5
Ln
0
(i) det C1 C2 C3 Ci + Ci Cn =
det C1 C2 C3 Ci Cn + det C1 C2 C3 Ci0 Cn
2 3 2 3 2 3
L1 L1 L1
6 L2 7 6 L2 7 6 L2 7
6 7 6 7 6 7
6 L3 7 6 L3 7 6 L3 7
6 .. 7 6 . 7 6 . 7
6 7 6 7 6 7
ou (i0 ) det 6 . 7 = det 6 .. 7 + det 6 .. 7.
6 7 6 7 6 7
6 Li + L0i 7 6 Li 7 6 L0i 7
6 .. 7 6 . 7 6 . 7
4 . 5 4 .. 5 4 .. 5
Ln Ln Ln
Exemples
2 a + b b2 2 a b2 2 b b2
(i) a a b2 b = a a b + a b2 b
2 3 2 3 2
a a + b ab a a ab a b ab
2
2 b b 2 a b2
= a a b + a b2 b
2 2
a b ab a a3 ab
avec a; b 2 K un corps.
2 b2 a + b b 2 + b 2 a b2 b2 b b
(i0 ) a a b = a a b + a a b
a2 a3 ab a2 a3 ab a2 a3 ab
b2 a b 2 b b2
= a a b + a a b
2 3
a a ab a2 a3 ab
avec a; b 2 K un corps.
31
(ii)
det C1 C2 C3 Ci Cn = det C1 C2 C3 Ci Cn ;
2 3 2 K un corps.
2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 . 7 6 . 7
6 7 6 7
ou (ii)0 det 6 .. 7 = det 6 .. 7 ;
6 7 6 7
6 Li 7 6 Li 7
6 . 7 6 . 7
4 .. 5 4 .. 5
Ln Ln
2 K un corps.
Exemple
1 2 17 3 1 2 3
(ii) det A = 3 0 17 1 = det A = 17 3 0 1
3 0 17 11 3 0 11
23 ( 1) 23 ( 2) 23 3 1 2 3
0
(ii) 3 0 1 = ( 23) 3 0 1
3 0 11 3 0 11
6) Le déterminant une forme alternée : cela signi…e étant donnée A une matrice
carrée2 d’oredre
3 n à coe¢ ents dans K, det A 2 K, et avec
L1
6 L2 7
6 7
6 L3 7
6 7
6 .. 7
6 . 7
6 7
A=6 L 7
6 . i 7 = C1 C2 C3 Ci Cj Cn ; 1 i; j n.
6 .. 7
6 7
6 L 7
6 j 7
6 . 7
4 .. 5
Ln
2 3 2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 7 6 7
6 .. 7 6 .. 7
6 . 7 6 . 7
6 7 6 7
det A = det C1 C2 C3 Ci Cj Cn = det 6 Li 7 = det 6 Lj
6 . 7 6 .
7
7
6 .. 7 6 .. 7
6 7 6 7
6 L 7 6 L 7
6 j 7 6 i 7
6 . 7 6 . 7
.
4 . 5 4 .. 5
Ln Ln
32
2 3 2 3
L1 L1
6 L2 7 6 L2 7
6 7 6 7
6 L3 7 6 L3 7
6 7 6 7
6 .. 7 6 .. 7
6 . 7 6 . 7
6 7 6 7
, det 6
6
Lj 7=
7 det 6
6
Li 7=
7 det A
6 .. 7 6 .. 7
6 . 7 6 . 7
6 Li 7 6 Lj 7
6 7 6 7
6 .. 7 6 .. 7
4 . 5 4 . 5
Ln Ln
det A = det C1 C2 C3 Ci Cj Cn
det A = det C1 C2 C3 Cj Ci Cn ,
det C1 C2 C3 Cj Ci Cn = det A ; 1 i; j n.
Tout ceci signi…e que lorsqu’on permute deux lignes (ou deux colonnes) dans
un déterminant le déterminant est changé en son opposé.
Exemple
1 2 3 1 2 3
det A = 3 0 1 = 72, mais 3 0 11 = 72 = det A
3 0 11 3 0 1
car j’ai permuté la 2ieme et la 3ieme lignes.
M N
7) Soient M 2 Mr (K), N 2 Mrs (K) et P 2 Ms (K) alors = jM j jP j.
0 P
A1
0 A2 Y
n
8) Soient Ai 2 Mri (K) où 1 i n, alors .. = jAi j.
0 0 . i=1
0 0 0 An
9) Si deux matrices A; B 2 Mn (K) sont semblables, i.e. A = P 1 BP .
8m 2 K, 8k 2 N , comme (A + mIn )k = P 1 (B + mIn )k P , alors
rang (A + mIn )k = rang (B + mIn )k ,
det (A + mIn )k = det (B + mIn )k et
trace (A + mIn )k = trace (B + mIn )k .
Remarques
1)Lorsque deux matrices carrées sont semblables, elles ont nécessairement
les mêmes trace, rang et déterminant. Mais cela ne su¢ t pas pour être semblables.
2)Ausi est-il clair que deux matrices qui n’ont pas la même trace ou pas le même
rang ou pas le même déterminant, ne peuvent être semblables.
Remarque
2 1 0 1
Voici deux matrices carrées A = ,B=
1 ,
1 2
0 0
On a le rang de A = au rang de B = 1, det (A) = det (B) = 0,
tr (A) = tr (B) = 0, mais A et B ne sont pas semblables car
1 0 1 2 2 1
1 1 =
2
1 2
1 1 0
1 2 2 1 0 1
= .
0 0 1 0 0 0
33
1 0 2 1
Soit P = 1 ,Q= , ce sont deux matrices
2
1 1 0
inversibles et on a : P AQ = B, donc A et B sont équivalentes,
mais seraient semblables si P 1 = Q, alors qu’avec
1 0 1 0
P 1 = 1 P = I2 , on a
2
1 2
1
1 0 2 1
P 1= 1 6= Q = , donc on peut conclure
2
1 1 0
que A et B ne sont pas semblables, alors qu’elles ont le même rang,
le même déterminant, et la même trace.
En résumé : Avoir le même rang , le même déterminant, et la même trace,
pour des matrices carrés de même ordre, sont des conditions nécessaires
pour qu’elles soient semblables, mais pas su¢ santes.
2.5 Inverse d’une matrice carrée

Dé…nition
Une matrice carrée A d’ordre n est inversible s’il existe une matrice
(carrée d’ordre n)
B telle que A B = B A = In .
B est alors appelée inverse de la matrice A.
Exemple
1 3
2 3
A= . On véri…e que pour B = 51 52 ,
1 1 5 5
on a : AB = BA = I2 .
Donc A est inversible et B est inverse de la matrice A.
Dé…nition
Etant données deux matrices A et B tel que AB = BA, on dit que A et B commutent.
Proposition
Deux matrices qui commutent sont carrées de même ordre.
Théorème
Une matrice carrée A est inversible si et seulement si son déterminant est non nul.
Si A est inversible, son inverse est unique et inversible.
1
On la note A 1 et on a : det (A 1 ) = = (det A) 1 .
det A
Exemple
2 3 1 32
A= , det A = 2 6= 0 donc A est inversible, avec B = ,
2 2 1 1
2 3 1 23 1 0
on constate que : AB = =
2 2 1 1 0 1
1 1 1
donc A 1 = B et det B = det A 1 = = = .
2 ( 2) det A
Proposition
Deux matrices A et B carrées de même ordre n tel que AB = In (ou BA = In ) sont
inversibles et d’inverse l’une de l’autre.
2.5.1 Propriétés de la matrice inverse

Si A et B sont inversibles de même ordre, on a :
34
1
1. (A 1 ) = A
2. ( A) 1 = 1 :A 1 , où 2 K .
1
3. (t (A 1 )) = (t (A))
1
4. (AB) = B 1 A 1 .
Exercice
Montrer que :
1. A (In + A) 1 = (In + A) 1 A, Si (In + A) est inversible avec A 2 Mn (K).
2. A (In + A) 1 + (In + A) 1 = In , Si (In + A) est inversible avec A 2 Mn (K).
3. A (In + BA) 1 = (Im + AB) 1 A, si A 2 Mmn (K) et B 2 Mnm (K) avec
(In + BA) et (Im + AB) sont inversibles.
4. En déduire que : (Im + AB) 1 + A (In + BA) 1 B = Im .
Proposition de réponse.
1. (In + A) (In + A) 1 = In ) A (In + A) (In + A) 1 = A:In = A )
(A + A2 ) (In + A) 1 = A , (In + A) A (In + A) 1 = A ,
(In + A) 1 (In + A) A (In + A) 1 = (In + A) 1 A ,
In :A (In + A) 1 = (In + A) 1 A , A (In + A) 1 = (In + A) 1 A.
2. Evaluons : (In + A) 1 + (In + A) 1 A = (In + A) 1 (In + A) = In .
3. (In + BA) (In + BA) 1 = In ) A (In + BA) (In + BA) 1 = A:In = A
, (A:In + A (BA)) (In + BA) 1 = A , (Im :A + (AB) A) (In + BA) 1 = A
, (Im + AB) A (In + BA) 1 = A ,
(Im + AB) 1 (Im + AB) A (In + BA) 1 = (Im + AB) 1 A ,
(Im A) (In + BA) 1 = (Im + AB) 1 A , A (In + BA) 1 = (Im + AB) 1 A.
4. Evaluons (Im + AB) 1 + A (In + BA) 1 B = (Im + AB) 1 + (Im + AB) 1 AB
d’après la question 3. De là, on a :
(Im + AB) 1 + A (In + BA) 1 B = (Im + AB) 1 + (Im + AB) 1 AB
= (Im + AB) 1 (Im + AB) = Im .
2.5.2 Inversion d’une matrice par sa comatrice

Dé…nition
Soit A = (aij )1 i; j n . On appelle cofacteur de l’élément aij
le nombre Cij = ( 1)i+j Xij
où Xij est le déterminant obtenu en éliminant la ieme ligne et la j eme colonne de A:
La matrice des cofacteurs de A est la matrice notée
com (A) = ( 1)i+j Xij = (Cij )1 i; j n .
1 i; j n
appelée la comatrice de A. le determinant extrait Xij est appelé le mineur de aij .
Exemple 2 3
a11 a12 a1(j 1) a1j a1(j+1) a1n
6 a21 a22 a2(j 1) a2j a2(j+1) a2n 7
6 .. .. .. .. .. .. 7
6 7
6 . . . . . . 7
6 7
6 a(i 1)1 a(i 1)2 a(i 1)(j 1) a(i 1)j a(i+1)(j+1) a(i 1)n 7
Avec A = 6 7,
6 ai1 ai2 ai(j 1) aij ai(j+1) ain 7
6 7
6 a(i+1)1 a(i+1)2 a(i+1)(j 1) a(i+1)j a(i+1)(j+1) a(i+1)n 7
6 .. .. .. .. .. .. 7
4 . . . . . . 5
an1 an2 an(j 1) anj an(j+1) ann
35
a11 a12 a1(j 1) a1(j+1) a1n

a21 a22 a2(j 1) a2(j+1) a2n
.. .. .. .. ..
. . . . .
Xij = a(i 1)1 a(i 1)2 a(i 1)(j 1) a(i+1)(j+1) a(i 1)n .
a(i+1)1 a(i+1)2 a(i+1)(j 1) a(i+1)(j+1) a(i+1)n
.. .. .. .. ..
. . . . .
an1 an2 an(j 1) an(j+1) ann
On constate que 81 i; j n, Cij = Xij si (i + j) est pair et
Cij = Xij si (i + j) est impair.
Exemple
2 pratique 3
1 3 2
A=4 0 1 3 5. Notons A = (aij )1 i; j 3 .
1 5 6
1 3 1 3
Le cofacteur de a11 = 1 est C11 = ( 1)1+1 = 9, on a X11 =
5 6 5 6
1 2 1 2
Le cofacteur de a32 = 5 est C32 = ( 1)3+2 = 3, on a X32 = .
0 3 0 3
Ainsi de suite. 2 3
9 3 1
La comatrice de A est donc comA = 4 8 4 2 5.
7 3 1
2.5.3 Démontration de la méthode d’inversion d’une matrice

par sa comatrice
En reprenant la formule du déterminant de A développé par rapport
à la i-ième ligne : det (A) = ai1 Ci1 + ai2 Ci2 + ::: + ain Cin .
Remplaçons les aij , 81 j n, par ceux d’une autre ligne,
disons la k-ième ligne, avec k 6= i, nous obtenons :
det (A0 ) = ak1 Ci1 + ak2 Ci2 + ::: + akn Cin = 0, car A0 n’est rien d’autre que
la matrice A dans laquelle la i-ième ligne est remplacer par la k-ième ligne, avec k 6= i,
donc A0 a deux lignes identiques : la i-ième ligne et la k-ième ligne, avec k 6= i,
ainsi det (A0 ) développé suivant la i-ième ligne est :
det (A0 ) = ak1 Ci1 + ak2 Ci2 + ::: + akn Cin et est égal à 0, car dans det (A0 ),
il y a deux lignes identiques.
En résumé,
det (A) si i = k
on a : ak1 Ci1 + ak2 Ci2 + ::: + akn Cin = .
0 si i 6= k 2 3
C11 C12 C1n
6 C21 C22 C2n 7
6 7
Considérons la matrice des cofacteurs com (A) = C = 6 .. . . 7.
4 . . 5
Cn1 Cn2 Cnn
2 3 2 3
a11 a12 a1n C11 C21 Cn1
6 a21 a22 7 6
a2n 7 6 C12 C22 Cn2 7
6 7
Evaluons A: (t C) = 6 .. . . 7 : 6 .
. . . 7
4 . . 5 4 . . 5
an1 an2 ann C1n C2n Cnn
36
2 3
det (A) 0 0
6 . .. 7
6 0 det (A) . . . 7
=6 .. .. .. 7 = det (A) In .
4 . . . 0 5
0 0 det (A)
car dans le produit A: (t C), l’élément de la i-ième ligne et de la j-ième colonne est :
det (A) si i = j
ai1 Cj1 + ai2 Cj2 + ::: + ain Cjn = .
0 si i 6= j
On a (t C) :A = A: (t C) = det (A) In .
Théorème
Pour tout A 2 Mn (K), on a :
(det A) :In = A:com (t A) = com (t A) :A = A (t comA) = (t comA) :A
car (t comA) = com (t A).
Corollaire
1 1
Si A est une matrice inversible alors A 1 = com (t A) = (t com (A))
det A det A
où (t A) désigne la transposée de A, com (t A) désigne la comatrice de la transposée
de A et (t com (A)) désigne la transposée de la comatrice de A.
Remarque
det (Aij )
En somme, si A est inversible d’ordre n, (A 1 )ji = , où 1 i; j n et
det A
ij
A est la matrice obtenue en supprimant la ligne i et la colonne j de A.
1 det (Aij ) 1 det (Aji )
Aussi (A )ji = , (A )ij = avec 1 i; j n et
det A det A
ji
A est la matrice obtenue en supprimant la ligne j et la colonne i de A.
Dé…nition
Pour tout A 2 Mn (K), la matrice (t comA) = com (t A) s’appelle la matrice
adjointe de A.
Remarque
1
Soit une matrice inversible A, son inverse est notée A 1 6= qui n’existe pas.
A
Exemple
2 3
1 0 1
Soit A = 4 3 1 5 5, A est -elle inversible ?
2 3 6
1 0 1 0 0 1
det A = 3 1 5 = 2 1 5 = 2, à la 1ere colonne, j’ai fait la
2 3 6 4 3 6
1ere colonne plus la 3eme colonne a…n d’avoir plus de zéro dans mon déterminant
pour ne pas avoir beaucoup de termes à développer. Comme det A = 2 6= 0,
alors A est inversible.
1 1 1
A = com (t A) = (t com (A)).
det
2 A 3 det A
1 3 2
(t A) = 4 0 1 3 5,
12 5 6 3
9 3 1
com (t A) = 4 8 4 2 5 = (t com (A)).
7 3 1
37
2 3 2 9 3 1
3
9 3 1
1 2 2 2
A 1
= 4 8 4 2 5=4 4 2 1 5.
2 7 3 1
7 3 1 2 2 2
2.6 Rang d’une matrice

Proposition
A = (aij ) 1 i n. On a rgA min (n; m).
1 j m
Si m = n, et que rgA = n () det A 6= 0.
Exemples 2 3
1 2 3 4 5 6
1)Soit A = 4 4 9 15 1 8 7 5 ; alors rg (A) 3.
1
71 45 0 17
0 2 1
1 2 3 4
B 1 5 7 C
2) Soit A = B C
@ 17 1 3 11 A ) det (A) = 36 99 6= 0
1
2
8 9 10
) rg (A) = 4.
Proposition
Soit A = (aij ) 1 i n alors rgA est le plus grand entier naturel s
1 j m
qui est tel qu’on puisse extraire de A une matrice d’ordre s de déterminant 6= 0
(avec permutation des colonnes(resp. lignes) de A si necessaire).
Exemple
2 0 5 1 2 0
A= , on a = 4 6= 0 comme 2 rgA,
1 2 3 1 1 2
donc rgA = 2.
Remarque
rg (A) = 0 , toutes les composantes de la matrice A sont nulles.
38
Chapitre 3
RÉSOLUTION D’UN SYSTEME

D’EQUATIONS LINÉAIRES
Objectifs
* Résolution avec la matrice augmentée associée au système.
* Comprendre le fonctionnement de l’algorithme du pivot de Gauss
pour la résolution de systèmes et l’inversion de matrices.
Dé…nitions
(i) De maniére générale, on appelle équation linéaire d’inconnues x1 ; ... ; xn
(une combinaison linéaire des x1 ; ... ; xn égaliant b)
toute égalité de la forme : a1 x1 + ::: + an xn = b , (E)
où a1 ; ::: ; an et b sont des nombres(réels ou complexes)
Il importe d’insister ici que ces équations linéaires sont implicites,
c’est-à-dire qu’elles décrivent des relations entre les inconnues, mais ne
donnent pas directement les valeurs que peuvent prendre ces inconnues.
(ii) Résoudre une équation signi…e donc la rendre explicite, c’est-à-dire
rendre plus apparentes les valeurs que les inconnues peuvent prendre.
(iii) Une solution de l’équation linéaire (E) est un n-uple (s1 ; ::::; sn ) de
valeurs respectives des inconnues x1 ; ... ; xn qui satisfont l’équation (E).
Autrement dit : a1 s1 + ::: + an sn = b.
Exemple
2x1 + 4x2 3x3 = 9 est une équation linéaire d’inconnues x1 , x2 , x3 .
Dé…nition
Un ensemble …ni d’équations linéaires d’inconnues x1 ; ... ; xn s’appelle
un système d’équations linéaires d’inconnues x1 ; ... ; xn .
Exemples
x1 3x2 + x3 = 1
(i) (S1 ) , (S1 ) est un système de deux équations
2x1 + 4x2 3x3 = 9
à trois inconnues
8 : x1 , x2 , x3 .
< x1 3x2 = 1
(ii) (S2 ) , x2 3x3 = 9 (S2 ) est un système de trois équations
:
x4 3x5 = 8
à cinq inconnues : x1 , x2 , x3 , x4 , x5 .
(iii) Le système
x1 3x2 + x3 = 1
(S1 ) ,
2x1 + 4x2 3x3 = 9
Une solution de (S1 ) est :
39
CHAPITRE 3. RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES
x1 = 18; x2 = 6; x3 = 1.
Par contre
x1 = 7 ; x2 = 2 ; x3 = 0
ne satisfait que la première équation. Ce n’est donc pas une solution
du système.
Dé…nition
Un système d’équations est dit incompatible ou inconsistant s’il n’admet
pas de solutions, c’est-à-dire que l’ensemble solution c’est l’ensemble vide.
Exemple
Le système linéaire
x1 + x2 = 1
2x1 + 2x2 = 1
est clairement incompatible donc SR2 = fg = ?.
Dé…nitions
Soient n; m 1.
On appelle système de m équations à n inconnues tout système (S) de la
forme :8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1 (E1 )
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2 (E2 )
(S) , .. .. .. ,
>
> . . .
>
: a x + a x + ::: + a x
m1 1 m2 2 mn n= b (E )
m m
où aij ; bi sont des scalaires donnés ; x1 ; x2 ; :::; xn sont des inconnues et
(Ei ) la i-ième équation de (S) ; 81 i m.
(i) La matrice A = (aij )1 i m est la matrice associée à (S)
1 j n
(dite aussi la matrice de (S)).
Il est à noter que la j-ième colonne de A est composée des coé¢ cients de
l’inconnue xj dans les di¤érentes équations du système de la première équation(E1 )
à la dernière équation(Em ) ; 81 j n.
(ii) Les (bi )1 i m sont les seconds membres de (S) , et (S) est dit homogène si bi = 0
81 i m.
Ecriture 2matricielle
3 2 (S). 3
de
x1 b1
6 .. 7 6 .. 7
Soit X = 4 . 5 ; B = 4 . 5.
xn bm
Alors (S) () AX = B ; où A est la matrice associée à (S).
Exemples
1)Considérons
8 le système linéaire
< x1 + 7x3 = 1
(S) , 2x1 x2 + 5x3 = 5
:
x1 3x2 9x3 = 7
Sa matrice2 associée est 3
1 0 7
A= 4 2 1 5 5;
2 31 32 9 3
x1 1
4
X = x2 ; B = 5 4 5 5. Alors (S) () AX = B
x3 7
40
2)Considérons
8 le système linéaire homogène
< x1 + 7x3 = 0
(S) , 2x1 x2 + 5x3 = 0
:
x1 3x2 9x3 = 0
Sa matrice
2 associée est 3
1 0 7
A= 4 2 1 5 5;
2 31 32 93
x1 0
4 5 4
X = x2 ; B = 0 5. Alors (S) , AX = B = 0M31 (R) .
x3 0
3.1 Résolution du système (S) avec sa matrice aug-

mentée
Je rappelle
8 le système
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
(S) , .. .. .. .
>
> . . .
>
: a x + a x + ::: + a x
m1 1 m2 2 mn n = bm
Dé…nition
Nous obtenons la matrice augmentée associée au système (S) en
adjoingnant à la dernière colonne de la matrice du système A
une colonne constituée des bi , les seconds membres des équations de (S).
De là :
La
2 matrice augmentée associée3 au système (S) est alors :
a11 a12 a1n b1
6 a21 a22 a2n b2 7
6 7
6 .. .. .. .. .. 7 = A B ;
4 . . . . . 5
am1 am2 amn bm
2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
où A = 6 .. .. .. .. 7 la matrice associée à (S)
4 . . . . 5
a a amn
2 m13 m2
b1
6 b2 7
6 7
et B = 6 .. 7 la matrice colonne des seconds membres de (S).
4 . 5
bm
Exemple
Considérons
8 le système linéaire
< x1 + 7x3 = 1
2x1 x2 + 5x3 = 5
:
x1 3x2 9x3 = 5
Sa matrice augmentée est
41
2 3
1 0 7 1
4 2 1 5 5 5= A B ;
1 23 9 5 3
1 0 7
où A = 4 2 1 5 5 la matrice associée à (S)
2 13 3 9
1
et B = 4 5 5 la matrice colonne des seconds membres de (S).
5
La méthode de base pour résoudre un système d’équations linéaires est
de remplacer le système par un autre, plus simple, ayant le même
ensemble de solutions.
Ceci se fait par une succession d’opérations, appelées opérations
élémentaires : qui consiste à : au choix
(1) multiplier une équation par une constante non nulle ;
(2) permuter deux équations ;
(3) ajouter un multiple d’une équation à une autre équation.
Les opérations (1), (2) et (3) ne changent pas l’ensemble des solutions.
Elles correspondent à des opérations élémentaires sur les lignes de la
matrice augmentée.
Ces opérations sont les suivantes :
(1) multiplier une ligne par une constante non nulle ;
(2) permuter deux lignes ;
(3) ajouter un multiple d’une ligne à une autre ligne.
Proposition
Soit (S) , AX = B, si A B ' A0 B 0 alors (S) , A0 X = B 0 .
Exemple
Utilisons
8 ces opérations élémentaires pour résoudre le système suivant.
< x1 + x2 + 7x3 = 1
(S) , 2x1 x2 + 5x3 = 5
:
x1 3x2 9x3 = 5
La
2 matrice augmentée 3associée au système est :
1 1 7 1
4 2 1 5 5 5, on va chercher à échelonner réduire à ligne
1 3 9 5
canonique la matrice du système en faisant des opérations élémentaires
sur les lignes(que sur les lignes qui représentent les équations) de la
matrice
2 augmentée ; on3a : 2 3
1 1 7 1 1 1 7 1
4 2 1 5 5 5 4 0 3 9 3 5 L2 2L1
21 3 9 35 0 2 2 2 6 L3 + L1
3
1 1 7 1 1 1 7 1
4 0 1 3 1 5 1 L2 4 0 1 3 1 5
3
1
2 0 1 1 3 3 2 L3 20 0 2 2 3 L3 L2
1 0 4 2 L1 L2 1 0 0 2 L1 4L3
4 0 1 3 1 5 4 0 1 0 4 5 L2 3L3 .
1
0 0 1 1 L
2 3
0 0 1 1
42
2 32 3 2 3
1 0 0 x1 2
ce qui donne matriciellement : (S) , 4 0 1 0 5 4 x2 5 = 4 4 5 ,
8 0 0 1 x3 1
< x1 = 2
x2 = 4
:
x3 = 1
D’où SR3 = f(2; 4; 1)g.
Nous remarquons que les opérations élémentaires peuvent être faites
uniquement sur la matrice augmentée pour revenir à la …n au système
d’équations. C’est ce que nous avons fait.
On obtient ainsi l’unique solution du système : x1 = 2, x2 = 4 et x3 = 1.
Donc SR3 = f(2; 4; 1)g.
Remarque très importante
Quand on …nit de résoudre une équation ou un systéme d’équations,
il faut toujours donné l’ensemble solution clairement.
Proposition
Etant donné un sytème (S) de matrice A et de matrice augmentée M ,
le système est compatible
(c’est-à-dire n’admet pas l’ensemble vide comme solution) ssi
le rang de A est égal au rang de M i.e. rg (A) = rg (M ).
3.2 Méthode de résolution d’un système de Cramer

Dé…nition
Le système (S) est dit de Cramer, si dans le système (S) le nombre
d’équations est égal au nombre d’inconnues et det A 6= 0(, A est inversible).
où A est la matrice associée au système (S).
3.2.1 Résolution d’un système de Cramer par l’inversion de la

matrice associée au système
Théorème
Tout système de Cramer (S) admet une solution unique X = A 1 B.
Exemple 8
< x 2y + z = 3
( ), 2x y + z = 1
:
x y+z = 0 2 3
1 2 1
La matrice associée à ( ) est A = 4 2 1 1 5
1 1 1
et det (A) =23 6= 0 ; c’est donc
3 un système de Cramer.
0 13 31
A 1 = 4 1 23 31 5,
2 31 1 12 3 2 32 3 2 1 3
x 3 0 31 31 3 3
on a alors 4 y 5 = A 4 1 5 = 4 1 3 3 5 4 1 5 = 4 37 5.
1 2 1
z 0 1 1 1 0 2
43
1 7
Donc SR3 = ; ; 2 .
3 3
3.2.2 Résolution d’un système de Cramer par des déterminants

8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
Soit ( ) , .. .. .. ,
>
> . . .
>
: a x + a x + ::: + a x
n1 1 n2 2 nn n = bn
un système de n équations à n inconnues de Cramer.
On appelle déterminant du système ( ) le nombre = det A, où A est
la matrice associée a ( ).
On appelle déterminant de xi le nombre xi égal au déterminant de
la matrice obtenue en remplaçant dans A la ieme colonne par les éléments
respectifs des seconds membres c’est-à-dire b1 ; b2 ; :::; bn .
Théorème
x1 x2 xn
( ) étant de Cramer, SKn = ; ; ::::; c’est-à-dire
que ( ) admet une solution unique.
Exercice
8
< x 2y + z = 3
( ), 2x y + z = 1 .
:
x y+z = 0
Réponse 2 3
1 2 1
La matrice associée à ( ) est A = 4 2 1 1 5,
1 1 1
1 2 1
= det A = 2 1 1
1 1 1
1 2 1
= 2 1 0 = 3 (je rappelle que j’ai fait col3 + col2 )
1 1 0
3 2 1 1 3 1
x = 1 1 1 = 1 ; y = 2 1 1 = 7;
0 1 1 1 0 1
1 2 3
z = 2 1 1 = 6;
1 1 0
x 1 y 7 z 6
x= = ;y= = ; z= = = 2
3 3 3
1 7
Donc SR3 = ; ; 2 .
3 3
3.3 Résolution d’un système avec le rang de la ma-

trice associée connu
Soit A = (aij )1 i m, la matrice de (S) ; et soit r = rgA.
1 j n
44
1er cas : m = r < n,

(S) , (S 0 ) ()
8
> b (a1r+1 xr+1 + a1r+2 xr+2 + ::: + a1n xn )
>
>
> a11 x1 + a12 x2 + ::: + a1r xr = |1 {z }
>
> c1 (xr+1 ; xr+2 ; :::; xn )
>
>
>
> b (a2r+1 xr+1 + a2r+2 xr+2 + ::: + a2n xn )
>
< a21 x1 + a22 x2 + ::: + a2r xr |2 {z }
=
c2 (xr+1 ; xr+2 ; :::; xn )
>
> .. .. ..
>
> . . .
>
>
>
> bm
(amr+1 xr+1 + amr+2 xr+2 + ::: + amn xn )
>
> | {z }
>
: am1 x1 + am2 x2 + ::: + amr xr =
cm (xr+1 ; xr+2 ; :::; xn )
Soit A0 = (aij )1 i; j r avec r = rgA0 donc det A0 6= 0
(s 0 ) est un système de Cramer qu’on doit résoudre avec les (xr+i )1 i (n r)
comme inconnues secondaires(c’est-à-dire des paramètres).
2eme cas : r < m (voir système échelonné à la suite).
Dé…nition(rappel)
On appelle opérations élémentaires dans un système ;
les opérations de l’une des formes suivantes :
a) Echanger deux lignes du système.
b) Multiplier une ligne par une constante non nulle.
c) Rajouter à une ligne du système un multiple d’une autre ligne du
système. (une ligne ici est une équation du système)
Remarque
Les opérations élémentaires transforment un système en un système
équivalent. On peut donc transformer un système linéaire par une
succession d’opérations élémentaires en un système échelonné.
3.4 Systèmes échelonnés ou Méthode du pivot

On dit qu’un système est échelonné si et seulement si tous les coe¢ cients
…gurant en-dessous de la diagonale sont nuls.
Cela revient à dire que 8i > j, aij = 0.
Autant dire qu’un système échelonné se présente sous l’une des trois
formes suivantes :
(a) Si m = n
(un tel système est dit carré et l’on dit d’un système carré échelonné
8 qu’il est trigonal).
>
> a11 x1 + a12 x2 + +a1n xn = b1
>
< a22 x2 + +a2n xn = b2
. .. ..
>
> .
>
: a x =b nn n n
Dans ce premier cas il est facile de résoudre le système lorsque tous
les termes diagonaux sont non nuls. on utilise
l’algorithme de la remontée :
bn
la dernière équation donne en e¤et la valeur xn = ,
ann
puis l’avant-dernière ligne donne la valeur
45
1
xn 1 = bn 1 a(n 1)n xn et, plus généralement,
a(n 1)(n 1) !
1 X
n
on obtient : xk = bk akj xj ,
akk j=k+1
ce qui permet de calculer les xk successifs par ordre décroissant de
l’indice k. Le système admet une unique solution, et cela quel que
puisse être le second membre.
Un système ayant cette propriété s’appelle un système de Cramer.
Si, au cours de cet algorithme, on trouve un coe¢ cient diagonal nul
dans une ligne, par exemple la ligne k, alors on ne peut pas trouver
la valeur de xk .
La ligne correspondante introduit une condition de compatibilité.
Si cette condition n’est pas véri…ée, le système n’admet pas de solutions ;
si au contraire cette condition est véri…ée, toute solution de xk convient
et l’on peut poursuivre l’algorithme. Il y a alors une in…nité de solutions,
paramétrées par la valeur de xk .
Cette situation peut d’ailleurs se rencontrer plusieurs fois au cours de
la remontée, induisant une discussion plus approfondie.
On voit par là l’intérêt des systèmes triangulaires dont les coe¢ cients
diagonaux sont non nuls.
(b) Si8 m < n : on a :
>
> a11 x1 + a12 x2 + +a1n xn = b1
>
< a22 x2 + +a2n xn = b2
. .. .. .. :
>
> . .
>
: a x =b
mm m m
Dans ce cas, on …xe arbitrairement les valeurs des variables xm+1 à xn .
On est alors ramené au cas précédent, simple à résoudre lorsque tous
les coe¢ cients diagonaux sont non nuls, nécessitant une discussion sinon.
(c) Si m > n :
8
> a11 x1 + a12 x2 + +a1n xn = b1
>
>
>
> a22 x2 + +a2n xn = b2
>
> .. ..
>
> . ..
< . .
ann xn = bn :
>
>
>
> 0 = bn+1
>
> . ..
>
> .. .
>
:
0 = bm
Dans ce cas les dernières lignes donnent directement des conditions de
compatibilité.
Lorsqu’elles sont véri…ées, on se ramène au cas ci-dessus. D’où, là encore,
l’intérêt de l’obtention de coe¢ cients diagonaux non nuls.
Exemple 8 8
< 2x y z = 1 (E1 ) < 2x y z = 1 (E1 )
Soit (S) , 3x + 4y 2z = 0 (E2 ) , 6y 6z = 1 (E2 E3 )
: :
3x 2y + 4z = 1 (E3 ) y 11z = 5 (3E1 2E3 )
46
8 1
< 2x y z= 1 (E1 ) )x= 10
19
, 6y 6z = 1 (E2 ) )y= 60
.
: 29
60z = 29 (6E3 E2 ) ) z = 60
1 19 29
Donc SR3 = ; ; .
10 60 60
3.5 Calcul de l’inverse d’une matrice par la résolution

de systèmes
3.5.1 Une première méthode(mais souvent fastidieuse)
Soit A = (aij )1 i; j n une matrice inversible, B = (xij )1 i; j n
son inverse, alors AB = In .
Pour
2 trouver
3 2 la 1ere
3 colonne de B, on résoud le système :
x11 1
6 x21 7 6 0 7
6 7 6 7
A 6 .. 7 = 6 .. 7.
4 . 5 4 . 5
xn1 0
eme
Pour
2 trouver la3j 2colonne 3 de B,on résoud le système :
x1j 0
6 x 7 6 . 7
6 .
2j
7 6 .. 7
6 .. 7 6 7
6 7 6 0 7
6 7 6 7
A6 xjj 7 = 6 1 7 ! seule la j eme coordonnée est égale à 1.
6 7 6 7
6 x(j+1)j 7 6 0 7
6 .. 7 6 7
4 . 5 4 ... 5
xnj 0
3.5.2 Une deuxième méthode

:
Exercice 2 3
1 1 1
Soit A = 4 1 1 0 5, montrer que A est inversible et déterminer A 1 .
1 0 1
Réponse 2 3 2 3
x1 y1
det A = 3 6= 0 ) A est inversible ; soit X = 4 x2 5 ; Y = 4 y2 5,
x3 y3
1 0
puisque que si A est inversible
2 on a 3: (S)
2 ,3AX 2= Y , 3 X = A Y , (S ).
1 1 1 x1 y1
(S) , AX = Y () 4 1 1 0 5 4 x2 5 = 4 y2 5 ()
8 1 0 1 x3 y3
< x1 + x2 + x3 = y 1
(S) , x1 x2 = y2 ()
:
8 x1 x3 1 = y3
< x1 = 3 y1 + 31 y2 + 13 y3
0
(S ) , x2 = 13 y1 2
y + 13 y3 , X = A 1 Y
3 2
:
x3 = 13 y1 + 31 y2 2
y
3 3
47
La matrice
2 1 associée (S 0 ) est l’inverse de A donc :
à3
1 1
3 3 3
A 1
=4 1
3
2
3
1
3
5.
1 1 2
3 3 3
Remarques
Le système (S) a pour matrice associée A la matrice dont
on cherche l’inverse A 1 , et on constitue deux matrices colonnes
d’inconnues X et Y en posant (S) , AX = Y dès lors les composantes de X
sont appelées les anciennes inconnues et celles de Y , les nouvelles. Comme
A est inversible, on a : (S) , AX = Y , X = A 1 Y , (S 0 ). Dans le système
(S 0 ) on a exprimé les anciennes inconnues en fonction des nouvelles et alors
la matrice associée à (S 0 ) est visiblement l’inverse de A c’est-à-dire A 1 .
Exercice 2 3
1 2 0
Montrer que la matrice A = 4 2 1 0 5 est inversible et calculer son inverse par
0 5 1
trois méthodes di¤érentes.
Proposition de correction
Inversion de A si possible à l’aide de trois méthodes :
1ere Méthode d’inversion par la comatrice de A
Calculons le déterminant de A :
1 2 0
det A = 2 1 0 = 5 6= 0 ) A est inversible et
0 5 1
1 1
A 1= com (t A) = (t comA)
2 det A 3 det A
1 2 0
A=4 2 1 0 5)
20 5 1 3 2 3
1 2 0 1 2 0
(t A) = 4 2 1 5 5 ) com (t A) = 4 2 1 0 5
0 0 1 2 10 53 5
1 2 0
1 14
et A = 1 t
com ( A) = 2 1 0 5
det A 5
2 1 2 3 10 5 5
5 5
0
= 4 2 1
0 5 = A 1.
5 5
2 1 1
ieme
2 Méthode par les opérations élémentaires sur A I3 :
J’ai choisi de faire les opérations élémentaires sur les lignes de A I3 .
A
Mais on aurait pu faire les opérations élémentaires sur les colonnes de
I3
je
2 vous y invite. 3 2 3
1 2 0 1 0 0 1 2 0 1 0 0
4 2 1 0 0 1 0 5'4 0 5 L1
0 2 1 0 5
L2 + 2L1
20 5 1 0 0 1
1 2
3 0 5 1 0 0 1
1 0 0 5 5
0 L1 + 25 L2
'4 0 1 0 2
5
1
5
0 5 1
L
5 2
0 0 1 2 1 1 L3 L2
48
2 1 2
3 2 1 2 3
1 0 0 5 5
0 5 5
0
' 4 0 1 0 25 15 0 5 ) A 1 = 4 25 15 0 5.
0 0 1 2 1 1 L3 2 1 1
ieme 1
3 Méthode l’établissement de 2 (S)3, AX 2 0=3Y en (S) , X = A Y :
x x
Soit le système : AX = Y , A y = y 0 5 = Y
4 5 4
8 8 z z0
< x + 2y = x0 < x = 51 x0 + 25 y 0
, 2x + y = y 0 , y = 25 x0 + 15 y 0 , (S 0 )
: 0 :
5y z = z z 2= 2x0 + y 0 z 03
1 2
5 5
0
0
La matrice associé à (S ) est 4 2 1
0 5 c’est l’inverse de A
5 5
2 1 1
1
c’est-à-dire A . Car avec A inversible ; on a :
AX = Y , X = A 1 Y .
49
Première partie
TRAVAUX DIRIGES
50
2020-2021
T.D.
Calcul matriciel
Exercice 0
Vous répondrez par Vrai ou faux avec justi…cation
a) Si le produit matriciel AB = 0, alors A = 0 ou B = 0.
b) Si A et B sont deux matrices carrées de même ordre inversibles,
alors leur somme est inversible, avec
1 1
(A + B) =A + B 1.
c) Si A est une matrice inversible, sa transposée admet comme
inverse la transposée de A 1 .
d) Si AB = I, alors A et B sont deux matrices inverses l’une de l’autre.
e) Deux matrices distinctes ont deux déterminants distincts.
f) Pour tout entier n et toute matrice carrée A : detAn = (det A)n .
Exercice 1 2 3
2 3 4 2 1 2 3
1 3 2 6 6 2 3 7 4 3 1 2
Soient A = 4 4 1 0 5 ; B = 6 4 0 1
7 ; C = 4 6 0 2 3 5.
1 5
2 5 4 4 21 5 3
2 1 3
1° ) Calculer si cela est possible A B ; 3C ; A2 ; AB ; BC ; BA.
2° ) Échelonner les matrices A, B, C, déterminer le rang de chacune, ensuite les
échelonner à ligne canonique ou à colonne canonique, et en…n les échelonner réduire.
Exercice 2 2 3 2 3
5 3 1 1 0 0
6 2 2 0 7 6 7
Montrer que les matrices suivantes : A = 6 7 et R = 6 0 1 0 7
4 4 0 2 5 4 0 0 0 5
7 1 3 0 0 0
sont équivalentes en déterminant une matrice P carrée d’ordre 4 inversible et
une matrice Q carrée d’ordre 3 inversible telles que : P AQ = R
(Indication : On pourra s’aider de ce qui a été fait au cours pour déterminer
le rang d’une certaine matrice donnée).
Il faudra prouver l’inversibilité de P et Q à l’aide des opérations élémentaires
sur les lignes ou les colonnes des matrices mises en jeu.
Exercice 3 2 3
1 1 1
Les matrices : A = 4 2 2 2 5
2 3
3 3 3
0 1 0
et B = 0 0 0 5 sont-elles semblables ?
4
0 0 0
51
Exercice 4
Montrer que2 la matrice 3
1 5 3
A= 4 1 1 3 5
3 2 8
est un diviseur de zèro sur M3 (R) et
trouver une matrice B non nulle telle que AB = 0.
Exercice 5
Soit M 2 M 2 4 (R) : 3
a b c d
6 b a d c 7
M =6 4 c
7.
d a b 5
d c b a
1) Donner la transposée (t M ), de la matrice M .
2) Calculer M: (t M ) et (t M ) :M , ces deux matrices commutent-elles ?
3) Déterminer le déterminant de M en sachant qu’il est positif.
4) A quelle condition M est-elle inversible ? Donner sa matrice inverse.
Exercice 6
On considère
2 la matrice 3
1 1 1
A= 4 1 1 0 5
1 0 1
3
1. Calculer (A + I) où I désigne la matrice unité de M3 (R).
2. En déduire :
a) L’expression de An où n 2 N .
b) Que A est inversible. Donner son inverse.
c) Une extension de An où n 2 Z .
Exercice 7
I) Les nombres 204; 527 et 255 étant divisibles par 17,
démontrer que le déterminant suivant l’est aussi sans calculer 4.
2 0 4
4= 5 2 7
2 5 5
:
II) Calculer les déterminants suivants :
1 1 1 1 1 1 0 1 1
40 = 1 0 1 41 = b + c c + a a + b 42 = 1 0 1
1 1 0 bc ca ab 1 1 0
III) Soient (a; b; c; d) 2 R4 .
1) Calculer le déterminant de Vandermonde suivant :
1 1 1 1
a b c d
V(a;b;c;d) =
a2 b 2 c 2 d 2
a3 b 3 c 3 d 3
IV)
52
Dire pourquoi les déterminants suivants sont nuls sans calcul formel :
1 2 3 3 4 5
0 0
1 = 4 5 6 , 2 = , 3 = 1 0 2 ,
1 0
2 4 6 2 4 3
2 1 3 3 0 1 1 1
0 2 1 6 2 3 4 6
4 = , 5 = ,
5 1 0 3 5 3 8 7
10 3 7 9 2 2 5 5
1 1 1
(a+b+c) = a b c .
b+c a+c a+b
Exercice 8
Inverser celles qui sont inversibles
(suivant les valeurs du paramètre réel a).
2 3 2 3
1 2 1 2 a 1 3
1 a
A1 = , A2 = 4 1 0 1 5 , Aa = 4 1 1 a 2 5,
a 2
3 2 2 2 3 2 a
2 3 2 3
2 1 3 1 2 0 2 0 2
6 3 1 2 0 77 6 0 1 0 1 0 7
A4 = 6
4 1 , A5 = 6 7
3 4 2 5 4 2 1 0 2 1 5
4 3 1 1 0 1 0 1 0
Exercice 9
I) Résoudre les systèmes d’équations linéaires suivants, à l’aide de leur matrice augmen-
tée8
: 8
< 2x y z = 4 < 3x + y + z = 1
a) 3x + 4y 2z = 11 ; b) x y + 2z = 2 ,
: :
3x 2y + 4z = 11 x + 3y 3z = 3
8 8
>
> x + y 3z = 1 >
> x+y+z+t+u = 7
< <
2x + y 2z = 1 3x + 2y + z + t 3u = 2
c) , d)
>
> x+y+z = 3 >
> y + 2z + 2t + 6u = 23
: :
x + 2y 3z = 1 5x + 4y + 3z + 3t u = 12
II)
0 1
3 1 1
1° ) Inverser suivant le paramètre m 2 R, la matrice Am = @ 3 1 m A.
m 4 2 1
2° ) Résoudre dans R3 en discutant éventuellement suivant les valeurs de m 2 R
le système 8 :
P < 3x + y z = m
( m) , 3x + y mz = 3 et
:
8 (m 4) x 2y z = 1
P < 3x + y z = 1 P
( ), 3x + y + z = 3 avec les formules de Cramer ( ).
:
5 x 2y z = 1
53
III) Résoudre et discuter suivant les valeurs du paramètre réel m
les système suivants : 8
8 > mx + y + t = m+1
< 2x + (m 1) y 3mz = 2 >
<
x + my + z = m 1
a) x 2 (m 1) y + mz = 1 , b)
: >
> y + mz + t = m+1
x + (m 1) y 2mz = 2m :
x + z + mt = m 1
54
Deuxième partie
COMPLEMENTS d’EXERCICES
55
Série A
Exercice 1
On considère les matrices suivantes :
2 3
2 1 0
4 5 2 0 1 0
A= 1 0 2 5, B = , C= .
3 1 2 0 3
3 1 1
Calculer, parmi les produits matriciels suivants, ceux qui ont un sens :
AB, BA, A2 , AC, CA, C 2 , BC, CB, B 2 .

Exercice 2
1 0 1 1
On considère les matrices : A = B= .
1 2 1 0
Calculer A2 + 2AB + B 2 et comparer avec (A + B)2 . Commenter.
Exercice 3 0 1 0 1
3 0 2 2 3 1
Soient les matrices : A = @ 4 2 0 A ; B = @ 2 i 2 A;
0 1 1 i 1 i 2 0
0 2 2
@ 2 4 3
C= 3 1 1 A et D = .
5 11 2
3 1 1
1° ) Calculer si possible les matrices suivantes : E = AB et E 0 = BA
que peut-on conclure ?
2° ) Calculer si possible les matrices : F = AD et F 0 = DA.
3° ) Calculer C 3 . En déduire que C n’est pas inversible.
Exercice 4 0 1 0 1
1 2 5 2 0 2
On considère les matrices A = @ 3 2 3 A;B = @ 1 4 2 A
0 21 6 0 0 1 0
x
et T = @ y A :
z
1° ) Montrer que A et B Sont inversible et déterminer leur inverse.
Mêmes questions pour C = AB. 0 1
2
2° ) Résoudre dans R3 l’équation matricielle CT = @ 0 A :
m
Exercice 5
Si M et N sont deux matrices de types respectifs (m; n) et (n; m) telles que M N = I,
montrer que la matrice P = N M est idempotente, c’est-à-dire que P 2 = P .
En déduire que P est diviseur à droite et à gauche de zéro.
56
Exercice 6
I) Calculer les déterminants suivants :
3 1 1 1 0 a b c
1 3 1 1 a 0 c b
41 = 42 = où a; b; c 2 R
1 1 3 1 b c 0 a
1 1 1 3 c b a 0
II) Exprimer le déterminant d’ordre n suivant en fonction de 4n 1 et 4n 2 :
2 1 0 0
1 2 1 0 0
... .. .. . . ..
0 . . . .
4n = .. . . .. .. .. .
. . . . . 0
.. .. .. ..
. . . . 1
0 0 1 2
On en déduira ensuite 4n 4n 1 , puis 4n .

Exercice 7
Z
Déterminer 2 de façon que le système homogène :
8 5Z
< 3 x + 4y + 3z = 0
3x + 3 y =0
:
3x + 3y z =0
admette des solutions non nulles, et résoudre.
Exercice 8
3
Discuter
8 et résoudre le système sur R :
< ax + by + cz = 1
cx + ay + bz = 1 ; (a; b; c) 2 R3 .
:
bx + cy + az = 1
Exercice 9
Discuter
8 et résoudre le système sur C3 :
2
< x+ y+ z =0
x+ y+ z = 0 où 2 C.
: 2
x+ y+ z =0
57
Série B
TRAVAUX DIRIGES EN CBG1 Bioscience & STRM
Calculs Matriciels
Exercice 1
1. Déterminer les réels x et y tels que les matrices A et B suivantes soient égales :
1 3 0 1 3 x 1 + 2y
A= et B =
3 2x + 3y 4 3 7 4
0 1
1 1 a
2. Soit la matrice A = @ 1 1 b A. Déterminer a; b et c pour que la matrice A2
1 1
2 2
c
soit la matrice0nulle. 1 0 1
1 1 4 1 0 0
3. Soient P = 1 1@ 4 A ; I3 = @0 1 0A et M = P + I3 .
1 1
2 2
2 0 0 1
a. Montrer que P 2 est une matrice nulle.
b. Exprimer M 2 et M 3 en fonction des matrices P et I.
c. Montrer que 8n 2 N ; M n = nP + I3 .
d. On pose Sn = M + M 2 + ::: + M n , avec n 2: Exprimer Sn en fonction de
P , I3 et n.
Exercice 2
0 1
5 6 6
I- On donne la matrice A = @0 1 0 A.
3 3 4
(a) Calculer : A3 3A 2I.
1
(b) En déduire que A est inversible et que son inverse est A 1 = (A2 3I).
2
0 1 0 1
1 1 2 1 0 0
II- On considère les matrices suivantes : B = @1 2 1A et I = @0 1 0A.
2 1 1 0 0 1
1. Calculer B 2 et B 3 :
2. On pose D = B 2 + 4B + I et C = B 3 + 4B 2 + B 4I.
a- Calculer D et C.
b- Montrer que C = BD 4I.
c- En déduire que la matrice B est inversible et trouver sa matrice inverse
B 1.
Exercice 3
0 1 0 1
1 1 1 1 0 0
I- Soit A = @ 3 5 3 A et I3 = @0 1 0A.
1 1 1 0 0 1
1- a. Calculer A3 + 3A2 + 16A + 12I.
58
b. En déduire l’existence d’une matrice P telle que AP = I.
c.Donner une écriture de P sous forme de matrice.
0 1 0 1
a b c 1 0 0
II- @
On donne les matrices M = 0 a b A et I = @0 1 0A où a; b; c 2 R.
0 0 a 0 0 1
1- Supposons que a = 3, b = 2, c = 1. Montrer que M est inversible et calculer
son inverse.
2- On pose : a = b = 1 et c = 0.
a. Déterminer la matrice B = A I ; calculer B 2 et B 3 . En déduire B n
pour tout n 3.
b. Exprimer A en fonction de B et I et calculer An en fonction de I, n et B
(se servir du binôme de Newton). En déduire alors A20 (donner l’expression
et la forme matricielle).
Calculs de Déterminant
Exercice 1
Soit les matrices suivantes :
0 1 0 1
3 2 4 2 1 4
M = @2 4 5A et A = @5 2 3A
1 8 2 8 7 3
A- 1. i. Déterminer les cofacteurs de tous les éléments de M .
ii. En déduire le déterminant de M . Dire si det(M ) 6= 0.
1
iii. Si oui, Calculer la matrice P = Com(M )t , où Com(M ) désigne la
det(M )
comatrice de la matrice M .
iv. Que représente la matrice P pour la matrice M ?
v. Déterminer B = 50M . Montrer que det(B) = 503 det(M ).
0 1
1 0 0 0 0
B 5 2 3 5 1C
B C
2. Soit la matrice N = B
B8 15 10 20 0C 3
C Montrer que det(N ) = 5 det(M ).
@9 5 40 10 0A
1 10 20 25 0
B- Reprendre la question 1) pour la matrice A: (A ne pas traiter au TD)
Exercice 2
Calculer les déterminants suivants à l’aide de la méthode de développement :
2 1 5 10 3 3
D1 = , D2 = , D3 = ,
3 4 1 2 2 1
2 0 3 1 2 3 0 1 1
D4 = 2 3 1 , D5 = 4 5 6 , D7 = 1 0 1 ,
5 1 0 1 2 3 1 1 0
59
1 0 0 1 1 1 0 0
0 1 1 0 1 0 1 0
D8 = , D9 = .
1 0 1 0 0 0 1 1
0 1 0 1 0 0 1 1
Exercice 3
Calculer à l’aide de la méthode de Sarrus les déterminants suivants :
8 5 21 4 5 3 5 4 2
4 6 1 = 595, 3 2 1 = 108, 3 5 1 = 199
1 12 7 1 7 4 6 2 5
Exercice 4
Dire pourquoi les déterminants suivants sont nuls sans calcul formel :
1 2 3 3 4 5
0 0
1 = 4 5 6 , 2 = , 3 = 1 0 2 ,
1 0
2 4 6 2 4 3
2 1 3 3 0 1 1 1
0 2 1 6 2 3 4 6
4 = , 5 = .
5 1 0 3 5 3 8 7
10 3 7 9 2 2 5 5
Système d’équations linéaires
Exercice 1 0 1 0 1 0 1
2 1 1 x 0
Soit les matrices A = @ 1 3 1 A, @
X= y A et B = @ 1 A.
1
2
1 1 z 2
Résoudre l’équation matricielle AX = B.
Exercice 2
On considère le système d’équations
8
< x 3y = a
(S) x y=b
:
x + 3y + 2z = c:
1- Montrer que résoudre (S), équivaut à résoudre une équation de la forme : M X = B

où M , X et B sont des matrices à déterminer.
2- a. Calculer M 2 et M 3 .
b. Exprimer M 3 en fonction de I3 .
1
3- a. Montrer que M X = B , X = M 2 B.
8
b. En déduire la résolution de (S):
c. Donner les solutions de (S) lorsque : a = 3, b = 5 et c = 4.
Exercice 0
3 1 0 1
1 1 1 1 0 0
Soit A = @ 3 5 3 A et I3 = @0 1 0A.
1 1 1 0 0 1
1- a. La matrice A est-elle inversible ? Si oui, justi…er puis déterminer son inverse.
60
b. En déduire la résolution du système suivant :
8
< x+y+z =2
3x + 5y + 3z = 1
:
x+y z = 3
2- Résoudre, à partir des résultats précédent uniquement, le système suivant :

8 2 2
>
> y z 4
< x2 = e
>
x6 y 10 z 6 = e2
>
> 2 2
: x y = e 6:
>
z2
Exercice 4
I- On donne les vecteurs suivants : a1 = 2 1 4 , a2 = 3 5 1 ,
t
a3 = 1 2 3 et B = 1100 880 1980 .
Soit A la matrice dans laquelle la première, la deuxième et la troisième colonne sont
respectivement constituées des coordonnées de a1 ; a2 et a3 .
0 1t
2 1 4
1) Montrer que A = @ 3 5 1 A .
1 2 3
2) Montrer que la matrice A est inversible et déterminer A 1 .
II-
1) Résoudre le système d’équations :
8
< 2x + 3y + z = 1100
x + 5y + 2z = 880
:
4x + y + 3z = 1980
On pourra remarquer que dans ce système, tous les éléments du second membre
sont multiples de 22.
2) L’entreprise CBG-Technologie fabrique trois types d’articles X; Y; Z. Chaque
article passe successivement dans trois ateliers : atelier 1 ; atelier 2 et atelier 3.
Le temps de passage dans les ateliers sont donnés dans le tableau suivant :
X Y Z
Atelier 1 20 30 10
Atelier 2 10 50 20
Atelier 3 40 10 30
Au cours d’un programme de fonctionnement annuel, les charges horaires des
ateliers ont été de 110000 heures pour l’atelier 1, de 88000 heures pour l’atelier
2 et de 198000 heures pour l’atelier 3.
Déduire de la question II-1, déterminer le nombre de chaque type d’articles

qui a été fabriqué
61
Bibliographie
[1] Jean-Marie Monier, Algèbre MPSI, Cours et 700 Exercices Corrigés,

3ème édition, DUNOD
[2] J.-P.Lecoutre, P. Pilibossian, Travaux Dirigés, Algèbre,
2ème édition, DUNOD
[3] J.Lelong-Ferrand, J.M. Arnaudiès, Cours de Mathématiques, Tome 1, Algèbre,
3ème édition, DUNOD.
[4] Claude Boy, Alain Nizard, Prépas TD Algèbre, Exercices et corrigés, Armand Colin.
62

2021.CoursCalculMatricielMiag

Transféré par

Droits d'auteur :

Formats disponibles

2021.CoursCalculMatricielMiag

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2021.CoursCalculMatricielMiag

Transféré par

Droits d'auteur :

Formats disponibles

CALCUL MATRICIEL

1ère Année, Sciences &Techniques

3 RÉSOLUTION D’UN SYSTEME D’EQUATIONS LINÉAIRES 39

3.2.2 Résolution d’un système de Cramer par des déterminants . . . . . . 44

La Géométrie des Grecs(et l’Arithmétique) est(sont) l’origine arbitraire de

1.1 Présentation des matrices de type (p; q) sur un

1.2 Quelques matrices de type (p; q)

1.3 OPERATIONS SUR LES MATRICES

1.3.2 Egalité de deux matrices de même type

1.3.3 Multiplication par un scalaire d’une matrice

Propriétés de la multiplication par un scalaire d’une matrice

sus-mentionnées fait de Mpq (K) un K-espace vectoriel.

1.3.4 Produit de deux matrices

6. Ip :A = A = A:In , 8A 2 Mpn (K), IP , In sont unitées d’ordre resp. p, n.

1.4 Trace d’une matrice carrée

iv) tr (A) = tr (t A).

1.5 Matrices inversibles

1.6 Matrices équivalentes et matrices semblables

1.7 Opérations élémentaires sur les matrices

1.8 Les opérations élémentaires sur les matrices avec

1.9 Matrices échelonnées

sont des matrices échelonnées suivant les colonnes.

sont appelés pivots.

1.9.1 Inversion d’une matrice par les opérations élémentaires

2Ceci étant, déroulons : 3 2 3

1.10 Rang d’une matrice

équivalente à A. Donc rg (A) = rg (A0 ).

Le déterminant est un simple scalaire(nombre) calculé à partir des éléments

2.1 Déterminant d’une matrice carrée d’ordre 2

2.2 Déterminant d’une matrice carrée d’ordre 3

2.2.1 Calcul d’un déterminant d’ordre 3 par la méthode de Sar-

les produits parallèles à la diagonale principale positivement et ceux de

2.2.2 Calcul du déterminant par le développement suivant une

2.3 Calcul du déterminant d’une matrice carrée d’ordre

Aussi det A avec le développement suivant la deuxième ligne de A sera

2.4 Propriétés des déterminants

2) Le déterminant d’une matrice triangulaire, en particulier celui d’une matrice

2.5 Inverse d’une matrice carrée

2.5.1 Propriétés de la matrice inverse

2.5.2 Inversion d’une matrice par sa comatrice

a11 a12 a1(j 1) a1(j+1) a1n

2.5.3 Démontration de la méthode d’inversion d’une matrice

2.6 Rang d’une matrice

RÉSOLUTION D’UN SYSTEME

3.1 Résolution du système (S) avec sa matrice aug-

3.2 Méthode de résolution d’un système de Cramer

3.2.1 Résolution d’un système de Cramer par l’inversion de la

3.2.2 Résolution d’un système de Cramer par des déterminants

3.3 Résolution d’un système avec le rang de la ma-

1er cas : m = r < n,

3.4 Systèmes échelonnés ou Méthode du pivot

3.5 Calcul de l’inverse d’une matrice par la résolution

3.5.2 Une deuxième méthode

AB, BA, A2 , AC, CA, C 2 , BC, CB, B 2 .

On en déduira ensuite 4n 4n 1 , puis 4n .

Système d’équations linéaires

1- Montrer que résoudre (S), équivaut à résoudre une équation de la forme : M X = B

2- Résoudre, à partir des résultats précédent uniquement, le système suivant :

Déduire de la question II-1, déterminer le nombre de chaque type d’articles