1

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministère de l’enseignement supérieur et de la recherche scienti…que

Université Abou Bekr Belkaid Tlemcen

Faculté des Sciences Economiques, Commerciales et des Sciences de Gestion.

Cours de mathématiques 2

Conformément aux programmes des premières année LMD tronc commun

Sciences Economiques
Sciences Commerciales
Sciences de Gestion
Comptabilité et Finance

Présentée par

Mme Rahou née Fekih Sihem.

Année universitaire: 2019-2020

 2

Programme mathématiques 2 du deuxième Semestre

Chapitre I:
Matrices - calcul du déterminant - inverse d’une matrice.

Chapitre II:
Généralités
Résolution des systèmes d’équations linéaires Cramériens par la méthode de
la matrice inverse- la méthode de Cramer et la méthode de Gauss.
Résolution des systèmes d’équations linéaires non Cramériens.

Chapitre III:
La diagonalisation des matrices carrées.
 3

Chapitre 1

Les matrices

Dé…nition 1.1 Une matrice A de n p éléments; est un tableau de nombres à n lignes

et p colonnes.
Une telle matrice est dite de dimension (n; p) ;de format (n; p) ou même d’ordre
(n; p) : Format =(nombre de lignes, nombre de colonnes)
On écrit A2M(n;p) : M(n;p) désigne l’ensemble de matrices à n lignes et p colonnes.

Remarque 1.1 On note aij l’élément de la matrice A qui se trouve à l’intersection de la

iieme ligne et la j ieme colonne

0 1 0 1
1
3 1 2 1 3 1
B C B C
A=B
@ 1=2 0 2 4 C B
A ; B = @ 1=2 0 C
A
6 7 2 0 6 7

1. Donner la dimension de chaque matrice.

2. Determiner a12 ; a34 ; b22 ; b33 :

1.1 Matrices particulières

1.1.1 Matrice nulle

C’est une matrice notée O(n;p) 2M(n;p) ; dont tous ses éléments sont nuls.
 4

0 1 0 1
0 0 0 0 0
O(2;3) = @ A O(2;2) = @ A
0 0 0 0 0

1.1.2 Matrice colonne

C’est une matrice de dimension (n; 1) : Elle ne contient qu’une seule colonne.

Exemple 1 0 1
3
B C
C=B C
@ 1 A 2 M(3;1) :
0

1.1.3 Matrice ligne

C’est une matrice de dimension (1; p) : Elle ne contient qu’une seule ligne.

Exemple 2
L= 1 2 3 4 2 M(1;4) :

1.1.4 Matrice carrée

C’est une matrice de dimension (n; n) :Nombre de lignes est égale au nombre de
colonne.

0 p 1
0 1 1 4 2
2 3 B C
A=@ A;B = B 3
5 0 C
@ 2 A
4 0
1 1 3

Dé…nition 1.2 On appelle la diagonale ou les éléments diagonaux, les éléments aii
d’une matrice carrée. On écrit
 5

diago(A) = (a11 ; a22 ; :::; ann ):

Exemple 3 Reprenons les exemples précédents des matrices carrées

diago(A) = (2; 0):

diago(B) = (1; 5; 3):

1.1.5 La matrice diagonale

C’est une matrice carrée dont tous ses éléments NON DIAGONAUX sont nuls.

0 1
4 0 0 0 1
B C 3 0
D1 = B C
@ 0 1 0 A ; D2 =
@ A:
0 1
0 0 0

Remarque 1.2 Attention: Ne pas confondre la diagonale d’une matrice carrée avec la
matrice carrée diagonale !

1.1.6 La matrice identité (très importante)

Elle est notée Id, c’est une matrice carrée diagonale, dont tous ses éléments
diagonaux sont égaux à 1.

Exemple 4 0 1
1 0 0 0 1
B C 1 0
Id(3;3) = B C
@ 0 1 0 A ; Id(2;2) =
@ A
0 1
0 0 1

1.1.7 La matrice triangulaire superieure

C’est une matrice carrée, dont tous ses éléments au dessous de la diagonale sont
nuls.
 6

1.1.8 La matrice triangulaire inférieure

C’est une matrice carrée, dont tous ses éléments au dessus de la diagonale sont
nuls.

0 1
3 2 0
B C
T1 = B
@ 0 5 8 CA triangulaire superieure
0 0 1

0 1
1 0 0
B C
T2 = B
@ 3 0 0 C
A Triangulaire inferieure
4 0 2

1.1.9 Matrice symétrique

C’est une matrice carrée, telle que 8i 6= j aij = aji

1.1.10 Matrice antisymétrique

C’est une matrice carrée, telle que 8i 6= j aij = aji

0 1
3 2 0
B C
S1 = B
@ 2 5 8 CA matrice symétrique
0 8 1

0 1
3 2 0
B C
S2 = B
@ 2 5 8 CA matrice antisymétrique
0 8 1

1.2 Opérations sur les matrices

 7

1.2.1 Transposition

- La transposée d’une matrice A est une matrice notée AT ou A0 obtenue en échangeant

les lignes de A en colonnes.

- Si A 2 M(n; p) alors AT 2 M(p; n).

Remarque 1.3 (AB)t = B t At attention au changement de l’ordre.

Exercice 1 Déterminer les matrices transposées des matrices suivantes:

0 1
3 0 0 0 1
B C 1 2 3
A= 1 0 3 ;B=B C
@ 4 8 0 A; C =
@ A:
5 0 1
2 3 1

1.2.2 Égalité - Addition et soustraction

Pour pouvoir e¤ectuer les opérations égalité (=), addition (+) et la soustraction
( ) entre les matrices il faut que:

1. les matrices soient de mêmes dimensions.

2. L’opération (=, +, -) se fait terme à terme.

1.2.3 Multiplication d’une matrice par un nombre réel k.

Si A = (aij ) 2 M(n; p) alors kA = (kaij ) 2 M(n; p)

Chaque terme de la matrice est multiplié par le nombre k.
0 1
0 1 0 1 3 0 0
1 2 3 1 3 4 B C
A=@ A ; B=@ A ; C=B 4 8 0 C
@ A
5 0 1 5 0 1
2 3 1
Calculer si c’est possible: A 2B; A + C; 3Id3 C:
 8

1.2.4 Produit matriciel

Produit vectoriel (Produit ligne par colonne )

On dé…nit le produit ligne

0 par colonne
1 appelé produit vectoriel par:
y1
B C
B y C
B 2 C
B C
x1 x2 x3 ::: xn B B y3
C = x1 y1 + x2 y2 + x3 y3 +... +xn yn .
C
B C
B : C
@ A
yn
0 1
2
B C
B 2 C
B C
B C
1 0 3 5 0 B 1 C = (14)
B C
B C
B 3 C
@ A
1

Produit Matriciel

Soient A = (aij ) 2 M(n; p) et B = (bij ) 2 M(p; q).,alors A B = C = (cij ) 2

M(n; q). Chaque élément cij de la matrice produit C est obtenu en multipliant
la ieme ligne de A par la j eme colonne de B: Pour e¤ectuer le produit A B il faut
que le nombre de colonnes de la matrice A soit égal au nombre de lignes de la matrice B.

A(n;p) B(p;q) = C(n;q)

Exercice 2 Soient
0 1 0 1
1 3 1 2 3
A=@ A;B = @ A:
4 1 5 0 1

1. Calculer A B puis B A

2. Que remarquez vous?

Corrigé
 9

Calcul de A B

A est de format (2,2) et B est de format (2,3), donc A B est possible.

A(2;2) B(2;3) = C(2;3)

0 1
c11 c12 c13
C=@ A où
c21 c22 c23
8 0 (2;3)
1
>
> 1
>
> @ A = 0:1 + 1:( 5) =
>
> c11 = 0 1 5
>
> 5
>
> 0 1
>
>
< 2
c12 = 0 1 @ A = 0:2 + 1:0 = 0 et
>
> 0
>
> 0 1
>
>
>
> 3
>
> @ A = 0:3 + 1:( 1) =
>
> c = 0 1 1
: 13 1
8 0 1
>
> 1
>
> @ A=
>
> c21 = 4 1 4:1 + ( 1):( 5) = 1
>
> 5
>
> 0 1
>
>
< 2
c22 = 4 1 @ A= 4:2 + ( 1):0 = 8
>
> 0
>
> 0 1
>
>
>
> 3
>
> @ A=
>
> c23 = 4 1 4:3 + ( 1):( 1) = 11
: 1
0 1
5 0 1
Ainsi : C = @ A:
1 8 11

Calcul de A B

B(2;3) A(2;2) n’est pas possible car le nombre de colonnes de B est di¤érent du
nombre de lignes de A.
Donc le produit matriciel n’est pas commutatif.

Exercice 3 Soient
0 1 0 1 0 1
1 2 2 6 2 10
A=@ A;B = @ A;C = @ A:
2 4 1 3 1 5
 10

1. Calculer A B et A C , Que remarquez-vous?

Corrigé
0 10 1 0 1
1 2 2 6 0 0
A B = @ A@ A=@ A
2 4 1 3 0 0
0 10 1 0 1
1 2 2 10 0 0
A C = @ A@ A=@ A
2 4 1 5 0 0

On remarque

1. A B =A C = 0 mais aucune matrice n’est nulle. Donc un produit de matrices

est nul ne veut pas dire que forcément l’une des deux matrices est nulle.

2. A B=A C ; (B = C)

A B 6= B A le produit matriciel n’est pas commutatif.

(A B = O) ; (A = O) _ (B = O)

A B=A C 6) B = C:

A (B + C) = A B+A C

(A B)t = B t At attention au changement de l’ordre.

(A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2 6= A2 + 2AB + B 2 . (car

AB 6= BA)

(A + B)(A B) 6= A2 B2

1.2.5 Puissances successives d’une matrice

A2 = A A
A3 = A A A;
 11

An = |A A {z:::: A}
n f ois:
On ne peut calculer la puissance d’une martice que si elle est carrée.

Remarque 1.4 Attention pour calculer An , il ne faut pas élever les éléments de A à la
puissance n, cela n’a aucun sens mathématique.

Dé…nition 1.3 On dit que A est Nilpotente d’ordre n s’il existe un entier naturel n
tel.que An = 0.

0 1
1 1
Soit A = @ A
1 1
On véri…e facilement que A2 = 0. Donc A est nilpotente d’ordre 2.

Puissances d’une matrice diagonale

Si D est une matrice diagonale alors Dn est diagonale avec diagoDn = [(a11 )n ; (a22 )n ; (a33 )n ] :

Plus précisement
0 1 0 1
a11 0 0 (a11 )n 0 0
B C B C
si D = B
@ 0 a22 0 CA alors D n= B
@ 0 (a22 )n 0 C:
A
0 0 a33 0 0 (a33 )n

1.3 Inverse d’une matrice carrée

Soit A une matrice carrée d’ordre n. L’inverse de A (notée A 1 ),si elle existe,est
la matrice qui satisfait

1 1
AA =A A = Idn

Avec Idn c’est la matice identité d’ordre n.

 12

1.3.1 Propriétés
1 1
1. Si A est inversible, alors A = A.

2. Si A et B sont 2 matrices carrées inversibles de même dimension, alors

1 1A 1
(AB) =B (attention au changementde l’ordre).

3. Si A est diagonale avec diago [a11 ; a22 ; a33 ] alors A 1 est diagonale avec
h i
diagoA 1 = a111 ; a122 ; a133

0 1 0 1
1
a11 0 0 a11 0 0
B C B C
Si A = @ 0 a22 0 C
B 1= B 1 C
A alors A B 0 a22 0 C
@ A
0 0 a33 1
0 0 a33

1. Soient M et N deux matrices carrées d’ordre 3 qui véri…ent:

0 1
4 0 0
B C
MN = NM = @ 0 4 B 0 C
A
0 0 4

Déterminer la matrice inverse de M:

2. Soit A une matrice carée d’ordre n qui satisfait: A2 + 6A 3Idn = 0:

Déterminer la matrice inverse de A:

Dé…nition 1.4 Le déterminant est un nombre que l’on associe à chaque matrice carrée A;
et qui permet de savoir si elle est inversible ou non.
On le note det(A) ou jAj
Si det(A) 6= 0, alors A est inversible.

1.4 Calcul du déterminant

 13

1.4.1 Déterminants d’ordre 2

0 1
a b a b
Soit A = @ A ; alors det(A) = = ad cb:
c d c d
0 1
3 1 3 1
M =@ A ;alors det(M ) = = 6 6= 0:
1 2 1 2

det(M ) 6= 0 donc M est inversible.

1.4.2 Règle générale du calcul des déterminants (méthode des cofacteurs)

Considérons A une matrice carrée d‘ordre 3.

a11 a12 a13

det A = a21 a22 a23
a31 a32 a33

Dé…nition 1.5 1) Le cofacteur Cij du terme aij est donné par la formule:

Cij = ( 1)i+j Mij :

Où Mij (mineur de aij ) est le déterminant de la sous matrice obtenue en supprimant la

ième ligne et la jème colonne de A
2) Le déterminant est égal à la somme des produits des éléments d’une ligne
(ou d’une colonne) quelconque par leur cofacteurs respectifs

Ainsi en développant suivant la deuxième ligne:

a11 a12 a13
det A = a21 a22 a23 = a21 C21 + a22 C22 a23 C23
a31 a32 a33

Remarque 1.5 1) Les signes de ( 1)i+j sont alternés à partir du signe + de a11 :
0 1
+ +
B C
signe de ( 1)i+j = B
@ + C
A
+ +
 14

2) Pour calculer le déterminant, la ligne ou la colonne suivant laquelle nous

développons est laissée à notre choix. Nous pouvons donc choisir celle qui contient le plus
d’éléments nuls (s’il y en a) pour faciliter les calculs.

1 2 0
Exemple 5 det A= 0 3 1 =3
2 2 1

En développant selon la premire ligne:

3 1 0 1 0 3
det A=+( 1) 2 +0 =3
2 1 2 1 2 2

Exemple 6 En développant selon la 3ieme colonne

0 3 1 2 1 2
detA = +0 1 +1 =3
2 2 2 2 0 3

1.4.3 Règle de Sarrus.

La règle de Sarrus est une méthode simple est rapide pour calculer un déterminant
3 3:Elleconsiste

1. Recopier sous le déterminant les deux premières lignes de A, puis on trace des 6
diagonales

2. Multiplier ensuite les produits des nombres sur ces six diagonales.

3. Additionner les produits des diagonales qui « déscendent» et soustrait les produits des
diagonales qui « montent» .

a b c
d e f
g h i = aei + dhc + gbf gec ahf dbi
a b c
d e f
 15

1 2 0
0 3 1
Exemple 7 det A= 2 2 1 = +3
1 2 0
0 3 1

Remarque 1.6 Attention ! La règle de Sarrus ne marche que pour des déterminants
d’ordre troi.

1.4.4 Propriétés du déterminant

1. Si A possède une ligne (ou colonne) de « 0 » , alors jAj = 0 .

2. Si deux colonnes sont identiques ou multiples l’une de l’autre, alors jAj = 0

3. Si A est diagonale ou triangulaire (inf ou sup), alors jAj est le produit de ses éléments
diagonaux. En particulier, jIdn j = 1:

4. Si A et B sont 2 matrices carrées de même dimension, alorsjABj = jAjjBj.

5. jAt j = jAj

1j 1
6. jA = jAj

Exercice 4 Calculer les déterminants suivants:

1 2 0 1 2 0 1 2 0
1 2 0
jA1j = , jA2j = 0 3 1 ; jA3j = 0 3 0 ; jA4j = 0 3 1 ;
0 3 1
2 2 1 2 2 0 2 4 0
1 2 0 1 0 0 1 0 0
jA5j = 0 3 1 ; jA6j = 0 3 0 ; jA7j = 0 3 0
0 0 1 0 0 1 2 2 1
 16

1.5 Calcul de la matrice inverse

Soit A une matrice carrée d’ordre n. Si A est inversible, (c’est-à-dire det A 6= 0 ),

alors sa matrice inverse est donnée par la formule suivante:

1 1
(coA)t A =
det A
0 1
1 2 0
B C
Exercice 5 Calculer la matrice inverse de A=B@ 0 3 1 A:
C

2 2 1
0 1
1 2 6
B C
det A= 3 et comM = B
@ 2 1 6 CA
2 1 3
0 1
1 2 2
B C
(comM )t = B
@ 2 1 1 CA
6 6 3

Donc A 1=

Remarque 1.7

1. Pour véri…er le résultat, il su¢ t de multiplier A par son inverse A 1. Il faut alors
trouver la matrice identité.

Pour notre exemple:

0 10 1 0 1
1 2 2
3 3 3 1 2 0 1 0 0
B CB C B C
AA 1
=B
@
2
3
1
3
1
3
CB 0
A@ 3 1 C B C
A = @ 0 1 0 A = Id
2 2 1 2 2 1 0 0 1

2. Id 1 = Id:
 17

Chapitre 2

Systèmes d’équations linéaires.

2.1 Généralités

On appelle système linéaire de n équations à p inconnues un système du type:

8
>
> a11 x1 + a12 x2 + + a1p xp = b1
>
>
>
> a x +a x +
>
> + a2p xp = b2
< 21 1 22 2

(S)
>
>
>
>
>
>
>
>
: a x +a x + + anp xp = bn
n1 1 n2 2

Les nombres aij et bi sont des réels donnés. Les xi sont les inconnues (ou les variables)
du système (S) :

Résoudre le système (S) revient à déterminer les valeurs (x1 ; x2 ; :::; xp ) véri…ant (S):

Le système est dit homogène si et seulement si b1 = ::: = bn = 0.

Exemple 8 Soit le système suivant

8
>
< 3x1
> x2 + 5 x3 x4 = 0
(S) x1 + 2x2 4x3 3 = 8
>
>
:
2x2 4x1 + x3 3x4 + 6 = 0
 18

(S) est un système linéaire de 3 équations et à 4 inconnues.

Le système homogène associé au système précédent est le système :

8
>
< 3x1
> x2 + 5 x3 x4 = 0
(S) x1 + 2x2 4x3 = 0
>
>
:
2x2 4x1 + x3 3x4 = 0

Dé…nition 2.1 Le système (S) est dit compatible si et seulement si il admet au moins
une solution (x1 ; x2 ; :::; xp ), et incompatible (ou impossible)s’il n’admet pas de solution.

Remarque 2.1 Un système homogène est toujours compatible car (x1 ; x2 ; :::; xp ) = (0; :::; 0)
est toujours solution d’un système homogène.

2.2 Opérations élémentaires

l’ensemble des solutions d’un système linéaire ne change pas si on e¤ectue sur les
équations les opérations élémentaires suivantes :
Changer l’ordre des équations
Multiplier une équation par une constante non nulle
Ajouter à une équation un multiple d’une autre équation
Changer l’ordre des variables

2.3 Représentation matricielle

Tout système d’équations linéaires s’écrit sous la forme matricielle suivante:

0 10 1 0 1
a11 a12 ::: a1p x1 b1
B CB C B C
B : : : CB : C B : C
B CB C B C
B CB C = B C
B : : : CB : C B : C
@ A@ A @ A
an1 : : anp xp b1
A(n;p) X(p;1) = B(n;1)
 19

avec: La matrice A(n;p) = (aij)c‘est la matrice des coé¢ cients.

X(p;1) le vecteur des inconnues du système
B(n;1) le vecteur du second membre (des termes constants) :

Exemple 9 La forme matricielle du système suivant

8
>
< 8
> = 2x y
(S1 ) 0 = 3x+ z 10 est
>
>
:
y z = 13
0 10 1 0 1
2 1 0 x 8
B CB C B C
B 3 0 1 C B y C = B 10 C
@ A@ A @ A
0 1 1 z 13

A(3;3) X(3;1) = B(3;1)

2.4 Résolution des systèmes d’équations linéaires Cramériens

Dé…nition 2.2 Système de Cramer

Un système AX=B est dit de Cramer si:
1- Le système est carre (nombre d’équations=nombre d’inconnues)
2- detA 6= 0

Théorème 2.1 Tout système de Cramer AX=B admet une solution unique.

2.4.1 Résolution par inversion de la matrice.

Considérons le système de Cramer . AX=B

1 1 1 t
Puique detA 6= 0 donc la matrice inverse A existe A = detA (cof A)
 20

multiplions A 1 à gauche 1 1
AX = B =) | {z A} X = A
A B
Id
1
=) X = A B

Remarque 2.2 Attention X = A 1B et non pas BA 1 (le produit n’est pas commutatif)
8
>
< 2x + 2y + 4z = 8
>
Exercice 6 Soit le système (S2 ) : 2x y + 3z = 3
>
>
:
x y+z =0
1. Le système (S2 ) est il de Cramer?

2. Résoudre (S2 ) par la méthode de la matrice inverse.

Corrigé.

1. La forme matricielle de (S2 ) est donnée par

0 10 1 0 1
2 2 4 x 8
B CB C B C
(S2 ) () B
@ 2 1 3 C B C B C
A @ y A = @ 3 A () AX=B
1 1 1 z 0
det A = 2

Le système (S2 ) est carré avec det A non nul, donc le système est de Cramer.

1 1 1 t
2. det A = 2 =) A existe A = detA (cof A),
0 1
1 3 5
B C
Le calcul de A 1 donne A 1 =B
@
1
2 1 1 CA
1
2 2 3

multiplions A 1 à gauche 1 1
AX = B =) A
| {z A} X = A B
Id
Donc X = A 1B
0 1
0 10 1 0 1
x 1 3 5 8 1
B C B CB C B C
Donc B C B 1
@ y A=@ 2 1 1 C B
A@ 3
C=B 1 C
A @ A
1
z 2 2 3 0 2
 21

2.4.2 Méthode de Cramer

Principe de résolution.

1. Calculer = detA:

si detA = 0 le système n’est pas de Cramer, on ne peut pas utiliser cette méth-
ode.

Si detA 6= 0

2. Calculer xi (c’est le déterminant obtenu en rempaçant la colonnes i de la variable xi

par le second membre B).

h i
xi y z
3. xi = x= x
;y = ;z = :

Exercice 7 Résolution du système précédent (S2 ) par la méthode de Cramer.

8
>
< 2x + 2y + 4z = 8
>
(S2 ) : 2x y + 3z = 3
>
>
:
x y+z =0

= detA = 2

0 1
8 2 4
B C
x = detB
@ 3 1 3 C
A= 2x =) x =
x
= 1:
0 1 1
 22

0 1
2 8 4
B C
y = detB C
@ 2 3 3 A = 2 =) y =
y
= 1:
1 0 1

0 1
2 2 8
B C
z = detB
@ 2 1 3 C
A=4 =) z =
z
= 2:
1 1 0

2.4.3 La méthode de Gauss

De…nition 1 On appelle matrice augmentée d’un système linéaire, sa matrice augmentée

de son second membre B
On la note [AjB] .

Principe de la méthode
La méthode de Gauss consiste à:

(1) Écrire la matrice augmentée du système.

(2) E¤ectuer sur cette matrice des opérations élémentaires entre les lignes; dans un
ordre bien déterminé, de façon à transformer la matrice A du système en une matrice
triangulaire superieure.A; c.à.d faire apparaitre que des zéros sous la diagonale de A
(En général, si la matrice A est d’ordre 3, alors l’ordre de ces opérations est : (L2
avec L1) , (L3 avec L1) puis (L3 avec L2).)

(3) Résoudre le système échelonné obtenu AX = B par substitution, et en remontant

de la dernière équation jusqu’à la première équation.

Exemple 10 Résolution du système (S) par la méthode de Gauss.

 23

8
>
< x+y
> z=8
(S) : x + 2y 3z = 5
>
>
:
3x 3y z = 2
On appelle Li la ligne i du système linéaire.
La matrice Augmentée est [ Aj B]
2 3
L1 ! 1 1 1 8
6 7
L2 ! 6
4 1 2 3 5 7
5
L3 ! 3 3 1 2
Pour transformer la matrice A en une matrice triangulaire superieure, on a besoin
de trois 0 sous la diagonale. On fera donc trois étapes pour apparaitre un 0 par étape:

1ere étape, à faire entre L1 et L2 :

Pour notre exemple on fait: L02 = (L2 L1 )

2 3
L2 1 2 3 5 L1 ! 1 1 1 8
6 7
L1 1 1 1 8 ) L02 ! 6
4 0 1 2 3 7
5
L02 = L2 L1 0 1 2 3 L3 ! 3 3 1 2

2eme étape, à faire entre L1 et L3 :

Pour notre exemple on fait: L03 = (L3 3:L1 )

2 3
L3 3 3 1 2 L1 ! 1 1 1 8
6 7
3:L1 3 3 3 24 ) L02 ! 6
4 0 1 2 3 75
L03 = L3 3:L1 0 6 2 22 L03 ! 0 6 2 22

3eme étape, à faire entre L03 et L02 :

Pour notre exemple on fait: L003 = (L03 + 6:L02 )

2 3
L03 0 6 2 22 L1 ! 1 1 1 8
6 7
6:L02 0 6 12 18 ) L02 ! 64 0 1 2 3 7
5
L003 = L03 + 6:L02 0 0 10 40 L003 ! 0 0 10 40
 24

Après ces trois étapes, on revient à la forme du système avec la nouvelle matrice:
0 10 1 0 1
1 1 1 x 8
B CB C B C
B 0 1 2 CB y C = B 3 C
@ A@ A @ A
0 0 10 z 40
8
>
< x+y
> z=8 :::(1)
, y 2z = 3 :::(2)
>
>
:
10z = 40 :::(3)
Et on résout par remontée:
8
>
< (3) , z = 4
>
, (2) , y = 3 + 2(4) = 5
>
>
:
(1) , x = 8 + (4) (5) = 7

Remarque 2.3 Attention

1. Les opérations que nous faisons doivent être linéaires, c’est-à-dire, on ne peut
pas multiplier ou diviser deux lignes entre elles, ni multiplier par 0.
2. Si a11 = 0 on fait une permutation entre l1 et l2 pour gagner une étape
de calcul. Comme par exemple
2 3 2 3
L1 ! 0 1 3 8 L2 ! 1 5 2 1
6 7 6 7
L2 ! 6
4 1 5 2 1 7
5 =) L1 ! 6
4 0 1 3 8 7
5
L3 ! 4 3 1 1 L3 ! 4 3 1 1

3. Les systèmes de Cramer ont une solution unique, donc quelque soit la méthode
utilisée,.on doit trouver le même résultat (la même solution).
4. Tout système de Cramer Homogène , admet la solution nulle dite triviale
comme unique solution.
En e¤et, puisque tout système de cramer possède une solution unique, et puisque
la solution nulle (x1 ; x2 ; ::xn ) = (0; 0; ::; 0) est une solution apparante donc elle sera l’unique
solution cherchée.
 25

2.5 Résolution des systèmes d’équations linéaires non Cramériens

De…nition 2 (Rappelons la loi de Morgan )

Système de Cramer = (Syst carré: AX=B) ^ ( detA6= 0)
Système non Cramerien = (le syst n’est pas carré "debout ou couché" ) _ (carré
mais det A=0).

2.5.1 Principe de résolution des systèmes non Cramerien

Étape 1 : De chaque système non Cramerien à n équations et p inconnues on

extrait un sous-système Cramerien d’ordre maximum r. On le note (Sc )
Les équations et les inconnues qui forment le sous-système sont dites principales.
Celles hors le sous-système sont dites auxiliaires ou non principales. Les équations non
principales sont les équations de véri…cation.

Étape 2: La résolution
On résout le système formé des r équations principales, où les inconnues non prin-
cipales ( si elles existent) sont considérées comme des paramètres et sont reportées au second
membre
Rappelons que le sous-système est Cramérien, on peut donc le résoudre soit par la
matrice inverse, la méthode de Cramer ou la méthode de Gauss.

Étape 3. Conditions de compatibilité du système.

On remplace les solutions trouvées du sous-système dans les équations de véri…ca-
tion, on aura 2 cas possibles:
Cas 1: Si les équations de véri…cation sont véri…ées, le système princi-
pal possède soit une solution unique, soit une in…nité de solutions (si les solutions sont
paramétrées).
Cas 2: Si les équations de véri…cation présentent une contradiction, le système
sera impossible (pas de solution), il est dit incompatible.
 26

2.5.2 Système couché

Dé…nition 2.3 Un ystème couché est un système qui a plus d’inconnues que d’équations.

Exercice 8 Résolution du système couché (S1)

(
x + 2y + 3z = 4
2.5.3 (S1) :
x + 2y 7z = 4
Étape 1: Choisir un sous-système Cramérien (carré + déteminant de sa matrice
des coé¢ cients non nul), par exemple
1 2
Le déterminant principal 2 = = 4 6= 0: On en déduit ue:
1 2

x et y sont les inconnues principales.

z est l’inconnue non principale (z = 2 R un paramétre)

Pas d’équation de véri…cation.

Le sous
8 système à résoudre est:
8
< x + 2y = 4 3z < L1 ! x + 2y = 4 3
(Sc ) =
: x + 2y = 4 + 7z : L2 ! x + 2y = 4 + 7
Étape 2: La résolution

Remark 1 On peut utiliser n’importe quelle méthode pour résoudre ce syst, mais celle la
plus pratique, et pour ne pas calculer trop de déterminants, on utilise la méthode de Gauss.

8
< L1 ! x + 2y = 4 3
(S) =)
: L1 + L2 ! 4y = 8 + 4 =) y = 2 +

L1 =) x = 5
 27

Nous avons une in…nité de solutions de la forme: S = f(x; y; z) = ( 5 ; 2 + ; ) ; 2 Rg

Dans le cas des systèmes couchés, on a toujours une in…nité de solutions, (à cause du
paramètre), on dit qu.on a un "espace" de solutions.

On peut avoir même deux paramètres dans la résolution d’un système, par exemple,
pour résoudre le système

(S3 ) : fx y + 2z = 1

avec une équation et 3 inconnues, il su¢ t de considérer y et z comme paramètres,

notre équation devient x = y 2z + 1,
on pose y et z sont des paramètres; y = et z =
(S3 ) a une in…nité de solutions S = f(x; y; z) = ( 2 + 1; ; ) ; ; 2 Rg

2.5.4 1- Système debout

Dé…nition 2.4 Un système debout est un système qui a plus d’équations que d’inconnues.
8
>
< x 2y = 5
>
Exercice 9 Résolution du système debout (S2) : 2x + 3y = 3
>
>
:
3x + 2y = 7

Étape 1: Choisir un sous-syst Cramérien

1 2
Le déterminant principal 2 = = 7 6= 0: On en déduit :
2 3

Les 2 premières équations sont principales

L3 est l’équation de véri…cation.

Étape 2: La résolution
Le nouveau système à résoudre est
8 8
< L1 ! x 2y = 5 < L1 !x 2y = 5
(Sc ) : =)
: L2 ! 2x + 3y = 3 : 2L1 L2 ! 7y = 7 =) y = 1
 28

L1 =) x = 3

la solution trouvée est (x; y) = (3; 1)

Étape 3: Remplaçons cette solution (3; 1) dans l’équation de véri…ca-

tion
L3 : 3x + 2y = 7 =) 3 (3) + 2 ( 1) = 7 c’est bien véri…ée, Donc le système (S2)
possède une solution unique
S=f(x; y) = (3; 1)g

1.Prenons le même système avec une autre équation de véri…cation:

L3 : 3x + 2y = 2; alors là en remplaçant (x; y) = (3; 1) on aura une contradiction
7=2; donc le système est impossible , pas de solution.

2. Dans le cas des systèmes debout, on peut avoir soit UNE SEULE solu-
tion (si l’équation de véri…cation est satisfaite), soit AUCUNE solution (si l’équation de
véri…cation n’est pas satisfaite).

2.5.5 Système carré avec détA6= 0

8
>
< x
> 2y + 3z = 2
(S3 ) : 2x 3y + 8z = 7
>
>
:
3x 4y + 13z = 8
Le système(S3 ) n’est pas Cramérien puisque le déterminant de sa matrice des
coé¢ cients est nul.
Étape 1: Choisir un sous-syst Cramérien
1 2
Le déterminant principal 2 = = 1 6= 0: On en déduit :
2 3

x et y sont les inconnues principales.

z est l’inconnue non principale (z = 2 R un paramétre)

L3 est une équation de véri…cation.

 29

Étape 2: La résolution
Le nouveau système à résoudre est
8 8
< x 2y = 2 3z < L1 ! x 2y = 2 3
(Sc ) : =
: 2x 3y = 7 8z : L2 ! 2x 3y = 7 8
8
< L1 ! x 2y = 5
(Sc ) =)
: 2L1 L2 ! y= 3 + 2 =) y = 3 2

L1 =) x = 8 7

La solution trouvée est donc (x; y; z) = (8 7 ;3 2 ; ); 2 R:

Étape 3: Remplaçons la solution (x; y; z) = (8 7 ;3 2 ; ) dans l’équation

de véri…cation

L3: 3(8 7 ) 4(3 2 ) + 13 = 12 6= 8 contradiction, donc le système (S2 )

n’admet pas de solution.
 30

Chapitre 3

Diagonalisation des matrices

carrées

Dé…nition 3.1 Diagonaliser une matrice carrée A revient à trouver une matrice de passage
P qui soit inversible et une matrice diagonale D telles que: A = P DP 1.

Attention, les matrices carrées ne sont pas toutes diagonalisables. Pour savoir si
une matrice carrée donnée est diagonalisable ou pas, on doit passer par trois étapes:

1. Calculer ses valeurs propres de la matrice A:

2. Calculer ses vecteurs propres associés aux valeurs propres

3. Appliquer un théorème de diagonalisation (voir les paragraphes ci dessous).

3.1 valeurs propres

Dé…nition 3.2 1) Soit A une matrice carrée d’ordre n; 2 R et X un vecteur non nul de
dimension n.
 31

Si la relation AX = X est satisfaite alors est appelée valeur propre de A et

X un vecteur propre correspondant à .

3.1.1 Polynôme caractéristique

On appelle Polynôme caractéristique d’une matrice carrée A et on note P ( ), le

déterminant de la matrice (A Id), c’est-à-dire P ( ) = det(A Id):

3.1.2 Les valeurs propres

Les valeurs propres d’une matrice carrée A sont les racines de son polynôme car-
actéristique, c’est-à-dire les solutions de l’équation P ( ) = 0:

Une polynôme de degré n a généralement n solutions. mais elles ne sont pas

forcement toutes distinctes.

Multiplicité de la valeur propre

Lorsque la valeur propre apparaît une seule fois dans le polynôme caractéristique,
on dit qu’elle est simple et si elle apparaît k fois dans, on qu’elle est de multiplicité k.

Exercice 10 Déterminer les valeurs propres des matrices suivantes:

0 1 0 1
0 1 1 0 0 1 4 2
2 3 B C B C
Exemple 11 A = @ A; B = B 0 1 0 C; C = B 0 6 3 C:
@ A @ A
4 1
1 1 2 1 4 0

Valeurs propres de A: P ( ) = det(A Id) = 0

2 3
P ( ) = det(A Id) = =0
4 1
= (2 ) (1 ) 12 = 0
2
= 3 10 = 0:
 32

= ( 3)2 4(1)( 10) = 49; les racines de P ( ) sont 1 = 2 et 2 = 5:

Donc 1 = 2 et 2 = 5 sont des valeurs propres simples de A.

Valeurs propres de B: P ( ) = det(B Id) = 0:

0 1
1 0 0
B C
B=B
@ 0 1 0 C
A
1 1 2
donc

1 0 0
P ( ) = det(B Id) = 0 1 0 =0
1 1 2
2
= (1 ) (2 ) = 0:

Les valeurs propres de B sont 1 = 1 de multiplicité 2 (ou valeur propre double),

et 2 = 2 valeur propre simple:

Valeurs propres de C: P ( ) = det(C Id) = 0:

0 1
1 4 2
B C
C=B
@ 0 6 3 C
A
1 4 0
donc

1 4 2
P ( ) = det(C Id) = 0 6 3 =0
1 4
3 2
= 7 + 16 12 = 0:

Rappelons que pour résoudre la dernière équation il faut chercher une solution
apparante dans l’ensemblef 2; 1; 0; 1; 2g :
 33

Dans notre cas 1 = 2 est une racine apparente, on fait donc une division Euclidi-
enne par 1 pour trouver les deux autres racines.

3
7 2 + 16 12 2
2 2 2 5 +6
5 2 + 16 12
10
6 12
0

2
P( ) = ( 2) 5 +6 :

Reste à factoriser 2 5 + 6 par le calcul du discriminant .

= 1; 1 = 2 et 2 = 3:
P( ) = ( 2) ( 2) ( 3) = ( 2) 2 ( 3)

Ainsi 1 = 2 est valeur propre double, et 2 = 3 valeur propre simple de C

3.2 Les vecteurs propres

Soit A une matrice carrée d’ordre n , i les valeurs propres de A

Rappel: Rappelons que par dé…nition chaque valeur propre i annulle le

déterminant de (A i Id) ;et par suite les systèmes (A i Id) X = 0 ne sont pas
Cramériens, et leurs solutions sont paramétrés (avec des paramètres) "Chapitre précé-
dent".

Ainsi chaque système homogène (A i Id) X = 0 admet un espace de solutions

appelé espace propre.
 34

Dé…nitions 3.1

L’espace propre associé à une valeur propre i, est l’espace de solutions du

système non Cramérien (A i Id) X = 0: Il est noté E( i ):

E( i ) = fX 2 Rn (A i Id) X = 0g AvecX 6= 0:

Le vecteur propre associé à la valeur propre i est la solution (non-nulle) du

système (A i Id) X = 0: se sont les vecteurs qui engendrent l’espace propre E i :

On appelle dimension de l’espace propre le nombre de vecteurs engendrant l’espace

E i . On note dimE i :

( Astuce: dimE i
c’est exactement le nombre de paramètres dans l’espace propre
E i)

Exemple 12 Déterminer les vecteurs propres associées aux valeurs propres des matrices
A, B et C précédentes.

Remarque 3.1 Pour chercher les vecteurs propres associées à i, il su¢ t de résoudre
(A i Id) X = 0 (pour chaque i)

Les vecteurs propres de A

0 1
2 3
A=@ A ; 1 = 2 et 2 = 5:
4 1
 35

Pour 1 = 2

(A 1 Id) X = 0 , (A ( 2)Id) X = 0
0 10 1 0 1
4 3 x 0
, @ A@ A=@ A
4 3 y 0
8
< 4x + 3y = 0
,
: 4x + 3y = 0
8
< x = 3y
4
,
: y= 2R
0 1 0 1
3 3
X=@ 4 A = @ 4 A
1
0 1
3
Le vecteur engendrant l’espace propre est V1 @ 4 A ; donc dimE 1 = 1:
1
Pour 2 =5:

(A 2 Id) X =0 , (A (5)Id) X = 0
0 10 1 0 1
3 3 x 0
, @ A@ A=@ A
4 4 y 0
8
< 3x + 3y = 0
,
: 4x 4y = 0
8
< x=y
,
: y= 2R
0 1 0 1
x 1
ou bien: @ A= @ A= 2R
y 1
0 1
1
Le vecteur engendrant l’espace propre est V2 @ A ; donc dimE 2 = 1:
1

Vecteurs
0 propres1de B
1 0 0
B C
B=@ 0 1 0 C
B
A ; 1 = 1 valeur propre double, et 2 = 2 valeur propre simple:
1 1 2
 36

Pour 1 =1

(B 1 Id) X = 0 , (B (1)Id) X = 0
0 10 1 0 1
0 0 0 x 0
B CB C B C
B
, @ 0 0 C B
0 A@ y C=B 0 C
A @ A
1 1 1 z 0
8
>
> 0=0
<
, 0=0
>
>
:
x y+z =0
8
>
< x=y z
>
, y2R
>
>
:
z2R
0 1 0 1 0 1
1 1
B C B C B C
X=B
@
C=
A
B 1 C+
@ A
B 0
@
C;
A 2 R; 2 R:
0 1
0 1 0 1
1 1
B C B C
Les vecteurs engendrant l’espace propre sont V1 B C B C
@ 1 A ;V2 @ 0 A donc dimE 1 =
0 1
2:
Pour 2 =2

(B 2 Id) X = 0 , (B (2)Id) X = 0
0 10 1 0 1
1 0 0 x 0
B CB C B C
B
, @ 0 C B C B
1 0 A@ y A=@ 0 C
A
1 1 0 z 0
8
>
> x=0
<
, y=0
>
>
:
x y=0
8
>
< x=0
>
, y=0
>
>
:
z2R
ou bien
 37

0 1 0 1
0 0
B C B C
X =B C
@ 0 A=
B 0 C ; 2 R:
@ A
1
0 1
0
B C
B
Le vecteur engendrant l’espace propre est V3 @ 0 C
A ; donc dimE 2 = 1:
1

Vecteurs propres de C
0 1
1 4 2
B C
C =B
@ 0 6 3 C
A; 1 = 2 est valeur propre double, et 2 = 3 valeur propre
1 4 0
simple de C
Pour 1 =3

(C 1 Id) X = 0 , (C (3)Id) X = 0
0 10 1 0 1
2 4 2 x 0
B CB C B C
, B
@ 0 3 3 C B C B
A@ y A = @ 0
C
A
1 4 3 z 0
8
>
< 2x + 4y 2z = 0 (1)
>
, 3y 3z = 0 (2)
>
>
:
x + 4y 3z = 0 (3)

2 4
Puisque = = 6 6= 0:
0 3

La variable z = 2 R, et on garde l’équation (3) comme équation de véri…cation:

(2) , y = z on remplace dans (1) , 2x + 4 (z) 2z = 0 , x = z:
(3) , (z) + 4(z) 3z = 0; véri…ée.

Finalement
8 0 1 0 1
>
> x = z 1
< B C B C
y=z ,X=B
@
C=
A
B 1 C;
@ A 2 R:
>
>
:
z2R 1
 38

0 1
1
B C
Le vecteur engendrant l’espace propre est V1 B C
@ 1 A ; donc dimE 1 = 1:
1
Pour 2 = 2

(C 2 Id) X =0 , (C (2)Id) X =0
0 10 1 0 1
1 4 2 x 0
B CB
C B C
, B
@ 0 4 3 C B
C=B 0 C
A@ y
A @ A
1 4 2 0 z
8
>
< x + 4y 2z = 0 (1)
>
, 4y 3z = 0 (2)
>
>
:
x + 4y 2z = 0 (3)

1 4
Puisque = = 4 6= 0
0 4

La variable z = 2 R, et on garde l’équation (3) comme équation de véri…cation:

3 3
(2) , y = 4z on remplace dans (1) , x+4 4z 2z = 0 , x = z:
3
(3) , (z) + 4 4z 2z = 0; véri…ée.

Finalement
8 0 1 0 1
>
< x=z
>
B C B
1
C
y = 34 z , X = B
@
3 C=
A
B
@
3 C;
A 2 R:
>
>
4 4
:
z2R 1
0 1
1
B C
Le vecteur engendrant l’espace propre est V2 B
@
3
4
C ; donc dimE
A 2 = 1:
1

3.3 Théorèmes de Diagonalisation

Théorème 3.1 Soit A une matrice carrée d’ordre n, Si A possède n valeurs propres simples
distinctes, alors A est diagonalisable.

Theorem 1
 39

Théorème 3.2 Si chaque valeur propre de A a un espace propre de dimension égale à sa

multiplicité, alors, A est diagonalisable.

Théorème 3.3 Si A est une matrice carrée diagonalisable, alors A = P DP 1, où D est

la matrice carrée diagonale formée de toutes les valeurs propres de A et P est la matrice
de passage formée par les vecteurs propres associés à i de manière ordonnée.

Théorème 3.4 Si A est une matrice carrée d’ordre n 2, non diagonale, qui possède une
seule valeur propre réelle de multiplicité n, alors A n’est pas diagonalisable dans ( M(R) ).

3.3.1 Proprietés

1. det A = det D = ( 1 ) ( 2 ) ::: ( n ) :

2. La trace de A est dé…nie par:tr(A) = tr(D) = ( 1) +( 2) + ::: + ( n) :

3. Le calcul des puissances d’une matrice diagonalisable est grâce à la formule

Am = P D m P 1

Reprenons donc nos exemples.

Exemple 1:
Pour la matrice A; on a:

Les valeurs propres multiplicite dim E

1 = 2 1(simple) 1
2 =5 1(simple) 1

A est d’ordre 2 et elle a 2 valeurs propres simples, alors A est diagonalisable, (par
le théorème 1).
 40

0 1 0 1
3
2 0 1
A = P DP 1 avec D = @ A et P = @ 4 A
0 5 1 1

Exemple 2 :
Pour la matrice B, on a:

Les valeurs propres multiplicite dim E

1 =1 2(double) 2
2 =2 1(simple) 1

Donc B est diagonalisable, (par le théorème 2: la dimension de chaque espace

propre est égale à la multiplicité de la valeur propre).
0 1 0 1
1 0 0 1 1 0
B C B C
B = P DP 1 avec D = B C B
@ 0 1 0 A et P = @ 1 0 0 C
A
0 0 2 0 1 1
Exemple 3 :
Pour la matrice C, on a:

Les valeurs propres multiplicite dim E

1 =3 2(double) 1
2 =2 1(simple) 1

Donc C n’est pas diagonalisable.

3.3.2 Utilité de la diagonalisation

En diagonalisant une matrice M , on trouve P et D qui véri…ent M = P DP 1; On

peut alors calculer les puissances énièmes de M facilement, puisque:
M = P DP 1

M 2 = M:M = P DP 1 P DP 1 = P D2 P 1 (P 1P = Id).
M3 = M 2 :M = P D2 P 1 P DP 1 = P D3 P 1 :::
 41

Ainsi M n = P Dn P 1:

Id
z }| {
M = P DP 1 =) M P = P DP 1 P
=) P 1M P =D