Institut Sup Erieur Des Etudes Technologiques de Bizerte D Epartement de G Enie M Ecanique Analyse Et Alg' Ebre Premi' Ere Ann EE

INSTITUT SUPÉRIEUR DES ÉTUDES TECHNOLOGIQUES DE BIZERTE
DÉPARTEMENT DE GÉNIE MÉCANIQUE

ANALYSE ET ALGÈBRE
PREMIÈRE ANNÉE
COURS ET EXERCICES. (VERSION PROVISOIRE)

ENSEIGNANT : KAABI NIZAR
2
Table des matières
3
4 TABLE DES MATIÈRES
Chapitre 1
Matrices
Définition
Une matrice de type n, p est un ensemble de nombres réels ou complexes(appelés coef-
ficients de la matrice) rangés dans un tableau de n lignes et p colonnes.
Exemple

0 1 2
A=
3 5 6
Est une matrice de type 2, 3
Notations
– On notera Mn,p (R) l’ensembles des matrices de type n, p à coefficients réels et Mn,p (C)
celles à coefficients complexes.
– On notera Mn (R), respectivement Mn (C), l’ensemble des matrices de type n, n à
coefficients réels, respectivement complexes. On appelera de telles matrices : matrices
carrées d’ordre n. 
0 2 6
Par exemple  1 3 −1  ∈ M3 (R).
−1 5 7
– Soit A ∈ Mn,p . On écrit
A = (aij )1≤i≤n (1.1)
1≤j≤p
Où le coefficient aij se trouve sur l’intersection de la ligne numéro i avec la colonne
numéro j.  
1 5
Exemple A =  2 6  ; a11 = 1, a32 = 7, a22 = 6 . . .
4 7
5
1.1. OPERATIONS SUR LES MATRICES CHAPITRE 1. MATRICES
– On notera par Rn l’ensemble des matrices Mn,1 (R) qui n’ont

 qu’une seule colonne.
1
Ce type de matrice sera appelé vecteur. Par exemple  2  ∈ R3
3
Exercice 1
(−1)i+j
Expliciter la matrice A = (aij = i+j
) 1≤i≤2
1≤j≤2
1.1 Operations sur les matrices

1.1.1 Addition
Soient A = (aij )1≤i≤n et B = (bij )1≤i≤n ∈ Mn,p . La matrice C = A + B est définie par
1≤j≤p 1≤j≤p
C = (cij = aij + bij )1≤i≤n (1.2)

1≤j≤p
Exemple
       
0 −1 1 2 0 + 1 −1 + 2 1 1
 1 2  +  1 −1  =  1 + 1 2 + (−1)  =  2 1 
3 5 1 3 3+1 5+3 4 8
1.1.2 Multiplication par un scalaire

Soient λ ∈ R(resp. C) et A = (ai,j )1≤i≤n ∈ Mn,p (R)(resp. Mn,p (C)).
1≤j≤p
La matrice λA est définie par
λA = (λaij )1≤i≤n (1.3)
1≤j≤p
Exemples    
2 1
1 5 3 15  4   2 
3 = ; 
 8  = 2 4
  
0 6 0 18 
0 0
1.1.3 Produit de deux matrices

Soient n, p et q ∈ N∗ et soient A = (aij )1≤i≤n et B = (bjl )1≤j≤p deux matrices de types
1≤j≤p 1≤l≤q
n, p et p, q respectivement.
La matrice C = AB est de type n, q et définie par
p
X
C = (cil )1≤i≤n ; cil = aij bjl (1.4)
1≤l≤q
j=1
K.Nizar (69141720sya@gmail.com) 6 I.S.E.T BIZERTE 2020

CHAPITRE 1. MATRICES 1.1. OPERATIONS SUR LES MATRICES
Exemple 1    
a11 a12 c11 c12
 a21 a22  b11 b12 =  c21 c22 
b b
a31 a32 | 21 {z 22 } c31 c32
| {z } de type 2,2 | {z }
de type 3,2 de type 3,2
2
X
c32 = a3j bj2 = a31 b12 + a32 b22
j=1
Exemple 2
 
1 1
1 3 5  1 × 1 + 3 × 2 + 5 × 1 1 × 1 + 3 × 3 + 5 × 0 12 10
2 3 = =
0 2 1 0×1+2×2+1×1 0×1+2×3+1×0 5 6
| {z } 1 0 | {z }
de type 2,3 | {z } de type 2,2
de type 3,2
Exercice 2
Soient les matrices


1
0 5 1 2 1
A= ; B= ; C= ; D= 0 
1 3 5 3 2
5
 
1 1 5
E= 1 1 2 ; F =  0 −1 1 
1 2 1
Calculer AB, BA, BC, DE, ED, EF et F D.
Remarques
– On ne peut pas calculer F A, ni DB . . .
– DE est de type 3, 3 et ED est de type 1, 1
– AB et BA sont de type 2, 2, mais AB 6= BA. Le produit de matrices carrées (d’ordre
n, en général) n’est pas commutatif.
1.1.4 Transposition
La transposée d’une matrice A = (aij )1≤i≤n ∈ Mn,p est la matrice notée tA ∈ Mp,n et
1≤j≤p
définie par
tA = (a0ij ) 1≤i≤p ; où a0ij = aji , ∀i, j, 1 ≤ i ≤ p, 1 ≤ j ≤ n
1≤j≤n
Remarquons que cette definition implique que la colonne numéro i de la matrice tA est la
ligne numéro i de la matrice A.

1.2. MATRICES CARRÉES D’ORDRE N CHAPITRE 1. MATRICES
Exemple
 
1 0
1 3 7
A= , tA =  3 6 
0 6 9
7 9
1.2 Matrices carrées d’ordre n

Dans la suite nous allons nous interesser à l’ensemble Mn (R) des matrices carrées d’ordre
n à coefficients réels. Nous noterons Mn cet ensemble.
Remarque
Soient A, B ∈ Mn et λ ∈ R.
On a A + B ∈ Mn , λA, λB ∈ Mn , AB et BA ∈ Mn . Ainsi l’ensemble Mn est stable par
addition, multiplication et multiplication par un scalaire. Dans la suite nous allons étudier
cet ensemble muni de ces opérations.
1.2.1 Eléments neutres

– L’élément neutre de l’addition dans Mn est la matrice nulle (tous ses coefficients sonts
nuls) que nous noterons 0. Par exemple :
– Dans M1 , 0 = (0)
0 0
– Dans M2 , 0 =
0 0 
0 0 0
– Dans M3 , 0 =  0 0 0 
0 0 0
– L’élément neutre de la multiplication dans Mn est la matrice notée In et définie par

aii = 1
In = (aij ) 1≤i≤n ,
1≤j≤n aij = 0, i 6= j
Autrement dit les coefficients de la diagonale sont égaux à 1 et les autres sont nuls.
Par exemple
– I1 =
(1)
1 0
– I2 =
0 1 
1 0 0
– I3 =  0 1 0 
0 0 1
On pourra vérifier que ∀A ∈ Mn , on a AIn = In A = A.

CHAPITRE 1. MATRICES 1.2. MATRICES CARRÉES D’ORDRE N
1.2.2 Polynôme d’une matrice

Soit P (X) = a0 + a1 X + · · · + ap X p un polynôme à coefficients réels ou complexes, et
A ∈ Mn une matrice carrée d’ordre n.
La matrice P (A) est définie par
P (A) = a0 In + a1 A + · · · + ap Ap

2 1 0
Exemple P (X) = X − 3X + 2, A =
2 1

2 1 0 1 0 1 0 2 0 0 0
On a, P (A) = A − 3A + 2I2 = −3 + =
2 1 2 1 2 1 0 2 2 0
1.2.3 Matrices remarquables

Matrices diagonales
Une matrice A = (aij ) 1≤i≤n ∈ Mn est dite diagonale si et seulement si
1≤j≤n
aij = 0, ∀i, j /i 6= j
Autrement dit tous les coefficients qui ne se trouvent pas sur la diagonale sont nuls. On
notera Dn le sous ensemble de Mn constitué des matrices diagonales, et pour toute matrice
A ∈ Dn , on notera A = (aii )1≤i≤n
Par exemple  
2 0 0 0
 0 6 0 0 
 0 0 −7 0  ∈ D4
 
0 0 0 5
– Soient A et B ∈ Dn . Vérifier que AB = BA. Deux matrices diagonales commutent.
– Vérifier que
 2  2 
a 0 0 a 0 0
 0 b 0  =  0 b2 0 
0 0 c 0 0 c2
Plus généralement pour A = (aii )1≤i≤n ∈ Dn on a
Ap = (apii )1≤i≤n
– Soit A = (aii = k)1≤i≤n ∈ Dn où k est un nombre réel.

Vérifier que AB = BA, ∀B ∈ Mn (A commute avec toutes les matrices carrées
d’ordre n).

Matrices triangulaires
Soit A = (aij ) 1≤i≤n ∈ Mn . On dit que A est triangulaire supérieure si et seulement si

1≤j≤n
aij = 0 lorsque
 i > j. Onnotera Tn l’ensemble des matrices triangulaires supérieures.
a b c
Par exemple  0 d e  ∈ T3 .
0 0 f
On dira qu’une matrice est triangulaire inférieure si elle est la transposée d’une matrice
triangulaire supérieure.
Matrices nilpotentes
Une matrice carrée A d’ordre n non nulle est dite nilpotente si et seulement si il existe
p ∈ N tel que Ap = 0 (la matrice nulle)
2
0 a 0 0
Par exemple = ∀a ∈ R
0 0 0 0
 
0 b c
– Verifier que A =  0 0 e  est nilpotente.
0 0 0
– Plus généralement soit A = (aij ) 1≤i≤n ∈ Mn telle que aij = 0 pour i ≥ j. Verifier que
1≤j≤n
A est nilpotente.
Exercice 3

0 3 0 0
Soient les matrices A = et B =
0 0 0 1
– Verifier que B = B. Remarquer que, dans R, b2 = b =⇒ b = 1 ou 0. Ceci n’est plus
2
vrai dans M2 , ni dans Mn en général.

Trouver d’autres matrices X dans M2 , puis dans Mn telles que X 2 = X.
– Verifier que AB = A. Remarquer que, dans R, si ab = a et que a 6= 0 alors
nécésserement b = 1. On voit bien que ceci n’est plus vrai dans Mn
– Verifier que BA = 0. Comparer avec R.
1 0
– Soient a ∈ R et A = . Calculer A2 et A3 . Calculer An , ∀n ∈ N.
a 1
Exercice 4
On considère la matrice  
1 2 3 4
A= 5 6 7 8 
9 10 11 12

 
2
– Trouver une matrice X telle que AX =  6 . Autrement dit, on se propose
10
d’extraire le deuxième colonne.  
2
– Peut-on trouver une matrice Y telle que Y A =  6  ? On justifiera.
10
– Trouver une matrice Y telle que Y A = 5 6 7 8 . Autrement dit, on se propose
d’extraire la deuxième ligne.
– Peut-on trouver une matrice X telle que AX = 5 6 7 8 ? On justifiera.
– Trouver les matrices X et Y telles queY AX
= 7.
2 3
– Trouver la matrice Z telle que AZ =
6 7
1.2.4 Le déterminant
Idée

a c
Soient et deux vecteurs de R2 . Deux cas sont possibles : ou bien il existe
b d
une relation entre ces deux vecteurs (on dit alors qu’ils sont colinéaires) ; ou bien il n’existe
aucune relation (auquel
cas on dit qu’ils sont libres). Dans le premier cas il existe un
a c
nombre α tel que =α , ce qui est équivalent à ad − bc = 0. Dans le deuxième
b d
cas α ne peut exister et, par conséquent, on a nécessairement ad − bc 6= 0. De sorte que le
nombre ad − bc indique si les deux
 vecteurs
  0 sont liés  par une relation ou non.
00

a a a
Dans le cas de trois vecteurs  b ,  b0  et  b00  de R3 l’existence d’un lien se
c c0 c00
traduit par le fait que l’un des trois vecteurs s’écrit en fonction des deux autres. Le nombre
qui indique l’existence ou non d’un lien est alors : ab0 c00 + a0 b00 c + a00 bc0 − ab00 c0 − a0 bc00 − a00 b0 c.
Exemples :
2 1
– On a =2 . Ces deux vecteurs sont donc colinéaires ;
4 2
et
 on a bien : 2 ×2 − 
4 × 1 =0.
0 1 −1
–  5  =  2  +  3 . Ces trois vecteurs sont donc liés (coplanaires) ; et on
2 −2 4
a bien : 1×5×4+0×3×(−2)+(−1)×2×2−1×3×2−0×2×4−(−1)×5×(−2)
      = 0.
1 0 −1
– Par contre, aucun des trois vecteurs  2  ;  1  ; et  3  ne peut s’écrire
1 0 4
en fonction des deux autres, et on a bien, en effet :
1 × 1 × 4 + 0 × 3 × 1 + (−1) × 2 × 0 − 1 × 3 × 0 − 0 × 2 × 4 − (−1) × 1 × 2 = 5 6= 0.

Dans la suite nous allons définir le déterminant d’une familles de n vecteurs de Rn ; autre-
ment dit, d’une matrice carrée d’ordre n.
Ce nombre servira à prédire si l’un des n vecteurs peut s’écrire en fonction des autres.
Mineur d’une matrice

Soit A = (aij ) 1≤i≤n une matrice carrée d’ordre n.
1≤j≤n
Le mineur Aij de la matrice A est la matrice qu’on obtient en enlevant la ligne i et la
colonne j de lamatrice A. 
a11 a12 a13
a11 a12
Exemple A =  a21 a22 a23 , on a A23 =
 .
a31 a32
a31 a32 a33
Exercice 5
Ecrire les 8 autres mineurs de la matrice A.
Le déterminant
A chaque matrice A dans Mn on associe un nombre appelé le déterminant de A et noté
detA. Nous allons définir ce nombre d’une manière inductive.
– Dans M1 , A = (a), detA = a
a b
– Dans M2 , A = , detA = ad − bc.
c d
– Dans M3 nous travaillerons
 avecun exemple.
1 0 1
Soit la matrice A =  2 3 1 .
1 1 2
Pour chaque i, 1 ≤ i ≤ 3 considérons le nombre
3
X
∆i = (−1)i+j aij detAij = (−1)i+1 ai1 detAi1 + (−1)i+2 ai2 detAi2 + (−1)i+3 ai3 detAi3
j=1
On a
3
X
∆2 = (−1)2+j a2j detA2j = (−1)2+1 a21 detA21 + (−1)2+2 ai2 detA22 + (−1)2+3 a23 detA23
j=1

0 1 1 1 1 0
= −2det + 3det − det
1 2 1 2 1 1
= −2(0 × 2 − 1 × 1) + 3(1 × 2 − 1 × 1) − (1 × 1 − 1 × 0)
= 4

Vérifier que, de même ∆1 = ∆3 = 4

D’une manière analogue, pour chaque colonne j fixée on définit le nombre
3
X
Γj = (−1)i+j aij detAij = (−1)1+j a1j detA1j + (−1)2+j a2j detA2j + (−1)3+j a3j detA3j
i=1
On pourra Verifier par le calcul que Γ1 = Γ2 = Γ3 = 4

– On définit ainsi, de proche en proche, pour toute matrice A = (aij ) 1≤i≤n ∈ Mn les
1≤j≤n
deux ensembles de nombres {∆1 , ∆2 , . . . , ∆n }, et {Γ1 , . . . Γn }.
On a le résultat suivant : ∀1 ≤ i ≤ n, 1 ≤ j ≤ n, les nombres
n
X
∆i = (−1)i+k aik detAik (1.5)
k=1
et
n
X
Γj = (−1)l+j alj detAlj (1.6)
l=1
sont égaux et indépendants de i et j. Leur valeur commune s’appelle le déterminant

de A.
Remarque
En developpant le déterminant d’une matrice il est pratique de choisir la ligne ou la
colonne qui contient le plus de zéros.
Par exemple, en choisissant la ligne i = 2 on a
 
1 7 2
5 1 7
det  0 0 1  = (−1) det = −(2 − 7) = 5
1 2
1 2 4
Si on avait choisit la ligne i = 1 on aurait fait un calcul plus long pour aboutir au même
résultat. En effet :
 
1 7 2
1+1 0 1 1+2 0 1 1+3 0 0
det  0 0 1  = (−1) det + (−1) 7det + (−1) 2det
2 4 1 4 1 2
1 2 4
=7−2=5
Exercice 6
 
a 0 0
– Vérifier que det  0 b 0  = abc
0 0 c
Plus généralement soit A = (aii )1≤i≤n ∈ Dn . Vérifier que detA = a11 a22 . . . ann .
En particulier on a detIn = |1 × 1{z· · · × 1} = 1
n fois

 
a b c
– Verifier que det 0 d
 e  = adf .
0 0 f
Plus généralement soit A = (aij ) 1≤i≤n ∈ Tn une matrice triangulaire supérieure,
1≤j≤n
vérifier que
detA = a11 a22 . . . ann (1.7)
– Posons :  
5 0 4 5 2

 4 0 9 11 7 

A=
 4 0 54 13 7 

 78 0 12 33 5 
93 0 13 17 3
Que vaut det(A) ? (on ne fera pas de calcul).
Quelques proprietés
1. Soient A et B deux matrices dans Mn . On a
det(AB) = (detA)(detB) (1.8)
Dans M1 cette formule est évidente. On peut la démontrer facilement dans M2 . En

effet, soient 0 0
a b a b
A= et B =
c d c0 d0
– Calculer AB
– Calculer detA, detB et det(AB), puis conclure.
2. Soient A ∈ Mn et λ ∈ R ou C. On a
det(λA) = λn detA (1.9)
Pour s’en assurer calculer, par exemple

λa λb
det
λc λd

a b a λb
3. – Trouver une matrice X telle que X= , λ ∈ R.
c d c λd
– En déduire que
a λb a b
det = λdet
c λd c d

– Plus généralement : Si on modifie une matrice A ∈ Mn en multipliant une

de ses colonnes(resp. lignes) par un scalaire λ 1 alors le déterminant de
la nouvelle matrice vaut λdet(A).
4. Posons
a b b a c d
A= ; B= ; C=
c d d c a b
– Trouver une matrice X telle que

a b b a
X=
c d d c
Vérifier, en appliquant la première propriété, que det(B) = −det(A)

– Trouver une matrice X ∈ M2 telle que

a b c d
X =
c d a b
Que peut-on constater en appliquant la première proprieté à cette identité ?.

   
a b c c b a
 a0 b 0 c 0  X =  c 0 b 0 a0 
a00 b00 c00 c00 b00 a00

   
a b c a b c
X  a0 b0 c0  =  a00 b00 c00 
a00 b00 c00 a0 b 0 c 0
Encore une fois tirer une conclusion en appliquant la première proprieté.
Exercice 7
Soit A ∈ M4 . Trouver les matrices X{i,j} ∈ M4 telles que l’opération AX{i,j} permute
les colonnes i et j de A. On fera les 6 cas.
Plus généralement nous avons le résultat suivant : la permutation de deux lignes(resp.de

deux colonnes) distinctes change le signe du déterminant.

a b a b + λa
5. Comparer det et det où λ ∈ R.
c d c d + λc
Trouver une matrice X telle que

a b a b + λa
X=
c d c d + λc
1. Ici un nombre réel ou complexe

Trouver une matrice X telle que

   
a b c a b + λa c
 a0 b0 c0  X =  a0 b0 + λa0 c0 
a00 b00 c00 a00 b00 + λa00 c00
Tirer une conclusion en utilisant la première propriété.
Plus généralement nous avons l’importante proprieté suivante :

Le déterminant d’une matrice reste inchangé si on ajoute
à une colonne p un multiple d’une autre colonne q (avec p 6= q)
En d’autres termes :
   
a11 a12 . . . a1p + λa1q . . . a1n a11 a12 . . . a1p . . . a1n
 a21 a22 . . . a2p + λa2q . . . a2n   a21 a22 . . . a2p . . . a2n 
   
 ... ... ...
det  ... ... ... ... ... ... ... ... ...
 = det  
  
 ... ... ... ... ... ...   ... ... ... ... ... ... 
an1 an2 . . . anp + λanq . . . ann an1 an2 . . . anp . . . ann
(1.10)
Quelques soient les colonnes p et q, (p 6= q) et le scalaire λ.
Autrement dit le déterminant reste inchangé si on ajoute à une colonne un mul-
tiple réel d’une autre. Un resultat analogue vaut aussi pour les lignes. Remarquons
par ailleurs que ce resultat sert à simplifier le calcul du déterminant. Par exemple :
     
1 2 3 1 + (−2) × 2 2 3 −1 2 3
det  2 1 1  = det  2 + (−2) × 1 1 1  = det  0 1 1  = −(1−2) = 1
4 2 1 4 + (−2) × 2 2 1 0 2 1
Exercice 8
– Calculer rapidement
   
1 2 −1 7 1 1 1 1
 1 2 −1 1 
  2 1 3 1 
det  ; et det  
 1 3 −1 2   4 1 −1 1 
1 5 3 4 1 2 2 1
 
3 1 4 4 2

 4 1 9 4 7 

– Posons A = 
 4 1 54 4 7 . Vérifier rapidement que det(A) = 0.

 78 1 12 4 5 
93 1 13 4 3

– Soit A ∈ Mn . Montrer que si A possède deux colonnes (resp. deux lignes) iden-
tiques alors detA = 0. Montrer que si A possède deux colonnes (resp. deux lignes)
proportionnelles alors detA = 0
1.2.5 Le polynôme caractéristique

Soit A ∈ Mn une matrice carrée d’ordre n. Le polynôme caractéristique de A est le
polynôme, noté PA (X) et définit par :
PA (X) = det(A − XIn ) (1.11)
Exemple
Soit
1 2
A=
3 5
On a
1 0 X 0
– XI2 = X = (multiplication par un scalaire).
0 1 0 X
1 2 X 0 1−X 2
– A − XI2 = − = (addition de matrices)
3 5 0 X 3 5−X
1−X 2
– det(A − XI2 ) = det = X 2 − 6X − 1 (définition du déterminant)
3 5−X
Enfin PA (X) = X 2 − 6X − 1
Remarque
On a

2 7 12 6 12 1 0 0 0
PA (A) = A − 6A − I2 = − − =
18 31 18 30 0 1 0 0
Exercice 9
 
1 0 1
Soit A =  2 0 1 .
3 1 1
Vérifier que PA (X) = −X 3 + 2X 2 + 3X + 1 et que PA (A) = 0 (la matrice nulle de M3 ).
A retenir
Soit A ∈ Mn une matrice carrée d’ordre n et PA (X) son polynôme caractéristique. On
a:
PA (A) = 0 (1.12)

1.2.6 Inverse d’une matrice carrée

Rappelons que si x est un nombre réel non nul alors son inverse est le nombre y tel que
xy = 1(l’élément neutre de la multiplication dans R).
Soit maintenant A ∈ Mn une matrice carrée d’ordre n. S’il exixte une matrice B ∈ Mn
telle que AB = In (In étant l’élément neutre de la multiplication dans Mn ), alors on dit
que B est l’inverse de A et on écrit B = A−1 .
Exemple 1

0 1
Soit la matrice P = .
3 0
– Vérifier que : P 2 = 3I2
– En déduire que P ( 13 P ) = I2 .
– Conclure que :
0 31

−1
P =
1 0
Exemple 2

1 2
Soit A = . On se propose de trouver une matrice B telle que AB = I2 .
2 5
– Verifier que PA (X) = X 2 − 6X + 1
– Justifier que A2 − 6A + I2 = 0. En déduire que A2 − 6A = −I2 .
– Remarquer que A2 − 6A = −I2 =⇒ 6A − A2 = I2 . D’où, en mettant en facteur :
A (6I2 − A) = I2
| {z }
A−1
– Enfin
−1 5 −2
A = 6I2 − A =
−2 1
– Vérification : en éffet, nous avons

1 2 5 −2
= I2
2 5 −2 1
Exercice 10
Soit la matrice  
1 0 1
A= 2 0 1 
3 1 1

– Verifier que PA (X) = −X 3 + 2X 2 + 3X + 1. En déduire que

 
−1 1 0
A−1 = A2 − 2A − 3I3 =  1 −2 1 
2 −1 0
– Faire une vérification.
Exercice 11
Soit la matrice  
1 2 1
A= 0 3 5 
0 2 2
En suivant la démarche des exemples précédents, montrer que
1 12 − 74
 
A−1 =  0 − 12 54 
0 21 − 34
Exercice 12
Soient A et B deux matrices non nulles de Mn . On suppose de plus que AB = 0. On
se propose de démontrer que cette condition implique que A n’est pas inversible. A cette
fin on supposera le contraire, et on cherchera une contradiction.
Supposons donc que A est inversible (A−1 existe), on a
AB = 0 =⇒ A−1 (AB) = 0 =⇒ (A−1 A) B = 0 =⇒ B = 0

| {z }
I
| n{z }
B
Ce qui contredit l’hypothèse B 6= 0. On conclut que A n’est pas inversible.
Remarque
Rappelons que dans R, xy = 0 =⇒ x = 0 ou y = 0. L’exercice précédent montre que
ce résultat n’est plus vrai dans Mn (sauf pour n = 1).
Exercice 13

1 2 −4 2
Soient A = et B = .
2 4 2 −1
Vérifier que AB = 0 (la matrice nulle de M2 ). En déduire que A n’est pas inversible (A−1
n’éxiste pas).

Cas particuliers
 
a 0 0
– Soit A =  0 b 0  avec a, b et c non nuls.
0 0 c  1     1 
a 0 0 a
0 0 1 0 0 a
0 0
Il est clair que  0 b 0   0 1b 0  =  0 1 0  d’où A−1 =  0 1b 0 
0 0 c 0 0 1c 0 0 1 0 0 1c
Remarquer que la condition a, b et c non nuls équivaut à det(A) 6= 0. Plus généralement
si A = (aii )1≤i≤n ∈ Dn 2 telle que det(A) 6= 0 alors A est inversible et A−1 = ( a1ii )1≤i≤n .

a b
– Soit A =
c d
a b d −b ad − bc 0
Remarquer que = = (det(A))I2
c d −c a 0 ad −
bc
a b 1 d −b
D’où, si ad − bc 6= 0 (det(A) 6= 0), on a = I2
c d det(A) −c a
Ainsi
−1
a b 1 d −b
=
c d det(A) −c a
Remarquons que dans ces cas particuliers A est inversible si et seulement si
det(A) 6= 0. Dans le paragraphe qui suit nous allons voir que c’est encore vrai dans
le cas général.
Exercice 14
Soit  
a b 0
A= c d 0 
0 0 1
telle que ad − bc 6= 0. Trouver A−1 . En s’inspirant de cet exemple, donner deux autres
formules analogues.
1.2.7 Condition d’inversion

Exercice 15

a b
– A= . Calculer PA (X) et det(A). Que remarquez-vous ?
c d
– En revenant aux exemples précédents, comparer le déterminant d’une matrice avec
le coefficient constant de son polynôme caractéristique.
2. Cette notation sous entend que, pour i 6= j, on a aij = 0

A retenir
Soit A ∈ Mn une matrice carrée d’ordre n et PA (X) = a0 +a1 X +. . . an X n son polynôme
caractéristique. On a
det(A) = a0 (1.13)
Condition d’inversion
Le résultat précédent nous permet de trouver la condition nécéssaire et suffisante pour
qu’une matrice soit inversible.
En effet, soit A ∈ Mn et PA (X) = a0 + a1 X + . . . an X n , son polynôme caractéristique.
– Supposons que det(A) 6= 0. Ceci implique que a0 6= 0.
D’autre part
PA (A) = 0 =⇒ an An + an An−1 + · · · + a1 A + a0 In = 0
D’où, en mettant A en facteur :
1
A (− (an An−1 + · · · + a1 In )) = In
a
| 0 {z }
A−1
On en conclut que A est inversible et que A−1 = (− a10 (an An−1 + · · · + a1 In ))

– Si det(A) = 0 alors A n’est pas inversible, car l’hypothèse ”A inversible” conduit à une
contradiction. En éffet : det(AA−1 ) = detIn = 1. Autrement dit (detA −1
| {z })(detA ) = 1,
0
et donc 0 = 1.
A retenir
Soit A ∈ Mn . A est inversible si et seulement si det(A) 6= 0.
Exercice 14
Soient A et B ∈ Mn toutes les 2 inversibles. Montrer que AB est inversible et que
(AB)−1 = B −1 A−1 (1.14)
Une formule pratique :

Rappelons que si ad − bc 6= 0, on a
−1
a b 1 d −b
=
c d ad − bc −c a


d −b d −c
La matrice est la transposée de la matrice . Cette dernière s’ap-
−c a −b a
pelle la comatrice de A.
Plus généralement, étant donnée une matrice A = (aij ) 1≤i≤n , la comatrice de A, notée
1≤j≤n
com(A), est la matrice définie par :
(com(A)ij ) 1≤i≤n = (−1)i+j det(Aij )

1≤i≤n (1.15)
1≤j≤n 1≤j≤n
Où Aij est le mineur correspondant à la ligne i et la colonne j de la matrice A.

On rtiendra également le résultat suivant : Lorsque det(A) 6= 0
1
A−1 = tcom(A) (1.16)
det(A)
 
1 1 2
Exemple : Soit la matrice A =  2 1 1 
1 1 3
– Vérifier que det(A) = −1.
 
2 −5 1
– Vérifier que com(A) =  −1 1 0 
−1 3 −1 
−2 1 1
−1
– En déduire que A =  5 −1 −3 . On pourra s’assurer, en explicitant le
−1 0 1
calcul, que AA−1 = I3 .
1.2.8 L’équation AX = b
Dans R, l’équation ax = b, avec a 6= 0, admet pour unique solution le nombre ab = a−1 b.
Dans Rn , a est remplacé par une matrice A ∈ Mn 3 et x par un vecteur X ∈ Rn . La condition
a 6= 0 devient alors det(A) 6= 0, et la solution de l’équation AX = b est X = A−1 b.
Exemple : Résoudre le système :

 x + y + 2z = 1
2x + y + z = 1
x + y + 3z = 1

Il est facile de voir que le système

 formé par
 les trois
 équations
 précédentes
  peut s’écrire
1 1 2 1 x
sous la forme AX = b où A =  2 1 1 , b =  1  et X =  y  est le vecteur
1 1 3 1 z
3. Plus généralement, par A ∈ Mm,n

inconnu de R3 qu’on cherche à déterminer.

D’après ce qui précède la solution est
      
x −2 1 1 1 0
 y  =  5 −1 −3   1  =  1 
z −1 0 1 1 0
Autrement dit x = 0, y = 1 et z = 0.
On aurait pu résoudre le système précédent par une autre méthode : On ajoutant à la

troisim̀e ligne (la ligne L3 ) la première ligne (la ligne L1 ) qu’on aura préalablement multiplié
pa -1 n obtient le système :

 x + y + 2z = 1
2x + y + z = 1
z = 0

En ajoutant à la ligne L2 la ligne L1 qu’on aura préalablement multiplié par -2 on obtient :

 x + y + 2z = 1
−y − 3z = −1
z = 1

Ce qui nous ramène à la même solution : x = 0, y = 1 et z = 0.

Nous pouvons résumer cette méthode par :

 x + y + 2z = 1
−L1 + L3 → 2x + y + z = 1
z = 0


 x + y + 2z = 1
−2L1 + L2 → −y − 3z = −1
z = 0


 x+y = 1
−3L3 + L2 ; et − 2L3 + L1 → −y = −1
 z = 0

 x = 0
L2 + L1 → −y = −1
z = 0

 x = 0
−L2 → y = 1
z = 0


Ou encore, en ne tenant compte, cette fois, que des coefficients :

 
1 1 2 1
. →  2 1 1 1 
 1 1 3 1 
1 1 2 1
−L1 + L3 →  2 1 1 1 
 0 0 1 0 
1 1 2 1
−2L1 + L2 →  0 −1 −3 −1 
0 0 1 0
Jusqu’à ce qu’on arrive à  

1 0 0 0
 0 1 0 1 
0 0 1 0
 
1
La dernière colonne en gras étant réservée au vecteur b =  1  et à ses transformations.
1

Un exemple dans R4
On se propose de trouver les nombres x, y, z et t tels que

 x + 2y + z − 2t = 2

x + 3y + t = 2


 x+y+z−t = 5
x + 4y + 2z + 3t = 3

On traduit ce système par la matrice

 
1 2 1 −2 2
 1 3 0 1 2 
 
 1 1 1 −1 5 
1 4 2 3 3
En passant par les étapes suivantes : −L1 + L2 ; −L1 + L3 ; −L1 + L4 nous obtenons la
matrice :  
1 2 1 −2 2
 0
 1 −1 3 0  
 0 −1 0 1 3 
0 2 1 5 1
En passant par les étapes suivantes :L2 + L3 ; −2L2 + L4 nous obtenons la matrice
 
1 2 1 −2 2
 0 1 −1 3 0 
 
 0 0 −1 4 3 
0 0 3 −1 1
Enfin passant par l’étape suivante : 3L3 + L4 , nous obtenons la matrice
 
1 2 1 −2 2
 0 1 −1 3 0 
 
 0 0 −1 4 3 
0 0 0 11 10
1
L’étape L
11 1
nous fournit la matrice :
 
1 2 1 −2 2
 0
 1 −1 3 0 

 0 0 −1 4 3 
10
0 0 0 1 11
−4L1 + L3 donne
 
1 2 1 −2 2
 0
 1 −1 3 0 

4×10 
 0 0 −1 0 3 − 11
10
0 0 0 1 11

En continuant ainsi on finit par trouver

0 81
 
1 0 0 11
 0 1
 0 0 − 23 
11 
 0 0 7
1 0 11 
0 0 0 1 10
11
10 7 23
Autrement dit t = 11 , z = 11 , y = − 11 et x = 81
11
.
La méthode que nous venons d’illustrer à travers les deux exemples précédents est appelée
Pivot de Gauss (du nom du mathématicien allemand qui l’a formalisée). A chaque étape
le pivot est le coefficient diagonal aii qu’on utilise pour élimener la variable xi .
Inversion des matrices

La méthode du pivot utilise les trois opérations élémentaires suivantes : la multiplication
d’une ligne par un scalaire ; l’ajout d’un multiple d’une ligne à une autre ; la permutation de
deux lignes. Toutes ces opérations, comme on l’a déjà remarqué en étudiant les propriétés
du déterminant, sont en réalité des multiplications matricielles (voir aussi l’exercice 15).
Soit donc A une matrice inversible. Constituons la matrice augmentée (A|In ). Si on effectue
sur cette nouvelle matrice des opérations élémentaires qui permettent d’obtenir In dans le
membre de gauche, alors nous sommes certains d’avoir obtenu A−1 dans le membre de
droite 4 .  
2 −1 0
Exemple : Soit à inverser la matrice A =  −1 2 −1 .
0 −1 2
– Constituons la matrice augmentée
 
2 −1 0 1 0 0
(A|I3 ) =  −1 2 −1 0 1 0 
0 −1 2 0 0 1
.
– Montrer qu’une série d’opérations élémentaires permet de la transformer en
1 0 0 34 12 41
 
(I3 |A−1 ) =  0 1 0 12 1 12 
0 0 1 14 12 43
.
3 1 1
 
4 2 4
A−1 =  1
2
1 1
2

1 1 3
4 2 4
4. Dans le membre gauche on aura In = A−1 A, et alors, nécessairement, dans le membre droite on doit
avoir A−1 In ; car A−1 s’écrit sous la forme A−1 = Ap . . . A1 où les matrices Ai représentent les opérations
élémentaires éffectuées

Équations incompatibles

x + 3y = 1 x + 3y = 1
Le système équivaut au système . Évidemment il
2x + 6y = 8 x + 3y = 4
ne possède pas de solutions rélles car 1 6= 4 dans R.
Infinité de solutions : 
 x + 2y + 3z = 0
En appliquant la méthode du pivot de Gauss au système 3x + 4y + 7z = 0 nous
x − 2y − z = 0

obtenons
     
1 2 3 0 1 2 3 0 1 2 3 0
 3 4 7 0  →  0 −2 −2 0  →  0 −2 −2 1 
1 −2 −1 1 0 −4 −4 0 0 0 0 1

x + 2y + z = 0
Ce qui se traduit par le système . On voit bien que ces conditions
y+z = 0
= z =−y. Autrement
équivalentà x   dit, le vecteur solution doit nécessairement prendre
x x
la forme  y  =  −x . Pour chaque choix de x nous avons donc une solution, et
z x
l’ensemble de toutes les solutions est donné par :
 
1
S = {x  −1  , x ∈ R}
1
Exercice 15
– Vérifier qu’on a bien
    
1 0 0 1 a b c d a+i b+j c+k d+l
 0 1 0 0  x y
  z t   x
  y z t 

 0 0 = 
1 0  e f g h   e f g h 
0 0 0 1 i j k l i j k l
C’est un exemple de ce qu’une opération élémentaire (ici L1 + L4 ) se traduit par une

multiplication matricielle.
– Montrer que l’ensemble des solutions de l’équation x − y + z = 3 est donné par :
   
1 −1
S = {a  1  + b  0  , a, b ∈ R}
0 1
Justifier que c’est une équation de type AX = b.

– Résoudre le système

 x − y + 2z = 5
3x + 2y + z = 10
2x − 3y − 2z = −10

– Résoudre le système :


 2x − y − z − t = −1
x − 3y + z + t = −2


 x + y − 2z + 4t = 4
x − y + z − 2t = −8

On trouvera x = −5, y = −3, z = −6 et t = 0.
1.2.9 Matrices équivalentes

Soient A et B ∈ Mn . On dit que A et B sont équivalentes si et seulement si il existe
une matrice P inversible telle que A = P BP −1 . Attention, les matrices A et B ne sont pas
égales, car la multiplication dans Mn n’est pas commutative.
Exemple
1 1
7
− 12

2 2
2 1 1 1 2
1 =
2
−1 1 3 1 −1 − 21 32
| {z 2 } | {z } | {z } | {z }
P B P −1 A
Remarque
Etant donnée une matrice carrée A, il est trés avantageux (bien que ce ne soit pas
toujours possible) de trouver une matrice diagonale qui lui est équivalente.
Exercice 16
Soient A, B et P ∈ Mn telles que A = P BP −1 .

– Montrer que A2 = P B 2 P −1 .
– Montrer que An = P B n P −1 , ∀n ∈ N.
– Montrer que si B est inversible alors A est inversible et on a A−1 = P B −1 P −1
– Montrer que det(A) = det(B)
– Montrer que PA (X) = PB (X). On remarquera d’abord que :
A − XIn = P BP −1 − X P
|P
−1 −1 −1
{z } = P (BP − XP ) = P (B − XIn )P
−1
In

CHAPITRE 1. MATRICES 1.3. MATRICES ET NOMBRES COMPLEXES
Exercice 17

−11 30
Soit la matrice A = .
4 −11
– Verifier que
5 3 1 0 −1 3
A=
2 1 0 −1 2 −5
– En déduire A2 , A3 , A2n et A2n+1 , où n ∈ N
Exercice 18

1 2 1 1
Soient A = et P =
2 1 −1 1
7
– Essayer de calculer A .
−1 0
– Calculer P −1 . Vérifier que A = P P −1 .
0 3
– En déduire A7 .
1.3 Matrices et nombres complexes

On aura remarqué que l’ensemble M1 des matrices à une ligne et une colonne est
exactement R, l’ensemble des nombres réels.
M1 = {(a), a ∈ R}
Et que l’addition et la multiplication dans M1 sont celles de R.
Nous allons maintenant établir une relation entre les ensembles C et M2 .
2
i = −1
Dans C, le nombre imaginaire i vérifie la condition (le carré de i est égal à l’opposé
1 0
de l’unité). L’unité dans M2 est la matrice I2 = .
0 1
0 −1
D’autre part remarquons que la matrice J2 = vérifie J22 = −I2 . De sorte que
1 0
J2 est l’analogue de i.
Exercice 19
Montrer qu’il est impossible de trouver l’analogue de i dans M3 . (On pourra supposer
le contraire et penser au déterminant).
Considérons maintenant le sous-ensemble K2 de M2 , définit par

x −y
K2 = {xI2 + yJ2 = , x, y ∈ R}
y x
K2 est l’analogue de C = {x + yi, x, y ∈ R}, l’ensemble des nombres complexes.
En éffet on peut vérifier entre autres que

1.4. MATRICES ET GÉOMÉTRIE CHAPITRE 1. MATRICES
– (xI2 + yJ2 ) + (x0 I2 + y 0 J2 ) = (x + x0 )I2 + (y + y 0 )J2 .

Cette formule est l’analogue de (x + iy) + (x0 + y 0 i) = (x + x0 ) + (y + y 0 )i dans C
– (xI2 + yJ2 )(x0 I2 + y 0 J2 ) = (xx0 − yy 0 )I2 + (xy 0 + x0 y)J2
0 0 0 0 0 0
Cette formule est l’analogue + y i) = (xx − yy ) + (xy + x y)i dans C.
de (x + yi)(x
x −y
Ainsi toute matrice de la forme represente un unique nombre complexe et
y x
1 −1
inversement. Par exemple au nombre 1 + i correspond la matrice et au nombre
1 1
! √
1 3
i π3 √2
− 2
e correspond la matrice 3 1
.
2 2
π π
i π2
Dans C nous avons ei 3 ei 6 = e = i. La relation analogue dans K2 est
√ ! √ !
1 3 3 1

√2
−2 2
−
√2
0 −1
3 1 1 3
= = J2
1 0
2 2 2 2
L’analogie entre K2 et C permet de voir que la notion de matrice est une généralisation
de la notion de nombre, de sorte que l’on peut parler de nombres matriciels. L’ensemble C
généralise l’ensemble R ; l’ensemble M2 généralse l’ensemble C et ainsi de suite.
Dans le domaine de l’informatique les matrices jouent un rôle trés important puisque
l’ordinateur ne comprend que le langage numérique. Pour communiquer quelque chose à
un ordinateur il faut d’abord le traduire dans le langage des nombres(matriciels).
Par exemple si l’on veut programmer un robot pour faire certains mouvements il faut
d’abord exprimer ces mouvements en termes de matrices. Nous en verront des exemples
simples dans le paragraphe suivant.
1.4 Matrices et géométrie

1.4.1 Symétrie orthogonale
→
− → −
Le plan est munit d’un repère orthonormé direct (O, i , j ). On considère la droite ∆
d’équation
x = y (la première bissectrice). Soit S∆ la symétrie orthogonale d’axe ∆ et soit
x
M un point du plan.
y
0 y
Rappelons que le point M est l’image du point M par S∆ (M 0 = S∆ (M )).
x
0 1 0 1 x y
Soit la matrice A = . Remarquons que = . On voit bien
1 0 1 0 y x
que la matrice A permet de passer du point M au point M 0 , de sorte que A est l’analogue
matriciel de S∆ .
Exercice 20
– Trouver SO , la matrice associée à la symétrie centrale de centre O.

CHAPITRE 1. MATRICES 1.4. MATRICES ET GÉOMÉTRIE
– Trouver SOx , la matrice associée à la symétrie orthogonale d’axe (Ox). Trouver SOy .
Calculer leur produit et interpréter.
– Trouver la matrice associée à l’homothétie de centre O et de rapport k.
– Trouver S∆0 , où ∆0 : x = −y.
– Ecrire la matrice associée à la projection orthogonale sur l’axe (Ox).
1.4.2 Rotation

0 x
– Trouver les coordonnées du point M , image du point M par la rotation de
y
centre O et d’angle π2 . En déduire R π2 , la matrice associée à cette rotation.
– Considérons
Rθ , la rotation de centre O et d’angle
θ. Vérifier que l’image du point
x x cos θ − y sin θ
M est le point M 0 . Il est clair que la matrice qui permet
y x sin θ + y cos θ
0 cos θ − sin θ
de passer du point M au point M est Rθ =
sin θ cos θ
Composition
On considère le mouvement suivant :on fait d’abord une rotation d’angle θ, puis une
rotation d’angle θ0 autour du point O. Le mouvement resultant est une rotation d’angle
θ + θ0 (Rθ0 oRθ = Rθ0 +θ ).
Remarquer que
cos θ0 − sin θ0 cos θ cos θ0 − sin θ sin θ0 −(sin θ cos θ0 + sin θ0 cos θ)

cos θ − sin θ
=
sin θ0 cos θ0 sin θ cos θ sin θ cos θ0 + sin θ0 cos θ cos θ cos θ0 − sin θ sin θ0
cos(θ + θ0 ) − sin(θ + θ0 )

=
sin(θ + θ0 ) cos(θ + θ0 )
La matrice associée à la composée de deux rotations est le produit des matrices associées.
Exercice 21
Ecrire la matrice associée à la composée S∆ oRθ
1.4.3 Dans l’espace

→
− →− →−
L’espace est munit d’un repère orthonormé direct (O, i , j , k ).
Utiliser votre coude pour constater qu’il est possible de tourner autour de O d’un angle
droit (+ π2 ) d’une infinité de façons. Ainsi, dans l’espace, on ne peut pas définir la rotation
de centre O et d’angle π2 .
Par contre, il n’y a qu’une façon de tourner autour d’un axe donné et d’un angle valant π2 .

1.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELSCHAPITRE 1. MATRICES
Exemple
 
x
Soit M  y . Faites tourner le point M autour de l’axe (Oz) d’un angle π2 et déterminer
z
les coordonnées du point M 0 correspondant. Quelle est la matrice qui permet de passer du
point M au point M 0 ?
Cas général
Notons Rz,θ la matrice associée à la rotation d’axe (Oz) et d’angle θ. Montrer que :
 
cos θ − sin θ 0
Rz,θ =  sin θ cos θ 0 
0 0 1
Exercice 22
– Trouver les matrices Rx,θ et Ry,θ .
– Trouver SO , la matrice essociée à la symétrie centrale de centre O.
– Trouver Sxy , la matrice associée à la symétrie orthogonale par rapport au plan (Oxy).
Trouver Sxz et Syz .
– Vérifier que Sxy Sxz Syz = SO . Interpréter. Quel est le résultat analogue dans le plan ?
– TrouverPxy , la matrice associée à la projection sur le plan (Oxy). Trouver les autres.
1
– Soit M  2 . Trouver les coordonnées du point M 0 , image de M par la composition
1
suivante : rotation d’angle π2 et d’axe (Ox), suivie de la symétrie orthogonale par
rapport au plan (Oyz) et enfin de la rotation d’axe (Oy) et d’angle π.
1.5 Systèmes linéaires et Espaces vectoriels

Exercice 23
– Soit  
1 3 7 5
A= 0 4 8 2 
11 6 12 15
 
7
Trouver des matrices X et Y telles que : AX =  8 , Y A = 1 3 7 5 .
 12

7
Peut-on trouver une matrice Z telle que ZA =  8  ? Justifier.
12

CHAPITRE 1. MATRICES1.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS
– Trouver X et Y telles que Y AX = 12.  

a1k
 a2k 
 . 
– Soit A = (aij )1≤i≤n . Trouver X telle que AX =  .. , où 1 ≤ k ≤ p.
 
1≤j≤p  . 
 .. 
ank
– Trouver X et Y telles que Y AX = ars , où 1 ≤ r ≤ n et 1 ≤ s ≤ p.
Exercice 24
Rappelons d’abord que si a et b sont deux nombres réels tels que a 6= 0, alors l’équation
ax = b admet une unique solution, à savoir a−1 b.
x = 
b1
 b2 
 . 
Soient maintenant A = (aij ) 1≤i≤n et B =  ..  telles que A est inversible.
 
1≤j≤n  . 
 .. 
  bn
x1
 x2 
L’équation AX = B, où X =  ..  ∈ Mn1 est l’inconnue admet une unique solution, à
 
 . 
xn
−1
savoir la matrice A B ∈ Mn1 .
En effet AX = B =⇒ A−1 AX = A−1 B =⇒ X = A−1 B.
Dans la suite, nous noterons l’ensemble Mn1 par Rn . Ses éléments seront appelés vecteurs.
Exercice 25
On se propose de trouver les réels x, y et z tels que

 x − 2y + z = 1
2x + y − z = −5
x + 3y + z = 2

On a
     
 x − 2y + z = 1 1 −2 1 x 1
2x + y − z = −5 =⇒  2 1 −1   y  =  −5 
x + 3y + z = 2 1 3 1 z 2

   −1  
x 1 −2 1 1
=⇒  y  =  2 1 −1   −5 
z 1 3 1 2

 −1  
1 −2 1 4 5 1
1 
– vérifier que  2 1 −1  = 15
−3 0 3 
1 3 1 5 −5 5
 x = − 19
5
– En déduire que y = 15
z = 83

Exercice 26

1 2 x 0
Montrer que l’unique solution de l’équation = 0 est 0 = .
3 5 y 0
Exercice 27
Soit A = (aij ) 1≤i≤n . Montrer que, lorsque detA 6= 0, l’unique solution de l’équation
1≤j≤n
   
x1 0
 x2   0 
 .   . 
A  ..  = 0 est 0 =  ..  .
   
 .  . 
 ..  .. 


xn 0
Définition
Soit V = {v1 , v2 , . . . , vp } une famille de p vecteurs de Rn .
– On dit que ces vecteurs sont indépendants si et seulement si aucun de ces vecteurs ne
peut s’écrire sous la forme d’une combinaison linéaire (Par exemple α1 v1 +α2 v2 +α3 v3
est une combinaison linéaire des vecteurs v1 , v2 et v3 ) des autres.
– On associe à ces vecteurs une matrice, notée MV , et dont les colonnes sont ces mêmes
vecteurs.      
1 1 1 1
– Exemple : V = { 3  ;  1 }. On a MV =  3 1 .
1 1 1 1
Exercice 28
– Montrer que la définition précédente implique que l’unique solution de l’équation
 
x1
 x2 
MV  ..  = 0
 
 . 
xp
est le vecteur nul.

– Soit V = {v1 , v2 , . . . vn } une famille de vecteurs de Rn . Montrer qu’ils sont indépendants

si et seulement si detMV 6= 0.
Définition
Soit A ∈ Mnp . On appelle rang de M , le nombre maximum de colonnes indépendantes
de M .
Exemple :        
2 3 3 1
– Ecrire les vecteurs  4 ,  5  et  7  en fonction des vecteurs  1  et
  3 5 4 2
1
 3 
1  
1 1 2 3 3
– En déduire que rang 1 3 4 5 7  = 2
2 1 3 5 4
Exercice 29

1 2 x
On se propose de résoudre le système : =0
3 6 y

−2 −4
– Vérifier que et sont des solutions de léquation.
1 2
– Montrer que l’équation estéquivalente
à x + 2y
= 0
x −2y −2
– Ceci est équivalent à = =y .
y y 1
−2
– De sorte que l’ensemble de toutes les solutions est S = {y , y ∈ R}. On dit
1
−2
que c’est l’espace vectoriel engendré par le vecteur . Etant engendré par un
1
seul vecteur, l’espace
S est appelé droite vectorielle.
1 2
Remarquer que det =0
3 6
−2
Le vecteur est dit Base de S.
1
Exercice 30
 
x
1 3 2 1  y 
On se propose de résoudre AX = 0, où A = et X = 
 z .

1 1 1 2
t
– Exprimer x et t en fonction de y et z.

– En déduire que l’ensemble de toutes les solutions de AX = 0 est

   
−5 −3
 1 
 + z  0  , x, y ∈ R}
 
S = {y 
 0   1 
2 1
Etant engendré par

 deuxvecteurs,
 l’espace S est appelé plan vectoriel.

−5 −3
 1   0 
La famille V = { 0  ,  1 } est dite Base de S.
  
2 1
Exercice 31
On garde les données de l’exercice 34.
– Vérifier que AX = BX1 + N X2 , avec :

1 1 3 2 x y
B= ; N= ; X1 = ; X2 =
1 2 1 1 t z
– Exprimer X1 en fonction de X2 (Sachant que X satisfait à AX = 0).

– En déduire l’ensemble
des solutions de S.
1
– Résoudre AX = .
1
Exercice 32
Soit A ∈ Mm,n avec m ≤ n, une matrice de rang m. Soit S l’ensemble des solutions de
 
b1
 b2 
 . 
l’équation AX = b =  .. .
 
 . 
 .. 
bm −1
B b − B −1 N Y

Montrer que S peut s’écrire sous la forme { , Y ∈ Rn−m } où B ∈ Mm
Y
est une matrice inversible extraite de A.
Définition
Soit A ∈ Mmn . On appellera Espace Vectoriel l’ensemble des solutions de léquation
AX = 0 5 .
5. C’est une définition restreinte

Exercice 33
Soient A ∈ Mmn , λ ∈ R, X1 et X2 deux solutions de AX = 0. Montrer que X1 +λX2 est

une solution de AX = 0. On dit qu’un espace vectoriel est stable par combinaison linéaire.
Remarquer que tout espace vectoriel contient le vecteur nul.
Remarquer que Rn est un espace vectoriel ∀n ∈ N
Remarque
– Soit A ∈ Mmn , m et n ∈ N∗ . On pourra noter A par
A = (V1 , V2 , . . . , Vn )
où Vi est la colonne numéro i de la matrice A. Remarquer que Vi ∈ Rm .

– Avec les notations précedentes
 la matrice A définit une application φ : Rn → Rm . En
x1
 x2 
effet, pour X =  .. , on pourra vérifier que :
 
 . 
xn
AX = x1 V1 + x2 V2 + . . . xn Vn
L’application φ(X) = AX vérifie φ(X + λY ) = φ(X) + λφ(Y ), ∀X, Y ∈ Rn , λ ∈ R.

On dit qu’elle est linéaire.
– Soient A = (A1 , A2 , . . . An ) et B = (B1 , B2 , . . . Bn ) deux matrices de Mn . On pourra
vérifier que :
AB = (AB1 , AB2 , . . . ABn )
– Pour une matrice carrée
A = (aij ) 1≤i≤n = (V1 , V2 , . . . Vn )

1≤j≤n
Les coefficients aij , 1 ≤ j ≤ n de chaque vecteur Vi sont considérés comme étant les
coordonées de Vi pa rapport à une base B = {B1 , B2 , . . . Bn }, de sorte que
Vi = ai1 B1 + ai2 B2 + . . . ain Bn
Soit C = {C1 , C2 , . . . Cn } une autre base de Rn . Comment calculer les coordonnées

de Vi dans la base C ?
– On remarquera que ABi = Vi . On dit alors que A est la matrice de φ par rapport à
la base B. Ecrire la matrice de A par rapport à la base C.

1.6. EQUATIONS DIFFÉRENTIELLES CHAPITRE 1. MATRICES
1.6 Equations différentielles

Exercice 34
On se propose de trouver deux fonctions f et g telles que :
 0

 f (t) = f (t) + 9g(t)
 0
g (t) = f (t) + g(t)
S

 f (0) = 1
g(0) = 1

– Soient Lf et Lg les transformées de Laplace respectivement de f et g. En passant la

transformation de Laplace, montrer que :

p − 1 −9 Lf (p) 1
=
−1 p − 1 Lg(p) 1
– En déduire Lf (p) et Lg(p), puis f (t) et g(t)

Exercice 35
On se propose de résoudre le système

 f 0 (t) = f (t) + g(t)
0
g (t) = 2f (t) + g(t)
f (0) = g(0) = 1

– Montrer que
p − 1 −1 Lf (p) 1
=
−2 p − 1 Lg(p) 1
– En déduire Lf (p) et Lg(p), puis f (t) et g(t).
On trouvera ( √ √ √ √
f (t) = 21 [(1 + 22 )e(1+√2)t + (1 − 22 )e(1− √2)t ]
√ √
g(t) = 12 [(1 + 2)e(1+ 2)t + (1 − 2)e(1− 2)t ]
Exercice 36
Trouver les fonctions f et g, vérifiant les conditions du système S
 0
 f (t) = −6f (t) + 28g(t)
S g 0 (t) = −2f (t) + 9g(t)
f (0) = g(0) = 1

On fera une vérification.

CHAPITRE 1. MATRICES 1.7. SÉRIES DE MATRICES
Exercice 37
Résoudre le système


 f 0 (t) = f (t) + 3g(t)
g 0 (t) = 3f (t) − 2g(t) − h(t)


 h0 (t) = −g(t) + h(t)
f (0) = g(0) = h(0) = 1

28et −18e−4t +60e3t 30e−4t +40e3t 84et +6e−4t −20e3t

On trouvera : f (t) = 70
, g(t) = 70
et h(t) = 70
.
1.7 Séries de matrices

1.7.1 Séries géométriques
Rappelons que pour un nombre complexe q ∈ C∗ , q 6= 1 et N ∈ N nous avons
N
X
n1 − q N +1
q =
n=0
1−q
Et que, si |q| < 1, en passant à la limite nous avons

∞
X 1
qn = = (1 − q)−1
n=0
1−q
Cette formule est encore valable si on remplace q par une matrice (pour une certaine classe
de matrices que nous préciserons dans la suite).
Exemple
1

2
0
Soit la matrice A = 1
01 n3
n (2) 0
– Verifier que A =
0 ( 13 )n
– Verifier que
N
2(1 − ( 21 )N +1 )

X
n 2 3 N 0
A = I2 + A + A + A + · · · + A = 3 1 N +1
0 2
(1 − ( 3
) )
n=0
– En passant à la limite, comme pour les séries numériques, déduire que

∞
X
n 2 0
A =
0 32
n=0

1.7. SÉRIES DE MATRICES CHAPITRE 1. MATRICES
1
−1
−1 0 2 0
– Remarquer que (I2 − A) = 2
2 =
0 3
0 32
– Conclure que
∞
X
An = (I2 − A)−1
n=0
Plus généralement, si A = (λij ) est une matrice diagonale d’ordre p telle que |λii | < 1, ∀i,
0 ≤ i ≤ p alors
X∞
An = (I2 − A)−1
n=0
Exercice 38
Soient A, D et P trois matrices carrées d’ordre p telles que A = P DP −1 ; D = (dij ) est
diagonale telle que |dii | < 1
– Verifier que
XN XN
n
A = P( Dn )P −1
n=0 n=0
∞
X
An = P (Ip − D)−1 P −1
n=0
– Soient les matrices
7 1 1

1 2 2
1 1 2
0
A= , P = et D = 1
9 1 4 2 −1 0 3
Montrer que A = P DP −1
En déduire que :
∞ 1

X 1 n 5 2
A = 11
3 1 2
n=0
1.7.2 Exponentielle d’une matrice

Exercice 39
Rappelons que, pour z ∈ C On a
∞
z
X zn
e =
n=0
n!
Cette formule permet d’étendre la fonction
exponentielle
aux matrices carrées d’ordre p.
a 0
Prenons le cas p = 2. Soit D = où a, b ∈ R, et soit P ∈ M2 inversible.
0 d
Considérons la matrice A = P DP −1

Institut Sup Erieur Des Etudes Technologiques de Bizerte D Epartement de G Enie M Ecanique Analyse Et Alg' Ebre Premi' Ere Ann EE

Transféré par

Droits d'auteur :

Formats disponibles

Institut Sup Erieur Des Etudes Technologiques de Bizerte D Epartement de G Enie M Ecanique Analyse Et Alg' Ebre Premi' Ere Ann EE

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

Institut Sup Erieur Des Etudes Technologiques de Bizerte D Epartement de G Enie M Ecanique Analyse Et Alg' Ebre Premi' Ere Ann EE

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUT SUPÉRIEUR DES ÉTUDES TECHNOLOGIQUES DE BIZERTE

DÉPARTEMENT DE GÉNIE MÉCANIQUE

COURS ET EXERCICES. (VERSION PROVISOIRE)

– On notera par Rn l’ensemble des matrices Mn,1 (R) qui n’ont

1.1 Operations sur les matrices

C = (cij = aij + bij )1≤i≤n (1.2)

1.1.2 Multiplication par un scalaire

1.1.3 Produit de deux matrices

K.Nizar (69141720sya@gmail.com) 6 I.S.E.T BIZERTE 2020

K.Nizar (69141720sya@gmail.com) 7 I.S.E.T BIZERTE 2020

1.2 Matrices carrées d’ordre n

1.2.1 Eléments neutres

K.Nizar (69141720sya@gmail.com) 8 I.S.E.T BIZERTE 2020

1.2.2 Polynôme d’une matrice

1.2.3 Matrices remarquables

Plus généralement pour A = (aii )1≤i≤n ∈ Dn on a

– Soit A = (aii = k)1≤i≤n ∈ Dn où k est un nombre réel.

K.Nizar (69141720sya@gmail.com) 9 I.S.E.T BIZERTE 2020

Soit A = (aij ) 1≤i≤n ∈ Mn . On dit que A est triangulaire supérieure si et seulement si

vrai dans M2 , ni dans Mn en général.

K.Nizar (69141720sya@gmail.com) 10 I.S.E.T BIZERTE 2020

K.Nizar (69141720sya@gmail.com) 11 I.S.E.T BIZERTE 2020

Mineur d’une matrice

K.Nizar (69141720sya@gmail.com) 12 I.S.E.T BIZERTE 2020

Vérifier que, de même ∆1 = ∆3 = 4

On pourra Verifier par le calcul que Γ1 = Γ2 = Γ3 = 4

sont égaux et indépendants de i et j. Leur valeur commune s’appelle le déterminant

K.Nizar (69141720sya@gmail.com) 13 I.S.E.T BIZERTE 2020

det(AB) = (detA)(detB) (1.8)

Dans M1 cette formule est évidente. On peut la démontrer facilement dans M2 . En

det(λA) = λn detA (1.9)

Pour s’en assurer calculer, par exemple

K.Nizar (69141720sya@gmail.com) 14 I.S.E.T BIZERTE 2020

– Plus généralement : Si on modifie une matrice A ∈ Mn en multipliant une

Vérifier, en appliquant la première propriété, que det(B) = −det(A)

Que peut-on constater en appliquant la première proprieté à cette identité ?.

– Trouver une matrice X telle que

Encore une fois tirer une conclusion en appliquant la première proprieté.

Plus généralement nous avons le résultat suivant : la permutation de deux lignes(resp.de

K.Nizar (69141720sya@gmail.com) 15 I.S.E.T BIZERTE 2020

Trouver une matrice X telle que

Tirer une conclusion en utilisant la première propriété.

Plus généralement nous avons l’importante proprieté suivante :

K.Nizar (69141720sya@gmail.com) 16 I.S.E.T BIZERTE 2020

1.2.5 Le polynôme caractéristique

PA (X) = det(A − XIn ) (1.11)

K.Nizar (69141720sya@gmail.com) 17 I.S.E.T BIZERTE 2020

1.2.6 Inverse d’une matrice carrée

K.Nizar (69141720sya@gmail.com) 18 I.S.E.T BIZERTE 2020

– Verifier que PA (X) = −X 3 + 2X 2 + 3X + 1. En déduire que

– Faire une vérification.

En suivant la démarche des exemples précédents, montrer que

AB = 0 =⇒ A−1 (AB) = 0 =⇒ (A−1 A) B = 0 =⇒ B = 0

Ce qui contredit l’hypothèse B 6= 0. On conclut que A n’est pas inversible.

K.Nizar (69141720sya@gmail.com) 19 I.S.E.T BIZERTE 2020

1.2.7 Condition d’inversion

2. Cette notation sous entend que, pour i 6= j, on a aij = 0

K.Nizar (69141720sya@gmail.com) 20 I.S.E.T BIZERTE 2020

D’où, en mettant A en facteur :