Chapitre 17

MATRICES ET SYSTMES LINAIRES

Mohamed TARQI
Table des matires
1 Gnralits 2
1.1 Dnitions diverses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Matrice et application linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Oprations algbriques sur les matrices 4
2.1 Lespace vectoriel M
n,p
(K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Base canonique et dimension de M
n,p
(K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Groupes des matrices carres inversibles (ou rgulires) . . . . . . . . . . . . . . . . . . . . 7
3 Changement de bases 8
3.1 Matrice de passage dune base une autre . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Action de changements de bases dans E et dans F sur la matrice dune application linaire
de E dans F . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 Rang dune matrice et oprations lmentaires 9
4.1 Dnition. Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Caractrisation des matrices de type (n, p) de rang r . . . . . . . . . . . . . . . . . . . . . . 11
4.3 Oprations lmentaires sur les lignes dune matrice . . . . . . . . . . . . . . . . . . . . . . 12
4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5 Gnralits et dnitions 14
6 Interprtation dun systme 14
6.1 Interprtation vectorielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2 Interprtation laide dune application linaire . . . . . . . . . . . . . . . . . . . . . . . . 15
7 Transformations lmentaires dun systme 15
8 Rsolution dun systme linaire 16
8.1 Mthode de pivot de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
9 Rsolution du systme (S

) 17

1
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
1 Gnralits
1.1 Dnitions diverses
Dnition 1.1 On appelle matrice de type (n, p) sur K toute application de 1, 2, ..., n 1, 2, ..., p dans K.
Une matrice est donc une famille double nie :
1, 2, ..., n 1, 2, ..., p K
(i, j) a
ij
Une matrice A sera reprsente soit par :
A = (a
ij
)
1in,1jp
ou A =
_
_
_
_
a
11
a
12
. . a
1p
a
21
a
22
. . a
2p
. . . . .
a
n1
a
n2
. . a
np
_
_
_
_
Nous dirons que A est une matrice de type (n, p) ( n nombre de lignes, p nombre de colonnes) leur
ensemble est dsign par M
n,p
(K).
Cas particuliers :
Si p = n on dit la matrice A est carr ee d

ordre n, les lments a

ii
sont appels lments diagonaux de
A; leur ensemble est la diagonale principale de A. Lensemble des matrices carres, dordre n, sera not
M
n
(K).
Si p = 1 on dit la matrice est unicolonne.
Si n = 1 on dit la matrice est unilgne.
Dnition 1.2 On appelle transpose de la matrice A = (a
ij
)
1in,1jp
la matrice B = (b
ij
)
1ip,1jn
avec
b
ij
= a
ji
, on la note
t
A
Remarque : Si A M
n,p
(K) alors
t
A M
p,n
(K), et si
A =
_
_
_
_
a
11
a
12
. . a
1p
a
21
a
22
. . a
2p
. . . . .
a
n1
a
n2
. . a
np
_
_
_
_
alors
t
A =
_
_
_
_
a
11
a
21
. . a
1n
a
12
a
22
. . a
2n
. . . . .
a
1p
a
2p
. . a
np
_
_
_
_
Exemples :
t
_
a b c
a

_
=
_
_
a a

b b

c c

_
_
et
t
_
x
1
x
2
. . . x
n
_
=
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
_
Dnition 1.3 On dit quune matrice Aest sym etrique si et seulement si
t
A = Aet on dit quelle antisym etrique
si et seulement si
t
A = A.
Cours de Mathmatiques MPSI 2 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Remarques : Une matrice A = (a
ij
)
1in,1jp
est symtrique si et seulement si p = n et pour tout
i, j = 1, 2, ..., n a
ij
= a
ji
.
Une matrice A = (a
ij
)
1in,1jp
est antisymtrique si et seulement si p = n et pour tout i, j =
1, 2, ..., n a
ij
= a
ji
, en particulier on a 2a
ii
= 0 pour tout i = 1, 2, ..., n.
Dnition 1.4 Les matrices carres suivantes, dordre n, sont appeles respectivement, matrice triangulaire su-
prieure, diagonale, unit :
_
_
_
_
_
_
a
11
a
21
. . a
1n
0 a
22
. . a
2n
0 0 . . a
2n
. . . . .
0 0 . 0 a
nn
_
_
_
_
_
_
,
_
_
_
_
_
_
a
11
0 . . 0
0 a
22
. . 0
. . . . .
. . . . .
0 0 . . a
nn
_
_
_
_
_
_
, I
n
=
_
_
_
_
_
_
1 0 . . 0
0 1 . . 0
. . . . .
. . . . .
0 0 . . 1
_
_
_
_
_
_
1.2 Matrice et application linaire
Soit E et F deux espaces vectoriels de dimensions respectives p et n, B
E
= e
1
, e
2
, ..., e
p
une base de E
et B
F
= f
1
, f
2
, ..., f
n
une base de F et enn f une application linaire de E dans F.
j = 1, 2, ..., p, a
ij
K, i = 1, 2, ..., n tels que
f(e
j
) = a
1j
f
1
+ a
2j
f
2
+ ... + a
nj
f
n
=
n

i=1
a
ij
f
i
Dnition 1.5 On appelle matrice de lapplication linaire f la matrice (a
ij
)
1in,1jp
, on la note M(f, (e
i
), (f
j
))
ou M
B
E
,B
F
(f).
Les vecteurs colonnes de M(f, (e
i
), (f
j
)) sont f(e
1
), f(e
2
), ..., f(e
p
), matriciellement :
M(f, (e
i
), (f
j
)) =
f(e
1
)
_
_
_
_
a
11
a
21
a
n1
f(e
2
)
a
12
a
22
a
n2
f(ep)
a
1p
a
2p
a
np
_
_
_
_
(f
1
,f
2
,...,fn)
Thorme 1.1 Soit E et F deux espaces vectoriels de dimensions respectives p et n, e
1
, e
2
, ..., e
p

une base de E et f
1
, f
2
, ..., f
n
une base de F.
Lapplication
f M(f, (e
i
), (f
j
))
est une bijection de L(E, F) sur M
n,p
(K).
Dmonstration : toute matrice A = (a
ij
)
1in,1jp
M
n,p
(K), on peut associ une application
linaire f, unique, de E dans F, en posant, pour chaque j :
f(e
j
) = a
1j
f
1
+ a
2j
f
2
+ ... + a
nj
f
n
=
n

i=1
a
ij
f
i
.

.
Remarque : Si E = F ( f est un endomorphisme ), la matrice A associe f est une matrice carre, en
gnral on prend la mme base B pour E considr comme espace de dpart et espace darriv, on crit
alors :
A = M(f, (e
i
), (e
j
)) = M(f, (e
i
)) = M
B
(f)
Cours de Mathmatiques MPSI 3 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Exemples :
1. Soit E un espace vectoriel de dimension n et id
E
lapplication identique de E :
id
E
: E E
x x
Si on prend la mme base (e
i
) pour E alors :
M(id
E
, (e
i
)) = I
n
( la matrice unit dordre n )
2. Soit f lapplication de R
2
dans R
3
dnie par :
f(x, y) = (2x y, 3x, 3x 5y)
relativement aux bases canoniques de R
2
et R
3
on a :
M(f) =
_
_
2 1
3 0
5 5
_
_
3. Soit f lapplication de R
3
dans R
2
dnie par :
f(x, y, z) = (2x y z, 3x 5y 2z)
relativement aux bases canoniques de R
3
et R
2
on a :
M(f) =
_
2 1 1
3 5 2
_
2 Oprations algbriques sur les matrices
2.1 Lespace vectoriel M
n,p
(K)
E et F dsignent deux espaces vectoriels de dimension respective p et n. Soient A = (a
ij
)
1in,1jp
et B = (b
ij
)
1in,1jp
deux matrices de type (n, p) de K, elle sont associes respectivement deux
applications linaires f et g de E dans F, E est rapport une base (e
i
)
1ip
et F une base (f
i
)
1jn
.
Nous posons par dnition :
A + B = M(f, (e
i
), (f
j
)) + M(g, (e
i
), (f
j
)) = M(f + g, (e
i
), (f
j
))
A = M(f, (e
i
), (f
j
)) = M(f, (e
i
), (f
j
))) ( K)
Il est clair que :
A + B = (a
ij
+ b
ij
)
1in,1jp
et
A = (a
ij
)
1in,1jp
( K)
et on a, dune manire vidente, le rsultat suivant :
Proposition 2.1 (M
n,p
(K), +, .) une structure despace vectoriel sur K et lapplication
f M(f, (e
i
), (f
j
)) = (a
ij
)
dnie par :
f(e
j
) =
n

i=1
a
ij
f
i
, (1 j p)
est un isomorphisme despaces vectoriels.
Cours de Mathmatiques MPSI 4 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
2.2 Base canonique et dimension de M
n,p
(K)
Soit la matrice A = (a
ij
) de type (n, p) ; nous avons
A =
n

i=1
p

j=1
a
ij
E
ij
E
ij
tant la matrice de type (n, p) dont tous les lments sont nuls sauf llment dindice (i, j) qui est
gal 1, donc
E
ij
=
_
_
O
O 1 O
O
_
_
. .
colonne j
_
ligne i
ces np matrices E
ij
engendrent donc M
n,p
(K) ; elles sont indpendantes, en effet :
n

i=1
p

j=1
a
ij
E
ij
= 0 = (a
ij
)
(1in,1jp)
= O =a
ij
= 0 pour tout i et pour tout j
do le thorme :
Thorme et dnition 2.1 La famille (E
ij
)
1in,1jp
est une base de M
n,p
(K), appele base cano-
nique de M
n,p
(K).
M
n,p
(K) et M
p,n
(K) sont isomorphes de dimension np.
Remarque : Nous retrouvons ainsi, grce lisomorphisme L(E, F) M
n,p
(K), que
dimL(E, F) = dimE dimF.
2.3 Produit de deux matrices
Soit trois espaces vectoriels E, F, G de dimensions respectives p, n, m sur K, et des bases respectives
(a
k
)
1kp
, (b
j
)
1jn
, (c
i
)
1im
; considrons les trois applications linaires f, g, gf et les trois matrices :
A = M(f, (a
k
), (b
j
)) = (
jk
)
1jn,1kp
B = M(g, (b
j
), (c
i
)) = (
ij
)
1im,1jn
C = M(g f, (a
k
), (c
i
)) = (
ik
)
1im,1kp
Dnition 2.1 On pose, par dnition, C = BA = M(g, (b
j
), (c
i
))M(f, (a
k
), (b
j
)) = M(g f, (a
k
), (c
i
))
Remarque : Remarquons que : A = M(f) M
n,p
(K), B = M(g) M
m,n
(K), C = BA = M(g f)
M
m,p
(K) et que cardcolonnes de B = cardlignes de A.
Cours de Mathmatiques MPSI 5 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Calcul de coefcients de C = BA.
k 1, 2, ..., p, on peut crire :
(g f)(a
k
) = g[f(a
k
)] = g[
n

j=1

jk
b
j
]
=
n

j=1

jk
g(b
j
) =
n

j=1

jk
m

i=1

ij
c
i
=
n

j=1
m

i=1

ij

ij
c
i
=
m

i=1
n

j=1

ij

ij
c
i
=
m

i=1
[
n

j=1

ij

ij
]c
i
et par dnition on peut crire :
(g f)(a
k
) =
m

i=1

ik
c
i
do, par identication :
i 1, 2, ..., m, k 1, 2, ..., p,
ik
=
n

j=1

ij

jk
On peut reprsenter cette rgle de calcul par le schma suivant :
p
_
_
_
_
_
_

ik
_
_
_
_
_
_
=
m
m
_
_

i1

i2

ij

in
_
_
n
_
_
_
_
_
_
_
_

1k

2k

jk

nk
_
_
_
_
_
_
_
_
n
p
Remarque : Llment
ik
(i numro de la ligne, k numro de colonne) provient des lments de la
LIgne i de B et des lments de la COlonne k de A.
On dit quon a effectu le produit BA LIgnes COlonnes ( en abrg produit LICO).
Notations matricielles : Soit f une application linaire de E dans F. (e
i
)
1ip
une base de E, (f
j
)
1in
une base de F et A = M(f, (e
i
), (f
j
)).
(x, y) E F, on pose X = M(x, (e
i
)) =
_
_
_
_
_
_
x
1
x
2
.
.
a
p
_
_
_
_
_
_
, Y = M(y, (f
j
)) =
_
_
_
_
_
_
y
1
y
2
.
.
y
n
_
_
_
_
_
_
. X et Y sont les matrices
unicolonnes associes respectivement aux vecteurs x et y dans les bases (e
i
)
1ip
et (f
j
)
1jn
. On a :
y = f(x)
. .
Notation vectorielle
Y = AX
. .
Notation matricielle
Proposition 2.2 (M
n
(K), +, ., ) une structure dalgbre sur K.
Cours de Mathmatiques MPSI 6 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Dmonstration :
1. (M
n
(K), +, .) est un espace vectoriel sur K, en particulier (M
n
(K), +) est un groupe.
2. La seconde loi est interne, associative et distributive par rapport laddition. Llment neutre
est la matrice de lidentit.
3. On a vu que
K, (A, B) M
n
(K)
2
, (A)B = A(B) = (AB).

.
Remarque : Si n 2, lalgbre nest pas commutative comme le montre lexemple suivant :
Soit A =
_
_
0 1
0 0
O
O O
_
_
et B =
_
_
1 0
0 0
O
O O
_
_
, avec O la matrice nulle dordre n 2.
On a AB ,= BA.
Proposition 2.3 Si E est de dimension nie muni dune base B, lapplication
f M
B
(f)
est un isomorphisme dalgbres.
Dmonstration : Lapplication est isomorphisme despace vectoriel. La conclusion est une consquence
de M
B
(Id
E
) = I
n
et de :
f L(E), g L(E), M
B
(f g) = M
B
(f)M
B
(g)

.
En particulier lalgbre M
n
(K) est isomorphe L(K
n
) par lapplication qui toute matrice fait corres-
pondre lendomorphisme qui lui est canoniquement associ.
Exercice : Dmontrer les propositions suivantes :
1.
t
(A + B) =
t
A +
t
B , A, B M
n,p
(K) et , K.
2.
t
(AB) =
t
B
t
A, A M
n,p
(K), , B M
n,m
(K)
3. Montrer que A
t
A et
t
AA sont des matrices carres symtriques.
2.4 Groupes des matrices carres inversibles (ou rgulires)
Dnition 2.2 Soit A une matrice carre, on dit que A est inversible ou rgulire si et seulement si lendomor-
phisme f associ A est inversible. on pose A
1
= M(f
1
).
On note GL
n
(K) lensemble des matrices carres dordre n inversibles.
Proposition 2.4 Soient A et B deux matrices carres dordre n telles que AB = I
n
, alors A est
inversible et A
1
= B.
Cours de Mathmatiques MPSI 7 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Dmonstration : En effet, si lon dsigne par f et g les endomorphismes canoniquement associs res-
pectivement A et B, alors AB = I
n
entrane f g = id
K
n. Lapplication f est donc surjective et comme
il sagit dun endomorphisme dun espace de dimension nie, on en dduit quelle bijective. Par suite A
est inversible et
AB = I = A
1
AB = A
1
donc
A
1
= B.

.
Proposition 2.5 Soit A et B deux matrices carres inversibles et f, g, respectivement, les endo-
morphismes associs aux matrices A et B, alors :
1. (g f)
1
= f
1
g
1
(AB)
1
= B
1
A
1
.
2. f
1
f = f f
1
= id
E
AA
1
= A
1
A = I
n
.
3.
t
A est inversible et (
t
A)
1
=
t
(A
1
).
Dmonstration : Par exemple pour 3., on a, puisque A GL
n
(K) :
t
A
t
(A
1
) =
t
(AA
1
) =
t
I
n
= I
n
donc
t
A est inversible et (
t
A)
1
=
t
(A
1
).

.
Exercice :
1. Calculer A
n
(n N) pour les matrices suivantes : (, x des rels)
_
cos sin
sin cos
_
,
_
ch x shx
sh x ch x
_
,
_
shx ch x
ch x sh x
_
avec ch x =
e
x
+ e
x
2
, sh x =
e
x
e
x
2
2. Montrer que ces matrices sont inversibles, calculer A
1
et A
n
pour n de Z.
3 Changement de bases
3.1 Matrice de passage dune base une autre
Soit E un espace vectoriel sur K de dimension n, B = (e
i
) une base de E et B

= (e

i
) une deuxime base
de E.
Alors j = 1, 2, ..., n p
ij
K, i = 1, 2, ..., n tels que : e

j
=
n

i=1
p
ij
e
i
On pose : P = (p
ij
)
1in,1jn
Thorme et dnition 3.1 La matrice P est inversible, on lappelle la matrice de passage de la
base B = (e
i
) la base B

= (e

i
).
Dmonstration : Soit lapplication linaire :
id
E
: (E, B

) (E, B)
x x
On a : Id
E
(e

j
) = e

j
=
n

i=1
p
ij
e
i
, donc P = (p
ij
) = M(id
E
, (e

i
), (e
j
)), do P est inversible car lidentit
est inversible et P
1
= M(id
E
, (e
i
), (e

i
)).

.
Cours de Mathmatiques MPSI 8 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Remarque : Soit x E. On pose X = M(x, (e
i
)), X

= M(x, (e

i
)) alors on a les relations :
X = PX

et X

= P
1
X
3.2 Action de changements de bases dans E et dans F sur la matrice dune application
linaire de E dans F
Soit f une application linaire de E dans F avec dimE = p et dimF = n. Soient (e
i
) et (e

i
) deux bases
de E et (f
j
) et (f

j
) deux bases de F. On pose :
A = M(f(e
i
), (f
j
)) et A

= M(f, (e

i
), (f

j
))
P = M(id
E
, (e

i
), (e
i
)) et Q = M(id
E
, (f

i
), (f
i
))
Considrons le diagramme :
E
(e

i
)
id
E
E
(e
i
)
f
F
(f
i
)
id
F
F
(f

i
)
on a :
f = id
F
f id
E
et matriciellement :
M(f, (e

i
), (f

j
)) = M(id
E
, (f
i
), (f

i
))M(f, (e
i
), (f
j
))M(id
E
, (e

i
), (e
i
))
cest dire
A

= Q
1
AP
Remarque : On peut trouver la relation entre A et A

en utilisant uniquement des calculs sur les ma-

trices, on pose :
Y = AX, X = PX

, Y = QY

donc
QY

= APX

=Y

= Q
1
APX

do
A

= Q
1
AP
Dnition 3.1 On dit que deux matrices carres A et B sont quivalentes sil existe deux matrices carres inver-
sibles P et Q telles que : B = Q
1
AP et on crit : A B
On montre facilement le rsultat suivant :
Proposition 3.1 La relation est une relation dquivalence.
4 Rang dune matrice et oprations lmentaires
4.1 Dnition. Proprits
Dnition 4.1 Soit A une matrice de type (m, n), on appelle rang de la matrice A et on note rg(A), le rang du
systme des ses vecteurs colonnes.
Cours de Mathmatiques MPSI 9 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Exemple : Soit A =
_
_
_
_
_
_
2 3 7 2
3 6 18 4
3 2 2 2
4 5 7 3
2 9 7 1
_
_
_
_
_
_
rg(A) = rg(a,

b, c,

d) avec a =
_
_
_
_
_
_
2
3
3
4
2
_
_
_
_
_
_
,

b =
_
_
_
_
_
_
3
6
2
5
9
_
_
_
_
_
_
, c =
_
_
_
_
_
_
7
18
2
7
7
_
_
_
_
_
_
,

d =
_
_
_
_
_
_
2
4
2
3
1
_
_
_
_
_
_
Calculons rg(a,

b, c,

d)
a
_
_
_
_
_
_
2
3
3
4
2
_
_
_
_
_
_

b
_
_
_
_
_
_
3
6
2
5
9
_
_
_
_
_
_
c
_
_
_
_
_
_
7
18
2
7
7
_
_
_
_
_
_

d
_
_
_
_
_
_
2
4
2
3
1
_
_
_
_
_
_

=a
_
_
_
_
_
_
2
3
3
4
2
_
_
_
_
_
_

=2

b3a
_
_
_
_
_
_
0
3
5
2
12
_
_
_
_
_
_
c

=2c7a
_
_
_
_
_
_
0
15
17
14
0
_
_
_
_
_
_

da
_
_
_
_
_
_
0
1
1
1
1
_
_
_
_
_
_
a

=a

_
_
_
_
_
_
2
3
3
4
2
_
_
_
_
_
_

_
_
_
_
_
_
0
3
5
2
12
_
_
_
_
_
_
c

=c

+5

_
_
_
_
_
_
0
0
8
4
60
_
_
_
_
_
_

=3

_
_
_
_
_
_
0
0
2
1
15
_
_
_
_
_
_

_
_
_
_
_
_
2
3
3
4
2
_
_
_
_
_
_

_
_
_
_
_
_
0
3
5
2
12
_
_
_
_
_
_
c

_
_
_
_
_
_
0
0
8
4
60
_
_
_
_
_
_

=4

_
_
_
_
_
_
0
0
0
0
0
_
_
_
_
_
_
Do :
rg(A) = rg(a,

b, c,

d) = rg(a

, c

) = 3
Remarque : Les quatre vecteurs donns sont lis par une relation que lon obtient partir de

d

=

0. On a :
4

0 = 4(3

) (c

+5

) =

+c

12

0 = (2

b 3a) +2c 7a 12(

d a) =

0
= 4a

b +c 6

d =

0
Thorme 4.1 A tant une matrice de type (n, p) associe une application linaire f de E dans
F. Alors rg A = rg f.
Dmonstration : Notons B = e
1
, e
2
, ..., e
n
une base de E et C = f
1
, f
2
, ..., f
p
une base de F et
A = (a
ij
)
(1in,1jp)
= [C
1
, C
2
, ..., C
p
], avec C
j
=
_
_
_
_
_
_
a
1j
a
2j
.
.
a
nj
_
_
_
_
_
_
pour j = 1, 2, .., p.
On a :
f(e
j
) =
n

i=1
a
ij
f
i
, (1 j p)
et
rg A = dimVectC
1
, C
2
, ..., C
p

= dimVectf(e
1
), f(e
2
), ..., f(e
p
)
= rg f

.
Cours de Mathmatiques MPSI 10 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Corollaire 4.1 Pour quune matrice carre dordre n soit inversible il faut et il suft quelle soit de
rang n.
Dmonstration : En effet, cette matrice reprsente un endomorphisme f dun espace vectoriel E, de
dimension n sur K et rg(f) = n = dimE entrane que f est un automorphisme, cest dire f est inver-
sible.

.
Dnition 4.2 Soit A M
n,p
(K).
1. On appelle noyau de A le sous-ensemble de M
p,1
(K), not ker A, dni par :
ker A = X M
p,1
(K)/AX = 0.
2. On appelle image de A le sous-ensemble de M
n,1
(K), not ImA, dni par :
ImA = AX/X M
p,1
(K).
Remarque : On vrie facilement que ker A est un sous-espace vectoriel de M
p,1
(K) et que ImA est un
sous-espace vectoriel de M
n,1
(K) et que p = dimker A + dimImA. ( thorme du rang )
Proposition 4.1 A tant une matrice de type (n, p). Alors pour toute matrice P carre inversible
dordre p, rg AP = rg A et pour toute matrice carre inversible dordre n, rg QA = rg A.
Dmonstration :
1. Il est clair que ImAP ImA, do rg AP rg A. En remplaant (A, P) par (AP, P
1
), on dduit :
rg A rg(AP)(P
1
) rg AP.
2. Il est clair que ker A ker QA, do, daprs le thorme du rang :
rg A = p dimker A p dimker QA = rg QA.
En remplaant (A, Q) par (QA, Q
1
), on dduit :
rg QA rg Q
1
(QA) = rg A.

.
4.2 Caractrisation des matrices de type (n, p) de rang r
Thorme 4.2 Toutes les matrices de type (n, p) de rang r sont quivalentes la matrice de type
(n, p) :
_
I
r
O
0 O
_
.
Dmonstration : Soit A une matrice de type (n, p), elle est associe une application linaire f de E
de dimension n dans F de dimension p. Choisissons dans E et F des bases (a
i
) et (b
i
), comme dans
lexercice 7 srie 14, nous aurons :
M(f, (a
i
), (b
j
)) =
_
I
r
O
0 O
_

.
Corollaire 4.2 Pour que deux matrices de types (n, p) soient quivalentes, il faut et il suft quelles
soient de mme rang.
Corollaire 4.3 Pour toute matrice de type (n, p), on a : rg
t
A = rg A.
Cours de Mathmatiques MPSI 11 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Dmonstration : En notant r = rg A, il existe alors P GL
p
(K), Q GL
n
(K) tels que
A = Q
1
_
I
r
O
0 O
_
P
donc
t
A =
t
P
_
I
r
O
0 O
_
(
t
Q)
1
et donc rg
t
A = rg A = r.

.
Daprs les rsultats prcdents on dduit le thorme suivant :
Thorme 4.3 A tant une matrice de type (n, p) associe une application linaire f de E dans
F, les trois nombres suivants sont gaux :
1. Rang de vecteurs colonnes.
2. Rang de vecteurs lignes.
3. Rang de f.
Remarque : A tant une matrice de type (n, p) associe une application linaire f. Alors rg A = rg f
inf(n, p).
4.3 Oprations lmentaires sur les lignes dune matrice
Dnition 4.3 Soit A M
n,p
(K).On appelle opration lmentaire sur une matrice A toute opration de lun
des types suivants :
(O
1
) : addition une ligne de A le produit par un scalaire dune autre ligne de A.
(O
2
) : produit dune ligne de A par un scalaire non nul.
(O
3
) : permutation de deux lignes de A.
Remarques : On pose A =
_
_
_
_
_
_
L
1
L
2
.
.
L
n
_
_
_
_
_
_
( les L
i
dsignent les lignes de A
Lopration (O
1
) correspond la transformation L
i
L
i
+ L
j
(i ,= j), K.
Lopration (O
2
) correspond la transformation L
i
L
j
( K

).
Lopration (O
3
) correspond la permutation L
i
L
j
(i ,= j).
On montre le rsultat suivant : (E
ij
)
1in,1jp
dsigne la base canonique de M
n,p
(K).
1. La permutation L
i
L
j
revient la multiplication droite par la matrice inversible P
ij
=
I
p
+ (E
ij
+ E
ji
E
ii
E
jj
).(P
ij
est inversible puisque P
2
ij
= I
p
)
2. Le remplacement L
i
L
i
+L
j
(i ,= j) revient la multiplication droite par la matrice inversible
T
ij
() = I
p
+ E
ij
. ( T
ij
()T
ij
() = I
p
)
3. Le remplacement L
i
L
i
revient la multiplication droite par la matrice inversible D
i
() =
I
p
+ ( 1)E
ii
. ( D
i
()D
i
(
1
) = I
p
)
On dduit facilement la proposition suivante, en utilisant la proposition 3.2
Proposition 4.2 Les oprations lmentaires sur une matrice conservent le rang.
Thorme 4.4 Soit A GL
n
(K). Alors il existe une suite nie doprations lmentaires sur les
lignes qui transforme A en la matrice unit I
n
et cette mme suite doprations lmentaires sur
les lignes transforme la matrice I
n
en la matrice A
1
.
Cours de Mathmatiques MPSI 12 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
4.4 Exemples
1. A =
_
1 3
2 3
_
, rgA = 2, donc A est inversible.
L
1
L
2
_
1 3
2 3
_ _
1 0
0 1
_
_
1 3
0 3
_
L
2
L
2
2L
1
_
1 0
2 1
_
_
1 0
0 3
_
L
1
L
1
+ L
2
_
1 1
2 1
_
_
1 0
0 1
_
L
2

1
3
L
2
_
1 1
2
3
1
3
_
donc A
1
=
_
1 1
2
3
1
3
_
2. A =
_
_
1 2 1
1 1 0
2 3 3
_
_
_
_
1 2 1
1 1 0
2 3 3
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 2 1
0 1 1
0 1 5
_
_
L
2
L
2
L
1
L
3
L
3
2L
1
_
_
1 0 0
1 1 0
2 0 1
_
_
_
_
1 2 1
0 1 1
0 0 4
_
_
L
3
L
3
L
2
_
_
1 0 0
1 1 0
1 1 1
_
_
La matrice gauche est inversible donc A est inversible, on continue :
_
_
4 8 0
0 4 0
0 0 4
_
_
L
1
4L
1
+ L
3
L
2
4L
2
+ L
3
_
_
3 1 1
3 5 1
1 1 1
_
_
_
_
4 0 0
0 4 0
0 0 4
_
_
L
1
L
1
2L
2
_
_
3 9 1
3 5 1
1 1 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
L
1

1
4
L
1
L
2

1
4
L
2
L
3

1
4
L
3
_
_
3
4
9
4
1
4
3
4
5
4
1
4
1
4
1
4
1
4
_
_
do A
1
=
1
4
_
_
3 9 1
3 5 1
1 1 1
_
_
Cours de Mathmatiques MPSI 13 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
3. A =
_
_
1 2 4
1 3 6
0 1 2
_
_
_
_
1 2 4
1 3 6
0 1 2
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 2 4
0 1 2
0 1 2
_
_
L
2
L
2
L
1
_
_
1 0 0
1 1 0
0 0 1
_
_
_
_
1 2 4
0 1 2
0 1 2
_
_
L
3
L
3
+ L
2
_
_
1 0 0
1 1 0
1 1 1
_
_
rgA = 2 < 3, on sarrte ici : la matrice A nest pas inversible.
5 Gnralits et dnitions
Dnition 5.1 Un systme (S) de m quations linaires coefcients dans K n inconnues x
1
, x
2
, ..., x
n
est la
donne des quations suivantes :
(S) =
_

_
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
= b
m
1. a
i1
x
1
+ a
i2
x
2
+ ... + a
i1n
x
n
= b
i
, i = 1, 2, ..., m est la i
eme
quation du systme, on la note L
i
,
dans cette quation, les a
ij
sont les coefcients des inconnues x
j
et b
i
est le coefcient du second
membre.
2. Lorsque tous les b
i
sont nuls le systme (S) est dit homog ene.
3. On appelle solution du systme (S) tout n-uplet, dlments de K, (c
1
, c
2
, ..., c
n
) qui vri les m
quations du systme.
4. Le systme (S) est dtermin par la matrice :
M =
_
_
_
_
_
_
a
11
a
12
. . a
1n
b
1
a
21
a
22
. . a
2n
b
2
. . . . . .
. . . . . .
a
m1
a
m2
. . a
mn
b
m
_
_
_
_
_
_
appele matrice complte du systme.
6 Interprtation dun systme
6.1 Interprtation vectorielle
Le systme prcdent (S) tant donn, considrons les vecteurs de K
n
dnis par :
a
j
= (a
1j
, a
2j
, ..., a
mj
), j = 1, 2, ..., n et

b = (b
1
, b
2
, ..., b
m
)
Cours de Mathmatiques MPSI 14 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
le systme (S) est alors quivalent lquation vectorielle (S
1
) suivante :
(S
1
) : x
1
a
1
+ x
2
a
2
+ ... + x
n
a
n
=

b
Thorme 6.1 Tout systme (S) de m quations linaires n inconnues est quivalent une
quation de la forme x
1
a
1
+x
2
a
2
+... +x
n
a
n
=

b o a
1
, a
2
, ..., a
n
,

b sont des vecteurs donns de K

m
.
De plus la condition

b V ect(a
1
, a
2
, ..., a
n
) est une condition ncessaire et sufsante pour que (S)
admet au moins une solution. Cette condition tant vrie, (S) admet une seule solution si et
seulement si la famille a
1
, a
2
, ..., a
n
est libre, plus dune solution si elle est lie.
6.2 Interprtation laide dune application linaire
Le systme prcdent (S) tant donn.
Notons (e
i
)
1in
et (
j
)
1jm
respectivement les bases canoniques de K
n
et K
m
, dnissons lapplication
linaire L(K
n
, K
m
) par :
(e
i
) =
m

j=0
a
ji

j
= (a
1i
, a
2i
, ..., a
mi
)
(la colonne des coefcients de linconnue x
i
)
Le systme (S) est quivalent lquation :
(S
2
) : (x) = b
o x = (x
1
, x
2
, ..., x
n
) K
n
et b = (b
1
, b
2
, ..., b
m
) K
m
Thorme 6.2 Tout systme (S) de m quations linaires n inconnues est quivalent une qua-
tion de la forme (x) = b o est une application linaire de K
n
dans K
m
, de plus la condition
b Im est une condition ncessaire et sufsante pour que (S) admet au moins une solution.
Cette condition tant vrie, lensemble des solutions de (S) sobtient en ajoutant lune delles
les vecteurs de ker , cest dire les solutions du systme homogne associ (S).
Exercice : Soit m R. Montrer que le systme (S) admet une solution unique si et seulement si m est
diffrent de 1
(S) =
_
_
_
x + 2y + z = 0
x + z = 0
x + y + mz = 1
7 Transformations lmentaires dun systme
Dnition 7.1 Deux systmes sont dits quivalents sils ont mme ensemble de solutions
Soit K.
Le systme prcdent (S) tant donn.
Considrons deux quations L
i
et L
j
(i ,= j) du systme (S), L
j
+ L
i
est lquation dnie par :
(a
j1
+ a
i1
)x
1
+ (a
j2
+ a
i2
)x
2
+ ... + (a
jn
+ a
in
)x
n
= b
j
+ b
i
On considre alors les transformations suivantes :
1. Permutation de deux quations L
i
L
j
Pour i ,= j, L
i
L
j
signie que lon permute la i
eme
quation et la j
eme
quation du systme. Il
est immdiat que le second systme est quivalent au premier.
2. Transformation L
j
L
j
+ L
i
Pour i ,= j, L
j
L
j
+L
i
signie que lon remplace la j
eme
quation du systme par L
j
L
j
+L
i
Cours de Mathmatiques MPSI 15 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Comme les systmes
_
L
i
L
j
et
_
L
i
L
j
+ L
j
sont quivalents, alors si dans un systme on remplace la j
eme
quation du systme par lquation L
j
+
L
i
on obtient un systme quivalent au premier.
8 Rsolution dun systme linaire
Notons que le systme (S) peut scrire sous la forme matricielle suivante :
(S
3
) : Ax = b
o
x = (x
1
, x
2
, ..., x
n
) K
n
, b = (b
1
, b
2
, ..., b
m
) K
m
, A = (a
ij
)
1im,1jn
M
m,n
(K)
8.1 Mthode de pivot de Gauss
Elle consiste en une seule suite nie de transformation lmentaires qui vont associer au systme (S)
un systme (S

) quivalent dont la rsolution est immdiate. Supposons a

11
,= 0 dans le systme (S), la
mthode consiste dans une premire tape effectuer les transformations lmentaires :
L
2
L
2

a
21
a
11
L
1
, L
3
L
3

a
31
a
11
L
1
, ..., L
m
L
m

a
m1
a
11
L
1
de manire a obtenir un systme (S

) de matrice complte :
M

=
_
_
_
_
_
_
a
11
a
12
. . a
1n
b
1
0 a

22
. . a

2n
b

2
0 a

32
. . a

3n
b

3
. . . . . .
0 a

m2
. . a

mn
b

m
_
_
_
_
_
_
dans cette premire srie de transformations, le coefcient non nul a
11
sappelle le pivot.
Remarques :
1. Si a
11
= 0 et si a
i
0
1
,= 0 on commence par effectuer la transformation lmentaire L
1
L
i
0
.
2. Si tous les a
i1
sont nuls, linconnue x
1
peut prendre toutes les valeurs de K et le systme (S) se
rduit en fait un systme de m quations linaires n 1 inconnues x
2
, x
3
, ..., x
n
.
Ayant obtenue la matrice M

, on choisit un second pivot pour le systme de m 1 quations n 1

inconnues :
(S

) =
_

_
a

22
x
2
+ a

23
x
3
+ ... + a

2n
x
n
= b

2
a

32
x
2
+ a

33
x
3
+ ... + a

3n
x
n
= b

3
.
.
.
a

m2
x
2
+ a

m3
x
3
+ ... + a

mn
x
n
= b

m
Si a

22
,= 0, on effectuer les transformations lmentaires :
L

3
L

32
a

22
L

2
, L

4
L

4

a

42
a

22
L

2
, ..., L

m
L

m

a

m2
a

22
L

2
et on itre ainsi le procd.
Cours de Mathmatiques MPSI 16 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Remarques :
1. Si on obtient une quation de la forme 0x
1
+ 0x
2
+ ... + 0x
n
= b o b ,= 0, le systme na pas de
solutions. On arrte alors le processus.
2. Si on obtient une quation de la forme 0x
1
+ 0x
2
+ ... + 0x
n
= 0, en la supprimant, on obtient
videment un systme quivalent.
8.2 Conclusion
Aprs au plus m 1 itrations et par limination des lignes o tous les coefcients sont nuls, on se
ramne soit un systme impossible (systme contenant une quation de la forme
0x
1
+ 0x
2
+ ... + 0x
n
= b o (b ,= 0);
soit un systme (S

) de r quations n inconnues (r n, r m) quivalent (S).

9 Rsolution du systme (S
/
)
Puisque r = rgA n, dans la rsolution des r quations de (S), deux cas prsentent :
1
cas
: r = n
Toutes les inconnues x
1
, x
2
, ..., x
n
sont principales et le systme (S

) est de la forme :
(S

) =
_

_
a
12
x
1
+ a
13
x
2
+ ... + a
1n
x
n
= b
1
+a

22
x
2
+ ... + a

2n
x
n
= b

2
.
.
.
a

nn
x
n
= b

n
o les coefcients a
11
, a

22
, a

33
, ..., a

nn
sont non nuls. (S

) est un systme triangulaire. Il est immdiat que

(S

) et donc (S) possde une solution unique.

2
cas
: r < n
Il existe alors n r inconnues secondaires. Si lon donne ces inconnues secondaires des valeurs
arbitraires, les inconnues principales sont alors dtermins par les quations de (S

).
Le systme (S

) et par consquent le systme (S) possde une innit de solutions.

Thorme 9.1 Si rgA = r = n le systme (S

) admet une solution unique donne par :

_

_
x
n
=
b

n
a

nn
= x
r
x
k
=
b

j=k+1
a

kj
x
j
a

kk
, k = n 1, ..., 2, 1
avec b

1
= b
1
.
Sinon le systme (S

) admet une innit de solutions :

_

_
x
r
=
b

k=r+1
a

rk
x
k
a

kk
x
k
=
b
k

j=k+1
a

kj
x
j
a

kk
, k = r 1, ..., 2, 1
avec (x
r+1
, ..., x
n
) K
nr
.
Cours de Mathmatiques MPSI 17 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
Exemples :
1. Soit le systme (S) :
(S) :
_
_
_
x
1
+ 2x
2
x
3
+ x
4
= 1
x
1
x
3
x
4
= 1
x
1
+ x
2
+ x
3
+ 2x
4
= m
Le systme (S) a pour matrice complte associe :
L
1
L
2
L
3
_
_
1 2 1 1 1
1 0 1 1 1
1 1 1 2 m
_
_

L
1
= L

1
L
2
L
2
L
1
= L

2
L
3
L
3
+ L
1
= L

3
_
_
1 2 1 1 1
0 2 0 2 0
0 3 0 3 m + 1
_
_

1
= L

1
L

2
= L

2
L

3
L

3

3
2
L

2
= L

3
_
_
1 2 1 1 1
0 2 0 2 0
0 0 0 0 m + 1
_
_
donc le systme (S) admet pour systme quivalent le systme (S

) suivant :
(S

) :
_
_
_
x
1
+ 2x
2
x
3
+ x
4
= 1
2x
2
2x
4
= 0
0 = m + 1
donc le systme (S

) admet des solutions si et seulement si m = 1 et dans ce cas les inconnues

x
1
, x
2
sont principales et x
3
, x
4
sont les inconnues secondaires
Lensemble de solutions de (S) est alors donn par :
_
x
1
= 1 + x
3
+ x
4
x
2
= x
4
(x
3
, x
4
) R
2
2. Soit le systme (S) :
(S) :
_

_
x
1
2x
2
+ x
3
x
4
+ x
5
= a
2x
1
5x
2
+ x
3
2x
4
+ 2x
5
= b
3x
1
2x
2
x
3
+ x
4
2x
5
= c
2x
1
+ x
2
x
3
+ 2x
4
3x
5
= d
Le systme (S) a pour matrice complte associe :
L
1
L
2
L
3
L
4
_

_
1 2 1 1 1 a
2 5 1 2 2 b
3 2 1 1 2 c
2 1 1 2 3 d
_

L
1
= L

1
L
2
L
2
2L
1
= L

2
L
3
L
3
3L
1
= L

3
L
4
L
4
2L
1
= L

4
_

_
1 2 1 1 1 a
0 1 1 0 0 b

= b 2a
0 4 4 4 5 c

= c 3a
0 5 3 4 5 d

= d 2a
_

1
= L

1
L

2
= L

2
L

3
L

3
+ 4L

2
= L

3
L

4
L

4
+ 5L

2
= L

4
_

_
1 2 1 1 1 a
0 1 1 0 0 b

= b 2a
0 0 8 4 5 c

= c

+ 4b

0 0 8 4 5 d

= d

+ 5b

_
Cours de Mathmatiques MPSI 18 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES

1
= L

1
L

2
= L

2
L

3
= L

3
L

4
L

4
L

3
= L

4
_

_
1 2 1 1 1 a
0 1 1 0 0 b

= b 2a
0 0 8 4 5 c

= c

+ 4b

0 0 0 0 0 d

= d

_
le systme (S) admet alors pour systme quivalent le systme (S

) dnit par :
(S

) :
_

_
x
1
2x
2
+ x
3
x
4
+ x
5
= a
x
2
x
3
= b

8x
3
+ 4x
4
5x
5
= c

0x
1
+ 0x
2
+ 0x
3
+ 0x
4
+ 0x
5
= d

cas : Si d

,= 0, alors on a un systme impossible (S = )

2

cas : Si d

= 0, cest dire d + b c a = 0, alors on a trois pivots non nuls, les inconnues

x
1
, x
2
, x
3
sont les inconnues principales et x
4
, x
5
sont les inconnues secondaires.
Lensemble des solutions de (S

) et par consquent de (S) est alors donn par :

_
_
_
x
3
=
1
8
(c

4x
4
+ 5x
5
)
x
2
= b

x
3
x
1
= a + 2x
2
x
3
+ x
4
x
5
cest dire
_
_
_
x
3
=
1
8
c

+
1
2
x
4

5
8
x
5
x
2
= b

1
8
c

1
2
x
4
+
5
8
x
5
x
1
= a 2b

+
3
8
c

1
2
x
4
+
7
8
x
5
(x
4
, x
5
) R
2
Remarque : La mthode de Gauss
1
peut tre utilise pour inverser une matrice A en rsolvant le sys-
tme AX = Y . Par exemple, soit inverser la matrice
A =
_
_
_
_
1 1 1 1
1 2 3 4
1 3 6 10
1 4 10 20
_
_
_
_
pour cela rsolvons le systme :
_

_
x
1
+ x
2
+ x
3
+ x
4
= y
1
x
1
+ 2x
2
+ 3x
3
+ 4x
4
= y
2
x
1
+ 3x
2
+ 6x
3
+ 10x
4
= y
3
x
1
+ 4x
2
+ 10x
3
+ 20x
4
= y
4
On obtient
_

_
x
1
= 4y
1
6y
2
+ 4y
3
y
4
x
2
= 6y
1
+ 14y
2
y
3
+ 3y
4
x
3
= 4y
1
11y
2
+ 10y
3
3y
4
x
4
= y
1
+ 3y
2
3y
3
+ y
4
1. Gauss, Carl Friedrich Gauss, Carl Friedrich (1777-1855), mathmaticien, physicien et astronome allemand, dit le prince
des mathmaticiens, qui apporta des contributions essentielles la plupart des branches des sciences exactes et appliques.
Cours de Mathmatiques MPSI 19 / 20 Rdig par: M.Tarqi
CHAPITRE 17 MATRICES ET SYSTMES LINAIRES
et linverse de A est donc
A
1
=
_
_
_
_
4 6 4 1
6 14 11 3
4 11 10 3
1 3 3 1
_
_
_
_
.

Cours de Mathmatiques MPSI 20 / 20 Rdig par: M.Tarqi