Aller au contenu
Accueil › Cours de maths › Maths Sup › Matrices et déterminants : cours de maths Maths Sup à télécharger en PDF

Matrices et déterminants : cours de maths Maths Sup à télécharger en PDF

  • par
Cours de maths en Maths Sup : Matrices et déterminants — Zyro, l’explorateur de Planète Maths

Matrices déterminants Maths Sup : un tableau de nombres peut décrire une rotation, un système d’équations, un réseau de transport ou la transformation d’une image. Ensuite, les matrices donnent à toutes ces situations un même langage de calcul, et le déterminant est le nombre qui résume ce qu’une matrice carrée fait subir à l’espace : conserve-t-elle l’information, ou l’écrase-t-elle ? Par ailleurs, dans ce chapitre, on construit le calcul matriciel, on le relie aux applications linéaires et aux changements de base, puis on s’en sert pour résoudre des systèmes et décider de l’inversibilité.

L’essentiel : Une matrice représente une application linéaire dans des bases données, et le produit matriciel correspond à la composition. Une matrice carrée est inversible si et seulement si son déterminant est non nul. Par exemple, pour \(A=\begin{pmatrix}2&1\\3&2\end{pmatrix}\), on a \(\det A=2\times 2-1\times 3=1\), donc \(A\) est inversible.

1. Le calcul matriciel (Matrices déterminants Maths Sup)

Matrice

Une matrice de taille \(n \times p\) à coefficients dans \(\mathbb{K}\) (\(\mathbb{R}\) ou \(\mathbb{C}\)) est un tableau \(A = (a_{ij})\) de \(n\) lignes et \(p\) colonnes ; \(a_{ij}\) est le coefficient de la ligne \(i\) et de la colonne \(j\). Puis l’ensemble de ces matrices se note \(\mathcal{M}_{n,p}(\mathbb{K})\), et \(\mathcal{M}_n(\mathbb{K})\) quand \(n = p\) (matrices carrées).

La somme de deux matrices de même taille et le produit par un scalaire se font coefficient par coefficient : \(\mathcal{M}_{n,p}(\mathbb{K})\) est un espace vectoriel de dimension \(np\). Ensuite, la vraie nouveauté est le produit.

Produit matriciel

Si \(A \in \mathcal{M}_{n,p}(\mathbb{K})\) et \(B \in \mathcal{M}_{p,q}(\mathbb{K})\), le produit \(AB \in \mathcal{M}_{n,q}(\mathbb{K})\) a pour coefficients \[ (AB)_{ij} = \sum_{k=1}^{p} a_{ik}\, b_{kj}. \] On multiplie la ligne \(i\) de \(A\) par la colonne \(j\) de \(B\) : le nombre de colonnes de \(A\) doit être égal au nombre de lignes de \(B\).

210−134×1−20531=211121A : 2 lignes, 3 colonnesB : 3 lignes, 2 colonnesAB : 2 × 2Case (1, 2) de AB : 2×(−2) + 1×5 + 0×1 = 1

Exemple : un produit rectangulaire

Avec \(A = \begin{pmatrix} 2 & 1 & 0 \\ -1 & 3 & 4 \end{pmatrix}\) et \(B = \begin{pmatrix} 1 & -2 \\ 0 & 5 \\ 3 & 1 \end{pmatrix}\), le produit \(AB\) est de taille \(2 \times 2\) :

\(AB = \begin{pmatrix} 2 & 1 \\ 11 & 21 \end{pmatrix}\), car par exemple \((AB)_{21} = (-1)\times 1 + 3 \times 0 + 4 \times 3 = 11\).

Le produit \(BA\) existe aussi, mais il est de taille \(3 \times 3\) : on voit que \(AB\) et \(BA\) n’ont pas même taille. Pourtant \(\operatorname{tr}(AB) = 23 = \operatorname{tr}(BA)\) : nous reviendrons sur cette coïncidence.

Propriétés du produit

Quand les tailles le permettent : \((AB)C = A(BC)\) ; \(A(B+C) = AB + AC\) ; \((\lambda A)B = \lambda (AB)\) ; \(I_n A = A = A I_p\), où \(I_n\) est la matrice identité. Puis la transposée \({}^tA\) échange lignes et colonnes, et \({}^t(AB) = {}^tB \, {}^tA\) : l’ordre est inversé.

Le produit n’est pas commutatif

En général \(AB \neq BA\). De plus, on peut même avoir \(AB = 0\) avec \(A \neq 0\) et \(B \neq 0\). Conséquences : \((A+B)^2 = A^2 + AB + BA + B^2\), et l’identité remarquable usuelle n’est valable que si \(AB = BA\). Ensuite, on ne « simplifie » jamais par une matrice sans savoir qu’elle est inversible.

Les puissances d’une matrice carrée se définissent par \(A^0 = I_n\) et \(A^{k+1} = A^k A\). Par ailleurs, pour une matrice triangulaire supérieure comme \(T = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}\), une récurrence immédiate donne \(T^k = \begin{pmatrix} 1 & k \\ 0 & 1 \end{pmatrix}\).

2. Matrice d’une application linéaire

Matrice dans des bases

Soient \(E\) et \(F\) deux espaces de dimension finie munis de bases \(\mathcal{B} = (e_1, \dots, e_p)\) et \(\mathcal{C}\), et \(f : E \to F\) linéaire. Puis la matrice de \(f\) dans les bases \(\mathcal{B}\) et \(\mathcal{C}\) est la matrice \(\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(f)\) dont la colonne \(j\) contient les coordonnées de \(f(e_j)\) dans \(\mathcal{C}\).

Si \(X\) est la colonne des coordonnées d’un vecteur \(x\) dans \(\mathcal{B}\), alors la colonne des coordonnées de \(f(x)\) dans \(\mathcal{C}\) est le produit \(MX\), où \(M\) est la matrice de \(f\). Ainsi, composer des applications linéaires revient à multiplier leurs matrices : \(\operatorname{Mat}(g \circ f) = \operatorname{Mat}(g)\operatorname{Mat}(f)\), ce qui explique la définition du produit matriciel.

Exemple : une application de \(\mathbb{R}^3\) dans \(\mathbb{R}^2\)

Soit \(f(x,y,z) = (x + 2y - z,\ 3x - y + z)\). Ensuite, dans les bases canoniques, on lit les colonnes en calculant \(f(1,0,0) = (1,3)\), \(f(0,1,0) = (2,-1)\), \(f(0,0,1) = (-1,1)\) :

\[ \operatorname{Mat}(f) = \begin{pmatrix} 1 & 2 & -1 \\ 3 & -1 & 1 \end{pmatrix}. \]

Le vecteur \((1,1,2)\) a pour image \((1+2-2,\ 3-1+2) = (1,4)\), et on retrouve le même résultat avec le produit matriciel.

La matrice dépend des bases choisies : la même application a une infinité de matrices. Savoir en choisir une simple est tout l’enjeu de la partie suivante.

3. Changement de base (Matrices déterminants Maths Sup)

Matrice de passage

Soient \(\mathcal{B}\) et \(\mathcal{B}'\) deux bases de \(E\). Puis la matrice de passage \(P\) de \(\mathcal{B}\) à \(\mathcal{B}'\) est la matrice dont les colonnes contiennent les coordonnées des vecteurs de \(\mathcal{B}'\) dans \(\mathcal{B}\). De plus, elle est toujours inversible.

Formules de changement de base

Si \(X\) et \(X'\) sont les coordonnées d’un même vecteur dans \(\mathcal{B}\) et \(\mathcal{B}'\), alors \(X = PX'\). Si \(A\) est la matrice d’un endomorphisme \(u\) dans \(\mathcal{B}\) et \(A'\) sa matrice dans \(\mathcal{B}'\), alors \[ A' = P^{-1} A P. \]

-2-11234-2-11234e1e2e1′e2′w

Sur la figure, le vecteur \(w = (3,1)\) s’écrit \(w = 2e_1' + 1\,e_2'\) dans la base \((e_1', e_2')\) : ses coordonnées passent de \((3,1)\) à \((2,1)\), selon la formule \(X = PX'\).

Exemple : diagonaliser pour calculer des puissances

Soit \(A = \begin{pmatrix} 3 & 1 \\ 1 & 3 \end{pmatrix}\) et la base \(\mathcal{B}' = (e_1', e_2')\) avec \(e_1' = (1,1)\) et \(e_2' = (1,-1)\). Ensuite, on trouve \(Ae_1' = (4,4) = 4e_1'\) et \(Ae_2' = (2,-2) = 2e_2'\). Avec \(P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}\) :

\[ P^{-1}AP = \begin{pmatrix} 4 & 0 \\ 0 & 2 \end{pmatrix} = D. \]

Comme \(A = PDP^{-1}\), on a \(A^n = PD^nP^{-1}\), c’est-à-dire \(A^n = \dfrac{1}{2}\begin{pmatrix} 4^n + 2^n & 4^n - 2^n \\ 4^n - 2^n & 4^n + 2^n \end{pmatrix}\). Par ailleurs, le calcul de la puissance \(n\)-ième est devenu élémentaire.

4. Rang et inversibilité

Rang

Le rang d’une matrice est la dimension de l’espace engendré par ses colonnes ; c’est aussi la dimension de l’espace engendré par ses lignes, et celui de toute application linéaire qu’elle représente. Puis on a \(\operatorname{rg}(A) \leqslant \min(n,p)\).

Caractérisation de l’inversibilité

Pour \(A \in \mathcal{M}_n(\mathbb{K})\), les propositions suivantes sont équivalentes : (i) \(A\) est inversible ; (ii) \(\operatorname{rg}(A) = n\) ; (iii) \(AX = 0\) n’a que la solution nulle ; (iv) pour tout \(Y\), le système \(AX = Y\) a une unique solution ; (v) \(\det A \neq 0\). Ensuite, l’inverse vérifie \((AB)^{-1} = B^{-1}A^{-1}\) et \(({}^tA)^{-1} = {}^t(A^{-1})\).

En dimension 2, une formule suffit : si \(\det A = ad - bc \neq 0\), alors \[ \begin{pmatrix} a & b \\ c & d \end{pmatrix}^{-1} = \dfrac{1}{ad - bc}\begin{pmatrix} d & -b \\ -c & a \end{pmatrix}. \]

Exemple : une matrice 3 × 3 inversible

Soit \(M = \begin{pmatrix} 1 & 2 & 0 \\ 0 & 1 & 3 \\ 1 & 0 & 1 \end{pmatrix}\). Puis un calcul de déterminant donne \(\det M = 7 \neq 0\), donc \(M\) est inversible, et en résolvant \(MX = Y\) on obtient \[ M^{-1} = \dfrac{1}{7}\begin{pmatrix} 1 & -2 & 6 \\ 3 & 1 & -3 \\ -1 & 2 & 1 \end{pmatrix}. \]

Vérification sur la première ligne de \(M\) et la première colonne : \(\frac{1}{7}(1 \times 1 + 2 \times 3 + 0 \times (-1)) = 1\), ce qui est le bon coefficient de \(I_3\).

5. Systèmes linéaires et pivot de Gauss (Matrices déterminants Maths Sup)

Un système de \(n\) équations à \(p\) inconnues s’écrit \(AX = B\), avec \(A\) la matrice des coefficients, \(X\) la colonne des inconnues et \(B\) le second membre. Chaque équation à deux inconnues est une droite du plan, et la solution est leur intersection.

-112345-112345678S(2 ; 3)

Un système compatible a soit une unique solution (droites sécantes), soit une infinité (droites confondues), et il est incompatible si les droites sont parallèles distinctes. De plus, en dimension supérieure, la même trichotomie subsiste : zéro, une ou une infinité de solutions.

Méthode du pivot de Gauss

  1. Choisis un coefficient non nul de la première colonne (le pivot), échange les lignes si nécessaire.
  2. Élimine l’inconnue correspondante dans les autres lignes par des opérations \(L_i \leftarrow L_i - \lambda L_1\).
  3. Recommence sur le sous-système restant pour obtenir une forme échelonnée.
  4. Résous de bas en haut ; le nombre de pivots est le rang du système, et une ligne \(0 = c\) avec \(c \neq 0\) signale l’incompatibilité.
Exemple : un système 3 × 3

Résous \(\begin{cases} x + y + z = 4 \\ 2x - y + z = 8 \\ x + 2y - z = -3 \end{cases}\).

Avec \(L_2 \leftarrow L_2 - 2L_1\) et \(L_3 \leftarrow L_3 - L_1\), il vient \(-3y - z = 0\) et \(y - 2z = -7\). Alors \(z = -3y\), donc \(y + 6y = -7\), soit \(y = -1\), \(z = 3\), puis \(x = 4 - y - z = 2\).

La solution est \((x,y,z) = (2,-1,3)\), et le système est de rang \(3\).

Astuce de Zyro

Les opérations sur les lignes ne changent pas l’ensemble des solutions : sur Terre comme sur ma planète, tu peux les enchaîner sans craindre de perdre une solution.

6. Le déterminant

Déterminant d’une matrice carrée

Pour \(n = 2\), \(\det\begin{pmatrix} a & b \\ c & d \end{pmatrix} = ad - bc\). Ensuite, pour \(n \geqslant 2\), on le définit par récurrence en développant selon la première colonne : \[ \det A = \sum_{i=1}^{n} (-1)^{i+1} a_{i1} \det A_{i1}, \] où \(A_{i1}\) est la matrice obtenue en supprimant la ligne \(i\) et la colonne \(1\).

Géométriquement, \(|\det(u,v)|\) est l’aire du parallélogramme construit sur les vecteurs \(u\) et \(v\), et le signe indique l’orientation. En dimension 3, c’est un volume.

-112345-11234Ouvu+v

Pour \(u = (3,1)\) et \(v = (1,2)\), on lit \(\det(u,v) = 3 \times 2 - 1 \times 1 = 5\), qui est bien l’aire de la zone colorée. En dimension 3, la règle de Sarrus donne le déterminant par six produits.

2130−14521210−152Sarrus : (−2 + 20 + 0) − (−15 + 16 + 0) = 17diagonales descendantes en positif, montantes en négatif

Exemple : un déterminant 3 × 3

Pour \(N = \begin{pmatrix} 2 & 1 & 3 \\ 0 & -1 & 4 \\ 5 & 2 & 1 \end{pmatrix}\), la règle de Sarrus donne \(\det N = (2\cdot(-1)\cdot 1 + 1\cdot 4\cdot 5 + 3\cdot 0\cdot 2) - (3\cdot(-1)\cdot 5 + 2\cdot 4\cdot 2 + 1\cdot 0\cdot 1) = 18 - 1 = 17\).

Opération sur une matrice \(A\) de taille \(n\) Effet sur le déterminant
échanger deux lignes (ou deux colonnes) le déterminant change de signe
multiplier une ligne par \(\lambda\) le déterminant est multiplié par \(\lambda\)
ajouter à une ligne un multiple d’une autre le déterminant ne change pas
multiplier toute la matrice par \(\lambda\) le déterminant est multiplié par \(\lambda^n\)
transposer le déterminant ne change pas
Propriétés fondamentales

Le déterminant est multiplicatif : \(\det(AB) = \det A \cdot \det B\). On en déduit \(\det(A^{-1}) = 1/\det A\) pour \(A\) inversible, et \(\det(P^{-1}AP) = \det A\). Une matrice triangulaire a pour déterminant le produit de ses coefficients diagonaux. Enfin \(A\) est inversible si et seulement si \(\det A \neq 0\).

Pas d’additivité

En général \(\det(A+B) \neq \det A + \det B\), et \(\det(\lambda A) = \lambda^n \det A\), pas \(\lambda \det A\). Pour calculer un déterminant à la main, la méthode la plus sûre est de se ramener à une matrice triangulaire par des opérations de pivot.

7. Matrices semblables et trace

Matrices semblables

Deux matrices \(A\) et \(B\) de \(\mathcal{M}_n(\mathbb{K})\) sont semblables s’il existe \(P\) inversible telle que \(B = P^{-1}AP\). Autrement dit, ce sont les matrices d’un même endomorphisme dans deux bases différentes. La similitude est une relation d’équivalence.

Trace

La trace d’une matrice carrée est la somme de ses coefficients diagonaux : \(\operatorname{tr}(A) = \sum_{i=1}^{n} a_{ii}\).

Propriétés de la trace

La trace est linéaire, \(\operatorname{tr}({}^tA) = \operatorname{tr}(A)\), et surtout \(\operatorname{tr}(AB) = \operatorname{tr}(BA)\) pour toutes matrices \(A \in \mathcal{M}_{n,p}\) et \(B \in \mathcal{M}_{p,n}\). Démonstration : \(\operatorname{tr}(AB) = \sum_i \sum_k a_{ik}b_{ki} = \sum_k \sum_i b_{ki}a_{ik} = \operatorname{tr}(BA)\).

On en déduit que la trace est un invariant de similitude : \(\operatorname{tr}(P^{-1}AP) = \operatorname{tr}(APP^{-1}) = \operatorname{tr}(A)\). La trace, le déterminant et le rang d’une matrice ne dépendent donc que de l’endomorphisme, pas de la base : on parle de trace, de déterminant et de rang d’un endomorphisme.

Réciproque fausse

Deux matrices peuvent avoir même trace, même déterminant et même rang sans être semblables. En revanche, si l’un de ces invariants diffère, elles ne sont pas semblables : c’est la méthode standard pour le prouver.

À retenir

  • Le produit \(AB\) existe si le nombre de colonnes de \(A\) est le nombre de lignes de \(B\) ; il est associatif, non commutatif, et \({}^t(AB) = {}^tB\,{}^tA\).
  • La colonne \(j\) de la matrice d’une application linéaire est l’image du \(j\)-ième vecteur de base ; composer revient à multiplier.
  • Changement de base : \(X = PX'\) et \(A' = P^{-1}AP\).
  • Pour \(A\) carrée : inversible \(\iff \operatorname{rg} A = n \iff \det A \neq 0\) ; \((AB)^{-1} = B^{-1}A^{-1}\).
  • Le pivot de Gauss échelonne un système par des opérations sur les lignes sans changer ses solutions.
  • \(\det(AB) = \det A \det B\), \(\det(\lambda A) = \lambda^n \det A\) ; un échange de lignes change le signe.
  • \(\operatorname{tr}(AB) = \operatorname{tr}(BA)\) ; trace, déterminant et rang sont des invariants de similitude.

Matrices déterminants Maths Sup : méthode pour réussir

Pour bien apprendre ce chapitre, commence par recopier les propriétés importantes sur une fiche. Puis explique-les à voix haute, comme à un camarade. Enfin, vérifie que tu sais les appliquer sur un exemple chiffré.

Par ailleurs, Matrices déterminants Maths Sup demande surtout de la régularité : quelques séances courtes valent mieux qu’une longue révision la veille. Par exemple, explique la méthode à voix haute, comme à un camarade, avant de passer à la suite.

Zyro te conseille aussi de relier Matrices déterminants Maths Sup aux autres chapitres du programme de Maths Sup. Ensuite, repère les notions que tu maîtrises déjà et celles qui te demandent encore du travail. Ainsi, tu organises tes révisions avec méthode.

Pour matrices et déterminants, prévois une séance courte et régulière plutôt qu’un gros bloc. Puis termine toujours par un petit bilan : ce que tu as compris, ce qui reste flou. Enfin, note une question à poser à ton professeur.

Pour aller plus loin

Dans le programme de Maths Sup, matrices et déterminants revient souvent dans les devoirs et les évaluations. Ainsi, quand tu maîtrises matrices et déterminants, tu gagnes en confiance pour la suite de l’année. De plus, les notions de ce chapitre servent de base aux chapitres suivants.

Pour progresser sur matrices et déterminants, fixe-toi un objectif simple à chaque séance : une propriété comprise, un exemple refait, une erreur corrigée. Ensuite, note ce que tu as réussi seul. Enfin, reviens sur matrices et déterminants une semaine plus tard pour vérifier que tout est bien retenu.

Si tu bloques sur matrices et déterminants, ne reste pas seul face à la difficulté. D’abord, relis la définition qui pose problème. Puis cherche un exemple plus simple avec des nombres entiers. Enfin, demande de l’aide à un adulte ou à ton professeur avec une question précise sur matrices et déterminants.

Zyro rappelle que matrices et déterminants s’apprend avec le temps : chacun avance à son rythme. Par conséquent, ne te décourage pas après une mauvaise note. Au contraire, repère ce qui a manqué, travaille ce point précis, puis refais un essai sur matrices et déterminants.

Faire les exercices : Matrices et déterminants – Planète MathsFaire le QCM : Matrices et déterminants – Planète Maths

Entraîne-toi : défi express de Maths Sup

Automatismes Maths Sup : combien de réponses en 60 secondes ?

🚀 Zyro te conseille la suite

Livres scolaires de maths à télécharger en PDF, du CP à la terminale, avec Zyro