Matrices
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices
1
Matrices
Définitions
Espace vectoriel des matrices n × p Multiplication des matrices
Inverse d’une matrice
Systèmes linéaires
Applications linéaires
Changement de bases
Soit n , p ∈ N
∗.
On appelle matrice à n lignes et p colonnes à coefficients réels (ou complexes),
np nombres réels (ou complexes) rangés dans un tableau à n lignes et p colonnes.
1 0 p 2 i π −3
e −6
72p 3
−1
p2
2
0 −8
sin
158π 0 0 18 1 250 e
19−2 0
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Définitions
Si n = 1 : ( 1 p
2 34 π ) matrice ligne Si p = 1 :
e
−1
p2 2
matrice colonne
Notation : M
n,p( R )
Ensemble des matrices à n lignes et p colonnes à coefficients
réels
Si M ∈ M
n,p( R ) , l’élément situé à l’intersection de la i -ième ligne et de la j -ième colonne, est noté : a
ij.
a
11a
12
· · · a
1j
· · · a
1p
a
21a
22
· · · a
2j
· · · a
2p
.. . .. . .. . .. . .. . .. . a
i1
a
i2
· · · a
ij· · · a
ip.. . .. . .. . .. . .. . .. . a
n1
a
n2
· · · a
nj· · · a
np
= a
ij
1≤i≤n1≤j≤p
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Définitions
Matrice diagonale
Si M est une matrice carrée ( n = p ),
les coefficients a
ii, 1 ≤ i ≤ n, s’appellent les coefficients diagonaux de la matrice.
Une matrice carrée telle que a
ij= 0, si i 6 = j , s’appelle une matrice diagonale
1 0 0 0
0 π 0 0
0 0
120 0 0 0 0
Soit M une matrice carrée.
Si a
ij= 0 pour i > j , on dit que M est triangulaire supérieure
π 1 −2
0 0 0
0 0
12
Si a
ij= 0 pour i < j , on dit que M est triangulaire inférieure −2 0
1 3
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Espace vectoriel des matricesn×p
Somme des matrices
Soit M et M
0deux matrices de M
n,p( R ) : M = a
ij
1≤i≤n1≤j≤p
et M
0= b
ij
1≤i≤n1≤j≤p
On définit la somme des matrices M et M
0comme la matrice : M + M
0= a
ij+ b
ij
1≤i≤n1≤j≤p
3 −1
2 5
0 π
+
4 0 1 2
−1 1
=
7 −1
3 7
−1 π + 1
Soient α ∈ R et M une matrice de M
n,p( R ) : M = a
ij
1≤i≤n1≤j≤p
On définit la matrice α.M comme la matrice : α.M = α. a
ij
1≤i≤n1≤j≤p
= αa
ij
1≤i≤n1≤j≤p
( −2 ) .
1 2 0
−1 3 7 0 4 −5
=
−2 −4 0 2 −6 −14
0 −8 10
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Espace vectoriel des matricesn×p
Théorème : Avec l’addition et la multiplication externe,
l’ensemble M
n,pdes matrices à n lignes et p colonnes est un espace vectoriel de dimension np .
Le vecteur 0 de cet espace vectoriel est la matrice dont tous ~
les coefficient sont nuls.
Soit M ∈ M
n,p( R ) et M
0∈ M
p,q( R ) deux matrices : M = a
ij
1≤i≤n1≤j≤p
et M
0= b
ij
1≤i≤p1≤j≤q
On définit la matrice produit de M et M
0, comme la matrice : MM
0= c
ij
1≤i≤n1≤j≤q
où :
c
ij=
p
X
k=1
a
ikb
kjParis Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Multiplication des matrices
Produit de 2 matrices
Exemple
Soient : M =
1 −1 0 3
2 0 1 5
et M
0=
3 1 1 2 0 1 0 0
MM
0=
2 −1
6 3
Attention : Le produit de deux matrices M et M
0n’existe que
si le nombre de colonnes de M est égal au nombre de lignes
de M
0.
Une matrice est carrée si n = p :
le produit de 2 matrices carrées est toujours possible.
Attention : Le produit des matrices n’est pas commutatif, en général :
Si M
1
, M
2
∈ M
n, M
1
M
2
6 = M
2
M
1
1 3 2 0 2 1 3 0 1
5 0 1
2 −2 0
1 0 0
=
13 −6 1 3 −4 0 16 0 3
6
=
8 15 11
2 2 6
1 3 2
=
5 0 1
2 −2 0
1 0 0
1 3 2 0 2 1 3 0 1
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Multiplication des matrices
Cas des matrices carrées
Règles de calcul pour la multiplication
Si M
1
, M
2
, N
1
, N
2
∈ M
n( M
1
+ M
2
)( N
1
+ N
2
) = M
1
N
1
+ M
1
N
2
+ M
2
N
1
+ M
2
N
2
( M
1
+ M
2
)
2= M
21
+ M
1
M
2
+ M
2
M
1
+ M
22
D’une manière générale, la formule du binôme ne s’applique
pas aux matrices
Dans M
non appelle matrice identité, la matrice diagonale dont tous les éléments diagonaux sont égaux à 1.
Notation : I
nI
2=
1 0 0 1
I
3=
1 0 0 0 1 0 0 0 1
etc.
Une matrice M ∈ M
nest inversible,
s’il existe une matrice N ∈ M
ntelle que :
MN = NM = I
nNotation : N = M
−1Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Inverse d’une matrice
Matrices inversibles
Proposition : Si une matrice M ∈ M
nest inversible : 1. Son inverse M
−1est unique.
2. M
−1
−1= M
3. Si N ∈ M
nest inversible : MN )
−1= N
−1M
−1Règles élémentaires
Pour calculer l’inverse d’une matrice, on peut :
É
Permuter des lignes
É
Multiplier une ligne par un nombre non nul
É
Ajouter à une ligne une combinaison linéaire des autres
É
Ces opérations peuvent également se faire sur les colonnes
On appelle ces règles : règles élémentaires
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Inverse d’une matrice
Matrices inversibles
Calcul de l’inverse
Soit à calculer l’inverse de la matrice :
1 −5 0
2 1 1
6 2 4
On écrit :
1 −5 0 1 0 0
2 1 1 0 1 0
6 2 4 0 0 1
Règle du jeu : Transformer la matrice de gauche en la matrice de droite, en n’appliquant que des règles
élémentaires.
Calcul de l’inverse
1 −5 0
2 1 1
6 2 4
−1
=
1 6
5
3
−
125−
16 13−
121−
16−
83 1112
=
112
2 20 −5
−2 4 −1
−2 −32 11
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Systèmes linéaires
On appelle système linéaires de n équations à p inconnues, un système du type :
a
11x
1
+ a
12
x
2
+ · · · + a
1p
x
p= b
1
a
21x
1
+ a
22
x
2
+ · · · + a
2p
x
p= b ..
2. .. .
a
n1
x
1
+ a
n1
x
2
+ · · · + a
npx
p= b
nLa matrice A = aij
1≤i≤n1≤j≤p
s’appelle la matrice du système.
Le n -uplet ( b
1
, b
2
, · · · , b
n) est le second membre du système.
On pose : X =
x
1x
2.. . x
p
et B =
b
1b
2.. . b
n
Le système :
a
11x
1
+ a
12
x
2
+ · · · + a
1p
x
p= b
1
a
21x
1
+ a
22
x
2
+ · · · + a
2p
x
p= b ..
2. .. .
a
n1
x
1
+ a
n1
x
2
+ · · · + a
npx
p= b
nS’écrit : A.X = B
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Systèmes linéaires
Résolution d’un système linéaire : cas d’une matrice carrée
Si la matrice A du système est inversible, le système a alors une seule solution :
A.X = B ⇔ X = A
−1.B
matrice carrée
Exemple
Soit à résoudre le système :
x − y + 2 z = 5 3 x + 2 y + z = 10 2 x − 3 y − 2 z = −10 Écriture matricielle :
1 −1 2
3 2 1
2 −3 −2
x y z
=
5 10
−10
La solution est : ( x , y , z ) = ( 1 , 2 , 3 )
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Applications linéaires
Application linéaire
Soit
É
E un espace vectoriel de dimension p et B
E= { a ~
1
, a ~
2
, · · · , a ~
p} un base de E .
É
F un espace vectoriel de dimension n et B
F= { b ~
1
, b ~
2
, · · · , b ~
n} un base de F .
É
x ~ ∈ E : x ~ =
p
X
i=1
x
i. a ~
iUne application f : E 7−→ F est dite linéaire si :
∀~ x ∈ E, f ( x ~ ) =
p
X
i=1
x
i.f ( a ~
i)
Exemple
Soit E = F = R
3, B = { e ~
1
, e ~
2
, e ~
3
} la base canonique et f : R
37−→ R
3, l’application :
f : R
37−→ R
3( x , y , z ) 7−→ ( x + y , y + z , x − 2 z ) f est linéaire.
f(e~
1) =f(1,0,0) = (1,0,1) =e~
1+e~
3
f(e~
2) =f(0,1,0) = (1,1,0) =e~
1+e~
2
f(e~
3) =f(0,0,1) = (0,1,−2) =e~
2−2.e~
3
Soit : u~ = (x,y,z), f(u~) = (x+y).e~
1+ (y+z).e~
2+ (x−2z).e~
3
=x.(e~
1+e~
3) +y.(e~
1+e~
2) +z.(e~
2−2.e~
3)
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Applications linéaires
Proposition : Si f : E 7−→ F est une application linéaire, 1. ∀~ x , y ~ ∈ E, f ( x ~ + y ~ ) = f ( x ~ ) + f ( y ~ )
2. ∀~ x ∈ E, ∀ α ∈ R , f ( α. x ~ ) = α.f ( x ~ )
Soit
É
E un espace vectoriel de dimension p et B
E= { a ~
1
, a ~
2
, · · · , a ~
p} une base de E .
É
F un espace vectoriel de dimension n et B
F= { b ~
1
, b ~
2
, · · · , b ~
n} une base de F .
É
f : E 7−→ F une application linéaire.
∀~ x ∈ E, f ( x ~ ) =
p
X
j=1
x
j.f ( a ~
j)
∀ j, ( 1 ≤ j ≤ p ) , f ( a ~
j) ∈ F ⇒ ∃ α
ij, ( 1 ≤ i ≤ n ) : f ( a ~
j) =
n
X
i=1
α
ijb ~
iParis Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Applications linéaires
Matrice d’une application linéaire
La matrice : α
ij
1≤i≤n1≤j≤p
s’appelle la matrice de l’application linéaire f .
Important : Les nombres α
ijdépendent :
É
de l’application linéaire f .
É
des bases choisies dans les espaces vectoriels E et F .
Calcul
Soit :
f : E 7−→ F est une application linéaire, B
E= { a ~
1
, a ~
2
, · · · , a ~
p} une base de E et B
F= { b ~
1
, b ~
2
, · · · , b ~
n} une base de F .
M
(f,BE,BF)
=
f ( a ~
1
) f ( a ~
2
) · · · f ( a ~
p)
↓ ↓ ↓
α
11α
12
· · · α
1p
α
21α
22
· · · α
2p
.. . .. . .. . α
n1
α
n2
· · · α
np
~ b
1~ b
2.. .
~ b
nParis Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Applications linéaires
Matrice d’une application linéaire
Soit E = F = R
3, B = { e ~
1
, e ~
2
, e ~
3
} la base canonique et f : R
37−→ R
3, l’application :
f : R
37−→ R
3( x , y , z ) 7−→ ( x + y , y + z , x − 2 z )
f(e~
1) =f(1,0,0) = (1,0,1) =e~
1+e~ f(e~ 3
2) =f(0,1,0) = (1,1,0) =e~
1+e~
2
f(e~
3) =f(0,0,1) = (0,1,−2) =e~
2−2.e~
3
f(e~
1)f(e~
2)f(e~
3)
↓ ↓ ↓
1 1 0
0 1 1
1 0 −2
~ e1
~ e2
~ e3
Soit E, F, G trois espaces vectoriels de bases respectives B
E, B
F, B
Get f : E 7−→ F et g : F 7−→ G deux applications linéaires.
Théorème : M
(g◦f,BE,BG)
= M
(g,BF,BG)
M
(f,BE,BF)
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Changement de bases
Dans R
2, base canonique : B = {~ e
1
, e ~
2
} et x ~ = 2~ e
1
+ 3~ e
2
B
0= { u ~
1
, u ~
2
} avec u ~
1
= 2~ e
1
+ e ~
2
, u ~
2
= 3 e ~
1
+ 2~ e
2
~ x = α
1
u ~
1
+ α
2
u ~
2
= α
1
( 2~ e
1
+ e ~
2
) + α
2
( 3~ e
1
+ 2~ e
2
)
= ( 2 α
1
+ 3 α
2
) e ~
1
+ ( α
1
+ 2 α
2
) e ~
2
2 α
1
+ 3 α
2
= 2
α
1+ 2 α
2
= 3 ⇔
2 3 1 2
α
1α
2= 2
3
Soit E un espace vectoriel, B et B
0deux bases de E
Si un vecteur x ~ ∈ E s’écrit comme le vecteur colonne X dans B et le vecteur colonne X
0dans B
0il existe une matrice P telle que :
X = PX
0Soit E un espace vectoriel muni d’une base B = ( a ~
1
, a ~
2
, · · · , a ~
n) .
Soit une nouvelle base de E : B
0= ( a ~
01
, a ~
02
, · · · , a ~
0n)
On appelle matrice de changement de base, de la base B à la base B
0, la matrice de l’identité :
Id : ( E, B
0) 7−→ ( E, B)
~ a0
1 a~0
2 · · · a~0n
↓ ↓ ↓
α11 α
12 · · · α
1p
α21 α
22 · · · α
2p
... ... ...
αn
1 αn
2 · · · αnp
~ a1
~ a2
...
~ an
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Changement de bases
Matrice de passage
Exemple 1
Soit E = R
3[ X ] , l’espace vectoriel des polynômes de degré au plus 3 et B = {1 , X , X
2, X
3} sa base canonique.
Soit : P
0
= 1 − X, P
1
= 1 + X, P
2
= X
2− X
3, P
3
= X
2+ 2 X
3Exercice : B
0= { P
0
, P
1
, P
2
, P
3
} est une base de E . La matrice de passage de B à B
0est :
1 1 0 0
−1 1 0 0
0 0 1 1
0 0 −1 2
Remarque : Si on conserve la même base, la matrice de passage est la matrice identité.
Soit E un espace vectoriel muni d’une base B = ( a ~
1
, a ~
2
, · · · , a ~
n) et B
0= ( a ~
01
, a ~
02
, · · · , a ~
n0) une nouvelle base de E Soit P
1
la matrice de passage de la base B à la base B
0et P
2
la matrice de passage de la base B
0à la base B .
É
P
1
est la matrice de l’application Id : ( E, B
0) 7−→ ( E, B)
É
P
2
est la matrice de l’application Id : ( E, B) 7−→ ( E, B
0) Donc P
1
P
2
est la matrice de Id : ( E, B) 7−→ ( E, B) P
1P
2
= I
nParis Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Changement de bases
Matrice de passage
Théorème : Si B = ( a ~
1
, a ~
2
, · · · , a ~
n) et B
0= ( a ~
01
, a ~
02
, · · · , a ~
0n) sont deux bases d’un espace vectoriel E de dimension n ,
É
La matrice P , ayant pour colonne i les coordonnées du vecteur a ~
0isur la base {~ a
j}
(1≤j≤n)est inversible.
É
P = M
(id,B0,B)
P
−1= M
(id,B,B0)
É
Si X est la matrice colonne des coordonnées dans la base B d’un vecteur x ~ ∈ E et X
0est la matrice colonne des
coordonnées dans la base B
0du même vecteur x ~ :
X = PX
0et X
0= P
−1X
Exemple 2
Soit l’espace vectoriel R
3rapporté à sa base canonique { e ~
1
, e ~
2
, e ~
3
}.
Soit les trois vecteurs :
~ e
01
= ( 2 , −1 , 1 ) e ~
02
= ( 1 , 2 , −1 ) e ~
03
= ( 1 , 1 , −3 ) . Exercice 1 : B
0= { e ~
01
, e ~
02
, e ~
03
} forment une base de R
3Exercice 2 : Trouver les coordonnées du vecteur u ~ = ( 2 , 3 , 4 ) dans la base : { e ~
01
, e ~
02
, e ~
03
}
La matrice de passage de la base canonique à la base B
0est :
P =
2 1 1
−1 2 1 1 −1 −3
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Changement de bases
Matrice de passage
Exemple 2
Exercice 3 : L’inverse de la matrice P est :
P
−1= 1 13
5 −2 1
2 7 3
1 −3 −5
~
u = ( 2 , 3 , 4 ) .
Soit ( x
0, y
0, z
0) les coordonnées de u ~ dans la base B
0,
x0 y0 z0
=P−1
2 3 4
= 1 13
5 −2 1
2 7 3
1 −3 −5
2 3 4
= 1 13
8 37
−27
Effet sur une matrice
Soit E un espace vectoriel de dimension n , muni d’une base B = ( a ~
1
, a ~
2
, · · · , a ~
n) et B
0= ( a ~
01
, a ~
02
, · · · , a ~
0n) une nouvelle base de E
Soit M la matrice d’une application linéaire f de E dans E dans la base B
Proposition : Si P est la matrice de passage de la base B à la base B
0, la matrice :
M
0= P
−1MP
est la matrice de l’application f dans la base B
0.
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Matrices Changement de bases
Rang d’une matrice
On appelle rang d’une matrice M :
É
Le rang du système de vecteurs colonnes de M .
É
Le rang du système de vecteurs lignes M .
Pour calculer le rang d’une matrice, on applique les règles élémentaires au système de vecteurs colonnes (ou lignes).
Une matrice carrée de dimension n est de rang n si et
seulement si elle est inversible.
Calcul de déterminants
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants
1
Déterminants Définition
Propriétés des déterminants
Déterminant d’une matrice carrée
Calcul des déterminants
Soit : E espace vectoriel de dimension 2 et B = ( e ~
1
, e ~
2
) une base de E .
~ u = x
1
e ~
1
+ y
1
e ~
2
et v ~ = x
2
e ~
1
+ y
2
e ~
2
deux vecteurs de E .
On appelle déterminant de ( u, ~ v ~ ) dans la base B le nombre réel :
Det
B( u, ~ v ~ ) =
x
1x
2
y
1y
2
= x
1
y
2
− y
1
x
2
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
Proposition : Le déterminant vérifie les assertions suivantes :
1. Pour tout vecteur u ~ = x
1
e ~
1
+ y
1
e ~
2
de E , Det
B( u, ~ u ~ ) = 0
x
1x
1
y
1y
1
= x
1
y
1
− y
1
x
1
= 0
2. Pour tous vecteurs u ~ = x
1
e ~
1
+ y
1
e ~
2
, v ~ = x
2
e ~
1
+ y
2
e ~
2
de E , Det
B( u, ~ v ~ ) = −Det
B( v, ~ u ~ )
x
2x
1
y
2y
1
= x
2
y
1
− y
2
x
1
= −
x
1x
2
y
1y
2
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
3. Soient :
~ u = x
1
e ~
1
+ y
1
e ~
2
, v ~ = x
2
e ~
1
+ y
2
e ~
2
et w ~ = x
3
e ~
1
+ y
3
e ~
2
∈ E , α et β ∈ R :
Det
B( u, α ~ v ~ + β w ~ ) = α Det
B( u, ~ v ~ ) + β Det
B( u, ~ w ~ ) , Det
B( α u ~ + β v, ~ w ~ ) = α Det
B( u, ~ w ~ ) + β Det
B( v, ~ w ~ );
x
1αx
2
+ βx
3
y
1αy
2
+ βy
3
= x
1
( αy
2
+ βy
3
) − y
1
( αx
2
+ βx
3
)
= α ( x
1
y
2
− y
1
x
2
) + β ( x
1
y
3
− y
1
x
3
)
= α
x
1x
2
y
1y
2
+ β
x
1x
3
y
1y
3
4. Si B
0= ( e ~
01
, e ~
02
) est une autre base de E , alors : Det
B( u, ~ v ~ ) = Det
B0( u, ~ v ~ ) Det
B( e ~
01
, e ~
02
)
~
u = x
01
e ~
01
+ y
01
e ~
02
et v ~ = x
02
e ~
01
+ y
02
e ~
02 DetB(u,~ v~) = DetB(x0
1e~0
1+y0
1e~0
2,x0
2e~0
1+y0
2e~0
2)
= x0
1DetB(e~0
1,x0
2e~0
1+y0
2e~0
2) +y0
1DetB(e~0
2,x0
2e~0
1+y0
2e~0
2)
= x0
1y0
2DetB(e~0
1,e~0
2) +y0
1x0
2DetB(e~0
2,e~0
1)
= DetB0(u,~ v~)DetB(e~0
1,e~0
2)
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
Corollaire : Si B = {~ e
1
, e ~
2
} est une base de E : deux vecteurs, u ~ et v ~ sont colinéaires si, et seulement si :
Det
B( u, ~ v ~ ) = 0
Soit B = { e ~
1
, e ~
2
, e ~
3
} une base de l’espace vectoriel E . Soient u ~
1
, u ~
2
et u ~
3
des vecteurs de E . Pour i ∈ {1 , 2 , 3}, on note ( x
i, y
i, z
i) des coordonnées de u ~
idans la base B .
On appelle déterminant de ( u ~
1
, u ~
2
, u ~
3
) dans la base B le nombre réel :
DetB(u~
1,u~
2,u~
3) =
x1 x
2 x
3
y1 y
2 y
3
z1 z
2 z
3
= x
1y
2z
3+x
2y
3z
1+x
3y
1z
2−z
1y
2x
3−z
2y
3x
1−z
3y
1x
2
= x
1
y2 y z 3
2 z
3
−y
1
x2 x z 3
2 z
3
+z
1
x2 x y 3
2 y
3
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
Proposition : Une base étant choisie dans E , de dimension 3, le déterminant de trois vecteurs de E vérifie :
1. Soient u~ et v~ des vecteurs de E.
DetB(u,~ u,~ v~) =DetB(u,~ ~v,u~) =DetB(u,~ v,~ v~) =0
2. Soient u~, v~ et w~ des vecteurs de E.
DetB(u,~ ~v,w~) =−DetB(v,~ u,~ w~) =DetB(v,~ w,~ u~)
3. Soient u~, v~, w~ etx~ des vecteurs de E, α et β des nombres réels : DetB(αu~+βv,~ w,~ x~) = αDetB(u,~ w,~ x~) +βDetB(v,~ w,~ x~) DetB(u, α~ v~+βw,~ x~) = αDetB(u,~ v,~ x~) +βDetB(u,~ w,~ x~) DetB(u,~ v, α~ w~ +βx~) = αDetB(u,~ v,~ w~) +βDetB(u,~ v,~ x~).
4. Si B0 = (e~0
1,e~0
2,e~0
3) est une autre base deE, pour tout (u,~ v,~ w~)de vecteurs de E,
DetB(u,~ v,~ w~) =DetB0(u,~ v,~ w~)DetB(e~0
1,e~0
2,e~
3)
Corollaire : Soit B = ( e ~
1
, e ~
2
, e ~
3
) une base de E : trois vecteurs
~
u, v, ~ w ~ , sont coplanaires si, et seulement si : Det
B( u, ~ v, ~ w ~ ) = 0
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
Soit B = { e ~
1
, e ~
2
, e ~
3
} une base de l’espace vectoriel E . Soient u ~
1
, u ~
2
et u ~
3
des vecteurs de E . Pour i ∈ {1 , 2 , 3}, on note ( x
i, y
i, z
i) des coordonnées de u ~
idans la base B .
On appelle déterminant de ( u ~
1
, u ~
2
, u ~
3
) dans la base B le nombre réel :
DetB(u~
1,u~
2,u~
3) =
x1 x
2 x y 3
1 y
2 y
3
z1 z
2 z
3
= x
1y
2z
3+x
2y
3z
1+x
3y
1z
2−z
1y
2x
3−z
2y
3x
1−z
3y
1x
2
= x
1
y2 y
3
z2 z
3
−y
1
x2 x
3
z2 z
3
+z
1
x2 x
3
y2 y
3
x1 x2 x3
x1 x2 x3 y1 y2 y3
z1 z2 z3
y y y
1 2 3
+ + +
−
−
−
z1 2y x3
x1 2z y3
y1 2x z3
x1 2y z3
y1 2z x
3
z1 2x y3
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Définition
Soit E un espace vectoriel de dimension n , muni d’une base B = {~ e
1
, e ~
2
, . . . , e ~
n}.
Soit une famille de n vecteurs de E : F = {~ u
1
, u ~
2
, · · · , u ~
n}, On admet :
Théorème : Il existe une application φ E 7−→ R qui vérifie : 1. ∀ i ( 1 ≤ i ≤ n ) , ∀~ v ∈ E, ∀ α ∈ R
∗:
φ ( u ~
1
, u ~
2
, · · · , α. u ~
i+ v ~ , · · · , u ~
n) = αφ ( u ~
1
, u ~
2
, · · · , u ~
i, , · · · , u ~
n) + φ ( u ~
1
, u ~
2
, · · · , v ~ , · · · , u ~
n) 2. Si pour i 6 = j , u ~
i= u ~
j, φ ( u ~
1
, · · · , u ~
i, · · · , u ~
j, · · · , u ~
n) = 0 3. φ ( e ~
1
, e ~
2
, . . . , e ~
n) = 1 Le nombre φ ( u ~
1
, u ~
2
, · · · , u ~
n) s’appelle le déterminant de la
famille F dans la base B . Noté : det
BF .
Soit E un espace vectoriel de dimension n , muni d’une base B = {~ e
1
, e ~
2
, . . . , e ~
n}.
Soit une famille de n vecteurs de E : F = {~ u
1
, u ~
2
, · · · , u ~
n},
1. Si on permute 2 vecteurs de la famille, le déterminant est multiplié par −1.
2. Si on multiplie un vecteur par α , le déterminant est multiplié par α .
3. Si la famille F est liée, det
BF = 0
Si on ajoute à un vecteur une combinaison linéaire des autres, le déterminant est inchangé.
Paris Descartes 2012 — 2013 Mathématiques et calcul 1
Calcul de déterminants Déterminant d’une matrice carrée
Soit M ∈ M
n( R ) .
On appelle déterminant de la matrice M , le déterminant des vecteurs colonnes de la matrice M , dans la base canonique de R
n.
Notation : det ( M ) Si M = a
ij
1≤i≤n1≤j≤n
:
det ( M ) =
a
11a
12
· · · a
1j
· · · a
1n
a
21a
22
· · · a
2j
· · · a
2n
.. . .. . .. . .. . .. . .. . a
i1
a
i2
· · · a
ij· · · a
in.. . .. . .. . .. . .. . .. . a
n1
a
n2