Chapitre 1: Les Matrices

1 Def initions

1.1 Matrice
On appelle matrice à éléments dans un corps K (K = R), tout tableau carré ou
réctangulaire d’éléments aij (aij 2 R).
i : l’indice de la ligne et j : l’indice de la colonne.
A = (aij )1 i m
1 j n
0 1
a11 a12 : : : a1j : : : a1n
B a21 a22 : : : a2j : : : a2n C
B C
B : : : : : : : : C
B C
B : : : : : : : : C
B C
B : : : : : : : : C
A=B
B
C
C
B ai1 ai2 : : : aij : : : ain C
B : : : : : : : : C
B C
B : : : : : : : : C
B C
@ : : : : : : : : A
am1 am2 : : : amj : : : amn
m = nombre de lignes.
n = nombre de colonnes.
Si m = n : la matrice A est dite carrée.
Si m 6= n : la matrice A est dite réctangulaire.

1.2 Dimension :
Le couple (m; n) est appelé dimension de la matrice A:

Remarque :
* Une matrice de dimension (m; 1) est une matrice colonne (vecteur).
* Une matrice de dimension (1; n) est une matrice ligne.

Exemples : 0 1
0 1 1 2
1 1 1 B 3 1 C 2 0 1
A=@ 1 1 1 A, B=B @ 1 2 A et C =
C :
1 3 5
1 1 1
0 1
dimension de A est (3; 3), dim (B) = (4; 2) et dim (C) = (2; 3) :
a22 = 1, b13 n’existe pas, b32 = 2, c13 = 1:

1
1.3 Diagonale principale :
On appelle diagonale principale d’une matrice carrée d’ordre n; A = (aij ) 1 i n =
0 1 1 j n
a11 a12 :.....:.....: a1n
B a21 a22 :.....:.....: a2n C
B C
B : : : C
B C les éléments a11 ,a22 ,a33 ,aii ,:::; ann .
B : : :.....:.....: : C
B C
@ : : : A
an1 an2 :.....:.....: ann

1.4 Egalité de 2 matrices :

Soient A = (aij ) et B = (bij ) deux matrices, on dit que A est égale à B si et
seulement si elles sont de même type (même dimension) et aij = bij 8i; 8j.

Exemple
0 : 1 0 1
2 3 2 3
1 3 2
A=@ 0 1 A,B= et C = @ 4 1 A.
0 6 4
1 5 1 5
A 6= B car elles ne sont pas de même type; dim (A) 6= dim (B).
A 6= C car il existe a21 6= c21 :

2 Opérations sur les matrices :

2.1 Addition de deux matrices :
Dé…nition :
Soient A = (aij ) et B = (bij ) deux matrices de même dimension (m; n),
on additionne terme à terme pour obtenir : A + B = (aij + bij ) de dimension
(m; n) :

Exemple
0 : 1 0 1 0 1
2 3 1 2 1 1 1
A = @ 4 2 A, B = @ 0 1 A et C = @ 1 1 1 A
1 0 1 4 1 1 1
0 1 0 1
2+1 3+2 3 5
A+B =@ 4+0 2 + 1 A = @ 4 3 A:
1+1 0+4 2 4
A + C n’existe pas car A et C ne sont pas de même dimension.

Propriétés :
Soient A, B et C trois matrices de dimension (m; n) et 0(m;n) la matrice de
dimensions (m; n) dont tous ses éléments sont égaux à 0:
1/ (A + B) + C = A + (B + C) :

2
 2/ A + 0(m;n) = A:
3/ A + ( A) = 0(m;n) :
4/ A + B = B + A:

2.2 Multiplication d’une matrice par un scalaire :

Dé…nition :
Soient A = (aij ) une matrice de dimension (m; n) et 2 R, on dé…nit la
matrice A comme matrice dont tous les coe¢ cients sont multipliés par c-à-d
: A = ( aij ).
A est aussi de dimension (m; n) :

Exemple
0 : 1
2 3
A=@ 4 2 A et = 2:
1 0
0 1 0 1
2 2 2 3 4 6
A=@ 2 4 2 2 A=@ 8 4 A:
2 1 2 0 2 0

Propriétés :
Soient A et B deux matrices de dimension (m; n) et ; deux réels :
1/ (A + B) = A + B:
2/ ( + ) A = A + A:
3/ ( ) A = ( A) :
4/ 1 A = A et 0 A = 0(m;n) :

2.3 Multiplication de matrices :

Dé…nition :
Soient A = (aij ) une matrice de dimension (m; n) et B = (bij ) une matrice
de dimension (n; l) : Le produit des deux matrices A et B est une matrice C de
dimension (m; l) : A(m;n) B(n;l) = C(m;l) :

0 1
b1j
B b2j C
B C Xn
B : C
C = (cij )1 avec cij = ai1 ai2 : : : ain B C= aik bkj :
i m B : C
1 j l B C i=1
@ : A
bnj

Remarque :

3
 Le produit AB n’est donc possible que si le nombre de colonnes de A est
égal au nombre de lignes de B.

Exemple
0 : 1 0 1
2 3 1 2
2 1
A = @ 4 2 A, B = @ 0 1 A et C = :
1 4
1 0 1 4
AB n’existe pas car (le nombre de colonnes de A 6= le nombre de lignes de
B).

0 1
2 3
2 1
AC = @ 4 2 A
1 4
1 0
0 1
2 1
B 2 3 2 3 C
B 1 4 C
B 2 1 C
= B
B 4 2 4 2 C
C
B 1 4 C
@ 2 1 A
1 0 1 0
1 4
0 1
2 2+3 1 2 1+3 4
= @ 4 2+2 1 4 1+2 4 A
1 2+0 1 1 1+0 4
0 1
7 14
= @ 10 12 A :
2 1

Remarque :
En général la multiplication de deux matrices n’est pas commutative :

AB 6= BA:

Exemple :
2 1 4 2
A= et B = :
1 4 0 2
8 6 6 4
AB = et BA = alors AB 6= BA:
4 10 2 8

Propriétés :
Soient A(m;n) , B(n;l) , C(l;p) , D(n;l) et E(l;m)
1/ (AB) C = A (BC) :
2/ A (B + D) = AB + AD:
3/ (B + D) E = BE + DE:

4
2.4 Transposition de matrice :

Dé…nition : 0 1
a11 a12 :.....:.....: a1n
B a21 a22 :.....:.....: a2n C
B C
B : : : C
Soit A = (aij )1 i m = B
B :
C, la matrice trans-
1 j n B : :.....:.....: : CC
@ : : : A
am1 am2 :.....:.....: amn
posée de A (notée At ) est la matrice obtenue en écrivant les lignes de A en
colonnes : 0 1
a11 a21 :.....:.....: am1
B a12 a22 :.....:.....: am2 C
B C
B : : : C
t
A =BB C
B : : :.....:.....: : CC
@ : : : A
a1n a2n :.....:.....: amn
Si A est de dimension (m; n), alors At est de dimension (n; m) :

Exemple
0 : 1
2 3
2 4 1
A=@ 4 2 A ) At = : aij = aTji
3 2 0
1 0

Propriétés :
Soient A(m;n) , B(m;n) , et C(n;l) trois matrices et 2R
t
1/ (A + B) = At + B t :
t
2/ (At ) = A:
t
3/ ( A) = (At ) :
t
4/ (AC) = C t At :

3 Matices particulières :
3.1 Matrice diagonale:
Dé…nition:
Une matrice carrée A = (aij ) est dite diagonale si tous ses éléments non
diagonaux sont nuls. Une telle matrice est notée diag (a11 ; a22 ; :::; ann )
dont certains ou tous les scalaires dii peuvent etre égaux à 0.
Exemple
0 1
0 1 1 0 0 0
1 0 0 B 0 2 0 0 C
4 0
D1 = @ 0 4 0 A , D2 = , D3 = B@ 0 0 0 0 A:
C
0 7
0 0 2
0 0 0 5

5
3.2 Matrice identité :

Dé…nition:

La matrice identité ou matrice unité est une matrice carrée avec des 1 sur
la diagonale et des 0 partout ailleurs.
In est la matrice unité d’ordre n et est donc dé…nie comme une matrice
diagonale avec 1 sur chaque entrée de sa diagonale principale.

Exemple : 0 1
0 1 1 0 0 0
1 0 0 B 0
1 0 B 1 0 0 C
C:
I1 = (1), I2 = , I3 = @ 0 1 0 A , I4 = @
0 1 0 0 1 0 A
0 0 1
0 0 0 1

3.3 Matrice inversible:

Dé…nition :
Une matrice carrée A d’ordre n est dite inversible s’il existe une matrice
carée B d’ordre n telle que AB = BA = In . Une telle matrice B est unique,
elle est appelé matrice inverse de A et on la note A 1 :

Remarque :
Cette relation est symétrique, c’est à dire : si B est l’inverse de A, alors A
est l’inverse de B

Exemple :

3 2 1 0 1
A= , A = 1 3
1 0 2 2

3.4 Matrice Symétrique:

3.5

Dé…nition :
Une matrice carréeA est dite symétrique si et seulement si AT = A . Autrement
dit si 8i 6= j ; aij = aji :

Exemple :
0 1 0 1
2 1 3 2 1 3
A=@ 1 5 6 A ; At = @ 1 5 6 A = A:
3 6 2 3 6 2

6
3.6 Matrice Triangulaire:
Dé…nition :
une matrice triangulaire est une matrice carrée dont les éléments au dessous
(ou au dessus) de la diagonale principale sont tous nuls.

Exemple : 0 1
0 1 4 0 0 0
1 2 3 B 4 2 0 0 C
A=@ 0 4 9 A est triangulaire supérieure. B = B
@ 0
C
3 1 0 A
0 0 2
1 5 1 0
est triangulaire inférieure.

4 Déterminant :

4.1 Déterminant d’une matrice carrée d’ordre 2 :

Dé…nition :
a b
Soit A = une matrice carrée d’ordre 2, alors det (A) = ad bc:
c d

Exemple :

2 5 2 5
A= ; det (A) = =2 7 3 5 = 14 15 = 1:
3 7 3 7

4.2 Déterminant d’une matrice carrée d’ordre 3 :

Règle de SARRUS :

La règle de Sarrus consiste à écrire les trois colonnes de la matrice et à

répéter, dans l’ordre, les deux premières lignes en dessous de la matrice. Il su¢ t
alors d’e¤ectuer les produits des coe¢ cients de chaque diagonale et d’en faire
la somme si la diagonale est descendante ou la di¤érence si la diagonale est
ascendante. 0 1 0 1
a b c a b c
Soit A = @ d e f A, alors S = @ d e f A et
g h i g h i
a b c
d e f

a b c
det (A) = d e f = (aei + dhc + gbf ) (ceg + f ha + ibd)
g h i
:

7
 Exemple
0 : 1 0 1
2 1 0 2 1 0
A=@ 1 4 2 A ; S = @ 1 4 2 A et
3 1 1 3 1 1
2 1 0
1 4 2

det (A) = (2 4 1 + 1 1 0 + 3 1 2) (0 4 3+2 1 2+1 1 1)

= (8 + 0 + 6) (0 + 4 + 1)
= 14 5
= 9:

Remarque :
Cette règle n’est pas valable que pour des matrices carrées d’ordre 3.

4.3 Déterminant d’une matrice carrée d’ordre n :

Dé…nition 1 :
0 1
a11 a12 :.....:.....: a1n
B a21 a22 :.....:.....: a2n C
B C
B : : : C
Soit A = (aij ) 1 i n = BB :
C une matrice carrée
C
1 j n B : :.....:.....: : C
@ : : : A
an1 an2 :.....:.....: ann
d’ordre n, le mineur Mij = jAij j est le déterminant de la matrice obtenue en
éliminant la ieme ligne et la j eme colonne de A.

Exemple
0 : 1
2 1 4
2 3
A=@ 5 2 3 A ; M11 = jA11 j = = 2 3 3 7 = 6 21 = 15;
7 3
8 7 3
5 3 2 4
M12 = jA12 j = = 5 3 3 8 = 9; M22 = jA22 j = = 26:
8 3 8 3
Dé…nition 2 :
Le cofacteur ij d’une matrice carrée A est dé…nie par la relation
i+j
ij = ( 1) Mij :

Exemple
0 : 1
2 1 4
1+1 1+2
A = @ 5 2 3 A ; 11 = ( 1) M11 = 1 15 = 15; 12 = ( 1) M12 =
8 7 3
2+2
( 1) ( 9) = 9; 22 = ( 1) M22 = 1 ( 26) = 26:

8
4.3.1 Méthode des cofacteurs :
.
0 1
a11 a12 :.....:.....: a1n
B a21 a22 :.....:.....: a2n C
B C
B : : : C
Soit A = (aij ) 1 i n =B
B
C une matrice carrée
C
1 j n B : : :.....:.....: : C
@ : : : A
an1 an2 :.....:.....: ann
a11 a12 :.....:.....: a1n
a21 a22 :.....:.....: a2n
: : :
d’ordre n, et soit det (A) = = ; alors
: : :.....:.....: :
: : :
an1 an2 :.....:.....: ann
n
X
= aij ij developpement par rapport à la ligne i:
j=1

où bien
n
X
= aij ij developpement par rapport à la j eme colonne:
i=1

Remarque :

D’une manière générale, le déterminant est obtenue en suivant une expansion

par cofacteurs comme suit :
1= Choisir une ligne ou une colonne de A (si possible, il est plus rapide de
choisir la ligne où la colonne de A contenant le plus grand nombre de zéros).
2= Multiplier chacun des éléments aij de la ligne (ou colonne) choisie par
son cofacteur ij .
3= Calculer la somme des résultats.

Exemple
0 : 1
2 1 3
A=@ 1 0 2 A ; choisir la 2eme colonne :
2 0 2

9
 3 2 X1
3
det (A) = 1
2 = 0 ai2 i2
2 2 0
i=1

= a12 12 + a22 22 + a32 32

= 1 12 + 0 22 + 0 32
1+2 1 2
= ( 1) M12 = ( 1)
2 2
= ( 2)
= 2:

4.3.2 Propriétés du déterminant d’une matrice :

.
1= Si l’on permute deux lignes ou deux colonnes, le déterminant change de
signe.
2= Si deux lignes ou deux colonnes sont identiques, le déterminant est nul.
3= On peut ajouter à une colonne (ou une ligne) un multiple d’une autre
colonne (ou d’une autre ligne) sans changer la valeur du déterminant.
4= Si l’on multiplie tous les termes d’une même ligne ou d’une même colonne
par un réel k, le déterminant est multiplié par k.
5= Si une ligne ou une colonne est nulle, le déterminant est nul.
6= det(A B) = det(A) det(B).
7= Le déterminant d’une matrice triangulaire A est le produit des coe¢ cients
Yn
diagonaux c-à-d det (A) = aii = a11 a22 a33 ::::: ann :
i=1

4.3.3 Méthode du pivot (GAUSS) :

.
Cette méthode consiste à remplacer la matrice par une matrice triangulaire
en utilisant seulement des permutations de lignes ou colonnes et des ajouts à une
ligne d’un multiple d’une autre ligne de manière à faire apparaitre un maximum
de zéros.
Le principe est le suivant :
1= On choisit dans la matrice un terme non nul aij , en général le premier
terme en haut à gauche, que l’on appelle le pivot.
2= Si le terme choisi n’est pas a11 , on peut, en permutant les lignes 1 et i et
les colonnes 1 et j, le mettre à la bonne position. On obtient alors une matrice
i+j
A0 telle que det (A) = ( 1) det (A0 ) :

10
 3= On élimine tous les termes situés sous le pivot a11 en ajoutant à la ligne
ak1
k la ligne 1 multipliée par a11 . Cette opération ne change pas la valeur du
déterminant ;
4= On recommence ensuite le même processus dans la sous-matrice privée
de sa première ligne et de sa première colonne ;
5= On obtient alors à la dernière étape une matrice triangulaire dont le
déterminant est égal, au signe près, au déterminant de la matrice de départ.

Exemple
0 : 1
2 2 3
A = @ 1 1 3 A, on peut choisir 2 comme premier pivot et ajouter
2 0 1
ainsi à la seconde ligne, la première multipliée par 21 et ajouter à la troisième
ligne la première ligne :

2 2 3 2 2 3
9
1 1 3 = 0 0 2 :
2 0 1 0 2 4

En choisissant 2 comme second pivot et en permutant les lignes 2 et 3, ce

qui conduit à multiplier par ( 1) le déterminant, on obtient directement une
matrice triangulaire.

2 2 3 2 2 3
1 9
1 1 3 = ( 1) 0 2 4 = ( 1) 2 2 = ( 18) = 18:
9 2
2 0 1 0 0 2

5 Inversion de matrice :
5.1 Méthode de cofacteurs :

Dé…nition (comatrice) :
Soit A une matrice carrée d’ordre n, la matrice des cofacteurs ij noté
com (A) est appelée la comatrice de A.
h i
i+j
com (A) = [ ij ] = ( 1) jAij j :

Théorème 1 :
Soit A une matrice carrée d’ordre n, A est une matrice inversible si et seule-
ment si det (A) 6= 0:

Théorème 2 :
Soit A une matrice carrée d’ordre n, si det (A) 6= 0; alors A est inversible et

1 1 t
A = (com (A)) :
det (A)

11
 Exemple
0 : 1
2 1 3
A = @ 1 0 2 A ; det (A) = 2 6= 0; alors A est inversible et A 1
=
2 0 2
1 t
det(A) (com (A)) :

0 1
11 12 13
com (A) = @ 21 22 23 A
31 32 33
0 1
0 2 1 2 1 0
B + det 0 2
det
2 2
+ det
2 0 C
B C
B 1 3 2 3 2 1 C
= B
B det + det det C
C
B 0 2 2 2 2 0 C
@ 1 3 2 3 2 1 A
+ det det + det
0 2 1 2 1 0
0 1
0 2 0
= @ 2 2 2 A:
2 1 1
0 1
0 2 2
t
(com (A)) = @ 2 2 1 A
0 2 1
et
0 1 0 1
0 2 2 0 1 1
1
A 1
= @ 2 2 1 A=@ 1 1 1
2
A:
2 1
0 2 1 0 1 2
:

Remarque :
1
1= Si A est une matrice inversible, alors det A 1 = det(A) :
a b
2= Si A = est une matrice d’ordre 2 inversible (ad bc 6= 0), alors
c d
d c
A 1 = ad 1 bc :
b a
3= Si A = diag (a11 ; a22 ; :::; ann ) est une matrice diagonale inversible, alors
A = diag a111 ; a122 ; :::; ann
1 1
:

5.2 Méthode de Gauss-Jordan :

L’élimination de Gauss-Jordan peut être utilisée pour inverser une matrice car-
rée si celle-ci est inversible. Pour cela, on crée une matrice à n lignes et 2n
colonnes en bordant la matrice A par la matrice identité In , ce qui génère une

12
matrice augmentée notée [AjIn ]. Si la matrice d’entrée est inversible, on réalise
ensuite une suite d’opérations élémentaires sur la matrice A pour la ramener
à l’identité. La même suite d’opérations élémentaires e¤ectuée sur la matrice
identité In donne l’inverse de la matrice de départ. La matrice …nale est de la
forme In jA 1 .

Exemple
0 : 1
1 1 2
A=@ 1 2 1 A est une matrice invercible car det (A) = 4 6= 0:
2 1 1
20 13
1 12 1 0 0
[A p I3 ] = 4@ 1 21 0 1 0 A5
2 11 0 0 1
20 13
1 1 2 1 0 0
L2 L L
!2 1 4@ 0 1 1 1 1 0 A5
L3 L3 2L1
0 1 3 2 0 1
20 13
1 1 2 1 0 0
! 4@ 0 1 1 1 1 0 A5
L3 L3 +L2
0 0 4 3 1 1
20 13
1 1 2 1 0 0
! 1 4@ 0 1 1 1 1 0 A5
L3 4 L3 3 1 1
0 0 1 4 4 4
20 1 1 1
13
L1 L1 2L3 1 1 0 2 2 2
L2 L2 +L3
! 4@ 0 1 0 1 3 1 A5
4 4 4
3 1 1
0 0 1 4 4 4
20 1 1 3
13
1 0 0 4 4 4
L1 L1 L2
! 4@ 0 1 0 1 3 1 A5 :
4 4 4
3 1 1
0 0 1 4 4 4

Donc 0 1
1 1 3
4 4 4
A 1
=@ 4
1 3
4 4
1 A:
3 1 1
4 4 4

Dé…nition (Matrice échelonnée) :

Une matrice est échelonnée si le nombre de 0 au d ébut de chaque ligne est
strictement croissant quand on passe d’une ligne à la suivante.
Le premier élément non nul de chaque ligne dans une matrice échelonnée
s’appelle le pivot.

Exemple
0 : 1
1
2 1 0 5 3
B 0 0 3 4 2 C
B C
@ 0 0 0 7 6 A
0 0 0 0 9

13
 Dé…nition (Matrice échelonnée réduite) :
Une matrice échelonnée est dite matrice échelonnée réduite, si elle est éche-
lonnée et les pivots valent 1 .

Exemple
0 : 1
1
1 1 0 5 3
B 0 0 1 4 2 C
B C:
@ 0 0 0 1 6 A
0 0 0 0 1

5.3 Rang d’une matrice :

Dé…nition 1 :
Une sous-matrice de A est une matrice obtenue de A en éliminant un certain
nombre de lignes et de colonnes.
La plus grande sous-matrice est la matrice A elle même, la plus petite n’est
composée qu’un seul élément de A.

Remarque :
L’ordre maximum d’une sous-matrice carrée d’une matrice A de dimension
(m; n) est égal au plus petit des entiers m et n:
Soit r un nombre entier tel que r min (m; n), le rang d’une matrice A de
dimension (m; n) est égal à r s’il existe au moin une sous-matrice carrée d’ordre
“r“ qui est non singulière (det 6= 0) et toutes les sous matrices carrée d’ordre
supérieur à r sont singulières (det = 0).

Dé…nition 2 :
Le rang d’une matrice A est égal à l’ordre de la plus grande sous-matrice
carrée non singulière (det 6= 0).

Propriétés :
1= Une matrice carrée d’ordre n est inversible si et seulement si son rang est
égal à n:
2= Deux matrices de même dimension sont équivalentes si et seulement si
elles ont même rang.
3= Une matrice et sa transposée ont même rang.

14