7

CY CERGY PARIS UNIVERSITÉ Année 2022-2023

Institut d’Économie & Gestion

té
Licence d’Économie et Finance

i
ers
MATH 202 : ALGÈBRE LINÉAIRE

niv
sU
Chapitre II : Matrices

ri
Pa
rgy
1 L’ensemble des matrices M(n,p)(R)
Définition 5. Soit (n, p) ∈ (N∗ )2 , on appelle matrice à n lignes et p colonnes à coefficients (ou
Ce

termes) dans R, tout « tableau » du type :

 
a11 a12 a13 · · · a1j · · · a1p
CY

 

 a21 a22 a23 · · · a2j · · · a2p 

a31 a32 a33 · · · a3j · · · a3p
 
 
.. .. ..
 
 
A= 
 . . . 

ai1 ai2 ai3 · · · aij ··· aip 
 
n-


.. .. .. 
 


 . . . 

an1 an2 an3 · · · anj · · · anp
ha

On note A = (aij )1≤i≤n pour une matrice à n lignes et p colonnes, où aij est le terme à l’inter-
1≤j≤p
p

section de la iième ligne et de la j ième colonne.

Sté

La matrice A est dite de format (n, p).

On note M(n,p) (R) l’ensemble des matrices à n lignes et p colonnes à coefficients réels
(On peut définir de la même façon l’ensemble des matrices M(n,p) (C))
.

Cas particuliers :
cJ

 
a11

 
 a21 
• Si p = 1, A est dite « matrice colonne » : A = 
 ..



 . 

an1

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
 8

• Si n = 1, A est dite « matrice ligne » : A = (a11 a12 · · · a1p )

• Si n = p, A est une matrice carrée d’ordre n. On note Mn (R) l’ensemble des matrices carrées

té
à n lignes et n colonnes.
!
1 π −4

i
Exemple 9. A= ∈ M(2,3) (R)
0 −2 19, 5

ers
2 Opérations sur les matrices

niv
2.1 Addition

sU
Définition 6. Soient A = (aij )1≤i≤n et B = (bij )1≤i≤n deux matrices de M(n,p) (R). On appelle
1≤j≤p 1≤j≤p
matrice somme de A et B, la matrice C = A + B = (cij )1≤i≤n appartenant à M(n,p) (R) définie par :
1≤j≤p

ri
∀(i, j) ∈ [[1, n]] × [[1, p]], cij = aij + bij

Pa
! !
1 0 −4 −1 3 17
Exemple 10. + = ···
2 −2 5 −9 11 −8
rgy
Propriétés 1. Cette addition dans M(n,p) (R) possède les propriétés suivantes, qui découlent toutes
des propriétés de l’addition des nombres réels :
• La somme de deux matrices de M(n,p) (R) est une matrice de M(n,p) (R).
Ce

• L’addition est commutative, c’est-à-dire que si A et B sont deux matrices de M(n,p) (R), alors
A+B =B+A
• L’addition est associative, c’est-à-dire que si A, B et C sont trois matrices de M(n,p) (R),
CY

alors (A + B) + C = A + (B + C)
• La matrice nulle 0n,p (dont tous les termes sont égaux à 0) est l’élément neutre : pour toute
matrice A de M(n,p) (R), A + 0n,p = A
• Toute matrice A = (aij )1≤i≤n possède une matrice « opposée » définie par −A = (−aij )1≤i≤n
n-

1≤j≤p 1≤j≤p

(On dit que (M(n,p) (R), +, 0n,p ) est un groupe commutatif.)

ha

2.2 Multiplication par un réel

p

Définition 7. Soient A = (aij )1≤i≤n ∈ M(n,p) (R) et λ ∈ R : on appelle produit de A par λ,

Sté

1≤j≤p

la matrice B = λ · A = (bij )1≤i≤n ∈ M(n,p) (R) définie par :

1≤j≤p

∀(i, j) ∈ [[1, n]] × [[1, p]], bij = λaij

.
cJ

 

−1 5
 
Exemple 11. 3.  8 12  = ···

3 −2

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
2.3 Produit d’une matrice par un vecteur colonne 9

Propriétés 2. Cette multiplication d’une matrice par réel possède les propriétés suivantes : Pour
toutes matrices A et B de M(n,p) (R) et pour tous réels λ et µ

té
• λ(A + B) = λ · A + λ · B
• λ(µ · A) = (λµ)A

i
• (λ + µ) · A = λ · A + µ · A

ers
• 1·A=A

niv
2.3 Produit d’une matrice par un vecteur colonne
 
x1
 
x2

sU
 
Définition 8. Soient A = (aij )1≤i≤n ∈ M(n,p) (R) et X = 
 ..

 ∈ M(p,1) (R) (la valeur p est la
1≤j≤p 
 . 

xp
même !)

ri
 
y1

Pa
 
 y2 
Le produit A · X est la matrice colonne Y = ∈ M(n,1) (R) telle que
 
 .. 

 . 

rgy yn
p
X
∀i ∈ [[1, n]], yi = aij · xj
j=1
Ce

 
1 0 7  
3
3 1 4
 
   
×
Exemple 12.  = ···
2 

CY


2 −1 −2  
1
 
0 1 1

2.4 Produit d’une matrice de M(n,p) (R) par une matrice de M(p,q) (R)
n-

Définition 9. Soient A = (aij )1≤i≤n ∈ M(n,p) (R) et B = (bkl )1≤k≤p ∈ M(p,q) (R)
1≤j≤p 1≤l≤q
La matrice produit de A par B est la matrice C = (cij )1≤i≤n ∈ M(n,q) (R) définie par :
ha

1≤j≤q

p
X
p

∀(i, j) ∈ [[1, n]] × [[1, q]], cij = aik bkj

k=1
Sté

 
b1j
 
ième
 b2j 
Ainsi la j colonne de C est le produit de A par la matrice colonne 
 ..


 . 
.

 
cJ

bpj

On ne peut faire le produit de la matrice A par la matrice B que si le nombre de colonnes

de A est égal au nombre de lignes de B.

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
2.4 Produit d’une matrice de M(n,p) (R) par une matrice de M(p,q) (R) 10

 
! 2 4 −3 3
1 0 −1  
Exemple 13. Soient A = ∈ M(2,3) (R) et B =  1 −5 0 1 

 ∈ M(3,4) (R),
2 1 4
−1 6

té
0 1
alors C = A · B ∈ M(2,4) (R) et C = · · ·

i
ers
Propriétés 3. Soient A, B et C trois matrices et λ ∈ R. Sous réserve de compatibilité des formats,
le produit matriciel possède les propriétés suivantes :

niv
• Associativité : A · (B · C) = (A · B) · C.
• Distributivité du produit par rapport à la somme : A · (B + C) = A · B + A · C et (A + B) · C =
A · C + B · C.

sU
• λ(A · B) = (λA) · B = A · (λB)
• Soit In la matrice identité de Mn (R) : c’est la matrice dont les termes sur la diagonale sont
égaux à 1 et les autres termes sont nuls

ri
 
1 0 0 ··· 0 ··· 0

Pa
 

 0 1 0 ··· 0 ··· 0  
0 0 1 ··· 0 ··· 0 
 

.. .. .. 
 
 ..
In = 
 . rgy . . . 

0 0 0 ··· 1 ··· 0 
 

.. .. . . .. 
 


 . . . . 

0 0 0 ··· 0 ··· 1
Ce

Si A ∈ M(n,p) (R), In · A = A et A · Ip = A
CY

Remarques : 1. Le produit des matrices n’est pas commutatif, ne serait-ce que parce que
le produit A · B peut être défini mais pas le produit B · A.
De plus, les produits A · B et B · A sont simultanément définis si et seulement si A et B sont deux
matrices carrées de même format : et même dans ce cas, généralement A · B 6= B · A
n-

! !
1 0 3 −2
Exemple 14. A= et B = . Calculer A · B et B · A
2 1 1 4
ha

2. Le théorème
! du produit !
nul n’est pas vérifié avec le produit matriciel : par exemple pour
0 1 1 −2
A= et B = , alors AB = 02
p

0 3 0 0
. Sté
cJ

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
 11

3 Transposée d’une matrice

té
Définition 10. Soit A = (aij )1≤i≤n ∈ M(n,p) (R), la transposée de A, noté t A, est la matrice
  1≤j≤p
a0ij 1≤i≤p ∈ M(p,n) (R) définie par ∀(i, ) ∈ [[1, p]] × [[1, n]], a0ij = aji .

i
ers
1≤j≤n

 
! 1 5
1 0 3

niv
t
 
Exemple 15. A= ∈ M(2,3) (R), et A =  0 8 

 ∈ M(3,2) (R).
5 8 −7
3 −7

sU
Définition 11. Une matrice carrée A ∈ Mn (R) est dite symétrique si et seulement si t A = A et
antisymétrique si et seulement si t A = −A.
   

ri
1 0 7 0 1 5
   
Exemple 16. A =  0 8 4  est symétrique et B =  −1 0 −4   est antisymétrique (les

Pa
  
7 4 −5 −5 4 0
termes sur la diagonale sont nécessairement nuls).
rgy
Proposition 2. Soient A et B deux matrices de M(n,p) (R), et λ ∈ R :
1. t (A + B) = t A + t B
2. t (λA) = λ(t A)
Ce

3. t (t A) = A
4. Soient A ∈ M(n,p) (R) et B ∈ M(p,q) (R) : t (A · B) = t B · t A
CY

   
−1 0 3 1 0 1
t
   
Exercice 1. Soient A =  4 1 0  et B =  0 2 0 . Calculer A · B, B · A, (A + B),
  
0 1 2 −1 1 2
n-

t
A + B, (A · B), (B · A), A · t B
t t t t
et t t
B · A.
   
−4 3 5 −1 1 5
ha

   
Réponse : A · B =  4 2 4  et B · A =  8 2 0 
  

−2 4 4 5 3 1
   
0 4 −1 0 4 −1
p

t t t
   
(A + B) =  0 3 2  et A + B =  0 3 2 
  
Sté

4 0 4 4 0 4
   
−4 4 −2 −4 4 −2
t t t
   
(A · B) = 
 3 2 4  et B · A =  3 2 4 
  
.

5 4 4 5 4 4
cJ

   
−1 8 5 −1 8 5

t t t
   
(B · A) = 
 1 2 3  et A · B =  1 2 3 
  
5 0 1 5 0 1

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
 12

4 L’ensemble des matrices carrées d’ordre n, n ≥ 1

4.1 Matrices inversibles

i té
ers
Définition 12. Une matrice A ∈ Mn (R) est dite inversible s’il existe une matrice B ∈ Mn (R) telle
que A · B = B · A = In .
B est la matrice inverse de A et elle est notée A−1 .

niv
L’ensemble des matrices inversibles de Mn (R) est noté GLn (R).

sU
Exemples 17. 1. In est
!
inversible et In−1 = In !
1 3 −1 1 −4 3
2. Soit A = A est inversible et A =
2 4 2 2 −1
!

ri
a b
3. Plus généralement si A = , avec Det = ad − bc 6= 0, A est inversible et
c d

Pa
!
−1 1 d −b
A =
Det −c a
rgy
Proposition 3. Soit A ∈ Mn (R) et A inversible, alors l’inverse de A est unique.
Preuve : Supposons que A possède deux inverses B et C : on a alors A · B = In donc C · (A · B) =
Ce
C ⇐⇒ (C · A) · B = C ⇐⇒ In · B = C ⇐⇒ B = C d’où l’unicité 

Proposition 4. 1. Soient A et B deux matrices de Mn (R), telles que A · B = In , alors A et B

sont inversibles et A−1 = B
CY

 −1
2. Soit A ∈ Mn (R). Si A est inversible, alors A−1 l’est et A−1 = A.
p p −1
p∈ Mn (R). Si A est inversible, alors pour tout entier p ≥ 1, A est inversible et (A ) =
3. Soit A
A−1 .
n-

4. Soient A et B deux matrices inversibles de Mn (R), alors A · B est également inversible et

(A · B)−1 = B −1 A−1
 −1  
5. Soit A ∈ Mn (R), et A inversible. Alors t A est inversible, d’inverse t
A = t A−1
ha

Preuve :
p

1. Si A · B = In , on peut montrer que A et B sont inversibles en utilisant la notion de déterminant

Sté

d’une matrice (voir ce chapitre)

On admet que A et B sont inversibles : on a A · B = In , donc A · B · B −1 = B −1 soit A = B −1
et B · A = B · B −1 = In
 −1
.

2. On a A · A−1 = In et donc d’après 1., A−1 = A.

cJ

3. Utiliser une démonstration par récurrence.

4. A · B · (B −1 )(A−1 ) = · · · = In .
 
5. A · A−1 = In , donc t
A · A−1 = t In = In , i.e. t A−1 × t A = In , d’où le résultat.

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
4.2 Recherche de l’inverse d’une matrice 13

4.2 Recherche de l’inverse d’une matrice

• Par opérations sur les lignes

té

1 0 2
 
Soit A =  2 −1 3 

i



ers
4 1 8
 
1 0 2 1 0 0 (L1 )
 
 2 −1 3 0 1 0  (L2 )

niv
 
4 1 8 0 0 1 (L3 )
 
1 0 2 1 0 0

sU
 
 0 −1 −1 −2 1 0  (L2 ← L2 − 2L1 )
 
0 1 0 −4 0 1 (L3 ← L3 − 4L1 )
 
1 0 2 1 0 0

ri
 
 0 1 1
 2 −1 0 


Pa
0 0 −1 −6 1 1 (L3 ← L3 + L2 )
 
1 0 2 1 0 0
 
 0 1 1 2 −1 0 
rgy
 
0 0 1 6 −1 −1 (L3 ← −L3 )
 
1 0 0 −11 2 2 (L1 ← L1 − 2L3 )
 
 0 1 0 −4 0 1  (L2 ← L2 − L3 )
Ce


0 0 1 6 −1 −1
 
−11 2 2
D’où A−1
CY

 
 −4
= 0 1 
6 −1 −1

• En résolvant un système
n-

Proposition 5. Soit A ∈ Mn (R). A est inversible si et seulement si, pour tout Y ∈ Mn,1 (R),
l’équation A · X = Y possède une unique solution X ∈ Mn,1 (R)
ha

 
2 1 1
 
Exemple 18. La matrice A =  4 1 0 

 est-elle inversible ?
p

−1 1 1
Sté


 2x1 +x2 +x3 = y1


On résout  4x1 +x2 = y2 ⇐⇒ ...
 −x +x +x = y

1 2
  3 3
1 0 −1
.

1
cJ

A−1 = 

−4 3 4 
3  

5 −3 −2

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
 14

• En déterminant une  relation entre

 les puissances de A
0 1 −1
2 2
 
Exemple 19. Soit A =  −3 4 −3  . Calculer A , puis vérifier que A − 3A + 2I3 = 03 . En

té

−1 1 0

i
déduire que A est inversible et déterminer A−1 

ers

3 −1 1
−1 1 1 
Réponse : A = (−A + 3I3 ) =  3 −1 3 
2 2  
1 −1 3

niv
5 Interprétation matricielle d’un système linéaire

sU
5.1 Matrice associée à un système linéaire
Définition 13. Considérons le système

ri
Pa



 a1,1 x1 + a1,2 x2 + · · · + a1,j xj + · · · + a1,p xp = b1 L1
a2,1 x1 + a2,2 x2 + · · · + a2,j xj + · · · + a2,p xp = b2 L2



(S) .. .. ..



 . .
rgy .
an,1 x1 + an,2 x2 + · · · + an,j xj + · · · + an,p xp = bn Ln



où les coefficients ai,j , 1 ≤ i ≤ n, 1 ≤ j ≤ p et bi , 1 ≤ i ≤ n sont réels.

On appelle matrice associée au système (S) la matrice A = (ai,j )1≤i≤n .
Ce

1≤j≤p

5.2 Interprétation matricielle de la résolution d’un système linéaire

CY

 
b1
 . 
Soit A = (ai,j )1≤i≤n la matrice associée au système : et B =  .. 

 le n-uplet second membre
1≤j≤p
bn
 
x1
n-

 .
. ∈ Rp .

de (S) : L’expression matricielle de (S) est alors AX = B où X = 
 .


xp
ha

Dans le cas particulier où la matrice A est (carrée) inversible, alors le système (S) admet une
unique solution, donnée par X = A−1 B.
p

Exemple 20. Résoudre le système

Sté




 x +z = 3
(S)

y −z = −4
 x −y +z = 6

.
cJ

En inversant la matrice associée

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
5.3 Interprétation matricielle des opérations élémentaires sur les lignes 15

5.3 Interprétation matricielle des opérations élémentaires sur les lignes

Chacune des trois opérations élémentaires sur les lignes d’un système (ou de sa matrice associée

té
A) peut se traduire par le produit à gauche de A par une matrice :
Soit A = (ai,j )1≤i≤n la matrice associée au système.

i
1≤j≤p

ers
On note Ei,j la matrice de M n (R) où tous les termes sont nuls sauf le terme à la place (i, j) qui
est égal à 1.

niv
OPÉRATION ÉLÉMENTAIRE PRODUIT MATRICIEL P.A

sU
Li ←− Li + λLj In + λEi,j

ri
Li ←− λLi In − Ei,i + λEi,i

Pa
Li ←→ Lj In − Ei,i − Ej,j + Ei,j + Ej,i
rgy 
1




..
. 0 


1
 
 
Ce
1 0 − − λ
 
 
 

 1 

La matrice P de la première opération du tableau est :  .. 

 . 

1
CY

 
 

 1 

1
 
 
0
 
 .. 
 . 
1
n-

 
1



..
. 0 


ha


 1 

La matrice P de la seconde opération du tableau est : 
 λ


 
 1 
p

0
 
 .. 
 . 
Sté

1
.
cJ

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion
5.3 Interprétation matricielle des opérations élémentaires sur les lignes 16

 
1



..
. 0 



té
1
 
 
0 − − − 1
 
 
 
1

i
 p p 

ers
 
La matrice P de la troisième opération du tableau est :  .. 

 p . p 


 p 1 p 

 1 − − − 0 

niv
 
1
 
 
0
 
 .. 
 . 
1

sU
 
1 2 3 4
 
Exemple 21. soit A = 5 6 7 8 



9 0 11 12

ri
    
0 1 0 1 2 3 4 5 6 7 8

Pa
    
L1 ←→ L2 :  1 0 0   5 6 7
   8 = 1 2 3
  4  
0 0 1 9 0 11 12 9 0 11 12
    
1 0 0 1 2 rgy3 4 1 2 3 4
    
L3 ←− L3 − 9L1 :  0 1 0   5
   6 7 8 = 5
  6 7 8 

−9 0 1 9 0 11 12 0 −18 −16 −24
    
1 0 0 1 2 3 4 1 2 3 4
Ce
    
L2 ←− −5L2 : 
 0 −5 0  5 6
 7 8 
 =  −25
 −30 −35 −40 

0 0 1 9 0 11 12 9 0 11 12

Conséquence : Interprétation de la méthode de Gauss

CY

Considérons un système linéaires (S) de matrice associée A. Si après un nombre fini k ∈ N

d’opérations élémentaires on transforme A en une matrice A0 triangulaire, cela signifie qu’il existe
une famille P1 , · · · , Pk de matrices carrées telles que Pk · Pk−1 · · · · P2 · P1 A = A0
Comme chacune de ces matrices Pi , 1 ≤ i ≤ k est inversible, en écrivant le système sous forme
n-

matricielle :
AX = B ⇐⇒ A0 X = Pk · Pk−1 · · · · P1 · B
ha

Le système alors obtenu est un système triangulaire.

p
. Sté
cJ

L2-S4 - MATH 202 : Algèbre Linéaire

J. Stéphan - CY Cergy Paris Université - Institut d’Économie & Gestion