Université Sultan Moulay Slimane

École Nationale des Sciences Appliquées de

Khouribga

Algèbre II

Année 2023/24 Prof. Abderrahim Azouani

 Table des matières

1 Lois de composition et Structures algébriques 3

2 Matrices 4
2.1 Définition et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.2 Multiplication par un scalaire : . . . . . . . . . . . . . . . . . 6
2.2.3 Multiplication de deux matrices : . . . . . . . . . . . . . . . . 6
2.2.4 Pièges à éviter : . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.5 Transposée d’une matrice : . . . . . . . . . . . . . . . . . . . . 8
2.2.6 Puissance d’une matrice : . . . . . . . . . . . . . . . . . . . . 9
2.2.7 Formule du binôme . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Matrices particulières : . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.1 Matrices carées : . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.2 Matrices triangulaires, matrices diagonales : . . . . . . . . . . 12
2.3.3 La trace : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.4 Matrices symétriques : . . . . . . . . . . . . . . . . . . . . . . 16
2.3.5 Matrices antisymétriques . . . . . . . . . . . . . . . . . . . . . 16
2.4 Inversion de matrices : . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1 Propriétés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1.1 Unicité : . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1.2 Inverse de l’inverse : . . . . . . . . . . . . . . . . . . 18
2.4.1.3 Inverse d’un produit : . . . . . . . . . . . . . . . . . 18
2.4.1.4 Simplification par une matrice inversible : . . . . . . 18
2.4.2 Inverse d’une matrice : calcul . . . . . . . . . . . . . . . . . . 19
2.4.2.1 Matrices 2 × 2 : . . . . . . . . . . . . . . . . . . . . 19

3 Polynômes 21

1
2 TABLE DES MATIÈRES

4 Fractions rationnelles 22

5 Espaces vectoriels 23

A. Azouani AP1-ENSAK
 Chapitre 1

Lois de composition et Structures

algébriques

3
 Chapitre 2

Matrices

La notion de matrice est indissociable de celle d’application linéaire. En fait,

toute application linéaire de Kp dans Kn peut se représenter matriciellement sous la
forme X 7→ M X. Cela reste vrai pour toute application linéaire entre deux espaces
vectoriels de dimension finie, à condition d’avoir fixé au préalable une base de chacun
de ces espaces : les systèmes de coordonnées définis par ces bases nous ramènent alors
au cas de L (Kp , Kn )
Note Historique :
La notion de tableau de nombre en soi est vieille (étude de carrés magiques dans
l’antiquité). Les règles opératoires, et le rapport avec les applications linéaires est
plus récent. C’est Gauss le premier qui met le doigt sur ce rapprochement, à une
époque où espaces vectoriels et applications linéaires n’avaient pas encore vu le jour.
Le problème qui l’intéressait était de faire des changements de variable dans des
formes quadratiques (polynômes de plusieurs variables de degré 2), de sorte à se
ramener à des formes simples. Ces changements de variables portant sur plusieurs
variables se présentent sous la forme de ”substitutions linéaires” dans les termes de
Gauss (c’est-à-dire d’applications linéaires). Pour alléger ses notations, il présente ses
substitutions linéaires en n’en donnant que les coefficients, rangés dans un tableau...
Ce n’est rien d’autre que la représentation matricielle d’une application linéaire. Il
fait ensuite remarquer que si on enchaine deux substitutions, on obtient une règle
calculatoire permettant de trouver le tableau associé à la composée : il a découvert
le produit matriciel.
Il est important de retenir de cette histoire que l’expression un peu compliquée du
produit matriciel n’a pas été donnée au hasard : la définition du produit matriciel a
été motivée historiquement par les règles de composition des applications linéaires.
Les matrices sont des tableaux de nombres. La résolution d’un certain nombre de
problèmes d’algèbre linéaire se ramène à des manipulations sur les matrices. Ceci
est vrai en particulier pour la résolution des systèmes linéaires.
Dans ce chapitre, K désigne un corps. On peut penser à Q, R ou C.

4
5 Algèbre II

2.1 Définition et notations

Définition 2.1. Une matrice A est un tableau rectangulaire d’éléments de
K.
Soient m, n ≥ 1 des entiers ; une matrice A de taille m × n est un tableau de
nombres avec m lignes et n colonnes :
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A :=   .

. ... . 
am1 am2 . . . amn

• Les éléments aij s’appellent les coefficients de la matrice A.

• Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté ai,j .
• Par convention, le premier indice est le numéro de la ligne, le deuxième
indice est le numéro de la colonne. On désignera par M(m × n, R)
l’ensemble des matrices m × n à coefficients dans R.

Remarque : on travaillera pour le moment avec des nombres réels mais il n’y a pas
de difficulté à étendre les notions de ce chapitre au cas où les coefficients sont dans
un corps commutatif K .
 
0 −1 3 4
Exemple 2.1. A = est une matrice 2 × 4 et son coefficient a22
1 2 −3 4
est égal à 2, alors que a13 = 3.

Une matrice 1×n est un vecteur ligne. Une matrice m×1 est un vecteur colonne.

2.2 Opérations sur les matrices

Définissons maintenant les opérations sur les matrices :

2.2.1 Addition
Si A := (aij ) et B := (bij ) sont des matrices m × n alors A + B est une matrice
m × n dont les coefficients sont donnés par cij := aij + bij .
     
0 −1 3 4 1 2 0 0 1 1 3 4
Exemple 2.2. + =
1 2 −3 4 −1 3 2 1 0 5 −1 5

A. Azouani AP1-ENSAK
6 Algèbre II

2.2.2 Multiplication par un scalaire :

Si A := (aij ) est une matrice m × n et α ∈ R alors αA est une matrice m × n
dont les coefficients sont donnés par cij := αaij .
   
0 1 −1 3 4 0 3 −3 9 12
Exemple 2.3. 3 =
1 2 −3 4 1 3 6 −9 12 3

Enfin l’opération la plus intéressante (et la plus compliquée) :

2.2.3 Multiplication de deux matrices :

Définition 2.2. (Produit de deux matrices)
Si A := (aij ) une matrice et B := (bij ) sont des matrices m × n et n × p alors
AB est une matrice m × p dont les coefficients sont donnés par
n
X
cij := aik bkj
k=1

On peut écrire le coefficient de façon plus développée, à savoir :

cij = ai1 b1j + ai2 b2j + · · · + aik bkj + · · · + aip bpj .

Il est commode de disposer les calculs de la façon suivante.

 
×

 ×  ←B
 × 
×
 
|
  | 
A→
 × × × × ×   − − − cij ×  ← AB
 

Avec cette disposition, on considère d’abord la ligne de la matrice A située à

gau Avec cette disposition, on considère d’abord la ligne de la matrice A située à
gauche du coefficient que l’on veut calculer (ligne représentée par des × dans A
) et aussi la colonne de la matrice B située au-dessus du coefficient que l’on veut
calculer (colonne représentée par des × dans B ). On calcule le produit du premier
coefficient de la ligne par le premier coefficient de la colonne (ai1 × b1j ), que l’on
ajoute au produit du deuxième coefficient de la ligne par le deuxième coefficient de
la colonne (ai2 × b2j ), que l’on ajoute au produit du troisième...

A. Azouani AP1-ENSAK
7 Algèbre II

Exemple 2.4.  
  1 2
1 2 3
A= B =  −1 1 
2 3 4
1 1
On dispose d’abord le produit correctement (à gauche) : la matrice obtenue est de
taille 2 × 2. Puis on calcule chacun des coefficients, en commençant par le premier
coefficient c11 = 1 × 1 + 2 × (−1) + 3 × 1 = 2 (au milieu), puis les autres (à droite).
     
1 2 1 2 1 2
 −1 1   −1 1   −1 1 
1 1 1 1 1 1
         
1 2 3 c11 c12 1 2 3 2 c12 1 2 3 2 7
2 3 4 c21 c22 2 3 4 c21 c22 2 3 4 3 11
Un exemple intéressant est le produit d’un vecteur ligne par un vecteur colonne :
 
b1
 b2 
u = (a1 a2 · · · an ) v =  ..
 

 . 
bn

Alors u × v est une matrice de taille 1 × 1 dont l’unique coefficient est a1 b1 + a2 b2 +

· · · + an bn . Ce nombre s’appelle le produit scalaire des vecteurs u et v.

Calculer le coefficient cij dans le produit A × B revient donc à calculer le produit

scalaire des vecteurs formés par la i-ème ligne de A et la j-ème colonne de B.

2.2.4 Pièges à éviter :

Premier piège : Le produit de matrices n’est pas commutatif en général.
En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous
deux définis mais pas de la même taille. Mais même dans le cas où AB et BA sont
définis et de la même taille, on a en général AB ̸= BA.

Exemple 2.5.
         
5 1 2 0 14 3 2 0 5 1 10 2
= mais =
3 −2 4 3 −2 −6 4 3 3 −2 29 −2

Deuxième piège : AB = 0 n’implique pas A = 0 ou B = 0.

Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres
termes, on peut avoir A ̸= 0 et B ̸= 0 mais AB = 0.

A. Azouani AP1-ENSAK
8 Algèbre II

Exemple 2.6.
     
0 −1 2 −3 0 0
A= B= et AB =
0 5 0 0 0 0
Troisième piège : AB = AC n’implique pas B = C. On peut avoir AB = AC
et B ̸= C.

Exemple 2.7.
       
0 −1 4 −1 2 5 −5 −4
A= B= C= et AB = AC =
0 3 5 4 5 4 15 12

2.2.5 Transposée d’une matrice :

Soit A la matrice de taille n × p
 
a11 a12 . . . a1p
 a21 a22 . . . a2p 
A =  ..
 
.. .. 
 . . . 
an1 an2 . . . anp

Définition 2.3. On appelle matrice transposée de A la matrice AT de taille

p × n définie par :
 
a11 a21 . . . an1
 a12 a22 . . . an2 
AT =  .. ..  .
 
..
 . . . 
a1p a2p . . . anp

Autrement dit : le coefficient à la place (i, j) de AT est aji . Ou encore la

i-ème ligne de A devient la i-ème colonne de AT (et réciproquement la j-ème
colonne de AT est la j-ème ligne de A ).
Notation : La transposée de la matrice A se note aussi souvent t A.
Exemple 19.
 T  
1 2 3 1 4 −7
 4 5 −6  =  2 5 8 
−7 8 9 3 −6 9
 T
0 3  
 1 −5  = 0 1 −1
3 −5 2
−1 2
L’opération de transposition obéit aux règles suivantes :

A. Azouani AP1-ENSAK
9 Algèbre II

Théorème 2.1. 1. (A + B)T = AT + B T

2. (αA)T = αAT

T
3. AT = A
4. (AB)T = B T AT

−1 T
5. Si A est inversible, alors AT l’est aussi et on a AT = (A−1 ) .

Notez bien l’inversion : (AB)T = B T AT , comme pour (AB)−1 = B −1 A−1 .

2.2.6 Puissance d’une matrice :

Dans l’ensemble Mn (K) des matrices carrées de taille n × n à coefficients dans
K, la multiplication des matrices est une opération interne : si A, B ∈ Mn (K) alors
AB ∈ Mn (K). En particulier, on peut multiplier une matrice carrée par elle-même :
on note A2 = A × A, A3 = A × A × A. On peut ainsi définir les puissances successives
d’une matrice :
Définition 2.4. Pour tout A ∈ Mn (K), on définit les puissances successives
de A par A0 = In et Ap+1 = Ap × A pour tout p ∈ N.
Autrement dit, Ap = |A × A ×
{z· · · × A}.
p facteurs
 
1 0 1
Exemple 2.8. On cherche à calculer Ap avec A =  0 −1 0 .
0 0 2
2 3 4
On calcule A , A et A et on obtient :
 
1 0 3
A2 =  0 1 0 
0 0 4
 
1 0 7
A3 = A2 × A =  0 −1 0 
0 0 8
 
1 0 15
A4 = A3 × A =  0 1 0  .
0 0 16
L’observation de ces premières puissances permet de penser que la formule est :
 
1 0 2p − 1
Ap =  0 (−1)p 0 .
0 0 2p

A. Azouani AP1-ENSAK
10 Algèbre II

Démontrons ce résultat par récurrence :

Il est vrai pour p = 0 (on trouve l’identité). On le suppose vrai pour un entier p et
on va le démontrer pour p + 1. On a, d’après la définition,
     
1 0 2p − 1 1 0 1 1 0 2p+1 − 1
Ap+1 = Ap ×A =  0 (−1)p 0 × 0 −1 0  =  0 (−1)p+1 0 
p p+1
0 0 2 0 0 2 0 0 2

Donc la propriété est démontrée.

2.2.7 Formule du binôme

Comme la multiplication n’est pas commutative, les identités binomiales usuelles
sont fausses. En particulier, (A + B)2 ne vaut en général pas A2 + 2AB + B 2 , mais
on sait seulement que

(A + B)2 = A2 + AB + BA + B 2

Proposition 2.1. (Calcul de (A + B)p lorsque AB = BA :)

Soient A et B deux éléments de Mn (K) qui commutent, c’est-à-dire tels que
AB = BA. Alors, pour tout entier p ⩾ 0, on a la formule
p  
p
X p
(A + B) = Ap−k B k
k
k=0
 
p
où désigne le coefficient du binôme.
k

La démonstration est similaire à celle de la formule du binôme pour (a + b)p ,

avec a, b ∈ R.

Exemple 2.9. Soit  

1 1 1 1
 0 1 2 1 
A=
 0
.
0 1 3 
0 0 0 1
On pose  
0 1 1 1
 0 0 2 1 
N =A−I =
 0
.
0 0 3 
0 0 0 0

A. Azouani AP1-ENSAK
11 Algèbre II

La matrice existe k ∈ N tel que N k = 0 ) comme le montrent les calculs suivants :

   
0 0 2 4 0 0 0 6
 0 0 0 6   0 0 0 0 
N2 =   0 0 N3 =   et N 4 = 0
0 0   0 0 0 0 
0 0 0 0 0 0 0 0

Comme on a A = I + N et les matrices N et I commutent (la matrice identité

commute avec toutes les matrices), on peut appliquer la formule du binôme de
Newton. On utilise que I k = I pour tout k et surtout que N k = 0 si k ⩾ 4. On
obtient
p   3  
p
X p k p−k
X p p(p − 1) 2 p(p − 1)(p − 2) 3
A = N I = N k = I+pN + N + N .
k k 2! 3!
k=0 k=0

D’où  
1 p p2 p (p2 − p + 1)
 0 1 2p p(3p − 2) 
Ap = 
 0

0 1 3p 
0 0 0 1

2.3 Matrices particulières :

2.3.1 Matrices carées :
Voici quelques types de matrices intéressantes :
— Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice
carrée. On note Mn (K) au lieu de Mn,n (K).
 
a1,1 a1,2 . . . a1,n
 a2,1 a2,2 . . . a2,n 
 
 .. .. . . .. 
 . . . . 
an,1 an,2 . . . an,n

Les éléments a1,1 , a2,2 , . . . , an,n forment la diagonale principale de la matrice.

— Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou
vecteur ligne. On la note


A = a1,1 a1,2 . . . a1,p .

A. Azouani AP1-ENSAK
12 Algèbre II

— De même, une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice
colonne ou vecteur colonne. On la note
 
a1,1
 a2,1 
A =  .. 
 
 . 
an,1

— La matrice (de taille n × p ) dont tous les coefficients sont des zéros est appelée
la matrice nulle et est notée 0n,p ou plus simplement 0 . Dans le calcul matriciel,
la matrice nulle joue le rôle du nombre 0 pour les réels.

2.3.2 Matrices triangulaires, matrices diagonales :

Soit A une matrice de taille n × n. On dit que A est triangulaire inférieure si ses
éléments au-dessus de la diagonale sont nuls, autrement dit :

i < j =⇒ aij = 0.

Une matrice triangulaire inférieure a la forme suivante :

 
a11 0 ··· ··· 0
.. .. 
 a21 a22 . . 

 . .. . . . . . . .. 
 .. . . 
 
 . .. ...
 ..

. 0 
an1 an2 · · · · · · ann

On dit que A est triangulaire supérieure si ses éléments en-dessous de la diagonale

sont nuls, autrement dit :
i > j =⇒ aij = 0.
Une matrice triangulaire supérieure a la forme suivante :
 
a11 a12 . . . . . . . . . a1n
 0 a22 . . . . . . . . . a2n 
 .. . . . . .. 
 
 . . . . 
 . . .. 
 ..
 .. ... . 
 . .. .. .. 
 .. . . . 
0 ... ... ... 0 ann

A. Azouani AP1-ENSAK
13 Algèbre II

Exemple 2.10. Deux matrices triangulaires inférieures (à gauche), une matrice
triangulaire supérieure (à droite) :
   
4 0 0   1 1 −1
 0 −1 0  5 0  0 −1 −1 
1 −2
3 −2 3 0 0 −1

Une matrice qui est triangulaire inférieure et triangulaire supérieure est dite diago-
nale. Autrement dit : i ̸= j =⇒ aij = 0.

Exemple 2.11. Exemples de matrices diagonales :

 
−1 0 0  
 0 6 0  2 0
et
0 3
0 0 0

Exemple 2.12. (Puissances d’une matrice diagonale)

Si D est une matrice diagonale, il est très facile de calculer ses puissances Dp (par
récurrence sur p ) :  
α1 0 . . . . . . 0
 0 α2 0 ... 0 
 
 .. . . . . .. .. 
D= . . . . . 
 
 0 . . . 0 αn−1 0 
0 ... ... 0 αn
 p 
α1 0 . . . . . . 0
 0 αp 0 ... 0 
 2 
p  .. . . . . . . .
.
D = .

. . . . 
 p 
 0 . . . 0 αn−1 0 
0 ... ... 0 αnp

Théorème 2.2. Une matrice A de taille n × n, triangulaire, est inversible

si et seulement si ses éléments diagonaux sont tous non nuls.

Démonstration. Supposons que A soit triangulaire supérieure.

— Si les éléments de la diagonale sont tous non nuls, alors la matrice A est
déjà sous la forme échelonnée. En multipliant chaque ligne i par l’inverse de
l’élément diagonal aii , on obtient des 1 sur la diagonale. De ce fait, la forme
échelonnée réduite de A sera la matrice identité. Le théorème 3 permet de
conclure que A est inversible.

A. Azouani AP1-ENSAK
14 Algèbre II

— Inversement, supposons qu’au moins l’un des éléments diagonaux soit nul et
notons aℓℓ le premier élément nul de la diagonale. En multipliant les lignes 1 à
ℓ − 1 par l’inverse de leur élément diagonal, on obtient une matrice de la forme

1 ∗ ··· ··· ∗
 
.
 0 .. ∗ · · · ··· ∗ 
 
 0 0 1 ∗ ··· ∗ 
 
 0 ··· 0 0 ∗ ··· ∗ 
 
 0 ··· 0 0 ∗ ··· ∗ 
 
 . . .. . . .. 
 .. .. . ··· 0 . . 
0 ··· ··· 0 ∗

Il est alors clair que la colonne numéro ℓ de la forme échelonnée réduite ne

contiendra pas de 1 comme pivot. La forme échelonnée réduite de A ne peut
donc pas être In et par le théorème 3, A n’est pas inversible.
Dans le cas d’une matrice triangulaire inférieure, on utilise la transposition et
on obtient une matrice triangulaire supérieure. On applique alors la démonstration
ci-dessus.

2.3.3 La trace :
Dans le cas d’une matrice carrée de taille n×n, les éléments a11 , a22 , . . . , ann sont
appelés les éléments diagonaux. Sa diagonale principale est la diagonale (a11 , a22 , . . . , ann ).
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
 .. .. . . .. 
 . . . . 
an1 an2 . . . ann

Définition 2.5. La trace de la matrice A est le nombre obtenu en addition-

nant les éléments diagonaux de A. Autrement dit,

tr A = a11 + a22 + · · · + ann .

 
2 1
Exemple 2.13. — Si A = , alors tr A = 2 + 5 = 7.
0 5
 
1 1 2
— Pour B =  5 2 8  , tr B = 1 + 2 − 10 = −7.
1 0 −10

A. Azouani AP1-ENSAK
15 Algèbre II

Théorème 2.3. Soient A et B deux matrices n × n. Alors :

1. tr(A + B) = tr A + tr B,
2. tr(αA) = α tr A pour tout α ∈ K,


3. tr AT = tr A,
4. tr(AB) = tr(BA).

Démonstration. 1. Pour tout 1 ⩽ i ⩽ n, le coefficient (i, i) de A + B est aii + bii .

Ainsi, on a bien tr(A + B) = tr(A) + tr(B).
2. On a tr(αA) = αa11 + · · · + αann = α (a11 + · · · + ann ) = α tr A.
3. Étant donné que la transposition ne change pas les éléments diagonaux, la
trace de A est égale à la trace de AT .
4. Notons cij les coefficients de AB. Alors par définition

cii = ai1 b1i + ai2 b2i + · · · + ain bni .

Ainsi,
tr(AB) =a11 b11 +a12 b21 + · · · +a1n bn1
+ a21 b12 +a22 b22 + · · · +a2n bn2
..
.
+ an1 b1n +an2 b2n + · · · +ann bnn
On peut réarranger les termes pour obtenir

tr(AB) =a11 b11 +a21 b12 + · · · +an1 b1n

+ a12 b21 +a22 b22 + · · · +an2 b2n
..
.
+ a1n bn1 +a2n bn2 + · · · +ann bnn

En utilisant la commutativité de la multiplication dans K, la première ligne

devient
b11 a11 + b12 a21 + · · · + b1n an1
qui vaut le coefficient (1, 1) de BA. On note dij les coefficients de BA. En
faisant de même avec les autres lignes, on voit finalement que

tr(AB) = d11 + · · · + dnn = tr(BA)

A. Azouani AP1-ENSAK
16 Algèbre II

2.3.4 Matrices symétriques :

Définition 2.6. Une matrice A de taille n×n est symétrique si elle est égale
à sa transposée, c’est-à-dire si

A = AT ,

ou encore si aij = aji pour tout i, j = 1, . . . , n. Les coefficients sont donc

symétriques par rapport à la diagonale.

Exemple 2.14. Les matrices suivantes sont symétriques :

 
  −1 0 5
0 2  0 2 −1 
2 4
5 −1 0

Exemple 2.15. Pour une matrice B quelconque, les matrices B · B T et B T · B sont

symétriques.

T
T
Preuve : BB T = B T B T = BB T . Idem pour B T B.

2.3.5 Matrices antisymétriques

Définition 2.7. Une matrice A de taille n × n est antisymétrique si

AT = −A,

c’est-à-dire si aij = −aji pour tout i, j = 1, . . . , n.

Exemple 2.16.  
  0 4 2
0 −1  −4 0 −5 
1 0
−2 5 0
Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours
tous nuls.

Exemple 2.17. Toute matrice est la somme d’une matrice symétrique et d’une
matrice antisymétrique.

Démonstration. Soit A une matrice. Définissons B = 12 A + AT et C = 1

T


2 A − A .
T 1 T


T T
Alors d’une part A = B+C ; d’autre part B est symétrique, car B = 2 A + A =
 
1 T
AT + A = B ; et enfin C est antisymétrique, car C T = 21 AT − AT



2
=
−C.

A. Azouani AP1-ENSAK
17 Algèbre II

     
2 10 2 9 0 1
Exemple 2.18. Pour A = alors A= + .
8 −3 9 −3 −1 0
| {z } | {z }
symétrique antisymétrique

2.4 Inversion de matrices :

Définition 2.8. Une matrice carrée A ∈ Mn (K) est inversible s’il existe une
matrice B ∈ Mn (K) telle que AB = BA = In . La matrice B est alors notée
A−1 et on l’appelle matrice inverse de la matrice M . On note par ailleurs
GLn (K l’ensemble des matrices inversibles d’ordre n.

Remarque 2.1. • La notion n’a pas bien sûr de sens dans le cas de matrices
qui ne sont pas carrées.
• L’inverse d’une matrice, quand il existe, est unique. C’est une conséquence de
l’étude générale de la symétrisabilité faite dans le chapitre sur les structures
algrébriques.

Exemple 2.19. • L’inverse de la matrice In est bien sûr In elle-même. La ma-

trice nulle n’est pas inversible.
• Cherchons
 à déterminer de façon très rudimentaire
 l’inverse
 de la matrice
2 1 x y
A= . On cherche donc une matrice B = telle que AB =
3 2 z t
I (dans ce cas, le produit dans l’autre sens sera automatiquement égal à I,
comme on pourra le vérifier facilement).


 2x + z = 1
2y + t = 0

On trouve donc le système : .

 3x + 2z = 0
3y + 2t = 1

La deuxième équation donne t = −2y, ce qui en reporta dernière amène y =
−1, et donc t = 2. La première équation donne z = 1 − 2x, soit en reportant
dans la troisième −x+2 = 0, donc x = 2, puis z = −3. Finalement, la matrice
2 −1
A est inversible, et son inverse est B = . On va très vite essayer
−3 2
de trouver des méthodes de calcul d’inverse plus efficace, car je doute que vous
ayez envie de calculer l’inverse d’une matrice d’ordre 5 de cette façon.

2.4.1 Propriétés :
2.4.1.1 Unicité :
Proposition 2.2. Si A est inversible, alors son inverse est unique.

A. Azouani AP1-ENSAK
18 Algèbre II

Démonstration. La méthode classique pour mener à bien une telle démonstration

est de supposer l’existence de deux matrices B1 et B2 satisfaisant aux conditions
imposées et de démontrer que B1 = B2 .
Soient donc B1 telle que AB1 = B1 A = In et B2 telle que AB2 = B2 A = In .
Calculons B2 (AB1 ). D’une part, comme AB1 = In , on a B2 (AB1 ) = B2 . D’autre
part, comme le produit des matrices est associatif, on a B2 (AB1 ) = (B2 A) B1 =
In B1 = B1 . Donc B1 = B2 .

2.4.1.2 Inverse de l’inverse :

Proposition 2.3. Soit A une matrice inversible. Alors A−1 est aussi inver-
sible et on a :
−1
A−1 =A

2.4.1.3 Inverse d’un produit :

Proposition 2.4. Soient A et B deux matrices inversibles de même taille.
Alors AB est inversible et

(AB)−1 = B −1 A−1

Il faut bien faire attention à l’inversion de l’ordre !

Démonstration. Il suffit de montrer (B −1 A−1 ) (AB) = I et (AB) (B −1 A−1 ) = I.

Cela suit de
B −1 A−1 (AB) = B −1 A−1 A B = B −1 IB = B −1 B = I,

et (AB) B −1 A−1 = A BB −1 A−1 = AIA−1 = AA−1 = I.

De façon analogue, on montre que si A1 , . . . , Am sont inversibles, alors

(A1 A2 · · · Am )−1 = A−1 −1 −1

m Am−1 · · · A1 .

2.4.1.4 Simplification par une matrice inversible :

Si C est une matrice quelconque de Mn (K), nous avons vu que la relation AC =
BC où A et B sont des éléments de Mn (K) n’entraı̂ne pas forcément l’égalité A = B.
En revanche, si C est une matrice inversible, on a la proposition suivante :

Proposition 2.5. Soient A et B deux matrices de Mn (K) et C une matrice

inversible de Mn (K). Alors l’égalité AC = BC implique l’égalité A = B.

A. Azouani AP1-ENSAK
19 Algèbre II

Démonstration. Ce résultat est immédiat : si on multiplie à droite l’égalité AC =

BC par C −1 , on obtient légalité : (AC)C −1 = (BC)C −1 .
En utilisant l’associativité du produit des matrices on a A (CC −1 ) = B (CC −1 ), ce
qui donne d’après la définition de l’inverse AI = BI, d’où A = B.

2.4.2 Inverse d’une matrice : calcul

Nous allons voir une méthode pour calculer l’inverse d’une matrice quelconque
de manière efficace. Cette méthode est une reformulation de la méthode du pivot de
Gauss pour les systèmes linéaires. Auparavant, nous commençons par une formule
directe dans le cas simple des matrices 2 × 2.

2.4.2.1 Matrices 2 × 2 :
Considérons la matrice 2 × 2 :
 
a b
A=
c d
.

Propriété 2.1. Si ad −bc ̸= 0, alors A est inversible et

 
−1 1 d −b
A =
ad − bc −c a

Démonstration. On vérifie que si

 
1 d −b
B=
ad − bc −c a

alors  
1 0
AB = .
0 1
Idem pour BA.

Définition 2.9. Pour une matrice A, on appelle mineur d’indice (i, j) le

déterminant de la matrice obtenue en supprimant dans A la ligne numéro et
la colonne numéro j. On le note ∆i,j .
On appelle cofacteur d’indice (i; j) le nombre (−1)i+j ∆i,j , et comatrice de
A la matrice constituée de tous les cofacteurs de la matrice A (qui a donc
même taille que la matrice A ). Elle est notée com (A).

A. Azouani AP1-ENSAK
20 Algèbre II

Proposition 2.6. Pour toute matrice carrée A, on a :

At (com(A)) = t (com(A))A = (det(A))In .

1 t
Conséquence : si A est inversible, A−1 = det(A)
(com(A)).
Démonstration. On va se contenter du cas des matrices d’ordre 2 où le calcul n’est
pas compliqué. Les mineurs sont constitués de déterminants de matrices
 à une  seule
d −c
ligne et une seule colonne, on obtient donc aisément com(A) = . Il
     −b a 
a b d −b ad − bc 0
ne reste plus qu’à calculer × = =
c d −c a 0 ad − bc
(ad − bc)I2

A. Azouani AP1-ENSAK
 Chapitre 3

Polynômes

21
 Chapitre 4

Fractions rationnelles

22
 Chapitre 5

Espaces vectoriels

23