Contenu du programme d’algèbre 2 (Algèbre linéaire)

1 Matrices
2 Résolution des systèmes linéaires par la méthode de Gauss
3 Déterminants et applications
4 Espaces vectoriels
5 Applications linéaires
6 Diagonalisation et trigonalisation des matrices

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 1/46

 Chapitre 1 : Matrices

Université Cadi Ayyad

Faculté des Sciences Semlalia
Filière Informatique Appliquée (INFO)

Année Universitaire 2023 − 2024

05 Février 2024

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 2/46

Plan

1 Définitions et propriétés
2 Opérations sur les matrices
Egalité des matrices
Addition des matrices
Opérations sur les matrices
Produit de matrices
Transposée d’une matrice
3 Matrices particulières
Matrice diagonale
Matrice triangulaire
Matrice inversible
Matrice symétrique et Matrice antisymétrique
Matrice échelonnée
4 Opérations élémentaires et méthode du pivot de Gauss
Calcul de l’inverse d’une matrice par la méthode de Gauss

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 3/46

Définitions et propriétés

Dans toute la suite K désigne un corps commutatif. (En général K = R,

ou C)

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 4/46

Définitions et propriétés

Dans toute la suite K désigne un corps commutatif. (En général K = R,

ou C)

Définition
On appelle matrice à n lignes et m colonnes à coefficients dans K, un
tableau rectangulaire de scalaires comportant n lignes et m colonnes et
décrit comme suite :
 
a11 a12 · · · a1j · · · a1m
a21 a22 · · · a2j · · · a2m 
 .. .. .. .. 
 
 . . . . 
M=   ai1 ai2 · · · aij · · · aim 

 
 .. .. .. .. 
 . . . . 
an1 an2 · · · anj · · · anm



Notation : A = ai,j 1≤i≤n ou ai,j .
1≤j≤m

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 4/46

Définitions et propriétés

L’ensemble des matrices de type (n, m) à coefficients dans K est

noté Mn,m (K).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 5/46

Définitions et propriétés

L’ensemble des matrices de type (n, m) à coefficients dans K est

noté Mn,m (K).
Si n = m, on dit que A est une matrice carrée d’ordre n. L’ensemble
des matrices carrées d’ordre n est noté Mn (K).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 5/46

Définitions et propriétés

L’ensemble des matrices de type (n, m) à coefficients dans K est

noté Mn,m (K).
Si n = m, on dit que A est une matrice carrée d’ordre n. L’ensemble
des matrices carrées d’ordre n est noté Mn (K).


Lorsque n = 1 et m quelconque, A = a11 a12 · · · a1m est
appelée une matrice ligne.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 5/46

Définitions et propriétés

L’ensemble des matrices de type (n, m) à coefficients dans K est

noté Mn,m (K).
Si n = m, on dit que A est une matrice carrée d’ordre n. L’ensemble
des matrices carrées d’ordre n est noté Mn (K).


Lorsque n = 1 et m quelconque, A = a11 a12 · · · a1m est
appelée une matrice ligne.
 
a11
 a21 
Lorsque n = 1 et m quelconque, A =  .  est appelée une
 
 . .
am1
matrice colonne.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 5/46

Définitions et propriétés

Exemples
 
1 3 5 −2
1- La matrice M =  8 −4 3 2
−1 −2 3 5
est une matrice à 3 lignes et 4 colonnes, M ∈ M3,4 (R).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 6/46

Définitions et propriétés

Exemples
 
1 3 5 −2
1- La matrice M =  8 −4 3 2 
−1 −2 3 5
est une matrice à 3 lignes et 4 colonnes, M ∈ M3,4 (R).


2- La matrice M = 1 0 3i 0
est une matrice ligne, M ∈ M1,4 (C).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 6/46

Définitions et propriétés

Exemples
 
1 3 5 −2
1- La matrice M =  8 −4 3 2 
−1 −2 3 5
est une matrice à 3 lignes et 4 colonnes, M ∈ M3,4 (R).


2- La matrice M = 1 0 3i 0
est une matrice ligne, M ∈ M1,4 (C).
 
−1
3- La matrice M =  12 
0
est une matrice colonne, M ∈ M3,1 (R).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 6/46

Définitions et propriétés

Exemples
 
3 −2i 4 − 2i
4- La matrice M =  0 −1 6  est une
1 − i 7 + 4i 9
matrice carrée d’ordre 3, M ∈ M3,3 (C).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 7/46

Définitions et propriétés

Exemples
 
3 −2i 4 − 2i
4- La matrice M =  0 −1 6  est une
1−i 7 + 4i 9
matrice carrée d’ordre 3, M ∈ M3,3 (C).
 
0 0 0
5- La matrice O = est la matrice nulle de
0 0 0
M2,3 (K).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 7/46

Plan

1 Définitions et propriétés
2 Opérations sur les matrices
Egalité des matrices
Addition des matrices
Opérations sur les matrices
Produit de matrices
Transposée d’une matrice
3 Matrices particulières
Matrice diagonale
Matrice triangulaire
Matrice inversible
Matrice symétrique et Matrice antisymétrique
Matrice échelonnée
4 Opérations élémentaires et méthode du pivot de Gauss
Calcul de l’inverse d’une matrice par la méthode de Gauss

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 8/46

Opérations sur les matrices : Egalité des matrices

Définition
Deux matrices A et B sont égales, ce qu’on note A = B si
Elles ont le même nombre de lignes
Elles ont le même nombre de colonnes
Les coefficients à la même position sont égaux.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 9/46

Opérations sur les matrices : Egalité des matrices

Définition
Deux matrices A et B sont égales, ce qu’on note A = B si
Elles ont le même nombre de lignes
Elles ont le même nombre de colonnes
Les coefficients à la même position sont égaux.

Si A = (aij ) et B = (bij ), A = B sont égales si elles sont de même type

n × p et si aij = bij pour 1 ≤ i ≤ n et 1 ≤ j ≤ p.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 9/46

Opérations sur les matrices : Addition des matrices

Définition
Soient A = (aij ) et B = (bij ) deux éléments de Mn,m (K), on appelle
somme de A et B la matrice de Mn,m (K) notée A + B et définie par :

A + B = (cij ) avec cij = aij + bij , ∀ 1 ≤ i ≤ n et 1 ≤ j ≤ m.

Exemple :    
−1 5 3 2 0 3 2 1
Considérons les matrices A = ,B=
3 0 4 2 4 8 −5 4
 
1 0
et C =
4 −5
 
−1 8 5 3
Alors, A + B = , mais A + C et B + C ne sont pas
7 8 −1 6
définies.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 10/46

Opérations sur les matrices : Structure de groupe

Proposition
Soient A, B et C trois matrices de Mn,m (K)
L’addition est commutative, A + B = B + A
L’addition et associative (A + B) + C = A + (B + C )
La matrice nulle à n lignes et p colonnes est un élément neutre pour
l’addition A + OMn,m (K) = A

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 11/46

Opérations sur les matrices : Structure de groupe

Proposition
Soient A, B et C trois matrices de Mn,m (K)
L’addition est commutative, A + B = B + A
L’addition et associative (A + B) + C = A + (B + C )
La matrice nulle à n lignes et p colonnes est un élément neutre pour
l’addition A + OMn,m (K) = A

L’addition des matrices dans Mn,m (K) définit une loi de composition
interne sur cet ensemble. Elle est commutative, associative, d’élément
neutre la matrice nulle OMn,m (K) dans Mn,m (K) et le symétrique de
A = (aij ) est −A = (−aij ). On en déduit donc le théorème suivant :

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 11/46

Opérations sur les matrices : Structure de groupe

Proposition
Soient A, B et C trois matrices de Mn,m (K)
L’addition est commutative, A + B = B + A
L’addition et associative (A + B) + C = A + (B + C )
La matrice nulle à n lignes et p colonnes est un élément neutre pour
l’addition A + OMn,m (K) = A

L’addition des matrices dans Mn,m (K) définit une loi de composition
interne sur cet ensemble. Elle est commutative, associative, d’élément
neutre la matrice nulle OMn,m (K) dans Mn,m (K) et le symétrique de
A = (aij ) est −A = (−aij ). On en déduit donc le théorème suivant :

Théorème
(Mn,m (K), +) est un groupe commutatif.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 11/46

Opérations sur les matrices : Multiplication par un scalaire

Définition
Soit M = (aij ) ∈ Mn,m (K) et λ ∈ K. On appelle produit de M par λ la
matrice de Mn,m (K) notée λ · M et définie par :

λ · M = (bij ) avec bij = λaij , ∀ 1 ≤ i ≤ n et 1 ≤ j ≤ m.

Exemple  
2 1
Soit la matrice M = 0 −1 ∈ M3,2 (R) et λ = −2, alors
 5 8
−4 −2
λ·M = 0 2 .
−10 −16

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 12/46

Opérations sur les matrices : Structure d’espace vectoriel
Proposition
Soient A, B ∈ Mn,m (K) et λ, µ ∈ K. Alors,
(i) 1 · A = A;
(ii) λ · (A + B) = λ · A + λ · B;
(iii) (λ + µ) · A = λ · A + µ · A;
(iv) λ · (µ · A) = (λµ) · A.

La multiplication d’une matrice par un scalaire permet de définir une loi

de composition externe sur Mn,m (K) par :

· : K × Mn,m (K) −→ Mn,m (K)

(λ, A) 7−→ λ·A

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 13/46

Opérations sur les matrices : Structure d’espace vectoriel
Proposition
Soient A, B ∈ Mn,m (K) et λ, µ ∈ K. Alors,
(i) 1 · A = A;
(ii) λ · (A + B) = λ · A + λ · B;
(iii) (λ + µ) · A = λ · A + µ · A;
(iv) λ · (µ · A) = (λµ) · A.

La multiplication d’une matrice par un scalaire permet de définir une loi

de composition externe sur Mn,m (K) par :

· : K × Mn,m (K) −→ Mn,m (K)

(λ, A) 7−→ λ·A

Tenant compte du fait que (Mn,m (K), +) est un groupe commutatif et

des propriétés de la proposition précédente, on déduit le résultat suivant :

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 13/46

Opérations sur les matrices : Structure d’espace vectoriel
Proposition
Soient A, B ∈ Mn,m (K) et λ, µ ∈ K. Alors,
(i) 1 · A = A;
(ii) λ · (A + B) = λ · A + λ · B;
(iii) (λ + µ) · A = λ · A + µ · A;
(iv) λ · (µ · A) = (λµ) · A.

La multiplication d’une matrice par un scalaire permet de définir une loi

de composition externe sur Mn,m (K) par :

· : K × Mn,m (K) −→ Mn,m (K)

(λ, A) 7−→ λ·A

Tenant compte du fait que (Mn,m (K), +) est un groupe commutatif et

des propriétés de la proposition précédente, on déduit le résultat suivant :
Théorème
(Mn,m (K), +, .) est un K−espace vectoriel.
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 13/46
Produit de matrices

Définition
Soient A = (aij ) ∈ Mn,p (K) et B = (bij ) ∈ Mp,m (K). On appelle produit
de A par B la matrice de Mn,m (K), notée A × B, et définie par :

A×B = (cij ) où
cij := ai1 b1j + ai2 b2j + · · · + aip bpj
Xp
= aik bkj , ∀ 1 ≤ i ≤ n et 1 ≤ j ≤ m.
k=1

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 14/46

Produit de matrices

Exemple
Considérons les matrices A ∈ M4,3 (R) et B ∈ M3,2 (R) suivantes :
 
1 2 3  
−5 2 −3 0 −2
A=  et B =  1 3
0 1 4
−1 0
0 −1 0

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 15/46

Produit de matrices

Exemple
Considérons les matrices A ∈ M4,3 (R) et B ∈ M3,2 (R) suivantes :
 
1 2 3  
−5 2 −3 0 −2
A=  et B =  1 3
0 1 4
−1 0
0 −1 0
 
−1 4
5 16 
A×B =
−3
.
3 
1 −3

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 15/46

Produit de matrices
Remarques
- On ne parle du produit AB que si le nombre de colonnes
de A est égal au nombre de lignes de B.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 16/46

Produit de matrices
Remarques
- On ne parle du produit AB que si le nombre de colonnes
de A est égal au nombre de lignes de B.
- Le terme cij est obtenu en multipliant terme à terme, et
en sommant, la ième ligne de A par la jème colonne de B.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 16/46

Produit de matrices
Remarques
- On ne parle du produit AB que si le nombre de colonnes
de A est égal au nombre de lignes de B.
- Le terme cij est obtenu en multipliant terme à terme, et
en sommant, la ième ligne de A par la jème colonne de B.
Le schéma suivant présente une méthode pratique du calcul du produit
de deux matrices A et B.
 
· · · · · · b1j · · ·
 · · · · · · b2j · · · 
 .. .. .. .. 
 
 . . . . 
··· ··· bnj ···
.. .. .. .. . .. .. ..
   
. . . .   .. . . . 
.. .. .. ..   .. .. .. .. 



 . . . .    .
 . . .  

 ai1 ai2 ··· ain    ···
 ··· cij ···  
 .. .. .. ..   .. .. .. .. 

 . . . .   .
 . . . 
.. .. .. .. .. .. .. ..
. . . . . . . .
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 16/46
Produit de matrices

Exemple  
1 2
 3 4 
5 6
   
a b c a + 3b + 5c 2a + 4b + 6c
d e f d + 3e + 5f 2d + 4e + 6f

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 17/46

Produit de matrices : Propriétés

Proposition
Soient A ∈ Mn,p (K), B ∈ Mp,q (K) et C ∈ Mq,m (K) et λ ∈ K. Alors,
(P1 ) (λ · A) × B = A × (λ · B) = λ · (A × B) ;
(P2 ) (A × B) × C = A × (B × C ) (associativité).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 18/46

Transposée d’une matrice

Définition
Soit A = (aij ) une matrice de type (n, p). La matrice transposée de A est
la matrice (bij ) de type (p, n), notée t A et définie par :

bij = aji , ∀1 ≤ i ≤ n , 1 ≤ j ≤ p.
t
A est obtenue à partir de A en remplaçant les lignes par les colonnes.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 19/46

Transposée d’une matrice

Définition
Soit A = (aij ) une matrice de type (n, p). La matrice transposée de A est
la matrice (bij ) de type (p, n), notée t A et définie par :

bij = aji , ∀1 ≤ i ≤ n , 1 ≤ j ≤ p.
t
A est obtenue à partir de A en remplaçant les lignes par les colonnes.

Exemple
 
1 2  

t 1 3 5 t
A= 3 4  , B= 1 2 3 4 , A= , B=
2 4 6
 5 6
1
 2 
 .
 3 
4

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 19/46

Transposée d’une matrice

Proposition
La transposition des matrices possède les propriétés suivantes :
t
(i) (A + B) = t A + t B.
t
(ii) (AB) = t B t A

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 20/46

Transposée d’une matrice

Proposition
La transposition des matrices possède les propriétés suivantes :
t
(i) (A + B) = t A + t B.
t
(ii) (AB) = t B t A

(i) Conséquence immédiate de la définition.

(ii) Soient A ∈ Mn,p (K) et B ∈ Mp,q (K). Posons C = AB et
D = t B t A. On a
p
X p
X
cij = aik bkj et dji = bkj aik ∀ i = 1, · · · , n, ∀ j = 1, · · · , q.
k=1 k=1

t
Ce qui prouve que C = D.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 20/46

Transposée d’une matrice

Proposition
La transposition des matrices possède les propriétés suivantes :
t
(i) (A + B) = t A + t B.
t
(ii) (AB) = t B t A

(i) Conséquence immédiate de la définition.

(ii) Soient A ∈ Mn,p (K) et B ∈ Mp,q (K). Posons C = AB et
D = t B t A. On a
p
X p
X
cij = aik bkj et dji = bkj aik ∀ i = 1, · · · , n, ∀ j = 1, · · · , q.
k=1 k=1

t
Ce qui prouve que C = D.

Remarque
t
( t A) = A, pour toute matrice A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 20/46

Plan

1 Définitions et propriétés
2 Opérations sur les matrices
Egalité des matrices
Addition des matrices
Opérations sur les matrices
Produit de matrices
Transposée d’une matrice
3 Matrices particulières
Matrice diagonale
Matrice triangulaire
Matrice inversible
Matrice symétrique et Matrice antisymétrique
Matrice échelonnée
4 Opérations élémentaires et méthode du pivot de Gauss
Calcul de l’inverse d’une matrice par la méthode de Gauss

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 21/46

Matrice diagonale

Rappelons qu’une matrice A est dite carrée si le nombre de lignes est

égal au nombre de colonnes, plus exactement si A ∈ Mn,n (K),
 
a11 a12 · · · a1n
a21 a22 · · · a2n 
A= . .. .. ..  ∈ Mn,n (K).
 
 .. . . . 
an1 an2 ··· ann

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 22/46

Matrice diagonale

Rappelons qu’une matrice A est dite carrée si le nombre de lignes est

égal au nombre de colonnes, plus exactement si A ∈ Mn,n (K),
 
a11 a12 · · · a1n
a21 a22 · · · a2n 
A= . .. .. ..  ∈ Mn,n (K).
 
 .. . . . 
an1 an2 ··· ann

On appelle diagonale de A, le sous-ensemble {a11 , a22 , · · · , ann }.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 22/46

Matrice diagonale
Matrice diagonale : Une matrice A ∈ Mn,n (K) est dite
diagonale si tous les termes qui ne sont pas situés sur la
diagonale sont nuls :
A = (aij )n,n est diagonale ⇐⇒ aij = 0, ∀ i 6= j
 
a11 0 0 · · · 0
 0 a22 0 · · · 0 
A= . .. .. 
 
 .. ..
. . . 
0 0 ··· ann

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 23/46

Matrice diagonale
Matrice diagonale : Une matrice A ∈ Mn,n (K) est dite
diagonale si tous les termes qui ne sont pas situés sur la
diagonale sont nuls :
A = (aij )n,n est diagonale ⇐⇒ aij = 0, ∀ i 6= j
 
a11 0 0 · · · 0
 0 a22 0 · · · 0 
A= . .. .. 
 
 .. ..
. . . 
0 0 ··· ann

Matrice unité : La matrice unité In ∈ Mn,n (K) est la

matrice diagonale dont tous les termes de la diagonale
sont égaux à 1. En d’autres termes :
 
1 0 ··· 0
0 1 · · · 0 
In =  . .. .. .. 
 
 .. . . .
0 ··· 0 1

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 23/46

Matrice triangulaire
Matrice triangulaire supérieure
A = (aij ) est triangulaire supérieure ⇐⇒ aij = 0
∀i < j, ∀i, j ∈ {1, · · · , n}.
 
a11 a12 ··· a1n
 0 a22 a23 a2n 
A= . .. .. .. 
 
 .. . . . 
0 ··· 0 ann

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 24/46

Matrice triangulaire
Matrice triangulaire supérieure
A = (aij ) est triangulaire supérieure ⇐⇒ aij = 0
∀i < j, ∀i, j ∈ {1, · · · , n}.
 
a11 a12 ··· a1n
 0 a22 a23 a2n 
A= . .. .. .. 
 
 .. . . . 
0 ··· 0 ann

Matrice triangulaire inférieure

A = (aij ) est triangulaire inférieure ⇐⇒ aij = 0
∀i > j, ∀i, j ∈ {1, · · · , n}.
 
a11 0 ··· 0
a21 a22 ··· 0 
A= . .. ..
 
 .. .. 
. . . 
an1 an2 ··· ann
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 24/46
Matrice triangulaire

Proposition
Les propriétés suivantes sont satisfaites :
(i) Soit A une matrice de type (n, p), alors on a : AIp = In A = A.
t
(ii) Soit A une matrice carrée. Si A est triangulaire inférieure alors A
est triangulaire supérieure.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 25/46

Matrice triangulaire

Proposition
Les propriétés suivantes sont satisfaites :
(i) Soit A une matrice de type (n, p), alors on a : AIp = In A = A.
t
(ii) Soit A une matrice carrée. Si A est triangulaire inférieure alors A
est triangulaire supérieure.

Preuve :
Pp
(i) On pose B = AIp . On a bij = k=1 aik δkj = aij , donc AIp = A.
De même pour la relation In A = A.
(ii) Posons B = t A. On a bij = aji et aji = 0 si j < i, donc t
A est
supérieure.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 25/46

Matrice inversible

Définition
Une matrice carrée A ∈ Mn,n (K) est dite inversible s’il existe une matrice
B ∈ Mn,n (K) appelée inverse de A tel que : A × B = In et B × A = In .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 26/46

Matrice inversible

Définition
Une matrice carrée A ∈ Mn,n (K) est dite inversible s’il existe une matrice
B ∈ Mn,n (K) appelée inverse de A tel que : A × B = In et B × A = In .

L’ensemble des matrices carrées inversibles d’ordre n à coefficients dans

K est un groupe, noté GLn (K) ou GL(n, K).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 26/46

Matrice inversible

Définition
Une matrice carrée A ∈ Mn,n (K) est dite inversible s’il existe une matrice
B ∈ Mn,n (K) appelée inverse de A tel que : A × B = In et B × A = In .

L’ensemble des matrices carrées inversibles d’ordre n à coefficients dans

K est un groupe, noté GLn (K) ou GL(n, K).
Notation :
Si A est inversible, son inverse est noté par A−1 .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 26/46

Matrice inversible

Définition
Une matrice carrée A ∈ Mn,n (K) est dite inversible s’il existe une matrice
B ∈ Mn,n (K) appelée inverse de A tel que : A × B = In et B × A = In .

L’ensemble des matrices carrées inversibles d’ordre n à coefficients dans

K est un groupe, noté GLn (K) ou GL(n, K).
Notation :
Si A est inversible, son inverse est noté par A−1 .
Exemple :  
1 1
Considérons la matrice A = , A admet un inverse car pour
1 −1
1 1

2 2
B=  on a A × B = B × A = I2 .
1
2 − 12

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 26/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .
Soit C une autre matrice vérifiant AC = CA = In . Donc
C = CIn = C (AB) = (CA)B = In B = B.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .
Soit C une autre matrice vérifiant AC = CA = In . Donc
C = CIn = C (AB) = (CA)B = In B = B.
2. Soit A une matrice inversible, alors A−1 est inversible et on a
(A−1 )−1 = A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .
Soit C une autre matrice vérifiant AC = CA = In . Donc
C = CIn = C (AB) = (CA)B = In B = B.
2. Soit A une matrice inversible, alors A−1 est inversible et on a
(A−1 )−1 = A.
3. Soient A et B deux matrices carrées. Si A et B sont inversibles, alors
AB est inversible et on a (AB)−1 = B −1 A−1 .
On a (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In et
(B −1 A−1 )(AB) = In , donc (AB)−1 = B −1 A−1 .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .
Soit C une autre matrice vérifiant AC = CA = In . Donc
C = CIn = C (AB) = (CA)B = In B = B.
2. Soit A une matrice inversible, alors A−1 est inversible et on a
(A−1 )−1 = A.
3. Soient A et B deux matrices carrées. Si A et B sont inversibles, alors
AB est inversible et on a (AB)−1 = B −1 A−1 .
On a (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In et
(B −1 A−1 )(AB) = In , donc (AB)−1 = B −1 A−1 .
4. Soit A une matrice inversible. Alors t A est inversible et ona
( t A)−1 = t (A−1 ).
On a t A t (A−1 ) = t (A−1 A) = t In = In et de la même façon
t
(A−1 ) t A = In , donc ( t A)−1 = t (A−1 ).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrice inversible

Proposition
1. Si A est inversible, alors il existe une unique matrice B vérifiant
AB = BA = In .
Soit C une autre matrice vérifiant AC = CA = In . Donc
C = CIn = C (AB) = (CA)B = In B = B.
2. Soit A une matrice inversible, alors A−1 est inversible et on a
(A−1 )−1 = A.
3. Soient A et B deux matrices carrées. Si A et B sont inversibles, alors
AB est inversible et on a (AB)−1 = B −1 A−1 .
On a (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In et
(B −1 A−1 )(AB) = In , donc (AB)−1 = B −1 A−1 .
4. Soit A une matrice inversible. Alors t A est inversible et ona
( t A)−1 = t (A−1 ).
On a t A t (A−1 ) = t (A−1 A) = t In = In et de la même façon
t
(A−1 ) t A = In , donc ( t A)−1 = t (A−1 ).
5. Si A est inversible alors l’équation matricielle A × X = B admet une
solution unique X = A−1 × B.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 27/46

Matrices symétrique et Matrices antisymétrique
Matrice symétrique
A symétrique ⇐⇒ aij = aji
∀i < j, ∀i, j ∈ {1, · · · , n}.
En d’autres termes : A symétrique ⇐⇒ A = At .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 28/46

Matrices symétrique et Matrices antisymétrique
Matrice symétrique
A symétrique ⇐⇒ aij = aji
∀i < j, ∀i, j ∈ {1, · · · , n}.
En d’autres termes : A symétrique ⇐⇒ A = At .
Matrice antisymétrique :
A antisymetrique ⇐⇒ aij = −aji
∀i < j, ∀i, j ∈ {1, · · · , n}.
En d’autres termes : A antisymétrique ⇐⇒ A = −At .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 28/46

Matrices symétrique et Matrices antisymétrique
Matrice symétrique
A symétrique ⇐⇒ aij = aji
∀i < j, ∀i, j ∈ {1, · · · , n}.
En d’autres termes : A symétrique ⇐⇒ A = At .
Matrice antisymétrique :
A antisymetrique ⇐⇒ aij = −aji
∀i < j, ∀i, j ∈ {1, · · · , n}.
En d’autres termes : A antisymétrique ⇐⇒ A = −At .
Exemples
 
1 −1 3
A = −1 0 6  , A = t A.
3 6 −1
,  
1 1 −3
B = −1 0 −6 , B = −t B.
3 6 −1
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 28/46
Matrice symétrique et Matrice antisymétrique

Proposition
(i) Si A est inversible et symétrique, alors A−1 est symétrique.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 29/46

Matrice symétrique et Matrice antisymétrique

Proposition
(i) Si A est inversible et symétrique, alors A−1 est symétrique.
(ii) Si A est inversible et antisymétrique, alors A−1 est antisymétrique.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 29/46

Matrice symétrique et Matrice antisymétrique

Proposition
(i) Si A est inversible et symétrique, alors A−1 est symétrique.
(ii) Si A est inversible et antisymétrique, alors A−1 est antisymétrique.
(iii) Si A est symétrique, alors ∀k ∈ N, Ak est symétrique.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 29/46

Matrice symétrique et Matrice antisymétrique

Proposition
(i) Si A est inversible et symétrique, alors A−1 est symétrique.
(ii) Si A est inversible et antisymétrique, alors A−1 est antisymétrique.
(iii) Si A est symétrique, alors ∀k ∈ N, Ak est symétrique.
(iv) Si A est antisymétrique, alors ∀k ∈ N, Ak est symétrique pour k
pair et antisymétrique pour k impair.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 29/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :
- Pour chaque i ≤ r , Li 6= 0 (les coefficients de Li ne sont pas tous
nuls).

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :
- Pour chaque i ≤ r , Li 6= 0 (les coefficients de Li ne sont pas tous
nuls).
- Pour chaque i > r , Li = 0.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :
- Pour chaque i ≤ r , Li 6= 0 (les coefficients de Li ne sont pas tous
nuls).
- Pour chaque i > r , Li = 0.
- La suite d(1), · · · , d(r ) est strictement croissante.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :
- Pour chaque i ≤ r , Li 6= 0 (les coefficients de Li ne sont pas tous
nuls).
- Pour chaque i > r , Li = 0.
- La suite d(1), · · · , d(r ) est strictement croissante.
Les r coefficients non nuls aid(i) sont appelés les pivots de A.
L’entier r est appelé le rang de la matrice A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée

Définition
Soient A une matrice non nulle de Mn,p (K). Notons L1 , · · · , Ln les lignes
successives de A. Pour chaque ligne Li non nulle, soit d(i) le plus petit
indice j tel que aij 6= 0.
On dit que A est échelonnée, supérieurement, s’il existe r ∈ {1, · · · , n}
tel que :
- Pour chaque i ≤ r , Li 6= 0 (les coefficients de Li ne sont pas tous
nuls).
- Pour chaque i > r , Li = 0.
- La suite d(1), · · · , d(r ) est strictement croissante.
Les r coefficients non nuls aid(i) sont appelés les pivots de A.
L’entier r est appelé le rang de la matrice A.
Par définition la matrice nulle est échelonnée de rang 0.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 30/46

Matrice échelonnée : Exemples

 
2 3 1 0 −6 0 7
 0 0 0 3 −2 4 5 
La matrice   est une matrice
 0 0 0 0 0 −1 8 
0 0 0 0 0 0 0
échelonnée de pivots 2, 3 et −1 et son rang est 3.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 31/46

Matrice échelonnée : Exemples

 
2 3 1 0 −6 0 7
 0 0 0 3 −2 4 5 
La matrice  0 0 0 0 0 −1 8  est une matrice


0 0 0 0 0 0 0
échelonnée de pivots 2, 3 et −1 et son rang est 3.
 
1 4 7 0 0
 0 1 −1 0 2 
La matrice  0 −2 0 0 −4  n’est pas échelonnée.


0 0 3 1 2
In est une matrice échelonnée de rang n.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 31/46

Matrice échelonnée : Exemples

 
2 3 1 0 −6 0 7
 0 0 0 3 −2 4 5 
La matrice  0 0 0 0 0 −1 8  est une matrice


0 0 0 0 0 0 0
échelonnée de pivots 2, 3 et −1 et son rang est 3.
 
1 4 7 0 0
 0 1 −1 0 2 
La matrice  0 −2 0 0 −4  n’est pas échelonnée.


0 0 3 1 2
In est une matrice échelonnée de rang n.
Remarque : Une matrice, même s’il n’est pas échelonnée, peut se
transformer en une matrice échelonnée en effectuant des opérations, dites
élémentaires, sur les lignes ou sur les colonnes.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 31/46

Plan

1 Définitions et propriétés
2 Opérations sur les matrices
Egalité des matrices
Addition des matrices
Opérations sur les matrices
Produit de matrices
Transposée d’une matrice
3 Matrices particulières
Matrice diagonale
Matrice triangulaire
Matrice inversible
Matrice symétrique et Matrice antisymétrique
Matrice échelonnée
4 Opérations élémentaires et méthode du pivot de Gauss
Calcul de l’inverse d’une matrice par la méthode de Gauss

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 32/46

Opérations élémentaires et méthode du pivot de Gauss

Pour fixer les idées on se limitera aux opérations effectuées sur les lignes.

Définition
On appelle opération élémentaire sur les lignes d’une matrice l’une des
opérations suivantes :
- Multiplier une ligne Li par un scalaire non nul α : Li ←− αLi .
- Ajouter à une ligne Li un produit d’une autre ligne Lj par un scalaire
quelconque β :
Li ←− Li + βLj .
- Echanger deux lignes : Li ←→ Lj .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 33/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute opération élémentaire transforme In en une matrice inversible.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 34/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute opération élémentaire transforme In en une matrice inversible.

Preuve : Si on multiplie la ligne Li de In par α 6= 0, on obtient une

matrice inversible dont la matrice inverse est obtenue de In en multipliant
Li par α1 .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 34/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute opération élémentaire transforme In en une matrice inversible.

Preuve : Si on multiplie la ligne Li de In par α 6= 0, on obtient une

matrice inversible dont la matrice inverse est obtenue de In en multipliant
Li par α1 .
Si on échange deux lignes de In , on obtient une matrice inversible égale à
sa matrice inverse.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 34/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute opération élémentaire transforme In en une matrice inversible.

Preuve : Si on multiplie la ligne Li de In par α 6= 0, on obtient une

matrice inversible dont la matrice inverse est obtenue de In en multipliant
Li par α1 .
Si on échange deux lignes de In , on obtient une matrice inversible égale à
sa matrice inverse.
Si on ajoute βLj à Li , on obtient une matrice inversible dont l’inverse est
la matrice obtenue de In en remplaçant Li par Li − βLj .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 34/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Soit A une matrice de type (n, p). Posons T (A) la matrice obtenue de A
après une seule opération élémentaire et T (In ) la matrice obtenue de In
en effectuant la même opération élémentaire. Alors on a :

T (A) = T (In )A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 35/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Soit A une matrice de type (n, p). Posons T (A) la matrice obtenue de A
après une seule opération élémentaire et T (In ) la matrice obtenue de In
en effectuant la même opération élémentaire. Alors on a :

T (A) = T (In )A.

Preuve : On vérifiera le résultat sur un exemple, le cas général utilise les

mêmes techniques.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 35/46

Opérations élémentaires et méthode du pivot de Gauss

 
0 −1 3 7
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 36/46

Opérations élémentaires et méthode du pivot de Gauss

 
0 −1 3 7
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3
Soit T1 l’opération quiéchange la ligne 1 et
 la ligne 3. La matrice
6 5 1 −3
obtenue est T1 (A) =  1 −2 0 4 .
0 −1 3 7

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 36/46

Opérations élémentaires et méthode du pivot de Gauss

 
0 −1 3 7
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3
Soit T1 l’opération quiéchange la ligne 1 et
 la ligne 3. La matrice
6 5 1 −3
obtenue est T1 (A) =  1 −2 0 4 .
 0 −1  3 7 
0 0 1 0 −1 3 7
On a : T1 (I3 )A =  0 1 0   1 −2 0 4  =
 1 0 0 6 5 1 −3
6 5 1 −3
 1 −2 0 4  = T1 (A).
0 −1 3 7

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 36/46

Opérations élémentaires et méthode du pivot de Gauss

Soit T2 latransformation qui 

remplace L1 
par L1 + 2L2
. On vérifie que
2 −5 3 15 1 2 0
T2 (A) =  1 −2 0 4 , T2 (I3 ) =  0 1 0 
6 5 1 −3 0 0 1

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 37/46

Opérations élémentaires et méthode du pivot de Gauss

Soit T2 latransformation qui 

remplace L1 
par L1 + 2L2
. On vérifie que
2 −5 3 15 1 2 0
T2 (A) =  1 −2 0 4 , T2 (I3 ) =  0 1 0 
6 5 1 −3 0 0 1
  
1 2 0 0 −1 3 7
et T2 (I3 )A =  0 1 0   1 −2 0 4  =
0 0 1 6 5 1 −3
 
2 −5 3 15
 1 −2 0 4  = T2 (A).
6 5 1 −3

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 37/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Soit A ∈ Mn,p (K). Soit B la matrice, du même type, obtenue de A après
une suite d’opérations élémentaires sur les lignes. Alors, il existe une
matrice P ∈ GL(n, K) telle que :

B = PA.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 38/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Soit A ∈ Mn,p (K). Soit B la matrice, du même type, obtenue de A après
une suite d’opérations élémentaires sur les lignes. Alors, il existe une
matrice P ∈ GL(n, K) telle que :

B = PA.
Preuve : Conséquence des deux propositions précédentes.
Remarque
Effectuer des opérations élémentaires sur les lignes d’une matrice revient
à multiplier cette matrice à gauche par une matrice inversible.
De même, effectuer des opérations élémentaires sur les colonnes revient à
multiplier à droite par une matrice inversible.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 38/46

Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute matrice A peut se transformer en une matrice échelonnée par une
succession d’opérations élémentaires sur ses lignes. Cette transformation
s’appelle l’échelonnement de la matrice A.

1. Si la première colonne de A est nulle, on considère la matrice obtenue de A en

supprimant la première colonne.
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 39/46
Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute matrice A peut se transformer en une matrice échelonnée par une
succession d’opérations élémentaires sur ses lignes. Cette transformation
s’appelle l’échelonnement de la matrice A.

Preuve : Soit A ∈ Mn,p (K) (n ≥ 2). On fait un raisonnement par

récurrence sur n.

1. Si la première colonne de A est nulle, on considère la matrice obtenue de A en

supprimant la première colonne.
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 39/46
Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute matrice A peut se transformer en une matrice échelonnée par une
succession d’opérations élémentaires sur ses lignes. Cette transformation
s’appelle l’échelonnement de la matrice A.

Preuve : Soit A ∈ Mn,p (K) (n ≥ 2). On fait un raisonnement par

récurrence sur n.
On peut supposer que a11 6= 0, sinon on échange la ligne L1 avec une
autre ligne dont le premier coefficient est non nul 1 .

1. Si la première colonne de A est nulle, on considère la matrice obtenue de A en

supprimant la première colonne.
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 39/46
Opérations élémentaires et méthode du pivot de Gauss

Proposition
Toute matrice A peut se transformer en une matrice échelonnée par une
succession d’opérations élémentaires sur ses lignes. Cette transformation
s’appelle l’échelonnement de la matrice A.

Preuve : Soit A ∈ Mn,p (K) (n ≥ 2). On fait un raisonnement par

récurrence sur n.
On peut supposer que a11 6= 0, sinon on échange la ligne L1 avec une
autre ligne dont le premier coefficient est non nul 1 .Ensuite, on effectue
les opérations élémentaires suivantes :

1. Si la première colonne de A est nulle, on considère la matrice obtenue de A en

supprimant la première colonne.
Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 39/46
Opérations élémentaires et méthode du pivot de Gauss

ai1
∀i ≥ 2, Li ←− Li − L1 ou bien Li ←− a11 Li − ai1 L1 .
a11

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 40/46

Opérations élémentaires et méthode du pivot de Gauss

ai1
∀i ≥ 2, Li ←− Li − L1 ou bien Li ←− a11 Li − ai1 L1 .
a11
La matrice obtenue est de la forme :
a11 a12 ··· a1p
 
0 0
0  0 a22
 ··· a2p 
A = . .. .. .

 .. . . 
0 0
0 an2 ··· anp

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 40/46

Opérations élémentaires et méthode du pivot de Gauss

ai1
∀i ≥ 2, Li ←− Li − L1 ou bien Li ←− a11 Li − ai1 L1 .
a11
La matrice obtenue est de la forme :
a11 a12 ··· a1p
 
0 0
0  0 a22
 ··· a2p 
A = . .. .. .

 .. . . 
0 0
0 an2 ··· anp
0
La matrice B obtenue de A , en supprimant la première ligne et la
première colonne, est de type (n − 1, p − 1), ainsi on peut appliquer
l’hypothèse de récurrence à cette matrice.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 40/46

Opérations élémentaires et méthode du pivot de Gauss

ai1
∀i ≥ 2, Li ←− Li − L1 ou bien Li ←− a11 Li − ai1 L1 .
a11
La matrice obtenue est de la forme :
a11 a12 ··· a1p
 
0 0
0  0 a22
 ··· a2p 
A = . .. .. .

 .. . . 
0 0
0 an2 ··· anp
0
La matrice B obtenue de A , en supprimant la première ligne et la
première colonne, est de type (n − 1, p − 1), ainsi on peut appliquer
l’hypothèse de récurrence à cette matrice.
On obtient, finalement, une matrice échelonnée. Il suffit de remarquer
que toute opération élémentaire effectuée sur les lignes de B est une
0
opération élémentaire sur les lignes de A .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 40/46

Opérations élémentaires et méthode du pivot de Gauss

Définition
Le processus considéré dans la preuve ci-dessus s’appelle la méthode du
pivot de Gauss.
 
2 −5 3 15
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 41/46

Opérations élémentaires et méthode du pivot de Gauss

Définition
Le processus considéré dans la preuve ci-dessus s’appelle la méthode du
pivot de Gauss.
 
2 −5 3 15
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3
Cherchons une matrice échelonnée obtenue de A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 41/46

Opérations élémentaires et méthode du pivot de Gauss

Définition
Le processus considéré dans la preuve ci-dessus s’appelle la méthode du
pivot de Gauss.
 
2 −5 3 15
Exemple Soit A =  1 −2 0 4 .
6 5 1 −3
Cherchons une matrice échelonnée obtenue de A.

   
2 −5 3 15 L1 2 −5 3 15 L1
A→ 0 1 −3 −7  2L2 − L1 →  0 1 −3 −7  L2
0 20 −8 −48 L3 − 3L1 0 0 52 92 L3 − 20L

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 41/46

Calcul de l’inverse d’une matrice par la méthode de Gauss

Lemme
Soit A une matrice carrée d’ordre n. La matrice A est inversible, si et
seulement si, il existe B telle que BA = In ou AB = In .

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 42/46

Calcul de l’inverse d’une matrice par la méthode de Gauss

Lemme
Soit A une matrice carrée d’ordre n. La matrice A est inversible, si et
seulement si, il existe B telle que BA = In ou AB = In .

Preuve : La preuve sera donnée dans les chapitres suivants.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 42/46

Calcul de l’inverse d’une matrice par la méthode de Gauss

Lemme
Soit A une matrice carrée d’ordre n. La matrice A est inversible, si et
seulement si, il existe B telle que BA = In ou AB = In .

Preuve : La preuve sera donnée dans les chapitres suivants.

Proposition
Soit A ∈ Mn (K). S’il est possible, après une succession d’opérations
élémentaires sur les lignes, de passer de A à In , alors A est inversible.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 42/46

Calcul de l’inverse d’une matrice par la méthode de Gauss

Lemme
Soit A une matrice carrée d’ordre n. La matrice A est inversible, si et
seulement si, il existe B telle que BA = In ou AB = In .

Preuve : La preuve sera donnée dans les chapitres suivants.

Proposition
Soit A ∈ Mn (K). S’il est possible, après une succession d’opérations
élémentaires sur les lignes, de passer de A à In , alors A est inversible.

Preuve : Supposons que la matrice A se transforme en In par une suite

finie d’opérations élémentaires. Alors il existe P inversible telle que
PA = In . Par conséquent A est inversible par le lemme précédent.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 42/46

Principe de la méthode de Gauss

On part de la matrice, A augmentée de In , (A|In ) on effectue une

succession d’opérations élémentaires sur ses lignes jusqu’à obtenir une
matrice de la forme (In |B). La matrice B est l’inverse de A.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 43/46

Principe de la méthode de Gauss

On part de la matrice, A augmentée de In , (A|In ) on effectue une

succession d’opérations élémentaires sur ses lignes jusqu’à obtenir une
matrice de la forme (In |B). La matrice B est l’inverse de A.
En effet, il existe P telle que (In |B) = P(A|In ) = (PA|P), ce qui implique
que PA = In et P = B.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 43/46

Opérations élémentaires et méthode du pivot de Gauss

Exemples: 
1 2
Soit A = .
3 4
   
1 2 1 0 1 2 1 0 L1
−→ −→
3 4 0 1 0 −2 −3 1 L2 − 3L1
   
1 0 −2 1 L1 + L2 1 0 −2 1 L1
−→ −1 .
0 −2 −3 1 L2 0 1 32 2
−L2 /2
 
−1 −2 1
Donc A = 3 −1 .
2 2

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 44/46

Opérations élémentaires et méthode du pivot de Gauss

Exemples: 
1 −1 0
Soit B =  2 −2 −1 .
 1 5 2   
1 −1 0 1 0 0 1 −1 0 1 0 0
 2 −2 −1 0 1 0  −→  0 0 −1 −2 1 0  −→
 1 5 2 0 0 1  0 6 2 −1 0 1 
1 −1 0 1 0 0 6 0 2 5 0 1
 0 6 2 −1 0 1  −→  0 6 2 −1 0 1  −→
0 0 −1 −2 1 0 0 0 −1 −2 1 0
1 0 0 61 2 1
   
6 0 0 1 2 1 6 6
 0 6 0 −5 2 1  −→  0 1 0 −5 2 1 .
6 6 6
0 0 −1 −2 1 0 0 0 1 2 −1 0
 1 2 1

6 6 6
−5
Donc B −1 =  6
2
6
1
6
.
2 −1 0

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 45/46

Opérations élémentaires et méthode du pivot de Gauss

Remarque
Si, après une succession d’opérations élémentaires sur les lignes d’une
matrice, on obtient une matrice possédant une ligne nulle, cela veut dire
que la matrice en question n’est pas inversible.

Pr. Mustapha OUALI Cours d’Algèbre 2, S2 Matrices 46/46