ECG2 - Maths approfondies Lycée Louis Pergaud

TD1
Calcul matriciel

Opérations matricielles
Exercice 1.1 (F - Matrices stochastiques - )
On dit qu’une matrice A = (ai,j ) de Mn (R) est stochastique si pour tout (i, j) ∈ J1, nK2 , ai,j ≥ 0 est un réel
n
X
positif et si ai,j = 1. On note ST l’ensemble des matrices stochastiques de Mn (K)
j=1

1. Donner des exemples de matrices stochastiques.

2. Soit λ ∈ [0, 1]. Montrer que si A et B appartiennent à ST , alors λ · A + (1 − λ) · B est dans ST également.
Un ensemble satisfaisant une telle propriété est dit convexe.
1
 
(
 ..  ∀i, j, ai,j ≥ 0
3. (a) Notons X =  .  ∈ Mn,1 (R). Montrer que : A ∈ ST ⇔ .
AX = X
1
(b) En déduire que si A et B sont stochastiques, alors A × B est stochastique.
4. (F) Déterminer les matrices A de ST n (R) qui sont inversibles et telles que A−1 ∈ ST n (R).

4. Soit A = (ai,j ) une telle matrice, et B = A−1 = (bi,j ) sa matrice inverse, supposée stochastique
aussi. Soit (i, j) ∈ J1, nK2 tels que i 6= j. En identifiant le coefficient en position (i, j) dans l’égalité
B × A = In , on obtient :
Xn
bi,k ak,j = [B × A]i,j = [In ]i,j = 0.
k=1

Or par hypothèse, les coefficients des matrices A et B sont tous positifs. L’égalité précédente implique
donc :
∀k ∈ J1, nK, bi,k ak,j = 0. (∗)

Fixons alors k ∈ J1, nK. Comme la matrice B est inversible, la k-ème colonne de B n’est pas nulle
(nous y reviendrons si besoin à la fin de l’exercice), et il existe donc un indice de ligne qu’on notera
ik ∈ J1, nK tel que bik ,k 6= 0. Mais alors en reprenant (∗), on obtient que pour tout j 6= ik :

bik ,k ak,j = 0 ⇒ ak,j = 0.

Ainsi, la k-ème ligne de A ne contient que des 0, sauf éventuellement le coefficient ak,ik . Et comme
la matrice A est stochastique par lignes, on a nécessairement ak,ik = 1.

Résumons : on vient de montrer que pour tout k ∈ J1, nK, la k-ème ligne de A ne contient que des
coefficients nuls sauf celui en position (k, ik ) qui lui vaut 1.

Reste alors une dernière remarque à faire : prenons 1 ≤ k < ` ≤ n et comparons les lignes k et `
de A. Elles ont un seul coefficient non nul (qui vaut 1) respectivement en position (k, ik ) et (`, i` ).
Si ik = i` , alors les lignes k et ` de A seraient égales, ce qui est impossible puisque A est inversible
(voir là-aussi si besoin la remarque ci-dessous).

Finalement, chaque ligne de A contient un et un seul coefficient non nul, qui vaut 1, et ces 1 sont
sur des colonnes toutes distinctes. Prenons quelques exemples de telles matrices en dimension 3 × 3
pour visualiser mieux les choses :

0 1 0 0 0 1
   
1 0 0 , 1 0 0 , In
0 0 1 0 1 0

sont de ce type.

1
ECG2 - Maths approfondies Lycée Louis Pergaud

Réciproquement, on vérifie qu’une telle matrice est bien stochastique par lignes, qu’elle est inversible,
et que son inverse est une matrice de même « forme » qui est elle aussi stochastique.

Remarque. Deux affirmations ont pu vous déranger :

• « une matrice ayant une colonne nulle n’est pas inversible »,
• « une matrice ayant deux lignes identiques n’est pas inversible ».

Pour le démontrer, on peut appliquer l’algorithme de Gauss à de telles matrices et s’apercevoir

qu’elles auront strictement moins de n pivots, et donc que leur rang sera < n. Mais ce n’est pas le
plus simple. Rappelons (on le reverra au chapitre 4) que le rang d’une matrice est aussi la dimension
de l’espace engendré par ses lignes, ou bien encore la dimension de l’espace engendré par ses colonnes.
Si l’une des deux affirmations est satisfaite, cette dimension est < n, et la matrice n’est pas inversible.

Pour aller plus loin.

Les matrices que nous avons mis en évidence dans cette question sont appelées matrices de
permutations. Et pour cause, elles sont liées à une permutation qu’on a mise en évidence dans
l’exercice : l’application σ : k ∈ J1, nK 7→ ik ∈ J1, nK (qui est bien bijective car injective comme
vu dans l’exercice, avec des ensembles de départ et d’arrivée de même cardinaux). On note
alors conventionnellement A = Pσ , appelée matrice de permutation associée à σ. Elle se définit
aisément avec le symbole de Kronecker en posant :

Pσ = (δσ(i),j )i,j .

0 1 0
 

Par exemple, 1 0 0 est la matrice de permutation associée à la permutation σ de J1, 3K

0 0 1
définie par σ(1) = 2, σ(2) = 1, σ(3) = 3. Inversement,
 si τ est
 la permutation de J1, 3K définie
0 0 1
par τ (1) = 3, τ (2) = 1, τ (3) = 2, alors on a Pτ = 1 0 0.
0 1 0

On peut enfin montrer que si σ est une permutation de J1, nK, alors Pσ est inversible, et que
Pσ−1 = Pσ−1 (c’est un bon exercice !). L’inverse d’une matrice de permutation est donc aussi
une matrice de permutation.

Les matrices de permutations sont abordées notamment dans le sujet d’ESSEC 2017.

0 ... 0 0
 
...
 .. .. .. 
Exercice 1.2 (FF - Produit de matrices élémentaires - ) . . .
Dans Mn (K), on définit pour tout 1 ≤ i, j ≤ n la matrice Ei,j =  0 . . . 1 . . . 0  où l’unique coefficient

. .. .. 
 .. . .
0 ... 0 ... 0
non nul égal à 1 est en position (i, j). Les n × p matrices Ei,j sont appelées matrices élémentaires.
Montrer la formule suivante :
Ei,j × Ek,l = δj,k · Ei,l
où δj,k est le symbole de Kronecker : δj,k = 1 si j = k, 0 si j 6= k.

Exercice 1.3 (FFF - Centre de Mn (K) - )

On considère l’ensemble suivant (appelé le centre de Mn (K)) :

Zn = {M ∈ Mn (K), ∀A ∈ Mn (K), A × M = M × A}.

1. Proposer deux matrices appartenant à Zn .

2
ECG2 - Maths approfondies Lycée Louis Pergaud

1 0
 
2. La matrice appartient-elle à Z2 ?
0 2
3. On souhaite déterminer l’ensemble Zn . Considérons pour cela une matrice M appartenant à Zn .
(a) Pour tout 1 ≤ i, j ≤ n, calculer Ei,j × M et M × Ei,j .
(b) En déduire que M est une matrice scalaire, c’est à dire de la forme λ · In avec λ ∈ R.
(c) Conclure.

1. On peut proposer 0n ou In . Plus globalement, toute matrice scalaire, c’est-à-dire de la forme λIn
pour λ ∈ K, est dans Zn . Le but de la suite de l’exercice est de montrer qu’il n’y en a pas d’autres.

2. On a :
1 0 1 0
   
× E1,2 = E1,2 6= E1,2 × = 2E1,2 .
0 2 0 2
1 0
 
Donc n’est pas dans le centre de M2 (K).
0 2

3. (a) On utilise pour cela le résultat de l’exercice précédent :

(
Ei,` si j = k
Ei,j × Ek,` =
0 sinon.

On a ici pour tout 1 ≤ i, j ≤ n :

n
n X
! n
n X
X X
Ei,j × M = Ei,j × mk,` Ek,` = mk,` Ei,j × Ek,`
k=1 `=1 k=1 `=1
| {z }
=0 si k6=j
n
X
= mj,` Ei,`
`=1

D’autre part, on a :
n
n X
! n
n X
X X
M × Ei,j = mk,` Ek,` × Ei,j = mk,` Ek,` Ei,j
k=1 `=1 `=1 k=1
| {z }
=0 si `6=i
n
X
= mk,i Ek,j
k=1

(b) Puisque M ∈ Zn , on a M × Ei,j = Ei,j × M , d’où :

n
X n
X
mj,` Ei,` = mk,i Ek,j .
`=1 k=1

En identifiant alors les coefficients de chacune de ces matrices (on utilise ici la liberté de la
famille (Ei,j ) qui est la base canonique de Mn (K)), on a :

mj,` = 0
 pour tout ` 6= j,
mk,i = 0 pour tout k 6= i,
mj,j = mi,i (cas ` = j et k = i).



Ceci étant vrai pour tout 1 ≤ i, j ≤ n, on en déduit que :

(
mi,j = 0 pour tout i 6= j
mi,i = mj,j pour tout i, j ∈ J1, nK.

La matrice M est donc égale à M = m1,1 In . C’est donc bien une matrice scalaire.

3
ECG2 - Maths approfondies Lycée Louis Pergaud

(c) Réciproquement, les matrices scalaires appartiennent bien à Zn . On a donc bien montré (par
double inclusion) que :
Zn = {λIn , λ ∈ R} (= Vect(In ).)

Exercice 1.4 (FFF - Matrices triangulaires supérieures strictes - )

Le but de cet exercice est de montrer que toute matrice triangulaire supérieure stricte de Mn (K) est nilpotente
d’ordre ≤ n.

1. Soient k ≥ 0 et notons Tk+ (K) l’ensemble de matrices A = (ai,j ) telles que :

ai,j = 0 si i + k > j.

(i) Identifier T0+ (K), T1+ (K), Tn+ (K)

(ii) Soient k, l ≥ 1. Montrer que si A ∈ Tk+ (K) et B ∈ Il+ (K), alors A × B ∈ Tk+l
+
(K).

2. Montrer qu’une matrice triangulaire supérieure stricte est nilpotente, d’ordre de nilpotence ≤ n.
3. La réciproque est-elle vraie, c’est-à-dire une matrice nilpotente est-elle nécessairement triangulaire supérieure
stricte ?

1. Soient k ≥ 0 et notons Tk+ (K) l’ensemble de matrices A = (ai,j ) telles que :

ai,j = 0 si i + k > j.

(i) Par définition, T0+ (K) est l’ensemble des matrices A = (ai,j ) telles que :

ai,j = 0 si i > j

ce qui correspond aux matrices triangulaires supérieures :

 
a1,1 a1,2 . . . a1,n
. .. 
 0 a2,2 . . . 

.
 . ..

 .. . an−1,n 


0 ... 0 an,n

De même, T1+ (K) est l’ensemble des matrices A = (ai,j ) telles que :

ai,j = 0 si i > j − 1

ce qui correspond aux matrices triangulaires supérieures strictes :

0 a1,2
 
... a1,n
.. .. 
0 0 . . 

.
. ..

 .. . an−1,n 


0 ... 0 0

Enfin, Tn+ (K) est l’ensemble des matrices A = (ai,j ) telles que :

ai,j = 0 si i > j − n

ce qui est toujours satisfait. Donc Tn+ (K) est l’ensemble réduit à la matrice nulle.
(ii) Soient k, l ≥ 1 et A ∈ Tk+ (K) et B ∈ Il+ (K). Alors on a :

ai,j = 0 si i + k > j et bi,j = 0 si i > j − l.

On souhaite montrer que A × B ∈ Tk+l

+
(K), c’est à dire que pour tout (i, j) ∈ J1, nK2 , on a :

[A × B]i,j = 0 si i + k > j − l.

4
ECG2 - Maths approfondies Lycée Louis Pergaud

Or on a pour un tel couple (i, j) :

n
X i+k−1
X Xn
[A × B]i,j = ai,r br,j = ai,r br,j + ai,r br,j =0
r=1 r=1
|{z} r=i+k
|{z}
=0 =0 car r≥i+k>j−l

D’où le résultat.
2. Soit A une matrice triangulaire supérieure stricte. On a donc A ∈ T1+ (K). En utilisant le résultat
de la question précédente, on en déduit par une récurrence immédiate que :

∀k ∈ N∗ , Ak ∈ Tk+ (K).

En particulier, on a donc An ∈ Tn+ (K) = {0n }. Donc on a bien A nilpotente, d’ordre de nilpotence
≤ n.
1 −1
 
3. C’est bien sûr faux, la matrice nilpotente avait par exemple été donnée en cours.
1 −1

Méthode du pivot
Exercice 1.5 (F)
Résoudre dans R les systèmes linéaires homogènes suivants :

 x + y + 2z = 0  x − 3y + z = 0  3x + 4y + z + 2t = 0
  

(S1 ) : x−y−z =0 (S2 ) : 2x + y + z = 0 (S3 ) : 6x + 8y + 2z + 6t = 0

x+z =0 x + 11y − z = 0 9x + 12y + 3z + 10t = 0
  

 x+y+z =0

Exercice 1.6 (F)
1. Résoudre le système (S0 ) : 2x + y + 2z = 0
x + 2y + z = 0


 x+y+z =3


2. On considère le système (S ) : 2x + y + 2z = 5
x + 2y + z = 4


Vérifier que (1, 1, 1) est solution de (S ) et en déduire toutes les solutions de (S ).

Exercice 1.7 (F)

Calculer le rang et l’inverse s’il existe des matrices suivantes :

−1 0 2 1 1 1 3 2 1 0
       
−1 −1
3 2
 
A= ; B= 0 0 1 ; C =  2 0 1  ; D = 1 −1 1 ; E = 1 2 1 .
1 1
0 −1 1 1 3 2 2 −2 1 1 1 0

Exercice 1.8 (FF)

Déterminer le rang des matrices suivantes, en discutant suivant les valeurs du paramètre réel α :

1 2 1 α 1 1 1 1 −1 1
     

A =  1 1 1 + α . B=  1 α 1  C = 1 2 α 2
1 1 −α2 1 1 α 2 α 2 3

Exercice 1.9 (FFF - Matrices à diagonale strictement X dominante - )

Soit A = (ai,j ) ∈ Mn (R) telle que ∀i ∈ J1, nK, |ai,i | > |ai,j |.
j6=i
Soit X ∈ Mn,1 (R) tel que AX = 0, et soit i0 ∈ J1, nK tel que |xi0 | = max |xi |.
i∈J1,nK
Montrer que xi0 = 0, et en déduire que A est inversible.

5
ECG2 - Maths approfondies Lycée Louis Pergaud

X
Soit A = (ai,j ) ∈ Mn (R) telle que ∀i ∈ J1, nK, |ai,i | > |ai,j |.
j6=i
Soit X ∈ Mn,1 (R) tel que AX = 0, et soit i0 ∈ J1, nK tel que |xi0 | = max |xi |.
i∈J1,nK
Montrons que xi0 = 0. Puisque AX = 0, alors en considérant la i0 -ème ligne, on obtient :

ai0 ,1 x1 + · · · + ai0 ,i0 xi0 + · · · + ai0 ,n xn = 0.

Ce qui se réécrit : X
ai0 ,i0 xi0 = − ai0 ,i xi .
i6=i0

Prenons la valeur absolue de cette expression, et majorons par l’inégalité triangulaire :

X X X
|ai0 ,i0 ||xi0 | = − ai0 ,i xi ≤ |ai0 ,i ||xi | ≤ |ai0 ,i ||xi0 |
i6=i0 i6=i0 i6=i0

Supposons X 6= 0n,1 , alors xi0 6= 0 et on aurait en divisant par xi0 l’expression précédente :
X
|ai0 ,i0 | ≤ |ai0 ,i |
i6=i0

Ce qui contredirait que A est à diagonale strictement dominante.

On a donc montré que si AX = 0, alors X = 0. Or c’est l’une des caractérisations de A inversible. Ainsi
une matrice à diagonale strictement dominante est toujours inversible.

Trace d’une matrice carrée

Exercice 1.10 (F)
Montrer qu’il n’existe pas deux matrices A, B ∈ Mn (K) telles que A × B − B × A = In .

Exercice 1.11 (FFF - )

Soit A ∈ Mn (R). Montrer que Tr( t AA) = 0 si et seulement si A = 0n .

On a :
n
X n X
X n n X
X n
T r( t AA) = [ t AA]i,i = [ t A]i,j [A]j,i = [A]j,i [A]j,i .
i=1 i=1 j=1 i=1 j=1

n X
X n
Ainsi T r( AA) = 0 équivaut à
t
[A]2j,i = 0. Comme c’est une somme de termes positifs, elle est nulle
i=1 j=1
si et seulement si tous les termes sont nuls, c’est à dire :

∀(i, j) ∈ J1, nK2 , [A]j,i = 0,

soit encore A = 0. D’où le résultat.

À retenir pour plus tard.

Ce calcul réapparaitra un peu plus tard lorsqu’on définira sur Mn (R) le produit scalaire hA, Bi =
Tr( t AB).

6
ECG2 - Maths approfondies Lycée Louis Pergaud

Matrices semblables
Exercice 1.12 (F - Matrices semblables - )
1. Montrer les propriétés suivantes pour des matrices de Mn (K) :
• Réflexivité : A est semblable à A
• Symétrie : [A est semblable à B] ⇔ [B est semblable à A]
• Transitivité : [A est semblable à B] et [B est semblable à C] ⇒ [A est semblable à C]
On dit que « être semblable à » est une relation d’équivalence.
2. Montrer que si A et B sont inversibles et semblables, alors A−1 et B −1 sont aussi semblables.

Polynômes d’une matrice

Exercice 1.13 (F)
Calculer An pour n ∈ N avec :

0 1 cos(θ) − sin(θ) 3 2 3
     
• A= ; • A = ,
2 0 sin(θ) cos(θ) • A = 0 3 4.
θ∈R; 0 0 3

0 1 −1
 
Exercice 1.14 (F)
Considérons la matrice A = −3 4 −3.
−1 1 0

1. Montrer que P = X 2 − 3X + 2 est un polynôme annulateur de A.

2. En déduire que A est inversible et exprimer son inverse A−1 comme un polynôme en A.

2 1 1
 
Exercice 1.15 (FF)
Considérons la matrice A = 1 2 1.
1 1 2
1. Première méthode : calcul des puissances de A à l’aide d’un polynôme annulateur.
(a) Déterminer un polynôme annulateur de degré 2 de A.
(b) Montrer que pour tout p ∈ N, il existe αp , βp ∈ R tels que Ap = αp A + βp I3 .
(c) Déterminer une relation de récurrence satisfaite par αp et βp . En déduire αp et βp en fonction de p.
(d) En déduire Ap pour tout p ∈ N.
2. Deuxième méthode : calcul des puissances de A par la formule du binôme.
1 1 1
 

(a) Soit J = 1 1 1. Déterminer J p pour tout p ∈ N.

1 1 1
(b) En déduire Ap pour tout p ∈ N.

1 0
 
Exercice 1.16 (FF) −1
On considère la matrice B = 0 0 0 .
0 1 1

1. Montrer que P = X 3 − 2X 2 + X est un polynôme annulateur de B.

7
ECG2 - Maths approfondies Lycée Louis Pergaud

2. Montrer que pour tout n ∈ N, il existe Qn ∈ R[X] et (an , bn , cn ) ∈ R3 tels que :

X n = P Qn + an X 2 + bn X + cn .

3. Déterminer an , bn , cn en fonction de n.
4. En déduire l’expression de B n en fonction de n.

3 4 1 0
   
Exercice 1.17 (F) −4 −1
On considère les matrices A = −2 −1 2 et P = 0 1 1 .
−2 0 1 1 1 1
1. Montrer que P est inversible et calculer P −1 .
2. Calculer la matrice D = P −1 AP ainsi que Dn pour tout n ∈ N.
3. En déduire An pour tout n ∈ N.
0 1 1 1 0
   
−1
4. Mêmes questions avec les matrices A = 1 2 −3 et P = 1 −1 1 .
1 1 −2 1 0 1

Exercice 1.18 (FFF - Polynôme annulateur d’une matrice diagonale - )

Soit (λ1 , . . . , λr ) ∈ Rr (r 6 n) des réels distincts deux à deux et (m1 , . . . , mr ) ∈ (N∗ )r tels que :

m1 + · · · + mr = n

On pose D = diag(λ1 , . . . , λ1 , λ2 , . . . , λ2 , . . . , λr , . . . , λr ) ∈ Mn (R)

| {z } | {z } | {z }
m1 termes m2 termes mr termes

1. Montrer que :
∀P ∈ R[X], P (D) = diag(P (λ1 ), . . . , P (λ1 ), . . . , P (λr ), . . . , P (λr ))
| {z } | {z }
m1 termes mr termes

2. En déduire une condition nécessaire et suffisante pour que P soit un polynôme annulateur de D.
3. On suppose que A est semblable à D. Déterminer un polynôme annulateur de A.
3 4
 
−4
4. À l’aide de l’exercice précédent, déterminer un polynôme annulateur de la matrice A = −2 −1 2 .
−2 0 1
En déduire que A est inversible et déterminer A−1 .

Exercice 1.19 (FFFF - QSP ESCP 2016)

Soit N une matrice de Mn (R) (n ≥ 2) nilpotente, i.e. telle qu’il existe p ≥ 1 tel que N p = 0.
1. Montrer que la matrice A = In − N est inversible et déterminer son inverse.
2. Montrer que In − A−1 est nilpotente.

1. On va se servir de l’identité suivante, valable seulement si A et B commutent :

n−1
! n−1
!
X X
∀p ≥ 1, A − B = (A − B)
p p k p−1−k
A B = (A − B) A p−1−k k
B .
k=0 k=0

On sait ici que N p = 0n . D’où :

p−1
!
X
In = Inp − N = (In − N )
p
N k Inp−1−k = (In − N )(In + N + N 2 + · · · + N p−1 ).
k=0

Ainsi A = In − N est bien inversible, d’inverse A−1 = In + N + N 2 + · · · + N p−1 .

8
ECG2 - Maths approfondies Lycée Louis Pergaud

2. Si p = 1, alors N = 0 et In − A−1 = 0n est bien nilpotente. Si p ≥ 2, on a :

In − A−1 = −N − N 2 − · · · − N p−1 = N (−In − N − · · · − N p−2 ).

Posons M = −In − N − · · · − N p−2 . M est un polynôme en N , donc commute avec N , de sorte que :

(In − A−1 )p = (N × M )p = (N × M ) × · · · × (N × M ) = N p M p = 0n .
| {z }M et N commutent
pfois

Ainsi In − A−1 est bien nilpotente.