INSTITUT SUPÉRIEUR DES ÉTUDES TECHNOLOGIQUES DE BIZERTE

COURS ET EXERCICES. (VERSION PROVISOIRE)

ENSEIGNANT : KAABI NIZAR
2
Table des matières

0.1 Operations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

0.1.1 Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
0.1.2 Multiplication par un scalaire . . . . . . . . . . . . . . . . . . . . . 8
0.1.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . 8
0.1.4 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2 Matrices carrées d’ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2.1 Eléments neutres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2.2 Polynôme d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . 11
0.2.3 Matrices remarquables . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.2.4 Le déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
0.2.5 Le polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . 19
0.2.6 Inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . 20
0.2.7 Condition d’inversion . . . . . . . . . . . . . . . . . . . . . . . . . . 23
0.2.8 L’équation AX = b . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
0.2.9 Matrices équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . 30
0.3 Matrices et nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . 31
0.4 Matrices et géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
0.4.1 Symétrie orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . 32
0.4.2 Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
0.4.3 Dans l’espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
0.5 Systèmes linéaires et Espaces vectoriels . . . . . . . . . . . . . . . . . . . . 35
0.5.1 Exercices : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
0.5.2 Transformations linéaires : . . . . . . . . . . . . . . . . . . . . . . . 39
0.6 Equations différentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
0.7 Séries de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
0.7.1 Séries géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
0.7.2 Exponentielle d’une matrice . . . . . . . . . . . . . . . . . . . . . . 43
0.8 Matrices de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
0.8.1 Dans R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
0.8.2 Géneralisation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
0.8.3 Matrices Orthogonales : . . . . . . . . . . . . . . . . . . . . . . . . 46
0.9 Diagonalisation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
0.9.1 Point de vue géometrique : . . . . . . . . . . . . . . . . . . . . . . . 48

3
4 TABLE DES MATIÈRES

0.9.2 Etude Algébrique : . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Notez bien que :

Cette version est encore en cours de rédaction. Par conséquent elle souffre d’imperfec-
tions et peut être aussi de quelques erreurs.

5
6 TABLE DES MATIÈRES
Matrices

Définition
Une matrice de type n, p est un ensemble de nombres réels ou complexes(appelés coef-
ficients de la matrice) rangés dans un tableau de n lignes et p colonnes.

Exemple

 
0 1 2
A=
3 5 6
Est une matrice de type 2, 3

Notations
— On notera Mn,p (R) l’ensemble de matrices de type n, p à coefficients réels et Mn,p (C)
celles à coefficients complexes.
— On notera Mn (R), respectivement Mn (C), l’ensemble de matrices de type n, n à co-
efficients réels, respectivement complexes. On appellera de telles matrices : matrices
carrées d’ordre n. 
0 2 6
Par exemple  1 3 −1  ∈ M3 (R).
−1 5 7
— Soit A ∈ Mn,p . On écrit
A = (A(i, j))1≤i≤n (1)
1≤j≤p

Où le coefficient aij se trouve sur l’intersection de la ligne numéro i avec la colonne
numéro j.  
1 5
Exemple A =  2 6  ; A(1, 1) = 1, A(3, 2) = 7, A(2, 2) = 6 . . .
4 7
— On notera par Rn l’ensemble des matrices Mn,1 (R) qui n’ont
 qu’une seule colonne.
1
Ce type de matrice sera appelé vecteur. Par exemple  2  ∈ R3
3

7
0.1. OPERATIONS SUR LES MATRICES TABLE DES MATIÈRES

Exercice 1
(−1)i+j
Explicitez la matrice A = (A(i, j) = i+j
) 1≤i≤2
1≤j≤2

0.1 Operations sur les matrices

0.1.1 Addition
Soient A = (A(i, j))1≤i≤n et B = (B(i, j))1≤i≤n ∈ Mn,p . La matrice C = A + B est
1≤j≤p 1≤j≤p
définie par
C = (C(i, j) = A(i, j) + B(i, j))1≤i≤n (2)
1≤j≤p

Exemple
       
0 −1 1 2 0 + 1 −1 + 2 1 1
 1 2  +  1 −1  =  1 + 1 2 + (−1)  =  2 1 
3 5 1 3 3+1 5+3 4 8

0.1.2 Multiplication par un scalaire

Soient λ ∈ R(resp. C) et A = (A(i, j))1≤i≤n ∈ Mn,p (R)(resp. Mn,p (C)).
1≤j≤p
La matrice λA est définie par

λA = (λA(i, j))1≤i≤n (3)

1≤j≤p

Exemples
   
    2 1
1 5 3 15  4 
  2 
3 = ;  = 2 
0 6 0 18  8   4 
0 0

0.1.3 Produit de deux matrices

Soient n, p et q ∈ N∗ et soient A = (A(i, j))1≤i≤n et B = (B(j, l))1≤j≤p deux matrices
1≤j≤p 1≤l≤q
de types n, p et p, q respectivement.
La matrice C = AB est de type n, q et définie par

p
X
C = (C(i, l))1≤i≤n ; C(i, l) = A(i, j)B(j, l) (4)
1≤l≤q
j=1

[Link] (69141720sya@[Link]) 8 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.1. OPERATIONS SUR LES MATRICES

Notation :

Dans la littérature, la notation A = (aij )1≤i≤n au lieu de A = (A(i, j))1≤i≤n est

1≤j≤p 1≤j≤p

parfois utilisée.
Aussi on utilisera dans la suite les deux notations indifféremment.

Exemple 1 :
   
a11 a12   c11 c12
 a21 a22  b11 b12 =  c21 c22 
b b
a31 a32 | 21 {z 22 } c31 c32
| {z } de type 2,2 | {z }
de type 3,2 de type 3,2

2
X
c32 = a3j bj2 = a31 b12 + a32 b22
j=1

Exemple 2 :

 
  1 1    
1 3 5  1 × 1 + 3 × 2 + 5 × 1 1 × 1 + 3 × 3 + 5 × 0 12 10
2 3 = =
0 2 1 0×1+2×2+1×1 0×1+2×3+1×0 5 6
| {z } 1 0 | {z }
de type 2,3 | {z } de type 2,2
de type 3,2

Exercice 2 :
Soient les matrices


      1
0 5 1 2 1
A= ; B= ; C= ; D= 0 
1 3 5 3 2
5
 

1 1 5
E= 1 1 2 ; F =  0 −1 1 
1 2 1
Calculez AB, BA, BC, DE, ED, EF et F D.
Remarques
— On ne peut pas calculer F A, ni DB . . .
— DE est de type 3, 3 et ED est de type 1, 1
— AB et BA sont de type 2, 2, mais AB ̸= BA. Le produit de matrices carrées (d’ordre
n, en général) n’est pas commutatif.

[Link] (69141720sya@[Link]) 9 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

0.1.4 Transposition
La transposée d’une matrice A = (aij )1≤i≤n ∈ Mn,p est la matrice notée At ∈ Mp,n et
1≤j≤p
définie par
At = (a′ij ) 1≤i≤p ; où a′ij = aji , ∀i, j, 1 ≤ i ≤ p, 1 ≤ j ≤ n
1≤j≤n

Remarquons que cette définition implique que la colonne numéro i de la matrice At est la
ligne numéro i de la matrice A.

Exemple
 
  1 0
1 3 7
A= , At =  3 6 
0 6 9
7 9

0.2 Matrices carrées d’ordre n

Dans la suite nous allons nous intéresser à l’ensemble Mn (R) des matrices carrées d’ordre
n à coefficients réels. Nous noterons Mn cet ensemble.

Remarque
Soient A, B ∈ Mn et λ ∈ R.
On a A + B ∈ Mn , λA, λB ∈ Mn , AB et BA ∈ Mn . Ainsi l’ensemble Mn est stable par
addition, multiplication et multiplication par un scalaire. Dans la suite nous allons étudier
cet ensemble muni de ces opérations.

0.2.1 Eléments neutres

— L’élément neutre de l’addition dans Mn est la matrice nulle (tous ses coefficients
sont nuls) que nous noterons 0. Par exemple :
— Dans M1 , 0 =  (0) 
0 0
— Dans M2 , 0 =
0 0 
0 0 0
— Dans M3 , 0 =  0 0 0 
0 0 0
— L’élément neutre de la multiplication dans Mn est la matrice notée In et définie par

aii = 1
In = (aij ) 1≤i≤n ,
1≤j≤n aij = 0, i ̸= j

Autrement dit les coefficients de la diagonale sont égaux à 1 et les autres sont nuls.
Par exemple

[Link] (69141720sya@[Link]) 10 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

— I1 = 
(1) 
1 0
— I2 =
0 1 
1 0 0
— I3 =  0 1 0 
0 0 1
On pourra vérifier que ∀A ∈ Mn , on a AIn = In A = A.

0.2.2 Polynôme d’une matrice

Soit P (X) = a0 + a1 X + · · · + ap X p un polynôme à coefficients réels ou complexes, et
A ∈ Mn une matrice carrée d’ordre n.
La matrice P (A) est définie par
P (A) = a0 In + a1 A + · · · + ap Ap
 
1 0
Exemple P (X) = X 2 − 3X + 2, A =
2 1
        
2 1 0 1 0 1 0 2 0 0 0
On a, P (A) = A − 3A + 2I2 = −3 + =
2 1 2 1 2 1 0 2 2 0

0.2.3 Matrices remarquables

Matrices diagonales
Une matrice A = (aij ) 1≤i≤n ∈ Mn est dite diagonale si et seulement si
1≤j≤n

aij = 0, ∀i, j /i ̸= j
Autrement dit tous les coefficients qui ne se trouvent pas sur la diagonale sont nuls. On
notera Dn le sous ensemble de Mn constitué des matrices diagonales, et pour toute matrice
A ∈ Dn , on notera A = (aii )1≤i≤n
Par exemple  
2 0 0 0
 0 6 0 0 
 0 0 −7 0  ∈ D4
 

0 0 0 5
— Soient A et B ∈ Dn . Vérifiez que AB = BA. Deux matrices diagonales commutent.
— Vérifiez que  2  2 
a 0 0 a 0 0
 0 b 0  =  0 b2 0 
0 0 c 0 0 c2

Plus généralement pour A = (aii )1≤i≤n ∈ Dn on a

Ap = (apii )1≤i≤n

[Link] (69141720sya@[Link]) 11 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

— Soit A = (aii = k)1≤i≤n ∈ Dn où k est un nombre réel.

Vérifiez que AB = BA, ∀B ∈ Mn (A commute avec toutes les matrices carrées
d’ordre n).

Matrices triangulaires

Soit A = (aij ) 1≤i≤n ∈ Mn . On dit que A est triangulaire supérieure si et seulement si

1≤j≤n
aij = 0 lorsque
 i > j. Onnotera Tn l’ensemble des matrices triangulaires supérieures.
a b c
Par exemple  0 d e  ∈ T3 .
0 0 f
On dira qu’une matrice est triangulaire inférieure si elle est la transposée d’une matrice
triangulaire supérieure.

Matrices nilpotentes

Une matrice carrée A d’ordre n non nulle est dite nilpotente si et seulement si il existe
p ∈ N tel que Ap = 0 (la matrice nulle)
 2  
0 a 0 0
Par exemple = ∀a ∈ R
0 0 0 0
 
0 b c
— Vérifiez que A =  0 0 e  est nilpotente.
0 0 0
— Plus généralement soit A = (aij ) 1≤i≤n ∈ Mn telle que aij = 0 pour i ≥ j. Vérifiez
1≤j≤n
que A est nilpotente.

Exercice 3
   
0 3 0 0
Soient les matrices A = et B =
0 0 0 1
— Vérifiez que B = B. Remarquer que, dans R, b2 = b =⇒ b = 1 ou 0. Ceci n’est
2

plus vrai dans M2 , ni dans Mn en général.

Trouver d’autres matrices X dans M2 , puis dans Mn telles que X 2 = X.
— Vérifiez que AB = A. Remarquer que, dans R, si ab = a et que a ̸= 0 alors
ncssairement b = 1. On voit bien que ceci n’est plus vrai dans Mn
— Vérifiez que BA = 0.Comparez avec R.
1 0
— Soient a ∈ R et A = . Calculez A2 et A3 . Calculez An , ∀n ∈ N.
a 1

[Link] (69141720sya@[Link]) 12 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Exercice 4

On considère la matrice
 
1 2 3 4
A= 5 6 7 8 
9 10 11 12
 
2
— Trouvez une matrice X telle que AX =  6 . Autrement dit, on se propose
10
d’extraire le deuxième colonne.  
2
— Peut-on trouver une matrice Y telle que Y A =  6  ? On justifiera.
10

— Trouver une matrice Y telle que Y A = 5 6 7 8 . Autrement dit, on se propose
d’extraire la deuxième ligne.

— Peut-on trouver une matrice X telle que AX = 5 6 7 8 ? On justifiera.
— Trouver les matrices X et Y telles queY AX 
= 7.
2 3
— Trouver la matrice Z telle que AZ =
6 7

A retenir :

Dans la foulée de l’exercice précédent plaçons nous dans le cadre des espaces Rn et Rm ,
considérons une matrice A ∈ Mn,m et retenons les faits suivants :
— La base canonique de Rn est donnée par

 
0
 0 
..
 
.
 
 
 .. 

C = (e1 , e2 , . . . . . . , ei , . . . . . . , en ), où ei =  . 


 1 


 0 

 .. 
 . 
0

Le seul coefficient non nul du vecteur ei vaut 1 et se trouve sur la ligne numéro i.
— Le produit matriciel Aej fournit le vecteur colonne numéro j de la matrice A.
— Le produit matriciel eti A fournit le vecteur ligne numéro i de la matrice A

[Link] (69141720sya@[Link]) 13 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

0.2.4 Le déterminant
Idée
   
a c
Soient et deux vecteurs de R2 . Deux cas sont possibles : ou bien il existe
b d
une relation entre ces deux vecteurs (on dit alors qu’ils sont colinéaires) ; ou bien il n’existe
aucune relation (auquel
  cas  on dit  qu’ils sont libres). Dans le premier cas il existe un
a c
nombre α tel que =α , ce qui est équivalent à ad − bc = 0. Dans le deuxième
b d
cas α ne peut exister et, par conséquent, on a nécessairement ad − bc ̸= 0. De sorte que le
nombre ad − bc indique si les deux
 vecteurs
  ′ sont liés par une relation ou non.
a′′

a a
Dans le cas de trois vecteurs  b ,  b′  et  b′′  de R3 l’existence d’un lien se
c c′ c′′
traduit par le fait que l’un des trois vecteurs s’écrit en fonction des deux autres. Le nombre
qui indique l’existence ou non d’un lien est alors : ab′ c′′ + a′ b′′ c + a′′ bc′ − ab′′ c′ − a′ bc′′ − a′′ b′ c.
Exemples :    
2 1
— On a =2 . Ces deux vecteurs sont donc colinéaires ;
4 2
et
 on  : 2 ×2 −
a bien 4×1= 0.
0 1 −1
—  5  =  2  +  3 . Ces trois vecteurs sont donc liés (coplanaires) ; et on
2 −2 4
a bien : 1×5×4+0×3×(−2)+(−1)×2×2−1×3×2−0×2×4−(−1)×5×(−2)
      = 0.
1 0 −1
— Par contre, aucun des trois vecteurs  2  ;  1  ; et  3  ne peut s’écrire
1 0 4
en fonction des deux autres, et on a bien, en effet :

1 × 1 × 4 + 0 × 3 × 1 + (−1) × 2 × 0 − 1 × 3 × 0 − 0 × 2 × 4 − (−1) × 1 × 2 = 5 ̸= 0.

Dans la suite nous allons définir le déterminant d’une familles de n vecteurs de Rn ; autre-
ment dit, d’une matrice carrée d’ordre n.
Ce nombre servira à prédire si l’un des n vecteurs peut s’écrire en fonction des autres.

Mineur d’une matrice

Soit A = (aij ) 1≤i≤n une matrice carrée d’ordre n.

1≤j≤n
Le mineur Aij de la matrice A est la matrice qu’on obtient en enlevant la ligne i et la
colonne j de lamatrice A. 
a11 a12 a13  
a11 a12
Exemple A =  a21 a22 a23 , on a A23 =
 .
a31 a32
a31 a32 a33

[Link] (69141720sya@[Link]) 14 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Exercice 5
Ecrire les 8 autres mineurs de la matrice A.

Le déterminant
A chaque matrice A dans Mn on associe un nombre appelé le déterminant de A et noté
detA. Nous allons définir ce nombre d’une manière inductive.
— Dans M1 , A =  (a), detA = a
a b
— Dans M2 , A = , detA = ad − bc.
c d
— Dans M3 nous travaillerons
 avecun exemple.
1 0 1
Soit la matrice A =  2 3 1 .
1 1 2
Pour chaque i, 1 ≤ i ≤ 3 considérons le nombre
3
X
∆i = (−1)i+j aij detAij = (−1)i+1 ai1 detAi1 + (−1)i+2 ai2 detAi2 + (−1)i+3 ai3 detAi3
j=1

On a
3
X
∆2 = (−1)2+j a2j detA2j = (−1)2+1 a21 detA21 + (−1)2+2 ai2 detA22 + (−1)2+3 a23 detA23
j=1

    
0 1 1 1 1 0
= −2det + 3det − det
1 2 1 2 1 1
= −2(0 × 2 − 1 × 1) + 3(1 × 2 − 1 × 1) − (1 × 1 − 1 × 0)
= 4

Vérifier que, de même ∆1 = ∆3 = 4

D’une manière analogue, pour chaque colonne j fixée on définit le nombre
3
X
Γj = (−1)i+j aij detAij = (−1)1+j a1j detA1j +(−1)2+j a2j detA2j +(−1)3+j a3j detA3j
i=1

On pourra Verifier par le calcul que Γ1 = Γ2 = Γ3 = 4

— On définit ainsi, de proche en proche, pour toute matrice A = (aij ) 1≤i≤n ∈ Mn les
1≤j≤n
deux ensembles de nombres {∆1 , ∆2 , . . . , ∆n }, et {Γ1 , . . . Γn }.
On a le résultat suivant : ∀1 ≤ i ≤ n, 1 ≤ j ≤ n, les nombres
n
X
∆i = (−1)i+k aik detAik (5)
k=1

[Link] (69141720sya@[Link]) 15 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

et
n
X
Γj = (−1)l+j alj detAlj (6)
l=1

sont égaux et indépendants de i et j. Leur valeur commune s’appelle le déterminant

de A.

Remarque
En developpant le déterminant d’une matrice il est pratique de choisir la ligne ou la
colonne qui contient le plus de zéros.
Par exemple, en choisissant la ligne i = 2 on a
 
1 7 2  
5 1 7
det  0 0 1  = (−1) det = −(2 − 7) = 5
1 2
1 2 4
Si on avait choisit la ligne i = 1 on aurait fait un calcul plus long pour aboutir au même
résultat. En effet :
 
1 7 2      
1+1 0 1 1+2 0 1 1+3 0 0
det  0 0 1  = (−1) det + (−1) 7det + (−1) 2det
2 4 1 4 1 2
1 2 4
=7−2=5

Exercice 6
 
a 0 0
— Vérifier que det  0 b 0  = abc
0 0 c
Plus généralement soit A = (aii )1≤i≤n ∈ Dn . Vérifier que detA = a11 a22 . . . ann .
En particulier on a detIn = |1 × 1{z· · · × 1} = 1
  n fois
a b c
— Verifier que det 0 d
 e  = adf .
0 0 f
Plus généralement soit A = (aij ) 1≤i≤n ∈ Tn une matrice triangulaire supérieure,
1≤j≤n
vérifier que
detA = a11 a22 . . . ann (7)
— Posons :  
5 0 4 5 2

 4 0 9 11 7 

A=
 4 0 54 13 7 

 78 0 12 33 5 
93 0 13 17 3

[Link] (69141720sya@[Link]) 16 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Que vaut det(A) ? (on ne fera pas de calcul).

Quelques proprietés
1. Soient A et B deux matrices dans Mn . On a

det(AB) = (detA)(detB) (8)

Dans M1 cette formule est évidente. On peut la démontrer facilement dans M2 . En

effet, soient    ′ ′ 
a b a b
A= et B =
c d c′ d ′
— Calculez AB
— Calculez detA, detB et det(AB), puis conclure.
2. Soient A ∈ Mn et λ ∈ R ou C. On a

det(λA) = λn detA (9)

Pour s’en assurer calculez, par exemple

 
λa λb
det
λc λd
   
a b a λb
3. — Trouvez une matrice X telle que X= , λ ∈ R.
c d c λd
— En déduire que    
a λb a b
det = λdet
c λd c d
— Plus généralement : Si on modifie une matrice A ∈ Mn en multipliant une
de ses colonnes(resp. lignes) par un scalaire λ 1 alors le déterminant
de la nouvelle matrice vaut λdet(A).
4. Posons      
a b b a c d
A= ; B= ; C=
c d d c a b
— Trouvez une matrice X telle que
   
a b b a
X=
c d d c

Vérifiez, en appliquant la première propriété, que det(B) = −det(A)

1. Ici un nombre réel ou complexe

[Link] (69141720sya@[Link]) 17 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

— Trouver une matrice X ∈ M2 telle que

   
a b c d
X =
c d a b

Que peut-on constater en appliquant la première propriété à cette identité ?.

— Trouvez une matrice X telle que
   
a b c c b a
 a′ b′ c′  X =  c′ b′ a′ 
a′′ b′′ c′′ c′′ b′′ a′′

— Trouvez une matrice X telle que

   
a b c a b c
X  a′ b′ c′  =  a′′ b′′ c′′ 
a′′ b′′ c′′ a′ b ′ c ′

Encore une fois tirer une conclusion en appliquant la première propriété.

Exercice 7
Soit A ∈ M4 . Trouvez les matrices X{i,j} ∈ M4 telles que l’opération AX{i,j} per-
mute les colonnes i et j de A. On fera les 6 cas.

Plus généralement nous avons le résultat suivant : la permutation de deux

lignes([Link] deux colonnes) distinctes change le signe du déterminant.
   
a b a b + λa
5. Comparer det et det où λ ∈ R.
c d c d + λc
Trouver une matrice X telle que
   
a b a b + λa
X=
c d c d + λc

Trouver une matrice X telle que

   
a b c a b + λa c
 a′ b′ c′  X =  a′ b′ + λa′ c′ 
a′′ b′′ c′′ a′′ b′′ + λa′′ c′′

Tirer une conclusion en utilisant la première propriété.

Plus généralement nous avons l’importante propriété suivante :

Le déterminant d’une matrice reste inchangé si on ajoute
à une colonne p un multiple d’une autre colonne q (avec
p ̸= q)

[Link] (69141720sya@[Link]) 18 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

En d’autres termes :
   
a11 a12 ... a1p + λa1q . . . a1n a11 a12 . . . a1p . . . a1n

 a21 a22 ... a2p + λa2q . . . a2n 


 a21 a22 . . . a2p . . . a2n 

det 
 ... ... ... ... ... ...  = det 
  ... ... ... ... ... ... 

 ... ... ... ... ... ...   ... ... ... ... ... ... 
an1 an2 ... anp + λanq . . . ann an1 an2 . . . anp . . . ann
(10)
Quelques soient les colonnes p et q, (p ̸= q) et le scalaire λ.
Autrement dit le déterminant reste inchangé si on ajoute à une colonne un multiple
réel d’une autre. Un résultat analogue vaut aussi pour les lignes. Remarquons par
ailleurs que ce résultat sert à simplifier le calcul du déterminant. Par exemple :
     
1 2 3 1 + (−2) × 2 2 3 −1 2 3
det  2 1 1  = det  2 + (−2) × 1 1 1  = det  0 1 1  = −(1−2) = 1
4 2 1 4 + (−2) × 2 2 1 0 2 1

Exercice 8
— Calculez rapidement
   
1 2 −1 7 1 1 1 1
 1 2 −1 1 
  2 1 3 1 
det  ; et det  
 1 3 −1 2   4 1 −1 1 
1 5 3 4 1 2 2 1
 
3 1 4 4 2
 4 1 9 4 7 
 
— Posons A =   4 1 54 4 7 . Vérifiez rapidement que det(A) = 0.

 78 1 12 4 5 
93 1 13 4 3
— Soit A ∈ Mn . Montrez que si A possède deux colonnes (resp. deux lignes) iden-
tiques alors detA = 0. Montrez que si A possède deux colonnes (resp. deux lignes)
proportionnelles alors detA = 0

0.2.5 Le polynôme caractéristique

Soit A ∈ Mn une matrice carrée d’ordre n. Le polynôme caractéristique de A est le
polynôme, noté PA (X) et définit par :

PA (X) = det(A − XIn ) (11)

[Link] (69141720sya@[Link]) 19 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

Exemple

Soit  
1 2
A=
3 5

On a    
1 0 X 0
— XI2 = X = (multiplication par un scalaire).
0 1  0 X   
1 2 X 0 1−X 2
— A − XI2 = − = (addition de matrices)
3 5  0 X  3 5 − X
1−X 2
— det(A − XI2 ) = det = X 2 − 6X − 1 (définition du déterminant)
3 5−X
Enfin PA (X) = X 2 − 6X − 1

Remarque

On a
       
2 7 12 6 12 1 0 0 0
PA (A) = A − 6A − I2 = − − =
18 31 18 30 0 1 0 0

Exercice 9
 
1 0 1
Soit A =  2 0 1 .
3 1 1
Vérifier que PA (X) = −X 3 + 2X 2 + 3X + 1 et que PA (A) = 0 (la matrice nulle de M3 ).

A retenir

Soit A ∈ Mn une matrice carrée d’ordre n et PA (X) son polynôme caractéristique. On

a:
PA (A) = 0 (12)

0.2.6 Inverse d’une matrice carrée

Rappelons que si x est un nombre réel non nul alors son inverse est le nombre y tel que
xy = 1(l’élément neutre de la multiplication dans R).
Soit maintenant A ∈ Mn une matrice carrée d’ordre n. S’il existe une matrice B ∈ Mn telle
que AB = In (In étant l’élément neutre de la multiplication dans Mn ), alors on dit que B
est l’inverse de A et on écrit B = A−1 .

[Link] (69141720sya@[Link]) 20 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Exemple 1
 
0 1
Soit la matrice P = .
3 0
— Vérifiez que : P 2 = 3I2
— En déduire que P ( 31 P ) = I2 .
— Conclure que :
0 31
 
−1
P =
1 0

Exemple 2
 
1 2
Soit A = . On se propose de trouver une matrice B telle que AB = I2 .
2 5
— Verifiez que PA (X) = X 2 − 6X + 1
— Justifiez que A2 − 6A + I2 = 0. En déduire que A2 − 6A = −I2 .
— Remarquez que A2 − 6A = −I2 =⇒ 6A − A2 = I2 . D’où, en mettant en facteur :

A (6I2 − A) = I2
| {z }
A−1

— Enfin  
−1 5 −2
A = 6I2 − A =
−2 1
— Vérification : en effet, nous avons
  
1 2 5 −2
= I2
2 5 −2 1

Exercice 10
Soit la matrice  
1 0 1
A= 2 0 1 
3 1 1

— Vérifiez que PA (X) = −X 3 + 2X 2 + 3X + 1. En déduire que

 
−1 1 0
A−1 = A2 − 2A − 3I3 =  1 −2 1 
2 −1 0

— Faire une vérification.

[Link] (69141720sya@[Link]) 21 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

Exercice 11
Soit la matrice  
1 2 1
A= 0 3 5 
0 2 2

En suivant la démarche des exemples précédents, montrez que

1 21 − 74
 

A−1 =  0 − 12 54 
0 21 − 34

Exercice 12
Soient A et B deux matrices non nulles de Mn . On suppose de plus que AB = 0. On
se propose de démontrer que cette condition implique que A n’est pas inversible. A cette
fin on supposera le contraire, et on cherchera une contradiction.
Supposons donc que A est inversible (A−1 existe), on a

AB = 0 =⇒ A−1 (AB) = 0 =⇒ (A−1 A) B = 0 =⇒ B = 0

| {z }
I
| n{z }
B

Ce qui contredit l’hypothèse B ̸= 0. On conclut que A n’est pas inversible.

Remarque
Rappelons que dans R, xy = 0 =⇒ x = 0 ou y = 0. L’exercice précédent montre que
ce résultat n’est plus vrai dans Mn (sauf pour n = 1).

Exercice 13
   
1 2 −4 2
Soient A = et B = .
2 4 2 −1
Vérifiez que AB = 0 (la matrice nulle de M2 ). En déduire que A n’est pas inversible (A−1
n’éxiste pas).

Cas particuliers
 
a 0 0
— Soit A =  0 b 0  avec a, b et c non nuls.
0 0 c  1     1 
a 0 0 a
0 0 1 0 0 a
0 0
Il est clair que  0 b 0   0 1b 0  =  0 1 0  d’où A−1 =  0 1b 0 
0 0 c 0 0 1c 0 0 1 0 0 1c

[Link] (69141720sya@[Link]) 22 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Remarquez que la condition a, b et c non nuls équivaut à det(A) ̸= 0. Plus généralement

si A = (aii )1≤i≤n ∈ Dn 2 telle que det(A) ̸= 0 alors A est inversible et A−1 =
( a1ii )1≤i≤n .
 
a b
— Soit A =
c d    
a b d −b ad − bc 0
Remarquer que = = (det(A))I2
c d −c a  0  ad −
  bc 
a b 1 d −b
D’où, si ad − bc ̸= 0 (det(A) ̸= 0), on a = I2
c d det(A) −c a
Ainsi
 −1  
a b 1 d −b
=
c d det(A) −c a
Remarquons que dans ces cas particuliers A est inversible si et seulement si
det(A) ̸= 0. Dans le paragraphe qui suit nous allons voir que c’est encore vrai dans
le cas général.

Exercice 14

Soit  
a b 0
A= c d 0 
0 0 1

telle que ad − bc ̸= 0. Trouvez A−1 . En s’inspirant de cet exemple, donnez deux autres
formules analogues.

0.2.7 Condition d’inversion

Exercice 15
 
a b
— A= . Calculez PA (X) et det(A). Que remarquez-vous ?
c d
— En revenant aux exemples précédents, comparez le déterminant d’une matrice avec
le coefficient constant de son polynôme caractéristique.

A retenir

Soit A ∈ Mn une matrice carrée d’ordre n et PA (X) = a0 +a1 X +. . . an X n son polynôme

caractéristique. On a
det(A) = a0 (13)
2. Cette notation sous entend que, pour i ̸= j, on a aij = 0

[Link] (69141720sya@[Link]) 23 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

Condition d’inversion
Le résultat précédent nous permet de trouver la condition nécessaire et suffisante pour
qu’une matrice soit inversible.
En effet, soit A ∈ Mn et PA (X) = a0 + a1 X + . . . an X n , son polynôme caractéristique.
— Supposons que det(A) ̸= 0. Ceci implique que a0 ̸= 0.
D’autre part

PA (A) = 0 =⇒ an An + an An−1 + · · · + a1 A + a0 In = 0

D’où, en mettant A en facteur :

1
A (− (an An−1 + · · · + a1 In )) = In
a
| 0 {z }
A−1

On en conclut que A est inversible et que A−1 = (− a10 (an An−1 + · · · + a1 In ))

— Si det(A) = 0 alors A n’est pas inversible, car l’hypothèse ”A inversible” conduit à
une contradiction. En effet : det(AA−1 ) = detIn = 1. Autrement dit (detA −1
| {z })(detA ) =
0
1, et donc 0 = 1.

A retenir
Soit A ∈ Mn . A est inversible si et seulement si det(A) ̸= 0.

Exercice 14
Soient A et B ∈ Mn toutes les 2 inversibles. Montrer que AB est inversible et que

(AB)−1 = B −1 A−1 (14)

Une formule pratique :

Rappelons que si ad − bc ̸= 0, on a
 −1  
a b 1 d −b
=
c d ad − bc −c a
   
d −b d −c
La matrice est la transposée de la matrice . Cette dernière s’ap-
−c a −b a
pelle la comatrice de A.
Plus généralement, étant donnée une matrice A = (aij ) 1≤i≤n , la comatrice de A, notée
1≤j≤n
com(A), est la matrice définie par :

(com(A)ij ) 1≤i≤n = (−1)i+j det(Aij )

1≤i≤n (15)
1≤j≤n 1≤j≤n

[Link] (69141720sya@[Link]) 24 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

Où Aij est le mineur correspondant à la ligne i et la colonne j de la matrice A.

On rtiendra également le résultat suivant : Lorsque det(A) ̸= 0

1
A−1 = tcom(A) (16)
det(A)
 
1 1 2
Exemple : Soit la matrice A =  2 1 1 
1 1 3
— Vérifiez que det(A) = −1.
 
2 −5 1
— Vérifiez que com(A) =  −1 1 0 
−1 3 −1 
−2 1 1
— En déduire que A−1 =  5 −1 −3 . On pourra s’assurer, en explicitant le
−1 0 1
−1
calcul, que AA = I3 .

0.2.8 L’équation AX = b
Dans R, l’équation ax = b, avec a ̸= 0, admet pour unique solution le nombre ab = a−1 b.
Dans Rn , a est remplacé par une matrice A ∈ Mn 3 et x par un vecteur X ∈ Rn . La condition
a ̸= 0 devient alors det(A) ̸= 0, et la solution de l’équation AX = b est X = A−1 b.
Exemple : Résoudre le système :

 x + y + 2z = 1
2x + y + z = 1
x + y + 3z = 1


Il est facile de voir que le système

 formé par
 les trois
 équations
 précédentes
  peut s’écrire
1 1 2 1 x
sous la forme AX = b où A =  2 1 1 ,b=
  1  et X =  y  est le vecteur
1 1 3 1 z
3
inconnu de R qu’on cherche à déterminer.
D’après ce qui précède la solution est
      
x −2 1 1 1 0
 y  =  5 −1 −3   1  =  1 
z −1 0 1 1 0
Autrement dit x = 0, y = 1 et z = 0.

On aurait pu résoudre le système précédent par une autre méthode : On ajoutant à la

3. Plus généralement, par A ∈ Mm,n

[Link] (69141720sya@[Link]) 25 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

troisième ligne (la ligne L3 ) la première ligne (la ligne L1 ) qu’on aura préalablement mul-
tiplié pa -1 on obtiendrait le système :

 x + y + 2z = 1
2x + y + z = 1
z = 0


En ajoutant à la ligne L2 la ligne L1 qu’on aura préalablement multiplié par -2 on obtient :


 x + y + 2z = 1
−y − 3z = −1
z = 1


Ce qui nous ramène à la même solution : x = 0, y = 1 et z = 0.

Nous pouvons résumer cette méthode par :

 x + y + 2z = 1
−L1 + L3 → 2x + y + z = 1
z = 0


 x + y + 2z = 1
−2L1 + L2 → −y − 3z = −1
z = 0


 x+y = 1
−3L3 + L2 ; et − 2L3 + L1 → −y = −1
 z = 0

 x = 0
L2 + L1 → −y = −1
z = 0

 x = 0
−L2 → y = 1
z = 0


Ou encore, en ne tenant compte, cette fois, que des coefficients :

 
1 1 2 1
. →  2 1 1 1 
 1 1 3 1 
1 1 2 1
−L1 + L3 →  2 1 1 1 
 0 0 1 0 
1 1 2 1
−2L1 + L2 →  0 −1 −3 −1 
0 0 1 0
Jusqu’à ce qu’on arrive à  
1 0 0 0
 0 1 0 1 
0 0 1 0

[Link] (69141720sya@[Link]) 26 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

1
La dernière colonne en gras étant réservée au vecteur b =  1  et à ses transformations.
1
4
Un exemple dans R
On se propose de trouver les nombres x, y, z et t tels que


 x + 2y + z − 2t = 2
x + 3y + t = 2


 x+y+z−t = 5
x + 4y + 2z + 3t = 3


On traduit ce système par la matrice

 
1 2 1 −2 2
 1 3 0 1 2 
 
 1 1 1 −1 5 
1 4 2 3 3

En passant par les étapes suivantes : −L1 + L2 ; −L1 + L3 ; −L1 + L4 nous obtenons la
matrice :  
1 2 1 −2 2
 0
 1 −1 3 0  
 0 −1 0 1 3 
0 2 1 5 1
En passant par les étapes suivantes :L2 + L3 ; −2L2 + L4 nous obtenons la matrice
 
1 2 1 −2 2
 0 1 −1 3 0 
 
 0 0 −1 4 3 
0 0 3 −1 1
Enfin passant par l’étape suivante : 3L3 + L4 , nous obtenons la matrice
 
1 2 1 −2 2
 0 1 −1 3 0 
 
 0 0 −1 4 3 
0 0 0 11 10
1
L’étape L
11 1
nous fournit la matrice :
 
1 2 1 −2 2
 0
 1 −1 3 0 

 0 0 −1 4 3 
10
0 0 0 1 11
−4L1 + L3 donne

[Link] (69141720sya@[Link]) 27 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

 
1 2 1 −2 2
 0
 1 −1 3 0 

4×10 
 0 0 −1 0 3 − 11
10
0 0 0 1 11
En continuant ainsi on finit par trouver
0 81
 
1 0 0 11
 0 1
 0 0 − 23 
11 
 0 0 7
1 0 11 
10
0 0 0 1 11
10 7 23
Autrement dit t = 11 , z = 11 , y = − 11 et x = 81
11
.
La méthode que nous venons d’illustrer à travers les deux exemples précédents est appelée
Pivot de Gauss (du nom du mathématicien allemand qui l’a formalisée). A chaque étape
le pivot est le coefficient diagonal aii qu’on utilise pour élimener la variable xi .

Inversion des matrices

La méthode du pivot utilise les trois opérations élémentaires suivantes : la multiplication
d’une ligne par un scalaire ; l’ajout d’un multiple d’une ligne à une autre ; la permutation de
deux lignes. Toutes ces opérations, comme on l’a déjà remarqué en étudiant les propriétés
du déterminant, sont en réalité des multiplications matricielles (voir aussi l’exercice 15).
Soit donc A une matrice inversible. Constituons la matrice augmentée (A|In ). Si on effectue
sur cette nouvelle matrice des opérations élémentaires qui permettent d’obtenir In dans le
membre de gauche, alors nous sommes certains d’avoir obtenu A−1 dans le membre de
droite 4 .  
2 −1 0
Exemple : Soit à inverser la matrice A =  −1 2 −1 .
0 −1 2
— Constituons la matrice augmentée
 
2 −1 0 1 0 0
(A|I3 ) =  −1 2 −1 0 1 0 
0 −1 2 0 0 1
.
— Montrez qu’une série d’opérations élémentaires permet de la transformer en
1 0 0 34 21 14
 

(I3 |A−1 ) =  0 1 0 12 1 12 
0 0 1 14 21 34
.
4. Dans le membre gauche on aura In = A−1 A, et alors, nécessairement, dans le membre droite on doit
avoir A−1 In ; car A−1 s’écrit sous la forme A−1 = Ap . . . A1 où les matrices Ai représentent les opérations
élémentaires éffectuées

[Link] (69141720sya@[Link]) 28 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.2. MATRICES CARRÉES D’ORDRE n

— En déduire que
3 1 1
 
4 2 4
A−1 =  1
2
1 1
2

1 1 3
4 2 4
— Faire une vérification.

Équations incompatibles
 
x + 3y = 1 x + 3y = 1
Le système équivaut au système . Évidemment il
2x + 6y = 8 x + 3y = 4
ne possède pas de solutions rélles car 1 ̸= 4 dans R.

Infinité de solutions : 
 x + 2y + 3z = 0
En appliquant la méthode du pivot de Gauss au système 3x + 4y + 7z = 0 nous
x − 2y − z = 0

obtenons
     
1 2 3 0 1 2 3 0 1 2 3 0
 3 4 7 0  →  0 −2 −2 0  →  0 −2 −2 1 
1 −2 −1 1 0 −4 −4 0 0 0 0 1

x + 2y + z = 0
Ce qui se traduit par le système . On voit bien que ces conditions
y+z = 0
= z =−y. Autrement
équivalentà x   dit, le vecteur solution doit nécessairement prendre
x x
la forme  y  =  −x . Pour chaque choix de x nous avons donc une solution, et
z x
l’ensemble de toutes les solutions est donné par :
 
1
S = {x  −1  , x ∈ R}
1

Exercice 15
— Vérifiez qu’on a bien
    
1 0 0 1 a b c d a+i b+j c+k d+l
 0 1 0 0  x y z t   x
  y z t 

 0 0 1 0

 e = 
f g h   e f g h 
0 0 0 1 i j k l i j k l

C’est un exemple de ce qu’une opération élémentaire (ici L1 + L4 ) se traduit par

une multiplication matricielle.

[Link] (69141720sya@[Link]) 29 I.S.E.T BIZERTE 2020

0.2. MATRICES CARRÉES D’ORDRE n TABLE DES MATIÈRES

— Montrez que l’ensemble des solutions de l’équation x − y + z = 3 est donné par :

   
1 −1
S = {a  1  + b  0  , a, b ∈ R}
0 1

Justifiez que c’est une équation de type AX = b.

— Résoudre le système 
 x − y + 2z = 5
3x + 2y + z = 10
2x − 3y − 2z = −10


— Résoudre le système : 

 2x − y − z − t = −1
x − 3y + z + t = −2


 x + y − 2z + 4t = 4
x − y + z − 2t = −8


On trouvera x = −5, y = −3, z = −6 et t = 0.

0.2.9 Matrices équivalentes

Soient A et B ∈ Mn . On dit que A et B sont équivalentes si et seulement si il existe
une matrice P inversible telle que A = P BP −1 . Attention, les matrices A et B ne sont pas
égales, car la multiplication dans Mn n’est pas commutative.

Exemple

1 1
     7 1

2 2
2 1 1 1 2
− 2
1 =
2
− 12 1 3 1 −1 − 21 32
| {z } | {z } | {z } | {z }
P B P −1 A

Remarque
Etant donnée une matrice carrée A, il est très avantageux (bien que ce ne soit pas
toujours possible) de trouver une matrice diagonale qui lui est équivalente.

Exercice 16
Soient A, B et P ∈ Mn telles que A = P BP −1 .
— Montrez que A2 = P B 2 P −1 .
— Montrez que An = P B n P −1 , ∀n ∈ N.
— Montrez que si B est inversible alors A est inversible et on a A−1 = P B −1 P −1
— Montrez que det(A) = det(B)

[Link] (69141720sya@[Link]) 30 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.3. MATRICES ET NOMBRES COMPLEXES

— Montrez que PA (X) = PB (X). On remarquera d’abord que :

A − XIn = P BP −1 − X P
|P
−1 −1 −1
{z } = P (BP − XP ) = P (B − XIn )P
−1

In

Exercice 17
 
−11 30
Soit la matrice A = .
4 −11
— Vérifiez que    
5 3 1 0 −1 3
A=
2 1 0 −1 2 −5
— En déduire A2 , A3 , A2n et A2n+1 , où n ∈ N

Exercice 18
   
1 2 1 1
Soient A = et P =
2 1 −1 1
7
— Essayez de calculer A .  
−1 −1 0
— Calculez P . Vérifiez que A = P P −1 .
0 3
— En déduire A7 .

0.3 Matrices et nombres complexes

On aura remarqué que l’ensemble M1 des matrices à une ligne et une colonne est
exactement R, l’ensemble des nombres réels.

M1 = {(a), a ∈ R}

Et que l’addition et la multiplication dans M1 sont celles de R.

Nous allons maintenant établir une relation entre les ensembles C et M2 .
2
 i = −1
Dans C, le nombre imaginaire i vérifie la condition  (le carré de i est égal à l’opposé
1 0
de l’unité). L’unité dans M2 est la matrice I2 = .
 0 1 
0 −1
D’autre part remarquons que la matrice J2 = vérifie J22 = −I2 . De sorte que
1 0
J2 est l’analogue de i.

Exercice 19
Montrez qu’il est impossible de trouver l’analogue de i dans M3 . (On pourra supposer
le contraire et penser au déterminant).

[Link] (69141720sya@[Link]) 31 I.S.E.T BIZERTE 2020

0.4. MATRICES ET GÉOMÉTRIE TABLE DES MATIÈRES

Considérons maintenant le sous-ensemble K2 de M2 , définit par

 
x −y
K2 = {xI2 + yJ2 = , x, y ∈ R}
y x

K2 est l’analogue de C = {x + yi, x, y ∈ R}, l’ensemble des nombres complexes.

En effet on peut vérifier entre autres que
— (xI2 + yJ2 ) + (x′ I2 + y ′ J2 ) = (x + x′ )I2 + (y + y ′ )J2 .
Cette formule est l’analogue de (x + iy) + (x′ + y ′ i) = (x + x′ ) + (y + y ′ )i dans C
— (xI2 + yJ2 )(x′ I2 + y ′ J2 ) = (xx′ − yy ′ )I2 + (xy ′ + x′ y)J2
′ ′ ′ ′ ′ ′
Cette formule est l’analoguede (x + yi)(x  + y i) = (xx − yy ) + (xy + x y)i dans C.
x −y
Ainsi toute matrice de la forme représente un unique nombre complexe et
y x  
1 −1
inversement. Par exemple au nombre 1 + i correspond la matrice et au nombre
1 1
! √
1 3
i π3 √2
− 2
e correspond la matrice 3 1
.
2 2
π π
i π2
Dans C nous avons ei 3 ei 6 = e = i. La relation analogue dans K2 est
√ ! √ ! 
1
− 23 3 1

√2 2
−
√2
0 −1
3 1 1 3
= = J2
1 0
2 2 2 2

L’analogie entre K2 et C permet de voir que la notion de matrice est une généralisation
de la notion de nombre, de sorte que l’on peut parler de nombres matriciels. L’ensemble C
généralise l’ensemble R ; l’ensemble M2 généralise l’ensemble C et ainsi de suite.
Dans le domaine de l’informatique les matrices jouent un rôle trés important puisque
l’ordinateur ne comprend que le langage numérique. Pour communiquer quelque chose à
un ordinateur il faut d’abord le traduire dans le langage des nombres(matriciels).
Par exemple si l’on veut programmer un robot pour faire certains mouvements il faut
d’abord exprimer ces mouvements en termes de matrices. Nous en verront des exemples
simples dans le paragraphe suivant.

0.4 Matrices et géométrie

0.4.1 Symétrie orthogonale
→
− → −
Le plan est munit d’un repère orthonormé direct (O, i , j ). On considère la droite ∆
d’équation
  x = y (la première bissectrice). Soit S∆ la symétrie orthogonale d’axe ∆ et soit
x
M un point du plan.
y  
′ y
Rappelons que le point M est l’image du point M par S∆ (M ′ = S∆ (M )).
x

[Link] (69141720sya@[Link]) 32 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.4. MATRICES ET GÉOMÉTRIE
      
0 1 0 1 x y
Soit la matrice A = . Remarquons que = . On voit bien
1 0 1 0 y x
que la matrice A permet de passer du point M au point M ′ , de sorte que A est l’analogue
matriciel de S∆ .

Exercice 20
— Trouvez SO , la matrice associée avec la symétrie centrale de centre O.
— Trouvez SOx , la matrice associée avec la symétrie orthogonale d’axe (Ox). Trouvez
SOy . Calculez leur produit et interprétez.
— Trouvez la matrice associée avec l’homothétie de centre O et de rapport k.
— Trouver S∆′ , où ∆′ : x = −y.
— Ecrire la matrice associée avec la projection orthogonale sur l’axe (Ox).

0.4.2 Rotation
 
′ x
— Trouvez les coordonnées du point M , image du point M par la rotation de
y
centre O et d’angle π2 . En déduire R π2 , la matrice associée avec cette rotation.
— Considérons
  Rθ , la rotation  de centre O et d’angle
 θ. Vérifiez que l’image du point
x x cos θ − y sin θ
M est le point M ′ . Il est clair que la matrice qui permet
y x sin θ + y cos θ  
cos θ − sin θ
de passer du point M au point M ′ est Rθ =
sin θ cos θ

Composition
On considère le mouvement suivant :on fait d’abord une rotation d’angle θ, puis une
rotation d’angle θ′ autour du point O. Le mouvement résultant est une rotation d’angle
θ + θ′ (Rθ′ oRθ = Rθ′ +θ ).
Remarquez que

cos θ′ − sin θ′ cos θ cos θ′ − sin θ sin θ′ −(sin θ cos θ′ + sin θ′ cos θ)
    
cos θ − sin θ
=
sin θ′ cos θ′ sin θ cos θ sin θ cos θ′ + sin θ′ cos θ cos θ cos θ′ − sin θ sin θ′

cos(θ + θ′ ) − sin(θ + θ′ )
 
=
sin(θ + θ′ ) cos(θ + θ′ )
La matrice associée avec la composée de deux rotations est le produit des matrices associées.

Exercice 21
Ecrire la matrice associée avec la composée S∆ oRθ

[Link] (69141720sya@[Link]) 33 I.S.E.T BIZERTE 2020

0.4. MATRICES ET GÉOMÉTRIE TABLE DES MATIÈRES

0.4.3 Dans l’espace

→
− →− →−
L’espace est munit d’un repère orthonormé direct (O, i , j , k ).
Utilisez votre coude pour constater qu’il est possible de tourner autour de O d’un angle
droit (+ π2 ) d’une infinité de façons. Ainsi, dans l’espace, on ne peut pas définir la rotation
de centre O et d’angle π2 .
Par contre, il n’y a qu’une façon de tourner autour d’un axe donné et d’un angle valant π2 .

Exemple
 
x
Soit M  y . Faites tourner le point M autour de l’axe (Oz) d’un angle π2 et déterminez
z
les coordonnées du point M ′ correspondant. Quelle est la matrice qui permet de passer du
point M au point M ′ ?

Cas général

Notons Rz,θ la matrice associée à la rotation d’axe (Oz) et d’angle θ. Montrez que :

 
cos θ − sin θ 0
Rz,θ =  sin θ cos θ 0 
0 0 1

Exercice 22

— Trouvez les matrices Rx,θ et Ry,θ .

— Trouvez SO , la matrice associée avec la symétrie centrale de centre O.
— Trouver Sxy , la matrice associée avec la symétrie orthogonale par rapport au plan
(Oxy). Trouvez Sxz et Syz .
— Vérifiez que Sxy Sxz Syz = SO . Interprétez. Quel est le résultat analogue dans le plan ?
— Trouvez Pxy , la matrice associée avec la projection sur le plan (Oxy). Trouvez les
autres.  
1
— Soit M  2 . Trouvez les coordonnées du point M ′ , image de M par la composi-
1
tion suivante : rotation d’angle π2 et d’axe (Ox), suivie de la symétrie orthogonale
par rapport au plan (Oyz) et enfin de la rotation d’axe (Oy) et d’angle π.

[Link] (69141720sya@[Link]) 34 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS

0.5 Systèmes linéaires et Espaces vectoriels

0.5.1 Exercices :
Exercice 23
— Soit
 
1 3 7 5
A= 0 4 8 2 
11 6 12 15
 
7

Trouvez des matrices X et Y telles que : AX =  8 , Y A = 1 3 7 5 .
 12

7
Peut-on trouver une matrice Z telle que ZA =  8  ? Justifiez.
12
— Trouvez X et Y telles que Y AX = 12.  
a1k
 a2k 
 . 
— Soit A = (aij )1≤i≤n . Trouvez X telle que AX =  .. , où 1 ≤ k ≤ p.
 
 ... 
1≤j≤p  

ank
— Trouvez X et Y telles que Y AX = ars , où 1 ≤ r ≤ n et 1 ≤ s ≤ p.

Exercice 24

Rappelons d’abord que si a et b sont deux nombres réels tels que a ̸= 0, alors l’équation
ax = b admet une unique solution, à savoirx = a−1 b.
b1
 b2 
 . 
Soient maintenant A = (aij ) 1≤i≤n et B =  ..  telles que A est inversible.
 
 ... 
1≤j≤n  

  bn
x1
 x2 
L’équation AX = B, où X =  ..  ∈ Mn1 est l’inconnue admet une unique solution, à
 
 . 
xn
−1
savoir la matrice A B ∈ Mn1 .
En effet AX = B =⇒ A−1 AX = A−1 B =⇒ X = A−1 B.
Dans la suite, nous noterons l’ensemble Mn1 par Rn . Ses éléments seront appelés vecteurs.

[Link] (69141720sya@[Link]) 35 I.S.E.T BIZERTE 2020

0.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS TABLE DES MATIÈRES

Exercice 25
On se propose de trouver les réels x, y et z tels que

 x − 2y + z = 1
2x + y − z = −5
x + 3y + z = 2


On a
     
 x − 2y + z = 1 1 −2 1 x 1
2x + y − z = −5 =⇒  2 1 −1   y  =  −5 
x + 3y + z = 2 1 3 1 z 2



  −1  
x 1 −2 1 1
=⇒  y  =  2 1 −1   −5 
z 1 3 1 2
 −1  
1 −2 1 4 5 1
1 
— vérifiez que  2 1 −1  = 15 −3 0 3 
1 3 1 5 −5 5
19
 x = −5
— En déduire que y = 15
z = 83


Exercice 26
    
1 2 x 0
Montrez que l’unique solution de l’équation = 0 est 0 = .
3 5 y 0

Exercice 27
Soit A = (aij ) 1≤i≤n . Montrez que, lorsque detA ̸= 0, l’unique solution de l’équation
1≤j≤n
   
x1 0
 x2   0 
 .   . 
A  ..  = 0 est 0 =  ..  .
   
 .  . 
 ..  .. 


xn 0

Définition
Soit V = {v1 , v2 , . . . , vp } une famille de p vecteurs de Rn .
— On dit que ces vecteurs sont indépendants si et seulement si aucun de ces vecteurs ne
peut s’écrire sous la forme d’une combinaison linéaire (Par exemple α1 v1 +α2 v2 +α3 v3
est une combinaison linéaire des vecteurs v1 , v2 et v3 ) des autres.

[Link] (69141720sya@[Link]) 36 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS

— On associe à ces vecteurs une matrice, notée MV , et dont les colonnes sont ces
mêmes vecteurs.      
1 1 1 1
— Exemple : V = { 3  ;  1 }. On a MV =  3 1 .
1 1 1 1

Exercice 28
— Montrez que la définition précédente implique que l’unique solution de l’équation
 
x1
 x2 
MV  =0
 
..
 . 
xp

est le vecteur nul.

— Soit V = {v1 , v2 , . . . vn } une famille de vecteurs de Rn . Montrer qu’ils sont indépendants
si et seulement si detMV ̸= 0.

Définition
Soit A ∈ Mnp . On appelle rang de M , le nombre maximum de colonnes indépendantes
de M .
Exemple :        
2 3 3 1
— Ecrire les vecteurs  4 ,  5  et  7  en fonction des vecteurs  1  et
  3 5 4 2
1
 3 
1  
1 1 2 3 3
— En déduire que rang 1 3 4 5 7  = 2
2 1 3 5 4

Exercice 29
  
1 2 x
On se propose de résoudre le système : =0
3 6 y
   
−2 −4
— Vérifiez que et sont des solutions de léquation.
1 2
— Montrez que l’équation  estéquivalente
 à x + 2y
  = 0
x −2y −2
— Ceci est équivalent à = =y .
y y 1

[Link] (69141720sya@[Link]) 37 I.S.E.T BIZERTE 2020

0.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS TABLE DES MATIÈRES
 
−2
— De sorte que l’ensemble de toutes les solutions est S = {y , y ∈ R}. On dit
  1
−2
que c’est l’espace vectoriel engendré par le vecteur . Etant engendré par un
1
seul vecteur, l’espace
 S est appelé
 droite vectorielle.
1 2
Remarquez que det =0
  3 6
−2
Le vecteur est dit Base de S.
1

Exercice 30
 
  x
1 3 2 1  y 
On se propose de résoudre AX = 0, où A = et X = 
 z .

1 1 1 2
t
— Exprimez x et t en fonction de y et z.
— En déduire que l’ensemble de toutes les solutions de AX = 0 est
   
−5 −3
 1   0 
S = {y 
 0 +z 1
   , x, y ∈ R}

2 1

Etant engendré par

 deuxvecteurs,
 l’espace S est appelé plan vectoriel.

−5 −3
 1   0 
La famille V = { 0  ,  1 } est dite Base de S.
  

2 1

Exercice 31

On garde les données de l’exercice 34.

— Vérifiez que AX = BX1 + N X2 , avec :
       
1 1 3 2 x y
B= ; N= ; X1 = ; X2 =
1 2 1 1 t z

— Exprimez X1 en fonction de X2 (Sachant que X satisfait à AX = 0).

— En déduire l’ensemble
 des solutions de S.
1
— Résoudre AX = .
1

[Link] (69141720sya@[Link]) 38 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.5. SYSTÈMES LINÉAIRES ET ESPACES VECTORIELS

Exercice 32
Soit A ∈ Mm,n avec m ≤ n, une matrice de rang m. Soit S l’ensemble des solutions de
 
b1
 b2 
 . 
l’équation AX = b =  .. .
 
 . 
 .. 
bm  −1
B b − B −1 N Y

Montrez que S peut s’écrire sous la forme { , Y ∈ Rn−m } où B ∈ Mm
Y
est une matrice inversible extraite de A.

Définition
Soit A ∈ Mmn . On appellera Espace Vectoriel l’ensemble des solutions de l’équation
AX = 0 5

Exercice 33
Soient A ∈ Mmn , λ ∈ R, X1 et X2 deux solutions de AX = 0. Montrez que X1 +λX2 est
une solution de AX = 0. On dit qu’un espace vectoriel est stable par combinaison linéaire.
Remarquez que tout espace vectoriel contient le vecteur nul.
Remarquez que Rn est un espace vectoriel ∀n ∈ N

0.5.2 Transformations linéaires :

— Soit A ∈ Mmn , m et n ∈ N∗ . On pourra noter A par

A = (V1 V2 . . . Vn )

où Vj est la colonne numéro j de la matrice A. Remarquez que Vj ∈ Rm .

n m
 la matrice A définit une application ϕ : R → R .
— Avec les notations précédentes

x1
 x2 
En effet, pour X =  .. , on pourra vérifier que :
 
 . 
xn

AX = x1 V1 + x2 V2 + . . . xn Vn

L’application ϕ(X) = AX vérifie ϕ(X + λY ) = ϕ(X) + λϕ(Y ), ∀X, Y ∈ Rn , λ ∈ R.

On dit qu’elle est linéaire.
5. Cette définition n’est pas générale, mais restreinte aux seuls besoins de ce cours.

[Link] (69141720sya@[Link]) 39 I.S.E.T BIZERTE 2020

0.6. EQUATIONS DIFFÉRENTIELLES TABLE DES MATIÈRES

— Soient A = (A1 A2 . . . An ) et B = (B1 B2 . . . Bn ) deux matrices de Mn . On pourra

vérifier que :
AB = (AB1 AB2 . . . ABn )
Les colonnes de la matrice AB sont les images respectives (par l’application linéaire
associée avec A) des colonnes de B.
— Pour une matrice carrée
A = (aij )1≤i≤m = (V1 V2 . . . Vn )
1≤j≤n

Les coefficients aij , 1 ≤ i ≤ m de chaque vecteur Vj peuvent être vus comme étant
les coordonées de Vj pa rapport à la base canonique C = {e1 , e2 , . . . em }, de sorte
que
Vj = a1j e1 + a2j e2 + . . . amj em
Si X est un vecteur de Rn , on considérera à priori que ses coefficients sont ses
coordonnées dans la base canonique. Aussi écrira-t-on
   
x1 x1
 x2   x2 
 ..  =  .. 
   
 .   . 
xn xn C
Pour spécifier la base dans laquelle ce vecteur est exprimé. En algèbre une base est
un système de référence par rapport auquel tous les autres vecteurs sont observés.
— On remarquera que
Aej = Vj
C’est à dire que les colonnes Vj de A sont les images respectives des vecteurs de la
base canonique par l’application ϕ. On remarquera de même que :

ϕ(X) = AX = x1 Ae1 + · · · + . . . xn Aen = x1 ϕ(e1 ) + · · · + . . . xn ϕ(en )

C’est à dire que ϕ est parfaitement déterminée par la donnée des images respectives
des vecteurs de base. On dit alors que A est la matrice de ϕ dans la base canonique
C.

0.6 Equations différentielles

Exercice 34
On se propose de trouver deux fonctions f et g telles que :
 ′

 f (t) = f (t) + 9g(t)
 ′
g (t) = f (t) + g(t)
S

 f (0) = 1
g(0) = 1


[Link] (69141720sya@[Link]) 40 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.6. EQUATIONS DIFFÉRENTIELLES

— Soient Lf et Lg les transformées de Laplace respectivement de f et g. En passant

la transformation de Laplace, montrez que :
    
p − 1 −9 Lf (p) 1
=
−1 p − 1 Lg(p) 1

— En déduire Lf (p) et Lg(p), puis f (t) et g(t)

— Faire une vérification.

Exercice 35
On se propose de résoudre le système

 f ′ (t) = f (t) + g(t)
g ′ (t) = 2f (t) + g(t)
f (0) = g(0) = 1


— Montrez que     
p − 1 −1 Lf (p) 1
=
−2 p − 1 Lg(p) 1
— En déduire Lf (p) et Lg(p), puis f (t) et g(t).
On trouvera ( √ √ √ √
f (t) = 21 [(1 + 22 )e(1+√2)t + (1 − 22 )e(1− √2)t ]
√ √
g(t) = 12 [(1 + 2)e(1+ 2)t + (1 − 2)e(1− 2)t ]

Exercice 36
Trouvez les fonctions f et g, vérifiant les conditions du système S
 ′
 f (t) = −6f (t) + 28g(t)
S g ′ (t) = −2f (t) + 9g(t)
f (0) = g(0) = 1


On fera une vérification.

Exercice 37
Résoudre le système


 f ′ (t) = f (t) + 3g(t)
g ′ (t) = 3f (t) − 2g(t) − h(t)


 h′ (t) = −g(t) + h(t)
f (0) = g(0) = h(0) = 1


28et −18e−4t +60e3t 30e−4t +40e3t 84et +6e−4t −20e3t

On trouvera : f (t) = 70
, g(t) = 70
et h(t) = 70
.

[Link] (69141720sya@[Link]) 41 I.S.E.T BIZERTE 2020

0.7. SÉRIES DE MATRICES TABLE DES MATIÈRES

0.7 Séries de matrices

0.7.1 Séries géométriques
Rappelons que pour un nombre complexe q ∈ C∗ , q ̸= 1 et N ∈ N nous avons
N
X 1 − q N +1
qn =
n=0
1−q

Et que, si |q| < 1, en passant à la limite nous avons

∞
X 1
qn = = (1 − q)−1
n=0
1−q

Cette formule est encore valable si on remplace q par une matrice (pour une certaine classe
de matrices que nous préciserons dans la suite).

Exemple
1
 
2
0
Soit la matrice A = 1
0 3
( 12 )n
 
n 0
— Vérifiez que A = 1 n
0 (3)
— Vérifiez que
N
2(1 − ( 12 )N +1 )
 
X
n 2 3 N 0
A = I2 + A + A + A + · · · + A = 3 1 N +1
0 2
(1 − ( 3
) )
n=0

— En passant à la limite, comme pour les séries numériques, déduire que

∞  
X
n 2 0
A =
0 32
n=0

 1
−1  
−1 0 2 0
— Remarquez que (I2 − A) = 2
2 =
0 3
0 32
— Conclure que
∞
X
An = (I2 − A)−1
n=0

Plus généralement, si A = (λij ) est une matrice diagonale d’ordre p telle que |λii | < 1, ∀i,
0 ≤ i ≤ p alors
X∞
An = (I2 − A)−1
n=0

[Link] (69141720sya@[Link]) 42 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.7. SÉRIES DE MATRICES

Exercice 38

Soient A, D et P trois matrices carrées d’ordre p telles que A = P DP −1 ; D = (dij ) est

diagonale telle que |dii | < 1
— Verifiez que
XN XN
n
A = P( Dn )P −1
n=0 n=0

— En déduire que
∞
X
An = P (Ip − D)−1 P −1
n=0

— Soient les matrices

7 1 1
     
1 2 2
1 1 2
0
A= , P = et D = 1
9 1 4 2 −1 0 3

Montrer que A = P DP −1
En déduire que :
∞  1

X 1 n 5 2
A = 11
3 1 2
n=0

0.7.2 Exponentielle d’une matrice

Exercice 39

Rappelons que, pour z ∈ C On a

∞
z
X zn
e =
n=0
n!

Cette formule permet d’étendre la fonction

 exponentielle
 aux matrices carrées d’ordre p.
a 0
Prenons le cas p = 2. Soit D = où a, b ∈ R, et soit P ∈ M2 inversible.
0 d
= P DP −1
Considérons la matrice A 
ea 0
— Montrez que eD = d
0 ae 
e 0
A
— Montrez que e = P P −1 = P eD P −1
0 ed
— Calculez
7 1
 
1 
t 2 2 
9
e 1 4 , où t ∈ R

[Link] (69141720sya@[Link]) 43 I.S.E.T BIZERTE 2020

0.8. MATRICES DE PASSAGE TABLE DES MATIÈRES

Exercice 40
On considère les matrices
     
−1 1 1 1 1 1 −2 0 0
B =  1 −1 1  ; P =  −1 0 1  ; D =  0 −2 0 
1 1 −1 0 −1 1 0 0 1

— Vérifiez que B = P DP −1
— Calculez etB , où t ∈ R.

Exercice 41
On considère les matrices
   
0 1 0 −1
K= ; J=
1 0 1 0

— Calculez K 2n et K 2n+1 , ∀n ∈ N, puis montrez que :

 
tA cht sht
e = , ∀t ∈ R
sht cht
— Faire un travail analogue avec la matrice J.

Exercice 42
     
a b a 0 0 b
On considère les matrice E = ,A= et B = où a, b et c
0 c 0 c 0 0
sont des nombres réels.
— Montrer que
n−1
X
n
E = Ck , où Ck = Ak BAn−1−k
k=0

— En déduire l’expression de E n
— Calculez eE

0.8 Matrices de passage

0.8.1 Dans R2
Considérons l’ensemble R2 munit de la base canonique C = (e1 , e2 ) :
   
1 0
e1 = ; e2 =
0 1

[Link] (69141720sya@[Link]) 44 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.8. MATRICES DE PASSAGE

Considérons de même la matrice  

a b
A=
c d
Cette matrice est constituée de deux vecteurs colonne exprimés dans la base C :
   
a b
v1 = et v2 =
c C d C
Autrement dit v1 = ae1 + ce2 et v2 = be1 + de2 . Remarquons que n’importe quelle matrice
de M2 peut être vue comme la juxtaposition de deux vecteurs exprimés dans la base C. Par
ailleurs si det(A) ̸= 0, alors les vecteurs v1 et v2 constituent une autre base de R2 , disons
la base V = (v1 , v2 ). Dans ce contexte la matrice A est appelée : la matrice de passage
de la base C à la base V . Appelons x′ et y ′ les coordonnées d’un vecteur u dans la base V .
Un calcul simple permet de voir que :
 ′ 
x
A = x′ v1 + y ′ v2
y′
v1 et v2 étant exprimés dans la base canonique. Ce qui veut dire que les coordonnées x et
y de ce vecteur dans la base canonique sont fournis par le produit Au. Autrement dit :
 ′   
x x
A ′ =
y V y C

0.8.2 Géneralisation :
Soit A ∈ Mn une matrice carrée d’ordre n constituée de n vecteurs colonne u1 , u2 ,. . .. . .un .
On suppose de même que det(A) ̸= 0. Alors A peut être vue comme étant la matrice de
passage de la base canonique C = (e1 , . . . , . . . , en ) à la base U = (u1 , . . . , . . . un ). La ma-
trice de passage inverse (de la base U à la base canonique C) est, bien évidemment A−1 (ce
que suggère clairement l’identité précédente). Ainsi la multiplication par A−1 transforme
les coordonnées dans la base canonique en les coordonnées dans la nouvelle base U .
Enfin, tous ce qui a été dit précédemment pour les bases U et C est valable pour deux
bases B et B ′ quelconques.

x1
 x2 
Soit XC =  ..  un vecteur exprimé dans la base canonique, et P la matrice de passage
 
 . 
xn C
de la base canonique à une autre base B. On suppose  que  les coordonnées de X dans cette
′
x1
 x′ 
 2 
base sont donnés par le vecteur colonne XB =  ..  . Nous avons alors les relations
 . 
x′n B
suivantes :
P −1 XC = XB ; et P XB = XC

[Link] (69141720sya@[Link]) 45 I.S.E.T BIZERTE 2020

0.8. MATRICES DE PASSAGE TABLE DES MATIÈRES

Interprétation de l’équivalence matricielle :

Rappelons que deux matrices A et B de Mn sont dites équivalentes s’il existe une
matrice P inversible de Mn telle que

A = P BP −1

Posons P = (P1 P2 . . . Pn ) ; c’est à dire qu’on note P par ses vecteurs colonnes. Il est
clair que P peut être vue comme la matrice de passage de la base canonique à la base
{P1 , P2 , . . . . . . , Pn }. Alors A et B représentent la même application linéaire ϕ, mais
dans des bases différentes ; A représente ϕ dans la base canonique et B représente ϕ dans
la base {P1 , P2 , . . . . . . , Pn }.

Exercice 43
Vérifiez que les vecteurs
     
1 1 1
v1 =  1 ; v2 =
  1  et v3 =  2 
2 1 1

constituent une base de R3 et calculez les coordonnées des vecteurs de la base canonique
dans cette nouvelle base.

0.8.3 Matrices Orthogonales :

Exercice 44 :
Soit A ∈ Mn constituée de n vecteurs colonnes unitaires (de norme 1) et deux à deux
orthogonaux. Montrez que :
A−1 = At
Où At désigne la transposée de A.
Inversement, montrez que si A est une matrice telle que A−1 = At , alors les colonnes de A
sont des vecteurs unitaires et deux à deux orthogonaux.

Définition :
L’exercice précédent suggère la définition suivante : Soit A ∈ Rn . On dit que A est une
matrice orthogonale si A−1 = At .

Remarque :
Dans plusieurs disciplines (Réseaux de neurones, par exemple) on a souvent affaire à
des matrices gigantesques (carrées d’ordre n=100000 voir 1000000 et plus). Même avec
un bon ordinateur il est très difficile de les inverser, alors que l’inversion d’une matrice
orthogonale (quel que soit son ordre) est une simple opération de transposition.

[Link] (69141720sya@[Link]) 46 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.9. DIAGONALISATION :

Exercice 45
— Montrez que dans R2 la matrice Rθ (voir le paragraphe Matrices et Géométrie )
associée avec la rotation d’angle θ est orthogonale.
— Montrez que dans R3 la matrice Rz,θ associée avec la rotation d’angle θ autour de
l’axe (Oz) est orthogonale.
— Montrez que dans R2 la matrice S∆ associée avec la symétrie orthogonale par rapport
à la première bissectrice est orthogonale.
— Complétez la matrice A suivante pour qu’elle devienne orthogonale :
 
1 −1 .
1
A=  0 0 . 
2
1 1 .

Exercice 46
Soit A une matrice orthogonale de R2 . Montrez que |det(A)| = 1

Plus généralement :
Soit A ∈ Mn une matrice orthogonale. On retiendra que det(A)=1 ou -1.

Remarque :
— Plaçons nous d’abord dans R2 et considérons la base canonique (e1 , e2 ). Soit U =
(u1 , u2 ) une autre base orthogonale directe de R2 . Appelons θ l’angle de vecteurs
(e1 , u1 ), il est alors facile de voir que l’angle de vecteurs (e2 , u2 ) vaut aussi θ, de
sorte que le passage de la base canonique à la base U se fait par la rotation Rθ .
C’est à dire que :
La matrice (u1 u2 ) = Rθ
On voit bien, entre autres, que le déterminant de la matrice (u1 u2 ) vaut 1 car le
déterminant associé avec une rotation quelconque vaut 1.
— Soit U = (u1 , . . . . . . , un ) une base orthonormée directe de Rn , alors la matrice
(u1 u2 . . . . . . un ) dont les colonnes sont les vecteurs de cette base est une rotation
de Rn . Son déterminant vaut 1.

0.9 Diagonalisation :
Dans des paragraphes précédents nous avons déjà souligné l’avantage de travailler avec
des matrices diagonales (ou avec des matrices équivalentes à des matrices diagonales). Dans
ce paragraphe nous allons voir que certaines matrices sont équivalentes à des matrices
diagonales et que, par conséquent, elles peuvent se décomposer sous la forme avantageuse
P DP −1 , où D est une matrice diagonale.

[Link] (69141720sya@[Link]) 47 I.S.E.T BIZERTE 2020

0.9. DIAGONALISATION : TABLE DES MATIÈRES

0.9.1 Point de vue géometrique :

Exercice 47 :
On se place dans le plan R2 munit de la base canonique (e1 , e2 ). On considère la symétrie
orthogonale par rapport à la droite ∆θ qui passe par l’origine et fait un angle θ avec l’axe
des abscisses (O, e1 ). On se propose de trouver S∆θ , sa matrice représentative dans la base
canonique.
1. — Trouvez d’abord la matrice représentative de cette symétrie dans une base cylin-
drique appropriée qu’on notera (→−
u r, →
−
u θ ). On trouvera que cette matrice n’est
autre que la matrice diagonale
 
1 0
D=
0 −1

— Trouvez la matrice de passage de la base canonique à cette base.

— En déduire que  
cos(2θ) sin(2θ)
S ∆θ =
sin(2θ) − cos(2θ)

2. L’équivalent spatial du problème précédent consiste à considérer le plan Pθ de R3

orthogonal au plan (Oxy) et faisant un angle θ avec le plan (Oyz).
— Trouvez la matrice M Pθ associée avec la symétrie orthogonale par rapport au
plan Pθ dans à une base cylindrique appropriée.
— Trouvez la matrice de passage de la base canonique à cette base cylindrique,
puis déduire la matrice de cette symétrie dans la base canonique. On trouvera
la matrice suivante :
 
cos(2θ) sin(2θ) 0
S∆θ =  sin(2θ) − cos(2θ) 0 
0 0 1

3. Montrez qu’une rotation (dans le plan ou dans l’espace) n’est pas diagonalisable :
c’est à dire qu’il n’existe pas de base dans laquelle la matrice d’une rotation serait
diagonale.
4. Dans le paragraphe ”Matrices et géométrie” nous avons trouvé les matrices respec-
tives associées avec les rotations par rapports aux axes du repère canonique de R3 .
On voudrait maintenant trouver la matrice d’une rotation par rapport à un axe
quelconque.
Munissons donc R3 de sa base canonique et considérons un axe ∆ définit de la
manière suivante : ∆ passe par l’origine et fait un angle θ avec le demi axe [Oz). Le
plan (∆, (Oz)) fait un angle ϕ avec le plan (Oxz).
— Déterminez la matrice de la rotation d’angle Ψ et d’axe ∆ dans une base sphérique
(→
−
u θ, →
−
u ϕ, →
−
u r ) appropriée (→
−
u r étant un vecteur unitaire qui dirige ∆).

[Link] (69141720sya@[Link]) 48 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.9. DIAGONALISATION :

— Ecrire la matrice de passage de la base canonique à la base sphérique. On re-

marquera que, étant donné que la base sphérique est orthonormée, l’inverse de
cette matrice de passage est simplement sa transposée.
— Ecrire la matrice de la rotation dans la base canonique.

0.9.2 Etude Algébrique :

Nous venons de voir comment diagonaliser des matrices qui représentent des transfor-
mations géométriques simples. Comme ce n’est pas toujours le cas, et qu’on ne peut pas
dans toutes les situations recourir aux considérations géométriques, il faut développer une
méthode générale de diagonalisation.

Dans le plan :
Plaçons nous d’abord dans R2 . Posons
 
−11 30
A=
4 −11

Rappelons la décomposition
   
5 3 1 0 −1 3
A=
2 1 0 −1 2 −5

Donnée dans l’exercice 17. Comment a-t-on trouvé cette décomposition ? C’est à dire com-
ment, en ayant seulement A, trouver les autres matrices ?

Soit maintenant A une matrice quelconque de M2 . On suppose qu’elle est diagonalisable,

c’est à dire qu’il existe une décomposition de la forme :
P D
z }| { z }| {  −1
x z λ1 0 x z
A=
y t 0 λ2 y t

Appelons ϕ l’application dont A est la matrice représentative

 dans la base canonique. La
λ1 0
matrice de ϕ dans la base diagonale est . La matrice P est la matrice de passage
0 λ2

[Link] (69141720sya@[Link]) 49 I.S.E.T BIZERTE 2020

0.9. DIAGONALISATION : TABLE DES MATIÈRES
   
x z
de la base canonique à la base diagonale {v1 = , v2 = }
y t
La décomposition de A implique que A et D ont même polynôme caractéristique. Or
PD (X) = (X − λ1 )(X − λ2 )
Donc PA (X) = (X − λ1 )(X − λ2 ). Par conséquent, pour trouver λ1 et λ2 en partant de
la seule matrice A, il suffit de calculer PA (X) et trouver ses racines. On obtient ainsi D.
Reste P .
La relation A = P DP −1 implique
 AP  = P D.
 Or AP = (Av1 Av2 ) et P D = (λ1 v1 λ2 v2 ).
x z
C’est à dire que les colonnes et de la matrice P vérifient respectivement les
y t
équations     
x x
 A = λ1


 y   y 
z z
 A = λ2


t t
Ou, plus simplement 
AX = λ1 X
AX = λ2 X
La résolution de ces équations fournit alors la matrice P .

Appliquons maintenant cette méthode à la matrice A et retrouvons la décomposition

précédente.
— Le calcul du polynôme caractéristique donne PA (X) = (X − 1)(X + 1). Donc
 
1 0
D=
0 −1
— L’équation AX = X se traduit par

−11x + 30y = x
4x − 11y = y
On montre facilement
 que l’ensemble des solutions de ce système est la droite vec-
5
torielle ∆1 = {k , k ∈ R}. N’importe quel vecteur de cet ensemble peut être
2
pris en qualité de v1 (ce qui signifie, entre autres, qu’il y a une infinité de possibilité
pour la matrice P et que, par conséquent, la décomposition n’est pas unique 6 ). Dans
notre cas on a pris simplement le vecteur qui correspond à k = 1.
  l’équation AX = −X nous fournit la deuxième colonne de P ,
— De la même manière
3
à savoir v2 =
1
6. La matrice D, cependant, est unique et ne dépend d’aucun choix, sauf peut être l’ordre dans lequel
on écrit les valeurs diagonales

[Link] (69141720sya@[Link]) 50 I.S.E.T BIZERTE 2020

TABLE DES MATIÈRES 0.9. DIAGONALISATION :

Définition :
Soit A une matrice carrée d’ordre n. On suppose qu’elle est diagonalisable 7 . On retien-
dra les faits suivants :
— Les racines λi de son polynôme caractéristiques sont dites les valeurs propres de
A.
— Chaque vecteur non nul solution de l’équation AX = λi X est un vecteur propre
associé avec la valeur propre λi .
— Pour chaque valeur propre λi l’ensemble de toutes les solutions de l’équation
AX = λi X
est le sous-espace propre (souvent noté Eλi ) associé avec la valeur propre λi .
— Posons αi = la multiplicité de la valeur propre λi , c’est à dire la puissance du monôme
(X − λi ) dans la décomposition de PA (X). Alors la valeur λi apparaı̂t exactement
αi fois sur la diagonale de D, et l’espace Eλi est engendré par au moins αi vecteurs
propres.

Méthode :
Voici les étapes à suivre pour diagonaliser une matrice diagonalisable 8
— Calculez le polynôme caractéristique de A et trouver ses racines λi .
— Résolvez les équations AX = λi X et trouvez une base convenable de chacun de ces
espaces.
— Rassemblez les vecteurs de base précédents dans une matrice P .
— Inversez la matrice P et obtenez la décomposition souhaitée

Exercice 48 :
1. On considère la matrice  
−1 10
A=
5 4
— Vérifiez que PA (X) = X 2 − X − 6. En déduire que les valeurs propres sont 3 et
-2.    
1 2
— Vérifiez que v1 = et v2 = sont des vecteurs propres correspon-
1 −1
dant à 3 et -2 respectivement (dans cet ordre).
— Ecrire la décomposition diagonale de la matrice A.
On trouvera    
1 1 2 3 0 1 2
A=
3 1 −1 0 −2 1 −1
7. Nous n’avons encore donné aucun critère qui permette de déterminer si une matrice est diagonalisable
ou non
8. Dans leur pratique les ingénieurs et les scientifiques ont souvent affaire à des matrices énormes, et on
préfère alors à la méthode directe que nous décrivons ici des méthodes plus efficaces relevant de l’algèbre
numérique.

[Link] (69141720sya@[Link]) 51 I.S.E.T BIZERTE 2020

0.9. DIAGONALISATION : TABLE DES MATIÈRES

2. Considérons la matrice A suivante.

 
−1 1 1
A =  1 −1 1 
1 1 −1

— Montrez que PA (X) = −(X + 2)2 (X − 1). En déduire les valeurs propres de A.
— Résoudre l’équation matricielle AX = −2X et montrez que l’espace propre
associé avec la valeur propre -2 est le plan engendré par les vecteurs
   
1 1
v1 =  −1  et v2 =  0 
0 −1

— Montrez que l’espace propre associé

 avec la valeur propre 1 est la droite vecto-
0
rielle engendrée par le vecteur  0 
1

[Link] (69141720sya@[Link]) 52 I.S.E.T BIZERTE 2020