Algèbre1

Chapitre 4: Matrices et systèmes linéaires

Jawad SALHI

Faculté des Sciences et Techniques - Errachidia

A.U. 2023/2024

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 1 / 64

Plan

1 Systèmes linéaires

2 Matrices

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 2 / 64

Systèmes linéaires : Définitions et vocabulaire

Dans tout ce chapitre, K désigne l’ensemble des nombres réels ou des

nombres complexes ; n et p désignent quant à eux deux entiers naturels
non nuls.
Définition (Équation linéaire)
On appelle équation linéaire à p inconnues une équation de la forme
a1 x1 + a2 x2 + · · · + ap xp = b où a1 , a2 , · · · , ap , b sont p + 1 éléments de
K donnés.
a1 , · · · , ap sont appelés coefficients de l’équation, b est appelé second
membre de l’équation ; x1 , · · · , xp sont les inconnues de l’équation.
Tout p-uplet (x1 , · · · , xp ) ∈ Kp vérifiant cette équation est appelé
solution de l’équation.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 3 / 64

Systèmes linéaires : Définitions et vocabulaire

Définition (Système d’équations linéaires)

On appelle système d’équations linéaires à n équations et à p inconnues la
donnée de n équations de la forme :


 a11 x1 + a12 x2 + . . . + a1p xp = b1

 ..
.




(Σ) ai1 x1 + ai2 x2 + . . . + aip xp = bi

 ..
.






an1 x1 + an2 x2 + . . . + anp xp = bn

Les scalaires aij (i ∈ J1, nK, j ∈ J1, pK) sont les coefficients du système.
Les scalaires b1 , · · · , bn forment le second membre du système.
Les scalaires x1 , · · · , xp sont les inconnues que l’on cherche à
déterminer.
On note généralement Li la i e équation.
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 4 / 64
Systèmes linéaires : Définitions et vocabulaire

I Une solution de (Σ) est un p-uplet (x1 , · · · , xp ) ∈ Kp vérifiant les

équation L1 , · · · , Ln .
Vocabulaire
Un système qui admet au moins une solution est dit compatible. S’il
ne l’est pas, il est dit incompatible.
Le système est dit homogène (ou sans second membre) si
b1 = b2 = · · · = bn = 0.
On appelle système homogène associé à (Σ) le système (Σ) dans
lequel on remplace les bi par 0.
Un système homogène admet toujours (0, · · · , 0) comme solution.
Un système est dit carré si n = p, c’est-à-dire s’il admet autant
d’équations que d’inconnues.
Un système carré est dit triangulaire supérieur si aij = 0 pour j < i.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 5 / 64

Systèmes linéaires : Opérations élémentaires sur les lignes

Définition (Opérations élémentaires sur les lignes)

On appelle opération élémentaire (de base) sur les lignes d’un système
linéaire (Σ) de la forme :

 a11 x1 + a12 x2 + . . . + a1p xp = b1

(Σ) ..
 .
an1 x1 + an2 x2 + . . . + anp xp = bn


les opérations suivantes :

Échange de la ligne Li et de la ligne Lj , noté Li ↔ Lj .
Multiplication d’une ligne par un scalaire non nul, notée Li ← λLj .
Ajout d’une ligne à une autre ligne multipliée par un scalaire, noté
Li ← Li + λLj .
Cette dernière notation se lit "Li reçoit Li + λLj ".

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 6 / 64

Systèmes linéaires : Opérations élémentaires sur les lignes

Remarque
Les opérations élémentaires préservent les équivalences, donc ne modifient
pas l’ensemble des solutions d’un système linéaire, car on peut toujours les
défaire. L’opération : Li ↔ Lj se défait elle-même par exemple,
1
l’opération : Li ← λLi est défaite par l’opération : Li ← Li et
λ
l’opération : Li ← Li + λLj par l’opération : Li ← Li − λLj .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 7 / 64

Systèmes linéaires : Opérations élémentaires sur les lignes

Remarque
Les opérations élémentaires préservent les équivalences, donc ne modifient
pas l’ensemble des solutions d’un système linéaire, car on peut toujours les
défaire. L’opération : Li ↔ Lj se défait elle-même par exemple,
1
l’opération : Li ← λLi est défaite par l’opération : Li ← Li et
λ
l’opération : Li ← Li + λLj par l’opération : Li ← Li − λLj .

I Transformer un système linéaire donné par des opérations élémentaires

SUR LES LIGNES ne modifie pas l’ensemble de ses solutions.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 7 / 64

Systèmes linéaires : Opérations élémentaires sur les lignes

Remarque
Les opérations élémentaires préservent les équivalences, donc ne modifient
pas l’ensemble des solutions d’un système linéaire, car on peut toujours les
défaire. L’opération : Li ↔ Lj se défait elle-même par exemple,
1
l’opération : Li ← λLi est défaite par l’opération : Li ← Li et
λ
l’opération : Li ← Li + λLj par l’opération : Li ← Li − λLj .

I Transformer un système linéaire donné par des opérations élémentaires

SUR LES LIGNES ne modifie pas l’ensemble de ses solutions.
I On peut définir d’autres opérations élémentaires comme composées des
opérations élémentaires de base : changer l’ordre des lignes, additionner
des lignes, ajouter à une ligne une combinaison linéaire des autres lignes,
etc.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 7 / 64

Systèmes linéaires : Opérations élémentaires sur les lignes

Définition
Deux systèmes (Σ) et (Σ0 ) sont dits équivalents si l’un se déduit de l’autre
par une succession d’opérations élémentaires.

I Les opérations élémentaires étant inversibles, on peut bien passer d’un

système à l’autre et vice-versa.
Théorème
Deux systèmes équivalents ont même ensemble de solutions.

I Si deux systèmes (Σ) et (Σ0 ) sont équivalents, on pourra écrire :

(Σ) ⇔ (Σ0 ).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 8 / 64

Systèmes linéaires : Résolution d’un système linéaire

Dans cette section nous expliquons la méthode du pivot (ou méthode

d’élimination de Gauss) qui fournit un algorithme simple et pratique pour
résoudre les systèmes d’équations linéaires. Pour cela, nous aurons besoin
de la définition suivante :
Définition (systèmes échelonnés)
Un système est dit échelonné si le nombre de coefficients nuls qui
commencent chaque ligne augmente strictement d’une ligne à l’autre (pour
éventuellement finir sur des lignes dont tous les coefficients sont nuls).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 9 / 64

Systèmes linéaires : Résolution d’un système linéaire

Définition (pivots d’un systèmes)

S’il existe, le premier coefficient non nul d’une ligne Li est appelé i ème
pivot du système.

L’intérêt d’un système échelonné est qu’il se résout par substitution. On

parle alors de méthode de la remontée. L’exemple suivant sera plus parlant.
Exemple

3x + 5y + 2z = 3


Considérons le système −2y + 3z = −5

−5z = 5.



Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 10 / 64

Systèmes linéaires : Résolution d’un système linéaire

Définition (pivots d’un systèmes)

S’il existe, le premier coefficient non nul d’une ligne Li est appelé i ème
pivot du système.

L’intérêt d’un système échelonné est qu’il se résout par substitution. On

parle alors de méthode de la remontée. L’exemple suivant sera plus parlant.
Exemple

3x + 5y + 2z = 3


Considérons le système −2y + 3z = −5

−5z = 5.


Le système suivant est échelonné et possède trois pivots. Par substitution,
on trouve que le système possède ici une unique solution, le triplet
(−5, 4, −1).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 10 / 64

Systèmes linéaires : Résolution d’un système linéaire

Remarque
Trois cas de figure se présentent :
Si tous les coefficients d’une ligne sont nuls et que le second membre
bi correspondant est non nul, le système n’admet pas de solution, il
est incompatible.
Si lors de la remontée, il reste des inconnues dont la valeur n’est pas
imposée, le système admet une infinité de solutions.
Sinon, le système admet une unique solution.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 11 / 64

Systèmes linéaires : Résolution d’un système linéaire

Remarque
Trois cas de figure se présentent :
Si tous les coefficients d’une ligne sont nuls et que le second membre
bi correspondant est non nul, le système n’admet pas de solution, il
est incompatible.
Si lors de la remontée, il reste des inconnues dont la valeur n’est pas
imposée, le système admet une infinité de solutions.
Sinon, le système admet une unique solution.

Proposition
Un système échelonné admet 0, 1 ou une infinité de solutions.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 11 / 64

Systèmes linéaires : La méthode de Gauss
Idée fondamentale
Le principe central est de résoudre un système d’équations linéaires en se
ramenant à un système échelonné équivalent grâce à une succession
d’opérations élémentaires.

Quelques exemples suffiront pour comprendre comment exploiter cette

idée.
Étape 1
On sélectionne dans la première colonne un coefficient non nul appelé
pivot et on échange la première ligne et la ligne correspondante :


 3y + 2z + t = 1 
 x − y + 2z − t =3
 
2x + 4y + 6z = 2
 

L3 ↔L1
 3y + 2z + t =1
(Σ) ⇐⇒

 x − y + 2z − t = 3 
 2x + 4y + 6z =2
 


5x + y + 9z − 3t = 4

5x + y + 9z − 3t =4

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 12 / 64

Systèmes linéaires : La méthode de Gauss

Étape 2
À l’aide de ce premier pivot, on annule les coefficients de la première
inconnue dans les autres équations :
 
 x − y + 2z − t =3  x − y + 2z − t = 3
L3 ←L3 −2L1

 

 3y + 2z + t =1 L4 ←L4 −5L1
 3y + 2z + t = 1
⇐⇒

 2x + 4y + 6z =2 
 6y + 2z + 2t = −4
 

5x + y + 9z − 3t =4 
6y − z + 2t = −9

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 13 / 64

Systèmes linéaires : La méthode de Gauss

Étape 3
On fixe ensuite la première ligne et on réitère avec la seconde inconnue,
puis avec la troisième, et ainsi de suite. On aboutit de proche en proche à
un système échelonné.
 
 x − y + 2z − t = 3  x − y + 2z − t = 3
L3 ←L3 −2L2

 

 3y + 2z + t = 1 L4 ←L4 −2L2
 3y + 2z + t = 1
⇐⇒

 6y + 2z + 2t = −4 
 −2z = −6
 

6y − z + 2t = −9 
−5z = −11


 x − y + 2z − t = 3
L4 ←L4 − 25 L3

 3y + 2z + t = 1
⇐⇒

 −2z = −6


0=4

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 14 / 64

Systèmes linéaires : La méthode de Gauss

Conclusion
Le système est donc incompatible. L’échelonnement du système a été
mené à terme mais on aurait pu s’arrêter à l’étape précédente car les deux
11
dernières équations du système précédent donnent z = 3 et z = . (Σ)
5
n’admet donc pas de solution.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 15 / 64

Systèmes linéaires : La méthode de Gauss

En-voici un autre exemple

 

 x + 2y − z = 1 L2 ←L2 −2L1  x + 2y − z = 1

L3 ←L3 −L1
2x + 3y + z = 2 ⇐⇒ −y + 3z = 0
 x + 4y − 6z = 2
 
 2y − 5z = 1

 x + 2y − z = 1

L3 ←L3 +2L2
⇐⇒ −y + 3z = 0

 z =1
On a donc z = 1. En reportant dans l’équation L2 on obtient la valeur de
y : y = 3. En remontant maintenant dans l’équation L1 on trouve x :
x = −2y + z + 1 = −6 + 1 + 1 = 4.
Le système admet donc la solution unique (x , y , z) = (−4, 3, 1).

I Comme on le voit, la méthode consiste à mettre le système "sous forme

échelonnée" de manière à pouvoir, en partant de la solution de la dernière
équation et en remontant, résoudre toutes les équations.
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 16 / 64
Systèmes linéaires : La méthode de Gauss

Un dernier exemple
 
 x − 3y + 4z − 2w = 5
 L2 ←L2 −L1
L3 ←L3 −L1
 x − 3y + 4z − 2w = 5

x − y + 9z − w = 7 ⇐⇒ 2y + 5z + w = 2
 x − 2y + 7z − 2w = 9
 
 y + 3z = 4

 x − 3y + 4z − 2w = 5

L3 ←2L3 −L2
⇐⇒ 2y + 5z + w = 2
z −w =6


Le système est sous forme échelonnée. En donnant à w une valeur
arbitraire λ, on trouve : w = λ, z = 6 + λ, y = −14 − 3λ, x = −61 − 11λ.
Le système admet donc une infinité à un paramètre de solutions.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 17 / 64

Systèmes linéaires : La méthode de Gauss

On peut ainsi montrer que :

Théorème
1 Tout système linéaire est équivalent à un système échelonné.
2 Tout système linéaire admet 0, 1 ou une infinité de solutions.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 18 / 64

Systèmes linéaires : Rang d’un système

I On peut démontrer que quelles que soient les opérations effectuées, le

nombre de pivots dans le système échelonné obtenu est constant. Ce
théorème fondamental dont on admet la démonstration conduit à la
définition suivante :
Définition (Rang d’un système)
On appelle rang d’un système le nombre de pivots obtenus après
échelonnement.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 19 / 64

Systèmes linéaires : Rang d’un système

Exemple
Le rang du système


 3y + 2z + t = 1

2x + 4y + 6z = 2


(Σ)


 x − y + 2z − t = 3

5x + y + 9z − 3t = 4


vaut 3 car d’après les calculs précédents, il est équivalent au système

échelonné : 

 1x − y + 2z − t = 3

 3y + 2z + t = 1
(1)

 1z = 3


0=4

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 20 / 64

Systèmes linéaires : Rang d’un système

Definition
Un système carré est dit de Cramer s’il admet une unique solution.

Théorème
Un système carré à n équations et à n inconnues est de Cramer si et
seulement si son rang est égal à n.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 21 / 64

Systèmes linéaires : Rang d’un système

Exercice
On considère le système suivant :

x + y + mz = m


(S) x + my − z = 1 (m ∈ R)

 x +y −z =1


Préciser pour quelle(s) valeur(s) du réel m le système précédent est de

Cramer. Déterminer alors son unique solution en fonction de m.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 22 / 64

Systèmes linéaires : Rang d’un système
Solution
 
x + y + mz = m L2 ←L2 −L1 x + y + mz = m

 

L3 ←L3 −L1

x + my − z = 1 ⇐⇒ (m − 1)y − (m + 1)z = 1 − m
 
 x +y −z =1
 
 −(m + 1)z = 1 − m

Si m = −1, la dernière ligne montre que (S) n’admet pas de solution.

m−1
Si m 6= −1, on a z = et (m − 1)y = 0. Il faut donc distinguer
m+1
deux cas.
2m
Si m 6= 1, y = 0 puis x = m(1 − z) = . Le système est de
m+1  
2m m−1
Cramer et admet pour unique solution le triplet , 0,
m+1 m+1
Si m = 1, on trouve x = 1 − y et z = 0. Le système admet une infinité
de solutions de la forme (1 − y , y , 0).
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 23 / 64
Matrices : Opérations sur les matrices

Définition (Matrice, coefficients, lignes, colonnes)

On appelle matrice de taille n × p à coefficients dans K toute famille
A
 de np éléments de K présentée sous la forme d’un tableau :
a11 a12 · · · a1p
 a21 a22 · · · a2p 
 
 .
 . .. ..  16i6n ,
 , noté aussi : (aij ) 16j6p où aij ∈ K
 . . . 
an1 an2 · · · anp
pour tout (i, j) ∈ J1, nK × J1, pK.
Lensemble des matrices de taille n × p à coefficients dans K est noté
Mn,p (K).
Pour n = p, on parle de matrices carrées de taille n et la notation
simplifiée Mn (K) est alors préférée. La famille (a11 , a22 , . . . , ann ) est
alors appelée diagonale de A.
Pour p = 1, on parle de matrices colonnes de taille n, et pour n = 1, de
matrices lignes de taille p.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 24 / 64

Matrices : Opérations sur les matrices

Remarque
À vrai dire, une matrice M de taille n × p à coefficients dans K n’est
jamais qu’un élément de KJ1,nK×J1,pK , i.e. une famille (mij )(i,j)∈J1,nK×J1,pK
d’éléments de K indexée par J1, nK × J1, pK, c’est-à-dire encore une
application (i, j) 7−→ mij de J1, nK × J1, pK dans K.
En résumé : Mn,p (K) = KJ1,nK×J1,pK

Définition (Matrice nulle)

La matrice de taille n × p dont tous les coefficients sont nuls est appelée la
matrice nulle de Mn,p (K) et notée 0 ou 0n,p quand on veut être précis.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 25 / 64

Matrices : Opérations sur les matrices

Définition (Addition matricielle et multiplication par un scalaire)

Pour tous A, B ∈ Mn,p (K) et λ, µ ∈ K, on note λA + µB la matrice :

λa11 + µb11 · · · λa1p + µb1p

 
.. ..
,
 
 . .
λan1 + µbn1 · · · λanp + µbnp

appelée une combinaison linéaire de A et B.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 26 / 64

Matrices : Produit matriciel

Définition (Produit matriciel)

Pour tous A ∈ Mp,q (K) et B ∈ Mq,r (K), on note A × B la matrice
q
X 
aik bkj 16i6p
de taille p × r .
k=1 16j6r

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 27 / 64

Matrices : Produit matriciel
Attention :
Le produit de deux matrices n’est pas défini en général s’il n’y a pas,
comme on dit, compatibilité des formats :
Matrice de taille Matrice de taille Matrice de taille
z }| { z }| { z }| {
p×q × q×r = p×r

Le produit matriciel n’est pas commutatif ! Par exemple :

! ! ! ! ! !
1 1 0 0 1 0 0 0 0 0 1 1
= 6= =
0 1 1 0 1 0 1 1 1 0 0 1

Un produit de matrices peut être nul sans qu’aucune d’entre elles le

soit. Exemple :
! ! !
0 1 1 1 0 0
=
0 0 0 0 0 0

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 28 / 64

Matrices : Produit matriciel

Théorème (Propriétés du produit matriciel, matrice identité)

Associativité : Pour tous A ∈ Mp,q (K), B ∈ Mq,r (K),
C ∈ Mr ,s (K) : (AB)C = A(BC ).
Bilinéarité : Pour tous A, B ∈ Mp,q (K), C , D ∈ Mq,r (K) et
λ, µ ∈ K :

(λA + µB)C = λAC + µBC et B(λC + µD) = λBC + µBD.

Élément neutre : On appelle matrice identité (de taille n) la matrice

carrée de taille n :
1
 

In = 
 .. 
. 
1
Pour toute matrice A ∈ Mn,p (K) : In A = AIp = A.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 29 / 64

Matrices : Produit matriciel

I À présent, pour une simple raison de compatibilité des formats, une

matrice ne peut être multipliée avec elle-même que si elle est carrée. Pour
une telle matrice A ∈ Mn (K), on peut ainsi parler des puissances de A :
k fois
z }| {
k
A = A × A × ··· × A pour tout k ∈ N∗ et A0 = In .

Définition (Matrice nilpotente)

Soit A ∈ Mn (K). On dit que A est nilpotente si pour un certain p ∈ N∗ :
Ap = 0.
Le plus petit entier p pour laquelle cette identité est vraie est appelé
l’indice de nilpotence de A.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 30 / 64

Matrices : Produit matriciel

Théorème (Deux formules à connaître)

Soient A, B ∈ Mn (K). On suppose que A et B COMMUTENT, i.e. que :
AB = BA. Alors :
k
X
(A + B)k = Cki Ai B k−i formule du binôme
i=0
k−1
X
et Ak − B k = (A − B) Ai B k−i−1
i=0

Attention : L’hypothèse selon laquelle A et B commutent est essentielle,

c’est déjà très clair pour k = 2 :
AB=BA
(A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2 = A2 + 2AB + B 2
AB=BA
et (A − B)(A + B) = A2 + AB − BA − B 2 = A2 − B 2 .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 31 / 64

Matrices : Produit matriciel

Exercice
 
1 1 1
On considère la matrice : A =  0 1 1  et on pose B = A − I3 .
 
0 0 1
n
Calculer B pour n ∈ N et en déduire l’expression de An .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 32 / 64

Matrices : Transposition

Définition (Transposée)
Soit A ∈ Mn,p (K). On appelle transposée de A la matrice (aji ) 16j6p de
16i6n
T t
Mp,n (K), notée A ou A.

Exemple
On a :
 
!> 3 5
3 0 1
= 0 2 
 
5 2 7
1 7
>
λ1

 .. 
 
et pour tous λ1 , . . . , λn ∈ C :  .  = λ1 · · · λn
λn

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 33 / 64

Matrices : Transposition

Théorème (Propriétés de la transposition)

Linéarité : Pour tous A, B ∈ Mn,p (K) et λ, µ ∈ K :
(λA + µB)T = λAT + µB T .
Involutivité : Pour tous A ∈ Mn,p (K) : (AT )T = A.
Effet sur un produit : Pour tous A ∈ Mp,q (K) et B ∈ Mq,r (K) :
(AB)T = B T AT .

Démonstration.
Seule l’assertion sur le produit mérite une preuve. Pour tout
  q
(i, j) ∈ J1, r K × J1, pK, on a : (AB)>
X
= (AB)ji = ajk bki =
ij
k=1
q q      
B> A> = B > A>
X X
bki ajk = .
ik kj ij
k=1 k=1

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 34 / 64

Matrices : Transposition

Définition (Matrice symétrique/antisymétrique)

Soit A ∈ Mn (K). On dit que A est symétrique si : AT = A, et
antisymétrique si : AT = −A.
L’ensemble des matrices symétriques (resp. antisymétriques) de Mn (K)
est noté Sn (K) (resp. An (K)).

Exemple
   
1 2 3 0 1 −5
 2 5 0  est symétrique et  −1 0 2  est antisymétrique.
   
3 0 6 5 −2 0

Remarque
La diagonale d’une matrice antisymétrique est toujours nulle car tout
coefficient diagonal est égal à son opposé.
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 35 / 64
Matrices : Transposition

Exercice
Montrer que l’ensemble Sn (K) des matrices symétriques et l’ensemble
An (K) des matrices antisymétriques de Mn (K) sont des sous-espaces
vectoriels supplémentaires de Mn (K).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 36 / 64

Matrices : Matrices diagonales et triangulaires

Définition (Matrice diagonale, matrice scalaire, matrice triangulaire)

Une matrice carrée est dite diagonale si tous ses coefficients non
diagonaux sont nuls.
En particulier, les matrices λIn , λ décrivant K, sont appelées matrices
scalaires.
Une matrice carrée est dite triangulaire supérieure (resp. inférieure) si
ses coefficients situés strictement au-dessous (resp. strictement
au-dessus) de la diagonale sont nuls.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 37 / 64

Matrices : Matrices diagonales et triangulaires

Explication :
 
a11 a12 · · · a1n
Matrice 
 a22 · · · a2n 

triangulaire  .. .. 
supérieure 

. .


ann
 
a11
 a21

a22 
 Matrice
 .
 . .. ..  triangulaire
 . . . 
 inférieure
an1 an2 ··· ann

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 38 / 64

Matrices : Matrices diagonales et triangulaires

Remarque
Les matrices diagonales sont exactement les matrices À LA FOIS
triangulaires supérieures ET triangulaires inférieures.

Notation
Pour tous α1 , . . . , αn ∈ K, on note généralement diag (α1 , . . . , αn ) la
α1
 

matrice diagonale : D := 
 .. . Par exemple :

.
αn
In = diag(1, . . . , 1). Avec cette notation, pour tous
α1 , . . . , αn , β1 , . . . , βn , λ ∈ K, on a :

λ diag (α1 , . . . , αn ) + diag (β1 , . . . , βn ) = diag (λα1 + β1 , . . . , λαn + βn ) ,

diag (α1 , . . . , αn ) × diag (β1 , . . . , βn ) = diag (α1 β1 , .
. . , αn βn )
et pour tout p ∈ N : D p = diag α1p , . . . , αnp .
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 39 / 64
Matrices : Matrices diagonales et triangulaires

Exercice
Soit λ1 , · · · , λn des éléments de K, deux à deux distincts, et
D = diag (λ1 , . . . , λn ). Déterminer les matrices de Mn (K) commutant
avec D.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 40 / 64

Matrices : Trace d’une matrice carrée

Définition (Trace d’une matrice carrée)

Soit A ∈ Mn (K). On appelle trace de A et on note tr(A) ou Tr(A) la
somme des éléments diagonaux de A.

Théorème
1 Linéarité : Pour tous A, B ∈ Mn (K) et λ, µ ∈ K, on a :
tr(λA + µB) = λ Tr(A) + µ Tr(B).
2 Effet sur un produit : Pour tous A ∈ Mnp (K) et B ∈ Mpn (K) :
tr(AB) = tr(BA).

Exemple
L’équation matricielle : AB − BA = In d’inconnue (A, B) ∈ Mn (K)2 n’a
pas de solution car pour toutes matrices A, B ∈ Mn (K) :
tr(AB − BA) = tr(AB) − tr(BA) = 0 6= n = tr (In ).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 41 / 64

Matrices : Matrice inversible

Définition (Matrice inversible, inverse, groupe linéaire)

Soit A ∈ Mn (K). On dit que A est inversible s’il existe une matrice
B ∈ Mn (K) pour laquelle : AB = BA = In .
SI ELLE EXISTE, une telle matrice B est unique, notée A−1 et appelée
l’inverse de A.
L’ensemble des matrices inversibles de Mn (K) est noté GLn (K) et appelé
le groupe linéaire de degré n sur K.

Démonstration.
Si B et B 0 sont deux inverses de A :
B = BIn = B(AB 0 ) = (BA)B 0 = In B 0 = B 0 .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 42 / 64

Matrices : Matrice inversible

Remarque
GLn (K) n’est pas un espace vectoriel ! En effet, la matrice nulle n’est pas
inversible. Si c’était le cas, il existerait B telle que 0n × B = B × 0n = In ,
absurde !

Remarque
Pourquoi oblige-t-on par définition les matrices inversibles à être carrées ?
Qu’est-ce qui empêche une matrice A ∈ Mn,p (K) avec : n 6= p de
posséder un inverse, i.e. une matrice B ∈ Mp,n (K) pour laquelle : AB = In
et BA = Ip ? Une première réponse simple peut être donnée tout de suite :
n = tr(In ) = tr(AB) = tr(BA) = tr(Ip ) = p.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 43 / 64

Matrices : Matrice inversible

Théorème (Opérations sur les matrices inversibles)

Soient A, B ∈ GLn (K), donc INVERSIBLES.
1 Inversibilité de l’inverse : A−1 est inversible et : (A−1 )−1 = A.
2 Inversibilité d’un produit : AB est inversible et : (AB)−1 = B −1 A−1 .
3 Inversibilité d’une puissance : Pour tout k ∈ Z, Ak est inversible et :
(AK )−1 = (A−1 )k .
4 Inversibilité de la transposée : AT est inversible et :
(AT )−1 = (A−1 )T .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 44 / 64

Matrices : Matrice inversible

Démonstration.
1 On a : A × A−1 = A−1 × A = In , donc par définition de l’inversibilité,
A−1 est inversible d’inverse A.
2 On a :
AB × B −1 A−1 = A × BB −1 × A−1 = A × In × A−1 = AA−1 = In et
B −1 A−1 × AB = In , donc AB est inversible d’inverse B −1 A−1 .
3 Par récurrence à partir de l’assertion (2).
 >  >  >
4 On a : A> A−1 = A−1 A = In> = In et A−1 A> = In , donc
 >
A> est inversible d’inverse A−1 .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 45 / 64

Matrices : Matrice inversible

Théorème
Si deux matrices A, B ∈ Mn (K) vérifient AB = In alors BA = In .

On a alors AB = BA = In , ce qui donne A ∈ GLn (K) et B = A−1 .

Théorème (Une condition suffisante de non-inversibilité)

Soit A ∈ Mn (K). Si l’une des colonnes (resp. lignes) de A est combinaison
linéaire de ses autres colonnes (resp. lignes), alors A N’est PAS inversible.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 46 / 64

Matrices : Matrice inversible

Théorème (Caractérisations diverses de l’inversibilité)

Soit A ∈ Mn (K). Les assertions suivantes sont équivalentes :
1 A est inversible.
2 A est inversible à droite : ∃B ∈ Mn (K), AB = In .
3 A est inversible à gauche : ∃B ∈ Mn (K), BA = In .
4 Pour tout second membre Y ∈ Kn , le système linéaire : Y = AX
d’inconnue X ∈ Kn possède une et une seule solution.
5 Le système linéaire homogène : AX = 0 d’inconnue X ∈ Kn admet 0
pour UNIQUE solution :

∀X ∈ Kn , AX = 0 =⇒ X = 0.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 47 / 64

Matrices : Matrice inversible

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

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 48 / 64

Matrices : Matrice inversible

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

Exercice
n
X
Soit A = (ai,j )16i,j6n ∈ Mn (R) telle que ∀i ∈ J1, nK, |ai,i | > |ai,j |.
j=1
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.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 48 / 64

Matrices : Matrice inversible

Exercice
On considère la matrice :
!
−1 −2
A= .
3 4

1 Calculer A2 − 3A + 2I2 . En déduire que A est inversible et calculer

son inverse.
2 Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par
X 2 − 3X + 2.
3 En déduire l’expression de la matrice An .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 49 / 64

Matrices : Matrice inversible

Exercice
Soit A, B ∈ Mn (K) deux matrices qui commutent.
1 On suppose que A est inversible. Justifier que les matrices A−1 et B
commutent.
2 On suppose que A et B sont inversibles. En déduire que les matrices
A−1 et B −1 commutent.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 50 / 64

Matrices : Matrice inversible

Exercice
Soit A, B ∈ Mn (K) deux matrices qui commutent.
1 On suppose que A est inversible. Justifier que les matrices A−1 et B
commutent.
2 On suppose que A et B sont inversibles. En déduire que les matrices
A−1 et B −1 commutent.

Exercice
Soient A, B ∈ Mn (K) vérifiant AB = A + B. Montrer que A et B
commutent.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 50 / 64

Matrices : Rang d’une matrice

Définition (Rang d’une matrice)

On appelle rang d’une matrice A le rang du système AX = 0 associé.

En pratique : Pour calculer le rang d’une matrice, on pourra donc mettre

sous forme échelonnée le système correspondant puis compter le nombre
de pivots obtenus non nuls. Noter que l’on peut pratiquer directement la
méthode du pivot de Gauss sur la matrice étudiée.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 51 / 64

Matrices : Rang d’une matrice

Exemple
 
1 4 3
Déterminer le rang de A =  2 5 3 .
 
3 6 3

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 52 / 64

Matrices : Rang d’une matrice

Exemple
 
1 4 3
Déterminer le rang de A =  2 5 3 .
 
3 6 3
I On effectue pour cela une succession d’opérations élémentaires sur les
lignes :
   
1 4 3 L2 ←L2 −2L1 1 4 3
L3 ←L3 −3L1
rg  2 5 3  = rg  0 −3 −3 
   
3 6 3 0 −6 −6
 
1 4 3
L3 ←L3 −2L2
= rg  0 −3 −3  = 2.
 
0 0 0

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 52 / 64

Matrices : Déterminant d’une matrice carrée

Pour les matrices carrées de taille 2, il est facile de trouver une condition
nécessaire et suffisante simple d’inversibilité ainsi qu’une formule pour le
calcul de l’inverse le cas échéant.
Définition (Déterminant, inversibilité et inverse d’une matrice carrée
de taille 2)
!
a c
Soient a, b, c, d ∈ K. On appelle déterminant de , noté :
b d
! !
a c a c a c
det ou , le scalaire ad − bc. La matrice est
b d b d b d
a c
inversible si et seulement si : 6= 0. Dans ce cas :
b d
!−1 !
a c 1 d −c
= .
b d ad − bc −b a

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 53 / 64

Matrices : Déterminant d’une matrice carrée

. Pour une matrice d’ordre 3, on a :

a b c
e f b c b c
d e f =a −d +g (dév./ première colonne)
h i h i e f
g h i
e f d f d e
=a −b +c (dév./ première ligne) .
h i g i g h

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 54 / 64

Matrices : Déterminant d’une matrice carrée

Définition (Mineurs, cofacteurs, comatrice)

Soient A ∈ Mn (K) et i, j ∈ J1, nK.
On appelle mineur de A de position ( i, j ) le déterminant de la
matrice extraite de A par suppression de la i ème ligne et de la j ème
colonne. Nous le noterons ∆ij (A) dans ce cours mais la notation n’est
pas universelle.
On appelle cofacteur de A de position (i, j) le scalaire :
(−1)i+j ∆ij (A).
On appelle comatrice
 de A, notée com(A),
 la matrice des cofacteurs
i+j
de A : com(A) = (−1) ∆ij (A) .
16i,j6n

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 55 / 64

Matrices : Déterminant d’une matrice carrée

Exemple
 
1 2 3
On considère la matrice A =  4 5 6 .
 
7 8 9
!
1 2
∆23 = , le mineur de A de position (2, 3) vaut
7 8
1 2 1 2
= −6 et le cofacteur associé (−1)2+3 = 6.
7 8 7 8
 
1 −2 1
La comatrice de A est Com(A) = −3  −2 4 −2 .
 
1 −2 1

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 56 / 64

Matrices : Déterminant d’une matrice carrée

Théorème (Développement par rapport à une ligne ou une colonne)

Soit A ∈ Mn (K).
Développement par rapport à une ligne : Pour tout
n
X
i ∈ J1, nK : det(A) = (−1)i+j aij ∆ij (A).
j=1
Développement par rapport à une colonne : Pour tout
n
X
j ∈ J1, nK : det(A) = (−1)i+j aij ∆ij (A).
i=1

En pratique : Le développement par rapport à une ligne/colonne est

souvent utile, mais dans la mesure du possible, il faut choisir de développer
par rapport à une ligne/colonne contenant beaucoup de zéros. En règle
générale, je vous conseille de privilégier la méthode du pivot, qui fournit
davantage des résultats sous forme factorisée (car après tout, ce que l’on
veut savoir d’un déterminant, c’est souvent s’il est nul ou non).
Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 57 / 64
Matrices : Déterminant d’une matrice carrée

Exemple
Commençons par le plus simple, le cas des matrices triangulaires (et donc,
parmi elles, les matrices diagonales). Si A ∈ Mn (K) est triangulaire alors :

det(A) = a1,1 × a2,2 × · · · × an,n .

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 58 / 64

Matrices : Déterminant d’une matrice carrée

Théorème
Soient A, B ∈ Mn (K) et λ ∈ K.
1 le déterminant est n-linéaire par rapport aux colonnes. En particulier,
det(λA) = λn A.
2 det(AB) = det(A) × det(B).
3 A ∈ GLn (K) si, et seulement si, det(A) 6= 0. Dans ce cas,
  1
det A−1 = .
det(A)
 
4 det A> = det(A).

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 59 / 64

Matrices : Déterminant d’une matrice carrée

Théorème (Formule d’inversion)

Soit A ∈ Mn (K). Alors : A com(A)> = com(A)> A = det(A)In . En
1
particulier, si A est inversible : A−1 = com(A)> .
det(A)

Exemple
!
a c 1
Pour tout A = ∈ M2 (K) : A−1 = com(A)> =
b d det(A)
!
1 d −c
si : det(A) = ad − bc 6= 0. Résultat bien
ad − bc −b a
connu !

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 60 / 64

Matrices : Calcul de déterminant par la méthode du pivot

Théorème (Déterminant d’une matrice et opérations élémentaires)

Soient i, j ∈ J1, nK avec i 6= j et λ ∈ K.
Les opérations élémentaires de la forme Li ← Li + λLj et
Cj ← Cj + λCi ne modifient pas les déterminants.
Les opérations élémentaires Li ← λLi et Cj ← λCj
multiplient les déterminants par λ.
Les opérations élémentaires Li ↔ Lj et Cj ↔ Ci multiplient les
déterminants par −1.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 61 / 64

Matrices : Calcul de déterminant par la méthode du pivot

Exercice
Calculer le déterminant de la matrice :
 
5 4 2 1
 2 3 1 −2 
A=
 
−5 −7 −3 9 


1 −2 −1 4

en effectuant des opérations élémentaires.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 62 / 64

Matrices : Calcul de déterminant par la méthode du pivot

Solution
2 1
Les opérations L2 ← L2 − L1 , L3 ← L3 + L1 , L4 ← L4 − L1 donnent :
5 5
5 4 2 1 7 1 12
7 1 12 −
0 − 5 5 5
det(A) = 5 5 5 =5 −3 −1 10
0 −3 −1 10 14 7 19
14 7 19 − −
0 − − 5 5 5
5 5 5
7 1 −12 7 1 −12
11 1
=5 −3 −1 10 = −3 −1 10 .
55 5
−14 −7 19 −14 −7 19

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 63 / 64

Matrices : Calcul de déterminant par la méthode du pivot

Suite de la solution
3 14
Puis les opérations L2 ← L2 + L1 , L3 ← L3 + L1 = L3 + 2L1 donnent :
7 7
7 1 −12
1 4 34 1 2 −2 17
det(A) = 0 − = ·7· ·5
5 7 7 5 7 −1 −1
0 −5 −5
= 2 · 19 = 38.

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 64 / 64

 Merci pour votre attention

Jawad SALHI Module M112: chapitre 4 A.U. 2023/2024 65 / 64