Calcul matriciel

0.1 Définitions
Dans tout ce chapitre K sera considèré comme R ou C.

Définition 0.1.1. Une matrice à n lignes, p colonnes (ou matrice de type (n, p)) est un tableau
des nombres réels  
a1,1 a1,2 · · · a1,p
 
 a2,1 a2,2 · · · a2,p 
A = (ai,j )1≤i≤n;1≤j≤p = .
 
 .. .. ... .. 
 . . 

an,1 an,2 · · · an,p

? La ligne d’indice i de A est la suite (ai,1 , ai,2 , · · · , ai,p ).

? La colonne d’indice j de A est la suite (a1,j , a2,j , · · · , an,j ).
? i s’appelle l’indice des lignes et j l’indice des colonnes.
? Si n = 1, A =(a , a1,3 , · · · , a1,p ) : A est dite une matrice ligne.
1,1 , a1,2
a
 1,1 
 a2,1 
? Si p = 1, A =  .  : A est dite une matrice colonne.
 
 .. 
 
an,1
? L’ensemble des matrices à n lignes et à p colonnes sera noté Mn,p (K).
? Lorsque n = p, on parlera de matrice carrée d’ordre n, noté Mn (K). Les termes ai,i sont
appelés les termes de la diagonale principale.

Définition 0.1.2. On appelle matrice diagonale, toute matrice carrée dont les coeffcients sont
tous nuls, sauf ceux de la diagonale.

Exemple 0.1.1.
   
0 −1 2 0 0
   
A=
 3 5 
 n’est pas diagonale; B =  0 5 0  est diagonale.
 
−4 1 0 0 1

Définitions 0.1.1.
a- Une matrice carrée (ai,j )1≤i≤n;1≤j≤p est dite triangulaire supérieure si ai,j = 0 ∀i > j.
b- Une matrice carrée (ai,j )1≤i≤n;1≤j≤p est dite triangulaire inférieure si ai,j = 0 ∀i < j.

1
Exemple 0.1.2.
   
3 −1 1 2 0 0
   
D= 0 5 2  triangulaire supérieure; C =  1 −5 0
   triangulaire inférieure.

0 0 1 2 3 1

0.2 Opérations dans l’ensemble des matrices

0.2.1 Somme de deux matrices

Soient A et B deux matrices de type (n, p)

Définition 0.2.1. On appelle somme de A et B, la matrice notée A + B, de type (n, p) et si

A = (ai,j ) B = (bi,j ) alors A + B = (ci,j ) avec ci,j = ai,j + bi,j

Exemple 0.2.1.
     
2 0 −1 1 2 3 0 2 4 3 −1 3
     
A+B = 3 0 5 2
  +  1 −5 0 −3  =  4 −5 5 −1 .
    
1 0 2 10 2 3 2 11 3 3 4 21

0.2.2 Produit d’un scalaire par une matrice

Définition 0.2.2. Soient A = (ai,j ) une matrices de type (n, p) et λ ∈ K. On défnit le produit
de λ par A par λ.A = (di,j ) avec di,j = λai,j .

Exemple 0.2.2.
   
0 −1 0 3
   
Si A = 
 −3 5 
 alors (−3).A =  9 −15  .
 
−4 1 12 −3

0.2.3 Produit de deux matrices

Définition 0.2.3. Soient A = (ai,j ) ∈ Mn,p (K) et B = (bk,l ) ∈ Mp,q (K) . On appelle pro-
duit des deux matrice A et B la matrice noté A.B défnie par A.B = (ci,j ) ∈ Mn.q avec
p
X
ci,j = ai,k bk,j = ai,1 b1,j + ai,2 b2,j + ... + ai,p bp,j avec 1 ≤ i ≤ n et 1 ≤ j ≤ q.
k=1
 
1 0 ··· 0
 
 0 1 ··· 0 
En particulier : A.Ip = In .A = A avec In =  .
 
.... . . .. 

 . . . . 

0 0 ··· 1

Exemple 0.2.3.

2
 ! ! !
a b e f ae + bg af + bh
Si A= et B= alors A.B =
c d g h ce + dg cf + dh
     
1 1 3 0 2 3 3
     
Si A = 
 0 1 2
 et B = 
  −3 4   alors A.B =  1 2
 

1 2 −1 2 −1 −8 11
Remarque 0.2.1.
1. On remarque que le produit A.B de deux matrices A et B n’est possible que si le nombre
de colonnes de A est égal au nombre de lignes de B. On peut donc résumer en écrivant :

[matrice de type(n, p)] × [matrice de type(p, q)] = matrice de type(n, q).

2. M.(N + R) = M.N + M.R

3. λ.(M.N ) = (λ.M ).N = M.(λ.N ) avec λ ∈ K.
4. (M.N ).P = M.(N.P ) avec (M ∈ Mn.p , N ∈ Mp.q et P ∈ Mq.r ).
5. En général, le produit matriciel n’est pas commutatif c-à-d A.B 6= B.A.

Exemple 0.2.4.
! ! ! !
1 3 −3 4 3 1 −3 −1
Si A = et B = alors A.B = et B.A =
0 2 2 −1 4 −2 2 4

On a donc A.B 6= B.A.

Définition 0.2.4. On appelle transposé de M = (ai,j ) ∈ Mn,p (K) la matrice noté t M = (aj,i ) ∈
Mp,n (K).

Exemple 0.2.5.
 
  10 3 0
10 −6 −8 2  
  t
 −6 2 12 
La transposée de la matrice B =  3 2
 9 4  est la matrice B = 
  
 −8 9 1 

0 12 1 5
2 4 5
Proposition 0.2.1.
1. Si M est une matrice diagonale alors M =t M .
2. t (M + N ) =t N +t M .
3. t (α.M ) = α.t M .
4. t (M.N ) =t N.t M .
5. t (t M ) = M .
6. M est dite symetrique ⇐⇒ si t M = M .
7. M est dite antisymétrique ⇐⇒ si t M = −M .

3
0.2.4 La trace d’une matrice carrée
Dans le cas d’une matrice carrée d’ordre n, les eléments a1,1 , a2,2 , . . . , an,n sont appelés les
eléments diagonaux. Sa diagonale principale est la diagonale ( a11 , a22 , . . . , ann ).
 
a11 a12 . . . a1n
 

 a21 a22 . . . a2n 

 .. .. . . .. 

 . . . .  
an1 an2 . . . ann
Définition 0.2.5. La trace de la matrice A est le nombre obtenu en additionnant les eléments
diagonaux de A. Autrement dit,

tr A = a11 + a22 + · · · + ann .

!
3 2
Exemple 0.2.6. 1. Si A = , alors tr A = 3 + 6 = 9.
1 6
 
4 −3 1
 
2. Pour B =  4 −2 −1  , tr B = 4 − 2 + 6 = 8.
 
11 2 6

Théorème 0.2.1. Soient A et B deux matrices de Mn (K). Alors :

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

0.2.5 Formule du binôme de Newton pour les matrices

Soit (A, B) ∈ (Mn (K))2 telle que AB = BA, alors :

p
X
∗ p
∀p ∈ N , (A + B) = Cpk Ak B p−k
k=0
p!
avec Ckp = k!(p−k)!
(k 0
6 p) et A = In ( par convention ).
En particulier, si AB = BA, on aura : (A + B)2 = A2 + 2AB + B 2 .
 
1 1 0
 
Exercice 0.2.1. 1. Soit A =  0 1 1  et soit B = A − I3 .

0 0 1

2. Calculer B 2 , B 3 en déduire une formule de récurrence que l’on démontrera pour B n , pour
tout n ∈ N.

4
 3. Développer (B + I3 )n par la formule du binôme de Newton et simplifier.
4. En déduire An , pour tout n ∈ N.

0.3 Déterminants des matrices carrées

0.3.1 Déterminants des matrices carrées d’ordre 2 et 3

!
a b
Définition 0.3.1. Le déterminant d’une matrice carrée d’ordre 2 : A = se défnit
c d
a b
par l’égalité suivante = ad − bc.
c d
On note ce déterminant par det(A) = ad − bc.

Définition 0.3.2. Le déterminant d’une matrice carrée d’ordre 3 se défnit par l’égalité sui-
vante :
a1,1 a1,2 a1,3
a2,2 a2,3 a2,1 a2,3 a2,1 a2,2
a2,1 a2,2 a2,3 = (−1)1+1 a1,1 +(−1)1+2 a1,2 +(−1)1+3 a1,3
a3,2 a3,3 a3,1 a3,3 a3,1 a3,2
a3,1 a3,2 a3,3

Le déterminant du matrice carrée d’ordre 3 peut se calculer par la règle de sarrus suivante :

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22 = a11 a22 a22 + a12 a23 a32 + a13 a21 a32
a31 a32 a33 a31 a32
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33
 
1 2 6
 
Exercice 0.3.1. Soit A = 
 0 1 −2 , calculer det A par deux méthodes.

−3 4 5

0.4 Déterminant des matrices carrées d’ordre n

Définition 0.4.1. Soit A = (ai,j ) une matrice carrée d’ordre n. On appelle mineur relatif au
terme ai,j , noté ∆i,j , le déterminant de la matrice carrée d’ordre n − 1 obtenue en supprimant
dans A la i-ième ligne et la j-ième colonne.

Théorème 0.4.1. Soit A = (ai,j ) une matrice carrée d’ordre n.

n
X
1 ≤ i, j ≤ n on a : det(A) = (−1)i+j ai,j ∆i,j
i=1

où ∆i,j désigne le mineur relatif à (ai,j ).

5
Propriétés 0.4.1.
1. detIn = 1.
2. ∀ A et B ∈ Mn (K), on a det(A.B) = det A. det B.
3. ∀A ∈ Mn (K), on a det(A) = det(t A).
4. ∀λ ∈ K, A ∈ Mn (K) on a det(λA) = λn det A.
5. Si A = (ai,j ) une matrice carrée triangulaire ou diagonale d’ordre n alors
det(A) = ni=1 aii = a11 .a22 .a33 · · · ann
Q

6. Si on multiple une ligne ou une colonne par λ ∈ R alors le det(A) est multiplié par λ.
7. Si on ajoute à une ligne ( respectivement une colonne) une combinaison des autres lignes
( respectivement colonnes) alors le det(A) ne change pas.

Calcul d’un déterminant : Pour calculer le déterminant d’une matrice carrée, on essaie
de faire apparaître sur une ligne ou une colonne le maximum de zéro( en utilisant les propriétés
7 et 8) puis on développe suivant cette matrice ou cette colonne.

0.4.1 Matrice Inversible

Définition 0.4.2. Une matrice carrée A de type(n, n) est inversible si et seulement si il existe
une matrice carrée B de type(n, n) tel que A.B = B.A = In .
La matrice B est appelée matrice inverse de A notée A−1 .

Proposition 0.4.1. 1. Une matrice comporte une ligne ou une colonne nulle n’est jamais
inversible.
2. L’inverse d’une matrice est unique.
3. (A.B)−1 = B −1 .A−1 .
4. Une matrice A ∈ Mn (K) est inversible si et seulement si le déterminant de A n’est pas
1
nul (det(A) 6= 0) et on a alors det(A−1 ) = .
det(A)

Calcule de l’inverse d’une matrice carrée

Méthode de la comatrice

Définition 0.4.3. Soit A = (ai,j ) une matrice carrée d’ordre n.

Le terme Ai,j = (−1)i+j ∆i,j s’appelle le cofacteur de (ai,j ).
La matrice formée par les cofacteurs est appelée comatrice, notée com(A).

Proposition 0.4.2. Si A ∈ Mn (K) est inversible (det A 6= 0) alors :

1
A−1 = .t com(A)
det(A)

6
 ! !
a b d −c
Exemples 0.4.1. 1. Si A = alors det(A) = ad − bc et t com(A) =
c d −b a
!
d −c
d’où A−1 = 1
det(A)
−b a
   
A11 A21 A31
a1,1 a1,2 a1,3 det(A) det(A) det(A)
   
2. Si A =  a 2,1 a 2,2 a 2,3
 , alors A−1 =  A12 A22 A32 
   det(A) det(A) det(A) 
A13 A23 A33
a3,1 a3,2 a3,3 det(A) det(A) det(A)

Méthode du pivot de Gauss

[a ] Opérations élémentaires :
On appelle opération élémentaire sur les lignes de la matrice A l’une des opérations
suivantes :
• Échange des lignes Li et Lj (i 6= j) : Li ←→ Lj .
• Multiplication de la ligne Li parα 6= 0 : Li ←− αLi
• Addition de αLi à Lj (i 6= j) avec α 6= 0) : Lj ←− Lj + αLi
[b ] Description de la méthode du pivot de Gauss :
Soit A une matrice carrée d’ordre n inversible, on peut passer par une série d’opérations
élémentaires de la matrice A à la matrice In ces même opérations permettent de passer
de In à A−1
(A | In ) −→ (In | A−1 )
! !
3 1
2 −1
Exemple 0.4.1. Si A = alors A−1 = 2 2
−4 3 2 1

En effet :
!
2 −1 1 0
L2 ←− L2 + 2L1
−4 0 1 3
!
2 −1 1 0
L1 ←− L1 + L2
0 1
2 1
!
2 0 3 1
L1 ←− 21 L1
0 1 2 1
! !
3 1 3 1
1 0 2 2
d’où A−1 = 2 2
0 1 2 1 2 1
Définition 0.4.4. Deux matrices A et B ∈ Mn,p (K) sont dites équivalentes s’il existe une
matrice carrée inversible Q d’ordre p et une matrice carrée inversible P d’ordre n telles que
B = Q.A.P .

Définition 0.4.5. Deux matrices A et B ∈ Mn (K) sont semblables s’il existe une matrice
carrée inversible P d’ordre n telle que B = P −1 .A.P .

7
0.5 Systèmes linéaires
On appelle système linéaire de n équations à p inconnues et à coefficients dans K tout
système d’équations de la forme :



 a11 x1 + a12 x2 + . . . + a1p xp = b1

 a21 x1 + a22 x2 + . . . + a2p xp = b2

(S) .. ..


 . .

 a x + a x + ... + a x = b .

n1 1 n2 2 np p n

Les aij s’appellent les coefficients du système ( S ).

La matrice A = (aij ) ∈ Mn,p (K) est appelé matrice du système (S).
Les coefficients b1 , b2 , . . . , bn sont appelés les seconds membres du système (S).
Le système ( S ) est dit triangulaire si la matrice A est triangulaire.
Le système (S) est dit carré si n = p. Dans ce cas, A ∈ Mn (K).
Un système carré est dit de Cramer si sa matrice est inversible.
On dit que (x1 , x2 , . . . , xp ) est une solution du système (S) si les valeurs x1 , x2 , . . . , xp satisfont
à chacune des équations du système (S).
Deux systèmes linéaires sont dits équivalents s’ils ont le même ensemble de solutions.
Un système linéaire est dit homogène si ses seconds membres bi sont tous nuls.

0.5.1 Interprétation matricielle

 
b1
 
 b2 
Soit A = (aij ) ∈ Mn,p (K) la matrice du système (S). Soient B =   la matrice des
 
..

 . 

bn
 
x1
 
 x2 
seconds membres et X =  . Le système (S) s’écrit alors :
 
..

 . 

xp
    
a11 a12 . . . a1p x1 b1
    
 a21 a22 . . . a2p   x2   b2 
= .
    
 .. .. .. ..   .. ..

 . . . . 

 .  
  . 

an1 an2 . . . anp xp bn
C’est à dire AX = B.
Si A est carrée inversible (système de Cramer) alors (S) a une solution unique X = A−1 B.

8
0.5.2 Résolution des systèmes linéaires
Définition 0.5.1. Un système est échelonné si : le nombre de coefficients nuls commençant
une ligne croît strictement ligne après ligne.
Il est échelonné réduit si en plus : le premier coefficient non nul d’une ligne vaut 1 ; et c’est le
seul élément non nul de sa colonne.

Définition 0.5.2. (Matrice augmentée) Si on ajoute le vecteur-colonne des seconds membres b à

la matrice des coefficients A, on obtient ce qu’on appelle la matrice augmentée que l’on note [A | b].

Méthode du pivot de Gauss :

Soit A = (aij )1≤i≤n la matrice des coefficients du système (S) et [A | b] la matrice augmentée.
1≤j≤p
La méthode du pivot de Gauss comporte n − 1 étapes : à chaque étape j on fait apparaître des
0 sur la colonne j pour les lignes i > j par des opérations élémentaires sur les lignes.
Étape j : en permutant éventuellement deux lignes de la matrice augmentée (i.e. deux équations
du système linéaire), on peut supposer ajj 6= 0 (appelé pivot de l’étape j ). On transforme alors
toutes les lignes Li avec i > j selon la règle :

aij
Li ← Li − Lj ,
ajj
ainsi on fait apparaître des 0 sur la colonne j pour les lignes i > j (i.e. on élimine l’inconnue
xj dans chaque lignes Li du système linéaire).
En réitérant le procédé pour i de 1 à n − 1, on aboutit à un système échelonné.
Méthode de Cramer :
Il s’agit de résoudre le système de Cramer AX = B. On pose ∆ = det(A) (∆ 6= 0 car A est
∆i
inversible). Alors, xi = avec :
∆

a11 a12 . . . b1 a1n

a21 a22 . . . b2 a2n
∆i = .. .. .. .. .. .
. . . . .
an1 an2 . . . bn ann
(
2x + 3y = 1
Exemple 0.5.1. Résoudre le système suivant : (S)
3x − 5y = 7
2 3
∆= = −19 6= 0.
3 −5
∆1 26 ∆2 −11
Alors, (S) est un système de Cramer. x = = et y = = .
  ∆ 19 ∆ 19
26 −11
Alors, , est l’unique solution du système ( S ).
19 19

9
 Série Algèbre
Exercice N˚1 :

Soient les matrices

   
−1 1 1 0 !
    1 −2 −1
A= 0
 2 , B =  0 −1 
 et C=
 3 1 0
2 −1 1 1
1. Calculer 2A − 3B, t A, t B, B · t B et t A · B.
2. Calculer A · C et C · A.
3. Trouver la matrice M tel que 3A − 4B + t M = 0.
Exercice N˚2 :

On considère les matrices suivantes :

   
! −1 0 4 0 1
1 2 5    
A= , B=  5 −1 1
, C= 2 3 
−1 0 3   
0 1 −1 −1 0
 
1  
 
D=
 0 
 et E = 2 −1 3
−1

Trouver et effectuer tous les produits matriciels réalisables de deux matrices parmi A, B, C, D et E.
Exercice N˚3 :
 
0 1 1
  2 2
 1 0 1 . Calculer A et vérifier que A = A + 2I3 , où I3 est la matrice identité 3 × 3.
Soit A =  
1 1 0
En déduire que A est inversible et calculer son inverse.
Exercice N˚4 :

1. Calculer les déterminants des matrices

 suivantes
:
  1 2 1 0  
2 1 1 
 1 1 2 1 
 1 1 1
   
A=  1 1 −1  , B =   et  1 m 1  , où m ∈ R.
Cm = 
   
 0 1 1 2 
1 −1 1   1 1 m
1 2 1 1
 
1 2 1
 
2. Existe-t-il a ∈ R tel que le déterminant de la matrice A = 
 a 1 0  soit nul ?

1 0 a

10
Exercice N˚5 :
a−b−c 2a 2a
Soit le déterminant ∆ = 2b b−c−a 2b . Montrer que ∆ = (a + b + c)3 .
2c 2c c−a−b
Exercice N˚6 :

On considère la matrice suivante :  

1 1 1
 
A=
 1 −1 2 

1 1 4
1. a) Calculer le déterminant de la matrice A.
b) En déduire que A est inversible et calculer son inverse A−1 par la méthode de la comatrice.
2. Soit la matrice
 
0 2 1
 
B=
 0 1 0 

−1 2 1

a) Calculer les matrices B 2 et B 3 .

b) Vérifier que B 3 − 2B 2 + 2B = I3 .
c) En déduire que B est inversible et calculer B −1 .
d) Retrouver B −1 par la méthode du pivot de Gauss.
3. Soit la matrice  
2
 
C=
 0 

2
Déterminer la matrice X telle que (AB)X = C.
Exercice N˚7 :

On considère la matrice suivante

 
−m 0 1
 
Am = 
 2 ,m ∈ R
m 1 
1 1 2

1. a) Montrer que, det(Am ) = 2(1 − m)(1 + m).

b)Pour quelles valeurs de m la matrice Am est inversible ?
2. Dans la suite, on prend m = 0 et on désigne par A la matrice A0 .
Calculer l’inverse de la matrice A par deux méthodes différentes.
Exercice N˚8 :

Résoudre par la méthode du pivot de Gauss chacun des systèmes linéaires suivants.

11
 
  
 2x − y + 3z =1
 x + 2y + z =0  x − y − 2z =1
  

  
 −4x + 2y + z =3
S1 : x + y + z =3 ; S2 : x + 2y + 2z =1 ; S3 :


 2x − y − z =0


 2x + y + 4z =3


 −2x + y + 4z =4

 10x − 5y − 6z

=-10
Exercice N˚9 :

 x−y+z =4


On considère le systeme suivant : S : 3x − 2y + 2z =2


 2x + y + z =0
1. Montrer que S est un système de Cramer.
2. Résoudre S par deux méthohdes.
Exercice N˚10 :
 
3 2 1
 
Soit la matrice A = 
 2 2 1 

1 1 1
1. Montrer que A est inversible et calculer son inverse A−1 .
2. Soit le système suivant : 
 3x + 2y + z =1


S: 2x + 2y + z =-1


 x+y+z =2
a) Donner l’écriture matricielle du système S.
b) Résoudre alors le système S.
c) Retrouver les solutions de S par la méthode de Cramer.

12