PCSI 2024-2025

Calcul matriciel
Dans ce chapitre, la lettre K désigne indifféremment l’ensemble R des nombres réels ou l’ensemble C des
nombres complexes. E et F désignent des espaces vectoriels sur K de dimension finie.

1 Généralités
Définition 1 Soient n et p deux entiers naturels non nuls. On appelle matrice de taille n × p à coefficients
dans K un tableau à n lignes et p colonnes de nombres de K. Si A est une telle matrice, on note ai,j le
coefficient situé à la i ème ligne et la j ème colonne. Ainsi :
 
a1,1 a1,2 . . . a1,p
 a2,1 a2,2 . . . a2,p 
A= .
 
.. .. 
 .. . . 
an,1 an,2 ... an,p

L’ensemble des matrices de taille n × p à coefficients dans K est noté Mn,p (K). On écrit également A =
(ai,j )1≤i≤n .
1≤j≤p
Si n = p, on dit que la matrice est carrée et l’ensemble des matrices carrées de taille n × n se note Mn (K).
Si n = 1, on parle de matrice ligne et si p = 1 on parle de matrice colonne.

Définition 2 Soit A = (ai,j )1≤i≤n une matrice de taille n × p. On appelle j ème vecteur colonne de A la
1≤j≤p
matrice colonne  
a1,j
 a2,j 
Cj = 
 
.. 
 . 
an,j
De même, on appelle i ème vecteur ligne de A la matrice ligne

Li = (ai,1 , ai,2 , . . . , ai,n ).

Définition 3 Soient A = (ai,j )1≤i≤n une matrice de Mn,p (K) et B = (bi,j )1≤i≤m une matrice de Mm,q (K).
1≤j≤p 1≤j≤q
On dit que A = B si et seulement si A et B ont même taille et mêmes coefficients, i.e. si n = m, p = q et

∀(i, j) ∈ J1; nK × J1; pK ai,j = bi,j .

2 Des matrices particulières

Définition 4 1. On appelle matrice nulle de taille n × p la matrice dont tous les coefficients sont nuls.
On la note 0Mn,p (K) ou plus simplement 0 lorsqu’il n’y a pas d’ambiguité.
2. La matrice carrée de taille n × n dont tous les termes diagonaux sont égaux à 1 et les autres termes
sont nuls est appelée la matrice identité de taille n, elle est notée In .

Définition 5 Matrices élémentaires.

Dans Mn,p (K), on définit pour tout 1 ≤ i ≤ n, 1 ≤ j ≤ p la matrice notée Ei,j suivante :
 
0 ... 0 ... 0
 .. .. .. 
 . . . 
 
 0 ...
Ei,j =  1 ... 0  
 . .. .. 
 .. . . 
0 ... 0 ... 0
où l’unique coefficient non nul égal à 1 est en position (i, j). Les n×p matrices Ei,j sont appelées matrices
élémentaires.

Lycée Carnot 1/ ??
PCSI 2024-2025

Définition 6 Soit A = (ai,j ) 1≤i≤n ∈ Mn (K) une matrice carrée. On dit que A est
1≤j≤n
1. triangulaire supérieure si pour tout (i, j) ∈ J1; nK2 , i > j ⇒ ai,j = 0
2. triangulaire inférieure si pour tout (i, j) ∈ J1; nK2 , i < j ⇒ ai,j = 0
3. diagonale si pour tout (i, j) ∈ J1; nK2 , i ̸= j ⇒ ai,j = 0

 
1 2
■ Exemple 1 1. est triangulaire supérieure
0 1
 
1 0
2. est triangulaire inférieure
2 1
 
1 0
3. est diagonale
0 2
■

3 Transposition
Définition 7 Soit A = (ai,j ) une matrice de Mn,p (K). On appelle transposée de A, et on note t A, la matrice
B = (bi,j ) définie par bi,j = aj,i pour i ∈ J1, pK et j ∈ J1, nK. Ainsi, t A ∈ Mp,n (K).

■ Exemple 2  
t  1 4
1 2 3
= 2 5 
4 5 6
3 6
■

Remarque 1 1. On obtient donc la transposée d’une matrice en intervertissant les lignes et les colonnes.
t t
2. On a ( A) = A.

Définition 8 Une matrice carrée A est dite symétrique si t A = A.

Une matrice carrée A est dite antisymétrique si t A = −A.

 
1 3
■ Exemple 3 La matrice est une matrice symétrique de M2 (R). ■
3 −7

4 Mn,p (K) et ses opérations

On rappelle ici l’addition et la multiplication des matrices à coefficients, et leurs propriétés.
Définition 9 Soient A et B deux matrices de Mn,p (K). On note A + B la matrice de Mn,p (K) définie par

A + B = (ai,j + bi,j )1≤i≤n

1≤j≤p

Remarque 2 Attention : on ne peut additionner que des matrices de même taille !

Proposition 1 L’addition des matrices est une opération :

1. associative : pour toutes matrices A, B, C, A + (B + C) = (A + B) + C
2. commutative : pour toutes matrices A et B A + B = B + A
3. possédant un élément neutre : pour toute matrice A A + 0 = 0 + A = A
4. telle que toute matrice A possède un opposé : c’est −A = (−ai,j )

Lycée Carnot 2/ ??
PCSI 2024-2025

Remarque 3 Dans ce cas, la transposée d’une somme est la somme des transposées : pour toutes matrices
A, B de Mn,p (K)
t
(A + B) = t A + t B

Définition 10 Soient A ∈ Mn,p (K) et λ ∈ K. On note λA la matrice de Mn,p (K) telle que

λA = (λai,j )1≤i≤n
1≤j≤p

Proposition 2 La multiplication par un scalaire est une opération :

1. associative : pour tous scalaires λ, µ et toute matrice A, λ(µA) = (λµ)A
2. possédant un élément neutre : 1A = A
3. distributive : pour tous scalaires λ, µ et pour toutes matrices A, B, λ(A + B) = λA + λB et (λ + µ)A =
λA + µA.

Les espaces de matrices sont alors muni d’une structure d’espace vectoriel.
■ Exercice 1 Soit M une matrice carrée de taille n × n. Montrer qu’il existe un unique couple de matrices
(S, A), avec S une matrice symétrique et A une matrice antisymétrique, telles que M = S + A. ■

5 Produit matriciel
Définition 11 Soient n, p, q trois entiers naturels non nuls. Pour toutes matrices A = (ai,j ) ∈ Mn,p (K) et
B = (bi,j ) ∈ Mp,q (K), le produit AB de A par B est la matrice C = (ci,j ) ∈ Mn,q (K) telle que pour i ∈ J1; nK
et j ∈ J1; qK,
p
X
ci,j = ai,k bk,j
k=1

Remarque 4 1. S’assurer que les tailles des matrices sont compatibles avant de faire le produit : pour
calculer AB, le nombre de colonnes de A doit être égal au nombre de lignes de B
2. Ce n’est pas parce que AB est défini que BA l’est forcément !
3. Si A et B sont des matrices carrées de taille n × n, alors leur produit est une matrice carrée de taille
n × n.
4. La matrice AB est la matrice dont les colonnes sont obtenues en effectuant le produit de A par les
colonnes de B.
5. - Pour calculer le coefficient [C]i,j , on procèdera selon le schéma ci-dessous (où l’on a représenté en
gras les coefficients de A et B utiles au calcul de ci,j ) :

    
a1,1 ··· a1,k ··· a1,p b1,1 ··· b1,j ··· b1,q c1,1 ··· c1,j ··· c1,q
 .. .. ..   .. .. ..   .. .. .. 
 . . .  . . .   . . . 
 
 
 ai,1
 ··· ai,k ···   bk,1
ai,p   ··· bk,j ··· bk,q 
  ci,1
=  ··· ci,j ··· ci,q 

 . .. ..   .. .. ..   ..
 ..

. .  . . .   . 
an,1 ··· an,k ··· an,p bp,1 ··· bp,j ··· bp,q cn,1 ··· cn,j ··· cn,q

Attention : les propriétés du produit matriciel sont parfois surprenantes !

■ Exemple 4 1. Calculer AB avec


  −2
3 2 −1
A= , B= 5 
2 4 −4
4

Lycée Carnot 3/ ??
PCSI 2024-2025

2. Calculer AB et BA avec    
−2 3 1 3
A= , B=
−1 −1 −2 5
3. Calculer AB et AC avec
     
−2 2 1 −1 1 3 1 −3 9
A =  −1 −4 3 , B= 1 0 2 , C= 2 −2 5 
1 −2 0 −1 2 1 1 −2 7
■

Certaines propriétés du produit sont néanmoins compatibles avec la structure d’espace vectoriel.

Proposition 3 Soient n, p, q, r des entiers naturels non nuls et λ ∈ K. Pour A et B des matrices de Mn,p (K),
C et D des matrices de Mp,q (K) et E une matrice de Mq,r (K), on a
1. (A + B)C = AC + BC
2. A(C + D) = AC + AD
3. A(λC) = (λA)C = λ(AC)
4. (AC)E = A(CE)
5. In A = AIp = A
t
6. (AC) = t C t A

■ Exercice 2 Montrer les formules suivantes :

Ei,k × El,j = δk,l Ei,j

où δk,l est le symbole de Kronecker : δk,l = 1 si k = l, 0 si k ̸= l. - Les lignes de Ei,k sont nulles, sauf la ieme .
Donc les lignes de Ei,k × El,j sont nulles, sauf peut-être la ieme . - Les colonnes de El,j sont nulles, sauf la jeme.
Donc les colonnes de Ei,k × El,j sont nulles, sauf peut-être la j eme . - Le seul coefficient de Ei,k × El,j qui peut
être non nul est donc en position (i, j), et c’est le produit de la ieme ligne de Ei,k et de la j eme colonne de El,j .
Il vaut donc 1 si k = l, et 0 sinon. ■

Remarque 5 Considérons le système linéaire à n équations et p inconnues suivant :



 a1,1 x1 + · · · + a1,p xp = b1
 a2,1 x1 + · · · + a2,p xp = b2

(S) ..


 .
an,1 x1 + · · · + an,p xp = bn


On avait introduit alors la matrice des coefficients associée au système A = (ai,j )1≤i≤n , la matrice
    1≤j≤p
b1 x1
colonne B =  ...  des seconds membres, et la matrice colonne X =  ..  des inconnues. Avec le
  
. 
bp xp
produit matriciel introduit ici, le système (S) précédent se réécrit ici sous la forme AX = B. Ainsi, le p-uplet
(x1 ; . . . ; xp ) ∈ Kp est solution du système (S) si et seulement si X est solution de l’équation matricielle
AX = B.
 
x1
Remarque 6 - Si X =  ...  ∈ Mp,1 (K) est une matrice colonne, et si A ∈ Mn,p (K), alors AX est la
 

xp
matrice colonne :

AX = x1 C1 + · · · + xp Cp
où Ci sont les colonnes de
la matrice A. AX est donc une combinaison linéaire des colonnes de A. - De
même, si X = x1 . . . xn ∈ M1,n (K), alors XA est la matrice ligne :

Lycée Carnot 4/ ??
PCSI 2024-2025

XA = x1 L1 + · · · + xn Ln
où Lj sont les lignes de la matrice A. - Soient A ∈ Mn,p (K) et B ∈ Mp,q (K). La j-ième colonne de AB
est le produit de A par la j-ème colonne de B(1 ≤ j ≤ q). La i-ème ligne de AB est le produit de la i-ième
ligne de A par B (1 ≤ i ≤ n).

6 Matrices diagonales et triangulaires

Ces matrices carrées ont des propriétés intéressantes pour le produit matriciel.

Proposition 4 Dans Mn (K)

1. Le produit de deux matrices triangulaires supérieures est une matrice triangulaire supérieure
2. Le produit de deux matrices triangulaires inférieures est une matrice triangulaire inférieure
3. Le produit de deux matrices diagonales est une matrice diagonale
Et si A = Diag(λ1 , . . . , λn ) et B = Diag(µ1 , . . . , µn ) alors AB = Diag(λ1 µ1 , . . . , λn µn ).

■ Exercice 3 Soit  
−3 0 0
D= 0 3 0 
0 0 1
trouver l’ensemble E des matrices de M3 (R) qui commutent avec D.
■

7 Puissance d’une matrice

Définition 12 Soit A une matrice carrée de Mn (K). Pour tout entier naturel n, on définit An dans Mn (K)
0
par A = In et
∀n ∈ N, An+1 = A × An .
En particulier, A1 = A.

Remarque 7 1. Ainsi An Ap = An+p

2. Mais (AB)n ̸= An B n ! (Par exemple, (AB)2 = ABAB et ABAB ̸= A2 B 2 .

■Exercice 4 Soit A ∈ Mn (R) la matrice carrée dont tous les coefficients sont égaux à 1. Pour p ∈ N∗ , exprimer
Ap en fonction de A, n et p. ■

■ Exercice 5 Pour θ ∈ R, on définit

 
cos(θ) − sin(θ)
M (θ) =
sin(θ) cos(θ)

Calculer M (θ)M (θ′ ) et en déduire une expression simple de M (θ)n pour n ∈ N. ■

Proposition 5 (Puissance d’une matrice triangulaire ou diagonale)

Soit A une matrice triangulaire supérieure (resp. triangulaire inférieure, diagonale). Alors pour tout
p ∈ N, Ap est triangulaire supérieure (resp. triangulaire inférieure, diagonale). De plus, si λ1 , . . . , λn sont les
coefficients diagonaux de A, on a :
 p   k   k 
λ1 ··· λ1 0 · · · 0 λ1 0 · · · 0
.  .. .  .. . 
 0 λp (∗) ..  . ..  . .. 
  
λk2  , resp .  0 λ2
k
Ap = 
 
2  , resp ·  
 . .  .  . .
 .. .. ...  .. (∗) . . . 0   .. .. ... 0 
  

0 · · · 0 λpn ··· λkn 0 · · · 0 λkn
Certaines matrices ont un intérêt particulier pour le calcul des puissances.

Lycée Carnot 5/ ??
PCSI 2024-2025

Définition 13 On dit qu’une matrice carrée B ∈ Mn (K) est nilpotente s’il existe un entier naturel non nul
p tel que B p = 0.

■ Exemple 5 Montrer que la matrice suivante est nilpotente

 
0 1 0
A= 0 0 2 
0 0 0
■

Théorème 1 Formule du binôme de Newton pour les matrices qui commutent

Soient A et B deux matrices carrées de Mn (K) qui commutent i.e. AB = BA. Alors pour tout p ∈ N :
p  
p
X p
(A + B) = Ak B p−k
k
k=0

■ Exemple 6 Calculer An avec  

−1 1 −1
A= 0 −1 1 
0 0 −1
■

■ Exercice 6 Soient A et B deux matrices nilpotentes de Mn (K) qui commutent. Montrer que AB et A + B
sont nilpotentes. ■

■ Exercice 7 On appelle trace d’une matrice carrée A = (ai,j ) ∈ Mn (K) l’application définie par
n
X
Tr(A) = ak,k
k=1

(la somme des éléments de la diagonale de A).

1. Montrer que pour toutes matrices carrées P et Q, Tr(P Q) = Tr(QP ).
2. Que vaut Tr(In ) ?
3. Calculer Tr(t M M ).
4. Montrer, en utilisant la trace d’une matrice carrée, qu’il n’existe pas de matrices A et B de Mn (K) telles
que AB − BA = In .
■

8 Opérations élémentaires de pivot et calcul matriciel

8.1 Matrices d’opérations élémentaires
Définition 14 On appelle opération élémentaire sur les lignes d’une matrice l’une des trois opérations
suivantes - Multiplication d’une ligne Li par un scalaire λ non nul ce que l’on note Li ← λLi . - Échange
des lignes Li et Lj avec i ̸= j ce que l’on note Li ↔ Lj ; - Ajout de β L̇j à Li avec i ̸= j ce que l’on note
Li ← Li + βλLj où β ∈ K.

Définition 15 Soient 1 ≤ i, j ≤ n et λ ∈ K. On définit les matrices d’opérations élémentaires suivantes. On

appelle
- matrice de dilatation toute matrice carrée Di (λ) ∈ Mn (K) de la forme suivante :

Lycée Carnot 6/ ??
PCSI 2024-2025

 
1
 .. 

 . 

Di (λ) = In + (λ − 1)Ei,i =
 λ 

 .. 
 . 
1
- matrice de transposition toute matrice carrée Pi,j ∈ Mn (K) de la forme suivante :
 
1

 1 

Pi,j = (In − Ei,i − Ej,j ) + Ei,j + Ej,i = 
 

 1 
1
- matrice de transvection toute matrice carrée Ti,j (λ) ∈ Mn (K) de la forme suivante :
 
1
 .. 

 . λ 

Ti,j (λ) = In + λEi,j =  1 

 .. 
 . 
1

■ Exemple 7 Pour n = 2, on a :
     
1 0 0 1 1 λ
D2 (λ) = ; P1,2 = ; T1,2 (λ) =
0 λ 1 0 0 1
■

8.2 Traduction matricielle de l’algorithme de Gauss-Jordan

Proposition 6 Soit A ∈ Mn,p (K).
(1) Di (λ)A est la matrice obtenue en appliquant Li ← λLi à A.
(2) Pi,j A est la matrice obtenue en appliquant Li ↔ Lj à A.
(3) Ti,j (λ)A est la matrice obtenue en appliquant Li ← Li + λLj à A.

Preuve. Il suffit de le vérifier directement. Montrons le par exemple pour le produit T1,2 (λ) × A (le raisonnement
général se faisant de la même façon) :

   
  a1,1 a1,2 ··· a1,p a1,1 + λa2,1 a1,2 + λa2,2 ··· a1,p + λa2,p
1 λ  a2,1 a2,2 ··· a2,p   a2,1 a2,2 ··· a2,p 
 0 1 ×
 .. .. .. =
 
.. .. ..


In−2
 . . .   . . . 
an,1 an,2 ··· an,p an,1 an,2 ··· an,p

Remarque 8 Ti,j (λ) = Ti,j (λ) × In , ainsi Ti,j (λ) est la matrice obtenue en appliquant Li ← Li + λLj à In .
Cette remarque permet de retrouver l’expression de Ti,j (λ). On peut bien sûr faire la même remarque pour
les matrices Di (λ) et Pi,j .

Théorème 2 Pour toute matrice A ∈ Mn,p (K), il existe une matrice E produit de matrices d’opérations
élémentaires, et une unique matrice échelonnée réduite par lignes R telles que E × A = R.

Lycée Carnot 7/ ??
PCSI 2024-2025

 
−2 1 −1
■ Exemple 8 On considère la matrice A =  1 1 2 . On applique l’algorithme de GaussJordan
3 −2 1
à A.

      
−2 1 −1 1 1 2 1 1 2
L2 ← L2 + 2L1

 1 1 2  L1 ↔ L2  −2 1 −1   0 3 3 
 L3 ← L3 − 3L1
3 −2 1 3 −2 1 0 −5 −5
    
1 1 2 1 0 1
1 
L1 ← L1 − L2
L2 ← L2  0 1 1   0 1 1 
3 L3 ← L3 + 5L2
0 −5 −5 0 0 0

    
1 0 1 1 1 0 1
3 
L1 ← L 1 + L
3 3
L3 ← L3  0 1 1  0 1 1 
 L2 ← L2 − 13 L3

17
0 0 0 0 0 0
 
1 0 1
Ainsi, R =  0 1 1 , et :
0 0 0

E = T2,3 (−1/3) × T1,3 (1/3) × D3 (3/17) × T3,2 (5) × T1,2 (−1) × D2 (1/3) × T3,1 (3) × T2,1 (2) × P1,2

8.3 Opérations sur les colonnes

Définition 16 On dira que deux matrices A et A′ sont équivalentes en colonnes si on peut passer de la
matrice A à la matrice A′ par une suite opérations élémentaires sur les colonnes de A. On notera alors
A ∼ A′ .
C

Proposition 7 Soit A ∈ Mn,p (K).

(1) ADi (λ) est la matrice obtenue en appliquant Ci ← λCi à A.
(2) APi,j est la matrice obtenue en appliquant Ci ↔ Cj à A.
(3) ATi,j (λ) est la matrice obtenue en appliquant Cj ← Cj + λCi à A.

En particulier, on retrouve le résultat suivant.

Proposition 8 Pour toute matrice A ∈ Mn,p (K), il existe une matrice E ′ produit de matrices d’opérations
élémentaires, et une unique matrice échelonnée réduite par colonnes R′ telles que A × E ′ = R′ .

Remarque 9 Si A ∈ Mn,p (K) est de rang r, on a vu qu’il existe une matrice E produit de matrices
d’opérations élémentaires et une matrice R échelonnée réduite par ligne avec r pivots telle que :

EA = R.
Si on agit alors sur les colonnes de R, on obtient une matrice E ′ produit de matrices d’opérations
élémentaires telle que :
 
′ Ir 0r,p−r
EAE = Jr où Jr = .
0n−r,r 0n−r,p−r

9 Matrices inversibles
Définition 17 une matrice carrée A de Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle que

AB = BA = In

Lycée Carnot 8/ ??
PCSI 2024-2025

La matrice B est alors notée A−1 et s’appelle l’inverse de A. On note GLn (K) l’ensemble des matrices carrées
de taille n inversibles à coefficients dans K.

Lemme 1 1. Si A est inversible, alors son inverse est unique.

2. Si A est inversible et AB = AC alors B = C.

Remarque 10 Attention : si A et B sont inversibles, A + B ne l’est pas forcément !

■ Exemple 9 In est inversible, et In−1 = In .

- La matrice diagonale D = diag (λ1 , . . . , λn ) est inversible si et seulement si λi ̸= 0 pour tout 1 ≤ i ≤ n.
Et dans ce cas, son inverse est D−1 = diag (1/λ1 , . . . , 1/λn ). En effet, si tous les λi sont non nuls, on a bien
D × D−1 = D−1 × D = In . Réciproquement, supposons que l’un des λi soit nul. Alors pour tout B ∈ Mn (K),
la ieme ligne de D × B est nulle et donc D × B ̸= In pour tout B.
- Les matrices d’opérations élémentaires sont inversibles, et on a pour tout 1 ≤ i, j ≤ n et λ ∈ K,
µ ∈ Ka st :
−1
Di (µ)−1 = Di (1/µ) ; Pi,j = Pi,j ; Ti,j (λ)−1 = Ti,j (−λ).
 
2 1 1
- Soit A =  1 2 1 . On a montré que A2 = 5A − 4I3 . En particulier, on a :
1 1 2
   
5 1 2 5 1 5 1
I3 = A − A = A × In − A = In − A × A
4 4 4 4 4 4
 
3/4 −1/4 −1/4
Ainsi, A est inversible et A−1 = 54 In − 41 A =  −1/4 3/4 −1/4 . ■

−1/4 −1/4 3/4

Proposition 9 Soient A et B deux matrices inversibles de Mn (K). Alors

−1
1. A est inversible et (A−1 )−1 = A.
2. AB est inversible et (AB)−1 = B −1 A−1 .
t
3. t A est inversible et (t A)−1 = (A−1 ).

Les exemples suivants vont montrer quelques cas particuliers importants dans lesquels il est possible de
déterminer l’inverse M −1 d’une matrice M en l’exprimant à l’aide des puissances de M .

■ Exemple 10 Soit  
−3 4 2
M =  −2 3 1 
2 −2 0
Exprimer M 2 à l’aide de I3 et de M , en déduire que M est inversible et déterminer M −1 . ■

■ Exercice 8 A partir des relations suivantes, déterminer si A est inversible. Si oui, donner son inverse.

1) 2A2 = 3I 2) 5A3 = 0
3) 2A − 3A − I = 0 4) A non diagonale telle que 2A2 = 5A
2

■ Exercice 9 Pour θ ∈ R, on définit comme dans l’exercie 7

 
cos(θ) − sin(θ)
M (θ) =
sin(θ) cos(θ)

En utilisant le résultat de l’exercice montrer que pour θ ∈ R, M (θ) est inversible et déterminer son inverse en
fonction de θ ■

Lycée Carnot 9/ ??
PCSI 2024-2025

10 Rang
On va définir ici le rang d’une matrice, et faire le lien avec les précédentes notions de rang ( celui d’une
famille de vecteurs et celui d’une application linéaire en particulier ).

11 Calcul de l’inverse d’une matrice

On va décrire ici une méthode générale pour le calcul de l’inverse d’une matrice. Tout d’abord, le théorème
suivant fait le lien entre la résolution d’un système et l’inversibilité de la matrice associée. Il donne également
différentes caractérisations de l’inversibilité d’une matrice.

Théorème 3 Soit A ∈ Mn (K) et B ∈ Mn,1 (K).

(1) A est une matrice inversible ;
(2) il existe A′ ∈ Mn (K) telle que A′ × A = In ; (inversibilité à gauche).
(3) le système AX = 0 admet une seule solution (X = 0) ; (A est de Cramer).
(4) le rang de la matrice A est n ;
(5) A ∼ In ;
L
(6) pour toute matrice colonne B ∈ Mn,1 (K), le système AX = B admet une unique solution ;
(7) pour toute matrice colonne B ∈ Mn,1 (K), le système AX = B admet au moins une solution.

Remarque 11 Soit S un système de n équations à n inconnues et A la matrice qui lui est associée. Le
système S est de Cramer si et seulement si la matrice A est inversible.

La proposition est essentielle en pratique, puisqu’elle permet souvent de décider sans calcul si une matrice
est inversible ou non.
Proposition 10 Une matrice triangulaire est inversible si et seulement si tous ses coefficients diagonaux sont
non nuls.

Proposition 11 Soit A ∈ Mn (K). Alors : A ∈ GLn (K) ⇔ ∃B ∈ Mn (K), B × A = In ⇔ ∃B ′ ∈ Mn (K), A×

′
B = In .

Remarque 12 Pour montrer qu’une matrice A est inversible, il suffit de trouver une matrice B telle que
A × B = In (resp. B × A = In ). Il est donc inutile de vérifier que B × A = In (resp. A × B = In ), c’est
automatiquement vérifié. Attention à bien vérifier que la matrice est carrée avant d’utiliser ce
résultat.

Proposition 12 Toute matrice carrée inversible est le produit d’un nombre fini de matrices d’opérations
élémentaires, ce qui se traduit en disant que le groupe linéaire est engendré par les matrices d’opérations
élémentaires.

Remarque 13 - A ∼ B si et seulement si ∃P ∈ GLn (K) tel que A = P B. - A ∼ B si et seulement si

L C
∃P ∈ GLn (K) tel que A = BP .

Montrons par exemple le premier point :

Si A ∼ B, alors il existe une suite d’opérations élémentaires sur les lignes permettant de passer de B à A,
L
ce qui se traduit matriciellement par l’existence d’une matrice E produit de matrices d’opérations élémentaires
telle que A = EB. On obtient alors le résultat puisque E ∈ GLn (K).
Réciproquement, supposons que A = P B avec P ∈ GLn (K). Alors par la proposition précédente, P est
produit de matrices élémentaires, et donc on peut passer de B à A par des opérations élémentaires sur les
lignes. Donc on a bien A ∼ B.
L

Lycée Carnot 10/ ??

PCSI 2024-2025

12 Calcul pratique de l’inverse d’une matrice

12.1 Cas d’une matrice 2*2
Proposition 13
 Inverse
 d’une matrice de taille 2 × 2
a b
La matrice est inversible si et seulement si ad − bc ̸= 0. Dans ce cas
c d
 
−1 1 d −b
A =
ad − bc −c a

12.2 Méthode de Gauss-Jordan

Théorème 4 Méthode de Gauss-Jordan
Une matrice A est inversible si et seulement si après un nombre fini d’opérations élémentaires on peut la
transformer en une matrice triangulaire avec des éléments non nuls sur la diagonale. De plus, si A est inversible
elle peut se transformer en la matrice identité à l’aide d’opérations élémentaires sur les lignes de A, et A−1
s’obtient en effectuant dans le même ordre les mêmes opérations élémentaires sur les lignes de la matrice
identité.

Preuve. La première partie de cette proposition a déjà été démontrée au théorème précédent. Supposons
que A ∼ In , alors il existe E produit de matrices d’opérations élémentaires telle que E × A = In . Ainsi
L
A−1 = E = E × In , et A−1 s’obtient en effectuant sur les lignes de la matrice identité les mêmes opérations que
celle effectuées sur les lignes de A.
Ainsi, pour calculer l’inverse d’une matrice A, on peut
1. Ecrire la matrice A et In dans deux colonnes séparées
2. Effecter les mêmes opérations sur les lignes de A et de In jusqu’à obtenir l’identité à droite de A
3. La matrice obtenue à droite de In est alors A−1 .

 
1 2 3
■ Exemple 11 On considère la matrice A =  1 4 1 . On applique l’algorithme de Gauss-Jordan à
3 2 1
(A | In ).
    
1 2 3 1 0 0 1 2 3 1 0 0
L2 ← L2 − L1

 1 4 1 0 1 0   0 2 −2 −1 1 0 
 L3 ← L3 − 3L1
3 2 1 0 0 1 0 −4 −8 −3 0 1
  
1 2 3 1 0 0
 1
L2 ← L2  0 1 −1 −1/2 1/2 0 
2
0 −4 −8 −3 0 1

  
1 0 5 2 −1 0
L1 ← L1 − 2L2

 0 1 −1 −1/2 1/2 0 
 L3 ← L3 + 4L2
0 0 −12 −5 2 1
 
1 0 5 2 −1 0
1
L3 ← − L3  0 1 −1 −1/2 1/2 0 
12
0 0 1 5/12 −1/6 −1/12
  
1 0 0 −1/12 −1/6 5/12
L1 ← L1 − 5L3

 0 1 0 −1/12 1/3 −1/12 
 L2 ← L2 + L3
0 0 1 5/12 −1/6 −1/12
 
−1/12 −1/6 5/12
Ainsi A est inversible, et A−1 =  −1/12 1/3 −1/12 .
5/12 −1/6 −1/12
■

12.3 Calcul de l’inverse par la résolution d’un système linéaire

D’après la caractérisation des matrices inversibles, nous avons vu que :

Lycée Carnot 11/ ??

PCSI 2024-2025

A ∈ GLn (K) si et seulement si le système A × X = Y est de Cramer.

De plus, l’unique solution de ce système est alors X = A−1 Y . Cela va nous fournir une autre méthode pour
déterminer si A est inversible et pour calculer A−1 le cas échéant.
- Pour un n-uplet Y = (y1 , . . . , yn ) de paramètres, on résout le système (S)AX = Y . - On échelonne (S) par
l’algorithme de Gauss-Jordan. Deux cas se présentent : - si (S) n’est pas de Cramer, A n’est pas inversible. - si
(S) est de Cramer, A est inversible. De plus, - L’unique solution de (S) s’exprime en fonction des paramètres
y1 , . . . , yn : X = A−1 Y . - On détermine A−1 par identification.
 
3 2 −1
■ Exemple 12 Calculons l’inverse de la matrice A =  1 −1 1 
2 −2 1
On échelonne le système (S)AX = Y .
  
 3x1 + 2x2 − x3 = y1  x1 − x2 + x3 = y2  x1 − x2 + x3 = y2
(S) ⇔ x1 − x2 + x3 = y2 ⇔ 3x1 + 2x2 − x3 = y1 ⇔ 5x2 − 4x3 = y1 − 3y2
2x1 − x2 + x3 = y3 2x1 − x2 + x3 = y3 −x3 = y3 − 2y2
  

Le système est sous forme triangulaire avec coefficients diagonaux tous non nuls. On en déduit que le
système (S) est de Cramer, et donc que A est inversible. De plus en faisant la remontée (c’est à dire en
cherchant l’échelonnée réduite), on obtient :
    
 x1 = 1/5y1 + +1/5y3 x1 y1
(S) ⇔ x2 = 1/5y1 + y2 − 4/5y3 ⇔  x2  = A−1 ×  y2 
x3 = 2y2 − y3 x3 y3

 
1 0 1
Il ne reste plus qu’à lire les coefficients de A−1 : A−1 = 51  1 5 −4 
0 10 −5
■

Lycée Carnot 12/ ??

PCSI 2024-2025

Exercices
   
a b 0 1
■ Exercice 10Calculer An pour n ∈ N avec : a) A = , a, b ∈ R b) A = ; c) A =
0 a 2 0
 
  3 2 3
cos(θ) − sin(θ)
, θ ∈ R ; d) A =  0 3 4  ■
sin(θ) cos(θ)
0 0 3

■ Exercice 11Soit A ∈ Mn (R) la matrice carrée dont tous les coefficients sont égaux à 1. Pour p ∈ N∗ ,
exprimer A en fonction de A, n et p. En déduire le calcul de (A + In )p .
p
■

■ Exercice 12 Déterminer l’inverse, s’il existe, des matrices suivantes :

     
3 2 −1 −1 0 2 1 −1 0
A =  1 −1 1  ; B =  0 0 1  ; C= 1 2 1 
2 −2 1 0 −1 1 1 1 0
■

■ Exercice 13 Déterminer si les matrices suivantes sont inversibles

 en discutant
 suivant le paramètre
 réel α et
  α 1 1 1 2 1
cosh α sinh α
dans ce cas, calculer leur inverse : a) b)  1 α 1  c)  1 1 1 + α .
sinh α cosh α
1 1 α 1 1 −α2
■

■ Exercice 14 Soient
1
   
−1 1 2 1 0 1
1
A =  −2 2 2
 et P =  0 1 1 
3
−2 1 2
4 −2 1
1. Montrer que P est inversible et calculer P −1 .
2. Calculer D = P −1 AP . Que constate t on ?
3. En déduire An .
4. On dit qu’une suite de matrices (Mn ) est convergente si chacune des suites de coefficients de Mn est
convergente. A partir du calcul de An , étudier la convergence de la suite (An ).
5. Soient les trois suites (xn )n∈N , (yn )n∈N , (zn )n∈N définies par la donnée de x0 , y0 , z0 et les relations de
récurrence pour tout n ∈ N :

1


 xn+1 = −xn + yn + zn

 2
1

yn+1 = −2xn + 2yn + zn
 2
 zn+1 = −2xn + yn + 3 zn



2
Déterminer l’expression des suites (xn )n∈N , (yn )n∈N , (zn )n∈N en fonction de n.
■

■ Exercice 15 Soient    
4 −2 −2 1 2 −2
A= 3 −1 −3  et P =  1 3 −3 
−2 2 −2 0 2 −1
1. Montrer que P est inversible et montrer que
 
4 −2 −2
P −1 = 3 −1 −3  .
−2 2 −2

2. Calculer D = P −1 AP . Que constate t on ?

3. Montrer que M commute avec A si et seulement si P −1 M P commute avec D.
4. on suppose qu’il existe X ∈ M3 (R) telle que X 2 = A
(a) Montrer que X commute avec A.
(b) En déduire que P −1 XP est une matrice diagonale. On note ∆ = P −1 XP .

Lycée Carnot 13/ ??

PCSI 2024-2025

(c) Montrer que ∆2 = D et aboutir à une contradiction et conclure.

■

     
−1 2 1 0 1 1
■ Exercice 16 On considère les matrices A = , D= , P = .
−4 5  0 3 1 2
2 −1
1. Montrer que P est inversible et que P −1 = .
−1 1
2. Vérifier que A = P · D · P −1 .
3. Montrer que An = P · Dn · P −1 pour tout n ∈ N.
4. On considère deux fonction définies sur R et à valeurs réelles x et y dérivables sur R.
On suppose que x et y vérifient le système différentiel suivant :
 ′
x = −x + 2y
y ′ = −4x + 5y
   ′ 
x x
On pose X = et X ′ =
y y′
   ′ 
x1 x1
On définit deux fonctions x1 , y1 : R → R par X1 = et X1 = P −1 · X. On pose X1′ =
y1 y1′
′
Montrer que X1 = D · X1 .
En déduire deux équations différentielles vérifiées par x1 et y1 , puis déterminer les fonctions x1 et y1 , et en
déduire les solutions x et y du système de départ. ■

2
■ Exercice 17 Une matrice A = (ai,j ) ∈ Mn (R) est Pndite stochastíque si pour tout (i, j) ∈ [1, n] , ai,j est
un réel positif ou nul et si pour tout i ∈ [1, n], on a j=1 ai,j = 1. On note STn (R) l’ensemble des matrices
stochastiques de Mn (R
1. Donner des exemples de matrices stochastiques.
2. Solt λ ∈ [0, 1]. Montrer que si A et B appartiennent a STn (R), alors λ · A + (1 − λ) · B est dans STn (.
également.
Un ensemble satisfaisant une telle propriété est dit convere.
 
1 
 ..  ∀i, j, ai,j ≥ 0
3. (a) Notons X =  .  ∈ Mn,1 (R). Montrer que : A ∈ STn (R) ⇔ .
AX = X
1
(b) Ea déduire que si A et B sont stochastiques, alors A × B est stochastique.
■

■ Exercice 18 Soit A une matrice carrée réelle d’ordre n ∈ N∗ . On suppose que A3 = 0 et A2 ̸= 0. Pour tout
2
t ∈ R, on note E(t) = I + tA + t2 A2 .
1. Vérifier que pour tout (s, t) ∈ R2 , E(s)E(t) = E(s + t).
2. Cacluler E(0) et en déduire que pour tout t ∈ R, E(t) est inversible et calculer son inverse.
3. L’application E définie de R dans Mn (R) par t 7→ E(t) est-surjective ?
4. Calculer E(t)p pour tout p ∈ Z.
5. Montrer que E est injective.
■

Lycée Carnot 14/ ??