PCSI 2 Calcul matriciel

Plan 4.1.1 Définition . . . . . . . . . . . . 12

4.1.2 Exemples . . . . . . . . . . . . 13
1 L’espace vectoriel M np (K) 1
4.1.3 Unicité . . . . . . . . . . . . . . 13
1.1 Définitions . . . . . . . . . . . . . . . 1
4.1.4 Inverse de l’inverse . . . . . . 14
1.2 Matrices particulières . . . . . . . . . 2
4.1.5 Inverse d’un produit . . . . . . 14
1.3 Addition de matrices . . . . . . . . . . 3
4.1.6 Simplification par une ma-
trice inversible . . . . . . . . . 14
2 Multiplication de matrices 4
4.1.7 Le groupe GL n (K) . . . . . . . 15
2.1 Définition du produit . . . . . . . . . 4
4.2 Détermination pratique . . . . . . . 15
2.2 Exemples . . . . . . . . . . . . . . . . 5
4.2.1 Matrices 2 × 2 . . . . . . . . . . 15
2.3 Pièges à éviter . . . . . . . . . . . . . 5
4.2.2 Méthode de Gauss pour in-
2.4 Propriétés du produit de matrices . . 6 verser les matrices . . . . . . . 15
2.5 Produit de matrices de type E i j . . . 6 4.2.3 Un exemple . . . . . . . . . . . 16
2.6 Exercices . . . . . . . . . . . . . . . . . 7 4.2.4 Calcul de l’inverse par la re-
solution d’un systeme . . . . . 17
3 Règles de calcul dans M n (K) 8 4.3 Matrices triangulaires, matrices
3.1 La matrice identité . . . . . . . . . . . 8 diagonales . . . . . . . . . . . . . . . . 18

3.2 Puissance d’une matrice carrée . . . 9 4.4 Exercices . . . . . . . . . . . . . . . . . 21

3.3 Formule du binôme . . . . . . . . . . 10

5 La transposition 23
3.4 Polynôme de matrice . . . . . . . . . 11
5.1 Transposeé d’une matrice . . . . . . . 23
3.5 Exercices . . . . . . . . . . . . . . . . . 11
5.2 Matrices symétriques - Matrices an-
tisymétriques . . . . . . . . . . . . . . 24
4 Matrice inversibles - groupe linéaire 12
4.1 Définition et propriétés . . . . . . . . 12 6 Trace d’une matrice carrée 25

∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗

Dans ce chapitre K = R ou C

1 L’espace vectoriel M np (K)

1.1 Définitions

Définition 1.1. On appelle matrice à n lignes et p colonnes à coefficients dans K, toute application de
[[1, n]] × [[1, p]] dans K.
l’image d’un couple (i, j) est noté a i j ou A i j.
La matrice elle même est alors notée par
¡ ¢ ¡ ¢
A = a i, j 1≤ i≤n ou a i, j .
1≤ j ≤ p

www.laminelhoucine.blogspot.com page:1/ 26
PCSI 2 Calcul matriciel

Vocabulaire et Notations
— Une matrice A est présentée sous forme d’ un tableau rectangulaire d’éléments de K de la maiere
suivante .  
a 1,1 a 1,2 . . . a 1, j . . . a 1,p
a
 2,1 a 2,2 . . . a 2, j . . . a 2,p 

 ... ... ... ... ... ... 
A=
 
 a i,1 a i,2 . . . a i, j . . . a i,p 

 
 ... ... ... ... ... ... 
a n,1 a n,2 . . . a n, j . . . a n,p
— Elle est dite de taille n × p si le tableau possède n lignes et p colonnes de la manière suivante :.
— Les nombres du tableau sont appelés les coefficients de A.
— Le coefficient a i, j est situé à la i-ème ligne et à la j-ème colonne.
Attention 1.1. On peut aussi écrire a k,l , a r,s ... mais dans tous les cas la première variable désigne le
numéro de la ligne et la deuxième celui de la colonne.
Exemple 1.1. µ ¶
1 −2 5
A=
0 3 7
est une matrice 2 × 3 avec, par exemple, a 1,1 = 1 et a 2,3 = 7.

Définition 1.2. — Deux matrices A et B sont égales lorsqu’elles ont la même taille n × p et que les
coefficients correspondants sont égaux :

∀ i ∈ [[1, n]] ∀ j ∈ [[1, n]] ; A i j = Bi j

— L’ensemble des matrices à n lignes et p colonnes à coefficients dans K est noté M n,p (K).
— Les éléments de M n,p (R) sont appelés matrices réelles.
— Les éléments de M n,p (C) sont appelés matrices complexes.

1.2 Matrices particulières

Voici quelques types de matrices intéressantes :

— Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice carrée. On note
M n (K) au lieu de M n,n (K).
 
a 1,1 a 1,2 . . . a 1,n
 a 2,1 a 2,2 . . . a 2,n 
 
 . .. .. 
 . ..
. . . . 


a n,1 a n,2 . . . a n,n
Les éléments a 1,1 , a 2,2 , . . . , a n,n forment la diagonale principale de la matrice.
— Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou vecteur ligne. On la
note
¡ ¢
A = a 1,1 a 1,2 . . . a 1,p .
— De même, une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice colonne ou vec-
teur colonne. On la note  
a 1, 1
 a 2, 1 
 
A= . 

.
 .. 
a n,1

www.laminelhoucine.blogspot.com page:2/ 26
PCSI 2 Calcul matriciel

— La matrice (de taille n × p) dont tous les coefficients sont des zéros est appelée la matrice nulle et
est notée 0n,p ou plus simplement 0. Dans le calcul matriciel, la matrice nulle joue le rôle du nombre
0 pour les réels.

1.3 Addition de matrices

Définition 1.3 (Somme de deux matrices). Soient A et B deux matrices ayant la même taille n × p. Leur
somme C = A + B est la matrice de taille n × p définie par

ci j = ai j + bi j.

En d’autres termes, on somme coefficients par coefficients. Remarque : on note indifféremment a i j où a i, j

pour les coefficients de la matrice A.

Exemple 1.2.
µ ¶ µ ¶ µ¶
3 −2 0 5 3 3
Si A= et B= alors A+B = .
1 7 2 −1 3 6
µ ¶
−2
0
Par contre si B = alors A + B0 n’est pas définie.
8

Définition 1.4 (Produit d’une matrice par un scalaire). Le produit d’une matrice A = a i j de M n,p (K) par
¡ ¢

un scalaire α ∈ K est la matrice αa i j formée en multipliant chaque coefficient de A par α. Elle est notée
¡ ¢

α · A (ou simplement α A).

Exemple 1.3. µ ¶ µ ¶
1 2 3 2 4 6
Si A= et α=2 alors αA = .
0 1 0 0 2 0

La matrice (−1)A est l’opposée de A et est notée − A. La différence A − B est définie par A + (−B).

Exemple 1.4.
¶
µ µ ¶ µ ¶
2 −1 0 −1 4 2 3 −5 −2
Si A= et B= alors A−B = .
4 −5 2 7 −5 3 −3 0 −1

L’addition et la multiplication par un scalaire se comportent sans surprises :

Proposition 1.1. Soient A, B et C trois matrices appartenant à M n,p (K). Soient α ∈ K et β ∈ K deux
scalaires.
1. A + B = B + A : la somme est commutative,
2. A + (B + C) = (A + B) + C : la somme est associative,
3. A + 0 = A : la matrice nulle est l’élément neutre de l’addition,
4. (α + β)A = α A + β A,
5. α(A + B) = α A + αB.

Démonstration. Prouvons par exemple le quatrième point. Le terme général de (α + β)A est égal à (α +
β)a i j . D’après les règles de calcul dans K, (α + β)a i j est égal à αa i j + βa i j qui est le terme général de la
matrice α A + β A.

www.laminelhoucine.blogspot.com page:3/ 26
PCSI 2 Calcul matriciel

³ −7 2
´ ³1 2 3´ 1 ³1 0 1´
³ 21 −6
³ 1 2´
´
Exercice 1. 1. Soient A = 0 −1 , B= 231 ,C= 0 1 0 , E = −3 0 . Calculer toutes
0 3 ,D=
1 −4 321 2 111 −3 12 −8 6
les sommes possibles de deux de ces matrices. Calculer 3A + 2C et 5B − 4D. Trouver α tel que A − αC
soit la matrice nulle.
2. Montrer que si A + B = A, alors B est la matrice nulle.
3. Que vaut 0 · A ? et 1 · A ? Justifier l’affirmation : α(β A) = (αβ)A. Idem avec nA = A + A + · · · + A (n
occurrences de A).

Proposition 1.2. (M n,p (K), +, ×) est un K− espace vectoriel de dimension

dim M n,p (K) = np

 
0 ... 0 ... 0
. .. .. .. 
 .. . . .
De plus, si E i j =
  est la matrice dont tous les coefficients sont nuls sauf celui à l’in-
0 . . . 1 . . . 0

0 ... 0 ... 0
tersection de la i iemme ligne et la j iemme colonne qui vaut 1 , alors la famille (E i j ) 1 ≤ i ≤ n est la base
1≤ j≤ p
canonique de M n,p (K) et on a

p
n X
X
A= (a i j ) ⇔ A= ai j Ei j
i =1 j =1

Remarque 1.1. La matrice E i j est donnée par

E i j = (δ ik δ jl ) 1 ≤ k ≤ n
1≤l≤ p

½
1 si r = s
où δrs = est le symbole de Kronecker
0 si non

2 Multiplication de matrices

2.1 Définition du produit

Le produit AB de deux matrices A et B est défini si et seulement si le nombre de colonnes de A est égal
au nombre de lignes de B.

Définition 2.1 (Produit de deux matrices). Soient A = (a i j ) une matrice n × p et B = (b i j ) une matrice
p × q. Alors le produit C = AB est une matrice n × q dont les coefficients c i j sont définis par :
p
X
ci j = a ik b k j
k=1

On peut écrire le coefficient de façon plus développée, à savoir :

c i j = a i1 b 1 j + a i2 b 2 j + · · · + a ik b k j + · · · + a i p b p j .

Il est commode de disposer les calculs de la façon suivante.

www.laminelhoucine.blogspot.com page:4/ 26
PCSI 2 Calcul matriciel

 
×
 × 
←B
 
×
 
 
   × 
|
   | 
A→  ← AB
   
× × × × − − − ci j
 


Avec cette disposition, on considère d’abord la ligne de la matrice A située à gauche du coefficient que l’on
veut calculer (ligne représentée par des × dans A) et aussi la colonne de la matrice B située au-dessus du
coefficient que l’on veut calculer (colonne représentée par des × dans B). On calcule le produit du premier
coefficient de la ligne par le premier coefficient de la colonne (a i1 × b 1 j ), que l’on ajoute au produit du
deuxième coefficient de la ligne par le deuxième coefficient de la colonne (a i2 × b 2 j ), que l’on ajoute au
produit du troisième. . .

2.2 Exemples

Exemple 2.1.
1 2
 
µ ¶
1 2 3
A= B = −1 1
2 3 4
1 1

On dispose d’abord le produit correctement (à gauche) : la matrice obtenue est de taille 2 × 2. Puis on
calcule chacun des coefficients, en commençant par le premier coefficient c 11 = 1 × 1 + 2 × (−1) + 3 × 1 = 2
(au milieu), puis les autres (à droite).

1 2 1 2 1 2
    
−1 1 −1 1 −1 1
1 1 1 1 1 1
µ ¶ µ ¶ µ ¶ µ ¶ µ ¶ µ ¶
1 2 3 c 11 c 12 1 2 3 2 c 12 1 2 3 2 7
2 3 4 c 21 c 22 2 3 4 c 21 c 22 2 3 4 3 11

Un exemple intéressant est le produit d’un vecteur ligne par un vecteur colonne :
 
b1
 b2 
 
¡ ¢
u = a1 a2 · · · a n v= .. 

 . 
bn
Alors u × v est une matrice de taille 1 × 1 dont l’unique coefficient est a 1 b 1 + a 2 b 2 + · · · + a n b n . Ce nombre
s’appelle le produit scalaire des vecteurs u et v.

Calculer le coefficient c i j dans le produit A × B revient donc à calculer le produit scalaire des vecteurs
formés par la i-ème ligne de A et la j-ème colonne de B.

2.3 Pièges à éviter

Premier piège. Le produit de matrices n’est pas commutatif en général.

En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais pas
de la même taille. Mais même dans le cas où AB et BA sont définis et de la même taille, on a en général
AB 6= BA.

www.laminelhoucine.blogspot.com page:5/ 26
PCSI 2 Calcul matriciel

Exemple 2.2. µ ¶µ ¶ µ ¶ µ ¶µ ¶ µ ¶
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2

Deuxième piège. AB = 0 n’implique pas A = 0 ou B = 0.

Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres termes, on peut avoir A 6= 0
et B 6= 0 mais AB = 0.
Exemple 2.3. µ ¶ µ ¶ µ ¶
0 −1 2 −3 0 0
A= B= et AB = .
0 5 0 0 0 0

Troisième piège. AB = AC n’implique pas B = C. On peut avoir AB = AC et B 6= C.

Exemple 2.4.
µ ¶ µ ¶ µ ¶ µ ¶
0 −1 4 −1 2 5 −5 −4
A= B= C= et AB = AC = .
0 3 5 4 5 4 15 12

2.4 Propriétés du produit de matrices

Malgré les difficultés soulevées au-dessus, le produit vérifie les propriétés suivantes :

Proposition 2.1. 1. A(BC) = (AB)C : associativité du produit,

2. A(B + C) = AB + AC et (B + C)A = BA + C A : distributivité du produit par rapport à la somme,
3. A · 0 = 0 et 0 · A = 0.

Démonstration. Posons A = (a i j ) ∈ M n,p (K), B = (b i j ) ∈ M p,q (K) et C = (c i j ) ∈ M q,r (K). Prouvons que
A(BC) = (AB)C en montrant que les matrices A(BC) et (AB)C ont les mêmes coefficients.
p
X
Le terme d’indice (i, k) de la matrice AB est x ik = a i` b `k . Le terme d’indice (i, j) de la matrice (AB)C
`=1
est donc à !
q
X q
X p
X
x ik c k j = a i` b `k c k j .
k=1 k=1 `=1
q
X
Le terme d’indice (`, j) de la matrice BC est y` j = b `k c k j . Le terme d’indice (i, j) de la matrice A(BC)
k=1
est donc à !
p
X q
X
a i` b`k c k j .
`=1 k=1
Comme dans K la multiplication est distributive et associative, les coefficients de (AB)C et A(BC) coïn-
cident. Les autres démonstrations se font comme celle de l’associativité.

2.5 Produit de matrices de type E i j

Théorème 2.1. Soit E i j une matrice de la base canonique de M np (K) et E kl une matrice de la base
canonique de M pq (K) alors
E i j .E kl = δ jk E il
où E il est une matrice de la base canonique de M nq (K)

www.laminelhoucine.blogspot.com page:6/ 26
PCSI 2 Calcul matriciel

Preuve : E i j est de taille (n, p) et E kl est de taille (p, q) donc E i j .E kl est bien définit et est de taille (n, q).
Posons E i j .E kl = (c rs ) 1≤r≤n , alors
1≤s≤q

p
X
c rs = [E i j ]rt [E kl ] ts
t=1
Xp
= δ ir δ jt δkt δls
t=1
p
X
= δ ir δls δ jt δkt
t=1
| {z }
=δ jk
= δ ir δls δ jk

Or E il = (δ ir δls ) donc E i j .E kl = δ jk E il .

2.6 Exercices
¡ ¢
Exercice 2. On considère les matrices suivantes : A = 1 2 3 ,

2 1 −1 1 3
   
µ ¶ µ ¶
1 − 2 5
B= , C =  −3 0  , D = , E =  −1 −4 0  .
−2 5 0
1 2 0 2 5

Quels sont les produits matriciels possibles ? Quelles sont les matrices carrées s ?

Solution : On peut effectuer les produits AC, AE, BA, CB, CD, DB, DD, EC, EE. Seules les matrices D et E sont carrée.

Exercice 3. Calculer lorsqu’ils sont définis les produits AB et BA dans chacun des cas suivants :
µ ¶ µ ¶
1 0 0 0
1. A = , B=
0 0 0 1
0 2 1
 
µ ¶
2 0 1
2. A =  1 1 0  , B=
−1 1 2
−1 −2 −1
1 2
 
µ ¶
−1 1 0 1
3. A = 1 1 , B =
 
2 1 0 0
0 3

Solution : 1. Puisque A et B sont deux matrices carrées de même ordre, les deux produits AB et BA sont possibles. On
trouve : µ ¶ µ ¶
0 0 0 0
AB = , BA = .
0 0 0 0
En particulier, AB = BA = 0 alors que ni A ni B ne sont nuls.
2. Le produit AB n’est pas défini car A a trois colonnes et B deux lignes. Pour BA, on trouve
µ ¶
−1 2 1
BA = .
−1 −5 −3

3. Le produit BA n’est pas défini. En revanche, on a

3 3 0 1
 

AB =  1 2 0 1 .
6 3 0 0

µ ¶
a b
Exercice 4. Soient a et b des réels non nuls, et A = . Trouver toutes les matrices B ∈ M2 (R) qui
0 a
commutent avec A, c’est-à-dire telles que AB = BA.

www.laminelhoucine.blogspot.com page:7/ 26
PCSI 2 Calcul matriciel

µ ¶
c d
Solution : Soit B = une telle matrice. On a :
e f
µ ¶ µ ¶
ac + be ad + b f ac bc + da
AB = , BA = .
ae af ae be + a f

Puisque AB = BA, on obtient le système :


 ac + be = ac
ad + b f = bc + da
af be + a f

=
On résoud ce système pour trouver que e = 0 et c = f . Toutes les matrices B qui conviennent sont celles de la forme :
µ ¶
c d
.
0 c

1 0 0 1 1 1 1 1 1
     

Exercice 5. On considère les matrices A =  0 1 1 , B =  0 1 0  et C =  1 2 1 . Calcu-

3 1 1 1 0 0 0 −1 −1
ler AB, AC. Que constate-t-on ?Trouver toutes les matrices F ∈ M3 (R) telles que AF = 0 (où 0 désigne la
matrice nulle)

Solution : On trouve :
1 1 1
 

AB = AC =  1 1 0 .
4 4 3
Pour la seconde partie, on considère F une matrice vérifiant les propriétés précitées :

a b c
 

F = d e f .
g h i

Le calcul de AF donne :
a b c
 

AF =  d+g e+h f +i .
3a + d + g 3b + e + h 3c + f + i
Puisque AF = 0, on a le système suivant :

a=b=c=0


 a=b=c=0



d = −g
d+ g = e+h= f +i =0 ⇐⇒
 e = −h
3a + d + g = 3b + e + h = 3c + f + i = 0
 

f = −i

Les matrices F recherchées sont donc les matrices de la forme :

0 0 0
 

F = d e f .
−d − e −f

3 Règles de calcul dans M n (K)

3.1 La matrice identité

La matrice carrée suivante s’appelle la matrice identité :

 
1 0 ... 0
 0 1 ... 0 
 
δi j 1 ≤ i ≤ n
¡ ¢
In =  . . .
 ..  =
.
 . .. . . . 

1≤ j≤n
0 0 ... 1

www.laminelhoucine.blogspot.com page:8/ 26
PCSI 2 Calcul matriciel

(
0 si i 6= j
où δ i, j = est le symbole de Kronecker
1 si i = j.
Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0. Elle se note I n ou
simplement I. Dans le calcul matriciel, la matrice identité joue un rôle analogue à celui du nombre 1 pour
les réels. C’est l’élément neutre pour la multiplication. En d’autres termes :

Proposition 3.1. Si A est une matrice n × p, alors

In · A = A et A · I p = A.

Démonstration. Nous allons détailler la preuve. Soit A ∈ M n,p (K) de terme général a i j .
le terme général de la matrice identité I p est δ i, j avec i et j entiers, compris entre 1 et p.

La matrice produit AI p est une matrice appartenant à M n,p (K) dont le terme général c i j est donné par la formule
p
X
ci j = a ik δk j . Dans cette somme, i et j sont fixés et k prend toutes les valeurs comprises entre 1 et p. Si k 6= j alors
k=1
δk j = 0, et si k = j alors δk j = 1. Donc dans la somme qui définit c i j , tous les termes correspondant à des valeurs de
k différentes de j sont nuls et il reste donc c i j = a i j δ j j = a i j 1 = a i j . Donc les matrices AI p et A ont le même terme
général et sont donc égales. L’égalité I n A = A se démontre de la même façon.

3.2 Puissance d’une matrice carrée

Dans l’ensemble M n (K) des matrices carrées de taille n × n à coefficients dans K, la multiplication des
matrices est une opération interne : si A, B ∈ M n (K) alors AB ∈ M n (K).
En particulier, on peut multiplier une matrice carrée par elle-même : on note A 2 = A × A, A 3 = A × A × A.
On peut ainsi définir les puissances successives d’une matrice :

Définition 3.1. Pour tout A ∈ M n (K), on définit les puissances successives de A par A 0 = I n et A p+1 =
A p × A pour tout p ∈ N. Autrement dit, A p = |A × A ×
{z· · · × A}.
p facteurs

1 0 1
 

Exemple 3.1. On cherche à calculer A p avec A = 0 −1 0. On calcule A 2 , A 3 et A 4 et on obtient :

0 0 2

1 0 3 1 0 7 1 0 15
     

A 2 = 0 1 0 A 3 = A 2 × A = 0 −1 0 A 4 = A 3 × A = 0 1 0  .
0 0 4 0 0 8 0 0 16

1 0 2p − 1
 

L’observation de ces premières puissances permet de penser que la formule est : A p = 0 (−1) p 0 .
0 0 2p
Démontrons ce résultat par récurrence.
Il est vrai pour p = 0 (on trouve l’identité). On le suppose vrai pour un entier p et on va le démontrer pour
p + 1. On a, d’après la définition,

2p − 1 2 p+1 − 1
  
1 0 1 0 1 1 0
  

A p+1 = A p × A = 0 (−1) p 0  × 0 −1 0 = 0 (−1) p+1 0 .

 
0 0 2p 0 0 2 0 0 2 p+1
Donc la propriété est démontrée.

www.laminelhoucine.blogspot.com page:9/ 26
PCSI 2 Calcul matriciel

Proposition 3.2. Soient A, B ∈ M n (K) deux matrices carees telles que AB =BA ; on dit alors que A et B
commutent entre eux ; et soient p, q ∈ N .Alors
1. (A p ) q = A pq A p A q = A p+ q
2. (AB) p = A p B p
3. Si p ≥ 1 alors
pX
−1
A p − B p = (A − B) A i B n−1− i
i =0

Remarque 3.1. C’est faux lorsque AB 6= BA , par contre

AB p = A(BA) p−1 B
est valable dans tous les cas .

3.3 Formule du binôme

Comme la multiplication n’est pas commutative, les identités binomiales usuelles sont fausses. En parti-
culier, (A + B)2 ne vaut en général pas A 2 + 2AB + B2 , mais on sait seulement que

(A + B)2 = A 2 + AB + BA + B2 .

Proposition 3.3 (Calcul de (A + B) p lorsque AB = BA). Soient A et B deux éléments de M n (K) qui com-
mutent, c’est-à-dire tels que AB = BA. Alors, pour tout entier p ≥ 0, on a la formule
à !
p
p
X p p− k k
(A + B) = A B
k=0 k
à !
p
où désigne le coefficient du binôme.
k

La démonstration est similaire à celle de la formule du binôme pour (a + b) p , avec a, b ∈ R.

   
1 1 1 1 0 1 1 1
0 1 2 1 0 0 2 1
Exemple 3.2. Soit A =  . On pose N = A − I =  . La matrice N est nilpotente
   
0 0 1 3 0 0 0 3
0 0 0 1 0 0 0 0
(c’est-à-dire il existe k ∈ N tel que N k = 0) comme le montrent les calculs suivants :
   
0 0 2 4 0 0 0 6
0 0 0 6 0 0 0 0
N2 =  N3 =  et N 4 = 0.
   
0 0 0 0 0 0 0 0
 
0 0 0 0 0 0 0 0

Comme on a A = I + N et les matrices N et I commutent (la matrice identité commute avec toutes les
matrices), on peut appliquer la formule du binôme de Newton. On utilise que I k = I pour tout k et surtout
que N k = 0 si k ≥ 4. On obtient
à ! à !
p 3
p p k p− k X p k p( p−1) p( p−1)( p−2) 3
N = I + pN + 2! N 2 +
X
A = N I = 3! N .
k=0 k k=0 k

www.laminelhoucine.blogspot.com page:10/ 26
PCSI 2 Calcul matriciel

D’où
1 p p2 p(p2 − p + 1)
 

0 1 2p p(3p − 2) 
 
Ap =  .
0 0 1 3p 
0 0 0 1
³2 1 0 ´ ³ 8 2´ ³5´
Exercice 6. 1. Soient A = 60 −24 −02 , B = 0 1 0 , C = −3 2 , D = 2 , E = x y z . Quels produits
¡ ¢ ¡ ¢
2 −2 −3 −5 5 −1
sont possibles ? Les calculer !
³0 0 1´ ³1 0 0´
2. Soient A = 0 1 0 et B = 0 0 2 . Calculer A 2 , B2 , AB et BA.
112 1 −1 0
³2 0 0´ ³0 0 0´
3. Soient A = 0 2 0 et B = 2 0 0 . Calculer A p et B p pour tout p ≥ 0. Montrer que AB = BA. Calculer
002 310
(A + B) p .

3.4 Polynôme de matrice

m
Définition 3.2. A ∈ M n (K) et P = a k X k un polynôme.
X
k=0

• On définit P(A) par

m
ak Ak ∈ M n (K)
X
P(A) =
k=0

• On dit que P est un polynôme annulateur de A si P(A) = 0 M n (K)

Proposition 3.4. Soient A, B ∈ M n (K). Alors pour tous P,Q ∈ K[X ] et λ ∈ K on a

(P + λQ)(A) = P(A) + λQ(A)

(PQ)(A) = P(A)Q(A)
AB = BA ⇒ P(A)Q(B) = Q(B)P(A)
En particulier A et P(A) commutent.

Si P = 3 + 2X − 5X 2 + X 4 et A ∈ M n (K) alors

P(A) = 3I n + 2A − 5A 2 + A 4

Attention au terme constant : 3 = 3X 0 −→ 3A 0 = 3I n

3.5 Exercices

0 1 −1
 

Exercice 7. Soit A = −1 2 −1.

1 −1 2
1. Montrer que X 2 − 3X + 2 est un polynôme annulateur de A.
2. Pour n ≥ 2, déterminer le reste de la division euclidienne de X n par X 2 − 3X + 2.
3. Déduire de la question précédente la valeur de A n , pour n ≥ 2.

Solution : 1. Par calcul directe on a A 2 − 3A + 2I 3 = 0.

www.laminelhoucine.blogspot.com page:11/ 26
PCSI 2 Calcul matriciel

2. On sait que
X n = (X 2 − 3X + 2)Q n (X ) + a n X + b n ,
où a n X + b n est le reste dans la division euclidienne de X n par X 2 − 3X + 2. Pour trouver la valeur de a n et b n , on évalue
l’égalité précédente en les racines de X 2 − 3X + 2, c’est-à-dire en 1 et 2. On trouve le système :
½
an + bn = 1
2a n + b n = 2n

dont l’unique solution est a n = 2n − 1 et b n = 2 − 2n .

3. Puisque A 2 − 3A + 2I 3 = 0 et en remplaçant dans l’expression de la division euclidienne, on trouve

A n = (2n − 1)A + (2 − 2n )I 3 .

Exercice 8. Soit
1 1 0 1 0 0
   

A =  0 1 1 , I =  0 1 0  et B = A − I.
0 0 1 0 0 1
Calculer B n pour tout n ∈ N. En déduire A n .

Solution : On commence par calculer les premières valeurs de B n . On a

0 1 0 0 0 1 0 0 0
     
2 3
B= 0 0 1 , B = 0 0 0 , B = 0 0 0 .
0 0 0 0 0 0 0 0 0

On en déduit alors par récurrence que, pour tout n ≥ 3, on a B n = 0. En effet, c’est vrai pour n = 3. Si c’est vrai au rang n ≥ 3, alors

B n+1 = B n × B = 0 × B = 0.

Pour obtenir A, on écrit A = I + B et on remarque que I et B commutent puisque IB = BI = B. On peut alors appliquer la formule
du binôme de Newton, ce qui est très facile ici puisque B n = 0 dès que n ≥ 3. On en déduit
à ! à !
n n−1 n n−1 n n−2 2
A =I + I B+ I B
1 2

ce qui se réécrit en
n(n − 1) 2
A n = I + nB + B .
2
On a donc
n(n − 1)
 
 1 n
A= 2 
.
 0 1 n 
0 0 1

Exercice 9. Soit E le sous ensemble de M3 (R) défini par

a 0 c
 
n o
E = M(a, b, c) = 0
 b 0  : a, b, c ∈ R .
c 0 a

Montrer que E est un sous-espace vectoriel de M3 (R) stable pour la multiplication des matrices. Calculer
dim(E).

Solution : Considérons A, B et C les trois matrices suivantes :

1 0 0 0 0 0 0 0 1
     

A= 0 0 0 ,B =  0 1 0 ,C =  0 0 0 .

0 0 1 0 0 0 1 0 0

Alors une matrice M est élément de E si et seulement si il existe trois réels a, b, c tels que M = aA + bB + cC. Autrement dit,
E = vect(A, B, C) est l’espace vectoriel de A, B, C. E est donc bien un sous-espace vectoriel de M3 (R). De plus, (A, B, C) est une
base de E. En effet, par définition, c’est une famille génératrice de E. De plus, (A, B, C) est une famille libre. En effet, s’il existe

www.laminelhoucine.blogspot.com page:12/ 26
PCSI 2 Calcul matriciel

trois scalaires a, b, c tels que aA + bB + cC = 0, alors on obtient M(a, b, c) = 0 ce qui donne a = b = c = 0. Ainsi, dim(E) = 3. Reste à
voir que E est stable par multiplication de matrices. Mais, pour tous a, b, c, a0 , b0 , c0 réels, on a :

aa0 + cc0 0 ac0 + a0 c

 
0 0 0
M(a, b, c) × M(a , b , c ) =  0 bb0 0  = M(aa0 + cc0 , bb0 , ac0 + a0 c) ∈ E.
ac0 + a0 c 0 aa0 + cc0

E est donc bien stable par multiplication.

4 Matrice inversibles - groupe linéaire

4.1 Définition et propriétés

4.1.1 Définition

Définition 4.1 (Matrice inverse). Soit A une matrice carrée de taille n × n. S’il existe une matrice carrée
B de taille n × n telle que
AB = I et BA = I,
on dit que A est inversible. On appelle B l’inverse de A et on la note A −1 .

On verra plus tard qu’il suffit en fait de vérifier une seule des conditions AB = I ou bien BA = I.

— Plus généralement, quand A est inversible, pour tout p ∈ N, on note :

A − p = (A −1 ) p = |A −1 A −{z
1
· · · A −1} .
p facteurs

— L’ensemble des matrices inversibles de M n (K) est noté GL n (K).

4.1.2 Exemples

Exemple 4.1. Soit A = 10 23 . Étudier si A est inversible, c’est étudier l’existence d’une matrice B = ac db à
¡ ¢ ¡ ¢

coefficients dans K, telle que AB = I et BA = I. Or AB = I équivaut à :

µ ¶µ ¶ µ ¶ µ ¶ µ ¶
1 2 a b 1 0 a + 2c b + 2d 1 0
AB = I ⇐⇒ = ⇐⇒ =
0 3 c d 0 1 3c 3d 0 1

Cette égalité équivaut au système : 


 a + 2c = 1

 b + 2d = 0

 3c = 0

 3d = 1

2 1
Sa résolution est immédiate : a = 1, b = − , c = 0, d = . Il n’y a donc qu’une seule matrice possible, à
µ 2¶ 3 3
1 −3
savoir B = 0 1 . Pour prouver qu’elle convient, il faut aussi montrer l’égalité BA = I, dont la vérification
3
2
 
1 −
est laissée au lecteur. La matrice A est donc inversible et A −1 =  3
1 .

0
3

www.laminelhoucine.blogspot.com page:13/ 26
PCSI 2 Calcul matriciel

µ ¶
¡3 0¢ a b
Exemple 4.2. La matrice A = 50 n’est pas inversible. En effet, soit B = une matrice quelconque.
c d
Alors le produit µ ¶µ ¶ µ ¶
a b 3 0 3a + 5b 0
BA = =
c d 5 0 3c + 5d 0
ne peut jamais être égal à la matrice identité.
Exemple 4.3. — Soit I n la matrice carrée identité de taille n × n. C’est une matrice inversible, et son
inverse est elle-même par l’égalité I n I n = I n .
— La matrice nulle 0n de taille n × n n’est pas inversible. En effet on sait que, pour toute matrice B de
M n (K), on a B0n = 0n , qui ne peut jamais être la matrice identité.

4.1.3 Unicité

Proposition 4.1. Si A est inversible, alors son inverse est unique.

Démonstration. La méthode classique pour mener à bien une telle démonstration est de supposer l’exis-
tence de deux matrices B1 et B2 satisfaisant aux conditions imposées et de démontrer que B1 = B2 .
Soient donc B1 telle que AB1 = B1 A = I n et B2 telle que AB2 = B2 A = I n . Calculons B2 (AB1 ). D’une part,
comme AB1 = I n , on a B2 (AB1 ) = B2 . D’autre part, comme le produit des matrices est associatif, on a
B2 (AB1 ) = (B2 A)B1 = I n B1 = B1 . Donc B1 = B2 .

4.1.4 Inverse de l’inverse

Proposition 4.2. Soit A une matrice inversible. Alors A −1 est aussi inversible et on a : (A −1 )−1 = A

4.1.5 Inverse d’un produit

Proposition 4.3. Soient A et B deux matrices inversibles de même taille. Alors AB est inversible et
(AB)−1 = B−1 A −1

Il faut bien faire attention à l’inversion de l’ordre !

Démonstration. Il suffit de montrer (B−1 A −1 )(AB) = I et (AB)(B−1 A −1 ) = I. Cela suit de

(B−1 A −1 )(AB) = B−1 (A −1 A)B = B−1 IB = B−1 B = I,

et (AB)(B−1 A −1 ) = A(BB−1 )A −1 = AI A −1 = A A −1 = I.

De façon analogue, on montre que si A 1 , . . . , A m sont inversibles, alors

(A 1 A 2 · · · A m )−1 = A −1 −1 −1
m A m−1 · · · A 1 .

Proposition 4.4. Si A est inversible et λ ∈ K un scalaire non nul alors λ A est inversible et

1 −1
(λ A)−1 = A
λ

www.laminelhoucine.blogspot.com page:14/ 26
PCSI 2 Calcul matriciel

4.1.6 Simplification par une matrice inversible

Si C est une matrice quelconque de M n (K), nous avons vu que la relation AC = BC où A et B sont des
éléments de M n (K) n’entraîne pas forcément l’égalité A = B. En revanche, si C est une matrice inversible,
on a la proposition suivante :

Proposition 4.5. Soient A et B deux matrices de M n (K) et C une matrice inversible de M n (K). Alors
l’égalité AC = BC implique l’égalité A = B.

Démonstration. Ce résultat est immédiat : si on multiplie à droite l’égalité AC = BC par C −1 , on obtient

l’égalité : (AC)C −1 = (BC)C −1 . En utilisant l’associativité du produit des matrices on a A(CC −1 ) = B(CC −1 ),
ce qui donne d’après la définition de l’inverse AI = BI, d’où A = B.

Exercice 10. 1. Soient A = −31 −42 et B = 25 13 . Calculer A −1 , B−1 , (AB)−1 , (BA)−1 , A −2 .

¡ ¢ ¡ ¢
³1 0 0´
2. Calculer l’inverse de 0 2 0 .
103
³ −1 −2 0 ´
3. Soit A = 2 3 0 . Calculer 2A − A 2 . Sans calculs, en déduire A −1 .
0 0 1

4.1.7 Le groupe GL n (K)

Proposition 4.6. GL n (K) muni du produit matriciel est un groupe non commutatif (en général) d’élément
neutre I n .

Remarques 4.1. • La matrice nulle n’est pas inversible 0 ∉ GL n (K)

• La somme de deux matrices inversibles n’est pas forcement inversible
• GL n (K) n ’est pas un sous espace vectoriel de M n (K)

4.2 Détermination pratique

Nous allons voir une méthode pour calculer l’inverse d’une matrice quelconque de manière efficace. Cette
méthode est une reformulation de la méthode du pivot de Gauss pour les systèmes linéaires. Auparavant,
nous commençons par une formule directe dans le cas simple des matrices 2 × 2.

4.2.1 Matrices 2 × 2
µ ¶
a b
Considérons la matrice 2 × 2 : A = .
c d

1
µ ¶
d −b
Proposition 4.7. Si ad − bc 6= 0, alors A est inversible et A −1 =
ad − bc − c a

1 ¡
d −b
¢ ¡1 0¢
Démonstration. On vérifie que si B = − c a alors AB = 0 1 . Idem pour BA.
ad − bc

www.laminelhoucine.blogspot.com page:15/ 26
PCSI 2 Calcul matriciel

4.2.2 Méthode de Gauss pour inverser les matrices

La méthode pour inverser une matrice A consiste à faire des opérations élémentaires sur les lignes de la
matrice A jusqu’à la transformer en la matrice identité I. On fait simultanément les mêmes opérations
élémentaires en partant de la matrice I. On aboutit alors à une matrice qui est A −1 . La preuve sera vue
dans la section suivante.

En pratique, on fait les deux opérations en même temps en adoptant la disposition suivante : à côté de
la matrice A que l’on veut inverser, on rajoute la matrice identité pour former un tableau (A | I). Sur
les lignes de cette matrice augmentée, on effectue des opérations élémentaires jusqu’à obtenir le tableau
(I | B). Et alors B = A −1 .

Ces opérations élémentaires sur les lignes sont :

1. L i ← λL i avec λ 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément de K \ {0}).
2. L i ← L i + λL j avec λ ∈ K (et j 6= i) : on peut ajouter à la ligne L i un multiple d’une autre ligne L j .
3. L i ↔ L j : on peut échanger deux lignes.

N’oubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmentée, vous devez aussi le
faire sur la partie droite.

4.2.3 Un exemple

1 2 1
 

Calculons l’inverse de A =  4 0 −1 .

−1 2 2
Voici la matrice augmentée, avec les lignes numérotées :

1 2 1 1 0 0
 
L1
(A | I) =  4 0 −1 0 1 0  L2
−1 2 2 0 0 1 L3

On applique la méthode de Gauss pour faire apparaître des 0 sur la première colonne, d’abord sur la
deuxième ligne par l’opération élémentaire L 2 ← L 2 − 4L 1 qui conduit à la matrice augmentée :

1 2 1 1 0 0
 
 0 −8 −5 −4 1 0  L 2 ←L 2 −4L 1
−1 2 2 0 0 1

Puis un 0 sur la première colonne, à la troisième ligne, avec L 3 ← L 3 + L 1 :

1 2 1 1 0 0
 
 0 −8 −5 −4 1 0 
0 4 3 1 0 1 L 3 ←L 3 +L 1

On multiplie la ligne L 2 afin qu’elle commence par 1 :

 
1 2 1 1 0 0
 5 1 1 
 0 1 − 0  L 2 ←− 18 L 2
 8 2 8 
0 4 3 1 0 1

www.laminelhoucine.blogspot.com page:16/ 26
PCSI 2 Calcul matriciel

On continue afin de faire apparaître des 0 partout sous la diagonale, et on multiplie la ligne L 3 . Ce qui
termine la première partie de la méthode de Gauss :
 
1 2 1 1 0 0
 5 1 1 
 0 1 − 0 
 8 2 8 
 1 1 
L 3 ←L 3 −4L 2
0 0 −1 1
2 2
puis  
1 2 1 1 0 0
 0 1 5 1 1
 
− 0 
 8 2 8 
L 3 ←2 L 3
0 0 1 −2 1 2

Il ne reste plus qu’à « remonter » pour faire apparaître des zéros au-dessus de la diagonale :

 
1 2 1 1 0 0
 7 3 5 
 0 1 0 − −  L 2 ←L 2 − 85 L 3
 4 4 4 
0 0 1 −2 1 2
puis 
1 1 1 
1 0 0 − L 1 ←L 1 −2L 2 −L 3
 2 2 2 

 0 1 0 7 3 5 
− − 
4 4 4
 
0 0 1 −2 1 2

1
Ainsi l’inverse de A est la matrice obtenue à droite et après avoir factorisé tous les coefficients par , on a
4
obtenu :
−2 2 2
 
1
A −1 =  7 −3 −5
4
−8 4 8

Pour se rassurer sur ses calculs, on n’oublie pas de vérifier rapidement que A × A −1 = I.
Exercice 11. 1. Si possible calculer l’inverse des matrices : 37 12 , −25 −43 , 03 20 , α+2 1 α1 .
¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
¡ θ − sin θ ¢ −1
2. Soit A(θ ) = cos
sin θ cos θ . Calculer A(θ ) .
³ 1 3 0 ´ ³ 2 −2 1 ´ µ 1 0 1 0 ¶ µ 2 1 1 1 ¶ 10 11 12 00 00
à !
0 2 −2 0 1 0 0 1
3. Calculer l’inverse des matrices : 2 1 −1 , 3 0 5 , −1 2 0 1 , 0 1 −1 2 , −1 1 2 0 0 .
−2 1 1 1 1 2 0 2 1 3 01 1 0 0 0021
0 0053

4.2.4 Calcul de l’inverse par la resolution d’un systeme

Le système linéaire à n inconnues et n equations



 a 11 x1 + a 12 x2 + ··· + a 1 p xn = y1

 a x
21 1 + a 22 x2 + ··· + a 2 p xn = y2

 ...

 a x
n1 1 + a n 2 x2 + ··· + a np xn = yn
peut s’écrire sous forme matricielle :
     
a 11 ... a1 x1 y1
 a 21 ... a 2n x2 y2
     
    
 . ..   ..  =  .. .
 .
 . . . .
    
    
a n1 ... a nn xn yn
| {z } | {z } | {z }
A X Y

www.laminelhoucine.blogspot.com page:17/ 26
PCSI 2 Calcul matriciel

On appelle A ∈ M n (K) la matrice des coefficients du système. Y ∈ M n,1 (K) est le vecteur du second membre.
Le vecteur X ∈ M n,1 (K) est une solution du système si et seulement si

AX = Y .

Nous savons qu’ un système d’équations linéaires n ’admet que :

• Soit aucune solution,
• Soit une seule solution
• Soit infinité de solutions. on a le theoreme suivant

Théorème 4.1. La matrice A est inversible, si et seulement si la solution du système A X = Y est unique
et est : X = A −1 Y .

La méthode : consiste
  à:  
x1 y1
x2 y2
   
 dans M n,1 (K)
   
• considérer X =  ..  et Y =  ..
. .
   
   
xp yn
• Résoudre le système A X = Y , on pourra utiliser la méthode de Gauss .
• Si le système admet une unique solution alors A est inversible et on obtient un nouveau système X =
A −1 Y dinconnue Y , sa matrice est exactement A −1 .
1 2 1
 

Exemple 4.4. Calculons l’inverse de A =  4 0 −1 .

−1 2 2


x a  x + 2y + z = a
   

A y = b
    ⇔ 4x − z = b

z c − x + 2y + 2z = c

 x + 2y + z = a L 2 ←L 2 −4L 1
⇔ −8y − 5z = −4a + b
 L 3 ←L 3 +L 1
4y + 3z = a + c

 x + 2y + z = a
⇔ −8y − 5z = −4a + b L 3 ←2 L 3 + L 2

z = −2a + 2c + b
1 1 1


 x = a − 2y − z = − a + b + c
2 2 2


⇔ 1 7 3 5
y = (−5z + 4a − b) = a − b− c
8 4 4 4



z = −2a + b + 2c


1 1 1


 x =− a+ b+ c
2 2 2


⇔ 7 3 5 (∗)
y= a− b− c
4 4 4



z = −2a + b + 2c


Le système admet une unique solution donc la matrice A est inversible et on a


1 1 1 
−
 1 −2 2 2
 
 2 2 2
A −1 =  7 − 3 − 5  =  7 −3 −5
 
 4
4 4 4 −8 4 8

−2 1 2

www.laminelhoucine.blogspot.com page:18/ 26
PCSI 2 Calcul matriciel

obtenue comme matrice du système (∗) d’inconnues a, b et c.

4.3 Matrices triangulaires, matrices diagonales

Une matrice carrée A = (a i j )peut etre découpée en trois zones

 
a 11 ... ... ... a 1n
 . .. .. 
 .. . . 
 
 . .. 
A= .
 . i>j i=j i<j .  
 .. .. .. 
 
 . . . 
a n1 ... ... ... a nn

• La diagonale : contient les coefficient a ii

• La partie surdiagonale : contient les coefficient a i j aec i < j
• La partie soudiagonale : contient les coefficient a i j aec i > j

Définition 4.2. Soit A = (a i j ) une matrice carrée d’ordre n.

1. On dit que A est triangulaire supérieure si ses éléments au-dessous de la diagonale sont nuls,
autrement dit :
i > j =⇒ a i j = 0.

2. On dit que A est triangulaire inférieure si ses éléments au-dessus de la diagonale sont nuls,
autrement dit :
i < j =⇒ a i j = 0.

3. On dit que A est Diagonale si ses éléments en dehors de la diagonale sont nuls, autrement dit :

i 6= j =⇒ a i j = 0.

4. On dit que A est triangulaire si elle est triangulaire inférieure ou triangulaire supérieure

Remarques 4.2. 1. Une matrice triangulaire inférieure a la forme suivante :

 
a 11 0 ··· ··· 0
 .. .. 
a
 21 a 22 . . 
 . .. .. .. .. 
 . . .
 . . . 

 . .. ..

 .
 . . . 0 


a n1 a n2 ··· ··· a nn

2. Une matrice triangulaire supérieure a la forme suivante :

 
a 11 a 12 ... ... ... a 1n
 0
 a 22 ... ... ... a 2n  
 . .. .. .. 
 . . .
 . . 

 . .. 
 . .. ..
 . . . . 

 .. .. .. .. 
 
 . . . . 
0 ... ... ... 0 a nn

www.laminelhoucine.blogspot.com page:19/ 26
PCSI 2 Calcul matriciel

3. Une matrice diagonale a la forme suivante :

 
a 11 0 ... ... ... 0
 0 0 ... ... ... 0 
 
 . .. .. .. 
 . . .
 . .


 . ..
.. ..

 .
 . . . .


 .. .. ..
 
. .

 . 0 
0 ... ... ... 0 a nn

Exemple 4.5. Des matrices triangulaires.

4 0 0 1 1 −1
   
µ ¶
0 −1 0 5 −3 0 −1 −1
0 −2
3 −2 3 0 0 −1
| {z } | {z }
matrice triangulaires inférieures matrices triangulaires supérieures

Une matrice qui est triangulaire inférieure et triangulaire supérieure est dite diagonale. Autrement dit :
i 6= j =⇒ a i j = 0.

Exemple 4.6. Exemples de matrices diagonales :

−1 0 0
 
µ ¶
 0 6 0 2 0
et
0 3
0 0 0

Notation 4.1. On note par :

• Tn+ (K) L’ensemble des matrices triangulaires supérieures à coefficients dans K.
• Tn− (K) L’ensemble des matrices triangulaires inférieures à coefficients dans K.
• Dn (K) L’ensemble des matrices diagonales à coefficients dans K.

Remarque 4.1. Une matrice est à la fois triangulaire supérieure et triangulaire inférieure si et seulement si elle
est diagonale c’est à dire :
Dn (K) = Tn+ (K) ∩ Tn− (K)

Proposition 4.8. Tn+ (K) et Tn− (K) et Dn (K) sont des sous espaces vectoriels de M n (K) qui sont stables
par produit

Démonstration. Montrons le résultat pour Tn+ (K)

• il est claire que la matrice nulle est dans Tn+ (K). Soit A, B ∈ Tn+ (K) et λ ∈ K, pour tout i, j ∈ [[1, n]] on a :

i > j ⇒ [A + λB] i j = [A] i j + λ[B] i j = 0

donc A + λB ∈ Tn+ (K)

• Soit A, B ∈ Tn+ (K) , on va montrer que AB ∈ Tn+ (K). Pour tout i, j ∈ [[1, n]] on a :

n
X iX
−1 Xn
i > j ⇒ [AB] i j = [A] ik [B]k j = [A] ik [B]k j + [A] ik [B]k j = 0
k=1 k=1 | {z } k= i | {z }
=0car i > k =0car k> j

donc AB ∈ Tn+ (K).

www.laminelhoucine.blogspot.com page:20/ 26
PCSI 2 Calcul matriciel

Proposition 4.9 (Puissances d’une matrice diagonale). Soit p ∈ N

 p
α1 0 . . . α1
  
... 0 0 ... ... 0
0 α p
 2 0 ... 0 
0
 α2 0 ... 0 

 . . . . ..  p
 . .. .. .. .. 
D= . . . . . . . . . 
 =⇒ D =  .. . . . .


p
 0 . . . 0 αn−1 0  0 ... 0 αn−1 0
   
p
0 ... ... 0 αn 0 ... ... 0 αn

Preuve : Par par récurrence sur p

Remarque 4.2. Plus généralement, Si Q ∈ K[X ] alors

α1 Q(α1 )
   
0 ... ... 0 0 ... ... 0
0
 α2 0 ... 
0  0
 Q(α2 ) 0 ... 0 

 . .. .. .. ..  . .. .. .. .. 
 ..
D= . . . . =⇒ Q(D) =  .. . . . .
  
 
0 ... 0 αn−1 0  0 ... 0 Q(αn−1 ) 0
   

0 ... ... 0 αn 0 ... ... 0 Q(αn )

Théorème 4.2. Une matrice A de taille n × n, triangulaire, est inversible si et seulement si ses éléments
diagonaux sont tous non nuls.
De plus :
• L’inverse d’une matrice triangulaire supérieure est une matrice triangulaire supérieure .
• L’inverse d’une matrice triangulaire inférieure est une matrice triangulaire inférieure.
• L’inverse d’une matrice diagonale est une matrice diagonale.

4.4 Exercices

Exercice 12. Montrer que

M n (K) = Tn+ (K) + Tn− (K)
La somme est -elle directe ?

Solution : On sait que Tn+ (K) + Tn− (K) est un sous espace vectoriel de M n (K) et siA ∈ M n (K) telle que a = (a i j ) alors
   
a 11 0 ... ... 0 0 a 12 ... ... a1n
 . .. ..  . .. .. 
 . .  . .
 . .  . .


 . ..  . ..
   
A =  ..  +  ..

 .   . 

 .  .
.. ..

 .
. 0   .. .
  
 . a n−1,n 
a n1 ... ... ... a nn 0 ... ... ... 0

la matrice à gauche est dans Tn− (K) et celle à droite est Tn+ (K). Ainsi

M n (K) = Tn+ (K) + Tn− (K)

la somme n ’est pas directe puisque

Tn+ (K) ∩ Tn− (K) = Dn (K)

−1 1 1
 

Exercice 13. 1. Soit A =  1 −1 1 . Montrer que A 2 = 2I − A, en déduire que A est inversible et

1 1 −1
−1
calculer A .

www.laminelhoucine.blogspot.com page:21/ 26
PCSI 2 Calcul matriciel

1 0 2
 

2. Soit A = 0 −1 1 . Calculer A 3 − A. En déduire que A est inversible puis déterminer A −1 .

1 −2 0
0 1 −1
 

3. Soit A = −1 2 −1. Calculer A 2 − 3A + 2I 3 . En déduire que A est inversible, et calculer A −1 .

1 −1 2

Solution : 1. Le calcul ne pose pas de problèmes. Il mène à :

A2 + A A+I A+I
= I =⇒ A = A = I.
2 2 2
A est inversible, et son inverse est :
A+I
.
2
1
2. Un calcul donne A 3 − A = 4I. Donc A × (A 2 − I) = I, ainsi A est inversible et
4
2 −4 2
 
1 1
A −1 = (A 2 − I) = 1 −2 −1 .
4 4
1 2 −1

3. On vérifie facilement que A 2 − 3A + 2I 3 = 0. On réécrit ceci en :

−1
µ ¶
A(A − 3I 3 ) = −2I 3 ⇐⇒ A (A − 3I 3 ) = I 3 .
2
−1
Ainsi, A est inversible et son inverse est (A − 3I 3 ).
2

Exercice 14. Dire si les matrices suivantes sont inversibles et, le cas échéant, calculer leur inverse :
1 1 2 0 1 2 1 4 7
    

A =  1 2 1 , B =  1 1 2 , C =  2 5 8 ,
2 1 1 0 2 3 3 6 9

Solution : On utilise la méthode du pivot de Gauss. Commençons par A.

1 1 2 1 0 0
   
 1 2 1   0 1 0 
2 1 1 0 0 1

1 1 2 1 0 0
   

L2 − L1 → L2  0 1 −1   −1 1 0 
L 3 − 2L 1 → L 3 0 −1 −3 −2 0 1

1 1 2 1 0 0
   
 0 1 −1   −1 1 0 
L3 + L2 → L3 0 0 −4 −3 1 1

Après transformations élémentaires, la matrice qui apparait à gauche est triangulaire supérieure, et les coefficients sur la diago-
nale sont tous non nuls. On en déduit que A est inversible. On trouve son inverse en poursuivant la méthode.

1 1 2 1 0 0
   
 0 1 −1   −1 1 0 
−1
L3 → L3 0 0 1 3/4 −1/4 −1/4
4

L 1 − 2L 3 → L 1 1 1 0 −1/2 1/2 1/2

   

L2 + L3 → L2  0 1 0   −1/4 3/4 −1/4 

0 0 1 3/4 −1/4 −1/4

L1 − L2 → L1 1 0 0 −1/4 −1/4 3/4

   
 0 1 0   −1/4 3/4 −1/4 
0 0 1 3/4 −1/4 −1/4

www.laminelhoucine.blogspot.com page:22/ 26
PCSI 2 Calcul matriciel

La matrice inverse recherchée est donc :

−1/4 −1/4 3/4
 
 −1/4 3/4 −1/4  .
3/4 −1/4 −1/4
On suit la même méthode pour B. On forme

0 1 2 1 0 0
   
 1 1 2   0 1 0 
0 2 3 0 0 1

L2 → L1 1 1 2 0 1 0
   

L1 → L2  0 1 2   1 0 0 
L 3 − 2L 1 → L 3 0 0 −1 −2 0 1

Après transformations élémentaires, la matrice qui apparait à gauche est triangulaire supérieure, et les coefficients sur la diago-
nale sont tous non nuls. On en déduit que B est inversible. On trouve son inverse en poursuivant la méthode.

L 1 + 2L 3 → L 1 1 1 0 −4 1 2
   

L 2 + 2L 3 → L 2  0 1 0   −3 0 2 
−L 3 → L 3 0 0 1 2 0 −1

L1 − L2 → L1 1 0 0 −1 1 0
   
 0 1 0   −3 0 2 
0 0 1 2 0 −1

La matrice inverse recherchée est donc :

−1 1 0
 

B−1 =  −3 0 2 .
2 0 −1
Passons à C :
1 4 7 1 0 0
   
 2 5 8   0 1 0 
3 6 9 0 0 1

L1 1 4 7 1 0 0
   

L 2 − 2L 1 → L 2  0 −3 −6   −2 1 0 
L 3 − 32L 1 → L 3 0 −6 −12 −3 0 1

L1 1 4 7 1 0 0
   

L2  0 −3 −6   −2 1 0 
L 3 − 32L 2 → L 3 0 0 0 1 −2 1
La matrice C n’est donc pas inversible(la drniere ligne est nulle).

Exercice 15.

Solution :

Exercice 16.

Solution :

5 La transposition

5.1 Transposeé d’une matrice

Soit A la matrice de taille n × p  

a 11 a 12 ... a1 p
a 21 a 22 ... a2 p
 
 
A= .. .. .. .
. . .
 
 
a n1 a n2 ... a np

www.laminelhoucine.blogspot.com page:23/ 26
PCSI 2 Calcul matriciel

Définition 5.1. On appelle matrice transposée de A la matrice A T de taille p × n définie par :

 
a 11 a 21 . . . a n1
 a 12 a 22 . . . a n2 
 
T
A = .
 .. .
.. 
 .. . . 
a1 p a2 p ... a np

Autrement dit : le coefficient à la place (i, j) de A T est a ji . Ou encore la i-ème ligne de A devient la i-ème
colonne de A T (et réciproquement la j-ème colonne de A T est la j-ème ligne de A).

Notation : La transposée de la matrice A se note aussi souvent t A.

Exemple 5.1.
T 
1 2 3 1 4 −7
 
 4 5 −6 = 2 5 8
−7 8 9 3 −6 9
T
0 3 1
 
µ ¶
 1 −5 = 0 1 −1 (1 −2 5)T = −2
3 −5 2
−1 2 5

L’opération de transposition obéit aux règles suivantes :

Théorème 5.1. 1. (A + B)T = A T + B T

2. (α A)T = α A T
3. (A T )T = A
4. (AB)T = B T A T
5. Si A est inversible, alors A T l’est aussi et on a (A T )−1 = (A −1 )T .

Notez bien l’inversion : (AB)T = B T A T , comme pour (AB)−1 = B−1 A −1 .

Remarques 5.1. 1. Si A est triangulaire supérieure, alors A T est triangulaire inférieure.

2. Si A est diagonale alors elle est symétrique : Dn (K) ⊂ S n (K)
 x1   y1 
x2 y2
3. Soit A =  ..  et B =  .. . Alors
. .
xn yn
 y1 
y2 n
A T · B = ( x1 ,x2 ,...,xn )  ..  = (
X
x i yi )
. k=1
yn

puis  x1 y1
 x1  x1 y2 ... x1 yn 
x2 x2 y1 x2 y2 ... x2 yn
A · B T =  ..  ( y1 ,y2 ,...,yn )  .. .. ..  = (x i y j )
. . . .
xn xn y1 xn y2 ... xn yn

www.laminelhoucine.blogspot.com page:24/ 26
PCSI 2 Calcul matriciel

5.2 Matrices symétriques - Matrices antisymétriques

Définition 5.2. Une matrice A de taille n × n est symétrique si elle est égale à sa transposée, c’est-à-dire
si
A = AT ,
ou encore si a i j = a ji pour tout i, j = 1, . . . , n. Les coefficients sont donc symétriques par rapport à la
diagonale.

Exemple 5.2. Les matrices suivantes sont symétriques :

−1 0 5
 
µ ¶
0 2 0 2 −1
2 4
5 −1 0

Exemple 5.3. Pour une matrice B quelconque, les matrices B · B T et B T · B sont symétriques.
Preuve : (BB T )T = (B T )T B T = BB T . Idem pour B T B.

Définition 5.3. Une matrice A de taille n × n est antisymétrique si

A T = − A,

c’est-à-dire si a i j = −a ji pour tout i, j = 1, . . . , n.

Exemple 5.4.
0 4 2
 
µ ¶
0 −1 −4 0 −5
1 0
−2 5 0

Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours tous nuls.

Notation 5.1. On note par

• S n (K) L’ensemble des matrices symétriques à coefficients dans K
• An (K) L’ensemble des matrices antisymétriques à coefficients dans K

Théorème 5.2. S n (K) et An (K) sont deux sous espaces vectoriels supplémentaires dans MK . c’est à dire

M n (K) = S n (K) ⊕ An (K)

Preuve : • On vérifie aisément qu’il s’agit bien de deux sous-espaces vectoriels .

• Soit A ∈ S n (K) ∩ An (K) alors A = A T = − A donc A = 0.
1 1
• Soit A ∈ M n (K) une matrice. Définissons B = (A + A T ) et C = (A − A T ). Alors d’une part A = B + C ; d’autre part B est
2 2
1 1 1
symétrique, car B T = (A T + (A T )T ) = (A T + A) = B ; et enfin C est antisymétrique, car C T = (A T − (A T )T ) = −C.
2 2 2

Remarques 5.2. 1. Toute matrice est la somme d’une matrice symétrique et d’une matrice antisymé-
trique. Par exemple
µ ¶ µ ¶ µ ¶
2 10 2 9 0 1
Pour A = alors A = + .
8 −3 9 −3 −1 0
| {z } | {z }
symétrique antisymétrique

www.laminelhoucine.blogspot.com page:25/ 26
PCSI 2 Calcul matriciel

2.
n(n + 1) n(n − 1)
dim S n (K) = dim S n (K) =
2 2

6 Trace d’une matrice carrée

Dans le cas d’une matrice carrée de taille n × n, les éléments a 11 , a 22 , . . . , a nn sont appelés les éléments
diagonaux.
Sa diagonale principale est la diagonale (a 11 , a 22 , . . . , a nn ).
 
a 11 a 12 . . . a 1n
 a 21 a 22 . . . a 2n 
 
 . .. .. 
 . ..
 . . . . 

a n1 a n2 ... a nn

Définition 6.1. La trace de la matrice A est le nombre obtenu en additionnant les éléments diagonaux
de A. Autrement dit, tr A = a 11 + a 22 + · · · + a nn .

Exemple 6.1. — Si A = 20 15 , alors tr A = 2 + 5 = 7.

¡ ¢
³1 1 2 ´
— Pour B = 5 2 8 , tr B = 1 + 2 − 10 = −7.
11 0 −10

Théorème 6.1. Soient A et B deux matrices n × n. Alors :

1. tr(A + B) = tr A + tr B,
2. tr(α A) = α tr A pour tout α ∈ K,
3. tr(A T ) = tr A,
4. tr(AB) = tr(BA).

Démonstration.
1. Pour tout 1 ≤ i ≤ n, le coefficient (i, i) de A + B est a ii + b ii . Ainsi, on a bien tr(A + B) = tr(A) + tr(B).
2. On a tr(α A) = αa 11 + · · · + αa nn = α(a 11 + · · · + a nn ) = α tr A.
3. Étant donné que la transposition ne change pas les éléments diagonaux, la trace de A est égale à la
trace de A T .
4. Notons c i j les coefficients de AB et d i j les coefficients de BA. Alors par définition
n
X n
X
c ii = a ik b ki et d ii = b ik a ki .
k=1 k=1

Ainsi,
n
X
tr(AB) = c ii
i =1
X n X n
= a ik b ki
i =1 k=1
X n X n
= a ki b ik (i ←→ k)
k=1 i =1
Xn X n
= b ik a ki (permutation de sommes )
i =1 k=1
X n
= d ii
i =1
= tr(BA)

www.laminelhoucine.blogspot.com page:26/ 26
PCSI 2 Calcul matriciel

Corollaire 6.1. L’application T r : A 7→ tr(A) est une forme linéaire sur M n (K)

Remarque 6.1. T r est surjective et son noyau est l’ hyperplan de M n (K) donné par

{ A ∈ M n (K) / tr(A) = 0}

www.laminelhoucine.blogspot.com page:27/ 26