1 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
I Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1 Matrices à coefficients dans K . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
II Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Ecriture matricielle d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Matrice de la somme et de la composée de deux applications linéaires . . . . . . . . . 4
III Algèbre Mn (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1 structure de Mn (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Matrices triangulaires supérieures et matrices triangulaires inférieures . . . . . . . 5
3 Matrices symétriques, matrices antisymétriques . . . . . . . . . . . . . . . . . . . . . . 6
IV Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
V Trace d’une matrice et d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
VI Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
VII matrices équivalentes et matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . 10
VIII Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Traduction matricielle des opérations élémentaires . . . . . . . . . . . . . . . . . . . . 11
3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
a Détermination du rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 11
b Calcul de l’inverse d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . 11
IX Problèmes de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Mprepas

Matrices

I Généralités

1 Matrices à coefficients dans K

K désigne un sous corps de C.

Définition Soit (n, p) ∈ (N∗ )2 , on appelle matrice à n lignes et p colonnes à coefficients dans K toute
application M : [[1, n]] × [[1, p]] → K, (i, j) 7→ mi,j .
On la note par M = (mi,j )1≤i≤n
1≤j≤p
On represente M par le tableau suivant (à n lignes et p colonnes)
 m11 m12 · · · m1j · · · m1p 
 
 m 
 21 m22 · · · m2j · · · m2p 
 . .. 
 .
 . . 
M = 
 mi1 · · · · · · mij · · · mip 

 .. .. 
 
 . . 
 
mn1 mn2 · · · mnj · · · mnp

le scalaire mij est situé sur la i ime ligne et la j ime colonne de M. mij est le (i, j)ime terme de M.
Si n = p, on dit que M est une matrice carrée.
Si p = 1, on dit que M est une matrice colonne.
Si n = 1, on dit que M est une matrice ligne.
L’ensemble des matrices à n lignes et p colonnes est noté Mn,p (K).
Si n = p, Mn,n (K) est noté Mn (K) (ensemble des matrices carrées d’ordre n).

Définition Pour (i, j) ∈ [[1, n]] × [[1, p]], on note Eij la matrice de Mn,p (K) dont le (i, j)ime terme vaut 1 et
tous les autres sont nuls. Les matrices Eij sont appelées les matrices élémentaires

Proposition • -i- (Mn,p (K), +, .) est un K espace vectoriel.

• -ii- (Eij )(i,j)∈[[1,n]]×[[1,p]] est une base de Mn,p (K) appelée base canonique de Mn,p (K), en
particulier dim Mn,p (K) = np.

11
 2 Produit de matrices

Définition Soit n, p, q ∈ N ∗ et A = (aij ) ∈ Mn,p (K), B = (bj,k ) ∈ Mp,q (K). On appelle produit de A par B et on
Pp
note AB la matrice de Mn,q (K) définie par AB = (cik ) 1≤i≤n avec ∀i, k, ci,k = j=1 aij bjk
1≤k≤q

Exemple ! !
1 2 1 5 3
1. =
3 4 2 8 0
! !
1 5 3 1 2
2. n’a pas de sens.
2 8 0 3 4

Proposition associativité

Soit A ∈ Mn,p (K), B ∈ Mp,q (K), C ∈ Mq,r (K) alors (AB)C = A(BC)

Proposition Soit A, A0 ∈ Mn,p (K), B, B0 ∈ Mp,q (K) alors

1. A(B + B0 ) = AB + AB0
2. (A + A0 )B = AB + A0 B.

01 a2
 
 0 a 
Calculer les puissances de la matrice A =  1a 0 a  (ind : vérifier que A2 − A − 2I = 0).
 
 1 1

a2 a 0

02 Déterminer les suites de reéls xn , yn , zn vérifiant la relation de recurrence :

    
 xn+1   −1 1 1   xn 
 yn+1  =  1 −1 1   yn  .
     
zn+1 1 1 −1 zn

3 Transposée d’une matrice

Définition Soit M = (mij ) ∈ Mn,p (K), on appelle transposée de M, la matrice notée t M définie par t M =
(bkl ) ∈ Mp,n (K) tq bkl = mlk .

Exemple
 
1 2 5
!  1 3 
A= ; tA =   2 2  .

3 2 0 
5 0

 
   1 
1 2 3 tB = 
B= ;  2  .
 
3
 

Proposition ∀A, B ∈ Mn,p (K), ∀λ ∈ K, t (A + λB) = t A + λ t B; t (t A) = A.

∀A ∈ Mn,p (K); ∀B ∈ Mp,q (K), t (AB) = t B t A.

22
 II Matrice d’une application linéaire

1 Définition et exemples

Définition Soit E et F deux K e.v de dim finies ; dim E = p, dim F = n.

Soit B = (e1 , ..., ep ) une base de E et C = (v1 , ..., vnP

) une base de F
Soit f ∈ L(E, F) définie par ∀j ∈ [[1, p]] ; f (ej ) = ni=1 αij vi

f (e1 ) = α11 v1 + α21 v2 + ... + αn1 vn

f (e2 ) = α12 v1 + α22 v2 + ... + αn2 vn

On appelle matrice de f par rapport à B et C et note matB,C f ou mat(f , B, C) la matrice de
Mn,p (K) définie par

 α11 ··· α1p

 

 α21 α2p
 

matB,C f =  . ..
 = (α )
ij
 ..

 . 

αn1 ··· αnp

Exemple Soit f : R2 [X] −→ R3 [X]. Calculer matB,C f avec B = (1, X, X 2 ) et C = (1, X, X 2 , X 3 )

P 7→XP −P 0

Exemple soit f : R2 −→ R3
(x,y)7→(2x−y,x+y,2y)
Soit B la base canonique de R2 et B 0 = ((1, 0); (1, −1)) et soit C la base canonique de R3 .
Calculer matB,C f et matB 0 ,C f .
Conclusion : La matrice de f dépend des bases choisies.

2 Ecriture matricielle d’une application linéaire

Soit f ∈ L(E, F); B = (e1 , ..., ep ) une base de E et C = (v1 , ..., vn ) une base de F.

Soit M = (αij ) = matB,C f .

Pp Pn
Soit x = j=1 xj ej ∈ E et y = f (x) = i=1 yi vi ∈ F.

On cherche à exprimer les yi en fonction des xj .

On a
p
X p
X n
X n X
X p n
X
f (x) = xj f (ej ) = xj αij vi = ( αij xj )vi = yi vi
j=1 j=1 i=1 i=1 j=1 i=1
 
y1 x1
 
   
Pp
donc pour tout i ∈ [[1, p]], on a yi = j=1 αij xj càd : 
 .. 
 = M 
 .. 
 .
 .   . 


yn xp

Notation :  
 x1 
Pp
Pour x = j=1 xj ej , on note X = 
 .. 
 ∈ M (K)
 . 

p,1
xp
y1 
 

Pn
Pour y = i=1 yi vi ∈ F, on note Y = 
 ..  ∈ M (K)
 .  n,1

yn

33
et on a : f (x) = y ⇐⇒ MX = Y c’est l’expression matricielle de f

Exemple
 
 1 −1 
calculer l’image de (−2, 3) par f ∈ L(R2 , R3 ) définie par matB,C f =  0 2  .
 
1 5
 

Notation
dim E = n, B une base de E, pour f ∈ L(E), on note matB,B f par matB f .

Remarque
Pour toute base B de E, on a matB idE = In =matrice unité d’ordre n

3 Matrice de la somme et de la composée de deux applications linéaires

Proposition Soit f , g ∈ L(E, F); B = (e1 , ..., ep ) une base de E et C = (v1 , ..., vn ) une base de F. alors on a :
matB, C (f + g) = matB, C f + matB, C g.

Corollaire
l’application ϕ : L(E, F) → Mn,p (K) est un isomorphisme d’espaces vectoriels.
f 7→matB, C f

Proposition Soit f ∈ L(E, F) ; g ∈ L(F, G) et soit B une base de E, C une base de F et W une base de G.
Soit M = matB, C f et M 0 = matC, W g alors matB, W (gof ) = M 0 M.
Cas particulier :
Soit f , g ∈ L(E); B = (e1 , ..., ep ) une base de E, alors

• matB (gof ) = matB g matB f

• ∀n ∈ N, matB f n = (matB f )n .

03 Soit E un e.v de dimension 3 et soit f ∈ L(E) tel que f 3 = 0et f 2 , 0 .

 
 0 1 0 
Montrer qu’il existe une base β de E telle que Matβ (f ) =  0 0 1 
0 0 0
 

III Algèbre Mn (K)

1 structure de Mn (K)

Remarque
Le produit matriciel sur Mn (K) est une loi de composition interne.

Proposition Mn (K) est une K-algèbre.

Remarque
Mn (K) n’est pas commutatif pour n ≥ 2.
! ! ! !
0 1 1 0 1 0 0 1
, .
0 0 1 0 1 0 0 0

44
04 Soit (i, j, k, l) ∈ [[1, n]]4 , montrer Eij Ekl = δjk Eil

Proposition dim E = n, B une base de E,

• l’application L(E) → Mn (K) est un isomorphisme d’algèbres.

f 7→matB f

• f est bijective ssi matB f est inversible et dans ce cas matB f −1 = (matB f )−1 .

Définition Le groupe des éléments inversibles de l’anneau Mn (K) est appelé groupe linéaire d’ordre n, il
est noté GLn (K).

Proposition dim E = n, B une base de E,

l’application GL(E) → GLn (K) est un isomorphisme de groupes.
f 7→matB f

Proposition Soit A ∈ Mn (K), les assertions suivantes sont équivalentes :

• -i- A ∈ GLn (K)

• -ii- ∃B ∈ Mn (K) / AB = In .
• -iii- ∃C ∈ Mn (K) / CA = In .

Proposition Soient A, B ∈ GLn (K), alors on a :

• -i- AB ∈ GLn (K) et (AB)−1 = B−1 A−1

• -ii- t A ∈ GLn (K) et (t A)−1 =t (A−1 ).

05 Matrice à diagonale strictement dominante P 

Soit A = (aij ) ∈ Mn (C) telle que : ∀i ∈ [[1, n]] , |aii | > aij . Montrer que A est inversible.
j,i

2 Matrices triangulaires supérieures et matrices triangulaires inférieures

Définition Soit A = (ai,j ) ∈ Mn (K), on dit que :

• A est diagonales si ∀i, j ∈ [[1, n]] , i , j ⇒ aij = 0.

• A est triangulaire supérieure si ∀i, j ∈ [[1, n]] , j < i ⇒ aij = 0.

• A est triangulaire inférieure si ∀i, j ∈ [[1, n]] , i < j ⇒ aij = 0.

Remarque
A est triangulaire supérieure ssi t A est triangulaire inférieure.

55
Proposition • -i- L’ensemble des matrices triangulaires supérieures est une sous algèbre de Mn (K). càd
sous anneau et sous espace de Mn (K).
• -ii- L’ensemble des matrices triangulaires inférieures est une sous algèbre de Mn (K).
• -iii- L’ensemble des matrices diagonales est une sous algèbre de Mn (K).

06 Soit A = (ai,j ) une matrice triangulaire supérieure (resp. inférieure). Montrer que A est inversible ssi
∀i, aii , 0.

Corollaire
_1
Si D = diag(λ1 , ..., λn ) alors D est inversible ssi ∀i, λi , 0 et dans ce cas D −1 = diag(λ−1
1 , ..., λn ).

Remarque
Soit A une matrice triangulaire supérieure. Si A est inversible alors A−1 est triangulaire supérieure.

3 Matrices symétriques, matrices antisymétriques

Définition Soit A = (aij ) ∈ Mn (K), on dit que :

• A est symétrique si tA = A càd ∀i, j ∈ [[1, n]] , aij = aji .

• A est antisymétrique si t A = −A càd ∀i, j ∈ [[1, n]] , aij = −aji . et dans ce cas on a : aii = 0.

Proposition • -i- L’ensemble Sn (K) des matrices symétriques est un sous espace de Mn (K) de dimen-
n(n+1)
sion 2 .
• -ii- L’ensemble An (K) des matrices antisymétriques est un sous espace de Mn (K) de
n(n−1)
dimension 2 .
• -iii- Mn (K) = Sn (K) ⊕ An (K)

66
 IV Changement de bases

Définition dim E =Pn, B = (e1 , ..., en ) une base de E et soit V = (v1 , ..., vp ) une famille de p vecteurs de E avec
∀j, vj = ni=1 αij ei
On appelle matrice de la famille  V dans la base B et on note matB (V ) la matrice définie par
 α11 · · · α1p 
matB (V ) =  ... ..  ∈ M (K)

 .  n,p
αn1 αnp


Exemple B = ((1, 0), (0, 1)) base canonique

! de R2 , V = ((1, 7); (2, 5); (0, 3)).
1 2 0
matB (V ) = .
7 5 3

Remarque
sif ∈ L(E, F), B = (e1 , ..., ep ) une base de E et C = (v1 , ..., vn ) une base de F, alors matB, C f = matB (f (v1 ), ..., f (vn ))
 
 x1 

si x = i=1 xi ei ∈ E, matB (x) = X =  ... 
Pp 
 
 
xp

Définition dimE = n, B, B 0 deux bases de E, on appelle matrice de passage de la base B à la base B 0 la

matrice notée PB, B 0 définie par PB, B 0 = matB (B 0 ).

Proposition • Pour toutes bases B et B 0 de E, on a : PB, B 0 = matB 0 , B (idE ).

• Si B, B 0 , B ” des bases de E alors :

– PB, B ” = PB, B 0 PB 0 , B ”
– PB, B = In .
– PB, B 0 est inversible et (PB, B 0 )−1 = PB 0 , B
• Soit x ∈ E, X = matB (x) et X 0 = matB 0 (x) et soit P = PB, B 0 , alors on a : X = P X 0 .

07 B 0 = ((2, 5); (1, 3)) base de R2 , et x = (3, 2) ∈ R2 .

déterminer les coordonnées de x dans la base B 0

Proposition Soit E, F deux K e.v de dimensions finies

B et B 0 deux bases de E, P = PB, B 0
C et C 0 deux bases de F, Q = PC, C 0
Soit f ∈ L(E, F); M = matB, C (f ), M 0 = matB 0 , C 0 (f ) alors M 0 = Q−1 MP .

Cas particulier : B et B 0 deux bases de E, P = PB, B 0 , f ∈ L(E); matB 0 (f ) = P −1 matB (f )P .

!
Exemple 1 7
f ∈ L(R2 ), mat B (f )= . Déterminer matB 0 (f ) avec B 0 = ((1, 1); (1, −2)).
2 5

77
 V Trace d’une matrice et d’un endomorphisme

Pn
Définition Soit A = (aij ) ∈ Mn (K), on définit tr(A) par : tr(A) = i=1 aii

Proposition Soit A, B ∈ Mn (K),

∀λ ∈ K, tr(A + λB) = tr(A) + λtr(B).
tr(t A) = tr(A).
tr(AB) = tr(BA)
Si P ∈ GLn (K), alors tr(P −1 AP ) = tr(A)

Proposition Soit f ∈ L(E), dim E = n et soit B et B 0 deux bases de E, alors tr(matB (f )) = tr(matB 0 (f )).

Définition Soit f ∈ L(E), on définit tr(f ) par tr(f ) = tr(matB (f )) où est une base quelconque de E.

Exemple trace d’un projecteur

E = I mP ⊕ ker p, (e1 , .., er ) base de I mP , (er+1
! , .., en ) base de ker P .
Ir 0
B =(e1 , .., en ) base de E ; matB (P ) = .
0 0
tr(P ) = r = rg(P ).
le rang d’un projecteur est égal à sa trace.

08 1. Quelle est la dimension de ker tr.

2. Peut-on trouver deux matrices A et B de Mn (K) vérifiant AB − BA = In

09 1. Soit A, B ∈ Mn (K) telles que :∀X ∈ Mn (K), tr(AX) = tr(BX). Montrer que A = B.
2. Soit f ∈ (Mn (K))∗ : Montrer qu’il existe un unique A ∈ Mn (K) tel que : ∀M ∈ Mn (K), f (M) =
tr(AM).

88
 VI Rang d’une matrice

Définition Soit M ∈ Mn,p (K), on appelle rang de M le rang de l’application linéaire f canoniquement
associée à M. càd f ∈ L(Kp , Kn ) tq matB, C (f ) = M avec B est la base canonique Kp et C la base
canonique de Kn .

10  1

–4 –3


 2 –6 –6 
Déterminer le rang de la matrice : A=
 
 –3 12 12


 
0 2 3

Proposition Soit M ∈ Mn,p (K) et f ∈ L(E, F) tq matB, C (f ) = M où B, C sont des bases de E et F, alors
rg(f ) = rg(M).

Proposition Soit M ∈ Mn (K) alors M est inversible ssi rg(M) = n.

Proposition Soit A ∈ Mn,p (K) et B ∈ Mp,q (K), alors on a :

• rg(A) ≤ inf(n, p)
• rg(AB) ≤ inf(rg(A), )rg(B).

• Si A0 ∈ GLn (K), rg(A0 A) = rg(A).

• Si B0 ∈ GLq (K), rg(BB0 ) = rg(B).

Proposition Soit M ∈ Mn,p (K) et soit r ≤ inf(n, p).

M est de rang r ssi M s’ecrit sous la forme U Jr V avec U ∈ GLn (K), V ∈ GLp (K) et Jr =
!
Ir 0
.
0 0

Corollaire
rg(A) = rg(t A).

11 Soit A ∈ Mn,p (K)\{0}, r = rgA. Montrer qu’il existe A1 ,..., Ar ∈Mn,p (K) tels que A = A1 + ... + Ar
et rgA1 = ... = rgAr = 1.

99
 VII matrices équivalentes et matrices semblables

Définition Soit A, B ∈ Mn,p (K). On dit que A et B sont équivalentes s’il existe P ∈ GLp (K); Q ∈ GLn (K) tq

B = QAP .

Proposition l’equivalence de deux matrices est une relation d’équivalence sur Mn,p (K).
A, B ∈ Mn,p (K), A et B sont équivalentes ssi rg(A) = rg(B).

Définition Soit A, B ∈ Mn (K). On dit que A et B sont semblables s’il existe P ∈ GLn (K) tq B = P −1 AP .

Remarque
Si A et B sont semblables, alors tr(A) = tr(B)
Si A et B sont semblables alors A et B sont équivalentes. la rciproque est fausse.

! !
Exemple 1 0 0 1
A= , B= A et B sont équivalentes mais ne sont pas semblables.
0 1 1 0

Proposition La similitude de deux matrices est une relation d’équivalence sur Mn (K).
Deux matrices A et B de Mn (K) sont semblables ssi il existe un endomorphisme f ∈ L(E) et
deux bases B et B 0 de E, tq : A = matB (f ) et B = matB 0 (f ).

12 Soit A ∈ Mn (K) tel que An−1 , 0 et An = 0. Soit f l’endomorphisme de Kn de matrice A dans la base
canonique de Kn .

1. Montrer qu’il existe x ∈ Kn tel que (x, f (x), ..., f n−1 (x)) est une base de Kn .

 0 1 0 · · · 0 
 
 0 0 1 · · · 0 
 
 . . . .. .. 
 . . .
2. Montrer que A est semblable à  . . . . . .

 .. 
 0 0 0 . 1 

0 0 0 ··· 0

VIII Opérations élémentaires

1 Definition
Soit A ∈ Mn,p (K), on appelle opérations élémentaires sur A :

• Multiplication d’une colonne par un scalaire non nul. Cj ←− αCj .

• Addition d’un multiple d’une colonne à une autre colonne Cj ←− Cj + αCi .

• Echange de deux colonnes Ci ↔ Cj

• Multiplication d’une ligne par un scalaire non nul. Li ←− αLi .

• Addition d’un multiple d’une ligne à une autre ligne Li ←− Li + αLj .

• Echange de deux lignes Li ↔ Lj

10
10
 2 Traduction matricielle des opérations élémentaires
Soit A ∈ Mn,p (K), Li désigne la ii ème ligne de A et Cj la ji ème colonne.

Cj ←− αCj A.(Ip + (α − 1)Ejj )

Cj + αCi A.(Ip + αEij )
Ci ↔ Cj A.(Eij + Eji + Ip − Eii − Ejj )
Li ←− αLi (In + (α − 1)Eii ).A
Li ←− Li + αLj (In + αEij ).A
Li ↔ Lj (Eij + Eji + In − Eii − Ejj ).A

3 Applications
a Détermination du rang d’une matrice

Proposition Le rang d’une matrice A ne change pas en effectuant des opérations élémentaires, car une
opération élémentaire revient à multiplier à gauche ou à droite par une matrice inversible.

Exemple
 
 0 1 2 3 
déterminer le rang de la matrice M =  2 1 0 1  .
 
1 0 1 1
 

b Calcul de l’inverse d’une matrice carrée

La méthode consiste à effectuer sur les lignes de A (ou bien sur les colonnes de A) des opérations élémentaires
pour transformer A en In , ces même opérations élémentaires effectuées sur In transforment In en A−1 .

Exemple
 
 2 1 0 
Inverser la matrice A =  0 3 1  .
 
2 2 5
 

IX Problèmes de synthèse
Problème :I

On note par J la matrice de Mn (R) dont tous les coefficients sont égaux à 1 et In la matrice identité. Soit

C(J) = {A ∈ Mn (R) / J.A = A.J}

1. Montrer que C(J) est une sous algèbre de Mn (R) contenant J.

k=n
X k=n
X
2. Prouver l’equivalence suivante : A = (aij ) ∈ C(J) ⇐⇒ ∃λ ∈ R ∀(i, j) ∈ [1, n]2 , aik = akj = λ
k=1 k=1

k=n
X
3. Soit ϕ l’application de C(J) dans R définie par : ∀A ∈ C(J) ϕ(A) = λ = a1k
k=1

(a) Vérifier que ϕ est linéaire. Que vaut rg(ϕ)

(b) Montrer que ker ϕ et V ect(J) sont supplémentaire dans C(J).

4. On considère l’application θ de ker ϕ dans Mn−1 (R) qui associe à A la matrice A0 obtenue en supprimant
la dernière ligne et la dernière colonne. Montrer que θ est un isomorphisme d’espace vectoriels. En
déduire la dimension de C(J).

11
11
 a b . . . . . . b 
 
b a b . . . b 

 . .
. . . . . . . . b . Ainsi M(1, 0) = I et M(1, 1) = J.

5. On note, pour (a, b) ∈ R2 , M(a, b) =  ..  n
 . . .. .. 
 . .
 . . . . b 

 
b ... ... b a
n o
(a) Vérifier que M = M(a, b) / (a, b) ∈ R2 est une sous algèbre commutative de C(J). Quelle est sa
dimension ?
(b) On note K = M(0, 1). Calculer K 2 et l’exprimer en fonction de In et de K. En déduire que K est
inversible et que K −1 ∈ C(J).
(c) Calculer K p pour tout entier p et l’exprimer en fonction de K et de In .
(d) Soit (a, b) ∈ R2 et M = M(a, b). Déterminer deux réels α et β tels que M 2 = α.M + β.In .
(e) En déduire que M est inverssible si et seulement si (a − b)(a + (n − 1)b) , 0 et qu’alors M −1 ∈ C(J)
n o n o
6. On note G = A ∈ C(J) / ϕ(A) = 1 et ∀(i, j) ∈ [1, n]2 aij ≥ 0 et P = A ∈ G / ∀(i, j) ∈ [1, n]2 , aij = 0 ou aij = 1
Prouver que G est stable par le produit. G est-il un groupe multiplicatif ?
7. Prouver que P est un groupe multiplicatif de cardinal n!
8. Prouver que les seules matrices inversibles de G sont les éléments de P .

Problème :II

Soit H un hyperplan de Mn (K). On se propose de montrer que H contient au moins une matrice inversible.
Première méthode
1. Montrer que si H contient toutes les matrices Ei,j avec i , j alors H contient une matrice inversible

2. On suppose qu’il existe un couple (i, j) ∈ [[1, n]] tel que i , j et Ei,j < H
(a) Montrer qu’il existe λ ∈ K et M ∈ H tel que In = λ.Ei,j + M
(b) En déduire que H contient au moins une matrice inversible

Deuxième méthode
On suppose que H ne contient aucune matrice inversible et on va montrer que H contient toutes les matrices
nilpotentes
1. Montrer que si N est une matrice nilpotente alors ∀α ∈ K , In − α.N est inversible
2. Aboutir à une contradiction, puis conclure

3. Conclure

12
12