PCSI Gustave Monod Mathématiques

Chapitre XIII – Calcul matriciel & Systèmes Linéaires

Dans ce chapitre, K désigne le corps R ou C, et n et p désignent deux entiers strictement positifs. Les éléments
de K sont appelés nombres ou scalaires.

I Matrices et opérations sur les matrices

I.1 Définitions, addition matricielle et multiplication par un scalaire

Définition 1 (Matrices)
• On appelle matrice de taille (n,p) – ou à n lignes et p colonnes – et à coefficients dans K toute famille
M d’éléments de K indexée par [[1; n]] × [[1; p]].
On note M = (mi,j )(i,j)∈[[1;n]]×[[1;p]] , M = (mi,j )16i6n, 16j6p ou plus explicitement
 
m1,1 m1,2 . . . m1,j . . . m1,p
 m2,1 m2,2 . . . m2,j . . . m2,p 
 .. .. .. .. 
 
 . . . . 
M = 
 mi,1 mi,2 . . . mi,j . . . mi,p  ← i-ème ligne de M
 
 . .. .. .. 
 .. . . . 
mn,1 mn,2 . . . mn,j . . . mn,p
↑
j-ème colonne de M
• On note Mn,p (K), l’ensemble des matrices de taille (n,p) à coefficients dans K.
• Lorsque n = p, on note Mn,p (K) = Mn (K) et les matrices de Mn (K) sont appelées matrices carrées.
• Lorsque n = 1, on parle de matrice ligne de taille p, et lorsque p = 1, on parle de matrice colonne de taille
n.
• La matrice de taille n × p dont tous les coefficients sont nuls est appelée la matrice nulle de Mn,p (K), notée
0 ( ou (0)n,p lorsqu’on veut être plus précis)

Remarque. En fait, une matrice M de taille n × p à coefficients dans K n’est jamais qu’un élément de KJ1,nK×J1,pK , i.e.
une famille (mij )(i,j)∈J1,nK×J1,pK d’éléments de K indexée par J1,nK × J1,pK, c’est-à-dire encore une application (i,j) 7→ mij
de J1,nK × J1,pK dans K. En résumé : Mn,p (K) = KJ1,nK×J1,pK .
 
1 4  
i 0
Exemples : La matrice 2 5 est réelle de taille 3 × 2, la matrice est carrée complexe de taille 2.
2 3+i
3 6
Remarque. Deux matrices sont égales si elles ont même taille et que les coefficients de chaque matrice sont
égaux s’ils ont des indices de lignes et de colonne identiques.

Définition 2 (Addition matricielle et multiplication par un scalaire)

 ∈ Mn,p (K) et λ,µ ∈ K, on noteλA + µB la matrice :

Pour tous A,B
λa11 + µb11 · · · λa1p + µb1p
λA + µB =  .. ..
 , appelée une combinaison linéaire de A et B.
 
. .
λan1 + µbn1 ··· λanp + µbnp

 
3 3 1 2 3
Exemples : En prenant λ = et µ = 0, = (multiplication d’une matrice par un scalaire)
2 2 4 5 6
   
1 2 3 −1 4 3
et avec λ = 1 et µ = 1, + = (addition de deux matrices).
4 5 6 3 −2 4

1/12
PCSI Gustave Monod Mathématiques

Définition 3 (Matrices élémentaires)

Pour tous i,j ∈ J1,nK × J1,pK, on note souvent Eij la matrice de Mn,p (K) dont tous les coefficients sont nuls
à l’exception du coefficient de position (i,j), égal à 1 . Ces matrices sont appelées les matrices élémentaires de
Mn,p (K).

Exemples : Les matrices élémentaires de M2,3 (R) sont :

Toute matrice M ∈ M2,3 (R) est combinaison linéaire de matrices élémentaires :

       
m11 m12 m13 1 0 0 0 0 0 0 1 0 X
M= = m11 + m21 + m12 + ... = mij Eij .
m21 m22 m23 0 0 0 1 0 0 0 0 0
16i62
16j63

X
Plus généralement, pour toute matrice M ∈ Mn,p (K): M = mij Eij . On dit que toute matrice de Mn,p (K) est
16i6n
16j6p
combinaison linéaire de matrices élémentaires.

I.2 Produit matriciel

Définition 4 (Produit de deux matrices)

Soient A = (ai,j )16i6n, 16j6p ∈ Mn,p (K) et B = (bj,k )16j6p, 16k6q ∈ Mp,q (K). On pose
p
X
AB = (ci,k )16i6n, 16k6q , où ∀(i,k) ∈ [[1; n]] × [[1; q]], ci,k = ai,j bj,k .
j=1

C’est un élément de Mn,q (K). Disposition pratique des calculs :

b1,1 b1,k b1,q
 
b2,1 b2,k b2,q 
 .. .. .. 
 
 . . . 
 =B
 bj,1 bj,k bj,q 
 
 . .. .. 
 .. . . 
  bp,1 bp,k bp,q 
a1,1 a1,2 ... a1,j ... a1,p c1,1 c1,k c1,q
  
  
  
A=
 ai,1
  = AB
 ai,2 ... ai,j ... ai,p 
  ci,1
 ci,k ci,q 

  
an,1 an,2 ... an,j ... an,p cn,1 cn,k cn,q

   
  1 1 1 1  
1 2 3  1 2 3
Exemples : 0 2 = et  0 2 = .
4 5 6 4 5 6
−1 1 −1 1
Remarque. Le produit AB n’est défini que si le nombre de colonnes de A est égal au nombre de
lignes de B, c’est la compatibilité des formats :
Matrice de taille n × p × Matrice de taille p × q = Matrice de taille n × q

 Exercice 1 : Par quelle matrice ne comportant qu’une ligne ou qu’une colonne doit-on multiplier une matrice
A ∈ Mn,p (K) pour que la matrice obtenue soit sa k-ième colonne? Sa j-ième ligne?

Propriété 1 : Propriétés du produit matriciel

1. Associativité. ∀ (A,B,C) ∈ Mn,p (K) × Mp,q (K) × Mq,r (K), (AB)C = A(BC).
2. Bilinéarité : Pour tous A,B ∈ Mp,q (K),C,D ∈ Mq,r (K) et λ,µ ∈ K :

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

2/12
PCSI Gustave Monod Mathématiques

Démonstration :

Attention :
Règles de calcul non valables pour le produit matriciel :
1. Ce produit n’est pas commutatif : pour deux matrices quelconques A et B, a priori AB 6= BA.
Exemple :
     
1 1 0 0 0 0 1 1
= mais = .
0 1 1 0 1 0 0 1

2. En général, on ne peut pas simplifier par une matrice non nulle. On n’a pas AB = AC implique
B = C. Cela signifie en particulier qu’un produit de matrices peut être nul sans qu’aucune d’entre
elles le soit.  
0 1 1 1
Exemple : = .
0 0 0 0
De même, une puissance de matrices
 peut
 être
 nulle
 sans que la matrice soit nulle ! On parle de
0 0 0 0
matrices nilpotentes : Exemple : × =
1 0 1 0

Remarque. Avec l’associativité du produit matriciel, on peut définir les puissance d’une matrice carrée A en
posant A0 = In et pour tout i ∈ N∗ , Ai = A × A × . . . × A, i fois.
 
1 ··· 1
 Exercice 2 : On pose : J =  ... ..  - matrice carrée de taille n. Montrons que : ∀k ∈ N∗ , J k = nk−1 J.

.
1 ··· 1

Propriété 2 :
Soit X ∈ Mp,1 (K), A ∈ Mn,p (K). Le produit AX est une matrice colonne de Mn,1 (K). C’est la combi-
naison linéaire des colonnes de A.
         
1 2 3 x1 1 2 3
Exemple : Si A = 4 5 6 et X = x2 , alors AX = x1 4 + x2 5 + x3 6.
7 8 9 x3 7 8 9

Définition 5 (Symbole de Kronecker)


1 si i = j
Pour i,j ∈ N, on note δi,j =
0 sinon.

Propriété 3 : Produit de deux matrices élémentaires

Soit Ei,j ∈ Mn,p (K) et Ek,l ∈ Mp,q (K). Alors Ei,j × Ek,l = δj,k Ei,l .

Démonstration :
   
  0 0   0 0
0 1 0 0 1 0
Exemple : × 0 0 = et × 1 0 =
0 0 0 0 0 0
0 1 0 0

I.3 Transposée d’une matrice

Définition 6 (Transposée d’une matrice)

Soit A = (ai,j )16i6n, 16j6p ∈ Mn,p (K). On appelle matrice transposée de A la matrice
t
A = (bj,i )16j6p, 16i6n , où ∀(j,i) ∈ [[1; p]] × [[1; n]], bj,i = ai,j .
C’est un élément de Mp,n (K).

3/12
PCSI Gustave Monod Mathématiques

   
1 2 3 a b
Exemple : Si A = , alors tA = . . . . . . . . . . . . Si B = , alors tB = . . . . . . . . . . . .
4 5 6 c d

Propriété 4 : Propriétés de la transposition

1. Involutivité. Pour toute matrice A, t (tA) = A.
2. Linéarité. ∀A,B ∈ Mn,p (K), ∀λ ∈ K, t(A + B) = tA + tB et t(λA) = λtA.
3. Transposée d’un produit. ∀(A,B) ∈ Mn,p (K) × Mp,q (K), t(AB) = tB tA.

Démonstration :

II Opérations élémentaires
II.1 Opérations élémentaires sur les lignes d’une matrice

Définition 7
Soit M ∈ Mn,p (K) une matrice dont on note les lignes L1 , . . . , Ln .
• On appelle opération élémentaire sur (les lignes de) M une transformation de l’un des trois types suivants :
Codage Transformation
Li ↔ Lj Pour i 6= j, échanger Li et Lj . Permutations
Li ← λLi Pour λ ∈ K non nul, remplacer Li par λLi . Dilatations
Li ← Li + λLj Pour i 6= j et λ ∈ K, remplacer Li par Li + λLj . Transvections
• Si une matrice M 0 se déduit de M par une suite finie d’opérations élémentaires, on note M ∼ M 0 , et on dit
L
que M est équivalente par ligne à M 0 .

Propriété 5 : Opérations sur les lignes

Effectuer une opération élémentaire sur les lignes d’une matrice M ∈ Mn,p (K) revient à la multiplier
à gauche par l’une des matrices carrées de taille n suivantes :
Li ← αLi Li ↔ Lj Li ← Li + λLj
i i j i j
1 1
1
   
 ..   ..   .. 

 .



 . 


 . 

1 0 ··· 1 1 ··· λ
     
α
     
 
. . .
   
  
. .. .
  .. .


 1 


 . . .



 . .


1 ··· 0 1
     
 ..     
 .  
 ..



 ..


1  .   . 
1 1
Mat. de dilatation Di (α) Mat. de permutation Pi,j Mat. de transvection Ti,j (λ)

Démonstration :
Exemple : Pour chaque cas, écrivez la matrice d’opérations élémentaires
 nécéssaire
 etle résultat
 : 
1 2 3
• On veut soustraire à la seconde ligne 4 fois la première : =
4 5 6
!   
1 2 3
• On veut diviser la seconde ligne par -3 : =
0 −3 −6
    
1 2 3
• On veut échanger les deux lignes : = .
0 1 2

II.2 Opérations élémentaires sur les colonnes d’une matrice

Propriété 6 : Opérations sur les colonnes

Effectuer une opération élémentaire sur les colonnes d’une matrice M ∈ Mn,p (K) revient à la multiplier
à droite par l’une des matrices de dilatation, de permutation ou de transvection vues à la propriété 5.

4/12
PCSI Gustave Monod Mathématiques

Exemple : Pour chaque cas, écrivez la matrice d’opérations élémentaires nécéssaire

 et le résultat
 :
   
1 2 3 
• On veut soustraire à la seconde colonne 2 fois la première : =
4 5 6
 
   
1 0 3 
• On veut diviser la seconde colonne par -3 : =

4 −3 −6


 
   
1 0 3 
• On veut échanger la 1ere et la 2eme colonne : = .
1 1 2

III Systèmes linéaires

III.1 Définitions

Définition 8 (Équations linéaires à p inconnues)

Une équation linéaire à p inconnues est une égalité a1 x1 + a2 x2 + · · · + ap xp = b où a1 , a2 , . . . ,ap et b sont
éléments de K.
Les inconnues sont les p nombres x1 , x2 , . . . , xp ou alors l’inconnue est le p-uplet (x1 ,x2 , . . . ,xp ) ∈ Kp .
L’expression a1 x1 + · · · + ap xp est la partie linéaire et b est le second membre.

Quelques cas particuliers. Lorsque tous les aj sont nuls :

• soit b est nul lui aussi et, dans ce cas, l’équation s’écrit 0 = 0 et a pour solutions tous les éléments de Kp ,
• soit b 6= 0 et dans ce cas, aucun élément de Kp n’est solution.

Définition 9 (Système d’équations à p inconnues)

Un système de n équations à p inconnues est une famille de n équations de la forme précédente. On le
note : 
 a1,1 x1 + a1,2 x2 + · · ·
 + a1,p xp = b1
 a2,1 x1 + a2,2 x2 + · · ·

+ a2,p xp = b2
(S ) .. .. .. ,


 . . .
an,1 x1 + an,2 x2 + · · · + an,p xp = bn


où (ai,j )(i,j)∈J1;nK×J1;pK , (bk )16k6n sont des familles de nombres. Si en plus les bk sont tous nuls, on dit que le
système est homogène.

Remarque. Le système homogène s’obtient donc en remplaçant tous les seconds membres des équations par
des zéros. Un système homogène admet toujours une solution : la solution nulle.
En revanche, un système non-homogène peut ne pas en avoir.
On veillera àbien empiler les inconnues : 
 2x + 3y − 4z + t = 2  2x + 3y − 4z + t = 2
− 2y + 4z − 2t = −2 −2y + 4z − 2t = −2
3x − 2y + 2t = −1 3x − 2y + 2t = −1
 
Bien Mal

III.2 Matrices d’un système

Important :
Tout système linéaire peut être écrit sous forme matricielle.

Exemple : Pour tout (x,y,z) ∈ R3 :

     
2x + y − 3z = 3 2 1 −3 x 3
5y + z = 2 ⇐⇒ 0 5 1  y  = 2
9x + 10y + 2z = 1 9 10 2 z 1


5/12
PCSI Gustave Monod Mathématiques

Définition 10 (Matrice d’un système)

Étant donné un système (S ), on forme un tableau avec les coefficients ai,j que l’on écrit tels qu’ils apparaissent
dans le système. Ce tableau s’appelle la matrice du système (S ) et se note :

···
 
 a1,1 a1,2 a1,p 
···
 


 a2,1 a2,2 a2,p 


A=

 .. .. 
 = (a )
 i,j 16i6n
 . .  16j6p

 
 

an,1 an,2 ··· an,p

Remarque. On dit qu’une telle matrice est constituée de n lignes et p colonnes ou qu’elle est de format (n,p).
BOn met toujours le nombre de lignes PUIS le nombre de colonnes.
Le système (S ) vu précédemment peut alors s’écrire : AX = B, où on pose X = (xi )16i6p et B = (bi )16i6n .

Définition 11 (Matrice augmentée.)

On l’obtient en ajoutant la colonne des seconds membres. On sépare la colonne des seconds membres par une
barre verticale.

a1,1 a1,2 · · · a1,p b1 

 

a2,1 a2,2 · · · a2,p b2 

 

 

Ae= 
. . .

.. .. .. 
 

 


 

an,1 an,2 · · · an,p bn
On observe que la matrice augmentée est de format (n, p + 1) c’est-à-dire qu’elle a n lignes et p + 1 colonnes.


4x + 2y = 1
Exemple : Matrice associée au système ? Matrice augmentée?
 −x + y = 2
 2x − 3y + 4z + t = 2
Matrice associée au système − 2y + 4z − 2t = −2 ? Matrice augmentée?
3x − 2y + 2t = −1


III.3 Structure de l’ensemble des solutions

Théorème 1 : Structure de l’ensemble des solutions d’un système linéaire
Soient A ∈ Mn,p (K) et B ∈ Kn . On s’intéresse au système linéaire AX = B d’inconnue X ∈ Kp . Deux
situations peuvent se présenter :
• soit ce système n’a pas de solution, on dit qu’il est incompatible,
• soit il en a, on dit qu’il est compatible. Elles sont dans ce cas soumises au principe bien connu
suivant :
Solution générale du système complet = Solution particulière + Solution générale du sytème homogène

Le système AX = B est compatible si B est combinaison linéaire des colonnes de A (conséquence de la

propriété 2).

Démonstration :

6/12
PCSI Gustave Monod Mathématiques

III.4 Opérations élémentaires sur les lignes d’un système

Étant donné un système linéaire de n équations à p inconnues, on note Li la i-ème équation de (S ) c’est-à-dire,
avec les notations précédentes : (Li ) : ai,1 x1 + ai,2 x2 + · · · + ai,p xp = bi .

Définition 12 (Opérations élémentaires sur les lignes)

Soient i,j ∈ N∗ et λ ∈ K. On appelle opération élémentaire (sur les lignes d’un système linéaire) les opérations
suivantes :
• permutation des ième et j ème lignes, notée : Li ↔ Lj ,
• multiplication de la ième ligne par λ 6= 0, notée : Li ← λLi ,
• addition de la j ème ligne multipliée par λ à la ième ligne (avec i 6= j ), notée : Li ← Li + λLj .
Remarque fondamentale : Transformer un système linéaire donné par des opérations élémentaires sur les
lignes ne modifie pas l’ensemble de ses solutions.

On résume dans le schéma ci-dessous :

Codage Transformation
Li ↔ Lj Pour i 6= j, échanger Li et Lj . Permutations
Li ← λLi Pour λ ∈ K non nul, remplacer Li par λLi . Dilatations
Li ← Li + λLj Pour i 6= j et λ ∈ K, remplacer Li par Li + λLj . Transvections

 Exercice 3 : On se donne un système


 a1,1 x1
 + a1,2 x2 + ··· + a1,p xp = b1
 a2,1 x1 + a2,2 x2 + ··· + a2,p xp = b2

(S ) .. .. ..


 . . .
an,1 x1 + an,2 x2 + ··· + an,p xp = bn


On suppose que a1,1 6= 0. On veut modifier le système de la façon suivante : On conserve la première équation
et on change les suivantes par des transformations Li ← Li − λi L1 , 2 6 i 6 n. Comment faut-il choisir les λi
pour que l’inconnue x1 n’apparaisse plus dans les nouvelles équations Li , 2 6 i 6 n?

 Exercice 4 :Appliquer l’exercice précédent pour que les lignes 2 et 3 du système suivant ne contiennent plus
 x + 2y − 3z = 4
la variable x : 2x + y + 3z = 9 .
x + y + 2z = 3

Une fois que c’est fait, comment faire pour que l’inconnue y soit éliminée dans la ligne 3?

III.5 Systèmes équivalents

Définition 13 (Systèmes équivalents)

On dit que deux systèmes de n équations à p inconnues sont équivalents lorsqu’on peut passer de l’un à l’autre
par une suite finie de transformations élémentaires. Important : deux systèmes équivalents ont les mêmes
solutions.

 
2x + 2y =4 4x + 4y =8
Exemple : et sont équivalents. Pourquoi?
3x − y =2 5x + y =6

  x = a+b

x + y = a 2
 Exercice 5 : On sait que ⇔ a − b . Le montrer au moyen d’opérations
x − y = b  y =

2
élémentaires.

7/12
PCSI Gustave Monod Mathématiques

III.6 Opérations sur les lignes d’une matrice

Propriété 7 :
On note Li , 1 6 i 6 n les lignes de la matrice M . Les opérations élémentaires sur les lignes d’une matrice
sont les mêmes que celles d’un système :
• Li ↔ Li0
• Li ← λLi , λ 6= 0
• Li0 ← Li0 + λLi , i 6= i0 .

Définition 14 (Matrices Équivalentes par lignes)

Une matrice M 0 est dite équivalente à M lorsque M 0 se déduit de M par un nombre fini de transformations
élémentaires. On note M 0 ∼ M .
L

 Exercice 6 : Refaire l’exercice 5 avec les matrices augmentées.

III.7 L’algorithme de Gauss-Jordan

Méthode : Algorithme de Gauss-Jordan

On se donne un système linéaire.
1. On regarde la première colonne. Si tous les termes sont nuls, on passe à la suivante. Sinon on
considère le premier terme non nul de la colonne qu’on appelle ai,1 (on suppose qu’il est sur la i-ème
ligne).
2. Si ai,1 n’est pas en première ligne (i 6= 1), on permute deux lignes pour qu’il le soit. L1 ↔ Li .
1
3. On dilate la première ligne pour normaliser ai,1 . L1 ← L1 .
ai,1
4. On transvecte toutes les autres lignes pour annuler leur 1er coefficient a1,j . Lj ← Lj − aj,1 L1 pour
j allant de 2 à n.
5. On passe à la colonne d’après mais on regarde cette fois à partir de son deuxième terme (seconde
ligne).
On recommence ensuite tout ce qui a été fait précédemment et jusqu’à la dernière colonne du système.
Au bout du compte, le système a été transformé en un système « en escalier ».
Ensuite, « on remonte » le système

 Exercice 7 : Réaliser un programme Python pour coder cet algorithme.



 x + 2y − 3z = 4
x + 3y + z = 11

 Exercice 8 : Résoudre le système :
2x + 5y − 4z = 13

4x + 11y = 37


x +3y + z = 11
 Exercice 9 : Donner les solutions du système 2y + 4z = 12 .
z =2


Cas où le système n’a pas de solutions

Remarque. Lorsqu’un p-uplet (x1 , . . . ,xp ) est solution, ce sont toutes les équations d’un système qui doivent
être vérifiées, y compris celles où ne figurent pas les inconnues. Si ce n’est pas le cas, alors le système n’a
aucune solution.
Dans le cas contraire, le système a des solutions ; on dit qu’il est compatible .

3x +2y −z = 3
 Exercice 10 : Montrer que 4y −2z = 2 n’a pas de solutions.
2y −z = 3


8/12
PCSI Gustave Monod Mathématiques

Cas où le système a une infinité de solutions

Lorsque le nombre de pivots est inférieur au nombre total d’inconnues, le système peut admettre une infinité
de solutions. Certaines inconnues
 deviennent alors des paramètres.
 x1 + 2x2 − 3x3 − x4 + 3x5 = 2
 Exercice 11 : Soit (S ) 2x3 − x4 − 2x5 = −1
x4 + x5 = 1

x1 =
x2 =
Donner les solutions de (S ) sous la forme : x3 = . Combien de paramètres a-t-on utilisé?
x4 =
x5 =

IV Ensemble des matrices carrées

IV.1 Définitions

Définition 15 (Ensemble Mn (K))

On rappelle que l’ensemble Mn (K) est l’ensemble de toutes les matrices carrées à n lignes et n colonnes à
coefficients dans K.

 
2 7 9
Exemple : A = 1 −1 2 est une matrice de M3 (R).
3 −1 0

Définition 16 (Matrice identité, matrice scalaire)

• Élément
 neutre : 
On appelle matrice identité (de taille n) la matrice carrée de taille n :
1
In = 
 .. . Pour toute matrice A ∈ Mn,p (K) : In A = AIp = A.

.
1
• On appelle matrice scalaire toute matrice de M1 (K).

Définition 17 (Matrices triangulaires/diagonales)

Soit M = (mi,j )16i,j6n une matrice carrée.
• On dit que M est triangulaire supérieure si ses coefficients sous-diagonaux sont nuls, triang. inférieure
si ses coefficients sur-diagonaux sont nuls et diagonale non-diagonaux sont nuls.
• Si M est diagonale, on la note plus simplement M = Diag(m1,1 , . . . ,mn,n ).

Remarque. On note Tn+ (K) (resp. Tn− (K), resp. Dn (K)) l’ensemble des matrices triangulaires supérieures
(resp. triangulaires inférieures, resp. diagonales) de taille n à coefficients dans K.
On a Dn (K) ⊂ Tn± (K) et plus précisément Dn (K) = Tn+ (K) ∩ Tn− (K).
     
5 0 √3 5 0 0 5 0 0
+ −
Exemple : 0 π 2 ∈ T3 (R),  3 π 0  ∈ T3 (C) et 0 π 0  ∈ D3 (R).
0 0 12 2i 4 12 0 0 12

Définition 18 (Matrices symétriques/antisymétriques)

Soit M = (mi,j )16i,j6n une matrice carrée.
• On dit que M est symétrique si et seulement si tM = M .
• On dit que M est antisymétrique si et seulement si tM = −M .
• On note Sn (K) (rep. An (K)) l’ensemble des matrices symétriques (resp. antisymétriques) de taille n à coeffi-
cients dans K.

9/12
PCSI Gustave Monod Mathématiques

Remarque.
• Les coefficients diagonaux d’une matrice antisymétrique sont nuls.
• On a Dn (K) ⊂ Sn (K) et plus précisément Dn (K) = Tn+ (K) ∩ Sn (K) = Tn− (K) ∩ Sn (K).
   
5 0 √3 0 −3 2i
Exemple : 0 √π 2 ∈ S3 (R) et  3 0 4  ∈ A3 (C).
3 2 12 −2i −4 0

IV.2 Propriétés multiplicatives

Propriété 8 : Produit de deux matrices carrées

• Le produit de deux matrices carrées de même taille n est défini et est une matrice carrée de taille n.
• Le produit de deux matrices diagonales (resp. triangulaires supérieures, resp. triangulaires inférieures)
est une matrice ayant la même propriété.
Plus précisément dans le cas diagonal, si A = Diag(a1 , . . . ,an ) et B = Diag(b1 , . . . ,bn ), alors AB =
Diag(a1 b1 , . . . ,an bn ). En particulier on a alors AB = BA.
     
1 1 2 1 1 2
Exemple : 0 1 0 × 0 1 0 =  .
0 0 1 0 0 1
Remarque. On peut définir ainsi les puissance d’une matrice carrée A en posant A0 = In et pour tout i ∈ N∗ ,
Ai = A × A × . . . × A, i fois.

Attention :
Le produit de deux matrices symétriques ou antisymétriques (de même taille) n’est pas nécessairement
symétrique ou antisymétrique. Par exemple :
         
0 1 1 2 0 1 0 −2
= et = .
1 0 2 3 −1 0 2 0

Théorème 2 : Formules du binôme de Newton et de Bernoulli Ak − B k

Soient A,B ∈ Mn (K). On suppose que A et B commutent, i.e. que AB = BA.
k   k−1
X k X
∀k ∈ N, (A + B) = k
Ai B k−i et ∀k ∈ N∗ , Ak − B k = (A − B) Ai B k−1−i
i=0
i i=0

Démonstration : Même preuve que dans le chapitre 4 !

Attention :
L’hypothèse selon laquelle A et B commutent est essentielle !
Exemple : pour k = 2 : (A + B)2 = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
et (A + B)(A − B) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

   
1 1 2 1 k 2k
 Exercice 12 : On pose A = 0 1 0 . Montrer que ∀k ∈ N, Ak = 0 1 0 .
0 0 1 0 0 1

IV.3 Matrices carrées inversibles

Définition 19 (Matrices inversibles - Inverse)

• On dit qu’une matrice carrée A ∈ Mn (K) est inversible s’il existe une matrice carrée B ∈ Mn (K) telle que
AB = BA = In . Une telle matrice B est alors unique. On l’appelle l’inverse de A, et on la note A−1 .
• On appelle groupe linéaire d’ordre n sur K, noté GLn (K), l’ensemble des matrices carrées inversibles de
taille n à coefficients dans K.

10/12
PCSI Gustave Monod Mathématiques

Démonstration.
Remarque. On peut montrer que lorsque les matrices A et B sont carrées, l’une des deux égalités AB = In
ou BA = In implique l’autre (voir le chapitre sur les espaces vectoriels de dimension finie), et il n’est donc alors
pas nécessaire de vérifier les deux.

Propriété 9 :
1. Si A ∈ GLn (K), alors A−1 ∈ GLn (K) et (A−1 )−1 = A.
2. Les matrices carrées inversibles sont simplifiables, i.e. si A ∈ GLn (K) et si B et C sont deux matrices
telles que AB = AC (resp. BA = CA), alors B = C.
3. Si A et B ∈ GLn (K), alors AB ∈ GLn (K) et (AB)−1 = B −1 A−1 .
4. Transposée d’une matrice inversible. ∀ A ∈ GLn (K), tA ∈ GLn (K) et (tA)−1 = t (A−1 ).

Démonstration.

Théorème 3 : Inversibilité des matrices carrées de taille 2

 
a b
Une matrice A = ∈ M2 (K) est inversible si et seulement si ad − bc 6= 0, auquel cas
c d
 −1  
a b 1 d −b
= .
c d ad − bc −c a
Le nombre ad − bc s’appelle le déterminant de A.

Démonstration.

Théorème 4 : Inversibilité des matrices diagonales

Une matrice diagonale D = Diag(d1 , . . . ,dn ) est inversible si et seulement si ses coefficients diagonaux
sont tous non nuls. Dans ce cas, son inverse est la matrice diagonale
D−1 = Diag(d−1 −1
1 , . . . ,dn ).
En particulier la matrice identité In est inversible et In−1 = In .

Démonstration.
−3
 
1 2
0 2 1 .
 Exercice 13 : Déterminer l’inverse de la matrice 
1

0 0
2
 Exercice 14 : Important ! Que pensez-vous d’une matrice qui possède une ligne ou une colonne nulle ?
Peut-elle être inversible? Et une matrice qui possède deux lignes identiques?

IV.4 Pivot de Gauss et inversibilité des matrices carrées

Le pivot de Gauss permet de détecter l’inversibilité d’une matrice, et le cas échéant de calculer son inverse,
grâce au théorème suivant :

Théorème 5 : Caractérisation des matrices inversibles - Résolution de systèmes

Soit A ∈ Mn (K). Les propriétés suivantes sont équivalentes :
1. A est inversible, i.e. A ∈ GLn (K).
2. A est équivalente par lignes à la matrice identité In .
3. Pour tout B, le système AX = B admet une unique solution.
Ces cas échéants, toute suite finie d’opérations élémentaires transformant A en la matrice In transforme
aussi In en la matrice A−1 .

Démonstration.  
1 0 −2
 Exercice 15 : Montrer que A =  3 2 2  est inversible, et calculer son inverse.
−2 −1 −2

11/12
PCSI Gustave Monod Mathématiques

Corollaire 1 (Inversibilité des matrices triangulaires)

Une matrice triangulaire supérieure (resp. inférieure) T est inversible si et seulement si ses coefficients diago-
naux sont tous non nuls. Son inverse T −1 est alors triangulaire supérieure (resp. inférieure), et ses coefficients
diagonaux sont les inverses de ceux de T .

Démonstration : Montrons le résultat pour une matrice T triangulaire supérieure.

Si ses coeffs. diags. sont tous non nuls, alors T est inversible par théorème 5, et les opérations élémentaires transformant
T en In , données dans la preuve de ce théorème, transforment In en une matrice triangulaire supérieure, à coefficients
diagonaux inverses de ceux de T .
Réciproquement si T a un coefficient diagonal nul, alors T est équivalente par ligne à une matrice de rang r < n (annuler
la ligne du dernier coefficient diagonal nul de T , la placer en dernière position, et échelonner les n − 1 premières lignes),
et donc T n’est pas inversible.
Le résultat pour une matrice triangulaire inférieure s’en déduit par transposition. En effet, on a T ∈ Tn− (K) ⇔ t T ∈
Tn+ (K), T ∈ GLn (K) ⇔ t T ∈ GLn (K) avec dans ce cas (t T )−1 = t(T −1 ), et le fait qu’une matrice et sa transposée ont
les mêmes coefficients diagonaux.

Méthodes : Calcul des puissances d’une matrice carrée

 
1 2 6
 Exercice 16 : Soit A = 0 1 2. Écrire A sous la forme A = I3 + D où D est une matrice vérifiant
0 0 1
Dk = 03 , k entier à trouver. En déduire An pour tout n ∈ N.
 
2 1 1
 Exercice 17 : Soit A = 1 2 1. Calculer A2 puis écrire A2 en fonction de A et de I3 . Montrer par
1 1 2
récurrence que pour tout p ∈ N, il existe des réels αp et βp tels que Ap = αp A + βp I3 . En déduire An pour tout
n ∈ N.

Méthode : calcul de l’inverse d’une matrice carrée sans la méthode du pivot

 Exercice 18 : La matrice de l’exercice 17 est-elle inversible? Si oui, calculer son inverse sans utiliser le pivot.

 
3 2 −1
 Exercice 19 : Soit A = 1 −1 1 . Calculer A2 puis A3 . Trouver une relation de combinaison linéaire
2 −2 1
entre A3 , A2 , A et I3 . En déduire A−1 .

12/12