LES MATRICES

Soit K corps : R, C ou Q ;

1. Définition d’une matrice

Soient n, p deux entiers, n  1 , p  1,

Une matrice de type (n, p) sur K est un tableau à n lignes et p colonnes d’éléments de K , représenté par

 a11 a12 a13   a1 p 

 
 a21 a22 a23   a2 p 
A A  aij 1 I  n
 
,
     1 J  P
 
a a    a 
 n 1 n 2 np 

aij  K Est l’élément de la i 鑝e ligne et la j 鑝e colonne, appelé terme (ou coefficients).

Remarque : 1

On note par M ( n, p ) K  l’ensemble des matrices rectangulaires à n lignes et p colonnes à coefficients dans K .

2. Matrices particulières

- Si n =p ; A est dite matrice carrée d’ordre n. On note M n K  au lieu de M ( n,n) K  .

- Si p=1 ; A est dite matrice colonne appartient à M ( n,1) K  .

- Si n=1 ; A est dite matrice ligne appartient à M (1, p) K  .

Remarque : 2

On appelle diagonale principale d’une matrice carrée d’ordre n, A  aij  le n –uplet:

a11, a22 ,, ann   K n

Exemples :

 2 2i 1 
   
a-
 3  1 1   M ( 2,3) C matrice rectangulaire,
 2
2 3 
b-    M 2 R  matrice carrée d’ordre 2, diagonale principale 2,1  R 2 ,
 4  1
 2
c-    M ( 2,1) R  matrice colonne,
 1
 
 1 
d-   2, ,3   M (1,3) Q  matrice ligne.
 2 
  0 0
 0 0  
e-    0 22 matrice d’ordre 2 nulle ,  0 0  matrice de type (3,2) nulle, donc la
 0 0  0 0
 32
matrice dont les coefficients sont tous nuls on l’appelle matrice nulle et on la note 0 mn .

3 – Matrices particulières carrées

a- La matrice carrée d’ordre n dont les coefficients diagonaux sot égaux à 1 et les autres coefficients sont
nuls est appelée matrice identité ou unité d’ordre n, notée I n .

1 0  0
 
0    
In  
  1 0
 
0  0 1
 

b- On dit que A est triangulaire supérieure si tous ses coefficients située au-dessous de la diagonale

principale sont nuls, i, j   1,, n 1,, n i  j  aij  0 , 
 a11 a12  a1n 
 
 0 a22   
Tsup 
    
 
 0  0 a 
 nn 

c- On dit que A est triangulaire inférieure si tous ses coefficients située au-dessus de la diagonale

principale sont nuls, i, j   1,, n 1,, n i  j  aij  0 , 
 a11 0  0 
 
a a22   
Tinf   21
   0 
 
a  ann 
 n1 
d- Une matrice diagonale, notée D  aij 1i , j n et à la fois triangulaire supérieure et inférieure elle
s’écrit :
 a11 0  0 
 
 0 a22   
D
   0 
 
 0  0 a 
 nn 

e- Soit A une matrice carrée sur K ,

On dit que A est une matrice symétrique si A  A ,
T
-
On dit que A est une matrice antisymétrique si A   A .
T
-
- Exemple :
 T
1 5 3 1 5 3
   
- La matrice  5 2 6  de M 23 C  est symétrique, car  5 2 6 
3 6 7 3 6 7
   
 0 1 i 0   0 1 i 0 
   
- La matrice   1  i 0  3  de M 3 C  est antisymétrique, car 1  i 0 3 
 0 0   0  3 0 
 3 
 0 1 i 0 
 
 1 i 0  3 
 0 0 
 3

4- Trace d’une matrice carrée

Soit A  aij 1i , j n une matrice carrée à coefficients dans K , sa trace notée Tr  A est le scalaire somme
n
des coefficients de sa diagonale principale : Tr  A  a ii
i 1

Propriétés :

i. Tr (A+B)=Tr(A) + Tr(B)
ii. Tr (  A)=  Tr(A)
iii.    Tr  A ou A
Tr A
T T
désigne la transposée de A .

Exemple : Soit

 2 1  3
 
A   0 2  1
 3  2  1
 
3
Tr  A   aii  a11  a22  a33  2  2  (1)  3
i 1

4- Opération sur les matrices :

a) Addition sur les matrices

Soient A  aij 1 I n et B  bij 1 I n deux matrices de type (n, p) sur K .
1 J  P 1 J  P

On appelle somme de A et B , notée A  B , la matrice de type (n, p) sur K , définie par :

A  B  aij  bij 1in

1 j  p

 1 0 
 1  2 3  3 0 2  
Exemple : Soient A    , B    , C   2 3  trois matrices , calculer la
 4 5 6   7 1 8  1 1
 
somme de A  B et B  C .
  1  2 3  3 0 2  1  3  2  0 3  2  4  2 5 
A  B    +   =   =  
 4 5 6    7 1 8   4  7 5  1 6  8    3 6 14 
B  C Non définie
Donc pour effectuer une somme de deux matrices il faut et il suffit qu’elles soient de même type.

Remarque 3 :

 A  B  C  A  B  C  , avec A, B, C des matrices de même type.

b) Multiplication par un nombre

Soit A  aij 1in ;  un nombre dans le corps K , appelé scalaire,

1 j  p

On appelle le produit de A par  , la matrice de type (n, p) sur K définie par : A  aij 
1 i  n
1 j  p

Exemple :

Calculer dans les ensembles précédents: 2 A  B ,

 1  2 3  3 0 2  2  4 6    3 0  2
2  -         ;
 4 5 6    7 1 8   8 10 12   7 1  8

 2  3  4  0 6  2    1  4 4
Donc 2 A  B =   =   .
 8  7 10  1 12  8   15 9 4 
c) Multiplication de matrice :

Soient A  aij 1 I n et B  bij 1 I  p deux matrices sur K .

1 J  P 1 J  q

On appelle produit de A et B , la matrice de type (n, q) sur K , définie A B ou A  B , notée

 
A  B  cij 1in ,
1 j  q

d 閒 inition p
cij  a
i 1
b  ai1b1 j  ai 2b2 j    aipb pj
ik kj

Donc A  B est bien défini si et seulement si le nombre de colonnes de A = au nombre de lignes de B .

Exemple : Calculer si possible les produits suivants

 1 i  1 i 0   1  1  i  i 1  i  i 1 1  0  i  2   0 0 2i 
1.         =  
  1 0   i  1 2    1  1  0  i  1  i  0   1  1  0  02    1  i 0 

 2 0  4  1 3 
2.      produit est impossible car le nombre des colonnes de la 1鑝e matrice de
 3  2 6   2  1
鑝e
type (2,3), différents du nombre de lignes de la 2 matrice de type (2,2).

Attention :
 - Le produit de matrices n’est pas commutatif en général,
- A  B  0 implique n’implique pas A  0 ou B  0 ; c'est-à-dire on peut avoir A ≠ 0 et B ≠ 0
mais A  B  0

Exemple :

 0  1  2  3  0 0
A    ; B    et A  B   
0 5  0 0   0 0

- A  B  A  C n’implique pas B  C . On peut avoir A  B  A  C et B ≠ C .

Exemple :

 0  1  4  1  2 5   5  4
A    ; B    ; C    et A  B  AC    .
0 3  5 4   5 4  15 12 
Propriétés du produit de matrice

- ABC    ABC associativité de produit,

- AB  C   AB  AC , B  C A  BA  CA distributivité du produit par rapport à la somme,
- A  0  0 , 0  A  0.

5. Transposition d’une matrice

T
Soit A une matrice de type (n, p) sur K , on appelle matrice transposée de A , notée A , la matrice de
type (p, n) sur K obtenue à partir de A en échangeant les lignes et les colonnes.

Exemple :

2 2 
  1 
 2 4 
3i   M 32 C 
1
A et AT   2   M 23
2   2 3i
4 3   3

Proposition : Soient n, p, q trois entiers naturels non nuls,

i. A  M n, p  K  , AT  T
A,
A  M n, p  K  ,   K ,   A    AT ,
T
ii.

A, B  M n, p  ,  A  B  AT  BT ,
T
iii.

A  M n, p  K  , B  M  p,q  K  ,  A  B  BT  AT .
T
iv.

6. Puissance k i鑝e d’une matrice

Pour toute matrice A  M n K  . On pose

not?
A0  I n et k  N  Ak  
A 
 
A
A , elle s’appelle
kfois
i 鑝e
puissance k de A .
Proposition : (Formule du binôme de newton)

Soient A et B deux matrices de M n K  , si les matrices A et B commutent c’est -à –dire si A  B  B  A ,

alors pour tout m  N ,

m
 A  B m   cmk Ak  B mk , Ou
𝑚!
cmk = 𝑘!(𝑚−𝑘)!
k 0

1 1 1
 
Exercice : Soient A   0 1 0  , B  A  I n pour n  3
0 1 1
 

Calculer B , B , B et B pour n  3
2 3 n
1.
n
2. Calculer A .

1 1 1 1 0 0  0 1 1
     
B   0 1 0   0 1 0   0 0 0
 0 1 1  0 0 1  0 1 0
     

0 1 1
 
Alors B  A  I 3   0 0 0  ;
 0 1 0
 

 0 1 1  0 1 1  0 1 0
     
B  B  B   0 0 0   0 0 0   0 0 0
2

 0 1 0  0 1 0  0 0 0
     

 0 1 0  0 1 1  0 0 0
     
B  B  B   0 0 0   0 0 0   0 0 0
3 2

 0 0 0  0 1 0  0 0 0
     

Par suite :

 0 0 0
 
n  3 B   0 0 0  ,
n

 0 0 0
 
n
2. Calculer A

On a : B  A  I 3 donc A  B  I 3

n
An  B  I 3    cnk B k  I nk
n
Donc
k 0
An  cn0 B 0  I 3n  c1n B1  I 3n 1  cn2 B 2  I 3n 2  cn3 B 3  I 3n 3    cnn B n  I 0

0

nn  1 2
An  I 3  n  1B  B ,
2

1 0 0 0 1 1  0 1 0
    nn  1  
A   0 1 0   n  1 0 0 0  
n
 0 0 0 ;
0 0 1  0 1 0 2  
     0 0 0


1 n  1  nn  1 
n  1  1 n  1n  2 n  1
 2   
Alors A   0
n
1 0  = 0 1 0 
0
 n 1 1   0 n 1 1 

 

Déterminants
Définition 1 : Matrice carrée

a) Déterminants d’ordre 2 :
a b 
Soit une matrice A  M 2 R  ; A    , On appelle déterminant de A la formule
 c d 
det A  ad  bc, notée det A ou A .

Exemple 1:

1 2 1 2
A    , det A   1 4  2  3  4  6  2 .
3 4 3 4

b) Déterminants d’ordre 3 :

 a11 a12 a13 

 
- Soit une matrice A  M 3 R  ; A   a21 a22 a23  , calculer le déterminant de A en
a a33 
 31 a32
utilisant la définition c’-à-d, développer suivant une ligne ou une colonne de notre choix.

Exemple :

Suivant la 1ère ligne

a22 a23 a21 a23 a21 a22

det  A   1 a11   1 a12   1 a13
11 1 2 13

a32 a33 a31 a33 a31 a32

 a11a22  a33  a23  a32   a12 a21  a33  a23  a31   a13 a21  a32  a22  a31 

Suivant la 3ème colonne

 a21 a22 a11 a12 a11 a12
det  A   1 a13   1   1
13 23 33
a23 a33 .
a31 a32 a31 a32 a21 a22

 a13 a21  a32  a22  a31   a23 a11  a32  a12  a31   a33 a11  a22  a12  a21 

Exemple 2 :

 1 2 1 
 
A   1 3 4 
 5 0  2
 

On a développé suivant la 1ère ligne :

3 4 1 2  1 4 1 3
det A   1 1   1 2   1  1
11 13

0 2 5 2 5 0

 
det A  1 3   2  0  4  21  2  5  4  11 0  5  3

  6  22  20   15  6  36  15  45 .

- Règle de Sarrus (déterminant d’ordre 3 avec la règle de Sarrus)

Remarque : Valable uniquement pour le déterminant d’ordre 3.

 a11 a12 a13 

 
Soit A   a21 a22 a23  une matrice d’ordre 3,
a a33 
 31 a32

a11 a12 a13 a11 a12

det A  a21 a22 a23 a21 a22  a11a22a33  a12a23a31  a13a21a32  a31a22a13  a32a23a11  a33a21a12 
a31 a32 a33 a31 a32

Exemple 3 :

1 2 1 1 2
det A   1 3 4  13  1 3   2  2  4  5   1 1  0  5  3   1  0  4  1   2   1  2
5 0 2 5 0
 6  40  0   15  0  4  34   11  45

Définition2 :

Soit A  M n R  , on appelle mineur de l’élément aij le déterminant obtenu en éliminant la

ligne i et la colonne j :
 a22 a23 a21 a22
Exemple : 11  , 13 
a32 a33 a31 a32

On appelle cofacteur de l’élément aij le nombre Aij   1

i j
  ij ou  ij et le déterminant
d’ordre n  1 obtenu par élimination de la ligne i et de la colonne j.

Dans l’exercice précédant trouver les cofacteurs A11 , A13 , A21 .

11   1 11  11

11

13   1 13  13

13

 21  1  21   21
21

Propriétés du déterminant :

1. Un déterminant est nul si une ligne (ou une colonne) est nulle,
0 0 0 0 a b
a b c  0 , 0 a  b  0
a  b c  0 a b

2. Un déterminant est nul si 2 lignes (ou deux colonne) sont identiques,

a b c
a b c 0
a  b c 
3. Si tous les éléments d’une ligne (ou d’une colonne) sont multipliés par un même
nombre, le déterminant et multiplié par ce nombre,
a b c a b c
a b c   a b c
a b c a b c
4. Si on permute 2 lignes (ou 2 colonnes) le déterminant change de signe,

a b c a  b c 
a  b c    a b c
a b c a b c

5. Le déterminant ne change pas si on ajoute à une ligne (ou à une colonne) une autre
ligne (ou une colonne)
1 2 3 l1 1 2 3 
l2  l2  2l1
   2 3 5 l2   0 7 11

1 0 2 l3 0  2  1 l3  l3  l1
En développant suivant la 1er colonne on obtient
 7 11
  7  22  15
 2 1
6. Le déterminant d’une matrice triangulaire est égal au produit des éléments de la
diagonale principale,
a11 a12  a1n
0 a 22  
  a11  a 22    a nn
   a n1n
0  0 a nn
7. Le produit d’une matrice diagonale est égal au produit des éléments de la diagonale
principale
1 0  0
0 2  
  1  2   n .
   0
0  0 n

Méthode d’élimination:

Elle consiste à transformer la matrice du déterminant à une matrice triangulaire (en utilisant les
propriétés des déterminants) afin de faciliter son calcul.

Exemple

1 3 l1 1 3 l1
  22
 6 4 l2 0 22 l2  l2  6l1

1 1  1 l1 1 1  1 l1

 1 0 3 l 2  0 1 2 l 2  l 2  l1  11  0   1  2  2
2 1  2 l3 0  1 0 l3  l3  2l1

Matrice échelonnée :

Définition : une matrice est échelonnée si le nombre de 0 au début de chaque ligne est strictement
croissant quand on passe d’une ligne à la suivante.

    
 
0    
0 0   
 
    
0 0  0  


Le premier élément non nul de chaque ligne dans une matrice échelonnée s’appelle le pivot.

Exercice :
  1 2 3
 
A   0 5 8 Non échelonnée
 9 1 1
 

 1 2 3
 
B   0 4 5 Échelonnée
 0 0 0
 

 1 2 3
 
C   0 4 5  Échelonnée
 0 0 8
 

1 5 7 8
 
0 9 9 10 
D Non échelonnée
0 0 2 1
 
0 0 0 
 1

Définition : Opérations élémentaires :

On appelle opération élémentaire sur une matrice une des opérations suivantes

I. Permuter 2 lignes,
II. Multiplier une ligne par un scalaire non nul,
III. Ajouter à une ligne une combinaison linéaire des autres lignes.

Remarque :

Toute matrice A peut se réduire à une matrice échelonnée grâce à une suite d’opération
élémentaire sur les lignes.

Définition :

Deux matrices A et B sont équivalentes si l’une se déduit de l’autre par une suite finie
d’opérations élémentaires, on note A~𝐵.

Exemples : échelonner les matrices suivantes

 
 1 2 3 l1 1 2 3  l1 1 2 3 
     
A   4 0 1  l 2  l 2  4l1 ~  0  8  11 l2 ~  0  8  11 
  20 
 3 2 1  l   l  3l  0  4  8   4  
  3   l  l  l 0 0
 8 
3 1 3 3 2
8

 1 2 3 l1 1 2 3  l1 1 2 3 
      
B   4 5 1  l 2  l 2  4l1 ~  0  3  11 l 2 ~  0  3  11
 2 1 1  l   l  2l  0  3  5  l   l   l 0 0 6 
  3 3 1  3 3 2 
Définition :

Le rang d’une matrice A égal au nombre de ligne non nul après l’échelonnement :

Exemple : Dans les exemples précédents le rang égal à 3.

Calcul de l’inverse d’une matrice par la méthode de Gauss-Jordan :

Soit A une matrice de M n K  la méthode de Gauss-Jordan consiste à former la matrice bloc A I n , 

 
ensuite utiliser les opérations élémentaires sur les lignes, afin de ce ramener à la forme I n B alors

B ce n’est que A 1 .

Exemples 1:

1 2 1 0  1 2 1 0  l1  l 2  l1  1 0  2 1 
A I 2    

l1
~  
 1 ~

3 1
 
 3 4 0 1  l 2  l 2  3l1  0  2  3 1  l 2   2 l  2  0 1 2 2

 2 1 
Donc A 1   3 1
  
 2 2

Exemple 2:

1 0 0
 
A   2 1 0
1 1 2
 

 1 0 0 1 0 0 1 0 0 1 0 0
    
A I 2    2 1 0 0 1 0  l 2  l 2  2l1 ~  0 1 0  2 1 0  l3  l3  l 2 ~
 1  1 2 0 0 1  l3  l3  l1 0 1 2 1 0 1
   

 
 1 0 0 1 0 0 1 0 0 1 0 0
  0 1 0  2 0 
1
 0 1 0  2 1 0  l3  l3 ~  1
0 0 2  3 1 1 2
 0 0 1  3 1 1
  
 2 2 2

 
 1 0 0
Donc A 2
1
1 0
 3 1 1
 
 2 2 2

Exercice 6 : Calculer avec la méthode de Gauss-Jordan l’inverse des matrices suivantes :

 1 1 1 
 
A   2 0 1
 1 3 2 
 
  1 1 1 1 0 0 1 1 1 1 0 0
   
A I 3    2 0 1 0 1 0  l2  l2  2l1 ~  0 2  1  2 1 0  l3  l3  l2 ~
 1 3 2 0 0 1 0 2 3 1 0 1
   

1 1 1 1 0 0  l   l 2
  2
 0 2 1  2 1 0 2
l 
 0 0 4 3  1 1  l3  3
  4

   1 1 
  1 0 0 0
1 1 1 1 0 0  2 2  l   l   1 l 
1
~ 0 1  1
1
0  l1  l1  l 2 0 1  1
1 1
0
2 2
2 ~
3

 2 2   2 2  1
 
0 0 1 3 1 1 0 0 1 3 1 1  l  l1  2 l3
     
 4 4 4  4 4 4

 3 5 1  3 5 1
      
1 0 0 5 8 8  8 8 8
I n A 1   0 1 0 

5 3
8 8
1 
8 
Alors A 1   
 8
5 3
8
1 
8 
.
0 0 1 3 1 1   3 1 1 
     
 4 4 4   4 4 4 

 2 1 3
 
 B  0 2 1
1 3 2
 

 2 1 3 1 0 0 1 3 2 0 0 1
   
B I n    0 2 1 0 1 0  l1  l3 ~  0 2 1 0 1 0  l3  l3  2l1 ~
1 3 2 0 0 1  2 1 3 1 0 0
   
 
1 3 2 0 0 1  1 3 2 0 0 1  l   1
  l2
1 0 1 0  l3  l3  l 2 ~  0 2 1 0  2
7 2 ~
0 2 1 0  2
 0  7 1 1 0  2 2
 0 0 5 1  2  l3  l3
7
  5
 2 2 
   1 3 
  1 0 0  1 
1 3 2 0 0 1   2 2  l   l   1 l 
0  l1  3l 2  l1 ~  0 1 0 
0 1 1 0 1 1 1 1 1 3
2 ~
0
 2 2   2 2  1
0 0 1 2 0 0 1 2  l   l 2  l3
7 4 7 4 2
2
     
 5 5 5  5 5 5

 1 11 7 
   
1 0 0 5 5 5 
I n B 1   0 1 0 

1
5

1
5
2 
5 
0 0 1 2 7 4
  
 5 5 5

 1 11 7 
  
 5 5 5 
Donc B 1   
1 1 2 

 5 5 5 
 2 7 4
  
 5 5 5

 1 2 3
 
 C   0 7 5
 1 5 2
 

 1 2 3 1 0 0 1 2 3 1 0 0
   
C I n    0 7 5 0 1 0  l3  l3  l1 ~  0 7 5 0 1 0  l3  l3  l2 ~
 1 5 2 0 0 1 0 7 5 1 0 1
   
1 2 3 1 0 0
 
C I n    0 7 5 0 1 0  Rang(C)=2 donc C n’est pas inversible
0 0 0 1 1 1
 

Exercice : Déterminer avec la méthode de Gauss-Jordan l’inverse de la matrice suivante :

 1 2 3
 
D   0 1 1
 2 5 6
 

Méthode de la matrice adjointe : (ou comatrice)

On dit que A est inversible si est seulement si det A  0 , l’inverse de A est notée A , définie par
1

A 1 
1
com AT .
det A
  2 1 3
 
Exemple : Soit A   0 2 1 
1 3 2
 

2 1 3 2 1 3 2 1
det A  0 2 1 l3  l3  l1  0 2 1  2 7 1  22    1  21    2    5  0
1 1 7 7 5
2  2 2   2   2
7 1 2 2
1 3 2 0
2 2
det A  0 Donc l’inverse de A existe, notée A 1 ,

 11  12 13 

 
A 1 
1
com A 
T 1
   21  22   23 
det A det A 
  31   32  33 

2 1 0 1 0 2
11  1 12   1 13   2
3 2 1 2 1 3

1 3 2 3 2 1
 21   11  22  1  23  7
3 2 1 2 1 3

1 3 2 3 2 1
 31   7  32  2  33  4
2 1 0 1 0 2

 11  12 13   1 1  2

   
com A     21  22   23    11 1  7 
   33    7  2 4 
 31   32

 1 11  7 
 
com A T
 1 1  2
 2  7 4 
 

 1 11 7 
  
 1 11  7   5 5 5 
1  
1  2  Donc A   
2 
A 1 
1
com AT   1
1 1

1
det A 5 
 5 5 5 
 2  7 4   2 7 4
  
 5 5 5

Exercice : Calculer l’inverse de la matrice suivante avec la matrice adjointe :

  1 0 1
 
A   2  1 1
 0 2 1
 