Chapitre 1

Matrices

1.1 Opérations sur les matrices

1.1.1 Définitions
Soit p, n ∈ N? et K désigne R ou C. 1. On appelle matrice à n lignes et
p colonnes à coefficients dans K la donné d’une application
A : {1, . . . , n} × {1, . . . , n} −→ K
(i, j) 7−→ aij
qu’on peut représenter dans un tableau
 
a11 a12 . . . a1p
 a21 a22 . . . a2p 
A =  .. ..  = (aij ) 1≤i≤n
 
..
 . . .  1≤j≤p

an1 an2 . . . anp

i est l’indice de la ligne et j est l’indice de la colonne.

aij correspend au coéfficient qui se place à la ième ligne et jème colonne.
2. L’ensemble des matrices n lignes et p colonnes à coefficient dans K est
noté Mn,p (K).
Exemple :  
1 2 3
A= ∈ M2,3 (R).
−1 0 1
3. On appelle matrice carrée d’ordre n toute matrice ayant n lignes et n
colonnes. On note par Mn (K) = Mn,n (K) l’ensemble des matrices carrées.
Exemple :  
1 −1
∈ M2 (R).
0 7
Matrices : Partie 2 Selma Negzaoui

4. Soit A = (ai,j )1≤i,j≤n ∈ Mn (K). Les coéfficients aii , pour 1 ≤ i ≤ n

s’appellent les coéfficients diagonaux de A.
1. (a11 , . . . , ann ) est dite diagonale de A.
2. Une matrice est dite diagonale si et seulement si
∀i 6= j, aij = 0. On note
 
λ1 0 ... 0
 0 λ2 ... 0
D = diag(λ1 , . . . , λn ) =  ..
 
.. .. .. 
. . . .
0 0 ... λn

3. La matrice A est dite triangulaire supérieure si et seulement si

∀i > j aij = 0 avec 1 ≤ i, j ≤ n.
 
? ... ... ?
 ... .. 
0 .
A = . . . .. 
 .. . .
0 ... 0 ?

4. A est dite triangulaire inférieure si et seulement si

∀i < j aij = 0 avec 1 ≤ i, j ≤ n.
 
? 0 ... 0
 .. . . . .. 
. .
A = . ... 
 .. 0
? ... ... ?

1.1.2 Addition des matrices

Soit A = (aij ) 1≤i≤n et B = (bij ) 1≤i≤n avec A, B ∈ Mn,p (K).
1≤j≤p 1≤j≤p
On appelle somme de A et B et on note A+B la matrice de Mn,p (K) donnée
par (aij + bij ) 1≤i≤n c.à.d
1≤j≤p

(aij ) 1≤i≤n + (bij ) 1≤i≤n = (aij + bij ) 1≤i≤n

1≤j≤p 1≤j≤p 1≤j≤p

Exemple : Pour
   
0 1 −3 1
A = 2 −1 et B =  5 1 ,
0 3 4 −2

2
Matrices : Partie 2 Selma Negzaoui

on a
       
0 1 −3 1 0 + (−3) 1+1 −3 2
A + B = 2 −1 +  5 1 = 2+5 −1 + 1  =  7 0 .
0 3 4 −2 0+4 3 + (−2) 4 1

Proposition 1.1.1 (Mn,p (K), +) est un groupe abélien.

Preuve :
” + ” est une loi de composition interne.
” + ” est associative (A + B) + C = A + (B + C) = A + B + C.
” + ” est commutative A + B = B + A.
La matrice nulle (0) 1≤i≤n = 0 est l’élément neutre pour la loi ” + ”.
1≤j≤p
En effet
∀A ∈ Mn,p (K) A + 0 = 0 + A = A.
(−A) est le symétrique de A pour ” + ” où

−A = (−aij ) 1≤i≤n
1≤j≤p

puisque −A + A = 0.

1.1.3 Multiplication d’une matrice par un scalaire

Soit A ∈ Mn,p (K) et α ∈ K. On définit αA la matrice de Mn,p (K)
donnée par
αA = (α aij ) 1≤i≤n .
1≤j≤p

Exemple :    
1 −1 α −α
α =
2 0 2α 0

Proposition 1.1.2 (Mn,p (K), +, .) est un K espace vectoriel.

Preuve : (Mn,p (K), +) est un groupe abélien.

Soient A, B ∈ Mn,p (K) et α, β ∈ K, on a
1. α(A + B) = αA + αB.
2. (α + β)A = αA + βA.
3. α.(β.A) = (αβ).A.
4. 1.A = A.

3
Matrices : Partie 2 Selma Negzaoui

Ce qui donne le résultat. 

On pose Eij la matrice dont tous les coéfficients sont nuls sauf celui de la i
ème ligne et de la j ème colonne qui prend la valeur 1.
 
0 ... 0 ... 0
 .. .. .. 
. . .
Eij = 0 . . . 1 . . . 0
 
. .. .. 
 .. . .
0 ... 0 ... 0

On a ∀A ∈ Mn,p (K)
 
a11 a12 . . . a1p
 a21 a22 . . . a2p  X
A =  .. ..  = aij Eij .
 
..
 . . .  1≤i≤n
1≤j≤p
an1 an2 . . . anp

Ainsi

B = {Eij ; 1 ≤ i ≤ n, 1 ≤ j ≤ p} est génératrice de Mn,p (K). (1)

Soient αij ∈ K tel que X

A= αij Eij = 0.
1≤i≤n
1≤j≤p

Alors    
α11 . . . α1p 0 ... 0
 α21 . . . α2p  0 . . .
  0
..  =  .. ..  .
 
 ..
 . .  . .
αn1 . . . αnp 0 ... 0
Donc
αij = 0, ∀1 ≤ i ≤ n et ∀1 ≤ j ≤ p.
Ainsi B est libre. (2)
(1) et (2) donnent que B est une base de Mn,p (K). Elle est appeleé base
canonique de Mn,p (K). Par conséquent dim(Mn,p (K)) = Card(B) = np.

4
Matrices : Partie 2 Selma Negzaoui

1.1.4 Multiplication des matrices ou multiplication ma-

tricielle
Soit A ∈ Mn,p (K) et B ∈ Mp,q (K), n, p et q ∈ N? . On définit le produit
de A et B par A.B = C ∈ Mn,q (K) tel que C = (cij ) 1≤i≤n avec
1≤j≤q

p
X
cij = aik bkj .
k=1

(Rq le coefficient ci,j est donné par le produit de la ième ligne de la 1ère
matrice par la jème colonne de la 2ème matrice.)
Exemple :
 
  0 −1 3  
1 2 −1  4 0 2
1. 2 1 0 = 
0 1 0 2 1 0
0 1 1
 

−1
2. 1 2 3  1  = (1).
0
       
−1
−1 −2 −3 1
−1 1 0
3.  1  1 2 3 =  1 2 3 , 2 −1 1 0 = −2 2 0 .
0 0 0 0 3 −3 3 0
 
  1 0
1 2 
4. AB = 3 4 n’existe pas car A ∈ M2,2 (R) et B ∈
−1 4
−1 5
M3,2 (R).

Proposition 1.1.3 La multiplication de deux matrices est associative :

(A.B).C = A.(B.C).

Le cas des matrices carrées :

On pose  
1 0 ... 0
... .. 
0 .

In =  . ..  = diag(1, . . . , 1).
 .. . 0
0 ... 0 1
In ∈ Mn (K). In est l élément neutre de la multiplication. In s’appelle matrice
unité d’ordre n.
Proposition 1.1.4 (Mn (K), +, .) est un anneau non commutatif.

5
Matrices : Partie 2 Selma Negzaoui

Preuve :
1. (Mn (K), +) est un groupe abélien.
2. ”.” est associative
A(B.C) = (A.B).C
In est l’élément neutre pour .

In .A = A.In = A.

Exemple :
       
1 0 a b a b a b 1 0
= = .
0 1 c d c d c d 0 1

3. On a de plus
A.(B + C) = A.B + A.C
(B + C).A = B.A + C.A
4. ”.” est non commutative :
Contre exemple :
   
0 1 0 2
A= , B=
1 0 1 0
   
1 0 2 0
A.B = 6= B.A = .
0 2 0 1
(Mn (K), +, .) n’est pas intègre (A.B = 0 ; A = 0 ou B = 0.)
En effet, on a le contre exemple suivant :
   
0 1 0 2
A= 6= 0, B = 6 0
=
0 0 0 0

et     
0 1 0 2 0 0
A.B = = = 0.
0 0 0 0 0 0

Produit de matrices digonales

diag(λ1 , . . . , λn ).diag(α1 , . . . , αn ) = diag(λ1 α1 , . . . , λn αn ).

En particulier D2 = diag(λ21 , . . . , λ2n ) et Dp = diag(λp1 , . . . , λpn ).

6
Matrices : Partie 2 Selma Negzaoui

Définition 1.1.5 Une matrice A ∈ Mn (K) est dite inversible s’il existe
B ∈ Mn (K) tel que :
A.B = B.A = In .
Dans ce cas B est notée A−1 .
On note :
GLn (K) = {A ∈ Mn (K); A inversible}
et on l’appelle groupe liéaire.

On montre que (GLn (K), .) est un groupe (non commutatif).

• In lélément neutre, A.In = In .A = A.
• (A.B).C = A.(B.C)
• A−1 l’élément symétrique de A appartient à GLn (K) puisque

A.A−1 = A−1 .A = In

Remarques : La multiplication des matrices n’est pas commutative en

général mais A commute avec P (A) :

P (A).A = A.P (A)

où P est un Polynôme.
Exemple : Soit A ∈ Mn (K). On a

(In − A + 2A2 ).A = A.(In − A + 2A2 ).

Proposition 1.1.6 A est inversible ⇐⇒ A est inversible à droite ou à

gauche.

Application Si on trouve B tel que A.B = In alors A.B = B.A = In et

B = A−1 .
Preuve : On a ∃ B tel que AB = In . Montrons que A est inversible et que
A−1 = B c.à.d montrons que BA = In . On considère

ϕ : Mn (K) −→ Mn (K)
X 7−→ X.A

On a ϕ est linéaire de Mn (K) dans lui même. En effet

ϕ(αX + Y ) = (αX + Y ).A

= αX.A + .A
= αϕ(X) + ϕ(Y ).

7
Matrices : Partie 2 Selma Negzaoui

On a

X ∈ Ker(ϕ) ⇔ ϕ(X) = 0 ⇐⇒ X.A = 0

⇒ X.A.B = 0.B = 0
⇒ X.In = 0
⇒ X = 0.

D’où Ker(ϕ) = {0}. Ce qui implique que ϕ est injective.

Comme dim(Mn (K)) = n2 (finie), alors d’après le théorème du rang, ϕ est
surjective. D’autre part

In ∈ Mn (K) ⇒ ∃ B 0 ∈ Mn (K) tel que ϕ(B 0 ) = In .

C.à.d B 0 .A = In or A.B = In = B 0 .A.

Montrons que B = B 0 . On a

(B 0 .A).B = B 0 (A.B) =⇒ In .B = B 0 .In =⇒ B = B 0 .

Ce qui prouve le resultat cherché.

1.1.5 Transposée d’une matrice

Définition
Soit A ∈ Mn,p (K), A = (ai,j ) 1≤i≤n . On appelle transposée de A la matrice
1≤j≤p
de Mp,n (K) notée t A = (aji ) 1≤j≤p .
1≤i≤n
Exemples :
 
  1 2
1 3 4
1. t = 3 0 
2 0 2
4 2
 
x1
2. t (x1 . . . xn ) =  ... 
 
xn
 
1 0 ... 0
 ... .. 
t 0 .
3. In =  . .  = In
 .. . . 0
0 ... 0 1
   
1 4 7 1 2 3
4. t 2 5 8 = 4 5 6
3 6 9 7 8 9

8
Matrices : Partie 2 Selma Negzaoui

Propriétés : Soient A ∈ Mn,p (K) et α ∈ K.

P1 ) t In = In , t 0 = 0.
P2 ) t ( t A) = A.
P3 ) t (αA + B) = t (αaij + bij ) = α(aij ) + (bij ) = α t A + t B.
=⇒ la transposée est linéaire de Mn,p dans Mp,n .
P4 ) t A = 0 ⇐⇒ A = 0. (Car A et t A ont les mêmes coéfficients mais leur
position est inversée).
P5 ) Si A ∈ Mn,p (K), B ∈ Mp,n (K) alors t (A.B) = t B. t A.
En effet,
p
X
AB = C = (cij ) 1≤i≤n , avec cij = aik bkj
1≤j≤p
k=1
t t t
Pp
donc (A.B) = (cji ) et B. A = (dij ), avec dij = k=1 bki ajk = cij .
P6 ) Si A ∈ GLn (K) alors t A ∈ GLn (K) et on a t (A−1 ) = ( t A)−1 .
t
A. t (A−1 ) = t (A−1 .A) = t In = In
=⇒ t A est inversible et ( t A)−1 = t (A−1 ).

Matrices symétriques-antisymétriques :
• Soit A ∈ Mn (K). A est dite symétrique si et seulement si t A = A.

Exemples :
1. t In = In ⇒ In est symétrique.

2. t 0 = 0 ⇒ 0 est symétrique.
3. D = diag(λ1 , . . . , λn )
 
λ1 0 . . . 0
 0 λ2 . . . 0 
D =  ..
 
.. . . .. 
. . . .
0 0 . . . λn
t
D = D ⇒ D est symétrique.
 
1 1 2
4. A = 1 −2 3
2 3 0
t
A = A ⇒ A est symétrique.
• Soit A ∈ Mn (K). A est dite antisymétrique si et seulement si t A = −A.

Exemples :

9
Matrices : Partie 2 Selma Negzaoui

t
1. 0 = 0 = −0 ⇒ 0 est antisymétrique.
t
2. I = I 6= −In ⇒ In n’est pas antisymétrique.
 n n
1 2
3. n’est pas antisymétriques et n’est pas symétrique.
3 4
 
0 1 2
4. A = −1 0 3 est antisymétrique. En effet
−2 −3 0
 
0 −1 −2
t
A = 1 0 −3 = −A
2 3 0
Proposition 1.1.7 Si A est antisymétrique alors la diagonale de A est
nulle.
Preuve :
t
A = −A =⇒ aii = −aii , ∀ 1 ≤ i ≤ n
=⇒ aii = 0, ∀ 1 ≤ i ≤ n.


Trace d’une matrice :

Soit A ∈ Mn (K). On appelle trace l’application
tr : Mn (K) −→ K
n
X
A 7−→ tr(A) = aii
i=1

Exemples :
1. tr(In ) = n.
2. tr(0) = 0.
Proposition 1.1.8 tr est une forme linéaire.
Preuve : Soit A, B ∈ Mn (K), α ∈ K
n
X
tr(A + αB) = aii + αbii
i=1
n
X n
X
= aii + α bii
i=1 i=1
= tr(A) + α tr(B).
⇒ tr est une forme linéaire.

10
Matrices : Partie 2 Selma Negzaoui

Proposition 1.1.9 Pour tous A ∈ Mn,p (K) et B ∈ Mp,n (K), on a

tr(AB) = tr(BA)

Preuve : Soit AB = (cij ), avec cij = pk=1 aik bkj . Donc

P

n
X X
tr(AB) = cii = aik bki .
i=1 1≤i≤n
1≤k≤p

Pn
De plus, BA = (dij ), avec dij = k=1 bik akj . Donc
p
n X
X X
tr(BA) = bik aki = aik bki = tr(AB).
i=1 k=1 1≤i≤n
1≤k≤p

Remarques :
• Ona : tr(A.B − B.A) = tr(A.B) − tr(B.A) = 0 et A.B 6= B.A.
• tr(A) = 0 ; A = 0.

11