Chapitre

0 Table des matières

1 Matrice (Partie 1) 3
1.1 Espaces vectoriels des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 L’addition des matrices - multiplication par un scalaire . . . . . . . . . . . . . . . . . . 5
1.1.4 La transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 La structure d’anneau sur Mn (K ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Techniques de calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Opérations élémentaires sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Trace d’une matrice-Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6 Matrice équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 Matrices par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1
 TABLE DES MATIÈRES

2 gmail : azemrijamal@gmail.com
 Chapitre
1 Matrice (Partie 1)

Au long de ce chapitre Le corps K désigne R ou C et n, p, q, r P N˚

1 Espaces vectoriels des matrices

1.1.1 Définitions
Définition 1

⃝-
a On appelle matrice à n - lignes et p´ colonnes à coefficient dans K toute famille A = ( aij )1ďiďn à éléments dans
1ďjďp
K. On représente A par un tableau rectangulaire
 
a11 a12 ¨ ¨ ¨ a1p
 
 a21 a22 ¨ ¨ ¨ a2p 
 
 .. .. . 
 . . .. 
 
an1 an2 ¨ ¨ ¨ anp
 
a1j
a 
( )  2j 
Pour tout (i, j) P J1, nK ˆ J1, pK ; Li = ai1 , ai2 , ¨ ¨ ¨ , aip et Cj =  
 ..  S’appellent respectivement la i
ième
ligne
 . 
anj
ième
de A et la j colonne de A
⃝-
b Une matrice à n´ lignes et p´ colonnes à coefficients dans K est appelée une matrice de taille (n, p) ou de type
(n, p) et on note par Mn,p (K ) l’ensemble de telles matrices.

Exemples

( )
1. (0) et (1) P M1 (R ) 2.
2 i ´2i
P M2,3 (C )
´4 5 j

1.1.2 Cas particuliers

1. Matrice carrée : Si n = p on dit que A est une matrice carrée de taille n ou d’ordre n et on note Mn,n (K )
par Mn (K ).

3
 C HAPITRE 1 : Matrice (Partie 1)

 
a11
 a21 
 
2. Si p = 1 , A =  .  est dite une matrice colonne de taille n
 .. 
an1
( )
3. Si n = 1 , A = a11 , a12 , . . . , a1p est dite une matrice ligne de taille p
4. La matrice de Mn,p (K ) dont tous les coefficients sont nuls est appelée la matrice nulle et on note On,p
ou tout simplement O et on a :
 İ
0 ¨¨¨ 0 §
 .. . . .. §
§
On,p =  . . . §n´lignes
§
0 ¨¨¨ 0 đ
ÐÝÝÝÝÝÝÝÑ
p´colones

5. Symbole de Kronecker :
Le symbole de Kronecker sur un ensemble non vide X est l’application :

δ: X 2 Ñ t0, 1u
#
1 , si x = y
( x, y) ÞÑ
0 , si x ‰ y

6. Matrice unité :La matrice unité (ou identité) d’ordre n est définie par :
 
1 0 ¨¨¨ 0
 . .
( )  0 1 . . .. 

In = δij 1ďi,jďn =  . . .  P M n (K )
. . . 
. . . 0
0 ¨¨¨ 0 1
7. Les matrices élémentaires :
( )
Pour tout (i, j) P J1, nK ˆ J1, pK , la matrice Eij de Mn,p (K ) est définie par : Eij = δ(k,l ),(i,j) 1ďkďn =
( ) 1ďlďp
δik .δjl 1ďkďn et on a :
1ďlďp

 
0 ¨¨¨ 0 0 0 ¨¨¨ 0
 .. .. .. .. .. .. .. 
 
 . . . . . . . 
 
 0 ¨¨¨ 0 0 0 ¨¨¨ 0 
 
 
 0 ¨¨¨ 0 1 0 ¨¨¨ 0 Ð  ième ligne
Eij =  
 0 ¨¨¨ 0 0 0 ¨¨¨ 0 
 
 .. .. .. .. .. .. .. 
 
 . . . . . . . 
 
 0 ¨¨¨ 0 0 ¨¨¨ 0 0 
Ò
j-ième colonne

Exemples
   
0 0 0 0 0 0 0 0
Dans M3,4 (R ) , on a E23 =  0 0 1 0  et E34 =  0 0 0 0 
0 0 0 0 0 0 0 1

4 gmail : azemrijamal@gmail.com
1.1 Espaces vectoriels des matrices

8. Les matrices diagonales :

Une matrice A = ( aij )1ďi,jďn P Mn (K ) est dite diagonale si @(i, j) P J1, nK2 (i ‰ j ñ aij = 0) et on écrit
A = diag( a11 , a22 , ¨ ¨ ¨ , ann ). On note par Dn (K ) l’ensemble des matrices diagonales de Mn (K ).
Exemple
 
´i 0 0 0
 0 0 0 
 j 
B=  P D4 (C )
 0 0 j 2 0 
?
0 0 0 2
Remarque
 
α 0 ¨¨¨ 0
 . .. 
 0 α .. .
On dit que A P Mn (K ) est une matrice scalaire si Dα P K tel que A = diag(α, α, ¨ ¨ ¨ , α) = αIn = 
 .. . .


. . α 0
0 ¨¨¨ 0 α

9. Les matrices triangulaires supérieures et triangulaires inférieures :

(a). Une matrice A = ( aij )1ďi,jďn P Mn (K ) est dite triangulaire supérieure si : @(i, j) P J1, nK2 , (i ą j ñ
aij = 0).
On note par Tn+ (K ) l’ensemble des matrices triangulaires supérieures de Mn (K )
Exemple
 ? 
1 109 5
?
A= 0 2 π  P T3+ (R )
0 0 2

(b). Une matrice A = ( aij )1ďi,jďn P Mn (K ) est dite triangulaire inférieure si : @(i, j) P J1, nK2 , (i ă j ñ
aij = 0).
On note par Tn´ (K ) l’ensemble des matrices triangulaires inférieures de Mn (K ).
Remarque

Tn+ (K ) X Tn´ (K ) = Dn (K )

1.1.3 L’addition des matrices - multiplication par un scalaire

On définit sur Mn,p (K ) une loi de composition interne notée ” + ” et une loi de composition externe notée
”.” à ensemble d’opérateurs K :
Soient A = ( aij )1ďiďn , B = (bij )1ďiďn P Mn,p (K ) et α P K.Alors :
1ďjďp 1ďjďp
‚ A + B = (cij )1ďiďn où cij = aij + bij
1ďjďp
‚ α.A = (αaij )1ďiďn
1ďjďp

Exemples
( ) ( ) ( ) ( ) ( )
a b e f a+e b+ f 2 ´2 2α ´2α
‚ + = ‚ α. ? = ?
c d g h c+g d+h 6 2 6α 2α
Remarques

5 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

¶. On ne peut sommer que des matrices de même type.

·. L’addition des matrices est commutative dans Mn,p (K )

Propriétés
( )
¬. Mn,p (K ), +, . est un espace vectoriel sur K
( )
­. Dn (K ) , Tn+ (K ) et Tn´ (K ) sont des sous espaces vectoriels de Mn,p (K ), +, .

Preuve

¬. (a). ” + ” et ”.” sont respectivement des loi interne et externe sur Mn,p (K ) par définition.
( )
(b). Mn,p (K ), +, . est un groupe commutatif :

(i). ” + ” est associative dans Mn,p (K ) (iii). ´A est le symétrique de A dans Mn,p (K )
(ii). On,p est l’élément neutre de l’addition (iv). ” + ” est commutative
(c). @(α, β) P K2 et @A, B P Mn,p (K )

(i). α.( A + B) = α.A + α.B (iii). α.( β.A) = (αβ).A

(ii). (α + β).A = α.A + β.A (iv). 1.A = A

­. On P Dn (K ) ñ Dn (K ) ‰ ∅
Si A = diag(α1 , ¨ ¨ ¨ , αn ) , B = diag( β 1 , ¨ ¨ ¨ , β n ) P Dn (K ) et λ, µ P K alors :
λA + µB = diag(λα1 + µβ 1 , ¨ ¨ ¨ , λαn + µβ n ) P Dn (K ) , d’où Dn (K ) est un sous espace vectoriel de Mn (K )

1.1.4 La transposition
Définition 2
1
La transposée d’une matrice A = ( aij )1ďiďn P Mn,p (K ) est la matrice notée tA tel que tA = ( aij )1ďiďp P M p,n (K ) et
1ďjďp 1ďjďn
1
@(i, j) P J1, pK ˆ J1, nK, aij = a ji

Exemples
   
2 4 8 2 1 0

1. A = 1  t 
5 7 ùñ A = 4 5 1
0 1 4 8 7 4
 
( ? ) 0 1
0 3 2 
2. B = t
ùñ B = 3 2
1 2 4 ?
2 4
Remarques

¶. Les lignes de A sont exactement les colonnes de tA et vice-versa

( )
·. @A P Mn,p (K ), t tA = A

Preuve ( )
1 2
Soit A = ( aij )1ďiďn P Mn,p (K ). Posons tA = ( aij )1ďiďp et t tA = ( aij )1ďiďn
1ďjďp 1ďjďn 1ďjďp
( ) 2 1 ( )
On a A et t t
A P Mn,p (K ) et @(i, j) P J1, pK ˆ J1, nK on a aij = a ji = aij donc t t
A =A

6 gmail : azemrijamal@gmail.com
1.1 Espaces vectoriels des matrices

Proposition 1
tn,p : Mn,p (K ) Ñ M p,n (K )
L’application transposition t est un isomorphisme d’espaces vectoriels tel que :
A ÞÑ A
( )´1
(i). tn,p = t p,n
(ii). @A, B P Mn,p (K ) et α, β P K on a : t (αA + βB) = αtA + βtB

Preuve

(i). ‚Montons que tn,p ˝ t p,n = IdM p,n (K) :

( ) ( ) ( ) ( )
Pour A P M p,n (K ) , tn,p ˝ t p,n ( A) = tn,p t p,n ( A) = tn,p tA = t tA = A d’où tn,p ˝ t p,n = IdM p,n (K) .
( )´1
‚De même t p,n ˝ tn,p = IdMn,p (K) ainsi tn,p est bijective et tn,p = t p,n
(ii). Soient A = ( aij )1ďiďn , B = (bij )1ďiďn P Mn,p (K ) et α, β P K.
1ďjďp 1ďjďp
1 1 1
Posons A = ( aij )1ďiďp , B = (bij )1ďiďp A + B = (cij )1ďiďn et t( A + B) = (cij )1ďiďp
t t
1ďjďn 1ďjďn 1ďjďp 1ďjďn
Donc ( A + B), A + B P M p,n (K )
t t t

‚ Pour (i, j) P J1, pK ˆ J1, nK On a :

1
cij = c ji = a ji + b ji
1 1
= aij + bij
( )
= tA + tB ij

D’où t( A + B) = tA + tB (1)
‚ On a αA = (αaij )1ďiďn P Mn,p= (K ) alors t(αA) et αtA P M p,n (K ).
1ďjďp
Soit (i, j) P J1, pK ˆ J1, nK alors :
(t )
(αA) i,j = αa ji
1
= αaij
( )
= α tA i,j

D’où tαA = αtA (2).

De (1) et (2) on en déduit que t(αA + βB) = αtA + βtB

Définition 3
Soient A P Mn (K ) une matrice carrée d’ordre n .
a A est dite une matrice symétrique si tA = A
⃝-
b A est dite une matrice antisymétrique si tA = ´A
⃝-
On note respectivement par Sn (K ) et An (K ) l’ensemble des matrices symétriques et antisymétriques de Mn (K )

Exemples

1. C = ( 1 ) P S1 (R )
 ? 
2 ´1 2
2. A =  ´1 3 6  P S3 (R )
?
2 6 5
 
0 ´4 5
3. B =  4 0 ´2  P A3 (R )
´5 2 0

7 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

Remarques

¶. Si A = ( aij )1ďi,jďn P An (K ) alors @i P J1, nK , aii = 0.

·. Sn (K ) et An (K ) sont des sous espaces vectoriels de Mn (K ).
¸. Mn (K ) = Sn (K ) An (K ) i.e toute matrice M de Mn (K ) s’écrit de manière unique M = S + A où S P Sn (K )
à

et A P An (K ).

Preuve

¶. Les coefficients d’indice (i, i ) dans tA et ´A sont respectivement aii et ´aii .

t
A = ´A ñ aii = ´aii ñ aii = 0
·. On P Sn (K ) ñ Sn (K ) ‰ H
Si A, B P Sn (K ) et α, β P K alors on a t(αA + βB) = αtA + βtB = αA + βB donc αA + βB P Sn (K ). D’où
Sn (K ) est un sous espace vectoriel de Mn (K )
¸. (a). On a Sn (K ) X An (K ) = tOn u .En effet :
Soit A = ( aij )1ĺi,jĺn P Sn (K ) X An (K ) alors tA = A = ´A ùñ @i, j P J1, nK, aij = ´aij ùñ aij = 0 d’où
A = On
(b). Montrons que Mn (K ) = Sn (K ) + An (K ).Soit M P Mn (K ) :
1( ) 1( ) 1( ) 1( )
on a M = M + tM + M ´ tM . Posons S = M + tM et A = M ´ tM
2 2 2 2
t 1 1t 1 t
‹ S = ( ( M + M)) = ( M + M ) = ( M + M) = S ùñ S P Sn (K )
t t t
2 2 2
t 1 1t 1
‹ A = ( ( M ´ M )) = ( M ´ M) = (tM ´ M) = ´A ùñ A P An (K )
t t t
2 2 2

2 Produit de matrices

1.2.1 La structure d’anneau sur Mn (K )

Définition 4
Soient A = ( aij )1ďiďn P Mn,p (K ) et B = (bij )1ďiďp P M p,q (K ).
1ďjďp 1ďjďq
Le produit des matrices A et B dans cet ordre est la matrice C = (cij )1ďiďn P Mn,q (K ) notée C = A ˆ B tel que :
1ďjďq
p
ÿ
@(i, j) P J1, nK ˆ J1, qK , cij = aik bkj
k =1

Exemple
 
( ) 1 2 0 1 ( )
1 2 5 ´2 17 18 16
ˆ  1 5 4 0 =
4 ´1 6 ´3 9 8 22
´1 1 2 3

Remarques

¶. Deux matrices A et B sont multipliables dans cet ordre si le nombre des colonnes de A est égal au nombre des
lignes de B. En particulier , le produit dans Mn (K ) est toujours défini.
·. Le coefficient cij de A ˆ B est le produit scalaire du transposée de la iième ligne de A et la jième colonne de B

8 gmail : azemrijamal@gmail.com
1.2 Produit de matrices

Propriétés

¬. @A P Mn,p (K ), A ˆ I p = In ˆ A = A. En particulier @A P Mn (K ), A ˆ In = In ˆ A = A
­. @A P Mn,p (K ), A ˆ O p = On ˆ A = On,p . En particulier @A P Mn (K ), A ˆ On = On = On ˆ A
®. Si A P Mn,p (K ), B P M p,q (K ) et C P Mq,r (K ). Alors A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C.
En particulier : @A, B, C P Mn (K ) , A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C
¯. (a). Si A, B P Mn,p (K ) et C P M p,q (K ) . Alors ( A + B) ˆ C = ( A ˆ C ) + ( B ˆ C ).
(b). Si A P Mn,p (K ) et B, C P M p,q (K ) . Alors A ˆ ( B + C ) = ( A ˆ B) + ( A ˆ C ).
En particulier @A, B, C P Mn (K ) : A ˆ ( B + C ) = ( A ˆ B) + ( A ˆ C ) et ( A + B) ˆ C = ( A ˆ C ) + ( B ˆ C ).
C’est la distributivité de la loi ” ˆ ” sur la loi ” + ”
°. @A P Mn,p (K ), B P M p,q (K ) et α P K alors on a (αA) ˆ B = α ( A ˆ B) = A (αB)
±. @A P Mn,p (K ), @B P M p,q (K ), t( A ˆ B) = tB ˆ tA
Preuve

¬. On a A ˆ I p P Mn,p (K ) et @(i, j) P J1, nK ˆ J1, pK :

p
( ) ÿ
A ˆ Ip i,j
= Ai,k .( I p )k,j
k =1
ÿ p
= Ai,k .δk,j
k =1
= Ai,j

D’où A ˆ I p = A. De même In ˆ A = A
­. On a A ˆ O p P Mn,p (K ) et @(i, j) P J1, nK ˆ J1, pK :
p
( ) ÿ
A ˆ Op i,j
= Ai,k .(O p )k,j
k =1
ÿ p
= Ai,k .0
k =1
=0
D’où A ˆ O p = On,p . De même On ˆ A = On,p
®. On a A ˆ ( B ˆ C ) et ( A ˆ B) ˆ C P Mn,r (K ) et @(i, j) P J1, nK ˆ J1, rK :
p
ÿ
( A ˆ ( B ˆ C ))ij = Aik ( B ˆ C )kj
k =1
ÿ p q
ÿ
= Aik Bks ˆ Csj
k =1 s =1
q
( p )
ÿ ÿ
= Aik ˆ Bks ˆ Csj
s =1 k =1
ÿ q
= ( A ˆ B)is ˆ Csj
s =1
= (( A ˆ B) ˆ C )ij
D’où : A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C

9 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

¯. On a tB ˆ tA et t( A ˆ B) P Mr,n (K ) et @(i, j) P J1, rK ˆ J1, nK :

p
(t t
) ÿ
B ˆ A ij = (tB)ik ˆ (tA)kj
k =1
ÿ p
= Bki ˆ A jk
k =1
ÿ p
= A jk ˆ Bki
k =1
= ( A ˆ B) ji
(t )
ñ B ˆ tA ij = (t( A ˆ B))ij
t
Alors AB = tB ˆ tA
Remarques

¶. (Mn (K ), +, ˆ) est un anneau unitaire.

·. Si n ě 2 , (Mn (K ), +, ˆ) est un anneau non commutatif et non intègre .
Preuve

¶. ‹ (Mn (K ), +) est un groupe est déjà vu pour vérifier la structure d’espace vectoriel.
‹ Le produit matriciel dans Mn (K ) est une loi de composition interne selon la définition de ” ˆ ”
‹ On a déjà vérifié que ” ˆ ” est associative et distributive par rapport à ” + ” dans Mn (K )
‹ La matrice identité In est l’élément neutre pour le produit ” ˆ ” dans Mn (K )
On résumant ces propriétés on aura (Mn (K ), +, ˆ) est un anneau unitaire.
·. Exemple
   
0 ¨¨¨ 1 0 0 ¨¨¨ 0
 .   
E1n =  .. (0) ...  et En2 =  ... ... (0) ... 
   
0 ¨¨¨ 0 0 1 ¨¨¨ 0
On a :  
0 1 ¨¨¨ 0
 . .. . 
E1n ˆ En2 =  .
 . . (0) .. 
 = E12 Mais En2 ˆ E1n = On
0 0 ¨¨¨ 0
Donc En2 ˆ E1n ‰ E1n ˆ En2 alors l’anneau (Mn (K ), +, ˆ) n’est pas commutatif .
En plus On a E1n ‰ On et En2 ‰ On mais En2 ˆ E1n = On donc l’anneau (Mn (K ), +, ˆ) n’est pas intègre
¸. On
$ a
& (i ). (Mn (K ), +, .) est K ´ e.v
’
(ii ). (Mn (K ), +, ˆ) est un anneau
% (iii ).@A, B P M (K ), @α P K :
’
(α.A) ˆ B = α.( A ˆ B) = A ˆ (α.B)
n
On dit dans ce cas que (Mn (K ), +, ˆ, .) est une K ´ algèbre
Définition 5
Soit A P Mn (K ) .
A0 = In
#
, si p = 0
On définit par récurrence les puissances successives de A : p +1 p
A = A ˆ A , si p P N

10 gmail : azemrijamal@gmail.com
1.2 Produit de matrices

Définition 6
Soit A P Mn (K ) .
a On dit que A est nilpotente s’il existe k P N˚ tel que Ak = On .
⃝-
b Le plus petit entier d P N˚ tel que Ad = On est appelé l’indice de nilpotence de A
⃝-

Exemples
( )
0 1
1. N1 = P M2 (R ), N1 est nilpotente d’indice d = 2
0 0
   
0 1 3 0 0 ´1
2. N2 =  0 0 ´1  P M3 (R ), on a N12 =  0 0 0  et N23 = O3 donc N2 est nilpotente d’indice d = 3
0 0 0 0 0 0

Proposition 2
Soient A, B P Mn (K ) et p P N˚ .Si AB = BA alors :
p ( )
p
ÿ p
(i). ( A + B) = Ak B p´k (Binôme de Newton)
k
k =0  
p´1
(ii). Et A p ´ B p = ( A ´ B)  A p´1´k Bk 
ÿ

k =1

Preuve
( )
0 0
(i). ‚ Pour p = 0 , ( A + B) = In = A0 .B0
0
p ( )
p +1
ÿ p+1
‚ Supposons que la propriété est vraie pour un certain p. Montrons que ( A + B) = Ak B( p+1)´k
k
k =0

On a ( A + B) p+1 = ( A + B) p ˆ ( A + B)
( p ( ) )
H.R ÿ p
k p´k
= A B ˆ ( A + B)
k
k =0
p ( ) p ( )
distributivité deˆ ÿ p k+1 p´k
ÿ p
= A B + Ak B p+1´k
AB= BA k k
k =0 k =0
p ( ) p ( )
ÿ p ÿ p
= A k +1 B ( p +1)´( k +1) + Ak B( p+1)´k
k k
k =0 k =0
pÿ+1 ( ) ÿ ( p)
p
p k ( p+1)´k
= A B + Ak B( p+1)´k
k´1 k
k =0 k =0
p (( ) ( ))
ÿ p p
= A p +1 + + Ak B( p+1)´k + B p+1
k´1 k
k =1
pÿ+1 ( )
p+1
= Ak B( p+1)´k
k
k =0

(ii). En exercice

11 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

Exemple
 
2 1 2
Calculons An pour tout n P N où A =  0 2 ´1 
 0 0 2

0 1 2 n
  n
(nk ) (2I3 )n´k N k selon la binôme de Newton
ÿ
n
. On a A = 2I3 + N où N = 0 0 ´1 donc A = (2I3 + N ) =
0 0 0 k =0
car I3 commute avec N  
2 1 2
‚ Pour n = 0 ou n = 1 : A0 = I3 et A1 = A =  0 2 ´1 
0 0 2
2 ( )
ÿ n n(n ´ 1) n´2 2
Pour n ě 2 on a N 3 = O3 ùñ An = 2n´k N k ùñ An = 2n In + n2n´1 N + 2 N
k 2
  k =0
 
0 0 ´1 2n n2n´1 n2n ´ n(n ´ 1)2n´3
Or N = 0 0 0 
2  Donc An =  0 2n ´n2n´1 
0 0 0 0 0 2n

1.2.2 Techniques de calculs

1 1
1. Si D = diag(α1 , ¨ ¨ ¨ , αn ), D = diag( β 1 , ¨ ¨ ¨ , β n ) P Mn (K ) alors D.D = diag(α1 β 1 , ¨ ¨ ¨ , αn β n ) P Mn (K )
2. Soient D = diag(α1 , ¨ ¨ ¨ , αn ) et A = ( aij )1ďi,jďn dans Mn (K ) alors DA = (cij )1ďi,jďn et AD = (dij )1ďi,jďn
tel que @(i, j) P J1, nK2 cij = αi .aij et dij = α j aij

Exemples
     
2 0 0 ´1 2 4 ´2 4 8
(a).  0 3 0  ˆ  i 4 ´2  =  3i 12 ´6 
0 0 5  1 0  6  5 0 30
´1 2 4 2 0 0 ´2 6 20
(b).  i 4 ´2    
0 3 0 = 2i 12 ´10 
1 0 6 0 0 5 2 0 30

3. Si A = ( aij )1ďi,jďn , B = (bij )1ďi,jďn P Tn+ (K ), alors AB P Tn+ (K ). Et si AB = (cij )1ďi,jďn alors @i P J1, nKcii =
aii .bii . Donc Le produit matriciel est une loi de composition interne sur Tn+ (K ). De même le produit
matriciel est aussi une loi de composition interne sur Tn´ (K )
4. Soient A, B P Mn (K ). L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A et C1 , C2 , ¨ ¨ ¨ , Cn les colonnes de B
 
L1
 L2 
 
ie. A =  .  et B = (C1 , C2 , ¨ ¨ ¨ , Cn ). Alors :
 .. 
Ln
(a). AB = ( AC1 , AC2 , ¨ ¨ ¨ , ACn ) ie. @j P J1, nK , ACj est la jième colonne de AB.
 
L1 B
 L2 B 
 
(b). On a aussi AB =  .  ie. @i P J1, nK Li B est la iième ligne de AB
 .  .
Ln B

12 gmail : azemrijamal@gmail.com
1.2 Produit de matrices
 
0
 .. 
.
 
0
 
 
5. Notons E1 , E2 , ¨ ¨ ¨ , En les matrices élémentaires de Mn,1 (K ) tel que :Ej =  1  où 1 se trouve à la jième
 
0
 
 .. 
.
0
place. Alors si A P Mn (K ) on a @(i, j) P J1, nK :2

(a). AEj est la jième colonne de A .

(b). tEi A est la iième ligne de A
Preuve
( ) 1 ( )
1. On a D = diag(α1 , ¨ ¨ ¨ , αn ) = αi δij 1ďi,jďn et D = diag( β 1 , ¨ ¨ ¨ , β n ) = β i δij 1ďi,jďn .
1
Posons DD = (dij )1ďi,jďn alors on a :
n
ÿ
dij = αi δik .β k δkj
k =1
ÿ n
= αi β k δik δkj
k =1
= αi β j δij
αi β i , si i = j
#
ñ dij =
0 , sinon
1
Alors DD = diag(α1 β 1 , ¨ ¨ ¨ , αn β n )
2. Si D = diag(α1 , ¨ ¨ ¨ , αn ) = (αi δij)1ďi,jďn ) et A = ( aij )1ďi,jďn . Posons DA = (cij )1ďi,jďn et AD = (dij )1ďi,jďn .
n
ÿ ÿn
On a cij = αi δik akj ùñ cij = αi aij et dij = aik αk δkj ùñ dij = α j aij
k =1 k =1
3. Soient A = ( aij )1ďi,jďn , B = (bij )1ďi,jďn P Tn+ (K ). Posons AB = (cij )1ďi,jďn .Alors Pour i ą j on a :
n
ÿ
cij = aik bkj
k =1
i´1
ÿ n
ÿ
= aik bkj + aik bkj
ljhn
k =1 k =i
ljhn
0 0
=0
Alors @(i, j) P J1, nK2 , (i ą j ñ cij = 0). Donc AB P T + (K ).
i´1
ÿ ÿn
On a aussi cii = aik bki + aii bii + aik bki ùñ cii = aii bii
ljhn ljhn
k =1 k = i +1
0 0
 
L1
 L2 
 
4. Si A =  .  et B = (C1 , C2 , ¨ ¨ ¨ , Cn ). Alors :
 .. 
Ln

13 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

(a).
 
L1
 L2 
 
AB =  . . (C1 , C2 , ¨ ¨ ¨ , Cn )
 .. 
Ln
 
L1 C1 L1 C2 ¨ ¨ ¨ L1 Cn
 L2 C1 L2 C2 ¨ ¨ ¨ L2 Cn 
 
= . . . 
 . . .
. ¨¨¨ . 
.
Ln C1 Ln C2 ¨ ¨ ¨ Ln Cn
    
L1 L1
  L2   L2  
    
=  . C1 , ¨ ¨ ¨ ,  . Cn 
 ..   ..  
Ln Ln
ñ AB = ( AC1 , ¨ ¨ ¨ , ACn )

(b). De même
 
L1 C1 L1 C2 ¨ ¨ ¨ L1 Cn
 L2 C1 L2 C2 ¨ ¨ ¨ L2 Cn 
 
AB =  . . . 
 . . .
. ¨¨¨ . 
.
L C L C ¨ ¨ ¨ Ln Cn
 n 1 n 2 
L1 (C1 , C2 , ¨ ¨ ¨ , Cn )
 L (C , C , ¨ ¨ ¨ , C ) 
 2 1 2 n 
= .. 

 . 
Ln (C1 , C2 , ¨ ¨ ¨ , Cn )
 
L1 B
 L2 B 
 
ñ AB =  . 
 .  .
Ln B

5. (a). On a AIn = A ( E1 , E2 , ¨ ¨ ¨ , En ) = A car In = ( E1 , E2 , ¨ ¨ ¨ , En ) et selon 4 ´ a) la jième colonne de A est AEj .

t 
E1
 E2 
t
 
(b). On a aussi In =  .  et In A = A alors selon 4 ´ b) la iième ligne de A est tEi A
 .. 
tE
n

Exemples

         
1 8 11 0 11 2 1 ´1 4 ´4 2 8 ´1 ´3
1.  5 9 12  0  =  12  3.  0 3 0  0 7 1  =  0 21 ´3 
6 10 15 1 15 0 0 5 0 0 8 0 0 40
    
1 8 11 1 1
2.  5 9 12  0  =  5 
6 10 15 0 6
14 gmail : azemrijamal@gmail.com
1.3 Opérations élémentaires sur les matrices

3 Opérations élémentaires sur les matrices

Définition 7
Soit n P N˚ .
a Toute application bijective σ : J1, nK ÞÑ J1, nK est appelé une permutation de J1, nK. On note par Sn l’ensemble
⃝-
des permutation de J1, nK.
⃝-
b Soient i, j P J1, nK tel que i ‰ j. La permutation de J1, nK qui échange i et j et laisse invariant les autres éléments
s’appelle la transposition d’indice (i, j) et on la note τij
Exemple
( ) ( )
1 2 3 1 2 3
S3 = ti3 , τ12 , τ13 , τ23 , r1 , r3 u avec i3 = IdJ1,3K , r1 = et r2 =
2 3 1 3 1 2
Définition 8 ( )
Soit σ P Sn . La matrice de permutation σ est définie par Pσ = δi,σ( j)
1ďi,jďn

Remarque
Pour tout j P J1, nK la jième colonne de Pσ est Eσ( j)
Exemple
   
0 0 1 0 1 0
Pour n = 3, Pr1 =  1 0 0  et Pr2 =  0 0 1 
0 1 0 1 0 0
Définition 9

⃝-
a Si σ = τi,j P Sn , on note Pσ tout simplement par Pij et on l’appelle la matrice de permutation d’indice (i, j).
ðñ Pij est obtenue en effectuant sur In l’opération élémentaire : Li Ø L j
 
1
 .. 
 . 
 
 1 (0) 
 
 α 
⃝-
b La matrice Di (α) =   = In + (α ´ 1) Eii où α se trouve dans iième place sur la
 
 (0) 1 
 
 . .. 
 
1
diagonale et α P K˚ est appelée la matrice de dilatation d’indice i et de rapport α.
ðñ Di (α) est obtenue en effectuant sur In l’opération élémentaire Li Ð αLi
c Soient (i, j) P J1, nK2 tel que i ‰ j et λ P K .
⃝-  
1
 1 λ 
 
 .. 
 . ( 0 ) 
 
La matrice notée Ti,j (λ) où Ti,j (λ) = In + λEij =   où λ occupe la position (i, j) est
 . .. 
 
 
 (0) 
1
appelée la matrice de transvection d’indice (i, j) et de rapport λ.
ðñ Ti,j (λ) est obtenue à partir de In en effectuant l 1 .O.E Li Ð Li + λL j
Exemples
Dans M3 (R ) on a :

15 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)
     
0 1 0 ? 1 0 0 1 0 0
1. P12 =  1 0 0  2. D3 ( 5) =  0 1 0  3. T2,3 (´2) =  0 1 ´2 
?
0 0 1 0 0 5 0 0 1

Propriétés
Soient E1 , E2 , ¨ ¨ ¨ , En les matrices élémentaires de Mn,1 (K ) et A = ( aij )1ďi,jďn P Mn (K ). Alors on a :

¬. @(i, j) P J1, nK2

(i). Eij = Ei tEj (ii). tEi AEj = aij (iii). tEi Ej = δij

­. @(i, j, k) P J1, nK3 ; Eij Ekl = δjk Eil

®. @(i, j) P J1, nK2 on a :  
a1i
   (0) a2i (0) 
(0)  
 
Eij A =  a j1 ¨ ¨ ¨ a jn  ÐÝ iième colonne et AEij = 

..
.


 
(0)  ani 
Ò
jième colonne

Preuve

¬. (i). On a Ei = (δki )1ďkďn et tEi = (δjk )1ďkďn . On a Ei tEj P Mn (K ) car Ei P Mn,1 (K ) et tEj P M1,n (K ).
Soit (k, l ) P J1, nK2 , on a :

( ) 1
ÿ ( )
Ei tEj k,l
= ( Ei )k,t tEj t,l
t =1
( )
= ( Ei )k,1 . tEj 1,l
= δki δjl
#
1 , si (k, l ) = (i, j)
=
0 , sinon
= ( Eij )kl

D’où tEj = Eij

( )
(ii). On sait que AEj est la jième colonne de A donc tEi AEj est la iieme ligne de AEj i.e le coefficient aij . D’où
t
Ei AEj = aij
(iii). On a tEi Ej = tEi In Ej ; donc tEi Ej est le coefficient d’indice (i, j) dans In ie δij . D’où tEi Ej = δij
­.
( ) ( )
Eij Ekl = Ei tEj ˆ Ek tEl
( )
= Ei tEj Ek ˆ tEl
( )
= Ei δjk tEl
( )
= δjk Ei tEl
= δjk Eil

16 gmail : azemrijamal@gmail.com
1.3 Opérations élémentaires sur les matrices

®.
 

Eij A = Eij  akl Ekl 

ÿ

1ďk,lďn
ÿ
= akl Eij Ekl
1ďk,lďn
ÿ
= akl δjk Eil
1ďk,lďn
ÿ
= a jl Eil
1ďlďn
= a j1 Ei1 + ¨ ¨ ¨ + a jn Ein

Théorème 1
Soient L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A P Mn (K ).
(i). Effectuer l’opération élémentaire Li Ø L j (i ‰ j) revient à multiplier A à gauche par Pij
(ii). Effectuer l’opération élémentaire Li Ð αLi (α ‰ 0) revient à multiplier A à gauche par Di (α)
(iii). Effectuer l’opération élémentaire Li Ð Li + λL j (i ‰ j) revient à multiplier A à gauche par Tij (λ)

Preuve

(i). ‚ Si k P J1, nK avec k R ti, ju : La kième ligne de Pij est tEk donc la kième ligne de Pij A est tEk A i. e la kieme ligne
de A
‚ La iième ligne de Pij est tEj ;donc la iième ligne de Pij A est tEj A i. e la jième ligne de A
‚ La jième ligne de Pij est tEi donc la jième ligne de Pij A est tEi A i.e la iième ligne de A
 
1
 .. 
 . (0) 
 
 1 
(ii). On a Di (α) =  , où α se trouve dans iième ligne, est une matrice diagonale donc d’après
α 
 
 . 
 (0) . . 
1
les techniques de calculs , la multiplication Di (α) A revient à multiplier la iième ligne de A par α et les autres
lignes de A par 1
 
(0)
( )
(iii). Soit i ‰ j , on a : Tij (λ) A = In + λEij A = A + λEij A = A + λ a j1 ¨ ¨ ¨ a jn  ÐÝ iième ligne
(0)
Donc toutes les lignes de A restent invariantes sauf Li devient Li + λL j

Remarques
Soient C1 , C2 , ¨ ¨ ¨ , Cn les colonnes de A P Mn (K )
¶. Effectuer l’opération élémentaire Ci Ø Cj (i ‰ j) revient à multiplier A à droite par Pij
·. Effectuer l’opération élémentaire Ci Ð αCi (α ‰ 0) revient à multiplier A à droite par Di (α)
¸. Effectuer l’opération élémentaire Cj Ð Cj + λCi (i ‰ j) revient à multiplier A à droite par Tij (λ)

Définition 10
On dit que deux matrices A et B de Mn (K ) sont équivalentes par lignes si on obtient l’une par opérations élémentaires
sur les lignes de l’autre. i.e DT1 , T2 , ¨ ¨ ¨ , Tr des matrices de permutations , de dilatations et de transvections tel que
B = Tr ˆ ¨ ¨ ¨ ˆ T1 ˆ A

17 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

Définition 11 Matrice échelonnée , matrice échelonnée réduite

Soit A = ( aij )1ďiďn P Mn,p (K ).
1ďjďp
§ On dit que A est échelonnée si Dr P J1, nK et Dφ : J1, rK ÞÑ J1, pK une application strictement croissante tel que :
(i). @i P J1, rK, aiφ(i) ‰ 0
( )
(ii). @(i, j) P J1, rK ˆ J1, pK j ă φ(i ) ñ aij = 0
(iii). @i P Jr + 1, nK, @j P J1, pK, aij = 0
§ On dit que A est échelonnée réduite si Dr P J1, nK et Dφ : J1, rK ÞÑ J1, pK une application strictement croissante
tel que :
(i). @i P J1, rK, aiφ(i) = 1
( )
(ii). @(i, j) P J1, rK ˆ J1, pK j ă φ(i ) ñ aij = 0
( )
(iii). @i P J1, rK, @k P J1, nK, k ‰ i ñ akφ(i) = 0
(iv). @i P Jr + 1, nK, @j P J1, pK, aij = 0
Exemples
 
3 2 6 0 5
 
 0 0 1 7 4 
1.   est une matrice échelonnée de M4,5 (R )
 0 0 0 8 3 
0 0 0 0 0
 
1 9 0 0 5
 
 0 0 1 0 4 
2.   est une matrice échelonnée réduite de M4,5 (R )
 0 0 0 1 3 
0 0 0 0 0
Théorème 2 : (Théorème de Gauss-Jordan)
Toute matrice A de Mn,p (K ) est équivalente par lignes à une seule matrice échelonnée réduite notée E i.e DT1 , T2 , ¨ ¨ ¨ , Tr
des matrices de permutations , de dilatations et de transvections tel que Tr ˆ ¨ ¨ ¨ ˆ T1 ˆ A = E
Preuve En exercice

4 Inverse d’une matrice

Définition 12
Soit A P Mn (K ) une matrice carrée.
1 1 1 1
On dit que A est inversible si ’il existe A P Mn (K ) tel que AA = In = A A. Dans ce cas A est unique et on la note
par A´1 et on l’appelle inverse de A
Propriétés

1 2 1 1 2 2 1 2
¬. Si A , A P Mn (K ) tel que AA = A A = In et AA = A A = In alors A = A i.e que l’inverse de A s’il
existe il est unique.
­. La matrice nulle On n’est pas inversible , car @M P Mn (K ) , On M = MOn = On ‰ In .
®. In est inversible et In´1 = In car In2 = In ˆ In = In .
¯. Une matrice diagonale D = diag(α1 , ¨ ¨ ¨ , αn ) P Mn (K ) est inversible ssi @i P J1, nK, αi ‰ 0 et dans ce cas

D´1 = diag(α´1
1 , ¨ ¨ ¨ , αn )
´1

18 gmail : azemrijamal@gmail.com
1.4 Inverse d’une matrice

1
( 1 1
)
°. Soient A, A P Mn (K ) alors : AA = In ñ A A = In .
( )
a b
±. Soit A = P M2 (K ) alors : A est inversible ssi ad ´ bc ‰ 0
c d
( )
´1 1 d ´b
Et dans ce cas A = .
ad ´ bc ´c a
². Si M P Mn (K ) à une colonne ou une ligne nulle , alors M n’est pas inversible.
( )´1
³. (i). Si A est inversible alors A´1 est aussi inversible et on a A´1 = A.
(ii). Si A et B sont inversible alors AB est aussi inversible et on a ( AB)´1 = B´1 A´1 .
(iii). On note par GLn (K ) l’ensemble des matrices inversible de Mn (K ) . Alors :
( GLn (K ), ˆ) est un groupe et on l’appelle le groupe linéaire d’ordre n de Mn (K )
( )n
´. Si A P GLn (K ) alors An P GLn (K ) et on a ( An )´1 = A´1 .
r´1
ÿ
´1
µ. Si A est nilpotente d’indice r alors In ´ A P GLn (K ) et on a : ( In ´ A) = Ak
k =0
( )´1 t ´1
11 Si A P GLn (K ) alors A P GLn (K ) et on a : tA
⃝- t
= A
Preuve

¬.
1 1 2 2 2
( 1
) 2
On a AA = A A = In et AA = A A = In ñ A AA = A In
( 2 ) 1 2
ñ A A A =A
1 2
ñ In A = A
1 2
ñ A =A

f : Mn,1 (K ) Ñ Mn,1 (K )
°. L’application est linéaire.En plus f est inversible ðñ A est inversible (A faire).
X ÞÑ AX
1
Or AA = In ñ f est surjective donc f est bijective (dimE = dimF ) d’où A est inversible
( ) ( )( )
a b a b d ´b
±. Soit A = P M2 (K ). On a . = ( ad ´ bc) I2
c d c d ´c a
ñ / Si A est inversible montrons que ad ´ bc ‰ 0. Supposons que ad ´ bc = 0 alors
( ) ( )
d ´b ´1 d ´b
A = O2 ñ A A = O2
´c a ´c a
( )
d ´b
ñ = O2
´c a
ñ A = O2
Absurde car O2 n’est pas inversible
(. ) ( )
1 d ´b a b
ð / Si ad ´ bc ‰ 0 on a ˆ = I2 . D’où A est inversible
ad ´ bc ´c a c d
². Soit A P Mn (K ) .Notons L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A et Si Di P J1, nK tel que Li = 01,n . Supposons que A est
inversible alors DB P Mn (K ) tel que AB = In . alors :
t
Ei . ( AB) = tEi
ñ Li B = tEi
ñ 01,n = tEi !!!

19 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

( )´1
³. (i). On a AA = A A = In ñ A est inversible et A
´1 ´1 ´1
=A ´1
( ) ( )
(ii). ( AB) B´1 A´1 = A BB´1 A´1 = AIn A´1 = AA´1 = In ñ AB P GLn (K ) et ( AB)´1 = B´1 A´1
(iii). (a). Si A, B P GLn (K ) alors AB P GLn (K )
(b). ” ˆ ” est associative par hérédité
(c). In est l’élément neutre de GLn (K )
(d). Si A P GLn (K ) alors A´1 P GLn (K ) et AA´1 = A´1 A = In
( )n ( )n
´. Soit A P GLn (K ) , on a An ˆ A´1 = Inn = In ñ ( An )´1 = A´1
r´1
ÿ r´1
ÿ r
ÿ r´1
ÿ
µ. ( In ´ A) . Ak = Ak ´ Ak = In ´ ljhn
Ar = In ñ In ´ A P GLn (K ) et ( In ´ A)´1 = Ak
k =0 k =0 k =0 k =0
0
( )´1 t ´1
11 tA ˆ tA´1 = tA´1 A = tIn = In ñ tA
⃝- = A

Proposition 3

(i). Pij´1 = Pij

1
(ii). Di´1 (α) = Di ( ) avec α P K˚
α
(iii). Tij´1 (λ) = Tij (´λ)

Preuve
( )
(i). On a Pij2 = Pij .Pij et Pij = δk,τij (l ) donc
1ďk,lďn

( ) n
ÿ ( ) ( )
Pij2 = Pij k,m
Pij m,l
k,l
m =1
ÿn
= δk,τij (m) ˆ δmτij (l )
m =1
= δk,τ2 (l )
ij

= δk,l

Par suite Pij2 = (δk,l )1ĺi,jĺn = In

(iii).
( )( )
Tij (λ) Tij (´λ) = In + λEij In ´ λEij
= In2 ´ λ2 Eij2
( )
= In ´ λ2 δij Eij (i ‰ j)
l jh n
0
ñ Tij´1 (λ) = Tij (´λ)

L’écriture matricielle d’un système linéaire

20 gmail : azemrijamal@gmail.com
1.4 Inverse d’une matrice
$
’
’ a11 x1 + a12 x2 + ¨ ¨ ¨ + a1p x p = b1
’
& a21 x1 + a22 x2 + ¨ ¨ ¨ + a2p x p = b2
’
’
Soit le système linéaire suivant : (S) . .. .
’
’ .. .
’
’
% an1 x1 + an2 x2 + ¨ ¨ ¨ + anp x p
’
= bn
Alors :    
x1 b1
 x2   b2 
   
(S) ðñ AX = B où A = ( aij )1ďiďn , X =  .  et B =  . 
1ďjďp  ..   .. 
xp bn
Proposition 4
Soit A P Mn (K ) alors :
 
0
0
 
A P GLn (K ) ðñ le système AX = On,1 admet une unique solution  . 
 .. 
0

Preuve
ñ / Si A est inversible alors AX = On,1 ðñ A´1 ( AX ) = On,1 ðñ X = On,1
ð / AX = On,1 admet une seule solution alors la matrice échelonnée réduite E de A admet n pivots d’où E = In . alors
DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations et de transvections tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In
donc A P GLn (K ) et A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1

Proposition 5
Soit A P Mn (K ). Alors :

A P GLn (K ) ðñA est équivalente par lignes à In ie.DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations
et de transvections tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In

et dans ce cas A P GLn (K ) et A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1

Preuve
ñ / Si A est inversible alors le système AX = O admet une seule solution donc la matrice échelonnée réduite E de A
admet n pivots d’où E = In . Par suite A est équivalente par lignes à In
ð / Si A est équivalente par lignes à In alors DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations et de transvec-
tions tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In donc A P GLn (K ) et A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1

21 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

Exemple
 
2 ´1 2
Montrons que A =  5 ´3 3  est inversible et calculer A´1 .
´1 0 ´2
1ère méthode :
   
2 ´1 2 1 0 0
A =  5 ´3 3 , I3 =  0 1 0 
´1 0 ´2 0 0 1
   
´1 0 ´2 0 0 1
L1 ÐÑ L3 ñA(1) =  5 ´3 3 , I3 =  0 1 0 
(1)

2 ´1 2 1 0 0
   
1 0 2 0 0 ´1
L1 ÐÝ ´L1 ñA(2) =  5 ´3 3 , I3 =  0 1 0 
(2)

2 ´1 2 1 0 0
   
1 0 2 0 0 ´1
ñA(3) =  0 ´3 ´7 , I =  0 1 5 
L2 ÐÝL2 ´5L1 (3)
L3 ÐÝL3 ´2L1 3
0 ´1 ´2 1 0 2
   
1 0 2 0 0 ´1
L3 ÐÝ 3L3 ´ L2 ñA =  0 ´3 ´7 , I3 =  0 1 5 
(4) (4)

0 0 1 3 ´1 1
   
1 0 0 ´6 2 ´3
(5)
L3 ÐÝ L1 ´ 2L3 ñA = 0 ´3 ´7 , I3 =  0 1 5 
(5)

0 0 1 3 ´1 1
   
1 0 0 ´6 2 ´3
(6)
L2 ÐÝ L2 + 7L3 ñA = 0 ´3 0 , I3 =  21 ´6 12 
(6)

0 0 1 3 ´1 1
   
1 0 0 ´6 2 ´3
1
L2 ÐÝ ´ L2 ñA =  0 1 0 , I3 =  ´7 2 ´4 
(7) (7)
3
0 0 1 3 ´1 1

 
´6 2 ´3
Alors A est inversible et A´1 =  ´7 2 ´4 
3 ´1 1
ième
2 méthode
 :  
x1 y1
soient X =  x2  et Y =  y2  P M3,1 (R )
x3 y3
$
y x
$   
’
& 1 = 2x 1 ´ 2 + 2x 3 & x1 = 6y1 + 2y2 ´ 3y3
’ ´6 2 ´3 y1
AX = Y ðñ y2 = 5x1 ´ x2 + 3x3 ðñ x2 = ´7y1 + 2y2 ´ 4y3 ðñ X =  ´7 2 ´4  y2 
% y = ´x + 0.x ´ 2x
’ % x = 3y ´ y + y
’
3 ´1 1 y3
3 1 2 3 3 1 2 3

 
´6 2 ´3
Donc A´1 =  ´7 2 ´4 
3 ´1 1

22 gmail : azemrijamal@gmail.com
1.5 Trace d’une matrice-Matrices semblables

Proposition 6
( )
(i). Soit A = aij 1ĺi,jĺn P Tn+ (K ) alors

A P GLn (K ) ðñ Tous ses coefficients diagonaux sont non nuls

Et dans ce cas A´1 P Tn+

(ii). On a le même résultat si A P Tn´ (K )

Preuve

(i). ñ / A est inversible .Alors A est équivalente par lignes à In alors toute forme échelonnée de A possède n
pivots . Supposons que Dk P J1, nK tel que akk = 0.Notons s le plus petit entier k P J1, nK tel que akk = 0.Pour
tout k P J1, s ´ 1K ,(k, k ) est une position de pivots mais (s, s) ne l’est pas car les seules opérations élémentaires
possible Ls Ø L j avec j P Js + 1, nK ne mènent pas à un (s,s)-pivot , car @k P Js, nK, aks = 0.Alors on a moins de
n-pivots ce qui ’est faux.
ð / Si tous les coefficients diagonaux de A sont non nuls alors A admet n pivots ce qui veut dire que toutes
les inconnues dans le système AX = 0n,1 sont principales donc le système AX = 0n,1 admet une seule solution.
Donc selon la proposition 4 , A est inversible.
‚Reste à montrer que A´1 P Tn+ (K ) :
a 1
En effectuant sur A les opérations suivantes Li ÐÝ Li ´ ik Lk où i ă k et Li ÐÝ Li on obtient In .
( ) ( ) akk aii
1 ´aik
On a Di P Tn+ et si i ă k on a Tik P Tn+ et donc DT1 , ¨ ¨ ¨ , Tr des matrices de permutations , de
aii akk
dilatations et de transvections dans Tn+ tel que Tr ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In donc A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ T1 P Tn+ (K )

5 Trace d’une matrice-Matrices semblables

Définition 13
n n
Soit A = ( aij )1ďi,jďn P Mn (K ). Le scalaire
ÿ ÿ
aii s’appelle la trace de A que l’on note Tr ( A) = aii
i =1 i =1

Exemple
 
1 4 8
Soit A =  2 ´2 ´7  alors Tr ( A) = 1 + (´2) + 11 = 10
0 ´1 11

Remarques

Tr : Mn (K ) Ñ K
¶. est une forme linéaire sur Mn (K ) i.e @A, B P Mn (K ) et @λ, µ P K , Tr (λA +
A ÞÑ Tr ( A)
µB) = λTr ( A) + µTr ( B).
·. @A, B P Mn (K ) , Tr ( AB) = Tr ( BA)

Preuve

23 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

¶. Soient A = ( aij )1ďi,jďn , B = (bij )1ďi,jďn et λ P K :

( )
On a Tr ( A + B) = Tr ( aij + bij )1ďi,jďn
ÿn
= ( aii + bii )
i =1
ÿ n n
ÿ
= aii + bii
i =1 i =1
ñ Tr ( A + B) = Tr ( A) + Tr ( B)

( )
et on a Tr (λA) = Tr (λaij )1ďi,jďn
ÿn
= λaii
i =1
ÿn
=λ aii
i =1
ñ Tr (λA) = λTr ( A)

Donc Tr est une forme linéaire sur Mn (K ) .

·. Soient A = ( aij )1ďi,jďn , B = (bij )1ďi,jďn , AB = (cij )1ďi,jďn et BA = (dij )1ďi,jďn
n
ÿ
On a Tr ( AB) = cii
i =1
ÿ n ÿ n
= aik bki
i =1 k =1
ÿn ÿ n
= bki aik
k =1 i =1
ÿ n
= dkk
k =1
ñ Tr ( AB) = Tr ( BA)

Définition 14 (Matrices semblables)

Deux matrices A et B P Mn (K ) sont dites semblables s’il existe P P GLn (K ) tel que B = P´1 AP

Exemple
( ) ( ) ( )
2 0 1 ´2 1 1
Dons M2 (R ) les matrices D = et B = sont semblables car B = P ´1
DP où P =
0 3 1 4 1 2

Remarques

¶. La relations de similitude dans Mn (K ) notée „ et est définie par : @A, B P Mn (K ) ,

A „ B ðñ DP P GLn (K ) tel que B = P´1 AP

est une relation d’équivalence

24 gmail : azemrijamal@gmail.com
 1.6 Matrice équivalentes

·. Si A „ B alors Tr ( A) = Tr ( B).

Preuve
¶.

(i). Réflexive : A „ A car In P GLn (K ) et A = In´1 AIn

(ii). Symétrique : Si A „ B alors :

DP P GLn (K ) tel que B = P´1 AP ñ PBP´1 = A

( )´1
ñ P ´1
BP´1 = A avec P´1 P GLn (K )
ñB„A

(iii). Transitive : Si A „ B et B „ C alors :

( )
DP, Q P GLn (K ) tel que B = P´1 AP et C = Q´1 BQ ñ C = Q´1 P´1 AP Q
ñ C = Q´1 P´1 APQ
ñ C = ( PQ)´1 APQ avec PQ P GLn (K )
ñA„C

·. A „ B ðñ DP P GLn (K ) tel queB = P´1 AP

( )
´1
Tr ( B) = Tr P AP
( )
= Tr ( P´1 A) P
( )
= Tr P( P´1 A)
ñ Tr ( B) = Tr ( A)

6 Matrice équivalentes

Définition 15
Soient A, B P Mn,p (K ). On dit que A et B sont équivalentes si D( P, Q) P GL p (K ) ˆ GLn (K ) tel que B = QAP

Remarques

¶. La relation R dans Mn,p (K ) définie par :

ARB ðñ A et B équivalentes
est une relation d’équivalence
·. Deux matrices semblables dans Mn (K ) sont équivalentes , mais la réciproque n’est pas toujours vraie

Exemples
(
) ( )
1 0 0 0
1. Dans M2 (R ) les matrices A = et B = sont équivalentes et non semblables.En effet :
0 0 1 0
‚ On prend P = P1,2 et Q = In donc A et B sont équivalentes .
‚ A ȷ B , par l’absurde.

25 gmail : azemrijamal@gmail.com
 C HAPITRE 1 : Matrice (Partie 1)

2. Si n P N˚ et A P GLn (K ) tel que A ‰ In alors A est équivalente à In mais A ȷ In

3. Si n ľ 2 ,dans Mn (K ) les matrices élémentaires E1,1 et En1 sont équivalentes et non semblables.

Théorème 3
Soit A P Mn,p (K ). Alors :

( )
Ir Or,p´r
D( P, Q) P GL p (K ) ˆ GLn (K ) tel que Jr = QAP où Jr =
On´r,r On´r,p´r

Avec r le nombre des pivots de la forme échelonnée réduite E de A.

Définition 16
r s’appelle le rang de A et on écrit rang( A) = r

Preuve
Soit E = (eij )1ďiďn la forme réduite de A donc DQ P GLn (K ) tel que QA = E. Notons C1 , C2 , ¨ ¨ ¨ , C p les colonnes de E
1ďjďp
et r le nombre des pivots de E.Notons (i, φ(i )) les positons des pivots.
˛ En effectuant sur E des opérations sur les colonnes de type : Cj Ð Cj ´ ei,j C φ(i) avec (i, j) P J1, rK ˆ J1, pK tel que
1
φ(i ) ă j on obtient une matrice E dont tous les coefficients sont nuls sauf ceux situés aux positions des pivots
1 1 1
de E.Donc DP P GL p (K ) tel que E = QAP
1 1
˛ En effectuant des permutations de colonnes sur E on obtient Jr . Donc DP” P GL p (K ) tel que Jr = QAP P”
1
Posons P = P P” alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que Jr = QAP

Remarques

 
0
 .. 
1 . (0) 
 
 . 
 .. 0 
 
 .. 
¶. Si r = rang( A) ă n , alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que :QAP =  1 . 
 
 
 (0) 0 0 
 
 .. .. 
 . . 
0 0
 
0 1
 .. .. 
 . . ( 0 ) 
 
 
 0 1 
 . 
 .. 0 
·. Si r = rang( A) ă p , alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que : QAP =  
 .. 
 (0) . 
 
 
 .. 
 . 0
0
¸. Si n = p et A P Mn (K ) alors Jr2 = Jr

26 gmail : azemrijamal@gmail.com
1.7 Matrices par blocs

7 Matrices par blocs

Définition 17
Soient n ě 2 et p ě 2 et M = (mij )1ďiďn . Soient r P J1, n ´ 1K et s P J1, p ´ 1K.
1ďjďp ( )
A B
Soient A = (mij )1ďiďr , B = (mij ) 1ďiďr , C = (mij )r+1ďiďn et D = (mij )r+1ďiďn alors M =
1ďjďs s+1ďjďp 1ďjďs s+1ďjďp C D
est appelée la décomposition (r, s) par blocs de M.

Proposition 7
( ) ( 1 1 )
A B A B
Soient M P Mn,p (K ) et N P M p,q (K ). Si M = et N =1 1 sont respectivement les décomposi-
C D C D
tions (r, s) par blocs de M et (s, t) par blocs de N alors la décomposition (r, t) par blocs de MN est
( 1 1 1 1 )
AA + BC AB + BD
MN = 1 1 1 1
CA + DC CB + DD

27 gmail : azemrijamal@gmail.com