Chapitre 1

Matrices

Dans toute la suite, on note K = R ou C.

1 Définition

Définition 1.1. On appelle matrice de type (m × n) un tableau rectangulaire formé de m lignes et

de n colonnes c’est-à-dire de m.n éléments de K.
On note :  
a11 a12 · · · · · · · · · a1n
 a21 a22 · · · · · · · · · a2n 
 
 .. 
 · · . · · ·   
A=  = aij i = 1, · · · , m
 
..
 · · · . · · 
  j = 1, · · · , n
 .. 
 · · · · . · 
am1 am2 · · · · · · · · · amn
Les aij s’appellent éléments ou termes de la matrice A.

Si m = n, alors on dit que la matrice A est une matrice carrée d’ordre n.

Dans ce cas, les termes a11 , a22 , · · · , ann s’appellent les éléments diagonaux de la matrice A.

L’ensembles des matrices de type (m × n) est noté Mm,n (K).

L’ensembles des matrices carrées d’ordre n est noté Mn (K).

2 Matrices particulières
1. Matrice ligne : (a11 , · · · , a1n ) ∈ M1,n (K)
 
a11
 . 
 
2. Matrice colonne :  .
  ∈ Mn,1 (K)

 . 
an1
3. Matrice nulle de type (m × n) : c’est la matrice Om,n formée des éléments nuls.

habboud@[Link]
rkeinj@[Link]
2. Matrices particulières 4

 
0 0 0
3 Exemple : O2,3 =
0 0 0

4. Matrice unité (ou identité) d’ordre n :

 
1 0 ··· 0
0 ···

 0 1 ··· 0 
0 ···

 0 0 ··· 0 
1 ···
In = 
 
.. .. .... 
..

 . . ··· . 
.  .
 0 0 0 ··· 1 0 
0 0 0 ··· ··· 1
 
1 0
3 Exemple : I2 = ∈ M2 (K)
0 1
5. Matrice diagonale d’ordre n :
 
d11 0 0 ··· ··· 0
 0
 d22 0 ··· ··· 0 

 0
 0 d33 ··· ··· 0 

Dn =  ... .
.. .. .. .  = (d11 , · · · , dnn )
 . . · · · .. 

.
· · · .. 0
 
 0 0 0 
0 0 0 · · · · · · dnn

On note Dn (K) l’ensemble des matrices carrées diagonales d’ordre n.

6. Matrices triangulaires d’ordre n :

(a) Matrice triangulaire supérieure : On dit que A est une matrice triangulaire supérieure si elle
est de la forme  
a11 a12 a13 · · · · · · a1n
 0
 a22 a23 · · · · · · a2n 

 0 0 a33 · · · · · · a3n 
A= .
 
. .
. .
. . . .
. 
 .
 . . . ··· . 

 0 0 0 · · · an−1,n−1 an−1,n 
0 0 0 ··· ··· ann
(b) Matrice triangulaire inférieure : On dit que A est une matrice triangulaire inférieure si elle est
de la forme  
a11 0 0 ··· ··· 0
 a21
 a22 0 ··· ··· 0  
 a31 a 32 a 33 · · · · · · 0 
A= .
 
.. .. .. ..
 ..

 . . . · · · . 

 an−1,1 an−1,2 an−1,3 · · · an−1,n−1 0 
an1 an2 an3 ··· ··· ann

Donc toute matrice diagonale est triangulaire inférieure et supérieure.

On note Tns (K) l’ensemble des matrices triangualires supérieures d’ordre n.

On note Tni (K) l’ensemble des matrices triangulaires inférieures d’ordre n.

habboud@[Link]
rkeinj@[Link]
3. Calcul matriciel 5

3 Calcul matriciel
3.1 Egalité de deux matrices
   
Soient A = aij et B = bij ∈ Mm,n (K). On a

A = B ⇔ ∀(i, j) ∈ {1, · · · , m} × {1, · · · , n}, aij = bij .

3.2 Addition de deux matrices

     
Soient A = aij , B = bij et C = cij ∈ Mm,n (K). On a
 
A + B = aij + bij = B + A

et
(A + B) + C = A + (B + C)

3 Exemple :
       
1 2 0 1 1+0 2+1 1 3
 1 3 + 3 2 = 1+3 3+2 = 4 5 
0 1 1 1 0+1 1+1 1 2

3.3 Multiplication d’une matrice par un scalaire

   
Soient A = aij , B = bij ∈ Mm,n (K) et λ, α, β ∈ K. On a
 
λa11 λa12 ··· · · · · · · λa1n
 λa21
 λa22 ··· · · · · · · λa2n 

 .. 
 · · .· · ·   
λA =  . = λa
 
.. .. . . .. .. ij i = 1, · · · , m
 ..

. . . . . 

 .. .. .. ..
 j = 1, · · · , n
. . .. 
 . . . . . . 
λam1 λam2 · · · · · · · · · λamn
 
Cas particulier : −A = − aij (c’est le cas où λ = −1).

Propriété 3.1.
1. 1 · A = A
2. α · (A + B) = α · A + α · B
3. (α + β) · A = α · A + β · A
4. (α · β) · A = (β · α) · A = β · (α · A) = α · (β · A)
5. Si α · A = Om,n , alors α = 0 ou A = Om,n .

habboud@[Link]
rkeinj@[Link]
3. Calcul matriciel 6

3.4 Produit de deux matrices

     
Définition 3.2. Soient A = aij ∈ Mm,n (K), B = bij ∈ Mn,p (K) et C = cij ∈
Mm,p (K).
Alors
n
X
A × B = C ∈ Mm,p (K) avec cij = aik bkj .
k=1

Remarque 3.3.
 
  b11 b12 ··· b1j ··· b1p
a11 a12 a13 ··· ··· a1n 
 · · · · · · 

 · · · ··· ··· ·  · · · · · ·   
  
 ai1
A×B =  ai2 ai3 ··· ··· ain · .. .. .. .. .. ..  = C = cij
 ·
 . . . . . . 
· · ··· ··· · 
 .. .. .. .. .. ..


am1 am2 am3 ··· ··· amn  . . . . . . 
bn1 bn2 ··· bnj ··· bnp
avec
cij = ai1 b1j + ai2 b2j + · · · + ain bnj

Exemple 3.4.
 
 1 4 7 
a b c
A·B =A×B = ·  2 5 8  ∈ M2,3 (K)
d e f
| {z } 3 6 9
∈M2,3 (K)
| {z }
∈M3,3 (K)
 
a + 2b + 3c 4a + 5b + 6c 7a + 8b + 9c
=
d + 2e + 3f 4d + 5e + 6f 7d + 8e + 9f

Propriété 3.5.
1. En général, si les deux produits A · B et B · A sont possibles, A · B 6= B · A
Parfois, B · A n’existe pas.
     
2. Soient A = aij ∈ Mm,n (K), B = bij ∈ Mn,p (K) et C = cij ∈ Mp,q (K). Alors

(A · B) · C = A · (B · C)

3. A · In = A et Im · A = A où A ∈ Mm,n (K).

habboud@[Link]
rkeinj@[Link]
3. Calcul matriciel 7

3.5 Transposée d’une matrice

   
Définition 3.6. Soient A = aij ∈ Mm,n (K) et B = bij ∈ Mn,m (K).
On dit que B est la transposée de A si
bij = aji .
On note B = AT .

Propriété 3.7.
1. (AT )T = A.
2. (A + B)T = AT + B T .
3. (λA)T = λAT .
4. (A · B)T = B T · AT .

3.6 Matrices symétriques et antisymétriques

Définition 3.8.
1. La matrice A ∈ Mn (K) est dite symétrique si

AT = A

c’est-à-dire si ∀i, j ∈ {1, · · · , n}, aij = aji .

2. La matrice A ∈ Mn (K) est dite antisymétrique si

AT = −A.

c’est-à-dire si ∀i, j ∈ {1, · · · , n}, aij = −aji .

Remarque 3.9. Si A ∈ Mn (K) est antisymétrique c’est-à-dire si aij = −aji alors les éléments de
la diagonale de A vérifient :

aii = −aii ⇒ 2aii = 0 ⇒ aii = 0.

Exemple 3.10.
   
1 2 3 0 2 3
A= 2 0 4  et B =  −2 0 4 
3 4 −5 −3 −4 0
| {z } | {z }
matrice symétrique matrice antisymétrique

habboud@[Link]
rkeinj@[Link]
3. Calcul matriciel 8

Remarque 3.11.
• Si A et B sont deux matrices symétriques, c’est-à-dire si AT = A et B T = B
alors
(A · B)T = B T · AT = B · A 6= A · B
en général.
• Si A et B sont deux matrices antisymétriques, c’est-à-dire si AT = −A et B T = −B
alors
(A · B)T = B T · AT = (−B) · (−A) = B · A 6= −A · B
en général.

3.7 Matrices inversibles

Définition 3.12. La matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle que

A · B = In et B · A = In .

Dans ce cas, on dit que B est l’inverse de A et on note B := A−1

 
1 2
Exemple 3.13. Soit A = . Est-elle inversible ?
3 4

 
a b
X Soit B = .
c d
     
1 2 a b 1 0
AB = I2 ⇔ · =
3 4 c d 0 1
   
a + 2c b + 2d 1 0
⇔ =
3a + 4c 3b + 4d 0 1


 a + 2c = 1
b + 2d = 0

⇔
 3a + 4c = 0

3b + 4d = 1


3 1
⇔ a = −2, b = 1, c = , d = −
!2 2
−2 1
⇔ B= 3 1 .
−
2 2

On vérifie aussi que B · A = I2 . Donc A est inversible et B est son inverse.

habboud@[Link]
rkeinj@[Link]
4. Échelonnement de matrices 9

Propriété 3.14. Soient A, B deux matrices inversibles dans Mn (K) et λ ∈ K∗ . On a

1. (A−1 )−1 = A.
2. (A · B)−1 = B −1 · A−1 .
3. (λA)−1 = λ1 A−1 .

4 Échelonnement de matrices
4.1 Opérations élémentaires et Matrices échelonnées

Définition 4.1. Soit la matrice A ∈ Mm,n (K). On dit que A est une matrice échelonnée en lignes
si A vérifie :
(1) Toutes les lignes nulles, s’il en existe, sont les dernières lignes de A.
(2) Dans toute ligne non nulle, le premier terme non nul est le pivot.
(3) Chaque pivot d’une ligne est à droite du pivot de la ligne précédente.
Si de plus, tous les pivots valent 1 et les termes de chaque colonne contenant un pivot sont tous nuls
sauf ce pivot, on dit que A est une matrice échelonnée réduite en ligne.

3 Exemple :
 
1 2 3 4  
 0 0 2 5 
0 0 0 0
A=   , B = 2 −1 0 1 , O2,4 = .
 0 0 0 0  | {z } 0 0 0 0
0 0 0 0 forme échelonnée en ligne | {z }
forme échelonnée en ligne
| {z }
forme échelonnée en ligne
     
1 0 2 −1 1 0 0 0 5 1 0 0
C=  0 1 4 3  , D =  0 1 0 2 0  , I3 =  0 1 0  .
0 0 0 0 0 0 1 1 3 0 0 1
| {z } | {z } | {z }
forme échelonnée réduite en ligne forme échelonnée réduite en ligne forme échelonnée réduite en ligne

Définition 4.2. Soit A ∈ Mm,n (K). On appelle opération élémentaire sur les lignes toute opération
du type suivant :
O1 (Opération de type 1) : échanger 2 lignes.
O2 (Opération de type 2) : multiplier une ligne par un scalaire non nul.
O3 (Opération de type 3) : additionner à une ligne un multiple d’une autre ligne.

habboud@[Link]
rkeinj@[Link]
4. Échelonnement de matrices 10

Remarque 4.3. Chaque opération élémentaire admet une opération inverse.

Définition 4.4. Soient A, B ∈ Mm,n (K).

Si B est obtenue de la matrice A après avoir appliqué une suite finie d’opérations élémentaires sur
les lignes, on dit alors que la matrice B est équivalente en lignes à A.
Elle est notée A ∼ B.

La relation d’équivalence possède les propriétés suivantes :

Propriété 4.5. On a
1. La relation est réflexive : A ∼ A.
2. La relation est symétrique : A ∼ B ⇔ B ∼ A.
3. La relation est transitive : Si A ∼ B et B ∼ C, alors A ∼ C.

Théorème 4.6. Soit A ∈ Mm,n (K). On a

1. La matrice A est équivalente en lignes à une matrice échelonnée en lignes non unique.
2. La matrice A est équivalente en lignes à une seule matrice échelonnée réduite en lignes.

Exemple 4.7. Échelonner la matrice suivante en lignes

 
1 2 −3 1
 1 3 1 11 
A=  2 5 1
.
13 
2 6 3 22

On a  
1 2 −3 1 L1 ↔ L1
 1 3 1 11 
A =   L2 ↔ L2 − L1
 2 5 1 13  L3 ↔ L3 − 2L1
2 6 3 22 L4 ↔ L4 − 2L1

 
1 2 −3 1 L1 ↔ L1
 0 1 4 10 
→   L2 ↔ L2
 0 1 7 11  L3 ↔ L3 − L2
0 2 9 20 L4 ↔ L4 − 2L1

habboud@[Link]
rkeinj@[Link]
4. Échelonnement de matrices 11

 
1 2 −3 1 L1 ↔ L1
 0 1 4 10 
→   L2 ↔ L2
 0 0 3 1  L3 ↔ L4
0 0 1 0 L4 ↔ L3

 
1 2 −3 1 L1 ↔ L1
 0 1 4 10 
→   L2 ↔ L2
 0 0 1 0  L3 ↔ L3
0 0 3 1 L4 ↔ L4 − 3L3

 
1 2 −3 1
 0 1 4 10 
→ 
 0

0 1 0 
0 0 0 1
| {z }
A0 matrice échelonnée en lignes.

Si nous continuons les opérations élémentaires, nous transformons la matrice échelonnée en lignes obte-
nue en une matrice échelonnée réduite en lignes de la forme suivante
 
1 2 −3 1 L1 ↔ L1 − L4
0
 0 1 4 10  L2 ↔ L2 − 10L4
A =   
0 0 1 0  L3 ↔ L3
0 0 0 1 L4 ↔ L4

 
1 2 −3 0 L1 ↔ L1 + 3L3
 0 1 4 0 
→   L2 ↔ L2 − 4L3
 0 0 1 0  L3 ↔ L3
0 0 0 1 L4 ↔ L4

 
1 2 0 0 L1 ↔ L1 − 2L2
 0 1 0 0 
→   L2 ↔ L2
 0 0 1 0  L3 ↔ L3
0 0 0 1 L4 ↔ L4

 
1 0 0 0
 0 1 0 0 
→ 
 0

0 1 0 
0 0 0 1
| {z }
matrice échelonnée réduite en lignes.

habboud@[Link]
rkeinj@[Link]
4. Échelonnement de matrices 13

Donc effectuons l’opération élémentaire L2 ↔ L2 − L1 sur I3 . Ainsi la matrice élémentaire obtenue est
 
1 0 0
E1 =  −1 1 0 
0 0 1

et donc le produit matriciel E1 A est

    
1 0 0 1 −1 2 1 −1 2
E1 A =  −1 1 0   1 2 3 = 0 3 1 .
0 0 1 2 −1 4 2 −1 4
| {z }
B

Nous constatons que la matrice B n’est autre que celle obtenue en effectuant la même opération élémen-
taire L2 ↔ L2 − L1 sur la matrice de départ A.

Théorème 4.10. Toute matrice élémentaire est inversible. Son inverse est aussi une matrice élémen-
taire.

Théorème 4.11. Soit A une matrice carrée d’ordre n. Les assertions suivantes sont équivalentes :
(1) A est inversible.
(2) A est équivalente en lignes à la matrice In .
(3) A est un produit des matrices élémentaires

Méthode de calcul de l’inverse d’une matrice

Soient A une matrice carrée d’ordre n et la matrice unité In .

Une première méthode pour calculer l’inverse A−1 de la matrice A consiste à effectuer une succes-
sion des mêmes opérations élémentaires sur A et sur In .

habboud@[Link]
rkeinj@[Link]
4. Échelonnement de matrices 14

L’organigramme est donc

( A
|{z} | In )
|{z}
matrice à inverser matrice unité

 L1 ↔ · · ·

..
= (A|In )
 .
Ln ↔ · · ·

L1 ↔ · · ·

.. ..
→ . .

Ln ↔ · · ·

L1 ↔ · · ·

. ..
→ .. .

Ln ↔ · · ·

→ ( In | A−1
|{z} )
|{z}
matrice unité l’inverse de A

Exemple 4.12. Calculer l’inverse de la matrice A en discutant suivant les valeurs du paramètre a :
 
1 2 −1
A =  2 3 5 .
1 1 a

X On a  
1 2 −1 1 0 0
L ↔ L2 − 2L1
(A|I) =  2 3 5 0 1 0  2
L3 ↔ L3 − L1
1 1 a 0 0 1

 
1 2 −1 1 0 0
L ↔ L3 − L2
→  0 −1 7 −2 1 0  3
L2 ↔ −L2
0 −1 a + 1 −1 0 1

 
1 2 −1 1 0 0
→  0 1 −7 2 −1 0 
0 0 a − 6 1 −1 1

habboud@[Link]
rkeinj@[Link]
 5. Exercices 15

A ce stade, deux cas se présentent. Discutons.

Premier Cas : Si a = 6, alors A n’est pas inversible car elle ne peut pas être réduite en I3 .
Second Cas : Si a 6= 6, alors A est inversible donc nous continuons l’échelonnement pour obtenir I3 .

1 2 −1 1 0 0
 

→  0 1 −7 2 −1 0 par l’opération L3 ↔ L3 /(a − 6)

 
1 −1 1

0 0 1
a−6 a−6 a−6

Prenons par exemple a = 7,

 
1 2 −1 1 0 0
L ↔ L1 + L3
→  0 1 −7 2 −1 0  1
L2 ↔ L2 + 7L3
0 0 1 1 −1 1

 
1 2 0 2 −1 1
→  0 1 0 9 −8 7  L1 ↔ L1 − 2L2
0 0 1 1 −1 1

 
1 0 0 −16 15 −13
→  0 1 0 9 −8 7 
0 0 1 1 −1 1
| {z }
(I|A−1 )

Donc l’inverse de A est  

−16 15 −13
A−1 = 9 −8 7 .
1 −1 1

5 Exercices
Exercice 1 : On donne les matrices
   
1 −1 1 −1 1 1
A =  −1 1 1  et B =  1 −1 1  .
1 1 −1 1 1 −1
Calculer 2A − 3B, AB et BA.
Exercice 2 : On pose  
0 1 1
B =  0 0 1 .
0 0 0

habboud@[Link]
rkeinj@[Link]
 Chapitre 2
Déterminant

1 Déterminant d’une matrice carrée

 
Soit A = aij ∈ Mn (K).
Le déterminant de A est un scalaire noté det(A) ou |A|.

1.1 Cas particulier

 
1. Si n = 1, alors A = a11 donc det(A) = a11 .
 a
11 a12

2. Si n = 2, alors A = donc det(A) = a11 a22 − a12 a21 .
a21 a22

1.2 Formule de Sarrus

Si n = 3, c’est-à-dire si  
a11 a12 a13
A =  a21 a22 a23  ,
a31 a32 a33
alors nous appliquons la formule de Sarrus pour calculer le déterminant :

a11 a12 a13 a11 a12

& &. &. .
a21 a22 a23 a21 a22 .
. &. &. &
a31 a32 a33 a31 a32

Donc

det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a12 a21 a33 − a11 a23 a32 − a13 a22 a31 .

1.3 Méthode générale

Pour une matrice carrée d’ordre n ≥ 3, c’est-à-dire si A ∈ Mn (K) avec n ≥ 3 :

habboud@[Link]
rkeinj@[Link]
1. Déterminant d’une matrice carrée 26

Définition 1.1.
1. On appelle mineur de aij le déterminant ∆ij de la matrice déduite de A en supprimant la
ligne i et la colonne j.
2. On appelle cofacteur de aij le scalaire noté

cof (aij ) = (−1)i+j ∆ij

Exemple 1.2. Soit  

1 4 7
A =  2 5 0 ,
3 6 9

alors  
5 1 4
cof (a23 ) = cof (0) = (−1) det = −(6 − 12) = 6.
3 6
X Formule du déterminant en développant suivant la ième ligne :

 
a11 a22 ··· a1n
 · · ··· · 
 Xn Xn
i+j

det(A) = det 
 · · ··· · =
 (−1) ∆ij aij = aij cof (aij ).
 · · ··· ·  j=1 j=1
an1 an2 ··· ann

Exemple 1.3. Calculer

1 4 −1
2 0 3
3 −1 0

X On a
 
1 4 −1
det  2 0 3  =suivant la 3ème ligne 3cof (3) + (−1)cof (−1) + 0
3 −1 0
4 −1 1 −1
=3 +
0 3 2 3

= 3(12) + (3 + 2) = 41

X Formule du déterminant en développant suivant la j ème colonne :

n
X n
X
det(A) = (−1)i+j ∆ij aij = aij cof (aij ).
i=1 i=1

habboud@[Link]
rkeinj@[Link]
2. Propriétés du déterminant 27

Exemple 1.4. Calculer

1 4 −1
2 0 3
3 −1 0

X On a
 
1 4 −1
det  2 0 3  =suivant la 2ème colonne 4cof (4) + 0 + (−1)cof (−1)
3 −1 0
2 3 1 −1
= −4 +
3 0 2 3

= −4(−9) + (3 + 2) = 41

2 Propriétés du déterminant
1. Soit In la matrice unité. On a
det(In ) = 1.
   
2. Soient A = aij , B = bij ∈ Mn (K). On a

det(A · B) = det(A) · det(B) = det(B) · det(A) = det(B · A).

3. det(AT ) = det(A).
4. Soit A une matrice triangulaire
   
a11 a12 a13 · · · · · · a1n a11 0 0 ··· ··· 0
 0
 a22 a23 · · · · · · a2n 


 a21 a22 0 ··· ··· 0 

 0
 0 a33 · · · · · · a3n 


 a31 a32 a33 ··· ··· 0 

A= .
. .
. .
. .. .  ou A =  .. .. .. .. . ,
 .
 . . . · · · .. 


 . . . . · · · .. 

 .. .. .. .. . . ..   .. .. .. .. . . .. 
 . . . . . .   . . . . . . 
0 0 0 ··· · · · ann an1 an2 an3 ··· · · · ann

alors
n
Y
det(A) = a11 a22 · · · ann = aii .
i=1

5. Propriétés élémentaires :
(a) Le déterminant d’une matrice ne change pas si on ajoute à une colonne une combinaison
linéaire des autres colonnes Ci ↔ Ci + αj Cj .
(b) Le déterminant d’une matrice ne change pas si on ajoute à une ligne une combinaison linéaire
des autres lignes Li ↔ Li + αj Lj .

habboud@[Link]
rkeinj@[Link]
3. Applications 29

3 Applications
3.1 Calcul de l’inverse d’une matrice

Théorème 3.1. Soit la matrice A ∈ Mn (K). A est inversible ssi det(A) 6= 0.

Définition 3.2. Soit A = (aij ) ∈ Mn (K).

1. La comatrice de A, notée com(A), est la matrice formée par les cofacteurs de A, (cof (A)),
c’est-à-dire
com(A) = (cof (aij )) ∈ Mn (K)
avec cof (aij ) = (−1)i+j ∆ij .
2. On appelle matrice complémentaire de A, ou adjointe de A, la matrice transposée de la
comatrice de A :
adj(A) = (com(A))T .

Théorème 3.3. Soit A ∈ Mn (K). On a

A · adj(A) = adj(A) · A = det(A) · In .

D’où si A est inversible alors

1 1
A−1 = adj(A) = (com(A))T .
det(A) det(A)

Exemple 3.4. Soit  

a b
A=
c d
avec ad 6= bc donc A est inversible. Calculer son inverse A−1 .

X Nous avons :  
d −c
com(A) =
−b a
donc  
d −b
adj(A) =
−c a
et  
1 d −b
A−1 =
ad − bc −c a

habboud@[Link]
rkeinj@[Link]