Matrices

Ñ
Ñ
Ñ
Ñ
Ñ
Ñ
á

Les matrices sont des tableaux de nombres. La résolution d’un certain nombre de problèmes d’algèbre linéaire se
ramène à des manipulations sur les matrices. Ceci est vrai en particulier pour la résolution des systèmes linéaires.
Dans ce chapitre, K désigne un corps. On peut penser à Q, R ou C.

1. Définition

1.1. Définition

Définition 1.
• Une matrice A est un tableau rectangulaire d’éléments de K.
• Elle est dite de taille n ⇥ p si le tableau possède n lignes et p colonnes.
• Les nombres du tableau sont appelés les coefficients de A.
• Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté ai, j .

Un tel tableau est représenté de la manière suivante :

0 1
a1,1 a1,2 . . . a1, j . . . a1,p
B a2,1 a2,2 . . . a2, j . . . a2,p C
B C
B ... ... ... ... ... ... C
A=B B C ou A = ai, j 16i 6n ou ai, j .
C
B ai,1 ai,2 . . . ai, j . . . ai,p C 16 j 6 p
@ ... ... ... ... ... ... A
an,1 an,2 ... an, j ... an,p
Exemple 1.
✓ ◆
2 1 5
A=
3 0 7
est une matrice 2 ⇥ 3 avec, par exemple, a1,1 = 1 et a2,3 = 7.
Encore quelques définitions :
Définition 2.
• Deux matrices sont égales lorsqu’elles ont la même taille et que les coefficients correspondants sont égaux.
• L’ensemble des matrices à n lignes et p colonnes à coefficients dans K est noté Mn,p (K). Les éléments de Mn,p (R)
MATRICES 1. DÉFINITION 2

sont appelés matrices réelles.

1.2. Matrices particulières

Voici quelques types de matrices intéressantes :
• Si n = p (même nombre de lignes que de colonnes), la matrice est dite matrice carrée. On note Mn (K) au lieu de
Mn,n (K).
0 1
a1,1 a1,2 . . . a1,n
B a2,1 a2,2 . . . a2,n C
B C
B . .. .. .. C
@ .. . . . A
an,1 an,2 . . . an,n
Les éléments a1,1 , a2,2 , . . . , an,n forment la diagonale principale de la matrice.
• Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou vecteur ligne. On la note
A = a1,1 a1,2 ... a1,p .
• De même, une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice colonne ou vecteur colonne. On
la note 0 1
a1,1
B a2,1 C
B C
A= B . C.
@ .. A
an,1
• La matrice (de taille n ⇥ p) dont tous les coefficients sont des zéros est appelée la matrice nulle et est notée 0n,p
ou plus simplement 0. Dans le calcul matriciel, la matrice nulle joue le rôle du nombre 0 pour les réels.

1.3. Addition de matrices

Définition 3 (Somme de deux matrices).

Soient A et B deux matrices ayant la même taille n ⇥ p. Leur somme C = A + B est la matrice de taille n ⇥ p définie
par
ci j = ai j + bi j .

En d’autres termes, on somme coefficients par coefficients. Remarque : on note indifféremment ai j où ai, j pour les
coefficients de la matrice A.
Exemple 2.
✓ ◆ ✓ ◆ ✓ ◆
3 2 0 5 3 3
Si A= B=
et alors A+ B = .
1 7 2 1 3 6
✓ ◆
0 2
Par contre si B = alors A + B 0 n’est pas définie.
8

Définition 4 (Produit d’une matrice par un scalaire).

Le produit d’une matrice A = ai j de Mn,p (K) par un scalaire ↵ 2 K est la matrice ↵ai j formée en multipliant
chaque coefficient de A par ↵. Elle est notée ↵ · A (ou simplement ↵A).

Exemple 3.
✓ ◆ ✓ ◆
1 2 3 2 4 6
Si A= et ↵=2 alors ↵A = .
0 1 0 0 2 0
La matrice ( 1)A est l’opposée de A et est notée A. La différence A B est définie par A + ( B).
MATRICES 2. MULTIPLICATION DE MATRICES 3

Exemple 4.
✓ ◆ ✓ ◆ ✓ ◆
2 1 0 1 4 2 3 5 2
Si A= et B= alors A B= .
4 5 2 7 5 3 3 0 1
L’addition et la multiplication par un scalaire se comportent sans surprises :
Proposition 1.
Soient A, B et C trois matrices appartenant à Mn,p (K). Soient ↵ 2 K et 2 K deux scalaires.
1. A + B = B + A : la somme est commutative,
2. A + (B + C) = (A + B) + C : la somme est associative,
3. A + 0 = A : la matrice nulle est l’élément neutre de l’addition,
4. (↵ + )A = ↵A + A,
5. ↵(A + B) = ↵A + ↵B.

Démonstration. Prouvons par exemple le quatrième point. Le terme général de (↵ + )A est égal à (↵ + )ai j . D’après
les règles de calcul dans K, (↵ + )ai j est égal à ↵ai j + ai j qui est le terme général de la matrice ↵A + A.

Mini-exercices.
Ä 7 2ä Ä1 2 3ä Ä 21 6 ä Ä1 0 1ä Ä 1 2ä
1. Soient A = 0 1 , B = 2 3 1 , C = 0 3 , D = 12 0 1 0 , E = 3 0 . Calculer toutes les sommes possibles
1 4 321 3 12 111 86
de deux de ces matrices. Calculer 3A + 2C et 5B 4D. Trouver ↵ tel que A ↵C soit la matrice nulle.
2. Montrer que si A + B = A, alors B est la matrice nulle.
3. Que vaut 0 · A ? et 1 · A ? Justifier l’affirmation : ↵( A) = (↵ )A. Idem avec nA = A + A + · · · + A (n occurrences
de A).

2. Multiplication de matrices

2.1. Définition du produit

Le produit AB de deux matrices A et B est défini si et seulement si le nombre de colonnes de A est égal au nombre de
lignes de B.
Définition 5 (Produit de deux matrices).
Soient A = (ai j ) une matrice n ⇥ p et B = (bi j ) une matrice p ⇥ q. Alors le produit C = AB est une matrice n ⇥ q
dont les coefficients ci j sont définis par :

p
X
ci j = aik bk j
k=1

On peut écrire le coefficient de façon plus développée, à savoir :

ci j = ai1 b1 j + ai2 b2 j + · · · + aik bk j + · · · + aip b p j .
Il est commode de disposer les calculs de la façon suivante.
0 1
⇥
B ⇥ C
B C B
@ ⇥ A
⇥
0 1 0 1
|
B C B | C
A!B
@
C B C AB
⇥ ⇥ ⇥ ⇥A @ ci j A
MATRICES 2. MULTIPLICATION DE MATRICES 4

Avec cette disposition, on considère d’abord la ligne de la matrice A située à gauche du coefficient que l’on veut
calculer (ligne représentée par des ⇥ dans A) et aussi la colonne de la matrice B située au-dessus du coefficient que
l’on veut calculer (colonne représentée par des ⇥ dans B). On calcule le produit du premier coefficient de la ligne par
le premier coefficient de la colonne (ai1 ⇥ b1 j ), que l’on ajoute au produit du deuxième coefficient de la ligne par le
deuxième coefficient de la colonne (ai2 ⇥ b2 j ), que l’on ajoute au produit du troisième. . .

2.2. Exemples
Exemple 5.
1 0
✓ 1 2 ◆
1 2 3
A= B = @ 1 1A
2 3 4
1 1
On dispose d’abord le produit correctement (à gauche) : la matrice obtenue est de taille 2 ⇥ 2. Puis on calcule chacun
des coefficients, en commençant par le premier coefficient c11 = 1 ⇥ 1 + 2 ⇥ ( 1) + 3 ⇥ 1 = 2 (au milieu), puis les
autres (à droite).
0 1 0 1 0 1
1 2 1 2 1 2
@ 1 1A @ 1 1A @ 1 1A

✓ ◆ ✓ 1 1◆ ✓ ◆ ✓ 1 1◆ ✓ ◆ ✓ 1 1◆
1 2 3 c11 c12 1 2 3 2 c12 1 2 3 2 7
2 3 4 c21 c22 2 3 4 c21 c22 2 3 4 3 11

Un exemple intéressant est le produit d’un vecteur ligne par un vecteur colonne :
0 1
b1
B b2 C
B C
u = a1 a2 · · · an v=B . C
@ .. A
bn
Alors u ⇥ v est une matrice de taille 1 ⇥ 1 dont l’unique coefficient est a1 b1 + a2 b2 + · · · + an bn . Ce nombre s’appelle le
produit scalaire des vecteurs u et v.
Calculer le coefficient ci j dans le produit A ⇥ B revient donc à calculer le produit scalaire des vecteurs formés par la
i-ème ligne de A et la j-ème colonne de B.

2.3. Pièges à éviter

Premier piège. Le produit de matrices n’est pas commutatif en général.
En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais pas de la même taille.
Mais même dans le cas où AB et BA sont définis et de la même taille, on a en général AB 6= BA.
Exemple 6.
✓ ◆✓ ◆ ✓ ◆ ✓ ◆✓ ◆ ✓ ◆
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 2 4 3 2 6 4 3 3 2 29 2

Deuxième piège. AB = 0 n’implique pas A = 0 ou B = 0.

Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres termes, on peut avoir A 6= 0 et B 6= 0
mais AB = 0.
Exemple 7.
✓ ◆ ✓ ◆ ✓ ◆
0 1 2 3 0 0
A= B= et AB = .
0 5 0 0 0 0

Troisième piège. AB = AC n’implique pas B = C. On peut avoir AB = AC et B 6= C.

MATRICES 2. MULTIPLICATION DE MATRICES 5

Exemple 8.
✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆
0 1 4 1 2 5 5 4
A= B= C= et AB = AC = .
0 3 5 4 5 4 15 12

2.4. Propriétés du produit de matrices

Malgré les difficultés soulevées au-dessus, le produit vérifie les propriétés suivantes :
Proposition 2.
1. A(BC) = (AB)C : associativité du produit,
2. A(B + C) = AB + AC et (B + C)A = BA + CA : distributivité du produit par rapport à la somme,
3. A · 0 = 0 et 0 · A = 0.

Démonstration. Posons A = (ai j ) 2 Mn,p (K), B = (bi j ) 2 M p,q (K) et C = (ci j ) 2 Mq,r (K). Prouvons que A(BC) = (AB)C
en montrant que les matrices A(BC) et (AB)C ont les mêmes coefficients.
Xp
Le terme d’indice (i, k) de la matrice AB est x ik = ai` b`k . Le terme d’indice (i, j) de la matrice (AB)C est donc
`=1
q q
Ç p å
X X X
x ik ck j = ai` b`k ck j .
k=1 k=1 `=1
q
X
Le terme d’indice (`, j) de la matrice BC est y` j = b`k ck j . Le terme d’indice (i, j) de la matrice A(BC) est donc
k=1
p
Ç q
å
X X
ai` b`k ck j .
`=1 k=1
Comme dans K la multiplication est distributive et associative, les coefficients de (AB)C et A(BC) coïncident. Les
autres démonstrations se font comme celle de l’associativité.

2.5. La matrice identité

La matrice carrée suivante s’appelle la matrice identité :
0 1
1 0 ... 0
B 0 1 ... 0 C
B C
In = B . .. .. .. C
@ .. . . . A
0 0 ... 1
Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0. Elle se note I n ou simplement I.
Dans le calcul matriciel, la matrice identité joue un rôle analogue à celui du nombre 1 pour les réels. C’est l’élément
neutre pour la multiplication. En d’autres termes :
Proposition 3.
Si A est une matrice n ⇥ p, alors
In · A = A et A · I p = A.

Démonstration. Nous allons détailler la preuve. Soit A 2 Mn,p (K) de terme général ai j . La matrice unité d’ordre p est
telle que tous les éléments de la diagonale principale sont égaux à 1, les autres étant tous nuls.
On peut formaliser cela en introduisant le symbole de Kronecker. Si i et j sont deux entiers, on appelle symbole de
Kronecker, et on note i, j , le réel qui vaut 0 si i est différent de j, et 1 si i est égal à j. Donc
®
0 si i 6= j
i, j =
1 si i = j.
Alors le terme général de la matrice identité I p est i, j avec i et j entiers, compris entre 1 et p.
MATRICES 2. MULTIPLICATION DE MATRICES 6

La matrice produit AI p est une matrice appartenant à Mn,p (K) dont le terme général ci j est donné par la formule
p
X
ci j = aik k j . Dans cette somme, i et j sont fixés et k prend toutes les valeurs comprises entre 1 et p. Si k 6= j alors
k=1
kj = 0, et si k = j alors k j = 1. Donc dans la somme qui définit ci j , tous les termes correspondant à des valeurs de
k différentes de j sont nuls et il reste donc ci j = ai j j j = ai j 1 = ai j . Donc les matrices AI p et A ont le même terme
général et sont donc égales. L’égalité I n A = A se démontre de la même façon.

2.6. Puissance d’une matrice

Dans l’ensemble Mn (K) des matrices carrées de taille n ⇥ n à coefficients dans K, la multiplication des matrices est
une opération interne : si A, B 2 Mn (K) alors AB 2 Mn (K).
En particulier, on peut multiplier une matrice carrée par elle-même : on note A2 = A ⇥ A, A3 = A ⇥ A ⇥ A.
On peut ainsi définir les puissances successives d’une matrice :
Définition 6.
Pour tout A 2 Mn (K), on définit les puissances successives de A par A0 = I n et Ap+1 = Ap ⇥ A pour tout p 2 N.
Autrement dit, Ap = A ⇥ A ⇥ · · · ⇥ A.
| {z }
p facteurs

Exemple 9. 0 1
1 0 1
On cherche à calculer Ap avec A = @0 1 0A. On calcule A2 , A3 et A4 et on obtient :
0 0 2
0 1 0 1 0 1
1 0 3 1 0 7 1 0 15
A2 = @0 1 0A A3 = A2 ⇥ A = @0 1 0A A4 = A3 ⇥ A = @0 1 0 A .
0 0 4 0 0 8 0 0 16
0 1
1 0 2p 1
L’observation de ces premières puissances permet de penser que la formule est : Ap = @0 ( 1) p 0 A. Démon-
0 0 2p
trons ce résultat par récurrence.
Il est vrai pour p = 0 (on trouve l’identité). On le suppose vrai pour un entier p et on va le démontrer pour p + 1. On
a, d’après la définition,
0 1 0 1 0 1
1 0 2p 1 1 0 1 1 0 2 p+1 1
Ap+1 = Ap ⇥ A = @0 ( 1) p 0 A ⇥ @0 1 0A = @0 ( 1) p+1 0 A.
p p+1
0 0 2 0 0 2 0 0 2
Donc la propriété est démontrée.

2.7. Formule du binôme

Comme la multiplication n’est pas commutative, les identités binomiales usuelles sont fausses. En particulier, (A + B)2
ne vaut en général pas A2 + 2AB + B 2 , mais on sait seulement que
(A + B)2 = A2 + AB + BA + B 2 .

Proposition 4 (Calcul de (A + B) p lorsque AB = BA).

Soient A et B deux éléments de Mn (K) qui commutent, c’est-à-dire tels que AB = BA. Alors, pour tout entier p > 0,
on a la formule
Xp Å ã
p p k k
(A + B) p = A B
k=0
k
p
où k désigne le coefficient du binôme.

La démonstration est similaire à celle de la formule du binôme pour (a + b) p , avec a, b 2 R.

MATRICES 3. INVERSE D’UNE MATRICE : DÉFINITION 7

Exemple 0 10. 1 0 1
1 1 1 1 0 1 1 1
B0 1 2 1C B C
Soit A = B C. On pose N = A I = B0 0 2 1C. La matrice N est nilpotente (c’est-à-dire il existe
@0 0 1 3 A @ 0 0 0 3A
0 0 0 1 0 0 0 0
k 2 N tel que Nk = 0) comme le montrent les calculs suivants :
0 1 0 1
0 0 2 4 0 0 0 6
B 0 0 0 6C B 0 0 0 0C
N2 = B
@ 0 0 0 0A
C N 3
= B
@ 0 0 0 0A
C et N 4 = 0.

0 0 0 0 0 0 0 0
Comme on a A = I + N et les matrices N et I commutent (la matrice identité commute avec toutes les matrices), on
peut appliquer la formule du binôme de Newton. On utilise que I k = I pour tout k et surtout que N k = 0 si k > 4. On
obtient
X p Å ã 3 Å ã
p k p k X p k p(p 1) p(p 1)(p 2) 3
Ap = N I = N = I + pN + 2! N 2 + 3! N .
k=0
k k=0
k
D’où 0 1
1 p p2 p(p2 p + 1)
B0 1 2p p(3p 2) C
Ap = B
@0
C.
A
0 1 3p
0 0 0 1

Mini-exercices.
Ä2 1 0
ä Ä 8 2
ä Ä 5
ä
0 2 2
1. Soient A = 6 4 0 ,B= 0 1 0 ,C= 32 ,D= 2 ,E= x y z . Quels produits sont possibles ? Les
2 2 3 55 1
calculer !
Ä0 0 1ä Ä1 0 0
ä
2. Soient A = 0 1 0 et B = 0 0 2 . Calculer A2 , B 2 , AB et BA.
1 1 2 1 10
Ä2 0 0
ä Ä0 00
ä
3. Soient A = 0 2 0 et B = 2 00 . Calculer Ap et B p pour tout p > 0. Montrer que AB = BA. Calculer (A + B) p .
0 0 2 3 10

3. Inverse d’une matrice : définition

3.1. Définition

Définition 7 (Matrice inverse).

Soit A une matrice carrée de taille n ⇥ n. S’il existe une matrice carrée B de taille n ⇥ n telle que
AB = I et BA = I,
on dit que A est inversible. On appelle B l’inverse de A et on la note A 1 .

On verra plus tard qu’il suffit en fait de vérifier une seule des conditions AB = I ou bien BA = I.

• Plus généralement, quand A est inversible, pour tout p 2 N, on note :

p
A = (A 1 ) p = A 1 A 1 · · · A 1 .
| {z }
p facteurs

• L’ensemble des matrices inversibles de Mn (K) est noté G L n (K).

3.2. Exemples
Exemple 11.
Soit A = 10 23 . Étudier si A est inversible, c’est étudier l’existence d’une matrice B = ac db à coefficients dans K, telle
que AB = I et BA = I. Or AB = I équivaut à :
✓ ◆✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆
1 2 a b 1 0 a + 2c b + 2d 1 0
AB = I () = () =
0 3 c d 0 1 3c 3d 0 1
MATRICES 3. INVERSE D’UNE MATRICE : DÉFINITION 8

Cette égalité équivaut au système : 8

>
> a + 2c = 1
<
b + 2d = 0
>
> 3c =0
:
3d = 1
Sa résolution est immédiate : a = 1, b = 23 , c = 0, d = 13 . Il n’y a donc qu’une seule matrice possible, à savoir
⇣ 2⌘
1
B = 0 13 . Pour prouver qu’elle convient, il faut aussi montrer l’égalité BA = I, dont la vérification est laissée au
3 ✓ 2
◆
1 1 3
lecteur. La matrice A est donc inversible et A = 1 .
0 3

Exemple 12. ✓
◆
30 a b
La matrice A = 50 n’est pas inversible. En effet, soit B = une matrice quelconque. Alors le produit
c d
✓ ◆✓ ◆ ✓ ◆
a b 3 0 3a + 5b 0
BA = =
c d 5 0 3c + 5d 0
ne peut jamais être égal à la matrice identité.
Exemple 13.
• Soit I n la matrice carrée identité de taille n ⇥ n. C’est une matrice inversible, et son inverse est elle-même par
l’égalité I n I n = I n .
• La matrice nulle 0n de taille n ⇥ n n’est pas inversible. En effet on sait que, pour toute matrice B de Mn (K), on a
B0n = 0n , qui ne peut jamais être la matrice identité.

3.3. Propriétés
Unicité

Proposition 5.
Si A est inversible, alors son inverse est unique.

Démonstration. La méthode classique pour mener à bien une telle démonstration est de supposer l’existence de deux
matrices B1 et B2 satisfaisant aux conditions imposées et de démontrer que B1 = B2 .
Soient donc B1 telle que AB1 = B1 A = I n et B2 telle que AB2 = B2 A = I n . Calculons B2 (AB1 ). D’une part, comme AB1 = I n ,
on a B2 (AB1 ) = B2 . D’autre part, comme le produit des matrices est associatif, on a B2 (AB1 ) = (B2 A)B1 = I n B1 = B1 .
Donc B1 = B2 .

Inverse de l’inverse

Proposition 6.
1
Soit A une matrice inversible. Alors A est aussi inversible et on a :

(A 1 ) 1
=A

Inverse d’un produit

Proposition 7.
Soient A et B deux matrices inversibles de même taille. Alors AB est inversible et
1
(AB) = B 1A 1

Il faut bien faire attention à l’inversion de l’ordre !

MATRICES 4. INVERSE D’UNE MATRICE : CALCUL 9

Démonstration. Il suffit de montrer (B 1 A 1 )(AB) = I et (AB)(B 1 A 1 ) = I. Cela suit de

(B 1 A 1 )(AB) = B 1 (AA 1 )B = B 1
IB = B 1
B = I,
1 1 1 1 1 1
et (AB)(B A ) = A(BB )A = AIA = AA = I.

De façon analogue, on montre que si A1 , . . . , Am sont inversibles, alors

1
(A1 A2 · · · Am ) = Am1 Am1 1 · · · A1 1 .

Simplification par une matrice inversible

Si C est une matrice quelconque de Mn (K), nous avons vu que la relation AC = BC où A et B sont des éléments de
Mn (K) n’entraîne pas forcément l’égalité A = B. En revanche, si C est une matrice inversible, on a la proposition
suivante :
Proposition 8.
Soient A et B deux matrices de Mn (K) et C une matrice inversible de Mn (K). Alors l’égalité AC = BC implique l’égalité
A = B.

Démonstration. Ce résultat est immédiat : si on multiplie à droite l’égalité AC = BC par C 1 , on obtient l’égalité :
(AC)C 1 = (BC)C 1 . En utilisant l’associativité du produit des matrices on a A(C C 1 ) = B(C C 1 ), ce qui donne
d’après la définition de l’inverse AI = BI, d’où A = B.

Mini-exercices.
1. Soient A = 3 4et B = 25 13 . Calculer A 1 , B 1 , (AB) 1 , (BA) 1 , A 2 .
1 2
Ä1 0 0ä
2. Calculer l’inverse de 0 2 0 .
103
Ä 1 2 0ä
3. Soit A = 2 3 0 . Calculer 2A A2 . Sans calculs, en déduire A 1 .
0 0 1

4. Inverse d’une matrice : calcul

Nous allons voir une méthode pour calculer l’inverse d’une matrice quelconque de manière efficace. Cette méthode
est une reformulation de la méthode du pivot de Gauss pour les systèmes linéaires. Auparavant, nous commençons
par une formule directe dans le cas simple des matrices 2 ⇥ 2.

4.1. Matrices 2 ⇥ 2
✓ ◆
a b
Considérons la matrice 2 ⇥ 2 : A = .
c d

Proposition 9.
Si ad bc 6= 0, alors A est inversible et
✓ ◆
1 1 d b
A = ad bc c a

1 d b 10
Démonstration. On vérifie que si B = ad bc c a alors AB = 01 . Idem pour BA.
MATRICES 4. INVERSE D’UNE MATRICE : CALCUL 10

4.2. Méthode de Gauss pour inverser les matrices

La méthode pour inverser une matrice A consiste à faire des opérations élémentaires sur les lignes de la matrice A
jusqu’à la transformer en la matrice identité I. On fait simultanément les mêmes opérations élémentaires en partant
de la matrice I. On aboutit alors à une matrice qui est A 1 . La preuve sera vue dans la section suivante.

En pratique, on fait les deux opérations en même temps en adoptant la disposition suivante : à côté de la matrice A
que l’on veut inverser, on rajoute la matrice identité pour former un tableau (A | I). Sur les lignes de cette matrice
augmentée, on effectue des opérations élémentaires jusqu’à obtenir le tableau (I | B). Et alors B = A 1 .

Ces opérations élémentaires sur les lignes sont :

1. L i L i avec 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément de K \ {0}).
2. L i L i + L j avec 2 K (et j 6= i) : on peut ajouter à la ligne L i un multiple d’une autre ligne L j .
3. L i $ L j : on peut échanger deux lignes.

N’oubliez pas : tout ce que vous faites sur la partie gauche de la matrice augmentée, vous devez aussi le faire sur la
partie droite.

4.3. Un exemple
0 1
1 2 1
Calculons l’inverse de A = @ 4 0 1A .
1 2 2
Voici la matrice augmentée, avec les lignes numérotées :
0 1
1 2 1 1 0 0 L1
(A | I) = @ 4 0 1 0 1 0 A L2
1 2 2 0 0 1 L3

On applique la méthode de Gauss pour faire apparaître des 0 sur la première colonne, d’abord sur la deuxième ligne
par l’opération élémentaire L2 L2 4L1 qui conduit à la matrice augmentée :
0 1
1 2 1 1 0 0
@ 0 8 5 4 1 0 A L2 L2 4L1
1 2 2 0 0 1
Puis un 0 sur la première colonne, à la troisième ligne, avec L3 L3 + L1 :
0 1
1 2 1 1 0 0
@ 0 8 5 4 1 0 A
0 4 3 1 0 1 L3 L3 +L1
On multiplie la ligne L2 afin qu’elle commence par 1 :
0 1
1 2 1 1 0 0
@ 0 1 5 1 1
0 A L2 1
L2
8 2 8 8

0 4 3 1 0 1
On continue afin de faire apparaître des 0 partout sous la diagonale, et on multiplie la ligne L3 . Ce qui termine la
première partie de la méthode de Gauss :
0 1
1 2 1 1 0 0
@ 0 1 5 1 1
0 A
8 2 8
1 1
0 0 2 1 2 1 L3 L3 4L2

puis
0 1
1 2 1 1 0 0
@ 0 1 5 1 1
0 A
8 2 8
0 0 1 2 1 2 L3 2L3
Il ne reste plus qu’à « remonter » pour faire apparaître des zéros au-dessus de la diagonale :
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 11

0 1
1 2 1 1 0 0
@ 0 1 0 7 3 5 A L2 L2 5
L3
4 4 4 8

0 0 1 2 1 2
puis
0 1 1 1
1
1 0 0 2 2 2 L1 L1 2L2 L3
@ 0 1 0 7 3 5 A
4 4 4
0 0 1 2 1 2
Ainsi l’inverse de A est la matrice obtenue à droite et après avoir factorisé tous les coefficients par 14 , on a obtenu :
0 1
2 2 2
1
A 1= @7 3 5A
4
8 4 8
1
Pour se rassurer sur ses calculs, on n’oublie pas de vérifier rapidement que A ⇥ A = I.
Mini-exercices.
31 2 3 02 ↵+1 1
1. Si possible calculer l’inverse des matrices : 72 , 5 4 , 30 , 2 ↵ .
2. Soit A(✓ ) = cos ✓ sin ✓
sin ✓ cos ✓ . Calculer A(✓ ) 1 .
Ä ä Ä2 ä Å 1 0 1 0
ã Å2 1 1 1
ã Ç 1 1 1 0 0
å
1 3 0 21 0 2 20 0 1 2 0 0
3. Calculer l’inverse des matrices : 2 1 1 , 3 0 5 , 1 2 0 1 , 10 01 0
1
1
2 , 1 1 2 0 0 .
21 1 1 1 2 0 2 1 3 01 1 0 0 0 0 2 1
0 0 0 5 3

5. Inverse d’une matrice : systèmes linéaires et matrices élémen-

taires

5.1. Matrices et systèmes linéaires

Le système linéaire 8
>
> a11 x 1 + a12 x 2 + ··· + a1p x p = b1
<
a21 x 1 + a22 x 2 + ··· + a2p x p = b2
>
> ...
:
an1 x 1 + an2 x 2 + ··· + anp x p = bn
peut s’écrire sous forme matricielle :
0 1 0 1 0 1
a11 . . . a1p x1 b1
B a21 . . . a2p C B x2 C B b2 C
B C B C B C
B . .. C B .. C = B .. C.
@ .. . A @ . A @ . A
an1 . . . anp xp bn
| {z } | {z } | {z }
A X B
On appelle A 2 Mn,p (K) la matrice des coefficients du système. B 2 Mn,1 (K) est le vecteur du second membre. Le
vecteur X 2 M p,1 (K) est une solution du système si et seulement si
AX = B.
Nous savons que :
Théorème 1.
Un système d’équations linéaires n’a soit aucune solution, soit une seule solution, soit une infinité de solutions.

5.2. Matrices inversibles et systèmes linéaires

Considérons le cas où le nombre d’équations égale le nombre d’inconnues :
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 12

0 1 1 00 1
a11 ... a1n
x1 b1
B a21 C B x2 C
... a2n B b2 C
B C B C B C
B .. C B . C = B . C.
..
@ . A @ .. A . @ .. A
... an1 ann
xn bn
| {z } | {z } | {z }
A X B
Alors A 2 Mn (K) est une matrice carrée et B un vecteur de Mn,1 (K). Pour tout second membre, nous pouvons utiliser
les matrices pour trouver la solution du système linéaire.
Proposition 10.
Si la matrice A est inversible, alors la solution du système AX = B est unique et est :

X = A 1 B.

La preuve est juste de vérifier que si X = A 1 B, alors AX = A A 1 B = AA 1 B = I · B = B. Réciproquement si AX = B,

alors nécessairement X = A 1 B. Nous verrons bientôt que si la matrice n’est pas inversible, alors soit il n’y a pas de
solution, soit une infinité.

5.3. Les matrices élémentaires

Pour calculer l’inverse d’une matrice A, et aussi pour résoudre des systèmes linéaires, nous avons utilisé trois opérations
élémentaires sur les lignes qui sont :
1. L i L i avec 6= 0 : on peut multiplier une ligne par un réel non nul (ou un élément de K \ {0}).
2. L i L i + L j avec 2 K (et j 6= i) : on peut ajouter à la ligne L i un multiple d’une autre ligne L j .
3. L i $ L j : on peut échanger deux lignes.
Nous allons définir trois matrices élémentaires E L i L i , E L i L i + L j , E L i $L j correspondant à ces opérations. Plus
précisément, le produit E ⇥ A correspondra à l’opération élémentaire sur A. Voici les définitions accompagnées
d’exemples.
1. La matrice E L i L i est la matrice obtenue en multipliant par la i-ème ligne de la matrice identité I n , où est un
nombre réel non nul.
0 1
1 0 0 0
B0 5 0 0C
E L2 5L2 = B
@0
C
0 1 0A
0 0 0 1
2. La matrice E L i Li + L j est la matrice obtenue en ajoutant fois la j-ème ligne de I n à la i-ème ligne de I n .
0 1
1 0 0 0
B 3 1 0 0C
E L2 L2 3L1 = B
@0 0 1
C
0A
0 0 0 1
3. La matrice E L i $L j est la matrice obtenue en permutant les i-ème et j-ème lignes de I n .
0 1
1 0 0 0
B0 0 0 1C
E L2 $L4 = E L4 $L2 =B
@0
C
0 1 0A
0 1 0 0
Les opérations élémentaires sur les lignes sont réversibles, ce qui entraîne l’inversibilité des matrices élémentaires.

Le résultat de la multiplication d’un matrice élémentaire E par A est la matrice obtenue en effectuant l’opération
élémentaire correspondante sur A. Ainsi :
1. La matrice E L i Li ⇥ A est la matrice obtenue en multipliant par la i-ème ligne de A.
2. La matrice E L i Li + L j ⇥ A est la matrice obtenue en ajoutant fois la j-ème ligne de A à la i-ème ligne de A.
3. La matrice E L i $L j ⇥ A est la matrice obtenue en permutant les i-ème et j-ème lignes de A.
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 13

Exemple 14.
1. 0 1 0 1 0 1
1 0 0 x1 x2 x3 x1 x2 x3
@ 1
0 A ⇥ @ y1 y2 y3 A = @ 13 y1 1 1 A
E L2 ⇥A= 0 3 y2 3 y3
1
3 L2 3
0 0 1 z1 z2 z3 z1 z2 z3
2. 0 1 0 1 0 1
1 0 7 x1 x2 x3 x 1 7z1 x2 7z2 x3 7z3
E L1 L1 7L3 ⇥ A =
@ 0 1 A @
0 ⇥ y1 y2 A
y3 = @ y1 y2 y3 A
0 0 1 z1 z2 z3 z1 z2 z3
3. 0 1 0 1 0 1
1 0 0 x1 x2 x3 x1 x2 x3
E L2 $L3 ⇥ A = @0 0 1 A ⇥ @ y1 y2 y3 A = @ z1 z2 z3 A
0 1 0 z1 z2 z3 y1 y2 y3

5.4. Équivalence à une matrice échelonnée

Définition 8.
Deux matrices A et B sont dites équivalentes par lignes si l’une peut être obtenue à partir de l’autre par une suite
d’opérations élémentaires sur les lignes. On note A ⇠ B.

Définition 9.
Une matrice est échelonnée si :
• le nombre de zéros commençant une ligne croît strictement ligne par ligne jusqu’à ce qu’il ne reste plus que
des zéros.
Elle est échelonnée réduite si en plus :
• le premier coefficient non nul d’une ligne (non nulle) vaut 1 ;
• et c’est le seul élément non nul de sa colonne.

Exemple d’une matrice échelonnée (à gauche) et échelonnée réduite (à droite) ; les ⇤ désignent des coefficients
quelconques, les + des coefficients non nuls :
0 1 0 1
+ ⇤ ⇤ ⇤ ⇤ ⇤ ⇤ 1 ⇤ 0 0 ⇤ ⇤ 0
B0 0 + ⇤ ⇤ ⇤ ⇤C B0 0 1 0 ⇤ ⇤ 0C
B C B C
B0 0 0 + ⇤ ⇤ ⇤C B0 0 0 1 ⇤ ⇤ 0C
B C B C
B 0 0 0 0 0 0 +C B0 0 0 0 0 0 1C
B C B C
@0 0 0 0 0 0 0A @0 0 0 0 0 0 0A
0 0 0 0 0 0 0 0 0 0 0 0 0 0

Théorème 2.
Étant donnée une matrice A 2 Mn,p (K), il existe une unique matrice échelonnée réduite U obtenue à partir de A par
des opérations élémentaires sur les lignes.

Ce théorème permet donc de se ramener par des opérations élémentaires à des matrices dont la structure est beaucoup
plus simple : les matrices échelonnées réduites.

Démonstration. Nous admettons l’unicité.

L’existence se démontre grâce à l’algorithme de Gauss. L’idée générale consiste à utiliser des substitutions de lignes
pour placer des zéros là où il faut de façon à créer d’abord une forme échelonnée, puis une forme échelonnée réduite.

Soit A une matrice n ⇥ p quelconque.

Partie A. Passage à une forme échelonnée.

Étape A.1. Choix du pivot.
On commence par inspecter la première colonne. Soit elle ne contient que des zéros, auquel cas on passe directement
à l’étape A.3, soit elle contient au moins un terme non nul. On choisit alors un tel terme, que l’on appelle le pivot. Si
c’est le terme a11 , on passe directement à l’étape A.2 ; si c’est un terme ai1 avec i 6= 1, on échange les lignes 1 et i
(L1 $ L i ) et on passe à l’étape A.2.
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 14

Au terme de l’étape A.1, soit la matrice A a sa première colonne nulle (à gauche) ou bien on obtient une matrice
0
équivalente dont le premier coefficient a11 est non nul (à droite) :
0 1 0 0 0 0 1
0 a12 · · · a1 j · · · a1p a11 a12 ··· a10 j ··· a1p
B0 a22 · · · a2 j · · · a2p C B a21 a22
0 0
··· a20 j ··· a2p0 C
B C B C
B .. .. .. .. C B .. .. .. .. C
B. . . . C B . C
B C = A ou B . . . C
B0 a C B 0 0 0 C ⇠ A.
B i2 · · · ai j · · · aip C B ai1 ai2 ··· ai0 j ··· aip C
B. . . . C B . .. .. .. C
@ .. .. .. .. A @ .. . . . A
0 an2 · · · an j · · · anp 0
an1 an20
··· an0 j ··· 0
anp

Étape A.2. Élimination.

0 0
On ne touche plus à la ligne 1, et on se sert du pivot a11 pour éliminer tous les termes ai1 (avec i > 2) situés sous
0
ai1
le pivot. Pour cela, il suffit de remplacer la ligne i par elle-même moins 0 ⇥
a11
la ligne 1, ceci pour i = 2, . . . , n :
0 0
a21 a31
L2 L2 L1 , L3
0
a11
L3 L1 ,. . .
0
a11
Au terme de l’étape A.2, on a obtenu une matrice de la forme
0 0 0 0 1
a11 a12 · · · a10 j · · · a1p
B 0 a22 00
· · · a200j · · · a2p00 C
B C
B .. .. .. .. C
B . . . . C
B C
B 0 00 00 00 C ⇠ A.
B a i2 · · · a ij ··· aip C
B . . . .. C
@ .. .. .. . A
00
0 an2 ··· an00j ··· 00
anp

Étape A.3. Boucle.

Au début de l’étape A.3, on a obtenu dans tous les cas de figure une matrice de la forme
0 1 1 1 1
a11 a12 · · · a11 j · · · a1p
1
B 0 a22 · · · a21 j · · · a2p1 C
B C
B .. .. .. .. C
B . . . . C
B C
B 0 1 1 1 C⇠A
B a i2 · · · a ij · · · a ip C
B . .. .. .. C
@ .. . . . A
1
0 an2 ··· an1 j ··· 1
anp
dont la première colonne est bien celle d’une matrice échelonnée. On va donc conserver cette première colonne. Si
1
a11 6= 0, on conserve aussi la première ligne, et l’on repart avec l’étape A.1 en l’appliquant cette fois à la sous-matrice
1
(n 1) ⇥ (p 1) (ci-dessous à gauche : on « oublie » la première ligne et la première colonne de A) ; si a11 = 0, on
repart avec l’étape A.1 en l’appliquant à la sous-matrice n ⇥ (p 1) (à droite, on « oublie » la première colonne) :
0 1 1 1
0 1 1 1 1 a12 · · · a11 j · · · a1p
a22 · · · a2 j · · · a2p 1
B a22 · · · a21 j · · · a2p1 C
B .. .. .. C B C
B . . . C B .. .. .. C
B 1 C B . . . C
Ba 1 1 C B C
B i2 · · · ai j · · · aip C B a1 · · · a1 · · · a1 C
B . .. .. C B i2 i j ip C
@ .. . . A B . . . C
@ .. .. .. A
1 1 1
an2 · · · an j · · · anp 1
an2 · · · an1 j · · · anp1

Au terme de cette deuxième itération de la boucle, on aura obtenu une matrice de la forme
0 1 1 1 1
a11 a12 · · · a11 j · · · a1p
2
B 0 a22 · · · a22 j · · · a2p2 C
B C
B .. .. .. .. C
B . . . . C
B C
B 0 2 2 C ⇠ A,
B 0 · · · a ij · · · a ip C
B . .. .. .. C
@ .. . . . A
0 0 ··· an2 j ··· 2
anp
et ainsi de suite.
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 15

Comme chaque itération de la boucle travaille sur une matrice qui a une colonne de moins que la précédente, alors au
bout d’au plus p 1 itérations de la boucle, on aura obtenu une matrice échelonnée.

Partie B. Passage à une forme échelonnée réduite.

Étape B.1. Homothéties.
On repère le premier élément non nul de chaque ligne non nulle, et on multiplie cette ligne par l’inverse de cet élément.
1
Exemple : si le premier élément non nul de la ligne i est ↵ 6= 0, alors on effectue L i ↵ L i . Ceci crée une matrice
échelonnée avec des 1 en position de pivots.
Étape B.2. Élimination.
On élimine les termes situés au-dessus des positions de pivot comme précédemment, en procédant à partir du bas à
droite de la matrice. Ceci ne modifie pas la structure échelonnée de la matrice en raison de la disposition des zéros
dont on part.

Exemple 15.
Soit 0 1
1 2 3 4
A=@ 0 2 4 6A .
1 0 1 0
A. Passage à une forme échelonnée.
1
Première itération de la boucle, étape A.1. Le choix du pivot est tout fait, on garde a11 = 1.
Première itération de la boucle, étape A.2. On ne fait rien sur la ligne 2 qui contient déjà un zéro en bonne position et
on remplace la ligne 3 par L3 L3 + L1 . On obtient
0 1
1 2 3 4
A ⇠ @ 0 2 4 6A .
0 2 4 4
2
Deuxième itération de la boucle, étape A.1. Le choix du pivot est tout fait, on garde a22 = 2.
Deuxième itération de la boucle, étape A.2. On remplace la ligne 3 avec l’opération L3 L3 L2 . On obtient
0 1
1 2 3 4
A ⇠ @0 2 4 6 A .
0 0 0 2
Cette matrice est échelonnée.
B. Passage à une forme échelonnée réduite.
1 1
Étape B.1, homothéties. On multiplie la ligne 2 par 2et la ligne 3 par 2 et l’on obtient
0 1
1 2 3 4
A ⇠ @ 0 1 2 3A .
0 0 0 1
Étape B.2, première itération. On ne touche plus à la ligne 3 et on remplace la ligne 2 par L2 L2 3L3 et L1 L1 4L3 .
On obtient 0 1
1 2 3 0
A ⇠ @ 0 1 2 0A .
0 0 0 1
Étape B.2, deuxième itération. On ne touche plus à la ligne 2 et on remplace la ligne 1 par L1 L1 2L2 . On obtient
0 1
1 0 1 0
A ⇠ @0 1 2 0A
0 0 0 1
qui est bien échelonnée et réduite.
MATRICES 5. INVERSE D’UNE MATRICE : SYSTÈMES LINÉAIRES ET MATRICES ÉLÉMENTAIRES 16

5.5. Matrices élémentaires et inverse d’une matrice

Théorème 3.
Soit A 2 Mn (K). La matrice A est inversible si et seulement si sa forme échelonnée réduite est la matrice identité I n .

Démonstration. Notons U la forme échelonnée réduite de A. Et notons E le produit de matrices élémentaires tel que
EA = U.
(= Si U = I n alors EA = I n . Ainsi par définition, A est inversible et A 1 = E.
=) Nous allons montrer que si U 6= I n , alors A n’est pas inversible.
— Supposons U 6= I n . Alors la dernière ligne de U est nulle (sinon il y aurait un pivot sur chaque ligne donc ce
serait I n ).
— Cela entraîne que U n’est pas inversible : en effet, pour tout matrice carrée V , la dernière ligne de U V est
nulle ; on n’aura donc jamais U V = I n .
— Alors, A n’est pas inversible non plus : en effet, si A était inversible, on aurait U = EA et U serait inversible
comme produit de matrices inversibles (E est inversible car c’est un produit de matrices élémentaires qui sont
inversibles).

Remarque.
Justifions maintenant notre méthode pour calculer A 1 .
Nous partons de (A|I) pour arriver par des opérations élémentaires sur les lignes à (I|B). Montrons que B = A 1 . Faire
une opération élémentaire signifie multiplier à gauche par une des matrices élémentaires. Notons E le produit de ces
matrices élémentaires. Dire que l’on arrive à la fin du processus à I signifie EA = I. Donc A 1 = E. Comme on fait les
mêmes opérations sur la partie droite du tableau, alors on obtient E I = B. Donc B = E. Conséquence : B = A 1 .

Corollaire 1.
Les assertions suivantes sont équivalentes :
(i) La matrice A est inversible.✓ ◆ ✓0◆
0
(ii) Le système linéaire AX = .. a une unique solution X = .. .
. .
0 0
(iii) Pour tout second membre B, le système linéaire AX = B a une unique solution X .

Démonstration. Nous avons déjà vu (i) =) (ii) et (i) =) (iii).

Nous allons seulement montrer (ii) =) (i). Nous raisonnons par contraposée : nous allons montrer la proposition
équivalente non(i) =) non(ii). Si A n’est pas inversible, alors sa forme échelonnée réduite U contient un premier
zéro sur sa diagonale, disons à la place `. Alors U à la forme suivante
0 1 0 1
1 0 · · · c1 ⇤ ··· ⇤ c1
B . .. C B .. C
B 0 .. 0 . ··· ⇤ C B . C
B C B C
B 0 0 1 c` 1 ··· ⇤ C C B c` 1 C
B B C
B 0 ··· 0 0 ⇤ ··· ⇤ C X =B C
B C. On note B 1 C.
B 0 ··· 0 0 C B C
B ⇤ ··· ⇤ C B 0 C
B . .. .. .. . C B . C
@ .. . . ··· 0 . .. A @ .. A
0 ··· ··· 0 ⇤ 0
1
Alors X n’est pas le vecteur nul, mais U X est le vecteur nul. Comme A = E U, alors AX est le vecteur nul. Nous avons
donc trouvé un vecteur non nul X tel que AX = 0.

Mini-exercices.
1. Exprimer les systèmes linéaires suivants sous
8 forme matricielle et les résoudre en inversant la matrice :
8 > x+t =↵
⇢ < x +z =1 >
<
2x + 4 y = 7 x 2y =
, 2 y + 3z = 1 , .
2x + 3 y = 14 : >
> x+ y+t =2
x +z =1 :
y+t =4
1 1
2. Écrire les matrices 4 ⇥ 4 correspondant aux opérations élémentaires : L2 3 L2 , L3 L3 4 L2 , L1 $ L4 . Sans
MATRICES 6. MATRICES TRIANGULAIRES, TRANSPOSITION, TRACE, MATRICES SYMÉTRIQUES 17

calculs, écrire leurs inverses. Écrire la matrice 4 ⇥ 4 de l’opération L1 2L3 + 3L4 . L1

1 2 3
ä Ä1 Ä 0 2
ä Å 2 0 2 0
ã
0 1 1 0
3. Écrire les matrices suivantes sous forme échelonnée, puis échelonnée réduite : 1 4 0 , 1 11 , 1 2 1 4 .
2 2 3 2 23 1 2 1 2

6. Matrices triangulaires, transposition, trace, matrices symétriques

6.1. Matrices triangulaires, matrices diagonales

Soit A une matrice de taille n ⇥ n. On dit que A est triangulaire inférieure si ses éléments au-dessus de la diagonale
sont nuls, autrement dit :
i < j =) ai j = 0.
Une matrice triangulaire inférieure a la forme suivante :
0 1
a11 0 ··· ··· 0
B .. .. C
B a21 a22 . . C
B C
B .. .. .. .. .. C
B . . . . . C
B C
B . . . C
@ .. .
. . . 0 A
an1 an2 ··· ··· ann

On dit que A est triangulaire supérieure si ses éléments en-dessous de la diagonale sont nuls, autrement dit :
i > j =) ai j = 0.
Une matrice triangulaire supérieure a la forme suivante :
0 1
a11 a12 . . . ... ... a1n
B 0 a22 . . . ... ... a2n C
B C
B .. .. .. .. C
B . . . . C
B C
B . . .. .. C
B .. .. . . C
B C
B . .. .. .. C
@ .. . . . A
0 ... ... ... 0 ann
Exemple 16.
Deux matrices triangulaires inférieures (à gauche), une matrice triangulaire supérieure (à droite) :
0 1 0 1
4 0 0 ✓ ◆ 1 1 1
@0 5 0
1 0A @0 1 1A
1 2
3 2 3 0 0 1
Une matrice qui est triangulaire inférieure et triangulaire supérieure est dite diagonale. Autrement dit : i 6= j =)
ai j = 0.
Exemple 17.
Exemples de matrices diagonales :
0 1
1 0 0 ✓ ◆
@0 2 0
6 0A et
0 3
0 0 0
Exemple 18 (Puissances d’une matrice diagonale).
Si D est une matrice diagonale, il est très facile de calculer ses puissances D p (par récurrence sur p) :
0 1 0 p 1
↵1 0 . . . . . . 0 ↵1 0 . . . . . . 0
B 0 ↵2 0 ... 0C B 0 ↵p 0 ... 0C
B C B 2 C
B .. . . . . . . .
. C p B .
. . . . . . . .. C
D=B . . . . . C =) D =B . . . . . C
B C B C
@ 0 . . . 0 ↵n 1 0 A @ 0 . . . 0 ↵p 0A n 1
0 ... ... 0 ↵n 0 ... ... 0 ↵np
MATRICES 6. MATRICES TRIANGULAIRES, TRANSPOSITION, TRACE, MATRICES SYMÉTRIQUES 18

Théorème 4.
Une matrice A de taille n ⇥ n, triangulaire, est inversible si et seulement si ses éléments diagonaux sont tous non nuls.

Démonstration. Supposons que A soit triangulaire supérieure.

• Si les éléments de la diagonale sont tous non nuls, alors la matrice A est déjà sous la forme échelonnée. En
multipliant chaque ligne i par l’inverse de l’élément diagonal aii , on obtient des 1 sur la diagonale. De ce fait, la
forme échelonnée réduite de A sera la matrice identité. Le théorème 3 permet de conclure que A est inversible.
• Inversement, supposons qu’au moins l’un des éléments diagonaux soit nul et notons a`` le premier élément nul de
la diagonale. En multipliant les lignes 1 à ` 1 par l’inverse de leur élément diagonal, on obtient une matrice de la
forme 0 1
1 ⇤ ··· ··· ⇤
B . C
B 0 .. ⇤ · · · ··· ⇤ C
B C
B 0 0 1 ⇤ ··· ⇤ C
B C
B 0 ··· 0 0 ⇤ ··· ⇤ C
B C.
B 0 ··· 0 0 ⇤ · · · ⇤ C
B C
B . .. .. .. .. C
@ .. . . ··· 0 . . A
0 ··· ··· 0 ⇤
Il est alors clair que la colonne numéro ` de la forme échelonnée réduite ne contiendra pas de 1 comme pivot. La
forme échelonnée réduite de A ne peut donc pas être I n et par le théorème 3, A n’est pas inversible.
Dans le cas d’une matrice triangulaire inférieure, on utilise la transposition (qui fait l’objet de la section suivante) et
on obtient une matrice triangulaire supérieure. On applique alors la démonstration ci-dessus.

6.2. La transposition
Soit A la matrice de taille n ⇥ p
0 1
a11 a12 ... a1p
B a21 a22 ... a2p C
B C
A=B .. .. .. C.
@ . . . A
an1 an2 ... anp

Définition 10.
On appelle matrice transposée de A la matrice AT de taille p ⇥ n définie par :
0 1
a11 a21 . . . an1
B a12 a22 . . . an2 C
B C
AT = B . .. .. C .
@ .. . . A
a1p a2p . . . anp

Autrement dit : le coefficient à la place (i, j) de AT est a ji . Ou encore la i-ème ligne de A devient la i-ème colonne de
AT (et réciproquement la j-ème colonne de AT est la j-ème ligne de A).

Notation : La transposée de la matrice A se note aussi souvent tA.

Exemple 19.
0 1T 0 1
1 2 3 1 4 7
@4 5 6A = @2 5 8A
7 8 9 3 6 9
0 1T 0 1
0 3 ✓ ◆ 1
@1 A 0 1 1
5 = (1 2 5) T = @ 2A
3 5 2
1 2 5
L’opération de transposition obéit aux règles suivantes :
Théorème 5.
1. (A + B) T = AT + B T
MATRICES 6. MATRICES TRIANGULAIRES, TRANSPOSITION, TRACE, MATRICES SYMÉTRIQUES 19

2. (↵A) T = ↵AT
3. (AT ) T = A
4. (AB) T = B T AT
5. Si A est inversible, alors AT l’est aussi et on a (AT ) 1
= (A 1 ) T .

Notez bien l’inversion : (AB) T = B T AT , comme pour (AB) 1

= B 1A 1.

6.3. La trace
Dans le cas d’une matrice carrée de taille n ⇥ n, les éléments a11 , a22 , . . . , ann sont appelés les éléments diagonaux.
Sa diagonale principale est la diagonale (a11 , a22 , . . . , ann ).
0 1
a11 a12 . . . a1n
B a21 a22 . . . a2n C
B C
B . .. .. .. C
@ . . . . . A
an1 an2 ... ann

Définition 11.
La trace de la matrice A est le nombre obtenu en additionnant les éléments diagonaux de A. Autrement dit,

tr A = a11 + a22 + · · · + ann .

Exemple 20.
• Si A = 20 15Ä , alors ätr A = 2 + 5 = 7.
1 1 2
• Pour B = 5 2 8 , tr B = 1 + 2 10 = 7.
11 0 10

Théorème 6.
Soient A et B deux matrices n ⇥ n. Alors :
1. tr(A + B) = tr A + tr B,
2. tr(↵A) = ↵ tr A pour tout ↵ 2 K,
3. tr(AT ) = tr A,
4. tr(AB) = tr(BA).

Démonstration.
1. Pour tout 1 6 i 6 n, le coefficient (i, i) de A + B est aii + bii . Ainsi, on a bien tr(A + B) = tr(A) + tr(B).
2. On a tr(↵A) = ↵a11 + · · · + ↵ann = ↵(a11 + · · · + ann ) = ↵ tr A.
3. Étant donné que la transposition ne change pas les éléments diagonaux, la trace de A est égale à la trace de AT .
4. Notons ci j les coefficients de AB. Alors par définition
cii = ai1 b1i + ai2 b2i + · · · + ain bni .
Ainsi,
tr(AB) = a11 b11 +a12 b21 +··· +a1n bn1
+a21 b12 +a22 b22 +··· +a2n bn2
..
.
+an1 b1n +an2 b2n +··· +ann bnn .
On peut réarranger les termes pour obtenir

tr(AB) = a11 b11 +a21 b12 +··· +an1 b1n

+a12 b21 +a22 b22 +··· +an2 b2n
..
.
+a1n bn1 +a2n bn2 +··· +ann bnn .
MATRICES 6. MATRICES TRIANGULAIRES, TRANSPOSITION, TRACE, MATRICES SYMÉTRIQUES 20

En utilisant la commutativité de la multiplication dans K, la première ligne devient

b11 a11 + b12 a21 + · · · + b1n an1
qui vaut le coefficient (1, 1) de BA. On note di j les coefficients de BA. En faisant de même avec les autres lignes,
on voit finalement que
tr(AB) = d11 + · · · + dnn = tr(BA).

6.4. Matrices symétriques

Définition 12.
Une matrice A de taille n ⇥ n est symétrique si elle est égale à sa transposée, c’est-à-dire si
A = AT ,
ou encore si ai j = a ji pour tout i, j = 1, . . . , n. Les coefficients sont donc symétriques par rapport à la diagonale.

Exemple 21.
Les matrices suivantes sont symétriques :
0 1
✓ ◆ 1 0 5
0 2 @0 2 1A
2 4
5 1 0
Exemple 22.
Pour une matrice B quelconque, les matrices B · B T et B T · B sont symétriques.
Preuve : (BB T ) T = (B T ) T B T = BB T . Idem pour B T B.

6.5. Matrices antisymétriques

Définition 13.
Une matrice A de taille n ⇥ n est antisymétrique si
AT = A,
c’est-à-dire si ai j = a ji pour tout i, j = 1, . . . , n.

Exemple 23.
0 1
✓ ◆ 0 4 2
0 1 @ 4 0 5A
1 0
2 5 0
Remarquons que les éléments diagonaux d’une matrice antisymétrique sont toujours tous nuls.
Exemple 24.
Toute matrice est la somme d’une matrice symétrique et d’une matrice antisymétrique.
Preuve : Soit A une matrice. Définissons B = 12 (A+ AT ) et C = 12 (A AT ). Alors d’une part A = B + C ; d’autre part B est
symétrique, car B T = 12 (AT + (AT ) T ) = 12 (AT + A) = B ; et enfin C est antisymétrique, car C T = 12 (AT (AT ) T ) = C.
Exemple :
✓ ◆ ✓ ◆ ✓ ◆
2 10 2 9 0 1
Pour A = alors A = + .
8 3 9 3 1 0
| {z } | {z }
symétrique antisymétrique

Mini-exercices.
1. Montrer que la somme de deux matrices triangulaires supérieures reste triangulaire supérieure. Montrer que
c’est aussi valable pour le produit.
2. Montrer que si A est triangulaire supérieure, alors AT est triangulaire inférieure. Et si A est diagonale ?
MATRICES 6. MATRICES TRIANGULAIRES, TRANSPOSITION, TRACE, MATRICES SYMÉTRIQUES 21

x1 !
x2
3. Soit A = .. . Calculer AT · A, puis A · AT .
.
xn

4. Soit A = a b
c d . Calculer tr(A · AT ).
1
5. Soit A une matrice de taille 2 ⇥ 2 inversible. Montrer que si A est symétrique, alors A aussi. Et si A est
antisymétrique ?
6. Montrer que la décomposition d’une matrice sous la forme « symétrique + antisymétrique » est unique.

Auteurs du chapitre
• D’après un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de l’École Polytechnique Fédérale de
Lausanne,
• et un cours de Sophie Chemla de l’université Pierre et Marie Curie, reprenant des parties de cours de H. Ledret et
d’une équipe de l’université de Bordeaux animée par J. Queyrut,
• mixés et révisés par Arnaud Bodin, relu par Vianney Combet.