Chapitre 22

Matrices

22.1 Espace vectoriel Mm,n (K)

 
• Mm,n (K), +, · est un K-espace vectoriel

• L’élément neutre est la matrice nulle  

• Il est de dimension n × m, de base canonique la famille Ep,q 16p6m
  16q6n

où Ep,q = ei,j avec ei,j = δi,p δj,q (voir 1 )

16i6m
16j6n

Donner une base du R-espace vectoriel de dimension 4 M2,2 (R) .

Test 588
Donner une base du R-espace vectoriel de dimension 8 M2,2 (C) .

       
1 2 4 2 3 1  7 5 
Montrer que la famille   est liée dans

Test 589       
3 4 1 5 4 2 17 9
M2,2 (R)

Th. . La transposition est une symétrie de Mn (K)

Ainsi on a les propriétés suivantes :
t 
• ∀ A ∈ Mm,n (K) , t
A =A
t
• ∀ A, B ∈ Mm,n (K) , (A + B) = tA + tB
t
• ∀ A ∈ Mm,n (K) , ∀ λ ∈ K , (λ A) = λ tA

Mm,n (K)

→ Mn,m (K)
Ainsi : l’application est linéaire
t
7→

 A A

Th. . SEV des matrices symétriques et antisymétriques

Si K est un sous-corps de C, alors les sous ensembles Sn (K) et An (K) des matrices
carrées d’ordre n, symétriques et antisymétriques sont supplémentaires dans Mn (K)
Mn (K) = Sn (K) ⊕ An (K)

1. δ est le symbole de Kronecker.

327
 CHAPITRE 22. MATRICES

22.2 Famille de vecteurs et application linéaire

Matrice d’une famille de vecteurs :

B = (e1 , · · · , en ) est une base du K-espace vectoriel E
F = (u1 , · · · , up ) est une famille de vecteurs de E.
La matrice de F relativement à B est

 
 a1,1 ··· a1,p 
  n
 .. .. 
  X
 . .  où ∀ j ∈ 1, p , uj = ak,j ek
 
  k=1
an,1 ··· an,p

Th. . Matrice d’une application linéaire

B = (e1 , · · · , em ) est une base du K=espace vectoriel E
C = (f1 , · · · , fn ) est une base du K=espace vectoriel F
La matrice de f ∈ L(E, F ) relativement aux bases B et C
est la matrice de f (B) relativement à C, soit
 
 a1,1 ··· a1,m 
  n
 . .. 
  X
matB,C (f ) = A =  .. .  où ∀j∈ 1, m , f (ej ) = ak,j fk
 
  k=1
an,1 ··· an,m

Th. . Matrice d’une application linéaire : calcul de l’image

→
−
Soient →
−
u dansE etu0 dans F , 
image →
−
 de u par l’application linéaire f .
0
 x1   x1 
 . 
 
 . 
  →
−
Notons UB =  ..  et UC =  ..  les coordonnées respectives de → −
u et u0 dans les
   
   
xm x0n
bases B et C.

matB,C (f ) UB = UC

  m
X
le calcul : ∀i∈ 1, n , x0i = ai,k xk
k=1

Lorsque E = F , il est possible (mais pas obligatoire) de prendre B = C.

On note alors matB (f )

Z X
Soit f définie sur K2 [X] par P (X) 7→ P (t) dt .
Test 590 0
Quel est l’ensemble d’arrivée ?
Former la matrice de f dans les bases canoniques.

Lycée Châtelet Douai Page 328

 22.2. FAMILLE DE VECTEURS ET APPLICATION LINÉAIRE

 
−1 2
Soit f ∈ L(E) de matrice A =   dans la base (e1 , e2 ) .
Test 591 −4 5
Quelle est la matrice de f dans les bases
(e2 , e1 )? (−e1 , e2 )? (e1 + e2 , e1 − e2 )? (e1 + e2 , e1 + 2 e2 )?

 
1 0 1
 
f ∈ L(E) a pour matrice A = 0 relativement à la base (i, j, k) .
 
Test 592  1 1
 
1 1 2
Déterminer l’image et le noyau de f .

 
3 −1 0
 
f ∈ L(R 3 ) a pour matrice A = −1 relativement à la base canonique B
 
 2 −1
 
0 −1 3
3
de R .
Test 593
• Calculer les images des vecteurs u1 = (1, −1, 1) , u2 = (0, 1, 1) ,
u3 = (2, 2, 1) , u4 = (1, 0, −1) , u5 = (1, 1, 1) , u6 = (1, 2, 1) .
 
• Repérer trois vecteurs ui , 1 6 i 6 6 tels que ui , f (ui ) est liée.

• Ces vecteurs forment-ils une base de R 3 ?

Dans l’affirmative, donner la matrice de f dans cette base.

Cas particuliers :
• ceci détermine une bijection fondamentale entre Mm,n (K) et L(K m , K n )
• et donc une bijection fondamentale entre Mn (K) et L(K n )
• ainsi qu’entre Mn,1 (K) (matrices colonnes) et K n
• et entre M1,m (K) (matrices lignes) et (Km )∗ (dual de Km )
• Addition :
si B, C sont des bases de E, F de dimensions respectives m, n
matB,C (f ) + matB,C (g) = matB,C (f + g)

• Multiplication externe :
si B, C sont des bases de E, F de dimensions respectives m, n
λ matB,C (f ) = matB,C (λ f )

• Composition :
si B, C, D sont des bases de E, F, G de dimensions respectives p, n, m
matC,D (f ) × matB,C (g) = matB,D (f ◦ g)

Th. . Isomorphisme d’espaces vectoriels entre Mn,m (K) et L(E, F )

Si E et F sont deux K=espaces vectoriels de dimensions respectives m et n, de bases
respectives B = (e1 , · · · , em ) et C = (f1 , · · · , fn ) alors l’application :

φ : L(E, F ) → Mn,m (K), f 7→ matB,C (f )

est un isomorphisme.

Page 329 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

 
Remarque : ceci prouve que dim L(E, F ) = dim(E) × dim(F )

• Cet isomorphisme permet de transformer à volonté un problème matriciel en un problème sur

les applications linéaires (et inversement).

22.3 Matrices inversibles

22.3.1 Interprétations
Soit A ∈ Mn (K)
• par des applications linéaires
A = matB,C (f ) A inversible ⇔ f bijective
• par des familles de vecteurs
A = matB (u1 , u2 , · · · , un ) A inversible ⇔ (u1 , u2 , · · · , un ) est libre

22.3.2 Premières propriétés

Th. . Régularité et inversibilité
Soit A ∈ Mn (K) .
A est inversible à droite ⇔ A est inversible à gauche ⇔ A est inversible

⇔ A est régulière à droite ⇔ A est régulière à gauche ⇔ A est régulière

Conséquence :
on peut dire indifféremment A est inversible ou A est réguliére

Th. . Régularité d’un produit

Pour toutes matrices carrées A, B ∈ Mn (K) :
A B est inversible ⇔ A et B sont inversibles
(et, bien sûr : (A B)−1 = B −1 A−1 )

En général, dans un anneau : A B inversible 6⇒ A et B inversibles.

Test 594 Fournissez un contre-exemple dans l’anneau des applications de R[X] muni des lois ad-
ditives et de composition : on pourra penser aux applications dérivation et intégration.

22.3.3 Matrice de passage

La matrice de passage 2
de la base B vers la base B 0 est
la matrice des vecteurs de B 0 exprimés relativement à B.
 
 a1,1 ··· a1,n  où B = (e1 , · · · , en )

 . .. 
 
PBB
0
= matB (B 0 ) = matB 0 ,B (Id) =  .. B 0 = (e01 , · · · , e0n )
 .    n
X
  et ∀ j ∈ 1, n , e0j = ak,j ek
an,1 ··· an,n k=1

2. On dit encore ”matrice de changement de bases”.

Lycée Châtelet Douai Page 330

 22.3. MATRICES INVERSIBLES

0
PBB = matB (B 0 ) = matB 0 ,B (Id)
Important:
les colonnes sont les coordonnées des vecteurs de la nouvelle base B 0
exprimées dans l’ancienne base B.

Propriétés :
• Une matrice de passage est régulière
• Réciproquement, toute matrice régulière est une matrice de passage
0
• PBB = matB 0 ,B (IdE )
 −1
= PBB0
0
• changement de base inverse : PBB

00 0 00
• double changement de base : PBB = PBB PBB0

Utilisation des matrices de passage

pour un vecteur : B et B 0 bases de E

0 U matrice colonne du vecteur u relativement à B
U = PBB0 U
U 0 matrice colonne du vecteur u relativement à B 0

B et B 0 bases de E,
pour une application linéaire :
0
C et C 0 bases de F,
A 0 = PCC 0 A PBB A matrice de f ∈ L(E, F ) relativement à B et C
A 0 matrice de f relativement à B 0 et C 0

pour un endomorphisme : B et B 0 bases de E

0 A matrice de f ∈ L(E) relativement à B
A 0 = PBB0 A PBB A 0 matrice de f relativement à B 0

Dire que deux matrices A et A 0 sont des matrices équivalentes signifie qu’elles représentent
la même application linéaire dans des bases différentes.
0
A 0 = PCC 0 A PBB

 
1 1
 
Trouver une base de R 2 dans laquelle la famille (1, 2), (3, 4) a pour matrice  .
Test 595
1 2
Vérifier en utilisant la matrice de passage.

 
3 −1 1
 
A = 0 est la matrice de f ∈ L(R 3 ) relativement à la base canonique B.
 
 2 0
 
Test 596 1 −1 3
Donner sa matrice relativement à la base  
B 0 = (e1 , e2 , e3 ) = (1, 0, −1), (0, 1, 1), (1, 0, 1)
Vérifier en calculant directement les images de e1 , e2 et e3 .

Page 331 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

22.4 Rang d’une matrice

22.4.1 Définition
Pour A ∈ Mn,p (K), on pose :
Ker A = {X ∈ Mp,1 (K)|AX = 0n,1 }
Im A = {AX, X ∈ Mp,1 (K)}
Ce sont des sous-espaces vectoriels de Mp,1 (K).
Quitte à identifier les matrices colonnes de taille p et n aux vecteurs de Kp et Kn , on peut dire
que Ker A et Im A sont le noyau et l’image de l’application linéaire canoniquement associée à A.

Point Méthode :
• Pour déterminer le noyau d’une matrice A, il suffit de résoudre le système correspondant
à l’équation AX = 0n,1 .

• L’image d’une matrice A est le sous-espace vectoriel engendré par les vecteurs colonnes
de A.
• Critère d’inversibilité : en particulier, pour montrer qu’une matrice carrée A est inversible,
il suffit de montrer que l’équation AX = 0 admet comme unique solution X = 0.

Le rang de A ∈ Mm,n (K) est

le rang dans Km de la famille des vecteurs colonnes.
Notation : rg(A)

En fait, le rang de la matrice A est

• le rang de toute famille de vecteurs colonne qu’elle représente
• le rang de toute application linéaire qu’elle représente

Test 597 Quelle est la forme d’une matrice de rang 0 ? d’une matrice de rang 1 ?

   
1 −1 0 1 0 3
   
Déterminer le rang de A = 0 et B =
   
Test 598  1 −1
 0
 1 2
   
0 0 2 0 0 0
A et B peuvent-elles représenter un même endomorphisme dans des bases différentes ?

22.4.2 Propriétés
• Si A ∈ Mm,n (K) , alors rg(A) 6 min(n, m)
 
• La famille (u1 , · · · , un ) est libre ssi rg matB (u1 , · · · , un ) = n

• Si P ∈ GLn (K) , alors rg(A) = rg(A P )

• Si Q ∈ GLm (K) , alors rg(A) = rg(Q A)

Une matrice particulière : la matrice Jr ∈ Mm,n (K) .

Lycée Châtelet Douai Page 332

 22.4. RANG D’UNE MATRICE


1

si 1 6 i = j 6 r
Elle est définie par Jr = (αi,j ) où αi,j =

0 dans les autres cas
 
1 0 ··· ··· ··· ··· ··· ··· 0
.
 
 .. .. .
0
 . . .
   
. .. .. .
 Ir 0 
. .
. . 1 . .
Soit 3 Jr = E1,1 + · · · + Er,r = 

.

 =
.

. .. .. .
.

. 0 . .
 0 0
. .
. .. .. .. .
.
 . . . .

 
0 ··· ··· ··· 0 0 0 ··· 0

Il est clair que 0 6 r 6 min(n, m) et rg(Jr ) = r

Th. . Une caractérisation du rang

La matrice A ∈ Mm,n (K) est de rang r ssi
∃ P ∈ GLn (K) , ∃ Q ∈ GLm (K) , A = Q Jr P

Th. . Conséquences de la caractérisation du rang

— Des matrices sont équivalentes si et seulement si elles ont le même rang.
— Le rang d’une matrice est invariant par transposition

rg(A) = rg( tA)

— Le rang de A est donc aussi le rang de la famille des vecteurs ligne.

 
1 2 3
 
 
  0 0 0
 
1 0 0 2 0 1  
 
  0 0 0
Test 599 Quel est le rang de 2 et de  ?
   
 0 0 4 0 2  
  2 4 6
 
3 0 0 6 0 3  
0 0 0
 
 
 
1 2 3

22.4.3 Matrices extraites et rang

Une matrice extraite de A ∈ Mm,n (K) est une matrice obtenue à partir de A en supprimant
des lignes et/ou des colonnes. Elle lui est donc de dimensions inférieures ou égales.
Th. . Rang d’une matrice extraite
Si A ∈ Mn,p (K) est une matrice de rang r, alors toute sous-matrice extraite de A est
de rang au plus r.
Th. . Caractérisation du rang par les matrices carrées extraites
Soit A ∈ Mn,p (K). Le rang de A est égal à r si et seulement si les deux conditions
suivantes sont réalisées :
(1) il existe une matrice carrée d’ordre r inversible extraite de A,
(2) toute matrice carrée d’ordre k > r, extraite de A, est non inversible.

3. La matrice représentée ici est ”horizontale” (m < n) mais elle peut également être carrée ou ”verticale”
(m > n).

Page 333 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

22.4.4 Pivot de Gauss

Th. . Transformations élémentaires et rang

Les transformations élémentaires ne changent pas le rang d’une matrice

Respecte-t-on le rang en effectuant simultanément les transformations

Test 600 C1 ← C1 + C2 et C2 ← C2 − C1 ?
Même question avec C1 ← C1 − C2 et C2 ← C2 − C1

Lemme : Par des opérations élémentaires, toute  nulle A ∈ Mm,n (K)

 matrice non
 α ··· 
 
 
 0 
peut se transformer en où α 6= 0
 
 .. 

 . A0 
 
 
0

Alors, nous avons : rg(A) = rg(A 0 ) + 1

Th. . Méthode des pivots de Gauss

Par une suite de transformations élémentaires, toute matrice A ∈ Mm,n (K) peut se
mettre sous la forme
 
α1,1 ··· ··· ··· ··· α1,n 
 
.. . 
. 

 0
 . . 
 
 . . 
 . .. .. . 
 .
 . . .   r
Y
où αk,k 6= 0
 
 
 0
 ··· 0 αr,r ··· αr,n 

  k=1
 0 ··· ··· ··· ··· 0 
 
 
 . . 
 . . 
 . . 
 
 
0 ··· ··· ··· ··· 0

A est alors de rang r.

Utiliser la technique du pivot de Gauss pour déterminer le rang de

 
11 −2 −1 8 5
   
1 2 1 1 0 1 
 

 7 1 3 1 0
Test 601
   
     
0 1 3 0 2 1  
     
     1 −2 −3 4 3 
 
0 0 1 3 0 1  
9 2 5 0 −1

22.5 Trace et matrices semblables

22.5.1 Matrices semblables
Définition ( Matrices semblables )
Soient A, B ∈ Mn (K) deux matrices carrées. On dit que A est semblable à B si, et seulement
si, il existe P ∈ GLn (K) tel que
A = P −1 BP

Proposition
La relation de similitude (ie : le fait d’être semblable) est une relation d’équivalence sur Mn (K)

Lycée Châtelet Douai Page 334

 22.5. TRACE ET MATRICES SEMBLABLES

Proposition (Interprétation de la similitude matricielle)

E est un espace vectoriel de dimension n.
Deux matrices A1 et A2 ∈ Mn (K) sont semblables si, et seulement si, elles représentent le même
endomorphisme dans deux bases différentes, c’est-à-dire si, et seulement si, il existe B1 et B2
bases de E telles que
A1 = MatB1 (u) , A2 = MatB2 (u)

22.5.2 Trace d’une matrice

Définition ( Trace d’une matrice carrée )
La trace d’une matrice carrée A, notée Tr(A), est la somme de ses coefficients diagonaux :
n
X
Tr(A) = ai,i , A = (ai,j )1≤i,j≤n ∈ Mn (K)
i=1

Exemple : Tr(In ) = n.
Remarque : On a bien entendu Tr(t A) = Tr(A).

Proposition
L’application trace est une forme linéaire sur Mn (K), c’est-à-dire une application linéaire de Mn (K)
dans K.

Proposition
Pour tout A = (ai,j ) ∈ Mn,p (K) et B = (bi,j ) ∈ Mp,n (K), on a
X
Tr(AB) = ai,j bj,i
1≤i≤n
1≤j≤p

En particulier,
X
Tr(t A A) = a2i,j
1≤i≤n
1≤j≤p

et, de plus
Tr(AB) = Tr(BA)

Corollaire
Pour toute matrice inversible P ∈ GLn (K), et toute matrice A ∈ Mn (K), on a

Tr(A) = Tr(P AP −1 )

22.5.3 Trace d’un endomorphisme

Proposition
Deux matrices semblables ont même trace.

Proposition
La trace d’un endomorphisme est la trace de l’une de ses matrices relativement à une base donnée
(cette trace ne dépendant pas de la base choisie).

Proposition (Linéarité de la trace)

L’application
Tr : L(E) → K, u 7→ Tr(u)
est une forme linéaire, telle que pour tous u, v ∈ L(E),

Tr(u ◦ v) = Tr(v ◦ u)

Proposition (Trace d’un projecteur)

La trace d’un projecteur est égale à son rang.

Page 335 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

22.6 Systèmes d’équations linéaires

Soit le système linéaire AX = b à n équations et p inconnues. On reprend les notations usuelles.
I Le rang du système est le rang de sa matrice A. Notons-le r.
I Conséquence pour un système homogène
Le système admet pour ensemble de solutions Ker (A) qui est un espace vectoriel de dimension
p−r.
I Conséquence pour un système compatible
l’ensemble des solutions est l’espace affine 4 de direction Ker (A) :
x0 + Ker (A) x0 solution particulière du système
B cet espace est de dimension p − r , où r est le rang du système.
B Le système sera compatible si et seulement si b ∈ Im(A)
I Conséquence pour un système carré de rang n
Si A est carrée de rang n, autrement dit inversible, il y a une unique solution qui vaut A−1 b. On
rappelle que ce type de système est dit de Cramer.
 
1 2 2
 
Soit f de matrice 2 relativement à la base (e1 , e2 , e3 ) .
 
 1 2
 
0 1 1
Test 602 • Calculer f (e1 + 2e2 − 2e3 ) , f (−e2 + e3 ) , f (−2e1 − 2e2 + 3e3 )

x + 2y + 2z = 1






• En déduire les solutions de 2x + y + 2z = 1





 y+z =1

Lycée Châtelet Douai Page 336

 22.7. EXERCICES

22.7 Exercices
Calcul Matriciel
Exercice 1
Soit f l’endomorphisme de R4 canoniquement associé à
 
−1 −2 0 0
 
 
1 2 0 0
M =
 

 
0 0 1 1
 
 
0 0 0 0

Montrer que f est un projecteur, et donner des bases de ses directions propres.

Exercice 2
Soit E l’ensemble des matrices de M3 (C) de la forme
 
a 0 b
 
 
0 a c
 
 
0 0 d

1. Montrer que E est un SEV de M3 (C).

2. Donner une base du sous-espace vectoriel E.
3. Montrer que E est un sous-anneau de M3 (C).
4. L’anneau E est-il intègre ? Est-il commutatif ?
5. Quel sont les éléments inversibles de E. Leur inverse est-il dans E ?

Exercice 3
Soit A ∈ Mn (K) telle que
5 2014 3 2013 1 2012
A + A + A + 2In = 0
2 2 2
Montrer que A est inversible.

Exercice 4
1. Soit A ∈ M2 (K). Montrer que A2 − tr(A)A + (Det A)I2 = 02 avec Det A = a1,1 × a2,2 −
a1,2 × a2,1 .
2. Calculer le reste de la division euclidienne de X n par X 2 − 2X + 1.
 
2 −1
n
3. On pose A =  . Calculer A
 
1 0

Exercice 5

Page 337 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

 
1 2 −1 2
 
On considère la matrice A = 2 .
 
 4 4 −8

 
3 6 1 −1
Déterminer une base de Ker A et Im A.

Exercice 6
Résoudre
 les systèmes suivants, de paramètre a.

2x + 3y − z = −1 x + 2y + az = 0

 


 


 

(S1) x + 2y + 3z = 2 (S2) x − ay + z = 1

 


 

 3x + 4y − 5z = −4
  ax − 2y + z = a


Exercice 7
Soient A et B ∈ Mn (C). Résoudre l’équation X + tr(X)A = B d’inconnue X ∈ Mn (C)

Matrices, changements de base

Exercice 8
Déterminer la matrice de l’application R-linéaire de C dans C, qui à z associe z dans la base (1, i)
puis dans la base (1, j).

Exercice 9
Soit f la symétrie de R2 par rapport à la droite y = x, parallèlement à la droite y = −x.
1. Déterminer, pour (x, y) ∈ R2 l’expression de f (x, y) et en déduire la matrice A de f dans
la base canonique.
2. Déterminer sans calculs la matrice A0 de f dans la base B 0 = (1, 1), (1, −1) .

3. Déterminer la matrice P de passage de la base canonique à la base B 0 , ainsi que son

inverse.
4. Vérifier la formule A = P A0 P −1 vue en cours.

Exercice 10
Soit E un R-espace vectoriel de dimension 3, et (e1 , e2 , e3 ) une base de E.
1. Soit f1 = e1 + e2 + e3 , f2 = e1 + e2 et f3 = e1 + e3 . Justifier que (f1 , f2 , f3 ) est une base
de E.
2. On note P la matrice de passage de (e1 , e2 , e3 ) à (f1 , f2 , f3 ). Déterminer P et P −1 .
3. Soit u la projection sur Vect(f1 , f2 ) parallèlement à Vect(f3 ). Déterminer la matrice M1
de u dans la base (f1 , f2 , f3 ).
4. En déduire la matrice M2 de u relativement à la base (e1 , e2 , e3 ).

Exercice 11
Soit l’application
Φ : R2 [X] → R2 [X], P 7→ P − (4X + 1)P 0
1. Montrer que Φ est un endomorphisme de R2 [X].
2. Déterminer la matrice M de Φ relativement à la base canonique B = (1, X, X 2 ) de R2 [X].
3. Résoudre l’équation Φ(P ) = λP d’inconnue (λ, P ) ∈ R × R2 [X].
4. En déduire une base B 0 = (P1 , P2 , P3 ) dans laquelle la matrice M 0 de Φ est diagonale.

Lycée Châtelet Douai Page 338

 22.7. EXERCICES

5. Déterminer la matrice de passage P de B à B 0 .

6. Calculer M 0n pour n ∈ N.
7. En déduire M n

Rang
Exercice 12
Déterminer le rang des matrices suivantes :

1. A = ei−j



. 3. C = i + j

1≤i,j≤n i≤i,j≤n a si i = j



2. B = sin(i + j) 1≤i,j≤n . 4. Da,b = (di,j )1≤i,j≤n où di,j = .
 b si i 6= j


Exercice 13
Déterminer le rang des matrices suivantes M .
     
1 1 1 1 1 0 1 0 1 2 3 4
     
1. M = 1 3. M = 2
     
1 1 1 0 1 0 1 3 4 5
2. M = 
     
    
 
2 2 2 2 1 1 1 1 3 4 5 6
 
 
−1 1 −1 1

Page 339 Alain Couteèle et Mélissa Bailloeuil

 CHAPITRE 22. MATRICES

22.8 Exercices Complémentaires

Exercice 1
Déterminer, dans R3 , la matrice M canoniquement associée à la projection sur la droite en-
gendrée par (1, 1, 1) parallèlement au plan d’équation x − y + z = 0.

Exercice 2
Centre de Mn (K)
Soit A ∈ Mn (K) commutant avec toutes les matrices B ∈ Mn (K).
Montrer que A est une matrice scalaire (c’est-à-dire est un multiple scalaire de In ).
Indication : prendre B = Ei,j .

Exercice 3
Matrices à diagonale strictement dominante
Soit A ∈ Mn (C) telle que pour tout i ∈ [[1; n]]
X
|ai,i | > |ai,k |
k6=i

Montrer que A est inversible (on calculera son noyau).

Exercice 4
Soit M ∈ Mn (C) une telle que M n = 0n .
Montrer que In − M est inversible, et en déterminer l’inverse.

Exercice 5
Les matrices triangulaires strictes sont nilpotentes
On fixe n un entier une fois pour toutes. On considère des matrices de Mn (K).
On note, pour 0 ≤ k ≤ n − 1, Tk,n (K) l’espace vectoriels des matrices A triangulaire supérieures,
ayant k ”sur-diagonales” nulle, c’est-à-dire telle que ai,j = 0 si i ≥ j − k. Par exemple, T0,n (K)
est l’ensemble des matrices triangulaires supérieures, T1,n (K) est l’ensemble des matrices trian-
gulaires supérieures strictes...
1. Soit M1 ∈ Tk1 ,n et M2 ∈ Tk2 ,n . Montrer que M1 M2 ∈ Tk1 +k2 ,n .
2. En déduire que toute matrice triangulaire supérieure stricte est nilpotente.

Exercice 6
Dans E = R3 , on note (e1 , e2 , e3 ) la base canonique. Puis on pose f1 = e2 + e3 , f2 = e1 + e3 et
f3 = e1 + e2 .
1. Justifier que (f1 , f2 , f3 ) est une base de E.
2. Déterminer dans la base (f1 , f2 , f3 ) la matrice A de l’application dont la matrice dans la
 
3 −1 1 
1 
base canonique de E est B = 2 0 −2.
 
2 
 
3 −3 1
3. Calculer An , et en déduire B n .

Exercice 7

Lycée Châtelet Douai Page 340

 22.8. EXERCICES COMPLÉMENTAIRES

Dans l’espace vectoriel E = R3 , on considère la base canonique B = (i, j, k) où i = (1, 0, 0),
j = (0, 1, 0) et k = (0, 0, 1), et l’endomorphisme f dont la matrice dans la base B est
 
 −2 −1 2
 
A = −15
 
 −6 11
 
−14 −6 11

On pose u = i + j + 2k, v = 3j + 2k et B 0 = (u, v, k).

1. Montrer que B 0 est une base de E et déterminer P la matrice de passage de B à B 0 .
2. Calculer P −1 .
3. Déterminer la matrice T de f dans la base B 0 .
4. Calculer T n .
5. En déduire une expression de An à l’aide de n, I3 , A et A2 .

Exercice 8
Inverser les matrices suivantes
 
 
0 ··· ··· 0 a1 
 1 0 0 0  
 




0
 ··· a2 0 
−a 1 0 0 . .. 
 
A= B =  .. avec ∀i ∈ [[1; n]], ai 6= 0
 
 · .
−a 1 0
   
 0 . .. 

.
. · .
 
 
0 0 −a 1
 
 
an 0 ··· 0

Exercice 9
Trace d’une matrice carrée Un grand classique à connaı̂tre...
n
X
La trace de la matrice A = (ai,j ) ∈ Mn (K) est la quantité tr(A) = ak,k
k=1
1. Si A, B ∈ Mn (K), montrer que tr(A B) = tr(B A).
2. A-t-on tr(A B) = tr(A) tr(B) ?
3. Soit f ∈ L(E) , et A et B la matrice de f relativement à deux bases différentes. Montrer
que tr(A) =tr(B).
Conclusion : cette quantité ne dépend que de f . C’est la ”trace de f ”.

Page 341 Alain Couteèle et Mélissa Bailloeuil

CHAPITRE 22. MATRICES

Lycée Châtelet Douai Page 342