DERNIÈRE IMPRESSION LE 20 août 2017 à 16:31

Matrices et systèmes linéaires

Table des matières

1 Matrices et opérations sur les matrices 2

1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Somme et produit par un scalaire . . . . . . . . . . . . . . . . . . . . 2
1.3 Produit matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Propriétés du produit matriciel . . . . . . . . . . . . . . . . . . . . . 4
1.5 Transposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6 Matrice définies par blocs . . . . . . . . . . . . . . . . . . . . . . . . 5
1.7 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.8 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Systèmes linéaires 7
2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Ensemble solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Algorithme du pivot . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Matrices inversibles 10
3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Matrices inversibles d’ordre 2 . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Opération sur les matrices inversibles . . . . . . . . . . . . . . . . . 12
3.4 Opérations sur les lignes et colonnes . . . . . . . . . . . . . . . . . . 13
3.5 Matrices triangulaires inversibles . . . . . . . . . . . . . . . . . . . . 15

PAUL MILAN 1 CPGE - L1 - ALGÈBRE

 1. MATRICES ET OPÉRATIONS SUR LES MATRICES

1 Matrices et opérations sur les matrices

1.1 Définition

Définition 1 : Soit I = [[1, n]] et J = [[1, p]]

(
I×J→K
On appelle matrice (n, p) à coefficients dans K, une application A
(i, j) 7−→ aij
que l’on note sous forme d’un tableau de n lignes et de p colonnes.
 
a11 a12 . . . a1p
 21 a22 . . . a2p 
a 
A =  .. .. ..  ou A = ( aij ) plus rarement Aij
 . . . 
an1 an2 . . . anp

Le coefficient aij se trouve à l’intersection de la i-ème ligne et de la j-ème colonne.

L’ensemble des matrice (n, p) dans le corps K est noté : Mn,p (K )

Remarque :
• Pour i ∈ I, on note Li = ( ai1 , . . . , aip ) la i-ème ligne de A.
 
a1j
 .. 
• Pour j ∈ J, on note Cj =  .  la j-ème colonne de A.
anj
• Si n = p, la matrice A est carrée de taille n et l’on note son ensemble Mn (K )
La famille ( a11 , a22 , . . . , ann ) est appelée diagonale de A.
• Si n = 1, on dit que la matrice A est une matrice ligne.
• Si p = 1, on dit que la matrice A est une matrice colonne.
• La matrice (n, p) dont tous les coefficients sont nuls est appelée matrice nulle
et notée 0n,p ou plus simplement 0.
B Il est d’usage d’utiliser i pour indice ligne et j pour indice colonne.

1.2 Somme et produit par un scalaire

Définition 2 : Soit A = ( aij ) et B = (bij ) deux matrices de Mn,p (K ).

On définit la combinaison linéaire suivante :

∀λ, µ, λA + µB = (λaij + µbij )

Remarque : L’ensemble Mn,p (K ) constitue un K espace vectoriel.

    
2 3 1 −2 4 13
Exemple : 3 −2 =
1 4 0 5 3 2

PAUL MILAN 2 CPGE L 1 - ALGÈBRE

 1. MATRICES ET OPÉRATIONS SUR LES MATRICES

1.3 Produit matriciel

Définition 3 : Soient A = ( aij ) ∈ Mn,p (K ) et B = (bij ) ∈ M p,q (K ).

p
On définit le produit matriciel : AB = (cij ) ∈ Mn,q par cij = ∑ aik bkj
k =1
 
b11 ... b1q
 . .. 
 .
 . . 

 
b p1 ... b pq

↓
   p p 
a11 ... a1p −→  ...
  ∑ a1k bk1 ∑ a1k bkq 
 .. ..   k =1 k =1 
 . .   .. .. 





 . . 

 p p 
...
 
an1 anp 
...

∑ a pkbk1 ∑ ank bnq
k =1 k =1

Remarque :
• On ne peut effectuer ce produit s’il y a compatibilité des formats :
matrice (n , p) × matrice ( p , q) = matrice (n , q)
• Le produit matriciel avec des matrices carrées ne change par le format.
Mn (K ) est stable par produit.
• Le produit matriciel n’est pas commutatif.
    
0 1 1 1 0 0
• Le produit matriciel peut être nul avec A et B non nulles : =
0 0 0 0 0 0
  
2 1   4 −1 5
1 3 1 0 1
= 7 −3 10
Exemple : 2 −1 3
2 0 2 0 2
(3, 2) × (2, 3) = (3, 3)

Théorème 1 : Soit A ∈ Mn,p (K ), X ∈ K p et i ∈ [[1, n]], j ∈ [[1, p]]

 0   a1j 
.. .
.   a.. 
p
A × 1. =  .jj  = Cj d’où AX = ∑ x j Cj

.. .. j =1
0 anj

( 0 ... 1 ... 0 ) × A = ( ai1 ... aii ... aip ) = Li

Remarque : Par convention, on ne met pas les zéros dans une matrice lorsque
celle-ci en contient beaucoup.

PAUL MILAN 3 CPGE L 1 - ALGÈBRE

 1. MATRICES ET OPÉRATIONS SUR LES MATRICES

1.4 Propriétés du produit matriciel

Théorème 2 : En tenant compte de la compatibilité, le produit matriciel est :

• Associatif : ∀ A, B, C matrices ( AB)C = A( BC ) = ABC
• Bilinéaire : ∀ A, B, C matrices ∀λ, µ ∈ K :

(λA + µB)C = λAC + µBC et A(λB + µC ) = λAB + µAC

 
• Possède un élément neutre : 1
On appelle matrice identité de taille n, la matrice carrée : In = 
 ... 

∀ A ∈ Mn,p (K ) : In A = AI p = A 1

Remarque :
• On appelle aussi la matrice identité la matrice unité.
• On peut noter la matrice identité avec le symbole de Kronecker : In = (δij )

Exemple : Soit M et J deux matrices carrées d’ordre n où J ne possède que

des coefficients égaux à 1. On a alors J MJ = λJ où λ est la somme de tous les
coefficients de M :
 n n

     ∑ ak1 . . . ∑ akn   
1 ... 1 a11 . . . a1n 1 ... 1  k =1 k =1  1 . . . 1
 .. ..   .. ..   .. ..  =  .. ..  . .. 
. .  . .  . .  .   ..
.  .

n n
1 ... 1 an1 . . . ann 1 ... 1 
 1 ... 1

∑ ak1 . . . ∑ akn

k =1 k =1
 ! !
n n n n
∑ ∑ akℓ ... ∑ ∑ akℓ 
 
ℓ=1 k =1 ℓ=1 k =1 

= .. .. 
 . ! . 
!
 n n n n 

∑ ∑ akℓ ... ∑ ∑ akℓ 
ℓ=1 k =1 ℓ=1 k =1
!
n n

1.5 Transposée
= ∑ ∑ akℓ J
ℓ=1 k =1

Définition 4 : Soit A ∈ Mn,p (K ) telle que A = ( aij ).

On appelle transposée de A la matrice notée, tA ou A T , dont on a inversé lignes
et colonnes :
t
A ∈ M p,n et tA = ( a ji )
• Linéarité : ∀ A, B ∈ Mn,p (K ), λ, µ ∈ K : t ( λA + µB ) = λtA + µt B
• Produit : ∀ A ∈ Mn,p (K ), B ∈ M p,q (K ) : t ( AB ) = t B tA
 
  1 4
1 2 3
Exemple : t = 2 5
4 5 6
3 6

PAUL MILAN 4 CPGE L 1 - ALGÈBRE

 1. MATRICES ET OPÉRATIONS SUR LES MATRICES

Démonstration : Transposée du produit :

p p p
t 
( AB) ij = ( AB) ji = ∑ a ji bki = ∑ bki a jk = ∑ (t Bik )(tAkj ) = (t B tA)ij
k =1 k =1 k =1

1.6 Matrice définies par blocs

Définition 5 : Soient A ∈ Mn,q , B ∈ M p,q , C ∈ Mn,r et D ∈ M p,r

On définit la matrice M ∈ Mn+ p , q+r (K ) à l’aide de A, B, C et D par :
q r
 ↔ ↔ 
nl A C
pl B D

Produit de matrices définies par blocs : avec compatibilité des formats

q r
↔ ↔
q l A′ C ′
     
A C AA′ + CB′ AC ′ + CD ′
× =
B D r l B′ D ′ BA′ + BB′ DC ′ + DD ′

Remarque : Tout se passe avec les blocs comme avec les scalaires.

1.7 Matrices carrées

Théorème 3 : Soient A, B ∈ Mn (K ) qui commutent.

m  
m
On peut alors utiliser la formule du binôme : ( A + B)m =∑ Ai B m −i
i =0
i

AB= BA
Remarque : A l’ordre 2 : ( A + B)2 = A2 + AB + BA + B2 = A2 + 2AB + B2
   
1 3 4 0 3 4
Exemple : Soit A = 0 1 0 et J = 0 0 0
0 0 1 0 0 0
Il est clair que A = I3 + J, et J 2 = 0 ⇒ J i = 0, i > 2
Comme la matrice identité commute avec toute matrice, d’après la formule du
binôme :  
n     1 3n 4n
n i n −i n
An = ( I3 + J )n = ∑ I3 J = I3n−1 J 1 + + I3n J 0 = nJ + I3 = 0 1 0 
i n − 1
i =0 0 0 1

Définition 6 : Soit A ∈ Mn (K ).
• On dit que A est symétrique si tA = A
• On dit que A est antisymétrique si tA = − A

PAUL MILAN 5 CPGE L 1 - ALGÈBRE

 1. MATRICES ET OPÉRATIONS SUR LES MATRICES

Remarque : Si A est antisymétrique alors sa diagonale est nulle.

   
1 2 4 0 −1 −2
Exemple : 2
 3 6 est symétrique et 1 0 3 est antisymétrique.
4 6 5 2 −3 0

Définition 7 : Matrice diagonale, scalaire et triangulaires.

• Un matrice carrée est diagonale si tous ses coefficients non diagonaux sont nuls.
• Un matrice carrée est scalaire si elle est de la forme λIn , λ∈K
• Une matrice carrée est triangulaire supérieures (resp. inférieure) si ses coeffi-
cients situé au dessous (resp. au dessus) de sa diagonale sont nuls

Exemples :    
a1 λ
• Matrice diagonale : 
 ... 
 • Matrice scalaire : 
 ... 

an λ

• Matrice triangulaire
 supérieure
 • Matrice triangulaire
 inférieure

a11 a12 . . . a1n a11

 a22 . . . a2n  
 a21 a22



 . . . ..   .. .. . .
.

 .   . . 
ann an1 an2 . . . ann

Théorème 4 : Toute combinaison linéaire et tout produit de matrice triangu-

laires supérieures (resp. inférieure) est une matrice triangulaire supérieure (resp.
inférieure)

1.8 Trace d’une matrice carrée

Définition 8 : Soit A ∈ Mn (K ).
On appelle trace de A, notée tr( A) la somme des coefficients diagonaux de A.
• Linéarité : ∀ A, B ∈ Mn (K ), λ, µ ∈ K, tr(λA + µB) = λtr( A) + µtr( B)
• Produit de matrices : ∀ A, B ∈ Mn (K ), tr( AB) = tr( BA)

Démonstration : Produit de matrices :

n n n n n n
tr( AB) = ∑ ( AB)kk = ∑∑ a k ℓ bℓ k = ∑∑ bℓ k a k ℓ = ∑ ( BA)ℓℓ = tr( BA)
k =1 k=1 ℓ=1 ℓ=1 k=1 ℓ=1

PAUL MILAN 6 CPGE L 1 - ALGÈBRE

 2. SYSTÈMES LINÉAIRES

2 Systèmes linéaires
2.1 Définition

Définition 9 : Soient A ∈ Mn,p (K ) et B ∈ K n .

Le système (n × p) d’inconnue X ∈ K p défini par :

 a11 x1 + a12 x2 + · · · + a1p x p = b1


a x +a x +···+a x = b
21 1 22 2 2p p 2


 ...

an1 x1 + an2 x2 + · · · + anp x p = bn

peut s’écrire matriciellement comme : AX = B

Le système est dit homogène si B = 0 (0Kn ).
L’application de K p dans K n : X 7−→ AX est linéaire :
∀ X, Y ∈ K p , λ, µ ∈ K, A(λX + µY ) = λ( AX ) + µ( AY )

  (
  x  
x + 2y + 3z = 1
1 2 3   1
Exemple : Soit le système : y = ⇔
4 5 6 4 4x + 5y + 6z = 4
z

2.2 Ensemble solution

Théorème 5 : Soient AMn,p (K ) et B ∈ K n .

Le système AX = B, avec X ∈ K p est
• Soit incompatible s’il n’a pas de solution.
• Soit compatible. Les solutions peuvent alors se décomposer selon le principe :

Solution générale de Solution Solution générale de

= +
AX = B particulière AX = 0

Démonstration :
Soit le système AX = B compatible dont Xpart est une solution particulière :

AX = B ⇔ AX = AXpart ⇔ A( X − Xpart ) = 0
⇔ X − Xpart est une solution Xhom du système homogène associé
⇔ X = Xpart + Xhom
(
x + 2y + 3z = 1
Exemple : Solution du système (S) :
4x + 5y + 6z = 4

PAUL MILAN 7 CPGE L 1 - ALGÈBRE

 2. SYSTÈMES LINÉAIRES

• X = (1, 0, 0) est une solution particulière de (S)

• Le
( système homogène associé
( est : ( (
x + 2y + 3z = 0 x + 2y = −3z − 4x − 8y = 12z x=z
⇔ ⇔ ⇔
4x + 5y + 6z = 0 4x + 5y = −6z 4x + 5y = −6z y = −2z

• Les solutions de (S) sont :

X = (1, 0, 0) + (z, −2z, z)z∈K = (1, 0, 0) + Vect [(1, −2, 1)]
| {z } | {z }
sol. part. sol. syst. hom.
( )
n
Remarque : On rappelle que Vect( x1 , x2 , . . . , xn ) = ∑ λi xi , λi ∈ K .
i =1
Géométriquement Vect [(1, −2, 1)] est la droite de vecteur directeur (1, −2, 1)

2.3 Algorithme du pivot

On passe d’un système (S) à un système (S′ ) équivalent par combinaison de
lignes. On adopte les conventions suivantes :

opération élémentaire codage

Échange des lignes i et j Li ↔ L j (permutation)

Multiplication de la ligne i par λ (λ 6= 0) Li ← λLi (dilatation)

Addition de la ligne i d’un multiple de la ligne j Li ← Li + λL j (transvection)

Propriété 1 : Il s’agit par étapes successives de transformer un système (S) en

un système échelonné (S′ ) qui lui est équivalent.
Soit l’inconnue du système : X = ( x1 , x2 , . . . , x p ).
• On place par permutation en L1 une ligne où le coefficient de x1 est non nul. Ce
coefficient est appelé pivot (il est préférable que ce coefficient soit égal à 1).
On élimine x1 dans L2 , L3 , . . ., Ln par transvection de Li et L1 .
On simplifie éventuellement par dilatation et l’on élimine les lignes nulles.
• S’il existe parmi L2 , L3 , . . ., Ln une ligne où le coefficient de x2 est non nul, on la
place par permutation dans L2 et on utilise ce coefficient comme nouveau pivot
(il est préférable que ce coefficient soit égal à 1).
On élimine x2 dans L3 , L4 , . . ., Ln par transvection de Li et L2 .
On simplifie éventuellement par dilatation et l’on élimine les lignes nulles.
• On réitère ce procédé jusqu’à obtenir une forme échelonnée du système.
Si n = p on obtient un système triangulaire
• On remonte par transvection ensuite cette forme pour obtenir les solutions.

PAUL MILAN 8 CPGE L 1 - ALGÈBRE

 2. SYSTÈMES LINÉAIRES

Exemples : 
 9x − 3y + 3z = 0

• Résolution de : −5x + y − 6z = −1 Solution : X = (3 ; 8 ; −1)

 x + y + z = 10

 
 9x − 3y + 3z = 0
  1 x + y + z = 10
 L1 ← L3
−5x + y − 6z = −1 ⇔ 9x − 3y + 3z = 0 L2 ← L1
 
 x + y + z = 10 
− 5x + y − 6z = −1 L3 ← L2

 x + y + z = 10

⇔ − 12y + 6z = −90 L2 ← L2 − 9L1

6y − z = 49 L3 ← L3 + 5L1



 x + y + z = 10

1
⇔ 2 y + z = 15 L2 ← − L2
 6
6y − z = 49




 x + y + z = 10
⇔ 2y + z = 15

 − 4z = 4 L3 ← L3 − 3L2

z = −1

 L1 ↔ L3
15 − z

⇔ y= =8


 2
x = 10 − y − x = 3


 2x + y − z − t = −18

• Résolution de : x+y+ z+ t = 0

 x + y − 7z + 13t = −40

 

 2x + y − z − t = − 18  1x+y+ z+ t = 0
 L1 ↔ L2
x+y+ z+ t = 0 ⇔ 2x + y − z − t = −18

 x + y − 7z + 13t = −40 
x + y − 7z + 13t = −40



x+y+ z+ t = 0

⇔ − y − 3z − 3t = −18 L2 ← L2 − 2L1

 − 8z + 12t = −40 L3 ← L3 − L1


x+y+ z+ t = 0

L2 ← − L2
⇔ y + 3z + 3t = 18
 1
 2z − 3t = 10 L3 ← − L3
4

PAUL MILAN 9 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

 3

 z = 5+ t


 2
On remonte ensuite le système échelonné : 15
y = 18 − 3z − 3t = 3 − t


 2


x = −y − z − t = −8 + 5t
 
15 3
Les solutions sont : X = (5 , 3 , −8 , 0) + Vect 5 ,− , , 1
| {z } 2 2
Sol. part. t=0 | {z }
sol. syst. hom.

3 Matrices inversibles
3.1 Définition

Définition 10 : Soit AMn (K )

A est inversible s’il existe une matrice B ∈ Mn (K ) telle que : AB = BA = In .
Si la matrice B existe, elle est unique. Elle est appelée inverse de A et est noté A−1 .
L’ensemble des matrices inversibles de Mn (K ), est appelé groupe linéaire de de-
gré n sur K et est noté GLn (K ).

Démonstration : Unicité : Soit B et B′ deux matrices inverses de A :

AB′ = In BA= In
B = BIn = B( AB′ ) = ( BA) B′ = In B′ = B′

Remarque :
• Toute matrice carrée avec une ligne ou une colonne nulle n’est pas inversible.
• Une matrice diagonale dont les coefficient sont non nuls est inversible :
  −1  1 
a1 a1

 . . .

 =

 ... 

an 1
an

Définition 11 : Système de Cramer

Un système linéaire est dit de Cramer si sa matrice est inversible.
∀ A ∈ GLn (K ), B ∈ K n , AX = B ⇔ X = A−1 B

Remarque : La matrice A d’un système linéaire AX = Y est inversible si, et

seulement si, pour toute matrice Y le système admet une unique solution.
Il suffit alors de résoudre un système pour connaître la matrice inverse.

 9x − 3y + 3z = a
 
9 −3 3 
Pour l’inverse de A = −5 1 −6 on résout −5x + y − 6z = b
1 1 1

 x + y + z=c

PAUL MILAN 10 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

 

 9x − 3y + 3z = a  1 x+y+z = c
 L1 ← L3
−5x + y − 6z = b ⇔ 9x − 3y + 3z = a L2 ← L1
 
−5x + y − 6z = b
 
x+y+z = c L2 ← L2

x+y+z = c

⇔ 12y + 6z = 9c − a L2 ← 9L1 − L2

 6y − z = 5c + b L3 ← 5L1 + L3

 x+y+z = c

3 1 1

⇔ 2 y+z = c− a L2 ← L2


 2 6 6
6y − z = 5c + b


 x+y+z = c


 3 1
⇔ 2y + z = c − a
 2 6

 1 1
4z = − c − a − b L3 ← 3L2 − L3


2 2
1 1 1


 z = − a− b− c L1 ← L3


 8 4 8
1 1 13

⇔ y = − a+ b+ c

 48 8 16
7 1 5



x = a+ b+ c L3 ← L1
18 8 16
 
7 1 5
48 8 16
 1 1 13 

On trouve alors A−1 = −
 48 8 16  Cela est un peu calculatoire !
− 81 − 14 − 18

3.2 Matrices inversibles d’ordre 2

 
a c
Théorème 6 : Soit a, b, c, d ∈ K et A = .
b d
 
a c 
• On appelle déterminant de A le scalaire noté det( A) = 
  = ad − bc
b d
• La matrice A est inversible si, et seulement si, det( A) 6= 0. On a alors :
 
−1 1 d −c
A =
ad − bc −b a

Remarque : Pour ce souvenir de la formule de l’inverse d’une matrice carrée

d’ordre 2, on retiendra que l’on prend l’inverse du déterminant, on permute les
coefficients de la 1re diagonale et l’on prend les opposés dans la 2e.

PAUL MILAN 11 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

Théorème 7 : Formules de Cramer pour un système (2 × 2).

(  
ax+by = c a b
Soit le système (S) : avec δ =  ′ ′  6= 0

a′ x + b′ y = c′ a b

Le système (S) admet une unique solution ( x, y) telle que :

   
c b a c
 ′ ′  ′ ′
c b  a c 
x= et y =
δ δ

Remarque :
• Pour se souvenir de ces formules, on retiendra que le dénominateur est tou-
jours δ et pour le numérateur, dans x, on remplace la 1re colonne du détermi-
nant par le second membre (cc′ ) tandis que dans y c’est la 2e colonne que l’on
remplace.
• Ces formules sont purement théoriques et sont très « lourdes » à utiliser dans
la résolution d’un système. C’est la raison pour laquelle, elle ne sont plus en-
seignées au lycée.
 
a b
Démonstration : Si δ 6= 0 alors la matrice est inversible, donc
a′ b′
d’après le système de Cramer :
    −1    ′    ′ 
x a b c 1 b −b c 1 cb − bc′
= ′ ′ = ′ = ′
y a b c′ ab − ba′ − a′ a c′ ab − ba′ ac′ − ca′

3.3 Opération sur les matrices inversibles

Théorème 8 : Soient A, B ∈ GLn (K ).

• Inversibilité de l’inverse : ( A−1 )−1 = A
• Inversibilité du produit : ( AB)−1 = B−1 A−1
• Inversibilité d’une puissance : ( Ak )−1 = ( A−1 )k , k ∈ Z
• Inversibilité de la transposée : (tA)−1 = t ( A−1 )

Démonstration :
• Inverse : immédiat d’après la définition.
• Produit : ( AB)( B−1 A−1 ) = A( BB−1 ) A−1 = AIn A−1 = AA−1 = In
de même ( B−1 A−1 )( AB) = In
• Puissance : Récurrence sur k ∈ N à partir du produit puis avec l’inverse k ∈ Z.
• Transposée : (tA) t ( A−1 ) = t ( AA−1 ) =t In = In de même (t A−1 ) (tA) = In

PAUL MILAN 12 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

3.4 Opérations sur les lignes et colonnes

Définition 12 : Base canonique de Mn,p (K ). Soient I = [[1, n]] et J = [[1, p]].

On note Ei,j la matrice de Mn,p (K ) dont tous les coefficients sont nuls à l’excep-
tion de celui de la i-ème ligne et de la j-ème colonne qui vaut 1.
La famille ( Ei,j )i∈ I,j∈ J est la base canonique de Mn,p (K ).

Application : En fonction de cette base, on va définir les opérations élémentaires

sur les lignes et les colonnes. On définit alors des matrices de passage :
• Permutation : Pi,j = Ei,j + Ej,i + In − Ei,i − Ej,j
• Dilatation : Di (λ) = In + (λ − 1) Ei,i , λ 6= 0
• Transvection : Ti,j) (λ) = In + λEi,j

1  i j
↓ ↓
 ...  1  1 
 1
 ..
 ... .
 
i → 0 1    
 1     1 
1  
 ..  
i → λ
  .. 

 . 
  1

  . 
 1   ..  i → λ 1 
j → 1 0  .

..

 1 
1 .
 ..  1
.
1

Matrice permutation Pi,j Matrice dilatation Di (λ) Matrice transvection Ti,j (λ)

Remarque :
• Si la matrice A ∈ Mn,p (K ) n’est pas carrée, prendre p au lieu de n pour les
opérations sur les colonnes.
• Ces opérations étant réversibles, ces trois
 matrices
 de passage sont inversibles :
−1 1
Pi,j = Pi,j , Di−1 (λ) = Di −1
et Ti,j (λ) = Ti,j (−λ)
λ

opération codage matrice de passage

permutation Li ↔ L j ou Ci ↔ Cj Pi,j

dilatation Li ← λLi ou Ci ← λCi Di ( λ )

transvection Li ← Li + λL j ou Ci ← Ci + λCj Ti,j (λ)

Application :
• Si l’on fait des opérations sur les lignes on multiplie A à gauche par Pi,j , Di (λ)
ou Ti,j (λ).
• Si l’on fait des opérations sur les colonnes on multiplie A à droite par Pi,j , Di (λ)
ou Ti,j (λ).

PAUL MILAN 13 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

Théorème 9 : Soit A ∈ Mn (K ).
Si l’on peut transformer A en In par des opérations élémentaires alors ces mêmes
opérations permettent de transformer In en A−1

Remarque : C’est une autre méthode pour déterminer l’inverse d’une matrice.
B On opère soit sur les lignes, soit sur les colonnes mais pas sur les deux !

Exemple : Méthode Gauss-Jordan : variante du pivot de Gauss

On combine toutes les lignes avec le pivot pas seulement les lignes supérieures.
 
9 −3 3
Déterminer l’inverse de la matrice A = −5 1 −6
1 1 1
On choisit de travailler sur les lignes (colonne après colonne) pour obtenir la ma-
trice identité à partir de A. Un travail sur les colonnes serait tout aussi judicieux.
A I
z
 }| { z
 }|3 {
9 −3 3 1 0 0
 −5 1 −6 0 1 0
1 1 1 0 0 1
   
1 1 1 L1 ← L3 0 0 1
 9 −3 3 L2 ← L1 1 0 0
−5 1 −6 L3 ← L2 0 1 0
   
1 1 1 0 0 1
0 −12 −6 L2 ← L2 − 9L1 1 0 −9
0 6 −1 L3 ← L3 + 5L1 0 1 5
   
1 1 1 0 0 1
 1 1  1 3
0 1 2 L2 ← − 12 L2 − 12 0 4
0 6 −1 0 1 5
 
 1 1 1
1 0 2 L1 ← L1 − L2 12 0 4
 1 3

 1 0
0 1 2
−
 12 4
0 0 −4 L3 ← L3 − 6L2 1 1
2 1 2
 
 1 1 1
1 0 0
2
 12 4


0 1 1 − 1 0 3
2  12 4
0 0 1 L3 ← − 14 L3 − 18 − 41 1
−8
 
7 1 5
L1 ← L1 − 21 L3
 
1 0 0
 48 8 16

0 1 0
 
L2 ← L2 − 1 − 1 1 13 
2 L3  48 8 16 
0 0 1 − 18 − 41 − 18
| {z } | {z }
I3 A −1

PAUL MILAN 14 CPGE L 1 - ALGÈBRE

 3. MATRICES INVERSIBLES

3.5 Matrices triangulaires inversibles

Théorème 10 : Matrices triangulaires inversibles

Une matrice triangulaire A est inversible si, et seulement si, ses coefficients dia-
gonaux sont non nuls. Dans ce cas, A−1 est elle aussi triangulaire de même type
et ses coefficients diagonaux sont les inverses des coefficients diagonaux de A.

Démonstration : Sur les matrices supérieures. (Les matrices inférieures se

déduisent par transposition).
Récurrence sur la taille de la matrice. Soit An une matrice triangulaire de taille n.
Montrons que : ∀n ∈ N ∗ , ( An inversible ⇔ ∀i ∈ [[1, n]], aii 6= 0)
Initialisation : : n = 1. La matrice ( a) est triangulaire supérieur et inversible si,
et seulement si, a 6= 0. La proposition est initialisée.
Hérédité : : Soit n ∈ N ∗ . Par double implication
Supposons l’équivalence vraie à l’ordre n.  
An C
Montrons alors qu’elle est vraie à l’ordre (n + 1). On a : An+1 =
01,n d
avec C ∈ Mn,1 (K ) et d ∈ K
• An+1 inversible.
 ′ 
−1 An C ′
A n +1 = avec B′ ∈ M1,n (K ), C ′ ∈ Mn,1 (K ) et d′ ∈ K
B′ d′
  ′   
−1 An C An C ′ In 0n,1
An+1 An+1 = In+1 ⇔ =
01,n d B′ d′ 01,n 1
   
An A′n + CB′ An C ′ + Cd′ In 0n,1
⇔ =
dB′ dd′ 01,n 1
– dd′ = 1 ⇒ d 6= 0
– dB′ = 01,n ⇒ B′ = 01,n car d 6= 0
– B′ = 01,n = 01,n ⇒ An A′n = In ⇒ An inversible
D’après l’hypothèse de récurrence tous les coefficients diagonaux de An sont
non nuls et comme d 6= 0, tous les coefficient diagonaux de An+1 sont non nuls.
• An+1 a ses coefficient diagonaux non nuls donc d 6= 0 et d’après l’hypothèse
de récurrrence An est inversible.
   −1     
An C An − d1 A− n
1C
A n A −1 − 1 A A −1 C + 1 C
n n n In 0 n,1
1 = d d = = In+1
01,n d 01,n d
0 1,n 1 01,n 1
 1 − 1 A −1 C
 
A−
n d n An C
On vérifie de même : 1 = In+1
01,n d
01,n d
An+1 est inversible.
Par initialisation et hérédité l’équivalence est donc vérifiée pour tous n ∈ N ∗ .

PAUL MILAN 15 CPGE L 1 - ALGÈBRE