LAHLOU-S2-14-15-Chapitre 1

Filière de « Sciences Économiques et de Gestion »
Semestre II / Session : Printemps-Été 2014/2015
Section A
Module 13 : Algèbre et Mathématiques Financières
Chapitre I :
Rudiments de l’algèbre matricielle
Professeure : Amale LAHLOU

Algèbre et Mathématiques Financières Chapitre I : Rudiments d’Algèbre Matricielle
Sommaire
INTRODUCTION ..................................................................................................................... 4
1 REPRESENTATION D’UNE MATRICE ................................................................................... 4
1.1 NOTION D’UNE MATRICE 4
1.2 MATRICES PARTICULIERES 5
1.2.1 UN SCALAIRE 5
1.2.2 VECTEUR COLONNE 5
1.2.3 VECTEUR LIGNE 6
1.2.4 MATRICE RECTANGULAIRE 6
1.2.5 MATRICE CARREE 6
1.2.6 MATRICE NULLE 6
1.2.7 MATRICE CARREE UNITE 6
1.3 ÉGALITE DE DEUX MATRICES 6
1.4 TRANSPOSEE D’UNE MATRICE 7
1.5 OPPOSEE D’UNE MATRICE 7
2 MATRICES CARREES.......................................................................................................... 8
2.1 DIAGONALE PRINCIPALE D’UNE MATRICE CARREE 8
2.2 TRACE D’UNE MATRICE CARREE 8
2.3 DIFFERENTS TYPES DE MATRICES CARREES 8
2.3.1 MATRICE SYMETRIQUE 8
2.3.2 MATRICE ANTISYMETRIQUE 8
2.3.3 MATRICE TRIANGULAIRE INFERIEURE 9
2.3.4 MATRICE TRIANGULAIRE SUPERIEURE 9
2.3.5 MATRICE DIAGONALE 9
2.3.6 MATRICE SCALAIRE 10
3 OPERATIONS SUR LES MATRICES .................................................................................... 10
3.1 L’ADDITION INTERNE 10
3.1.1 DEFINITION 10
3.1.2 PROPRIETES 11
3.2 MULTIPLICATION EXTERNE 11
3.2.1 DEFINITION 11
3.2.2 PROPRIETES 12
3.3 PRODUIT INTERNE 13
3.3.1 DEFINITION 13
3.3.2 CAS PARTICULIERS DE PRODUITS MATRICIELS 15
3.3.3 PROPRIETES 17
3.3.4 EXISTENCE DES DIVISEURS DE ZERO 18
3.3.5 PUISSANCE D’UNE MATRICE CARREE 18
3.3.6 FORMULE DU BINOME DE NEWTON 18
3.3.7 MATRICE IDEMPOTENTE 19
3.3.8 MATRICE NILPOTENTE 19
4 OPERATIONS ELEMENTAIRES LIGNES .............................................................................. 19
4.1 DEFINITION 19
4.2 MATRICES A LIGNE-EQUIVALENTES 20
5 DETERMINANT D’UNE MATRICE CARREE......................................................................... 20
5.1 CALCUL DU DETERMINANT D’UNE MATRICE CARREE 20
5.1.1 DETERMINANT D’UNE MATRICE D’ORDRE 1 21
5.1.4 DETERMINANT D’UNE MATRICE CARREE D’ORDRE 𝑛 24
5.2 REGLES SIMPLIFICATRICES DES DETERMINANTS 25
6 INVERSE D’UNE MATRICE CARREE................................................................................... 28
Pr. Amale LAHLOU 2 Session Printemps-Été 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
6.1 DEFINITION 28
6.2 PROPRIETES 28
6.3 CALCUL PRATIQUE DE L’INVERSE D’UNE MATRICE CARREE 29
6.3.1 METHODE DES COFACTEURS 30
6.3.2 METHODE DU POLYNOME CARACTERISTIQUE (THEOREME DE CAYLEY HAMILTON) 30
6.3.3 METHODE D’ELIMINATION DE GAUSS-JORDAN 32
7 RANG D’UNE MATRICE ................................................................................................... 33
7.1 DEFINITION 33
7.2 QUELQUES PROPRIETES SUR LE RANG D’UNE MATRICE 34
7.3 METHODES PRATIQUES DE CALCUL DU RANG D’UNE MATRICE 34
7.3.1 METHODE DES MINEURS 34
7.3.2 METHODE DU PIVOT DE GAUSS 35
EXERCICES SOLUTIONNES

Chapitre I : Rudiments d’Algèbre matricielle

Introduction
Un modèle d'analyse économique est souvent présenté par une matrice : Matrice d'Ansoff (classification
des différentes stratégies de croissance pour une entreprise), Matrice BCG (Allocation de ressources au sein
d'un portefeuille d'activités utilisées en stratégie d'entreprise), Matrice McKinsey (matrice de décision
stratégique), Matrice ADL (matrice de gestion de portefeuille), Matrice d'Eisenhower (matrice de
management), etc.
Les matrices permettent de compacter des formules et donc de les manipuler de façon plus efficace.
Ainsi, pour un économiste, la maîtrise du calcul matriciel constitue un outil essentiel dans la manière
d’appréhender correctement les phénomènes économiques.
L’objectif de ce chapitre est de fournir les bases essentielles de l’algèbre matricielle requises pour une
bonne compréhension de nombreuses notions rencontrées en statistique, en économie et en gestion.
1 Représentation d’une matrice

1.1 Notion d’une matrice
On note 𝕂, le corps des nombres réels ℝ ou le corps des nombres complexes ℂ.
Une matrice 𝐴 de type 𝑝, 𝑛 où 𝑝, 𝑛 ∈ ℕ∗ , à coefficients dans 𝕂, est un tableau rectangulaire ayant 𝑝
lignes et 𝑛 colonnes (la ligne est toujours nommée en premier). On la symbolise par une lettre majuscule et
on la représente sous la forme générale :
𝑎11 … 𝑎1𝑗 … 𝑎1𝑛
⋮ ⋮ ⋮
𝐴= 𝑎 𝑖1 𝑎𝑖𝑗 𝑎𝑖𝑛 𝑖 ème ligne (𝑖 varie de 1 à 𝑝)
⋮ ⋮ ⋮
𝑎𝑝1 … 𝑎𝑝𝑗 … 𝑎𝑝𝑛
𝑗 è𝑚𝑒 colonne (𝑗 varie de 1 à 𝑛)
Le coefficient 𝑎𝑖𝑗 (𝑖, 𝑗 indices “génériques”) de la matrice A, appelé aussi terme général de la matrice 𝐴,
est l’intersection de la 𝑖 ème ligne et la 𝑗 ème colonne. La matrice pourra être notée sous sa forme contractée :
𝐴 = 𝐴𝑝,𝑛 = 𝑎𝑖𝑗 1≤𝑖≤𝑝 = 𝑎𝑖𝑗 𝑝,𝑛
1≤𝑗 ≤𝑛
et si aucune confusion n’est à craindre, on la notera tout simplement 𝐴 = 𝑎𝑖𝑗 .

On note par :
 𝐴𝑖. la 𝑖 ème ligne (𝑖 varie de 1 à 𝑝) et par 𝐴.𝑗 la 𝑗 ème colonne (𝑗 varie de 1 à 𝑛),
 ℳ 𝑝,𝑛 𝕂 , l’ensemble des matrices de type 𝑝, 𝑛 à coefficients dans 𝕂
 et ℳ 𝑛,𝑛 𝕂 (ou tout simplement ℳ 𝑛 𝕂 ) l’ensemble des matrices carrées d’ordre 𝑛 à
coefficients dans 𝕂.
Dans toute la suite et sans perdre de généralité, on ne considérera que des matrices à coefficients réels,
c'est-à-dire lorsque 𝕂 = ℝ.
Exemple : Soit la matrice suivante,

1 2 −1
1 0 1
A= −3 1 4
6 0 1
6 −3 10
La matrice 𝐴 possède 5 lignes et 3 colonnes, donc 𝐴 ∈ ℳ 5,3 ℝ . Par exemple, l’intersection entre la
quatrième ligne et la troisième colonne est donnée par 𝑎43 = 1. En plus,
2
0
𝐴3. = −3 1 4 et 𝐴.2 = 1
0
−3
1
Exercice : Déterminer la matrice A de type 3,4 dont le terme général est 𝑎𝑖𝑗 = . Soit
𝑖+𝑗
1 1 1 1
2 3 4 5
1 1 1 1
A= 3 4 5 6
1 1 1 1
4 5 6 7
On peut obtenir des sous-matrices, dites encore matrices extraites, d’une matrice à partir de certaines
lignes et certaines colonnes de cette matrice.
Exemple : Considérons la matrice 𝐴 donnée ci-haut ; les matrices suivantes sont des matrices extraites de A :
1 2
1 2 −1 1 0 1 −1
A 1,2 1,2,3 = , A 1,2,4,5 1,2 = , A 1,2 1,3 = .
1 0 1 6 0 1 1
6 −3
1.2 Matrices particulières
Nous citerons des classes de matrices spécifiques ayant un intérêt tout particulier :
1.2.1 Un scalaire
Une matrice de type 1,1 se réduit à un scalaire.
Exemple : 𝐴= 3 =3∈ℳ1 ℝ =ℝ
1.2.2 Vecteur colonne
Un vecteur colonne est une matrice uni-colonne de type 𝑝, 1 , 𝑝 ∈ ℕ∗ .
2
9
Exemple : 𝐴= ∈ ℳ 4,1 ℝ
−4
12
Dans toute la suite, on assimilera un vecteur 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) de ℝ𝑛 à une matrice uni-colonne 𝑋, on
notera :
𝑥1
𝑥2
𝑋= ⋮ ∈ ℳ 𝑛,1 ℝ
𝑥𝑛

1.2.3 Vecteur ligne

Un vecteur ligne est une matrice uni-ligne de type 1, 𝑛 , 𝑛 ∈ ℕ∗ .
Exemple : 𝐴= 1 3 0 ∈ ℳ 1,3 ℝ
1.2.4 Matrice rectangulaire
Une matrice rectangulaire de type 𝑝, 𝑛 est une matrice telle que 𝑝 < 𝑛 ou 𝑛 < 𝑝 (𝑝, 𝑛 ∈ ℕ∗ )
4 2 0
1 9 7
1 2 3 − 2 0 −8
Exemple : 𝐴= ∈ ℳ 2,3 ℝ et 𝐵 = ∈ ℳ 5,3 ℝ .
5 4 6 6 0 1
1
2
7 23
1.2.5 Matrice carrée

Une matrice carrée d’ordre 𝑛 ∈ ℕ∗ est une matrice de type 𝑛, 𝑛 .
1 −9
Exemple : 𝐴= ∈ ℳ(2) ℝ
2 5
1.2.6 Matrice nulle
Une matrice nulle de type 𝑝, 𝑛 , (𝑝, 𝑛 ∈ ℕ∗ ) est une matrice dont les coefficients sont tous nuls, on la note
par 0𝑝,𝑛 , ou si l’indication des indices est superflue, par 0.
0 0 … … 0
0 ⋱ ⋱ ⋮
0𝑝,𝑛 = ⋮ ⋱ 0 ⋱ ⋮ c’est-à-dire, 𝑎𝑖𝑗 = 0 ∀ 1 ≤ 𝑖 ≤ 𝑝, 1 ≤ 𝑗 ≤ 𝑛
⋮ ⋱ ⋱ 0
0 … … 0 0
0 0 0
0 0 0 0
Exemple : 02,4 = et 03 = 03,3 = 0 0 0
0 0 0 0
0 0 0
1.2.7 Matrice carrée unité
matrice unitaire ou matrice identité d’ordre 𝑛, (𝑛 ∈ ℕ∗ ) est une matrice carrée d’ordre 𝑛 dont les coefficients
diagonaux sont tous égaux à 1 et zéro partout ailleurs, on la note 𝐼𝑛 ou tout simplement 𝐼 s’il n’y a pas
d’ambiguïté.
1 0 … … 0
0 ⋱ ⋱ ⋮ 1 si 𝑖 = 𝑗
𝐼𝑛 = ⋮ ⋱ 1 ⋱ ⋮ c’est-à-dire, 𝑎𝑖𝑗 = 0 sinon ∀ 𝑖, 𝑗 = 1, … , 𝑛
⋮ ⋱ ⋱ 0
0 … … 0 1
1 0 0 0
1 0 0
1 0 0 1 0 0
Exemple : 𝐼1 = 1, 𝐼2 = , 𝐼3 = 0 1 0 , 𝐼4 = .
0 1 0 0 1 0
0 0 1
0 0 0 1
1.3 Égalité de deux matrices
Soient 𝑝, 𝑛 deux réels non nuls, 𝐴 = 𝑎𝑖𝑗 et 𝐵 = 𝑏𝑖𝑗 de ℳ 𝑝,𝑛 ℝ . On a :
𝐴=𝐵 ⇔ 𝑎𝑖𝑗 = 𝑏𝑖𝑗 pour tous 𝑖 = 1, … , 𝑝 et 𝑗 = 1, … , 𝑛.
2 𝑎+𝑏 2 5 𝑎=3 𝑎=3
Exemple : = ⇔ ⇔
𝑎 0 3 0 𝑎+𝑏 =5 𝑏=2

1.4 Transposée d’une matrice

La transposition de matrice est une notion très importante. Soient 𝑝, 𝑛 deux réels non nuls et 𝐴 =
𝑎𝑖𝑗 ∈ ℳ 𝑝,𝑛 ℝ . La matrice transposée de 𝐴, notée 𝐴𝑡 , est définie par :
𝐴𝑡 = 𝑏𝑖𝑗 ∈ ℳ 𝑛,𝑝 ℝ avec 𝑏𝑖𝑗 = 𝑎𝑗𝑖 ∀ 𝑖 = 1, ⋯ , 𝑝 et ∀𝑗 = 1, ⋯ , 𝑛
Autrement dit, les lignes dans 𝐴 deviennent colonnes dans 𝐴𝑡 et vice versa.
𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑛 𝑎11 𝑎21 … 𝑎𝑖1 … 𝑎𝑝1
𝑎21 𝑎22 … 𝑎2𝑗 … 𝑎2𝑛 𝑎12 𝑎22 … 𝑎𝑖2 … 𝑎𝑝2
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
𝐴= 𝑎 𝑎 𝑎 𝑎 et 𝐴𝑡 = 𝑎 𝑎 𝑎𝑖𝑗 𝑎𝑝𝑗
𝑖1 𝑖2 𝑖𝑗 𝑖𝑛 1𝑗 2𝑗
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
𝑎𝑝1 𝑎𝑝2 … 𝑎𝑝𝑗 … 𝑎𝑝𝑛 𝑎1𝑛 𝑎2𝑛 … 𝑎𝑖𝑛 … 𝑎𝑝𝑛
Remarque : Tout vecteur ligne est le transposé d’un vecteur colonne.
Exemple :
2
9
𝐴= ∈ ℳ 4,1 ℝ 𝐴𝑡 = 2 9 −4 12 ∈ ℳ 1,4 ℝ
−4
12
1
𝐵 = 1 3 0 ∈ ℳ 1,3 ℝ 𝐵𝑡 = 3 ∈ ℳ 3,1 ℝ
0
1 −9 𝑡 1 2
𝐶= ∈ ℳ(2) ℝ 𝐶 = ∈ℳ2 ℝ
2 5 −9 5
1 5
1 2 3
𝐷= ∈ℳ 2,3 ℝ 𝐷 𝑡 = 2 4 ∈ ℳ 3,2 ℝ
5 4 6
3 6
4 2 0
1 9 7 4 1 − 2 6 2
1
𝐸= − 2 0 −8 ∈ ℳ 5,3 ℝ 𝑡
𝐸 = 2 9 0 0 7 ∈ ℳ 3,5 ℝ
6 0 1
1 0 7 −8 1 23
2
7 23
0 0 0
0 0 0 0
0 0 0
03,4 = 0 0 0 0 ∈ ℳ 3,4 ℝ 0𝑡3,4 = = 04,3 ∈ ℳ 4,3 ℝ
0 0 0
0 0 0 0
0 0 0
1 0 0 0 0
0 1 0 0 0
𝐼5 = 0 0 1 0 0 ∈ℳ5 ℝ 𝐼5𝑡 = 𝐼5 ∈ ℳ 5 ℝ
0 0 0 1 0
0 0 0 0 1
Remarque : On constate que pour toute matrice 𝐴 on a 𝐴𝑡 𝑡
= 𝐴. On dira que la transposition d’une matrice
est une opération involutive.
1.5 Opposée d’une matrice
Soient 𝑝, 𝑛 deux réels non nuls et 𝐴 = 𝑎𝑖𝑗 ∈ ℳ 𝑝,𝑛 ℝ . La matrice opposée de 𝐴, notée −𝐴, est définie
par :
−A = 𝑏𝑖𝑗 ∈ ℳ 𝑝,n ℝ avec 𝑏𝑖𝑗 = −𝑎𝑖𝑗 ∀ 𝑖 = 1, ⋯ , 𝑝 et ∀𝑗 = 1, ⋯ , 𝑛

4 2 0 −4 −2 0
1 9 7 −1 −9 −7
Exemple : 𝐴= − 2 0 −8 ∈ℳ 5,3 ℝ , −𝐴 = 2 0 8 ∈ ℳ 5,3 ℝ
6 0 1 −6 0 −1
1
2
7 23 −12 −7 −23
2 Matrices carrées
Les matrices carrées forment une importante famille de matrices. Soit 𝐴 = 𝑎𝑖𝑗 ∈ ℳ 𝑛 ℝ avec 𝑛 ∈ ℕ∗ .
2.1 Diagonale principale d’une matrice carrée

𝑎11 … 𝑎1𝑖 … 𝑎1𝑛
⋮ ⋱ ⋮
𝐴= 𝑎𝑖1 𝑎𝑖𝑖 𝑎𝑖𝑛
⋮ ⋱ ⋮
𝑎𝑛1 … 𝑎𝑛𝑖 … 𝑎𝑛𝑛
La diagonale principale de la matrice 𝐴 est formée par les éléments diagonaux 𝑎𝑖𝑖 , 𝑖 = 1, … , 𝑛 , on note
𝐷𝑃 𝐴 = 𝑎11 , … , 𝑎𝑖𝑖 , … , 𝑎𝑛𝑛 .
1 2 1 1
−8 0 3 0
Exemple : Soit la matrice 𝐴 = alors 𝐷𝑃 𝐴 = 1,0,12,4 .
1 4 12 9
5 8 0 4
2.2 Trace d’une matrice carrée
On définie la trace de la matrice 𝐴, notée 𝑡𝑟 𝐴 , par :
𝑛
𝑡𝑟 𝐴 = 𝑎𝑖𝑖 = 𝑎11 + ⋯ + 𝑎𝑖𝑖 + ⋯ + 𝑎𝑛𝑛

𝑖=1
1 2 1 1
−8 0 3 0
Exemple : Soit la matrice 𝐴 = alors 𝑡𝑟 𝐴 = 1 + 0 + 12 + 4 = 17.
1 4 12 9
5 8 0 4
Remarque : Pour toute matrice carrée 𝐴 on a : 𝑡𝑟 𝐴𝑡 = 𝑡𝑟 𝐴 .
2.3 Différents types de matrices carrées
2.3.1 Matrice symétrique
Une matrice carrée 𝐴 d’ordre 𝑛 est symétrique si sa transposée est égale à elle-même : 𝐴𝑡 = 𝐴.
Autrement dit : 𝑎𝑖𝑗 = 𝑎𝑗𝑖 ∀ 𝑖 = 1, … , 𝑛 et ∀𝑗 = 1, … , 𝑛
𝑎
1 −8 1 5
2 1 −1
−8 0 4 8
Exemple : Soient les matrices 𝐴 = et 𝐵 = 1 1 4
1 4 12 0
2 4 0
5 8 0 4
Ici, la matrice 𝐴 est symétrique tandis que la matrice 𝐵 ne l’est pas.
2.3.2 Matrice antisymétrique

Une matrice carrée 𝐴 d’ordre 𝑛 est antisymétrique si sa transposée est égale à son opposé : 𝐴𝑡 = −𝐴.
Autrement dit : 𝑎𝑖𝑗 = −𝑎𝑗𝑖 ∀ 𝑖 = 1, … , 𝑛 et ∀𝑗 = 1, … , 𝑛
0 −𝑎
0
𝑎 0
0 8 −1 5
1 5 −1 0 3 −1
−8 0 −4 −8
Exemple : 𝐴 = , 𝐵 = −5 0 −4 et 𝐶 = 3 0 2
1 4 0 3
1 4 0 1 −2 0
−5 8 −3 0
Ici, la matrice 𝐴 est antisymétrique tandis que les matrices 𝐵 et 𝐶 ne le sont pas.
Remarque : Les éléments diagonaux d’une matrice antisymétrique sont nécessairement nuls.
2.3.3 Matrice triangulaire inférieure
Une matrice carrée A d’ordre n est triangulaire inférieure si tous les coefficients au dessus de la diagonale
principale sont nuls.
Autrement dit : 𝑎𝑖𝑗 = 0 dès que 𝑖 < 𝑗, ∀ 𝑖, 𝑗 = 1, … , 𝑛
𝑎11 0 … 0
𝑎21 𝑎22 … 0
𝑇𝑖𝑛𝑓 = ⋮ ⋮ ⋱ ⋮
𝑎𝑛1 … 𝑎𝑛(𝑛−1) 𝑎𝑛𝑛
0 0 0
−5 0
Exemple : 𝐴= 2 , 𝐵= , 𝐶 = −5 0 0
1 3
1 4 0
2.3.4 Matrice triangulaire supérieure
Une matrice carrée 𝐴 d’ordre 𝑛 est triangulaire supérieure si tous les coefficients en dessous de la diagonale
principale sont nuls.
Autrement dit : 𝑎𝑖𝑗 = 0 dès que 𝑖 > 𝑗, ∀ 𝑖, 𝑗 = 1, … , 𝑛
𝑎11 𝑎12 … 𝑎1𝑛
0 𝑎22 … 𝑎2𝑛
𝑇𝑠𝑢𝑝 = ⋮ ⋮ ⋱ ⋮
0 0 … 𝑎𝑛𝑛
0 −1 1
2 1
Exemple : 𝐴= 3 , 𝐵= , 𝐶= 0 0 3 .
0 7
0 0 5
Remarque : La transposée d’une matrice triangulaire inférieure est une matrice triangulaire supérieure et
vice versa.
2.3.5 Matrice diagonale
Une matrice carrée 𝐴 d’ordre 𝑛 est diagonale si tous les coefficients, sauf ceux de la diagonale principale,
sont nuls.
Autrement dit : 𝑎𝑖𝑗 = 0 dès que 𝑖 ≠ 𝑗, ∀ 𝑖, 𝑗 = 1, … , 𝑛

𝑎11 0 … 0
0 𝑎22 … 0
𝐴=
⋮ ⋮ ⋱ ⋮
0 0 𝑎𝑛𝑛
On note 𝐴 = 𝑑𝑖𝑎𝑔(𝑎11 , 𝑎22 , … , 𝑎𝑛𝑛 ).
1 0 0 0
1 0 0
2 0 0 1 0 0
Exemple : 𝐴 = 3 , 𝐵= , 𝐶= 0 0 0 ,𝐼=
0 4 0 0 0 1
0 0 3
0 0 0 1
Ici, 𝐴 = 𝑑𝑖𝑎𝑔(3), 𝐵 = 𝑑𝑖𝑎𝑔(2,4), 𝐶 = 𝑑𝑖𝑎𝑔(1,0,3) et 𝐼 = 𝑑𝑖𝑎𝑔(1,1,1,1)
Remarque : Une matrice diagonale est une matrice qui est à la fois triangulaire inférieure et triangulaire
supérieure.
2.3.6 Matrice scalaire
Une matrice diagonale non nulle 𝐴 d’ordre 𝑛 est une matrice scalaire si tous les coefficients diagonaux sont
égaux.
0 si 𝑖 ≠ 𝑗
Autrement dit : 𝑎𝑖𝑗 = ∀ 𝑖, 𝑗 = 1, … , 𝑛 avec 𝑎 ∈ ℝ∗.
𝑎 sinon
𝑎 0 … 0
0 𝑎 … 0
𝐴=
⋮ ⋮ ⋱ ⋮
0 0 … 𝑎
Exemple : La matrice unité est une matrice scalaire avec 𝑎 = 1.
3 Opérations sur les matrices

On munit l’ensemble des matrices 𝑀 𝑝,𝑛 ℝ de trois opérations : l’addition (Loi de Composition
Interne), la multiplication par un scalaire (Loi de Composition Externe) et le produit matriciel interne.
3.1 L’addition interne
3.1.1 Définition
Soient 𝑝, 𝑛 deux entiers naturels non nuls et deux matrices 𝐴 = 𝑎𝑖𝑗 et 𝐵 = 𝑏𝑖𝑗 de ℳ 𝑝,𝑛 ℝ . La matrice
somme de A et B, notée 𝐴 + 𝐵, est la matrice de même type que 𝐴 et 𝐵 donnée par :
𝐴 + 𝐵 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 (𝑝,𝑛)
Chaque coefficient de la matrice 𝐴 + 𝐵 est la somme des coefficients respectifs de 𝐴 et de 𝐵.

De même, on peut définir l’opération « soustraction » comme suit,
𝐴 − 𝐵 = 𝑎𝑖𝑗 − 𝑏𝑖𝑗 (𝑝,𝑛)
2 1 1 2
Exemple : Soient 𝐴 = 0 4 ∈ ℳ 3,2 ℝ et 𝐵 = −3 4 ∈ ℳ 3,2 ℝ
1 −1 1 0
alors,
2 1 1 2 2+1 1+2 3 3
𝐴+𝐵 = 0 4 + −3 4 = 0 + (−3) 4 + 4 = −3 8 ∈ ℳ 3,2 ℝ .
1 −1 1 0 1+1 −1 + 0 2 −1
et

2 1 1 2 2−1 1−2 1 −1
𝐴−𝐵 = 0 4 − −3 4 = 0 − (−3) 4 − 4 = 3 0 ∈ ℳ 3,2 ℝ .
1 −1 1 0 1−1 −1 − 0 0 −1
Remarque : La somme matricielle 𝐴 + 𝐵 et la soustraction matricielle 𝐴 − 𝐵 ne sont définies que si 𝐴 et 𝐵
sont de même type.
3.1.2 Propriétés
Soient 𝑝, 𝑛 deux entiers naturels non nuls.
La somme matricielle est commutative : pour toutes matrices 𝐴, 𝐵 ∈ ℳ 𝑝,𝑛 ℝ
𝐴+𝐵 = 𝐵+𝐴
La somme matricielle est associative : pour toutes matrices 𝐴, 𝐵, 𝐶 ∈ ℳ 𝑝,𝑛 ℝ
𝐴+𝐵+𝐶 = 𝐴+𝐵 +𝐶 = 𝐴+ 𝐵+𝐶
La matrice nulle est neutre pour l’addition matricielle : pour toute matrice 𝐴 ∈ ℳ 𝑝,𝑛 ℝ ,
𝐴 + 𝑂𝑝,𝑛 = 𝑂𝑝,𝑛 + 𝐴 = 𝐴
Pour toutes matrices 𝐴, 𝐵 ∈ ℳ 𝑝,𝑛 ℝ ,
𝑡
𝐴+𝐵 = 𝐴𝑡 + 𝐵𝑡
Pour toutes matrices carrées 𝐴, 𝐵 de même ordre, pour tous scalaires 𝛼, 𝛽 non nuls,
𝑡𝑟 𝛼 𝐴 + 𝛽 𝐵 = 𝛼 𝑡𝑟 𝐴 + 𝛽 𝑡𝑟(𝐵)
Exercice : Montrer que,
 la somme de deux matrices symétriques est une matrice symétrique ;
 la somme de deux matrices anti-symétriques est une matrice anti-symétrique ;
 la somme de deux matrices triangulaires inférieures est une matrice triangulaire inférieure ;
 la somme de deux matrices triangulaires supérieures est une matrice triangulaire supérieure ;
 la somme de deux matrices diagonales est une matrice diagonale.
Exercice : Montrer que pour toute matrice carrée 𝐴 d’ordre 𝑛, on a

1
 la matrice As = 2 A + At est symétrique ;
1
 la matrice Aas = 2 A − At est anti-symétrique ;
 la matrice A est la somme de sa partie symétrique As et de sa partie anti-symétrique Aas , c'est-à-

dire, A = As + Aas .
3.2 Multiplication externe
3.2.1 Définition
Soient 𝑝, 𝑛 deux entiers naturels non nuls, λ un réel non nul et A = [𝑎𝑖𝑗 ] ∈ ℳ 𝑝,𝑛 ℝ .
La matrice obtenue par la multiplication de la matrice 𝐴 par le scalaire 𝜆 , notée 𝜆. 𝐴 ou tout
simplement 𝜆𝐴 , est la matrice de même type 𝑝, 𝑛 définie par :
𝜆𝐴 = 𝜆𝑎𝑖𝑗 (𝑝,𝑛)
Chaque coefficient de la matrice 𝜆𝐴 est le produit de 𝜆 par le coefficient du même ordre de 𝐴.

Exemple : Pour λ = 2,
2 3 2(2) 2(3) 4 6
2 0 4 = 2(0) 2(4) = 0 8
1 −1 2(1) 2(−1) 2 −2
Remarque :
 Si 𝜆 = −1, la matrice −1 𝐴 = −𝐴 est la matrice opposée da la matrice 𝐴 ;
 Toute matrice scalaire d’ordre 𝑛 est de la forme : 𝑎𝐼𝑛 où 𝑎 ∈ ℝ∗ .
3.2.2 Propriétés
Pour toutes matrices 𝐴, 𝐵 ∈ ℳ 𝑝,𝑛 ℝ et 𝜆, 𝜇 ∈ ℝ∗ on a :
𝐴 − 𝐴 = 𝐴 + −𝐴 = −𝐴 + 𝐴 = 0𝑝,𝑛
𝜆 𝐴 + 𝐵 = 𝜆𝐴 + 𝜆𝐵
𝜆 + 𝜇 𝐴 = 𝜆𝐴 + 𝜇𝐴
𝜆 𝜇𝐴 = (𝜆 × 𝜇)𝐴
1𝐴=𝐴
0 𝐴 = 0 𝑝,𝑛
Pour toute matrice 𝐴 ∈ ℳ 𝑝,𝑛 ℝ et 𝜆 ∈ ℝ∗, on a : 𝜆𝐴 𝑡
= 𝜆 𝐴𝑡
Pour toute matrice carrée 𝐴 et pour tout 𝜆 ∈ ℝ∗, on a : 𝑡𝑟 𝜆𝐴 = 𝜆 𝑡𝑟(𝐴)
 la multiplication d’une matrice symétrique par un scalaire est une matrice symétrique ;
 la multiplication d’une matrice anti-symétrique par un scalaire est une matrice anti-symétrique ;
 la multiplication d’une matrice triangulaire inférieure par un scalaire est une matrice est une
matrice triangulaire inférieure ;
 la multiplication d’une matrice triangulaire supérieure par un scalaire est une matrice triangulaire
supérieure ;
 la multiplication d’une matrice diagonale par un scalaire est une matrice diagonale.
Remarque :
 Soient 𝐴 = 𝑎𝑖𝑗 et 𝐵 = 𝑏𝑖𝑗 deux matrices de même type 𝑝, 𝑛 où 𝑝, 𝑛 ∈ ℕ∗ et soient 𝜆1 , 𝜆2 ∈ ℝ. On
définit la combinaison linéaire 𝜆1 𝐴 + 𝜆2 𝐵 comme étant la matrice de même type définie par :
𝜆1 𝐴 + 𝜆2 𝐵 = 𝜆1 𝑎𝑖𝑗 + 𝜆2 𝑏𝑖𝑗 (𝑝,𝑛)
Prenons par exemple,

1 2 −2 −1 0 2
A= ∈ ℳ 2,3 ℝ et 𝐵= ∈ ℳ 2,3 ℝ
0 −1 3 −2 1 0
alors,
3 4 −6
2𝐴 − 𝐵 = ∈ ℳ 2,3 ℝ .
2 −3 6
 Toute matrice de ℳ 𝑝,𝑛 ℝ est combinaison linéaire de 𝑝 × 𝑛 matrices. Prenons par exemple,
7 5 −2
A=
4 −6 3
La matrice 𝐴 ∈ ℳ 2,3 ℝ est combinaison linéaire de 6 = 2 × 3 matrices bien particulières :

𝐴 = 7E11 + 5E12 − 2E13 + 4E21 − 6E22 + 3E23

avec,
1 0 0 0 1 0 0 0 1
E11 = , E12 = , E13 = ,
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
E21 = , E22 = , E23 = .
1 0 0 0 1 0 0 0 1
3.3 Produit interne
3.3.1 Définition
Soient 𝑝, 𝑚, 𝑛 trois entiers naturels non nuls, 𝐴 = 𝑎𝑖𝑗 ∈ ℳ 𝑝,𝑚 ℝ et 𝐵 = 𝑏𝑖𝑗 ∈ ℳ 𝑚 ,𝑛 ℝ vérifiant la
condition de compatibilité sur les types de matrices (pour le calcul du produit 𝐴 × 𝐵, le nombre de colonnes
de la première matrice 𝐴 doit être égal au nombre de lignes de la deuxième matrice 𝐵). Le produit 𝐴 × 𝐵 =
𝑐𝑖𝑗 1≤𝑖≤𝑝 , noté encore 𝐴𝐵, est une matrice de type 𝑝, 𝑛 et de terme général,
1≤𝑗 ≤𝑛
𝑚
𝑐𝑖𝑗 = 𝑎𝑖𝑘 𝑏𝑘𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + … + 𝑎𝑖𝑚 𝑏𝑚𝑗 ∀ 𝑖, 𝑗 1 ≤ 𝑖 ≤ 𝑝, 1 ≤ 𝑗 ≤ 𝑛

𝑘=1
Autrement dit, le coefficient 𝑐𝑖𝑗 est le produit scalaire de la 𝑖 ème ligne de la matrice 𝐴 par la 𝑗 ème colonne de
la matrice 𝐵.
… … … ⋮ 𝑏1𝑗 ⋮ ⋮
𝑎𝑖1 … 𝑎𝑖𝑚 × ⋮ ⋮ ⋮ = … 𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + … + 𝑎𝑖𝑚 𝑏𝑚𝑗 …
… … … ⋮ 𝑏𝑚𝑗 ⋮ ⋮
En pratique, il est commode d’adopter la disposition suivante pour le calcul du produit matriciel AB. On
place la matrice B au-dessus et à droite de la matrice A :
⋮ 𝑏1𝑗 ⋮
⋮ ⋮ ⋮
⋮ 𝑏𝑚𝑗 ⋮
B
A AB
⋯ ⋯ ⋯ ⋮
𝑎𝑖1 ⋯ 𝑎𝑖𝑚 ⋯ 𝑐𝑖𝑗 ⋯
⋯ ⋯ ⋯ ⋮
𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + … + 𝑎𝑖(𝑚 −1) 𝑏(𝑚−1)𝑗 + 𝑎𝑖𝑚 𝑏𝑚𝑗
Exemple : Soient les matrices,
1 4 7 𝑎
𝐴= 2 5 8 𝐵= 𝑏
3 6 9 𝑐
𝐴 est de type 𝐵 est de type
3,3 3,1
Soit,

𝑎
𝑏
𝑐
1 4 7
𝑎 + 4𝑏 + 7𝑐
2 5 8
2𝑎 + 5𝑏 + 8𝑐
3 6 9
3𝑎 + 6𝑏 + 9𝑐
𝑎 + 4𝑏 + 7𝑐
Ainsi, la matrice 𝐴𝐵 de type 3,1 est donnée par : 𝐴𝐵 = 2𝑎 + 5𝑏 + 8𝑐
3𝑎 + 6𝑏 + 9𝑐
Exemple : Soient les matrices,
1 −1 0 1
2 1 0
𝐴= 𝐵= 0 2 2 0
4 −1 1
−2 0 3 1
𝐴 est de type 𝐵 est de type
2, 𝟑 𝟑, 4
Soit,
1 −1 0 1
0 2 2 0
−2 0 3 1
2 1 0 2 + 0 + 0 −2 + 2 + 0
0+2+0 2+0+0
4 −1 1 4 + 0 − 2 −4 − 2 + 0
0−2+3 4+0+1
2 0 2 2
Ainsi, la matrice 𝐴𝐵 de type 2,4 est donnée par : 𝐴𝐵 =
2 −6 1 5
Exercice : Effectuer le produit des deux matrices formées de mots suivantes en omettant les signes
d’opérations (Raymond Queneau 1964)
le a le chat rat lion
un a un mangé devoré degusté
le avait un poisson fromage touriste
Exercice : Considérons un système linéaire de deux équations à trois inconnues 𝑥, 𝑦 et 𝑧 :
2𝑥 + 3𝑦 + 𝑧 = 23
𝑥 − 2𝑦 + 3𝑧 = 10
Montrer que ce système peut se mettre sous forme matricielle.
Remarques :
 Le produit 𝐴𝐵 n’est défini que si le nombre de colonnes de la première matrice 𝐴 est égal au nombre
de lignes de la deuxième matrice 𝐵. Sinon, le produit est impossible.
1 2 1 0 1
Contre exemple : Soient 𝐴 = ∈ ℳ 2 (ℝ) et 𝐵 = ∈ ℳ(2,3) (ℝ)
−1 0 −1 2 0
Le produit 𝐴𝐵 est possible tandis que le produit 𝐵𝐴 n’est pas possible.
 Notons qu’en général, 𝐴𝐵 ≠ 𝐵𝐴. On dit que le produit matriciel n’est pas commutatif.
1 2 1 1
Contre exemple : Soient A = et B = .
−1 0 0 −1
1 −1 0 2
Ainsi, 𝐴𝐵 = ≠ = 𝐵𝐴
−1 −1 1 0

 Pour toute matrice A ∈ ℳ 𝑝,𝑛 ℝ , on a : A𝑝,𝑛 𝑂𝑛,𝑞 = 𝑂𝑝,𝑞 et 𝑂𝑞,𝑝 A𝑝,𝑛 = 𝑂𝑞,𝑛 .
2 1
Exemple : Soit A = 0 4 ∈ ℳ 3,2 . Alors A3,2 𝑂2,4 = 𝑂3,4 et 𝑂5,3 A3,2 = 𝑂5,2 .
1 −1
 Pour toute matrice A ∈ ℳ 𝑝,𝑛 ℝ , on a : A𝑝,𝑛 I𝑛 = A𝑝,𝑛 et I𝑝 A𝑝,𝑛 = A𝑝,𝑛 .
2 1
Exemple : Soit A = 0 4 ∈ ℳ 3,2 . Alors A3,2 I2 = A3,2 et I3 A3,2 = A3,2 .
1 −1
 Pour toute matrice 𝐴 ∈ ℳ 𝑝,𝑛 ℝ , la matrice 𝐴𝐴𝑡 est une matrice carrée symétrique d’ordre 𝑝 et la
matrice 𝐴𝑡 𝐴 est une matrice carrée symétrique d’ordre 𝑛.
2 1
2 0 1
Exemple : Soient A= 0 4 ∈ ℳ 3,2 et At = ∈ ℳ 2,3 ℝ
1 4 −1
1 −1
Tout calcul fait, on obtient :
5 4 1
𝑡 5 1
𝐴𝐴 = 4 16 −4 ∈ ℳ 3,3 et 𝐴𝑡 𝐴 = ∈ℳ 2,2
1 18
1 −4 2
 Une matrice carrée 𝐴 d’ordre 𝑛 est dite orthogonale si et seulement si 𝐴𝐴𝑡 = 𝐼3 .
−2 −2 1
1
Exemple : Soit A = 3 −2 1 −2
1 −2 −2
Tout calcul fait, on obtient 𝐴𝐴𝑡 = 𝐼3 . Donc, 𝐴 est orthogonale.
3.3.2 Cas particuliers de produits matriciels

 Matrice ligne de type 1, 𝑛 × matrice colonne de type 𝑛, 1 ⇝ matrice de type 1,1
Autrement dit : vecteur ligne 𝑋 𝑡 × vecteur colonne 𝑌 ⇝ scalaire
𝑦1
𝑦2
𝑋 𝑡 𝑌 = 𝑥1 𝑥2 … 𝑥𝑛
⋮ = 𝑥1 𝑦1 + 𝑥2 𝑦2 + ⋯ + 𝑥𝑛 𝑦𝑛 ∈ ℝ
𝑦𝑛
Ce produit est appelé produit scalaire du vecteur 𝑋 par le vecteur 𝑌 et noté 𝑋. 𝑌
La racine carrée de 𝑋 𝑡 𝑋 est appelée la norme du vecteur 𝑋 et est notée 𝑋 .
1 2
2 4
Exemple : Soient les vecteurs 𝑋 = ∈ ℳ 4,1 et 𝑌 = ∈ ℳ 4,1 de même type.
0 3
−2 0
2 1
4 2
𝑋𝑡 𝑌 = 1 2 0 −2 = 10 et 𝑋 𝑡 𝑋 = 1 2 0 −2 =9
3 0
0 −2
1
𝑋 = 𝑋𝑡 𝑋 2 = 𝑋𝑡 𝑋 = 9 = 3.
 Matrice colonne de type 𝑝, 1 × matrice ligne de type 1, 𝑛 ⇝ matrice de type 𝑝, 𝑛
Autrement dit : vecteur colonne 𝑋 × vecteur ligne 𝑌 𝑡 ⇝ matrice 𝐴

𝑥1 𝑥1 𝑦1 𝑥1 𝑦2 … 𝑥1 𝑦𝑛
𝑥2 𝑥2 𝑦1 𝑥2 𝑦2 … 𝑥2 𝑦𝑛
𝑋𝑌𝑡 = 𝑦1 𝑦2 … 𝑦𝑝 = = 𝐴 ∈ ℳ 𝑝,𝑛
⋮ ⋮ ⋮ ⋱ ⋮
𝑥𝑝 𝑥𝑝 𝑦1 𝑥𝑝 𝑦2 … 𝑥𝑝 𝑦𝑛
2
1
4
Exemple : Soient les vecteurs 𝑋 = 2 ∈ ℳ 3,1 et 𝑌 = ∈ ℳ 4,1 .
3
0
0
1 2 4 3 0
𝑋𝑌𝑡 = 2 2 4 3 0 = 4 8 6 0 =A∈ℳ 3,4
0 0 0 0 0
 Matrice de type 𝑝, 𝑛 × matrice colonne de type 𝑛, 1 ⇝ matrice de type 𝑝, 1
Autrement dit : matrice 𝐴 × vecteur colonne 𝑋 ⇝ vecteur colonne 𝑌
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛
𝐴𝑋 = ⋮ ⋮ ⋱ ⋮ ⋮ = ⋮ = 𝑌 ∈ ℳ 𝑝,1
𝑎𝑝1 𝑎𝑝2 … 𝑎𝑝𝑛 𝑥𝑛 𝑎𝑝1 𝑥1 + 𝑎𝑝2 𝑥2 + ⋯ + 𝑎𝑝𝑛 𝑥𝑛
1
1 2 0 2 2
Exemple : Soient la matrice 𝐴 = ∈𝑀 2,4 et le vecteur 𝑋 = ∈ ℳ 4,1 .
−1 4 2 1 0
−2
1
1 2 0 2 2 1
𝐴𝑋 = = = 𝑌 ∈ ℳ 2,1
−1 4 2 1 0 5
−2
 Matrice ligne de type 1, 𝑛 × matrice de type 𝑛, 𝑚 ⇝ matrice de type 1, 𝑚
Autrement dit : vecteur ligne 𝑋 𝑡 × matrice 𝐴 ⇝ vecteur ligne 𝑌
𝑎11 𝑎12 … 𝑎1𝑚
𝑎21 𝑎22 … 𝑎2𝑚
𝑋𝑡 𝐴 = 𝑥1 𝑥2 … 𝑥𝑛
⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑚
𝑛 𝑛 𝑛
= 𝑏𝑖 𝑎𝑖1 𝑏𝑖 𝑎𝑖2 … 𝑏𝑖 𝑎𝑖𝑚

𝑖=1 𝑖=1 𝑖=1
= 𝑌∈𝑀 𝑝,1
2 1 1
0 −1 2
Exemple : Soient la matrice 𝐴 = ∈ ℳ 4,2 et le vecteur 𝑋 = ∈ℳ 4,1 .
2 2 0
1 0 −2
2 1
0 −1
𝑋𝑡 𝐴 = 1 2 0 −2 = 0 −1 = 𝑌 ∈ ℳ 1,2
2 2
1 0
Remarque :
 Le produit matriciel de la matrice 𝐴 ∈ ℳ 𝑝,𝑚 par la matrice 𝐵 ∈ ℳ 𝑚 ,𝑛 est la matrice 𝐶 ∈ ℳ 𝑝,𝑛 telle
que le terme général 𝑐𝑖𝑗 est égal au produit scalaire de la ligne 𝑖 de la matrice 𝐴 par la colonne 𝑗 de la
matrice 𝐵.

 Le produit d’une matrice par un vecteur colonne est combinaison linéaire des colonnes de la matrice dont
les coefficients sont les composantes du vecteur.
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑎11 𝑎12 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑎21 𝑎22 𝑎2𝑛
𝐴𝑋 = ⋮ ⋮ ⋱ ⋮ ⋮ = 𝑥1 ⋮ + 𝑥2 ⋮ + ⋯ + 𝑥𝑛 ⋮
𝑎𝑝1 𝑎𝑝2 … 𝑎𝑝𝑛 𝑥𝑛 𝑎𝑝1 𝑎𝑝2 𝑎𝑝𝑛
Donc,
𝐴𝑋 = 𝑥1 𝐴.1 + 𝑥2 𝐴.2 + ⋯ + 𝑥𝑛 𝐴.𝑛
Exercice : Étant donnée une matrice carrée symétrique 𝐴 et un vecteur colonne 𝑋, le produit 𝑋 𝑡 𝐴𝑋 ∈ ℝ est
un scalaire appelé forme quadratique. Calculer 𝑋 𝑡 𝐴𝑋 pour la matrice 𝐴 et le vecteur colonne 𝑋 donnés par :
1 2 4 1
𝐴= 2 −1 1 et 𝑋 = 2 .
4 1 2 −1
3.3.3 Propriétés
Soient 𝑝, 𝑞, 𝑚, 𝑛 quatre entiers naturels non nuls.
Le produit matriciel est associatif : pour toutes 𝐴 ∈ ℳ 𝑝,𝑞 ℝ , 𝐵 ∈ ℳ 𝑞,𝑚 ℝ et 𝐶 ∈ ℳ 𝑚 ,𝑛 ℝ :
𝐴𝐵𝐶 = 𝐴𝐵 𝐶 = 𝐴 𝐵𝐶
Le produit matriciel est distributif à droite par rapport à l’addition : pour toutes matrices 𝐴 ∈ ℳ 𝑝,𝑞 ℝ ,
𝐵 ∈ ℳ 𝑞,𝑚 ℝ et 𝐶 ∈ ℳ 𝑞,𝑚 ℝ :
𝐴 𝐵 + 𝐶 = 𝐴𝐵 + 𝐴𝐶
Le produit matriciel est distributif à gauche par rapport à l’addition : pour toutes matrices 𝐴 ∈
ℳ𝑝,𝑞ℝ, 𝐵∈ℳ𝑝,𝑞ℝ et 𝐶∈ℳ𝑞,𝑚ℝ :
𝐴 + 𝐵 𝐶 = 𝐴𝐶 + 𝐵𝐶
Pour toutes matrices 𝐴 ∈ ℳ 𝑝,𝑞 ℝ et 𝐵 ∈ ℳ 𝑞,𝑚 ℝ et pour tout scalaire non nul  :
𝐴(𝐵) = (𝐴𝐵)
La matrice unité est neutre pour le produit matriciel : pour toute matrice 𝐴 ∈ ℳ 𝑛 ℝ,
𝐴 𝐼𝑛 = 𝐼𝑛 𝐴 = 𝐴
Pour toutes matrices 𝐴 ∈ ℳ 𝑝,𝑞 ℝ , 𝐵 ∈ ℳ 𝑞,𝑚 ℝ et 𝐶 ∈ ℳ 𝑚 ,𝑛 ℝ :
(𝐴𝐵)𝑡 = 𝐵𝑡 𝐴𝑡 et (𝐴𝐵𝐶)𝑡 = 𝐶 𝑡 𝐵𝑡 𝐴𝑡
Pour toutes matrices carrées 𝐴, 𝐵, 𝐶 :
𝑡𝑟 𝐴𝐵 = 𝑡𝑟 𝐵𝐴
𝑡𝑟 𝐴𝐵𝐶 = 𝑡𝑟 𝐵𝐶𝐴 = 𝑡𝑟(𝐶𝐴𝐵)
Exercice : Montrer à l’aide de contre exemples que,
 le produit matriciel de deux matrices symétriques n’est pas nécessairement une matrice symétrique ;
 le produit matriciel de deux matrices anti-symétriques n’est pas nécessairement une matrice anti-
symétrique.
 le produit matriciel de deux matrices triangulaires inférieures est une matrice triangulaire inférieure ;

 le produit matriciel de deux matrices triangulaires supérieures est une matrice triangulaire supérieure ;
 le produit matriciel de deux matrices diagonales est une matrice diagonale.
3.3.4 Existence des diviseurs de zéro
Si l’une des deux matrices 𝐴 ∈ ℳ 𝑝,𝑚 ℝ et 𝐵 ∈ ℳ 𝑚 ,𝑛 ℝ du produit matriciel 𝐴B est nulle
alors le produit est nul. La réciproque n’est pas toujours vraie, c'est-à-dire :
Si 𝐴𝐵 = 0𝑝,𝑛 alors on a pas forcement (𝐴 = 0𝑝,𝑚 ou 𝐵 = 0𝑚 ,𝑛 )
Dans ce cas, les matrices 𝐴 et 𝐵 sont dites « diviseurs de zéro ».
1 0 0 0
Contre Exemple : Soient 𝐴 = ≠ 02 et 𝐵 = ≠ 02 mais 𝐴𝐵 = 02
4 0 3 −1
Conséquence : Soient 𝐴, 𝐵 et 𝐶 trois matrices carrées.
L'égalité 𝐴𝐵 = 𝐴𝐶 n'implique pas 𝐵 = 𝐶.
3.3.5 Puissance d’une matrice carrée
Soit 𝐴 ∈ ℳ 𝑛 ℝ . On pose :
𝐴0 = 𝐼𝑛
𝐴𝑘 = 𝐴 × 𝐴 × … × 𝐴 = 𝐴𝑘−1 × 𝐴 ∀𝑘 ∈ ℕ∗
𝑘 𝑓𝑜𝑖𝑠
La matrice 𝐴𝑘 est la matrice puissance de 𝐴 jusqu’à l’ordre 𝑘.

1 0
Exemple : Soit A une matrice carrée d’ordre 2 donnée par : A = .
1 1
0 1 1 0 1 0
A0 = I2 = , A1 = A = , A2 = A × A = ,
1 0 1 1 2 1
1 0 1 0
A3 = A2 × A = , A4 = A3 × A = .
3 1 4 1
On constate que :
1 0
A𝑘 = A𝑘−1 × A = ∀𝑘 ∈ ℕ
k 1
On peut montrer ce résultat par un raisonnement par récurrence sur 𝑘.
Remarque : Pour toute matrice carrée 𝐴 ∈ ℳ 𝑛 ℝ et pour tout , 𝑞 ∈ ℕ∗ ,
 A𝑝 A𝑞 = Ap+q
 (A𝑝 )q = A𝑝𝑞
𝑝
 𝐼𝑛 = 𝐼𝑛
𝑝
 𝑑𝑖𝑎𝑔(𝑎11 , 𝑎22 , ⋯ , 𝑎𝑛𝑛 ) = 𝑑𝑖𝑎𝑔(𝑎11 𝑝 , 𝑎22 𝑝 , ⋯ , 𝑎𝑛𝑛 𝑝 )
3.3.6 Formule du Binôme de Newton
Soient deux matrices carrées 𝐴, 𝐵. En général,
2
𝐴+𝐵 ≠ 𝐴2 + 2𝐴𝐵 + 𝐵2 et 𝐴 + 𝐵 𝐴 − 𝐵 ≠ 𝐴2 − 𝐵2 .
On a les égalités que si 𝐴 et 𝐵 commutent pour le produit matriciel, c'est-à-dire AB = BA.
1 2 1 1
Contre exemple : Soient 𝐴 = et 𝐵 = . On remarque que 𝐴𝐵 ≠ 𝐵𝐴
−1 0 0 −1
2 1 3 2 0
𝐴+𝐵 = alors que 𝐴2 + 2𝐴𝐵 + 𝐵2 = .
−1 −2 −3 −3

Théorème : Soient A, B ∈ ℳ 𝑛 ℝ . On suppose que A et B commutent pour le produit matriciel. Alors,

pour tout 𝑝 ∈ ℕ∗
𝑝 𝑝
𝑝
𝑝 𝑘 𝑝−𝑘
𝑝
A+B = A B = A𝑝−𝑘 B 𝑘
𝑘 𝑘
𝑘=0 𝑘=0
où
𝑝 𝑝!
=
𝑘 𝑘! 𝑝 − 𝑘 !
0 1 1 1
Exemple : Soient 𝐴 = et 𝐵 = .
−1 1 −1 2
3
On a 𝐴𝐵 = 𝐵𝐴 et donc, 𝐴+𝐵 = 𝐴3 + 3𝐴2 𝐵 + 3𝐴𝐵2 + 𝐵3
3.3.7 Matrice idempotente
Une matrice carrée 𝐴 d’ordre 𝑛 est idempotente si A2 = A.
3 1
Exemple : Soit A une matrice carrée d’ordre 2 donnée par 𝐴 =
−6 −2
3 1 3 1 3 1
On vérifie facilement que : A2 = = = A.
−6 −2 −6 −2 −6 −2
Exercice : Montrer que pour toute matrice idempotente 𝐴, on a 𝐴𝑘 = 𝐴 pour tout 𝑘 ∈ ℕ∗
3.3.8 Matrice nilpotente
Une matrice carrée A d’ordre n est nilpotente d’ordre p (p ∈ ℕ, p ≥ 2) si : A𝑝 = 0𝑛 et A𝑝−1 ≠ 0𝑛
0 1
Exemple : Soit A une matrice carrée d’ordre 2 donnée par 𝐴 = ≠ 02
0 0
0 1 0 1 0 0
On vérifie facilement que : A2 = = = 02
0 0 0 0 0 0
Donc, la matrice A nilpotente d’ordre 2.
4 Opérations élémentaires lignes

4.1 Définition
On cite trois types d’opérations élémentaires lignes de ℳ 𝑝,𝑛 ℝ dans ℳ 𝑝,𝑛 ℝ définies comme suit où
α, β ∈ ℝ∗ :
En effectuant l’opération 𝐿𝑖 (β) 𝐴 ⇝ on obtient une nouvelle matrice 𝐴′ en multipliant la 𝑖 ème ligne de
𝐴 par β :
𝐿i 𝐴′ ↞ β . 𝐿i 𝐴
𝐿𝑖 (β) ′
et on note 𝐴 𝐴
~
En effectuant l’opération 𝐿𝑖𝑗 𝐴 ⇝ on obtient une nouvelle matrice 𝐴′ en permutant la 𝑖 ème ligne
avec la 𝑗 ème ligne de 𝐴 :
𝐿i 𝐴′ ↞ 𝐿j 𝐴 et 𝐿j 𝐴′ ↞ 𝐿i 𝐴
𝐿𝑖𝑗 ′
~

En effectuant l’opération 𝐿𝑖𝑗 (α) 𝐴 ⇝ on obtient une nouvelle matrice 𝐴′ en ajoutant à la 𝑖 ème ligne de
𝐴 la 𝑗 ème ligne de 𝐴 multipliée par α :
𝐿i 𝐴′ ↞ 𝐿i 𝐴 + α . 𝐿j 𝐴
𝐿𝑖𝑗 (α) ′
~
Remarque : On peut effectuer des opérations élémentaires similaires sur les colonnes, on parle d’opérations
élémentaires colonnes.
4.2 Matrices Ligne-équivalentes
Deux matrices 𝐴 et 𝐵 sont dites ligne-équivalentes si l’une est la transformée de l’autre par une suite finie
d’opérations élémentaires lignes. On note tout simplement 𝐴 ~ 𝐵.
Exemple : Soit la matrice donnée par :
0 −1 2 3
2 4 6 −4
A= 0 −1 1 2 ∈ℳ 5,4 ℝ
3 2 0 1
0 1 1 3
1
Effectuons simultanément sur la matrice 𝐴 les transformations élémentaires lignes suivantes : 𝐿21 , 𝐿1 2
puis 𝐿41 −3 .
 L’opération 𝐿21 A :
0 −1 2 3 2 4 6 −4
2 4 6 −4 0 −1 2 3
𝐿21
A= 0 −1 1 2 0 −1 1 2 = A1
~
3 2 0 1 3 2 0 1
0 1 1 3 0 1 1 3
1
 L’opération 𝐿1 2
A1 :
2 4 6 −4 1 2 3 −2
0 −1 2 3 1 0 −1 2 3
A= 0 −1 1 2 𝐿1 0 −1 1 2 = A2
2
3 2 0 1 ~ 3 2 0 1
0 1 1 3 0 1 1 3
 L’opération 𝐿41 −3 (A2 ) :
1 2 3 −2 1 2 3 −2
0 −1 2 3 0 −1 2 3
A2 = 𝐿41 −3 = A3
0 −1 1 2 0 −1 1 2
~
3 2 0 1 0 −4 −9 7
0 1 1 3 0 1 1 3
On constate que A ~ A3
5 Déterminant d’une matrice carrée

L'objectif de ce chapitre est de fournir les principales règles relatives au calcul du déterminant d’une
matrice carrée.
5.1 Calcul du déterminant d’une matrice carrée

Considérons une matrice carrée 𝐴 d’ordre 𝑛 :

𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴= ⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
On note le déterminant de la matrice 𝐴 par :
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝑑𝑒𝑡 𝐴 = 𝐴 = ⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛
Ne pas confondre les notations :
 avec des parenthèses (ou des crochets) pour une matrice,
 avec des barres pour un déterminant.
5.1.1 Déterminant d’une matrice d’ordre 1
Le déterminant d’une matrice carrée A = 𝑎11 d’ordre 1 est égal au scalaire 𝑎11 .
𝑎11 𝑎12
Soit 𝐴 une matrice carrée d’ordre 2 : 𝐴 = 𝑎 𝑎22
21
Son déterminant est le scalaire :

𝑎11 𝑎12
𝑑𝑒𝑡 𝐴 = 𝐴 = 𝑎 𝑎22 = 𝑎11 𝑎22 − 𝑎21 𝑎12
21
1 −9 1 −9
Exemple : Soit 𝐴 = , alors det 𝐴 = = 5 + 18 = 23
2 5 2 5
3 6 3 6
Soit 𝐵 = , alors det 𝐵 = =6−6=0
1 2 1 2
Soit A une matrice carrée d’ordre 3 :
𝑎11 𝑎12 𝑎13
𝑎
A = 21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
Son déterminant est calculé selon différentes méthodes :
5.1.3.1 Règle de Pierre Frédéric SARRUS
Principe (Règle absolument non généralisable à des ordres autre que 3) :
On écrit les trois colonnes de la matrice et on répète les deux premières colonnes (disposition ligne) ou
encore, on écrit les trois lignes de la matrice et on répète les deux premières lignes (disposition colonne). On
se trouve dans les deux cas avec trois diagonales descendantes et trois diagonales ascendantes :
𝑑𝑒𝑡 𝐴 = 𝑆𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑑𝑒𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑒𝑠 𝑑𝑒𝑠𝑐𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠
− [𝑆𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑑𝑒𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑒𝑠 𝑎𝑠𝑐𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠]
Selon une disposition ligne :

+𝑎11 𝑎22 𝑎33 +𝑎12 𝑎23 𝑎31 +𝑎13 𝑎21 𝑎32 −𝑎31 𝑎22 𝑎13 −𝑎32 𝑎23 𝑎11 −𝑎33 𝑎21 𝑎12
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12

det 𝐴 = 𝑎21 𝑎22 𝑎23 𝑎21 𝑎22
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
𝐶1 𝐶2 𝐶3 𝐶1 𝐶2
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎31 𝑎22 𝑎13 + 𝑎32 𝑎23 𝑎11 + 𝑎33 𝑎21 𝑎12
ou encore, selon une disposition colonne :
−𝑎31 𝑎22 𝑎13
𝐿1 𝑎11 𝑎12 𝑎13 −𝑎11 𝑎32 𝑎23
𝐿2 𝑎21 𝑎22 𝑎23 −𝑎21 𝑎12 𝑎33
det 𝐴 = 𝐿3 𝑎31 𝑎32 𝑎33 +𝑎11 𝑎22 𝑎33
𝐿4 𝑎11 𝑎12 𝑎13
𝑎21 𝑎22 𝑎23 +𝑎21 𝑎32 𝑎13
𝐿5 +𝑎31 𝑎12 𝑎23
= 𝑎11 𝑎22 𝑎33 + 𝑎21 𝑎32 𝑎13 + 𝑎31 𝑎12 𝑎23 − 𝑎31 𝑎22 𝑎13 + 𝑎11 𝑎32 𝑎23 + 𝑎21 𝑎12 𝑎33
2 3 2
Exemple : Soit 𝐴 = 0 3 0 , alors
4 1 1
2 3 2 2 3
det A = 0 3 0 0 3
4 1 1 4 1
= 2 × 3 × 1 + 3 × 0 × 4 + (2 × 0 × 1)
− 4 × 3 × 2 + 1 × 0 × 2 + (1 × 0 × 3)
= 6 + 0 + 0 − 24 + 0 + 0
= −18
ou encore
2 3 2
0 3 0
det A = 4 1 1
2 3 2
0 3 0
= 2 × 3 × 1 + 0 × 1 × 2 + (4 × 3 × 0)
− 4 × 3 × 2 + 2 × 1 × 0 + (0 × 3 × 1)
= 6 + 0 + 0 − 24 + 0 + 0
= −18
5.1.3.2 Méthode de développement selon les éléments de la matrice
Considérons une matrice carrée 𝐴 d’ordre 3 :
𝑎11 𝑎12 𝑎13
𝑎
𝐴 = 21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
On appelle mineur de 𝑎𝑖𝑗 , noté 𝑀𝑖𝑗 , le déterminant de la sous-matrice carrée extraite d’ordre 2 obtenue en
supprimant la 𝑖 ième ligne et la 𝑗 ième colonne de la matrice 𝐴. Le nombre réel 𝐶𝑖𝑗 = (−1)𝑖+𝑗 𝑀𝑖𝑗 est appelé
cofacteur de l’élément 𝑎𝑖𝑗 .
Par exemple :
𝑎12 𝑎13
𝑀21 = 𝑎 est le mineur de 𝑎21 et 𝐶21 = (−1)2+1 𝑀21 est le cofacteur de 𝑎21 .
32 𝑎33

Pour calculer le déterminant de 𝐴, on somme les produits des éléments d'une ligne ou d’une colonne (à
notre choix) par leurs cofacteurs respectifs. En pratique, on développe selon la ligne ou la colonne qui
contient le maximum d’éléments nuls (s'il y en a).
Les éléments (−1)i+j des cofacteurs forment graphiquement la matrice suivante, dite matrice de
signes (alternance entre les deux signes) :
(−1)1+1 (−1)1+2 (−1)1+3 + − +
(−1)2+1 (−1)2+2 (−1)2+3 = − + −
(−1)3+1 (−1)3+2 (−1)3+3 + − +
Méthode de développement selon les éléments d’une ligne de la matrice
En développant selon la deuxième ligne on trouve :
𝑎11 𝑎12 𝑎13
𝑑𝑒𝑡 𝐴 = 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
= 𝑎21 𝐶21 + 𝑎22 𝐶22 + 𝑎23 𝐶23
= (−1)2+1 𝑎21 𝑀21 + (−1)2+2 𝑎22 𝑀22 + (−1)2+3 𝑎23 𝑀23

𝑎 𝑎 𝑎 𝑎 𝑎 𝑎
= −𝑎21 𝑎12 𝑎13 + 𝑎22 𝑎11 𝑎13 − 𝑎23 𝑎11 𝑎12
32 33 31 33 31 32
= −𝑎21 [𝑎12 𝑎33 − 𝑎32 𝑎13 ] + 𝑎22 [𝑎11 𝑎33 − 𝑎31 𝑎13 ] − 𝑎23 [𝑎11 𝑎32 − 𝑎31 𝑎12 ]
Exemple : Soit la matrice carrée 𝐴 d’ordre 3 :

2 3 2
𝐴= 0 3 0
4 1 1
Si on développe selon la première ligne :
3 2 2
𝑑𝑒𝑡 𝐴 = 3 0 0
1 1 4
3 0 0 0 0 3.
= +2 −3 +2
1 1 4 1 4 1
= 2 3 − 3 0 + 2 −12 = −18
Si on développe selon la deuxième ligne (le calcul est simplifié) :
2 3 2
𝑑𝑒𝑡 𝐴 = 0 3 0
4 1 1
3 2 2 2 2 3
= −0 +3 −0
1 1 4 1 4 1
= 0 + 3 −6 − 0 = −18
Méthode de développement selon les éléments d’une colonne de la matrice
En développant selon la deuxième colonne on trouve :

𝑎11 𝑎12 𝑎13

det 𝐴 = 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
= 𝑎12 𝐶12 + 𝑎22 𝐶22 + 𝑎32 𝐶32
= (−1)1+2 𝑎12 𝑀12 + (−1)2+2 𝑎22 𝑀22 + (−1)3+2 𝑎32 𝑀32

𝑎21 𝑎23 𝑎11 𝑎13 𝑎11 𝑎13
= −𝑎12 𝑎 𝑎33 + 𝑎22 𝑎31 𝑎33 − 𝑎32 𝑎21 𝑎23
31
= −𝑎21 [𝑎21 𝑎33 − 𝑎31 𝑎23 ] + 𝑎22 [𝑎11 𝑎33 − 𝑎31 𝑎13 ] − 𝑎23 [𝑎11 𝑎23 − 𝑎21 𝑎13 ]
Exemple : Soit la matrice carrée A d’ordre 3 :
2 3 2
A= 0 3 0
4 1 1
Si on développe selon la première colonne :
3 2 2
𝑑𝑒𝑡 𝐴 = 3 0 0
1 1 4
3 0 3 2 3 2.
= +2 −0 +4
1 1 1 1 3 0
= 2 3 − 0 + 4 −6 = −18
Exemple : La règle de SARRUS n’est autre que le développement du déterminant selon la première colonne
ou la première ligne.
5.1.4 Déterminant d’une matrice carrée d’ordre 𝒏
Le calcul du déterminant d’une matrice carrée d’ordre 𝑛 > 1 se ramène au calcul de 𝑛 déterminants d’ordre
(𝑛 − 1) qui pour chacun d’entre eux se ramène au calcul de (𝑛 − 1) déterminants d’ordre (𝑛 − 2) et ainsi
de suite.
La matrice de signes d’une matrice carrée d’ordre 𝑛 est la suivante :
+ − + … −1 1+𝑗 … −1 1+𝑛
− + − … −1 2+𝑗 … −1 2+𝑛
+ − + … −1 3+𝑗 … −1 3+𝑛
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
−1 𝑖+1 −1 𝑖+2 −1 𝑖+3 … −1 𝑖+𝑗 … −1 𝑖+𝑛
⋮ ⋮ ⋮ ⋮ ⋱ ⋮
−1 𝑛+1 −1 𝑛+2 −1 𝑛+3 … −1 𝑛+𝑗 … +
Exemple : Soit la matrice carrée A d’ordre 4,
1 2 3 0
−1 2 −1 0
A=
0 3 0 4
1 0 5 2
alors, la matrice de signes est la suivante :
+ − + −
− + − +
+ − + −
− + − +
Si on développe selon la troisième ligne (contient deux zéros) :

1 2 3 0
−1 2 −1 0
𝑑𝑒𝑡 𝐴 =
0 3 0 4
1 0 5 2
1 3 0 1 2 3
= −3 −1 −1 0 − 4 −1 2 −1
1 5 2 1 0 5
1 3 2 3 1 2
= −3 +2 − 4 +1 +5
−1 −1 2 −1 −1 2
= −3 4 − 4(12)
= −60
Si on développe selon la quatrième colonne (contient deux zéros) :
1 2 3 0
−1 2 −1 0
det 𝐴 =
0 3 0 4
1 0 5 2
1 2 3 1 2 3
= −4 −1 2 −1 + 2 −1 2 −1
1 0 5 0 3 0
2 3 1 2 1 3
= −4 +1 +5 + 2 −3
2 −1 −1 2 −1 −1
= −4 12 + 2(−6)
= −60
5.2 Règles simplificatrices des déterminants
Il sera très judicieux d’appliquer les propriétés suivantes afin de simplifier les calculs des déterminants :
 Une matrice carrée ayant au moins une ligne nulle (respectivement colonne nulle) a un déterminant nul.
2 −1 4 5 0
1 2 3 0
1 2 3 2 0
−1 2 −1 8
Exemple : Soient 𝐴 = et 𝐵 = −1 2 −1 1 0
0 0 0 0
0 3 0 1 0
1 0 5 2
1 0 5 2 0
Sans faire de calcul, 𝑑𝑒𝑡(𝐴) = 0 (la ligne 𝐿3 𝐴 est nulle) et 𝑑𝑒𝑡 𝐵 = 0 (la colonne 𝐶5 𝐵 est nulle).
 Une matrice carrée ayant au moins deux lignes (respectivement deux colonnes) identiques, ou encore
proportionnelles, a un déterminant nul.
Exemple :
2 −1 4 5 −1 1 3 8 4 4
1 2 3 0
1 2 3 2 2 −1 9 −4 8 −2
−1 2 −1 8
𝐴= , 𝐵= −1 2 −1 1 2 et C= 3 −1 0 1 0
1 2 3 0
0 3 0 1 3 6 8 4 0 2
1 0 5 2
1 0 5 2 0 −3 1 2 3 1
Sans faire de calcul, 𝑑𝑒𝑡(𝐴) = 0 (car 𝐿1 𝐴 = 𝐿3 𝐴 ), 𝑑𝑒𝑡(𝐵) = 0 (car 𝐶2 𝐵 = 𝐶5 𝐵 ) et
𝑑𝑒𝑡(𝐶) = 0 (car 𝐶3 (𝐶) = 2𝐶5 (𝐶)).
 Une matrice dont au moins une ligne (respectivement une colonne) est combinaison linéaire d’autres
lignes (respectivement d’autres colonnes) de la matrice a un déterminant nul.
2 2 3 1
−1 2 −1 0
Exemple : Soit 𝐴 =
−1 2 2 1
1 4 5 2

Sans faire de calcul, 𝑑𝑒𝑡(𝐴) = 0 (car 𝐿4 (𝐴) = 𝐿1 (𝐴) + 𝐿3 (𝐴)).

 Le déterminant d’une matrice ne change pas si on ajoute à une ligne (respectivement à une colonne) une
combinaison linéaire d’autres lignes (respectivement d’autres colonnes). En pratique, on applique cette
propriété pour faire apparaître le maximum des éléments nuls dans une ligne ou dans une colonne de la
matrice et ainsi faciliter le calcul du déterminant.
1 5 2
Exemple : Soit la matrice 𝐴 = 1 −2 3 alors,
2 4 4
1 5 2 1 5 2
𝑑𝑒𝑡⁡ (𝐴) = 1 −2 3 = 0 −7 1 𝐿2 ⇜ 𝐿2 − 𝐿1
2 4 4 2 4 4
1 5 2
= 0 −7 1 𝐿3 ⇜ 𝐿3 − 2𝐿1
0 −6 0
−7 1
= +1
−6 0
= 6
 Si on multiplie une seule ligne (respectivement une colonne) d’une matrice par un scalaire, alors son
déterminant est multiplié par ce même scalaire.
Exemple :
3 15 −3 3(1) 3(5) 3(−1) 1 5 −1
2 −1 3 = 2 −1 3 = 3 2 −1 3
2 4 5 2 4 5 2 4 5
3 15 −3 3(1) 3(5) 3(−1) 1 5 −1 1 5 −1
6 −3 9 = 3(2) 3(−1) 3(3) = 33 2 −1 3 = 27 2 −1 3
6 12 15 3(2) 3(4) 3(5) 2 4 5 2 4 5
6 9 −3 2 3 −1 1 3 −1
2 −1 3 = 3 2 −1 3 = (3 × 2) 1 −1 3
2 4 5 2 4 5 1 4 5
 si on effectue un nombre impair de permutations alors le déterminant change de signe.
Exemple :
1 5 2 5 1 2
1 −2 3 = 6 et −2 1 3 = −6
2 4 4 4 2 4
 Le déterminant d’une matrice triangulaire inférieure (respectivement triangulaire supérieure ou
diagonale) est égal au produit de ses éléments diagonaux.
Exemple :
3 0 0
2 −1 0 = 3 × −1 × 5 = −15
2 4 5
3 15 −3
0 0 9 = 3 × 0 × 15 = 0
0 0 15
1 0 0
0 2 0 = 1 × 2 × −4 = −8
0 0 −4

1 0 0 ⋯ 0
0 1 0 ⋮
 det 𝐼𝑛 = 0 0 1 ⋱ 0 =1
⋮ ⋱ ⋱ 0
0 ⋯ 0 0 1
𝑛
 𝑑𝑒𝑡 𝜆𝐴 = 𝜆 𝑑𝑒𝑡 𝐴
Exemple :
1 si 𝑛 pair
𝑑𝑒𝑡 −𝐼𝑛 = (−1)𝑛 𝑑𝑒𝑡 𝐼𝑛 = (−1)𝑛 =
−1 si 𝑛 impair
−1 0
𝑑𝑒𝑡 −𝐼2 = = −1 2 = 1
0 −1
−1 0 0
𝑑𝑒𝑡 −𝐼3 = 0 −1 0 = −1 3 = −1
0 0 −1
 Le déterminant d’une matrice est égal à celui de sa transposée : 𝑑𝑒𝑡 𝐴𝑡 = 𝑑𝑒𝑡 𝐴
Exemple :
1 5 2 1 1 2
𝑑𝑒𝑡⁡
(𝐴) = 1 −2 3 = 6 et 𝑑𝑒𝑡 𝐴𝑡 = 5 −2 4 = 6
2 4 4 2 3 4
 Le déterminant du produit de deux matrices est égal au produit des déterminants de ces matrices :
𝑑𝑒𝑡 𝐴𝐵 = 𝑑𝑒𝑡 𝐴 × 𝑑𝑒𝑡 𝐵
Exemple :
1 5 2 2 3 2
𝐴 = 1 −2 3 𝑑𝑒𝑡 𝐴 = 6 et 𝐵 = 0 3 0 (𝑑𝑒𝑡 𝐵 = −18)
2 4 4 4 1 1
10 20 4
𝑑𝑒𝑡 𝐴𝐵 = 14 0 5 = −108
20 22 8
Donc, 𝑑𝑒𝑡 𝐴 × 𝑑𝑒𝑡 𝐵 = 6 × −18 = −108 = 𝑑𝑒𝑡 𝐴𝐵 .
 Si la matrice est orthogonale alors, 𝑑𝑒𝑡 A = ±1 (puisque 𝑑𝑒𝑡 𝐴𝐴𝑡 = 𝑑𝑒𝑡 𝐼3 et donc, 𝑑𝑒𝑡 𝐴 2
= 1).
Exemple :
−2 −2 1
1
𝐴 = 3 −2 1 −2 et comme 𝐴𝐴𝑡 = 𝐼3 alors la matrice 𝐴 est orthogonale.
1 −2 −2
1 3 0 −6 −3 1 −6 −3 36 − 9
𝑑𝑒𝑡 𝐴 = 0 −3 −6 = = =1
3 27 −3 −6 27
1 −2 −2
Remarque : En général, 𝑑𝑒𝑡 𝐴 + 𝐵 ≠ 𝑑𝑒𝑡 𝐴 + 𝑑𝑒𝑡 𝐵
Contre exemple :
1 5 2 2 3 2
𝐴 = 1 −2 3 𝑑𝑒𝑡 𝐴 = 6 et B = 0 3 0 (𝑑𝑒𝑡 𝐵 = −18)
2 4 4 4 1 1
3 8 4
𝑑𝑒𝑡 𝐴 + 𝐵 = 1 1 3 = 70.
6 5 5
𝑑𝑒𝑡 𝐴 + 𝑑𝑒𝑡 𝐵 = 6 + −18 = −12 ≠ 𝑑𝑒𝑡 𝐴 + 𝐵 .

6 Inverse d’une matrice carrée

6.1 Définition
Une matrice carrée 𝐴 ∈ ℳ 𝑛 ℝ est dite régulière ou inversible s’il existe une matrice carrée unique 𝐵, dite
matrice inverse de 𝐴, telle que : 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛
𝐵 sera notée 𝐴−1 ∈ ℳ 𝑛 ℝ , ainsi : 𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼𝑛
Si une telle matrice n’existe pas, 𝐴 est dite singulière ou non inversible.
Le problème que l’on peut rencontrer concerne l’existence de telle matrice puis son calcul.
0 2 1 0
1 2 −1 −1
Exemple : Soit 𝐴= ∈ℳ 4 ℝ
0 1 1 0
1 2 1 1
1 1 1 1
−2 2
2 2 −2 2
2 2 1 0 0 0
1 0 −1 0 1 0 −1 0 0 1 0 0
𝐴 = 𝐴=
−1 0 2 0 −1 0 2 0 0 0 1 0
−1 1 −1 1
1 −2 2 1 −2 2 0 0 0 1
2 2
donc, la matrice est inversible et son inverse est donné par :

1 1
−2 2
2 2
1 0 −1 0
𝐴−1 = ∈ℳ4 ℝ
−1 0 2 0
−1 1
1 2
−2 2
Remarque :
1
 Pour toute matrice carrée inversible 𝐴 on a : 𝑑𝑒𝑡 𝐴 ≠ 0, 𝐴−1 −1
= 𝐴 et 𝑑𝑒𝑡 A−1 =
𝑑𝑒𝑡 𝐴
 La matrice 𝐴 est dite orthogonale si 𝐴−1 = 𝐴𝑡 .

6.2 Propriétés
 Une matrice 𝐴 est inversible si et seulement si det⁡(𝐴) ≠ 0.
1 0 3 1 1 1
Exemple : Soient 𝐴= 0 4 5 et 𝐵 = 1 1 0
0 0 2 1 1 0
Ici, la matrice 𝐴 est inversible (car 𝑑𝑒𝑡 𝐴 = 8 ≠ 0) alors que la matrice 𝐵 ne l’est pas (car 𝑑𝑒𝑡 𝐵 = 0)
 Une matrice possédant une ligne ou une colonne nulle n’est pas inversible
1 1 0 −2
1 2 3
1 2 0 3
Exemple : Soient 𝐴 = 0 0 0 et 𝐵 =
2 −3 0 9
−1 4 0
−1 4 0 0
Ici, ni la matrice 𝐴 ni la matrice 𝐵 est inversible puisque 𝑑𝑒𝑡 𝐴 = 0 et 𝑑𝑒𝑡 𝐵 = 0.
 Une matrice triangulaire inférieure (respectivement triangulaire supérieure ou diagonale) est inversible
si et seulement si les coefficients de sa diagonale principale sont tous non nuls.

2 0 0 0
1 2 3 2 0 0
0 2 0 0
Exemple : Soient 𝐴 = 0 4 5 , 𝐵 = 4 −1 0 et 𝐷 =
0 0 4 0
0 0 2 5 2 3
0 0 0 3
Ici, les matrices 𝐴, 𝐵 et 𝐷 sont inversibles puisque 𝑑𝑒𝑡 𝐴 = 8, 𝑑𝑒𝑡 𝐵 = −6 et 𝑑𝑒𝑡 𝐷 = 48.
 L’inverse d’une matrice diagonale 𝑑𝑖𝑎𝑔 𝑎𝑖𝑖 ; 𝑖 = 1, ⋯ , 𝑛 est une matrice diagonale donnée par :
−1 1
𝑑𝑖𝑎𝑔 𝑎𝑖𝑖 = 𝑑𝑖𝑎𝑔 ; 𝑖 = 1, ⋯ , 𝑛
𝑎𝑖𝑖
2 0 0 0
0 2 0 0
Exemple : Soit 𝐷 = = 𝑑𝑖𝑎𝑔(2,2,4,3)
0 0 4 0
0 0 0 3
1 1 1 1
Ici, la matrice 𝐷 est inversible et son inverse 𝐷 −1 = 𝑑𝑖𝑎𝑔 , , ,
2 2 4 3
.
 Pour toute matrice carrée A inversible, sa matrice transposée est aussi inversible et son inverse est donné
par : 𝐴𝑡 −1
= 𝐴−1 𝑡 .
2 1 1 1
Exemple : La matrice A = est inversible et son inverse est 𝐴−1 = .
−1 −1 −1 −2
−1
2 −1 1 −1
𝐴𝑡 −1
= = = 𝐴−1 𝑡 .
1 −1 1 −2
−1 1
 Pour toute matrice carrée A et pour tout scalaire non nul 𝜆 on a : 𝜆𝐴 = 𝐴−1
𝜆
2 1 4 2 1 1
Exemple : Soit A = , 2A = et A−1 =
−1 −1 −2 −2 −1 −2
1 1
−1
−1 4 2 2 2
(2A) = = −1
−2 −2 −1
2
1 1
1 −1 1 1 1
Ou encore, (2A)−1 = A = = 2
−1
2
2 2 −1 −2 2
−1
 Pour toutes matrices carrées inversibles 𝐴, 𝐵 et 𝐶, les produits 𝐴𝐵 et 𝐴𝐵𝐶 sont aussi inversibles et leurs
−1
inverses sont donnés par : 𝐴𝐵 = 𝐵−1 𝐴−1 et 𝐴𝐵𝐶 −1
= 𝐶 −1 𝐵−1 𝐴−1
2 1 0 1 −1 3
Exemple : Soient 𝐴 = et 𝐵 = . Le produit 𝐴𝐵 =
−1 −1 −1 1 1 −2
−1 3 −1 2 3
(𝐴𝐵)−1 = =
1 −2 1 1
1 −1 1 1 2 3
Ou encore, (𝐴𝐵)−1 = 𝐵−1 𝐴−1 = =
1 0 −1 −2 1 1
 Pour toute matrice carrée 𝐴 et pour tout entier naturel non nul 𝑝 on a : 𝐴𝑝 −1
= 𝐴−1 𝑝
2 1 5 2 1 1
Exemple : Soient 𝐴 = , 𝐴3 = et 𝐴−1 =
−1 −1 −2 −1 −1 −2
−1
5 2 1 2
(𝐴3 )−1 = =
−2 −1 −2 −5
3
Ou encore, (𝐴3 )−1 1 1 1 2
= 𝐴−1 3
= =
−1 −2 −2 −5
6.3 Calcul pratique de l’inverse d’une matrice carrée
Pour déterminer l’inverse d’une matrice carrée, nous présentons plusieurs méthodes :

6.3.1 Méthode des cofacteurs

Soit A une matrice carrée inversible (𝑑𝑒𝑡⁡(A) ≠ 0). Son inverse 𝐴−1 est définie par :
1
𝐴−1 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴)
𝑑𝑒𝑡⁡(𝐴)
où, 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒(𝐴) est la matrice des cofacteurs de 𝐴 : on remplace chaque élément de la matrice A par son
cofacteur :
𝐶11 𝐶12 … 𝐶1𝑛
𝐶21 𝐶22 … 𝐶2𝑛
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 =
⋮ ⋮ ⋱ ⋮
𝐶𝑛1 𝐶𝑛2 … 𝐶𝑛𝑛
Pour les matrices carrées d’ordre 2, il y a une formule très simple. Soit
𝑎11 𝑎12
𝐴= 𝑎 ∈ℳ2 ℝ
21 𝑎22
Si 𝑑𝑒𝑡 𝐴 = 𝑎11 𝑎22 − 𝑎21 𝑎12 ≠ 0, alors 𝐴 est inversible et son inverse est donné par :
1 𝑎22 −𝑎12
A−1 = −𝑎 𝑎11
𝑎11 𝑎22 − 𝑎21 𝑎12 21
et si 𝑑𝑒𝑡 𝐴 = 0, alors la matrice 𝐴 est singulière (non inversible).

2 3 −1 −1 −3
Exemple : Pour 𝐴 = , 𝑑𝑒𝑡 𝐴 = −8 ≠ 0. Alors 𝐴 est inversible et 𝐴−1 =
2 −1 8 −2 2
2 2
Pour 𝐵 = , 𝑑𝑒𝑡 𝐵 = 0. Alors 𝐵 est singulière.
1 1
Pour les matrices carrées d’ordre supérieur ou égal à 3, il suffit d’appliquer la formule :
1 2 3
Exemple : Soit 𝐴= 1 2 −1 ∈ ℳ 3 ℝ
0 1 1
𝑑𝑒𝑡 𝐴 = 4 ≠ 0. Donc la matrice 𝐴 est inversible et son inverse est donné par :
1
où,
2 −1 1 −1 1 2
+ − +
𝐶11 𝐶12 𝐶13 1 1 0 1 0 1
𝐶21 𝐶22 𝐶23 2 3 1 3 1 2
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 = = − + −
1 1 0 1 0 1
𝐶31 𝐶32 𝐶33 2 3 1 3 1 2
+ − +
2 −1 1 −1 1 2
3 −1 1 3 1 −8
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 = 1 1 −1 et 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴) = −1 1 4
−8 4 0 1 −1 0
Ainsi,
1 3 1 −8
𝐴−1 = −1 1 4
4
1 −1 0
6.3.2 Méthode du polynôme caractéristique (Théorème De Cayley Hamilton)

On appelle polynôme caractéristique de la matrice 𝐴 d’ordre 𝑛 le polynôme en 𝑥, noté 𝑃𝐴 𝑥 , défini par :

𝑎11 − 𝑥 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 − 𝑥 … 𝑎2𝑛
𝑃𝐴 𝑥 = 𝑑𝑒𝑡 𝐴 − 𝑥𝐼𝑛 =
⋮ ⋮ ⋱ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛 − 𝑥
Le polynôme caractéristique est un polynôme de degré 𝑛 en 𝑥. Il a la forme :
𝑃𝐴 𝑥 = −1 𝑛 𝑥 𝑛 + −1 𝑛−1
𝑡𝑟 𝐴 𝑥 𝑛−1 + ⋯ + 𝑑𝑒𝑡⁡
(𝐴)
où 𝑡𝑟 𝐴 représente la trace de la matrice de 𝐴 et 𝑑𝑒𝑡⁡(𝐴) le déterminant de 𝐴.
Le polynôme caractéristique s’écrit simplement :
𝑎11 𝑎12
 pour une matrice carrée d’ordre 2 : 𝐴 = 𝑎 𝑎22
21
𝑃𝐴 𝑥 = 𝑥 2 − 𝑡𝑟 𝐴 𝑥 + det⁡
(𝐴)
avec 𝑡𝑟 𝐴 = 𝑎11 + 𝑎22 et det 𝐴 = 𝑎11 𝑎22 − 𝑎21 𝑎12
𝑎11 𝑎12 𝑎13
 pour une matrice carrée d'ordre 3 : 𝐴 = 21 𝑎22 𝑎23
𝑎
𝑎31 𝑎32 𝑎33
𝑃𝐴 𝑥 = −𝑥 3 + 𝑡𝑟 𝐴 𝑥 2 − 𝛼 𝐴 𝑥 + 𝑑𝑒𝑡⁡
(𝐴)
avec 𝑡𝑟 𝐴 = 𝑎11 + 𝑎22 + 𝑎33 et
𝛼 𝐴 = 𝑀11 + 𝑀22 + 𝑀33
= (𝑎11 𝑎22 + 𝑎11 𝑎33 + 𝑎22 𝑎33 ) − (𝑎21 𝑎12 + 𝑎31 𝑎13 + 𝑎32 𝑎23 )
Théorème de Cayley-Hamilton :
Toute matrice carrée 𝐴 d’ordre 𝑛 annule son polynôme caractéristique :
𝑃𝐴 𝐴 = −1 𝑛 𝐴𝑛 + −1 𝑛−1
𝑡𝑟 𝐴 𝐴𝑛−1 + ⋯ + det 𝐴 𝐼𝑛 = 0𝑛
Ainsi pour :
 une matrice carrée d’ordre 2 : 𝑃𝐴 𝐴 = 𝐴2 − 𝑡𝑟 𝐴 𝐴 + det⁡
(𝐴) 𝐼2 = 02
 une matrice carrée d'ordre 3 : 𝑃𝐴 𝐴 = −𝐴3 + 𝑡𝑟 𝐴 𝐴2 − 𝛼 𝐴 𝐴 + det 𝐴 𝐼3 = 03
Soit 𝐴 une matrice carrée inversible alors 𝑑𝑒𝑡 𝐴 ≠ 0. On peut écrire (vu que l’inverse est unique):
 pour une matrice carrée d’ordre 2 :
−1 −1
𝐴 det ⁡
(𝐴)
𝐴 − 𝑡𝑟 𝐴 𝐼2 = 𝐼2 et donc 𝐴−1 = det ⁡(𝐴) 𝐴 − 𝑡𝑟 𝐴 𝐼2
 pour une matrice carrée d'ordre 3 :

−1 −1
𝐴 −𝐴2 + 𝑡𝑟 𝐴 𝐴 − 𝛼 𝐴 I3 = 𝐼3 et donc 𝐴−1 = −𝐴2 + 𝑡𝑟 𝐴 𝐴 − 𝛼 𝐴 𝐼3
det ⁡
(𝐴) 𝑑𝑒𝑡 ⁡
(𝐴)
1 2 3
Exemple : Soit 𝐴= 1 2 −1 ∈ ℳ 3 ℝ
0 1 1
Comme 𝑑𝑒𝑡 𝐴 = 4 ≠ 0, 𝑡𝑟 𝐴 = 4 et 𝛼 𝐴 = 4 alors, 𝑃𝐴 𝐴 = −𝐴3 + 4 𝐴2 − 4𝐴 + 4𝐼3 = 03 . et ainsi,
−1
la matrice 𝐴 est inversible et son inverse est donné par : 𝐴−1 = 4
−𝐴2 + 4 𝐴 − 4𝐼3
Tout calcul fait on obtient,

2
−1 1 2 3 1 2 3 1 0 0 −1 −3 −1 8
−1
𝐴 = − 1 2 −1 +4 1 2 −1 − 4 0 1 0 = 1 −1 −4
4 4
0 1 1 0 1 1 0 0 1 −1 1 0
6.3.3 Méthode d’élimination de GAUSS-JORDAN
Soit la matrice 𝐴 ∈ M 𝑛 ℝ . La méthode de GAUSS-JORDAN consiste à appliquer une suite d’opérations
élémentaires en lignes sur la matrice augmentée 𝐴 𝐼𝑛 ∈ 𝑀 𝑛,2𝑛 ℝ pour obtenir, si c’est possible, une
matrice équivalente en lignes de la forme 𝐼𝑛 𝐵 ∈ 𝑀 𝑛,2𝑛 ℝ ; la matrice 𝐵 n’est autre que la matrice
inverse 𝐴−1 . Si jamais on voit apparaître à la place de la matrice 𝐴, une matrice avec une ligne nulle, la
matrice 𝐴 est alors non inversible ; on dit que 𝐴 est singulière.
Ainsi, cette méthode permet de calculer, en cas d’existence, l’inverse d’une matrice ou de déceler la non
existence.
1 4
Exemple : Pour déterminer l’inverse 𝐴−1 de la matrice inversible 𝐴 = ∈𝑀 2 ℝ effectuons sur la
1 1
1 41 0
matrice ∈𝑀 2,4 ℝ une suite d’opérations élémentaires en ligne :
1 10 1
1 41 0 𝐿21 −1 1 4 1 0
1 10 1 ~ 0 −3 −1 1
𝐿2
−1
1 4 11 0
−1
3
~ 0 13 3
−1 4
𝐿12 −4 1 0 3 3
~ 1 −1
0 1 3 3
−1 4
−1 1 −1 4
Ainsi, la matrice inverse A = 3
1
3
−1 =3 et on vérifie facilement que 𝐴−1 𝐴 = 𝐴 𝐴−1 = 𝐼2
3 3
1 −1
1 2 3 1
1 2 −1 −1
Exemple: Soit B = ∈𝑀 4 ℝ une matrice inversible. Pour déterminer l’inverse de 𝐵,
0 1 1 0
1 2 1 1
effectuons une suite d’opérations élémentaires en ligne sur la matrice suivante
1 2 3 1 1 0 0 0
1 2 −1 −1 0 1 0 0
.
0 1 1 0 0 0 1 0
1 2 1 1 0 0 0 1
1 2 3 1 1 0 0 0 1 2 3 1 1 0 0 0
1 2 −1 −1 0 1 0 0 L21 −1 ; L41 −1 0 0 −4 −2 −1 1 0 0
0 1 1 0 0 0 1 0 ~ 0 1 1 0 0 0 1 0
1 2 1 1 0 0 0 1 0 0 −2 0 −1 0 0 1
1 2 3 1 1 0 0 0
L32 0 1 1 0 0 0 1 0
~ 0 0 −4 −2 −1 1 0 0
0 0 −2 0 −1 0 0 1

1 2 3 1 1 0 0 0
−1
L3 4 0 1 1 0 0 0 1 0
1 1 −1
~ 0 0 1 2 4 4
0 0
0 0 −2 0 −1 0 0 1
1 2 3 1 1 0 0 0
L43 2 0 1 1 0 01 −10 1 0
0 0
1
1 2 4 0 0
~ 4
−1 −1
0 0 0 1 2 2
0 1
1 2 3 0 3 1
2 2
0 −1
L14 −1 ; L34
−1 0 1 1 0 0 0 1 0
2 1 −1
~ 0 0 1 0 2
0 0 2
−1 −1
0 0 0 1 2 2
0 1
1 1
1 2 0 0 0 2
0 2
−1 1
L13 −3 ; L23 −1 0 1 0 0 2
0 1 2
~ 1 −1
0 0 1 0 2
0 0 2
−1 −1
0 0 0 1 2 2
0 1
1 −1
1 0 0 0 1 2
−2 2
−1 1
L12 −2 0 1 0 0 2
0 1 2
~ 1 −1
0 0 1 0 2
0 0 2
−1 −1
0 0 0 1 2 2
0 1
Ainsi, la matrice inverse est :
1 −1
1
2
−2 2
−1 1 2 1 −4 −1
2
0 1 2 1 −1 0 2 1
𝐵−1 = 1 −1 =
0 0 2 1 0 0 −1
2 2
−1 −1 −1 −1 0 2
2 2
0 1
On vérifie facilement que : 𝐵−1 𝐵 = 𝐵 𝐵−1 = 𝐼4
7 Rang d’une matrice

7.1 Définition
On dit qu’une matrice 𝐴 ∈ ℳ 𝑝,𝑛 ℝ est de rang 𝑟, noté 𝑟𝑔 𝐴 = 𝑟 ≤ 𝑀𝑖𝑛 𝑝, 𝑛 , si au moins l’un de
ses mineurs 𝑀𝑟 d’ordre 𝑟 est non nul, tandis que chaque mineur d’ordre (𝑟 + 1) qui borde 𝑀𝑟 comme mineur
est nul. Autrement dit, le rang d’une matrice 𝐴 est le plus grand ordre des sous-matrices carrées inversibles
extraites de la matrice 𝐴.
La notion du rang se définit pour des matrices quelconques et donc pas nécessairement carrées. Notons
que le rang d’une matrice nulle est admis être zéro.
1 0 3
Exemple : Considérons la matrice non nulle 𝐴 = 0 4 5 . On sait que 1 ≤ 𝑟𝑔 𝐴 ≤ 3.
0 0 0

1 0
Si on prend ≠ 0 : un mineur d’ordre 2 non nul et le seul mineur d’ordre 3 qui le borde est nul :
0 4
1 0 3
0 4 5 = det 𝐴 = 0, donc 𝑟𝑔 𝐴 = 2.
0 0 0
7.2 Quelques propriétés sur le rang d’une matrice
 Une matrice carrée est inversible si et seulement si son rang est égal à son ordre.
 𝑟𝑔 𝐴𝑡 = 𝑟𝑔 𝐴
 Le rang reste inchangé si on permute les lignes ou les colonnes de la matrice.
 Le rang reste inchangé si on remplace une colonne par une combinaison linéaire de cette colonne et les
autres colonnes.
 Le rang d’une matrice diagonale est égal au nombre de ses éléments diagonaux non nuls.
 Le rang reste inchangé si on remplace une ligne par une combinaison linéaire de cette ligne et les autres
lignes.
 Le rang d'une matrice reste inchangé en multipliant celle-ci par une matrice inversible.
7.3 Méthodes pratiques de calcul du rang d’une matrice
7.3.1 Méthode des mineurs
Pour déterminer le rang d’une matrice 𝐴 ∈ ℳ 𝑝,𝑛 ℝ , on calcule les déterminants des matrices extraites
d’ordre 𝑘 = 𝑚𝑖𝑛 𝑝, 𝑛 , si au moins l’un de ces déterminants est non nul alors 𝑟𝑔(𝐴) = 𝑘 ; sinon, on calcule
les déterminants des matrices extraites d’ordre (𝑘 − 1), et ainsi de suite.
Exemple : on donne ici une méthode qui limite le nombre de déterminants à calculer :
1 0 1 0 3
2 1 0 2 7
Soit la matrice 𝐵 = ∈𝑀 4,5 ℝ . On sait que 1 ≤ 𝑟𝑔(𝐵) ≤ 4.
0 1 −2 2 1
1 −3 7 −6 0
1 0
Remarquons que que 𝑀2 = ≠0
2 1
On calcule maintenant les six déterminants d’ordre 3 qui bordent 𝑀2 (si tous ces déterminants sont nuls, le
rang est égal à 2. Sinon, si l’un au moins est non nul, on calcule les déterminants d’ordre 4 qui bordent ce
dernier, et ainsi de suite)
1 0 1 1 0 0 1 0 3 1 0 1 1 0 0 1 0 3
2 1 0 = 2 1 2 = 2 1 7 = 2 1 0 = 2 1 2 = 2 1 7 =0
0 1 −2 0 1 2 0 1 1 1 −3 7 1 −3 −6 1 −3 0
Ainsi, 𝑟𝑔 𝐵 = 2.
1 5 2 2
1 −2 3 2
Exemple : Soit la matrice 𝐴 = ∈ℳ 4 ℝ . On sait que 1 ≤ 𝑟𝑔(𝐴) ≤ 4.
2 4 4 4
1 1 1 2
On calcule 𝑑𝑒𝑡⁡(𝐴), le déterminant de la matrice 𝐴 puisque 𝐴 est l’unique matrice d’ordre 4 : comme la
quatrième colonne est le double de la première colonne, on a

1 5 2 2
1 −2 3 2
det 𝐴 = =0 ⟹ 1 ≤ 𝑟𝑔(𝐴) ≤ 3
2 4 4 4
1 1 1 2
1 5 2
On s’intéresse ainsi aux matrices carrées extraites d’ordre 3. Comme 1 −2 3 ≠ 0, Alors, 𝑟𝑔 𝐴 = 3
2 4 4
7.3.2 Méthode du pivot de Gauss
Soit la matrice non nulle 𝐴 = 𝑎𝑖𝑗 ∈ ℳ 𝑝,𝑛 ℝ .
 Si tous les coefficients de la première colonne sont nuls, on effectue une permutation des colonnes pour
obtenir une première colonne non nulle ;
 On choisit dans la première colonne un élément 𝑎𝑖1 non nul (appelé pivot), et on effectue l’opération
élémentaire 𝐿𝑖1 (A) échange les lignes 1 et i. On obtient ainsi une matrice 𝐴′ = 𝑎𝑖𝑗′ dont le coefficient
′
𝑎11 est non nul.
𝑎′
 On effectue l’opération élémentaire 𝐿𝑖1 − 𝑎 ′𝑖1 𝐴′ ; on obtient alors une nouvelle matrice sous la forme
11
′ ′ ′
𝑎11 𝑎12 ⋯ 𝑎1𝑛
0
⋮ B
0
Si la matrice B est nulle, alors 𝑟𝑔 𝐴 = 1.
Sinon on répète les itérations sur la matrice 𝐵 autant de fois que nécessaire. Si, au bout de 𝑟 itérations, la
matrice constituée des (𝑝 – 𝑟) dernières lignes et (𝑛 – 𝑟) dernières colonnes est nulle, alors 𝑟𝑔 𝐴 = 𝑟.
1 1 1
−1 1 −1
Exemple : Considérons la matrice A= ∈ ℳ 4,3 ℝ
2 1 1
1 2 −1
1 1 1 1 1 1
−1 1 −1 L21 1 ; L31 −2 ; L41 −1 0 2 0
A=
2 1 1 ~ 0 −1 −1
1 2 −1 0 1 −2
1 1 1
1 −1
L32 ; L42 0 2 0
2 2
~ 0 0 −1
0 0 −2
1 1 1
L43 −2 0 2 0
~ 0 0 −1
0 0 0
D’une part, 𝑟𝑔 𝐴 ≤ 3 et comme le nombre de pivots dans la matrice lignes équivalente est égal à 3 alors,
𝑟𝑔 𝐴 = 3.
Exemple : Soit 𝐴 ∈ ℳ 4 ℝ
1 3 −5 6 1 3 −5 6
2 4 0 3 0 −2 20 −9
𝐴= ~
2 1 3 5 0 0 −24 31
−1 −7 1 7 0 0 0 0

D’une part, 𝑟𝑔 𝐴 ≤ 4 et comme le nombre de pivots dans la matrice lignes équivalente est égal à 3 alors,
𝑟𝑔 𝐴 = 3.
Exercices solutionnés
Exercice 1 : Calculer les matrices 𝐴 + 𝐵, 3𝐵 − 𝐶, 𝐴 + 𝐵 − 𝐷, 𝐵𝐶 et 𝐴𝐵𝐶 où
2 −1 2 3 1 0 −1 0
𝐴= , 𝐵= , 𝐶= , 𝐷= .
3 1 2 1 2 1 1 −2
Exercice 2 : Considérons les matrices réelles suivantes,

1 −2 3 1
2 −1 6 −1 2
𝐴= , 𝐵= ,
𝐶 = −1 0 2 , 𝐷 = 2 ,
3 1 0 1 3
2 0 3 −1
1 0 0 1 1
1 1 2
𝐸 = 0 1 −2 , 𝐹 = 0 1 0 , 𝐺= 2 0 , 𝐻= .
0 2 3
0 0 1 1 −1
Déterminer, si c’est possible, les matrices suivantes :
𝐴 + 𝐵, 𝐵 + 2𝐺 𝑡 , 𝐶 + 5𝐹, 𝐷 𝑡 − 𝐸, 𝐺 − 𝐻 𝑡 + 𝐷, 𝐵𝐴, 𝐶 + 𝐶 𝑡 , 𝐴𝐻,
𝑡 𝑡
𝐵 + 2𝐺 + 𝐻 , 𝐵𝐶, 𝐶𝐷, 𝐸𝐷, 𝐷𝐸, 𝐺𝐻 𝑡 , 𝐺𝐺 𝑡 , 𝐻 𝑡 𝐻,
𝐻𝐻 𝑡 , 𝐺𝐻, (𝐻 𝑡 𝐺 𝑡 )𝑡 , 𝐶𝐺𝐵.
Exercice 3 : Calculer la partie symétrique et la partie anti-symétrique de la matrice suivante :

1 −1 2
𝐴= 4 1 3
0 1 2
Exercice 4 : Trouver les réels 𝑎, 𝑏, c et 𝑑 pour que les matrices suivantes soient égales,
1 𝑎 0 1 3 0
𝑎+𝑏 𝑎−𝑏 4 6
= et 𝑐 𝑎+𝑏 𝑐−𝑎 = 4 6 1
2𝑐 + 𝑑 𝑐 − 2𝑑 1 3
𝑏 𝑑+𝑏 𝑑 3 4 1
Exercice 5 : Soient les deux matrices carrées d’ordre 3 données par,

2 −1 −2 1 𝑏12 𝑏13
𝐴 = 3 −3/2 −3 et 𝐵= 2 0 2
0 0 0 𝑏31 𝑏32 −1
où 𝑏12 , 𝑏13 , 𝑏31 , 𝑏32 ∈ ℝ.
Déterminer les coefficients de la matrice 𝐵 telle que 𝐴𝐵 = 03 où 03 est une matrice nulle.
Exercice 6 : Soient les matrices réelles suivantes :

1 0 2 −1 0 −2
𝐴 = 3 1 −1 et 𝐵 = 2 2 1
1 2 1 2 0 −1
1. Calculer les matrices suivantes 𝐴 + 𝐵, 𝐴𝐵, 𝐵𝐴, 𝐴2 , 𝐵2 , 𝐴𝐴𝑡 et 𝐴𝑡 𝐴.
2. A-t-on 𝐴 + 𝐵 2 = 𝐴2 + 2𝐴𝐵 + 𝐵2 ?
3. Déterminer 𝐷𝑃 𝐴 , 𝐷𝑃 𝐵 , 𝐷𝑃 𝐴𝐵 , 𝐷𝑃 𝐵𝐴 , 𝐷𝑃 𝐴𝑡 𝐴 et 𝐷𝑃 𝐴𝐴𝑡 .
4. Calculer 𝑡𝑟 𝐴 , 𝑡𝑟 𝐵 , 𝑡𝑟 𝐴𝑡 , 𝑡𝑟 𝐵𝐴 , 𝑡𝑟 𝐴𝑡 𝐴 , 𝑡𝑟 𝐴𝐴𝑡 , 𝑡𝑟 𝐴𝐵 𝑡 , 𝑡𝑟 𝐵𝑡 𝐴𝑡 .
Exercice 7 : Montrer que les matrices données ci-dessous sont nilpotentes,

0 2 3 4 5
0 1 0 0
3 9 −9 0 0 2 3 4
0 0 1 0
𝐴= 2 0 0 , 𝐵= 𝐶= 0 0 0 2 3 ,
0 0 0 1
3 3 −3 0 0 0 0 2
0 0 0 0
0 0 0 0 0
Exercice 8 : Soit la matrice carrée réelle d’ordre 3 donnée par,

1 0 0
𝐴= 0 2 0
0 0 3
1. Calculer les puissances 𝐴2 , 𝐴3 et 𝐴4 .
2. En déduire les puissances successives Ak , (k ∈ ℕ∗ ) de la matrice 𝐴.
3. Démontrer le résultat de la question 2 à l’aide d’un raisonnement par récurrence.
4. Même questions pour les matrices suivantes,
2 2 2 0 0 0 1 0 1 1 1 1
𝐵 = 2 2 2 , 𝐶 = 2 0 0 , 𝐷 = 0 0 0 et 𝐸 = 1 1 1
2 2 2 0 1 0 1 0 1 1 1 1
Exercice 9 :
Soit 𝐴 = 𝑎𝑖𝑗 la matrice d’ordre 3 avec, 𝑎𝑖𝑗 = 1 ∀𝑖, 𝑗 = 1,2,3 et soit la matrice 𝐵 = 𝐴 + 3𝐼3 .
1≤𝑖,𝑗 ≤3
1. Calculer les puissances 𝐴2 , 𝐴3 .

2. En déduire les puissances successives 𝐴𝑛 , (𝑛 ≥ 1) de la matrice 𝐴.
3. En déduire 𝐵𝑛 pour tout 𝑛 ≥ 1.
Exercice 10 :
Calculer les déterminants suivants :
3 0 0 2 −1 3 1 0 0 1 0 0 1 −3 0
5 −1 0 0 0 5 0 2 0 0 2 4 2 4 0
7 3 4 0 0 3 0 0 3 0 3 3 0 0 3
1 0 3 1 2 3 2 0 3 4 −2 4
0 2 0 2 4 6 1 4 3 2 −3 −4
2 0 3 5 −1 2 −1 4 5 3 3 8
1 1 1 1 1 0 −3 1 1 1 1 1 −3 4 −5 1
1 2 2 2 0 −2 1 2 1 1 −1 −1 −1 1 −1 −2
1 2 3 3 −1 0 3 1 1 −1 1 −1 5 4 −5 4
1 2 3 4 0 −1 1 2 1 −1 −1 −1 9 0 1 −4
Exercice 11 : Soit la matrice suivante :

1 2 1
𝐴𝑚 = 𝑚 1 1
0 1 2
1. Déterminer le paramètre 𝑚 pour que le déterminant de cette matrice soit nul, puis selon le paramètre
𝑚, calculer 𝑟𝑔 𝐴𝑚 , le rang de la matrice 𝐴𝑚 .
2. En appliquant la méthode de Gauss, retrouver 𝑟𝑔 𝐴𝑚 .
Exercice 12 : Calculer les inverses, en cas d’existence, des matrices suivantes

2 −1 2 3 3 2 1 0 −1 0 1 1
𝐴= , 𝐵= , 𝐶= , 𝐷= , 𝐸= , 𝐹= .
3 1 2 1 1 2 2 1 1 −2 2 2
Exercice 13 : Soit la matrice carrée d’ordre 3 donnée par,

1 −1 1
𝐴= 2 2 1
0 2 −1
Quelle est parmi les matrices ci-dessous, son inverse ?
1 −1 1 3
−1 2 2
2 −2 2
𝐵1 = −2 1 −2 ou 𝐵2 = −1
1
−
1
−1 11 2 2
2 2 2 −2 1 −2
Exercice 14 : Soit la matrice 𝐴 donnée par,

−1 −1 1
𝐴= 4 −3 4
3 −3 4
1. Calculer la matrice 𝐴3 ;
2. En déduire que la matrice 𝐴 est inversible ;
3. En déduire l’inverse 𝐴−1 .
Exercice 15 :
Pour chacune des matrices suivantes, dire si elle est inversible ou non. Dans le cas où la matrice est
inversible, calculer son inverse :
1 2 3 1 0 3 1 1 2 1 1 2 3 1 −1
A= 0 0 0 , B= 2 0 1 , C= 1 2 1 , D= 1 2 3 , E= 0 0 7
5 6 1 3 0 1 3 3 6 2 3 5 −1 2 1
2 −2 −2 2 −3 −1 3 0 0
F = 1 −1 1 , G = 4 −1 0 , H = 0 4 1
1 2 3 1 2 0 0 0 −2
Exercice 16 : Pour chacune des matrices suivantes, dire si elle est inversible ou non. Dans le cas où la
matrice est inversible, calculer son inverse,
1 0 0 1 0 0 1 1 2 1 0 0
𝐴= 0 2 0 , 𝐵 = 2 −1 0 , 𝐶= 0 2 −1 , 𝐷= 0 2 4 ,
0 0 3 3 4 3 0 0 1 0 3 3
1 −3 0 1 0 3 1 0 3 −1 1 1
𝐸= 2 4 0 , 𝐹= 0 2 0 𝐺= 2 0 1 , 𝐻 = 2 −2 −2 ,
0 0 3 2 0 3 4 0 3 −3 4 3
4 3 1 1 2 1 −1 2 4
𝐽 = 2 −1 1 , 𝐾 = 1 2 −1 𝐿= 1 3 3
1 2 −1 2 4 2 −2 −7 −1
Exercice 17 : Soient les matrices carrées 𝐴 et 𝐵 d’ordre 3 données par :

1 1 3 1 2 −1
𝐴= 1 3 0 et 𝐵 = −1 2 1
0 −1 1 0 0 1
1. Montrer que 𝐴 et 𝐵 sont inversibles.
2. Calculer les inverses 𝐴−1 et 𝐵−1 .
3. En déduire 𝐴𝐵 −1 et 𝐵𝐴 −1 .
Exercice 18 :
Pour quelle valeur du réel 𝑚, la matrice suivante est –elle inversible ?

𝑚 1 1
𝑀𝑚 = 1 𝑚 1
1 1 𝑚
Exercice 19 : Pour quelle valeur du paramètre 𝑚 la matrice 𝐴𝑚 est-elle inversible ? calculer 𝐴−1 en cas
d’existence.
3 1 2
𝐴𝑚 = 4 − 𝑚 2𝑚 3 + 𝑚 ∈ ℳ3 ℝ
1+𝑚 −1 − 𝑚 1+𝑚
Exercice 20 : Dire dans chaque cas si 𝐴 est inversible ou non. Si 𝐴 est inversible, exprimer son inverse 𝐴−1
en fonction de 𝐴 et la matrice identité 𝐼,
1 2
A = 0, A4 = 0, A2 = I, A3 = I, A2 = −A, A3 = A,
3
A3 + 2A = I, A2 − 5A + 6I = 0, A3 + 4A − 6I = 0
A − I A + 2I = 0, A − 3I 3A + I = 0, A − I A + 2I = −2I, A + 2I A + I = 3I.
Exercice 21 : Soit la matrice suivante

1 −1 2
𝐴= 1 2 3 ∈ ℳ3 ℝ
1 −2 1
1. Calculer 𝐴2 puis 𝐴3 .
2. Montrer que −𝐴3 + 4𝐴2 − 10𝐴 − 2𝐼3 = 03 ;
3. En déduire que 𝐴−1 .
Exercice 22 :
Soit la matrice suivante,
1 −1 0 −1
2 0 −1 −1
𝑀=
3 1 −2 −2
1 −2 1 −1
1. Montrer que 𝑀2 + 𝑀 + 𝐼4 = 04 où 𝐼4 est la matrice identité d’ordre 4. En déduire que 𝑀3 = 𝐼4
2. Montrer que 𝑀 est inversible et calculer 𝑀−1 .
Exercice 23 : Soit la matrice 𝐴 donnée par,

1 3 1
𝐴= 4 2 3
2 1 1
1. Montrer que la matrice 𝐴 vérifie l’expression suivante : −𝐴3 + 4 𝐴2 + 12 𝐴 + 5𝐼3 = 0.
2. En déduire que la matrice 𝐴 est inversible et calculer son inverse 𝐴−1 .
Exercice 24 : Soit la matrice

1 0 1
𝐴=
1 2 3 ∈ ℳ3 ℝ
−1 2 −1
1. Montrer que la matrice 𝐴 vérifie la relation : −𝐴3 + 2𝐴2 + 6𝐴 − 4𝐼3 = 03 ;
2. En déduire que la matrice 𝐴 est inversible et calculer son inverse 𝐴−1 ;
3. Retrouver l’inverse 𝐴−1 à l’aide de la méthode des cofacteurs.
4. Appliquer la méthode de Gauss-Jordan pour calculer 𝐴−1 .

Exercice 25 (CF-10/11) : Soit 𝐴 la matrice carrée d’ordre 3 donnée par :

0 1 1
𝐴 = −1 0 −1
1 1 1
Déterminer les valeurs de 𝑎, 𝑏 et 𝑐 de ℝ pour que l’on ait la relation 𝐴3 + 𝑎𝐴2 + 𝑏𝐴 + 𝑐𝐼3 = 03 où 03 est la
matrice nulle d’ordre 3 et 𝐼3 est la matrice identité d’ordre 3.
Exercice 26 (CF-11/12) : On considère les deux matrices carrées d’ordre 3 données par :
1 1 0 −1 −1 1
𝐴 = −1 0 1 𝑒𝑡 𝐵 = 2 1 −1
1 1 1 −1 0 1
1. Calculer les matrices 𝐴 − 𝐼3 2 et 𝐴𝐵 où 𝐼3 est la matrice identité d’ordre 3 ;
2. En déduire que la matrice 𝐴 est inversible, puis déterminer son inverse 𝐴−1 ;
3. Montrer que la matrice 𝐴 vérifie la relation : 𝐴3 − 2𝐴2 + 𝐴 = 𝐼3 ;
4. À l’aide de la relation établie à la question 3, donner l’expression de la matrice inverse 𝐴−1 ;
5. À l’aide de la méthode des cofacteurs, retrouver la matrice inverse 𝐴−1 .
Exercice 27 (CR-11/12) : Soit les matrices carrées d’ordre 3 données par :

1 0 1 1 −1 −2 1 0 0
𝐴= 0 −2 1 , 𝐵 = 1 −1 1 𝑒𝑡 𝐼3 = 0 1 0
−1 1 0 2 1 2 0 0 1
1. Calculer les matrices (𝐼3 − 𝐴), (𝐴 + 2𝐼3 ), (𝐼3 − 𝐴)(𝐴 + 2𝐼3 ) et puis 𝐴𝐵 ;
2. En déduire que la matrice 𝐴 est inversible, puis déterminer son inverse 𝐴−1 ;
3. Montrer que la matrice 𝐴 vérifie la relation : 𝐴3 + 𝐴2 − 2𝐴 + 3𝐼3 = 03 ;
4. À l’aide de la relation établie à la question 3, donner l’expression de la matrice inverse 𝐴−1 ;
Exercice 28 (CF-13/14) : Soient les deux matrices carrées réelles d’ordre 3 données par,
1 −1 2 1 0 1
𝐴= 4 1 3 𝑒𝑡 𝐵= 0 0 0
0 1 2 1 0 1
1. Calculer la partie symétrique et la partie antisymétrique de la matrice A ;
2. Calculer les matrices puissances 𝐵 2 , 𝐵 3 et 𝐵 4 . En déduire à l’aide d’un raisonnement par
récurrence les puissances successives 𝐵 𝑛 , (𝑛 ∈ ℕ∗ ) de la matrice 𝐵.
Exercice 29 (CF-13/14) :
Soient les trois matrices carrées d’ordre 3 données par,
1 1 2 0 0 −3 1 0 0
𝐴= 0 −1 1 , 𝐵 = 1 −2 1 𝑒𝑡 𝐼3 = 0 1 0
−1 0 0 1 1 1 0 0 1
1. Calculer les matrices (A2 + I3 ), A(A2 + I3 ) puis AB ;

2. En déduire que la matrice A est inversible, puis déterminer son inverse A−1 ;
3. Montrer que la matrice A vérifie la relation : A3 + A + 3I3 = 03 où 03 est la matrice nulle d’ordre
3;
4. À l’aide de la relation établie à la question 3, donner l’expression de la matrice A−1 ;


Exercice 30 (CR-13/14) : Soient les trois matrices réelles données par (𝑐12 , 𝑐13 , 𝑐31 , 𝑐32 ∈ ℝ) :
2 −1 −2 1 𝑐12 𝑐13
1 0 1 2
3
𝐴 = 2 1 −1 1 , 𝐵= 3 −2 −3 𝑒𝑡 𝐶= 2 0 2
0 1 0 2 𝑐31 𝑐32 −1
0 0 0
1. Construire une matrice carrée symétrique à partir de la matrice A ;
2. Déterminer les coefficients de la matrice 𝐶 pour que 𝐵 et 𝐶 soient des diviseurs de zéro.

Solutions
Solution 1 :
Tout calcul fait on obtient :
2 −1 2 3 4 2
𝐴+𝐵 = + =
3 1 2 1 5 2
2 3 1 0 5 9
3𝐵 − 𝐶 = 3 − =
2 1 2 1 4 2
4 2 −1 0 5 2
𝐴+𝐵−𝐷 = 𝐴+𝐵 −𝐷 = − =
5 2 1 −2 4 4
2 3 1 0 8 3
𝐵𝐶 = =
2 1 2 1 4 1
2 −1 8 3 12 5
𝐴𝐵𝐶 = 𝐴 𝐵𝐶 = =
3 1 4 1 28 10
Solution 2 :
Le calcul des opérations 𝐴 + 𝐵, 𝐺 − 𝐻 𝑡 + 𝐷 , 𝐵𝐴 , 𝐵𝑡 + 2𝐺 𝑡
+ 𝐻 et 𝐺𝐻 𝑡 est impossible faute de
l’incompatibilité des types. Pour le reste des opérations, tout calcul fait on obtient :
6 −1 2 1 2 1 8 3 4
𝐵 + 2𝐺 𝑡 = +2 =
0 1 3 1 0 −1 2 1 1
1 −2 3 1 0 0 6 −2 3
𝐶 + 5𝐹 = −1 0 2 + 5 0 1 0 = −1 5 2
2 0 3 0 0 1 2 0 8
𝐷 𝑡 − 𝐸 = 1 2 −1 − 0 1 −2 = 1 1 1
1 −2 3 1 −1 2 2 −3 5
𝐶 + 𝐶𝑡 = −1 0 2 + −2 0 0 = −3 0 2
2 0 3 3 2 3 5 2 6
2 −1 1 1 2 2 0 1
𝐴𝐻 = =
3 1 0 2 3 3 5 9
1 −2 3
6 −1 2 11 −12 22
𝐵𝐶 = −1 0 2 =
0 1 3 5 0 11
2 0 3
1 −2 3 1 −6
𝐶𝐷 = −1 0 2 2 = −3
2 0 3 −1 −1
1
𝐸𝐷 = 0 1 −2 2 = 4
−1
1 0 1 −2
𝐷𝐸 = 2 0 1 −2 = 0 2 −4
−1 0 −1 2
1 1 2 2 0
1 2 1
𝐺𝐺 𝑡 = 2 0 = 2 4 2
1 0 −1
1 −1 0 2 2
1 0 1 1 2
1 1 2
𝐻𝑡 𝐻 = 1 2 = 1 5 8
0 2 3
2 3 2 8 13
1 0
1 1 2 6 8
𝐻𝐻 𝑡 = 1 2 =
0 2 3 8 13
2 3
1 1 1 3 5
1 1 2
𝐺𝐻 = 2 0 = 2 2 4
0 2 3
1 −1 1 −1 −1

1 3 5
(𝐻 𝑡 𝐺 𝑡 )𝑡 = 𝐺𝐻 = 2 2 4
1 −1 −1
1 −2 3 1 1 1 −2 3 6 0 5
6 −1 2
𝐶𝐺𝐵 = −1 0 2 2 0 = −1 0 2 12 −2 4
0 1 3
2 0 3 1 −1 2 0 3 6 −2 −1
0 −2 −6
= 6 −4 −7
30 −6 7
Solution 3 :
La partie symétrique de la matrice 𝐴 est donnée par :
3
1 −1 2 1 4 0 1 1
1 1 1 2 3 2 2
𝐴 + 𝐴𝑡 = 4 1 3 + −1 1 1 = 3 2 4 = 3
2 2 2 1 2
0 1 2 2 3 2 2 4 4 2
1 2 2
La partie anti-symétrique de la matrice 𝐴 est donnée par :
5
1 −1 2 1 4 0 0 − 1
1 1 1 0 −5 2 2
𝐴 − 𝐴𝑡 = 4 1 3 − −1 1 1 = 5 0 2 = 5
2 2 2 0 1
0 1 2 2 3 2 −2 −2 0 2
−1 −1 0
1 𝑡 1 𝑡
On remarque que 2
𝐴+𝐴 + 2
𝐴−𝐴 =𝐴
Solution 4 :
𝑎+𝑏 =4 𝑎=5
𝑎+𝑏 𝑎−𝑏 4 6 𝑎−𝑏 =6 𝑏 = −1
= ⇔ ⇔
2𝑐 + 𝑑 𝑐 − 2𝑑 1 3 2𝑐 + 𝑑 = 1 𝑐=1
𝑐 − 2𝑑 = 3 𝑑 = −1
𝑎=3
1 𝑎 0 1 3 0
𝑏=3
𝑐 𝑎+𝑏 𝑐−𝑎 = 4 6 1 ⇔
𝑐=4
𝑏 𝑑+𝑏 𝑑 3 4 1
𝑑=1
Solution 5 :
2 −1 −2 1 𝑏12 𝑏13 −2𝑏31 2𝑏12 − 2𝑏32 2𝑏13 0 0 0
𝐴𝐵 = 3 −3/2 −3 2 0 2 = −3𝑏31 3𝑏12 − 3𝑏32 3𝑏13 = 0 0 0
0 0 0 𝑏31 𝑏32 −1 0 0 0 0 0 0
−2𝑏31 = −3𝑏31 = 0
𝑏31 = 𝑏13 = 0
Ce qui implique, 2𝑏12 − 2𝑏32 = 3𝑏12 − 3𝑏32 = 0
𝑏12 = 𝑏32
2𝑏13 = 3𝑏13 = 0
On prend par exemple 𝑏12 = 𝑏32 = 𝛼, 𝛼 ∈ ℝ
1 𝛼 0
𝐵= 2 0 2
0 𝛼 −1
Solution 6 :
Tout calcul fait,

1 0 2 −1 0 −2 0 0 0
𝐴+𝐵 =3 1 −1 + 2 2 1 = 5 3 0
1 2 1 2 0 −1 3 2 0
1 0 2 −1 0 −2 3 0 −4
𝐴𝐵 = 3 1 −1 2 2 1 = −3 2 −4
1 2 1 2 0 −1 5 4 −1
−1 0 −2 1 0 2 −3 −4 −4
𝐵𝐴 = 2 2 1 3 1 −1 = 9 4 3 ≠ 𝐴𝐵
2 0 −1 1 2 1 1 −2 3
1 0 2 1 0 2 3 4 4
𝐴2 = 3 1 −1 3 1 −1 = 5 −1 4
1 2 1 1 2 1 8 4 1
−1 0 −2 −1 0 −2 −3 0 4
𝐵2 = 2 2 1 2 2 1 = 4 4 −3
2 0 −1 2 0 −1 −4 0 −3
1 0 2 1 3 1 5 1 3
𝐴𝐴𝑡 = 3 1 −1 0 1 2 = 1 11 4
1 2 1 2 −1 1 3 4 6
1 3 1 1 0 2 11 5 0
𝐴𝑡 𝐴 = 0 1 2 3 1 −1 = 5 5 1 ≠ 𝐴𝐴𝑡
2 −1 1 1 2 1 0 1 6
0 0 0 0 0 0 0 0 0
1. 𝐴 + 𝐵 2 = 5 3 0 5 3 0 = 15 9 0
3 2 0 3 2 0 10 6 0
3 4 4 3 0 −4 −3 0 4 6 4 0
𝐴2 + 2𝐴𝐵 + 𝐵2 = 5 −1 4 + 2 −3 2 −4 + 4 4 −3 = 3 7 −7
8 4 1 5 4 −1 −4 0 −3 14 12 −4
On remarque que 𝐴 + 𝐵 2 ≠ 𝐴2 + 2𝐴𝐵 + 𝐵2 , puisque 𝐴𝐵 ≠ 𝐴𝐵
2. On calcule les diagonales principales des matrices 𝐴, 𝐵, 𝐴𝐵 et 𝐵𝐴 :
𝐷𝑃 𝐴 = 1,1,1 , 𝐷𝑃 𝐵 = −1,2, −1 , 𝐷𝑃 𝐴𝐵 = 3,2, −1 , 𝐷𝑃 𝐵𝐴 = −3,4,3 ,
𝐷𝑃 𝐴𝐴𝑡 = 5,11,6 , 𝐷𝑃 𝐴𝑡 𝐴 = 11,5,6 .
3. D’après la deuxième question :
𝑡𝑟 𝐴 = 3, 𝑡𝑟 𝐵 = 0, 𝑡𝑟 𝐵𝐴 = 4, 𝑡𝑟 𝐴𝑡 = 3, 𝑡𝑟 𝐴 = 3, 𝑡𝑟 𝐴𝑡 𝐴 = 22,
𝑡𝑟 𝐴𝐴𝑡 = 22, 𝑡𝑟 𝐴𝐵 𝑡 = 4, 𝑡𝑟 𝐴𝐵 = 4, 𝑡𝑟 𝐵𝐴 = 4, 𝑡𝑟 𝐵𝑡 𝐴𝑡 = 4, 𝑡𝑟 𝐴𝐵 𝑡 = 4,
𝑡𝑟 𝐴𝐵 = 4, 𝑡𝑟(𝐵𝐴) = 4.
On remarque que 𝑡𝑟 𝐵𝐴 = 𝑡𝑟 𝐴𝐵 , 𝑡𝑟 𝐴 = 𝑡𝑟 𝐴𝑡
Solution 7 :
3 9 −9 3 9 −9 0 0 0
𝐴2 = 𝐴𝐴 2 0 0 = 2 0 0 = 6 18 −18
3 3 −3 3 3 −3 6 18 −18
0 0 0 3 9 −9 0 0 0
𝐴3 = 𝐴2 𝐴 = 6 18 −18 2 0 0 = 0 0 0 = 03
6 18 −18 3 3 −3 0 0 0
Comme 𝐴2 ≠ 03 et 𝐴3 = 03 , alors la matrice 𝐴 est nilpotente d’ordre 3. Ainsi, 𝐴𝑘 = 03 , pour tout 𝑘 ≥ 3.
0 1 0 0 0 1 0 0 0 0 1 0
0 0 1 0 0 0 1 0 0 0 0 1
𝐵2 = =
0 0 0 1 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 1 0 0 0 0 0 1
0 0 0 1 0 0 1 0 0 0 0 0
𝐵3 = =
0 0 0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 1 0 1 0 0 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0
𝐵4 = = = 04
0 0 0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
En déduire les puissances successives de 𝐵 : Comme 𝐵3 ≠ 04 et 𝐵4 = 04 , alors la matrice 𝐵 est nilpotente
d’ordre 4. Ainsi, 𝐵𝑘 = 04 , pour tout 𝑘 ≥ 4.
0 2 3 4 5 0 2 3 4 5 0 0 4 12 25
0 0 2 3 4 0 0 2 3 4 0 0 0 4 12
𝐶2 = 0 0 0 2 3 0 0 0 2 3 = 0 0 0 0 4
0 0 0 0 2 0 0 0 0 2 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 4 12 25 0 2 3 4 5 0 0 0 8 36
0 0 0 4 12 0 0 2 3 4 0 0 0 0 8
𝐶3 = 0 0 0 0 4 0 0 0 2 3 = 0 0 0 0 0
0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 8 36 0 2 3 4 5 0 0 0 0 16
0 0 0 0 8 0 0 2 3 4 0 0 0 0 0
𝐶4 = 0 0 0 0 0 0 0 0 2 3 = 0 0 0 0 0
0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 16 0 2 3 4 5 0 0 0 0 0
0 0 0 0 0 0 0 2 3 4 0 0 0 0 0
𝐶5 = 0 0 0 0 0 0 0 0 2 3 = 0 0 0 0 0 = 05
0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Comme 𝐶 4 ≠ 05 et 𝐶 5 = 05 , alors la matrice 𝐶 est nilpotente d’ordre 5. Ainsi, 𝐶 𝑘 = 05 , pour tout 𝑘 ≥ 5.
Solution 8 :
1. Les matrices puissances :
1 0 0 1 0 0 1 0 0 12 0 0
2
𝐴 = 0 2 0 0 2 0 = 0 4 0 = 0 22 0
0 0 3 0 0 3 0 0 9 0 0 32
2 1 0 0 3
1 0 0 1 0 0
𝐴3 = 0 2 2
0 0 2 0 = 0 23 0
2
0 0 3 0 0 3 0 0 33
3
1 0 0 1 0 0 14 0 0
4
𝐴 = 0 2 3
0 0 2 0 = 0 24 0
3
0 0 3 0 0 3 0 0 34
2. On remarque que les puissances successives de A sont de la forme :
1𝑘 0 0
k
A = 0 2𝑘 0 ∀ 𝑘 ∈ ℕ∗
0 0 3𝑘
3. Raisonnement par récurrence :
Vérification : pour 𝑘 = 1,
1 0 0 11 0 0
1
A = 0 2 0 = 0 21 0
0 0 3 0 0 31
Hypothèse de récurrence : on suppose qu’à l’ordre 𝑘 on a :

1𝑘 0 0
k
A = 0 2𝑘 0
0 0 3𝑘
Démonstration : on montre que le résultat reste vrai à l’ordre 𝑘 + 1 :
1𝑘 0 0 1 0 0 1𝑘+1 0 0
k+1 k
A = A A = 0 2 𝑘
0 0 2 0 = 0 2𝑘+1 0
0 0 3𝑘 0 0 3 0 0 3𝑘+1
1𝑘 0 0
Conclusion : ∀ 𝑘 ∈ ℕ∗ , 𝐴𝑘 = 0 4𝑘 0
0 0 9𝑘
4. On montre de même que :
Calculons les puissances 𝐵2 et 𝐵3 :
2 2 2 1 1 1
On remarque que 𝐵 = 2 2 2 = 2𝐸 avec 𝐸 = 1 1 1 .
2 2 2 1 1 1
Ainsi, 𝐵𝑘 = 2𝐸 𝑘 = 2𝑘 𝐸𝑘 pour tout ∈ ℕ∗ .
1 1 1 1 1 1 3 3 3
𝐸2 = 1 1 1 1 1 1 = 3 3 3 = 3𝐸 donc 𝐵2 = 22 . 𝐸 2 = 22 . 3𝐸
1 1 1 1 1 1 3 3 3
𝐸 3 = 𝐸 2 𝐸 = 3𝐸𝐸 = 3𝐸 2 = 32 𝐸 donc 𝐵3 = 23 . 𝐸 3 = 23 . 32 𝐸
On remarque que les puissances successives de B sont de la forme : 𝐵𝑘 = 2𝑘 . 3𝑘−1 𝐸 pour tout 𝑘 ∈ ℕ∗.
Raisonnement par récurrence :
𝐵1 = 21 . 30 𝐸 = 2𝐸
Hypothèse de récurrence : on suppose qu’à l’ordre 𝑘 on a : 𝐵𝑘 = 2𝑘 . 3𝑘−1 𝐸
Démonstration : on montre que le résultat reste vrai à l’ordre 𝑘 + 1, c'est-à-dire, 𝐵𝑘+1 = 2𝑘+1 . 3𝑘 𝐶 ?
𝐵𝑘+1 = 𝐵𝑘 𝐵 = 2𝑘 . 3𝑘−1 𝐸. 2 𝐸 = 2𝑘+1 . 3𝑘−1 𝐸 2 = 2𝑘+1 . 3𝑘−1 . 3𝐸 = 2𝑘+1 . 3𝑘 𝐸
Conclusion : ∀ k ∈ ℕ∗ ,
1 1 1
𝐵𝑘 = 2𝑘 . 3𝑘−1 𝐸 = 2𝑘 . 3𝑘−1 1 1 1
1 1 1
0 0 0 0 0 0 0 0 0
𝐶= 2 0 0 , 𝐶2 = 0 0 0 , 𝐶3 = 0 0 0 et 𝐶 𝑘 = 03 ∀ 𝑘 ≥ 3.
0 1 0 2 0 0 0 0 0
1 0 1 20 0 20 2 0 2 21 0 21
2
𝐷= 0 0 0 = 0 0 0 , 𝐷 = 0 0 0 = 0 0 0 ,
1 0 1 20 0 20 2 0 2 21 0 21
2 2 𝑘−1
4 0 4 2 0 2 2 0 2𝑘−1
𝐷3 = 0 0 0 = 0 0 0 𝑘
et 𝐷 = 0 0 0 ∀ 𝑘 ∈ ℕ.
4 0 4 2 2 0 22 2𝑘−1 0 2𝑘−1
1 1 1 3 3 3
𝐸 = 1 1 1 = 30 𝐸, 𝐸2 = 3 3 3 = 31 𝐸,
1 1 1 3 3 3
𝐸 3 = 𝐸 2 𝐸 = 31 𝐸 2 = 32 𝐸 et 𝐸 𝑘 = 3𝑘−1 𝐸 ∀ 𝑘 ∈ ℕ.
Solution 9 :
1. Les matrices 𝐴 et 𝐵 sont données par :

1 1 1 4 1 1
𝐴= 1 1 1 et 𝐵 = 𝐴 + 3𝐼3 = 1 4 1
1 1 1 1 1 4
Les matrices puissances de 𝐴 :
1 1 1 1 1 1 3 3 3 1 1 1
𝐴2 = 1 1 1 1 1 1 = 3 3 3 = 3 1 1 1 = 3𝐴
1 1 1 1 1 1 3 3 3 1 1 1
𝐴3 = 𝐴2 𝐴 = 3𝐴𝐴 = 3𝐴2 = 32 𝐴
2. On remarque que les puissances successives de A sont de la forme :

𝐴𝑛 = 3𝑛−1 𝐴 ∀ 𝑛 ∈ ℕ∗
A1 = 1𝐴 = 10 𝐴 = 11−1 𝐴
Hypothèse de récurrence : on suppose qu’à l’ordre 𝑛 ≥ 1 on a :
𝐴𝑛 = 3𝑛−1 𝐴
Démonstration : on montre que le résultat reste vrai à l’ordre 𝑛 + 1 :
𝐴𝑛+1 = 𝐴𝑛 𝐴 = 3𝑛−1 𝐴𝐴 = 3𝑛−1 3𝐴 = 3𝑛 𝐴
Conclusion : ∀ 𝑛 ∈ ℕ∗ , 𝐴𝑛 = 3𝑛−1 𝐴
3. On calcule de même 𝐵𝑛 pour tout 𝑛 ≥ 1 :
𝐵𝑛 = 𝐴 + 3𝐼3 𝑛
𝑛
𝑛 𝑘 𝑛−𝑘
𝑛 𝑛!
= 𝐴 3𝐼3 Formule de binôme avec =
𝑘 𝑘 𝑘! 𝑛 − 𝑘 !
𝑘=0
𝑛
𝑛 𝑘
= 3𝑛−𝑘 𝐴
𝑘
𝑘=0
𝑛
𝑛
𝑛 𝑛 𝑘
= 3 𝐼 + 3𝑛−𝑘 𝐴
0 3 𝑘
𝑘=1
𝑛
𝑛 𝑛 𝑘
= 3𝑛 𝐼 + 3𝑛−𝑘 𝐴
0 3 𝑘
𝑘=1
𝑛
𝑛 𝑘−1 𝑛
= 3𝑛 𝐼3 + 3𝑛−𝑘 3 𝐴 car =1
𝑘 0
𝑘=1
𝑛
𝑛 𝑛−1
𝑛
= 3 𝐼3 + 3 𝐴
𝑘
𝑘=1
Or
𝑛 𝑛 𝑛
𝑛 𝑛
𝑛 𝑛 𝑛 𝑛
2 = 1+1 = = + =1+
𝑘 0 𝑘 𝑘
𝑘=0 𝑘=1 𝑘=1
Donc,
𝑛
𝑛
= 2𝑛 − 1
𝑘
𝑘=1
Ainsi, pour tout 𝑛 ≥ 1,

𝐵𝑛 = 3𝑛 𝐼3 + 3𝑛−1 2𝑛 − 1 𝐴
Solution 10 :
Calculons les déterminants suivants :
3 0 0
5 −1 0 = 3 × −1 × 4 = −12 Le déterminant d’une matrice triangulaire inférieure est égal au
7 3 4
produit de ses éléments diagonaux.
2 −1 3
0 1 5 = 2 × 1 × 3 = 0 Le déterminant d’une matrice triangulaire supérieure est égal au produit
0 0 3
de ses éléments diagonaux.
1 0 0
0 2 0 = 1 × 2 × 3 = 6 Le déterminant d’une matrice diagonale est égal au produit de ses éléments
0 0 3
diagonaux.
1 0 0
2 4
0 2 4 = = −6 On développe selon la première ligne
3 3
0 3 3
1 −3 0
1 −3
2 4 0 =3 = 30 On développe selon la troisième ligne
2 4
0 0 3
1 0 3
1 3
0 2 0 =2 = −6 On développe selon la deuxième ligne
2 3
2 0 3
1 2 3
2 4 6 = 0 Le déterminant est nul puisque la première ligne et la deuxième ligne de la matrice
5 −1 2
sont proportionnelles (𝐿2 = 2𝐿1 )
2 0 3
det 𝐴 = 1 4 3 =?
−1 4 5
Méthode de Sarrus (disposition ligne) :
2 0 3 2 0
𝑑𝑒𝑡 𝐴 = 1 4 3 1 4
−1 4 5 −1 4
= 2 × 4 × 5 + 0 × 3 × (−1) + (3 × 1 × 4) − (−1) × 4 × 3 + 4 × 3 × 2 + (5 × 1 × 0)
= 40 + 0 + 12 − −12 + 24 + 0
= 40
Méthode de Sarrus (disposition colonne) :
2 0 3
1 4 3
𝑑𝑒𝑡 𝐴 = −1 4 5
2 0 3
1 4 3
= 2 × 4 × 5 + 1 × 4 × 3 + ((−1) × 0 × 3) − (−1) × 4 × 3 + 2 × 4 × 3 + (1 × 0 × 5)
= 40 + 12 + 0 − −12 + 24 + 0
= 40
Méthode des cofacteurs :
2 0 3
2 3 2 3
𝑑𝑒𝑡 𝐴 = 1 4 3 = +4 −4 = 4 13 − 4 3 = 40
−1 5 1 3
−1 4 5
ou encore
2 0 3 2 0 3
2 3
𝑑𝑒𝑡 𝐴 = 1 4 3 = 2 0 −2 = −4 = 40
2 −2
−1 4 5 −1 4 5
On applique toutes les propriétés possibles pour faciliter les calculs du déterminant :

4 −2 4 4 −2 1 𝐿1 4 −2 1
6 −5
2 −3 −4 = 4 2 −3 −1 𝐿2 + 𝐿1 = 4 6 −5 0 = 4 = 68
𝐿 − 2𝐿 −5 7
3 3 8 3 3 2 3 1 −5 7 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 2 2 2 0 1 1 1 0 1 1 1 0 1 1 1
= = = = 1
1 2 3 3 0 1 2 2 0 0 1 1 0 0 1 1
1 2 3 4 0 1 2 3 0 0 1 2 0 0 0 1
1 0 −3 1 𝐿1 1 0 −3 1
−2 1 2
0 −2 1 2 𝐿2 0 −2 1 2 −2 1
= = 0 0 2 = −2 =2
−1 0 3 1 𝐿3 + 𝐿1 0 0 0 2 −1 1
−1 1 2
0 −1 1 2 𝐿4 0 −1 1 2
1 1 1 1 1 1 1 1
0 −2 −2 0 −2 −2
1 1 −1 −1 0 0 −2 −2 −2 −2
= = −2 0 −2 = 0 0 −2 = −2
1 −1 1 −1 0 −2 0 −2 0 −2
−2 −2 −2 −2 2 0
1 −1 −1 −1 0 −2 −2 −2
1 1 1 1
1 1 −1 −1
= −8
1 −1 1 −1
1 −1 −1 −1
−3 4 −5 1 1 0 −1 9
1 −1 9 10 0 5
−1 1 −1 −2 −1 1 −1 −2 10 5
= = 9 −1 12 = 18 0 8 =−
5 4 −5 4 9 0 −1 12 18 8
9 1 −4 9 1 −4
9 0 1 −4 9 0 1 −4
−3 4 −5 1
−1 1 −1 −2
= 10
5 4 −5 4
9 0 1 −4
Solution 11 :
Calculons le déterminant de la matrice 𝐴𝑚 :
1 2 1
1 1 2 1
𝑑𝑒𝑡 𝐴𝑚 =
𝑚 1 1 = −𝑚 = 1 − 3𝑚
1 2 1 2
0 1 2
1
Ainsi, 𝑑𝑒𝑡 𝐴𝑚 = 0 ⟺ 1 − 3𝑚 = 0 ⟺ 𝑚 = 3
1
Si 𝑚 ≠ 3 alors 𝑑𝑒𝑡 𝐴𝑚 ≠ 0 et donc 𝑟𝑔 𝐴𝑚 = 3
1 1 2
Si 𝑚 = 3 alors 𝑑𝑒𝑡 𝐴1 = 0 et donc 𝑟𝑔 𝐴1 ≤ 2. Comme 1
1 ≠ 0 alors 𝑟𝑔 𝐴 = 2.
3 3 3
1. Appliquons la méthode de Gauss :
1 2 1 1 2 1
C31
Am = 𝑚 1 1 1 1 𝑚
~
0 1 2 2 1 0
1 2 1
L21 −1 ; L32 −2
0 −1 𝑚 − 1
~
0 −3 −2
1 2 1
L32 −3
0 −1 𝑚 − 1
~
0 0 1 − 3𝑚
1
Si 1 − 3𝑚 ≠ 0, c'est-à-dire, 𝑚 ≠ 3 alors et donc 𝑟𝑔 𝐴𝑚 = 3 (le nombre de pivots est 3).

1
Si 1 − 3𝑚 = 0, c'est-à-dire, 𝑚 = 3 alors et donc 𝑟𝑔 𝐴1 = 2, (le nombre de pivots est 2).
3
Solution 12 :
Les matrices 𝐴, 𝐵, 𝐶, 𝐷et 𝐸 sont inversibles et
1 1 1 −1 1 −3 1 2 −2
𝐴−1 = , 𝐵−1 = , 𝐶 −1 = ,
5 −3 2 4 −2 2 4 −1 3
1 0 −1 2 0
𝐷 −1 = , 𝐸 −1 = .
−2 1 2 1 1
Tandis que la matrice 𝐹 est non inversible puisque det 𝐹 = 0.
Solution 13 :
On remarque que 𝐴𝐵2 = 𝐼3 , donc l’inverse de la matrice 𝐴 est 𝐴−1 = 𝐵2 .
Solution 14 :
Calculons la matrice 𝐴3 :
−1 −1 1 −1 −1 1 0 1 −1
𝐴2 = 4 −3 4 4 −3 4 = −4 −7 8
3 −3 4 3 −3 4 −3 −6 7
=
0 1 −1 −1 −1 1 1 0 0
𝐴3 =−4 −7 8 4 −3 4 = 0 1 0
−3 −6 7 3 −3 4 0 0 1
1. La matrice 𝐴 est inversible puisque 𝐴3 = 𝐴 𝐴 = 𝐴𝐴2 = 𝐼3 .
2
2. L’inverse de la matrice 𝐴 est :

0 1 −1
𝐴−1 = 𝐴2 = −4 −7 8
−3 −6 7
Solution 15 :
La matrice A admet une ligne nulle donc,
1 2 3
det 𝐴 = 0 0 0 = 0
5 6 1
La matrice A est non inversible.
La matrice B admet une colonne nulle donc,
1 0 3
det 𝐵 = 2 0 1 =0
3 0 1
La matrice B est non inversible.
La troisième ligne de la matrice C est proportionnelle à la première ligne 𝐿3 = 3𝐿1 donc,
1 1 2
det 𝐶 = 1 2 1 = 0
3 3 6
La matrice C est non inversible.
La troisième ligne de la matrice D est combinaison linéaire des deux premières lignes 𝐿3 = 𝐿1 + 𝐿2
donc,

1 1 2
det 𝐶 = 1 2 3 =0
2 3 5
La matrice D est non inversible.
La matrice 𝐸 est inversible, en effet
3 1 −1
1 −1
det 𝐸 = 0 0 7 = −7 = −49 ≠ 0
2 1
−1 2 1
La matrice E est inversible et
1
𝐸 −1 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐸)
𝑑𝑒𝑡⁡(𝐸)
où,
0 7 0 7 0 0
+ − +
2 1 −1 1 −1 2 −14 −7 0
1 −1 3 −1 3 1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐸 = − + − = −3 4 −7
2 1 −1 1 −1 2
1 −1 3 −1 3 1 7 −21 0
+ − +
0 7 0 7 0 0
−14 −3 7
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐸) = −7 2 −21
0 −7 0
Ainsi,
2 3 1
−
7 49 7
−1 −14 −3 7 1 2 3
𝐸 −1 = −7 2 −21 = −
49 7 49 7
0 −7 0
1
0 0
7
La matrice 𝐹 est inversible, en effet
2 −2 −2 2 0 −4
0 −4
det 𝐹 = 1 −1 1 = 1 0 0 = − = −12 ≠ 0
3 2
1 2 3 1 3 2
La matrice F est inversible et
1
𝐹 −1 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐹)
𝑑𝑒𝑡⁡(𝐹)
où,
−1 1 1 1 1 −1
+ − +
2 3 1 3 1 2 −5 −2 3
−2 −2 2 −2 2 −2
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐹 = − + − = 2 8 −6
2 3 1 3 1 2
−2 −2 2 −2 2 −2 −4 −4 0
+ − +
−1 1 1 1 1 −1
−5 2 −4
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐹) = −2 8 −4
3 −6 0
Ainsi,
5 1 1
−
12 6 3
−1
−1 −5 2 −4 1 2 1
𝐹 = −2 8 −4 = −
12 6 3 3
3 −6 0
1 1
− 0
4 2
La matrice 𝐺 est inversible, en effet

2 −3 −1
4 −1
det 𝐺 = 4 −1 0 = − = −9 ≠ 0
1 2
1 2 0
La matrice G est inversible et
1
𝐺 −1 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐺)
𝑑𝑒𝑡⁡(𝐺)
où,
−1 0 4 0 4 −1
− + +
2 0 1 0 1 2 0 0 9
−3 −1 2 −1 2 −3
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐺 = − + − = −2 1 −7
2 0 1 0 1 2
−3 −1 2 −1 2 −3 −1 −4 10
+ − +
−1 0 4 0 4 −1
0 −2 −1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐺) = 0 1 −4
9 −7 10
Ainsi,
2 1
0
9 9
−1 0 −2 −1 1 4
𝐹 −1 = 0 1 −4 = 0 −
9 9 9
9 −7 10
7 10
−1 −
9 9
La matrice 𝐻 est inversible, en effet
3 0 0
det 𝐻 = 0 4 1 = 3 4 (−2) = −24 ≠ 0
0 0 −2
La matrice H est inversible et
1
𝐻 −1 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐻)
𝑑𝑒𝑡⁡(𝐻)
où,
4 1 0 1 0 4
+ − +
0 −2 0 −2 0 0 −8 0 0
0 0 3 0 3 0
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐻 = − + − = 0 −6 0
0 −2 0 −2 0 0
0 0 3 0 3 0 0 −3 12
+ − +
4 1 0 1 0 4
−8 0 0
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐻) = 0 −6 −3
0 0 12
Ainsi,
1
0 0
3
−1 −8 0 0 1 1
𝐻 −1 = 0 −6 −3 = 0
24 4 8
0 0 12
1
0 0 −
2
Solution 16 :

1 0 0
1 0 0 1
𝐴= 0 𝐴−1 = 0 0
2 0 , 𝑑𝑒𝑡 𝐴 = 6 ≠ 0, 2
1
0 0 3 0 0 3
𝑡
−1 0 2 0 2 −1
+ − +
1 0 0 4 3 3 3 3 4
−1 0 0 1 0 1 0
𝐵 = 2 −1 0 , 𝑑𝑒𝑡 𝐵 = −3 ≠ 0, 𝐵−1 = − + −
3 4 3 3 3 3 4
3 4 3 0 0 1 0 1 0
+ − +
−1 0 2 0 2 −1
1 0 0
𝐵−1 = 2 −1 0
−11 4 1
3 3 3
𝑡
2 −1 0 −1 0 2
+ − +
1 1 2 0 1 0 1 0 0
1 1 2 1 2 1 1
𝐶= 0 2 −1 , 𝑑𝑒𝑡 𝐶 = 2 ≠ 0, 𝐶 −1 = − + −
2 0 1 0 1 0 0
0 0 1 1 2 1 2 1 1
+ − +
2 −1 0 −1 0 2
𝑡
−1
1 2 0 0
𝐶 = −1 1 0
2
−5 1 2
−1 −5
1
2 2
𝐶 −1 = 1 1
0
2 2
0 0 1
𝑡
2 4 0 4 0 2
+ − +
1 0 0 3 3 0 3 0 3
−1 0 0 1 0 1 0
𝐷= 0 2 4 , 𝑑𝑒𝑡 𝐷 = −6 ≠ 0 𝐷 −1 = − + −
6 3 3 0 3 0 3
0 3 3 0 0 1 0 1 0
+ − +
2 4 0 4 0 2
−1 −6 0 0 𝑡
𝐷 −1 = 0 3 −3
6
0 −4 2
1 0 0
−1 2
0
𝐷 −1 = 2 3
1 −1
0
2 3

𝑡
4 0 2 0 2 4
+ − +
1 −3 0 0 3 0 3 0 0
1 −3 0 1 0 1 −3
𝐸= 2 4 0 , 𝑑𝑒𝑡 𝐸 = 30 ≠ 0, 𝐸 −1 = − + −
30 0 3 0 3 0 0
0 0 3 −3 0 1 0 1 −3
+ − +
4 0 2 0 2 4
𝑡
1 12 −6 0
𝐸 −1 = 9 3 0
30
0 0 10
2 3
0
5 10
−1 1
𝐸 −1 = 0
5 10
1
0 0
3
𝑡
2 0 0 0 0 2
+ − +
1 0 3 0 3 2 3 2 0
−1 0 3 1 3 1 0
𝐹= 0 2 0 , 𝑑𝑒𝑡 𝐹 = −6 ≠ 0, 𝐹 −1 = − + −
6 0 3 2 3 2 0
2 0 3 0 3 1 3 1 0
+ − +
2 0 0 0 0 2
𝑡
−1 6 0 −4
𝐹 −1 = 0 −3 0
6
−6 0 2
1 −6 0 6
𝐹 −1 = 0 3 0
6
4 0 −2
−1 0 1
1
0 0
𝐹 −1 = 2
2 1
0 −
3 3
−1 2 4
𝐿= 1 3 3 , det 𝐿 = −32 ≠ 0 et
−2 −7 −1
𝑡
3 3 1 3 1 3
+ − +
−7 −1 −2 −1 −2 −7
−1 2 4 −1 4 −1 2
𝐿−1 = − + −
32 −7 −1 −2 −1 −2 −7
2 4 −1 4 −1 2
+ − +
3 3 1 3 1 3
𝑡
+(18) −(5) +(−1)
−1
= −(26) +(9) −(11)
32
+(−6) −(−7) +(−5)
1 −18 26 6
= 5 −9 −7
32
1 11 5
9 13 3
−
16 16 16
5 9 7
= − −
32 32 32
1 11 5
32 32 32

 La matrice 𝐺 contient une colonne nulle (𝑑𝑒𝑡 𝐺 = 0), donc 𝐺 non inversible.
 Deux colonnes de la matrice 𝐻 sont opposées (𝑑𝑒𝑡 𝐻 = 0), donc 𝐻 non inversible.
 La troisième colonne de 𝐽 est combinaison linéaire des deux premières colonnes (𝑑𝑒𝑡 𝐽 = 0), donc 𝐽
non inversible.
 La troisième ligne et la première ligne de la matrice 𝐾 sont proportionnelles (𝑑𝑒𝑡 𝐾 = 0), donc 𝐾 non
inversible.
Solution 17 :
Montrons que 𝐴 et 𝐵 sont inversibles :
1 1 3 1 1 3
2 −3
𝑑𝑒𝑡 𝐴 = 1 3 0 = 0 2 −3 = = −1 ≠ 0
−1 1
0 −1 1 0 −1 1
1 2 −1
1 2
𝑑𝑒𝑡 𝐵 = −1 2 1 = =4≠0
−1 2
0 0 1
1. Calculons les inverses 𝐴−1 et 𝐵−1 :
3 0 1 0 1 3 𝑡
+ − +
−1 1 0 1 0 −1 3 −1 −1 𝑡
−3 4 9
−1 1 3 1 3 1 1
𝐴 =− − + − = − −4 1 1 = 1 −1 −3
−1 1 0 1 0 −1
1 3 1 3 1 1 −9 3 2 1 −1 −2
+ − +
3 0 1 0 1 3
=
2 1 −1 1 −1 2 𝑡 1 −1
+ − +
0 1 0 1 0 0 𝑡 1
−1
1 2 −1 1 −1 1 2 1 2 1 0 2 2
𝐵 = − + − = −2 1 0 = 1 1
4 0 1 0 1 0 0 4 0
2 −1 1 −1 1 2 4 0 4 4 4
+ − + 0 0 1
2 1 −1 1 −1 2
−1 −1
2. En déduire 𝐴𝐵 et 𝐵𝐴 :
1 −1 3
1 −3 4 9 −1 4
2 2 2
𝐴𝐵 −1 = 𝐵−1 𝐴−1 = 1 1 1 −1 −3 = −1 3 3
0 1 −1 −2
4 4 2 4 2
0 0 1 1 −1 −2
−1 5
1 −1 6
1 2 2
−3 4 9 2 2 1 −3
−1
𝐵𝐴 = 𝐴−1 𝐵−1 = 1 −1 −3 1 1 = −2
1 −1 −2 0 4 4
4 4 1 −3
0 0 1 −1
4 4
Solution 18 :
Calculons d’abord det 𝑀𝑚 :
𝑚 1 1 𝑚−1 1 1 1 1 1 1 1 1
det 𝑀𝑚 = 1 𝑚 1 = 0 𝑚 1 = 𝑚 − 1 0 𝑚 1 = 𝑚 − 1 0 𝑚 1
1 1 𝑚 1−𝑚 1 𝑚 −1 1 𝑚 0 2 𝑚+1
𝑚 1
= 𝑚−1 = 𝑚 − 1 𝑚 𝑚 + 1 − 2 = 𝑚 − 1 𝑚2 + 𝑚 − 2 = 𝑚 − 1 2
𝑚+2
2 𝑚+1
Ou mieux encore

1 𝑚 1
𝑚+2 𝑚+2 𝑚+2
det 𝑀𝑚 =
1 = 1 1 𝑚 𝑚 1
𝑚 1 1 1 1 𝑚
1 1 1 1 1 1
= 𝑚+2 1 𝑚 1 = 𝑚+2 0 𝑚−1 0
1 1 𝑚 0 0 𝑚−1
= 𝑚+2 𝑚−1 2
Si 𝑚 = −2 ou 𝑚 = 1, alors det 𝑀𝑚 = 0, la matrice 𝑀𝑚 est donc non inversible.
Si 𝑚 ≠ −2 et 𝑚 ≠ 1, alors det 𝑀𝑚 ≠ 0, la matrice 𝑀_m est donc inversible.
Solution 19 :
Tout calcul fait on a :
3 1 2
4−𝑚 2𝑚 3+𝑚
det 𝐴𝑚 =
1 + 𝑚 −1 − 𝑚 1 + 𝑚
𝐶1 𝐶1 + 𝐶2 𝐶3 − 𝐶1
3 4 −1
= 4 − 𝑚 4 + 𝑚 −1 + 2𝑚
1+𝑚 0 0
4 −1
= 1+𝑚
4 + 𝑚 −1 + 2𝑚
= 9𝑚(1 + 𝑚)
Donc, si 𝑚 ≠ 0 et 𝑚 ≠ −1 alors det 𝐴𝑚 ≠ 0 et 𝐴_m est inversible.
Pour tout 𝑚 ∈ ℝ − −1,0 , 𝑑𝑒𝑡 𝐴 = 9𝑚(1 + 𝑚) ≠ 0. Donc la matrice 𝐴𝑚 est inversible et son inverse
est donné par :
1
𝐴−1
𝑚 = 𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴𝑚 )
det 𝐴𝑚
où,
2𝑚 3+𝑚 4−𝑚 3+𝑚 4−𝑚 2𝑚
+ − +
−1 − 𝑚 1 + 𝑚 1+𝑚 1+𝑚 1 + 𝑚 −1 − 𝑚
1 2 3 2 3 1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴𝑚 = − + − =
−1 − 𝑚 1 + 𝑚 1+𝑚 1+𝑚 1 + 𝑚 −1 − 𝑚
1 2 3 2 3 1
+ − +
2𝑚 3 + 𝑚 4−𝑚 3+𝑚 4 − 𝑚 2𝑚
3𝑚2 + 6𝑚 + 3 − 1 − 𝑚 − 2𝑚2 −𝑚2 − 5𝑚 − 4
− 3𝑚 + 3 𝑚+1 − −4𝑚 − 4
3 − 3𝑚 − 5𝑚 + 1 7𝑚 − 4
3𝑚2 + 6𝑚 + 3 − 1 − 𝑚 − 2𝑚2 −𝑚2 − 5𝑚 − 4
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴𝑚 = − 3𝑚 + 3 𝑚+1 − −4𝑚 − 4 et
3 − 3𝑚 − 5𝑚 + 1 7𝑚 − 4
3𝑚2 + 6𝑚 + 3 −3𝑚 − 3 3 − 3𝑚
𝑡
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 (𝐴𝑚 ) = 2𝑚2 + 𝑚 − 1 𝑚+1 −5𝑚 − 1
2
−𝑚 − 5𝑚 − 4 4𝑚 + 4 7𝑚 − 4
Ainsi,
𝑚+1 1 3 − 3𝑚
−
3𝑚 3𝑚 9𝑚(1 + 𝑚)
1 3𝑚2 + 6𝑚 + 3 −3𝑚 − 3 3 − 3𝑚 2𝑚 − 1 1 5𝑚 + 1
𝐴−1
𝑚 = 2𝑚2 + 𝑚 − 1 𝑚+1 −5𝑚 − 1 = −
9𝑚(1 + 𝑚) 9𝑚 9𝑚 9𝑚(1 + 𝑚)
−𝑚2 − 5𝑚 − 4 4𝑚 + 4 7𝑚 − 4
𝑚+4 4 7𝑚 − 4
−
9𝑚 9𝑚 9𝑚(1 + 𝑚)

Solution 20 :
 Comme det 𝐴 = 0 alors la matrice 𝐴 d’ordre 𝑛 est dans ce cas non inversible, en effet :
1 2 1 1 1
𝐴 = 0 ⇒ det 𝐴2 = 0 ⇒ det 𝐴 2
= det⁡(𝐴) 2 = 0 ⇒ det 𝐴 = 0
3 3 3𝑛 3𝑛
 Si 𝐴4 = 0 alors det 𝐴4 = det 0 et donc det 𝐴 4

= 0. La matrice étant non inversible.
 Si 𝐴2 = 𝐼 ⇒ 𝐴 × 𝐴 = 𝐼 alors la matrice 𝐴 est inversible et 𝐴−1 = 𝐴.
 La matrice 𝐴 est dans ce cas inversible :

𝐴3 = 𝐼 ⇒ 𝐴 × 𝐴2 = 𝐼
Donc,
𝐴−1 = 𝐴2
 Supposons 𝐴 inversible,
𝐴2 = −𝐴 ⟹ 𝐴−1 𝐴2 = −𝐴−1 𝐴 = −𝐼 ⟹ 𝐴 = −𝐼
Les matrices inversibles vérifiant l’équation 𝐴2 = −𝐴 sont les matrices 𝐴 telles que 𝐴 = −𝐼, det 𝐴 = ± 1
 Si 𝐴3 = 𝐴. Supposons 𝐴 inversible,
𝐴3 = 𝐴 ⟹ 𝐴−1 𝐴3 = 𝐴−1 𝐴 = 𝐼 ⟹ 𝐴2 = 𝐼 ⟹ 𝐴 = 𝐴−1
Les matrices inversibles qui vérifient l’équation 𝐴3 = 𝐴 sont les matrices 𝐴 telles que 𝐴 = 𝐴−1 .

𝐴3 + 2𝐴 = 𝐼 ⇒ 𝐴 𝐴2 + 2𝐼 = 𝐼
Donc,
𝐴−1 = 𝐴2 + 2𝐼
−1
𝐴2 − 5𝐴 + 6𝐼 = 0 ⇒ 𝐴 𝐴 − 5𝐼 = 𝐼
6
Donc,
−1
𝐴−1 = 𝐴 − 5𝐼
6
 𝐴3 + 4𝐴 − 6𝐼 = 0 alors,
1
𝐴3 + 4𝐴 − 6𝐼 = 0 ⟹ 𝐴 (𝐴2 + 4𝐼) = 𝐼
6
−1 1 2
La matrice 𝐴 est inversible et 𝐴 = 6 (𝐴 + 4𝐼).

1
𝐴−𝐼 𝐴 + 2𝐼 = 0 ⇒ 𝐴2 + 𝐴 = 2𝐼 ⇒ 𝐴 𝐴+𝐼 =𝐼
2
Donc,
1
𝐴−1 = 𝐴+𝐼
2
 Si 𝐴 − 3𝐼 3𝐴 + 𝐼 = 0 alors,
8
𝐴 − 3𝐼 3𝐴 + 𝐼 = 0 ⟹ 3𝐴2 − 8𝐴 − 3𝐼 = 0 ⟹ 𝐴 𝐴− 𝐼 =𝐼
3
8
La matrice 𝐴 est inversible et 𝐴−1 = 𝐴 − 𝐼.
3
 Si 𝐴 + 2𝐼 𝐴 + 𝐼 = 3𝐼 alors,

𝐴 + 2𝐼 𝐴 + 𝐼 = 3𝐼 ⟹ 𝐴2 + 3𝐴 = 𝐼 ⟹ 𝐴 𝐴 + 3𝐼 = 𝐼
La matrice 𝐴 est inversible et 𝐴−1 = 𝐴 + 3𝐼.
Solution 21 :
Tout calcul fait on obtient,
1 −1 2 1 −1 2 2 −7 1
2
𝐴 = 𝐴𝐴 = 1 2 3 1 2 3 = 6 −3 11
1 −2 1 1 −2 1 0 −7 −3
2 −7 1 1 −1 2 −4 −18 −16
𝐴3 = 𝐴2 𝐴 = 6 −3 11 1 2 3 = 14 −34 14
0 −7 −3 1 −2 1 −10 −8 −24
Ainsi,
−4 −18 −16 2 −7 1 1 −1 2 1 0 0
3 2
−𝐴 + 4𝐴 − 10𝐴 − 2𝐼3 = − 14 −34 14 + 4 6 −3 11 − 10 1 2 3 − 2 0 1 0
−10 −8 −24 0 −7 −3 1 −2 1 0 0 1
0 0 0
= 0 0 0
0 0 0
1
−𝐴3 + 4𝐴2 − 10𝐴 − 2𝐼3 = 03 ⟹ 𝐴 −𝐴2 + 4𝐴 − 10 𝐼3 = 𝐼3
2
et son inverse est donné par :
1
𝐴−1 = −𝐴2 + 4𝐴 − 10 𝐼3
2
1 2 −7 1 1 −1 2 1 0 0
= − 6 −3 11 + 4 1 2 3 − 10 0 1 0
2
0 −7 −3 1 −2 1 0 0 1
1 −8 3 7
= −2 1 1
2
4 −1 −3
3 7
−4
2 2
1 1
= −1
2 2
1 3
2 − −
2 2
Vérification :
3 7
−4
2 2
1 −1 2 1 1 1 0 0
𝐴𝐴−1 = 1 2 3 −1 = 0 1 0
1 −2 1 2 2 0 0 1
1 3
2 − −
2 2
Solution 22 :
1. Tout calcul fait on obtient
1 −1 0 −1 1 −1 0 −1 −2 1 0 1
2 0 −1 −1 2 0 −1 −1 −2 −1 1 1
𝑀2 = 𝑀𝑀 = =
3 1 −2 −2 3 1 −2 −2 −3 −1 1 2
1 −2 1 −1 1 −2 1 −1 −1 2 −1 0
et

−2 1 0 1 1 −1 0 −1 1 0 0 0 0 0 0 0
2 −2 −1 1 1 2 0 −1 −1 0 1 0 0 0 0 0 0
𝑀 + 𝑀 + 𝐼4 = + + = = 04
−3 −1 1 2 3 1 −2 −2 0 0 1 0 0 0 0 0
−1 2 −1 0 1 −2 1 −1 0 0 0 1 0 0 0 0
Comme les deux matrices 𝑀 et 𝐼4 sont commutables, alors
𝑀3 − 𝐼4 = 𝑀 − 𝐼4 𝑀2 + 𝑀 + 𝐼4 = 04
3
D’où 𝑀 = 𝐼4 .
2. Comme 𝑀3 = 𝐼4 alors 𝑀𝑀2 = 𝑀2 𝑀 = 𝐼4 alors la matrice 𝑀 est inversible et
−2 1 0 1
−1 2 −2 −1 1 1
𝑀 =𝑀 =
−3 −1 1 2
−1 2 −1 0
Solution 23 :
D’après le théorème de Cayley Hamilton, la matrice 𝐴 annule son polynôme caractéristique qui est égal à :
−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − (𝑀11 + 𝑀22 + 𝑀33 )𝐴 + det 𝐴 𝐼3
or, 𝑡𝑟 𝐴 = 4, 𝑀11 + 𝑀22 + 𝑀33 = −1 − 1 − 10 = −12 et
1 3 1 −1 2 1
−1 2
det(𝐴) = 4 2 3 = −2 −1 3 = =5
−2 −1
2 1 1 0 0 1
D’où,
−𝐴3 + 4 𝐴2 + 12 𝐴 + 5𝐼3 = 03
1. Comme 𝑑𝑒𝑡(𝐴) = 5 ≠ 0 alors la matrice 𝐴 est inversible
−1
−𝐴3 + 4 𝐴2 + 12 𝐴 + 5𝐼3 = 03 ⇒ 𝐴 −𝐴2 + 4𝐴 + 12 𝐼3 = 𝐼3
5
1 2 7
− −
−1 5 5 5
𝐴−1 = −𝐴2 + 4𝐴 + 12 𝐼3 = 2 1 1
5 −
5 5 5
0 1 −2
Solution 24 :
D’après le théorème de Cayley Hamilton, la matrice A annule son polynôme caractéristique (On
calcule 𝒫𝐴 𝜆 = det(𝐴 − 𝜆𝐼3 )) :
−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − (𝑀11 + 𝑀22 + 𝑀33 )𝐴 + det 𝐴 𝐼3 = 03
or,
𝑡𝑟 𝐴 = 2,
2 3 1 1 1 0
𝑀11 + 𝑀22 + 𝑀33 = + + = −8 + 0 + 2 = −6,
2 −1 −1 −1 1 2
1 0 1 1 0 0
2 2
det(𝐴) = 1 2 3 = 1 2 2 = = −4
2 0
−1 2 −1 −1 2 0
D’où,
−𝐴3 + 2 𝐴2 + 6 𝐴 − 4𝐼3 = 03
1. Comme det(𝐴) = −4 ≠ 0 alors la matrice 𝐴 est inversible et
1
−𝐴3 + 2 𝐴2 + 6 𝐴 − 4𝐼3 = 03 ⇒ 𝐴 −𝐴2 + 2𝐴 + 6 𝐼3 = 𝐼3
4

1
𝐴−1 = −𝐴2 + 2𝐴 + 6 𝐼3
4
1 0 2 0 1 0 1 1 0 0
= − 0 10 4 + 2 1 2 3 + 6 0 1 0
4
2 2 6 −1 2 −1 0 0 1
1 8 −2 2
= 2 0 2
4
−4 2 −2
1 1
2 −
2 2
1 1
= 0
2 2
1 1
−1 −
2 2
Vérification :
1 1
2 −
2 2
1 0 1 1 1 1 0 0
𝐴𝐴−1 = 1 2 3 0 = 0 1 0
−1 2 −1 2 2 0 0 1
1 1
−1 −
2 2
2. Méthode des cofacteurs :
𝑡
2 3 1 3 1 2
−+ +
2 −1 −1 −1 −1 2
1 0 1 1 1 1 0
𝐴−1 = − + −
−4 2 −1 −1 −1 −1 2
0 1 1 1 1 0
+ − +
2 3 1 3 1 2
𝑡
+(−8) −(2) +(4)
−1
= −(−2) +(0) −(2)
4
+(−2) −(2) +(2)
−1 −8 2 −2
= −2 0 −2
4
4 −2 2
1 1
2 −
2 2
1 1
= 0
2 2
1 1
−1 −
2 2
3. Effectuons une suite d’opérations élémentaires en ligne sur la matrice suivante
1 0 1 1 0 0
1 2 3 0 1 0 .
−1 2 −1 0 0 1

1 0 1 1 0 0 1 0 1 1 0 0
L21 −1 ; L31 1
1 2 3 0 1 0 0 2 2 −1 1 0
~
−1 2 −1 0 0 1 0 2 0 1 0 1
1 0 1 1 0 0
L32 −1
0 2 2 −1 1 0
~
0 0 −2 2 −1 1
1 0 1 1 0 0
1 −1
1 1
L2 ; L3 − 0
2 2 0 1 1 2 2
~ 1 1
−1 −
0 0 1 2 2
1 1
1 0 0 2 −
2 2
L13 −1 ; L23 −1 1 1
0 1 0 0
~ 2 2
1 1
0 0 1 −1 −
2 2
Ainsi, la matrice inverse est :
1 1
2 −
2 2
1 1 1 4 −1 1
𝐴−1 = 0 = 1 0 1
2 2 2
−2 1 −1
1 1
−1 −
2 2
On vérifie facilement que : 𝐴−1 𝐴 = 𝐴 𝐴−1 = 𝐼3
Solution 25 (CF-10/11) : Soit 𝐴 la matrice carrée d’ordre 3 donnée par :

0 1 1
𝐴 = −1 0 −1
1 1 1
Déterminer les valeurs de 𝑎, 𝑏 et 𝑐 de ℝ pour que l’on ait la relation 𝐴3 + 𝑎𝐴2 + 𝑏𝐴 + 𝑐𝐼3 = 03 :
1ère méthode : On sait que toute matrice carrée d’ordre 3 vérifie la relation :
−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − 𝛼 𝐴 𝐴 + det 𝐴 𝐼3 = 03
avec,
𝑡𝑟 𝐴 = 0 + 0 + 1 = 1
𝛼 𝐴 = 𝑀11 + 𝑀22 + 𝑀33
0 −1 0 1 0 1
= + +
1 1 1 1 −1 0
= 1
0 1 1
det 𝐴 = −1 0 −1
1 1 1
0 0 1
= −1 1 −1
1 0 1
−1 1
=
1 0
= −1
Ainsi,
−𝐴3 + 𝐴2 − 𝐴 − 𝐼3 = 03

Ou encore
𝐴3 − 𝐴2 + 𝐴 + 𝐼3 = 03
C'est-à-dire, 𝑏 = 𝑐 = −𝑎 = 1 .
2ième méthode : Calculons le polynôme caractéristique de 𝐴 :

𝑃𝐴 (𝜆) = det 𝐴 − 𝜆𝐼3
−𝜆 1 1
= −1 −𝜆 −1
1 1 1−𝜆
−𝜆 −1 1 1 1 1
= −𝜆 + +
1 1−𝜆 1 1−𝜆 −𝜆 −1
= −𝜆 −𝜆 1 − 𝜆 + 1 + 1 − 𝜆 − 1 − 1 + 𝜆
= −𝜆3 + 𝜆2 − 𝜆 − 1
D’après le théorème de Cayley Hamilton, toute matrice carrée annule son polynôme caractéristique et donc,
−𝐴3 + 𝐴2 − 𝐴 − 𝐼3 = 03
Ou encore
𝐴3 − 𝐴2 + 𝐴 + 𝐼3 = 03
C'est-à-dire, 𝑏 = 𝑐 = −𝑎 = 1 .
ième
3 méthode : calculons,
0 1 1 0 1 1
2
𝐴 = −1 0 −1 −1 0 −1
1 1 1 1 1 1
0 1 0
= −1 −2 −2
0 2 1
𝐴3 = 𝐴2 𝐴
0 1 0 0 1 1
= −1 −2 −2 −1 0 −1
0 2 1 1 1 1
−1 0 −1
= 0 −3 −1
−1 1 −1
Ainsi,
𝑐−1 𝑎+𝑏 𝑏−1 0 0 0
𝐴3 + 𝑎𝐴2 + 𝑏𝐴 + 𝑐𝐼3 = −𝑎 − 𝑏 −2𝑎 + 𝑐 − 3 −2𝑎 − 𝑏 − 1 = 0 0 0
𝑏−1 2𝑎 + 𝑏 + 1 𝑎 + 𝑏 + 𝑐 − 1 0 0 0
Donc 𝑎 = −1, 𝑏 = 1 et 𝑐 = 1 et donc
𝐴3 − 𝐴2 + 𝐴 + 𝐼3 = 03
Solution 26 (CF-11/12) : Considérons les matrices carrées d’ordre 3 données par :

1 1 0 −1 −1 1
𝐴 = −1 0 1 𝑒𝑡 𝐵= 2 1 −1
1 1 1 −1 0 1
1. Calculons les matrices suivantes :
1 1 0 1 0 0 0 1 0
𝐴 − 𝐼3 = −1 0 1 − 0 1 0 = −1 −1 1
1 1 1 0 0 1 1 1 0
0 1 0 0 1 0 −1 −1 1
𝐴 − 𝐼3 2 = −1 −1 1 −1 −1 1 = 2 1 −1 = 𝐵
1 1 0 1 1 0 −1 0 1

1 1 0 −1 −1 1 1 0 0
𝐴𝐵 = −1 0 1 2 1 −1 = 0 1 0 = 𝐼3
1 1 1 −1 0 1 0 0 1
2. Comme 𝐴𝐵 = 𝐼3 alors, la matrice 𝐴 est inversible et son inverse 𝐴−1 = 𝐵.
3. Montrons que la matrice 𝐴 vérifie la relation : 𝐴3 − 2𝐴2 + 𝐴 = 𝐼3 :
On sait que toute matrice carrée d’ordre 3 vérifie la relation :
−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − 𝛼 𝐴 𝐴 + det 𝐴 𝐼3 = 03
avec,
𝑡𝑟 𝐴 = 1 + 0 + 1 = 2
𝛼 𝐴 = 𝑀11 + 𝑀22 + 𝑀33
0 1 1 0 1 1
= + +
1 1 1 1 −1 0
= 1
1 1 0
det 𝐴 = −1 0 1
1 1 1
0 1 −1 1
= −
1 1 1 1
= 1
Ainsi,
−𝐴3 + 2𝐴2 − 𝐴 + 𝐼3 = 03
Ou encore
𝐴3 − 2𝐴2 + 𝐴 = 𝐼3
4. À l’aide de la relation établie à la question 3, donnons l’expression de la matrice 𝐴−1 :
𝐴3 − 2𝐴2 + 𝐴 = 𝐼3 ⟹ 𝐴 𝐴2 − 2𝐴 + 𝐼3 = 𝐼3
⟹ 𝐴−1 = 𝐴2 − 2𝐴 + 𝐼3
⟹ 𝐴−1 = 𝐴 − 𝐼3 2
⟹ 𝐴−1 = 𝐵
Ainsi,
−1 −1 1
𝐴−1 = 𝐵 = 2 1 −1
−1 0 1
5. À l’aide de la méthode des cofacteurs, retrouvons la matrice inverse 𝐴−1 : comme det 𝐴 = 1 ≠ 0 alors,
1
𝑑𝑒𝑡⁡ (𝐴)
où,
0 1 −1 1 −1 0
+ − +
1 1 1 1 1 1 −1 2 −1
1 0 1 0 1 1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 = − + − = −1 1 0
1 1 1 1 1 1
1 0 1 0 1 1 1 −1 1
+ − +
0 1 −1 1 −1 0
−1 −1 1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴) = 2 1 −1
−1 0 1
Ainsi,
−1 −1 1
𝐴−1 = 2 1 −1 = B.
−1 0 1
Solution 27 (CR-11/12) : Considérons les matrices carrées d’ordre 3 données par :
1 0 1 1 −1 −2 1 0 0
𝐴= 0 −2 1 , 𝐵 = 1 −1 1 𝑒𝑡 𝐼3 = 0 1 0
−1 1 0 2 1 2 0 0 1


1 0 0 1 0 1 0 0 −1
𝐼3 − 𝐴 = 0 1 0 − 0 −2 1 = 0 3 −1
0 0 1 −1 1 0 1 −1 1
1 0 1 1 0 0 3 0 1
𝐴 + 2𝐼3 = 0 −2 1 + 2 0 1 0 = 0 0 1
−1 1 0 0 0 1 −1 1 2
0 0 −1 3 0 1 1 −1 −2
𝐼3 − 𝐴 𝐴 + 2𝐼3 = 0 3 −1 0 0 1 = 1 −1 1 = B
1 −1 1 −1 1 2 2 1 2
1 0 1 1 −1 −2 3 0 0 1 0 0
𝐴𝐵 = 0 −2 1 1 −1 1 = 0 3 0 = 3 0 1 0 = 3𝐼3
−1 1 0 2 1 2 0 0 3 0 0 1
1 1
2. Comme 𝐴𝐵 = 3𝐼3 alors 𝐴 3 𝐵 = 𝐼3 . Ainsi, la matrice 𝐴 est inversible et son inverse 𝐴−1 = 3 𝐵.
3. Montrons que la matrice 𝐴 vérifie la relation : 𝐴3 + 𝐴2 − 2𝐴 + 3𝐼3 = 03 :
On sait que pour toute matrice carrée d’ordre 3 vérifie la relation :
−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − 𝛼 𝐴 𝐴 + det 𝐴 𝐼3 = 03
avec,
𝑡𝑟 𝐴 = 1 − 2 + 0 = −1
𝛼 𝐴 = 𝑀11 + 𝑀22 + 𝑀33
−2 1 1 1 1 0
= + +
1 0 −1 0 0 −2
= −2
1 0 1
det 𝐴 = 0 −2 1
−1 1 0
−2 1 0 −2
= +
1 0 −1 1
= −3
Ainsi,
−𝐴3 − 𝐴2 + 2𝐴 − 3𝐼3 = 03
Ou encore
𝐴3 + 𝐴2 − 2𝐴 + 3𝐼3 = 03
𝐴3 + 𝐴2 − 2𝐴 + 3𝐼3 = 03 ⟹ 𝐴 𝐴2 + 𝐴 − 2𝐼3 = −3𝐼3
−1 2
⟹ 𝐴 𝐴 + 𝐴 − 2𝐼3 = 𝐼3
3
−1 2
⟹ 𝐴−1 = 𝐴 + 𝐴 − 2𝐼3
3
−1
⟹ 𝐴−1 = (𝐴 − 𝐼3 )(𝐴 + 2𝐼3 )
3
1
⟹ 𝐴−1 = (𝐼3 − 𝐴)(𝐴 + 2𝐼3 )
3
1
⟹ 𝐴−1 = 𝐵
3
Ainsi,
1 1 1 −1 −2
𝐴−1 = 𝐵 = 1 −1 1
3 3
2 1 2
5. À l’aide de la méthode des cofacteurs, retrouvons la matrice inverse 𝐴−1 : comme det 𝐴 = −3 ≠ 0
alors,

1
où,
−2 1 0 1 0 −2
+ − +
1 0 −1 0 −1 1 −1 −1 −2
0 1 1 1 1 0
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 = − + − = 1 1 −1
1 0 −1 0 −1 1
0 1 1 1 1 0 2 −1 −2
+ − +
−2 1 0 1 0 −2
−1 1 2
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴) = −1 1 −1
−2 −1 −2
Ainsi,
−1 −1 1 2 1 1 −1 −2 1
𝐴−1 = −1 1 −1 = 1 −1 1 = B.
3 3 3
−2 −1 −2 2 1 2
Solution 28 (CF-13/14) : Soient les deux matrices carrées réelles d’ordre 3 données par,
1 −1 2 1 0 1
𝐴= 4 1 3 𝑒𝑡 𝐵= 0 0 0
0 1 2 1 0 1
1
1. La partie symétrique de la matrice 𝐴 est donnée par 𝐴 + 𝐴𝑡 :
2
3
1 −1 2 1 4 0 1 1
1 1 1 2 3 2 2
𝐴 + 𝐴𝑡 = 4 1 3 + −1 1 1 = 3 2 4 = 3
2 2 2 1 2
0 1 2 2 3 2 2 4 4 2
1 2 2
1 𝑡
La partie antisymétrique de la matrice 𝐴 est donnée par 𝐴−𝐴 :
2
5
1 −1 2 1 4 0 0 −5 2 0 − 1
1 1 1 2
𝐴 − 𝐴𝑡 = 4 1 3 − −1 1 1 = 5 0 2 = 5
2 2 2 0 1
0 1 2 2 3 2 −2 −2 0 2
−1 −1 0
1 1
On remarque que 𝐴 + 𝐴𝑡 + 𝐴 − 𝐴𝑡 =𝐴
2 2
2. Calculons les matrices puissances 𝐵 2 , 𝐵 3 et 𝐵 4 :

1 0 1 1 0 1 2 0 2 21 0 21
𝐵2 = 0 0 0 0 0 0 = 0 0 0 = 0 0 0
1 0 1 1 0 1 2 0 2 21 0 21
2 0 2 1 0 1 2.2 0 2.2 22 0 22
𝐵3 = 0 0 0 0 0 0 = 0 0 0 = 0 0 0
2 0 2 1 0 1 2.2 0 2.2 22 0 22
22 0 22 1 0 1 2. 22 0 2. 22 23 0 23
𝐵4 = 0 0 0 0 0 0 = 0 0 0 = 0 0 0
22 0 22 1 0 1 2. 22 0 2. 22 23 0 23
On remarque que les puissances successives de B sont de la forme :
2𝑛−1 0 2𝑛 −1
𝑛
𝐵 = 0 0 0 = 2𝑛−1 𝐵 ∀ 𝑛 ∈ ℕ∗
2𝑛−1 0 2𝑛 −1

Vérification : pour 𝑛 = 1,
1 0 1
B1 = B = 0 0 0 = 20 𝐵 = 21−1 𝐵
1 0 1
Hypothèse de récurrence : on suppose que la relation est vraie à l’ordre 𝑛,
𝐵 𝑛 = 2𝑛 −1 𝐵
Démonstration : on montre que le relation reste vraie à l’ordre 𝑛 + 1,
𝑛−1
𝐵𝑛+1 = 𝐵𝑛 𝐵 = 2 𝐵𝐵 = 2𝑛−1 𝐵2 = 2𝑛−1 2𝐵 = 2𝑛 𝐵
Conclusion : ∀ 𝑛 ∈ ℕ∗ , 𝐵 𝑛 = 2𝑛 −1 𝐵
Solution 29 (CF-13/14) : Considérons les matrices carrées d’ordre 3 données par :

1 1 2 0 0 −3 1 0 0
𝐴 = 0 −1 1 , 𝐵 = 1 −2 1 𝑒𝑡 𝐼3 = 0 1 0
−1 0 0 1 1 1 0 0 1
1 1 2 1 1 2 1 0 0
2
𝐴 + 𝐼3 = 0 −1 1 0 −1 1 + 0 1 0
−1 0 0 −1 0 0 0 0 1
−1 0 3 1 0 0
= −1 1 −1 + 0 1 0
−1 −1 −2 0 0 1
0 0 3
= −1 2 −1
−1 −1 −1
= −B
1 1 2 0 0 3
2
𝐴(𝐴 + 𝐼3 ) = 0 −1 1 −1 2 −1
−1 0 0 −1 −1 −1
−3 0 0
= 0 −3 0
0 0 −3
= −3I3
1 1 2 0 0 −3
𝐴𝐵 = 0 −1 1 1 −2 1
−1 0 0 1 1 1
3 0 0
= 0 3 0
0 0 3
= 3𝐼3
1
2. Comme 𝐴𝐵 = 3𝐼3 alors 𝐴 𝐵 = 𝐼3 . Ainsi, 𝐴 est inversible et son inverse est donné par :
3
1 1 1 0 0 −3
𝐴−1 = − (𝐴2 + 𝐼3 ) = 𝐵 = 1 −2 1
3 3 3
1 1 1
3. D’après la question 1, 𝐴 𝐴2 + 𝐼3 = −3𝐼3 . Donc, 𝐴3 + 𝐴 = −3𝐼3 ce qui implique
𝐴3 + 𝐴 + 3𝐼3 = 03
Ou encore, on sait que toute matrice carrée d’ordre 3 vérifie la relation :

−𝐴3 + 𝑡𝑟 𝐴 𝐴2 − 𝛼 𝐴 𝐴 + det 𝐴 𝐼3 = 03
avec, 𝑡𝑟 𝐴 = 1 − 1 + 0 = 0
−1 1 1 2 1 1
𝛼 𝐴 = 𝑀11 + 𝑀22 + 𝑀33 = + + = 1
0 0 −1 0 0 −1
1 1 2
1 2
det 𝐴 = 0 −1 1 = − = −3
−1 1
−1 0 0
Ainsi,
−𝐴3 − 𝐴 − 3𝐼3 = 03
ou encore
𝐴3 + 𝐴 + 3𝐼3 = 03 .
𝐴3 + 𝐴 + 3𝐼3 = 03 ⟹ 𝐴 𝐴2 + 𝐼3 = −3𝐼3
−1 2
⟹ 𝐴 𝐴 + 𝐼3 = 𝐼3
3
−1 2
⟹ 𝐴−1 = 𝐴 + 𝐼3
3
1
⟹ 𝐴−1 = 𝐵
3
Ainsi,
−1
1 1 0 0 −3
𝐴 = 𝐵= 1 −2 1
3 3
1 1 1
5. À l’aide de la méthode des cofacteurs, retrouvons la matrice inverse 𝐴−1 : comme det 𝐴 =
−3 ≠ 0 alors,
1
où,
−1 1 0 1 0 −1
+ − +
0 0 −1 0 −1 0 0 −1 −1
1 2 1 2 1 1
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 = − + − = 0 2 −1
0 0 −1 0 −1 0
1 2 1 2 1 1 3 −1 −1
+ − +
−1 1 0 1 0 −1
0 0 3
𝑐𝑜𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑡 (𝐴) = −1 2 −1
−1 −1 −1
Ainsi,
−1 0 0 3 1 0 0 −3 1
𝐴−1 = −1 2 −1 = 1 −2 1 = B.
3 3 3
−1 −1 −1 1 1 1
Solution 30 (CR-13/14) : Soient les trois matrices réelles données par :

2 −1 −2 1 𝑐12 𝑐13
1 0 1 2 3
𝐴 = 2 1 −1 1 , 𝐵= 3 − −3 𝑒𝑡 𝐶= 2 0 2
2 𝑐31 𝑐32 −1
0 1 0 2
0 0 0
où 𝑐12 , 𝑐13 , 𝑐31 , 𝑐32 ∈ ℝ.
1. On peut calculer à partir de la matrice A la matrice carrée symétrique 𝐴𝐴𝑡 :

1 2 0
1 0 1 2 6 3 4
0 1 1
𝐴𝐴𝑡 = 2 1 −1 = 3 7 3
1
1 −1 0
0 1 0 2 4 3 5
2 1 2
Ou encore, on peut calculer la matrice carrée symétrique 𝐴𝑡 𝐴 :
1 2 0 5 2 −1 4
1 0 1 2
0 1 1 2 2 −1 3
𝐴𝑡 𝐴 = 2 1 −1 1 =
1 −1 0 −1 −1 2 1
0 1 0 2
2 1 2 4 3 1 9
2. Déterminer les coefficients de la matrice 𝐶 pour que 𝐵 et 𝐶 soient des diviseurs de zéro.
2 −1 −2 1 𝑐12 𝑐13
3 −2𝑐31 2𝑐12 − 2𝑐32 2𝑐13 0 0 0
𝐵𝐶 = 3 − −3 2 0 2 = −3𝑐31 3𝑐12 − 3𝑐32 3𝑐13 = 0 0 0
2 𝑐31 𝑐32 −1 0 0 0 0 0 0
0 0 0
−2𝑐31 = −3𝑐31 = 0
𝑐 = 𝑐13 = 0
Ce qui implique, 2𝑐12 − 2𝑐32 = 3𝑐12 − 3𝑐32 = 0 ⟹ 31
𝑐12 = 𝑐32
2𝑐13 = 3𝑐13 = 0
On prend par exemple 𝑐12 = 𝑐32 = 𝛼, 𝛼 ∈ ℝ et 𝑐31 = 𝑐13 = 0

1 𝛼 0
𝐶= 2 0 2
0 𝛼 −1


LAHLOU-S2-14-15-Chapitre 1

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

LAHLOU-S2-14-15-Chapitre 1

Diunggah oleh

Hak Cipta:

Format Tersedia

Filière de « Sciences Économiques et de Gestion »

Semestre II / Session : Printemps-Été 2014/2015

Module 13 : Algèbre et Mathématiques Financières

Professeure : Amale LAHLOU

Pr. Amale LAHLOU 2 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 3 Session Printemps-Été 2014-2015

Chapitre I : Rudiments d’Algèbre matricielle

1 Représentation d’une matrice

et si aucune confusion n’est à craindre, on la notera tout simplement 𝐴 = 𝑎𝑖𝑗 .

Pr. Amale LAHLOU 4 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 5 Session Printemps-Été 2014-2015

1.2.3 Vecteur ligne

1.2.5 Matrice carrée

Pr. Amale LAHLOU 6 Session Printemps-Été 2014-2015

1.4 Transposée d’une matrice

Pr. Amale LAHLOU 7 Session Printemps-Été 2014-2015

2.1 Diagonale principale d’une matrice carrée

𝑡𝑟 𝐴 = 𝑎𝑖𝑖 = 𝑎11 + ⋯ + 𝑎𝑖𝑖 + ⋯ + 𝑎𝑛𝑛

Pr. Amale LAHLOU 8 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 9 Session Printemps-Été 2014-2015

3 Opérations sur les matrices

Chaque coefficient de la matrice 𝐴 + 𝐵 est la somme des coefficients respectifs de 𝐴 et de 𝐵.

Pr. Amale LAHLOU 10 Session Printemps-Été 2014-2015

Exercice : Montrer que pour toute matrice carrée 𝐴 d’ordre 𝑛, on a

 la matrice A est la somme de sa partie symétrique As et de sa partie anti-symétrique Aas , c'est-à-

Chaque coefficient de la matrice 𝜆𝐴 est le produit de 𝜆 par le coefficient du même ordre de 𝐴.

Pr. Amale LAHLOU 11 Session Printemps-Été 2014-2015

Prenons par exemple,

Pr. Amale LAHLOU 12 Session Printemps-Été 2014-2015

𝐴 = 7E11 + 5E12 − 2E13 + 4E21 − 6E22 + 3E23

𝑐𝑖𝑗 = 𝑎𝑖𝑘 𝑏𝑘𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + … + 𝑎𝑖𝑚 𝑏𝑚𝑗 ∀ 𝑖, 𝑗 1 ≤ 𝑖 ≤ 𝑝, 1 ≤ 𝑗 ≤ 𝑛

Pr. Amale LAHLOU 13 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 14 Session Printemps-Été 2014-2015

3.3.2 Cas particuliers de produits matriciels

Pr. Amale LAHLOU 15 Session Printemps-Été 2014-2015

= 𝑏𝑖 𝑎𝑖1 𝑏𝑖 𝑎𝑖2 … 𝑏𝑖 𝑎𝑖𝑚

Pr. Amale LAHLOU 16 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 17 Session Printemps-Été 2014-2015

La matrice 𝐴𝑘 est la matrice puissance de 𝐴 jusqu’à l’ordre 𝑘.

Pr. Amale LAHLOU 18 Session Printemps-Été 2014-2015

Théorème : Soient A, B ∈ ℳ 𝑛 ℝ . On suppose que A et B commutent pour le produit matriciel. Alors,

4 Opérations élémentaires lignes

Pr. Amale LAHLOU 19 Session Printemps-Été 2014-2015

5 Déterminant d’une matrice carrée

Pr. Amale LAHLOU 20 Session Printemps-Été 2014-2015

Considérons une matrice carrée 𝐴 d’ordre 𝑛 :

Son déterminant est le scalaire :

Pr. Amale LAHLOU 21 Session Printemps-Été 2014-2015

𝑎11 𝑎12 𝑎13 𝑎11 𝑎12

Pr. Amale LAHLOU 22 Session Printemps-Été 2014-2015

= (−1)2+1 𝑎21 𝑀21 + (−1)2+2 𝑎22 𝑀22 + (−1)2+3 𝑎23 𝑀23

Exemple : Soit la matrice carrée 𝐴 d’ordre 3 :

Pr. Amale LAHLOU 23 Session Printemps-Été 2014-2015

𝑎11 𝑎12 𝑎13

= (−1)1+2 𝑎12 𝑀12 + (−1)2+2 𝑎22 𝑀22 + (−1)3+2 𝑎32 𝑀32

Pr. Amale LAHLOU 24 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 25 Session Printemps-Été 2014-2015

Sans faire de calcul, 𝑑𝑒𝑡(𝐴) = 0 (car 𝐿4 (𝐴) = 𝐿1 (𝐴) + 𝐿3 (𝐴)).

Pr. Amale LAHLOU 26 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 27 Session Printemps-Été 2014-2015

6 Inverse d’une matrice carrée

donc, la matrice est inversible et son inverse est donné par :

 La matrice 𝐴 est dite orthogonale si 𝐴−1 = 𝐴𝑡 .

Pr. Amale LAHLOU 28 Session Printemps-Été 2014-2015