Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Calcul matriciel
I - Matrice à coefficients dans K
1. 1. Matrice

Définition 1.1
Soit K un corps et p, q ∈ N∗ .
1. On appelle matrice à p lignes et q colonnes à coefficients dans K toute famille
A = (ai,j ) 1≤i≤p d’éléments de K indexée par (i, j) ∈ [[1, p]] × [[1, q]]
1≤j≤q
2. Notations :
j ieme colonne
↑
— a1,1 . . . a1,q !
A= .. .. → ième ligne
. ai,j .
ap,1 . . . ap,q
— ai,j ou [A]i,j le coefficient d’indice (i, j)
— Mp,q (K) est l’ensemble des matrices à p lignes et à q colonnes à coefficients dans K.
— Mp,1 (K) est l’ensemble des matrices unicolone à p coefficients dans K
— M1,q (K) est l’ensemble des matrices uniligne à q coefficients dans K

Exemples 1.1
     1 2

1 2 3

( 1 ), 12 ,( 1 2 ), 1
3
2
4 , 1
4
2
5
3
6 , 3 4 , 0 4 5
5 6 0 0 6

Définition 1.2
Pour toute matrice A ∈ Mp,q (K), on définit :
— On note L1 , . . . , Lp les vecteurs lignes de A avec
pour tout i ∈ [[1, p]], Li = (ai,1 , . . . , ai,q ) ∈ Kq
— On note C1 , . . . , Cq les vecteurs colonnes de A avec
pour tout j ∈ [[1, q]], Cj = t (a1,j , . . . , ap,j ) ∈ Mp,1 (K).

Exemples 1.2

1 2
 
Si A = 3 ∈ M3,2 (R) alors on écrit aussi d’une façon symbolique :
4
5 6


L1
  L1 = (1, 2)

A= L2 avec L2 = (3, 4)
L3 
L3 = (5, 6)

ou
1
  


 C 1 = 3
 5
A = ( C1 C2 ) avec
2
 

 C2 = 4


6

Définition 1.3
La matrice à p lignes et q colonnes dont tous les coefficients sont nuls se note 0p,q ou 0Mp,q (K)

Proposition et définition 1.1

Soit A ∈ Mp,q (K).

1. On appelle transposée de A et on note t A la matrice de Mq,p (K) dont les vecteurs
colonnes sont les vecteurs lignes de A. Autrement, dit : ∀(i, j) ∈ [[1, q]] × [[1, p]] , [t A]i,j =
aj,i
t
2. Soit A ∈ Mp,q (K). Alors : t A = A

1
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Exemple 1.1

1 2
   
Si A = 3 4 alors t A = 1 3 5
5 6 2 4 6

Remarque 1.1

1. En transposant une matrices A ,les lignes de A deviennent colonnes de t A et

les colonnes de A deviennent celles de t A
2. ψ : Mp,q (K) −→ Mq,p (K) est un isomorphisme de K-espaces
A 7−→ A
vectoriels
1. 2. Cas de matrices carrées

Définition 1.4
Une matrice est est dite carrée lorsqu’elle possède autant de lignes que de colonnes.
L’ensemble des matrices carrées à n lignes et n colonnes est noté simplement
Mn (K)

Définition 1.5
On appelle matrice identité de Mn (K) qu’on note In la matrice de Mn (K) définie
 1 0 ··· 0 
.. .
. ..  ie ∀i, j ∈ [[1, n]] [In ]i,j = δi,j 1 si i = j
 0 1 n
par : In =  .

0 sinon
.. . . . ..
. 0

0 ··· 0 1

Définition 1.6
On dit qu’ une matrice D ∈ Mn (K) est diagonale lorsque :
 λ
1 0 ··· 0 
.. .. 
 0 λ
2 . .  ie ∀i, j ∈ [[1, n]] i ̸= j, [D] = δ λ
1. D =   .. i,j i,j i
.. .. 
. . . 0
0 ··· 0 λn
2. Le cas échéant on note D = λ1 , . . . , λn
3. Si de plus λ1 = . . . = λn = λ D est dite une matrice carrée scalaire et on a
D = λ, . . . , λ = λIn

Définition 1.7
1. — On dit que T ∈ Mn (K) est triangulaire supérieure lorsque :
 λ
1 ⋆ ··· ⋆ 
.. 
 0 λ
2 ⋆ .  ie ∀i, j ∈ [[1, n]] (i > j =⇒ t = 0)
i,j

 .. .. .. 
. . . ⋆
0 ··· 0 λn
— On note Tn+ (K) l’ensemble des matrices triangulaires supérieures .
2. — On dit que T ∈ Mn (K) est triangulaire inférieure lorsque :
∀i, j ∈ [[1, n]] (i < j =⇒ ti,j = 0)
ie lorsque t T est triangulaire supérieure
— On note Tn− (K) l’ensemble des matrices triangulaires inférieures.

Définition 1.8
Soit A ∈ Mn (K)
1. On dit que A est symétrique lorsque t A = A c’est-à-dire lorsque :
∀i, j ∈ [[1, n]] aj,i = ai,j
On note Sn (K) l’ensemble des matrices carrées d’ordre n
2. On dit que A est antisymétrique lorsque t A = −A
ie ∀i, j ∈ [[1, n]] aj,i = −ai,j
On note An (K) l’ensemble des matrices antisymétriques
2 d’ordre n
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Remarque 1.2

Si A est antisymétrique alors ses coefficients diagonaux sont nécessairement nuls

Définition 1.9
Soit A ∈ Mn (K).
On appelle trace de A et on note A la somme de ses coefficents diagonaux :
Pn
A= ak,k
i=1

Remarque 1.3

1. On ne parle de trace que si la matrice est carrée !

2. tr : Mn (K) −→ K est une forme linéaire de Mn (K)
A 7−→ tr(A)
et dim(Ker(tr)) = n2 − 1

Définition 1.10
Pour tout i ∈ [[1, p]] et j ∈ [[1, q]] fixés
1. Ei,j est la matrice de de taille (p, q) définie par :
si (k, ℓ) = (i, j) = δ δ
n
∀(k, ℓ) ∈ [[1, p]] × [[1, q]] [Ei,j ]k,ℓ = 1 0 sinon i,k j,ℓ

2. Ei,j est appelée une matrice élémentaire d’indice (i, j)

Proposition 1.1

Soit A = (ai,j ) ∈ Mp,q (K)

P
1. A = ai,j Ei,j de plus de telle écriture est unique
1≤i≤p
1≤j≤q

2. La famille (Ei,j ) 1≤i≤p est alors une base de Mq,p (K) dite canonique
1≤j≤q
En particulier : dim (Mp,q (K)) = pq
II - Opérations sur les matrices
2. 1. Somme et produit par un scalaire

Définition 2.1
Soient A = (ai,j ), B = (bi,j ) ∈ Mp,q (K) et λ ∈ K.
1. A + B est la matrice de Mp,q (K) définie par :
∀i ∈ [[1, p]] ∀j ∈ [[1, q]] [A + B]i,j = ai,j + bi,j
2. λ · A est la matrice de Mp,q (K) définie par :
∀i ∈ [[1, p]] ∀j ∈ [[1, q]] [λ · A]i,j = λai,j

Proposition 2.1

(Mp,q (K) , +, ·) est un K - espace vectoriel

Exercice 2.1
Montrer que Dn (K) , Tn+ (K) et Tn− (K) sont des sous-espaces vectoriels de
Mn (K) dont on donnera les dimensions respectives

Exercice 2.2
Montrer que Sn (K) et An (K) sont des sous-espaces vectoriels supplémentaires de
n(K) dont on donnera les dimensions respectives

3
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes
2. 2. Produit de matrices

Définition 2.2
Pour A ∈ Mp,q (K) et B ∈ Mq,r (K).
On définit AB comme la matrice de Mp,r (K) définie par :
q
P
∀(i, j) ∈ [[1, p]] × [[1, r]] , [AB]i,j = ai,k bk,j
k=1
Disposition pratique AB = C
C
z }| {
 a1,1 ... ... a1,q  c1,1 ... ... c1,r
 ..
. ..  ... ..
.
.  
ci,j
 
 a
 i,1 ai,2 ai,j . . . ai,q 
  ci,1 ... . . . ci,r 
 . ..

 . ..

..

..

. .
ap,1 ... . . . ap,q cp,1 ... . . . cp,r
| {z }
A
 b ... b1,j ... b1,r 
1,1
 b2,1 ... b2,j ... b2,r 
 .. .. .. 
. . .
bq,1 ... bq,j ... bq,r
| {z }
B

Exemples 2.1

simples ordre 2,3,4

Proposition 2.2

Pour des tailles convenables pour que le le produit ait un sens on a :

0 si j ̸= k
n
Ei,j Ek,ℓ = δjk Ei,ℓ = E si j = k
i,ℓ

Remarque 2.1 Pratiques Si ei désigne le i-ème vecteur de la base cano-

nique de Mn,1 (K) alors
— ei t ej = Ei,j
— t ei ej = (δi,j )
— Aej = Cj jème colonne de A
— t ei A = Li i-ème ligne de A
— t ei Aej = [A]i,j

Proposition 2.3

— ∀A ∈ Mp,q (K) ∀B, C ∈ Mq,r (K)

∀λ, µ ∈ K A (λB + µC) = λAB + µAC
— ∀A, B ∈ Mp,q (K) ∀C ∈ Mq,r (K)
∀λ, µ ∈ K (λA + µB) C = λAC + µBC
— ∀A ∈ Ms,r (K) ∀B ∈ Mr,q (K)
∀C ∈ Mq,p (K) (AB) C = A (BC)
— ∀A ∈ Mp,q (K) AIq = A et Ip A = A

Exercice 2.3
Si A, B ∈ Mn (K). Alors : AB = BA

Proposition 2.4
t
Soit A ∈ Mp,q (K) et B ∈ Mq,r (K). Alors : (AB) = t B t A

Proposition 2.5

(Mn (K) , +, ×, ·) est une K-algèbre non commutative pour n ≥ 2

4
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes
1. Si D1 et D2 sont deux matrices diagonales dont les coefficients diagonaux
sont respectivement λ1 , . . . , λn et µ1 , . . . , µn , D1 D2 est diagonale et ses
coefficients diagonaux sont λ1 µ1 , . . . , λn µn .
2. Si T1 et T2 sont deux matrices triangulaires supérieures dont les coefficients
diagonaux sont respectivement λ1 , . . . , λn et µ1 , . . . , µn , T1 T2 est triangu-
laire supérieure et ses coefficients diagonaux sont λ1 µ1 , . . . , λn µn .
3. Si N ∈ Mn (K) est une matrice triangulaire supérieure dont les coefficients
diagonaux sont tous nuls, N n = 0. On dit que N est nilpotente
1. Dn (K) est une sous-algèbre commutative de Mn (K).
2. Tn (K) est une sous-algèbre de Mn (K).

Proposition 2.6

On dit qu’une matrice A ∈ Mn (K) est inversible lorsqu’il existe B ∈ Mn (K) tel
que :
AB = In et BA = In le cas échéant B est unique. On la note A−1 .
On note GLn (K) l’ensemble des matrices inversibles

Remarque 2.2

On ne parle d une matrice inversible que si celle-ci est tout d’abord carrée

Proposition 2.7

Soit A, B ∈ Mn (K). Si A et B sont inversibles, il en est de même pour AB et :

−1
(AB) = B −1 A−1

Proposition 2.8

(GLn (K) , ×) est un groupe

Proposition 2.9

Soit A ∈ Mn (K). Alors t A est inversible si et seulement si A l’est. le cas échéant :

−1 t
(t A) = A−1


III - Matrice, vecteur et application linéaire ( On anticipe)
3. 1. Matrice d’une famille de vecteurs

Définition 3.1
Soit E un K - espace vectoriel de dimension n, B = (e1 , . . . , en ) une base de E et
n
x ∈ E. Il existe alors un unique n-uplet (x1 , . . . , xn ) ∈ Kn tel que : x =
P
xi ei
i=1
On appelle matrice de x relativement!à B et on note M atB (x) la matrice de
x1
Mn,1 (K) : M atB (x) = [x]B = ..
.
xn

Proposition 3.1

Soit E un K - espace vectoriel de dimension n et B une base de E. Alors, l’applica-

tion :
Φ : E −→ Mn,1 (K) est un isomorphisme d’espaces vectoriels
x 7−→ [x]B = M atB (x)

5
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Définition 3.2
Soit E un K - espace vectoriel de dimension p, B = (e1 , . . . , ep ) une base de E et
(x1 , . . . , xq ) une famille de q vecteurs de E.
Alors pour tout j ∈ [[1, q]], il existe un unique p-uplet (a1,j , . . . , ap,j ) ∈ Kp tel que :
Pp
xj = ai,j ei
i=1
On appelle matrice de la famille x1 , . . . , xq relativement à la base B et on
note M atB (x1 , . . . , xq ) la matrice de Mp,q (K) : M atB (x1 , . . . , xp ) =
a1,1 · · · a1,q !
[x1 , . . . , xp ]B = .. ..
. .
ap,1 · · · ap,q
3. 2. Matrice d’une application linéaire

Définition 3.3
Soient E un K - ev de dimension p, BE = (e1 , . . . , ep ) une base de E
F un K - ev de dimension q et BF = (f1 , . . . , fq ) une base de F .
Soit u une application linéaire de E vers F (u ∈ L (E, F ))
On appelle matrice de u relativement aux bases BE et BF et on note
M at (u, BE , BF ) la matrice à q lignes et p colonnes de la famille u (e1 ) , . . . , u (ep )
relativement à la base BF : M at (u, BE , BF ) = M atBF (u (e1 ) , . . . , u (ep ))
Autrement dit
M at (u, BE , BF ) = (ai,j )1≤i≤q,1≤j≤p ⇔ ∀j ∈ [[1, p]] u (ej ) = Mqi=1 ai,j fi

Proposition 3.2

Soit E et F deux K ev de dimensions finies de bases respectives BE et BF .

Si p = dimE et q = dimF .
Alors, l’application Φ : L (E, F ) −→ Mq,p (K) est un isomor-
u 7−→ M at (u, BE , BF )
phisme d’espaces vectoriels

Proposition 3.3

Soient E et F deux K ev de dimensions finies de bases respectives BE et BF .

Soit u une application linéaire de E dans F et x ∈ E.
Si X = M atBE (x) ; Y = M atBF (u (x)) et M = M at (u, BE , BF )
alors Y = M X
Proposition 3.4

Soit E, F et G trois K -espaces vectoriels de dimensions finies de bases respectives

BE , BF et BG .
Si u une application linéaire de E dans F et v une application linéaire de F dans G.
Alors : M at (BE , BG , v ◦ u) = M at (BF , BG , v) M at (u, BE , BF )

Proposition 3.5

Soit A ∈ Mn (K), E et F deux K -espaces vectoriels de même dimension n, BE et

BF des bases respectives de E et F et u ∈ L (E, F ) tel que A = M at (u, BE , BF ).
Alors A est inversible si et seulement si u est un isomorphisme

Proposition 3.6

Soit E un K -espace vectoriel de dimension n et B une base de E.

Alors, l’application Φ : L (E) −→ Mn (K) est un iso-
u 7−→ M atB (u) = M at (u, B, B)
morphisme d’algèbres

6
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes
3. 3. Rang d’une matrice

Définition 3.4
Soit A ∈ Mq,p (K). On définit le rang de A, et on note A, le rang de la famille de
ses vecteurs colonnes
Proposition 3.7

— Soit E un K -espace vectoriel de dimension q, B une base de E et x1 , . . . , xp

une famille de p vecteurs de E. Alors : x1 , . . . , xp = M atB (x1 , . . . , xp )
— Soit E et F deux K -espaces vectoriels de dimensions finies de bases res-
pectives BE et BF et u une application linéaire de E dans F . Alors : u =
M at (u, BE , BF )
3. 4. Matrices inversibles-Caractérisation

Théorème 3.1
Soit A ∈ Mn (K). Alors :
— A est inversible si et seulement si A est inversible à gauche, c’est-à-dire si
et seulement si il existe B ∈ Mn (K) tel que BA = In . Si tel est le cas,
B = A−1 donc AB = In .
— A est inversible si et seulement si A est inversible à droite, c’est-à-dire si et
seulement si il existe B ∈ Mn (K) tel que AB = In . Si tel est le cas,
B = A−1 donc BA = In .
Proposition 3.8

Soit A ∈ Mn (K).
A est inversible ⇔ ∀X ∈ Mn,1 (K) AX = 0 =⇒ X = 0

Corollaire 3.1
— Soit D = λ1 , . . . , λn une matrice diagonale
D est inversible ⇔ ∀k ∈ [[1, n]] λk ̸= 0
Si tel est le cas : D−1 = λ11 , . . . , λ1n
— Soit une matrice triangulaire supérieure T ∈ Mn (K) de la forme : T =
 λ
1 ⋆ ··· ⋆ 
.. 
 0 λ
 2 ⋆ . 
 .. .. .. 
. . . ⋆
0 ··· 0 λn
T est inversible ⇔ ∀k ∈ [[1, n]] λk ̸= 0
 1
⋆ ···

λ1 ⋆
 1
.. 
 0 ⋆ . 
le cas échéant T −1 =   .
λ2 
 .. . .. . ..

⋆ 
1
0 ··· 0 λn

Proposition 3.9

Soit A ∈ Mn (K). Alors A est inversible si et seulement si A = n

Proposition 3.10

Soit E un K -espace vectoriel de dimension n, B une base de E et x1 , . . . , xn une

famille de n vecteurs de E. Alors M atB (x1 , . . . , xn ) est inversible si et seulement
si x1 , . . . , xn est une base de E
3. 5. Matrice de passage, changement de base

Définition 3.5
Soit E un K -espace vectoriel de dimension n, B et B ′ = e′1 , . . . , e′n deux bases de
E.
On appelle matrice de passage de B à B ′ et on note PB−→B′ la matrice de la famille
(e′1 , . . . , e′n ) = B ′ dans la base B : PB−→B′ = M atB (B ′ )
7
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Proposition 3.11

Soit E unK -espace vectoriel de dimension finie.

— Si B et B ′ sont deux bases de E, alors : PB−→B′ = M at (IdE , B ′ , B)
— Si B, B ′ et B ′′ sont trois bases de E, alors : PB−→B′′ = PB−→B′ PB′ −→B′′
— Si B et B ′ sont deux bases de E, PB−→B′ est inversible et :
[PB−→B′ ]−1 = PB′ −→B

Exercice 3.1
Soit E un K -espace vectoriel de dimension n et B une base de E.
Alors pour toute matrice inversible A ∈ GLn (K), il existe une unique base B ′ de E
telle que A = PB−→B′

Proposition 3.12

Soit E un K -espace vectoriel de dimension finie, B et B ′ deux bases de E et x ∈ E.

Si X ′ = M atB′ (x); P = PB−→B′ ; X = M atB (x) Alors X = P X ′

Proposition 3.13
′
Soit E et F deux K -espaces vectoriels de dimensions finies, BE et BE deux bases de
′
E, BF et BF deux bases de F et u une application linéaire de E dans F .
Si P = PBE −→BE′ et Q = PBF −→BF′
′
alors : M at (u, BE , BF′ ) = Q−1 M at (u, BE , BF ) P

Proposition 3.14

Soit E un K -espace vectoriel de dimension finie, B et B ′ deux bases de E et u un

endomorphisme de E.
Si P = PBE −→BE′ Alors : MB′ (u) = P −1 M atB (u) P
IV - Matrices équivalentes, matrices semblables
4. 1. Matrices équivalentes

Définition 4.1
Soit A, B ∈ Mp,q (K).
On dit que A est équivalente à B lorsqu’il existe Q ∈ GLp (K) et P ∈ GLq (K)
telles que : A = QBP

Proposition 4.1

La relation « est équivalente à » est une relation d’équivalence sur Mp,q (K)

Proposition 4.2

Soit A ∈ Mp,q (K), E un K ev de dimension p, BE une base de E, F un K ev de

dimension q, BF une base de F et u l’application linéaire de E dans F définie par :
M at (u, BE , BF ) = A Alors C ∈ Mp,q (K) est équivalente à A si et seulement si
′
il existe une base BE de E et une base BF′ de F telles que : M at (u, B ′ E , B ′ F ) = C

Proposition 4.3

Soit A∈ Mp,q 

(K) une matrice de rang r. Alors A est équivalente à la matrice :
Jr = Ir 0
0 0

Théorème 4.1
Deux matrices A, C ∈ Mp,q (K) sont équivalentes si et seulement si elles ont même
rang

8
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Proposition 4.4

Soit A ∈ Mp,q (K). Alors t A et A ont même rang

Proposition 4.5

Soit A ∈ Mp,q (K). Alors le rang de A est égal au rang de la famille de ses vecteurs
lignes. Autrement dit, le rang de la famille de ses vecteurs colonnes est égal au rang
de la famille de ses vecteurs lignes
4. 2. Matrices semblables

Définition 4.2
Soit A, C ∈ Mn (K). On dit que A est semblable à C lorsqu’il existe P ∈ GLn (K)
telle que : A = P −1 CP

Proposition 4.6

La relation « est semblable à » est une relation d’équivalence sur Mn (K)

Proposition 4.7

Soit A ∈ Mn (K), E un K -espace vectoriel de dimension n, B une base de E et

u l’endomorphisme de E défini par : M atB′ (u) = A Alors C ∈ Mn (K) est
semblable à A si et seulement si il existe une base B ′ de E telle que : M atB′ (u) = C

Proposition 4.8

Soit A et C ∈ Mn (K) deux matrices semblables. Alors A = C

Proposition et définition 4.1

Soit E un K -espace vectoriel de dimension finie et u un endomorphisme de E. Alors

la trace de M atB (u) ne dépend pas de la base B de E choisie.
On l’appelle trace de u et on la note u
V - Calcul du rang d’une matrice
5. 1. Opérations élémentaires sur les rangés d’une matrice A ∈ Mp,q (K)

Définition 5.1
Les opérations élémentaires sur les colonnes sont les suivantes :
— Ajouter un multiple d’une colonne à Ci ,λCi , à une autre colonne Cj :
Cj ←− Cj + λCi
— Multiplier une colonne Ci par un scalaire non nul λ :
Ci ←− λCi
— Échanger de deux colonnes Ci et Cj :
Ci ←→ Cj

Proposition 5.1

Une opération élémentaire sur les colonnes d’une matrice A correspond à la multi-
plication à droite par une matrice élémentaire P inversible
Opération la Matrice P P −1
Cj ←− Cj + λCi Iq + λEi,j Iq − λEi,j
Ci ←− λCi (Iq − Ei,i ) + λEi,i (Iq − Ei,i ) + λ1 Ei,i
Ci ←→ Cj (Iq − Ei,i − Ej,j ) + Ei,j + Ej,i P

Définition 5.2
Les opérations élémentaires sur les lignes sont les suivantes :
— Ajouter un multiple d’une ligne à Lj , λLj , à une autre ligne Li :
Li ←− Li + λLj
— Multiplier une ligne Li par un scalaire non nul λ :
9
Li ←− αLi
— Echanger de deux lignes Li et Lj :Li ←→ Lj
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Proposition 5.2

Une opération élémentaire sur les lignes d’une matrice A correspond à la multiplica-
tion à gauche par une matrice élémentaire P inversible
Opération Matrice P P −1
Li ←− Li + λLj Ip + λEi,j Ip − λEi,j
Li ←− λLi (Ip − Ei,i ) + λEi,i (Ip − Ei,i ) + λ1 Ei,i
Li ←→ Lj (Ip − Ei,i − Ej,j ) + Ei,j + Ej,i P
5. 2. Application à des opérations élémentaires pour le calcul du rang d’une matrice
A ∈ Mp,q (K)

Proposition et définition 5.1

Soit A ∈ Mp,q (K) non nulle

En procédant par des opérations élémentaires sur les lignes pour la matrice A on
arrive à un matrice de lignes échelonnées
Le nombre r qui dépend que de la matrice A s’appelle le rang de A et on note
rg(A) = r
Proposition 5.3

Si A′ ∈ Mp,q (K) avec p, q≥ 2 et A ∈ Mp−1,q−1 (K) et α ∈ K \ { 0 }

α ×...×
 0
et que A =  ..  alors rg(A) = 1+rg(A′ )

. A′
0
Ainsi réitérant par des opérations élémentaires sur les lignes pour la matrice A′ on
arrive de proche en proche à calculer rang r de A

Exercice 5.1
4 1 −1 0 2 !
Soit A = 3 −2 0 1 −1
1 3 5 −4 2
2 1 −1 0 1
1. Calculer le rang de la matrice par des opérations élémentaires sur les lignes
2. Calculer le rang de la matrice par des opérations élémentaires sur les colonnes
5. 3. Application à la d’un système linèaire

Exemples 5.1

n=2,3,4
5. 4. Application à l’inversion d’une matrice carrée par l’algorithme du pivot de
Gauss
Le procédé consiste pratiquement à partir de la matrice augmentée [A, In ] et à faire
des opérations élémentaires sur ses lignes pour arriver à la matrice [In , B] et alors
B = A−1
Exemples 5.2

n=2,3,4
5. 5. Produit matriciel par blocs

Théorème 5.1
Si A = (Ai,j ) une matrice à m × n blocs tel que ∀(i, j) ∈ [[1, m]] × [[1, n]] , Ai,j ∈
Mpi ,qj (K)
B = (Bi,j ) à n × r blocs tel que ∀(i, j) ∈ [[1, n]] × [[1, r]] , Bi,j ∈ Mqi ,sk (K)
Alors AB est bien défini et AB = (Ci,j ) à m × r blocs tel que ∀(i, j) ∈ [[1, m]] ×
n
P
[[1, r]] , Ci,j = = Ai,k Bk,j
k=1

10
Abderrazak Chakor 7 janvier 2023 Calcul matriciel Notes

Corollaire 5.1
Si D = diag(D1 , D2 , ..., Dr ) ∈ Mn (K) est une matrice carrée diagonale par blocs
alors
∀k ∈ N, Dk = diag(D1k , D2k , ..., Drk )
Mieux encore
∀P polynôme à coefficients dans K ,P (D) = diag(P (D1 ), P (D2 ), ..., P (Dr )) ,
def
(D0 = In )

Exercice 5.2
P ∈ GLn (K), Q ∈GLm (K) 
P 0
Montrer que M = GLn+m (K) et donner M −1
0 Q

Exercice 5.3
n
P
M = (Mij ) de E = Mn (C) telle que : ∀i ∈ [1, n], |Mii | > |Mij | .
i̸=j
j=1

M est alors dite à diagonale dominante

1. Montrer que M est inversible .
4 1 −2
 

2. La matrices A =  −2 3 0  est elle inversible ?.

2 2 5
Exercice 5.4
a c
 
1. Soit A = ∈ M2 (K)
b d
(a) Donner une condition nécessaire et suffisante d’inversibilité de A puis
calculer A−1
(b) Calculer A2 − (a + d)A + (ad − bc) I2 puis calculer A−1 en fonction
de A quand celle ci est inversible
(c) Déduire que si A , B ∈ M2 (R) telle que A2 B = BA2 et tr(A) =
̸ 0
alors AB = BA
2. Déterminer les matrices X ∈ M2 (R) telles que : X 2 − 2X = −1
 
0
2 6
5. 6. Techniques du calcul des puissances d’une matrice carrée

Exercice 5.5
 −1 1 1 
0 1 0
 
√ √
1 Soit A =  1 0 1  et P =  0 − 2 2 .
0 1 0 1 1 1
1. Montrer que P est inversible et calculer P −1 .
√ √
2. Calculer P.D.P −1 où D = diag (0, − 2, 2).
3. Calculer alors An .
Exercice 5.6
0 0 2
 

Soit A =  −1 0 3 
0 2 0
1.Calculer A2 , A3 et trouver(a, b, c) ∈ R3 tel que : A3 + aA2 + bA + cI3 = 0
2.En déduire que A est inversible et calculer A−1 .
3.En effectuant la division euclidienne de X n par P = X 3 + aX 2 + bX + c
calculer An
Indication :On se servira des racines du P

11