Chapter 6

Calcul matriciel

Ce chapitre est dédié au calcul matriciel. On y présentera quelques classes particulières de

matrices et les opérations matricielles (somme de deux matrices, produit d’une matrice par
un vecteur, produit de deux matrices). On y présentera aussi la notion de l’inverse d’une
matrice et l’algorithme de calcul de l’inverse.

6.1 Quelques exemples de matrices

On a défini une matrice de taille m × n comme étant un tableau rectangulaire de scalaires
constitué de m lignes et n colonnes. Si A est une matrice m × n, on peut la représenter par
ses éléments (coefficients), notés aij , situés à la ligne i et la colonne j ; pour i = 1, 2, · · · , m
et j = 1, 2, · · · , n et on note A = [aij ]. Les coefficients aij avec i = j sont dits diagonaux,
ceux avec i �= j sont extradiagonaux. Les coefficients diagonaux d’une matrice forment la
diagonale principale de cette matrice.

Exemple 6.1.1. Les diagonales principales des matrices A, B, C, D, E et F suivantes

       
� � � � −2 3 1 1 0 1 0 1 0 0
3 4 1 2 0
A= ,B = , C =  2 0 13 , D = 0 0 , E = 0 1 , F = 0 1 0
0 8 −1 5 3
4 4 2 3 0 0 0 0 0 1
� � � �� � � �� � � �
sont respectivement 3 8 , 1 5 , −2 0 2 , 1 0 , 1 1 et 1 1 1 .

Quelques exemples de matrices

• Matrice nulle : Une matrice dont tous les coefficients sont nuls est appelée matrice
nulle, notée 0.

• Les matrices diagonales : Ce sont des matrices dont les coefficients non diagonaux
sont tous nuls. Les matrices E et F de l’exemple 6.1.1 sont diagonales.

• Matrices carrrées : Ce sont les matrices de taille n × n (nombre de lignes égal au

nombre de colonnes). On parle dans ce cas de matrice carré d’ordre n. Les matrice A,
C et F de l’exemple 6.1.1 sont des matrices carrées d’ordre 2, 3 et 3, respectivement.

67
6. CALCUL MATRICIEL 68

• Matrices unités : Ce sont des matrices carrées dont seuls les coefficients diagonaux
sont non nuls et tous égaux à 1. On note In , la matrice unité d’ordre n . La matrice
F de l’exemple 6.1.1 est la matrice unité d’ordre 3, c’est-à-dire I3 .

• Matrices triangulaires supérieures : Ce sont les matrices carrées dont les éléments
au dessous de la diagonale principale sont tous nuls. Les matrices A et F de l’exemple
6.1.1 sont triangulaires supérieures.

• Matrices inférieures : Ce sont les matrices carrées dont les éléments au dessus de
la diagonale principales sont tous nuls.

• Matrices élémentaires : Ce sont les matrice obtenues à partir de la matrice unité

par une seule opération élémentaire sur les lignes. Par exemple, les trois matrices
suivantes sont des matrices élémentaires.
   
� � 1 0 −2 1 0 0
1 1   
, 0 1 0 , 3 1 0
0 1
0 0 1 0 0 1

Dans toute la suite de ce cours, on considère une matrice diagonale comme étant une matrice
carrée dont les coefficients hors de la diagonale principale sont tous nuls.

Definition 6.1.2 (transposée d’une matrice). Soit A une matrice de taille m × n. On

appelle transposée de A, la matrice de taille n × m, notée AT , dont les colonnes sont
formées des lignes de la matrice A. Si A est une matrice carrée et AT = A, on dit que A
est une matrice symétrique.

Exemple 6.1.3. Pour les matrices A, B, C, D et F de l’exemple 6.1.1, on a

   
� � 1 −1 −2 2 4 � �
3 0 1 0 3
AT = , B T = 2 5  , C T =  3 
0 4 ,D = T
, F T = F.
4 8 0 0 0
0 3 1 13 2

Remarque 6.1.4. Pour toute matrice A, on a (AT )T = A.

Deux matrices sont dites égales si elles sont de même taille et leurs coefficients de
la ligne i et la colonne j sont identiques : A = B si et seulement a�ij = bij , pour
� tout
� indice
�
7 0 3 7 a 3
i et j compatibles à la taille de A et B. Par exemple, les matrices et
−1 2 3 b 2 3
sont égales si et seulement si a = 0 et b = −1.

6.2 Somme et multiplication par un scalaire

On a défini sur l’ensemble Mmn de toutes les matrices de type m × n l’addition et la
multiplication par un scalaire de la manière suivante :

• Si A = [aij ] et B = [bij ] sont de même taille, alors A + B = [aij + bij ]

6. CALCUL MATRICIEL 69

• Si A = [aij ] ∈ Mmn et c ∈ R, cA = [caij ].

Par exemple, si on considère les matrices suivantes

 
� � � � 1 2 −5
1 −3 12 3 0 2
A= , B= ,C =  0 1 2 ,
5 11 −9 7 2 −3
−3 8 2
on a � � � �
1 + 3 (−3) + 0 12 + 2 4 −3 14
A+B = = ,
5 + 7 11 + 2 (−9) + (−3) 12 13 −12
   
10 20 −50 −1 −2 5
10C =  0 10 20  et − C = (−1)C =  0 −1 −2 ,
−30 80 20 3 −8 −2
� � � � � �
2 −6 24 12 0 8 −10 −6 16
2A − 4B = − = .
10 22 −18 28 8 −12 −18 14 −6
Mais la somme A + C n’est pas définie, car les matrices A et C ne sont pas de même taille.
L’ensemble Mmn des matrices muni de l’addition et la multiplication par un scalaire
ci-dessus définies est un espace vectoriel. On en déduit les propriétés suivantes.

Théorème 6.2.1. Soient A, B et C des matrices de même taille, et r et s des scalaires.

Alors

a. A + B = B + A d. r(A + B) = rA + rB

b. (A + B) + C = A + (B + C) e. (r + s)A = rA + sA

c. A + 0 = A f. r(sA) = (rs)A

6.3 Produit matriciel

On a défini le produit d’une matrice A de taille m × n par un vecteur colonne x de Rn ,
comme étant le vecteur résultant de la combinaison linéaire des colonnes de la matrice A
dont les coefficients sont les composantes x1 , · · · , xn du vecteur x. On a aussi vu que le
produit d’une matrice m×n par un vecteur de Rn peut ètre considéré comme une application
linéaire qui transforme un vecteur de Rn en un vecteur de Rm . De manière générale, si A
est une matrice de taille m × n et B une matrice de taille n × p, on peut considérer la
transfarmation qui à un vecteur x de Rp fait correspondre le vecteur y de Rm défini par
y = A(Bx). En notant b1 , · · · , bp les colonnes de B, on a

A(Bx) = A(x1 b1 + · · · + xp bp ) = x1 (Ab1 ) + · · · + xp (Abp ) = [Ab1 · · · Abp ]x,

et on déduit facilement qu’une telle transformation est linéaire de Rp dans Rm . On note

AB, la matrice associée à cette application linéaire, appelée produit de A et B. D’où la
définition suivante
6. CALCUL MATRICIEL 70

Definition 6.3.1 (produit de deux matrices). Soient A une matrice de taille m × n et B

une matrice de taille n × p dont les colonnes sont notée b1 , · · · , bp . On appelle produit de
A et B, et on note AB, la matrice m × p dont les colonnes sont Ab1 , · · · , Abp , c’est à dire

AB = A[b1 · · · bp ] = [Ab1 · · · Abp ]

� � � �
3 −5 2 0 −1
Exemple 6.3.2. Calculer AB, pour A = et B = .
0 2 4 −5 2
� �
Solution : En écrivant B = b1 b2 b3 , on a
� �� � � � � � � � � � � �
3 −5 2 3 −5 6 −20 −14
Ab1 = =2 +4 = + = ,
0 2 4 0 2 0 8 8
� �� � � � � � � �
3 −5 0 3 −5 25
Ab2 = =0 + (−5) =
0 2 −5 0 2 −10
� �� � � � � � � � � � � �
3 −5 −1 3 −5 −3 −10 −13
Ab3 = = (−1) +2 = + = .
0 2 2 0 2 0 2 4
Donc � �
� � −14 25 −13
AB = Ab1 Ab2 Ab3 = .
8 −10 4

Règle ligne-vecteur du calcul de Ax

Si le produit Ax est bien défini, alors la ie composante de Ax est le produit scalaire de la
ligne i de A par x.
� �� � � � � �
3 −5 2 3(2) − 5(4) −14
Exemple 6.3.3. a. = =
0 2 4 0(2) + 2(2) 4
     
2 −1 � � 2(−1) − 1(5) −7
  −1   
b. 8 3 = 8(−1) + 3(5) = 7
5
5 1 5(−1) + 1(5) 0
      
1 0 0 x1 1x1 + 0x2 + 0x3 x1
c. 0 1 0 x2  = 0x1 + 1x2 + 0x3  = x2 
0 0 1 x3 0x1 + 0x2 + 1x3 x3

Règle ligne-colonne pour le calcul de AB

Si le produit AB a un sens, alors le coefficient de la ie ligne et j e colonne de AB est la
somme des produits des composantes correspondantes de la ie ligne de A et la j e colonne
de B. Si on note AB = [cij ], où A est de taille m × n et B de taille n × p, alors

cij = ai1 b1j + ai2 b2j + · · · + ain bnj

6. CALCUL MATRICIEL 71

Exemple 6.3.4. Calculer le coefficient c23 et la troisième ligne de C = AB, pour

 
2 −5 0  
−1 4 −6
3 −4
A= 
 6 −8 −7 et B = 1 −3 .
 
3 2
−3 0 9

Solution : On a  
� � −6
c42 = −3 0 9 −3 = 36
2
et la troisième ligne de AB est
 
� � 4 −6 � �
6 −8 −7 1 −3 = −5 −26
3 2

6.3.1 Propriétés de la multiplication matricielle

Le théorème suivant rassemble les propriétés usuelles de multiplication matricielle.

Théorème 6.3.5. Soient A une matrice de taille m × n, et B et C deux matrices telles

que les sommes et les produits ci-dessous aient un sens. Alors,

a. A(BC) = (AB)C (association de la multiplication)

b. A(B + C) = AB + AC (distributivité à gauche)

c. (B + C)A = BA + CA (distributivité à droite)

d. c(AB) = (cA)B = A(cB), pour tout scalaire c

e. Im A = A = AIn (élément unité pour la multiplication)

Remarque 6.3.6. 1. En général AB �= BA (le produit matriciel n’est pas commutatif)

2. AB = AC n’implique pas que B = C

3. AB = 0 n’implique pas que A = 0 ou B = 0.

Exemple 6.3.7. On considère les matrices suivantes

� � � � � � � �
3 4 2 3 −12 −1 −4 8
A= , B= , C= et D= .
6 8 1 −2 14 1 3 −6

On a
� �� � � � � �� � � �
3 4 2 3 10 1 2 3 3 4 24 32
AB = = � BA =
= = ,
6 8 1 −2 20 2 1 −2 6 8 −9 −12

AB = AC avec B �= C et AD = 0, avec A �= 0 et B �= 0.
6. CALCUL MATRICIEL 72

Théorème 6.3.8. Soient A et B deux matrices dont les tailles sont compatibles avec la
somme et les produits suivants. Alors :

a. (A + B)T = AT + B T

b. (cA)T = cAT , pour tout scalaire c

d. (AB)T = B T AT .

6.4 Inverse d’une matrice

Definition 6.4.1. On dit qu’une matrice carrée A est inversible s’il existe une matrice
carrée C de même taille que A telle que

AC = In et CA = In .

Dans ce que la matrice C est appelée inverse de la matrice A. L’inverse d’une matrice
carrée A, si elle existe, est unique et notée A−1 .
� � � �
2 5 3 −5
Exemple 6.4.2. Si A = et C = , on a
1 3 −1 2
� �� � � �
2 5 3 −5 1 0
AC = =
1 3 −1 2 0 1

et � �� � � �
3 −5 2 5 1 0
CA = = .
−1 2 1 3 0 1
� �
3 −5
Donc la matrice A est inversible et A−1 = .
−1 2
Le théorème suivant énonce trois propriétés utiles des matrices inversibles.

Théorème 6.4.3. a. Si A est une matrice inversible, alors A−1 est inversible et

(A−1 )−1 = A

b. Si A et B sont deux matrices carrées d’ordre n inversibles, alors AB est inversible et

(AB)−1 = B −1 A−1

c. Si A est une matrice inversible, alors AT est inversible et on a

(AT )−1 = (A−1 )T .

Théorème 6.4.4. Si A est une matrice carrée d’ordre n inversible, alors pour tout vecteur
b de Rn , l’équation Ax = b admet pour unique solution le vecteur x = A−1 b.
6. CALCUL MATRICIEL 73

Proof: Le vecteur x = A−1 b est bien une solution de Ax = b, car A(A−1 b) =

(AA−1 )b = In b = b. Pour montrer l’unicité on suppose qu’il existe un autre vecteur
u tel que Au = b. Alors, en multipliant cette identité par A−1 , on trouve

A−1 (Au) = A−1 b ⇐⇒ (A−1 A)u = Iu = A−1 b.

D’où u = A−1 b.

Exemple 6.4.5. Soient P une matrice inversible et A et B deux matrices telles que A =
P BP −1 . Exprimer B en fonction de A.

Solution :
� �
A = P BP −1 ⇔ P −1 AP = P −1 P BP −1 P = (P −1 P )B(P −1 P ) = IBI = B,

donc B = P −1 AP .

Exemple 6.4.6. Si A, B et C sont des matrices n × n inversibles. L’équation C −1 (A +

X)B −1 = In à inconnue X at-elle une solution? si oui, la déterminer.

Solution : En multipliant l’identité C −1 (A + X)B −1 = In à gauche par la matrice C et

à droite par la matrice B on a
� �
C C −1 (A + X)B −1 B = (CIn )B ⇔ (CC −1 )(A + X)(B −1 B) = CB ⇔ A + X = CB.

D’où l’équation admet la solution X = CB − A.

Exemple 6.4.7. Soient A, B et X des matrices de taille n × n telles que A, X et A − AX

soient inversibles. On suppose que

(A − AX)−1 = X −1 B. (6.4.1)

a. Montrer que B est inversible.

b. Résoudre l’équation (6.4.1) à l’inconnue X. Si une matrice est inversible, on doit

justifier son inversibilité.

Solution :

a. On multipliant les deux membres de l’équation (6.4.1) par X on déduit que B =

X(A − AX)−1 . Puisque A − AX est inversible (A − AX)−1 est aussi inversible et
on déduit
� que B est inversible
�−1 � comme −1 produit
�−1 −1 de deux matrices inversibles, avec
B −1 = X(A − AX)−1 = (A − AX) X = (A − AX)X −1 = AX −1 − A.
6. CALCUL MATRICIEL 74

b. Les deux membres de l’équation (6.4.1) sont inversibles, on en déduit que

� �−1 � −1 �−1
(A − AX)−1 = X B ⇐⇒ A − AX = B −1 X ⇐⇒ (B −1 + A)X = A.

La somme de deux matrices n’est pas en général inversible, donc si on suppose

que (B −1 + A) est inversible on déduit que X = (B −1 + A)−1 A.
� �
a b
Théorème 6.4.8. Soit A = une matrice 2 × 2. Si ad − bc �= 0, alors A est inversible
c d
et � �
−1 1 d −b
A = .
ad − bc −c a
Si ad − bc = 0, alors A n’est pas inversible.
Remarque 6.4.9. Le nombre ad − bc est appelé déterminant de A, et l’on note

detA = ad − bc.

Le théorème 6.4.8 signifie en particulier qu’une matrice A de type 2 × 2 est inversible si et

seulement si det(A) �= 0.
� �
3 5
Exemple 6.4.10. Pour la matrice A = on a, detA = 3.8 − (−2).5 = 34 �= 0.
−2 8
Donc A est inversible et
� � � �
−1 1 8 −5 4/17 −5/34
A = = .
34 2 3 1/17 3/34
Lemme 6.4.11. La matrice obtenue par une opération élémentaire sur les lignes d’une
matrice A de type m × n est de la forme EA, où E est la matrice unité de type m × m
obtenue en effectuant la même opération élémentaire sur les lignes de Im .
   
a b c 1 0 0
Exemple 6.4.12. Soient A = d e f  et la matrice élémentaire E = 3 1 0. E est
g h i 0 0 1
obtenue par l’opération élémentaire L2 → L2 + 3L1 sur la matrice unité I3 . On a
    
1 0 0 a b c a b c
EA = 3 1 0 d e f  = 3a + d 3b + e 3e + f  .
0 0 1 g h i g h i
On remarque bien que EA n’est autre que la matrice obtenue par l’opération élémentaire
L2 → L2 + 3L1 sur la matrice A.
Lemme 6.4.13. Toute matrice élémentaire E est inversible. L’inverse de E est la matrice
élémentaire de même type qui transforme E en I.
 
1 0 0 −5
0 1 0 0
Exemple 6.4.14. Trouver l’inverse de E =  0 0 1
.
0
0 0 0 1
6. CALCUL MATRICIEL 75

Solution : Pour obtenir I4 on doit remplacer la première ligne de E par sa première ligne
plus 5 fois sa ligne 4 (L1 → L1 + 5L4 ). Donc E −1 est obtenue en faisant L1 → L1 + 5L4
dans I4 ; on trouve
 
1 0 0 5
0 1 0 0
E −1 = 
0 0 1 0 .


0 0 0 1
Théorème 6.4.15. Une matrice A de taille n × n est inversible si et seulement si elle est
équivalente selon les lignes à la matrice unité In . Dans ce cas, toute suite d’opérations
élémentaires sur les lignes qui transforme A en In transforme In en A−1 .
Proof: Si A est inversible, alors d’après le théorème 6.4.4, sa forme échelonnée réduite
est la matrice unité ; donc elle est équivalente à la matrice unité. Inversement, si A est
équivalente à la matrice unité, on note A ∼ I, alors, d’après le lemme 6.4.11, il existe des
matrices élémentaires E1 , · · · , Ep telles que

Ep Ep−1 · · · E1 A = In ,
et comme les matrices élémentaires Ei sont inversibles, leur produit est inversible et on a

(Ep Ep−1 · · · E1 )−1 (Ep Ep−1 · · · E1 A) = (Ep Ep−1 · · · E1 )−1 In ,

d’où
A = (Ep Ep−1 · · · E1 )−1
et on déduit que A est inversible, puisque c’est l’inverse d’une matrice inversible, avec
� �−1
A−1 = (Ep Ep−1 · · · E1 )−1 = Ep Ep−1 · · · E1 .

Algorithme de calcul de A−1

� �
On applique� la méthode
� du pivot à la matrice A I
� . Si A� est équivalente selon les lignes
à I, alors A I est équivalente selon les lignes à I A−1 . Sinon, A n’est pas inversible.
 
−2 0 −1
Exemple 6.4.16. Déterminer, si elle existe, l’inverse de A =  2 5 6 .
1 3 4

Solution : On a
     
� � −2 0 −1 1 0 0 1 3 4 0 0 1 1 3 4 0 0 1
A I = 2 5 6 0 1 0 ∼  2 5 6 0 1 0 ∼ 0 −1 −2 0 1 −2
1 3 4 0 0 1 −2 0 −1 1 0 0 0 6 7 1 0 2
6. CALCUL MATRICIEL 76

   
1 3 4 0 0 1 1 3 4 0 0 1
∼ 0 −1 −2 0 1 −2  ∼ 0 −1 −2 0 1 −2
0 0 −5 1 6 −10 0 0 1 −1/5 −6/5 2
   
1 3 0 4/5 24/5 −7 1 3 0 4/5 24/5 −7
∼ 0 −1 0 −2/5 −7/5 2  ∼ 0 1 0 2/5 7/5 −2
0 0 1 −1/5 −6/5 2 0 0 1 −1/5 −6/5 2
 
1 0 0 −2/5 3/5 −1

∼ 0 1 0 2/5 7/5 −2
0 0 1 −1/5 −6/5 2

D’après le théorème 6.4.15, A est inversible et

 
−2/5 3/5 −1
A−1 =  2/5 7/5 −2 .
−1/5 −6/5 2
On vérifie bien que AA−1 = A−1 A = I.

Exemple 6.4.17. Déterminer la troisième ligne de B −1 , pour

 
1 −2 1
B =  4 −7 3 .
−2 6 −2

Solution : On a
   
� � 1 −2 1 1 0 0 1 −2 1 1 0 0
B I =  4 −7 3 0  
1 0 ∼ 0 1 −1 −4 1 0
−2 6 −2 0 0 1 0 2 0 2 0 1
   
1 −2 1 1 0 0 1 −2 1 1 0 0
∼ 0 1 −1 −4 1 0 ∼ 0 1 −1 −4 1 0 
0 0 2 10 −2 1 0 0 1 5 −1 1/2
� �
La troisième ligne de B −1 est donc 5 −1 1/2 .

Remarque 6.4.18. L’inverse de la matrice B de l’exemple 6.4.17 est

 
−2 1 1/2
−1 
B = 1 0 1/2 .
5 −1 1/2