You are on page 1of 274

injaz-education.

com

Chapitre 3 : Les matrices


Sandrine CHARLES : scharles@biomserv.univ-lyon1.fr

Introduction ............................................................................................................................2
1

Dfinitions ......................................................................................................................2

Oprations sur les matrices.............................................................................................3


2.1
2.2

Multiplication dune matrice par un scalaire..........................................................4

2.3

Multiplication de matrices ......................................................................................5

2.4
3

Addition de deux matrices......................................................................................3

Transposition de matrice ........................................................................................7

Matrices carres, matrices lmentaires .........................................................................8


3.1
3.2

Matrices diagonales ................................................................................................8

3.3

Matrice Identit.......................................................................................................9

3.4

Matrices Inversibles..............................................................................................10

3.5

Matrices symtriques............................................................................................10

3.6

Matrices triangulaires ...........................................................................................11

3.7

Matrices orthogonales...........................................................................................11

3.8
4

Matrices carres......................................................................................................8

Matrices normales.................................................................................................12

Dterminant dune matrice carre ................................................................................12


4.1
4.2

Dterminant dun systme de vecteurs.................................................................13

4.3

Dterminant dune matrice carre ........................................................................13

4.4
5

Formes multilinaires alternes ............................................................................12

Dterminant et volume .........................................................................................18

Inversion de matrices....................................................................................................18
5.1
5.2

Thormes ............................................................................................................19

5.3

Cas dune matrice dordre 2 .................................................................................19

5.4

Cas dune matrice dordre 3 .................................................................................20

5.5
6

Matrice adjointe....................................................................................................18

Cas particulier : inverse dune matrice diagonale ................................................20

Exemples dutilisation en Biologie...............................................................................20

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Introduction
Historiquement cest Cayley, paralllement aux travaux de Grassmann, qui dgage la notion
d'espace vectoriel de dimension n, et introduit, avec Sylvester, la notion de matrice (le terme
sera introduit par ce dernier en 1850) et en expose l'usage en faisant emploi des dterminants
(dont l'initiateur fut Cauchy) dans une thorie plus large dite des invariants (1858) : on
entend l des proprits matricielles invariantes par transformation linaire comme, par
exemple, le dterminant et la trace (somme des lments diagonaux).

1 Dfinitions
Dfinition 1
Un tableau rectangulaire de la forme ci-dessous est appel matrice.
p colonnes

a11

a21
A=

a
n1

a12
a22
an 2

a1 p

a2 p

anp

n lignes

Llment aij

de la matrice se trouve lintersection de la ime ligne et de la jme colonne.

La matrice A scrit galement sous la forme A = aij avec i = 1, n et j = 1, p .



Une matrice ayant n lignes et p colonnes est appele matrice ( n, p ) ou n p .

Dfinition 2
Le couple ( n, p ) est appel dimension de la matrice.

Dfinitions 3
Une matrice de dimension ( n,1) est une matrice colonne.
Une matrice de dimension (1, p ) est une matrice ligne.

Notation : Lensemble des matrices de dimension ( n, p ) est not M n , p (

Chapitre 3 : Les matrices - page 2/22 -

).

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Exemple
2 3

A = 4 2
1 0

A a pour dimension ( 3, 2 )

a12 = 3

a31 = 1

Dfinition 4

Soient B = {e1 , e2 , , en } la base canonique de


p

et B = {e1 , e2 , , e p } la base canonique de

. Soit A = aij une matrice de dimension ( n, p ) . Alors :



n

c j = akj ek est le j-ime vecteur colonne extrait de A ; cest un vecteur de

dont les

k =1

coordonnes sont ( a1 j , a2 j , , anj ) .


p

= aih eh est le i-ime vecteur ligne extrait de A ; cest un vecteur de


h =1

coordonnes sont ( ai1 , ai 2 , , aip ) .

Exemple
2 3

A = 4 2
1 0


B = {e1, e2 , e3 } base de


c1 = 2e1 + 4e2 + e3
1

= 2e1 + 3e2

B = {e1 , e2 } base de

c2 = 3e1 + 2e2
2

= 4e1 + 2e2

= e1

2 Oprations sur les matrices


2.1

Addition de deux matrices

Dfinition

Soient deux matrices A = aij et B = bij toutes deux de dimension ( n, p ) ;




On additionne terme terme pour obtenir : A + B = aij + bij de dimension ( n, p ) .

Chapitre 3 : Les matrices - page 3/22 -

dont les

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Exemple 1
2 3
1 2

Soient A = 4 2 et B = 0 1 . Calculer A + B . Rponse.

1 0
1 4

Proprits

Soient A, B et C trois matrices de dimension ( n, p ) et 0 la matrice ( n, p ) dont les lments


sont tous gaux 0.
(i)

( A + B ) + C = A + ( B + C)

(associativit)

(ii)

A+0 = A

(lment neutre)

(iii)

A + ( A ) = 0

(iv)

A+B = B+A

(oppos)
(commutativit)

Remarque : A = aij

a b
a b
Par exemple, si A =
, alors A =
.
c d
c d
2.2 Multiplication dune matrice par un scalaire

Dfinition

Soient A = aij une matrice de dimension


( n, p )

et

. On dfinit la matrice A

comme matrice dont tous les coefficients sont multiplis par : A = aij .

A est aussi de dimension ( n, p ) .

Exemple 2
2 3
Soient A = 4 2 et = 3 . Calculer A . Rponse.

1 0

Remarque : A = ( 1) A

Chapitre 3 : Les matrices - page 4/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Proprits

Soient A et B deux matrices de dimension ( n, p ) et , deux rels.


(i)

( A + B ) = A + B

(ii)

( + ) A = A + A

(iii)

( ) A = ( A )

(iv)

1 A = A et 0 A = 0

(ne pas confondre 0 scalaire et 0 matrice)

Consquence

Compte tenu des proprits ci-dessus, lensemble des matrices de dimension ( n, p ) , muni des
deux lois prcdemment dfinies, est un espace vectoriel.
2.3 Multiplication de matrices

Dfinition

Soient A = [ aik ] une matrice ( n, p ) et B = bkj une matrice


( p, q )

le produit des deux

matrices C = AB a pour dimension ( n, q ) et scrit :


p

C = cij avec cij = aik bkj , pour i = 1, n et j = 1, q



k =1

Remarque

Le produit AB nest donc possible que si le nombre de colonnes de A est gal au nombre de
lignes de B (p).

Application au cas de deux matrices (2,2)


a
A= 11
a21

a12
b11 b12
et B=

a22
b21 b22

a
C= 11
a21

a12

a22

a11b11 + a12b21
b11 b12

soit C=
a21b11 + a22b21
b21 b22

a11b12 + a12b22

a21b12 + a22b22

Chapitre 3 : Les matrices - page 5/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Moyen mnmotechnique

Exemple 3
2 1
4 2
Soient A=
et B=
. Calculer AB. Rponse.
1 4
0 2

Remarques

En gnral, la multiplication de deux matrices nest pas commutative :

Si AB existe, BA nexiste pas forcment.

Si BA existe, alors gnralement AB BA .

Exemple 3 (suite)
Vrifier avec les matrices A et B prcdentes que AB BA . Rponse.

Proprits

Soient A ( n, p ) , B ( p, q ) , C ( q, s ) , D ( p, q ) et E ( q, n ) :
(i)

( AB ) C = A ( BC )

associativit [matrice de dimension ( n, s ) ]

(ii)

A ( B + D ) = AB + AD

distributivit gauche [matrice de dimension ( n, q ) ]

(iii)

( B + D ) E = BE + DE

distributivit droite [matrice de dimension ( p, n ) ]

Chapitre 3 : Les matrices - page 6/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

2.4 Transposition de matrice

Dfinition
a11

a21
Soit A =

a
n1

a12
a22
an 2

a1 p

a2 p
, la matrice transpose de A note A ou t A est la matrice

anp

a11

a12
t
obtenue en crivant les lignes de A en colonnes : A =

a
1p

a21
a22
a2 p

an1

an 2

a pn

Si A a pour dimension ( n, p ) alors t A a pour dimension ( p, n ) .

Exemple 4
2 3
Soit A = 4 2 . Calculer t A . Rponse.

1 0

Proprits

Soient A ( n, p ) , B ( n, p ) , C ( p, q ) trois matrices et soit


(i)
(ii)

(iii)
(iv)

( A + B) = t A + t B

( A) = A
t

(A) = t A

( AC ) = t C t A

Exemple 5 (proprit (i))


2 3
3 1

Soient A = 4 2 et B = 1 2 . Vrifier que

1 0
1 1

( A + B ) = t A + t B . Rponse.

Chapitre 3 : Les matrices - page 7/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Exemple 6 (proprit (iv))


2 3
1 1 0
Soient A = 4 2 et C =
. Vrifier que

2 0 3
1 0

( AC ) = t C t A . Rponse.

3 Matrices carres, matrices lmentaires


3.1

Matrices carres

Dfinition

Une matrice dont le nombre de lignes est gal au nombre de colonnes est appele matrice
carre. Si elle a pour dimension ( n, n ) , on dit alors quelle est dordre n.

Rappelons que laddition et la multiplication de matrices ne sont pas dfinies pour des
matrices quelconques. Cependant, si on considre uniquement des matrices carres dordre n
donn, alors les oprations daddition, de multiplication, de multiplication par un scalaire, et
de transposition sont dfinies et leurs rsultats sont encore des matrices carres dordre n.

Exemple
2 5 1
1 2 3

Soient A = 4 4 4 et B = 0 3 2 . A et B sont des matrices carres dordre 3.

1 2 4
5 6 7

Vrifier que A + B , 2 A , t A et AB sont galement des matrices carres dordre 3. Rponse.

3.2 Matrices diagonales

Dfinition 1

On appelle diagonale (ou diagonale principale) dune matrice carre dordre n, les lments
a11 , a22 , , ann de la matrice.

Exemple
a11 a12

A = a21 a 22
a
31 a32

a13

a23
a 33

a11 , a22 , a33 sont les lments de la diagonale de A

Chapitre 3 : Les matrices - page 8/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Dfinition 2

Une matrice carre D = dij est dite diagonale si tous ses lments non diagonaux sont nuls.

Une telle matrice est frquemment note D = diag ( d11 , d 22 , , d nn ) o certains ou tous les
scalaires dii peuvent tre gaux zro.

Exemples
1 0 0

D1 = 0 3 0
0 0 2

4 0
D2 =

0 5

0
D3 =
0

0 0
0 0
0 2
0 0

0
0

3.3 Matrice Identit

Dfinition

Une matrice carre dordre n ne comportant que des 1 sur la diagonale principale et des 0
partout ailleurs, est note I n et est appele matrice unit ou matrice identit.

Exemple
1 0 0

I3 = 0 1 0
0 0 1

Proprit 1

Quelle que soit A ( n, p )

AI p = I n A = A

Exemple
1 3
Soit A = 2 0 . Vrifier que AI 2 = I 3 A . Rponse.

4 1

Chapitre 3 : Les matrices - page 9/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Proprit 2

La matrice I n , pour tout

, est appele matrice scalaire. Cest la matrice diagonale

dont les lments diagonaux sont tous gaux .

Exemple
0 0

I 3 = 0 0
0 0

Remarque

On parle de matrice scalaire car elle joue le mme rle que celui dun scalaire dans la
multiplication dune matrice par un scalaire : A ( I p ) = ( I n ) A = A .

3.4 Matrices Inversibles

Dfinition

Une matrice carre A, dordre n, est dite inversible ou non singulire, sil existe une matrice
carre B dordre n telle que AB = BA = I n , Une telle matrice B est unique, dordre n ; on
lappelle matrice inverse de A et on la note A 1 .

Remarque

La relation prcdente est symtrique, cest--dire que si B est linverse de A, alors A est
linverse de B.

3.5 Matrices symtriques

Dfinition

Une matrice carre est dite symtrique si et seulement si t A = A . Autrement dit si i j ,


aij = a ji .

Chapitre 3 : Les matrices - page 10/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Exemple
1 2 3

A= 2 4 9
3 9 0

3.6 Matrices triangulaires

Dfinition

Une matrice triangulaire est une matrice carre dont les lments au-dessous (ou au-dessus)
de la diagonale principale sont tous nuls.

Exemples
1 2 3

0 4 9 : Matrice triangulaire suprieure


0 0 2

1 0 0

2 3 0 : Matrice triangulaire infrieure


4 8 2

3.7 Matrices orthogonales

Dfinition

Une matrice carre dordre n est dite orthogonale si A t A = t AA = I n .

Exemple
1
9

4
A=
9

8
9
4
9
1
9

4
9

7
9

Proprit

Si A est une matrice orthogonale, alors elle est inversible et A 1 = t A .

Chapitre 3 : Les matrices - page 11/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

3.8 Matrices normales

Dfinition

Une matrice carre dordre n est dite normale si A t A = t AA , autrement dit si A et sa


transpose t A commutent.

Remarque

Il est clair que si A est symtrique ou orthogonale, alors elle est normale. Mais il existe
dautres matrices normales.

Exemple
6 3
A=

3 6

4 Dterminant dune matrice carre


4.1

Formes multilinaires alternes

On rappelle que E n = E E E .
n fois

Dfinition 1

Soit E un espace vectoriel. Une application de D : E n F est une application


multilinaire ou n-linaire si elle est linaire par rapport chacune de ses variables :

(i)

Soit ( x1 , x2 , , xn ) E n tel que xi = ui + vi . Alors :


D ( x1 , , ui + vi , , xn ) = D ( x1 , , ui , , xn ) + D ( x1 , , vi , , xn )

(ii)

Soit ( x1 , x2 , , xn ) E n tel que xi = ui avec

. Alors :

D ( x1 , , ui , , xn ) = D ( x1 , , ui , , xn )

Si F =

, on dit que D est une forme n-linaire.

Dfinition 2

Soit E un espace vectoriel et D : E n

une forme n-linaire. On dit que D est alterne si

D ( x1 , , xi , , x j , , xn ) = 0 chaque fois que deux des xi sont identiques :


D ( x1 , , xi , , x j , , xn ) = 0 ds que xi = x j pour i j
Chapitre 3 : Les matrices - page 12/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

4.2 Dterminant dun systme de vecteurs


Thorme

Il existe une unique application D : (

n n

telle que :

(i)

D est une forme n-linaire ;

(ii)

D est alterne ;

(iii)

D ( e1 , , ei , , en ) = 1 o les ei sont les vecteurs de la base canonique de

Dfinition

Cette application D : (

n n

n-linaire alterne et telle que D ( e1 , , ei , , en ) = 1 est

appele dterminant. On la note gnralement det.

Remarque

Soit V

une famille de vecteurs v j ,

det ( v1 , v2 , , vn )

j = 1, n . Alors V = ( v1 , v2 , , vn ) (

n n

et

4.3 Dterminant dune matrice carre

Soit A une matrice carre dordre n. Soit A = aij . Chaque colonne de A peut alors tre

considre comme un vecteur de

A = v1 v2 v p avec v j = ( a1 j , a2 j , , anj ) pour j = 1, n

Ainsi, la dfinition de la notion de dterminant dune matrice carre est troitement lie la
dfinition du dterminant dun systme de vecteurs :
det ( A ) = det ( v1 , v2 , , vn )

On note alors det ( A ) =

a11 a1n

, et on par le de dterminant dordre n.


an1

ann

La suite du chapitre traite du calcul pratique des dterminants.

Chapitre 3 : Les matrices - page 13/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

4.3.1

Dterminant dune matrice carre dordre 2

Dfinition
a c
a c
Soit A =
= a d bc .
. Alors det ( A ) =
b d
b d

Moyen mnmotechnique

Exemple 8
2 5
Soit A =
. Calculer det ( A ) . Rponse.
3 7

4.3.2

Dterminant dune matrice carre dordre 3

Rgle de Sarrus
Cette rgle nest valable que pour des matrices carres dordre 3, et nest absolument
pas gnralisable. Mieux vaut donc lui prfrer la rgle gnrale nonce dans le
paragraphe suivant.
a1
Soit M = a2

a
3

b1
b2
b3

c1

c2 .
c3

det ( M ) = a1b2 c3 + a2 b3 c1 + a3 b1c2 a3 b2 c1 a1b3 c2 a2 b1c3


Chapitre 3 : Les matrices - page 14/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Exemple 9
2 1 0

Soit M = 1 4 2 . Calculer det ( M ) par la rgle de Sarrus. Rponse.


3 1 1

4.3.3

Gnralisation : Dterminant dordre n

Mthode des cofacteurs

Lastuce consiste se ramener des dterminants dordre infrieur jusqu obtenir des
dterminants dordre 2. Pour cela, on dveloppe le dterminant par rapport une ligne ou une
colonne.
a11

a1n

a21

a22

a2 n

an1

Soit =

a12

an 2

ann

un dterminant dordre n.

= aij X ij , dveloppement par rapport la ligne i


j =1
n

= aij X ij , dveloppement par rapport la colonne j


i =1

o X ij est le cofacteur de llment aij : X ij = ( 1)

i+ j

ij

ij est le mineur de aij cest--dire le dterminant dordre ( n 1) extrait de en enlevant la


ime ligne et la jme colonne.

Application :
= a11 X 11 + a12 X 12 + + a1 p X 1 p (ligne 1)
= a11 X 11 + a21 X 21 + + a p1 X p1 (colonne 1)

a22

a2 p

X 11 = +11 =

a21 a2 p
X 12 = 12 =

a p 2 a pp

a p1 a pp

Chapitre 3 : Les matrices - page 15/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Remarque

La rpartition des signes prendre devant les mineurs ( 1)

i+ j

, est alterne partir du signe +

pour llment a11 .

Par exemple, pour un dterminant dordre 5 :


+

Application au dterminant dordre 3


a1

b1

c1

= a2
a3

b2
b3

c2
c3

= a1 X 11 + a2 X 21 + a3 X 31 (colonne 1)
= a111 a2 21 + a3 31
= a1

b2
b3

c2
b
a2 1
c3
b3

c1
b
+ a3 1
c3
b2

c1
c2

= a1 ( b2 c3 b3c2 ) a2 ( b1c3 b3c1 ) + a3 ( b1c2 b2 c1 )

Exemple 10
1

Calculer le dterminant suivant = 2 1 3 , avec la mthode des cofacteurs. Rponse.


2 4 3

Propositions

a) Si A a une ligne (ou une colonne) de zros alors det ( A ) = 0


Si A a deux lignes (ou deux colonnes) identiques alors det ( A ) = 0

b) Si on change deux lignes (deux colonnes) dun dterminant alors on obtient det ( A )

Chapitre 3 : Les matrices - page 16/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

a c
c
= ad bc et
b d
d

a
= bc ad = (ad bc)
b

c) On ne modifie pas un dterminant si on ajoute une ligne (resp. une colonne) une
combinaison linaire des autres lignes (resp. des autres colonnes) :
a b
= ad bc
c d
a+b b
= (a + b)d b(c + d ) = ad + bd bc bd = ad bc
c+d d

d) Si on multiplie une ligne (resp. une colonne) dun dterminant par un scalaire , alors le
dterminant est lui-mme multipli par .
a
b
= a d b c = (ad bc)
c d
n

e) Si A = aij est une matrice triangulaire dordre n alors det A = aii (produit des termes

i =1

diagonaux). Il en rsulte que det ( I ) = 1 .


a1
Exemple : A = 0

0
a3
0

0 det ( A ) = a1a2 a3
a3

f) det ( AB ) = det ( A ) det ( B ) det( A n ) = det ( A )

Le dterminant est une fonction multiplicative.


g) det ( t A ) = det ( A )
h) det ( A 1 ) =
i)

1
det ( A )

det ( A ) = n det ( A )

Exemple 11 (propositions b et c)
1 1 4
Soit A = 2 1 3 . Vrifier les propositions b et c prcdentes. Rponse.

2 4 3

Chapitre 3 : Les matrices - page 17/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

4.4 Dterminant et volume

Les dterminants sont lis aux aires et aux volumes. Soient u1 , u2 , , un des vecteurs de

Soit S le paralllpipde (solide) dtermin par ces vecteurs :


S = {1u1 + 2u2 + + nun i [ 0;1] pour i = 1, n}

Lorsque n = 2 , S est un paralllogramme.


Soit V ( S ) le volume de S (ou la surface de S dans le cas n = 2 ). Alors :
V ( S ) = det ( u1 , u2 , , un )

Si on appelle A la matrice dont les colonnes correspondent aux vecteurs u1 , u2 , , un , alors :


V ( S ) = det ( A )

Proposition
V ( S ) = det ( u1 , u2 , , un ) = 0 si et seulement si les vecteurs u1 , u2 , , un sont linairement

dpendants.
Vrification dans le cas n = 2 : voir chapitre 5, paragraphe 7.

5 Inversion de matrices
5.1

Matrice adjointe

Dfinition

Considrons une matrice carre A dordre n, la matrice des cofacteurs X ij des lments aij de
A note adjA est appele matrice adjointe de A ou co-matrice de A.
adjA = comA = X ij = ( 1)

i+ j

ij

Exemple 12
a
A = 11
a21

a12
. Calculer adjA . Rponse.
a22

Chapitre 3 : Les matrices - page 18/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

5.2 Thormes
Thorme 1

Soit A une matrice carre dordre n. Alors A est une matrice inversible si et seulement si
det ( A ) 0 .

Thorme 2

Soit A une matrice carre quelconque dordre n. Alors :

( adjA ) = ( adjA ) A = det ( A ) I n


t

o I n est la matrice identit dordre n.

Thorme 3

Soit A une matrice carre quelconque dordre n. Si det ( A ) 0 , alors A est inversible et :
A 1 =

1
t
( adjA )
det ( A )

5.3 Cas dune matrice dordre 2


a b
Soit A=
. On sait que |A| = det(A) = (ac-bd).
d c
c d
c
1
1
La matrice adjointe de A est adjA =
: A =

(ac bd ) d
b a

Exemple 13
2 5
1
Soit A =
. Calculer A . Rponse.
3 7

Chapitre 3 : Les matrices - page 19/22 -

b
.
a

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

5.4 Cas dune matrice dordre 3


5.5 Cas particulier : inverse dune matrice diagonale

Dfinition

Si A = diag [ aii ] est une matrice diagonale inversible dordre n :


n

(i)

det ( A ) = aii 0 i = 1, n aii 0


i =1

(ii)

1
A 1 = diag
aii

a11

A=

a22

1 a11

1 a22

A 1 =

a pp

1 a pp

6 Exemples dutilisation en Biologie


Dun point de vue gnral, on peut dire que lon utilise les matrices pour stocker des donnes
exprimentales. Mais nous allons voir que lon utilise aussi les matrices pour dcrire la
dynamique de certaines populations animales.
6.1

Surface foliaire

Si chaque jour de lanne, on mesure la surface foliaire de n plantes, on peut


mettre ces donnes sous la forme :
1

i aij

p = 365 (jours)

o aij reprsente la surface folire de la plante i au jour j, avec i variant de 1


n et j variant de 1 365 jours.

Chapitre 3 : Les matrices - page 20/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

6.2 Lombre commun

L'ombre commun est un poisson de rivire froide, pure et cours


relativement lent que lon trouve gnralement plus en aval que
les truites. La priode de reproduction se situe au printemps.
Les jeunes d'un an mesurent en moyenne 15 cm et sont tous immatures. Les poissons de 2 ans
mesurent 27 cm et la moiti d'entre eux sont adultes (i.e. sexuellement matures). 3 ans tous
les poissons sont adultes et mesurent en moyenne 35 cm.
On admettra dans la suite que la sex-ratio est 1.
Une femelle fournit chaque anne 200 alevins, 90 % d'entre eux meurent avant 1 an. 50 % des
jeunes d'un an meurent avant l'ge de 2 ans. A partir de l'ge de 2 ans, 40% des poissons
meurent par an.

On reprsente la population, au printemps de l'anne n, par le vecteur :


Na

N
Pn = 1
N2

N
3 n

N a : nombre d'alevins
N1 : nombre de poissons d'un an
N 2 : nombre de poissons de 2ans
N 3 : nombre de poissons de 3ans et plus

Compte tenu des informations sur lespce, on peut alors crire :

N a ,n +1 = 200 0.5 0.5 N 2,n + N 3,n 0.6

sex ratio % matures


survie
N1, n +1 = 0.1N a , n
N 2,n +1 = 0.5 N1, n

N 3,n +1 = 0.6 ( N 3,n + N 2,n )

Ce qui peut bien sr se rcrire en notation matricielle :

Chapitre 3 : Les matrices - page 21/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

0 30 60
0

0
0
0.1 0
Pn +1 =
Pn Pn +1 = APn
0 0.5 0
0

0
0 0.6 0.6

La matrice A permet de dcrire lvolution danne en anne de leffectif des quatre classes
dge de la population.
Ainsi, si on suppose que lon lche dans une rivire dpeuple 100 ombres adultes (de 3 ans)
aprs leur priode de reproduction, on peut alors tudier lvolution du repeuplement de la
rivire au cours du temps :

A n = 0 (le moment de la rintroduction des ombres), on a P0 = ( 0, 0, 0,100 )

0 30 60 0 6000
0

0.1 0
0
0 0 0
Lanne suivante, n = 1 , on a P = AP0 , soit : P =
=
1
1
0 0.5 0
0 0 0

0
0 0.6 0.6 100 60

0 30 60 6000 3600
0

0
0 0 60
0.1 0
A n = 2 , on a P2 = AP , cest--dire P2 =
=
.
1
0 0.5 0
0 0 0

0
0 0.6 0.6 60 36

Et ainsi de suite

On peut remarquer que P2 = AP = AAP0 = A 2 P0 ; dans le cas gnral, on peut connatre les
1
effectifs des quatre classes dge pour nimporte quelle anne n par la relation : Pn = A n P0 .
On comprend alors tout lintrt de savoir calculer simplement A n .
Voir chapitre 4

Heureusement des logiciels existent pour palier ce problme , et en particulier la bote


outils PopTools qui fonctionne sous Excel.
Voici la simulation que lon obtient avec PopTools :

Chapitre 3 : Les matrices - page 22/22 -

Mathmatiques : Outils pour la Biologie Deug SV2 UCBL

S. Charles (10/02/03)

......................................................................................................................................................................................................

Evolution des classes d'ge au cours du temps


300000
250000

Effectif

200000
150000
100000
50000
0
0

10

15

Temps (annes)
Na

1 an

2 ans

Chapitre 3 : Les matrices - page 23/22 -

3 ans et plus

20

M ATRICES ( INTRODUCTION )

Michel Rigo
Premiers bacheliers en sciences mathmatiques

October 7, 2009

champ K x une fois pour toutes


matrice m n coefcients dans K

a11 a1n
.
.
.
.
A= .
. .
am1 amn

ou simplement A = (aij ).

Llment de la matrice A se trouvant la i-ime ligne et la


j-ime colonne : aij , 1 i m, 1 j n.
A=

(aij )1im,
1jn

m
Lensemble des matrices m n coefcients dans K : Kn

rectangulaire si m = n.

carre si m = n,

verticale si m > n,

horizontale si m < n,

m
Soit A Kn , m est la hauteur de A et n sa largeur.
La matrice A est

A = (aij ) et B = (bij ) de forme m n sont gales si aij = bij


pour tous i {1, . . . , m} et j {1, . . . , n}.

E XEMPLE

A=

1 2 3/4
.
0 1 5

2
La matrice horizontale A de Q3 dnie par
a11 = 1, a12 = 2, a13 = 3/4, a21 = 0, a22 = 1 et a23 = 5 est

E XEMPLE

3
La matrice verticale B de R2 dnie par aij = i j est

0 1
B = 1 0 .
2 1

E XEMPLE ( MATRICE
DE

1/2
1/3
1/4
1/5

1/3
1/4
1/5
1/6

1
=
.
i +j 1

H ILBERT )

hij

n
H = (hij ) de Rn dnie par

Si n = 4, alors

1/2
H=
1/3
1/4

1/4
1/5
.
1/6
1/7

Si A = (aij ) est une matrice carre

Diagonale principale ai,i diagonale secondaire ai,ni+1

On dit que A est diagonale si aij = 0 ds que i = j.


A = diag(1 , . . . , n ).

La matrice A est triangulaire suprieure si aij = 0 ds que i > j

0
0 0
0 0 0
(resp. triangulaire infrieure)

E XEMPLE
n
Considrons la matrice carre A Rn dnie par

aij = i ij .

Cest une matrice diagonale de la forme

1 0 0

.
..
.

. .
0 2
= diag(1, 2, . . . , n).
.
.
. . . . . . . 0
0 0 n

La matrice nulle m n est la matrice dont tous les lments


sont nuls. On la note 0m,n ou mme 0 si m et n sont
sous-entendus.

La matrice identit de dimension n est la matrice diagonale


In = diag(1, . . . , 1) = (ij )1i,jn .

Une matrice m 1 est appele vecteur colonne. Lensemble de


ces vecteurs se note Km .

De mme, une matrice 1 n est appele vecteur ligne.


Lensemble de ces vecteurs se note Kn .

OPERATIONS SUR LES MATRICES

M ULTIPLICATION SCALAIRE
m
m
m
Soient K et A Kn . K Kn Kn

A =

( aij )1im, .
1jn

(A) = ()A.

1A = A,

m
Si , K et si A Kn , alors

E XEMPLE

1 0 3
3 0
9
3 2 0 = 6 3 0 .
0 0 1
0 0 3

A DDITION

A + B = (aij +

0 5
.
3 6

bij )1im, .
1jn

m
m
m
m
Soient A, B Kn . + : Kn Kn Kn

E XEMPLE
1 2
1 3
+
3 4
0 2

m
Si A, B, C Kn , alors

(A + B) + C = A + (B + C)
A+B =B+A
A + 0 = 0 + A = A.
m
(Kn , +) est un groupe commutatif.
m
Si , K et si A, B, C Kn , alors

( + )A = A + A,
(A + B) = A + B
m
Kn est un espace vectoriel sur K.

i A i = 1 A 1 + + r A r

m
Soient A1 , . . . , Ar Kn et 1 , . . . , r K. Une expression de la
forme
r

j=1

est appele une combinaison linaire des matrices A1 , . . . , Ar .


Les scalaires 1 , . . . , r sont les coefcients de cette
combinaison.

M ULTIPLICATION

AB =

n
k =1

aik bkj

1 2 1 2
0 6
0 2

1im,
1j

Le produit de deux matrices A et B nest dni que si


le nombre de colonnes de A est gal au nombre de lignes de B.
m
n
Soient A Kn et B K .

E XEMPLE

1 0 0 1
1 0 1
1 3 0 0 =
2 2 0
0 2 1 1

I)

n
m
Si est un scalaire et si A Kn , B K , alors

(A)B = A(B) = (AB).

II ) Le produit matriciel est bilinaire, i.e., si A, B et C sont des


matrices et , des scalaires, alors

(A + B).C = AC + BC
A.(B + C) = AB + AC

o lon suppose que les produits matriciels ont un sens.

m
Si A Kn , alors

et

Im A = A,

A(BC) = (AB)C.

A0n, = 0

AIn = A.

m
III ) Le produit matriciel est associatif : A Kq , B Kp ,
p
C Kn

IV )

0,m A = 0,

[(AB)C]ij

De plus,
[A(BC)]ij

=1

Ai

k =1

Ai Bk Ckj .

Ai Bk Ckj .

k =1 =1

=1 k =1

Ckj =

Bk Ckj =

Ai (BC)j

Ai Bk

(AB)ik Ckj
k =1
p

k =1

=1
q

=1

On conclut en permutant les sommes.

AIn = A :
(In )ij = ij . Ds lors,
(AIn )ij =

n
k =1

aik kj = aij .

R EMARQUE

Vrier que le produit de deux matrices carres de mme


dimension et diagonales (resp. triangulaires suprieures,
triangulaires infrieures) est encore une matrice diagonale
(resp. triangulaire suprieure, triangulaire infrieure).

R EMARQUE

0 1
1 0

0 1
1 0

0 1
0 0

1 0
0 0

0 0
0 1

Le produit de matrices carres nest en gnral pas commutatif

et
0 1
0 0

Deux matrices carres A et B commutent si AB = BA

Puisque le produit matriciel est associatif, on peut dnir la


puissance n-ime dune matrice carre A de dimension k,
n > 0, par
n fois

An = A . . . A .
Si n = 0, on pose A0 = Ik .

n
k
Cn Ak B nk .

Si les matrices A et B sont carres de mme dimension et


commutent alors,
(A + B)n =
k =0

Par contre, si A et B ne commutent pas

(A + B)n = An + An1 B + An2 BA + + ABAn2 + BAn1


+An2 B 2 + + B n .
Par exemple, si A et B ne commutent pas, alors

(A + B)3 = A3 + A2 B + ABA + BA2 + B 2 A + BAB + AB 2 + B 3


et

(A + B)4 = A4 + A3 B + A2 BA + ABA2 + BA3 + A2 B 2

+ABAB + BA2 B + AB 2 A + BABA + B 2 A2 +

Toute matrice carre A commute avec 0 et I. En effet,


A0 = 0A = 0 et AI = IA = A.

commutent.

0 I + 1 A + + r Ar

et 0 I + 1 A + + s As

Par consquent, si 0 , 1 , . . . , r et 0 , 1 , . . . , s sont des


scalaires et si A et une matrice carre, alor

Ap Aq = Aq Ap .

Les puissances dune mme matrice carre A commutent.


Soient p, q N. Il vient

Deux matrices diagonales (de mme dimension)


commutent et

diag(1 , . . . , r ) diag(1 , . . . , r ) = diag(1 1 , . . . , r r ).

0 1
1 0

0 1
1 0

1 0
.
0 1

Il existe des matrices A, B telles que BA = AB (dans ce


cas, on dit que les matrices sont anticommutatives). Par
exemple,
1 0
0 1

Le produit de deux matrices peut tre nul sans quaucun


des facteurs ne soit nul. Par exemple,

0
1 1
1 1 1
2
1 i
= 0, 1 0
1 1 1 1 = 0.
i 1
1 1 0
1 1 1

T RANSPOSITION

m
La transpose de la matrice A = (aij ) Kn est la matrice
n
A Km dont les lignes sont les colonnes de A,

(A)ij = aji .

A = A,
(A + B) = A + B,
(AB) = B A.

E XEMPLE
A=

1 2
,
3 4

A=

1 3
.
2 4

Si A est une matrice carre telle que A = A, alors on dit que A


est symtrique. En dautres termes, A est symtrique si aij = aji
pour tous i, j.

Si A = A, alors A est dite antisymtrique. Dans ce cas,


aij = aji pour tous i, j.

O PRATIONS SPCIFIQUES
AUX MATRICES COMPLEXES

la matrice adjointe de A :

la matrice conjugue de A : (A)ij = aij ,

la partie imaginaire de A : (Im A)ij = Im aij ,

la partie relle de A : (Re A)ij = Re aij ,

On peut associer la matrice complexe A = (aij ), les matrices


suivantes

A = A = A,
autrement dit, (A )ij = aji .

E XEMPLE

on a

et

Re A =

A=

A=

1 0 1
0 0 2

1+i 2 1i
,
0
3 + 2i

1 2 1
, Im A =
0 3

1i
0
1i 2 1+i
.
, A = 2
0
3 2i
1 + i 3 2i

A = Re A + i Im A
Re A = 1 (A + A)
2
A=A
A + B = A + B

A = Re A i Im A
1
Im A = 2i (A A)
(A ) = A
(A + B) = A + B

Une matrice carre A est hermitienne si A = A.


Elle est antihermitienne si A = A.

Si A est hermitienne (resp. antihermitienne), alors ses


lments diagonaux sont rels (resp. imaginaires purs).

S OUS - MATRICES

Considrons les entiers i1 , . . . , ir et j1 , . . . , js tels que


1 i1 < < ir m,
1 j1 < < js n.
A(i1 ,...,ir ;j1 ,...,js ) =

(aik j )1k r .
1s

On dit que cette matrice est une sous-matrice de A.

E XEMPLE

On a par exemple,
A(1,2;1,3)

A(1;1,2,3,4) = 1 2 3 4

1 2 3 4
A = 5 6 7 8 .
9 10 11 12
1 3
,
5 7

A(1,2,3;3)


3
= 7 .
11

on appelle sous-matrice diagonale de A, une sous-matrice de A


pour laquelle on a slectionn des lignes et des colonnes de
mme indice dans A.
A(i1 ,...,ik ;i1 ,...,ik ) .

les lments de la diagonale principale de A(i1 ,...,ik ;i1 ,...,ik ) sont


des lments de la diagonale principale de A.
1 3
9 11

M ATRICES
COMPOSES

Si L1 , . . . , Lm Kn (resp. C1 , . . . , Cn Km ) sont les lignes


m
(resp. colonnes) de A Kn alors

L1
.
.
A = . = C1 Cn .
Lm

Considrons les matrices Aij , 1 i r , 1 j s, o Aij est


une matrice mi nj .

A11 A1s
.
.
.
.
.
. = (Aij )1ir ,
1js
Ar 1 Ars

Les matrices Aij sont les matrices partielles de la matrice


compose.

E XEMPLE

1
C1 = 2 ,
3

C3 ) est

4 7
5 8 .
6 9


4
C2 = 5 ,
6

La matrice compose (C1 C2

1
2
3


7
C3 = 8 .
9

1 2
,
3 4

E XEMPLE

A11
A12

5
,
6

A21 = 7 8 ,

La matrice compose (Aij )1i,j2 est la matrice

1 2 5
3 4 6
7 8 9

A22 = 9 .

r
j=1 nj .

Soient A1 , . . . , Ar des matrices carres de dimensions


respectives n1 , . . . , nr . On peut construire la matrice compose
diagonale

A1

.
..
diag(A1 , . . . , Ar ) =
= (Ai ij )1i,jr .
Ar

Cette matrice est une matrice carre de dimension

E XEMPLE
A1

1 2
,
3 4

A2

5 6
.
7 8

La matrice compose diagonale diag(A1 , A2 ) est la matrice

1 2 0 0

3 4 0 0
0 0 5 6 .
0 0 7 8

Les oprations sur les matrices composes peuvent sexprimer


en termes de leurs matrices partielles

B=

(Bij )1it,
1ju

Si A et B sont des matrices composes


A=

(Aij )1ir , ,
1js

telles que r = t, s = u et pour tous i, j, Aij et Bij ont mme


forme, alors
A + B = (Aij +

Bij )1ir , .
1js

B=

(Bij )1it,
1ju

Le produit de deux matrices composes peut seffectuer lignes


de matrices partielles par colonnes de matrices partielles
condition que la division des lignes de la premire soit
identique la division des colonnes de la seconde.
Si
A=

(Aij )1ir , ,
1js

Aik Bkj

sont telles que s = t et que les produits Aik Bkj ont un sens,
alors
AB =
k =1

1ir ,
1ju

On dit parfois quon effectue le produit grosse ligne par grosse


colonne.

E XEMPLE

a11 a12
a21 a22
a31 a32

a11 a12

a22
a
= 21
a31 a32

b11
b21
b11
b21

a13
b11 b12
a23 b21 b22
a33
b31 b32

a13
b12
b31 b32
+
a23
b22

b
12
+ a33 b31 b32
b22

a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
= a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32 .
a31 b11 + a32 b21 + a33 b31 a31 b12 + a32 b22 + a33 b32

AB =
1jr

alors A =

1jr

(Aji ) 1is, .

(Li Cj ) 1im, .

m
Dans le cas particulier o L1 , . . . , Lm sont les lignes de A Kn
n
et C1 , . . . , Cr les colonnes de B Kr , alors

Enn, si
A=
1js

(Aij ) 1ir , ,

A propos de matrices

Page 1 sur 16

La taverne de l'Irlandais
vous prsente

A propos des matrices


Un horizon racompt par Jrme ONILLON,
dsagrg par les mathmatiques
Un mot d'introduction
Il y a peu, les matrices demeuraient une exclusivit de l'aprs BAC. Mais, par un curieux
cheminement, elles sont arrives au lyce. Non en section scientifique comme l'on aurait pu
s'y attendre mais en filire conomique et sociale. Certains verront l l'introduction d'un
outil puissant au service de la rsolution de problmes spcifiques ces classes. D'autres
mauvais esprits objecteront que tout cela est la consquence des quelques grenouillages qui
agitent les marigots o se discutent les programmes de l'Education Nationale. Mais
toujours est-il que les matrices sont l ! Aussi nous devions-nous de les maltraiter !
Fondamentalement, les matrices sont des tableaux deux dimensions sur lesquels on peut
dfinir toutes les oprations classiques : somme, produit et produit avec un rel. Ce sont ces
lois de composition internes qui donnent aux matrices tout leur intrt.
Avant que le monde ne s'effondre une dernire fois, c'est des matrices, de leurs oprations
et de leurs spcificits dont nous allons vous parler. Notre propos aurait pu seulement
s'adresser aux chanceux de l'option Math en premire ES, mais il sera plus ambitieux. Alors,
venez dcouvrir avec nous ce si trange pays des matrices aux proprits insouponnes...
Note : le prsent cours n'a rien d'officiel. Il n'engage que son auteur. Il ne peut tre distribu qu' titre gratuit. Son
auteur ne renonce aucun de ses droits. Il est exclusivement mis en ligne par la taverne de l'Irlandais
(http://www.tanopah.com). Le prsent document PDF a t gnr avec GhostWord 2.10.

Au sommaire :
Le temps des matrices................................................................................................................ 2
Somme de deux matrices et produit par un rel..................................................................... 3
L'addition matricielle................................................................................................................................................. 3
Les proprits de la somme ....................................................................................................................................... 4
Produit d'une matrice par un rel ............................................................................................................................. 4
L'impossible rsolution d'une quation matricielle linaire ................................................................................... 6
Le produit matriciel..................................................................................................................... 6
Tous les produits ne sont pas possibles !.................................................................................................................. 8
La multiplication matricielle n'est pas commutative !............................................................................................. 9
Par contre, elle est associative................................................................................................................................... 9
Priorit opratoire et distributivit .......................................................................................................................... 11
Un produit nul de facteur non nuls.......................................................................................................................... 11
Le monde merveilleux des matrices carres d'ordre n .........................................................12
La question de l'inverse ( gauche ou droite) .......................................................................................................12
L'inverse d'une matrice carre d'ordre 2 .................................................................................................................13
L'inverse pour les ordres suprieurs ........................................................................................................................ 15
L'inverse dans la rsolution d'un systme ............................................................................................................... 15

Edition du mardi 12 octobre 2004


Si proche et pourtant si lointaine
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 2 sur 16

Le temps des matrices


Les matrices sont une nouvelle espce de nombres. Cependant, elles ne constituent pas pour
autant une nouveaut. Car pratiquement, une matrice n'est rien autre qu'un tableau
bidimensionnel.
Dfinition : n et p sont deux entiers naturels non nuls.
Une matrice de dimension n p est tableau deux dimensions de nombres rels (ou autres)
comportant n lignes et p colonnes.
Si on appelle ai,j le coefficient (c'est--dire le nombre rel) de la matrice A se trouvant la
i-ime ligne et j-ime colonne alors nous avons :
a1,1 a1,2 a1,p

a2,1 a2,2 a2,p


A =
= a i,j



a n,1 a n,2 a n,p

( )

n lignes et p colonnes

Il existe divers formats de matrices. En voici quelques spcimens !

Les vecteurs colonnes de dimension n sont des matrices de dimension n 1 . C'est- a1



a
dire qu'elles comportent n lignes et une colonne. Elles sont donc de la forme A = 2 .


an
Souvent, c'est par une matrice colonne que l'on reprsente les coordonnes d'un
vecteur dans le plan, dans l'espace et mme ailleurs.

Les vecteurs lignes de dimension n sont des matrices de dimension 1 n . Elles


comportent donc une ligne et n colonnes. Elles sont de la forme A = ( a1 a2 a n ) .
L encore, c'et souvent par une matrice ligne que l'on reprsente les coordonnes d'un
point ou d'un vecteur dans le plan ou l'espace.

4 2 1
La matrice A =
est de dimension 2 3 c'est--dire qu'elle comporte deux
7 1 0
lignes et trois colonnes.
Son coefficient a2,1 c'est--dire celui se trouvant la deuxime ligne et la premire
colonne est 7.
Son coefficient a3,1 n'existe pas ! En effet, elle n'a que deux lignes !
4

La matrice B = 2 / 3
2

6 3 est de dimension 3 3 . Elle a autant de lignes que de


5 1

colonnes. Plus couramment, on la qualifie de matrice carre d'ordre 3.


Parmi les matrices carres d'ordre 3, il en est deux que je voudrais vous prsenter.
0 0 0

La premire est la matrice nulle. Tous ses coefficients sont nuls. Il s'agit de 0 0 0 .
0 0 0

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 3 sur 16

La seconde est la matrice identit d'ordre 3 aussi note Id 3 . Tous ses coefficients sont

1 0 0

nuls sauf ceux de sa diagonale qui sont gaux 1. Bref Id 3 = 0 1 0 .


0 0 1

Ces deux matrices particulires existent pour tous les ordres possibles. Mmes les plus
absurdes !
Maintenant que nous avons une ide de ce que sont les matrices, nous allons pouvoir les
oprer. Sortez les bistouris, nous arrivons !

Somme de deux matrices et produit par un rel


Il en va des matrices comme des vecteurs : on peut les additionner entre elles ou les multiplier
par un rel. D'ailleurs n'crit-on pas les coordonnes de ceux-ci sous la forme de vecteurs
lignes ou colonnes.
L'addition matricielle
On additionne deux matrices en additionnant leurs coefficients respectifs. Pour que
l'opration soit possible, les deux termes matriciels doivent avoir les mmes dimensions.

( )

( )

Dfinition : A = a i,j et B = bi,j sont deux matrices de dimension n p .

La somme des matrices A et B est la matrice de mme dimension note A + B et dfinie par :
a1,1 a1,2 a1,p b1,1 b1,2 b1,p a1,1 + b1,1 a1,2 + b1,2 a1,p + b1,p

a2,1 a2,2 a2,p b2,1 b2,2 b2,p a2,1 + b2,1 a2,2 + b2,2 a2,p + b2,p

+
=

an,1 an,2 a n,p b n,1 b n,2 bn,p a n,1 + bn,1 a n,2 + bn,2 a n,p + bn,p

Matrice A

Matrice B

Matrice A+B

Une fort belle et bien lourde dfinition dont on ne retiendra que le principe gnral : on
additionne leurs coefficients respectifs. A ce propos, mettons-l en application sur quelques
exemples.

Commenons par additionner deux vecteurs lignes !


( 4 1 2 ) + ( 1 3 7 ) = ( 4 + (1) 1 + (3) 2 + 7 ) = ( 3 4 9 )
Tout cela n'est pas sans rappeler les calculs sur les coordonnes de vecteurs !

A prsent, procdons la somme de deux matrices 3 2 !


3 + 1 7 2
4 3 3 1 4 + 3

8 + 7 = 3 15
5 8 + 2 7 = 5 + 2
7
9 1 9 7 + ( 1) 9 + ( 9) 6 0

5 1 7 6 8 5 + 6 1 + 8 7 + ???

+
=
= Mais il manque une colonne !
2 3 4 9 1 2 + 9 3 + 1 4 + ???
Tout cela car ces deux matrices n'ont pas les mmes dimensions ! L'opration s'avre
donc impossible !

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 4 sur 16

Enfin, achevons ce tour d'horizon en additionnant deux matrices 2 3 !


5 7 1 0 0 0 5 + 0 7 + 0 1 + 0 5 7 1

+
=
=

3 3 3 0 0 0 3 + 0 3 + 0 3 + 0 3 3 3
Cet exemple illustre le fait que l'addition matricielle admet un "zro" en la personne de
la matrice nulle (celle qui a des 0 partout). On dit qu'elle est l'lment neutre de
l'addition. N'importe quelle matrice ajoute la matrice nulle reste elle-mme !

Les proprits de la somme


A l'instar de ses anes relle ou vectorielle, l'addition matricielle est commutative. Comprenez
par l que la somme A + B est gale la somme B + A . Les deux termes peuvent tre
commuts. En effet, nous avons :
a1,1 + b1,1 a1,p + b1,p
b1,1 + a1,1 b1,p + a1,p

A +B=

+
=B+ A
a + b

b +a

n,1 a n,p + bn,p


n,1 bn,p + a n,p
n,1
n,1
Matrice A+B

A la ligne i et la colonne j,
on commute les deux termes rels ai, j et bi, j
Car l'addition relle est commutative !

En fait, l'addition matricielle hrite sa commutativit de sa consoeur relle.


Cette proprit peut s'avrer fort utile ds lors qu'il s'agit d'enchaner une srie de sommes
matricielles. C'est par exemple le cas avec ce qui suit !
4 3
7 11 4 3
4 3 4 3
7 11

2 + 8 15 + 1 2 = 1
2 + 1 2 + 8 15
1
2 5
12 8 2 5
2 5 2 5
12 8

Commutons ces deux matrices

Additionnons ces deux matrices

0 0

0 0
0 0

7 11 7 11

+ 8 15 = 8 15
12 8 12 8

Matrice nulle

Dans l'exemple prcdent, les premire et troisime matrices sont les opposes l'une de
l'autre. Comprenez que leurs somme est la matrice nulle qui est l'lment neutre de l'addition
matricielle. La notion d'oppos d'une matrice se dfinit comme celles des nombres ou des
vecteurs.
Dfinition : dire que A est l'oppos de B signifie que A + B = 0
Pratiquement, l'oppos de la matrice A est une matrice de mme dimension et dont les
coefficients sont les opposs de ceux de A.
Produit d'une matrice par un rel
Cette opration est l'extension de celle existant pour les vecteurs de l'espace ou du plan.
x

En effet, si on appelle y les coordonnes d'un vecteur u de l'espace dans un quelconque
z

k.x

repre O; i, j, k alors le vecteur k.u y a pour coordonnes k.y .


k.z

C'est l le produit d'un vecteur colonne par un rel ! On tend cette opration a toutes les
autres matrices en multipliant chacun de ses coefficients par le nombre rel k.

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 5 sur 16

( )

Dfinition : A = a i,j est une matrice de dimension n p et k est un rel.


Le produit du rel k par la matrice A est la matrice de mme dimension note k.A et dfinie
par :
a1,1 a1,2 a1,p k.a1,1 k.a1,2 k.a1,p

a2,1 a2,2 a2,p k.a2,1 k.a2,2 k.a2,p


k.
=

a n,1 a n,2 a n,p k.a n,1 k.a n,2 k.an,p

Matrice A

Matrice k .A

A l'instar de ce qui se passe pour les vecteurs, cette multiplication matricielle/relle est
prioritaire par rapport l'addition vectorielle. C'est un choix comme la priorit de la
multiplication relle par rapport l'addition relle. Ainsi, par exemple :
2 1
1 7
8 4 3 21
8 + 3 4 ( 21) 5 25
4.
=
3.
=

12 9 28 3
7 3
0 3
28 12 0 9
28 + 0
Prioritaire...

Prioritaire...

Il ne reste plus qu' faire la somme...


diffrence = somme avec l'oppos

Les aficionados de calcul vectoriel ne seront pas trop dpayss !


Une des consquences de cette priorit de la multiplication sur l'addition est que cette
premire devient distributive par rapport cette seconde. En effet, si A = a i,j et B = bi,j

( )

( )

sont deux matrices de dimension n p et k est un rel alors :


a1,1 + b1,1 a1,p + b1,p k.a1,1 + k.b1,1 k.a1,p + k.b1,p

k. [ A + B ] = k .

a + b
a n,p + b n,p k.a n,1 + k.b n,1 k.a n,p + k.b n,p
n,1
n,1

Matrice A+B

La matrice A+B a t multiplie par k

k.a1,1 k.a1,p k.b1,1 k.b1,p

= k.A + k.B
k.a

n,1 k.a n,p k.bn,1 k.bn,p

Matrice k .A

Matrice k.A

Dans le mme esprit, nous pourrions dire que la multiplication rel/matrice est distributive
par rapport l'addition des nombres. En effet, si k et l sont deux rels et A = a i,j une

( )

matrice de dimension n p alors :


(k + l ).a1,1 (k + l ).a1,p k.a1,1 k.a1,p l.a1,1 l .a1,p

(k + l ).A =


=
(k + l ).a

n,1 (k + l ).a n,p k.a n,1 k.a n,p l .a n,1 l.a n,p

Matrice ( k +l ).A ...

...qui est aussi la somme de deux autres matrices

= k.A + l.A
Cette dernire proprit s'emploie gnralement de la droite vers la gauche, savoir dans le
sens de la rduction des sommes : 2.A + 6.A = 8.A . C'est comme avec les x et les vecteurs !
Les esprits chagrins et les vieilles filles me feront remarquer que les deux proprits
prcdentes taient assez videntes et donc qu'il tait inutile de rentrer dans les dtails et ainsi
de les tablir. L'interrogation qui me vient est alors de savoir ce qu'ils diront de l'exercice
suivant.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 6 sur 16

L'impossible rsolution d'une quation matricielle linaire


Pour conclure ce paragraphe, nous allons nous lancer dans la rsolution de l'quation suivante
d'inconnue matricielle X :

1 4 2 0 1 0
4 6 3
3. X
+
= 5.X +

7 3 5 7 0 2
1 2 0

Ce genre d'quation n'est pas sans rappeler les traditionnelles quations du premier degr
coefficients rels. Nous inspirant de ces dernires, nous allons pour la rsoudre mettre les X
d'un ct et les "sans X" de l'autre. Petite diffrence tout de mme : nous allons travailler avec
des matrices 2 3

1 4 2
3. X

7 3 5

0 1 0
4 6 3
+
= 5.X +

7 0 2
1 2 0

On commence par distribuer 3

3 12 6 0 1 0
4 6 3
3.X
+
= 5.X +

21 9 15 7 0 2
1 2 0
4 6 3 3 12 6 0 1 0
3.X 5.X =
+

1 2 0 21 9 15 7 0 2
Les X d'un ct...
Les "sans X" de l'autre !

1 19 9
2.X =

13 11 13
On divise par -2
1 1 19 9 0,5 9,5 4,5
X = .
=

2 13 11 13 6,5 5,5 6,5


0,5 9,5 4,5
Conclusion : l'unique solution de l'quation est la matrice 2 3 X =
.
6,5 5,5 6,5
Les prceptes introduits en quatrime restent valables mme avec les matrices. Ainsi :
On ne change pas une galit si on ajoute ou retranche la mme chose aux deux
membres.
On ne change pas une galit si on multiplie ou divise ses deux membres par le mme
nombre rel non nul !
Ils sont valables pour les rels, les vecteurs et les matrices ! En fait, ils sont valables partout o
une addition et une multiplication par un rel existe !

Le produit matriciel
Si on peut considrer que la somme matricielle et le produit d'une matrice par un rel sont les
extensions de leurs confrres vectoriels, il ne peut en aller de mme pour le produit de deux
matrices. Car le produit de deux vecteurs n'existe pas !
Ou plutt si, il existe ! Mais son rsultat est un nombre rel ! C'est partir de ce produit que
l'on dit scalaire que nous allons dfinir le produit de deux matrices.
Pour bien comprendre la chose, plaons dans l'espace que nous supposons muni d'un repre
orthonorm O; i, j, k . Le produit scalaire des vecteurs u ( 1; 2;3 ) et v ( 7;4; 1 ) est donn par

u.v =

7
( 1 2 3 ) . 4

1

1 7 + ( 2) 4 + 3 (1)

= 4

Somme des produits dans chaque coordonne

Dj le produit matriciel point...

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 7 sur 16

S'inspirant du produit scalaire u.v , nous dirons que le produit de la matrice ligne ( 1 2 3 )

7

par la matrice colonne 4 est gal la matrice de dimension 1 1 qu'est ( 4 ) .
1

Prolongeons cette exprience sur d'autres exemples :

1 2

(1 3 5 ) 0 4 = 1 1 + (3) 0 + 5 7 1 2 + (3) 4 + 5 (3) = ( 36 25 )

7 3 MatriceLigne avec colonne 1 MatriceLigne avec colonne 2


En quelque sorte, nous avons considr que la seconde matrice tait un double vecteur
colonne. Nous avons donc procd deux produits scalaires. Le rsultat de la
multiplication d'une matrice 1 3 et d'une matrice 3 2 est donc une matrice 1 2 .

1 2 3

4 5 1

7

2
1

Va donner ses lignes...

Va donner sa colonne...

17 + 22 + 31
Ligne 1 avec la colonne 14
=
=

( 4) 7 + 5 2 + 1 1 17
Ligne 2 avec la colonne

Grossirement, nous avons les produits scalaires de chacune des lignes de la premire
matrice avec cette matrice colonne. Le produit d'une matrice 2 3 et d'une matrice
3 1 est donc une matrice de dimension 2 1 .

2 (3)
21

Ligne 1 et Colonne 1 Ligne 1 et Colonne 2 6 2


2
=

=
( 3 1 )

7 ( 3)
7 1

21 7
7
Refile tes colonnes !

Donne tes lignes !


Ligne 2 et Colonne 1 Ligne 2 et Colonne 2
L encore, nous avons procder au produit scalaire de chaque ligne avec chaque
colonne. Et mme si cela tonnera certains, le produit d'une matrice 2 1 et d'une
matrice 1 2 donne une matrice carre d'ordre 2.
Comme quoi, le produit matriciel ne rduit pas ncessairement les dimensions.

Ces trois exemples montrent comment multiplier deux matrices : on fait le produit scalaire de
chaque ligne de la premire matrice avec chaque colonne de la seconde. Le produit matriciel
se dfinit donc de la manire suivante :

( )

( )

Dfinition : A = a i,j est une matrice de dimension n m et B = bi,j une matrice de

dimension m p .
La produit des matrices A et B est la matrice de dimension n p note A B et dfinie par :
colonne j


ligne i a i,1 a i,m


Matrice A

b1,j

b1,m
Matrice B

colonne j

= ai,1 b1,j + .... + a i,m b m,j ligne i



Matrice AB

Le coefficient de matrice produit se trouvant la i-me ligne et la j-me colonne est donc la
somme des produits des m coefficients de la i-me ligne de la matrice A et de la j-me ligne de
la matrice B. Bref, c'est trs simple !
Entre deux siestes sur les bancs de l'cole primaire, on a d vous apprendre poser vos
multiplications lorsque celles-ci concernaient de grands nombres. Une astuce similaire existe
pour les produits matriciels. Elle structure les calculs et vite ainsi de s'emmler les pinceaux.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 8 sur 16

0 2 3
1 2 1

Par exemple, multiplions les matrices


et 1 3 4 .
2 0 4
6 1 0

On crit ces deux matrices dans un tableau : le premier facteur sur la gauche et le second sur
le haut. Puis, on calcule chaque coefficient de la matrice produit en "embotant" la ligne
correspondante du premier facteur et la colonne correspondante de la seconde matrice
facteur.
Seconde matrice facteur

-2

-3

-1

1 0 + (2) 1 + 1 6

1 ( 2) + (2) (3) + 1 ( 1)

1 3 + ( 2) 4 + 1 0

=4

=3

= 5

Premier facteur

-2

-4

2 0 + 0 1 + ( 4) 6 2 ( 2) + 0 ( 3) + (4) ( 1) 2 3 + 0 4 + ( 4) 0
=0
=6
= 24
Matrice produit

Cette prsentation a le gros avantage de structurer les calculs : elle limite le risque de prendre
la mauvaise ligne ou la mauvaise colonne. Reste alors viter l'cueil des erreurs de calculs.
Ayant pos et effectu la multiplication, nous pouvons conclure que :
0 2 3
3 5
1 2 1
4

1 3 4 =

3 0 4 6 1 0 24 0 6

Tous les produits ne sont pas possibles !

Tous les produits de matrices ne sont pas possibles. Elles doivent avoir des dimensions
compatibles. Plus exactement, le premier facteur doit avoir autant de colonnes que le second a
de lignes. Cela afin que les lignes de la premire matrice s'embotent bien avec les colonnes de
1 2 3 5 3
la seconde. Il est par exemple impossible de faire le produit suivant

1 0 7 6 4
Trois colonnes

Deux lignes

Seconde matrice facteur

Premire matrice

-1

1 5 + 2 6 + 3 ???

1 3 + 2 4 + 3 ???

( 1) 5 + 0 6 + 7 ??? ( 1) 3 + 0 4 + 7 ???

Matrice
produit

Il manque une ligne la seconde matrice. Par contre, le produit dans l'autre sens est possible !
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 9 sur 16

La multiplication matricielle n'est pas commutative !


La multiplication relle est commutative. En effet, les calculs 2 3 et 3 2 aboutissent au
mme rsultat. Les facteurs 2 et 3 peuvent tre commuts.
Pour la multiplication matricielle, les choses sont diffrentes : elle n'est pas commutative.
C'est--dire que prenant deux matrices A et B, il n'est pas sr que le produit A B soit gal au
produit B A .
S'il en est ainsi, c'est dj parce que ces deux multiplications peuvent aboutir deux matrices
n'ayant pas les mmes dimensions.
1
Par exemple, si l'on effectue les deux produits avec les matrices A = ( 1 2 ) et B = alors :
5
1
A B = (1 2 )
5
= ( 1 (1) + 2 5 ) =

1
B A = (1 2 )
5
1 1 1 2 1 2
=
=

5 1 5 2 5 10

(9)
Matrice 11

Matrice 22

Et puis, mme lorsque l'on travaille avec des matrices sympas comme des matrices carres
d'ordre 2, la plupart du temps, les choses se passent mal : a ne commute pas !
1 2
2 3
Par exemple, voyons ce qu'il en est avec les matrices carres A =
et B =
.
6 1
7 1
1 2 2 3 16 1
A B =

6 1 7 1 5 19

2 3 1 2 16 7
B A =

7 1 6 1 13 13

Les deux multiplications aboutissent des rsultats diffrents. Donc A et B ne commutent


pas.
Alors bien sr, il peut arriver que deux matrices commutent. Mais c'est l'exception ! C'est loin
d'tre une gnralit. Nous devons le dire :
La multiplication matricielle n'est pas commutative !
Une prcision : mme s'il n'y avait qu'un seul couple de matrices A et B pour lequel le produit
A B serait diffrent du produit B A , cela ferait quand mme de la multiplication
matricielle une opration non commutative.
Par contre, elle est associative
L'associativit est la proprit qui permet de faire les produits de trois facteurs ou plus dans
l'ordre o l'on veut. La multiplication relle tant associative, le produit 2 3 5 de plusieurs
faons suivant l'association retenue c'est--dire la premire multiplication choisie.
2 3
5 = 6 5 = 30
2
3 5
= 2 15 = 30
On peut commencer
par ce produit

On peut commencer
par ce produit

Dans l'exemple prcdent, aucun moment la commutativit de la multiplication relle n'est


intervenue. Sinon il y aurait une troisime voie en commenant par la multiplication de 2 et 5.
La multiplication n'est pas commutative. Cependant elle est associative. Dmontrons cela
pour les matrices carres.

( )

( )

( )

Nous considrons trois matrices carres d'ordre n notes A = a i,j , B = bi,j et C = c i,j .

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 10 sur 16

Pour prouver que le produit matriciel est associatif, Nous devons prouver que les calculs
( A B ) C et A ( B C ) conduisent au mme rsultat. Quelque soit la multiplication par
Preum's

Preum's

laquelle on commence, on arrive la mme matrice.


Pour y parvenir, nous allons nous concentrer sur le coefficient d'indices i,j de la matrice
A BC.
La dmonstration qui suit, est assez difficile suivre et exige de l'attention et quelques
prcisions. Le symbole (prononcer "sigma") dont nous allons faire usage, est l pour
indiquer une somme. Ainsi par exemple
n

= a1 + a 2 + + a k + + a n

k =1
Somme des ak
avec k allant de 1 n

Le coefficient de la matrice ( A B ) C se trouvant la ligne i et la colonne j est donn par :

( A B ) C

i,j

[ A B]i,k

.c k,j =

k =1 Coefficient d'indice i,k


de la matrice AB

Coefficient d'indice i, j
de la matrice (AB)C

a i,l .b l,k .c k,j =

l =1

k =1

i,l .b l,k .c k,j

k =1 l =1

Globalement, une somme


de somme

La ligne de i de A
avec
la colonne j de B

La ligne i de AB
avec la colonne j de C

Le coefficient de la matrice A ( B C ) se trouvant la ligne i et la colonne j est donn par :


A (B C )

i,j
Coefficient d'indice i, j
de la matrice A( BC)

a
l =1

[B C ]l,j

i,l

=
a i,l .
b l,k .c k, j =

l =1
k =1

Coefficient d'indice l, j
de la matrice BC

La ligne i de A
avec la colonne j de BC

La ligne de l de B
avec
la colonne j de C

i,l .b l,k .c k,j

l =1 k =1

Globalement, une somme


de somme

Les deux signes sommes (l'un en variable k et l'autre en l) ne dpendant pas l'un de l'autre, ils
sont donc permutables. Par suite, pour tous entiers i et j compris entre 1 et n, avons-nous :
( A B ) C =

i,j

i,l .b l,k .c k,j

= A (B X )

k =1 l =1

i,j

Leurs coefficients respectifs tant gaux, il en va donc de mme pour les matrices carre
d'ordre n que sont ( A B ) C et A ( B C ) .
La proprit que nous venons d'tablir pour les matrices carres, s'tend toutes les autres
matrices pour peu qu'elles aient des dimensions compatibles. Ainsi avons-nous :
Dfinition : la multiplication matricielle est associative. Pour toutes matrices A, B et C aux
dimensions compatibles :
A B C = ( A B) C = A (B C )
On commence par la multiplication que l'on veut !

Cette proprit de la multiplication matricielle permet de simplifier certains calculs. Par


exemple :
2 1 2 7 6 7
2 1 26 0
52 + 0 0 13 52 13

=
=

4 1 1 3 2 2
4 1 0 13
104 + 0 0 + 13 104 13
Commenons par
cette multiplication

Ce dernier produit se fait


assez facilement !

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 11 sur 16

Classiquement, nous aurions pu commencer nos calculs en multipliant les deux premires
matrices. Mais il est probable que les calculs auraient t un petit peu plus compliqus...
Priorit opratoire et distributivit
A l'instar de leurs consoeurs relles, la multiplication matricielle est prioritaire par rapport
l'addition. S'il en est ainsi, c'est parce que l'on a dcrt. Les priorits opratoires restent donc
les mmes que pour les nombres rels.
Par exemple, effectuons le calcul suivant :
3 1
3
3 1 12 15
9 16
=
=

+
(4 5)

0 7
2
0 7 8 10
8 17
Multiplication prioritaire

Il ne reste plus qu' additionner

Mme en additionnant ou multipliant des matrices de dimensions diffrentes, un calcul peut


avoir un sens. Cela dit, au cours de celui-ci, il faut toujours s'assurer que l'opration que l'on
va faire est possible. Cela vite de faire des btises !
La consquence de cette priorit de la multiplication sur l'addition est que cette premire
devient distributive par rapport cette seconde. Mais attention car la multiplication n'est pas
commutative. Cela signifie donc que le sens dans lequel se fait la distribution a son
importance. Elle peut se faire par :
Distribution droite

Distribution gauche

A (B + C )

On distribue de la gauche

A B + A C
On multiplie gauche par A

(B + C ) A

On distribue de la droite

B A + C A
On multiplie droite par A

Une telle proprit se dmontre assez facilement : tout repose sur le fait que la colonne j (ou
ligne i) de la matrice B + C est la somme des lignes colonnes j (ou des lignes i) des matrices B
et C.
Un produit nul de facteur non nuls
Depuis toujours, on vous a demand de considrer comme un acquis qu'un produit tait nul si
et seulement si au moins l'un de ses facteurs l'tait. Cette ralit permet en outre de rsoudre
des quations du second degr, voire mieux.
Mais il s'agit l d'une vrit relle voire complexe. Car la ralit matricielle est tout autre : un
produit peut tre nul sans pour autant que l'un de ses facteurs le soit. C'est par exemple le cas
des produits suivants :

4
( 6 3 2 ) . 6 = ( 6 4 + (3) 6 + 2 (3)) = ( 0 ) Matrice nulle 1 1 !

3

1 2 10 8 1 10 + (2) 5 1 8 + (2) 4 0 0

=
=
Matrice nulle 2 2
3 6 5 4 ( 3) 10 + 6 5 (3) 8 + 6 4 0 0
2

1 1

1 1

1 1 1 1 1 1 + 1 ( 1) 1 ( 1) + ( 1) (1) 0 0
=

=
=

1 1 1 1 1 1 + 1 ( 1) 1 ( 1) + ( 1) (1) 0 0

Le carr est un
produit par soi-mme

On dit que les matrices prcdentes sont des lments irrguliers : un produit dont elles sont
facteurs peut donner une matrice nulle. A leur sujet, on parle galement de diviseurs de 0.
C'est cause d'elle que le monde des matrices n'est pas intgre.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 12 sur 16

Le monde merveilleux des matrices carres d'ordre n


Une matrice carre d'ordre n est un matrice de dimension n n , c'est--dire qu'elle a autant
de lignes que de colonnes. C'est d'ailleurs pour cela qu'elle est carre.
L'ensemble des matrices carres d'ordre n se note Mn ( ) . Le symbole est l pour indiquer
que ces matrices sont coefficients rels.
L'ensemble Mn ( ) est un monde merveilleux pour les raisons que voici :

D'abord la somme de deux matrices carres d'ordre n est une autre matrice carre
d'ordre n.
A cela, rien d'extraordinaire car il en va ainsi de toutes les sommes de matrices : les
dimensions sont conserves.
0 0

La matrice nulle
est l'lment neutre de cette addition dans Mn ( ) .
0 0

n lignes et n colonnes

Cette matrice nulle est Mn ( ) ce qu'est 0 l'ensemble des rels. La somme de toute
matrice carre A et de cette matrice nulle donne la matrice A.
Enfin, toute matrice carre A d'ordre n admet dans Mn ( ) un oppos, c'est--dire une
matrice B telle que A + B = Matrice nulle .
Les coefficients de cette matrice B sont les opposs de ceux de A.
Tout cela fait de l'ensemble Mn ( ) muni de l'addition matricielle un groupe.
Avec le produit par un rel, l'ensemble Mn ( ) devient un espace vectoriel.

Et puis, il y a le produit de deux matrices carres d'ordre n dont le rsultat est une
autre matrice carre d'ordre n. Et l, c'est une spcificit des matrices carres !
0
1

La matrice identit Id n =

est l'lment neutre de cette

0
1

Des 1 sur la diagonale,


des 0 partout ailleurs

multiplication matricielle : pour toute matrice A Mn ( ) , A Id n = Id n A = A .

Rappelez- vous de ce qui se passe dans : il y a la multiplication, son lment neutre 1,


puis vient la question inverse.
Dire qu'un nombre b est l'inverse d'un nombre a signifie que a b = 1 .
Depuis la quatrime, nous savons que tout nombre rel a un inverse. Pour les matrices,
les choses sont diffrentes. Toute matrice carre A n'a pas ncessairement d'inverse. Il
n'existe pas forcment de matrice B telle que A B = Id n .
Ainsi, Mn ( ) muni de la multiplication matricielle n'est pas un groupe. Par contre,

Mn ( ) avec ses addition et multiplication matricielles est un anneau qui n'est pas
intgre.
La question de l'inverse ( gauche ou droite)
Le produit rel a ceci d'avantageux sur son petit frre matriciel qu'il est commutatif. La
dfinition de l'inverse d'un nombre rel s'en trouve donc simplifie.

Dire qu'un nombre b est l'inverse d'un nombre a signifie que a b = 1 .


Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 13 sur 16

Pour les matrices, les choses sont diffrentes car les produits A B et B A ne sont pas
toujours gaux. Si l'on veut dfinir cette notion d'inverse pour les matrices, o doit-on
multiplier : gauche ou droite ? Pour solutionner le problme, il est possible de dfinir deux
types d'inverse : l'un gauche, l'autre droite.
Dfinition : A, B et C sont trois matrices carres d'ordre n.
La matrice B est l'inverse gauche de la matrice A
B A

= Id n

Produit gauche

La matrice C est l'inverse droite de la matrice A

AC

= Id n

Produit droite

Et l, les choses se compliquent car une matrice A pourrait trs bien avoir un inverse gauche
B sans pour autant avoir un inverse droite C. L'existence de l'un n'implique pas
ncessairement l'existence de l'autre.
Par contre, si on sait qu'une matrice A admet un inverse gauche B et un inverse droite C
alors ces deux inverses sont gaux. Pour le prouver, on utilise l'associativit du produit
matriciel sur le produit B A C .
B A
On commence par ce produit
B est l'inverse gauche de A

C = Id n C = C

A C

= B Id n = B

On commence par ce produit


C est l'inverse droite de A

d'o C = B A C = B
Mais encore faut-il que les existences d'un inverse gauche B et d'un autre droite C aient t
tablies !
On pourrait croire que cette situation des inverses de matrices est inextricable, balance
qu'elle est entre la gauche et la droite. La ralit est en fait moins indcise car, en recourant
l'algbre linaire, on montre que si que si une matrice est inversible gauche (ou droite)
alors elle est de l'autre ct et donc quelle l'est tout court. L'inverse d'une matrice lorsqu'il
existe, est une chose unique qui ne dpend pas du sens dans lequel le produit est fait. Ainsi
pouvons-nous le dfinir en disant :
Dfinition : A et B sont deux matrices carres d'ordre n.
Dire que la matrice B est l'inverse de la matrice A signifie que A B = B A = Id n
Un seul produit
suffit dfinir...

Autrement dit, le produit des deux est gal l'lment neutre de la multiplication matricielle.
La question qui se pose prsent est de savoir quelle condition une matrice est inversible et
alors de dterminer son inverse. C'est l'objet de ce qui arrive...
L'inverse d'une matrice carre d'ordre 2
Ayant une matrice carre A d'ordre n, existe-t-il une matrice B de mme dimension telle que
le produit de deux donne la matrice identit Id n ? Et si oui, comment la trouver ?
Loin de nous lancer dans de grandes chevauches aux rsultats incertains, regardons ce qui se
passe pour les matrices carres d'ordre 2. Cela nous donnera peut-tre une ide de ce qui est
pour les autres.
a b
Soit A =
une matrice carre d'ordre 2 dont les coefficients a; b; c et d sont des
c d
nombres rels fixs.
x y
Existe-t-il une matrice B =
qui serait son inverse, c'est--dire telle que A B = Id n ?
z t
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 14 sur 16

Bien sr, x, y, z et t sont quatre rels qu'il faut dterminer. De leurs existences dpend celle de
l'inverse de A.
a b x y
a.x + b.z a.y + b.t 1 0
B est l'inverse de A

= Id n
=

c d z t
c.x + d.z c.y + d.t 0 1
Matrice A

Matrice B

Or deux matrices sont gales si et seulement si leurs coefficients respectifs le sont. Cela nous
conduit un systme linaire 4 4 qui est en fait un double systme 2 2 :
a.x + b.z = 1
a.y + b.t = 0
(S)
(S')
c.x + d.z = 0
c.y + d.t = 1
Egalit des premires colonnes
Les inconnues sont x et z

Egalit des secondes colonnes


Les inconnues sont y et t

Ces deux systmes ont les mmes coefficients du point de vue de leurs inconnues. Et ces deux
systmes admettront deux solutions uniques si leur dterminant a.d b.c (au singulier car
c'est le mme) est non nul.
Cela nous permet de dire quelle condition une matrice carre d'ordre 2 admet un inverse.
a b
Une matrice A =
est inversible Son dterminant a.d - b.c est non nul
c d

L'objectif suivant est l'obtention de la matrice inverse B. Nous supposons donc que le
dterminant de la matrice A est non nul.
a.x + b.z = 1 (1)
Rsolvons le premier systme (S)
par combinaisons linaires.
c.x + d.z = 0 (2)
Pour dterminer z, nous liminons x.
Pour dterminer x, nous liminons z
d

(1)

a.d.x + b.d.z = d

(2)

c.b.x + b.d.z = 0

(1)

(2)

a.c.x + a.d.z = 0

( a.d b.c ) .x = d
x=

a.c.x + b.c.z = c

( b.c a.d ) .z = c

d
d
=
a.d b.c det(A)

z=

c
c
=
a.d b.c det(A)

a.y + b.t = 0 (1)


Pour obtenir la seconde colonne de B, on rsout le second systme (S')
.
c.y + d.t = 1 (2)
Pour dterminer y, nous liminons t
d

(1)

a.d.y + b.d.t = 0

(2)

c.b.y + b.d.t = b

Pour dterminer t, nous liminons y.


c

(1)

(2)

a.c.y + a.d.t = a

( a.d b.c ) .y = b
y=

b
b
=
a.d b.c det(A)

a.c.y + b.c.t = 0

( b.c a.d ) .t = a
t=

a
a
=
a.d b.c det(A)

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 15 sur 16

a b
Conclusion : la matrice carre A =
d'ordre 2 est inversible si et seulement si son
c d
dterminant det(A) = a.d b.c est non nul.
b
d
det(A) det(A)
.
Dans un tel cas, son inverse est la matrice carre
a
c
det(A) det(A)

3 7
Mettons ces formules en application sur la matrice carre d'ordre 2 qu'est A =
.
2 5
3 7
Commenons par calculer son dterminant : det ( A ) =
= 3 5 27 = 1 .
2 5
5 7
Comme il est non nul la matrice A est inversible et son inverse est la matrice B =
.
2 3
Pour vrifier le rsultat, calculons le produit de la matrice A et de son inverse suppos :
3 7 5 7 3 5 + 7 ( 2) 3 ( 7) + 7 3 1 0
A B =

=
=
= Id2
2 5 2 3 2 5 + 5 ( 2) 2 ( 7) + 5 3 0 1
Donc la matrice B est bien l'inverse de la matrice A et rciproquement.
L'inverse pour les ordres suprieurs
A l'instar de ce que nous venons de voir avec des matrices carres d'ordre, seules les matrices
carres dont le dterminant est non nul, sont inversibles. La formule du dterminant d'une
matrice carre d'ordre quelconque faisant appel des notions assez complexes comme celles
des permutations et de leurs signatures, nous ne nous aventurerons pas sur ce terrain.
Pour dterminer l'inverse d'une matrice carre d'ordre 2, nous avons t amen rsoudre un
faux systme 4 4 qui tait en fait un double systme 2 2 . Si nous cherchions l'inverse d'une
matrice carre d'ordre 3, nous nous lancerions dans la rsolution d'un triple systme 3 3 .
Pour l'inverse d'une matrice carre d'ordre 4, ce serait un quadruple systme 4 4 .
Bref, que des choses sympathiquement de plus en plus compliques. Alors bien sr, il existe
des formules permettant de calculer l'inverse d'une matrice. Elles s'appuient sur les
comatrices et sont utilises par vos calculatrices. Mais elles se situent bien au-del de notre
modeste horizon.
L'inverse dans la rsolution d'un systme
La question que certains n'auront dj pas manqu de se poser est de savoir quoi l'inverse
d'une matrice peut-il bien servir ?
Une des utilisations possibles de l'inverse est la rsolution d'un systme linaire. Prenons
x + 4.y + z = 49

l'exemple du systme 3 3 qu'est (S) x + 3.y + 3.z = 60 .


x + 4.y + 2.z = 58

Sous forme matricielle, ce systme peut s'crire :


x + 4.y + z = 49
x + 4.y + z
49
1 4 1 x 49


= 60 1 3 3 . y = 60
x + 3.y + 3.z = 60
x + 3.y + 3.z
x + 4.y + 2.z = 58

x + 4.y + 2.z
58
1 4 2 z 58
Cette matrice peut tre vue
comme tant le produit
d'une matrice 33 et d'une 31

Appelons cette
matrice A

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

A propos de matrices

Page 16 sur 16

1 4 1
6 4 9

Or la matrice A = 1 3 3 est inversible et son inverse est la matrice A ' = 1 1 2 .


1 4 2
1 0 1

Pourquoi en est-il ainsi ? Pour le prouver, procdons au produit de ces deux matrices :
1 4 1 6 4 9 6 4 1 4 4 + 0 9 + 8 + 1 1 0 0

A A ' = 1 3 3 1 1 2 = 6 3 3 4 3 + 0 9 + 6 + 3 = 0 1 0 = Id 3
1 4 2 1 0 1 6 4 2 4 4 + 0 9 + 8 + 2 0 0 1

Leur produit tant gal l'lment neutre pour la multiplication dans M3 ( ) , la matrice A'
est bien l'inverse de la matrice A !
Revenons votre dernire galit. Elle s'crivait :
x 49
x
49
x 6 4 9 49 12





A. y = 60
A ' A . y = A ' 60 y = 1 1 2 60 = 7
= Id3
z 59





z
59
z 1 0 1 59 9
car A' est
l'inverse de A

Matrice A'

On multiplie gauche les


deux membres de
l'galit par A'

Conclusion : l'unique solution du systme (S) est ( 12;7;9 ) .


C'est en s'appuyant sur des raisonnements de ce type que calculatrices et logiciels peuvent
rsoudre les systmes linaires. Sachant inverser une matrice, ils en dduisent la solution
dudit systme.

Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)

Calcul matriciel

Dnitions
e
Une matrice n x m est un tableau de nombres ` n lignes et m colonnes.
a
Exemple de matrice avec n = 2 et m = 3 :
M=

1 2 0
4 3 1

n et m sont les dimensions de la matrice M.


Un matrice est symbolise par une lettre en caract`re gras. On note Mij llment situ `
e
e
ee
ea
lintersection de la ligne i et de la colonne j :

... M1m
... M2m

... ...
... Mnm

M11 M12
M21 M22
M=
...
...
Mn1 Mn2

Si m = 1, la matrice est appele vecteur (ou, plus prcisment vecteur-colonne) :


e
e e

x1
x
x= 2
...
xn
Si n = m la matrice est dite matrice carre.
e

Quelques matrices carres particuli`res


e
e
Matrice unit (ou matrice identit) :
e
e

1
0
I=
0
0

0
1
0
0

0
0
1
0

0
0

0
1

Matrice diagonale :

D11 0
0
0
0 D22 0
0

D=
0
0 D33 0
0
0
0 D44
1

Matrice triangulaire :

T11 T12 T13


0 T22 T23
T=
0
0 T33
0
0
0

T14
T24

T34
T44

Une matrice carre S est dite symtrique si Sij = Sji :


e
e

S11
S12
S=
S13
S14

S12
S22
S23
S24

S13
S23
S33
S34

S14
S24

S34
S44

Oprations sur les matrices


e
Egalit de deux matrices
e
Deux matrices A et B sont gales si elles ont les mmes dimensions et si Aij = Bij i, j.
e
e

Addition et soustraction
Laddition et la soustraction des matrices se font terme par terme. Les matrices doivent
avoir les mmes dimensions.
e
Exemples :
1 2 0
4 3 1
1 2 0
4 3 1

5 2 3
1 3 4

5 2 3
1 3 4

6 4 3
5 6 3
4 0 3
3 0 5

Multiplication par un nombre


Lorsquune matrice est multiplie par un nombre, chaque terme de la matrice est mutlipli
e
e
par ce nombre :
Exemple :
2

1 2 0
4 3 1

2 4 0
8 6 2

Transposition
La transpose AT dune matrice A (aussi note A ) est la matrice obtenue en changeant
e
e
e
lignes et colonnes de A.
1 2 0
4 3 1

A=

1 4
AT = 2 3
0 1

La transpose dun vecteur-colonne est un vecteur-ligne.


e

x1
x
x = 2 xT =
...
xn

x1 x2 ... xn

Multiplication matricielle
Produit scalaire
Le produit scalaire dun vecteur-ligne xT par un vecteur-colonne y est dni par :
e

y1
n
y
xT y = x1 x2 ... xn 2 = x1 y1 + x2 y2 + ... + xn yn =
xi yi
...
i=1
yn
Ce produit, appel produit scalaire, est not x y. Les vecteurs doivent avoir la mme
e
e
e
dimension. Le rsultat de cette opration est un scalaire. On peut noter que le produit
e
e
scalaire est commutatif : x y = y x.

Lorsque le produit scalaire de deux vecteurs est nul, les vecteurs sont dits orthogonaux. A
deux dimensions, cela correspond ` deux vecteurs perpendiculaires. Par exemple, les veca
teurs x = ( 1 3 ) et y = ( 6 2 ) ont un produit scalaire nul et on vriera facilement
e
quils sont perpendiculaires.
Produit matriciel

Le produit matriciel se dduit du produit scalaire : le produit de la matrice A (n x m) par


e
la matrice B (p x m) est la matrice C (n x p) telle que llment Cij est gal au produit
ee
e
scalaire de la ligne i de la matrice A par la colonne j de la matrice B :
m

Cij =

Aik Bkj avec i = 1, ...n et j = 1, ...p


k=1

Ce produit matriciel est not AB = C


e
Exemple
1 2 0
4 3 1

5 1
. 2 3 =
3 4
3

9 7
23 9

Proprits
e e
Le produit matriciel est
associatif : ABC = (AB)C = A(BC)
distributif par rapport ` laddition : A(B + C) = AB + AC
a
non-commutatif : (en gnral) AB = BA
e e

La matrice unit I est llment neutre pour la multiplication : AI = IA = A


e
ee
Transpose dune somme : (A + B)T = AT + BT
e
Transpose dun produit : (AB)T = BT AT
e
Quelques produits particuliers
Carr scalaire :
e

n
T

x2
i

x x=
i=1

Sa racine carre (xT x)1/2 est appele norme du vecteur x et est note ||x||. Lorsque la
e
e
e
norme dun vecteur est gale ` 1, le vecteur est dit norm. Tout vecteur peut tre norm
e
a
e
e
e
en le divisant par la racine carre de sa norme.
e
Deux vecteurs qui sont simultanment norms et orthogonaux sont dit orthonorms :
e
e
e
a a = b b = 1 et a b = b a = 0 a et b sont orthonorms
e
Une matrice dont toutes les colonnes prises deux ` deux sont des vecteurs orthogonaux
a
est dite matrice matrice orthogonale. Si, de plus ces vecteurs sont norms, la matrice est
e
dite matrice orthonorme.
e
Forme quadratique :

x Ax =

Aij xi xj
i=1 j=1

Forme bilinaire :
e

x Ay =

Aij xi yj
i=1 j=1

Inversion
Une matrice carre A est dite inversible sil existe une matrice carre A1 (appele matrice
e
e
e
inverse) telle que
AA1 = A1 A = I
Proprits
e e
(A1 )1 = A
(A1 )T = (AT )1
(AB)1 = B1 A1
Si la matrice A est orthogonale, alors A1 = AT .
4

Dterminant dune matrice carre


e
e
Pour une matrice 2 x 2, on peut montrer que la matrice inverse est donne par
e
A=

a b
c d

A1 =

1
ab bc

d b
c a

Le nombre ad bc est appel dterminant de la matice A. On le note


e e
|A| = det(A) =

a b
c d

La matrice inverse A1 nexiste donc que si det(A) est dirent de 0.


e
Le dterminant peut se calculer de mani`re rcursive. Par exemple pour n = 3, on a, en
e
e
e
dveloppant la premi`re ligne :
e
e
a b c
e f
d f
d e
d e f =a
b
+c
h i
g i
g h
g h i
= a(ei f h) b(di f g) + c(dh eg)
= aei af h bdi + bf g + cdh ceg

A =

Dans ce dveloppement, chaque dterminant dordre 2 est appel mineur du terme qui le
e
e
e
prc`de. Le mineur de llment xij est la sous-matrice obtenue en supprimant la ligne i
e e
ee
et la colonne j. Par exemple, le mineur de a est :
mineur(a) =

e f
h i

= ei f h

Le cofacteur de llment xij est donn par lexpression :


ee
e
cofacteur(xij ) = (1)i+j mineur(xij )
Le cofacteur est donc le mineur prcd dun signe donn par le tableau suivant :
e e e
e
+

+
...

...

+ ...
...
+ ...
...

On peut dvelopper le dtermiant par rapport ` nimporte quelle ligne ou colonne. En


e
e
a
pratique, quand faciliter les calculs, on choisira la ligne (ou colonne) qui contient le plus
de 0. Pour chaque lment aij de la ligne ou colonne choisie,
ee
Cette mthode est valable pour un dterminant de taille quelconque. En pratique pour
e
e
n > 3, il vaut mieux recourir ` un algorithme spcique.
a
e
Proprits
e e
det(AT ) = det(A)
det(AB) = det(A) det(B)
5

Le dterminant dune matrice triangulaire ou diagonale est gal au produit des lments
e
e
ee
diagonaux. En particulier, det(I) = 1.
1
Si A est inversible, alors det(A1 ) =
det(A)
Si A est orthogonale, alors det(A) = 1

Quelques oprations lmentaires sur les matrices


e
ee
Multiplication dune ligne dune matrice pas un scalaire
Pour multiplier tous les lments dune ligne i de A par une valeur sans modier les
ee
autres lignes, on peut multiplier A par une matrice I identique ` la matrice identit
a
e
except llment ii qui est remplac par .
e ee
e
Exemple :

1 0 0
a b c
a b
c
0 0 d e f = d e f
0 0 1
g h i
g h
i
Lorsque = 0, il existe toujours une matrice I1 qui eectue lopration inverse. La
e

1
matrice I est simplement la matrice I dans laquelle est remplac par 1/.
e

Echange de deux lignes dune matrice


Une autre opration lmentaire est celle qui consiste a permuter deux lignes dune mae
ee
`
trice. Cela est eectu par la multiplication par une matrice IP qui est la matrice identit
e
e
I dans laquelle les lignes correspondantes ont t permutes. De faon gnrale, on peut
ee
e
c
e e
permuter les lignes k et l dune matrice A (n p) en la multipliant par une matrice Ip
dont les lments sont Ipij = 0 pour tout i = j sauf Ipkl = Iplk = 1 et Ipii = 1 pour tout i
ee
sauf Ipkk = Ipll = 0.
Exemple :

0 1 0
a b c
d e f
1 0 0 d e f = a b c
0 0 1
g h i
g h i
On saperoit rapidement que multiplier deux fois A par Ip nous ram`ne ` la situation
c
e a
de dpart.
e

Addition de deux lignes dune matrice


Une troisi`me opration lmentaire sur les lignes dune matrices A consiste ` additionner
e
e
ee
a
` une ligne de A une autre ligne, ventuellement multiplie par une scalaire . Par exemple
a
e
e
ajouter fois la ligne k ` la ligne l peut se faire en multipliant A par une matrice Ia , qui
a
est un matrice identit I dans laquelle llment lk est remplac par .
e
ee
e

Exemple :


a + g b + h c + i
1 0
a b c

0 1 0 d e f =
d
e
f
g
h
i
0 0 1
g h i

Lopration inverse est assure par la soustraction de ces lments, cest-`-dire par la
e
e
ee
a
multiplication de la matrice A par la matrice Ia , cette derni`re tant Ia dans laquelle on
e e
a remplac llment lk par .
e ee

Application aux syst`mes dquations linaires


e
e
e
Formulation matricielle
Un syst`me de n quations linaires ` n inconnues est de la forme
e
e
e
a
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2
...
an1 x1 + an2 x2 + ... + ann xn = bn
o` les xi sont les inconnues du syst`me, les aij sont les coecients et les bi sont les termes
u
e
constants
Un tel syst`me peut scrire sous la forme matricielle :
e
e
Ax = b
avec

a11 a12
a21 a22
A=
... ...
an1 an1

... a1n

... a2n
x=

... ...
... ann

x1

x2
b=

...
xn

b1
b2

...
bn

Rsolution dquations linaires


e
e
e
Si la matrice est inversible (cest-`-dire si son dterminant est non-nul), on a, en multia
e
pliant ` gauche par A1
a
A1 Ax = A1 b
soit
x = A1 b
Un simple produit matriciel et le syst`me est rsolu !
e
e

Exemple :
Considrons le syst`me de deux quations ` deux inconnues suivant :
e
e
e
a
2x1 + 3x2 = 9
x1 x2 = 2
On a
A=

2 3
1 1

b=

9
2

det(A) = 2.(1) 3.1 = 5

Et donc
x=

1
5

1 3
1 2

1
5

1 3
1 2

9
2

A1 =

1
5

15
5

3
1

On vrira que x1 = 3 et x2 = 1 est bien solution du syst`me dquations.


e
e
e

Lorsque la matrice nest pas inversible, cest-`-dire quand son dterminant est nul, deux
a
e
cas sont ` envisager :
a
soit le syst`me est indtermin : cest le cas lorsquune des quations est une combinaison
e
e
e
e
linaire des autres quations du syst`me.
e
e
e
Exemple :
x1 + x2 = 3
2x1 + 2x2 = 6
soit le syst`me est impossible : cest le cas lorsquaucune quation est une combinaison
e
e
linaire des autres quations du syst`me.
e
e
e
Exemple :
x1 + x2 = 3
2x1 + 2x2 = 8

Enn, on remarquera que le syst`me dquations homog`nes


e
e
e
Ax = 0
ne poss`de des solutions non triviales (cest-`-dire autres que x = 0) que si det(A) = 0.
e
a

Valeurs propres et vecteurs propres


Dnitions
e
On dit quune matrice carre A poss`de une valeur propre et un vecteur propre v si
e
e
Av = v
En gnral une matrice de dimension n x n poss`de n valeurs propres relles. A chaque
e e
e
e
valeur propre est associ un vecteur propre (ou, plus prcisment, une famille de vecteurs
e
e e
propres).

Calcul des valeurs propres et vecteurs propres


Lquation ci-dessus peut se rcrire
e
ee
Av v = (A I)v = 0
Cest-`-dire
a

a11
a12
a21
a22

...
...
an1
an2

...
a1n
x1
...
a2n x2

...
...
...
... ann
xn

=0

Ce syst`me aura des solutions autres que la solution triviale si et seulement si


e

det(A I) =

a11
a12
a21
a22
...
...
an1
an2

...
a1n
...
a2n
...
...
... ann

=0

Lexpression de ce dterminant est un polynme de degr n en qui est appel poe


o
e
e
lynme caractristique de la matrice A et lquation correspondante est dite quation
o
e
e
e
caractristique.
e
En particulier, pour la matrice 2 x 2
a11 a12
a21 a22
lquation caractristique scrit
e
e
e
a11
a12
a21
a22

= 2 (a11 + a22 ) + (a11 a22 a12 a21 ) = 0

Les valeurs propres sont donc


1,2 =

(a11 + a22 )

(a11 + a22 )2 4(a11 a22 a12 a21 )


2

Exemple :
Soit

2 2 1
A= 1 3 1
1 2 2

Lquation caractristique correspondante est


e
e
det(A I) =

2
2
1
1
3
1
1
2
2

= 3 72 + 11 5 = 0

Les solutions de cette quation sont 1 = 5, 2 = 1, et 3 = 1.


e
Quand = 1 = 5, on a

3 2
1
x1
A I = 1 2 1 x2 = 0
1
2 3
x3
Une solution possible de cette quation est donne par x1 = x2 = x3 = 1. Tout multiple
e
e
de ces valeurs est aussi solution. Ainsi les vecteurs propres associs ` la valeur propre
e a
T
1 = 5 sont tous les vecteurs de type k k k .
De mme, les vecteurs propres associs aux valeurs propres 2 = 3 = 1 sont par exemple
e
e
T
T
2 1 0
et 1 0 1
et lensemble des vecteurs propres associs ` 2 = 3 = 1
e a
T
est donn par c1 v1 + c2 v2 = 2c1 + c2 c1 c2 .
e

Proprits
e e
Si une valeur propre (au moins) est nulle, alors le dterminant est nul.
e
Deux vecteurs propres associs ` deux valeurs propres distinctes sont orthogonaux.
e a

Diagonalisation dune matrice


Une matrice X est diagonalisable sil existe une matrice A inversible telle que
D = AXA1
est diagonale.
Toute matrice symtrique S est toujours diagonalisable et la matrice diagonale D ainsi
e
obtenue est compose des valeurs propres de S, et la matrice A est compose des vecteurs
e
e
propres de S.
Exemple :
Diagonalisons la matrice S suivante :

7 2 1
S = 2 10 2
1 2 7
10

Lquation caractristique est


e
e
7
2
1
2 10 2
1
2
7

= 3 242 + 180 432 = 0

Les solutions de cette quation sont 6, 6, et 12 :


e
Pour = 6, nous avons

x1
1 2 1
2 4 2 x2 = 0
x3
1 2 1

cest-`-dire
a

x1 2x2 + x3 = 0

Comme vecteurs propres, nous choisirons deux vecteurs orthogonaux, par exemple :


1
1
0 et 1
1
1
De mme, pour = 12, on choisira par exemple le vecteur
e

1
2
1
En normant ces trois vecteurs, nous obtenons la matrice

6
1/ 2 1/3 1/

A=
0 1/3 2/ 6

1/ 2 1/ 3 1/ 6
Et on vriera que A diagonalise S, cest-`-dire D = A1 SA est diagonale, et que ses
e
a
lments sont bien les valeurs propres de S. Notons que la matrice A ne doit pas forcment
ee
e
tre norme.
e
e
Une matrice carre X (n x n) est diagonalisable si elle poss`de n valeurs propres distinctes
e
e
(condition susante mais pas ncssaire).
e e
Exemple :
Considrons la matrice
e

1 2 0
X= 0 3 0
2 4 2

Les valeurs propres de cette matrice sont 3, 2 et 1. Ces trois valeurs tant distinctes, la
e
matrice X est diagonalisable et la matrice A qui diagonalise X est compose des vecteurs
e
propres de X :

1 0 1
A = 1 0 0
2 1 2
On vriera que D = A1 XA est une matrice diagonale dont les lments sont les valeurs
e
ee
propres de X.
11

Rfrences
ee
Ayres F (1978) Matrices : Cours et probl`mes, Serie Schaum.
e
Depiereux E (2000) Note de cours, DEA en Bioinformatique.

12

Travaux Dirigs
Mathmatiques S3

Algbre linaire
&
Calcul Matriciel

Partie 1
Exercice 3

Exercice 3

Lespace vectoriel considr dans cet


exercice est :

E = IR3

Exercice 3

2x yz 0

u(x,y,z)

1) Soit u un vecteur de F , u est de la


1
forme :

avec :

z 2x y

Exercice 3

1) Un vecteur u de F peut donc scrire :

u (x,y,2x y)

On peut dcomposer u de la manire


suivante :

Donc :

u (x,0,2x)(0,y,y)

et

V (0,1,1)

u x(1,0,2) y(0,1,1) xV yV
Avec :

V (1,0,2)
1

1) Ainsi, un vecteur quelconque de F


1
est combinaison linaire des vecteurs
et V

Vect(V , V )
1 2

F
1 est engendr par ces deux vecteurs.
On a alors :
F

F
1

IR

Conclusion :

est donc un sous-espace vectoriel


de

Exercice 3

u(x,y,z)

2) Soit u un vecteur de F , u est de la


2
forme :

avec :

2x 0 et 3yz 0
x 0
z 3y

Exercice 3

2) Un vecteur u de F peut donc scrire :

V(0,1,3)

u (0,y,3y) y(0,1,3)
avec

F Vect(V)

u yV
Ainsi

F
2

IR

Conclusion :

est donc un sous-espace vectoriel


de

Exercice 3

3) Soit u un vecteur de F , u est de la


3
forme :

u(x,y,z)

avec : x z 0 et 3yz 0
x z
z 3y x z 3y

Exercice 3

3) Un vecteur u de F peut donc scrire :

W(3,1,3)

u (3y,y,3y) y(3,1,3)
avec

F Vect(W)

u yW
Ainsi

F
3

IR

Conclusion :

est donc un sous-espace vectoriel


de

Exercice 3

4) Soit u un vecteur de F , u est de la


4
forme :

u(x,y,z)
avec : x y z 0 et 2x y5z 0
zxy
zxy
2x y5(x y) 0 3x 4y 0

z 1 x
zxy
4

y 3 x
y 3 x
4
4

4) Un vecteur u de F peut donc scrire :

F Vect(U)

u (x, 3 x,1 x) x(1, 3,1)


4 4
44
31
u xU avec U (1, , )
44
Ainsi

4) Ou encore (autre manire) :

U'(4,3,1) 4U
F Vect(U')

avec

u x(1, 3,1) 1 x(4,3,1)


44 4

u xU'
Ainsi

F
4

IR

Conclusion :

est donc un sous-espace vectoriel


de

Exercice 3

2x 3z 4y5x

u(x,y,z)

5) Soit u un vecteur de F , u est de la


5
forme :

avec :

z7x4 y
3

5) Un vecteur u de F peut donc scrire :

u (x,y,7 x 4 y)
3

On peut dcomposer u de la manire


suivante :

u (x,0,7 x)(0,y, 4 y)
Donc :

3
et

T (0,1, 4)

u x(1,0,7) y(0,1, 4) xT yT
Avec :

T (1,0,7)
1

5) Ainsi, un vecteur quelconque de F


5
est combinaison linaire des vecteurs
et T

Vect(T ,T )
1 2

F
5 est engendr par ces deux vecteurs.
On a alors :
F

5) Ou encore (autre manire) :

3
et

T' (0,3,4) 3T
2

u x (3,0,7) y(0,3,4) u x T' yT'


3
Avec :

1 2

F Vect(T' ,T' )

T' (3,0,7) 3T
1

Ainsi

F
5

IR

Conclusion :

est donc un sous-espace vectoriel


de

6)

Exercice 3

y6z 3z 2x

Soit u un vecteur de F , u est de la


6
forme :
u(x,y,z)

avec : x 2y y 6z et

x y6z
y6z 3z 2(y6z)

x y6z
y 3z

x 3z
y 3z

6) Un vecteur u de

F
6

peut donc scrire:

u (3z,3z,z)

V (3,3,1) .

Ainsi

F Vect(V)

u z(3,3,1)zV

On peut dcomposer u de la manire


suivante :

Avec

F
6

IR

Conclusion :

est donc un sous-espace vectoriel


de

Exercice 3 - Question 2

Intersection de sous-espaces vectoriels


Thorme :

est un sous-espace vectoriel de E

Soit E un espace vectoriel rel


F et G sont deux sous-espaces vectoriels
de E alors :

FG

Exercice 3 - Question 2

3
alors

F F

est un sous-espace

et F sont deux sous-espaces vectoriels

Intersection de sous-espaces vectoriels

F
1

de IR

vectoriel de IR

F F
1
3

et

uF

2x y z 0
2x 0
3y z 0

F F u (x, y,z)IR / uF
1

Ainsi :

F F u (x, y,z)IR /
1

x 0
y0
z 0

Vecteur nul

Aprs rsolution du systme linaire, on


trouve :

F F u (x, y,z)IR /
1

(0,0,0) 0

Ainsi : F F (0,0,0)
1
2

Remarque :

IR

F
3
4

3
alors

De mme :

F F

est un sous-espace

et F sont deux sous-espaces vectoriels

de IR

vectoriel de IR

F F
3
3

et

uF

x z 0
3y z 0
x yz 0
2x y 5z 0

F F u (x, y,z)IR / uF
3

Ainsi :

F F u (x, y,z)IR /
3

x z
1

(Vecteur nul)

2z 1 z 5z 0

F F (0,0,0)
4

y z
x 0
3
F F (x, y,z) / z 1 z z 0 y 0
3
4
z 0

Ainsi :

De mme :

F F (0,0,0)
5

,
5

F F F F F F
1

F (0,0,0) (0,0,0)
1

Remarque

est le plus petit sous

Si F est un sous-espace vectoriel de E

alors : 0 F

Cest--dire

espace vectoriel de E (au sens de linclusion)

Exercice 3 - Question 3
Somme de sous-espaces vectoriels
Thorme 1 :

Soit E un espace vectoriel rel


F et G sont deux sous-espaces vectoriels
de E alors :

F G u v / uF;vG

est un sous-espace vectoriel de E

Somme de sous-espaces vectoriels


Thorme 2 :

dim(F G) dim(F) dim(G) dim(FG)

F F
1

V (1,0,2)
F Vect(V1, V2) avec 1
1
V (0,1,1)

V
Comme V
1 et 2 forment une famille gnratrice de
F , pour savoir sils forment une base de F ou
1
1
non, il suffit de voir sils sont linairement
indpendants ou non.

Soit

V et V Sont-ils
1

linairement indpendants ?

??

et deux scalaires (nombres rels)


2

V V 0 0
1

V V 0 (1,0,2)(0,1,1) (0,0,0)
1

(,,2 ) (0,0,0) 0
0

V
1 et V2 sont linairement indpendants
et comme ils engendrent F (cest--dire
1
forment une famille gnratrice de F1) alors ils
forment une base de F
1

dim(F ) 2
1

(voir ci-dessus)

Une Base de F est forme par le vecteur

V (0,1,3)

dim(F ) 1
2

Comme :
2

Ainsi :

dim(F F ) 2 1 0 3

dim(F F ) dim (0,0,0) 0

dim( F F ) 2 1 dim( F F )

dim( F F ) dim( F ) dim( F ) dim( F F )


1

Alors :
et comme

On obtient :

finalement :
2

dim(F F ) 3 dim IR
1

F F est un sous-espace de IR
1

F F IR

Et comme

Alors :
1

dim( F) dim( E)

Remarque : Si F est un sous-espace vectoriel de E


alors F E
tel que

Mme mthode pour F5 F6


5

(voir ci-dessus)

dim( F ) 2

Une Base de F est forme par les deux vecteurs

T et T
1

Une Base de F est forme par le vecteur

F F IR
6

V (3,3,1) (voir ci-dessus) dim( F ) 1


Finalement on trouve :

F et F sont supplmentaires car :

Exercice 3 - Questions 4 & 5


4. Oui

F F IR
5

et

F F (0,0,0)

F F est une somme directe car :

Exercice 3 - Questions 4 & 5


5. Oui

F F IR
1

Dans ce cas on crit :


2

F F IR
1

21/10/2010

Algbre linaire
Contenu du cours :
A.

Espaces vectoriels de dimension finie,


sous-espaces vectoriels, bases, dimension

B.

Applications linaires, noyau, rang, image

C.

Matrice dune application linaire,


Oprations sur les matrices, changement
de base, matrices particulires,
Diagonalisation

Partie 1

21/10/2010

Introduction : Rappels

Systmes dquations linaires

Un systme dquations linaires (ou systme


linaire ) de n quations et p inconnus (nous
traitons ici le cas gnral) est de la forme :

a x +a x +a x +...+a xp=b
11 1 12 2 13 3
1p
1
a x +a x +a x +...+a xp=b
21 1 22 2 23 3
2p
2

S: .
.
.

a x +a x +a x +...+anpxp=bp
n1 1 n2 2 n3 3

21/10/2010

x1 , x2 , , xp sont les inconnus ( chercher


dans IR )
aij : coefficient dans la ime quation de
linconnu x j ( 1in ; 1 jp )
inconnu

coefficient

...+aijx j +...

ime quation

Exemple 1 : (2 quations & 4 inconnus)


)

S:

2x +3x +5x -9x =2800


1 2
3 4
3x +7x +6x +4x =5300
4
1 2
3

Exemple 2 : (4 quations & 2 inconnus)


)

x +2y =5
S: 2x y =0
x + 4y =7
3x y =1

Nots x et y

21/10/2010

Exemple 3 : (3 quations & 3 inconnus)


)

x + 2y + 3z = 2

S : 2x y + z = 4
x + 4y + 5z = 0

Nots x, y et z

Exemple 4 : (3 quations & 4 inconnus)


)

5x +12y +6z +2t = 2


S: 2x - y + z+2t =8
x + y 5z +3t =10

Cas particulier de systmes linaires


systmes linaires de n quations et n inconnus

a x +a x +a x +...+a xn=b
11 1 12 2 13 3
1n
1
a x +a x +a x +...+a xn=b
21 1 22 2 23 3
2n
2

S: .
.
.
.

a x +a x +a x +...+annxn=bn
n1 1 n2 2 n3 3

On parle dans ce cas de systme linaire


carr

21/10/2010

Exemple 1 : (2 quations & 2 inconnus)


)

S: 5x +3y =13
2x - y =3

Exemple 2 : (3 quations & 3 inconnus)


)

x +5y + z = 2
S: 2x +2y z = 4
x + y + z =3

Rsolution des systmes linaires

(Partie 1)

Algorithme de Gauss
Cest la Mthode dlimination
Lalgorithme de Gauss (ou la Mthode de Gauss),
plus connu sous le nom de : La mthode de Pivot
de Gauss, est la mthode la plus rapide pour
rsoudre un systme linaire

21/10/2010

Pour rsoudre un systme linaire, nous


utilisons :
La mthode du Pivot Partiel
Ou
La mthode du Pivot Total

La mthode du pivot partiel


Se compose de 2 tapes :
1.

La descente : consiste crer des 0


sous la diagonale principale, en effectuant
des oprations lmentaires sur les lignes
(cest--dire les quations) du systme

2.

La remonte : pour extraire les solutions


(une une) du systme

21/10/2010

La mthode du pivot total


Se compose dune tape :
Elle consiste crer des 0 au dessus et
au dessous de la diagonale principale, en
effectuant des oprations lmentaires sur
les lignes du systme.
A la fin, nous avons directement les solutions
du systme

Exemples

1. Rsoudre le systme linaire suivant, en


utilisant un pivot partiel :

S:

x + 2y+3z =14
2x y+z =3
3x + 4yz =8

21/10/2010

tape 1 : La descente
3 14 L
1
S 2 1 1 3 L
2
3 4 1 8 L
3
1

L L
1 1
0 5 -5 -25 L L 2L
2
2
1
0 -2 10 -34 L L 3L
3
3
1
1

14

L L
1 1
L L
0 -5 -5 -25
2
2
0 0 - 40 -120 L 5L 2L
3
3
2
1

14

tape 2 : La remonte
Le dernier tableau correspond au systme suivant :

x + 2y +3z =14
5y 5z = 25
40z = 120 z = 3

x + 22 + 33 =14 x =1
x + 2y +3z =14

5y 53 = 25 y = 2 y = 2

z = 3
z =3

Le systme S admet donc une solution unique dans lordre :


(1 , 2 , 3)
Lensemble solution est donc : S = (1,2,3)

21/10/2010

Exemples

2. Rsoudre le systme linaire suivant, en


utilisant un pivot partiel :

x + 2y+3z = 2
S : 2x y+z = 4
x + 4y+5z =0

tape 1 : La descente
3 2 L
1
S 2 1 1 4 L
2
-1 4 5 0 L
3
1

L L
1 1
0 5 -5 0 L L 2L
2
2
1
0 6 8 2 L L +L
3
3 1
1

3 2

L L
1 1
0 -5 -5 0
L L
2
2
0 0 10 10 L 5L + 6L
3
3
2
1

21/10/2010

tape 2 : La remonte
Le dernier tableau correspond au systme suivant :

x + 2y +3z = 2
5y 5z =0
10z =10 z =1

x + 2y +3z = 2
5y 51=0 y = -1
z =1

x + 2-1+31= 2 x =1
y = 1
z =1

Le systme S admet donc une solution unique dans lordre :


(1 , -1 , 1)
Lensemble solution est donc : S = (1,-1,1)

Exercice 1
Rsoudre les deux systmes linaires suivants,
en utilisant un pivot partiel :

x + y+ z =6
S1 : 2x y+ 2z =9
x 2y+ z =3

x + 4y+z = 4
S2 : 2x 2y+ z =10
x + y+5z =7

10

21/10/2010

Exercice 2
Rsoudre le systme linaire suivant, en utilisant
un pivot partiel :

x y + z + t =3
2x + y+3z4t =3
S : x + y+ 2z+3t =5
4x +3y+ 2z +5t =12

Corrig : On trouve S = (173, 5 ,276,167)

187 17 187 187

A. Les Espaces vectoriels

rels

11

21/10/2010

Un espace vectoriels sur IR est un ensemble E


; non vide ; muni dune structure algbrique
particulire. Les lments de E sont appels
vecteurs.
Cette
structure
algbrique
est
due
essentiellement aux deux proprits suivantes :

IR ; uE
scalaire

vecteur

uE ; vE

on a :

uE

Loi de composition externe

on a :

u+vE

Loi de composition interne

Exemple fondamental
Considrons lensemble suivant :

E = IRn
n

IR = (x1,x2,...,xn)/ x1,x2,...,xnIR

12

21/10/2010

n=2:

IR = (x1,x2)/ x1,x2IR
Ensemble des couples

n=3 :

IR = (x1,x2,x3)/ x1,x2,x3IR
Ensemble des triplets

IR = ...;(0,0,0);(4,1,5);(0,3,9);(8,6,7);...
Ensemble des triplets : ensemble infini
reprsente lespace de dimension 3

13

21/10/2010

n=4:
4

IR = (x1,x2,x3,x4)/ x1,x2,x3,x4IR

Ensemble des quadruplets

n=5:
5

IR = (x1,x2,x3,x4,x5)/ x1,x2,...,x5IR

Ensemble des quintuplets


etc.

14

21/10/2010

La loi de composition externe est dfinie de la


manire suivante :

(x1,x2,...,xn)= (x1,x2,...,xn)

La loi de composition interne est dfinie de la


manire suivante :

u
v
(x1,x2,...,xn)+ (y1,y2,...,yn)

= (x1+ y1,x2 + y2,...,x n + yn )

u+ v

15

21/10/2010

Exemple 1
Lespace vectoriel considr est :

E = IR2
4(2,1) = (8,4)
(5,1)+(5,1) =(0,0)

Exemple 2
Lespace vectoriel considr est :

E = IR3
10(2,1,3) = (20,10,30)
(1,0,2)+(5,1,12) =(6,1,10)

16

21/10/2010

1. Notion de combinaison linaire

Dfinition
Soit E un espace vectoriel sur IR.
, , u sont n vecteurs de E
v est un vecteur de E
n
n
n
n

1
1
1
1

v est combinaison linaire de u , u

1
1
1
1

, ,u

n
n
n
n

u ,u

, , , IR tels que :
v=1u1+2u2+...+nun
n

17

2
2
2
2

1
1
1
1

21/10/2010

Exemple (voir Exercice 1, TD)

IR

les 3 vecteurs

u =(2,1,3) , u =(3,5,2)

et

u =(5,13,12)
3
3

On considre dans
suivants :

Soit U(a,b,c) un vecteur quelconque de IR

Trouver une condition ncessaire


et suffisante sur a, b et c pour que le vecteur
U soit combinaison linaire de u , u et u
1
1
1
1

IR

1
1

et

2
2
2
2

tels que :

u ,u

2
2
2
2

est combinaison linaire de

3
3
3
3

U(a,b,c)

U=u1+u2+u3

18

21/10/2010

(a,b,c)=(2,1,3)+(3,5,2)+(5,13,12)

(a,b,c)=
(2+35,+513,32+12)

2+35=a
S : +513=b
32+12=c
Systme linaire rsoudre en fonction de
a , b et c ; les inconnues sont , et

19

21/10/2010

Si le systme S admet des solutions dans


IR (cest--dire , et existent)
alors le vecteur U(a,b,c) est combinaison
linaire des vecteurs u , u et u
3

Sinon, cest--dire si le systme S nadmet


pas de solutions dans IR, alors le vecteur U
nest pas combinaison linaire des vecteurs
u , u et u
3

Rsolution du systme S

S : 2+35=a

+513=b
32+12=c

Ligne 1
Ligne 2
Ligne 3

Systme linaire 3 quations et 3 inconnues

20

21/10/2010

2+35=a
S : +513=b
32+12=c
2

Ligne 1

-5 a

S 1 5 -13 b
3 -2 12 c

Ligne 2
Ligne 3
L
1
L
2
L
3

tape 1 : La descente
-5 a L
1
1 5 -13 b L
2
3 -2 12 c L
3
2

2
0

3
7

0 -13

L L
1 1
L 2L L
2
2 1
39 2c -3a L 2L 3L
3
3
1

-5
a
-21 2b-a

L L
1 1
L L
0 7 -21
2b-a
2
2
0 0 0 14c + 26b-34a L 7L +13L
3
3
2
2 3

-5

21

21/10/2010

Deux cas se prsentent :


1er cas :

14c+26b34a =0

7c+13b17a =0
Dans ce cas :

tape 2 : La remonte
Le dernier tableau correspond au systme
suivant :

3
2+35 =a 2+ (2ba +21)5 =a
7
= 1 (5a 3b)2
7
1
7+21 =a 2b= (2ba)+3
7
0 =0IR quelconque

22

21/10/2010

Le systme S admet donc une infinit de solutions :

= 1 (5a 3b) 2
7
1
= (2b a ) + 3
7
IR quelconque

Lensemble solution est :

S= (1(5a-3b)-2,1(2b-a)+3,)/IR
7
7

1r cas :

7c+13b17a =0

Le systme S admet des solutions dans IR


(une infinit de solutions).
Le vecteur U(a,b,c) est combinaison linaire
des vecteurs u , u et u .
3
3
3
3

23

1
1
1
1

21/10/2010

1r cas :

7c+13b17a =0

Nous avons en particulier :

U=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7

Ceci

IR

2me cas :

7c+13b17a 0

Dans ce cas le systme S prsente une


contradiction. Le systme S nadmet donc
pas de solution dans IR.
Le vecteur U(a,b,c) nest pas combinaison
linaire des vecteurs u , u et u
3
3
3
3

24

2
2
2
2

1
1
1
1

21/10/2010

Application 1

v=(6,17,17)a =6 , b = 17 , c =17

717+13(17)17(6)=0
Le vecteur v est combinaison linaire des

vecteurs u , u et u .
3
3
3
3

2
2
2
2

1
1
1
1

Nous avons en particulier :

v=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7

Cest--dire :

v=(32)u1+(34)u2+u3
Ceci

IR

25

21/10/2010

Application 2

w=(1,1,1)a =1 , b =1 , c =1

71+131171=30
Le vecteur w nest pas combinaison linaire
des vecteurs u , u et u .
3
3
3
3

2
2
2
2

1
1
1
1

Application 3

0=(0,0,0)a =0 , b = 0 , c = 0

70+130170=0
Le vecteur nul est combinaison linaire des
vecteurs u , u et u .
3
3
3
3

26

2
2
2
2

1
1
1
1

21/10/2010

Nous avons en particulier :

0=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7

Cest--dire :

0=2u1+3u2+u3
Ceci

IR

27

www.Semestre123456.meilleurforum.com

Travaux Dirigs
Mathmatiques S3

Algbre linaire
&
Calcul Matriciel

Partie 1

Exercices 4 & 5 & 6

Exercice 4

u ,u

,,

Rappel : Soit E un espace vectoriel sur IR de


dimension n :
dim(E) n

F est la famille constitue des p vecteurs

up de E

F est une famille gnratrice de E si tout vecteur


de E est combinaison linaire de u1 ,u2 ,,up

Exercice 4

F est une famille libre si :


, ,...,pIR
1

1u1 2u2 ... pup 0 1 2 ... p 0

F est une base de E si F est la fois gnratrice


et libre (dans ce cas on a forcement : n=p)

Exercice 4

Thorme : Soit E un espace vectoriel sur IR de


dimension n

Une famille gnratrice de E contient au moins n


vecteurs

Une famille libre de E contient au plus n vecteurs


Une base de E contient n vecteurs

Exercice 4

Thorme : Soit E un espace vectoriel sur IR de


dimension n

Toute famille gnratrice de E contenant n


vecteurs est une base de E

Toute famille libre contenant n vecteurs est une


base de E

Exercice 4

Thorme : Soit E un espace vectoriel sur IR de


dimension n

F est une famille contenant n vecteurs. On a :

F est libre F est gnratrice F est une base


dterminant( F ) 0

IR 2 dim( IR 2) 2
.

Exercice 4
1) Lespace considr est

(1,2) ;

u2 (1,1). F contient 2 vecteurs,

F est la famille constitue par :

1 2 3 0

IR 2

IR 2.

det ( F )

2 1

est une base de

donc F est une famille libre et gnratrice de

Exercice 4
La famille F est constitue de :

IR

u1 (1,4) . F contient 1 vecteur, F ne peut pas tre


gnratrice. Vrifions si elle libre.

Soit

u 0 (1,4) (0,0) (,4) (0,0) 0

nest pas une base de

IR 2

1
donc F est une famille libre mais non gnratrice.

Exercice 4
La famille F est constitue du vecteur nul :

IR

par exemple :

nest pas une base de

IR 2

nest pas une famille libre. Elle nest pas gnratrice.

5 : u 5(0,0) (0,0) pourtant 0

u 0 (0,0) (0,0) (0,0) (0,0) 0

Soit

u 0 (0,0) . F contient 1 vecteur, F ne peut pas


1
tre gnratrice. Vrifions si elle libre.

Exercice 4
La famille F est constitue des vecteurs :

u1 (1,2) , u2 (2,3) , u3 (1,0)

IR 2

F ne peut pas tre libre, vrifions si elle est gnratrice.

1 1
0

0 2 2 0

On remarque quon peut extraire de F une base de


Prenons par exemple u1 et u3 :

det(u , u )
1 3

(u1, u3) est une base de IR 2 donc F est une famille


gnratrice de IR 2. F nest pas une base de IR 2

IR 3. dim( IR 3) 3

Exercice 4
2) Lespace considr est

u
2

(1,2,1) ; u (1,0,1) . F contient 2 vecteurs,

F est la famille constitue par :

est une famille libre. F nest pas une base de

IR 3

u u 0 (1,2,1) (1,0,1) (0,0,0)


1
2
(,2,) (,0,) (0,0,0) 0
0

donc F ne peut pas tre gnratrice. Vrifions si elle


est libre.

Exercice 4
u1 (7,6,9) ; u2 (1,4,6)

La famille F est constitue par :


et u3 (3,6,2)

F contient 3 vecteurs, on calcule son dterminant :

7 1 3
4 6 6 6 6 4
det(F) 6 4 6 7

3
6 2 9 2 9 6
9 6 2

det(F) 7 28 42 30 154 0

F est une famille libre et gnratrice de IR 3 .


F est une base de IR 3

u
2

Exercice 4

(3,6,2) ; u (6,12,4) . F contient 2 vecteurs,

La famille F est constitue par :

donc F ne peut pas tre gnratrice. Vrifions si elle


est libre.
2

u u 0 (3,6,2) (6,12,4) (0,0,0)

IR 3

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

2 0 0

2 0 0

est une famille libre. F nest pas une base de

Exercice 4

(2,4,6); u (3,6,9). F contient 2 vecteurs,

La famille F est constitue par :

donc F ne peut pas tre gnratrice. Vrifions si elle


est libre.
2

IR 3

u u 0 (2,4,6) (3,6,9) (0,0,0)

(2,4,6) (3,6,9) (0,0,0)


2 3 0 2 u 2 u

nest pas une famille libre. F nest pas une base de

Exercice 4
et
u3 (a,b,c)

La famille F est constitue par :

u1 (3,6,2) ; u2 (1,0,3)

F contient 3 vecteurs, on calcule son dterminant :

3 1 a
0 b 6 b 6 0
det(F) 6 0 b 3

a
3 c 2 c 2 3
2 3 c

Si

18a 7b 6c 0 F nest ni libre, ni gnratrice.

18a 7b 6c 0 F est une base de IR 3

det(F) 18a 7b 6c

Si

Soit

,
2

et

Exercice 5

trois nombres rels (scalaires) :

(u u ) (u u ) (u u ) 0
1

0
( )u ( )u ( )u 0 0
1
2
3
0

car ( u1 , u 2 , u3 ) est une famille libre.


Nous allons utiliser un Pivot partiel pour rsoudre ce
systme linaire :

0
0
0

Exercice 5
L1

0 1 -1 0

1 0

1 0 1 0
L2

1 0

1 1 0 0

0 1 1 0
L1 L1

L3

1 0

L2 L2
3

L1 L1

L2 L2 L1

L3 L3

0 0

0 0

0
2 0

0 1 1 0
1 0

2 0

0 1 -1 0
0 0

L L L
2

2 2

3 3

La famille (u u , u u , u u ) est donc une


1

famille libre

Soit

, ,

quatre nombres rels (scalaires) :

Exercice 5
et

(u1 u2) (u2 u3) (u3 u4) (u4 u1) 0

( )u ( )u ( )u ( )u 0
1
2
3
4
0
0
0
0

car ( u1 , u 2 , u3 , u 4 ) est une famille libre.

0
0
0
0

1 0 0 1 0

0 0 1 1 0

0 1 1 0 0

0 0 1 1 0 L3 L3
0 0 0 0 0 L 4 L 4 L 3

L L

L L

L L

L L

1 0 0 1 0 L1 L1
0 1 0 -1 0 L 2 L 2 L1

Exercice 5

1 0 0 1 0 L1
1 1 0 0 0 L

L L
1

0 1 1 0 0 L3
0 0 1 1 0 L4

1 0 0 1 0

L L

0 1 0 -1 0 L L
0 1 0 -1 0
2
2

0 0 1 1 0 L3 L3 L 2
0 0 1 1 0

Exercice 5

quelconque

Le dernier tableau correspond au systme suivant :

0
0 ;
0

Le systme admet donc une infinit de solution :


la famille (u u , u u , u u , u u ) nest pas libre,
1 2 2 3 3 4 4 1
elle est lie.

u (1,1,0)

Exercice 6
1) La famille B est constitue par :
; v (0,1,1) et w (1,0,1)

B contient 3 vecteurs, on calcule son dterminant :

1 0 1
1 0 1 1
det(B) 1 1 0

11 2 0
1 1 0 1
0 1 1

Donc B est une base de IR 3

Soit

(e ,e ,e )
1 2 3

Exercice 6

la base canonique de IR 3 .

(1)

Le vecteur t scrit dans la base canonique :


2

t xe ye ze

(2)

Le vecteur t scrit dans la base B :

t x'u y'v z'w

, on remplace dans (2) :

u (1,1,0) u e1 e2 , v (0,1,1) v e2 e3

Nous voulons exprimer x ; y ; z en fonction de x ; y et z

w (1,0,1) w e

On obtient :

t x'u y'v z'w x'(e1 e2) y'(e2 e3) z'(e1 e3)


2

t (x'z')e (x'y')e (y'z')e


1

Et en identifiant avec (1), on obtient :

z' 1 (x y z)

x' 1 (x y z)
2
x'z' x
x' y' y y' 1 (x y z)
2
y'z' z

Ainsi, les coordonnes du vecteur t dans la base


B sont donnes par :
x' 1 (x y z), y' 1 (x y z), z' 1 (x y z)
2
2
2

Par exemple, si les coordonnes du vecteur t


dans la base canonique sont (1, 2 , 3), alors ses
coordonnes dans la base B sont (0 , 2 , 1)

Exercice 6

u (m,1,3) ; v (0,m,1) et w (1,0,m)

3) La famille B est constitue par :

det(B) 1

m
1

m3 3m 1 0 ?

1
m 0 1 m
0 m

m3 3m 1
m 3 1

B contient 3 vecteurs, on calcule son dterminant :

Pour quelles valeurs de m a-t-on :

Il suffit dtudier la fonction : f (x) x3 3x 1

-1
0

-1

1
0

Le tableau de variation de la fonction f montre quil


existe 3 valeurs pour lesquelles on a : f (x) 0

f '(x) 3x2 3 3(x2 1)


x
f(x)

f(x)

m ]1,1
[

Exercice 6
,

tels que :

m ],1
[
1

m ]1,[

Ainsi :

et
3

f (m1) f (m2) f (m3) 0

Pour ces trois valeurs de m on a : det(B) 0


et donc B nest pas une base de IR 3

Universit Mohammed V Agdal


Facult des Sciences Juridiques,
Economiques et sociales
RABAT

http://www.fsjesr.ac.ma

Filire de Sciences conomiques et de Gestion


Semestre
Module
Matire
Responsable de la matire

:
:
:
:

S4
M 16 (Mthodes Quantitatives IV)
Algbre II
Salma DASSER

CHAPIITRE 2 : PRODUIT SCALAIRE-ORTHOGONALIT


CHAP TRE 2 : PRODUIT SCALAIRE-ORTHOGONALIT
1. Produit scalaire
Exercice 1.1
1) Parmi les applications suivantes dfinies de
vers , lesquelles sont des formes bilinaires ? des produits
scalaires ?
, ,
,
, ,
4
9
2
2
2
, ,
, ,
4
2
,
3
, ,
,
, ,
3
4
5
, ,
, ,
13
6
2
2
,
, ,
,
, ,
2
5
2
3
, ,
, ,
2
,
2) Pour les formes bilinaires, crire la matrice dans la base canonique de
et retrouver les produits scalaires.

Exercice 1.2
1) Ecrire lexpression analytique de la forme bilinaire associe chacune des matrices suivantes :
1 0 2
1 0 2
1 0 2
1 0 2
0 5 0 ,
0 5 0 ,
0 5 0 ,
0 5 0 ,
1 0 4
2 0 3
2 0 4
2 0 5
1 1 1
2
1
1
2 1 1
1 1 1
1 1 0
1 1 1 ,
1 2
1 ,
1 2 1 ,
1 1 1
1
1 2
1 1 2
1 0 0
2) Parmi ces matrices, lesquelles dfinissent un produit scalaire ?

Exercice 1.3
1) Pour chacune des formes bilinaires ci-dessous, crire la matrice dans la base canonique de
,
2
2
2
,
,
2
2
2
,
2
2
2
2) Parmi ces formes bilinaires, lesquelles sont-elles des produits scalaires sur
?

Exercice 1.4
Pour quelles valeurs du rel , la matrice dfinit-elle un produit scalaire ?
1
2
2
1 1
,
1
3
0
1
1 ,
0
2
1
1 1
Professeure Salma DASSER

1
1

1 1
0
0
printempsSession printemps-t

[S4, Module M 16 : MQ IV, Matire : Algbre II]

Exercices du chapitre 2 : Produit scalaire-orthogonalit

2. Orthogonalit
Exercice 2.1
1) Dans
muni du produit scalaire usuel, on considre les vecteurs :
a. Dterminer une base orthonorme du sous espace vectoriel
b. Dterminer le sous espace vectoriel & .

1,2, 1,1 et
!"#$ , %.

0,3,1, 1 .

muni du produit scalaire usuel, on considre les vecteurs :


3,1, 1,3 ,
1,1, 2,8 .
a. Dterminer une base orthonorme du sous espace vectoriel
!"#$ , %.
&
b. Dterminer le sous espace vectoriel
.

5,1,5, 7 et

2) Dans

Exercice 2.2

muni du produit scalaire usuel, on considre les vecteurs :


1,2, 1, 2 ,
5, 2, 5, 2 et
8,10, 10,4 .
a. Vrifier que ) $ , , , % est une base de .
b. Appliquer le procd de Gram-Schmidt la base ) pour construire une base orthonorme de

1) Dans

2) Dans
muni du produit scalaire usuel, on considre les vecteurs :
1,2,2 ,
1,3,1 , et
a. Vrifier que ) $ , , % est une base de .
b. Appliquer le procd de Gram-Schmidt la base ) pour construire une base orthonorme de

Exercice 2.3
1) Soit

2) Soit

le sous espace vectoriel de


engendr par les vecteurs :
1,0,2 et
a. Dterminer une base orthonorme de et une base orthonorme de & .
b. En dduire une base orthonorme de .

.
0,12,6 .
.

4, 1,0 .

le sous espace vectoriel de


engendr par les vecteurs :
1,0,1 et
a. Dterminer une base orthonorme de et une base orthonorme de & .
b. En dduire une base orthonorme de .

2,3,0, 1 ,

1, 1,2 .

Exercice 2.4
1) Dans

muni du produit scalaire usuel, on considre le sous espace vectoriel :


$ , , *, # +
/
* # 0 !#
2
3* 4#
a. Dterminer une base orthonorme de et une base orthonorme de & .
b. En dduire une base orthonorme de .

0%

2) Dans

muni du produit scalaire usuel, on considre le sous espace vectoriel :


$ , , *, # +
/
* # 0 !#
* 0%
a. Dterminer une base orthonorme de et de & .
b. En dduire une base orthonorme de .

3) Dans

muni du produit scalaire usuel, on considre le sous espace vectoriel :


$ , , *, # +
/
* # 0 !#
2* 3#
&
a. Dterminer une base orthonorme de et de
.
b. En dduire une base orthonorme de .

Professeure Salma DASSER

0%

printempsSession printemps-t
2

[S4, Module M 16 : MQ IV, Matire : Algbre II]

Exercices du chapitre 2 : Produit scalaire-orthogonalit

3. Droites plans
Exercice 3.1

muni du produit scalaire usuel, on considre le plan dquation - :


* 0 1
dquations / : 0
et : 6
2
3*.
2
* 0
1) Les droites / et sont-elles contenues dans le plan - ?
2) Dterminer
a. lintersection de chacune des deux droites avec le plan - .
b. lintersection des deux droites.
c. -& , / & et & .

Dans

muni du produit scalaire usuel, on considre le plan dquation - :


2
3
4* 01
dquations / : 0
et :
*.
2
3* 0
Reprendre les questions de lexercice prcdent.
Dans

Exercice 3.3

Dans
muni du produit scalaire usuel, on considre le plan dquation - :
1) Dterminer -& .
2) Dterminer une base orthonorme de - et de -& .

Exercice 3.4

On considre les deux plans de


: - :
2
3* 0 !# -3 :
3
1) lintersection des deux plans P et P .
2) une base orthonorme de P et de P5.
3) P & et P 3 & .
4) une base orthonorme de P et une base orthonorme de P 3 & .

Exercice 3.5

- :
On considre les deux plans de
:
Reprendre les questions de lexercice prcdent.

Professeure Salma DASSER

3*

0 !# -5 : 2

2*

0 et les droites

Exercice 3.2

2*

0 et les droites

0. Dterminer :

4*

printempsSession printemps-t
3

[S4, Module M 16 : MQ IV, Matire : Algbre II]

Exercices du chapitre 2 : Produit scalaire-orthogonalit

4. Image et noyau dune matrice


Exercice 4.1
Pour chacune des matrices :
1
0
2

0 2
5 0 ,
0 4

1 1
1 1
1 1

1
1 ,
1

3
1
0

1
2
1

0
1 ,
3

1 1
1 1
1 0

1) Dterminer une base de Im A et une base de ker A .


?@!A > B& .
2) Vrifier que <= >

Exercice 4.2
Parmi les systmes linaires >. D
(1) >
(2) >
(3) >

3
1
1

(4) >
(5) >
(6) >

2
1
1

1
1
1

(7) >

1
1
1

1
F1G !# E
2

1
F1G !# E
1

1
F0 G
1

1
1 ,E
1

1
3
1

1
2
1

1
0
1

2 1
1 1 ,
1 2

3
1
1

1
3
1

1
1
3

1
F0 G
1

1
0 ,E
0

1 1
1 1
1 1

1
2
1

E , lesquels sont compatibles ?

2
0 ,E
4

1 0
0 1
2 0

1 1
1 1
1 0

E et >. D

1
0 ,
0

1
1
1

1
F 1G !# E
1

1
1 ,E
3

1
1 ,E
2

1
1 ,E
3

1
1 ,E
1

2
F2G
2

1
F 1 G !# E
2
1
F 1 G !# E
2

2
F1G !# E
0

1
F1G !# E
1

1
F1 G
1
1
F1 G
1

1
F0 G
1

2
F2G
2

Professeure Salma DASSER

printempsSession printemps-t
4