Professional Documents
Culture Documents
Calcul matriciel
Bernard Ycart
2 Entranement 17
2.1 Vrai ou faux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Corrig du devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Complments 30
3.1 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Dcomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Maths en L1gne Calcul matriciel UJF Grenoble
1 Cours
1.1 Oprations sur les matrices
Etant donns deux entiers m et n strictement positifs, une matrice m lignes et n
colonnes est un tableau rectangulaire de rels A = (ai,j ). Lindice de ligne i va de 1
m, lindice de colonne j va de 1 n.
Les entiers m et n sont les dimensions de la matrice, ai,j est son coefficient dordre
(i, j). Lensemble des matrices m lignes et n colonnes et coefficients rels est not
Mm,n (R). Ce qui suit sapplique aussi, si on remplace R par C, lensemble des matrices
coefficients complexes.
Lensemble Mm,n (R) est naturellement muni dune addition interne (on peut ajou-
ter deux matrices de mmes dimensions terme terme) et dune multiplication externe
(on peut multiplier une matrice par un rel terme terme).
Addition : Si A = (ai,j ) et B = (bi,j ) sont deux matrices de Mm,n (R), leur somme
A + B est la matrice (ai,j + bi,j ). Par exemple :
1 1 3 1 2 2
2 3 +
5 3
= 7
0
1 1 0 2 1 1
Observons que les oprations auraient le mme effet si les matrices taient disposes
comme des mn-uplets de rels (toutes les lignes tant concatnes par exemple). Donc
Mm,n (R), muni de son addition et de sa multiplication externe, est un espace vectoriel,
isomorphe Rmn . La base canonique de Mm,n (R) est forme des matrices dont tous
les coefficients sont nuls, sauf un qui vaut 1.
Lopration la plus importante est le produit matriciel.
2
Maths en L1gne Calcul matriciel UJF Grenoble
Nous insistons sur le fait que le produit AB de deux matrices nest dfini que si
le nombre de colonnes de A et le nombre de lignes de B sont les mmes. Observons
dabord que la dfinition 1 est cohrente avec la dfinition du produit dune matrice
par un vecteur, donne au chapitre prcdent : si p = 1, la matrice B a n lignes et 1
colonne, et le produit AB a m lignes et 1 colonne. Dautre part, appliquer la dfinition
1 revient effectuer successivement le produit de A par chacune des colonnes de B.
Pour effectuer ce produit, nous conseillons dadopter la mme disposition que pour le
produit par un vecteur, en plaant B au-dessus et droite de A.
b1,1 b1,k b1,n
. .. ..
.. . .
bj,k
.. .. ..
. . .
bn,1 bn,k bn,p
a1,1 a1,n
..
.
c 1,1 . c1,p
.. .. ..
.
. .
..
ai,1 ai,j ai,n c
i,k
.. .. ..
. . .
am,1 am,n cm,1 cm,p
Posons par exemple :
1 1 !
0 1 1 2
A= 2 3 et B = .
3 2 0 1
1 1
La matrice A a 3 lignes et 2 colonnes, la matrice B a 2 lignes et 4 colonnes. Le produit
AB a donc un sens : cest une matrice 3 lignes et 4 colonnes.
!
0 1 1 2
3 2 0 1
1 1 3 1 1 1
2 9 4 2 1
3
1 1 3 3 1 3
Le produit matriciel a toutes les proprits que lon attend dun produit, sauf quil
nest pas commutatif.
3
Maths en L1gne Calcul matriciel UJF Grenoble
A(BC) = (AB)C .
A(B + C) = AB + AC .
(A + B)C = AC + BC .
Dfinition 2. tant donne une matrice A = (ai,j ) de Mm,n (R), sa transpose est la
matrice de Mn,m (R) dont le coefficient dordre (j, i) est ai,j .
Pour crire la transpose dune matrice, il suffit de transformer ses lignes en co-
lonnes. Par exemple :
1 1 !
t 1 2 1
A= 2
3 , A= .
1 3 1
1 1
La transpose dun produit est le produit des transposes, mais il faut inverser lordre
des facteurs.
4
Maths en L1gne Calcul matriciel UJF Grenoble
0 0 1
5
Maths en L1gne Calcul matriciel UJF Grenoble
En effet, elle est llment neutre du produit matriciel : pour toute matrice A
Mn,m (R),
A In = Im A = A .
On le vrifie facilement partir de la dfinition 1.
Dfinition 4. Soit A une matrice de Mn . On dit que A est inversible sil existe une
matrice de Mn , note A1 , telle que
A A1 = A1 A = In .
Par exemple :
1 0 1 1 1 1 1 1 1 1 0 1 1 0 0
1 1 0
1 2 1
=
1 2 1
1 1 0
= 0 1 0
1 1 1 0 1 1 0 1 1 1 1 1 0 0 1
Nous verrons plus loin une mthode qui permet de savoir si une matrice est inversible,
et de calculer son inverse quand elle lest. Observons que linverse, sil existe, est nces-
sairement unique. En effet, soient B1 et B2 deux matrices telles que A B1 = B1 A = In
et A B2 = B2 A = In . En utilisant lassociativit, le produit B1 A B2 vaut B1 (A B2 ) =
B1 In = B1 , mais aussi (B1 A) B2 = In B2 = B2 . Donc B1 = B2 .
Il suffit de trouver une matrice B telle que A B = In pour tre sr que A est
inversible et que son inverse est B.
Thorme 1. Soit A une matrice de Mn . Supposons quil existe une matrice B telle
que A B = In ou bien B A = In . Alors A est inversible et B = A1 .
6
Maths en L1gne Calcul matriciel UJF Grenoble
Les coordonnes ai,j de ces vecteurs dans la base (c1 , . . . , cm ), rangs en n colonnes,
forment la matrice de lapplication f , relative aux bases considres.
dpart
7
Maths en L1gne Calcul matriciel UJF Grenoble
f 1 f = f f 1 = IE .
v = x1 b1 + + xn bn = y1 c1 + + yn cn .
Alors le vecteur (yj )j=1,...,n est le produit de la matrice P 1 par le vecteur (xi )i=1,...,n .
y1 x1
. ..
. = P 1
. .
.
yn xn
8
Maths en L1gne Calcul matriciel UJF Grenoble
v = y1 c1 + + yn cn
= y1 (b1 ) + + yn (bn ) .
Par dfinition, les coordonnes de (bj ) dans la base bi forment la j-ime colonne de la
matrice P = (pi,j ). Donc :
n n
!
X X
v = yj pi,j bi
j=1 i=1
n
X n
X
= pi,j yj bi
i=1 j=1
Comme les coordonnes dans la base (b1 , . . . , bn ) sont uniques, on en dduit, pour tout
i = 1, . . . , n :
n
X
xi = pi,j yj ,
j=1
(b1 , b2 , b3 ) = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) et (c1 , c2 , c3 ) = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) .
0 0 1 0 0 1
Si un vecteur v a pour coordonnes x, y, z dans la base canonique (b1 , b2 , b3 ), alors ses
coordonnes dans la base (c1 , c2 , c3 ) sobtiennent en effectuant le produit :
1 1 0 x xy
0 1 1
y
= yz
0 0 1 z z
Constatez que :
On peut appliquer ce qui prcde pour trouver la matrice dun endomorphisme quel-
conque dans la nouvelle base : cest la formule de changement de base.
9
Maths en L1gne Calcul matriciel UJF Grenoble
(b1 , b2 , b3 ) = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) et (c1 , c2 , c3 ) = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) .
f : (x, y, z) 7 (x z, 2x 3y + z, y 2z) .
Limage par f du vecteur c2 = (1, 1, 0) est le vecteur (1, 1, 1) = 2c1 2c2 + c3 . Les
coordonnes 2, 2, 1 figurent dans la seconde colonne de P 1 AP .
B = P 1 AP .
10
Maths en L1gne Calcul matriciel UJF Grenoble
Thorme 3. Soit E un espace vectoriel, soient (b1 , . . . , bn ) et (b01 , . . . , b0n ) deux bases
de E. Soit F un autre espace vectoriel, soient (c1 , . . . , cm ) et (c01 , . . . , c0m ) deux bases de
F . Soit f une application linaire de E dans F , et A Mm,n sa matrice relative aux
bases (b1 , . . . , bn ) et (c1 , . . . , cm ). Soit P Mn la matrice de lapplication linaire qui
bi associe b0i , pour tout i = 1, . . . , n. Soit Q Mm la matrice de lapplication linaire
qui ci associe c0i , pour tout i = 1, . . . , n.
La matrice de f relative aux bases (b01 , . . . , b0n ) et (c01 , . . . , c0n ) est Q1 A P .
B = Q1 AP .
Proposition 7. Une matrice de Mn (R) est inversible si et seulement si son rang est
n.
11
Maths en L1gne Calcul matriciel UJF Grenoble
Dmonstration : Nous devons dmontrer que deux matrices ayant le mme rang sont
quivalentes. Soit A une matrice m lignes, n colonnes, et de rang r. Notons a1 , . . . , an
les n vecteurs colonnes de A, qui sont des vecteurs de Rm . Le rang de A est la dimension
de lespace engendr par (a1 , . . . , an ), qui est infrieure ou gale n et m. Nous allons
montrer que la matrice A est quivalente la matrice Jr obtenue en compltant la
matrice identit Ir par des zros, droite et en dessous.
1 r n
0 0 0
1 0 1
.. .. .. ..
0 1 . . . .
..
. . . . .
. .. .. . . ..
.
.
. . ..
Jr = ...
.. 1 0 .. .
r
0 0 1 0 0
0
0 0 0
r+1
..
.. .. .. ..
. . . . .
0 0 0 0 m
(v1 , . . . , vr , b1 , . . . , bnr )
12
Maths en L1gne Calcul matriciel UJF Grenoble
Dans lespace darrive F , la famille (c1 , . . . , cr ) est une famille libre car cest une
base de Im(f ). On peut la complter par m 1 vecteurs cr+1 , . . . , cm de sorte que
(c1 , . . . , cr , cr+1 , . . . , cm )
soit une base de F .
Pour i = 1, . . . , r, limage de vi est ci . Les images de b1 , . . . , bnr sont nulles : la
matrice de f relative aux bases (v1 , . . . , vr , b1 , . . . , bnr ) (au dpart) et (c1 , . . . , cm ) (
larrive) est la matrice Jr .
Puisque A et Jr sont quivalentes, il existe deux matrices inversibles P et Q telles
que Jr = Q1 AP , et donc A = QJr P 1 . Soit B une autre matrice de Mm,n (R),
galement de rang r. Il existe deux autres matrices inversibles R et S telles que Jr =
S 1 BR. En multipliant gauche par Q et droite par P 1 , on obtient :
A = (QS 1 )B(RP 1 ) .
Donc deux matrices de mme taille et de mme rang sont quivalentes.
On dduit de la dmonstration qui prcde que A et tA ont le mme rang.
Proposition 8. Une matrice et sa transpose ont mme rang.
13
Maths en L1gne Calcul matriciel UJF Grenoble
ai,1 x1 + + ai,n xn .
Le coefficient dordre (1, 1) est non nul, il ny a donc pas de permutations effectuer.
Le premier pivot est p1 = 1. Voici les transformations qui annulent la premire colonne
au-dessous du pivot.
1 1 0 1
L2 L2 2L1
0 1 1 2
L3 L3 L1 0 1 1 0
L4 L4 + L1 0 1 1 2
14
Maths en L1gne Calcul matriciel UJF Grenoble
Le second pivot est 1. Les transformations qui annulent le bas de la seconde colonne
sont les suivantes.
1 1 0 1
0 1 1 2
L3 L3 + L2 0 0 0 2
L4 L4 + L2 0 0 0 4
Pour obtenir un troisime pivot non nul, il faut changer les deux dernires colonnes.
1 1 1 0
0 1 2 1
0 0 2 0
0 0 4 0
Le troisime pivot est 2. Il ne reste quune ligne transformer.
1 1 1 0
0 1 2 1
0 0 2 0
L4 L4 2L3 0 0 0 0
Le rang de la matrice est donc 3. En noubliant pas que les colonnes 3 et 4 ont t
changes, on obtient aussi que les vecteurs colonnes numros 1, 2 et 4 de la matrice
A forment une famille libre, donc une base de lespace engendr.
Bien que lcriture du systme soit mathmatiquement superflue, elle est techniquement
plus sre, et nous vous conseillons de la conserver.
15
Maths en L1gne Calcul matriciel UJF Grenoble
Ecrivons le systme
x a
y = b ,
A
z c
soit
x z = a
x y = b
x y +z = c
x z = a
x z = a
y +z = b a y z = a b
z = cb z = cb
x = ab+c x a
1
y = a 2b + c y =A b ,
b + c
z = z c
avec
1 1 1
A1 = 1 2 1
.
0 1 1
16
Maths en L1gne Calcul matriciel UJF Grenoble
2 Entranement
2.1 Vrai ou faux
Vrai-Faux 1. Soient A et B deux matrices. Parmi les affirmations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si le produit AB est dfini, alors le produit BA est dfini.
2. Si la somme A + B est dfinie, alors le produit AB est dfini.
3. Si le produit AB est dfini, alors le produit tB tA est dfini.
4. Si la somme A + B est dfinie, alors le produit A tB est dfini.
5. Si les produits AB et BA sont dfinis, alors la somme A + B est dfinie.
6. Si les produits AB et BA sont dfinis, alors la somme A + tB est dfinie.
7. Si les produits AB et tBA sont dfinis, alors la somme A + tA est dfinie.
8. Si les produits AB et tBA sont dfinis, alors la somme A + tB est dfinie.
9. Si le produit AB est dfini, alors la somme A tA + B tB est dfinie.
10. Si le produit AB est dfini, alors la somme tA A + B tB est dfinie.
Vrai-Faux 2. Soit A une matrice carre. Parmi les affirmations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si A est inversible, alors A tA = tA A.
2. Si A est inversible, alors A tA est inversible.
3. Si A est inversible, alors A + tA est inversible.
4. Si A est inversible, alors A est quivalente la matrice identit.
5. Si A est inversible, alors A est semblable la matrice identit.
Vrai-Faux 3. Soit A une matrice carre. On dit que A est diagonale si tous ses coef-
ficients dordre (i, j) avec i 6= j, sont nuls. Parmi les affirmations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si A est diagonale, alors A est inversible.
2. Si A est diagonale, alors A est symtrique.
3. Si A est diagonale et si tous ses coefficients diagonaux sont non nuls, alors A
est inversible.
4. Si A est diagonale, alors A est semblable la matrice identit.
5. Si A est diagonale, alors A est quivalente la matrice identit.
Vrai-Faux 4. Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles sont
fausses, et pourquoi ?
1. Si une matrice est de rang r, alors elle est quivalente la matrice Ir
17
Maths en L1gne Calcul matriciel UJF Grenoble
2.2 Exercices
Exercice 1. On considre les matrices suivantes.
0 1 1 2 2 3
1 1 0 1 3 1
0 1 1 0 1 2
! ! !
1 0 0 1 2 1 1 2 3
0 1 0 2 1 1 2 1 3
1 0 0 1 0 0 2 3 4
0 1 0 0 1 0 3 1 3
0 0 1 0 0 2 1 2 0
0 0 1 1 2 3 1 2 0
0 1 0
3 2 1
2 1 0
1 0 0 2 1 3 2 0 1
1 1 1 1 3 2 0 1 2
1. Ecrire la transpose de chacune de ces matrices.
18
Maths en L1gne Calcul matriciel UJF Grenoble
0 0 1
0 0 0
19
Maths en L1gne Calcul matriciel UJF Grenoble
Exercice 6. On rappelle quune matrice carre est symtrique si elle est gale sa
transpose. On note Sn lensemble des matrices carres symtriques. On dit quune
matrice carre est antisymtrique si elle est loppose de sa transpose : tA = A. On
note An lensemble des matrices carres antisymtriques.
1. Montrer que les lments diagonaux dune matrice antisymtrique sont nuls.
2. Montrer que Sn et An sont des sous-espaces vectoriels de Mn .
3. Soit A une matrice carre quelconque. Montrer que A+ tA est symtrique et A tA
est antisymtrique.
4. Montrer que le produit de deux matrices symtriques A et B est symtrique si
et seulement si AB = BA (on dit que A et B commutent ).
5. Montrer que le produit de deux matrices antisymtriques A et B est antisym-
trique si et seulement si AB = BA.
6. Soit A une matrice inversible. Montrer que tA est inversible et que son inverse est
t
(A1 ).
7. Soit A une matrice symtrique et inversible. Montrer que son inverse est sym-
trique.
8. Soit A une matrice antisymtrique et inversible. Montrer que son inverse est
antisymtrique.
9. Montrer quaucune matrice de A3 nest inversible.
Exercice 7. On appelle trace dune matrice carre la somme de ses lments diagonaux.
On note tr(A) la trace de A Mn .
1. Soient A, B deux matrices de Mn . Montrer que tr(AB) = tr(BA).
2. En dduire que deux matrices carres semblables ont la mme trace.
20
Maths en L1gne Calcul matriciel UJF Grenoble
3. Soit A une matrice carre non nulle. Montrer que les traces de A tA et tA A sont
strictement positives.
2 3 4 0 1 2 1 1 2 1
3 1 5
1 1 7
1 2 1 1
1 0 1 2 0 10 2 1 3 2
0 2 4 1 3 1 0 1 0 1
Exercice 9. Vrifier que les matrices suivantes sont inversibles et calculer leurs inverses.
0 1 0 0 2 2 2 1 1 1 2 0
0 0 1 1 3 1 1 4 3 3 1 1
2 1 2 3 3 1 1 1 0 0 1 2
21
Maths en L1gne Calcul matriciel UJF Grenoble
z 0
0 0 3
0 0 1/3
2.3 QCM
Donnez-vous une heure pour rpondre ce questionnaire. Les 10 questions sont
indpendantes. Pour chaque question 5 affirmations sont proposes, parmi lesquelles 2
sont vraies et 3 sont fausses. Pour chaque question, cochez les 2 affirmations que vous
pensez vraies. Chaque question pour laquelle les 2 affirmations vraies sont coches
rapporte 2 points.
Question 1. Soient A et B deux matrices.
A Si la somme A + B est dfinie, alors le produit AB est dfini.
B Si la somme A + B est dfinie, alors le produit tAB est dfini.
22
Maths en L1gne Calcul matriciel UJF Grenoble
1 0 1
0 0 2
2 0 2
C Lapplication f f a pour matrice 0 2 0 dans la base canonique de R3 .
2 0 2
1 0 0
D La matrice A est quivalente la matrice 0 1 0 .
0 0 0
1 0 0
E La matrice A est semblable la matrice 0 1 0 .
0 0 0
Question 5. On considre la matrice A suivante.
!
1 1 1
A= .
1 1 1
23
Maths en L1gne Calcul matriciel UJF Grenoble
Soit f lapplication linaire de R3 dans R2 dont la matrice relative aux bases canoniques
de R3 et R2 est A.
A Lapplication f est surjective.
B Le noyau de f est un plan vectoriel. !
1 0 0
C La matrice A est quivalente la matrice .
0 1 0
!
1 0 0
D La matrice A est quivalente la matrice .
0 0 0
E La matrice A est de rang 2.
Question 6. Soit A une matrice.
A Le rang de AtA est toujours suprieur ou gal au rang de A
B Le rang de tA est toujours gal au rang de A.
C Le rang de tAA est toujours infrieur ou gal au rang de A.
D Si A a plus de lignes que de colonnes, alors le rang de A est gal son nombre
de colonnes.
E Si le rang de A est gal son nombre de colonnes, alors A est inversible.
Question 7. Soit A une matrice 4 lignes, 3 colonnes, de rang 2.
A A est la matrice dune application linaire de R4 dans R2 .
B A est la matrice dune application linaire dont le noyau est un plan vectoriel.
C A est la matrice dune application linaire dont limage est un plan vectoriel.
1 0 0
0 1 0
D A est quivalente la matrice .
0 0 0
0 0 0
1 0 0
0 1 0
E A est quivalente la matrice .
0 0 1
0 0 0
Question 8. Soit A Mn une matrice carre inversible. Soit f lapplication de Rn
dans Rn qui a pour matrice A dans la base canonique.
A A est semblable la matrice identit de mme taille que A.
B Le noyau de f est une droite vectorielle.
C A est quivalente la matrice identit de mme taille que A.
D Limage de f est Rn .
E Le systme linaire Ax = 0 admet une solution non nulle.
Question 9. On considre la matrice A suivante.
!
1 1
A= .
0 1
24
Maths en L1gne Calcul matriciel UJF Grenoble
0 1 0
Soit I la matrice identit trois lignes et trois colonnes.
A A I est inversible.
B A2 = A.
C A1 = tA.
D A + A2 est de rang 2.
E I + A + A2 est de rang 1.
Rponses : 1DE 2BC 3AD 4BD 5BD 6BC 7CD 8CD 9DE 10CE
2.4 Devoir
Essayez de bien rdiger vos rponses, sans vous reporter ni au cours, ni au corrig. Si
vous souhaitez vous valuer, donnez-vous deux heures ; puis comparez vos rponses avec
le corrig et comptez un point pour chaque question laquelle vous aurez correctement
rpondu.
Questions de cours : Soit A Mn une matrice carre. On note I la matrice identit
de dimension n. On suppose quil existe une matrice B telle que A B = I.
1. Soit f lapplication de Mn dans Mn qui une matrice X associe le produit XA.
Montrer que f est une application linaire.
2. Montrer que f est injective. En dduire que f est bective.
3. Montrer quil existe une matrice B Mn telle que B A = I. Montrer que
B = B. En dduire que A est inversible.
4. Soit B une matrice telle que A B = I. Montrer que B = B.
5. Soit C Mn une autre matrice inversible. Montrer que le produit A C est inver-
sible et que (A C)1 = C 1 A1 .
Exercice 1 : Soient A et B les deux matrices suivantes.
1 0 0 1 0 1
A= 0 1 0
et B = 0 1 1 .
1 1 1 0 0 1
25
Maths en L1gne Calcul matriciel UJF Grenoble
26
Maths en L1gne Calcul matriciel UJF Grenoble
(X + Y ) A = XA + Y A ,
car le produit matriciel est distributif par rapport laddition. Donc lapplication
f est linaire.
2. Pour montrer quune application linaire est injective, il suffit de montrer que
son noyau est rduit {0}. Soit X un lment du noyau de f , cest--dire une
matrice telle que XA = 0 (matrice nulle). En multipliant droite par B, et en
utilisant lassociativit du produit matriciel :
(XA) B = X(A B) = X I = X .
B (A B) = B I = B et (B A) B = I B = B .
B (A B ) = B I = B et (B A) B = I B = B .
(A C) (C 1 A1 ) = A (CC 1 ) A1 = A I A1 = A A1 = I .
Il existe donc une matrice qui, multiplie droite par A C donne lidentit. Par
application de ce qui prcde, la matrice A C est donc inversible et son inverse
est la matrice C 1 A1 .
Exercice 1 :
1. La matrice A est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve A1 = A.
27
Maths en L1gne Calcul matriciel UJF Grenoble
2. La matrice B est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve :
1 0 1
B 1 = 0 1 1
.
0 0 1
4.
f (b1 ) = b1 + b3 , f (b2 ) = b2 + b3 , f (b3 ) = b3 .
f f (b1 ) = f (b1 ) + f (b3 ) = b1
f f (b2 ) = f (b2 ) + f (b3 ) = b2
f f (b3 ) = f (b3 ) = b3 .
Lapplication f f concide avec lapplication identique sur une base de R3 , donc
sur R3 tout entier. Donc f est sa propre rciproque, donc A1 = A.
5. La matrice de lapplication g 1 dans la base (b1 , b2 , b3 ) est B 1 . On en dduit :
7. Soit (x, y, z) les coordonnes dans la base (b1 , b2 , b3 ) dun vecteur de Ker(h),
z = 0
z = 0
x +y 2z = 0 .
Tout vecteur de Ker(h) scrit xb1 xb2 , o x est un rel quelconque. Donc Ker(h)
est une droite vectorielle, dont une base est le vecteur b1 b2 . Limage de f est
un plan vectoriel, dont une base est donne par le premier et le troisime vecteur
colonne de la matrice : (b3 , b1 + b2 2b3 ).
8. Puisque A est inversible, limage par f dune base est une base. Donc (c1 , c2 , c3 )
est une base de R3 . Daprs la question 4,
28
Maths en L1gne Calcul matriciel UJF Grenoble
2 2 1
La matrice de g 1 dans la base (c1 , c2 , c3 ) est linverse de la prcdente :
0 1 1
1 1
A B A = 1
0 1
.
2 2 3
Exercice 2 :
1. On trouve :
1 4 3 3
3 2 6
3 0 5 1
AB = et BA = 2 3 1
.
5 4 7 1
1 1
7
3 3 4 1
x a
2. En rsolvant le systme P y = b , on trouve que ce systme est de rang
z c
3, donc la matrice P est bien inversible. Son inverse est :
1 5 2
1
P 1 = 2 2 0
.
4
1 1 2
Les trois vecteurs colonnes de P sont linairement indpendants, donc les trois
premiers vecteurs colonnes de A le sont aussi : la matrice A est de rang 3.
3. Les deux premires lignes de B sont linairement indpendantes. La troisime est
la somme des deux autres. Donc la matrice B est de rang 2.
La matrice AB est celle de lapplication compose f g. Puisque B est de rang
2, limage de g est un plan vectoriel de R3 . Puisque lapplication f est de rang 3,
son noyau est rduit {0} et sa restriction Im(g) est de rang 2. Donc limage
de f g est un plan vectoriel : AB est de rang 2.
Le raisonnement est analogue pour BA : cest la matrice de lapplication g f .
Puisque f est de rang 3, son image est R3 , donc Im(g f ) = Im(g). Donc g f
est de rang 2, comme g. Donc la matrice BA est de rang 2.
29
Maths en L1gne Calcul matriciel UJF Grenoble
1 0 0
0 1 0
.
0 0 1
0 0 0
3 Complments
3.1 Diagonalisation
Voici deux systmes linaires dquations.
y +z = 1
x = 0
(a) 12 x + 23 y 12 z = 0 (d) y = 1
3
23 y + 12 z = 1
x 2z = 0
2
30
Maths en L1gne Calcul matriciel UJF Grenoble
Les trois problmes, de natures trs diffrentes, ont en commun leur criture matricielle,
avec les deux matrices suivantes.
0 1 1 1 0 0
21 3
12
A=
2
D=
0 1 0
3
2
32 1
2
0 0 2
Tous les problmes linaires sont plus faciles rsoudre quand la matrice est diagonale !
Il se trouve que les deux matrices A et D sont semblables, cest--dire quelles
reprsentent le mme endomorphisme dans deux bases diffrentes, ou encore, il existe
une matrice de passage P telle que P 1 AP = D.
1 1 1
0 1 1 1 1 0 1 0 0
2 2 2
12 1 1
21 3
21
2 2
2
1 0 1
0 1 0
=
12 1
2
12 3
32 1
0 1 1 0 0 2
| {z }| 2 2
{z } | {z } | {z }
P 1 A P D
P 1 AP = D .
31
Maths en L1gne Calcul matriciel UJF Grenoble
est le spectre de la matrice. Pour chaque valeur propre , on dtermine ensuite le sous-
espace propre associ : cest lensemble des vecteurs v tels que (A In )v = 0.
La matrice est diagonalisable lorsquon peut trouver une base de Rn constitue de
vecteurs appartenant aux sous-espaces propres. La matrice de passage P est la matrice
exprimant ces vecteurs dans la base canonique. Quelques exemples lmentaires sont
donns dans les exercices 10 et 11.
Quand une matrice A est diagonalisable, il est facile de rsoudre le systme linaire
Ax = b : il est quivalent au systme Dy = c, avec y = P 1 x et c = P 1 b. Or dans
un systme dont la matrice est diagonale, toutes les quations nont quune inconnue
et se rsolvent sparment.
Prenons maintenant lexemple dun systme dquations de rcurrence linaire, du
type Uk+1 = A Uk , o Uk dsigne un vecteur dont on souhaite connatre lexpression en
fonction de k. Du point de vue thorique, il ny a pas de problme :
Uk = Ak U0 .
Mais cela navance rien si on ne sait pas calculer formellement lexpression de Ak en
fonction de k. Cest possible si A est diagonalisable. En effet, si A = P DP 1 :
Ak = P DP 1 P DP 1 . . . P DP 1 = P Dk P 1 .
Ecrire Dk est immdiat. On en dduit lexpression gnrale de Ak , donc de Uk . Dans
lexemple ci-dessus, on trouve :
(1)k k k
(1) (1)
1 1 1
2
+ 2 2
+ 2 2
+ 2
k k 2k k
A = 22 + 1
+ 1
22 + 1
2 2 2 2
k (1)k (1)k
2k 2k 2k
(1)
2
+ 2 2
2 2
+ 2
32
Maths en L1gne Calcul matriciel UJF Grenoble
Le vecteur des conditions initiales pour le systme diagonalis est X(0) = P 1 Y (0).
Connaissant X(t), on en dduit Y (t) = P X(t).
Soit par exemple rsoudre
x0 (t) =
y(t) +z(t)
y 0 (t) = 12 x(t) + 32 y(t) 12 z(t) ,
z 0 (t) = 3
32 y(t) + 12 z(t)
x(t)
2
avec les conditions initiales x(0) = 0, y(0) = 1, z(0) = 2. Le systme scrit sous la
forme Y 0 (t) = A Y (t), avec
x(t) 0 1 1
12 3
12
Y (t) =
y(t)
et A=
2
.
3
z(t) 2
23 1
2
3.2 Dcomposition LU
La mthode du pivot de Gauss nest pas exactement programme comme elle a
t prsente. Il y a plusieurs raisons cela, dont la principale est le problme de la
prcision numrique.
Voici un systme de deux quations deux inconnues, dpendant du paramtre
6= 0.
1
(2 1 )/(1 1 ))
x + y = 1 x + y = 1 x =
(1
x+y = 2 (1 1 )y = 2 1
y = (2 1 )/(1 1 )
33
Maths en L1gne Calcul matriciel UJF Grenoble
x = 2 (1 2)/(1 )
x+y = 2 x+y = 2
x + y = 1 (1 )y = 1 2 y = (1 2)/(1 )
Les deux solutions sont videmment les mmes. Pourtant, si est trs petit en valeur
absolue, les deux calculs ne sont pas du tout quivalents numriquement : diviser par
un petit nombre, ou multiplier par un grand nombre, augmente les erreurs dapproxi-
mation.
Telles que nous les avons prsentes, les permutations de lignes et de colonnes
servent assurer que les pivots restent non nuls. La plupart des systmes que lon
rencontre en pratique ont une solution unique : ce sont des systmes de n quations
n inconnues, de rang n. En gnral, on peut leur appliquer la mthode du pivot de
Gauss sans rencontrer de pivot nul. Mais on utilise quand mme les permutations de
lignes et de colonnes, pour faire en sorte qu chaque tape, le pivot soit le plus grand
possible en valeur absolue.
Permuter les lignes dune matrice, revient la multiplier gauche par une matrice
de permutation. Une matrice de permutation est la matrice de passage de la base
(b1 , . . . , bn ) la base (b(1) , . . . , b(n) ), o est une bection de {1, . . . , n} dans lui-
mme. Ses coefficients dordre ((i), i) valent 1, les autres 0. Permuter les colonnes
dune matrice, revient la multiplier droite par une autre matrice de permutation.
En permutant les lignes et les colonnes, on remplace la matrice A par la matrice P1 AP2
o P1 et P2 sont deux matrices de permutation.
Dans sa version la plus courante, lalgorithme ne considre que des permutations de
lignes : il remplace donc la matrice A par P A, o P est une matrice de permutation.
Une fois choisi lordre dans lequel on traite les lignes, la i-ime tape de la mthode
consiste ajouter aux lignes dindice i + 1, i + 2, . . . , n la i-ime ligne multiplie par un
certain coefficient. Cela revient multiplier gauche par une matrice du type suivant.
1 0 0
... ... ..
0 .
.. .. ..
. 1 . .
. . . ..
.. ..
i+1,i . . .
. .. ...
..
. 0
0 m,i 0 1
34
Maths en L1gne Calcul matriciel UJF Grenoble
Son inverse est encore une matrice du mme type : trianglaire infrieure avec des 1
sur la diagonale. On la note L (pour lower triangular ). Le produit L1 P A est une
matrice triangulaire suprieure, que lon note U pour upper triangular : U est la
forme chelonne de A.
L1 P A = U P A = LU .
La dcomposition LU de la matrice A est la donne des trois matrices P, L, U telles
que P A = LU .
Si on doit rsoudre le systme Ax = b, on le transformera en deux systmes trian-
gulaires, un de matrice L, lautre de matrice U .
Ly = P b
Ax = b P Ax = P b LU x = P b
Ux = y
35