Fi he

14 Que faire ave des pivots ?

Presque tout ! Dans le désordre : I.b Opérations élémentaires

• Trouver le rang d’une famille de vecteurs, d’une matrice, d’un Considérons une matrice A ∈ Mn,p (K). On considère les
endomorphisme ou d’un système linéaire.
opérations suivantes, appelées opérations élémentaires
• Résoudre un système linéaire.
• Déterminer une base de l’image d’une application linéaire. • transve tions élémentaires Li ← Li + λLj (j 6= i) ;
• Déterminer une équation de l’image d’une application linéaire.
• dilatation élémentaire Li ← λLi , λ 6= 0 ;
• Déterminer une base du noyau d’une application linéaire.
• Déterminer une équation du noyau d’une application linéaire.
• transposition Li ↔ Lj .
• Déterminer une équation de Vect(ea , . . . , ep ).Ces opérations reviennent à multiplier A à gauche par une
• Réciproquement déterminer une base d’un espace vectoriel
matrice élémentaire :
dont on connaît une équation.
— matri e de transve tion Ti,j (λ) = In + λEi,j ;
• Extraire une famille libre d’une famille de vecteurs.
• Compléter une famille libre de vecteurs en une base.
— matri e de dilatation Di (λ) = diag(1, . . . , λ, . . . , 1) ;
— matri e de transposition
• Trouver la base antéduale d’une famille de formes linéaires.
1
 
 .. 
 . 
I UN PEU DE THÉORIE  

 0 1 

I.a Remarques sur les systemes Si,j = 
 .. .

 . 
Le premier but de l’algèbre linéaire a été de donner un

 1 0 

cadre géométrique à l’étude des systèmes linéaires d’équa-

 . ..


tions. En ce sens, tout problème d’algèbre linéaire de di- 1
mension finie peut s’écrire de plusieurs manières parfaite-
ment équivalentes :
Remarque 1 Seules les transvections ne changent pas le déterminant.
• un système d’équations linéaires ; La matrice représentative de chaque opération est obtenue en ap-
pliquant cette opération à la matrice identité.
• un problème matriciel ;
• un problème « géométrique ». Enfin, chacune de ces opérations est inversible et
Une des aptitudes les plus importantes d’un étudiant abor- Ti,j (λ)−1 = Ti,j (−λ)
dant l’algèbre linéaire est de pouvoir faire le lien entre ces  
1
différents points de vue et, en situation, pouvoir passer Di (λ)−1 = Di S−1
i,j = Si,j .
rapidement d’un formalisme à l’autre afin de trouver celui λ
qui, localement, sera le plus adapté à la résolution de son Les opérations élémentaires du même type sur les co-
problème. lonnes sont obtenues par transposition : elles reviennent à
Il n’est pas rare, au cours d’un même exercice, de passer multiplier à droite la matrice M par respectivement
plusieurs fois d’un point de vue à l’autre !
Il y a deux grands types d’opérations possibles sur une Tj,i (λ) Di (λ) et Si,j .
matrice :
Une succession d’opérations élémentaires sur les lignes re-
Opérations sur les lignes Effectuer des opérations élé- vient donc à transformer A en
mentaires sur les lignes d’une matrice revient à faire
A 7→ PA, où P est une matrice inversible. Notamment, B = Tp · · · T1 A.
le noyau de A n’est pas modifié par ces opérations élé-
mentaires. PROPOSITION 14.1 (Quelques invariants)
Effectuer des opérations élémentaires sur les lignes
i) Les opérations élémentaires ne changent pas le rang
d’un système linéaire ne change pas l’ensemble des
d’une matrice.
solutions. Si l’on parvient à mettre le système sous
une forme échelonnée, on obtient donc un système ii) Celles sur les lignes ne changent pas le noyau d’une
plus simple d’équations du noyau de la matrice A. matrice.
Opérations sur les colonnes Effectuer des opérations iii) Celles sur les colonnes ne changent pas son image.
élémentaires sur les colonnes d’une matrice revient iv) Les transvections élémentaires ne changent pas non
à faire A 7→ AQ, où Q est une matrice inversible. plus son déterminant.
Notamment, l’image de A n’est pas modifiée par ces v) Les transpositions changent le signe du déterminant.
opérations élémentaires.

 Exer i e 14.1 Montrer que l’on peut effectuer l’opération

(Li , Lj ) ← (−Lj , Li ) par transvections élémentaires.

Fiches de Mathématiques, Math Spé MP** Walter Appel LaTeX/MP/Fiches/pivot.tex

 que faire avec des pivots ?

I. Pivot de Gauss COROLLAIRE 14.4.1 (Connexité de GL+ n (R))

L’ensemble GL+ n (R) des matrices à déterminant stricte-
Nous allons voir maintenant que les transvections élé-
ment positif est connexe par arcs.
mentaires permettent de réduire énormément la matrice A.
La décomposition de GLn (R) en composantes connexes
est donc
LEMME 14.2 (du pivot) Soit A ∈ Mn,p (K) une matrice −
GLn (R) = GL+ n (R) ⊔ GLn (R).
dont la première colonne est non nulle. Alors, il existe une
suite de transvections élémentaires sur les lignes transfor- Démonstration : Soit M une matrice de déterminant ∆ > 0.
mant A en une matrice B de la forme La proposition précédente montre qu’il existe des matrices
  de transvection T1 , . . . , Tp telles que
b1,1 ∗ · · · ∗
 0 p q Tp · · · T1 · M = diag(1, . . . , 1, ∆).
B= .
 
 ..
 La matrice de dilatation Dn (∆−1 ) = diag(1, . . . , 1, ∆−1 )
B′ 
permet alors d’écrire
0 x y −1
Dn (∆ )Tp · · · T1 · M = In .
′ ′
On a alors rg(A) = rg(B ) + 1. et dét A = b1,1 dét B . Si Tk = Tik ,jk (λk ) est une matrice de transvection, notons

a τk : [0 ; 1] −→ Mn (R)
Démonstration : Si a1,1 6= 0, on fait Li ← Li − a i,1 L1 pour
1,1
i = 1, . . . , n. t 7−→ Tik ,jk (tλk ).
Sinon, on choisit le premier ai,1 6= 0 et on commence par C’est une application continue, reliant τk (0) = In à τk (1) =
changer L1 ← L1 + Li . Ensuite, on fait comme précédem- Tk .
ment. Le chemin
γ : [0 ; 1] −→ Mn (R)
LEMME 14.3
 Soitα ∈ K
∗
 . Des 
transvections sur les lignes
t 7−→ Dn (1 − t + t∆−1 ) τp (t) · · · τ1 (t) · M
α ∗ 1 ∗
changent en . relie alors la matrice In à la matrice M, tout en restant
0 M 0 M′
dans GLn (R)+ puisque toutes les matrices de transvection
  sont de déterminant 1, et que
1−α
Démonstration : L2 ← L2 + L1 , puis L1 ← L1 + L2 ∀t ∈ [0 ; 1] dét Dn (1 − t + t∆−1 ) = 1 − t + t∆−1 > 0.
α
puis enfin L2 ← L2 − αL1 .

 Exer i e 14.2 Écrire la matrice (produit de trois trans-  Exer i e 14.3 Montrer que GLn (C) est connexe par arcs.
vections) par laquelle on multiplie à gauche pour réaliser
l’opération précédente.

La répétition de ces opérations, plus l’astuce pour ré- COROLLAIRE 14.4.2 (Générateurs de SLn (K))
duire à 1 les termes diagonaux (sauf le dernier) établissent L’ensemble des matrices de transvections engendre
le résultat suivant : le groupe SLn (K).
L’ensemble des matrices de transvections et des matrices

THÉOREME 14.4 (Pivot pour une matri e inversible) de la forme diag(1, . . . , 1, λ) engendre GLn (K).
Soit A ∈ GLn (K) une matrice carrée inversible. Il existe
une suite d’opérations élémentaires de transvections sur COROLLAIRE 14.4.3 (Méthode de Jordan) Si l’on ap-
les lignes transformant A en plique à la matrice identité la suite des opérations
 
1 élémentaires sur les lignes (transvections, dilatations,
 1  transpositions) permettant de transformer A en l’identité,
, alors on obtient A−1 .
 
 ..
 . 
∆
où ∆ = dét A. COROLLAIRE 14.4.4 Si A ∈ Mp,q (K) et si rg A = r, il
existe des matrices P ∈ GLp (K) et Q ∈ GLq (K) telles que
Démonstration : Un premier passage transforme A en A = PJr Q, où Jr est une matrice uni orde.

1

∗ ··· ∗
 .. .
..  DÉFINITION 1 On appelle matri e uni orde une matrice
0
 .
B= . (rectangulaire) de la forme

 .. .. 
. . 1 ∗  
0 ··· 0 ∆ Ir 0r,q−r
Jr,p,q = .
0p−r,r 0p−r,q−r
Un second passage, en commençant par le bas, fait le reste.

Fiche 14 Cours de Mathématiques, Math Spé MP**

 que faire avec des pivots ? 

I.d L'algorithme en résumé

Considérons un système linéaire de m équations à n
inconnues x1 , x2 , . . . , xn :

 a11 x1 + · · · + a1n xn = b1 (L1 )
.. .. ..
a . x + · · · + a .x = .b (Lm )
m1 1 mn n m

(On suppose qu’aucune colonne n’est identiquement

nulle.) On cherche un coefficient p1 = aj1 non nul de
l’inconnue x1 , appelé pivot de x1 ; on effectue alors un
échange entre les lignes L1 et Lj , puis les transformations
Lk ← p1 Lk − ak1 L1 pour k = 2, . . . , n. On aboutit alors à
un système équivalent
p1 x1 + a′12 x2 + · · · + a′1n xn = b′1 (L′1 )



a′22 x2 + · · · + a′2n xn = b′2 (L′2 )



.. .. ..



 . . .
am2 x2 + · · · + amn xn = b′m
′ ′
(L′m )


On réitère ce procédé sur les lignes (L′2 ) à (L′m ) ; si l’on ne

trouve pas de pivot à l’inconnue x2 , on peut échanger le
rôle de x2 et d’une inconnue suivante. ✦ Lorsqu’il n’est
plus possible de poursuivre, le système a la forme suivante :


 p1 x1 + ⋆ x2 + · · · + ⋆ xr + ⋆ xr+1 + · · · + ⋆ xn = c1
p2 x2 + · · · + ⋆ xr + ⋆ xr+1 + · · · + ⋆ xn =



 c2



 .. .. .. ..

 . . . .
pr xr + ⋆ xr+1 + · · · + ⋆ xn = cr
0 =



 cr+1



 .. .. ..

 . . .

0 =

cm

Le nombre r de pivots est le rang du système. Les r pre-

mières équations sont les équations prin ipales et les m−r
dernières les onditions de ompatibilité. Le système est
ompatible si et seulement si cr+1 = · · · = cm = 0. S’il est
compatible, il admet des solutions. Dans le cas contraire,
il n’en admet aucune.
Les r premières inconnues x1 , . . . , xr sont les in onnues
prin ipales et les n − r dernières sont les in onnues auxi-
liaires.
Une base de l’ensemble des solutions du système homo-
gène peut être obtenue ainsi. On choisit n − r manières
(linéairement indépendantes) de fixer les inconnues auxi-
liaires, par exemple sous la forme
(xr+1 , . . . , xn ) = (0, . . . , 0, 1, 0, . . . , 0)
↑
k

pour k variant de r + 1 à n ; on résout, pour chacun de

ces choix de l’ensemble des inconnues auxiliaires, les r pre-
mières équations à r inconnues (qui est un système de Cra-
mer) ; on obtient alors une base de l’ensemble des solutions
du système homogène.

Cours de Mathématiques, Math Spé MP** mercredi er septembre 

 que faire avec des pivots ?

II INVERSER UNE MATRICE • Pivoter pour mettre en œuvre la méthode de Jordan.

Attention ! elle ne se fait que par des opérations sur les
Condiérons la matrice lignes, ou des opérations sur les colonnes, mais pas les
deux1 :
 
1 1 1
P := −2 0 −1    
0 1 0 . .
 1 1 1 .. 1 0 0 1 1 1 .. 1 0 0
.. ..
   
Pour calculer P−1 , on a au moins quatre possibilités : → 0
   
−2
 0 −1 . 0 1 0
  2 1 . 2 1 0

 ..   .. 
• Pivoter pour résoudre formellement PX = Y : 0 1 0 . 0 0 1 0 1 0 . 0 0 1
 
.
 ..
 x1 + x2 + x3 = y1 1 1 1 1 0 0
..
 
PX = Y ⇐⇒ −2x1 − x3 = y2 → 0

1 0 . 0 0

1
x2 = y3
  
 .. 
 0 2 1 . 2 1 0
x1 + x2 + x3 = y1  
⇐⇒ 2x3 + x3 = y2 + 2y1 .
1 1 1 .. 1 0 0 
x2 = y3

..
 
→ 0
 
 1 0 . 0 0 1 
x2 = y3  
 .. 
⇐⇒ x3 = y2 + 2y1 − 2x3 = 2y1 + y2 − 2y3 0 0 1 . 2 1 −2
x1 = y1 − x2 − x3 = −y1 − y2 + y3
  
.
  1 0 0 .. −1 −1 1 
−1 −1 1 
..

→ 0
 
⇐⇒ X =  0 0 1 Y  1 0 . 0 0 1 

2 1 −2
 .. 
0 0 1 . 2 1 −2
Et ainsi : Et on lit dans le bloc de droite l’inverse de P.
 
−1 −1 1 • Demander à son CAS favori2 :
P−1 =  0 0 1 .
2 1 −2 > P := Matrix([[1,1,1], [-2,0,-1], [0,1,0]]):
> P**(-1);
−1
• Pivoter pour exprimer les ei en fonction des vi (P
 
−1 −1 1
est la matrice de passage de V vers E, ou encore la ma- 0 0 1
trice de l’identité entre les bases E et V; bref, la matrice 2 1 −2
représentant les ei en fonction des vi ) :

v1 = e1 − 2e2

 e1 − 2e2 = v1
v2 = e1 + e3 ⇐⇒ 2e2 + e3 = v2 − v1
e2 = v3 − v1
 
v3 = e1 − e2


e2 = −v1 + v3

⇐⇒ e3 = v1 + v2 − 3v3

e1 = −v1 + 2v3


Et finalement :
 
−1 −1 1
P−1 = Pass (V, E) = mat(E) =  0 0 1 .
V
2 1 −2

1. Vous voyez pourquoi ?

2. Ici, Maple
, mais si vous devez apprendre àutiliser un logiciel de
calcul formel, allez plutôt voir du côté de Sage, ou des bibliothèques
Python .

Fiche 14 Cours de Mathématiques, Math Spé MP**