Calcul Matriciel: Table Des Matières
Calcul Matriciel: Table Des Matières
Calcul Matriciel: Table Des Matières
Calcul matriciel
Bernard Ycart
2 Entraînement 16
2.1 Vrai ou faux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Corrigé du devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3 Compléments 30
3.1 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Décomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
26 janvier 2011
Maths en Ligne Calcul matriciel UJF Grenoble
1 Cours
1.1 Opérations sur les matrices
Etant donnés deux entiers m et n strictement positifs, une matrice à m lignes et n
colonnes est un tableau rectangulaire de réels A = (ai,j ). L’indice de ligne i va de 1 à
m, l’indice de colonne j va de 1 à n.
Les entiers m et n sont les dimensions de la matrice, ai,j est son coefficient d’ordre
(i, j). L’ensemble des matrices à m lignes et n colonnes et à coefficients réels est noté
Mm,n (R). Ce qui suit s’applique aussi, si on remplace R par C, à l’ensemble des matrices
à coefficients complexes.
L’ensemble Mm,n (R) est naturellement muni d’une addition interne (on peut ajou-
ter deux matrices de mêmes dimensions terme à terme) et d’une multiplication externe
(on peut multiplier une matrice par un réel terme à 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 opérations auraient le même effet si les matrices étaient disposées
comme des mn-uplets de réels (toutes les lignes étant concaténées par exemple). Donc
Mm,n (R), muni de son addition et de sa multiplication externe, est un espace vectoriel,
isomorphe à Rmn . La base canonique de Mm,n (R) est formée des matrices dont tous
les coefficients sont nuls, sauf un qui vaut 1.
L’opération la plus importante est le produit matriciel.
1
Maths en Ligne Calcul matriciel UJF Grenoble
Nous insistons sur le fait que le produit AB de deux matrices n’est défini que si
le nombre de colonnes de A et le nombre de lignes de B sont les mêmes. Observons
d’abord que la définition 1 est cohérente avec la définition du produit d’une matrice
par un vecteur, donnée au chapitre précédent : si p = 1, la matrice B a n lignes et 1
colonne, et le produit AB a m lignes et 1 colonne. D’autre part, appliquer la définition
1 revient à effectuer successivement le produit de A par chacune des colonnes de B.
Pour effectuer ce produit, nous conseillons d’adopter la même disposition que pour le
produit par un vecteur, en plaçant B au-dessus et à 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 : c’est une matrice à 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 propriétés que l’on attend d’un produit, sauf qu’il
n’est pas commutatif.
2
Maths en Ligne Calcul matriciel UJF Grenoble
A(BC) = (AB)C .
Définition 2. Étant donnée une matrice A = (ai,j ) de Mm,n (R), sa transposée est la
matrice de Mn,m (R) dont le coefficient d’ordre (j, i) est ai,j .
Pour écrire la transposée d’une 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 transposée d’un produit est le produit des transposées, mais il faut inverser l’ordre
des facteurs.
3
Maths en Ligne Calcul matriciel UJF Grenoble
0 ··· ··· 0 1
4
Maths en Ligne Calcul matriciel UJF Grenoble
En effet, elle est l’élément neutre du produit matriciel : pour toute matrice A ∈
Mn,m (R),
A In = Im A = A .
On le vérifie facilement à partir de la définition 1.
Définition 4. Soit A une matrice de Mn . On dit que A est inversible s’il existe une
matrice de Mn , notée A−1 , telle que
A A−1 = A−1 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 méthode qui permet de savoir si une matrice est inversible,
et de calculer son inverse quand elle l’est. Observons que l’inverse, s’il existe, est néces-
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 l’associativité, 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 être sûr que A est
inversible et que son inverse est B.
Théorème 1. Soit A une matrice de Mn . Supposons qu’il existe une matrice B telle
que A B = In ou bien B A = In . Alors A est inversible et B = A−1 .
5
Maths en Ligne Calcul matriciel UJF Grenoble
Les coordonnées ai,j de ces vecteurs dans la base (c1 , . . . , cm ), rangés en n colonnes,
forment la matrice de l’application f , relative aux bases considérées.
départ
6
Maths en Ligne 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
7
Maths en Ligne Calcul matriciel UJF Grenoble
v = y1 c1 + · · · + yn cn
= y1 φ(b1 ) + · · · + yn φ(bn ) .
Par définition, les coordonnées de φ(bj ) dans la base bi forment la j-ième 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 coordonnées dans la base (b1 , . . . , bn ) sont uniques, on en déduit, 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 coordonnées x, y, z dans la base canonique (b1 , b2 , b3 ), alors ses
coordonnées dans la base (c1 , c2 , c3 ) s’obtiennent en effectuant le produit :
1 −1 0 x x−y
0 1 −1
y
= y−z
0 0 1 z z
Constatez que :
On peut appliquer ce qui précède pour trouver la matrice d’un endomorphisme quel-
conque dans la nouvelle base : c’est la formule de changement de base.
8
Maths en Ligne 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)) .
L’image par f du vecteur c2 = (1, 1, 0) est le vecteur (1, −1, 1) = 2c1 − 2c2 + c3 . Les
coordonnées 2, −2, 1 figurent dans la seconde colonne de P −1 AP .
B = P −1 AP .
9
Maths en Ligne Calcul matriciel UJF Grenoble
Théorème 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 linéaire de E dans F , et A ∈ Mm,n sa matrice relative aux
bases (b1 , . . . , bn ) et (c1 , . . . , cm ). Soit P ∈ Mn la matrice de l’application linéaire qui
à bi associe b0i , pour tout i = 1, . . . , n. Soit Q ∈ Mm la matrice de l’application linéaire
qui à ci associe c0i , pour tout i = 1, . . . , n.
La matrice de f relative aux bases (b01 , . . . , b0n ) et (c01 , . . . , c0n ) est Q−1 A P .
B = Q−1 AP .
Proposition 7. Une matrice de Mn (R) est inversible si et seulement si son rang est
n.
10
Maths en Ligne Calcul matriciel UJF Grenoble
Démonstration : Nous devons démontrer que deux matrices ayant le même rang sont
équivalentes. Soit A une matrice à 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 l’espace engendré par (a1 , . . . , an ), qui est inférieure ou égale à n et à m. Nous allons
montrer que la matrice A est équivalente à la matrice Jr obtenue en complétant la
matrice identité Ir par des zéros, à 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 , . . . , bn−r )
est une base de E : ceci a été établi dans la démonstration du théorème du rang.
11
Maths en Ligne Calcul matriciel UJF Grenoble
Dans l’espace d’arrivée F , la famille (c1 , . . . , cr ) est une famille libre car c’est une
base de Im(f ). On peut la compléter par m − 1 vecteurs cr+1 , . . . , cm de sorte que
(c1 , . . . , cr , cr+1 , . . . , cm )
soit une base de F .
Pour i = 1, . . . , r, l’image de vi est ci . Les images de b1 , . . . , bn−r sont nulles : la
matrice de f relative aux bases (v1 , . . . , vr , b1 , . . . , bn−r ) (au départ) et (c1 , . . . , cm ) (à
l’arrivée) est la matrice Jr .
Puisque A et Jr sont équivalentes, il existe deux matrices inversibles P et Q telles
que Jr = Q−1 AP , et donc A = QJr P −1 . Soit B une autre matrice de Mm,n (R),
également de rang r. Il existe deux autres matrices inversibles R et S telles que Jr =
S −1 BR. En multipliant à gauche par Q et à droite par P −1 , on obtient :
A = (QS −1 )B(RP −1 ) .
Donc deux matrices de même taille et de même rang sont équivalentes.
On déduit de la démonstration qui précède que A et tA ont le même rang.
Proposition 8. Une matrice et sa transposée ont même rang.
12
Maths en Ligne Calcul matriciel UJF Grenoble
ai,1 x1 + · · · + ai,n xn .
Le coefficient d’ordre (1, 1) est non nul, il n’y a donc pas de permutations à effectuer.
Le premier pivot est p1 = 1. Voici les transformations qui annulent la première 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
13
Maths en Ligne 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 troisième pivot non nul, il faut échanger les deux dernières colonnes.
1 1 1 0
0 −1 −2 1
0 0 −2 0
0 0 −4 0
Le troisième pivot est −2. Il ne reste qu’une ligne à 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 n’oubliant pas que les colonnes 3 et 4 ont été
échangées, on obtient aussi que les vecteurs colonnes numéros 1, 2 et 4 de la matrice
A forment une famille libre, donc une base de l’espace engendré.
Bien que l’écriture du système soit mathématiquement superflue, elle est techniquement
plus sûre, et nous vous conseillons de la conserver.
14
Maths en Ligne Calcul matriciel UJF Grenoble
Ecrivons le système
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 = c−b z = c−b
x = a−b+c x a
−1
⇐⇒ y = a − 2b + c ⇐⇒ y =A b ,
−b + c
z = z c
avec
1 −1 1
A−1 = 1 −2 1
.
0 −1 1
15
Maths en Ligne Calcul matriciel UJF Grenoble
2 Entraînement
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 défini, alors le produit BA est défini.
2. Si la somme A + B est définie, alors le produit AB est défini.
3. Si le produit AB est défini, alors le produit tB tA est défini.
4. Si la somme A + B est définie, alors le produit A tB est défini.
5. Si les produits AB et BA sont définis, alors la somme A + B est définie.
6. Si les produits AB et BA sont définis, alors la somme A + tB est définie.
7. Si les produits AB et tBA sont définis, alors la somme A + tA est définie.
8. Si les produits AB et tBA sont définis, alors la somme A + tB est définie.
9. Si le produit AB est défini, alors la somme A tA + B tB est définie.
10. Si le produit AB est défini, alors la somme tA A + B tB est définie.
Vrai-Faux 2. Soit A une matrice carrée. 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 équivalente à la matrice identité.
5. Si A est inversible, alors A est semblable à la matrice identité.
Vrai-Faux 3. Soit A une matrice carrée. On dit que A est diagonale si tous ses coef-
ficients d’ordre (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 symétrique.
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 à la matrice identité.
5. Si A est diagonale, alors A est équivalente à la matrice identité.
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 équivalente à la matrice Ir
16
Maths en Ligne Calcul matriciel UJF Grenoble
2.2 Exercices
Exercice 1. On considère 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 transposée de chacune de ces matrices.
17
Maths en Ligne Calcul matriciel UJF Grenoble
0 0 1
0 0 0
18
Maths en Ligne Calcul matriciel UJF Grenoble
Exercice 6. On rappelle qu’une matrice carrée est symétrique si elle est égale à sa
transposée. On note Sn l’ensemble des matrices carrées symétriques. On dit qu’une
matrice carrée est antisymétrique si elle est l’opposée de sa transposée : tA = −A. On
note An l’ensemble des matrices carrées antisymétriques.
1. Montrer que les éléments diagonaux d’une matrice antisymétrique sont nuls.
2. Montrer que Sn et An sont des sous-espaces vectoriels de Mn .
3. Soit A une matrice carrée quelconque. Montrer que A+ tA est symétrique et A− tA
est antisymétrique.
4. Montrer que le produit de deux matrices symétriques A et B est symétrique si
et seulement si AB = BA (on dit que A et B « commutent »).
5. Montrer que le produit de deux matrices antisymétriques A et B est antisymé-
trique si et seulement si AB = −BA.
6. Soit A une matrice inversible. Montrer que tA est inversible et que son inverse est
t
(A−1 ).
7. Soit A une matrice symétrique et inversible. Montrer que son inverse est symé-
trique.
8. Soit A une matrice antisymétrique et inversible. Montrer que son inverse est
antisymétrique.
9. Montrer qu’aucune matrice de A3 n’est inversible.
Exercice 7. On appelle trace d’une matrice carrée la somme de ses éléments 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 déduire que deux matrices carrées semblables ont la même trace.
19
Maths en Ligne Calcul matriciel UJF Grenoble
3. Soit A une matrice carrée 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. Vérifier 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
20
Maths en Ligne Calcul matriciel UJF Grenoble
z 0
0 0 λ3
0 0 1/λ3
2.3 QCM
Donnez-vous une heure pour répondre à ce questionnaire. Les 10 questions sont
indépendantes. Pour chaque question 5 affirmations sont proposées, 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 cochées
rapporte 2 points.
Question 1. Soient A et B deux matrices.
A Si la somme A + B est définie, alors le produit AB est défini.
B Si la somme A + B est définie, alors le produit tAB est défini.
21
Maths en Ligne Calcul matriciel UJF Grenoble
1 0 1
0 0 2
2 0 2
C L’application 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 équivalente à la matrice 0 1 0 .
0 0 0
1 0 0
E La matrice A est semblable à la matrice 0 1 0 .
0 0 0
Question 5. On considère la matrice A suivante.
!
1 1 1
A= .
1 1 1
22
Maths en Ligne Calcul matriciel UJF Grenoble
Soit f l’application linéaire de R3 dans R2 dont la matrice relative aux bases canoniques
de R3 et R2 est A.
A L’application f est surjective.
B Le noyau de f est un plan vectoriel. !
1 0 0
C La matrice A est équivalente à la matrice .
0 1 0
!
1 0 0
D La matrice A est équivalente à 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 supérieur ou égal au rang de A
B Le rang de tA est toujours égal au rang de A.
C Le rang de tAA est toujours inférieur ou égal au rang de A.
D Si A a plus de lignes que de colonnes, alors le rang de A est égal à son nombre
de colonnes.
E Si le rang de A est égal à son nombre de colonnes, alors A est inversible.
Question 7. Soit A une matrice à 4 lignes, 3 colonnes, de rang 2.
A A est la matrice d’une application linéaire de R4 dans R2 .
B A est la matrice d’une application linéaire dont le noyau est un plan vectoriel.
C A est la matrice d’une application linéaire dont l’image est un plan vectoriel.
1 0 0
0 1 0
D A est équivalente à la matrice .
0 0 0
0 0 0
1 0 0
0 1 0
E A est équivalente à la matrice .
0 0 1
0 0 0
Question 8. Soit A ∈ Mn une matrice carrée inversible. Soit f l’application de Rn
dans Rn qui a pour matrice A dans la base canonique.
A A est semblable à la matrice identité de même taille que A.
B Le noyau de f est une droite vectorielle.
C A est équivalente à la matrice identité de même taille que A.
D L’image de f est Rn .
E Le système linéaire Ax = 0 admet une solution non nulle.
Question 9. On considère la matrice A suivante.
!
1 1
A= .
0 1
23
Maths en Ligne Calcul matriciel UJF Grenoble
0 1 0
Réponses : 1–DE 2–BC 3–AD 4–BD 5–BD 6–BC 7–CD 8–CD 9–DE 10–CE
2.4 Devoir
Essayez de bien rédiger vos réponses, sans vous reporter ni au cours, ni au corrigé. Si
vous souhaitez vous évaluer, donnez-vous deux heures ; puis comparez vos réponses avec
le corrigé et comptez un point pour chaque question à laquelle vous aurez correctement
répondu.
Questions de cours : Soit A ∈ Mn une matrice carrée. On note I la matrice identité
de dimension n. On suppose qu’il existe une matrice B telle que A B = I.
1. Soit f l’application de Mn dans Mn qui à une matrice X associe le produit XA.
Montrer que f est une application linéaire.
2. Montrer que f est injective. En déduire que f est bijective.
3. Montrer qu’il existe une matrice B∗ ∈ Mn telle que B∗ A = I. Montrer que
B∗ = B. En déduire 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 A−1 .
24
Maths en Ligne Calcul matriciel UJF Grenoble
25
Maths en Ligne Calcul matriciel UJF Grenoble
(λX + µY ) A = λXA + µY A ,
car le produit matriciel est distributif par rapport à l’addition. Donc l’application
f est linéaire.
2. Pour montrer qu’une application linéaire est injective, il suffit de montrer que
son noyau est réduit à {0}. Soit X un élément du noyau de f , c’est-à-dire une
matrice telle que XA = 0 (matrice nulle). En multipliant à droite par B, et en
utilisant l’associativité 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 ∗ .
Il existe donc une matrice qui, multipliée à droite par A C donne l’identité. Par
application de ce qui précède, la matrice A C est donc inversible et son inverse
est la matrice C −1 A−1 .
26
Maths en Ligne Calcul matriciel UJF Grenoble
Exercice 1 :
1. La matrice A est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve A−1 = A.
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
1 1 −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 .
L’application f ◦ f coïncide avec l’application identique sur une base de R3 , donc
sur R3 tout entier. Donc f est sa propre réciproque, donc A−1 = A.
5. La matrice de l’application g −1 dans la base (b1 , b2 , b3 ) est B −1 . On en déduit :
1 1 −2
7. Soit (x, y, z) les coordonnées dans la base (b1 , b2 , b3 ) d’un vecteur de Ker(h),
z = 0
z = 0
x +y −2z = 0 .
Tout vecteur de Ker(h) s’écrit xb1 −xb2 , où x est un réel quelconque. Donc Ker(h)
est une droite vectorielle, dont une base est le vecteur b1 − b2 . L’image de f est
un plan vectoriel, dont une base est donnée par le premier et le troisième vecteur
colonne de la matrice : (b3 , b1 + b2 − 2b3 ).
27
Maths en Ligne Calcul matriciel UJF Grenoble
8. Puisque A est inversible, l’image par f d’une base est une base. Donc (c1 , c2 , c3 )
est une base de R3 . D’après la question 4,
2 2 −1
La matrice de g −1 dans la base (c1 , c2 , c3 ) est l’inverse de la précédente :
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 résolvant le système P y = b , on trouve que ce système 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 linéairement indépendants, donc les trois
premiers vecteurs colonnes de A le sont aussi : la matrice A est de rang 3.
3. Les deux premières lignes de B sont linéairement indépendantes. La troisième est
la somme des deux autres. Donc la matrice B est de rang 2.
La matrice AB est celle de l’application composée f ◦ g. Puisque B est de rang
2, l’image de g est un plan vectoriel de R3 . Puisque l’application f est de rang 3,
28
Maths en Ligne Calcul matriciel UJF Grenoble
son noyau est réduit à {0} et sa restriction à Im(g) est de rang 2. Donc l’image
de f ◦ g est un plan vectoriel : AB est de rang 2.
Le raisonnement est analogue pour BA : c’est la matrice de l’application 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.
4. Soit Q la matrice formée en juxtaposant la matrice A et le vecteur colonne e4 .
Voici Q et sa transposée.
1 −2 1 0 1 −1 0 1
−1 0 −1 0
t
−2 0 1 2
Q=
et Q=
.
0 1 2 0 1 −1 2 0
1 2 0 1 0 0 0 1
1 0 0
0 1 0
.
0 0 1
0 0 0
3 2 6 1
−2 −3 1 −1
Q−1 ABQ = .
1 −1 7 0
0 0 0 0
29
Maths en Ligne Calcul matriciel UJF Grenoble
3 Compléments
3.1 Diagonalisation
Voici deux systèmes linéaires d’équations.
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
Les trois problèmes, de natures très différentes, ont en commun leur écriture 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 problèmes linéaires sont plus faciles à résoudre quand la matrice est diagonale !
Il se trouve que les deux matrices A et D sont semblables, c’est-à-dire qu’elles
représentent le même endomorphisme dans deux bases différentes, 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
30
Maths en Ligne Calcul matriciel UJF Grenoble
31
Maths en Ligne Calcul matriciel UJF Grenoble
Donc X(t) = P −1 Y (t) est solution du système X 0 (t) = DX(t). En posant X(t) =
(x1 (t), . . . , xn (t)), ce système s’écrit
∀i = 1, . . . , n , x0i (t) = λi xi (t) .
Sa solution est facile à calculer :
∀i = 1, . . . , n , xi (t) = eλi t xi (0) .
Le vecteur des conditions initiales pour le système diagonalisé est X(0) = P −1 Y (0).
Connaissant X(t), on en déduit Y (t) = P X(t).
Soit par exemple à résoudre
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 système s’écrit 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 Décomposition LU
La méthode du pivot de Gauss n’est pas exactement programmée comme elle a
été présentée. Il y a plusieurs raisons à cela, dont la principale est le problème de la
précision numérique.
32
Maths en Ligne Calcul matriciel UJF Grenoble
x = 2 − (1 − 2ε)/(1 − ε)
x+y = 2 x+y = 2
⇐⇒ ⇐⇒
εx + y = 1 (1 − ε)y = 1 − 2ε y = (1 − 2ε)/(1 − ε)
Les deux solutions sont évidemment les mêmes. Pourtant, si ε est très petit en valeur
absolue, les deux calculs ne sont pas du tout équivalents numériquement : diviser par
un petit nombre, ou multiplier par un grand nombre, augmente les erreurs d’approxi-
mation.
Telles que nous les avons présentées, les permutations de lignes et de colonnes
servent à assurer que les pivots restent non nuls. La plupart des systèmes que l’on
rencontre en pratique ont une solution unique : ce sont des systèmes de n équations
à n inconnues, de rang n. En général, on peut leur appliquer la méthode du pivot de
Gauss sans rencontrer de pivot nul. Mais on utilise quand même les permutations de
lignes et de colonnes, pour faire en sorte qu’à chaque étape, le pivot soit le plus grand
possible en valeur absolue.
Permuter les lignes d’une matrice, revient à la multiplier à gauche par une matrice
de permutation. Une matrice de permutation est la matrice de passage de la base
(b1 , . . . , bn ) à la base (bσ(1) , . . . , bσ(n) ), où σ est une bijection de {1, . . . , n} dans lui-
même. Ses coefficients d’ordre (σ(i), i) valent 1, les autres 0. Permuter les colonnes
d’une matrice, revient à la multiplier à droite par une autre matrice de permutation.
En permutant les lignes et les colonnes, on remplace la matrice A par la matrice P1 AP2
où P1 et P2 sont deux matrices de permutation.
Dans sa version la plus courante, l’algorithme ne considère que des permutations de
lignes : il remplace donc la matrice A par P A, où P est une matrice de permutation.
Une fois choisi l’ordre dans lequel on traite les lignes, la i-ième étape de la méthode
consiste à ajouter aux lignes d’indice i + 1, i + 2, . . . , n la i-ième ligne multipliée par un
certain coefficient. Cela revient à multiplier à gauche par une matrice du type suivant.
1 0 ··· ··· ··· 0
.. .. ..
0
. . .
.. .. ..
. 1 . .
. . . . . . . ..
.. λi+1,i .
. .. ...
..
. 0
0 · · · λm,i 0 ··· 1
33
Maths en Ligne Calcul matriciel UJF Grenoble
Son inverse est encore une matrice du même type : trianglaire inférieure avec des 1
sur la diagonale. On la note L (pour « lower triangular »). Le produit L−1 P A est une
matrice triangulaire supérieure, que l’on note U pour « upper triangular » : U est la
forme échelonnée de A.
L−1 P A = U ⇐⇒ P A = LU .
La décomposition LU de la matrice A est la donnée des trois matrices P, L, U telles
que P A = LU .
Si on doit résoudre le système Ax = b, on le transformera en deux systèmes trian-
gulaires, un de matrice L, l’autre de matrice U .
Ly = P b
Ax = b ⇐⇒ P Ax = P b ⇐⇒ LU x = P b ⇐⇒
Ux = y
34