Calcul Matriciel

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 20

Chapitre 12

Calcul matriciel

1 Ensemble des matrices 2


1.1 Définitions . . . . . . . . . . . . . . . . . . . . 2
1.2 Opérations sur les matrices . . . . . . . . . . 3
1.3 Matrices carrées . . . . . . . . . . . . . . . . 7

2 Opérations élémentaires de pivot et calcul ma-


triciel 11
2.1 Matrices d’opérations élémentaires . . . . . . 11
2.2 Traduction matricielle de l’algorithme de
Gauss-Jordan . . . . . . . . . . . . . . . . . . 12
2.3 Opérations sur les colonnes . . . . . . . . . . 13

3 Matrices carrées inversibles 14


3.1 Définitions et exemples . . . . . . . . . . . . . 14
3.2 Produit de matrices inversibles . . . . . . . . 16
3.3 Caractérisation des matrices inversibles . . . 16
3.4 Méthodes pratiques de calcul de l’inverse . . . 18

Mathieu Mansuy - Professeur de Mathématiques en supérieures PCSI au Lycée Saint Louis (Paris)
mansuy.mathieu@hotmail.fr
PCSI5 Lycée Saint Louis

1 Ensemble des matrices


Dans tout le chapitre K désigne l’ensemble des nombres réels R ou des nombres complexes C.

1.1 Définitions
Définition.
Soient n et p deux entiers ≥ 1.

ˆ On appelle matrice à n lignes et p colonnes ou matrice n × p tout tableau de np éléments


de K rangés sur n lignes et p colonnes. Les éléments constituant une matrice n × p sont
appelées coefficients de la matrice et les entiers n et p sont les dimensions de la matrice.

ˆ Si A est une matrice n × p, on notera ai,j ou [A]i,j le coefficient de la i-ième ligne et de la


j-ième colonne et on écrira :
 
a1,1 a1,2 · · · a1,p
 a2,1 a2,2 · · · a2,p 
A = (ai,j )1≤i≤n =  .
 
.. .. 
1≤j≤p  .. . . 
an,1 an,2 · · · an,p

S’il n’y a pas d’ambiguı̈té sur le nombre de lignes et le nombre de colonnes, on pourra noter
plus simplement A = (ai,j ).

ˆ L’ensemble des matrices à n lignes et p colonnes est noté Mn,p (K).

 
1 0 −2
Exemple. A = ∈ M2,3 (K). La matrice A est de dimension 2×3 et on a par exemple
3 −1 5
:a1,2 = 0, a2,3 = 5.

Exemple. Matrices élémentaires.


Dans Mn,p (K), on définit pour tout 1 ≤ i ≤ n, 1 ≤ j ≤ p la matrice notée Ei,j suivante :
 
0 ... 0 ... 0
 .. .. .. 
. . .
 
0
Ei,j =  . . . 1 . . . 0 ,
 .. .. .. 
. . .
0 ... 0 ... 0

où l’unique coefficient non nul égal à 1 est en position (i, j). Les n × p matrices Ei,j sont appelées
matrices élémentaires.
Définition.

ˆ Toute matrice n×1 est appelée matrice colonne et toute matrice 1×p est appelée matrice
ligne. On identifie les matrices 1 × 1 avec K.

ˆ La matrice nulle de Mn,p (K) est la matrice dont tous les coefficients sont nuls. On la note
0n,p , ou 0n si n = p.

ˆ La matrice identité d’ordre n est la matrice de Mn,n (K) dont tous les coefficients diago-
naux sont égaux à 1, les autres étant égaux à 0. Cette matrice est notée In .

2
PCSI5 Lycée Saint Louis

1.2 Opérations sur les matrices


Addition et produit par un scalaire
Définition.

ˆ Si A, B ∈ Mn,p (K), on définit la matrice A + B de Mn,p (K) par :

∀ (i, j) ∈ [[1, n]] × [[1, p]], [A + B]i,j = [A]i,j + [B]i,j .

ˆ Si A ∈ Mn,p (K) et si λ ∈ K est un scalaire, on définit la matrice λA de Mn,p (K) par :

∀ (i, j) ∈ [[1, n]] × [[1, p]], [λA]i,j = λ[A]i,j .

Remarque. L’addition de deux matrices de dimensions différentes n’est pas définie.

Exemple.   
1 0 3 1

 −2 3 
2  +  2 −5  =
1
− 5 −1 0
2

Propriété 1 (de l’addition)

L’addition dans Mn,p (K)

(1) est associative : ∀ (A, B, C) ∈ (Mn,p (K))2 , (A + B) + C = A + (B + C).


La somme de trois matrices A, B, C pourra ainsi être notée A + B + C sans parenthèses.

(2) est commutative : ∀ (A, B) ∈ (Mn,p (K))2 , A + B = B + A.

(3) admet pour élément neutre la matrice nulle 0n,p : ∀ A ∈ Mn,p (K), 0n,p + A =
A + 0n,p = A.

(4) est telle que tout élément admet un inverse : ∀ A ∈ Mn,p (K), ∃ B ∈ Mn,p (K),
B + A = A + B = 0. Cet inverse est unique, c’est B = −A.

Preuve. Soient A = (ai,j )1≤i≤n , B = (bi,j )1≤i≤n et C = (ci,j )1≤i≤n des matrices de Mn,p (K).
1≤j≤p 1≤j≤p 1≤j≤p

(1) Pour tout (i, j) ∈ [|1, n|] × [|1, p|], on a :

[A + (B + C)]i,j = ai,j + (bi,j + ci,j ) = (ai,j + bi,j ) + ci,j = [(A + B) + C]i,j .

Donc A + (B + C) = (A + B) + C.

(2) Pour tout (i, j) ∈ [|1, n|]×[|1, p|], [A+B]i,j = ai,j +bi,j = bi,j +ai,j = [B+A]i,j . Donc A+B = B+A.

(3) Pour tout (i, j) ∈ [|1, n|] × [|1, p|], [A + 0n,p ]i,j = ai,j + 0 = ai,j . Donc A + 0n,p = A. Par
commutativité de +, 0n,p + A = A.

(4) Posons B = −A. Alors pour tout (i, j) ∈ [|1, n|] × [|1, p|], [A + B]i,j = ai,j − ai,j = 0. Donc
A + B = 0n,p . Par commutativité de +, B + A = 0n,p . Enfin, si B 0 est un autre inverse de A, on
a par associativité de + :

B = (B 0 + A) + B = B 0 + (A + B) = B 0 .

3
PCSI5 Lycée Saint Louis

Propriété 2 (du produit par un scalaire)

(1) ∀ λ ∈ K, ∀ (A, B) ∈ (Mn,p (k))2 , λ(A + B) = λA + λB.

(2) ∀ (λ, µ) ∈ K2 , ∀ A ∈ Mn,p (K), (λ + µ)A = λA + µA.

(3) ∀ (λ, µ) ∈ K2 , ∀ A ∈ Mn,p (K), λ(µA) = (λµ)A.

Preuve. La preuve est analogue à la proposition précédente et laissée en exercice. 

Produit de deux matrices


Définition.
Soit A ∈ Mn,p (K) et B ∈ Mp,q (K), on définit la matrice C = A × B de Mn,q (K) par :
p
X
∀ (i, j) ∈ [[1, n]] × [[1, q]], [C]i,j = [A]i,k [B]k,j
k=1

Remarque.

ˆ Pour calculer le coefficient [C]i,j , on procèdera selon le schéma ci-dessous (où l’on a représenté
en gras les coefficients de A et B utiles au calcul de ci,j ) :
 
b1,1 · · · b1,j · · · b1,q

 .. .. .. 


 . . . 

 bk,1 · · · bk,j · · · bk,q

    
a1,1 · · · a1,k · · · a1,p   c1,1 · · · c1,j · · · c1,q
 ..

.. .. .. 
.. ..  . . .

  .. .. .. 
 . . .     . . . 

 ai,1 · · · ai,k · · · ai,p
 bp,1 · · · bp,j · · · bp,q  


 = c
 i,1 · · · c i,j · · · ci,q 

 .. .. ..   .. .. .. 
 . . .   . . . 
an,1 · · · an,k · · · an,p cn,1 · · · cn,j · · · cn,q

ˆ Pour pouvoir effectuer le produit de A par B, il faut impérativement que le nombre de colonnes
de A soit égale au nombre de lignes de B.

Exemple. On considère les matrices A, B, C suivantes :


 
3 5    
2 1 −3 1 0
A=  1 −4  B= C=
4 0 0 0 1
0 2

Calculer, s’ils sont définis, les produits deux à deux de ces matrices.

Remarque. Considérons le système linéaire à n équations et p inconnues suivant :




 a1,1 x1 + · · · + a1,p xp = b1
 a2,1 x1 + · · · + a2,p xp = b2

(S) ..


 .
an,1 x1 + · · · + an,p xp = bn

4
PCSI5 Lycée Saint Louis

On avait introduit alors la matrice des coefficients associée au système A = (ai,j )1≤i≤n , la matrice
    1≤j≤p
b1 x1
colonne B =  ...  des seconds membres, et la matrice colonne X =  ...  des inconnues. Avec le
   

bp xp
produit matriciel introduit ici, le système (S) précédent se réécrit ici sous la forme AX = B. Ainsi, le
p-uplet (x1 ; . . . ; xp ) ∈ Kp est solution du système (S) si et seulement si X est solution de l’équation
matricielle AX = B.

Remarques.
 
x1
ˆ Si X =  ...  ∈ Mp,1 (K) est une matrice colonne, et si A ∈ Mn,p (K), alors AX est la matrice
 

xp
colonne :
AX = x1 C1 + · · · + xp Cp ,
où Ci sont les colonnes de la matrice A. AX est donc une combinaison linéaire des colonnes de
A.

ˆ De même, si X = x1 . . . xn ∈ M1,n (K), alors XA est la matrice ligne :




XA = x1 L1 + · · · + xn Ln ,

où Lj sont les lignes de la matrice A.

ˆ Soient A ∈ Mn,p (K) et B ∈ Mp,q (K). La j-ième colonne de AB est le produit de A par la j-ème
colonne de B (1 ≤ j ≤ q). La i-ème ligne de AB est le produit de la i-ième ligne de A par B
(1 ≤ i ≤ n).

Propriété 3 (du produit matriciel)

(1) Le produit matriciel est associatif :

∀ (A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mq,r (K), (AB)C = A(BC).

Ainsi, le produit de trois matrices A, B et C pourra être noté ABC sans parenthèses.

(2) Le produit matriciel est distributif par rapport à l’addition :

∀ (A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mp,q (K), A(B + C) = AB + AC,

et
∀ (A, B, C) ∈ Mn,p (K) × Mn,p (K) × Mp,q (K), (A + B)C = AC + BC.

(3) ∀ (A, B, C) ∈ Mn,p (K)×Mp,q (K)×Mp,q (K), ∀λ ∈ K, λ(A×B) = (λA)×B) = A×(λB).

(4) Pour toute matrice A = (ai,j ) de Mn,p , on a:

In × A = A et A × Ip = A,
0n × A = 0n,p et A × 0p = 0n,p

Preuve. Montrons l’associativité du produit matriciel (les autres points se démontrent de la même
façon). Soient A = (ai,j )1≤i≤n , B = (bi,j ) 1≤i≤p et C = (ci,j ) 1≤i≤q des matrices. Alors A × (B ×
1≤j≤p 1≤j≤q 1≤j≤r

5
PCSI5 Lycée Saint Louis

C), (A × B) × C ∈ Mn,r (K), et pour tout (i, l) ∈ [|1, n|] × [|1, r|], on a :
p
X p
X q
X p X
X q
[A × (B × C)]i,l = ai,j [B × C]j,l = ai,j bj,k ck,l = ai,j bj,k ck,l
j=1 j=1 k=1 j=1 k=1

et
q
X q X
X p p X
X q
[(A × B) × C]i,l = [A × B]i,k ck,l = ai,j bj,k ck,l = ai,j bj,k ck,l
k=1 k=1 j=1 j=1 k=1

Donc (AB)C = A(BC). 

Remarques.

1. Le produit matriciel n’est pas commutatif, comme le montre l’exemple suivant :


           
0 1 0 0 1 0 0 0 0 0 0 1
× = 6= = ×
0 0 1 0 0 0 0 1 1 0 0 0

2. Contrairement à ce qui se passe pour la multiplication dans K, on peut avoir AB = 0n,q avec
A 6= 0n,p et B 6= 0p,q . Par exemple,
     
0 1 0 1 0 0
× =
0 0 0 0 0 0

Exercice. Produit de matrices élémentaires dans Mn,n (K).


Montrer les formules suivantes :
Ei,k × El,j = δk,l Ei,j
où δk,l est le symbole de Kronecker : δk,l = 1 si k = l, 0 si k 6= l.

ˆ Les lignes de Ei,k sont nulles, sauf la ieme . Donc les lignes de Ei,k ×El,j sont nulles, sauf peut-être
la ieme .

ˆ Les colonnes de El,j sont nulles, sauf la j eme . Donc les colonnes de Ei,k × El,j sont nulles, sauf
peut-être la j eme .

ˆ Le seul coefficient de Ei,k × El,j qui peut être non nul est donc en position (i, j), et c’est le
produit de la ieme ligne de Ei,k et de la j eme colonne de El,j . Il vaut donc 1 si k = l, et 0 sinon.

Transposée d’une matrice


Définition.
Soit A = (ai,j )1≤i≤n une matrice de Mn,p (K). On appelle transposée de A la matrice notée t A
1≤j≤p
de Mp,n (K) et définie par :

∀ (i, j) ∈ [[1, p]] × [[1, n]], [t A]i,j = aj,i .

Autrement dit, t A est obtenue à partir de A par échange des lignes et des colonnes :
   
a1,1 a1,2 · · · a1,p a1,1 a2,1 · · · an,1
 a2,1 a2,p   a1,p an,2 
t
A= . ; A =
   
..   .. .. 
 .. .   . . 
an,1 an,2 · · · an,p a1,p a2,p · · · an,p

6
PCSI5 Lycée Saint Louis

 
3 5
Exemple. Calculer la transposée de A = 1 −4.
0 2

Propriété 4 (de la transposition)

t tA

(1) ∀ A ∈ Mn,p (K), = A.

(2) ∀λ, µ ∈ K ∀ (A, B) ∈ (Mn,p (K))2 , t (λA + µB) = λ t A + µ t B.

(3) ∀ A ∈ Mn,p (K), ∀ B ∈ Mp,q (K) t (AB) = t B t A.

Preuve. Les deux premières formules sont immédiates à établir. Montrons la troisième formule.
Soient A = (ai,j )1≤i≤n et B = (bi,j ) 1≤i≤p deux matrices. Alors A × B ∈ Mn,q (K) est donnée par :
1≤j≤p 1≤j≤q

p
X
∀ (i, j) ∈ [[1, n]] × [[1, q]], ci,j = ai,k bk,j
k=1

Ainsi t (A × B) est une matrice de type (q, n) telle que ∀ (j, i) ∈ [[1, q]] × [[1, n]], [t (A × B)]
Pp i,j =
a b
k=1 j,k k,i .
D’autre part, t B ∈ Mq,p (K), t A ∈ Mp,n (K), donc la matrice t B ×t A est bien définie et de type (q, n)
également. De plus on a pour tout (j, i) ∈ [[1, q]] × [[1, n]] :
p
X p
X
t t t t
[ B × A]j,i = [ B]j,k [ A]k,i = bk,j ai,k .
k=1 k=1

Ainsi on a bien t (AB) = t B t A. 

1.3 Matrices carrées


L’ensemble Mn (K)
Définition.
Lorsque n = p, l’ensemble Mn,n (K) des matrices de type (n × n) est noté plus simplement Mn (K)
et ses éléments sont alors appelés matrices carrées d’ordre n.

Propriété 5

L’addition matricielle et le produit matriciel sont des lois de compositions internes dans
Mn (K), c’est à dire pour tout A, B ∈ Mn (K), A + B ∈ Mn (K) et A × B ∈ Mn (K).

Remarque. Rappelons que :

ˆ l’addition est associative, commutative, et qu’elle admet un élément neutre qui est la matrice
nulle 0n ;

ˆ le produit est associatif, distributif par rapport à l’addition, et qu’il admet pour élément neutre
In

7
PCSI5 Lycée Saint Louis

On dit alors que l’ensemble Mn (K) munie de l’addition, du produit par un scalaire et du produit
matriciel est une algèbre. Cette algèbre est non commutative : en général,A × B 6= B × A pour
A, B ∈ Mn (K). De plus, il existe des diviseurs de zéros dans Mn (K) (on dit aussi que l’algèbre
Mn (K) n’est pas intègre) : A × B = 0n ; A = 0n ou B = 0n .

Matrices carrées particulières


Définition.
Soit A = (ai,j ) ∈ Mn (K) une matrice carrée.

ˆ A est dite diagonale si pour tous i 6= j, ai,j = 0.

ˆ A est dite triangulaire supérieure (resp. triangulaire supérieure stricte) si, pour tous
i et j tels que i > j (resp. i ≥ j), ai,j = 0, c’est-à-dire si tous les coefficients situés en dessous
de la diagonale sont nuls.

ˆ A est dite triangulaire inférieure si, pour tous i et j tels que i < j (resp. i ≤ j), ai,j = 0,
c’est-à-dire si tous les coefficients situés au dessus de la diagonale sont nuls.

Exemples. Les matrices A et B suivantes sont respectivement triangulaire supérieure et triangulaire


inférieure stricte :    
1 3 1 0 0 0
A =  0 −1 5  et B =  3 0 0 
0 0 2 1 5 0

Remarque. La transposée d’une matrice triangulaire supérieure (stricte) est une matrice triangulaire
inférieure (stricte). Une matrice diagonale est égale à sa transposée.

Propriété 6

Le produit de deux matrices diagonales (resp. triangulaires supérieures (strictes), resp.


triangulaires inférieures (strictes)) est diagonale (resp. triangulaire (stricte)). De plus, les
coefficients diagonaux de AB sont les produits des coefficients diagonaux de A et de B.
On a ainsi (cas des matrices triangulaires supérieures) :
     
a1,1 ··· b1,1 ··· a1,1 b1,1 ···
 ..   ..   .. 
 0 a2,2 (∗) . × 0 b2,2 (∗) .  0 a2,2 b2,2 (∗) .
  
 =
 .. . .

 . . .. . ..   ..
  . .. . .. 
 
 .. . .. . .. 

0 ··· 0 an,n 0 · · · 0 bn,n 0 ··· 0 an,n bn,n

Preuve. Montrons cette proposition lorsque A = (ai,j ) et B = (bi,j ) sont triangulaires supérieures,
i.e. telles que 1 ≤ j < i ≤ n, ai,j = bi,j = 0. Pour tout 1 ≤ j < i ≤ n, on a :
n
X i−1
X n
X
[A × B]i,j = ai,k bk,j = ai,k bk,j + ai,k bk,j
k=1 k=1 k=i
i−1
X Xn
= 0 × bk,j + ai,k × 0 = 0
k=1 k=i

8
PCSI5 Lycée Saint Louis

car pour la deuxième somme k ≤ i > j et donc bk,j = 0. Donc A × B est bien triangulaire supérieure.
De plus, pour tout 1 ≤ i ≤ n,
n
X i−1
X n
X
[A × B]i,i = ai,k bk,i = ai,k bk,i + ai,i bi,i + ai,k bk,i
k=1 k=1 k=i+1
i−1
X n
X
= 0 × bk,j + ai,i bi,i + ai,k × 0 = ai,i bi,i .
k=1 k=i+1

Si A et B sont triangulaires inférieures, alors t B et t A sont triangulaires supérieures. Donc t B ×t A est


triangulaire supérieure par ce qu’on a fait. On obtient finalement que AB =t (t B ×t A) est triangulaire
inférieure.
Enfin, puisqu’une matrice est diagonale si et seulement si elle est triangulaire supérieure et inférieure,
le résultat en découle directement pour les matrices diagonales. 
Définition.
Soit A ∈ Mn (K) une matrice carrée.

ˆ On dit que A est symétrique si elle est égale à sa transposée, c’est-à-dire t A = A.

ˆ On dit que A est antisymétrique si elle est égale à l’opposée de sa transposée, c’est-à-dire
t A = −A.

On notera Sn (K) (resp. AS n (K)) l’ensemble des matrices symétriques (resp. antisymétriques) de
Mn (K).

  
1 0 4 0 2 −1
Exemple. La matrice A =  0 2 −1  est symétrique, la matrice B =  −2 0 1  est
4 −1 5 1 −1 0
antisymétrique.

Remarque.

ˆ La diagonale d’une matrice antisymétrique est toujours nulle.

ˆ Les ensembles Sn (K) et AS n (K) sont stables par combinaison linéaire, mais ils ne sont pas
stables par produit : par exemple,
     
1 0 1 1 1 1
× = ∈
/ Sn (K).
0 2 1 1 2 2

Exercice. Montrer que toute matrice de Mn (K) s’écrit de manière unique comme une somme d’une
matrice symétrique et d’une matrice antisymétrique.

Puissance d’une matrice carrée

Définition.
Pour tout entier k ∈ N et pour toute matrice A ∈ Mn (K), on appelle puissance k-ième de A la
matrice, notée Ak , définie par:
ˆ Si k = 0, A0 = In .
ˆ Si k = 1, A1 = A.
ˆ Si k ≥ 2, Ak = A
| × .{z
. . × A}
k fois

9
PCSI5 Lycée Saint Louis

Remarque. On a pour toute matrice A ∈ Mn (K) et tout k ∈ N, A × Ak = Ak × A. Ainsi A commute


avec toutes les puissances de A. Elle commute en particulier avec tout polynôme en A (i.e. toute
combinaison linéaire de puissances de A).

Exemple. Considérons la matrice A ∈ M3 (K) définie par:


 
1 1 1
A=  1 1 1 
1 1 1

Calculer, pour tout entier naturel k, la matrice Ak .


 
2 1 1
Exercice. Soit A = 1 2 1.
1 1 2

a) Montrer que A2 = 5A − 4I3 .

b) Montrer que pour tout p ∈ N, il existe αp , βp ∈ R tels que Ap = αp A + βp I3 .

c) Déterminer une relation de récurrence satisfaite par αp et βp . En déduire αp et βp en fonction de


p.

d) En déduire Ap pour tout p ∈ N.

Propriété 7 (Puissance d’une matrice triangulaire ou diagonale)

Soit A une matrice triangulaire supérieure (resp. triangulaire inférieure, diagonale). Alors
pour tout p ∈ N, Ap est triangulaire supérieure (resp. triangulaire inférieure, diagonale).
De plus, si λ1 , . . . , λn sont les coefficients diagonaux de A, on a :
 p   k   k 
λ1 ··· λ1 0 · · · 0 λ1 0 · · · 0
.  .. ..  . 
 0 λp (∗) ..  k  0 λk2 . . . .. 
  
p 2
 λ 2 . . 
A =  .. . . . .
 , resp. 
 ..
 , resp. 
 .. . . . .
.
 . (∗) . . . 0 
  
 . . .   . . . 0 
0 · · · 0 λpn ··· λkn 0 · · · 0 λkn

Remarques.
ˆ Il est donc particulièrement facile de calculer les puissances d’une matrice diagonale : il suffit de
prendre les puissances des termes diagonaux.

ˆ On peut avoir Ak = 0n avec A 6= 0n . Par exemple,


   
1 −1 2 0 0
A= et A = .
1 −1 0 0

Définition.
Une matrice A ∈ Mn (K) est dite nilpotente s’il existe p ∈ N∗ tel que Ap = 0n et Ap−1 6= 0n . Cet
entier p est unique et s’appelle l’ordre de nilpotence de la matrice.

Exemple.

10
PCSI5 Lycée Saint Louis

 
1 −1
ˆ La matrice A = est nilpotente d’ordre 2.
1 −1
 
0 1 0 0
0 0 1 0
ˆ La matrice N = 
0
 est nilpotente d’ordre 4.
0 0 1
0 0 0 0
Remarques.

ˆ Plus généralement, on peut montrer que toute matrice de Mn (K) triangulaire supérieure stricte
ou triangulaire inférieure stricte est nilpotente d’ordre ≤ n.

ˆ De même que pour les matrices diagonales, le calcul des puissances d’une matrice nilpotente A
est aisé : en effet, pour tout k ≥ p, Ak = 0n , et il suffit donc de calculer un nombre fini de
puissances de A.

Propriété 8 (Formule du binôme de Newton)

Soient A et B deux matrices de Mn (K) qui commutent, c’est-à-dire telles que AB = BA.
Alors, pour tout entier n ∈ N,
k  
X k
(A + B)k = Ai B k−i .
i
i=0

Preuve. La preuve se fait de même que dans le cas complexe. 

I La formule du binôme de Newton, valable pour deux matrices qui commutent, permet dans certains
cas de calculer la puissance d’une matrice.
 
1 2 6
Exemple. Soit A = 0 1 2. Calculer Ap pour tout p ∈ N.
0 0 1

2 Opérations élémentaires de pivot et calcul matriciel


2.1 Matrices d’opérations élémentaires
Définition.
On appelle opération élémentaire sur les lignes d’une matrice l’une des trois opérations suivantes
:

ˆ Multiplication d’une ligne Li par un scalaire λ non nul ce que l’on note Li ← λLi .

ˆ Échange des lignes Li et Lj avec i 6= j ce que l’on note Li ↔ Lj ;

ˆ Ajout de β L̇j à Li avec i 6= j ce que l’on note Li ← Li + βλLj où β ∈ K.

Définition.
Soient 1 ≤ i, j ≤ n et λ ∈ K. On définit les matrices d’opérations élémentaires suivantes. On
appelle

11
PCSI5 Lycée Saint Louis

ˆ matrice de dilatation toute matrice carrée Di (λ) ∈ Mn (K) de la forme suivante :


 
1
 .. 

 . 

Di (λ) = In + (λ − 1)Ei,i = 
 λ .

 . . 
 . 
1

ˆ matrice de transposition toute matrice carrée Pi,j ∈ Mn (K) de la forme suivante :


 
1

 1 

 
Pi,j = (In − Ei,i − Ej,j ) + Ei,j + Ej,i =

.

 
 1 
1

ˆ matrice de transvection toute matrice carrée Ti,j (λ) ∈ Mn (K) de la forme suivante :
 
1
 .. 

 . λ 

Ti,j (λ) = In + λEi,j = 
 1 .

 . . 
 . 
1

Exemple. Pour n = 2, on a :
     
1 0 0 1 1 λ
D2 (λ) = ; P1,2 = ; T1,2 (λ) = .
0 λ 1 0 0 1

2.2 Traduction matricielle de l’algorithme de Gauss-Jordan


Propriété 9

Soit A ∈ Mn,p (K).

(1) Di (λ)A est la matrice obtenue en appliquant Li ← λLi à A.

(2) Pi,j A est la matrice obtenue en appliquant Li ↔ Lj à A.

(3) Ti,j (λ)A est la matrice obtenue en appliquant Li ← Li + λLj à A.

Preuve. Il suffit de le vérifier directement. Montrons le par exemple pour le produit T1,2 (λ) × A (le
raisonnement général se faisant de la même façon) :
   
  a1,1 a1,2 · · · a1,p a1,1 + λa2,1 a1,2 + λa2,2 · · · a1,p + λa2,p
1 λ  a2,1 a2,2 · · · a2,p   a2,1 a2,2 ··· a2,p 
0 1 ×  .. .. .. =
 
.. .. ..


 . . . . . .
In−2
  
an,1 an,2 · · · an,p an,1 an,2 ··· an,p

12
PCSI5 Lycée Saint Louis

Remarque. Ti,j (λ) = Ti,j (λ) × In , ainsi Ti,j (λ) est la matrice obtenue en appliquant Li ← Li + λLj
à In . Cette remarque permet de retrouver l’expression de Ti,j (λ). On peut bien sûr faire la même
remarque pour les matrices Di (λ) et Pi,j .

Théorème 10

Pour toute matrice A ∈ Mn,p (K), il existe une matrice E produit de matrices d’opérations
élémentaires, et une unique matrice échelonnée réduite par lignes R telles que E × A = R.

Preuve. Nous avions montré le résultat suivant :


Toute matrice A ∈ Mn,p (K) est équivalente par lignes à une matrice échelonnée réduite par
lignes (qui est de plus unique).
Ainsi, il existe une unique matrice R échelonnée réduite par lignes telle que A ∼ R. De plus, on
L
passe de A à R par opérations élémentaires sur les lignes de A, en suivant par exemple l’algorithme de
Gauss-Jordan. D’après la proposition précédente, chaque étape de l’algorithme correspond à multiplier
à gauche par une matrice de dilatation, de permutation ou de transvection. À la fin de l’algorithme
de Gauss-Jordan, on obtient donc :
E × A = R,
où la matrice E est un produit de matrices d’opérations élémentaires. 
 
−2 1 −1
Exemple. On considère la matrice A =  1 1 2 . On applique l’algorithme de Gauss-
3 −2 1
Jordan à A.

     
−2 1 −1 1 1 2  1 1 2
 −2 1 −1  L2 ← L2 + 2L1
 1 1 2  L1 ↔ L2  0 3 3 
L3 ← L3 − 3L1
3 −2 1 3 −2 1 0 −5 −5
   
1 1 2  1 0 1
1 L1 ← L1 − L2
L2 ← L2  0 1 1   0 1 1 
3 L3 ← L3 + 5L2
0 −5 −5 0 0 0
   
1 0 1 1 0 1
L1 ← L1 + 31 L3

3
L3 ← L3  0 1 1   0 1 1 
17 L2 ← L2 − 13 L3
0 0 0 0 0 0
 
1 0 1
Ainsi, R =  0 1 1 , et :
0 0 0

E = T2,3 (−1/3) × T1,3 (1/3) × D3 (3/17) × T3,2 (5) × T1,2 (−1) × D2 (1/3) × T3,1 (3) × T2,1 (2) × P1,2

2.3 Opérations sur les colonnes


Définition.
On dira que deux matrices A et A0 sont équivalentes en colonnes si on peut passer de la matrice
A à la matrice A0 par une suite opérations élémentaires sur les colonnes de A. On notera alors
A ∼ A0 .
C

Remarque. ∼ est une relation d’équivalence sur l’ensemble des matrices.


C

13
PCSI5 Lycée Saint Louis

Propriété 11

Soit A ∈ Mn,p (K).

(1) ADi (λ) est la matrice obtenue en appliquant Ci ← λCi à A.

(2) APi,j est la matrice obtenue en appliquant Ci ↔ Cj à A.

(3) ATi,j (λ) est la matrice obtenue en appliquant Cj ← Cj + λCi à A.

En particulier, on retrouve le résultat suivant.

Propriété 12

Pour toute matrice A ∈ Mn,p (K), il existe une matrice E 0 produit de matrices d’opérations
élémentaires, et une unique matrice échelonnée réduite par colonnes R0 telles que A × E 0 =
R0 .

Remarque. Si A ∈ Mn,p (K) est de rang r, on a vu qu’il existe une matrice E produit de matrices
d’opérations élémentaires et une matrice R échelonnée réduite par ligne avec r pivots telle que :

EA = R.

Si on agit alors sur les colonnes de R, on obtient une matrice E 0 produit de matrices d’opérations
élémentaires telle que :  
0 Ir 0r,p−r
EAE = Jr où Jr = .
0n−r,r 0n−r,p−r

3 Matrices carrées inversibles


3.1 Définitions et exemples
Définition.
Soit A ∈ Mn (K). A est dite inversible si et seulement si il existe B ∈ Mn (K) telle que:

AB = BA = In .

On note GLn (K) l’ensemble des matrices inversibles de Mn (K), appelé groupe linéaire d’ordre n.

Remarque.
ˆ On ne peut considérer un inverse que pour une matrice carrée.

ˆ Si A est inversible, alors:

AC = AD ⇒ B(AC) = B(AD) ⇒ (BA) C = (BA) D ⇒ C = D.


| {z } | {z }
=In =In

Et de même, CA = DA ⇒ C = D.

ˆ Si A est inversible, alors la matrice B telle que AB = BA = In est unique. En effet, si B1 et B2


satisfont toutes deux ces égalités, alors :

B1 = B1 × In = B1 × (A × B2 ) = (B1 × A) × B2 = In × B2 = B2 .

Cette matrice est alors appelée l’inverse de A et notée A−1 .

14
PCSI5 Lycée Saint Louis

ˆ Si A est inversible, alors A−1 est inversible et (A−1 )−1 = A.

Exemples.  In est inversible, et In−1 = In .


 La matrice diagonale D = diag(λ1 , . . . , λn ) est inversible si et seulement si λi 6= 0 pour tout
1 ≤ i ≤ n. Et dans ce cas, son inverse est D−1 = diag(1/λ1 , . . . , 1/λn ). En effet, si tous les λi sont
non nuls, on a bien D × D−1 = D−1 × D = In . Réciproquement, supposons que l’un des λi soit nul.
Alors pour tout B ∈ Mn (K), la ieme ligne de D × B est nulle et donc D × B 6= In pour tout B.
 Les matrices d’opérations élémentaires sont inversibles, et on a pour tout 1 ≤ i, j ≤ n et λ ∈ K,
µ ∈ Ka st :
−1
Di (µ)−1 = Di (1/µ) ; Pi,j = Pi,j ; Ti,j (λ)−1 = Ti,j (−λ).
 
2 1 1
 Soit A = 1 2 1. On a montré que A2 = 5A − 4I3 . En particulier, on a :
1 1 2

5 1 5 1 5 1
I3 = A − A2 = A × ( In − A) = ( In − A) × A.
4 4 4 4 4 4
 
3/4 −1/4 −1/4
Ainsi, A est inversible et A−1 = 54 In − 14 A = −1/4 3/4 −1/4.
−1/4 −1/4 3/4
Remarque. Pour une matrice carrée (2, 2) quelconque, on vérifiera la relation suivante :
 2  
a b a b
= (a + d) − (ad − bc)I2 .
c d c d

En procédant comme précédemment, on déduit de cette relation la proposition suivante :

Propriété 13
 
a b
La matrice A = est inversible si et seulement si ad − bc 6= 0. Et dans ce cas, son
c d
inverse est :  
−1 1 d −b
A = .
ad − bc −c a

Vocabulaire. Le scalaire ad − bc s’appelle le déterminant de A et se note det(A).

Preuve. Si ad − bc 6= 0, alors on a :
   
1 a+d 1 a+d 1 a+d
I2 = A2 − A=A× A− I2 = A− I2 × A.
ad − bc ad − bc ad − bc ad − bc ad − bc ad − bc
 
−1 1 a+d 1 d −b
Ainsi A est inversible, et A = A− I2 = . Supposons que ad−bc =
ad − bc ad − bc ad − bc −c a
0, alors 0 = A2 − (a + d)A. Si A est inversible, alors A = (a + d)I2 , et on aurait :

a = a + d

d = a + d ⇔ a = b = c = d = 0,

b=c=0

ce qui est impossible car 02 n’est pas inversible. 

15
PCSI5 Lycée Saint Louis

3.2 Produit de matrices inversibles


Propriété 14 (de l’inverse)

(1) Si A, B ∈ Mn (K) sont deux matrices inversibles, alors AB l’est aussi et (AB)−1 =
B −1 A−1 .
−1
(2) Si A ∈ Mn (K) est inversible, alors t A l’est aussi et t A = t A−1 .


Remarque. L’ensemble GLn (K) est donc stable pour le produit matriciel (mais pas pour la somme
!).

Preuve.
(1) Soient A, B ∈ Mn (K) deux matrices inversibles. On a :
(B −1 A−1 ) × (AB) = B −1 (A−1 A)B = B −1 B = In .
(AB) × (B −1 A−1 ) = A(BB −1 )A−1 = A × A−1 = In .
Ainsi AB est inversible et (AB)−1 = B −1 A−1 .
(2) Soit A ∈ Mn (K) inversible. Alors A × A−1 = A−1 × A = In , et en prenant la transposée :
t
(A−1 ) ×t A =t A ×t (A−1 ).

Ainsi t A est inversible et t A −1 = t A−1 .


 

Remarque. Nous avons vu que pour toute matrice A ∈ Mn,p (K), il existe une matrice E produit de
matrices d’opérations élémentaires, et une unique matrice échelonnée réduite par lignes R telles que
E × A = R. On peut réécrire cette égalité sous la forme :
A = E0 × R
avec E 0 = E −1 produit de matrices d’opérations élémentaires (l’inverse d’une matrice élémentaire
étant une matrice élémentaire).

3.3 Caractérisation des matrices inversibles


Théorème 15

Soit A ∈ Mn (K) et B ∈ Mn,1 (K).

(1) A est une matrice inversible ;

(2) il existe A0 ∈ Mn (K) telle que A0 × A = In ;

(3) le système AX = 0 admet une seule solution (X = 0) ;

(4) le rang de la matrice A est n ;

(5) A ∼ In ;
L

(6) pour toute matrice colonne B ∈ Mn,1 (K), le système AX = B admet une unique
solution ;

(7) pour toute matrice colonne B ∈ Mn,1 (K), le système AX = B admet au moins une
solution.

16
PCSI5 Lycée Saint Louis

Preuve. On montre (1) ⇒ (2) ⇒ (3) ⇒ (4) ⇒ (5) ⇒ (1), puis (1) ⇒ (6) ⇒ (7) ⇒ (4).

(1) ⇒ (2) Immédiat.

(2) ⇒ (3) Soit X ∈ Mn,1 (K) tel que AX = 0. Alors A0 AX = 0, et puisque A0 A = In , on obtient X = 0.

(3) ⇒ (4) Supposons que le rang de A soit strictement plus petit que n. Alors d’après le cours sur les
systèmes linéaires, le système AX = 0 admet une infinité de solutions (il y aura n − r > 0
inconnues paramètres). Ce qui par hypothèse est faux. Donc le rang de A est n.

(4) ⇒ (5) Toujours d’après le cours sur les systèmes linéaires, on a vu que si A est de rang n, alors A ∼ In .
L

(5) ⇒ (1) Si A ∼ In , alors il existe une matrice E, produit de matrices d’opérations élémentaires, telle
L
que A = E × In = E. Or les matrices d’opérations élémentaires sont inversibles, donc E l’est
également, et donc A aussi.

Montrons la deuxième chaine d’implications.

(1) ⇒ (6) Supposons que A est inversible et notons A−1 son inverse. Soit également B ∈ Mn,1 (K).
Considérons le système AX = B. En multipliant à gauche par A−1 , on obtient X = A−1 B.
Donc le système admet bien une unique solution.

(6) ⇒ (7) Immédiat.

(7) ⇒ (4) Supposons que pour toute matrice colonne B ∈ Mn,1 (K), le système AX = B admet au moins
une solution. Montrons que A est de rang r = n. Supposons par l’absurde que r < n. Alors A
est équivalente par ligne à une matrice échelonnée réduite ayant r < n pivots. On sait qu’alors
l’ensemble des solutions peut être vide s’il y a un pivot dans la dernière colonne de la matrice
augmentée. Ainsi il existe B ∈ Mn,1 (K) tel que AX = B n’ai pas de solution, ce qui contredit
l’hypothèse. Ainsi le rang de A est égal à n.

On déduit de ce résultat les conséquences suivantes.

Propriété 16

Soit T ∈ Mn (K) une matrice triangulaire. Alors T est inversible si et seulement si ses
coefficients diagonaux sont tous non nuls.

Preuve. Si tous les coefficients diagonaux de T sont non nuls, on sait alors que pour tout B ∈ Mn (K),
le système AX = B est de Cramer, et donc qu’il admet une unique solution. Ainsi par le théorème
précédent, T est inversible.
Réciproquement, supposons que l’un des coefficients diagonaux ti,i de T soit nul. En appliquant
l’algorithme de Gauss, les i − 1 premiers pivots seront sur la diagonale de la réduite, mais le i-ième
(s’il y en a un) sera en position k > i. Dans tous les cas, il y aura alors au plus i − 1 + (n − k + 1)
pivots, donc au plus n − 1 pivots. La matrice T n’est donc pas de rang n, et T n’est pas inversible. 

Propriété 17

Soit A ∈ Mn (K). Alors : A ∈ GLn (K) ⇔ ∃B ∈ Mn (K), B × A = In ⇔ ∃B 0 ∈ Mn (K), A ×


B 0 = In .

17
PCSI5 Lycée Saint Louis

Preuve. On a déjà montré que A ∈ GLn (K) ⇔ ∃B ∈ Mn (K), B × A = In . Supposons qu’il existe
B 0 ∈ Mn (K) telle que A × B 0 = In . Alors en prenant la transposée, t B 0 ×t A = In . En utilisant le
Théorème, on obtient que t A est inversible, et donc A =t (t A)) est inversible aussi. 

I Pour montrer qu’une matrice A est inversible, il suffit de trouver une matrice B telle que A×B = In
(resp. B × A = In ). Il est donc inutile de vérifier que B × A = In (resp. A × B = In ), c’est
automatiquement vérifié.

Propriété 18

Toute matrice carrée inversible est le produit d’un nombre fini de matrices d’opérations
élémentaires, ce qui se traduit en disant que le groupe linéaire est engendré par les matrices
d’opérations élémentaires.

Preuve. On vient de le voir, si A est inversible alors A ∼ In et A = E qui est un produit d’un nombre
L
fini de matrices d’opérations élémentaires. 

Remarque.

ˆ A ∼ B si et seulement si ∃P ∈ GLn (K) tel que A = P B.


L

ˆ A ∼ B si et seulement si ∃P ∈ GLn (K) tel que A = BP .


C

Montrons par exemple le premier point :


Si A ∼ B, alors il existe une suite d’opérations élémentaires sur les lignes permettant de passer de B à
L
A, ce qui se traduit matriciellement par l’existence d’une matrice E produit de matrices d’opérations
élémentaires telle que A = EB. On obtient alors le résultat puisque E ∈ GLn (K).
Réciproquement, supposons que A = P B avec P ∈ GLn (K). Alors par la proposition précédente, P
est produit de matrices élémentaires, et donc on peut passer de B à A par des opérations élémentaires
sur les lignes. Donc on a bien A ∼ B.
L

3.4 Méthodes pratiques de calcul de l’inverse


Calcul de l’inverse par la méthode de Gauss-Jordan
Propriété 19

On considère une matrice carrée A ∈ Mn (K).


S’il est possible de ramener à l’aide d’opérations élémentaires sur les lignes la matrice A à
la matrice identité, la matrice A est inversible et on obtient A−1 en effectuant sur les lignes
de la matrice identité les mêmes opérations que celle effectuées sur les lignes de A.

Preuve. La première partie de cette proposition a déjà été démontrée au théorème précédent. Sup-
posons que A ∼ In , alors il existe E produit de matrices d’opérations élémentaires telle que E ×A = In .
L
Ainsi A−1 = E = E × In , et A−1 s’obtient en effectuant sur les lignes de la matrice identité les mêmes
opérations que celle effectuées sur les lignes de A. 

I Partant de deux matrices M et In , on effectue sur M et sur In les manipulations élémentaires sur
les lignes qui ramènent M à In , et donc In à M −1 .

18
PCSI5 Lycée Saint Louis



1 2 3
Exemple. On considère la matrice A =  1 4 1 . On applique l’algorithme de Gauss-Jordan à
3 2 1
(A|In ).

   
1 2 3 1 0 0  1 2 3 1 0 0
 1 4 1 0 1 0  L2 ← L2 − L1  0 2 −2 −1 1 0 
L3 ← L3 − 3L1
3 2 1 0 0 1 0 −4 −8 −3 0 1
 
1 2 3 1 0 0
L2 ← 21 L2

 0 1 −1 −1/2 1/2 0 
0 −4 −8 −3 0 1
 
 1 0 5 2 −1 0
L1 ← L1 − 2L2  0 1 −1 −1/2 1/2 0 
L3 ← L3 + 4L2
0 0 −12 −5 2 1
 
1 0 5 2 −1 0
1  0 1 −1 −1/2 1/2
L3 ← − L3 0 
12
0 0 1 5/12 −1/6 −1/12
 
 1 0 0 −1/12 −1/6 5/12
L1 ← L1 − 5L3  0 1 0 −1/12 1/3 −1/12 
L2 ← L2 + L3
0 0 1 5/12 −1/6 −1/12
 
−1/12 −1/6 5/12
Ainsi A est inversible, et A−1 =  −1/12 1/3 −1/12 .
5/12 −1/6 −1/12

Calcul de l’inverse par la résolution d’un système linéaire


D’après la caractérisation des matrices inversibles, nous avons vu que :

A ∈ GLn (K) si et seulement si le système A × X = Y est de Cramer.

De plus, l’unique solution de ce système est alors X = A−1 Y . Cela va nous fournir une autre méthode
pour déterminer si A est inversible et pour calculer A−1 le cas échéant.

I Pour un n-uplet Y = (y1 , . . . , yn ) de paramètres, on résout le système (S) AX = Y .

ˆ On échelonne (S) par l’algorithme de Gauss-Jordan. Deux cas se présentent :

– si (S) n’est pas de Cramer, A n’est pas inversible.


– si (S) est de Cramer, A est inversible. De plus,

ˆ L’unique solution de (S) s’exprime en fonction des paramètres y1 , . . . , yn : X = A−1 Y .

ˆ On détermine A−1 par identification.

 
3 2 −1
Exemple. Calculons l’inverse de la matrice A = 1 −1 1 
2 −2 1
On échelonne le système (S) AX = Y .
  
3x1 + 2x2 − x3 = y1
 x1 − x2 + x3 = y2
 x1 − x2 + x3 = y2

(S) ⇔ x1 − x2 + x3 = y2 ⇔ 3x1 + 2x2 − x3 = y1 ⇔ 5x2 − 4x3 = y1 − 3y2
  
2x1 − x2 + x3 = y3 2x1 − x2 + x3 = y3 −x3 = y3 − 2y2
  

19
PCSI5 Lycée Saint Louis

Le système est sous forme triangulaire avec coefficients diagonaux tous non nuls. On en déduit que le
système (S) est de Cramer, et donc que A est inversible. De plus en faisant la remontée (c’est à dire
en cherchant l’échelonnée réduite), on obtient :

x1 = 1/5y1 + +1/5y3
   
 x1 y1
−1
(S) ⇔ x2 = 1/5y1 + y2 − 4/5y3 ⇔ x2 = A × y2 
  
x3 y3

x3 = 2y2 − y3

 
1 0 1
1
Il ne reste plus qu’à lire les coefficients de A−1 : A−1 = 1 5 −4
5
0 10 −5

20

Vous aimerez peut-être aussi