- Chapitre 1 -

Les matrices : generalites et operations

Table des mati`eres
1 Les vecteurs 2
1.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Vecteurs particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Operations sur les vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Dependance et independance lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Les matrices 5
2.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Matrices particuli`eres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Operations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1
1 Les vecteurs
1.1 Denitions
Denition 1 Soit n un entier naturel non nul. On appelle vecteur de dimension n un tableau
constitue dune seule colonne formee de n nombres reels.
Notation 1 Nous noterons : X =
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
un tel vecteur.
Nous noterons dim(X) la dimension du vecteur X ; donc ici, nous avons dim(X) = n.
Chacun des nombres reels x
i
sera appele composante du vecteur X ; par exemple, x
1
designera la
premi`ere composante du vecteur X, x
2
la seconde composante...
Remarque 1 Nous noterons souvent X = (x
i
) le vecteur X.
Denition 2 Deux vecteurs X et Y sont egaux si :
_
dim(X) = dim(Y )
i {1; 2; ...; n} on a : x
i
= y
i
, o` u x
i
et y
i
designent les composantes respectives des vecteurs X et Y .
1.2 Vecteurs particuliers
Denition 3 On appelle vecteur nul le vecteur dont toutes les composantes sont nulles.
Nous le noterons : 0
n
=
_
_
_
_
0
0
...
0
_
_
_
_
.
Denition 4 On appelle i
` eme
vecteur unitaire le vecteur dont toutes les composantes sont nulles
sauf la i
` eme
qui vaut 1.
Nous le noterons : E
i
=
_
_
_
_
_
_
_
_
_
_
0
...
0
1
0
...
0
_
_
_
_
_
_
_
_
_
_
.
1.3 Operations sur les vecteurs
a) Laddition de deux vecteurs
Denition 5 La somme de deux vecteurs X = (x
i
) et Y = (y
i
) de dimension n est le vecteur de
dimension n que nous noterons X +Y deni par : X +Y = (x
i
+y
i
).
Exemple 1 Si X =
_
_
1
2
3
_
_
et Y =
_
_
5
4
7
_
_
alors on a : X +Y =
_
_
6
2
4
_
_
.
Proposition 1 Laddition de vecteurs de dimension n poss`ede les proprietes suivantes :
elle est commutative : X, Y on a : X +Y = Y +X
elle est associative : X, Y, Z on a : (X +Y ) +Z = X + (Y +Z)
elle poss`ede 0 pour element neutre : X on a : X + 0 = 0 +X = X
tout vecteur X = (x
i
) poss`ede un oppose qui est note (X) et qui est deni par : (X) = (x
i
) :
on a X + (X) = (X) +X = 0.
Preuve. Ces proprietes derivent immediatement des proprietes de laddition des nombres reels.
2
Remarque 2 Puisque laddition vectorielle est associative, nous noterons sans parenth`eses la somme
de trois vecteurs.
Proposition 2 Unicite de lelement neutre.
Lelement neutre neutre de laddition vectorielle des vecteurs de dimension n est unique.
Preuve. Raisonnons par labsurde. Supposons que laddition vectorielle poss`ede deux elements
neutres distincts 0
1
et 0
2
.
X on a :
_
0
1
+ 0
2
= 0
2
puisque 0
1
est element neutre
0
1
+ 0
2
= 0
1
puisque 0
2
est element neutre
. Par suite on a : 0
1
= 0
2
, ce qui contredit
notre hypoth`ese. Par consequent, il y a unicite de lelement neutre.
Proposition 3 Unicite de loppose dun vecteur.
Tout vecteur X de dimension n poss`ede un vecteur oppose unique.
Preuve. Raisonnons par labsurde. Supposons que le vecteur X poss`ede deux vecteurs opposes
distincts X
1
et X
2
.
On a :
_
X +X
1
+X
2
= X
2
puisque X
1
est un oppose de X
X +X
1
+X
2
= X
1
puisque X
2
est un oppose de X
.
Par suite on a : X
1
= X
2
, ce qui contredit notre hypoth`ese. Par consequent, il y a unicite de loppose.
Remarque 3 Nous disons dans ce cas que lensemble des vecteurs de dimension n muni de laddition
poss`ede une structure de groupe commutatif ou encore de groupe abelien.
b) Le produit par un nombre reel
Denition 6 Le produit du vecteur X = (x
i
) de dimension n par le nombre reel est note .X
ou encore X et il est deni par : .X = (x
i
).
Exemple 2 Si Si X =
_
_
1
2
3
_
_
et = 5 alors on a : .X =
_
_
5
10
15
_
_
.
Proposition 4 Le produit dun vecteur de dimension n par un nombre reel poss`ede les proprietes
suivantes :
X on a : 1.X = X
, R on a : . (.X) = () .X
, R, X on a : ( +) .X = (.X) + (.X)
R, X, Y on a : (X +Y ) = (.X) + (.Y )
Preuve. Ces proprietes derivent immediatement des proprietes de laddition et de la multiplication
des nombres reels.
Remarque 4 Nous dirons que lensemble des vecteurs de dimension n muni de laddition et du produit
par un nombre reel poss`ede une structure despace vectoriel.
Corollaire 1 Nous avons les consequences suivantes :
X on a : 0.X = 0
X on a : (1) .X = X
Preuve.
Puisque :
_
(1 + 0) .X = X
(1 + 0) .X = 1.X + 0.X = X + 0.X
on en deduit que : X + 0.X = X, et par suite
on tire : 0.X = 0.
Puisque :
_
(1 + (1)) .X = 0.X = 0
(1 + (1)) .X = 1.X + (1).X = X + (1).X
on en deduit que : X + (1).X = 0
et dapr`es lunicite de lelement neutre pour laddition vectorielle nous en deduisons que (1).X
est lelement neutre de X et par consequent : (1) .X = X.
3
c) Le produit scalaire
Denition 7 Le produit scalaire de deux vecteurs X = (x
i
) et Y = (y
i
) de dimension n est le nombre
reel, note X.Y et deni par :
X.Y =
n

i=1
x
i
.y
i
.
Remarque 5 Le produit scalaire X.Y est encore note < X/Y >.
Exemple 3 Si X =
_
_
1
2
3
_
_
et Y =
_
_
5
4
7
_
_
alors on a : X.Y = 1.5 + (2).4 + 3.(7) = 24.
Denition 8 Deux vecteurs X et Y de dimension n sont orthogonaux si X.Y = 0.
Proposition 5 Le produit scalaire de vecteurs de dimension n est :
symetrique : X, Y on a : X.Y = Y.X ;
bilineaire : X, Y, Z, R on a :
_
(X +Y ) .Z = (X.Z) + (Y.Z) et X.(Y +Z) = (X.Y ) + (X.Z)
(X) .Y = (X.Y ) et X. (Y ) = (X.Y )
.
Preuve. Ces proprietes decoulent immediatement des proprietes de laddition et de la multiplication
des nombres reels.
Denition 9 La norme du vecteur X de dimension n est notee X et elle est denie par :
X =

X.X.
Un vecteur de dimension n est dit norme si sa norme est egale `a 1.
Proposition 6 La norme dun vecteur de dimension n verie les proprietes suivantes :
X, R on a : .X = || . X
X, Y on a : |X.Y | X . Y (Inegalite de Schwarz)
X, Y on a : X +Y X +Y
X, Y on a : |X Y | X Y
X = 0 X = 0.
Preuve. Les demonstrations ont ete faites dans le cours dAnalyse II du premier semestre.
1.4 Dependance et independance lineaire
Denition 10 p vecteurs de dimension n : X
1
, X
2
, ..., X
p
sont lineairement independants si :

1
X
1
+
2
X
2
+... +
p
X
p
= 0
1
=
2
= ... =
p
= 0.
Remarque 6 On dit encore dans ce cas que la famille (X
1
, X
2
, ..., X
p
) est une famille libre ;
dans le cas contraire, on dit que les vecteurs sont lineairement dependants ou encore que la
famille (X
1
, X
2
, ..., X
p
) est liee.
Exemple 4 Considerons les trois vecteurs : X
1
=
_
_
1
2
3
_
_
, X
2
=
_
_
2
1
3
_
_
et X
3
=
_
_
0
5
9
_
_
.
Etudions la dependance ou non de ces trois vecteurs.
Il faut donc resoudre lequation :
1
X
1
+
2
X
2
+
3
X
3
= 0 dinconnues
1
,
2
et
3
soit encore :
_
_
_

1
2
2
= 0
2
1
+
2
+ 5
3
= 0
3
1
+ 3
2
+ 9
3
= 0

_
_
_

1
= 2
2
5
2
+ 5
3
= 0
3
2
+ 3
3
= 0

_
_
_

1
= 2
2

2
est quelconque

3
=
2
.
Les trois nombres reels ne sont pas tous nuls, par exemple on peut choisir :
_
_
_

1
= 2

2
= 1

3
= 1
.
Par consequent, la famille (X
1
, X
2
, X
3
) est liee.
4
Proposition 7 Nous avons les proprietes suivantes :
Si le vecteur nul 0 gure parmi les vecteurs X
1
, X
2
, ..., X
p
alors ceux-ci sont lineairement
dependants ;
des vecteurs sont lineairement dependants si et seulement si lun dentre eux peut secrire comme
combinaison lineaire des autres, soit encore :
i {1, 2, ..., p}
1
, ...,
i1
,
i+1
, ...,
p
R tels que : X
i
=
p

k=1
k=i

k
X
k
si parmi les vecteurs X
1
, X
2
, ..., X
p
il existe une famille de vecteurs lineairement dependants,
alors la famille X
1
, X
2
, ..., X
p
est liee.
Preuve. Ces resultats sont tr`es simples ` a demontrer et sont laisses `a titre dexercice.
2 Les matrices
2.1 Denitions
Denition 11 Considerons deux nombres entiers naturels non nuls n et p.
On appelle matrice de taille (n, p) (ou matice `a n lignes et p colonnes) un tableau `a n lignes et p
colonnes.
Une telle matrice sera notee : M =
_
_
_
_
a
11
a
12
... ... a
1p
a
21
a
22
... ... a
2p
... ... ... ... ...
a
n1
a
n2
... ... a
np
_
_
_
_
ou encore M = (a
ij
)
1in
1jp
ou
meme M = (a
ij
) sil ny a pas dambiguite.
Notation 2 Lensemble des matrices de taille (n, p) et `a coecients reels sera note M
n,p
(R) ou encore
M
n,p
.
Exemple 5 I =
_
a
ij
=
1
i +j
_
1i,j3
=
_
_
1
2
1
3
1
4
1
3
1
4
1
5
1
4
1
5
1
6
_
_
est une matrice de taille (3; 3).
M
1
=
_
1 5 4
_
est une matrice de taille (1; 3).
M
2
=
_
_
_
_
2
0
4
3
_
_
_
_
est une matrice de taille (4; 1).
M
3
=
_
1 0 4
10 5 0
_
est une matrice de taille (2; 3).
Denition 12 Lorsque n = p on dit que lon a une matrice carree ; dans ce cas M
n,n
(R) sera
note M
n
(R) ou encore M
n
. On parlera alors de matrice dordre n;
lorsque n = 1 on dit que lon a une matrice ligne ;
lorsque p = 1 on dit que lon a une matrice colonne (ou encore un vecteur de dimension n).
Denition 13 Deux matrices M et N sont egales si elles ont la meme taille et les memes coecients.
2.2 Matrices particuli`eres
Nous ne reviendrons pas sur les matrices carrees ainsi que sur les matrices ligne et colonne dej`a
vues dans le paragraphe precedent. Nous rencontrerons tr`es souvent dautres matrices particuli`eres : les
matrices symetriques, les matrices triangulaires superieures et inferieures, les matrices diagonales, les
matrices orthogonales, la matrice identite et la matrice nulle.
5
Denition 14 Une matrice symetrique dordre n est une matrice carree dordre n pour laquelle les
elements symetriques par rapport `a la diagonale principale sont egaux, soit encore une matrice du type
M = (a
ij
)
1in
1jn
telle que : i, j {1; 2; ...; n} on a : a
ij
= a
ji
.
Exemple 6 M =
_
_
1 2 3
2 6 4
3 4 5
_
_
est une matrice symetrique dordre 3.
Denition 15 Une matrice triangulaire superieure dordre n est une matrice carree dordre n
dont les elements situes en dessous de la diagonale principale sont tous nuls, soit encore une matrice
du type M = (a
ij
)
1in
1jn
telle que :
_
i, j {1; 2; ...; n}
veriant : i > j
on a : a
ij
= 0.
Exemple 7 M =
_
_
1 2 3
0 6 4
0 0 5
_
_
est une matrice triangulaire superieure dordre 3.
Denition 16 Une matrice triangulaire inferieure dordre n est une matrice carree dordre n dont
les elements situes au dessus de la diagonale principale sont tous nuls, soit encore une matrice du type
M = (a
ij
)
1in
1jn
telle que :
_
i, j {1; 2; ...; n}
veriant : i < j
on a : a
ij
= 0.
Exemple 8 M =
_
_
1 0 0
7 6 0
8 0 5
_
_
est une matrice triangulaire inferieure dordre 3.
Denition 17 Une matrice diagonale est une matrice carree dont les elements situes en dehors
de la diagonale principale sont tous nuls, soit encore une matrice du type M = (a
ij
)
1in
1jn
telle que :

_
i, j {1; 2; ...; n}
veriant : i = j
on a : a
ij
= 0.
Exemple 9 M =
_
_
1 0 0
0 6 0
0 0 5
_
_
est une matrice diagonale dordre 3.
Denition 18 Une matrice orthogonale dordre n est une matrice carree dordre n pour laquelle les
vecteurs colonnes sont normes et deux `a deux orthogonaux.
Exemple 10 M =
_
_
_
1

5
2
3
4
3

5
0
2
3
5
3

5
2

5
1
3
2
3

5
_
_
_ est une matrice orthogonale dordre 3.
Denition 19 La matrice identite de rang n est la matrice diagonale dordre n pour laquelle tous
les elements diagonaux sont egaux `a 1. On notera I
n
ou encore I sil ny a pas dambig uite possible.
Exemple 11 I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
est la matrice identite dordre 3.
Denition 20 La matrice nulle de taille (n, p) est la matrice de taille (n, p) pour laquelle tous les
elements sont nuls
On la notera O
n,p
.
2.3 Operations sur les matrices
Laddition de deux matrices
Denition 21 Considerons M = (a
ij
) et N = (b
ij
) deux matrices de meme taille (n, p).
La somme M +N sera une matrice de taille (n, p) denie par M +N = (a
ij
+b
ij
) ;
6
Exemple 12 Si M =
_
1 2 3
1 5 4
_
et N =
_
2 5 7
1 0 8
_
sont deux matrices de taille (2; 3) alors
on aura : M +N =
_
3 3 10
0 5 12
_
.
Proposition 8 La somme matricielle denie precedemment poss`ede les proprietes suivantes :
elle est commutative : M, N M
n,p
on a : M +N = N +M ;
elle est associative : M, N, Q M
n,p
on a : (M +N) +Q = M + (N +Q) ;
O
n,p
est element neutre pour laddition matricielle : M M
n,p
on a : M+O
n,p
= O
n,p
+M = M ;
toute matrice M = (a
ij
) M
n,p
poss`ede une matrice opposee qui est notee (M) denie par
(M) = (a
ij
).
Preuve. Ces proprietes proviennent immediatement des proprietes de laddition des nombres reels.
Remarque 7 Comme nous lavions vu pour les vecteurs, nous pouvons armer quil y a unicite
de lelement neutre pour laddition matricielle et unicite de loppose dune matrice donnee.
Nous dirons dans ce cas que lensemble M
n,p
muni de laddition poss`ede une structure de groupe
commutatif (ou abelien).
b) La multiplication par un nombre reel
Denition 22 Considerons M = (a
ij
) M
n,p
et R.
Le produit par le nombre reel de la matrice M est la matrice de taille (n, p) que nous
noterons .M ou plus simplement M denie par : M = (.a
ij
).
Exemple 13 Si M =
_
1 2 3
1 5 4
_
et = 3, alors on a : M =
_
3 6 9
3 15 12
_
.
Proposition 9 La multiplication par un nombre reel poss`ede les proprietes suivantes :
, R, M M
n,p
on a : ( +) .M = (.M) + (.M)
R, M, N M
n,p
on a : .(M +N) = (.M) + (.N)
, R, M M
n,p
on a : . (M) = () .M
M M
n,p
on a : 1.M = M
Preuve. Ces resultats se demontrent sans dicultes et sont des consequences des proprietes de
laddition et de la multiplication des nombres reels.
Remarque 8 Nous dirons que lensemble M
n,p
muni de laddition et du produit par un nombre reel
poss`ede une structure despace vectoriel.
Corollaire 2 Nous avons les consequences suivantes :
M M
n,p
on a : 0.M = O
n,p
M M
n,p
on a : (1) .M = M
Preuve. Ces deux resultats se demontrent dune facon analogue `a ceux dej`a rencontres pour les
vecteurs de dimension n dans le paragraphe I).
c) La multiplication matricielle Dans ce paragraphe nous allons etudier la multiplication de deux
matrices. Notons tout de suite que cette multiplication ne sera pas toujours possible et quune condition
sur les tailles des matrices sera necessaire.
Denition 23 Considerons deux matrices : M = (a
ij
) M
n,p
et N = (b
jk
) M
p,q
.
Le produit de la matrice M par la matrice N sera la matrice de M
n,q
, note M.N denie par :
M.N = (c
ik
) avec : c
ik
=
p

j=1
a
ij
.b
jk
.
7
Remarque 9 Il faut bien remarquer que le nombre de colonnes de la matrice M doit etre egal au
nombre de lignes de la matrice N pour pouvoir eectuer le produit M.N. Si cette condition nest pas
satisfaite, le produit matriciel ne sera pas deni.
Exemple 14 Si M =
_
_
1 2 3 4
0 2 1 1
1 4 0 2
_
_
M
3;4
et N =
_
_
_
_
0 1
1 0
2 2
3 2
_
_
_
_
M
4;2
alors on a : M.N =
_
_
20 3
1 4
2 3
_
_
M
3;2
.
Remarquons quil naurait pas ete possible deectuer le produit de la matrice N par la matrice M.
Proposition 10 Lorsque les produits matriciels sont possibles, nous avons :
(M
1
+M
2
) .N = (M
1
.N) + (M
2
.N)
M. (N
1
+N
2
) = (M.N
1
) + (M.N
2
)
Preuve. Ces proprietes proviennent des proprietes de la multiplication des nombres reels. Demontrons
le premier resultat `a titre dexemple.
Si M
1
= (a
ij
), M
2
=
_
a

ij
_
et N = (b
jk
) alors on a : M
1
+ M
2
=
_
a
ij
+a

ij
_
et par consequent on
obtient : (M
1
+M
2
) .N = (c
ik
) o` u : c
ik
=
p

j=1
_
a
i j
+a

ij
_
.b
jk
=
p

j=1
a
i j
.b
jk
+
p

j=1
a

ij
.b
jk
.
Puisque :
_

_
M
1
.N = (c

ik
) avec : c

ik
=
p

j=1
a
i j
.b
jk
M
2
.N = (c

ik
) avec : c

ik
=
p

j=1
a

i j
.b
jk
, on en deduit que : (M
1
+M
2
) .N = (M
1
.N) +
(M
2
.N).
Proposition 11 R, M M
n,p
et N M
p,q
on a : . (M.N) = (.M) .N = M. (.N)
Preuve. Posons : M = (a
ij
) M
n,p
et N = (b
jk
) M
p,q
.
On a : . (M.N) = (.c
ik
) o` u c
ik
=
p

j=1
a
ij
.b
jk
.
De plus puisque : .M = (d
ij
) o` u d
ij
= a
ij
on obtient : (.M) .N = (e
ik
) avec : e
ik
=
p

j=1
d
ij
.b
jk
,
soit encore :
e
ik
=
p

j=1
(a
ij
) .b
jk
=
p

j=1
a
ij
.b
jk
= c
ik
.
On a donc prouve que : . (M.N) = (.M) .N
De meme, puisque : .N = (f
jk
) avec f
jk
= .b
jk
on obtient :
M. (.N) = (g
ik
) o` u g
ik
=
p

j=1
a
ij
.f
jk
=
p

j=1
a
ij
. (.b
jk
) =
p

j=1
a
ij
.b
jk
= c
ik
.
On vient donc de demontrer que : . (M.N) = M. (.N)
Proposition 12 M M
n,p
, N M
p,q
et P M
q,r
on a : M.(N.P) = (M.N).P
Preuve. Posons : M = (a
ij
) M
n,p
, N = (b
jk
) M
p,q
et P = (c
kl
) M
q,r
.
On a : N.P = (d
jl
) avec d
jl
=
q

k=1
b
jk
.c
kl
donc : M.(N.P) = (e
il
) avec e
il
=
p

j=1
a
ij
.d
jl
, soit encore :
e
il
=
p

j=1
a
ij
.
_
q

k=1
b
jk
.c
kl
_
=
p

j=1
q

k=1
a
ij
.b
jk
.c
kl
=
q

k=1
_
p

j=1
a
ij
.b
jk
_
.c
kl
.
De plus, on a : M.N = (f
ik
) o` u f
ik
=
p

j=1
a
ij
.b
jk
.
On en deduit que : e
il
=
q

k=1
f
ik
.c
kl
et par suite on obtient : (M.N).P = (e
il
), ce qui prouve que :
M.(N.P) = (M.N).P.
Proposition 13 M M
n,p
on a : M.I
p
= M
M M
n,p
on a : I
n
.M = M
Preuve. Ces deux proprietes sont evidentes.
8
d) La transposition
Denition 24 Considerons une matrice M = (a
ij
) M
n,p
.
La transposee de la matrice M sera une matrice de taille (p, n) que lon notera M
t
denie par :
M
t
= (b
ji
) avec : b
ji
= a
ij
.
Exemple 15 Considerons la matrice M =
_
1 2 3
1 5 4
_
M
2;3
.
Nous avons donc : M
t
=
_
_
1 1
2 5
3 4
_
_
M
3;2
.
Remarque 10 Cest cette operation qui permet de denir un vecteur ligne : en eet un vecteur X
de dimension n etant par denition une colonne, le vecteur ligne correspondant sera le transpose
X
t
.
Le produit scalaire de deux vecteurs qui a ete deni precedemment peut encore secrire sous la
forme : X.Y = X
t
.Y = Y
t
.X.
La transposee dune matrice diagonale est la matrice elle-meme.
La transposee dune matrice triangulaire superieure est une matrice triangulaire inferieure.
La transposee dune matrice nulle est une matrice nulle.
Proposition 14 M, N M
n,p
, R on a :
(M +N)
t
= M
t
+N
t
(M
t
)
t
= M
(.M)
t
= .M
t
Preuve. Ces trois proprietes sont evidentes.
Proposition 15 M M
n,p
, N M
p,q
on a : (M.N)
t
= N
t
.M
t
Preuve. Posons : M = (a
ij
) M
n,p
et N = (b
jk
) M
p,q
.
On a : M.N = (c
ik
) avec : c
ik
=
p

j=1
a
ij
.b
jk
.
Par consequent, (M.N)
t
= (d
ki
) o` u d
k i
=
p

j=1
a
i j
.b
jk
De plus puisque :
_
N
t
= (e
k j
) avec : e
k j
= b
jk
M
t
= (f
ji
) avec : f
ji
= a
ij
on obtient : N
t
.M
t
= (g
k i
) avec g
k i
=
p

j=1
e
k j
.f
ji
,
soit encore : g
k i
=
p

j=1
b
jk
.a
ij
= d
k i
.
On obtient donc : N
t
.M
t
= (M.N)
t
.
9