Universit Joseph Fourier, Grenoble

Maths en Ligne

Calcul matriciel
Bernard Ycart
Ce chapitre est essentiellement technique et ne requiert pas dautre connaissance
thorique que celle des espaces vectoriels de dimension finie. Vous y apprendrez les
manipulations lmentaires de matrices, qui ne devraient pas vous poser de problme
si vous avez bien compris la rsolution des systmes linaires.

Table des matires

1 Cours
1.1 Oprations sur les matrices . . . .
1.2 Matrices carres . . . . . . . . . .
1.3 Matrices et applications linaires
1.4 Rang dune matrice . . . . . . . .
1.5 Calcul de linverse . . . . . . . . .

.
.
.
.
.

1
1
4
6
10
14

.
.
.
.
.

16
16
17
21
24
26

3 Complments
3.1 Les avocats de Cambridge . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Dcomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30
30
31
34

2 Entranement
2.1 Vrai ou faux . . .
2.2 Exercices . . . . .
2.3 QCM . . . . . . .
2.4 Devoir . . . . . .
2.5 Corrig du devoir

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

8 novembre 2011

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Calcul matriciel

Maths en Ligne

UJF Grenoble

Cours

1.1

Oprations sur les matrices

Etant donns deux entiers m et n strictement positifs, une matrice m lignes et n

colonnes est un tableau rectangulaire de rels A = (ai,j ). Lindice de ligne i va de 1
m, lindice de colonne j va de 1 n.

a1,1
.
..

a1,j
..
.

a1,n
..
.

A = (ai,j ) = ai,1

..
.

ai,j
..
.

ai,n
..
.

am,j

am,n

am,1

Les entiers m et n sont les dimensions de la matrice, ai,j est son coefficient dordre
(i, j). Lensemble des matrices m lignes et n colonnes et coefficients rels est not
Mm,n (R). Ce qui suit sapplique aussi, si on remplace R par C, lensemble des matrices
coefficients complexes.
Lensemble Mm,n (R) est naturellement muni dune addition interne (on peut ajouter deux matrices de mmes dimensions terme terme) et dune multiplication externe
(on peut multiplier une matrice par un rel terme terme).
Addition : Si A = (ai,j ) et B = (bi,j ) sont deux matrices de Mm,n (R), leur somme
A + B est la matrice (ai,j + bi,j ). Par exemple :

1
1
3
1
2

2
3
5
3
+
=

7
1 1
0
2
1

2
0

Multiplication externe : Si A = (ai,j ) est une matrice de Mm,n (R), et est un

rel, le produit A est la matrice (ai,j ). Par exemple :

1
1
2 2

3 = 4 6
2 2

1 1
2
2
Observons que les oprations auraient le mme effet si les matrices taient disposes
comme des mn-uplets de rels (toutes les lignes tant concatnes par exemple). Donc
Mm,n (R), muni de son addition et de sa multiplication externe, est un espace vectoriel,
isomorphe Rmn . La base canonique de Mm,n (R) est forme des matrices dont tous
les coefficients sont nuls, sauf un qui vaut 1.
Lopration la plus importante est le produit matriciel.

Calcul matriciel

Maths en Ligne

UJF Grenoble

Dfinition 1. Soient m, n, p trois entiers strictement positifs. Soit A = (ai,j ) une

matrice de Mm,n (R) et soit B = (bj,k ) une matrice de Mn,p (R). On appelle produit
matriciel de A par B la matrice C Mm,p (R) dont le terme gnral ci,k est dfini,
pour tout i = 1, . . . , m et pour tout k 1, . . . , p par :
ci,k =

n
X

ai,j bj,k .

j=1

Nous insistons sur le fait que le produit AB de deux matrices nest dfini que si
le nombre de colonnes de A et le nombre de lignes de B sont les mmes. Observons
dabord que la dfinition 1 est cohrente avec la dfinition du produit dune matrice
par un vecteur, donne au chapitre prcdent : si p = 1, la matrice B a n lignes et 1
colonne, et le produit AB a m lignes et 1 colonne. Dautre part, appliquer la dfinition
1 revient effectuer successivement le produit de A par chacune des colonnes de B.
Pour effectuer ce produit, nous conseillons dadopter la mme disposition que pour le
produit par un vecteur, en plaant B au-dessus et droite de A.
b1,1
.
..

b1,k
..
.

bj,k
..
.

a1,1
.
..

ai,1
..
.

ai,j
..
.

am,1

..
.

..
.

b1,n
..
.

..
.

bn,1 bn,k bn,p

..
a1,n
c
.
c1,p
1,1

..

.
.
..

ai,n c

i,k
..

.
am,n

cm,1

et B =

0
1 1 2
3 2
0
1

cm,p

Posons par exemple :

1
1

3
A= 2

1 1

La matrice A a 3 lignes et 2 colonnes, la matrice B a 2 lignes et 4 colonnes. Le produit

AB a donc un sens : cest une matrice 3 lignes et 4 colonnes.
!

0
1 1 2
3 2
0
1

1
1
3 1 1 1

3
2
9 4 2 1
1 1
3
3 1 3
Le produit matriciel a toutes les proprits que lon attend dun produit, sauf quil
nest pas commutatif.
2

Calcul matriciel

Maths en Ligne

UJF Grenoble

Proposition 1. Le produit matriciel possde les proprits suivantes.

1. Associativit : Si les produits AB et BC sont dfinis, alors les produits A(BC)
et (AB)C le sont aussi et ils sont gaux.
A(BC) = (AB)C .
2. Linarit droite : Si B et C sont deux matrices de mmes dimensions, si et
sont deux rels et si A a autant de colonnes que B et C ont de lignes, alors
A(B + C) = AB + AC .
3. Linarit gauche : Si A et B sont deux matrices de mmes dimensions, si et
sont deux rels et si C a autant de lignes que A et B ont de colonnes, alors
(A + B)C = AC + BC .
Ces proprits se dmontrent partir de la dfinition 1.
La transposition est une notion importante, dont la justification provient de la dualit,
qui dpasse le cadre de ce cours.
Dfinition 2. tant donne une matrice A = (ai,j ) de Mm,n (R), sa transpose est la
matrice de Mn,m (R) dont le coefficient dordre (j, i) est ai,j .
Pour crire la transpose dune matrice, il suffit de transformer ses lignes en colonnes. Par exemple :

1
1

3
A= 2

1 1

A=

1
1

2
1
3 1

Observons que la transpose de la transpose est la matrice initiale.

t t

( A) = A .

La transpose dun produit est le produit des transposes, mais il faut inverser lordre
des facteurs.
Proposition 2. Soient m, n, p trois entiers strictement positifs. Soient A = (ai,j ) une
matrice de Mm,n (R) et B = (bj,k ) une matrice de Mn,p (R). La transpose du produit
de A par B est le produit de la transpose de B par la transpose de A.
t

(AB) = tB tA .

Calcul matriciel

Maths en Ligne

UJF Grenoble

Par exemple, en reprenant les matrices A et B dfinies ci-dessus :

0 3

1 2


1
0
2
1

1
1
3
1
1
1

2
1
3 1

9
3
4
3

2 1
1 3

Observons que le produit dune matrice par sa transpose est toujours dfini.

2
5
0

t
A A = 5 13 1
0 1
2

6 6
6 11

AA =

Le rsultat est une matrice carre (autant de lignes que de colonnes) et symtrique.
Dfinition 3. Soit n un entier strictement positif et A une matrice carre n lignes
et n colonnes. On dit que A est symtrique si pour tous i, j = 1, . . . , n, ses coefficients
dordre ai,j et aj,i sont gaux, ce qui est quivalent dire que A est gale sa transpose.
Le produit dune matrice par sa transpose est toujours une matrice symtrique.
En effet :
t
(A tA) = t (tA) tA = A tA .

1.2

Matrices carres

En gnral si le produit AB est dfini, le produit BA na aucune raison de ltre.

Le produit dune matrice par sa transpose est une exception, les matrices carres en
sont une autre : si A et B sont deux matrices n lignes et n colonnes, les produits AB
et BA sont tous deux dfinis et ils ont les mmes dimensions que A et B. En gnral
ils ne sont pas gaux. Par exemple,

0 1
1 0

0 1
1
0

1
0
0 1

0 1
1
0

0 1
1 0

1 0
0 1

Nous noterons simplement Mn lensemble Mn,n (R) des matrices carres n lignes et
n colonnes, coefficients rels. Parmi elles la matrice identit, note In joue un rle
particulier.

1 0 0

..
..
0
.
1
.

. .

.
.
.

.
.
.
.
.
In = .
.
.
. .

...
.

.
1 0
0

Calcul matriciel

Maths en Ligne

UJF Grenoble

En effet, elle est llment neutre du produit matriciel : pour toute matrice A
Mn,m (R),
A In = Im A = A .
On le vrifie facilement partir de la dfinition 1.
Dfinition 4. Soit A une matrice de Mn . On dit que A est inversible sil existe une
matrice de Mn , note A1 , telle que
A A1 = A1 A = In .
Par exemple :

1
0 1
1 1 1
1 1 1
1
0 1
1 0 0

1
1
0
1
2
1
1
2
1
1
1
0
=
=

0 1 0
1 1
1
0 1 1
0 1 1
1 1
1
0 0 1
Nous verrons plus loin une mthode qui permet de savoir si une matrice est inversible,
et de calculer son inverse quand elle lest. Observons que linverse, sil existe, est ncessairement unique. En effet, soient B1 et B2 deux matrices telles que A B1 = B1 A = In
et A B2 = B2 A = In . En utilisant lassociativit, le produit B1 A B2 vaut B1 (A B2 ) =
B1 In = B1 , mais aussi (B1 A) B2 = In B2 = B2 . Donc B1 = B2 .
Il suffit de trouver une matrice B telle que A B = In pour tre sr que A est
inversible et que son inverse est B.
Thorme 1. Soit A une matrice de Mn . Supposons quil existe une matrice B telle
que A B = In ou bien B A = In . Alors A est inversible et B = A1 .
Dmonstration : Supposons quil existe une matrice B telle que A B = In . Considrons lapplication, de Mn dans lui-mme, qui une matrice X associe le produit
X A. Daprs le point 3 de la proposition 1, cest une application linaire, donc un
endomorphisme de lespace vectoriel Mn . Montrons quelle est injective, cest--dire
que son noyau ne contient que la matrice nulle. Si X A = 0, alors (X A) B = 0, mais
(X A) B = X (A B) = X In = X par hypothse : donc X = 0. Une application linaire
entre deux espaces de mme dimension qui est injective est aussi surjective. Donc il
existe une matrice X telle que X A = In . Il reste vrifier que cette matrice est B. Si
X A = A B = In , alors X (A B) = X et (X A) B = B. Do le rsultat.
On procde de faon symtrique si B A = In , en considrant lapplication qui X
associe A X.

Si A et B sont deux matrices inversibles de Mn , leur produit est inversible.
Proposition 3. Soient A et B deux matrices inversibles de Mn . Le produit AB est
inversible et son inverse est B 1 A1 .
Dmonstration : Nous utilisons le thorme 1, ainsi que lassociativit du produit :
(B 1 A1 )(AB) = B 1 (A1 A)B = B 1 In B = B 1 B = In .

5

Calcul matriciel

Maths en Ligne

1.3

UJF Grenoble

Matrices et applications linaires

Soient E et F deux espaces vectoriels de dimension finie, munis respectivement des

bases (b1 , . . . , bn ) et (c1 , . . . , cm ).
Une application linaire f est dtermine par les images des vecteurs b1 , . . . , bn . Ces
images sont des combinaisons linaires c1 , . . . , cm : pour tout j = 1, . . . , n,
f (bj ) =

m
X

ai,j ci .

i=1

Les coordonnes ai,j de ces vecteurs dans la base (c1 , . . . , cm ), rangs en n colonnes,
forment la matrice de lapplication f , relative aux bases considres.
dpart
f (b1 )
a1,1
..
.

f (bj )
a1,j
..
.

ai,1
..
.

ai,j
..
.

am,1

am,j

f (bn )
a1,n c1
..
..
.
.
ai,n ci
..
..
.
.
am,n

arrive

cm

Les oprations sur les applications linaires se traduisent en des oprations analogues
sur les matrices. Soient f , g deux applications linaires de E dans F et , deux rels.
Si les matrices de f et g (relatives aux mmes bases au dpart et larrive) sont A
et B, alors la matrice de f + g est A + B. La compose de deux applications
linaires est encore une application linaire. Sa matrice est le produit des matrices de
f et g.
Proposition 4. Soient E, F, G trois espaces vectoriels, f une application linaire de
E dans F et g une application linaire de F dans G.
f
g
E F
G
u 7 f (u) 7 g f (u) = g(f (u)) .
Soient (b1 , . . . , bn ) une base de E, (c1 , . . . , cm ) une base de F et (d1 , . . . , dp ) une base
de G.
Soit A la matrice de f relative aux bases (b1 , . . . , bn ) et (c1 , . . . , cm ).
Soit B la matrice de g relative aux bases (c1 , . . . , cm ) et (d1 , . . . , dp ).
Alors la matrice de g f relative aux bases (b1 , . . . , bn ) et (d1 , . . . , dp ) est le produit BA.
Remarquez que lordre dans lequel seffectue le produit est lordre dans lequel scrit
la composition.
matrice de g f = (matrice de g) (matrice de f ) .
6

Calcul matriciel

Maths en Ligne

UJF Grenoble

Dmonstration : Limage par g f des vecteurs b1 , . . . , bn se calcule en prenant limage

par g des vecteurs f (b1 ), . . . , f (bn ). On calcule les coordonnes de ces images dans la
base (d1 , . . . , dp ) en effectuant le produit par la matrice de g, des vecteurs exprimant
f (b1 ), . . . , f (bn ) dans la base (c1 , . . . , cm ), qui sont les vecteurs colonnes de A. Effectuer
successivement le produit de B par chacun des vecteurs colonnes de A revient calculer
le produit de B par A.

Pour les endomorphismes (les espaces de dpart et darrive sont les mmes), nous
conviendrons toujours de choisir la mme base au dpart et larrive.
Proposition 5. Soit E un espace vectoriel, muni de la base (b1 , . . . , bn ), et f une
application linaire de E dans lui-mme. Lapplication f est un automorphisme si et
seulement si la matrice de f dans la base (b1 , . . . , bn ) est inversible. Si cest le cas, la
matrice de f 1 est linverse de la matrice de f .
Dmonstration : Observons dabord que la matrice de lapplication identique est la matrice identit, quelle que soit la base. Si lapplication f est bijective, alors sa rciproque
f 1 est lunique application dont la compose avec f est lapplication identique.
f 1 f = f f 1 = IE .
Si A est la matrice de f et B la matrice de f 1 , la proposition 4 entrane que A B =
B A = In .
Rciproquement si A est inversible, alors A1 dfinit une application linaire unique
de E dans E. La compose de cette application avec f a pour matrice In : cest lapplication identique. Donc cette application est la rciproque de f .

Un automorphisme de E est une application linaire qui envoie une base de E
sur une autre base. Effectuer un changement de base (remplacer une base par une
autre) revient prendre limage par lautomorphisme qui envoie la nouvelle base sur
lancienne, donc le produit par la matrice de cet automorphisme.
Proposition 6. Soit E un espace vectoriel. Soient (b1 , . . . , bn ) et (c1 , . . . , cn ) deux bases
de E. Notons P la matrice dans la base (b1 , . . . , bn ) de lapplication qui bi associe
ci (nouveaux vecteurs en fonction des anciens). Soient x1 , . . . , xn les coordonnes de
v dans la base (b1 , . . . , bn ) (anciennes) et y1 , . . . , yn les coordonnes de v dans la base
(c1 , . . . , cn ) (nouvelles).
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
.

. = P 1
.

yn
7

x1
..
.
.
xn

Calcul matriciel

Maths en Ligne

UJF Grenoble

Dmonstration : Notons lautomorphisme de E qui bi associe ci , pour tout i =

1, . . . , n. Ecrivons :
v = y1 c1 + + yn cn
= y1 (b1 ) + + yn (bn ) .
Par dfinition, les coordonnes de (bj ) dans la base bi forment la j-ime colonne de la
matrice P = (pi,j ). Donc :
v =

n
X

n
X

yj

n
X

i=1

pi,j bi

i=1

j=1
n
X

pi,j yj bi

j=1

Comme les coordonnes dans la base (b1 , . . . , bn ) sont uniques, on en dduit, pour tout
i = 1, . . . , n :
xi =

n
X

pi,j yj ,

j=1

donc (xi ) = P (yj ), do le rsultat en multipliant gauche par P 1 .

La matrice P sappelle la matrice de passage. Dans un changement de base, nous

conviendrons toujours de noter P la matrice qui donne les nouveaux vecteurs en fonction des anciens. Voici un exemple. Munissons E = R3 , des deux bases suivantes.
(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)) .
Voici la matrice de passage P et son inverse.

1 1 1

P = 0 1 1
0 0 1

P 1

1 1
0

1 1
= 0
.
0
0
1

Si un vecteur v a pour coordonnes x, y, z dans la base canonique (b1 , b2 , b3 ), alors ses

coordonnes dans la base (c1 , c2 , c3 ) sobtiennent en effectuant le produit :

1 1
0
x
xy

0
1
1
y

= yz
0
0
1
z
z
Constatez que :
(x y)(1, 0, 0) + (y z)(1, 1, 0) + z(1, 1, 1) = (x, y, z) .
On peut appliquer ce qui prcde pour trouver la matrice dun endomorphisme quelconque dans la nouvelle base : cest la formule de changement de base.
8

Calcul matriciel

Maths en Ligne

UJF Grenoble

Thorme 2. Soit E un espace vectoriel, soient (b1 , . . . , bn ) et (c1 , . . . , cn ) deux bases

de E. Soit f un endomorphisme de E, et A sa matrice dans la base (b1 , . . . , bn ). Soit
P la matrice de lapplication linaire qui bi associe ci , pour tout i = 1, . . . , n.
La matrice de f dans la base (c1 , . . . , cn ) est P 1 A P .
Dmonstration : Notons lapplication qui bi associe ci . La matrice de f dans la base
(c1 , . . . , cn ) a pour vecteurs colonnes les images des vecteurs c1 , . . . , cn . Pour calculer
f (ci ), on peut calculer f ((bi )) = f (bi ). Donc les coordonnes des vecteurs f (ci )
dans la base (b1 , . . . , bn ) sont les colonnes de la matrice de f , qui est AP . Daprs
la proposition 6, pour obtenir les coordonnes de ces vecteurs dans la base (c1 , . . . , cn ),
il faut multiplier gauche par la matrice P 1 , do le rsultat.

Reprenons lexemple en dimension 3 des deux bases :
(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)) .
Considrons lapplication de R3 dans R3 dfinie par :
f :

(x, y, z) 7 (x z, 2x 3y + z, y 2z) .

Sa matrice dans la base canonique (b1 , b2 , b3 ) est :

1
0 1
1
A=
2 3

0
1 2
La matrice de f dans la base (c1 , c2 , c3 ) est :

1
2
0

1
1
P AP = 2 2

0
1 1
Limage par f du vecteur c2 = (1, 1, 0) est le vecteur (1, 1, 1) = 2c1 2c2 + c3 . Les
coordonnes 2, 2, 1 figurent dans la seconde colonne de P 1 AP .
Dfinition 5. Deux matrices A et B de Mn sont dites semblables si et seulement si
il existe une matrice inversible P Mn telle que :
B = P 1 AP .
Le thorme 2 affirme que deux matrices sont semblables si et seulement si elles
reprsentent le mme endomorphisme dans des bases diffrentes. Il se gnralise des
applications linaires quelconques, comme suit.

Maths en Ligne

Calcul matriciel

UJF Grenoble

Thorme 3. Soit E un espace vectoriel, soient (b1 , . . . , bn ) et (b01 , . . . , b0n ) deux bases
de E. Soit F un autre espace vectoriel, soient (c1 , . . . , cm ) et (c01 , . . . , c0m ) deux bases de
F . Soit f une application linaire de E dans F , et A Mm,n sa matrice relative aux
bases (b1 , . . . , bn ) et (c1 , . . . , cm ). Soit P Mn la matrice de lapplication linaire qui
bi associe b0i , pour tout i = 1, . . . , n. Soit Q Mm la matrice de lapplication linaire
qui ci associe c0i , pour tout i = 1, . . . , n.
La matrice de f relative aux bases (b01 , . . . , b0n ) et (c01 , . . . , c0n ) est Q1 A P .
La dmonstration est pratiquement la mme que celle du thorme 2, avec des
notations plus lourdes. Nous lomettons.
Dfinition 6. Deux matrices A et B de Mm,n (R) sont dites quivalentes si et seulement si il existe deux matrices inversibles P Mn et Q Mm telles que :
B = Q1 AP .
Le thorme 3 affirme que deux matrices sont quivalentes si et seulement si elles
peuvent reprsenter la mme application linaire, un changement de base prs dans
les espaces de dpart et darrive.

1.4

Rang dune matrice

Nous avons dj dfini la notion de rang pour une famille de vecteurs et pour une
application linaire :
1. le rang dune famille de vecteurs est la dimension du sous espace vectoriel quelle
engendre,
2. le rang dune application linaire est la dimension de son image.
Soient E et F deux espaces vectoriels, et f une application linaire de E dans F . Si
(b1 , . . . , bn ) est une base de E, limage de f est le sous-espace vectoriel de F engendr
par (f (b1 ), . . . , f (bn )). Donc le rang de f est aussi le rang de la famille (f (b1 ), . . . , f (bn ))
et ce, quelle que soit la base (b1 , . . . , bn ). Ce rang ne dpend pas non plus de la base
dans laquelle on crit la famille (f (b1 ), . . . , f (bn )) larrive : cest le rang des vecteurs
colonnes de la matrice de f , quelles que soient les bases par rapport auxquelles on crit
cette matrice.
Dfinition 7. Soit A Mm,n (R) une matrice. On appelle rang de la matrice A la
dimension du sous-espace vectoriel (de Rm ) engendr par ses vecteurs colonnes.
Observons que la connaissance du rang fournit un critre dinversibilit.
Proposition 7. Une matrice de Mn (R) est inversible si et seulement si son rang est
n.

10

Calcul matriciel

Maths en Ligne

UJF Grenoble

Dmonstration : Daprs la proposition 5, une matrice est inversible, si et seulement

si elle reprsente une application linaire bijective de Rn dans lui-mme. Or une application linaire est bijective si et seulement si limage quelle donne dune base est une
base, cest--dire si son rang est n.

Le rang dune matrice est celui des applications linaires quelle reprsente, qui ne
dpend pas des bases. Si deux matrices reprsentent la mme application dans des bases
diffrentes, elles auront ncessairement mme rang. Rappelons (dfinition 6 et thorme
3) que deux matrices sont quivalentes si elles reprsentent la mme application linaire
dans deux bases diffrentes, ou encore si on dduit lune de lautre en multipliant
gauche ou droite par une matrice inversible. Deux matrices quivalentes ont mme
rang. Nous allons dmontrer la rciproque.
Thorme 4. Deux matrices de Mm,n (R) sont quivalentes si et seulement si elles
ont mme rang.
Dmonstration : Nous devons dmontrer que deux matrices ayant le mme rang sont
quivalentes. Soit A une matrice m lignes, n colonnes, et de rang r. Notons a1 , . . . , an
les n vecteurs colonnes de A, qui sont des vecteurs de Rm . Le rang de A est la dimension
de lespace engendr par (a1 , . . . , an ), qui est infrieure ou gale n et m. Nous allons
montrer que la matrice A est quivalente la matrice Jr obtenue en compltant la
matrice identit Ir par des zros, droite et en dessous.

r
0 0 0

.. ..
..
0
.
1
. .

. .
.
.
.
.
..
..
. . ..
.
.
.
...
Jr =
..
1 0 ..

0
0 1 0

0 0
0

.. ..
..
.
. .

1
1

0
..
.

..
.
0
0
..
.

0 0

1
..
.
r
r+1
..
.
m

Considrons lapplication f , de Rn dans Rm dont la matrice relative aux bases canoniques est A. Nous voulons trouver une base de lespace de dpart et une base de
lespace darrive, telles que la matrice de f relative ces bases soit Jr .
Comme la dimension de limage de f est r, la dimension du noyau est n r, daprs
le thorme du rang. Soit (c1 , . . . , cr ) une base de Im(f ) et (b1 , . . . , bnr ) une base de
Ker(f ). Pour tout i = 1, . . . , r, choisissons un vecteur vi tel que f (vi ) = ci . La famille
(v1 , . . . , vr , b1 , . . . , bnr )
est une base de E : ceci a t tabli dans la dmonstration du thorme du rang.
11

Calcul matriciel

Maths en Ligne

UJF Grenoble

Dans lespace darrive F , la famille (c1 , . . . , cr ) est une famille libre car cest une
base de Im(f ). On peut la complter par m 1 vecteurs cr+1 , . . . , cm de sorte que
(c1 , . . . , cr , cr+1 , . . . , cm )
soit une base de F .
Pour i = 1, . . . , r, limage de vi est ci . Les images de b1 , . . . , bnr sont nulles : la
matrice de f relative aux bases (v1 , . . . , vr , b1 , . . . , bnr ) (au dpart) et (c1 , . . . , cm ) (
larrive) est la matrice Jr .
Puisque A et Jr sont quivalentes, il existe deux matrices inversibles P et Q telles
que Jr = Q1 AP , et donc A = QJr P 1 . Soit B une autre matrice de Mm,n (R),
galement de rang r. Il existe deux autres matrices inversibles R et S telles que Jr =
S 1 BR. En multipliant gauche par Q et droite par P 1 , on obtient :
A = (QS 1 )B(RP 1 ) .
Donc deux matrices de mme taille et de mme rang sont quivalentes.

On dduit de la dmonstration qui prcde que A et tA ont le mme rang.

Proposition 8. Une matrice et sa transpose ont mme rang.
Dmonstration : Nous avons dmontr quune matrice A de rang r est quivalente
la matrice Jr obtenue en compltant Ir par des zros. Or tJr est du mme type que Jr :
elle contient la matrice identit Ir , complte par des zros. Elle est aussi de rang r.
Par la proposition 2, si A = QJr P 1 , la transpose de A scrit :
A = t (P 1 )tJr tQ .

Par la proposition 2, la transpose dune matrice inversible est inversible. Nous avons
donc montr que tA est quivalente tJr , qui est de rang r.

Dterminer le rang dune matrice consiste dterminer le rang de ses vecteurs
colonnes, ou encore de ses vecteurs lignes, puisque ce sont les colonnes de la transpose.
Pour ce faire, nous avons vu une mthode consistant crire un systme homogne,
puis lui appliquer la mthode de Gauss.
Soit A = (ai,j ) une matrice m lignes et n colonnes.

a1,1
.
..

a1,j
..
.

a1,n
..
.

a
A = (ai,j ) =
i,1
..
.

ai,j
..
.

ai,n
..
.

am,j

am,n

am,1

Munissons Rn et Rm de leurs bases canoniques, et notons f lapplication linaire de Rn

dans Rm qui a pour matrice A relativement ces bases. Lapplication linaire f peut
tre caractrise de deux faons diffrentes.
12

Calcul matriciel

Maths en Ligne

UJF Grenoble

1. f est lapplication qui un n-uplet x = (x1 , . . . , xn ) associe le m-uplet Ax, dont

la i-ime coordonne vaut
ai,1 x1 + + ai,n xn .
2. f est lapplication qui au j-ime vecteur de la base canonique de Rn associe le
m-uplet (aj,1 , . . . , aj,m ), savoir le j-ime vecteur colonne de A.
Le noyau de f est lensemble des n-uplets (x1 , . . . , xn ), solutions du systme homogne
(H) suivant.

(H)

a1,1 x1 +
..
.
ai,1 x1 +
..
.

am,1 x1 +

+a1,j xj +
..
.

+a1,n xn
..
.

= 0
..
.

+ai,n xn
..
.

= 0
..
.

+ai,j xj +
..
.

+am,j xj +

+am,n xn = 0

Le rang de ce systme est gal la fois au rang de f , au rang de A, au rang de la famille

des vecteurs colonnes de A et au rang de la famille des vecteurs lignes. Pour le calculer,
il suffit de mettre le systme (H) sous forme chelonne : le rang est le nombre de
pivots non nuls de la forme chelonne. On peut aussi dduire de la forme chelonne
une base de limage, cest--dire une base de lespace engendr par les vecteurs colonnes
de A. Il nest pas indispensable de passer par le systme (H) pour cela. On peut trs
bien appliquer la mthode du pivot de Gauss en transformant la matrice A, sans crire
le systme. Ceci revient remplacer chaque tape une matrice par une autre matrice
telle que le noyau de lapplication linaire associe soit le mme : le rang nest donc
pas modifi. Voici un exemple.
Considrons la matrice suivante.

A=

1
2
1
1

1
0
1
1
1
0
2 1
1
0 1 3

Le coefficient dordre (1, 1) est non nul, il ny a donc pas de permutations effectuer.
Le premier pivot est p1 = 1. Voici les transformations qui annulent la premire colonne
au-dessous du pivot.

L2 L2 2L1
L3 L3 L1
L4 L4 + L1

13

1
1
0
1
0 1
1 2
0
1 1
0
0
1 1 2

Calcul matriciel

Maths en Ligne

UJF Grenoble

Le second pivot est 1. Les transformations qui annulent le

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

bas de la seconde colonne

Pour obtenir un troisime pivot non nul, il faut changer les deux dernires colonnes.

1
1
1
0 1 2
0
0 2
0
0 4

0
1
0
0

Le troisime pivot est 2. Il ne reste quune ligne transformer.

L4 L4 2L3

1
1
1
0 1 2
0
0 2
0
0
0

0
1
0
0

Le rang de la matrice est donc 3. En noubliant pas que les colonnes 3 et 4 ont t
changes, on obtient aussi que les vecteurs colonnes numros 1, 2 et 4 de la matrice
A forment une famille libre, donc une base de lespace engendr.
Bien que lcriture du systme soit mathmatiquement superflue, elle est techniquement
plus sre, et nous vous conseillons de la conserver.

1.5

Calcul de linverse

Soit A Mn (R) une matrice carre. Soit b Rn un vecteur quelconque. Chercher

un n-uplet x = (x1 , . . . , xn ) tel que Ax = b, cest rsoudre un systme linaire de n
quations n inconnues. Si la matrice A est inversible, alors la solution scrit x = A1 b.
La mthode du pivot de Gauss parmet de rsoudre le systme Ax = b pour un second
membre quelconque, donc de calculer x = A1 b. Les coefficients de A1 se lisent sur
le systme rsolu. Voici ce quon obtient pour une matrice A deux lignes et deux
colonnes.

x +2y = a

3x +4y = b

x +2y = a

2y = b 3a

x = 2a + b

y =

1
(3a
2

b)

Les coefficients de A1 sont ceux de a et b dans lexpression de x et y. Dans le cas

gnral on obtient :
A=

1
=

14

Calcul matriciel

Maths en Ligne

UJF Grenoble

si 6= 0. Lexpression de A1 est facile mmoriser. Pour inverser une matrice

deux lignes et deux colonnes, il faut :
1. changer les deux coefficients diagonaux
2. changer le signe des deux autres
3. diviser tous les coefficients par le dterminant .
Pour n > 3, il ny a pas de formule gnrale aussi facile. La technique la plus sre
consiste rsoudre le systme Ax = b pour un second membre quelconque, avec la
mthode du pivot de Gauss, puis crire ensuite que la solution obtenue est le produit
de A1 par le second membre.
Soit par exemple inverser la matrice A suivante.

1
0 1
1 1
0

1 1
1

A=

Ecrivons le systme

x
a

A
y = b ,
z
c
soit

x
z = a
x y
= b

x y +z = c

Voici les diffrentes tapes de la rsolution par la mthode du pivot de Gauss.

x
z = a
x y
= b

x y +z = c

z =
a
y +z = b a
z = cb

A1

= ab+c
y
= a 2b + c
z =
b + c

avec

z =
a
y +z = b a
y +2z = c a

1 1

= 1 2
0 1

15

z =
a
y z = a b
z = cb

x
a

1
y =A b ,
z
c

1
1
.
1

Maths en Ligne

Calcul matriciel

UJF Grenoble

Entranement

2.1

Vrai ou faux

Vrai-Faux 1. Soient A et B deux matrices. Parmi les affirmations suivantes, lesquelles

sont vraies, lesquelles sont fausses, et pourquoi ?
1.  Si le produit AB est dfini, alors le produit BA est dfini.
2.  Si la somme A + B est dfinie, alors le produit AB est dfini.
3.  Si le produit AB est dfini, alors le produit tB tA est dfini.
4.  Si la somme A + B est dfinie, alors le produit A tB est dfini.
5.  Si les produits AB et BA sont dfinis, alors la somme A + B est dfinie.
6.  Si les produits AB et BA sont dfinis, alors la somme A + tB est dfinie.
7.  Si les produits AB et tBA sont dfinis, alors la somme A + tA est dfinie.
8.  Si les produits AB et tBA sont dfinis, alors la somme A + tB est dfinie.
9.  Si le produit AB est dfini, alors la somme A tA + B tB est dfinie.
10.  Si le produit AB est dfini, alors la somme tA A + B tB est dfinie.
Vrai-Faux 2. Soit A une matrice carre. Parmi les affirmations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1.  Si A est inversible, alors A tA = tA A.
2.  Si A est inversible, alors A tA est inversible.
3.  Si A est inversible, alors A + tA est inversible.
4.  Si A est inversible, alors A est quivalente la matrice identit.
5.  Si A est inversible, alors A est semblable la matrice identit.
Vrai-Faux 3. Soit A une matrice carre. On dit que A est diagonale si tous ses coefficients dordre (i, j) avec i 6= j, sont nuls. Parmi les affirmations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1.  Si A est diagonale, alors A est inversible.
2.  Si A est diagonale, alors A est symtrique.
3.  Si A est diagonale et si tous ses coefficients diagonaux sont non nuls, alors A
est inversible.
4.  Si A est diagonale, alors A est semblable la matrice identit.
5.  Si A est diagonale, alors A est quivalente la matrice identit.
Vrai-Faux 4. Parmi les affirmations suivantes, lesquelles sont vraies, lesquelles sont
fausses, et pourquoi ?
1.  Si une matrice est de rang r, alors elle est quivalente la matrice Ir
16

Calcul matriciel

Maths en Ligne

UJF Grenoble

2.  Une matrice est de rang r si et seulement si la famille de ses vecteurs colonnes

est de rang r.
3.  Une matrice est de rang r si et seulement si la famille de ses vecteurs lignes
est de rang r.
4.  Si une matrice A est de rang r, alors toute matrice forme de r colonnes parmi
les colonnes de A est de rang r.
5.  Si une matrice forme de r colonnes parmi les colonnes de A est de rang r,
alors A est de rang > r.
6.  La matrice nulle est la seule matrice de rang 0.
7.  Si deux lignes de A ne sont pas proportionnelles, alors le rang de A est au plus
2.
8.  Si deux lignes de A sont proportionnelles, alors le rang de A est strictement
infrieur son nombre de colonnes.
9.  Si une matrice carre de Mr , extraite de A est inversible, alors A est de rang
> r.
10.  Si A est de rang r, alors aucune matrice carre de Mr+1 extraite de A nest
inversible.
11.  Si toute matrice carre de Mr , extraite de A est de rang r, alors A est de rang
r.

2.2

Exercices

Exercice 1. On considre les matrices suivantes.

1
0

1
1

1 0 0
0 1 0

0
0
1
1

0
1
0
1

1
0
0
1

0
1

1
0

0 1
0
0

1
3
2
1

2
2
1
3

0
0

2
3
1
3
2

3
1

1
2

2
3
1 3

1
2 1
2 1
1

1
0

1 0 0

0 1 0
0 0 1

1
2
!

2
3 4

1 3
3

1 2
0

1. Ecrire la transpose de chacune de ces matrices.

17

1 2
2
1
2
0
0 1

0
0
1
2

Maths en Ligne

Calcul matriciel

UJF Grenoble

2. Etant donnes deux matrices A, B appartenant lensemble ci-dessus, calculer

ceux des produits A B, tA B, A tB, tA tB qui sont dfinis.
Exercice 2. On considre la matrice suivante.

0 0 0

A= 1 0 1 .
0 0 1
On note f lendomorphisme de R3 qui a pour matrice A dans la base canonique de R3 ,
note (e1 , e2 , e3 ).
1. Montrer que f f (e1 ) = f (e2 ) = 0. Montrer que f f (e3 ) = f (e3 ).
2. En dduire A2 . Vrifier en effectuant le produit matriciel.
3. Montrer que A3 = A2 sans effectuer le produit matriciel, puis vrifier en leffectuant.
4. Donner une base de Ker(f ) et une base de Im(f )
Exercice 3. On considre la matrice suivante.

0 0 1

A= 1 0 0
.
0 1 0
On note f lendomorphisme de R3 qui a pour matrice A dans la base canonique de R3 ,
note (e1 , e2 , e3 ).
1. Pour i = 1, 2, 3, dterminer f f (ei ), puis f f f (ei ).
2. En dduire que A2 = A1 . Vrifier en calculant le produit matriciel.
Exercice 4. On considre la matrice suivante.

0 1 0

A= 0 0 1 .
0 0 0
On note f lendomorphisme de R3 qui a pour matrice A dans la base canonique de R3 ,
note (e1 , e2 , e3 ).
1. Pour i = 1, 2, 3, dterminer f f (ei ), puis f f f (ei ).
2. En dduire A2 et A3 .
3. Pour k N , donner une expression de (I3 + A)k en fonction de k. Vrifier votre
expression pour k = 3 en effectuant le produit matriciel.
4. Reprendre la question prcdente pour (I3 A)k , puis pour (3I3 2A)k .

18

Maths en Ligne

Calcul matriciel

UJF Grenoble

Exercice 5. On considre la matrice suivante.

1 1 1

A= 1 1 1
.
1 1 1
On note f lendomorphisme de R3 qui a pour matrice A dans la base canonique de R3 ,
note (e1 , e2 , e3 ).
1. Pour i = 1, 2, 3, dterminer f f (ei ), en dduire que f f = 3f .
2. Pour k N , dmontrer par rcurrence que f k = 3k1 f .
3. En dduire lexpression de Ak en fonction de k.
4. Pour k N , donner une expression de (I3 + A)k en fonction de k. Vrifier votre
expression pour k = 3 en effectuant le produit matriciel.
5. Reprendre la question prcdente pour (I3 A)k , puis pour (3I3 2A)k .
Exercice 6. On rappelle quune matrice carre est symtrique si elle est gale sa
transpose. On note Sn lensemble des matrices carres symtriques. On dit quune
matrice carre est antisymtrique si elle est loppose de sa transpose : tA = A. On
note An lensemble des matrices carres antisymtriques.
1. Montrer que les lments diagonaux dune matrice antisymtrique sont nuls.
2. Montrer que Sn et An sont des sous-espaces vectoriels de Mn .
3. Soit A une matrice carre quelconque. Montrer que A+ tA est symtrique et A tA
est antisymtrique.
4. Montrer que le produit de deux matrices symtriques A et B est symtrique si
et seulement si AB = BA (on dit que A et B commutent ).
5. Montrer que le produit de deux matrices antisymtriques A et B est antisymtrique si et seulement si AB = BA.
6. Soit A une matrice inversible. Montrer que tA est inversible et que son inverse est
t
(A1 ).
7. Soit A une matrice symtrique et inversible. Montrer que son inverse est symtrique.
8. Soit A une matrice antisymtrique et inversible. Montrer que son inverse est
antisymtrique.
9. Montrer quaucune matrice de A3 nest inversible.
Exercice 7. On appelle trace dune matrice carre la somme de ses lments diagonaux.
On note tr(A) la trace de A Mn .
1. Soient A, B deux matrices de Mn . Montrer que tr(AB) = tr(BA).
2. En dduire que deux matrices carres semblables ont la mme trace.
19

Calcul matriciel

Maths en Ligne

UJF Grenoble

3. Soit A une matrice carre non nulle. Montrer que les traces de A tA et tA A sont
strictement positives.
Exercice 8. Dterminer le rang des matrices suivantes.

2 3 4
3
1
5
1
0 1
0
2
4

0
1 2
1 1
7
2
0 10
1
3 1

1
1
1
2
2
1
0 1

2
1
1 1

3
2
0 1

Exercice 9. Vrifier que les matrices suivantes sont inversibles et calculer leurs inverses.

0 1 0

0 0 1
2 1 2

2 1
1

4 3
1

1
1
0

0
2
2

3 1
1

3 3
1

1
2 0

3 1 1
0
1 2

Exercice 10. Pour chacune des matrices A suivantes :

2 1
1 2

2
2
2 1

5 6
3 4

5 2
3 0

5 2
3 0

7
5
6 4

1. Dterminer selon les valeurs de le rang de la matrice A I2 .

2. On note 1 et 2 les deux rels tels que le rang de A i I2 est 1. Pour i = 1, 2,
dterminer lensemble des solutions du systme linaire
!

x
0
(A i I2 )
=
.
y
0
On note vi un vecteur non nul solution de ce systme.
3. Montrer que (v1 , v2 ) est une base de R2 .
4. Soit P la matrice de passage de la base canonique de R2 la base (v1 , v2 ). Calculer
P 1 . Montrer que
!
1 0
1
P AP =
.
0 2
5. Montrer que la matrice (A 1 I2 )(A 2 I2 ) est nulle. En dduire une expression
de A1 en fonction de A et I2 .
6. En utilisant lexpression de la question prcdente, vrifier que
P 1 A1 P =

1/1
0
0
1/2

7. Pour k N , donner une expression de Ak en fonction de k.

20

Calcul matriciel

Maths en Ligne

UJF Grenoble

Exercice 11. Pour chacune des matrices A suivantes :

0 1 0

0 0 1
2 1 2

2 1
1

1
4
3

1
1
0

0
2
2

1
3
1

3 3
1

1. Dterminer selon les valeurs de le rang de la matrice A I3 .

2. On note 1 , 2 et 3 les trois rels tels que le rang de A i I3 est 2. Pour
i = 1, 2, 3, dterminer lensemble des solutions du systme linaire

x
0

(A i I3 )
y = 0 .
z
0
On note vi un vecteur non nul solution de ce systme.
3. Montrer que (v1 , v2 , v3 ) est une base de R3 .
4. Soit P la matrice de passage de la base canonique de R3 la base (v1 , v2 , v3 ).
Calculer P 1 . Montrer que

1 0 0

P 1 AP =
0 2 0 .
0 0 3
5. Montrer que la matrice (A 1 I3 )(A 2 I3 )(A 3 I3 ) est nulle. En dduire une
expression de A1 en fonction de A2 , A et I3 .
6. En utilisant lexpression de la question prcdente, vrifier que

1/1
0
0

1 1
1/2
0
P A P = 0
.
0
0
1/3
7. Pour k N , donner une expression de Ak en fonction de k.

2.3

QCM

Donnez-vous une heure pour rpondre ce questionnaire. Les 10 questions sont

indpendantes. Pour chaque question 5 affirmations sont proposes, parmi lesquelles 2
sont vraies et 3 sont fausses. Pour chaque question, cochez les 2 affirmations que vous
pensez vraies. Chaque question pour laquelle les 2 affirmations vraies sont coches
rapporte 2 points.
Question 1. Soient A et B deux matrices.
A Si la somme A + B est dfinie, alors le produit AB est dfini.
B Si la somme A + B est dfinie, alors le produit tAB est dfini.
21

Maths en Ligne

Calcul matriciel

UJF Grenoble

C Si le produit AB est dfini, alors la somme A + tB est dfinie.

D Si les produits AB et BA sont dfinis, alors la somme A + B est dfinie.
E Si les produits AB et BA sont dfinis, alors la somme tA + B est dfinie.
Question 2. Soit A une matrice.
A Le produit AA est toujours dfini.
B Le produit A tA est toujours dfini.
C Le produit (A tA)(tAA) est dfini si et seulement si A est carre.
D Si A est carre alors A tA = tAA.
E Si A tA = tAA alors A = tA.
Question 3. Soit A une matrice carre, et I la matrice identit, de mme taille que A.
A Si A est inversible, alors A tA est inversible.
B Si A est inversible, alors I A est inversible.
C Si A est inversible, alors A + tA est inversible.
1
D Si A est inversible, alors (A1 tA)1 = tA A.
E Si A est inversible, alors (A tA)(A1 tA1 ) = I.
Question 4. On considre la matrice A suivante.

1 0 1

A=
0 1 0 .
1 0 1
Soit f lapplication linaire de R3 dans R3 dont la matrice dans la base canonique de
R3 est A.
A Lapplication f est injective.

0 0 0

B Lapplication f a pour matrice 0 1 0 dans une certaine base de R3 .

0 0 2

2 0 2

C Lapplication f f a pour matrice 0 2 0 dans la base canonique de R3 .

2 0 2

1 0 0

D La matrice A est quivalente la matrice

0 1 0 .
0 0 0

1 0 0

E La matrice A est semblable la matrice 0 1 0 .

0 0 0
Question 5. On considre la matrice A suivante.
A=

1 1 1
1 1 1
22

Maths en Ligne

Calcul matriciel

UJF Grenoble

Soit f lapplication linaire de R3 dans R2 dont la matrice relative aux bases canoniques
de R3 et R2 est A.
A Lapplication f est surjective.
B Le noyau de f est un plan vectoriel.
!
1 0 0
C La matrice A est quivalente la matrice
.
0 1 0
!
1 0 0
D La matrice A est quivalente la matrice
.
0 0 0
E La matrice A est de rang 2.
Question 6. Soit A une matrice.
A Le rang de AtA est toujours suprieur ou gal au rang de A
B Le rang de tA est toujours gal au rang de A.
C Le rang de tAA est toujours infrieur ou gal au rang de A.
D Si A a plus de lignes que de colonnes, alors le rang de A est gal son nombre
de colonnes.
E Si le rang de A est gal son nombre de colonnes, alors A est inversible.
Question 7. Soit A une matrice 4 lignes, 3 colonnes, de rang 2.
A A est la matrice dune application linaire de R4 dans R2 .
B A est la matrice dune application linaire dont le noyau est un plan vectoriel.
C A est la matrice dune application linaire dont limage est un plan vectoriel.

1 0 0
0 1 0

D A est quivalente la matrice

.
0 0 0
0 0 0

1 0 0
0 1 0

E A est quivalente la matrice

.
0 0 1
0 0 0
Question 8. Soit A Mn une matrice carre inversible. Soit f lapplication de Rn
dans Rn qui a pour matrice A dans la base canonique.
A A est semblable la matrice identit de mme taille que A.
B Le noyau de f est une droite vectorielle.
C A est quivalente la matrice identit de mme taille que A.
D Limage de f est Rn .
E Le systme linaire Ax = 0 admet une solution non nulle.
Question 9. On considre la matrice A suivante.
A=

1 1
0 1
23

Maths en Ligne

Soit I
A
B
C
D
E

Calcul matriciel

UJF Grenoble

la matrice identit deux lignes et deux colonnes.

Linverse de A est gal A.
La matrice A est semblable I.
Linverse de A a des coefficients non entiers.
La matrice 12 (A + A1 ) est gale I.
La matrice A + A1 est diagonale.

Question 10. On considre la matrice A suivante.

0 0 1

A=
1 0 0 .
0 1 0
Soit I
A
B
C
D
E

la matrice identit trois lignes et trois colonnes.

A I est inversible.
A2 = A.
A1 = tA.
A + A2 est de rang 2.
I + A + A2 est de rang 1.

Rponses : 1DE 2BC 3AD 4BD 5BD 6BC 7CD 8CD 9DE 10CE

2.4

Devoir

Essayez de bien rdiger vos rponses, sans vous reporter ni au cours, ni au corrig. Si
vous souhaitez vous valuer, donnez-vous deux heures ; puis comparez vos rponses avec
le corrig et comptez un point pour chaque question laquelle vous aurez correctement
rpondu.
Questions de cours : Soit A Mn une matrice carre. On note I la matrice identit
de dimension n. On suppose quil existe une matrice B telle que A B = I.
1. Soit f lapplication de Mn dans Mn qui une matrice X associe le produit XA.
Montrer que f est une application linaire.
2. Montrer que f est injective. En dduire que f est bijective.
3. Montrer quil existe une matrice B Mn telle que B A = I. Montrer que
B = B. En dduire que A est inversible.
4. Soit B une matrice telle que A B = I. Montrer que B = B.
5. Soit C Mn une autre matrice inversible. Montrer que le produit A C est inversible et que (A C)1 = C 1 A1 .
Exercice 1 : Soient A et B les deux matrices suivantes.

1
0
0
1 0 1

1
0
A= 0
et B = 0 1 1 .
1
1 1
0 0 1
24

Calcul matriciel

Maths en Ligne

UJF Grenoble

1. Vrifier que A est inversible et calculer A1 .

2. Vrifier que B est inversible et calculer B 1 .
3. On pose M = AB. Justifier le fait que M est inversible et calculer M 1 , en
utilisant les rsultats des deux questions prcdentes.
Dans toute la suite, (b1 , b2 , b3 ) dsigne une base de R3 . On note f (respectivement :
g) lapplication de R3 dans lui-mme qui a pour matrice A (respectivement : B)
dans la base (b1 , b2 , b3 ).
4. Exprimer en fonction de b1 , b2 , b3 les vecteurs f (b1 ), f (b2 ), f (b3 ), puis f f (b1 ), f
f (b2 ), f f (b3 ). Retrouver le rsultat de la question 1.
5. Exprimer les vecteurs g 1 (b1 ), g 1 (b2 ), g 1 (b3 ) en fonction de b1 , b2 , b3 .
6. On note h lapplication linaire de R3 dans lui-mme, qui un vecteur v associe
h(v) = f (v) g 1 (v). Ecrire la matrice de h dans la base (b1 , b2 , b3 ).
7. Donner, en fonction de b1 , b2 , b3 , une base de Ker(h) et une base de Im(h).
8. On note c1 = f (b1 ), c2 = f (b2 ), c3 = f (b3 ). Montrer que (c1 , c2 , c3 ) est une base
de R3 . Quelle est la matrice de lapplication f dans la base (c1 , c2 , c3 ) ?
9. Calculer les matrices des applications g et g 1 dans la base (c1 , c2 , c3 ).
Exercice 2 : Soient A et B les deux matrices suivantes.

A=

1 2
1
1
0 1

0
1
2
1
2
0

1 1

2
et B = 1
2
1

2
1
1 1
.
3
0

On note f lapplication de R3 dans R4 qui a pour matrice A relativement aux bases

canoniques, et g lapplication de R4 dans R3 qui a pour matrice B relativement aux
bases canoniques.
1. Calculer les produits AB et BA.
2. On note P la matrice constitue des trois premires lignes de la matrice A. Vrifier
que P est inversible et calculer son inverse. En dduire le rang de la matrice A.
3. Dterminer le rang de B. En dduire le rang des matrices AB et BA.
4. On note (b1 , b2 , b3 ) les trois vecteurs colonnes de la matrice A. Soit e4 = (0, 0, 0, 1)
le quatrime vecteur de la base canonique de R4 . Justifier le fait que (b1 , b2 , b3 , e4 )
est une base de R4 .
5. Donner la matrice de lapplication f , relative la base canonique de R3 au dpart
et la base (b1 , b2 , b3 , e4 ) larrive.
6. Calculer la matrice de lapplication f g dans la base (b1 , b2 , b3 , e4 ).

25

Calcul matriciel

Maths en Ligne

2.5

UJF Grenoble

Corrig du devoir

Questions de cours :
1. Soient X, Y Mn deux matrices, , deux rels.
(X + Y ) A = XA + Y A ,
car le produit matriciel est distributif par rapport laddition. Donc lapplication
f est linaire.
2. Pour montrer quune application linaire est injective, il suffit de montrer que
son noyau est rduit {0}. Soit X un lment du noyau de f , cest--dire une
matrice telle que XA = 0 (matrice nulle). En multipliant droite par B, et en
utilisant lassociativit du produit matriciel :
(XA) B = X(A B) = X I = X .
Or si XA = 0, alors (XA) B = 0, donc X = 0. Donc le noyau de f ne contient
que la matrice nulle : f est injective.
Une application linaire entre deux espaces de mme dimension, si elle est injective, est aussi surjective, donc bijective.
3. Puisque f est surjective, il existe B Mn telle que f (B ) = I, soit B A = I.
Pour montrer que B = B, on utilise encore lassociativit du produit matriciel :
B (A B) = (B A) B. Or :
B (A B) = B I = B

et (B A) B = I B = B .

Par dfinition, sil existe une matrice B telle que B A = A B = I, la matrice A

est inversible.
4. La dmonstration est la mme que prcdemment : B (A B ) = (B A) B . Or :
B (A B ) = B I = B

et (B A) B = I B = B .

5. Utilisons encore lassociativit du produit matriciel.

(A C) (C 1 A1 ) = A (CC 1 ) A1 = A I A1 = A A1 = I .
Il existe donc une matrice qui, multiplie droite par A C donne lidentit. Par
application de ce qui prcde, la matrice A C est donc inversible et son inverse
est la matrice C 1 A1 .
Exercice 1 :
1. La matrice A est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve A1 = A.
26

Calcul matriciel

Maths en Ligne

UJF Grenoble

2. La matrice B est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve :

B 1

0 1
1 1
.
0
1

= 0
0

3. Le produit de deux matrices inversibles est inversible.

M 1 = B 1 A1

0 1
1
0
1
=
1
.
1
1 1

4.
f (b1 ) = b1 + b3 ,

f (b3 ) = b3 .

f (b2 ) = b2 + b3 ,

f f (b1 ) = f (b1 ) + f (b3 ) = b1

f f (b2 ) = f (b2 ) + f (b3 ) = b2
f f (b3 ) = f (b3 )
= b3 .
Lapplication f f concide avec lapplication identique sur une base de R3 , donc
sur R3 tout entier. Donc f est sa propre rciproque, donc A1 = A.
5. La matrice de lapplication g 1 dans la base (b1 , b2 , b3 ) est B 1 . On en dduit :
g 1 (b1 ) = b1 ,

g 1 (b2 ) = b2 ,

g 1 (b3 ) = b1 b2 + b3 .

6. La matrice de h dans la base (b1 , b2 , b3 ) est A B 1 .

A B 1

= 0
1

0
1
0
1
.
1 2

7. Soit (x, y, z) les coordonnes dans la base (b1 , b2 , b3 ) dun vecteur de Ker(h),

z = 0
z = 0

x +y 2z = 0 .
Tout vecteur de Ker(h) scrit xb1 xb2 , o x est un rel quelconque. Donc Ker(h)
est une droite vectorielle, dont une base est le vecteur b1 b2 . Limage de f est
un plan vectoriel, dont une base est donne par le premier et le troisime vecteur
colonne de la matrice : (b3 , b1 + b2 2b3 ).
8. Puisque A est inversible, limage par f dune base est une base. Donc (c1 , c2 , c3 )
est une base de R3 . Daprs la question 4,
f (c1 ) = b1 = c1 + c3 ,

f (c2 ) = b2 = c2 + c3 ,
27

f (c3 ) = b3 = c3 .

Calcul matriciel

Maths en Ligne

UJF Grenoble

Donc dans la base (c1 , c2 , c3 ), la matrice de f est encore la matrice A. On peut

aussi le montrer en utilisant la formule de changement de base : P 1 AP , o P
est la matrice de passage de lancienne base (b1 , b2 , b3 ) la nouvelle (c1 , c2 , c3 ),
qui ici vaut A.
9. En utilisant la formule de changement de base, la matrice de g dans la base
(c1 , c2 , c3 ) est :

2
1 1

2 1
A1 BA = 1
.
2
2 1
La matrice de g 1 dans la base (c1 , c2 , c3 ) est linverse de la prcdente :

0 1

1 1
0
A B A = 1
2 2

1
1
.
3

Exercice 2 :
1. On trouve :

AB =

1 4
3
3
3
0 5 1
5
4
7 1
3
3
4 1

3
2

et BA = 2 3
1 1

6
1
.
7

x
a

2. En rsolvant le systme P y = b , on trouve que ce systme est de rang

z
c
3, donc la matrice P est bien inversible. Son inverse est :

P 1

1 5 2
1
0
=
2 2
.
4
1
1
2

Les trois vecteurs colonnes de P sont linairement indpendants, donc les trois
premiers vecteurs colonnes de A le sont aussi : la matrice A est de rang 3.
3. Les deux premires lignes de B sont linairement indpendantes. La troisime est
la somme des deux autres. Donc la matrice B est de rang 2.
La matrice AB est celle de lapplication compose f g. Puisque B est de rang
2, limage de g est un plan vectoriel de R3 . Puisque lapplication f est de rang 3,
son noyau est rduit {0} et sa restriction Im(g) est de rang 2. Donc limage
de f g est un plan vectoriel : AB est de rang 2.
Le raisonnement est analogue pour BA : cest la matrice de lapplication g f .
Puisque f est de rang 3, son image est R3 , donc Im(g f ) = Im(g). Donc g f
est de rang 2, comme g. Donc la matrice BA est de rang 2.
28

Calcul matriciel

Maths en Ligne

UJF Grenoble

4. Soit Q la matrice forme en juxtaposant la matrice A et le vecteur colonne e4 .

Voici Q et sa transpose.

Q=

1 2
1
1
0 1
0
1
2
1
2
0

0
0
0
1

et

Q=

1 1
2
0
1 1
0
0

0
1
2
0

1
2
0
1

Notons l1 , l2 , l3 , l4 les 4 vecteurs lignes de Q (vecteurs colonnes de tQ). Soient

, , , 4 rels tels que l1 + l2 + l3 + l4 = 0. Ncessairement, = 0, donc
l1 + l2 + l3 = 0. Mais les vecteurs l1 , l2 , l3 sont linairement indpendants,
daprs la question 2, donc = = = 0. La matrice tQ est donc de rang 4, et
il en est de mme pour Q. Donc (b1 , b2 , b3 , e4 ) est une base de R4 .
5. Par dfinition, les images par f des vecteurs de la base canonique de R3 sont
b1 , b2 , b3 . Donc la matrice de lapplication f , relative la base canonique de R3
au dpart et la base (b1 , b2 , b3 , e4 ) larrive est la suivante.

1
0
0
0

0
1
0
0

0
0
1
0

6. Par application de la formule de changement de variable, la matrice de lapplication f g dans la base (b1 , b2 , b3 , e4 ) est Q1 AB Q. Or la matrice de la question
prcdente est Q1 A, ce qui simplifie le calcul : la matrice Q1 AB est la matrice
carre obtenue en ajoutant B une quatrime ligne de zros. Il reste calculer
le produit par Q :

Q1 ABQ =

3
2
2 3
1 1
0
0

29

6
1
1 1

.
7
0
0
0

Maths en Ligne

Calcul matriciel

UJF Grenoble

Complments

3.1

Les avocats de Cambridge

Tous deux ont fait leurs tudes Cambridge, tous deux ont exerc assez longuement
comme avocats tout en considrant cela comme un moyen accessoire de gagner leur vie,
tous deux ont fini professeurs de mathmatiques. Ils taient amis, et se sont influencs
lun lautre par leurs travaux respectifs, mme sil nont cosign aucun article 1 . Nous
parlons de Arthur Cayley (18211895) et de James Joseph Sylvester (18141897). Voici
ce que disait le second, vers la fin de sa carrire.
Cayley, who, though younger than myself is my spiritual progenitor who
first opened my eyes and purged them of dross so that they could see and
accept the higher mysteries of our common mathematical faith. . .
Sylvester est le premier qui a employ le mot matrix en 1850. Lanne suivante, il
explicite lanalogie qui la conduit ce terme.
I have in a previous paper defined a Matrix as a rectangular array of
terms, out of which different systems of determinants may be engendered,
as from the womb of a common parent.
Au dbut, une matrice ntait donc quun tableau partir duquel taient engendrs
des dterminants. Cest Cayley qui a le premier en 1858 trait les matrices comme
de nouveaux objets mathmatiques, susceptibles dtre ajouts et multiplis. Lisez le
dbut de A memoir on the Theory of Matrices , et admirez llgance et la concision
du style (les notations ont lgrement chang).
The term matrix might be used in a more general sense, but in the present
memoir I consider only square and rectangular matrices, and the term matrix used without qualification is to be understood as meaning a square
matric ; in this restricted sense, a set of quantities arrranged in the form of
a square, e. g.


a, b, c,


 a0 , b 0 , c 0 , 


 00

 a , b00 c00 , 
is said to be a matrix.
[. . . ]
It will be seen that matrices (attending only to those of the same order)
comport themselves as single quantities ; they may be added, multiplied
or compounded together, &c. : the law of addition of matrices is precisely
similar to that for the addition of ardinary algebraix quantities ; as regards
their multiplication (or composition), there is the peculiarity that matrices
are not in general convertible ; it is nevertheless possible to form the powers
1. N.J. Higham : Cayley, Sylvester and early matrix theory Lin. Alg. Appl. 428 p. 3943 (2008)

30

Calcul matriciel

Maths en Ligne

UJF Grenoble

(positive or negative, integral or fractional) of a matrix, and thence to

arrrive at the notion of a rational and intergal function, or generally os any
algebraical function, of a matrix.
Le style de Sylvester tait moins dpouill que celui de Cayley. Ils se rejoignaient
pourtant dans leurs opinions esthtiques.
Cayley : As for everything else, so for a mathematical theory : beauty can be
perceived but not explained.
Sylvester : May not music be described as the mathematics of the sense, mathematics as music of the reason ? The musician feels mathematics, the mathematician thinks music : music the dream, mathematics the working life.

3.2

Diagonalisation

Voici deux systmes linaires dquations.

+z =

(a) 12 x + 23 y 12 z =

3
x
2

x
y

(d)

= 1

23 y + 12 z = 1

2z =

Voici deux systmes linaires dquations de rcurrence.

(a)

uk+1

vk+1

= 12 uk + 32 vk 21 wk

wk+1 =

vk

3
u
2 k

+wk
(d)

32 vk + 21 wk

uk+1

= uk

vk+1

vk

wk+1 =

2wk

Voici deux systmes linaires dquations diffrentielles.

(a)

x0 (t) =

y(t)

+z(t)

y 0 (t) = 21 x(t) + 32 y(t) 12 z(t)

z 0 (t) =

3
x(t)
2

(d)

32 y(t) + 12 z(t)

x0 (t) = x(t)
y 0 (t) =

y(t)

z 0 (t) =

2z(t)

Les trois problmes, de natures trs diffrentes, ont en commun leur criture matricielle,
avec les deux matrices suivantes.

A=

21

3
2

12

3
2

32

1
2

D=

0 1

Tous les problmes linaires sont plus faciles rsoudre quand la matrice est diagonale !
31

Calcul matriciel

Maths en Ligne

UJF Grenoble

Il se trouve que les deux matrices A et D sont semblables, cest--dire quelles

reprsentent le mme endomorphisme dans deux bases diffrentes, ou encore, il existe
une matrice de passage P telle que P 1 AP = D.

1
2

1
2

12

1
2

12

1
2

{z

P 1

1
2

12

}|

21

3
2

21

3
2

32

1
2

{z

1 1

1 1

} |

{z

0 1

0
{z

Dfinition 8. Une matrice carre A Mn est diagonalisable si elle est semblable

une matrice diagonale, cest--dire sil existe une matrice de passage P telle que
P 1 AP = D .
Les techniques permettant de savoir si une matrice donne est diagonalisable et
de calculer la matrice de passage P si elle lest, dpassent le cadre de ce cours. On
commence par calculer les coefficients diagonaux de D, qui sont les valeurs de telles
que A In nest pas inversible : on les appelle les valeurs propres, et leur ensemble
est le spectre de la matrice. Pour chaque valeur propre , on dtermine ensuite le sousespace propre associ : cest lensemble des vecteurs v tels que (A In )v = 0.
La matrice est diagonalisable lorsquon peut trouver une base de Rn constitue de
vecteurs appartenant aux sous-espaces propres. La matrice de passage P est la matrice
exprimant ces vecteurs dans la base canonique. Quelques exemples lmentaires sont
donns dans les exercices 10 et 11.
Quand une matrice A est diagonalisable, il est facile de rsoudre le systme linaire
Ax = b : il est quivalent au systme Dy = c, avec y = P 1 x et c = P 1 b. Or dans
un systme dont la matrice est diagonale, toutes les quations nont quune inconnue
et se rsolvent sparment.
Prenons maintenant lexemple dun systme dquations de rcurrence linaire, du
type Uk+1 = A Uk , o Uk dsigne un vecteur dont on souhaite connatre lexpression en
fonction de k. Du point de vue thorique, il ny a pas de problme :
Uk = Ak U0 .
Mais cela navance rien si on ne sait pas calculer formellement lexpression de Ak en
fonction de k. Cest possible si A est diagonalisable. En effet, si A = P DP 1 :
Ak = P DP 1 P DP 1 . . . P DP 1 = P Dk P 1 .
Ecrire Dk est immdiat. On en dduit lexpression gnrale de Ak , donc de Uk . Dans

32

Calcul matriciel

Maths en Ligne

UJF Grenoble

lexemple ci-dessus, on trouve :

(1)k
2

A =

2k

2 +
k

+
(1)
2

1
2

(1)
+
2
2k

1
2

2k
2

2
(1)k
2

1
2

(1)
+
2
2k

1
2

2 +
(1)k
2

2k
2

1
2

2k
2

Passons maintenant aux systmes dquations diffrentielles, du type

Y 0 (t) = A Y (t) ,

(1)

o Y est une fonction (inconnue) de R dans Rn , et A Mn est une matrice carre de

rels. Si A = P DP 1 , alors
P 1 Y 0 (t) = D(P 1 Y (t)
Donc X(t) = P 1 Y (t) est solution du systme X 0 (t) = DX(t). En posant X(t) =
(x1 (t), . . . , xn (t)), ce systme scrit
x0i (t) = i xi (t) .

i = 1, . . . , n ,
Sa solution est facile calculer :
i = 1, . . . , n ,

xi (t) = ei t xi (0) .

Le vecteur des conditions initiales pour le systme diagonalis est X(0) = P 1 Y (0).
Connaissant X(t), on en dduit Y (t) = P X(t).
Soit par exemple rsoudre

x0 (t) =

y(t)

+z(t)

y 0 (t) = 21 x(t) + 32 y(t) 12 z(t) ,

z 0 (t) =

3
x(t)
2

32 y(t) + 12 z(t)

avec les conditions initiales x(0) = 0, y(0) = 1, z(0) = 2. Le systme scrit sous la
forme Y 0 (t) = A Y (t), avec

Y (t) =

x(t)

y(t)

12

3
2

12

3
2

23

1
2

et

A=

z(t)

33

Calcul matriciel

Maths en Ligne

UJF Grenoble

En utilisant la diagonalisation de A, on obtient

3 t 3 t
e e
2
2
3 t 1 2t
y(t) =
e e
2
2
3 t 1 2t
e + e
z(t) =
2
2
x(t) =

Prsente ainsi la diagonalisation semble un outil magique. En ralit, les algorithmes qui calculent numriquement les valeurs propres et les vecteurs propres sont
relativement lents et il est impossible de diagonaliser une matrice si sa dimension dpasse quelques dizaines.

3.3

Dcomposition LU

La mthode du pivot de Gauss nest pas exactement programme comme elle a

t prsente. Il y a plusieurs raisons cela, dont la principale est le problme de la
prcision numrique.
Voici un systme de deux quations deux inconnues, dpendant du paramtre
6= 0.

x + y = 1

x+y = 2

x + y = 1

(1 1 )y = 2

1
(1

(2 1 )/(1 1 ))

x =

y = (2 1 )/(1 1 )

Voici le mme systme, aprs avoir chang les deux quations.

x+y = 2

x + y = 1

x+y = 2

(1 )y = 1 2

x = 2 (1 2)/(1 )

y = (1 2)/(1 )

Les deux solutions sont videmment les mmes. Pourtant, si est trs petit en valeur
absolue, les deux calculs ne sont pas du tout quivalents numriquement : diviser par
un petit nombre, ou multiplier par un grand nombre, augmente les erreurs dapproximation.
Telles que nous les avons prsentes, les permutations de lignes et de colonnes
servent assurer que les pivots restent non nuls. La plupart des systmes que lon
rencontre en pratique ont une solution unique : ce sont des systmes de n quations
n inconnues, de rang n. En gnral, on peut leur appliquer la mthode du pivot de
Gauss sans rencontrer de pivot nul. Mais on utilise quand mme les permutations de
lignes et de colonnes, pour faire en sorte qu chaque tape, le pivot soit le plus grand
possible en valeur absolue.
Permuter les lignes dune matrice, revient la multiplier gauche par une matrice
de permutation. Une matrice de permutation est la matrice de passage de la base
34

Calcul matriciel

Maths en Ligne

UJF Grenoble

(b1 , . . . , bn ) la base (b(1) , . . . , b(n) ), o est une bijection de {1, . . . , n} dans luimme. Ses coefficients dordre ((i), i) valent 1, les autres 0. Permuter les colonnes
dune matrice, revient la multiplier droite par une autre matrice de permutation.
En permutant les lignes et les colonnes, on remplace la matrice A par la matrice P1 AP2
o P1 et P2 sont deux matrices de permutation.
Dans sa version la plus courante, lalgorithme ne considre que des permutations de
lignes : il remplace donc la matrice A par P A, o P est une matrice de permutation.
Une fois choisi lordre dans lequel on traite les lignes, la i-ime tape de la mthode
consiste ajouter aux lignes dindice i + 1, i + 2, . . . , n la i-ime ligne multiplie par un
certain coefficient. Cela revient multiplier gauche par une matrice du type suivant.

0
0

..
.
..

..
.
0
.

..

..
..
.
.
1
.

.
. . . . . . ..
..
i+1,i
.

.
..
...
..
0
.

0 m,i
0 1
1

Le produit de ces matrices, pour i allant de 1 m est la matrice ci-dessous.

2,1
..
.
..
.
..
.

0
...

m,1

...

...

1
i+1,i
..
.
m,i

..

..

0
..
.
..
.
..
.

1
0
m,m1 1

Son inverse est encore une matrice du mme type : trianglaire infrieure avec des 1
sur la diagonale. On la note L (pour lower triangular ). Le produit L1 P A est une
matrice triangulaire suprieure, que lon note U pour upper triangular : U est la
forme chelonne de A.
L1 P A = U P A = LU .
La dcomposition LU de la matrice A est la donne des trois matrices P, L, U telles
que P A = LU .
Si on doit rsoudre le systme Ax = b, on le transformera en deux systmes triangulaires, un de matrice L, lautre de matrice U .

Ax = b P Ax = P b LU x = P b
35

Ly = P b
Ux = y

Maths en Ligne

Calcul matriciel

UJF Grenoble

Il arrive frquemment que lon ait rsoudre successivement de nombreux systmes

linaires ayant tous la mme matrice A, mais des seconds membres diffrents. Calculer
au pralable la dcomposition LU de A rduit de beaucoup le temps de calcul. Pour
certaines matrices qui reviennent souvent dans les calculs, la dcomposition LU figure
dans les bibliothques de codes, et elle est charge en mmoire avant le dbut du calcul.

36