Académique Documents
Professionnel Documents
Culture Documents
Calcul Matriciel
4
1 2
M2 (R).
1 3
M = (mij ) 1in .
1jp
67
68 CHAPITRE 10. CALCUL MATRICIEL
D
efinition : Pour M = (mij )1i,jn Mn (K), on appelle termes diagonaux les termes
m11 , m22 , . . . , mnn , cest `
a dire mii avec 1 i n.
Par exemple, la matrice identite a des termes diagonaux egaux `a 1 et des termes non diagonaux egaux `a 0.
Definition : On dit quune matrice carree est diagonale si ses termes non diagonaux sont nuls.
0 0 0 0
0 2 0 0
Exemple : 0 0 0 M4 (R) est diagonale.
0 0 0 1
On dit quune matrice est triangulaire sup erieure si ses termes strictement sous la diagonale sont nuls. Autrement
dit,
M = (mij )1i,jn
est triangulaire
superieure si mij = 0 pour i > j.
1 1 0
Exemple : 0 0 3
0 0 2
On dit quune
matrice
M = (mij )1i,jn est triangulaire inf erieure si mij = 0 pour j > i.
1 0
Exemple : est triangulaire inferieure.
2 1
Exemple :
3 1 4 0 7 1
2 5 + 1 2 = 3 7 .
0 1 1 1 + 1
D
efinition : Pour A = (aij ) 1in Mn,p (K) avec K = R ou C et K, on definit A comme la matrice de terme
1jp
general aij .
Exemple :
1 2 0 2 4 0
(2) 1 3 7 = 2 6 14
0 4 5 0 8 10
Th
eor`eme : (Mn,p (K), +, ) est un K-espace vectoriel (K = R ou C). La matrice nulle, element neutre pour +, est
ici la matrice dont tous les coefficients sont nuls.
Proposition : Pour 1 k n, 1 p, notons Ek, Mn,p (K) la matrice dont tous les termes sont nuls sauf
celui sur la k-i`eme ligne et la -i`eme colonne qui vaut 1. Alors {Ek , 1 k n, 1 p} est une base de
Mnp (K) appelee base canonique de Mnp (K).
Mn,p (K) est un espace vectoriel de dimension np.
Exemple : n = 2, p = 3.
1 0 0 0 0 0
E11 = E21 =
0 0 0 1 0 0
0 1 0 0 0 0
E12 = E22 =
0 0 0 0 1 0
0 0 1 0 0 0
E13 = E23 =
0 0 0 0 0 1
10.5. MULTIPLICATION DES MATRICES. 69
Illustration
b1j
..
.
bkj
..
.
bpj
..
.
..
.
ai1 . . . aik . . . aip . . . . . . cij
Exemple :
3 1
1 1 0 3 1 2
A= B=
2 0 1 5 0 1
0 0
Alors
3 1
1 2
0 1
0 0
1 1 0 3 2 1
2 0 1 5 6 3
et
2 1
AB = .
6 2
ATTENTION On ne peut calculer AB que quand le nombre de colonnes de A est egal au nombre de lignes de
B.
Si AB est definie, BA nest pas toujours definie et meme si elle lest, elle nest pas en general de meme taille que AB.
Cas particulier important : Dans Mn (K), ensemble des matrices carrees dordre n, on peut toujours multiplier
deux matrices A, B quelconques. AB et BA seront encore des matrices carrees de taille n mais en general AB 6= BA.
10.7 Syst`
emes lin
eaires.
D
efinition : Soit n et p deux entiers naturels non nuls. On appelle syst`eme lineaire de n equations `a p inconnues
x1 , x2 , . . . , xp tout syst`eme (S) du type :
a11 x1 + a12 x2 + + a1j xj + + a1p xp = b1
.. ..
. .
ai1 x1 + ai2 x2 + + aij xj + + aip xp = bi
.. ..
. .
an1 x1 + an2 x2 + + anj xj + + anp xp = bn
o`
u les aij (1 i n, 1 j p) et les bk (1 k n) sont des elements de K fixes.
Vocabulaire :
La matrice A = (aij ) 1in sappelle la matrice du syst`
eme.
1jp
Le n-uplet (b1 , b2 , . . . , bn ) sappelle le second membre du syst`eme.
Lorsque b1 = b2 = . . . = bn = 0, le syst`eme est dit homog` ene ou sans second membre.
On appelle syst` eme homog` e
ne associ e a
` (S) le syst` e me (S0 ) obtenu en remplacant tous les bi par 0.
a
11 1 x + a x
12 2 + + a 1j j + + a1p xp
x = 0
.. ..
. .
ai1 x1 + ai2 x2 + + aij xj + + aip xp = 0
.. ..
. .
an1 x1 + an2 x2 + + anj xj + + anp xp = 0
Ecriture matricielle : Si A est la matrice de (S), et si on note
x1 b1
x2 b2
X = . et B = .
.. ..
xp bn
le syst`eme (S) secrit
AX = B.
Exemple : On consid`ere le syst`eme (S) de deux equations a` trois inconnues :
(
x1 x2 = 1
(S)
x2 x3 = 1
1 1 0
A=
0 1 1
et lecriture matricielle est donc
x1
1 1 0 x2 = 1
.
0 1 1 1
x3
Remarque : Si la matrice dusyst`eme lineaire
est diagonale
ou triangulaire, on obtient tr`es facilement les solutions :
1 1 0 1
consid`erons par exemple A = 0 2 3 et B = 1 le syst`eme secrit alors
0 0 2 2
x1 x2 = 1
x1 = 1 + x2
x1 = 0
2x2 + 3x3 = 1 2x2 = 1 3x3 = 2 x2 = 1
2x3 = 2 x3 = 1 x3 = 1
Une solution de ce syst`eme est (1, 0, 1). Le syst`eme homog`ene associe est
(
x1 x2 = 0
(S0 )
x2 x3 = 0
(1 + , , 1 + )
avec reel quelconque.
avec x1 , . . . , xn K. On appelle matrice des composantes de ~x dans la base (~b1 , . . . , ~bn ) la matrice colonne
x1
x2
X = . .
..
xn
72 CHAPITRE 10. CALCUL MATRICIEL
Soit alors une autre base de E : (f~1 , . . . , f~n ). On peut se demander comment sexprime ~x dans cette nouvelle base.
Tout vecteur f~j , (1 j n) dans la base (~bi , 1 i n) :
n
X
f~j = pij~bi .
i=1
efinition : La matrice P = (pij )1i,jn est appelee matrice de passage de la base (~b1 , . . . , ~bn ) `a la base
D
(f~1 , . . . , f~n ) et est notee dans ce cours
P(~bi )(f~i ) .
Th eme : Soit un vecteur ~x de matrice des composantes Xb dans la base (~b1 , . . . , ~bn ) et Xf dans la base
eor`
(f1 , . . . , f~n ). Cela signifie que, si
~
x1 y1
Xb = ... Xf = ...
xn yn
alors
n
X n
X
~x = xi ~bi = yi f~i .
i=1 i=1
Alors,
Xb = P(~bi )(f~i ) Xf .
Demonstration
Demonstration
Exemple : On se place dans un espace vectoriel E de base (~b1 , ~b2 , ~b3 ). On pourra verifier que les vecteurs
f1 = ~b1 + ~b3 , f~2 = 2~b1 f~3 = ~b1 + ~b2 + 2~b3 forment une base de E. On trouve alors
~
et
0 2 1
1 3
P(f~i )(~bi ) = 2 2 21 .
0 1 0
et que
1 0 2 1 6
3 = 1 3
21 1 .
2 2
1 0 1 0 3
10.10. APPLICATIONS LINEAIRES ET MATRICES. 73
D
efinition U : ne application u ainsi definie est appelee une application lineaire de E dans F . On note L(E, F )
lensemble des applications lineaires de E dans F et on montre que cest un espace vectoriel.
efinition : La matrice A = (aij ) 1in est appelee matrice de u relativement aux bases (~ej ) et (f~i ) et notee
D
1jp
mat(~ei ),(f~j ) u.
Th
eor`
eme : Soient E et F deux espaces vectoriels de dimension finie de bases respectives E et F. Soit ~x E,
u L(E, F ), ~y = u(~x). Notons X la matrice colonne des composantes de ~x sur E et Y la matrice colonne des
composantes de ~ y sur F. Alors
Y = matE,F ( u)X.
Remarques :
Si u est un endomorphisme de lespace vectoriel E, et E une base de E, on note matE u au lieu de matE,E u.
matB Id = In .
Exemple : E = R2 [X], F = R3 [X], u(P ) = X 2 P .
u est clairement une application lineaire. On munit E et F de leurs bases canoniques. On a
u(1) = 0 u(X) = X 2 u(X 2 ) = 2X 3 .
La matrice de u dans les bases canoniques est donc
0 0 0
0 0 0
u=
.
0 1 0
0 0 2
Th
eor`
eme : Soit E, F deux K-espaces vectoriels de dimensions respectives p et n, et de bases respectives E et F.
Alors lapplication :
L(E, F ) Mn,p (K)
u 7 matE,F u
est un isomorphisme despaces vectoriels.
Th
eor`
eme : Soit E, F, G trois espaces vectoriels de dimension finie et de bases respectives E, F, G. Soit u
L(E, F ), v L(F, G). Alors
matE,G (v u) = (matF ,G v) (matE,F u) .
D
efinition : Le rang dune application lineaire u de E dans F (espaces vectoriels de dimensions finies) est defini
par
rg(u) = dim (Im u).
Remarque : Soit (~e1 , . . . , ~ep ) une base de E. On sait que
Imu = Vect u(~e1 ), . . . , u(~ep )
donc le rang de u est egal au rang de la famille
u(~e1 ), . . . , u(~ep ) .
efinition : Soit M Mn,p (K). On appelle rang de la matrice M le rang de lapplication lineaire de Kp dans Kn
D
qui a M pour matrice sur les bases canoniques.
Proposition : Le rang de la matrice M est egal au rang de toute application lineaire ayant M pour matrice.
Remarque : On notera que le rang de M est avec les notations ci-dessus le rang de la famille {w(~cj ), 1 j p}.
De mani`ere equivalente, le rang de M est le rang de la famille des colonnes M1 , . . . , Mp de M dans lespace Mn,1 (K).
M
ethode pratique de determination du rang : methode de Gauss. (Voir TD)
10.13 Transposition.
D
efinition : On appelle transpos ee de la matrice A = (aij ) 1in Mn,p (K) la matrice B = (bij ) 1ip Mp,n (K)
1jp 1jn
de terme general bij = aji .
On la note tA.
Exemple :
1 5
t 1 1 2
= 1 6
5 6 7
2 7
n
X
Tr A = aii .
i=1
Exemple :
1 0 1
Tr n7 0 5 = + 1.
1 2