Vous êtes sur la page 1sur 24

2014 - Grard Lavau - http://lavau.pagesperso-orange.fr/index.

htm
Vous avez toute libert pour tlcharger, imprimer, photocopier ce cours et le diffuser gratuitement. Toute diffusion
titre onreux ou utilisation commerciale est interdite sans accord de l'auteur.
Si vous tes le gestionnaire d'un site sur Internet, vous avez le droit de crer un lien de votre site vers mon site,
condition que ce lien soit accessible librement et gratuitement. Vous ne pouvez pas tlcharger les fichiers de mon site
pour les installer sur le vtre.

CALCUL MATRICIEL
PLAN
I : Rsolution de systmes
1) Mthode de Gauss
2) Notation matricielle
3) Rang d'un systme
II : Oprations sur les matrices
1) Somme de matrices
2) Produit par un scalaire
3) Produit de matrices
III : Anneau des matrices carres
1) Dfinition
2) Matrice identit
3) Matrices particulires
4) Matrices inversibles
IV : Transposition
1) Dfinition
2) Proprits
3) Matrices symtriques et antisymtriques
Annexe : utilisation des matrices en physique
1) Matrice d'inertie
2) Rseaux de conducteurs lectriques
3) Quadriples
4) Electrostatique
5) Inductance mutuelle
6) Polarisation
7) Optique matricielle
8) Transformation de Lorentz

I : Rsolution de systmes

1 Mthode du pivot de Gauss-Jordan


On appelle systme linaire n quations et p inconnues un systme de la forme :
aa1121xx12 ++ aa1222xx22 ++ ... + a1pxp = b1
...
... + a2pxp = b2

an1x2 + an2x2 + ... + anpxp = bn


En ce qui concerne les coefficients aij, la convention universelle adopte est telle que l'indice de
gauche i est le numro de ligne, l'indice j de droite est le numro de colonne correspondant
l'inconnue xj.

-1-
On procde la rsolution d'un tel systme par un algorithme appel mthode du pivot de Gauss-
Jordan. Cette mthode consiste effectuer des oprations sur les lignes de faon obtenir un
systme chelonn facile rsoudre, tout en garantissant que le systme final est quivalent au
systme initial, de sorte que toute solution du premier systme est solution du second et inversement.

Si tous les ai1 sont nuls, alors x1 n'intervient pas et on passe la deuxime colonne. Si l'un des ai1 est
non nul, on permute la i-me ligne et la premire de faon se ramener au cas a11 0. On remplace
ensuite, pour 2 i n, la ligne Li par Li' = a11Li ai1L1, ce qui a pour effet d'annuler le coefficient de
x1 dans les lignes 2 n. On obtient un nouveau systme :
a11x1 +a22a12' xx22 ++......++aa2p1p'xxpp == bb12'
...
an2' x2 + ... + anp' xp = bn'
et on itre le procd sur les n 1 dernires lignes. Ce systme est quivalent au prcdent. En effet,
L ' + ai1L1
connaissant Li' et L1, il est possible de reconstituer Li = i . On remarquera pour cela qu'il est
a11
essentiel que a11 soit non nul.

Nous symboliserons le calcul Li' = a11Li ai1L1 par Li a11Li ai1L1, analogue une opration
d'affectation de variables en informatique, ceci afin de pouvoir indiquer les calculs effectus sans
avoir besoin d'introduire de nouvelles notations pour les nouvelles lignes.

Un systme est chelonn si sa matrice des coefficients vrifie les proprits suivantes :
Si une ligne est nulle, toutes les lignes qui suivent sont nulles
Si la ligne i est non nulle, son premier coefficient aij non nul s'appelle son pivot et se trouve une
colonne j de rang strictement suprieur celui du pivot de la ligne prcdente.
10 20 11 36 24
Ainsi, la matrice 0 0 0 1 2 est chelonne. Les inconnues en facteur d'un pivot sont appeles
0 0 0 0 0
inconnues principales, les autres sont appeles inconnues secondaires ou paramtres. Avec la matrice
prcdente, les inconnues principales sont x1, x3, x4 ; les inconnues secondaires sont x2 et x5.

EXEMPLE :
2x + 4y z + t = 2
x 2y + 3z t = 1
z t
x+y+2+2=0
2x + 4y z + t = 2
8y 7z + 3t = 0 L2 L1 2L2
2y 2z = 2 L3 L1 2L3
2x + 4y z + t = 2
8y 7z + 3t = 0
yz=1 L3 L3/2
Dans la dernire quation, on peut exprimer y en fonction de z et reporter dans l'quation prcdente,
mais pour des raisons didactiques, nous prfrons appliquer la mthode de Gauss-Jordan de faon
systmatique jusqu'au bout.

-2-
2x + 4y z + t = 2
8y 7z + 3t = 0
z + 3t = 8 L3 L2 8L3

Le systme final obtenu est chelonn. Les coefficients non nuls 2, 8, 1 en dbut de chaque quation
sont les pivots. Les inconnues x, y, z devant ces pivots sont les inconnues principales. L'inconnue t
est inconnue secondaire ou paramtre. Sous cette forme finale, on termine la rsolution en exprimant
de bas en haut les inconnues principales en fonction des paramtres, et en reportant dans les
quations qui prcdent :
2x + 4y z + t = 2
8y 7z + 3t = 0
z = 8 3t
2x + 4y z + t = 2
y = 7 3t
z = 8 3t
x = 11 + 4t
y = 7 3t
z = 8 3t
Ce systme admet une infinit de solution.

Les oprations lmentaires effectues sur les lignes sont de trois types :
(i) Li Lj permuter deux lignes
(ii) Li Li multiplier par une constante non nulle
(iii) Li Li + Lj ajouter une ligne un multiple d'une autre
Ces oprations garantissent de conserver un systme quivalent. C'est vident pour (i). Pour (ii), on
1
retrouve la valeur initiale de la ligne en effectuant Li Li. Il est donc essentiel que soit non nul.

Pour (iii), on retrouve la valeur initiale de Li en effectuant Li Li Lj. peut tre nul, mais dans
ce cas, aucune transformation n'est effectue. Il est possible de combiner en mme temps plusieurs de
ces oprations afin de gagner du temps, ce qu'on a fait plus haut en effectuant Li a11Li ai1L1.
p
Plus gnralement, on peut affecter Li une combinaison linaire de toutes les lignes Li k Lk
k=1

condition que i soit non nul, afin de garantir l'quivalence des systmes.

2 Notation matricielle
On crit le systme initial sous la forme AX = B o A est le tableau constitu des coefficients aij, X la
colonne des inconnues, lment de p, et B la colonne constitue des termes du second membre,
lment de n :
 

a11 ... a1p


A = ... ...
A s'appelle matrice n lignes et p colonnes.
an1 ... anp
x1
X = ...
xp
b1
B = ...
bn
-3-
La notation AX dsigne un vritable produit, celui d'une matrice par une colonne. Pour pouvoir
effectuer ce produit, il est ncessaire que le nombre de termes dans la colonne X soit gal au nombre
de colonnes de A. Si Y = AX, Y est une colonne ayant un nombre de termes gal au nombre de
lignes de A, et, pour tout i :
p
yi = aij xj
j=1

Ce produit caractrise A dans le sens o si deux matrices A et B vrifient AX = BX pour toute


0
...
0

colonne X de p, alors A = B. Il suffit en effet d'appliquer A et B sur le j-me vecteur 1 de la


 

p
...
0
base canonique de (o le 1 occupe la j-me place) pour voir que A et B ont mme colonne j.
 

Ainsi :
X p, AX = BX A = B
 

Deux matrices A et A' sont dites quivalentes en lignes si on peut passer de l'une l'autre par des
oprations lmentaires sur les lignes, ce qu'on note : A A'. Il s'agit d'une relation d'quivalence.
L
En effet :
AA en n'effectuant aucune opration sur les lignes
L
A A' A' A car les oprations tant inversibles, on peut passer de A'
L L
A par les oprations inverses.
A A' et A' A" A A" car on passe de A A" en effectuant naturellement
L L L
les oprations faisant passer de A A', puis de A' A"

La mthode de rsolution de Gauss-Jordan montre qu'une matrice quelconque est quivalente en


lignes une matrice chelonne en ligne.

3 Rang d'un systme


On appelle rang r du systme ou rang de la matrice des coefficients A = (aij) le nombre d'inconnues
principales (ou de pivots non nuls) une fois obtenu un systme chelonn ou une matrice chelonne.
On note r = rg(A).

Le rang ne dpend pas de la faon dont les oprations ont t menes pour obtenir une matrice
chelonne. En effet, si la matrice A conduit deux matrices chelonnes A' et A", alors on peut
passer de A' A" par des oprations sur les lignes. Mais la premire ligne est la seule avoir un pivot
p
non nul sur la colonne d'indice le plus petit et aucune combinaison linaire k Lk avec 1 1 ne
k=1

peut modifier ou diminuer cet indice puisque les coefficients des autres lignes sur la mme colonne
sont nuls. Ainsi, A' et A" ont sur la premire ligne un pivot occupant la mme colonne. En ce qui
-4-
concerne la deuxime ligne, on ne peut passer de la matrice A' la matrice A" que par une
p
combinaison linaire de la forme k Lk, 2 0, la ligne L1 ne pouvant intervenir faute de quoi un
k=2

pivot occuperait la mme colonne pour les deux premires lignes de A". Mais une combinaison
p
linaire k Lk, 2 0, donne un pivot sur la deuxime ligne occupant la mme colonne pour les
k=2

deux matrices. On poursuit le raisonnement successivement sur chacune des lignes, montrant que les
pivots occupent les mmes colonnes dans les deux matrices. Enfin, une ligne nulle dans A' ne peut
par combinaison linaire tre transforme en une ligne non nulle de A" car cette dernire ligne aurait
un pivot occupant une colonne identique un pivot d'une ligne prcdente. Ainsi, A' et A" ont mme
nombre de pivots.

L'unicit du rang de la matrice chelonne permet galement de conclure que les oprations
lmentaires sur les lignes conservent le rang d'une matrice. Soit en effet une matrice A, modifie en
une matrice chelonne A' ayant r pivots non nul, et soit B une matrice obtenue partir de A par des
oprations lmentaires sur les lignes. Alors A A' et A B donc B A' et A et B sont toutes
L L L
deux de rang r.

En ce qui concerne la rsolution d'un systme, plusieurs cas se prsentent :

Si r = n = p : autant d'inconnues que d'quations, le nombre d'inconnues tant gal au rang. On dit
qu'on a un systme de Cramer. Aprs chelonnement, on obtient un systme triangulaire sans
paramtres. Il y a alors une solution et une seule :
EXEMPLE : r = n = p = 3
x + 2y 3z = 5
y 2z = 2
z=3
Cela signifie que l'application X AX est bijective, o A est la matrice des coefficients du systme
et X la colonne des inconnues.

Si r = n < p : plus d'inconnues que d'quations, le nombre d'quations tant gal au rang. On
obtient aprs chelonnement un systme chelonn ayant p r paramtres. Il y a une infinit de
solutions, quel que soit le second membre :
EXEMPLE : r = n = 3 < p= 4
x + 2y 3z + 2t = 5
y 2z t = 2
z + 3t = 3
On rsout le systme en prenant t quelconque, et on en dduit z, puis y, puis x en fonction de t.
Concrtement, le fait que le rang soit gal au nombre d'quations signifie que les quations sont
indpendantes entre elles.
Cela signifie que l'application X AX est surjective.

Si r = p < n : plus d'quations que d'inconnues, le nombre d'inconnues tant gal au rang. Aprs
chelonnement, on obtient un systme chelonn sans paramtre, mais dont les n r dernires
quations ont leur membre de gauche nul. Si les membres de droite sont galement nuls, alors ces

-5-
quations sont inutiles et on se ramne au systme de Cramer. Mais si l'un des membres de droite est
non nul, cela signifie une incompatibilit entre les quations initiales et il n'y a pas de solution.
EXEMPLE : r = p = 2 < n = 3
x + 2y = 5 x + 2y = 5
y=2 provenant par exemple de 2x + 5y = 12 solution unique
0=0 x + 3y = 7
x + 2y = 5 x + 2y = 5
y=2 provenant par exemple de 2x + 5y = 12 pas de solution
0=1 x + 3y = 8
Cela signifie que l'application X AX est injective. Dans le cas d'un second membre B nul, la seule
solution est la solution nulle.

Si r < p et r < n, il y a p r paramtres, mais comme ci-dessus, n r quations ont leur membre
de gauche nul. Ou bien il n'y a pas de solution si les quations sont incompatibles, ou bien il y en a
une infinit.
EXEMPLE : r = 2 < p = n = 3
2x + y z = 1
x + 3y + z = 3
4x + 7y + z = 7
x + 3y + z = 3 L1 L2
5y + 3z = 5 L2 2L2 L1
5y + 3z = 5 L3 4L2 L3
x + 3y + z = 3
5y + 3z = 5
0=0 L3 L2 L3
x = 4z5
3z L'ensemble des solutions est une droite affine
y =
5
+ 1
Mais :
2x + y z = 1
x + 3y + z = 3
4x + 7y + z = 1
x + 3y + z = 3 L1 L2
5y + 3z = 5 L2 2L2 L1
5y + 3z = 13 L3 4L2 L3
L2 et L3 sont incompatibles (5 = 13). Il n'y a pas de solution.

II : Oprations sur les matrices

1 Somme de matrices
On note np( ) l'ensemble des matrices n lignes et p colonnes, coefficients dans ( =
      ou 

). On souhaite dfinir une addition sur cet ensemble de faon que cette addition satisfasse la
relation :
(A + B)X = AX + BX

-6-
p
o X est un lment quelconque de . Si A = (aij) et B = (bij), le i-me coefficient de AX est
p p p p p
aij xj, celui de BX est bij xj, donc celui de (A + B)X est aij xj + bij xj = (aij + bij) xj.
j=1 j=1 j=1 j=1 j=1

A + B est donc la matrice dont le terme (i, j) est aij + bij :

DEFINITION
Soient A et B deux matrices de

np ( ). Alors A + B est une matrice de


 

np( ) dont le terme


 

gnral est :
(A + B)ij = aij + bij

On vrifie facilement que :


A+B=B+A
(A + B) + C = A + (B + C)
A+O=O+A=A o O dsigne la matrice dont tous les coefficients sont nuls
(matrice dite nulle)
A + (A) = (A) + A = O o A dsigne la matrice de terme gnral aij

2 Produit par un scalaire


On souhaite dfinir un produit par un scalaire lment de   de faon que :
(AX) = (A)X
p
o X est un lment quelconque de  
p
. Si A = (aij), le i-me coefficient de AX est aij xj, celui de
j=1

p p
(AX) est aij xj = aij xj, donc celui de (A)X est aij :
j=1 j=1

DEFINITION
Soit A une deux matrice de  

np( ) et un lment de
    . Alors A est la matrice de  

np ( ) dont
 

le terme gnral est :


(A)ij = aij

On vrifie facilement que :


(A) = ()A
( + )A = A + A
(A + B) = A + B
1A = A
 

( ) muni de l'addition et du produit par un scalaire est donc un espace vectoriel. Sa dimension
np  

est np. Une base est en effet constitue des matrices Eij ayant tous leurs termes nuls sauf un seul qui
vaut 1 et qui occupe la position (i, j). Si A est une matrice de terme gnral aij, on a simplement :

A = aij Eij
i,j

-7-
3 Produit de matrices
On souhaite dfinir un produit de matrice de faon que :
(AB)X = A(BX)
o X est un lment quelconque de q. B doit donc disposer de q colonnes, donc est lment de
 

 

pq( ) pour un certain p. Dans ce cas BX possde p lignes. Pour effectuer le produit A(BX), A
 

doit donc possder p colonnes, donc est lment de  

np ( ) pour un certain n. A(BX) sera alors


 

n
lment de   . Cela signifie que AB doit appartenir  

nq ( ).
q
Si A = (aij) et B = (bij), le k-me coefficient de Y = BX est yk = bkj xj, et le i-me lment de
j=1

p
A(BX) = AY est aik yk. Or :
k=1

p p q p q q p
aik yk = aik bkj xj = aik bkj xj = aik bkj xj
k=1 k=1 j=1 k=1 j=1 j=1 k=1

q p
= ( aik bkj) xj
j=1 k=1

p
donc le terme gnral AB est aik bkj
k=1

DEFINITION
Soit A lment de ! !

np ( ) et B lment de
" " # #

pq( ). Alors AB est un lment de


$ $ % %

nq ( ) dont le
& &

terme gnral est :


p
(AB)ij = aik bkj
k=1

Pour calculer le produit C = AB, on effectue le produit de la ime ligne de A par la jme colonne de B.
La disposition usuelle de calcul est la suivante :
b...11 ... b...1j ... b...1q
bi1 ... bij ... biq
... ... ...
bp1 ... bpj ... bpq
a...11 a12 ... a1p
|

ai1 ai2 ... aip cij
... |

... ...
an1 an2 ... anp
On peut aussi dire qu'on multiplie successivement chaque colonne de B par la matrice A.

EXEMPLE :

-8-
11 00 21 2 1
Calculons 0 1 0 1 0 . On a :
0 1 4 0 1
2 1
1 0

0 1
11 00 1
2 2
2 3
0

0 1 0 1 0
0 1 4 1 4

Les proprits du produit sont (en supposant les nombres de lignes et de colonnes entre matrices
compatibles entre elles) :
A(B + B') = AB + AB'
(A + A')B = AB + A'B
(AB)C = A(BC) que l'on note ABC
A(B) = (AB) = (A)B que l'on note AB

La seule proprit non vidente est l'associativit (AB)C = A(BC). Or, pour toute colonne X :
((AB)C)X = (AB)(CX) par dfinition du produit de AB par C sur la colonne X
= A(B(CX)) par dfinition du produit A par B sur la colonne CX
= A((BC)X) par dfinition du produit de B par C sur la colonne X
= (A(BC)X) par dfinition du produit de A par BC sur la colonne X
Cette relation tant vrifie pour toute colonne X (de dimension adquate), on peut conclure que
(AB)C = A(BC).

On notera que si A appartient ' '

np( ) et n appartient
( ( ) )

pq( ), alors MN existe et appartient


* *

+ +

( ), mais que, si q est diffrent de n, BA n'existe pas. Le produit n'est donc pas commutatif. Il
nq , ,

ne l'est pas mme si les matrices sont carres de mme taille.

EXEMPLE :
1 1 0 2 1 3
2 3 1 1 = 3 7
mais 1 1 2
02 1 1 4 6
3 = 3 4

On prendra donc garde qu'en gnral AB BA

En particulier, (A + B)2 n'est pas gal A2 + 2AB + B2, mais A2 + AB + BA + B2. Ce dfaut de
commutativit du produit est source importante d'erreur chez les tudiants qui dbutent l'tude des
matrices.

Une autre proprit source d'erreur provient du fait que AB peut tre nul alors que ni A ni B n'est
nul.
EXEMPLE :
1 0 0 0 = 0 0
0 0 0 1 0 0
-9-
En particulier, on ne peut rien conclure du fait que AB = 0 et certainement pas que l'une des
deux matrices est nulle.
p
Il rsulte de la dfinition du produit de matrice qu'on peut assimiler une colonne X lment de - -
une matrice une colonne . .

n1 ( ). Le rsultat AX est le mme dans les deux cas.


/ /

III : Anneau des matrices carres

1 Dfinition
On note n( ) l'ensemble des matrices carres n lignes et n colonnes. Dans ce cas, le produit des
0 0 1 1

matrices est un produit interne cet ensemble :


A n( ), B n( ), AB n( )
2 2 3 3 4 4 5 5 6 6 7 7

Pour les MPSI : ( 8 8

n ( ),+, ) est un anneau.


9 9

2 Matrice identit
Cette matrice, note In est associe l'application identique : X n InX = X. Elle vaut : : :

10 01 00 ...
... 0
0
0 0 1 ... 0
... ...
0 0 0 ... 1
comme on peut le vrifier facilement en multipliant une colonne X par cette matrice. Son terme
gnral est not ij (symbole de Kronecker).

Si A est lment de ; ;

np ( ), alors :
< <

InA = AIp = A
En effet, pour tout (i, j) {1, ..., n} {1, ..., p} :
n
(InA)ij = ik akj
k=1

mais tous les ik sont nuls sauf pour k = i, donc (InA)ij = aij. Donc InA = A. On procde de mme
pour AIp.

On aurait pu dire aussi que, pour toute colonne X lment de p : = =

(InA)X = In(AX) par dfinition du produit de In par A, appliqu sur la colonne X


= AX par dfinition du In
donc InA = A.

3 Matrices particulires

a) Matrices scalaires :
Ce sont les matrices de la forme I. Tous les termes sont nuls sauf sur la diagonale, o ils sont tous
gaux entre eux. Ce sont les matrices associes aux homothties X X.

- 10 -
b) Matrices diagonales :
Ce sont les matrices dont tous les termes sont nuls en dehors de la diagonale. Ceux de la diagonale
sont quelconques : i j aij = 0.
a01 a02 00 ...
... 0
0

A = 0 0 a3 ... 0

... ...
0 0 0 ... an
On pourra vrifier que, si A et B sont toutes deux diagonales, le produit AB est diagonale et que les
termes de la diagonale sont les aibi.

c) Matrices triangulaires :
On traitera des matrices triangulaires suprieures, le cas des matrices triangulaires infrieures se
traitant de manire analogue. Elles sont de la forme :
a011 aa1222 aa1323 ...
... a2n
a1n

A = 0 0 a33 ... a3n

... ...
0 0 0 ... ann
et caractrises par : i > j aij = 0
n(n + 1)
Elles forment un sous-espace vectoriel de dimension (une base de ce sous-espace vectoriel
2
est forme des matrices dont tous les coefficients sont nuls, sauf un seul qui vaut 1 et qui occupe
n(n + 1)
l'une des positions du triangle suprieur de la matrice). La seule chose non vidente est de
2
vrifier la stabilit pour le produit de matrices. Soient donc deux matrices A et B triangulaires
n
suprieures et soit i > j. Le terme (i,j) du produit est donn par aik bkj qui est nul car aik = 0 pour
k=1

i > k et bkj = 0 pour k > j. Comme i > j, pour chaque k, il existe l'un des deux termes aik ou bkj qui est
nul.

d) Matrices nilpotentes :
Une matrice M est dite nilpotente s'il existe un entier n tel que Mn = 0.

4 Matrices inversibles
On dit que A lment de n( ) est inversible si et seulement si il existe M lment de n( ) tel
> > ? ? @ @ A A

que AM = MA = In. On note alors M = A1. Le produit de matrices tant non commutatif, il est a
priori indispensable de prciser qu'on a les deux relations AM = In et MA = In. Cependant, nous
allons montrer ci-dessous qu'il suffit d'une galit pour avoir l'autre.

Remarque prliminaire : effectuer une opration lmentaire sur les lignes de A revient multiplier
A gauche par une matrice, et effectuer une opration lmentaire sur les colonnes revient la
multiplier droite. On vrifiera en effet que :
Multiplier la jme ligne de A par est quivalent multiplier A gauche par la matrice :
j

- 11 -

10 ... 0

... ...
01 ... 0

0 0 ...... ...... 0 j (matrice de dilatation)


0 0 ... 1
Retrancher la ligne j la ligne i est quivalent multiplier A gauche par la matrice :
j


1 0 ... 0

i

... 1 ...
... ... 0
0 0 ... 1 ... 0 j (matrice de transvection tij(1))

0 0 ...
...
...
1
Permuter les colonnes i et j est quivalent multiplier A gauche par la matrice :
i j


1 0 ... 0

i

... 0 ... 1
... ... ...
(matrice de transposition)
... ...
... 1 ... 0 ... j

0 0 ... 1

Ainsi, toutes les oprations lmentaires sur les lignes de A sont quivalentes des produits de
matrices gauche de A. Effectuer plusieurs oprations lmentaires sur les lignes revient donc
multiplier A gauche par des matrices lmentaires M1, puis M2, ..., puis Mk et donc multiplier A
gauche par la matrice M = MkMk1...M2M1.

On vrifiera de mme que les produits droite donne les oprations lmentaires sur les colonnes de
A. On notera A B le fait de passer de A B par des oprations lmentaires sur les colonnes.
C

Remarquons qu'une matrice M produit de matrices lmentaires est de rang n puisque les oprations
lmentaires appliques sur M en sens inverse vont mener de la matrice M la matrice chelonne In.
Il en est de mme si on raisonne sur les colonnes : le rang des colonnes d'une matrice N produit de
matrices correspondant des oprations lmentaires sur les colonnes est n.

PROPOSITION :
Dans n( ), il y a quivalence entre :
B B C C

i) A est inversible
ii) A In
L
iii) L'quation AX = 0, X n, admet 0 comme seule solution.
D D

iv) B n, l'quation AX = B admet au plus une solution


E E

v) B n, l'quation AX = B admet au moins une solution


F F

- 12 -
Dmonstration :
i) iii)
car si AX = 0 et si M est une matrice telle que MA = In, alors X = MAX = M0 = 0.

ii) iii)
Si A In ,
alors des oprations lmentaires sur les lignes de A transforment A en In. D'aprs la
L
remarque prliminaire, cela revient dire qu'il existe une matrice M, gale au produit des matrices
lmentaires correspondant ces oprations lmentaires, telle que MA = In, et on conclut comme
ci-dessus.

iii) ii)
car le fait qu'il y a seulement la solution nulle AX = 0 montre que la rsolution de Gauss va
conduire un systme chelonn avec n lignes. Comme il y a n quations, cela signifie que A est
a011 aa1222 aa1323 ...
... a2n
a1n

quivalente en lignes une matrice triangulaire suprieure


0 0 a33 ... a3n , les lments
... ...
0 0 0 ... ann
diagonaux aii tant non nuls. Mais il n'est pas difficile, partir de cette matrice triangulaire,
d'effectuer des oprations lmentaires sur les lignes de faon annuler le triangle suprieur, arrivant
a011 a022 00 ...
... 0
0

ainsi la matrice 0 0 a33 ... 0 , (commencer par utiliser la dernire ligne pour annuler les
... ...
0 0 0 ... ann
coefficients de la dernire colonne en utilisant le fait que ann 0). Il suffit enfin d'effectuer les
oprations Li Li pour obtenir In. On a alors montr que A In.
1
aii L
iii) iv)
En effet, si X1 et X2 sont deux solutions de AX = B, alors A(X1 X2) = B B = 0, donc, d'aprs iii),
X1 X2 = 0.

iv) iii)
Appliquer iv) en prenant B = 0

ii) v)
ii) signifie que des oprations lmentaires sur les lignes va transformer le systme AX = B en un
systme quivalent MAX = X = MB o MB est obtenu partir de B par les mmes oprations qui
ont transform A en In, correspondant un produit gauche par une matrice M. Donc il y a une
solution au systme, savoir X = MB.

v) ii)
De mme, si v) est vraie, cela signifie que la rsolution du systme AX = B conduit un systme
chelonn avec n lignes non nulles. En effet, si l'une des lignes du systme est nulle et si M est la
matrice dont le produit gauche de A conduit ce systme, on aurait MAX = MB avec l'une des

- 13 -
, on
n
lignes de MA nulle. S'il s'agit de la ligne k, on aurait donc 0 = mkj bj. Mais si on prend bj = mkj
j=1

n
obtient 0 = mkj 2 et donc la k-me ligne de M serait nulle. Mais cela est impossible, car cela
j=1

voudrait dire que le rang de M est strictement infrieur n, or M est obtenu partir d'oprations
lmentaires sur les lignes donc est de rang n. A est donc quivalente en lignes une matrice de la
a011 aa1222 aa1323 ...
... a2n
a1n

forme 0 0 a33 ... a3n avec les aii 0 et on conclut de la mme faon que iii) ii).
... ...
0 0 0 ... ann
On a donc montr que ii) iii) iv) v) et que i) iii). Pour conclure, il suffit donc de montrer
que ii) i) :
Nous avons dj vu que, si A
In, alors des oprations lmentaires sur les lignes de A
L
transforment A en In et donc, d'aprs la remarque prliminaire, il existe une matrice M gale au
produit des matrices lmentaires correspondant ces oprations lmentaires, telle que MA = In.
Procdons maintenant des oprations lmentaires sur les colonnes, de faon obtenir une matrice
chelonne selon les colonnes. Cela revient multiplier droite par une matrice, produit des matrices
lmentaires correspondant chacune une opration lmentaire sur les colonnes.
Si on parvient une matrice chelonne en colonne, triangulaire avec ses termes diagonaux non nuls,
on pourra poursuivre les oprations lmentaires sur les colonnes pour parvenir la matrice In
(comme on l'a fait dans la dmonstration de iii) ii) pour les lignes), ce qui signifie qu'il existe une
matrice N telle que AN = In. Mais on a alors MAN = (MA)N = InN = N = M(AN) = MIn = M, donc
M = N et A est bien inversible.
Dans le cas contraire, on obtiendrait une matrice chelonne en colonne avec une colonne nulle.
Autrement dit, il existerait une matrice N produit de matrices d'oprations lmentaires en colonnes,
telle que AN possde une colonne nulle. Mais ceci est impossible. Si AN a une colonne nulle, il en
est de mme de M(AN) or MAN = (MA)N = InN = N, donc N possde une colonne nulle. Donc le
rang de ses colonnes est strictement infrieur n. Ceci est contradictoire avec le fait que N est
produit de matrices d'oprations lmentaires en colonnes, puisque, pour une telle matrice le rang de
ses colonnes vaut n.

L'ensemble des matrices inversibles, muni du produit des matrices s'appelle groupe linaire et est
not GLn( ). Si A et B sont inversibles, il en est de mme de leur produit et
G G

(AB)1 = B1A1
En effet, (B A )AB = B (A A)B = B InB = B1B = In.
1 1 1 1 1

Le calcul de l'inverse d'une matrice se fait de la faon suivante :


Pour la matrice 2 2 c d , elle est inversible si et seulement si ad bc 0 et son inverse vaut
ab

1 d b comme on le vrifie en multipliant cet inverse par la matrice a b initiale.


ad bc c a c d

- 14 -
Si A n( ) et s'il existe B n( ) tel que AB = In (ou BA = In) alors B = A1. Par exemple,
H H I I J J K K

une matrice A vrifiant la relation A3 + 3A2 A + In = 0 est inversible puisque :


I = A3 3A2 + A = A (A2 3A + I)
et A1 = A2 3A + I.

Mthode gnrale : on rsout le systme AX = Y o X et Y sont des vecteurs colonnes n lignes.


Si A est inversible, alors on aura X = A1AX = A1Y et la solution du systme est unique.
L'expression de X en fonction de Y possde des coefficients qui sont prcisment ceux de la matrice
inverse.
Rciproquement, s'il existe une solution unique au systme pour tout Y, alors A est inversible.
Prenons en effet pour Y les colonnes successives Ek de base canonique de n et notons B la matrice
L L

dont la k-me colonne est la solution X du systme AX = Ek. On aura alors AB = In.

10 9 1
EXEMPLE : Calculer l'inverse de 9 10 5
1 5 9
10x + 9y + z = x'
9x + 10y + 5z = y'
x + 5y + 9z = z'
41y + 89z = 10z' x' 10L3 L1 L1
35y + 76z = 9z' y' 9L3 L2 L2
x + 5y + 9z = z'
x + 5y + 9z = z' L3 L1
35y + 76z = 9z' y'
z = 19z' 41y' + 35x' 41L235L1 L3
x = 65x' + 76y' + 35z'
y = 76x' + 89y' 41z'
z = 35x' 41y' + 19z'

65 76 35
Donc la matrice inverse vaut 76 89 41
35 41 19

Nous donnons enfin une mthode utilisant les matrices lmentaires, correspondant aux oprations
lmentaires sur les lignes ou les colonnes de A. On peut alors inverser une matrice de la faon
suivante : on choisit une fois pour toutes d'effectuer les mmes oprations sur les lignes, ou
(strictement) sur les colonnes, et ceci la fois sur A et sur la matrice Identit. Cela revient
multiplier A et In par la mme matrice M ( droite si on agit sur les colonnes, gauche si on agit sur
les lignes). Dans le cas d'oprations sur les colonnes, en cours de calcul, on dispose donc des
matrices AM et InM = M. Si l'on parvient finalement AM et InM avec AM = In, alors
ncessairement InM = M = A1.

2 4 1
EXEMPLE 1 : Calculer l'inverse de 1 2 3
1 1 1/2
2 4 1 1 0 0
1 2 3 0 1 0

1 1 1/2 0 0 1
- 15 -
C2 2C1 C2
C3 C1 + 2C3
2 0 0 1 2 1
1 4 7 0 1 0

1 1 2 0 0 2

C3 4C3 7C2
2 0 0 1 2 10
1 4 0 0 1 7

1 1 1 0 0 8

C2 C2 C3
2 0 0 1 12 10
1 4 0 0 8 7

1 0 1 0 8 8

C2 C2/4
2 0 0 1 3 10
1 1 0 0 2 7

1 0 1 0 2 8

C1 (C1 C2 C3)/2
1 0 0 4 3 10
0 1 0 5/2 2 7

0 0 1 3 2 8

4 3 10
Donc la matrice inverse vaut 5/2 2 7
3 2 8

10 9 1
EXEMPLE 2 : Calculer l'inverse de 9 10 5
1 5 9
10 9 1 1 0 0
9 10 5 0 1 0

1 5 9 0 0 1

C2 10C2 9C1
C3 10C3 C1
10 0 0 1 9 1
9 19 41 0 10 0

1 41 89 0 0 10

C3 41C2 + 19C3
10 0 0 1 9 350
9 19 0 0 10 410

1 41 10 0 0 190
- 16 -
C3 C3/10
10 0 0 1 9 35
9 19 0 0 10 41

1 41 1 0 0 19

C2 C2 41C3
10 0 0 1 1444 35
9 19 0 0 1691 41

1 0 1 0 779 19

C2 C2/19
10 0 0 1 76 35
9 1 0 0 89 41

1 0 1 0 41 19

C1 (C1 9C2 C3)/10


1 0 0 65 76 35
0 1 0 76 89 41

0 0 1 35 41 19

65 76 35
Donc la matrice inverse vaut 76 89 41
35 41 19

11 10 00 00 ...
... 0
0

EXEMPLE 3 : Soit A la matrice ... ... ...


1 1 1 ... 1 0
1 1 1 ... 1 1
On obtient directement la matrice In au moyen des oprations Ci Ci Ci+1. En appliquant les
11 01 00 00 ...
... 0
0

mmes rgles sur In, on obtient A1, savoir ... ... ...
0 0 ... 1 1 0
0 0 0 ... 1 1
L'algorithme gnral est le suivant :
i) Obtenir une matrice triangulaire infrieure : Pour i variant de 1 n1, placer en colonne i
un vecteur parmi ceux occupant les colonnes i n dont le ime terme est non nul (ce qui est possible
sinon, la matrice ne serait pas de rang n et ne serait pas inversible) et faire des combinaisons entre ce
ime vecteur et les vecteurs placs sa droite de faon annuler les termes situs en la ligne i et en
colonne k, k > i. Ceci s'obtient par utilisation rpte des trois manipulations lmentaires. On
remplit donc de 0 le triangle suprieur.
ii) D'une faon analogue, obtenir une matrice diagonale en remplissant de 0 le triangle
infrieur, mais en procdant de gauche droite, en remplissant de 0 les lignes les plus basses.
iii) Obtenir la matrice identit, en divisant chaque colonne par le terme de la diagonale
occupant cette colonne.

- 17 -
On peut galement effectuer le calcul sur les lignes. Il est comparable celui qui est men dans la
mthode de Gauss pour rsoudre un systme. En particulier, si le rang de la matrice est n, on arrivera
de faon certaine une matrice chelonne triangulaire diagonale non nulle, ce qui assure qu'on
pourra terminer le calcul.

IV : Transposition

1 Dfinition
On considre l'application :
M M

( ) pn( )
np N N O O P P

A tA appele transpose de A.
dfinie par : (tA)ij = Aji, 1 i p, 1 j n. On note aussi la transpose AT.

EXEMPLE :
t 2 3
1 0 = 2 1 6
3 0 5
6 5

2 Proprits
Il est ais de vrifier :
i) t(tA) = A
ii) t(A + B) = tA + tB
iii) t(A) = tA la transpose est donc linaire
t t t
iv) (AB) = B A pour A lment de np( ) et B lment de Q Q R R S S

pq( )T T

v) t(A1) = (tA)1 pour A lment de GLn( ) U U

Pour la relation iv), on a en effet :


p p p
(t(AB))ij = (AB)ji = Ajk Bki = (tA)kj(tB)ik = (tB)ik(tA)kj = (tBtA)ij
k=1 k=1 k=1

En ce qui concerne v), on a :


A inversible
AA1 = I

t
(AA1) = I
t
(A1)tA = I
ce qui prouve que tA est inversible d'inverse t(A1).

Dans le chapitre L(E-F).PDF portant sur les applications linaires, on montre que A et sa transpose
ont mme rang.

3 Matrices symtriques et antisymtriques


Soit A une matrice carre. On dit que A est symtrique si tA = A. On dit que A est antisymtrique si
t
A = A. L'ensemble des matrices symtriques et l'ensemble des matrices antisymtriques sont des
sous-espaces vectoriels de n( ). Montrons qu'ils sont supplmentaires :
V V W W

Si A est la fois symtrique et antisymtrique, tA = A = A donc A est nulle. La somme est donc
directe.
- 18 -
Toute matrice carre s'crit comme somme d'une matrice symtrique et antisymtrique :

M + tM M tM
M= +
2 2

7 5 7 2 0 3
Ainsi 1 5 = 2 5 + 3 0

n(n + 1)
La dimension du sous-espace des matrices symtriques est , une base tant (Eij + Eji), i j ;
2
n(n 1)
la dimension du sous-espace des matrices antisymtriques est , une base tant (Eij Eji), i < j.
2

Annexe : utilisation des matrices en physique


Les utilisations des matrices en physique sont innombrables. On en donne quelques exemples ci-
dessous.

1 Matrice d'inertie
Soit M un point de masse m se dplaant la vitesse V par rapport un rfrentiel et O un point de
ce rfrentiel. On appelle moment cintique de M par rapport O le vecteur :
LO = OM mV
L'intrt du moment cintique tient dans le fait que sa drive est gale aux moments des forces
appliques en M par rapport O (y compris les forces d'inertie si le rfrentiel n'est pas galilen),
lorsque O est fixe dans le rfrentiel considr.

Supposons que M effectue un mouvement de rotation autour d'un axe passant par O. La vitesse V
est alors de la forme V = OM, o est un vecteur appel vecteur instantan de rotation et
) est l'axe de
dsigne le produit vectoriel (voir l'annexe du chapitre sur les dterminants). L'axe (O,
rotation. On a alors :
LO = m OM ( OM)

On introduit alors un oprateur, appel oprateur d'inertie, qui, tout vecteur u, associe le vecteur
J(u) = m OM (u OM), de sorte que LO = J( ). En utilisant la formule du double produit
vectoriel, on obtient galement :
J(u) = m OM2u m <u,OM> OM = m (OM u) OM

En ce qui concerne un solide, on opre de mme en sommant au moyen d'une intgrale triple sur tous
les points du solide. L'oprateur d'inertie prend alors la forme :

J(u) = OM (u OM) dm
V

=
OM2u <u,OM> OM dm

V
J est clairement linaire et est donc reprsent par une matrice 3 3 dont on montre qu'elle est
A F E
symtrique. La matrice de J s'crit donc F B D avec :

E D C

- 19 -
2 2
A = <J(i),i> = OM2 (i.OM)2 dm = (y + z ) dm,
V
V
moment d'inertie par rapport l'axe (O,i)
2 2
B =
(x +z ) dm, moment d'inertie par rapport l'axe (O,j)
V
2 2
C =
(x +y ) dm, moment d'inertie par rapport l'axe (O,k)
V

D = <J(k),j> =
yz dm, quantit appele produit d'inertie.
V

E =
xz dm
V

F =
xy dm
V
Etant symtrique, on montre qu'elle est diagonalisable dans un repre orthonorm dont les axes sont
appels axes principaux d'inertie. (cf le fichier PREHILB.PDF traitant du chapitre Espaces
prhilbertiens du cours de deuxime anne pour plus de dtails).

2 Rseaux de conducteurs lectriques


On considre un rseau lectrique form de n mailles. On attribue chaque maille un courant
lectrique fictif orient dit courant de maille (ou courant de Maxwell). Il y a donc n courants de
maille I1, ..., In. Le courant rel observ dans un conducteur commun plusieurs mailles est la
somme algbrique des courants des mailles auxquelles il appartient. Si chaque maille dispose d'une
force lectromotrice E1, ..., En, alors on dispose d'une relation matricielle :
(E) = (R)(I)
o R est une matrice n n. Dans le cas de mailles extrieures les unes aux autres, toutes orientes
dans le mme sens (par exemple le sens trigonomtrique), on montre que :
Rii est la somme des rsistances totales de la maille i
Rij est l'oppos de la somme des rsistances communes aux mailles i et j.
En particulier, cette matrice est symtrique. Pour connatre les intensits connaissant les forces
lectromotrices, il suffit d'inverser la matrice R.

3 Quadriples
On considre le systme lectrique suivant, appel quadriple :
I1 I2

U1 U2

Le cadre contient un rseau lectrique purement passif. Dans ce cas, les courants I1 et I2 dpendent
linairement de U1 et U2. En effet, on peut les considrer comme les courants de mailles extrieures
de sorte que l'on a :

- 20 -
II12 U1
U
... = (R)1
...
2

... ...
avec (R)1 inverse de la matrice (R) dfinie au paragraphe prcdent. Le signe de U2 provient de
l'orientation positive choisie pour U2 ici, en sens contraire du courant. (R)1 est symtrique. On
obtient donc, en introduisant le signe de U2 dans la matrice :
I1 a b U1
I2 = b c U2

On en dduit une expression :


U2 a' b' U1
I2 = c' d ' I1

dont on peut vrifier, en l'exprimant partir de a, b, c que le dterminant est gal 1. La dernire
matrice utilise s'appelle matrice de transfert. Cette disposition permet le calcul ais d'une suite de
quadriples en sries. Il apparat alors un produit de matrices.

4 Electrostatique
On considre n conducteurs lectriques de charges Q1, Q2, ..., Qn. Ces conducteurs sont ports aux
potentiels V1, V2, ..., Vn. L'exprience prouve que la dpendance des charges en fonction des
potentiels est linaire, et donc qu'il existe une matrice (C) telle que :
(Q) = (C)(V)
o (Q) est la matrice colonne de composantes Qi et (V) la matrice colonne de composantes Vi.

Les lments diagonaux valent Cii, sont appels capacit du conducteur i en prsence des autres
conducteurs, et sont positifs. Les lments Cij, pour i diffrent de j, s'appellent coefficient d'influence
du conducteur i sur le conducteur j. Ils sont ngatifs. Cette matrice est par ailleurs symtrique. Cette
proprit repose sur le principe de conservation de l'nergie. En effet, on montre que, si l'on charge
d'abord le conducteur j d'une charge Qj, puis le conducteur i d'une charge Qi, l'nergie ncessaire
1
vaut (C1)ijQii2 + (C1)ijQjQi + (C1)jjQj2. Si l'on commence d'abord par le conducteur i puis par le
2
1
conducteur j, l'nergie vaut (C1)ijQii2 + (C1)jiQjQi + (C1)jjQj2. On a donc (C1)ij = (C1)ji. La
2
matrice C1 et donc la matrice C est symtrique. Indiquons enfin que l'nergie lectrostatique
ncessaire pour charger les conducteurs i la charge Qi vaut :
1
E = tQ C1 Q o Q est la matrice colonne de composantes Qi
2
1t
= V C V o V est la matrice colonne de composantes Vi.
2
1t
= QV
2

5 Inductance mutuelle
De mme, considrons n circuits lectriques parcourus par les courants Ii. Ils crent un champ
magntique B dont le flux travers le circuit i est i. On a une relation du type :
() = (L)(I)
o () est le vecteur colonne dont les composantes sont i et (I) le vecteur colonne dont les
composantes sont Ii. (L) est une matrice carre n n de terme gnral Lij avec :
- 21 -
Lii inductance propre du circuit i
Lij inductance mutuelle du circuit i sur le circuit j.
Cette matrice est elle aussi symtrique. L'nergie magntostatique du systme s'exprime sous la
forme :
1
E = t I
2
1
= tI L I
2
1
= t L1
2

6 Polarisation
Considrons un corps, par exemple un cristal, plong dans un champ lectrique E. Les atomes de ce
corps subissent en gnral une polarisation. Il en rsulte une polarisation globale P, qui n'est pas en
gnral colinaire E. Il existe une transformation linaire M telle que :
P = ME
En considrant l'nergie ncessaire une polarisation d'abord suivant l'axe des x, puis suivant l'axe
des y, ou d'abord suivant l'axe des y puis suivant l'axe des x, on peut montrer l aussi que M est
symtrique. Le fait qu'une matrice symtrique soit diagonalisable dans une base orthonorme signifie
qu'il existe trois directions de polarisation privilgie, pour lesquelles P est colinaire E. L'nergie
1
de polarisation est tE.M.E
2

7 Optique matricielle
On dfinit en chaque point d'un axe optique le couple (y,u) o y est la distance du rayon l'axe et u
l'angle du rayon lumineux et de l'axe.

u
y
y' u'

Entre deux points, on a en premire approximation une transformation linaire de (y,u) en (y',u') due
la prsence d'appareils optiques tels qu'un systme de lentielle. Cette approximation est obtenue en
confondant u, sin(u) et tan(u) (autrement dit, on considre que la direction du rayon lumineux est
trs proche de celle de l'axe [approximation de Gauss]). La matrice de cette transformation est dite
matrice de transfert. Par exemple, les matrices sont :
milieu transparent de longueur L : u est invariant, mais y augmente de Lu
1 L
0 1
dioptre sphrique de rayon R, du milieu d'indice n au milieu d'indice n' : y est invariant, mais le
rayon change de direction :

- 22 -
1 0
(n n') n

n'R n'
dioptre plan, du milieu d'indice n au milieu d'indice n' : idem
1 0
n
0
n'
obtenu comme cas particulier du dioptre shrique lorsque R tend vers l'infini.
miroir sphrique de rayon R : idem
1 0
2
1
R
obtenu comme cas particulier du dioptre shrique lorsque n' = n.
miroir plan : idem
1 0
0 1
obtenu comme cas particulier du dioptre plan, lorsque n' = n, ou du miroir sphrique lorsque R tend
vers l'infini.

Disposer successivement plusieurs dioptres ou miroirs spars les uns des autres revient construire
un systme optique dont la matrice est le produit des matrices de ses lments.

Deux plans sont conjugus lorsque y = 0 correspond y' = 0 et ceci, quel que soit u. Cela signifie
qu'un objet dispos sur l'axe dans le premier plan aura son image sur l'axe dans le second plan. On a
alors ncessairement a12 = 0. Si la matrice est b c , on a y' = ay de sorte que a est l'agrandissement
a0

transversal. Si y = 0, on a u' = cu et c est l'agrandissement angulaire. Les plans conjugus sont dits
principaux lorsque l'agrandissement vaut a = 1.

Le foyer objet est atteint lorsque a22 = 0, le foyer image, lorsque a11 = 0. Dans le premier cas, y = 0
u' = 0, autrement dit les rayons issus d'un objet plac sur l'axe au foyer objet ressorte parallle
l'axe. Dans le second cas, u = 0 y' = 0, autrement dit des rayons incidents parallles l'axe se
0 f
concentre sur l'axe au foyer image. La matrice entre les deux foyers vaut 1 0 .
f'

8 Transformation de Lorentz
En relativit restreinte, on suppose qu'un repre O' se dplace la vitesse V par rapport O. Alors le
quadrivecteur (x', y', z', ct') constitu de la position (x', y', z') de O' et du temps t' multipli par la
vitesse de la lumire c se dduit du quadrivecteur (x, y, z, ct) par une tranformation linaire. En
particulier, si les axes sont aligns, et si le dplacement se fait suivant Ox, on a :
1 2 2
x' = 1 1 x
ct
ct' 1

1 2 1 2

- 23 -
V E
o = , c vitesse de la lumire. De mme, le quadrivecteur impulsion-energie (P, ) d'une masse
c c
ponctuelle m0 se dplaant la vitesse V et d'nergie cintique E se transforme avec le mme
1 E 1
oprateur, avec P = m0V et = m0c
1 2 c 1 2

On transforme de mme les quadrivecteurs densit de courant (J, c) ou le quadrivecteur potentiel



(A, ).
c

- 24 -

Vous aimerez peut-être aussi