Vous êtes sur la page 1sur 62

M111 , MIPC-I

Chapitre 4: Les Matrices

1
1 Matrice d’une application linéaire
Définition: Soient E et F deux K espaces vectoriels de dimensions
respectives n et p. Soient (e1 , e2 , . . . , en ) une base de E et (f1 , f2 ,
. . . , fp ) une base de F. f une application linéaire de E dans F .
Pour tout i = 1, . . . , n, f (ei ) ∈ F , donc il existe ai,j ... tels que:

f (e1 ) = a1,1 f1 + a2,1 f2 + . . . + ap,1 fp


f (e2 ) = a1,2 f1 + a2,2 f2 + . . . + ap,2 fp
..
.=
f (ej ) = a1,j f1 + a2,j f2 + . . . + ap,j fp
..
.
f (en ) = a1,n f1 + a2,n f2 + . . . + ap,n fp

2
En écrivant en colonne les composantes des f (ej ) dans la base
(f1 ,. . .,fp )
f (e1 )f (e2 ) . . . .f (ej ) . . . .f (en )
 
f1 a a12 ... a1j ... a1n
 11 
f2  a a22 ... a2j ... a2n 
 21 
..  . .. .. .. 
 . 
.  . . ... . ... . 
 
 
fi  ai1 ai2 ... aij ... ain 
 
..  .. .. .. .. 
.  .
 . ... . ... . 

fp ap1 ap2 . . . apj . . . apn
Le tableau des aij s’appelle la matrice de f relativement aux bases
(ei )i=1,...,n et (fj )j=1,...,p . On note

M = (aij )1≤i≤p , 1≤j≤n

3
i indice de la ième ligne et j indice de la jième colonne.
Si n = p la matrice M est dite matrice carrée d’ordre n.

4
Exemple: Ecriture matricielle d’une application linéaire
Primo: On considére l’application linéaire f : IR3 → IR2 donnée
par:
f (e1 ) = a11 f1 + a21 f2
f (e2 ) = a12 f1 + a22 f2
f (e3 ) = a13 f1 + a23 f2
La matrice est donc rectangulaire de la forme:
 
a11 a12 a13
M=  
a21 a22 a23
 
x1
3
 
Soit x ∈ IR , x = x1 e1 + x2 e2 + x3 e3 =  x2 

, son image par f est
x3

5
donnée par: f (x) = x1 f (e1 ) + x2 f (e2 ) + x3 f (e3 ) =  
y1
[x1 a11 + x2 a12 + x3 a13 ]f1 + [x1 a21 + x2 a22 + x3 a23 ]f2 =  .
| {z } | {z } y2
y1 y2
A l’aide des matrices cela peut être retrouvé de la façon suivante:
 
  x1  
a a12 a13   y = x1 a11 + x2 a12 + x3 a13
 11   x2  =  1 
 
a21 a22 a23 y2 = x1 a21 + x2 a22 + x3 a23
| {z } x3 | {z }
2×3 | {z } 2×1
3×1

6
Secondo: Soit f une application linéaire de IRn → IRp et soit
n p
M = (aij ) sa matrice relative aux
 bases
 canoniques de IR et IR .
x
 1 
 . 
Posons X = (x1 , x2 , . . . , xn ) =  ..  et
 
xn

7
 
y
 1 
 . 
Y = f (X) = (y1 , y2 , . . . , yp ) =  .. 
 
yp
    
a11 a12 . . . a1j . . . a1n x1 y1
    
 a    
 21 a22 . . . a2j . . . a2n  x2   y2 
 . .. .. ..  ..   .. 
 .    
 . . ... . ... .  .   . 
Y = MX =   

=
 


 ai1 ai2 . . . aij . . . ain  xj   yi 
    
 .. .. .. ..  ..   .. 
 . . ... . ... .  .   . 
    
ap1 ap2 . . . apj . . . apn xn yp

8
y1 = x1 a11 + x2 a12 + . . . + xj a1j + . . . + xn a1n
y2 = x1 a21 + x2 a22 + . . . + xj a2j + . . . + xn a2n
...
yi = x1 ai1 + x2 ai2 + . . . + xj aij + . . . + xn ain
...
yp = x1 ap1 + x2 ap2 + . . . + xj apj + . . . + xn apn

9
1.1 Matrices particulières

1.1.1 Matrice nulle

L’application linéaire nulle Θ de IRn dans IRn qui, à tout vecteur


x ∈ IRn fait correspondre le veteur nul.
 
0 0 ... 0 ... 0
 
 0 0 ... 0 ... 0 
 
 . . .. .. 
 . . 
 . . ... . ... . 
ΘIRn =  


 0 0 ... 0 ... 0 
 
 .. .. . ..
 . . . . . ..

 ... . 

0 0 ... 0 ... 0

ΘIRn et est appelée matrice nulle.

10
1.1.2 Matrice Identité

L’application linéaire identité IIRn de IRn dans IRn tel que


IIRn (x) = x pour tout x ∈ IRn . Considérons la base canonique
(e1 , . . . , en ) de IRn . On a lors IIRn (ei ) = ei i = 1, . . . , n, la matrice de
IIRn relativement à la base canonique de IRn est:
 
1 0 ... 0 ... 0
 
 0 1 ... 0 ... 0 
 
 . . .. .. 
 . . 
 . . ... . ... . 
MI n =  
IR 
 0 0 ... 1 ... 0 

 
 .. .. .. .. 
 . . ... . ... . 
 
0 0 ... 0 ... 1
cette matrice est notée In et est appelée matrice unité.

11
1.1.3 Matrice Diagonale

Considérons l’application linéaire dIRn de IRn dans IRn tel que pour
tout i = 1, . . . , n: dIRn (ei ) = λi ei , λi ∈ IR. La matrice de dIRn
relativement à la base canonique de IRn est:
 
λ 0 ... 0 ... 0
 1 
 0 λ ... 0 ... 0 
 2 
 . .. .. .. 
 . 
 . . ... . ... . 
Md n = λi δij =   
IR  0 0 . . . λi . . . 0 

 
 .. .. .. .. 
 . . ... . ... . 
 
0 0 ... 0 . . . λn

cette matrice est appelée matrice diagonale.

12
1.1.4 Matrice Triangulaire

Une matrice carrée M = (aij ) est dite triangulaire supérieure si on a


aij = 0 pour i > j.
 
a a12 . . . a1i . . . a1n
 11 
 0 a . . . a . . . a 
 22 2i 2n 
 . .. .. .. 
 . 
 . . ... . ... . 
M = 


 0 0 . . . aii . . . ain 
 
 .. .. .. .. 
 . . . . . . . . . . 
 
0 0 ... 0 . . . ann

Elle est dite triangulaire inférieure si aij = 0 pour i < j.

13
1.1.5 Matrice Symétrique, antisymétrique

Une matrice carrée M = (aij ) est dite symétrique si aij = aji pour
tout i, j.  
a a12 . . . a1i ... a1n
 11 
 a 
 12 a22 . . . a2i ... a2n 
 . .. .. .. 
 . 
 . . ... . ... . 
M =  

 a1i a2i . . . aii ... ain 
 
 .. .. .. .. 
 . . ... . ... . 
 
a1n a2n . . . ain . . . ann

14
Elle est dite antisymétrique si aij = −aji pour tout i, j.
 
0 a12 ... a1i . . . a1n
 
 −a 0 ... a2i . . . a2n 
 12 
 . .. .. .. 
 . 
 . . ... . ... . 
M =  

 −a1i −a2i ... 0 ... ain 
 
 .. .. .. .. 
 . . ... . ... . 
 
−a1n −a2n . . . −ain ... 0

15
1.2 Des exemples classiques

1.2.1 Homothétie

Soit α un réel. hx une application linéaire de IR2 vers IR2 qui à


(x, y) ∈ IR2 fait correspondre α(x, y). Donc hx (e1 ) = αe1 et
hx (e2 ) = αe2 , la matrice de hx relativement à la base canonique de
IR2 est:    
α 0 1 0
Mhx =  = α 
0 α 0 1

16
1.2.2 Projecteurs

px une application linéaire de IR2 vers IR2 qui à (x, y) ∈ IR2 fait
correspondre (x, 0). Donc px (e1 ) = e1 et px (e2 ) = (0, 0), la matrice de
px relativement à la base canonique de IR2 est:
 
1 0
Mpx =  
0 0

px est appelée projection sur ox.

17
La projection py sur oy est définie par: py (x, y) = (0, y). Sa matrice
est donnée par:  
0 0
Mpy =  
0 1
Considérons f la projection sur la première bissectrice parallèlement
à la seconde bissectrice. On a f (e1 ) = f (e2 ) = 1/2(e1 + e2 ). La
matrice de f est:  
1 1 1 
Mf =
2 1 1

pour tout (x, y) ∈ IR2 , f (x, y) = 12 (x + y)(e1 + e2 ), f (x, y) est un


vecteur de la première bissectrice.

18
1.2.3 Symétries

sx une application linéaire de IR2 vers IR2 qui, à (x, y) ∈ IR2 fait
correspondre (x, −y). Donc sx (e1 ) = e1 et sx (e2 ) = −e2 , la matrice
de sx relativement à la base canonique de IR2 est:
 
1 0
Msx =  
0 −1

sx est appelée symétrie par rapport à l’axe ox parallèlement à l’axe


oy.
La symétrie sy par rapport à l’axe oy parallèlement à l’axe ox est
définie par: sy (x, y) = (−x, y). Sa matrice est donnée par:
 
−1 0
Msy =  
0 1

19
1.2.4 Rotation de IR2

Considérons la rotation fθ de centre O et d’angle θ dans le plan IR2 .


D’après la figure on voit facilement que:

fθ (e1 ) = cos θe1 + sin θe2 , fθ (e2 ) = − sin θe1 + cos θe2

La matrice de fθ relativement à la base canonique de IR2 est donnée


par:  
cos θ − sin θ
Mfθ =  
sin θ cos θ

20
2 Opérations sur les matrices
Soit Mp,n (K) l’ensemble des matrices à coefficients dans K.

2.1 Addition des matrices

On définit l’addition de la façon suivante:

M = (aij ) et N = (bij )
M + N = (aij + bij ) (1)

21
2.2 Produit par un scalaire

On définit la loi externe par:

∀λ ∈ K λM = (λaij ) où M = (aij ) (2)

Théorème: Mp,n (K) muni de ces deux lois est un K espace vectoriel.
L’élément neutre pour la loi “+” est la matrice nulle (tous les
coefficients sont nuls).
L’opposé de M = (aij ) est −M = (−aij )

Proposition: L’espace vectoriel Mp,n (K) est de dimension np et


admet pour base la famille des matrices élémentaires Eij
(1 ≤ i ≤ n,1 ≤ j ≤ p).

Eij = (δij,kl )1≤k≤n , 1≤l≤n

22
en d’autres termes, l’élément aij de Eij vaut 1, et tous les autres
éléments sont nuls.
En particulier l’espace vectoriel Mn,n (K) des matrices carrées est de
dimension n2 .
Exemple:
1. A ∈ M2,2 (IR),

         
a b 1 0 0 1 0 0 0 0
A=  = a  +b   +c   +d  
c d 0 0 0 0 1 0 0 1
| {z } | {z } | {z } | {z }
E11 E12 E21 E22

(E11 , E12 , E21 , E22 ) est une base de M22 (IR) et


dimM22 (IR) = 4 = 2 × 2.

23
2. A ∈ M2,3 (IR),

       
a b c 1 0 0 0 1 0 0 0 1
A=   = a  +b   +c  
d e f 0 0 0 0 0 0 1 0 0
| {z } | {z } | {z }
E11 E12 E13
     
0 0 0 0 0 0 0 0 0
+d   +e   +f  
1 0 0 0 1 0 0 0 1
| {z } | {z } | {z }
E21 E22 E23

(E11 , E12 , E13 , E21 , E22 , E23 ) est une base de M23 (IR) et
dimM23 (IR) = 6 = 2 × 3.

24
Proposition: Dans l’espace vectoriel Mn,n (K) des matrices carrées
d’ordre n > 1:
i) Le sous-ensemble des matrices symétriques constitue un
sous-espace vectoriel de dimension n(n + 1)/2.
ii) Le sous-ensemble des matrices antisymétriques constitue un
sous-espace vectoriel de dimension n(n − 1)/2.
iii) Le sous-ensemble des matrices diagonales constitue un
sous-espace vectoriel de dimension n.
Preuve: Exercice.

25
2.3 Transposée d’une matrice

Définition: La transposée d’une (n, p)matrice M = (aij )1≤i≤n,1≤j≤p


est la matrice (p, n), notée t M définie par: t M = (bij )1≤i≤p,1≤j≤n et
bij = aji ∀ i, j. t M est donc une (p, n) matrice.
On a la proprieté suivante:
t t
( M) = M
 
1 2 3
Exemples: 1: La transposée de M =   est
4 5 6
 
1 4
t
 
M = 2 5 


3 6

26
 
a b
2: La transposée de la matrice carrée M =   est
c d
 
t
a c
M = 
b d

2.4 Produit des matrices

Définition: Le produit de la (n,p) matrice M = (aij )1≤i≤n,1≤j≤p et


de la (p, q) matrice N = (bkl )1≤k≤p,1≤l≤q est la (n, q) matrice notée
M.N ou M N définie par :
p
X
M N = (cij )1≤i≤n,1≤j≤q , cij = aik bkj (3)
k=1

27
Exemple:
   
1 2   3 8 1 1
  1 2 1 1  
 1 3   =  4 11 1 1 
   
1 3 0 0
1 1 | {z } 2 5 1 1
| {z } 2×4 | {z }
3×2 3×4

28
Produit successif
La puissance m-ième d’une matrice carrée A étant définie par:

A0 = I , A1 = A , A2 = AA , Am = Am−1 A

La matrice A est dite:


• involutive si A2 = I
• nilpotente s’il existe un p tel que Ap = o
• idempotente s’il existe un p tel que Ap = A

29
Propriétés du produit
Soit M , M1 , M2 ∈ Mn,p (IR); N , N1 , N2 ∈ Mp,q (IR); λ ∈ K:
• M (N1 + N2 ) = M N1 + M N2
• (M1 + M2 )N = M1 N + M2 N
• λ(M N ) = (λM )N = M (λN )
• (M N )P = M (N P )
• t (M N ) =t N t M

30
Attention: En général le produit M N 6= N M , en voici un exemple:
     
2 3 3 −3 0 0
M =  , N =  , MN =  
4 6 −2 2 0 0
 
−6 −3
NM =  
4 6

31
Proposition: Soient E et F deux espaces vectoriels sur K de
dimensions n et p. B = (ei )i=1,...,n une base de E, B ′ = (fi )i=1,...,p
une base de F . f une application linéaire de E sur F , g une
application linéaire de E sur F alors:
M [f + g, B, B ′ ] = M [f, B, B ′ ] + M [g, B, B ′ ]
∀λ ∈ K : M [λf, B, B ′ ] = λM [f, B, B ′ ]
Proposition: Soient E, F et G trois espaces vectoriels sur K de
dimensions n, p et q. B = (ei )i=1,...,n une base de E, B ′ = (fi )i=1,...,p
une base de F et B ′′ = (gi )i=1,...,q une base de G. f une application
linéaire de E sur F , g une application linéaire de F sur G alors:
M [gof, B, B ′′ ] = M [g, B ′ , B ′′ ]M [f, B, B ′ ]
Définition: Une matrice carrée A ∈ Mn (K) est dite inversible s’il
existe une matrice A′ ∈ Mn (K) telle que: AA′ = A′ A = I. A′ est dite
inverse de A et est notée A−1 .

32
Proposition: Soient E et F deux espaces vectoriels de même
dimension n sur K. B = (e1 , . . . , en ) une base de E, B ′ = (f1 , . . . , fn )
une base de F une application linéaire de E → F est bijective (c.à.d
isomorphisme) si et seulement si M [f, B, B ′ ] est inversible. De plus

(M [f, B, B ′ ])−1 = M [f −1 , B ′ , B]

2.4.1 Calcul pratique de l’inverse d’une matrice

Soit A ∈ Mn (K), X, X ′ ∈ K n deux vecteurs tels que

X ′ = AX ⇒ A−1 X ′ = A−1 AX = X
⇒ X = A−1 X ′

33
Exemples:
     
1 2 x1 x′1
1.) A =  ; X =  ; X ′ =  ;
1 3 x2 x′2
x′1 = x1 + 2x2
X ′ = AX ⇒ {
x′2 = x1 + 3x2
On peut donc exprimer facilement x1 et x2 en fonction de x′1 et x′2
x1 = 3x′1 − 2x′2
comme suit: { . L’inverse de A est donc
x2 = −x′1 + x′2
 
3 −2
A−1 =  
−1 1

2.) Soit f une application linéaire de IR2 dans IR2 , B = (e1 , e2 ) la

34
f (e1 ) = a11 e1 + a12 e2
base canonique de IR2 . { , la matrice de f
f (e2 ) = a12 e1 + a22 e2
relativement à la base canonique B est
 
a11 a12
M [f, B] =  
a21 a22
 
2 x1
Soit X un vecteur de IR : X = x1 e1 + x2 e2 = (x1 , x2 ) =  .
x2
Sont image par f est
Y = f (X) = f (x1 e1 + x2 e2 ) = x1 f (e1 ) + x2 f (e2 ) = x1 (a11 e1 +
a12 e2 ) + x2 (a12 e1 + a22 e2 ) = (x1 a11 + x2 a12 )e1 + (x1 a21 + x2 a22 )e2 ,
Y est donc définie par:

35
    
y1 = x1 a11 + x2 a12 a11 a12 x1
Y = (y1 , y2 ) =  =  =
y2 = x1 a21 + x2 a22 a21 a22 x2
M [f, B]X

36
3 Changement de base

3.1 Matrice de passage

Soit E un espace vectoriel de dimension n. B = (e1 , e2 , . . . , en ) une


base de E. B ′ = (f1 , f2 , . . . , fn ) une nouvelle base de E définie par:



 f1 = p11 e1 + p21 e2 + . . . + pn1 en



 f2 = p12 e1 + p22 e2 + . . . + pn2 en



 ..

 .


 fi = p1i e1 + p2i e2 + . . . + pni en



 ..


 .


 f = p e + p e + ...+ p e
n 1n 1 2n 2 nn n

37
En utilisant les sommations on note:
n
X
fj = p1j e1 + p2j e2 + . . . + pnj en = pij ei
i=1

La matrice de passage de la base B à la base B ′ est la matrice notée


PB→B ′ et dont les colonnes sont les composantes des vecteurs fi dans
la base B:
 
p a12 . . . a1j . . . p1n
 11 
 p 
 21 p22 . . . p2j . . . p2n 
 . .. .. .. 
 . 
 . . ... . ... . 
PB→B ′ =   

 pi1 pi2 . . . pij . . . pin 
 
 .. .. .. .. 
 . . ... . ... . 
 
pn1 pn2 . . . pnj . . . pnn

38
Proposition: Une matrice de passage est toujours inversible et on a:

(PB→B ′ )−1 = PB ′ →B

39
3.2 Action du changement de base sur les
composantes d’un vecteur

Soit x ∈ E un vecteur de E, de composantes (x1 , . . . , xn ) dans la base


B et de composantes (x′1 , . . . , x′n ) dans la base B ′ . On a alors:
 
x1
 
 x 
 2 
 . 
n  . 
X  . 
X = xi ei = 



i=1  xi 
 
 .. 
 . 
 
xn
B

40
 
x′1
 

 x′2 

 .. 
n  
X

 . 
= xi fi = 


 (4)
i=1  x′i 
 
 .. 

 . 

x′n
B′

ceci est équivaut à:


n
X n
X n
X n X
X n
X = x′j fj = x′j ( pij ei ) = pij x′j ei
i=1 i=1 i=1 j=1 i=1
n X
X n
= ( pij x′j )ei
i=1 j=1

41
n
X
= xi ei (5)
i=1

On conclut donc que:


 Pn ′


 x1 = j=1 p 1j xj

 x = Pn p x′

2 j=1 2j j


 ... = ...


 x = Pn p x′
n j=1 nj j

42
ce qui est équivalent à écrire:
    
x1 p11 p12 ... p1j ... p1n x′1
    
 x 
 2 
 p
 21 p22 ... p2j ... p2n 
 x′2 

 .   . .. .. ..  .. 
 .   .  
 .   . . ... . ... .  . 
X= 
 =
  


 = PB→B ′ X ′ (6
 xi   pi1 pi2 ... pij ... pin  x′i 
    
 ..   .. .. .. ..  .. 
 .   . . ... . ... .  . 
    
xn pn1 pn2 . . . pnj . . . pnn x′n
B B′

La matrice de passage étant inversible, de la relation (6) on montre


facilement que:
−1
X ′ = PB→B ′ X = PB ′ →B X (7)

43
3.3 Action du changement de base sur la matrice
d’une application linéaire:

Soit f une application linéaire de E dans E, B = (e1 , e2 , . . . , en ) et


B ′ = (f1 , f2 , . . . , fn ) deux bases de E. Soit Y l’image de X par f , on
a donc Y = M [f, B, B]X. D’après les formules de changement de
base: X = PB→B ′ X ′ et Y = PB→B ′ Y ′ , on aura donc la relation:

PB→B ′ Y ′ = M [f, B, B]PB→B ′ X ′

après multiplication par P −1 à gauche on obtient:


−1
Y ′ = PB→B ′ M [f, B, B]PB→B ′ X

On conclut donc que la matrice de f dans la base B ′ est donnée par:


−1
M [f, B ′ , B ′ ] = PB→B ′ M [f, B, B]PB→B ′

44
3.3.1 Exemple:
 
1 −1
Soit MB =   la matrice d’une application linéaire
1 1
relativement à la base canonique B = (e1 , e2 ) de IR2 . Soit
B ′ = (f1 = e1 − e2 , f2 = −e1 − e2 ) une nouvelle base de IR2 . La
matrice de passage de B à B ′ est donnée par:
   
1 −1 −1 1/2 −1/2
PB→B ′ =   , P = PB ′ →B =  
−1 −1 −1/2 −1/2

Soit X un vecteur de composantes (x1 , x2 )B dans la base B et


(y1 , y2 )B ′ dans la base B ′ .

45
D’après les relations (6) et (7), on obtient:
 
 x =y −y  y = 1/2(x − x )
1 1 2 1 1 2
et
 x2 = −y1 − y2  y2 = −1/2(x1 + x2 )

La matrice dans la nouvelle base est donnée par:


 
−1 1 1
MB ′ = P MB P =  
−1 1

3.3.2 Matrices semblables

Définition: Deux matrices carrées d’ordre n A et B sont semblables


s’il existe une matrice carrée inversible P d’ordre n telle que:

B = P −1 AP

46
3.3.3 Rang d’une Matrices

Définition: Soit M une (n, p) matrice, on appelle rang de M , le


rang du système des vecteurs-colonnes de M .
Si M est interprétée comme une matrice de l’application linéaire
f : IRn → IRp relativement aux bases canoniques, alors le rang de M
est le rang de f .

3.3.4 Proposition 1:

Le rang des colonnes d’une matrice M est égal à celui de ses lignes,
c’est à dire le rang de M est égal au rang de la transposée t M de M .

47
3.3.5 Proposition 2:

Soit M une matrice carrée d’ordre n. Les propriétés suivantes sont


équivalentes:
1) M est inversible
2) t M est inversible
3) Il existe une matrice carrée N d’ordre n telle que: M N = In
4) Il existe une matrice carrée K d’ordre n telle que: KM = In
5) Les lignes de M sont linéairement indépendantes
6) Les colonnes de M sont linéairement indépendantes
7) M est de rang n

48
4 Exercices résolus
4.0.6 Exercice 1: méthode de Gauss pour le calcul de
l’inverse d’une matrice

Soit à calculer l’inverse de


 
1 2 3
 
M = 2 3 1 


1 3 2

ce qui revient à chercher une matrice N telle que: M N = I3 . Pour


cela, on va écrire la matrice M à gauche et la matrice I à droite et
effectuer des opérations sur les deux matrices jusqu’à ce que M

49
deviendra la matrice unité. En effet:
   
1 2 3 1 0 0 l1
   
M =  2 3 1 = 0 1 0 
 
 l2 (8)
1 3 2 0 0 1 l3

La ligne l1 reste inchangée alors que l2 (resp l3 ) sera remplacée par


1
2 l2 − l1 (resp l3 − l1 ).
   
1 2 3 1 0 0 l11 = l1
   
1 5  −1 1
M1 =  0 − 2 − 2 
 =
  2 0 
 l21 = 21 l2 − l1 (9)
0 1 −1 −1 0 1 l31 = l3 − l1

50
Maintenant, on oublit l11 . La ligne l21 reste inchangée alors que l31 sera
remplacée par 12 l31 + l1:
   
1 2 3 1 0 0 l12 = l11
   
1 5  −1 1 0
M2 =  0 − 2 − 2 
 =
  2

 l22 = l21 (10)
0 0 −3 − 32 21 12 l32 = 12 l31 + l2

M2 est déja triangulaire inférieure. On fera la même procédure pour


la rendre diagonale.
La ligne l32 reste inchangée alors que l22 1(resp l12 ) sera remplacée par
6 2 2 2 2
5 l2 − l3 (resp l1 + l3 ).

51
   
1 2 0 − 21 1
2
1
2 l13 = l12 + l32
   
3 3 1
M3 = 
 0 − 5 0  =
 

10 10 − 12 
 l23 = 65 l2 2 − l32 (11)
0 0 −3 − 32 1
2
1
2 l33 = 21 l32

   
1 5
1 0 0 2 6 − 76 l14 = 10 3
3 l2 + l13
   
3 3 1
M4 = 
 0 − 5 0  =
 

10 10 − 12 
 l24 = l2 3 (12)
0 0 −3 − 32 1
2
1
2 l34 = l33

M4 est dèja diagonale, pour obtenir M −1 , il suffit de transformer M4


en I3 . Pour ce faire on remplace l14 par l14 , l2 4 par 35 l2 4 et l34 par

52
− 13 l34 : ce qui donne:
   
1 5
1 0 0 − 67 l15 = l14
   2 6

M5 =  0 1 0  =  −1 − 61 5  l25 = − 35 l2 4 (13)
   2 6 
1
0 0 1 2 − 61 − 61 l35 = − 13 l34
 
1 5
2 6 − 67
−1
 
A ce niveau, on conclut que M =
 − 21 − 61 5
6
.

1
2 − 61 − 61

Exercice 2: Soient A et B deux matrices carrées données par:


   
1 1 1 2
A=   , B=  
2 3 2 −1

Calculer A2 , B 2 , AB, BA, A + B, (A + B)2 . Comparer (A + B)2 et

53
A2 + 2AB + B 2 d’une part et (A + B)2 et A2 + AB + BA + B 2
d’autre part et conclure.

Réponse:
tout calcul fait, on a

       
2 3 4 2 1 1 5 0 3 1
A =  , B =  ,   , AB =  
8 11 2 3 0 5 8 1

   
2 3 16 12
A+B =  , (A + B)2 =  
4 2 16 16

54
 
2 2 14 6
A + 2AB + B =  
24 18
 
2 2 16 12
A + AB + BA + B =  
16 16
Après une inspection rapide, on remarque que
(A + B)2 = A2 + AB + BA + B 2 et que
(A + B)2 6= A2 + 2AB + BA + B 2 . Ceci est du au fait que AB 6= BA.
Remarque: Pour calculer (A + B)2,3,... il faut distinguer deux cas:
1. Si AB = BA on pourra utiliser la formule du Binôme.
2. Si AB 6= BA on n’a pas le droit d’utiliser la formule du Binôme et
dans ce cas (A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2 par
exemple, et pour
(A + B)3 = (A + B)2 (A + B) = (A2 + AB + BA + B 2 )(A + B) = ...

55
 
1 1 1
 
Exercice 3: Soit la matrice A =  0 1 1 

.
0 0 1
a.) Calculer A2 , A3 et en déduire An pour tout n ∈ IN.
b.) Déterminer KerA et ImA.
c.) On pose B = A − I3 , Calculer B 2 , B 3 et en déduire l’inverse A−1
de la matrice A.
Réponse:
     
1 2 3 1 3 6 1 4 10
2
  3
  4
 
a.) A =   0 1 2 , A =  0 1 3 , A =  0 1 4 .
    

0 0 1 0 0 1 0 0 1

56
De A2 , A3 et A4 , on remarque que An peut se mettre sous la forme:
 
n(n+1)
1 n 2
4
 
A = 0 1
 n 

0 0 1

supposons que c’est vraie et montrons que An+1 prend la même


forme. En effet:
   
n(n+1) n(n
1 n 2 1 1 1 1 n+1 n+1+
n+1 n
   
A = A A= 0 1  n  0 1
 1  =
 
 0 1 n+1
0 0 1 0 0 1 0 0 1
 
(n+1)(n+2)
1 n+1 2
 
=  0
 1 n+1 

0 0 1

57
le résultat est donc vraie à l’ordre n + 1, on a donc

 
n(n+1)
1 n 2
n

∀nIN A =
 0 1 n 

0 0 1
b.)
    
1 1 1 x 0

3
   
KerA = {(x, y, z) ∈ IR | 
 0 1 1  y  =  0 
   
}
0 0 1 z 0
= {(x, y, z) ∈ IR3 |x + y + z = 0 , y + z = 0 , z = 0}
= {(x, y, z) ∈ IR3 |x = 0 , y = 0 , z = 0}
= {(0, 0, 0)} (15)

58
Comme A est définie de IR3 → IR3 , d’après le théorème de la
dimension: dimImA + dmkerA = 3, alors dimImA = 3. Et comme
ImA ⊂ IR3 on conclut que ImA = IR3 .
Autrement: comme KerA = {(0, 0, 0)}, A est injective, et par
conséquent A est surjective et donc ImA = IR3
c.)
   
0 1 1 0 0 1
  2
 
B = A − I3 =  0 0 1 
  , B = 0 0 0 


0 0 0 0 0 0
 
0 0 0
3
 
B =  0 0 0 


0 0 0
d.) Par définition, B = A − I3 et comme AI3 = I3 A on peut donc

59
utiliser la formule du binome pour calculer B 3 . En effet,
B 3 = A3 − 3A2 I3 + 3AI32 − I33 = A3 − 3A2 + 3A − I3 = 0. On a donc
A3 − 3A2 + 3A = A(A2 − 3A + 3I3 ) = (A2 − 3A + 3I3 ) A = I3
| {z }
A−1

A partir de cette relation, on en déduit que A−1 = A2 − 3A + 3I3 . La


question a.) nous permet de calculer explicitement A−1 :
 
1 −1 0
−1 2
 
A = (A − 3A + 3I3 ) =  0 1 −1 


0 0 1

Exercice 3: Soit B = (e1 , e2 , e3 ) la base canonique de IR3 .


B ′ = (f1 , f2 , f3 ) avec f1 = e1 + e2 + e3 , f2 = e1 − e2 + e3 et
f3 = e1 + e2 − e3 une nouvelle base de IR3 . Calculer la matrice de
passage de B à B ′ ainsi que son inverse.

60
Réponse: Par définition, la matrice de passage de B à B ′ s’obtient
en écrivant les vecteurs f1,2,3 en colonne en fonction de e1,2,3 , ce qui
donne:  
1 1 1
 
PB→B ′ =   1 −1 1 

1 1 −1
L’inverse P −1 de P n’est rien d’autre que la matrice de passage de la
base B ′ à la base B. Pour calculer P −1 il suffit d’exprimer (e1 , e2 , e3 )
en fonction de (f1 , f2 , f3 ). En effet,

1


 f 1 = e1 + e2 + e3 (c 1)

f2 = e1 − e2 + e3 (c12 ) (16)


(c13 )

f3 = e1 + e2 − e3

une manipulation facile de ce système nous permet d’obtenir

61
(e1 , e2 , e3 ) en fonction de (f1 , f2 , f3 ).
La somme (c12 ) + (c13 ) nous donne: e1 = 12 f2 + 12 f3 .
La différence (c11 ) − (c13 ) nous donne: e3 = 12 f1 − 12 f3 . De l’équation
(c11 ) on tire e2 = 21 f1 − 21 f2 . La matrice de passage inverse P −1 est:
 
0 1 1
−1 1 
PB ′ →B = P =  1 −1 0 
2 
1 0 −1

62