Série 1 : Exercices Chapitre 1

Enssea, Koléa, Master 1, Mathématiques

Kh. Hamidi & A. K. Houcini

Exercice 1. Appliquer l’élimination de Gauss aux systèmes suivants:

  
 3x1 + 8x2 + 3x3 = 2
  3x1 + x2 + 3x3 =
 6  x1 + 2x2 + 3x3 = 13

x1 + 3x2 + 2x3 = 5 ; 2x1 + 7x2 + x3 = −9 ; 2x1 + 5x2 + 4x3 = 23
  
2x1 + 7x2 + 4x3 = 8 2x1 + 5x2 = −5 2x1 + 7x2 + 8x3 = 29
  

  
 3x1 − 6x2 − 2x3 =
 1  3x1 + x2 − 3x3 = −4
  2x1 + 5x2 + 12x3 = 6

2x1 − 4x2 + x3 = 17 ; x1 + x2 + x3 = 1 ; 3x1 + x2 + 5x3 = 12
  
x1 − 2x2 − 2x3 = −9 5x1 + 6x2 + 8x3 = 8 5x1 + 8x2 + 21x3 = 17
  

 
 x1 − 4x2 − 3x3 − 3x4 =
 4  3x1 − 6x2 + x3 + 13x4 = 15

2x1 − 6x2 − 5x3 − 5x4 = 5 ; 3x1 − 6x2 + 3x3 + 21x4 = 21
 
3x1 − x2 − 4x3 − 5x4 = −7 2x1 − 4x2 + 5x3 + 26x4 = 23
 

 


 x1 + x2 + x3 = 6 

 4x1 − 2x2 − 3x3 +x4 = 3

 2x − 2x − 5x 
1 2 3 = −13  2x − 2x − 5x
1 2 3 = −10
;


 3x1 + x3 +x4 = 13 

 4x1 + x2 + 2x3 +x4 = 17

 4x − 2x − 3x +x = 
1 2 3 4 1  3x
1 + x3 +x4 = 12

Ci-dessous sont les réponses sous forme de tableaux des formes triangulaires associées aux systèmes
proposés.

1
 2

3 8 3 2 3 1 −3 6 1 3 3 13 3 −6 −2 1
1 3 13 ; 19 9 −39 ; −1 −2 −3 ; 0 7 49
−3 15 −1 −2 0 0 0 0

3 1 −3 4 2 5 12 4 1 4 −3 −3 4 3 −6 1 13 15
1 3 13 ; −9 −18 4 ; 2 1 1 −3 ; 0 2 8 6
−3 −15 −1 −2 −1 −3 −5 0 0 0

1 1 1 0 6 4 −2 −3 1 3
−4 −7 0 −25 −2 −72 −12 −23
;
7 2 29 −4 −1 −15
43 4 −1 1

Exercice 2. Étudier suivant les valeurs de k les systèmes suivants:

( ( (
3x1 + 2x2 = 1 3x1 + 2x2 = 0 3x1 + 2x2 = 11
; ;
6x1 + 4x2 = k 6x1 + kx2 = 0 6x1 + kx2 = 21


 x1 + 2x2 + x3 = 3
( 
3x1 + 2x2 = 1
; 2x1 − x2 − 3x3 = 5
7x1 + 5x2 = k 
4x1 + 3x2 − x3 = k


L’élimination de Gauss appliquée aux systèmes respectivement donne les matrices augmentées:

" # " # " #

3 2 1 3 2 0 3 2 11
; ;
0 0 k−2 0 k−4 0 0 k − 4 −1

 
" # 1 2 1 3
3 2 1
;  0 −5 −5 −1 
 
0 1 3k − 7
0 0 0 k − 11
 3

Ainsi, le système (1) admet une infinité de solutions pour k = 2 et aucune si k est différent de 2;
l’infinité de solutions est: x2 = a et x1 = (1 − 2a) /3 avec a ∈ R. Le système (2) admet une infinité
de solutions pour k = 4 et une seule et unique solution si k est différent de 4, cette seule et unique
solution est x1 = x2 = 0. L’infinité de solutions est:x2 = a et x1 = −2a/3 avec a ∈ R. Le système
(3) n’admet pas de solutions pour k = 4 et une seule et unique solution si k est différent de 4, cette
seule et unique solution est fonction de k et est:

1 1 11k − 42
x2 = et x1 = ·
4−k 3 k−4

Le système (4) admet une seule et unique solution pour toute valeur de k. Celle-ci est fonction de k et
est: x2 = 3k − 7 et x1 = −2k + 5. Elle est nulle (x2 = x1 = 0) si k prend la valeur 7/3. Le système (5)
admet une infinité de solutions pour k = 11 et aucune si k est différent de 11; l’infinité de solutions
est: x3 = a ; x2 = −a + 1/5 et x1 = a + 13/5 avec a ∈ R.

Exercice 3. Démontrer que chaque colonne de AB est le produit de A par la colonne homologue de B,
et que chaque ligne de AB est le produit de la ligne homologue de A par B:

[AB]j = Abj et [AB]i = ai B

Deux matrices conformes se multiplient. Étant une m × n-matrice A et une n × p-matrice B; les
éléments du produit AB sont au nombre m × p et sont donnés par la formule (AB)ij = ai bj =
Pn
k=1 aik bkj pour (i, j) = (1, 1) , . . . , (m, p). La j-ème colonne du produit AB est:

      
a1 b j a11 b1j + a12 b2j + · · · + a1n bnj a11 a12 ··· a1n b1j
 j 
 a2 b   a21 b1j + a22 b2j + · · · + a2n bnj   a21 a22 · · · a2n   b2j 
   
j j
(AB) = 
 ..  = 
  .. = .
  . .. ..   ..  = A b
..   
 .   .   . . . .  . 
am b j am1 b1j + am2 b2j + · · · + amn bnj am1 am2 · · · amn bnj

On pouvait arrêté cette démonstration à la première étape. Il suffisait de remarquer que, disposée en
lignes, la matrice A prend la forme:
 4

     
a1 a1 b j a1
 j  
 a2   a2 b   a2  j
 
j
A =  .  =⇒ 
 
 ..  =  ..  b = A b
  
.
 .   .   . 
am am b j am

De même, la i-ème ligne est:

h i h i
1 2 p = ai b 1 b 2 · · · p
ai b ai b ··· ai b b

où le dernier terme est la matrice B disposée en colonnes.

Exercice 4. Donner des exemples de 2 × 2-matrices réelles telles que (1): A2 + I = 0 et (2)A2 = 0, avec
(A 6= 0). Que conclure?

L’équation matricielle A2 + I = 0 est équivalente à:

" #2 " # " # " #

a11 a12 −1 0 a211 + a12 a21 a11 a12 + a12 a22 −1 0
= ⇔ =
a21 a22 0 −1 a21 a11 + a22 a21 a12 a21 + a222 0 −1

C’est un système de 4 équations à 4 inconnues mais non linéaire. Il n’existe pas de méthodes spécifiques
pour résoudre ce genre de système; bien qu’il soit à 4 équations et 4 inconnues, il possède une infinité
de solutions. On peut seulement trouver certaines d’entre elles. Fixons, par exemple, a12 = −1 et
a21 = 1 + α2 . Ceci donne:




 a211 = α2


−(a + a )

= 0
11 22


 (1 + α2 )(a11 + a22 ) = 0


a2

= α2
22

ce qui implique que a11 = −a22 = ±α. On n’en déduit que toutes les matrices:

" #
α −1
Aα = ; α∈R
1 + α2 −α
 5

ont leur carré égale à la négative de le matrice identité; vérifient l’équation matricielle X 2 + I = 0.
Ce qu’il faut tirer comme conclusion est le polynôme P (x) = x2 + 1 d’indéterminée x, qui n’a pas
de racines dans R, en possède une infinité dans l’ensemble des matrices carrées.

L’équation A2 = 0 permet de dégager un autre résultat. Elle est équivalente à:

" #2 " # " # " #

a11 a12 0 0 a211 + a12 a21 a11 a12 + a12 a22 0 0
= ⇔ =
a21 a22 0 0 a21 a11 + a22 a21 a12 a21 + a222 0 0

qui est un système non linéaire de 4 équations et 4 inconnues. On peut, comme dans le cas précédent,
fixer: a12 = −1 et a21 = α2 . Ceci qui se traduit par:

" # " #
a211 − α2 − (a11 + a22 ) 0 0
=
α2 (a11 + a22 ) a222 − α2 0 0

ce qui implique aussi que a11 = −a22 = ±α. On n’en déduit que toutes les matrices

" #
α −1
Aα = ; α∈R
α2 −α

ont leur carré égale à la matrice nulle. Le polynôme P (x) = x2 d’indéterminée x, qui n’a qu’une
racine nulle dans R, en possède une infinité dans l’ensemble des matrices carrées.

Exercice 5. 1.6: En supposant que A = [aij ], déterminer A si:

aij =2i + 3j ; i = 1, . . . , 3 , j = 1, . . . , 2
i+j
dij = (−1) ; i = 1, . . . , n , j = 1, . . . , n
cij =5i2 + 3ij + j 2 ; i = 1, . . . , 2 , j = 1, . . . , 4
1
hij = ; i = 1, . . . , 5 , j = 1, . . . , 5
i+j−1
π π
bij = cos i + sin j ; i = 1, . . . , 3 , j = 1, . . . , 2
2 3

Les matrices demandées sont:

 6

   1
√  1
√
5 8 2
33 2
" #
√
√  9 15 23 33
A = 7 10 ; B = −1 + 2 3 −1 − 12 3
1
; C=
  
1
√ √ 27 36 47 60
9 12 2
3 − 12 3

et

 
  1+n
1/1 1/2 1/3 1/4 1/5 1 −1 ··· (−1)
(−1)2+n 
 
1/2

1/3 1/4 1/5 1/6
 
 −1 1 ··· 
  3+n 
H=
1/3 1/4 1/5 1/6 1/7
 ; D=
 1 −1 · · · (−1) 
 .. .. ... ..
1/4 1/5 1/6 1/7 1/8
  
 . . .

n+1 n+2
1/5 1/6 1/7 1/8 1/9 (−1) (−1) ··· 1

Exercice 6. Étant données les matrices:

" # " #
1 1 1 0 1 h i
A= ; B= ; C = 1 −1 1 2
−1 1 0 1 1

et

     
3 −1 0 1 1 1
D = 2 0 1 ; E = −2 ; F = 2 −1
     

1 1 0 1 3 0

Formez tous les produits possibles de deux matrices.

Pour multiplier deux matrices, il faut que le nombre de colonnes de la première soit égale au nombre
de lignes de la deuxième. Les produits possibles sont alors:
 7

" #" # " # " #" # " #

1 1 1 1 0 2 1 1 1 0 1 1 1 2
A2 = = ; AB = =
−1 1 −1 1 −2 0 −1 1 0 1 1 −1 1 0
   
" # 3 −1 0 " # " # 1 " #
1 0 1  4 0 0 1 0 1   2
BD = 2 0 1 = ; BE = −2 =

0 1 1 3 1 1 0 1 1 −1
1 1 0 1
      
" # 1 1 " # 3 −1 0 3 −1 0 7 −3 −1
1 0 1  4 1 2
BF = 2 −1 = ; D = 2 0 1 2 0 1 = 7 −1 0
     
0 1 1 5 −1
3 0 1 1 0 1 1 0 5 −1 1

         
3 −1 0 1 5 3 −1 0 1 1 1 4
DE = 2 0 1 −2 =  3 ; DF = 2 0 1 2 −1 = 5 2
         

1 1 0 1 −1 1 1 0 3 0 3 0
       
1 1 " # 0 2 1 1 " # 1 1 2
1 1  1 0 1
F A = 2 −1 = 3 1 ; F B = 2 −1 = 2 −1 1
      
−1 1 0 1 1
3 0 3 3 3 0 3 0 3

Exercice 7. Pour:

" # " #
1 1 1 0
A= ; I=
−1 1 0 1

calculez: IA, AI, A2 , A3 et −A3 + 3A2 − 4A + 2I.

Comme la matrice est carrée, on peut effectuer toutes les puissances possibles. Ainsi:

" #" # " # " #" # " #

1 1 1 0 1 1 1 0 1 1 1 1
AI = = IA = =
−1 1 0 1 −1 1 0 1 −1 1 −1 1

la matrice I est l’élément neutre de la multiplication de matrices. Elle s’appelle matrice unité ou
matrice identité.

" #2 " # " #3 " #

1 1 0 2 1 1 −2 2
A2 = = = 2 (A − I) ; A3 = = = 2 (A − 2I)
−1 1 −2 0 −1 1 −2 −2
 8

et avec les équations: A2 − 2A + 2I = 0 et A3 − 2A + 4I = 0, on peut, par récurrence, évaluer toutes

les puissances de A. Ce qui important dans le cas d’une matrice carrée, étant donné la possibilité de
calculer ses différentes puissances, c’est qu’elle se prête aux calculs polynomiaux: Ainsi, le polynôme:

P (X) = −X 3 + 3X 2 − 4X + 2I

est nulle en A:

P (A) = −A3 + 3A2 − 4A + 2I = −2(A − 2I) + 3 · 2(A − I) − 4A + 2I = 0

P∞
Par exemple, sachant que le développement illimité de l’exponentielle ex est k=0 xk /k!, on peut
par extension définir l’exponentielle eA comme:

∞
A
X Ak 1 1 1 1
e = =I+ A + A2 + A3 + A4 + · · ·
k=0
k! 1! 2! 3! 4!

et avec les développement des fonctions sinus, cosinus . . . , on peut définir aussi les sinus, cosinus,
. . . de matrice.

Exercice 8. Pour les matrices :

 
" # " # 1 2 −1 1
1 1 1 0 1
A= ; B= ; C = −1 0 2 1
 
−1 1 0 1 1
1 3 1 0

vérifiez que (AB) C = A (BC).

Pour montrer que la multiplication de matrices est associative, on peut utiliser les résultats dégagés
dans l’exercice (1.4). Ce sont les deux résultats (AB)j = Abj et (AB)i = ai B. Ainsi, d’après le
premier résultat, l’élément (i, j) du produit (AB)C va s’écrire comme la i-ème ligne du produit
(AB) multipliée par la j-ème colonne de la matrice C, ou bien: [(AB)C]ij = (AB)i cj . Or la i-ème
ligne du produit AB est le produit la ligne ai par toute la matrice B, soit: (AB)i = ai B et donc:
[(AB)C]ij = (ai B) cj . Par la suite, on montre facilement l’égalité (ai B) cj = ai (B cj ). Le deuxième
 9

membre de cette égalité est, étant donné le deuxième résultat de l’exercice (1.4), égale à la j-ème
colonne du produit BC. En résumé:

[(AB) C]ij = (AB)i cj = ai (BC)j = [A (BC)]ij

qui est la définition même de l’associativité. La vérification sur l’exemple est facile à faire:

" #" # " #

1 1 1 0 1 1 1 2
(AB) = =
−1 1
0 1 1 −1 1 0
 
" # 1 2 −1 1 " #
1 0 1  2 5 0 1
(BC) = −1 0 2 1 =

0 1 1 0 3 3 1
1 3 1 0

d’où:

 
" # 1 2 −1 1 " #
1 1 2  2 8 3 2
(AB)C = −1 0 2 1 =

−1 1 0 −2 −2 3 0
1 3 1 0
" #" # " #
1 1 2 5 0 1 2 8 3 2
A(BC) = =
−1 1 0 3 3 1 −2 −2 3 0

les deux calculs sont bien identiques.

Exercice 9. Pour les matrices:

" # " # " #

1 1 0 1 1 2 0
A= ; B= ; C=
−1 1 1 1 −1 0 3

vérifiez que (A + B) C = (AB) + (AC).

Comme l’addition se fait terme-à-terme et sur des matrices de même format:

n
X n
X n
X
[(A + B)C]ij = (aik + bik )ckj = aik ckj + bik ckj = [AC]ij + [BC]ij
k=1 k=1 k=1
 10

ce qui permet de dire que la multiplication des matrices est distributive à droite par rapport à leur
addition; elle l’est aussi à gauche, et est donc distributive tout court. Sur l’exemple, on a, d’une part:

" # " # " # " #" # " #

1 1 0 1 1 2 1 2 1 2 0 −1 2 6
A+B = + = ; (A + B)C = =
−1 1 1 1 0 2 0 2 −1 0 3 −2 0 6

d’autre part:

" #" # " # " #" # " #

1 1 1 2 0 0 2 3 0 1 1 2 0 −1 0 3
AC = = ; BC = =
−1 1 −1 0 3 −2 −2 3 1 1 −1 0 3 0 2 3

et:

" #" # " #

0 2 3 −1 0 3 −1 2 6
AC + BC = =
−2 −2 3 0 2 3 −2 0 6

qui sont les deux résultats identiques recherchés.

Exercice 10. Soient les matrices élémentaires:

   
1 1
E31 = 1  ; E23 =  1 2
   

4 1 1

Écrivez ce qui survient à A3×3 , lorsqu’elle pré-multipliée (1) par E31 , (2) par E23 ; (3) post-multipliée par
ces mêmes matrices.

Soit la (3 × 3)-matrice A = [aij ] et les matrices élémentaires:

     
a11 a12 a13 1 1
A = a21 a22 a23  ; E31 =  1 ; E23 =  1 k23 
     

a31 a32 a33 k31 1 1

avec k31 = 4 et k23 = 5. Le produit E31 A est:

 11

   
a11 a12 a13 a1
E31 A =  a21 a22 a23  = a2
   

k31 a11 + a31 k31 a12 + a32 k31 a13 + a33 a3 + k31 a1

dont la dernière expression est une réécriture sous forme de lignes. Ce qui a changé par rapport à la
matrice A est sa troisième ligne: au lieu de la ligne a3 , on a une troisième ligne nouvelle a03 = a3 +k31 a1 .
C’est la somme de l’ancienne ligne a3 et d’un multiple de la première, soit: k31 a1 . On en déduit qu’une
matrice Ers , pré-multiple de A, produit une nouvelle matrice qui ne diffère de A que par sa r-ème
ligne. Autrement dit:

   
a1 a1
 ..   .. 
 .   . 
   
a   as 
 s  
 .   . 
Ers A = Ers  ..  = 
  
.. 

   
 ar  ar + krs as 
   
 ..   .. 
 .   . 
am am

Le produit AE23 est:

    
a11 a12 a13 1 a11 a12 a12 k23 + a13
a21 a22 a23   1 k23  = a21 a22 a22 k23 + a23 
    

a31 a32 a33 1 a31 a32 a32 k23 + a33

qui, représenté sous forme de colonnes, est : [a1 a2 a3 + k23 a2 ]. Ce qui a changé par rapport à la
matrice A est sa troisième colonne qui est: a03 = a3 + k23 a2 au lieu de la ligne a3 . Ainsi, la matrice
obtenue à partir de AE23 ne diffère de A que par sa colonne 3, et on en déduit que, post-multiple
de A, la matrice Ers produit une nouvelle matrice qui ne diffère de A que par sa s-ème colonne.
Autrement dit:

h i h i
AErs = a1 · · · ar · · · as · · · an Ers = a1 · · · ar · · · as + krs ar · · · an

A titre supplémentaire, vérifiez les résultats suivants:

 12

 
h i a1 + k13 a3
AE12 1 2 2
= a + k21 a a a 3 ; E13 A =  a2
 

a3

Exercice 11. Soit A = [aij ] avec i, j = 1, 2 et a11 6= 0. Trouvez L et U . Appliquez le résultat à la

factorisation de

" #
2 1
A=
8 7

Pour trouver L et U , on fait la factorisation triangulaire de A. On élimine alors le coefficient 8 de la

ligne 2 par rapport au coefficient 2 de la ligne 1. En termes de matrices, cela revient à pré-multiplier
A par E21 laquelle est définie par le coefficient − 82 = −4 :

" #" # " #

1 2 1 2 1
E21 A = =
−4 1 8 7 3

La matrice résultat est sur-triangulaire. Elle se note U , et on a: E21 A = U . Comme les matrices Ers
sont inversibles, on a aussi: A = (E21 )−1 · U et finalement:

" #
−1 1
L = (E21 ) =
4 1

qui est sous-triangulaire, U sur-triangulaire et: : A = LU

" # " #" #

2 1 1 2 1
A=LU = =
8 7 4 1 3

Exercice 12. Soit:

   
2 3 3 3
A= 0 5 7  ; b= 2 
   

6 9 8 5

Trouver L et U et résoudre le système U x = c.

 13

Le système U x = c est déduit de Ax = b par la factorisation triangulaire. Comme la deuxième ligne

contient déjà un 0 à la première position, il n’est pas possible de définir la matrice E21 (l’opération
n’est pas nécessaire). Par contre, on applique à A la matrice E31 (−3). On obtient:

    
1 2 3 3 2 3 3
1  0 5 7  =  5 7 
    

−3 1 6 9 8 −1

La matrice obtenue est triangulaire supérieure; l’objectif étant atteint, on arrête le processus d’élimi-
nation. Autrement dit, on a: E31 A = U et A = (E31 )−1 U , ce qui donne:

      
1 1 3 3
L = (E31 )−1 =  0 1 ; −1
c = E31 b= 1  2  =  2 
      

+3 0 1 +3 1 5 −1

puisque de Ax = b, on a E31 Ax = E31 b ou encore U x = c, avec U = E31 A et c = E31 b. Le système

Ax = b est équivalent au système U x = c (Ils admettent, quand elle existe, la même solution.) Le
nombre de pivots non nuls (éléments diagonaux de U ) étant égal au nombre d’inconnues, alors il
existe une seule et unique solution existe. La résolution de U x = c par rétro-substitution donne la
solution; soit:

        
2 3 3 x1 3 x1 1
5 7   x2  =  2  =⇒  x2  =  −1 
        

−1 x3 −4 x3 4

Exercice 13. Mêmes questions pour

   
2 4 0 2 6
   
 0 3 3 1   4 
A= 
 2 7 9 7  ; b= 
 

 8 

0 0 6 5 −4

La triangularisation de A nécessite les opérations décrites par E31 (−1); E32 (−1) et E43 (−1). On
obtient:
 14

   
2 4 0 2 6
   
 3 3 1   4 
U = (E43 E32 E31 ) A =   ; c = (E43 E32 E31 ) b =  
 −2 

 6 4 
  
1 −2

Comme le nombre de pivots non nuls est égal au nombre de variables, on a une seule et unique
solution. Cette solution est:

x1 = 3, x2 = x3 = 1, x4 = −2

Exercice 14. Démontrer que lorsque L et U sont connues, la donnée A n’est pas nécessaire à la résolution
de Ax = b. Entre autre, démontrer l’équivalence de Ax = b avec les deux systèmes Lc = b et U x = c.
Appliquer ce résultat à l’exercice (1.14), en remplaçant les composantes du vecteur b par 1,2,4 et 7.

On sait que A se factorise en LU . La matrice L est carrée et, étant un produit de matrices élémentaires,
est inversible. Alors (Ax = b) est équivalent à (LU x = b) lequel est encore équivalent à U x = L−1 b.
La dernière expression montre qu’on peut se passer de A quand b, L et U sont données.

Se rappeler que les opérations élémentaire sur les équations d’un système sont l’addition, la multipli-
cation par un scalaire non nul et la permutation, qu’elles ne changent pas la solution du système
quand elle existe, qu’elles sont inversibles, et que deux systèmes d’équations sont équivalents si et
seulement si ils admettent la même solution. Sous forme matricielle, les opérations d’addition et
de multiplication scalaire sont exécutées au moyen de la matrice L et l’échange d’équation par la
matrice de permutation. L’existence de la matrice L−1 découle de l’existence des inverses Ers
−1
. Dans
le cas de l’exercice (1.14), U = (E43 E32 E31 ) A permet d’écrire:

E32 E43 U = (E43 E32 E31 )−1 U = L U

−1 −1 −1


A = E31

Les matrices élémentaires sont respectivement: E31 (−1); E32 (−1) et E43 (−1) et le produit
E43 E32 E31 est égal à:

   
1 1 1
   

 1 
 1 
 1 

 1   −1 1  −1 1 
   
−1 1 1 1
 15

est égale à l’inverse de la matrice L c’est-à-dire:

 
1
 
−1
 0 1 
E43 E32 E31 = L =
−1 −1

 1 

1 1 −1 1

et comme U et b sont données:

     
2 4 0 2 1 1
     
 3 3 1 2 −1
2
U = ; 4 ⇒ L b = 1
b=
    
 6 4
    
1 7 6

et enfin:

        
2 4 0 2 x1 1 x1 − 21
        25 
0 3 3 1 x2  2 x2   2 
0 0 6 4 x  = 1 ⇒ x  = − 23 
        
   3    3  6 
0 0 0 1 x4 6 x4 6

Exercice 15. Étude d’une (2 × 2)-matrice. Si a n’est pas nul, alors on obtient:

" # " #" #" #

b
a b 1 0 a 0 1 a
=
c d − ac 1 0 ad−bc
a
0 1

Exercice 16. Si:    

2 −1 0 6
A =  −1 2 −1  ; b= 0 
   

0 −1 2 −6
Donner L, D et U et résoudre le système Ax = b.

Dans cette exercice, il s’agit de factoriser la matrice A en LDU où L est telle que déjà définie, D est
diagonale et U est une matrice sur-triangulaire réduite à 1 dans sa diagonale principale. Autrement
dit, la matrice U , facteur de décomposition issu de la décomposition de A, est elle même factoriser
 16

en DU b , on écrira seulement U . Pour ne pas perdre de temps dans les calculs, on

b ; mais au lieu de U
appliquera les matrices élémentaires sur la matrice augmentée [A|b]:

   
2 −1 0 6 2 −1 0 6
 E21 (1/2) 3
[A|b] =  −1 2 −1 0  ⇐⇒ E21 [A|b] =  −1 3 
  
2
−1 2 −6 −1 2 −6

Avec E21 (1/2), on obtient E21 [A|b] = [E21 A|E21 b], et ensuite E32 ( 23 ) donne:

 
2 −1 0 6
3
E32 [E21 A|E21 b] = [E32 E21 A|E32 E21 b] =  −1 3 
 
2
4
3
−4

Le premier bloc étant triangulaire, on arrête l’élimination. Pour faire ressortir la matrice diagonale,
on peut récrire le bloc augmenté comme suit:

    
2 · (1) 2 · − 21 1 − 12


2 · (0) 2 · (3) 2 0 3
3 3
· − 32 3 3
1 − 32


· (1) · (2)  =  2 
    
 2 2 2 2 
4 4 4
3
· (1) 3
· (−3) 3
1 −3

La dernière expression est obtenue règle de multiplication par une matrice diagonale D. Il est d’une
importance capitale de remarquer que c’est E32 E21 A qui est égal à DU et que [E32 E21 A|E32 E21 b] =
D [U |c]; d’où:

A = (E32 E21 )−1 · D · U et b = (E32 E21 )−1 · D · c

ou bien A = LDU et b = LDc. Le nouveau système U x = c est:

        
1 − 21 0 x1 3 x1 3
2  
1 − 3  x2  =  2 ⇒ x2  =  0
      

1 x3 −3 x3 −3

Exercice 17. Sachant que:

 17

    
1 1 −1 0 2
L = −1 1 ; U = 1 −1 ; b = −3
     

0 −1 1 1 4

résoudre le système Ax = b.

Dans cet exercice, la matrice D est la matrice identité. Avec la donnée, de L, U et b, il manque
seulement la détermination de c, or c = L−1 b et par la suite la solution du système est donnée par
U x = c:

 −1             
1 2 2 1 −1 0 x1 2 x1 2
c = −1 1 −3 = −1 ⇒  1 −1 x2  = −1 ⇒ x2  = −1
              

0 −1 1 4 3 1 x3 3 x3 −3

Exercice 18. Factoriser P A en L, D et U les matrices:

     
" # 1 3 2 1 2 3 1 0 1
0 1
; 2 6 9 ; 2 4 2 ; 0 1 0
     
2 3
2 8 8 1 1 1 0 0 1

Pour la (2 × 2)-matrice A telle que a11 = 0, $a_{12} = 1 $, a21 = 2 et a22 = 3, on échange entre elles
les deux lignes en utilisant la matrice P21 . En fait:

" #" # " # " #" #

3
0 1 0 1 2 3 2 1 2
P21 A = = =
1 0 2 3 1 1 0 1

On a ainsi: P21 A = DU et la matrice L étant égale à I. Pour la deuxième matrice, on a:

   
1 3 2 1 3 2
A = 2 6 9 =⇒ E31 (−2) · E21 (−2) · A =  0 5
   

2 8 8 2 4

le deuxième pivot étant nul, et on peut le récupérer en échangeant les lignes 2 et 3; par P32 . Cependant,
quand permutation il y a, on reprend le processus depuis le départ en factorisant en LDU , non la
 18

matrice A, mais la matrice P A: Factorisons alors P32 A qui, en appliquant E21 (−2), et E31 (−2)
donne E31 (−2) E21 (−2) [P32 A], soit:

      
1 3 2 1 3 2 1 1 3 2
P32 A = 2 8 8 ; E31 (−2) · E21 (−2) · [P32 A] =  2 4 =  2   1 2 = DU
      

2 6 9 5 5 1

et donc: [P32 A] = (E31 E21 )−1 DU avec:

    
1 1 1
L = (E31 E21 )−1 = E21
−1 −1
E31 =  1  2 1  = 2 1 
    

2 1 1 2 0 1

Pour l’avant dernière matrice, on a:

        
1 0 0 1 2 3 1 2 3 1 1 1 2 3
P32 A = 0 0 1 2 4 2 = 1 1 1 = 1 1   −1   1 2
        

0 1 0 1 1 1 2 4 2 2 0 1 −4 1

et pour la dernière L = D = I.

Exercice 19. Soit :

 
1 2 2
A = a 8 3
 

0 b 3

(1) Quelles valeurs de donnent lieu à des échanges de lignes? (2) Quelles valeurs de donnent lieu à une
matrice singulière?

Exercice 20 (22). A supposer que les inverses A−1 , B −1 et C −1 existent: (1) Trouver l’inverse de AB −1 C:

−1
AB −1 C = C −1 BA−1

(2)A2 est-elle inversible?

 19

−1
2
A2 = (AA)−1 = A−1 A−1 = A−1 = A−2

(3)(A + B) est-elle inversible? Non nécessairement: On peut choisir comme contre exemple deux matrices
inversibles dont la somme ne l’est pas: Si:

" # " # " #

1 2 −1 −2 0 0
A= ; B= ⇒A+B =
3 4 1 4 4 8

la somme est singulière. (4) Démontrer que (A−1 + B −1 ) = A−1 (A + B) B −1 .

A−1 + B −1 = A−1 I + AB −1 = A−1 (B + A) B −1 = A−1 (A + B) B −1

Exercice 21. Donner des exemples de (2 × 2)-matrices, autres que I et −I, égales à leurs inverses.

Il s’agit de résoudre l’équation A = A−1 ou de façon équivalente A2 = I. Nous allons réutiliser le

procédé de l’exercice [1.5]: l’équation: A2 = I s’écrit:

" # " #
a211 + a12 a21 a11 a12 + a12 a22 1 0
=
a21 a11 + a22 a21 a12 a21 + a222 0 1

qui est un système non linéaire. Fixons alors, a12 = 1 et a21 = 1 − α2 avec α2 6= 1. Ceci donne:

" # " #
α2 a11 + a22 1 0
=
(1 − α2 ) (a11 + a22 ) α2 0 1

ce qui implique que a11 = −a22 = ±α. On n’en déduit que toutes les matrices:

" #2
α 1
Aα = ; α∈R
1 − α2 −α

ont leur carré égale à la matrice identité; c’est-à-dire que l’équation matrice X 2 = I possède une
infinité dans l’ensemble des matrices carrées, tandis que dans R, l’équation x2 = 1 n’en a que 2.
 20

Exercice 22. Donner, quand il existe, l’inverse de chacune des matrice suivantes:

   
" # " # 2 −1 0 1 1 1
cos θ − sin θ 1 2
A= ; B= ; C = −1 2 −1 ; D = 0 1 1
   
sin θ cos θ 2 4
0 −1 2 0 0 1

L’inverse de A n’existe pas, vu son deuxième pivot est nul:

" # " #" #

1 2 1 0 1 2
A= =
2 4 −2 1 0 0

La matrice B (matrice de rotation) est inversible (pourquoi?); les matrices C et D le sont aussi:

3 1

1
 
" #
4 2 4
1 −1 0
cos θ sin θ
B −1 = C −1 = D−1
1 1
; 1 ; = 0 1 −1
 
2 2
− sin θ cos θ 1 1 3
4 2 4
0 0 1

Exercice 23. Démontrer que (A0 A) et (A A0 ) sont des matrices symétriques, mais non nécessairement
égales.

Il est facile de montrer la symétrie; il suffit d’appliquer la règle de la transposée d’un produit. Si
on choisit une (n × k)-matrice A, alors le produit (A0 A) est une matrice carrée de format (k × k)
et (A A0 ) une matrice carrée de format (n × n), ce qui est suffisant pour dire qu’elles ne sont pas
nécessairement égales. Mais, cela reste vrai quand la matrice A est carrée. A titre d’exemple, si la
matrice A est telle que a11 = a12 = a22 = 1 et a21 = 0, alors:

" #" # " # " #" # " #

0 1 0 1 1 1 1 0 1 1 1 0 2 1
AA= = ; AA = =
1 1 0 1 1 2 0 1 1 1 1 1

et les deux sont différentes.

Exercice 24. Démontrer que pour toute matrice A carrée, (A+A0 ) est symétrique. Que dire de (A−A0 )?.

(A + A0 )0 = A0 + A = A + A0 ; (A − A0 )0 = A0 − A = −(A − A0 )
 21

(A − A0 ) est une matrice antisymétrique.

Exercice 25. Soit une (3 × 3)-matrice. Appliquer lui la méthode de Gauss-Jordan.

 
a b c
d e f 
 

g h i

Exercice 26. Factoriser en U 0 D U la matrice:

 
1 3 5
A = 3 12 18
 

5 18 30

La matrice proposée est symétrique, en ce sens que A = L D U et A0 = L0 D U 0 . Sachant que A0

est, par transposition, aussi égale à U’ ; D ; L’$, et que la décomposition triangulaire est unique, on
déduit que L = U 0 et que A se factorise en U 0 D U . Ainsi, pour une matrice symétrique, il n’est pas
nécessaire, pour calculer L, d’évaluer le produit des inverses des matrices élémentaires la définissant;
il suffit de calculer D U donc de triangulariser A. On obtient:

     
1 3 5 1 1 1 3 5
3 12 18 = 3 1   3   1 1
     

5 18 30 5 1 1 2 1

Exercice 27. Les pivots d’une matrice sont-ils aussi ceux de sa transposée?

Avant de répondre à cette question, considérons les trois cas suivants. On peut vérifier que la matrice
carrée et sa transposée:

 
1 1 1
A = 2 4 4
 

5 7 3

se factorisent en:
 22

       
1 0 0 1 0 0 1 1 1 1 1 1 1 0 01 0 0
A = 2 1 0 0 2 0  0 1 1 ; A0 = 0 1 1 0 2 0  2 1 0
       

5 1 1 0 0 −4 0 0 1 0 0 1 0 0 −4 5 1 1

La factorisation de A0 est un résultat directement déductible par transposition. On remarque bien que
les pivots (tous non nuls) de A sont aussi ceux de sa transposée. Est-ce que ce résultat reste valable
si A a des pivots nuls? Soit la matrice carrée A dont la factorisation triangulaire fait apparaître un
troisième pivot nul:

     
1 1 1 1 0 0 1 0 0 1 1 1
A = 2 4 4 = 2 1 0 0 2 0 0 1 1
     

5 7 7 5 1 1 0 0 0 0 0 0

Par transposition, on déduit la factorisation de A0 . Cependant, on doit remarquer que la factorisation

de A n’est pas triangulaire. Si on applique l’algorithme de décomposition directement à la matrice
transposée, trois opérations sont nécessaires et on obtient un résultat différent du précédent. C’est
que:

   
1 0 0 1 0 0 1 2 5
A0 = 1 1 0 0 2 0 0 1 1
   

1 1 1 0 0 0 0 0 0

mais les pivots de A sont aussi ceux de sa transposée. Continuons notre analyse et voyons ce qui se
passe pour une matrice non carrée. Soit la matrice rectangulaire A dont la factorisation triangulaire
conduit à:

 
" # " #" #" # 1 0 " #" #
1 1 1 1 0 1 0 1 1 1 0 1 0 1 5
A= = ⇒ A = 1 1 
 
5 7 8 5 1 0 2 0 1 3/2 0 2 0 1
1 3/2

L’application de l’algorithme de décomposition à la matrice transposée donne:

   
1 00 1 0 0 1 5
A0 = 1 1 0 0 2 0 0 1
   

1 3/2 1 0 0 0 0 0
 23

lequel est aussi un résultat différent du précédent. Cependant, les pivots non nuls de A sont aussi
ceux de sa transposée.

Les calculs précédents permettent, mais, formellement ce n’est pas une démonstration rigoureuse,
d’établir les résultats suivants: (i) Si A est carrée et a tous ses pivots non nuls, alors sa factorisation
triangulaire en L · D · U est unique. De plus, sa transposée A0 se factorise, et d’une façon unique
aussi, en L∗ D∗ U∗ avec:

L∗ = U 0 ; D∗ = D ; U∗ = L0

et l’unicité de la factorisation implique l’égalité des pivots D∗ = D. (ii) Si A est carrée et a au moins
un pivot nuls, alors sa factorisation en L D U ~n’est pas triangulaire et n’est pas unique. La présence
de pivots nuls conduit à une famille infinie de décompositions quasi-triangulaires. C’est le cas de la
deuxième matrice, qui pour tout réel α, s’écrit::

       
1 0 0 1 0 0 1 1 1 1 0 0 1 0 0 1 1 1
A = 2 1 0 0 2 0 0 1 1 = 2 1 0 0 2 0 0 1 1  ; ∀α ∈
       
R
5 1 1 0 0 0 0 0 0 5 1 1 0 0 0 0 0 α

et comme on le voit, il existe une infinité de matrice Uα telle que A se factorise en LDUα . (iii) Si la
matrice A n’est pas carrée, on parle, comme on le verra au chapitre suivant, de factorisation quasi-
triangulaire. Dans ce cas, si on écrit A = L∗ D∗ U∗ la matrice L∗ , produit de matrices élémentaires
donc carrées, est nécessairement une matrice carrée, tandis que la matrice U 0 ne l’est pas, étant donné
que A ne l’était pas; et deux matrices de formats différents ne peuvent en aucun cas être égales. (iv)
Il est important que les étudiants retiennent qu’ils existe autant de pivots non nuls dans A que dans
t
A et que ces pivots non nuls sont identiques pour les deux matrices.

Exercice 28. Sachant A = L U , résoudre A0 y = b au lieu de Ax = b.

Exercice 29. Soit

 
x1 y1 z1  1
P
 x2 y2 z2 
   x=
 n
xi
1
P
A= .
 .. ..  ; y= n
yi
 .. . .
 
1
P
z= zi

n
xn yn zn
 24

Donnez A0 A et A A0 .

La matrice:

P 
x2i
P P
xi y i xi zi
A0 A =  yi xi
P P 2 P
yi yi zi 

P P P 2
zi xi zi yi zi

est la matrice des produit scalaire. En statistique 1

n
(A0 A) est la matrice des moments non centrés. En
fait si:

 
n µ2x µxy µxz
1 X A0 A 
µab = ai b i ; µaa = µ2a ⇒ = µxy µ2y µzy 

n i=1
n
µzx µzy µ2z

La matrice AA0 est:

 
x1 y1 z1  
 x x ··· xn
 x2 y2 z2   1 2

  y1 y2 · · · yn 
 . 
 . .. .. 
 . . .
z1 z2 · · · zn
xn yn zn

et est obtenue en multipliant les lignes i par les colonnes j, soit: (AA0 )ij = xi xj + yi yj + zi zj
pouri, j = 1, . . . , n

 
x21 + y12 + z12 ··· x1 xn + y1 yn + z1 zn
.. ..
AA0 = 
 ... 
 . . 

2 2 2
x1 xn + y1 yn + z1 zn · · · xn + yn + zn