Académique Documents
Professionnel Documents
Culture Documents
1
d) Le rang de A ne change pas lorsqu’on multiplie A à droite ou à gauche
par une matrice inversible.
Preuve
a); b) et c) découlent directement de la dé…nition du rang d’une matrice.
d) est une conséquense conjuguée de la dé…nition deux matrices équivalentes
et du corollaire du théo 3.3.(voir la prochaine section "matrices équivalentes")
Preuve
En e¤et, A inversible () det A 6= 0 () il existe un mineur non nul
d’ordre n de A () rg(A) n () rg(A) = n (puisque rg(A) n)
Preuve
2
Il est clair en vertu de la propriété 2.2 que ii) =) i) car rg(Jr ) = r: Mon-
trons i) =) ii) : supposons donc que rg(f ) = r: Alors on a dim (Im f ) = r:
Soient (e01 ; e02 ; :::; e0r ) une base de Im f et pour 1 i r; ei un antécé-
0
dent de ei : Alors la famille (e1 ; e2 ; :::; !er ) est libre. Enr e¤et 8 1 ; 2 ; :::; r 2
Xr Xr X
|; i ei = 0E =) f i ei = 0E 0 =) i f (ei ) = 0E 0 =)
i=1 i=1 i=1
X
r
0
i ei = 0E 0 =) i = 0 pour 1 i r car (e01 ; e02 ; :::; e0r ) base de
i=1
Im f =) (e01 ; e02 ; :::; e0r ) est une famille libre; alors la famille (e1 ; e2 ; :::; er )
est libre. Complétons cette famille en une base F = (e1 ; e2 ; :::; er ; vr+1 ; :::; vn )
X r
de E:.8r + 1 j n; f (vj ) 2 Im f donc on a f (vj ) = aij e0i ( )avec
i=1
X
r
aij 2 | pour 1 i r. 8r + 1 j n; posons ej = vj aij ei : alors
i=1
la famille B = (e1 ; e2 ; :::; er ; er+1 ; :::; en ) est une base de E: En e¤et la ma-
trice de B dans la base F est une matrice triangulaire supérieure ayant rien
que des 1 sur ladiagonale donc de déterminant égal à 1: Maintenant pour
r + 1 j n; on a: !
Xr X r X
r
f (ej ) = f vj aij ei = f (vj ) aij f (ei ) = f (vj ) aij e0i =
i=1 i=1 i=1
0E 0 d’après ( ): On a donc :
e0j si 1 i r
f (ej ) =
0E 0 si r + 1 j n
Alors si on complète (e01 ; e02 ; :::; e0r ) en une base B 0 = e01 ; e02 ; :::; e0r ; e0r+1 ; :::; e0m
de E 0 ; on a bien matBB 0 (f ) = Jr :
Preuve
La formule de la dimension s’écrit:
dim(ker f ) + dim(Im f ) = dim E d’où le résultat car dim(Im f ) = rg(f ):
3
1.1.4 Rang d’une famille de vecteurs
Dé…nition 3.5: Le rang d’une famille Fde vecteurs de E noté rg(F) est
égal à la dimension du sous espace vectoriel de E engendré par cette famille.
Le rang de F est aussi le rang de sa matrice dans une base quelconque de
E (qui est la matrice dont les colonnes sont les mcc respectives des éléments
de Fdans B):
Preuve
1er cas : p > n : on sait que si dim E = n; alors une famille de plus de n
vecteurs de E est liée.
2eme cas : p = n : dans cas cardF = dim E et A est une matrice carrée
; alors F est une base de E () F est une famille libre () les vecteurs
colonnes de A sont linéairements indépendants () rg(A) = n () det(A) 6=
0:
3eme : p < n : F est une famille libre () rg(A) = p () existe un
mineur d’ordre p non nul de A (puisque A 2 Mn;p (|) =) rg(A) p):
B = QAP:
4
Théorème 3.3 : Une matrice A 2 Mm;n (|) est de rang r si et seulement
si elle est équivalente à la matrice
1 pour 1 i = j r
Jr = ( ij ) 2 Mm;n (|) dé…nie par ij =
0 sinon
Ir 0
c.à.d A est la matrice par blocs où Ir est la matrice unité
0 0
d’ordre r et les 0 sont des matrices nulles.
Proposition 3.3 : Les matrices d’un même endomorhisme dans des bases
di¤érentes sont semblables
Preuve
A et B étant semblables, alors il existe une matrice P inversible telle que
B = P 1 AP: Il s’ensuit:
tr(B) = tr (P 1 AP ) = tr (AP P 1 ) (car 8A; B 2 Mn (|); tr(AB) =
tr(BA) voir TD) = tr(A)
det(B) = det(P 1 AP ) = det(P 1 ) det(A) det(P ) = det(A) car
1
det(P 1 ) = det(P )
:
5
Dé…nitions 3.8: (Trace et déterminant d’un endomorphisme).
Soit u 2 L(E):
- La trace de u est la trace de sa matrice dans une base quelconque de E:
- Le déterminant de u est le déterminant de sa matrice dans une base
quelconque de E:
Remarque 3.1: Une même matrice peut avoir plusieurs dispositions par
blocs comme le montre l’exemple suivant:
0 1
1 0 2 1 6
B 0 2 1 1 3 C
Soit A = B@ 2
C
3 0 2 0 A
4 1 7 5 1
6
1 0 2 1 6 2 3
avec A11 = ; A12 = ; A13 = ; A21 = ; A22 =
0 2 1 1 3 4 1
0 2 0
; A23 =
7 5 1
Ou encore
B11 B12
A=
B21 B22
1 0 2 1 6 2 3 0
avec B11 = ; B12 = ; B21 = ; B22 =
0 2 1 1 3 4 1 7
2 0
5 1
et la liste de dispositions par blocs de A peut encore continuer.
7
Proposition 3.5 : Soit A; B 2 Mm;n (|) disposées par blocs de même
format c.à.d A = (Ai;j ) 1 i r et B = (Bi;j ) 1 i r et telles que pour 1 i r
1 j s 1 j s
et pour 1 j s; Aij et Bij soient de même format: Alors 8 ; 2 |; la
matrice C = A + B admet une disposition par blocs de même format :
C = (Ci;j ) 1 i r avec 81 i r; 1 j s; Ci;j = Ai;j + Bi;j :
1 j s
Produit
Proposition 3.6 : Soient A 2 Mm;n (|) ; B 2 Mn;p (|) disposées par
blocs A = (Ai;j ) 1 i r ; B = (Bi;j ) 1 i s :
1 j s 1 j t
On suppose que pour 1 i r; 1 k s; 1 l t; le nombre de
colonnes de Aik est égal au nombre de lignes de Bkl : Alors le produit D = AB
admet une représentation par blocs
X
s
D = (Di;j ) 1 i r avec 1 i r; 1 l t; Di;l = Aik Bkl :
1 j t k=1
Remarque 3.3
Soient A et B deux matrices carrées ayant des dispositions carrées par
blocs respecifs A = (Aij )1 i;j r ; B = (Bij )1 i;j r de même ordre r telles que
81 i; j r; Aij et Bij soient de même format. Alors le produit AB peut
se faire par blocs. En particulier si A 2 Mn (|) admet une disposition carrée
par blocs, alors les puissances Ap ; p 2 N; peuvent se calculer par blocs.
Les deux propositions précédentes a¢ rment que les opérations par blocs
se font comme avec les scalaires.Par suite:
- Le produit de deux matrices diagonales par blocs est une matrice diago-
nale par blocs dont les blocs diagonaux sont les produits des blocs diagonaux
correspondants..
- Le produit de deux matrices triangulaires supérieures (resp. inférieures)
par blocs est une matrice triangulaire (resp. inférieure) par blocs dont les
blocs diagonaux sont les produits des blocs diagonaux correspondants.
8
B11 B12 1 2 3 1
B = avec B11 = ; B12 = ; B21 =
B21 B22 4 5 6 1
0 0 0 = 0M13 (R) et B22 = 1:
On véri…e bien que les conditions qui rendent possible la multiplication
par blocs sont satisfaites par A; B et les Aij et les Bkl : Alors on a:
A11 A12 B11 B12 A11 B11 + A12 B21 A11 B12 + A12 B22
AB = =
0 A 21 A 22 B21 B22 A21 B11 + A22 B21 A21 B12 +1 A22 B22
1 2 1 2 3 1 2 1 1
@ + 0M23 (R) + 1 A
= 3 4 4 5 6 3 4 1 0 =
013 + 013 0+2 1
0 1
9 12 15 4
@ 19 26 33 7 A
0 0 0 2
0 1
9 12 15 4
Donc AB = @ 19 26 33 7 A
0 0 0 2
Déterminant d’une matrice triangulaire par blocs
Théorème 3.4 : Soit A 2 Mn (|) triangulaire par blocs avec
0 1
A11 A12 A1r
B 0 A22 A2r C
B C
A = B .. . .. .. C
. :
@ . 0 A
0 0 Arr
Alors on a: det A = det A11 det A22 ::: det Arr :
9
0 1
a b 0 0
B b a 0 0 C
B ..C
B C
B 0 0 .C
B . . C
B .. .. 0 0 C
B C
@ 0 a b A
0 0 0 b a
Endomorphisme induit
Dé…nition 3.12: Soit F un sous espace vectoriel de E stable par u:
F !F
Alors l’application uF : qui est la restriction et la corestriction
x 7 ! u(x)
de u à F est un endomorphisme de F appelé l’endomorphime de F induit
par u:
10
Preuve
Posons matB (u) = A = (aij )1 i;j n : F stable par u () u(ej ) 2 F; pour
p
X
1 j p , u(ej ) = aij ei ; pour 1 j p () :aij = 0 dans le
i=1
A11 A12
cadran [i > p; 1 j p] () A est de la forme A = où A11
0 A22
est une matrice carrée d’ordre p dont pour 1 j p; la j eme colonne est
p
X
u(ej ) = uF (ej ) = aij ei d’où A11 = matF (uF ):
i=1
Preuve
En procédant comme dans la preuve du théo 2.5, il su¢ t d’écrire la ma-
trice de u dans la base B en délimitant les bases Bk des uk :
11
Corollaire : On suppose E = E1 E2 ::: Ep et que 81 k p; Ek est
stable par u: on note uk = uEk l’endomorphisme de Ek induit par u; alors
on a
p
Y
det u = det uk
k=1
Ci Ci ; Ci Ci + Cj ; Ci ! Cj
dont les propriétés sont analogues à celles des opérations sur les lignes et
s’en déduisent par transposition.
12
Di ( ); Ti;j ( ); Pi;j
Di ( ) A; Ti;j ( ) A; Pi;j A.
En d’autre termes on a:
(i; ) (A) = (i; ) (Im ) A; (ij; ) (A) = (ij; ) (Im ) A; ij (A) = ij (Im ) A:
Preuve
Simples véri…cations.
Remarque 3.5
a) Pour résumer la proposition 2.5, on retiendra que si e(A) désigne la
transformée d’une matrice quelconque A 2 Mm;n (|) par une opération élé-
mentaire sur les lignes, alors on a:
e(A) = e(Im ) A:
A Di0 ( ); A 0
Tj;i ( ); A 0
Pi;j
où Di0 ( ); Tj;i
0 0
( ); Pi;j sont les matrices de Mn (|) transformées de In par
les opérations Ci Ci ; Ci Ci + Cj ; Ci ! Cj :
13
2 SYSTEMES D’EQUATIONS LINEAIRES
Exemple
0 3.3: 1 0 1
2 3 2 0 4 5 6 0 1 3 0 0 4 0
B 0 0 7 0 3 2 0 C B 0 0 0 1 0 3 0 C
A=B C
@ 0 0 0 0 0 6 2 A; B = @ 0 0 0 0
B C
1 8 0 A
0 0 0 0 0 0 0 0 0 0 0 0 0 1
A est une matrice échelonnée (non réduite), B est une matrice erl:
Les éléments distingués sont ceux qui sont entourés.
Proposition 3.7: Soit A une matrice échelonnée par ligne; alors le rang
de A est égal au nombre de lignes non nulles de A:
Preuve
Il s’agit de montrer que les lignes non nulles d’une matrice échelonnée par
ligne sont linéairement indépendantes ce qu’on véri…e facilement.
14
On écrit alors A~B
Preuve
Si A et B sont équivalentes ligne, alors B s’obtient à partir de A par
un nombre …ni d’opérations élémentaires sur les lignes.Par suite d’après la
remarque 2.5a), B est égal au produit de A par un nombre …ni de matrices
d’opération élémentaire. comme chaque matrice d’opération élémentaire est
inversible alors la propriété 2.1d) assure le résultat
Proposition 3.9: Toute matrice est équivalente ligne à une matrice éch-
elonnée par ligne.
Plus précisément, pour tout A 2 Mm;n (|); il existe une matrice inversible
P 2 Mm (|) et une matrice échelonnée par ligne E 2 Mm;n (|) telles que
P A = E:
Preuve
D’après l’algorithme d’échelonnement d’une matrice (voir un peu plus
bas), A est transformée en une matrice échelonnée par ligne E par des
opérations élémentaires successives sur les lignes. Soient e1 ; e2 ; :::; ek la suite
d’opérations élémentaires qui transforme A en E et E1 ; E2 ; :::; Ek les matrices
d’opération élémentaire correspondant. Alors:
e1 transforme A en e1 (A) = E1 A qui est transformée à son tour par e2 en
e2 [e1 (A)] = E2 E1 A et ainsi de suite on obtient E = ek [ek 1 ::: [e2 [e1 (A)]]] =
Ek Ek 1 ::: E2 E1 A: On pose P = Ek Ek 1 ::: E2 E1 ; alors P
est inversible car produit de matrices d’opérations élémentaires qui d’après
la remarque 2.5b), sont inversibles et on a P A = E:
Preuve
Si la forme ligne canonique de A est égal à In ; alors en vertu de la propo-
sition 3.9, A et In ont le même rang donc A est inversible. Réciproquement
15
si A est inversible, alors pour la même raison que précédemment la forme
ligne canonique E de A est inversible. Alors pour achever la preuve il su¢ t
de remarquer que In est la seule matrice erl inversible de Mn (|) : En e¤et
Si une matrice erl de Mn (|) est inversible, alors aucune de ses lignes n’est
nulle, donc il y a un élément distingué sur chaque ligne. Par conséquent E
possède n éléments distingués et la condition 1 j1 < j2 < ::: < jn n
de la dé…nition 3.10 implique que jk = k pour 1 k n et donc que ces
éléments distingués sont les éléments de la diagonale de E: Comme en plus E
est réduite, alors ces éléments sont tous égaux à 1 et sont les seuls éléments
non nuls sur leurs colonnes respectives. En somme, les coe¢ cients de E sont
égaux à 1 sur la diagonale et à 0 ailleurs donc on a E = In :
Preuve
Soient e1 ; e2 ; :::; ek la suite d’opérations élémentaires qui transforme A en
In et E1 ; E2 ; :::; Ek les matrices d’opération élémentaire correspondant. Alors
on a:
Ek Ek 1 ::: E2 E1 A = In d’où A 1 = Ek Ek 1 ::: E2 E1 =
ek [ek 1 ::: [e2 [e1 (In )]]] :
Exemple 3.4 :
NB : Avant de suivre cet exemple lire d’abord l’algorithme d’échelonnement
d’une matrice et l’exemple 3.5
16
0 10 1
1 0 2 1 0 0
@ 0 1 1 A@ 2 1 0 A
L3 + L2 0 00 1 6 1101 1 0 10
1 0 0 11 2 2 1 0 0 11 2 2
L1 + 2L3 @
! 0 1 0 A@ 4 0 1 A ! L2 @ 0 1 0 A @ 4 0 1
L 2 L3
0 0 0 1 1 6 1 1 L3 0 0 1 6 1 1
11 2 2
Donc A 1 = @ 4 0 1 A
6 1 1
Preuve
Si A 2 Mn (|) est produit …ni de matrices d’opération élémentaire, alors
A est inversible puisque toute matrice d’opération élémentaire est inversible.
Réciproquement si A est inversible, alors A 1 est inversible et d’après le
1
corollaire 1, A (= (A 1 ) ) est égal au produit des matrices d’opérations élé-
mentaires correspondant à la suite des opérations élémentaires qui transforme
A 1 en In :
17
- Si q = k + 1; alors on e¤ectue successivement pour k + 2 i m les
opérations Li k+1jk+1 Li ijk+1 Lk+1 pour annuler tous les éléments de
la jk+1 eme colonne en dessous de k+1jk+1 :
- Si q 6= k + 1; alors on permute les (nouvelles) lignes Lq et Lk+1 avant
d’e¤ectuer les opérations.
On obtient …nalement une matrice échelonnée par ligne équivalente ligne
à A:
0 1
0 1 2 2 0
B 0 2 4 4 2 C
Exemple 3.5: Echelonner la matrice A = B @ 0
C
3 6 5 0 A
0 1 2 2 3
puis donner sa forme ligne canonique.
Echelonnons A :
0 1 0 1
0 1 2 2 0 0 1 2 2 0
B
L2 + 2L1 B 0 0 0 0 C
2 C B 0 0 0 1 0 C
A @ A L 2 ! L3 B @
C
L3 3L1 0 0 0 1 0 0 0 0 0 2 A
L4 + L1 0 0 0 4 3 0 0 0 4 3
0 1 0 1
0 1 2 2 0 0 1 2 2 0
B 0 0 0 1 0 C B 0 0 0 1 0 C
B C B C
@ 0 0 0 0 2 A @ 0 0 0 0 2 A
L4 + 4L2 0 0 0 0 3 2L4 + 3L2 0 0 0 0 0
On a ainsi échelonné la matrice A. Donnons sa forme ligne canonique
c.à.d poursuivons l’échelonnement jusqu’à sa forme erl:
A partir de la forme obtenue par l’algorithme précédent, on poursuit les
combinaisons pour éliminer les éléments non nuls au dessus des éléments
distingués de A:
Dans cette phase on opère dans le sens inverse de la 1ere phase de l’échelonnement,
donc de la dernière ligne à la première, et de bas en haut.
Lorsque la colonne de chaque élément distingué est débarassée des élé-
ments non nuls, on
18
Dé…nition 3.21 : On appelle Truc l’une des structures abéliennes suiv-
antes: un groupe abélien, un anneau commutatif, un corps commutatif, un
espace vectoriel sur un corps commutatif, un module sur un anneau commu-
tatif, une algèbre sur un anneau (ou un corps) commutatif.
NB: Sauf mention contraire, la loi de groupe d’un Truc est notée +; et
son élément neutre 0
Preuve
8x 2 T; x solution de (E) () f (x) = b () x est un antécédent de b:
- Si b 2
= Im f; alors b n’a pas d’antécédent, alors (E) n’a pas de solution;
- Si b 2 Im f; alors b a au moins un antécédent x0 qui est donc une
solution de (E) : Alors 8x 2 T; x solution de (E) () f (x) = b () f (x) =
f (x0 ) () f (x) f (x0 ) = 0 () f (x x0 ) = 0 () x x0 2 ker f () x 2
x0 + ker f d’où le résultat.
Théorème 83.7
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
soit (S) ..
>
> .
>
: a x + a x + ::: + a x = b
m1 1 m2 2 mn n m
avec aij 2 |; 81 i m; 1 j n; bi 2 |; 81 i m; un système
linéaire de m équations
0 à n inconnes1 x1 ; x2 ; :::; xn :
a11 a1n
B .. .. C 2 M (|) la matrice associée à (S) :
Soient A = @ . . A m;n
am1 amn
Alors l’ensemble des solutions de (S) est soit l’ensemble vide, soit un sous
espace a¢ ne de |n de dimension n rg(A):
Preuve
Soit f l’endomorphisme caqnoniquement associé à A: On pose v = (x1 ; x2 ; :::xn ) 2
|n et b = (b1 ; b2 ; :::bm ) 2 |m :
L’écriture de (S) sous forme d’application linéaire est l’équation : v 2 |n ;
f (v) = b:
19
D’après le lemme si b admet au moins un antécédent c..à.d si (S) est
compatible, alors la solution de (S) est
S|n = v0 + ker f où v0 est une solution particulière de (S): D’après
la formule du rang, ker f est un sous espace vectoriel de |n de dimension
n rg (f ) = n rg(A); par suite v0 + ker f est un sous espace a¢ ne de |n
de dimension n rg(A):
Théorème83.8:
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
Soit (S) ..
>
> .
>
: a x + a x + ::: + a x = b
m1 1 m2 2 mn n m
avec aij 2 |; 81 i m; 1 j n; bi 2 |; 81 i m; un système
linéaire de m équations
0 à n inconnes1 x1 ; x2 ; :::; xn :
a11 a1n
B .. C 2 M (|) la matrice associée à (S) et
Soient A = @ ... . A m;n
am1 a
0 1 mn
a11 a1n b1
B .. .. .. C 2 M
A=@ . . . A m;n+1 (|) sa matrice complète.
am1 amn bm
On échelonne A pour obtenir une matrice A0 et soit (S 0 ) le système asso-
cié à A0 ; et A0 la matrice associée à (S 0 ) : (Alors d’après les propositions ci-
avant, d’une part (S) et (S 0 ) sont équivalents, d’autre part rg (A) = rg (A0 )
et rg A = rg A0 :
Trois cas se présentent:
1er cas: rg A > rg (A)
Alors (S) est incompatible: S|n = ?
2eme cas: rg A = rg (A) = n (nombre d’inconnues)
Alors (S) est déterminée et donc admet une solution unique qu’on déter-
mine en résolvant (S 0 ) en escalier à partir de la dernière ligne.
3eme cas: rg A = rg (A) = r < n
Alors (S) admet une in…nité de solutions. Les inconnues xj1 ; :::; xjr de
mêmes colonnes que les r éléments distingués de A0 ; appelées les inconnues
principales,.sont fonctions a¢ nes des n r autres inconnues xjr+1 ; :::; xjn ,
appelées inconnues secondaires et mises en paramètre.
L’ensemble des solutions de (S) est donc de la forme:
20
80 1 9
>
> xj1 xjr+1 ; :::; xjn >
>
>
> B .. C >
>
>
> B . C >
>
>
<B C >
=
B x x ; :::; xjn C
S|n = B jr jr+1 C ; xjr+1 ; :::; xjn 2 | sous réserve d’une
>
> B xjr+1 C >
>
>
> B .. C >
>
>
> @ . A >
>
>
: >
;
xjn
permutation de Sn qui remet les composantes à leur place initiale
Preuve
Ce théorème précise le théo 3.7
1 Si rg A > rg (A) alors (S) est incompatible;
2 Si rg A = rg (A) alors (S) est compatible et d’après le théo 3.7, la
solution de (S) est un sous espace a¢ ne F de dimension n rg(A): Par suite:
a) si rg(A) = n; alors dim F = 0 et par suite F est réduit à un point
c.à.d que (S) admet une unique solution;
b) si rg(A) < n; alors dim F > 0 et par suite F possède une in…nité
déléments c.à.d que (S) admet une in…nité de solutions. En outre la matrice
A0 étant échelonnée de rang r; alors les r lignes non nulles de A0 sont linéaire-
ment indépendantes et l’expression de S|n dans l’énoncé de ce théo est une
écriture paramétrique de F:
Remarque 3.6
1) Le choix des inconnues principales n’est pas unique mais dépend de la
façon dont l’échelonnement de A a été e¤ectué.
Plus généralement, on peut prendre comme suite d’inconnues principales
toute suite d’inconnues situées sur les colonnes utilisées pour obtenir un
mineur non nul de A d’ordre r = rg (A).
21
0 1 0 1
1 2 1 3 1 2 1 3
A L2 + 2L1 @ 0 3 1 6 A @ 0 3 1 6 A:
L3 + L1 0 3 1 6 L3 L2 0 0 0 0
On a rg A = rg (A) = 2 < 3 donc (S) admet une in…nité de solutions;
x et y sont les inconnues principales et z devient un paramètre.
x + 2y = 3 + z x = 1 + 53 z
(S) () (S 0 ) ()
3y = 6 z y = 2 13 z
S R3 = 1 + 35 z; 2 13 z; z ; z 2 R
22
Dans le cas où rg(A) = r < n; il est souvent plus rapide d’e¤ectuer des
combinaisons directes de lignes qu’un échelonnement formel en procédant
comme suit:
On choisit comme inconnues principales les inconnues situées sur les
colonnes utilisées pour calculer un mineur non nul d’ordre r de A qu’on
exprime directement en fonction des autres inconnues devenues paramètres,
par des combinaisons directes de lignes.
81 j n; L0 Lj =) xj = a1 +an2 +:::+a 1
n
aj :
23
2.2 Application au calcul de l’inverse d’une matrice
0 1 0 1
x1 y1
B x2 C B y2 C
B C B C
Soit A = (aij ) 2 Mn (|) inversible. Soient X = B .. C et Y = B .. C
@ . A @ . A
xn yn
deux suites de variables dans |:
Lorsque Y est donné, l0 égalité AX = Y exprime y1 ; y2 ; :::; yn en fonc-
tion de x1 ; x2 ; :::; xn : C’est un système linéaire.ayant une unique solution
(x1 ; x2 ; :::; xn ) qu’on exprime en fonction de (y1 ; y2 ; :::; yn ) en résolvant le sys-
tème. Or AX = Y =) X = A 1 Y: Donc A 1 est la matrice du système qui
exprime x1 ; x2 ; :::; xn en fonction de y1 ; y2 ; :::; yn :
0 1
2 5 4
Exemple 3.9 : Montrer que la matrice M = @ 0 1 3 A est in-
0 0 6
versible et calculer son inverse.
24