Académique Documents
Professionnel Documents
Culture Documents
CHAPITRE 3 : MATRICES
I- Généralités ...................................................................................................................................... 2
I-1 Définition ............................................................................................................................................... 2
I-2 Matrices particulières ............................................................................................................................. 3
II- Matrices carrées ............................................................................................................................. 4
II-1 Diagonale d’une matrice carrée.............................................................................................................. 4
II-2 Matrice diagonale.................................................................................................................................. 4
II-3 Matrice triangulaire ............................................................................................................................... 5
II-4 Matrice symétrique ................................................................................................................................ 5
II-5 Matrice antisymétrique .......................................................................................................................... 6
III- Opérations sur les matrices ............................................................................................................ 6
III-1 Egalité .................................................................................................................................................. 6
III-2 Addition................................................................................................................................................ 7
III-3 Multiplication par un scalaire ................................................................................................................ 7
III-4 Produit de deux matrices ....................................................................................................................... 8
III-5 Puissance d’une matrice ...................................................................................................................... 10
III-6 Propriétés de l’ensemble des matrices ................................................................................................. 11
IV- Matrice inversible........................................................................................................................ 12
V- Matrice inverse : Méthode de Gauss-Jordan ................................................................................. 12
V-1 Principe de la méthode ........................................................................................................................ 12
V-2 Exemples ............................................................................................................................................. 13
VI- Matrice associée à un système de vecteurs .................................................................................. 16
VII- Matrice d’une application linéaire .............................................................................................. 17
VIII- Changement de base ................................................................................................................. 19
VIII-1 Matrice de passage ........................................................................................................................... 19
VIII-2 Coordonnés d’un vecteur .................................................................................................................. 20
VIII-3 Application linéaire ........................................................................................................................... 21
I- Généralités
I-1 Définition
Définition :
• On appelle une matrice A , de type ( n, p ) ( n, p ∈ IN * ) à coefficients réels, un tableau
de n lignes et p colonnes constituées de nombres réels, dits coefficients de la
matrice A . On note par :
a11 L a1 j L a1 p
M M M M M
A = ai1 L aij L aip ← ligne i
M M M M M
a L anj L anp
n1
↑
colonne j
Exemples :
1 4
1 2 3
♦ A = ∈ M (2,3) B = 2 5 ∈ M (3,2)
4 5 6 3 6
1
♦ C = ∈ M ( 2,1) D = (1 2 ) ∈ M (1,2) E = (1) ∈ M (1,1)
2
Exemples
Définition :
Soit A une matrice carrée d’ordre n : A = ( aij )1 ≤ i, j ≤ n . Les coefficients
( aii )1 ≤ i ≤ n sont dits éléments ou coefficients diagonaux de la matrice A et constitue la
diagonale principale de la matrice A .
Exemple :
1 2
♦ A = . Les éléments diagonaux de la matrice A sont a11 = 1 et a22 = 4 .
3 4
Définition :
Soit A une matrice carrée d’ordre n : A = ( aij )1 ≤ i, j ≤ n .
On dit que la matrice A est une matrice diagonale si tous les éléments non diagonaux
de la matrice sont nuls : ( aij = 0 si i ≠ j )
Exemples :
1 0
♦ A =
0 2
a 0 L 0
0 O O M
♦ Matrice scalaire A= , ( a ∈ IR )
M O O 0
0 L 0 a
1 0 L 0
0 O O M
♦ Matrice unité ou matrice identité (matrice scalaire avec a = 1 ) : I n =
M O O 0
0 L 0 1
Définition :
Soit A une matrice carrée d’ordre n : A = ( aij )1 ≤ i, j ≤ n .
• On dit que A est une matrice triangulaire inférieure si tous ses éléments au dessus de
la diagonale principale sont nuls ( aij = 0 si i < j ) :
a11 0 L 0
a 21 O O M
A= , (( aij )1≤i , j≤n ∈ IR )
M O O 0
a L an ( n −1) ann
n1
• On dit que A est une matrice triangulaire supérieure si tous ses éléments au dessous
de la diagonale principale sont nuls ( aij = 0 si i > j ) :
a11 a12 L a1n
0 O O M
A= , (( aij )1≤i , j≤n ∈ IR )
M O O a( n−1) n
0 L 0 a nn
Exemples :
0 0 0
1 0
♦ 0 − 1 0 et sont des matrices triangulaires inférieures.
1 0 2 3 2
0 1 2
1 3
♦ 0 − 1 3 et sont des matrices triangulaires supérieures.
0 0 2 0 2
Remarque :
♦ Si une matrice A est triangulaire supérieure alors sa matrice transposée t A est
triangulaire inférieure et inversement.
Définition :
Soit A une matrice carrée d’ordre n : A = ( aij )1 ≤ i, j ≤ n .
• On dit que la matrice A est une matrice symétrique si elle est égale à sa matrice
transposée : A=tA ( a ji = aij ∀ 1 ≤ i, j ≤ n )
Exemples :
1 2 4 − 2
0 1 2
2 −3 5 3 1 3
♦ A= A = 1 − 1 3 A =
4 5 −1 2 2 3 2
3 2
− 2 3 2 1
Définition :
Soit A une matrice carrée d’ordre n : A = ( aij )1 ≤ i, j ≤ n .
• On dit que la matrice A est une matrice antisymétrique si sa matrice transposée est
égale à sa matrice opposée : t
A = ( − A) ( a ji = −aij ∀ 1 ≤ i, j ≤ n )
Exemples :
0 −2 4 2
0 −1 2
2 0 −5 3 0 − 3
♦ A= A = 1 0 − 3 A =
−4 5 0 − 2 − 2 3 0
3 0
− 2 − 3 2 0
Remarque :
♦ Tous les éléments diagonaux d’une matrice antisymétrique sont nuls :
( a ji = −aij ∀ 1 ≤ i, j ≤ n ) ⇒ (aii = 0 ∀ 1 ≤ i ≤ n )
III-1 Egalité
Définition :
Deux matrices A et B de M (n, p ) sont égales si elles ont les mêmes coefficients :
• A ≡ B ssi aij = bij , ∀1 ≤ i ≤ n, ∀1 ≤ j ≤ p , avec A = (aij ) et B = (bij )
Propriété :
♦ t A≡ t B ssi A≡ B
III-2 Addition
Définition :
• Soient A et B deux matrices de M (n, p ) . La matrice C de M (n, p ) définie par :
cij = aij + bij (∀1 ≤ i ≤ n, ∀1 ≤ j ≤ p ) s’appelle la matrice somme des matrices A et
B.
• On note C = A + B .
Propriétés :
♦ ∀A, B, C ∈ M ( n, p ) : ( A + B) + C = A + ( B + C )
♦ ∀A, B ∈ M ( n, p ) : A + B = B + A
♦ ∀A, B ∈ M ( n, p ) : t ( A + B )= tA+ tB
Exemple :
1 2 3 3 2 1 1 + 3 2 + 2 3 + 1 4 4 4
A = et B = ⇒ A + B = =
4 5 6 − 1 − 2 − 3 4 − 1 5 − 2 6 − 3 3 3 3
Définition :
• Soient A une matrice de M (n, p ) et α un réel (α ∈ IR ) . La matrice C de M (n, p )
définie par : cij = αaij (∀1 ≤ i ≤ n, ∀1 ≤ j ≤ p ) s’appelle la matrice produit externe de
la matrice A par le scalaire α .
• On note C = α . A .
Propriétés :
♦ ∀A ∈ M (n, p ) , ∀α , β ∈ IR : (α + β ). A = α . A + β . A
♦ ∀A, B ∈ M ( n, p ) , ∀α ∈ IR : α .( A + B ) = α . A + α . B
Exemples :
♦ A ∈ M ( n, p ) et α = 1 ⇒ 1. A = A
♦ A ∈ M ( n, p ) et α = 0 ⇒ 0. A = 0n , p
1 2 − 1
♦ A = et α = −3 :
2 1 − 2
( −3) × 1 ( −3) × 2 ( −3) × ( −1) − 3 − 6 3
( −3). A = =
( − 3 ) × 2 ( −3) × 1 ( −3) × ( −2 ) − 6 − 3 6
Définition :
• Soient A une matrice de M ( n, m ) et B une matrice de M ( m, p ) . La matrice C de
m
M (n, p ) définie par : cij = ∑ aik bkj (∀1 ≤ i ≤ n, ∀1 ≤ j ≤ p ) s’appelle la matrice
k =1
Propriétés :
♦ ∀A ∈ M ( n, m ) , B ∈ M ( m, p ) , C ∈ M ( p, q ) : ( A × B ) × C = A × ( B × C ) ∈ M ( n, q )
♦ ∀A ∈ M ( n, m ) , ∀B, C ∈ M ( m, p ) : A × ( B + C ) = ( A × B ) + ( A × C ) ∈ M (n, p )
♦ ∀A ∈ M ( n, m ) et ∀B ∈ M ( m, p ) : t
( A × B ) = t B×t A ∈ M ( p, n )
Exemple :
− 2
0
♦ A = (1,2,−1,0,−2) et B = 2 :
1
− 1
A × B = 1 × ( −2) + 2 × 0 + ( −1) × 2 + 0 × 1 + ( −2) × ( −1) = −2
Exemples :
1 0
1 2 − 1
♦ A = et B = 0 − 1 :
2 1 − 2 1 0
L ×C L1 × C2 0 − 2
A × B = 1 1 =
L2 × C1 L2 × C2 0 − 1
L1 × C1 L1 × C2 L1 × C3 1 2 − 1
B × A = L2 × C1 L2 × C2 L2 × C3 = − 2 − 1 2
L ×C L2 × C3 L3 × C3 1 2 − 1
3 1
1 0 0 1
1 2 − 1
♦ A = et B= 0 1 1 0
2 1 − 2 − 1 0 − 1 0
L × C1 L1 × C2 L1 × C3 L1 × C4 2 2 3 1
A × B = 1 =
L2 × C1 L2 × C2 L2 × C3 L2 × C4 4 1 3 2
Définition :
• Soit A une matrice carrée d’ordre n ( A ∈ M ( n )) . On définit les puissances de la
matrice A par : Ap = 1×2
A4L4×3
A (∀p ∈ IN * ), ∀A ∈ M (n ) , avec A0 = I n
p fois
Théorème :
Soient A et B deux matrices carrées d’ordre n ( A, B ∈ M ( n )) .
k =0 k =0
2 0 1 0
Exemple : A = et B =
1 2 − 1 1
2 0 2 0
A × B = et B × A =
−1 2 −1 2
♦ Le calcul direct de ( A + B )2 :
3 0 9 0
A + B = et ( A + B ) 2 = ( A + B ) × ( A + B ) ⇒ ( A + B ) 2 =
0 3 0 9
( A + B ) 2 = A2 + 2. A × B + B 2
4 0 2 1 0 2 0
A2 = A × A = , B = B × B = et A × B =
4 4 − 2 1 −1 2
9 0
⇒ ( A + B ) 2 =
0 9
Le symétrique de la matrice A pour la loi " + " est égal à sa matrice opposée.
Exemples :
1 2 3 − 2 1 0
♦ A = , B = : A × B = B × A = = I 2
1 3 −1 1 0 1
La matrice A est alors inversible et A−1 = B .
0 1 a b c d 0 a
♦ A = , ∀ B = : A × B = ≠ I 2 & B × A = ≠ I 2
0 0 c d 0 0 0 c
La matrice A est alors non inversible.
Théorème :
Si deux matrices A et B de M ( n ) sont inversibles alors la matrice A × B est
inversible et ( A × B ) −1 = B −1 × A−1 .
En particulier si une matrice A de M (n ) est inversible alors la matrice ( A) p , p ∈ IN *
est inversible et ( A p ) −1 = ( A−1 ) p .
La majorité des méthodes de calcul de l’inverse d’une matrice font appel à la notion de
déterminant qu’on étudiera au chapitre suivant.
Dans ce paragraphe, on exposera une méthode ne faisant pas appel à cette notion. Cette
méthode, dite méthode de Gauss-Jordan, consiste à transformer la matrice A en I n et par la même
occasion la matrice I n en A−1 en utilisant des opérations élémentaires sur les lignes de la matrice, type
addition à chaque ligne d’une combinaison linéaire des autres lignes, multiplication d’une ligne par un
scalaire ou permutation des lignes.
Si au bout d’un certain nombre de transformations, on voit apparaître à la place de la matrice A ,
une matrice avec une ligne identiquement nulle, il devient alors impossible de faire apparaître les
coefficients de la matrice I n dans la matrice A . On en conclut que la matrice A est non inversible.
V-2 Exemples
2 3 − 1
V-2-1 Matrice inversible : A = −1 − 2 1
2 4 − 1
Exposé de la méthode :
2 3 − 1 1 0 0
−1 − 2 1 0 1 0
2 4 − 1 0 0 1
1 3 / 2 − 1 / 2 1 / 2 0 0
−1 − 2 1 0 1 0
2 4 − 1 0 0 1
1 3 / 2 − 1 / 2 1 / 2 0 0
0 − 1/ 2 1 / 2 1 / 2 1 0
0 1 0 − 1 0 1
1 3 / 2 − 1 / 2 1 / 2 0 0
0 1 0 − 1 0 1
0 − 1/ 2 1 / 2 1 / 2 1 0
1 0 − 1 / 2 2 0 − 3 / 2
0 1 0 − 1 0 1
0 0 1 / 2 0 1 1 / 2
1 0 0 2 1 − 1
0 1 0 − 1 0 1
0 0 1 / 2 0 1 1 / 2
1 0 0 2 1 − 1
0 1 0 − 1 0 1
0 0 1 0 2 1
2 3 − 1 2 1 − 1 2 1 − 1 2 3 − 1 1 0 0
♦ En effet : − 1 − 2 1 − 1 0 1 = − 1 0 1 − 1 − 2 1 = 0 1 0
2 4 − 1 0 2 1 0 2 1 2 4 − 1 0 0 1
1 0 1
V-2-2 Matrice non inversible : A = 0 1 0
1 1 1
Exposé de la méthode :
1 0 1 1 0 0
0 1 0 0 1 0
1 1 1 0 0 1
1 0 1 1 0 0
0 1 0 0 1 0
0 1 0 − 1 0 1
1 0 1 1 0 0
0 1 0 0 1 0
0 0 0 − 1 − 1 1
♦ On voit apparaître à la place de la matrice A , une matrice avec une ligne identiquement
nulle ( L3 ), la matrice A est alors non inversible.
a11 L a1 j L a1 p ← e1
M M M M M
A = ai 1 L aij L aip ← ei
M M M M M
a L anj L anp ← en
n1
↑ ↑ ↑
u1 uj up
où la colonne j de la matrice A est formée des coordonnées du vecteur u j du système
i =1
• On note A = M ( S / B ) : ( A ∈ M ( n, p ))
Remarque :
♦ La matrice A dépend de la base B choisie.
Exemple :
♦ E = IR 3
♦ B = {e1 , e2 , e3 } la base canonique de IR3 : e1 = (1,0,0) , e2 = (0,1,0) et e3 = ( 0,0,1) .
♦ S = {u1 , u2 , u3 } : u1 = ( 2,0,−2) , u2 = (1,−2,1) et u3 = (0,−2,3) :
Remarques :
a11 L a1 j L a1 p ← v1
M M M M M
M ( f / B , B ' ) = a i1 L aij L aip ← vi
M M M M M , ( M ( f / B, B ' ) ∈ M ( n, p ))
a L anj L anp ← vn
n1
↑ ↑ ↑
f (u1 ) f ( u j ) f ( up )
M
f (u p ) = a1 p v1 + L + aip vi + L + anp vn
Exemple : E = IR 2 , F = IR 3 : f ( x, y ) = ( x − y , x + y , y − x )
1 − 1
f (u1 ) = (1,1,−1) = v1 + v2 − v3
• ⇒ M ( f / B, B ' ) = 1 1
f (u2 ) = ( −1,1,1) = − v1 + v2 + v3 − 1
1
♦ M ( f / B , B ' ) ≠ M ( f / B, B ' )
Exemple : E = IR 3 , F = IR 2 et G = IR 2 : f ( x, y , z ) = ( x + y , y + z ) et g ( x, y ) = ( y , x )
0 1 1 1 0 0 1 1
M ( g / B' , B" ) × M ( f / B, B' ) = × = = M ( g o f / B, B" )
1 0 0 1 1 1 1 0
Définition :
Soient B = {u1 , L, un } et B ' = {v1 ,L, vn } deux bases d’un espace vectoriel réel E . On
appelle la matrice de passage de la base B à la base B ' et on note PBB ' , la matrice du
système B' = {v1 , L , vn } relativement à la base B = {u1 , L, un } .
Remarques :
a11 L a1 j L a1n ← u1
M M M M M
PBB ' = a i1 L aij L ain ← ui
M M M M M , ( PBB ' ∈ M ( n ))
a
L a nj L ann ← un
n1
↑ ↑ ↑
v1 vj vn
Théorème :
Si B = {u1 , L, un } et B ' = {v1 ,L, vn } sont deux bases d’un espace vectoriel réel E , alors
la matrice de passage de B à B ' , est inversible et ( PBB ' ) −1 = PB ' B .
Exemple :
B = {e1 , e2 }: e1 = (1,0), e2 = (0,1)
♦ Dans IR2 , on considère les bases B et B ' :
B' = {e'1 , e' 2 }: e'1 = (1,1), e' 2 = ( −1,1)
e'1 = (1,1) = e1 + e2 1 − 1
• ⇒ PBB ' =
e'2 = ( −1,1) = − e1 + e2 1 1
1 1
e1 = (1,0 ) = e '1 − e' 2 1 / 2 1 / 2
• 2 2 ⇒ PB ' B =
1 1 − 1 / 2 1 / 2
e1 = (0,1) = e'1 + e' 2
2 2
Théorème :
Soient B = {u1 , L, un } et B ' = {v1 ,L, vn } sont deux bases d’un espace vectoriel réel E .
Soit un x vecteur de E .
n
x = x u
1 1 + L + x u
n n = ∑
i =1
xi ui
Si n alors : X = PBB ' . X ' et X ' = PB ' B . X ,
x = x '1 v1 + L + x 'n vn = ∑ x ' j v j
j =1
x1 x '1
avec X = M et X ' = M
x x'
n n
x '1
♦ Calcul de X ' = par la formule de changement de base X ' = PB ' B . X :
x '2
1 / 2 1 / 2 1 / 2 1 / 2 2 1/ 2
PB ' B = ⇒ X ' = PB ' B . X = . ⇒ X ' =
− 1 / 2 1 / 2 − 1 / 2 1 / 2 − 1 − 3 / 2
Théorème :
Soient ( E ,+,.) et ( F ,+,.) deux espaces vectoriels réels munis respectivement des
bases B = {u1 , L, u p } et B ' = {v1 ,L, vn }. Soient f une application linéaire de E vers F et
x vecteur de E .
p
x = x u
1 1 + L + x u
p p = ∑
i =1
xi ui
Si n alors Y = M ( f / B, B ' ). X ,
f ( x ) = y1v1 + L + yn vn = ∑ y j v j
j =1
x1 y1
où : X = M et Y = M .
x y
p n
Exemple : E = IR 2 et F = IR 3 : f ( x, y ) = ( x − y , x + y , y − x )
y1 1 − 1 3
2 2
♦ Si x = ( 2,−1) ∈ IR , alors X = et y 2 = 1
2
1. = 1
− 1 y − 1 − 3
3 − 1 1
Théorème :
Soient E et F deux espaces vectoriels réels et f une application linéaire de E vers
F . Si B1 et B '1 sont deux bases de E , B2 et B'2 deux bases de F alors :
M ( f / B '1 , B ' 2 ) = PB '2 B2 . M ( f / B1 , B2 ). PB1B '1 = ( PB2 B '2 ) −1 . M ( f / B1 , B2 ). PB1B '1
Exemple : E = IR 2 et F = IR 3 : f ( x, y ) = ( x − y , x + y , y − x )
1 − 1
1 − 1
♦ M ( f / B1 , B2 ) = 1 1 et PB1 B1 =
− 1 1 1
1
1 1
v1 = v1 − v2 − v3
2 2 1 / 2 0 1 / 2
♦ v 2 = v 2 ⇒ PB2 B2 = −1 1 0
1 1 − 1 / 2 0 1 / 2
v3 = v1 + v3
2 2
♦ M ( f / B1 , B2 ) = PB2 B2 .M ( f / B1 , B2 ). PB1 B1
1 / 2 0 1 / 2 1 − 1 0 0
1 − 1
⇒ M ( f / B1 , B2 ) = − 1 1 0. 1 1. = 2 2
1 1
− 1 / 2 0 1 / 2 − 1 1
0 2
♦ Calcul direct de M ( f / B1 , B2 ) :
0 0
f (u1 ) = f ((1,1)) = (0,2,0) = 2v2
f (u ) = f (( −1,1)) = ( −2,0,2) = 2v + 2v ⇒ M ( f / B1 , B2 ) = 2 2
2 2 3
0 2