Académique Documents
Professionnel Documents
Culture Documents
2021-2022
!
1 5 −3
4 −7 2
Nombre de lignes = 2
Nombre de colonnes =3
Définition
On appelle matrice de type (m, n) ∈ N∗ 2 à termes dans K,
A : Nm × Nn −→ K
toute application .
(i, j) 7−→ aij
On note A = (aij )1≤i≤m .
1≤j≤n
a11 a12 ... a1n
a21 a22 ... a2n
A= .. .. .. ..
. . . .
am1 am2 ... amn
Définition
On peut également voir une matrice comme étant un tableau
de nombres réels ou complexes formé de m lignes et de n
colonnes.
L’ensemble des matrices de type (m, n) à termes dans K se
note Mm,n (K).
La première semaine,
la première patrouille a vendu 10 paquets de galettes et 8
paquets de truffes.
La seconde patrouille a vendu 12 paquets de galettes et 10
paquets de truffes.
Et enfin la troisième patrouille a vendu 15 paquets de galettes
et 5 paquets de truffes.
Introduction to matrices
Les ventes de la deuxième semaine sont présentées dans le tableau
suivant:
Galettes Truffes
Patrouille 1 10 10
Patrouille 2 11 8
Patrouille 3 13 8
Table: Résultats des ventes de la semaine 2
Table: Semaine 1
Galettes Truffes
Patrouille 1 10 10
Patrouille 2 11 8
Patrouille 3 13 8
Table: Semaine 2
Galettes Truffes
Patrouille 1
Patrouille 2
Patrouille 3
Table: Semaines 1 et 2
Dans le premier, les prix de ventes ont été fixés à 3.5$ pour
les galettes et 1.5$ pour les truffes.
Pour le second tarif, les prix de ventes ont été fixés à 3$ pour
les galettes et 2$ pour les truffes.
Exemple :
3
A = 1.5 ∈ M3,1 (R)
2
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Définition
On appelle matrice ligne ou vecteur ligne de dimension n toute
matrice de type (1, n) :
Exemple :
√
A= 3 i 2 2 1.2 1 + 2i ∈ M1,5 (C)
Définition
1 Si m = n, on dit que A est une matrice carrée d’ordre n:
a11 a12 ... a1n
a21 a22 ... a2n
A= .. .. .. ..
. . . .
an1 an2 ... ann
Exemple: :
√
3 1.2 5
6
A=
5 2.3 ∈ M3 (R)
6
8.1 2 9
les éléments de la diagonale principale sont 3, 2.3, et 9
Définitions
1 On appelle matrice nulle de type (m, n) une matrice dont tous
Définition
A = (aij ) ∈ Mm,n (K). On appelle transposée de A, la matrice
t A = (a ) ∈ M
ji n,m (K).
Exemple :
x y !
A = z t ∈ M3,2 (K), t A = ∈ M2,3 (K)
e f
Propriété
Soit A ∈ Mm,n (K), alors t (t A) = A.
Egalité
Définition
Soient A = (aij ) , B = (bij ) ∈ Mm,n (K).
Exemple :
1 2 x y
Soient A = 3 4 , B = z t ∈ M3,2 (K)
5 6 u v
Sous quelles conditions a-t-on A = B?
Addition
Définition
Soient A = (aij ) , B = (bij ) ∈ Mm,n (K).
On appelle matrice somme de A et B, et on note A + B la matrice
(cij ) ∈ Mm,n (K) telle que cij = aij + bij .
Addition
Exemple :
1 2 x y
Soient A = 3 4 , B = z t ∈ M3,2 (R)
5 6 u v
A+B = ∈
Définition
Soient λ ∈ K et A = (aij ) ∈ Mm,n (K).
Exemple :
1 2 x y
Soient A = 3 4 , B = z t ∈ M3,2 (R)
5 6 u v
1 2 x y
A − 2B = 3 4 − 2 z t =
5 6 u v
Propriétés
Propriétés
Soient λ, µ ∈ K, A, B ∈ Mm,n (K).
1 λ(A + B) = λA + λB
2 (λ + µ)A = λA + µA
4 1K A = A
5 En particulier (−1)A = −A
Définition
Soient L = (a1 . . . an ) ∈ M1,n (K) un vecteur ligne de dimension
b1
..
n et C = . ∈ Mn,1 (K) un vecteur colonne de dimension n.
bn
On définit le produit scalaire de L et C comme étant le nombre
noté et défini par:
n
X
L.C = ai bi
i=1
Exemple :
4
L = (1 2 3) ∈ M1,3 (R), C = 5 ∈ M3,1 (K),
6
LC = 1 × 4 + 2 × 5 + 3 × 6 = 32.
Définition
Soit A = (aij ) ∈ Mm,n (K) et B = (bij ) ∈ Mn,p (K). On appelle
matrice produit de A et B la matrice
où
n
X
cij = aik bkj
k=1
Lm
dimension n,
et B = (C1 . . . Cp ) ∈ Mn,p (K), où chaque Ci est un vecteur colonne de
dimension n
Alors
L1 C1 L1 C2 . . . L1 Cp
L1 L2 C1 L2 C2 . . . L2 Cp
AB = ... (C1 Cp ) = .
..
Ln
Lm C1 Lm C2 . . . Lm Cp
Exemple :
! 1 −1 3
a b c
A= , B= 2 0 4
d e f
3 2 −2
!
AB = ∈ M2,3 (K)
Définition
Soit A = (aij ) ∈ Mn (K). On appelle trace de A le scalaire
n
X
tr (A) = aii
i=1
Exemple :
1 4 5
A = 4 2 6 ,
5 6 3
tr (A) =
Propriétés
Soient A, B ∈ Mn (K), λ ∈ K.
2 tr (A + B) = tr (A) + tr (B).
Matrice diagonale
Définition
Une matrice carrée est dite diagonale si elle est de la forme :
a11 . . . 0
D=
..
.
0 . . . ann
On note
Matrice diagonale
Exemple :
1 0 0
D = 0 2 0 ∈ D3 (R)
0 0 1
Exemple :
2 0 0
A = 0 0 0 est diagonale.
0 0 3
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrice triangulaire
Définition
Une matrice carrée est dite triangulaire supérieure si elle est de la
forme :
a11 . . . a1n
.. .
. ..
0 ann
i.e.
∀i, j ∈ Nn , (i > j =⇒ aij = 0)
On note
Matrice triangulaire
Définition
Une matrice carrée est dite triangulaire inférieure, si elle est de la
forme :
a11 0
.. .
. ..
an1 . . . ann
i.e.
∀i, j ∈ Nn , (i < j =⇒ aij = 0)
On note
Matrice triangulaire
Exemples :
2 1 0
A= 0 2 5 ∈ T3s (R)
0 0 3
2 0 0
B = 1 2 0 ∈ T3i (R)
1 0 3
Définitions
Soit A ∈ Mn (K).
1 A est idempotente si A2 = A.
2 A est involutive si A2 = I.
Exemples :
!
1 0
A= est idempotente.
3 0
!
0 1
B= est involutive.
1 0
0 2 3
C = 0 0 4 est nilpotente et son indice de nilpotence est 3.
0 0 0
Matrice symétrique
Définition
A ∈ Mn (K) est dite symétrique si, et seulement si, t A = A i.e.
Exemple :
1 4 5
A = 4 2 6 est symétrique.
5 6 3
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrice antisymétrique
Définition
A ∈ Mn (K) est dite antisymétrique si, et seulement si, t A = −A
i.e.
∀i, j ∈ Nn , aij = −aji
On note An (K) l’ensemble des matrices antisymétriques d’ordre n.
Exemple :
0 4 5
B = −4 0 6 est antisymétrique.
−5 −6 0
Matrice antisymétrique
∀i ∈ Nn , aii = 0
Propriétés
Propriétés
Soient A, B ∈ Mm,n (K) et λ ∈ K.
1 t (A + B) =t A +t B.
2 t (λA) = λt A.
3 t (AB) =t B t A.
Propriétés
Définitions
Soit A ∈ Mn (K).
1 On appelle composante symétrique de A, la matrice
1
A +t A .
2
2 On appelle composante antisymétrique de A, la matrice
1
A −t A .
2
1 1
A +t A est symétrique et A −t A est
Il est évident que
2 2
antisymétrique.
Définition
Soit A ∈ Mm,n (K). On appelle bloc de la matrice A toute
restriction de A à I × J où I ⊂ Nm et J ⊂ Nn , I et J étant formés
d’entiers consécutifs.
Exemple :
1 2 3 4 5 6
7 8 9 10 11 12
A=
13 14 ∈ M5,6 (R)
15 16 17 18
19 20 21 22 23 24
25 26 27 28 29 30
Définition
Soit A = (aij ) ∈ Mm,n (K). On peut écrire A de la forme suivante :
A11 . . . A1s
.. ..
A= . .
At1 . . . Ats
où s, t ∈ N∗ , et pour tout (i, j) ∈ Nt × Ns , Aij ∈ Mmi ,nj (K), avec
t
X s
X
mi , nj ∈ N∗ , mi = m, et nj = n.
i=1 j=1
Les Aij sont les blocs. C’est une décomposition de A par blocs.
xn
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
A11 . . . A1s
A=
..
.
As1 . . . Ass
Dans ce cas, les Aii s’appellent les blocs diagonaux.
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Exemples :
1 1 1 1 1
a d g
2 2 2 2 2
0
A= b e h , A = 3 3 3 3 3
c f i 4 4 4 4 4
5 5 5 5 5
Addition
Soient A, B ∈ Mm,n (K). Pour faire l’addition en utilisant la
décomposition par blocs, il faut que A et B aient le même nombre
s de blocs par ligne et le même nombre t de blocs par colonnes.
De plus, pour tout (i, j) ∈ Nt × Ns , Aij , Bij ∈ Mmi ,nj (K), avec
t
X s
X
mi = m et ni = n.
i=1 i=1
=
.. ..
. .
At1 + Bt1 ... Ats + Bts
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
A = ... ..
.
At1 . . . Ats
où t, s ∈ N∗ , et pour tout (i, j) ∈ Nt × Ns , Aij ∈ Mmi ,nj (K), avec
t
X s
X
mi = m et ni = n.
i=1 i=1
Alors,
λA11 . . . λA1s
.. ..
λA = . .
λAt1 . . . λAts
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Multiplication de matrices
Multiplication de matrices
Multiplication de matrices
Exemple :
!
A11 A12
A= , avec pour tout i, j ∈ {1, 2}, Aij ∈ Nmi ,nj
A21 A22
!
B11 B12
B= , avec pour tout i, j ∈ {1, 2}, Bij ∈ Nni ,pj
B21 B22
!
A11 B11 + A12 B21 A11 B12 + A12 B22
AB =
A21 B11 + A22 B21 A21 B12 + A22 B22
Définition
Soit A ∈ Mn (K). On dit que A est une matrice diagonale par blocs
s’il existe une décomposition par blocs de A de la forme :
A11 0 ... 0
.. .. ..
0 . . .
A=
.. .. ..
. . . 0
0 . . . 0 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), avec ni ∈ N∗ et
s
X
ni = n
i=1
Exemple :
1 1 0 0 0 0 0 0
1 1 0 0 0 0 0 0
0 0 2 2 0 0 0 0
0 0 2 2 0 0 0 0
A=
0 0 0 0 3 3 3 3
0 0 0 0 3 3 3 3
0 0 0 0 3 3 3 3
0 0 0 0 3 3 3 3
Définition
Soit A ∈ Mn (K). On dit que A est une matrice triangulaire supérieure
par blocs s’il existe une décomposition par blocs de A de la forme :
A11 A12 . . . A1s
.. .. ..
0 . . .
A= .
.. . .. . .. A
s−1,s
0 ... 0 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), et pour tout
(i, j) ∈ Ns−1 × {i + 1, . . . , s}, Aij ∈ Mni ,nj (K), avec ni , ∈ N∗ et
Xs
ni = n.
i=1
Exemple :
1 1 1 1 1 1 1
1 1 1 1 1 1 1
0 0 2 2 2 2 2
A=
0 0 2 2 2 2 2
0 0 0 0 3 3 3
0 0 0 0 3 3 3
0 0 0 0 3 3 3
Définition
Soit A ∈ Mn (K). On dit que A est une matrice triangulaire inférieure par
blocs s’il existe une décomposition par blocs de A de la forme :
A11 0 ... 0
..
A21 . . . ..
. .
A= .
. . . . .
. . . 0
As1 . . . As,s−1 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), et pour tout
s
X
(i, j) ∈ {2, . . . , s}Ni−1 , Aij ∈ Mni ,nj (K), avec ni , ∈ N∗ et ni = n.
i=1
Quelques remarques
Si A ∈ Mn (K) est une matrice diagonale :
d1 0 0 ... 0
0 d2 0 ... 0
A = ... .. .. .. ..
. . . .
0 ... 0 dn−1 0
0 ... 0 0 dn
Alors pour tout p ∈ N∗ ,
d1p
0 0 ... 0
0 d2p 0 ... 0
p
A =
.. .. .. .. ..
. . . . .
p
0 ... 0 dn−1 0
0 ... 0 0 dnp
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Quelques remarques
Si A ∈ Mn (K) est une matrice diagonale par blocs:
D1 0 0 ... 0
0 D2 0 ... 0
A = ... .. .. .. ..
. . . .
0 ... 0 Ds−1 0
0 ... 0 0 Ds
Alors pour tout p ∈ N∗ ,
D1p
0 0 ... 0
0 D2p 0 ... 0
p
A =
.. .. .. .. ..
. . . . .
p
0 ... 0 Ds−1 0
0 ... 0 0 Dsp
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Quelques remarques
Si A ∈ Mn (K) est une matrice triangulaire supérieure :
a11 a12 a13 ... a1n
0 a22 a23 . . . a2n
.. . .. . .. . .. ..
A= .
.
0 . . . 0 an−1,n−1 an−1,n
0 ... 0 0 ann
Alors pour tout p ∈ N∗ ,
p
a11 c12 c13 ... c1n
0 p
a22 c23 ... c2n
. ..
Ap = .. .. .. ..
. . . .
p
0 ... 0 an−1,n−1 cn−1,n
p
0 ... 0 0 ann
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Quelques remarques
Si A ∈ Mn (K) est une matrice triangulaire supérieure par blocs:
A11 A12 A13 ... A1s
0 A22 A23 ... A2s
.. .. .. .. ..
A= .
. . . .
0 ... 0 As−1,s−1 as−1,s
0 ... 0 0 Ass
Alors pour tout p ∈ N∗ ,
p
A11 C12 C13 ... C1s
0 Ap22 C23 ... C2s
. ..
A = .. .. .. ..
. . . .
Aps−1,s−1
0 ... 0 cs−1,s
0 ... 0 0 Apss
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Généralités
Matrices carrées particulières
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Matrices inversibles
Rang d’une matrice
Quelques remarques
Définition
Définition
A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) tel que
AB = BA = In . Dans ce cas, B s’appelle l’inverse de A et sera
noté B = A−1 .
Propriétés
1 A est inversible si, et seulement si, elle l’est à gauche ou à
droite. !
a b
2 Si A = ∈ M2 (K), A est inversible si, et seulement
c d
si, ad − bc 6= 0.
Exemple
!
1 2
A= ∈ M2 (R)
3 4
Vérifions si A est inversible et déterminons dans ce cas A−1 . Soit
B ∈ M2 (R), donc
!
a b
B=
c d
On a
! ! !
1 2 a b 1 0
AB = I2 ⇐⇒ =
3 4 c d 0 1
! !
a + 2c b + 2d 1 0
⇐⇒ =
3a + 4c 3b + 4d 0 1
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Exemple
a = −2
a + 2c = 1
b=1
b + 2d = 0
AB = I2 ⇐⇒ ⇐⇒ 3
3a + 4c = 0 c=
2
1
3b + 4d = 1
d =−
2
A est donc inversible et
−2 1
A−1 =B= 3 1
−
2 2
Définition
L’ensemble des matrices inversibles d’ordre n est noté GLn (K) et
s’appelle le groupe linéaire d’ordre n.
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Combinaison linéaire
Définition
1 Soient L1 , . . . , Ln , n vecteurs lignes de même dimension k. On
appelle combinaison linéaire des Li , tout vecteur ligne L de
dimension k, donné par
n
X
L= ai Li , où pour tout i ∈ Nn , ai ∈ K
i=1
Opérations élémentaires
Définition
On appelle opération élémentaire de lignes (resp. colonnes) sur
une matrice A chacune des opérations suivantes :
Définition
On appelle matrice élémentaire toute matrice obtenue à partir de
la matrice identité I par une opération élémentaire de lignes.
Proposition
Les matrices élémentaires sont inversibles.
Définition
Une matrice A est ligne-équivalente à une matrice B si B peut être
obtenue à partir de A par un nombre fini d’opérations élémentaires
de lignes.
Proposition
La ligne-équivalence est une relation d’équivalence.
Matrices échelonnées
Définition
1 Une matrice B est dite échelonnée en lignes si chaque ligne
Matrices échelonnées
Exemples :
0 0 0 1 2 3
A = 1 2 3 et B = 0 4 5 ne sont pas échelonnée.
0 4 5 0 6 57
1 2 3 4
C = 0 3 4 5 est échelonnée en lignes.
0 0 4 6
1 0 0 0
1 2 0 0
B= est échelonnée en colonnes.
3 4 5 0
4 5 6 0
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
Matrices échelonnées
Exemple :
1 2 3
2 4 2
A=
3 5 3
4 6 2
1 0 0
2 −4 0
Sa forme échelonnée en colonnes est B =
3 −6 −1
4 −10 −2
1 2 3
0 −1 −6
Sa forme échelonnée en lignes est C =
0 0 −4
0 0 0
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
1 2 3
2 4 2
A=
3 5 3
4 6 2
Matrices échelonnées
Etape 2: Utiliser les opération élémentaires sur les colonnes pour
annuler les termes qui sont sur la première ligne (sauf le terme
fixé).
1 2 3
2 4 2
A=
3 5 3
4 6 2
Pour cela, on utilise la dernière colonne fixée (ici C1 ). On fait les
opérations suivantes :
C2 − 2C 1 → C 2
C3 − 3C 1 → C 3
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
On obtient
1 0 0
2 0 −4
3 −1 −6
4 −2 −10
Etape 3: Vérifier que le 2ème terme de la 2ème colonne est non nul.
Si ce n’est pas le cas, on échange avec une autre colonne (NON
FIXEE) dont le 2ème terme est non nul.
On fixe alors cette 2ème colonne et ON N’Y TOUCHE PLUS.
1 0 0
2 −4 0
3 −6 −1
4 −10 −2
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
Matrices échelonnées
Comment fait-on l’échelonnement en lignes? On utilise la même
méthode que pour les colonnes!!!!
1 2 3
2 4 2
A=
3 5 3
4 6 2
Le 1er terme de L1 est non nul. On fixe L1 . On doit annuler les
termes en bleu en utilisant L1
1 2 3
2 4 2
A=
3 5 3
4 6 2
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
Matrices échelonnées
1 2 3
0 0 −4
0 −1 −6
0 −2 −10
Le 2ème terme de la 2ème ligne est nul. On échange les lignes L2 et
L3 (ou L4 ).
1 2 3
0 −1 −6
0 0 −4
0 −2 −10
On fixe L2 .
Matrices échelonnées
On annule les termes en bleu en utilisant L2 :
1 2 3
0 −1 −6
0 0 −4
0 −2 −10
On effectue l’opération suivante :
L4 − 2L2 → L4
1 2 3
0 −1 −6
0 0 −4
0 0 2
Le 3ème terme de L3 est non nul. On fixe L3 .
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
On annule les termes en bleu en utilisant L3 :
1 2 3
0 −1 −6
0 0 −4
0 0 2
On effectue l’opération suivante :
2L4 + L3 → L4
On obtient la matrice échelonnée en lignes :
1 2 3
0 −1 −6
0 0 −4
0 0 0
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction aux matrices
Opérations sur les matrices
Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Matrices échelonnées
Définition
Soit A ∈ GLn K. La méthode de Gauss-Jordan consiste à appliquer
une suite d’opérations élémentaires sur la matrice (A In ) jusqu’à
obtenir une matrice de la forme (In B). La matrice B ainsi obtenue
est l’inverse de A.
Exemple :
L’inverse de
2 −4 4
A= 2 0 1
4 1 1
est
1/2 −4 2
A−1 = −1 7 −3
−1 9 −4
2 −4 4 1 0 0
(A | In ) = 2 0 1 0 1 0
4 1 1 0 0 1
On annule d’abord le triangle en rouge (sous la diagonale):
2 −4 4 1 0 0
(A | In ) = 2 0 1 0 1 0
4 1 1 0 0 1
L2 − L1 → L2
L3 − 2L1 → L3
On obtient :
2 −4 4 1 0 0
0 4 −3 −1 1 0
0 9 −7 −2 0 1
Dans la suite des opérations on veillera à ne pas perdre les 0 déjà
obtenus.
L1 + 4L3 → L1
L2 − 3L3 → L2
On obtient
2 −4 0 5 −36 16
0 4 0 −4 28 −12
0 0 −1 1 −9 4
On obtient:
1 0 0 1/2 −4 2
0 1 0 −1 7 −3
0 0 1 −1 9 −4
Définition
Le rang d’une matrice A est le nombre de lignes non nulles dans sa
forme échelonnée en lignes ou le nombre de colonnes non nulles
dans sa forme échelonnée en colonnes.
Remarques :
Proposition
A ∈ Mn (K) est inversible si, et seulement si, , et seulement si,
rg A = n.
Exemple :
1 2 3
A= 2 4 2
3 5 3
1 0 0
Sa forme échelonnée en colonnes est B = 2 −4 0
3 −6 −1
Matrices équivalentes
Définition
Soient A, A0 ∈ Mm,n (K).
A0 = Q −1 AP
Remarque :
La relation “est équivalent à” est une relation d’équivalence.
On la notera ∼.
Matrices équivalentes
Proposition
A ∈ Mm,n (K) est de rang r , si, et seulement si, elle est équivalente
à !
Ir 0r ,n−r
Jm,n (r ) =
0m−r ,r 0m−r ,n−r
Matrices équivalentes
Corollaire :
Deux matrices sont équivalentes si, et seulement si, elles ont le
même rang.
Preuve :
Si rg A = rg A0 = r , alors A ∼ Jm,n (r ) et A0 ∼ Jm,n (r ). ∼ étant
une relation d’équivalence, on a A ∼ A0 .
Matrices semblables
Définition
A, A0 ∈ Mn (K). On dit que A et A0 sont semblables s’il existe
P ∈ GLn (K) tel que
A0 = P −1 AP
Remarques :
Matrices semblables
Remarques :
(Par récurrence :
pour n = 2, A0 2 = P −1 AP P −1 AP = P −1 A2 P).
Conséquence
Deux matrices semblables ont le même rang. La réciproque n’est
pas toujours vraie.
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2