Académique Documents
Professionnel Documents
Culture Documents
XIII
Matrices
A
vant de rentrer dans le vif du sujet en algèbre linéaire (les fameux espaces vec-
toriels, que nous aborderons au deuxième semestre), un chapitre plus orienté
« calcul » sur un outil qui sera fondamental dans la suite du cours : les ma-
trices. Il s’agit ici simplement d’apprendre à calculer avec les matrices, mais
aussi de voir le lien entre ces nouveaux objets et une autre notion que vous maîtrisez
déjà : les systèmes d’équations linéaires, pour lesquelles nous verrons une méthode de
résolution systématique : l’algorithme ou pivot de Gauss.
Sommaire
I L’ensemble des matrices . . . . . . . . . . . . . . . . . . . . 3
I.1 Généralités et vocabulaire . . . . . . . . . . . . . . . . . . . 3
Zoologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
I.2 Opérations sur les matrices . . . . . . . . . . . . . . . . . . 6
Addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Loi externe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
I.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . 8
I.4 Transposition d’une matrice . . . . . . . . . . . . . . . . . . 13
I.5 Matrices diagonales et triangulaires . . . . . . . . . . . . . . 15
I.6 Produit et opération élémentaire . . . . . . . . . . . . . . . 16
I.7 Matrices définies par blocs . . . . . . . . . . . . . . . . . . . 19
II Puissance et binôme de Newton . . . . . . . . . . . . . . . 19
II.1 Puissance n-ième d’une matrice carrée . . . . . . . . . . . . 19
II.2 Binôme de Newton . . . . . . . . . . . . . . . . . . . . . . . 20
II.3 Notion de polynôme de matrices . . . . . . . . . . . . . . . 22
II.4 Trace d’une matrice . . . . . . . . . . . . . . . . . . . . . . 24
II.5 Calculs de puissances nème . . . . . . . . . . . . . . . . . . 25
III Systèmes linéaires et matrices . . . . . . . . . . . . . . . . . 27
III.1 Écriture matricielle d’un système linéaire . . . . . . . . . . . 27
III.2 Un exemple en dimension 3 : . . . . . . . . . . . . . . . . . 33
III.3 Algorithme de Gauss . . . . . . . . . . . . . . . . . . . . . . 35
IV Matrice inversible . . . . . . . . . . . . . . . . . . . . . . . . 38
IV.1 Système de Cramer . . . . . . . . . . . . . . . . . . . . . . . 40
IV.2 Condition pour qu’une matrice d’ordre 2 soit inversible . . 45
IV.3 Opérations élémentaires et matrices inversibles . . . . . . . 48
IV.4 Matrices triangulaires inversibles . . . . . . . . . . . . . . . . 51
1
XIII. Matrices
Dans tout ce chapitre, K est l’un des ensembles R ou C et les lettres n, p, q, . . . désignent
des entiers naturels non nuls.
2 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
Définition 1
Soient n et p deux entiers non nuls.
On appelle matrice de taille n × p à coefficients dans K toute famille A de np
éléments de K présentée sous la forme d’un tableau :
a11 a12 . . . a1j . . . a1p
a21 a22 . . . a2j . . . a2p
.. .. .. ..
. . . .
A=
a
où aij ∈ K, ∀ (i; j) ∈ J1 ; n K × J1 ; p K.
i1 ai2 . . . aij . . . aip
.. .. .. ..
. . . .
an1 an2 . . . anj . . . anp
a11 a12 . . . a1j . . . a1n . . . a1p
a21 a22 . . . a2j . . . a2n . . . a2p
.. .. . . .. .. .. ..
. . . . . . .
A=
a
, n<p
i1 ai2 . . . aii . . . ain . . . aip
.. .. .. .. ..
..
.
. . . . .
an1 an2 . . . anj . . . ann . . . anp
http://fabienpucci.fr/ 3
I. L’ENSEMBLE DES MATRICES XIII. Matrices
Remarques :
— Une matrice A de taille n × p à coefficients dans K n’est jamais qu’un élément
de KJ1;n K×J1;p K c.-à-d. une famille (aij )(i; j)∈J1;n K×J1;p K d’éléments de K indexée par
J1 ; n K × J1 ; p K, c.-à-d. encore une application (i; j) 7−→ aij de J1 ; n K × J1 ; p K
dans K.
En résumé :
Mm,n (K) ≃ KJ1;n K×J1;m K ≃ Km×n .
Mm,1 (K) ≃ Km .
x1
Pour différencier les vecteurs X = ...
que sont les matrices colonnes (ou lignes) des
xm
coefficients xi ∈ K qui les déterminent, on appelle scalaire, tout élément de K.
Exemples 1 :
1 2 0
— A= est une matrice 2 × 3 réelle.
4 3 −1
Par exemple, a21 = 4 et a13 = 0.
i 0
— A= est une matrice 2 × 2 complexe.
4 1−i
Proposition 1
Une matrice est nulle si, et seulement si ses coefficients sont tous nuls.
4 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
Zoologie
— Si m = 1, la matrice M est appelée matrice ou vecteur ligne.
M = 1 5 8 ∈ M1,3 (R).
http://fabienpucci.fr/ 5
I. L’ENSEMBLE DES MATRICES XIII. Matrices
1 0 0
1 4 5
0 0 0
T1 = 4 5 0 T2 = 0 −5 −1 T = 3 0 0
2 5 7 0 0 1 7 −1 0
— Les matrices diagonales sont exactement les matrices à la fois triangulaires supé-
rieures ET triangulaires inférieures.
En outre, elles sont des propriétés très sympathiques pour le produit et la somme
comme on le verra au paragraphe (I.3).
Addition
Définition 2
Soient A = (aij ) et B = (bij ) deux matrices de même dimension.
La matrice C = A + B est la matrice dont les coefficients sont les sommes des
coefficients de A et B. On note :
ATTENTION Les matrices doivent avoir les mêmes dimensions sinon leur addition
n’est pas définie.
— La matrice dont
tous les coefficients sont nuls est appelés naturellement la matrice
nulle, notée 0 ou 0Mn,p (K) si on veut être précis. C’est l’élément neutre de
l’addition définie ci-dessus :
∀A ∈ Mn,p (K), A + 0 = 0 + A = A.
6 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
Proposition 2
aij i∈J1;n K = bij i∈J1;n K ⇐⇒ ∀ (i; j) ∈ J1 ; n K × J1 ; p K, aij = bij .
j∈J1;p K j∈J1;p K
Deux matrices sont égales si, et seulement si leurs coefficient sont égaux deux à
deux.
De même que l’addition dans K, l’addition des matrices vérifient les mêmes lois : asso-
ciativité, commutativité, élément neutre et opposé.
On dit que l’ensemble Mn,p (K); + est un groupe commutatif .
Exemples 2 :
1 2 0 0 0 0 1 2 1 2
— 4 3 + 0 0 = 0 0 + 4 3 = 4 3 .
−5 −1 0 0 0 0 −5 −1 −5 −1
1 2 0 −5 2 3 6 0 −3
— − = .
4 3 −1 1 2 4 3 1 −5
1 2 −4 1 0 0 0 2 −4 0 2 −4 1 0 0
— 4 3 −1 = 4 2 0 + 0 1 −1 = 0 1 −1 + 4 2 0 .
5 0 2 5 0 −3 0 0 5 0 0 5 5 0 −3
Loi externe
λ.(aij ) = (λ × aij ).
1 2 0 2 4 0
Exemple 3 : 2. =
4 3 −1 8 6 −2
http://fabienpucci.fr/ 7
I. L’ENSEMBLE DES MATRICES XIII. Matrices
Cette opération ne pose donc aucun problème. Les deux opérations précédentes sont
identiques à celles utilisées dans l’ensemble des vecteurs.
L’ensemble Mn,p (K) est donc stable par combinaison linéaire c.-à-d.
On dit que l’ensemble Mn,p(K); +; . est un K-espace vectoriel.
Définition 5
Le produit de la matrice A ∈ Mn,p par la matrice B ∈ Mp,m est égal à la matrice
C = (cij ) ∈ Mn,m dont chaque coefficient cij est égal au produit scalaire de la
ième ligne de la matrice A par la j ème colonne de la matrice B.
p
X
∀ (i; j) ∈ J1 ; n K × J1 ; m K, cij = ai1 b1j + ai2 b2j + . . . + aip bpj = aik bkj .
k=1
8 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
×
a11 a12 . . . a1p c11 c12 . . . c1j . . . c1m
×
a21 a22 . . . a2p b11 b12 . . . b1j . . . b1m c21 c22 . . . c2j . . . c2m
.. .. .. .. . .. .. .. .. ..
..
b21 b22 . . . b2j . . . b2m
. .
. . . . . . .
× =
. .. .. .. . . ..
a ai2 ... aip ci1 ci2 ... cij ... cim
..
i1
. . . . .
.. .. .. .. .. .. .. .. ..
..
.
. . . bp1 bp2 . . . bpj . . . bpm .
. . . . .
an1 an2 . . . anp cn1 cn2 . . . cnj . . . cnm
×
Remarques :
— La matrice de gauche détermine le nombre de lignes tandis que celle de droite,
celui des colonnes.
— la complexité de la multiplication matricielle dans Mn (K) est en O n3 c.-à-d. multiplier
deux matrices de taille n nécessite n2 (n − 1) additions et n3 multiplications de
réels.
En particulier, l’ensemble Mn (K) est stable par produit.
à la position i
Plus généralement, on a :
⌊1⌋. Entrainez-vous !
http://fabienpucci.fr/ 9
I. L’ENSEMBLE DES MATRICES XIII. Matrices
p
X
AX = xk Ak .
k=1
10 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
0 −1 4 −1 2 5 −5 −4
A= B= C= et AB = AC = .
0 3 5 4 5 4 15 12
3. Que remarque-t-on ?
Vous verrez par la suite que nombre de ces difficultés n’existeraient pas si l’inverse
d’une matrice non nulle pouvait toujours être défini.
Alors que reste-t-il au final ? Ce qui est indiqué dans la proposition est seulement cela :
http://fabienpucci.fr/ 11
I. L’ENSEMBLE DES MATRICES XIII. Matrices
a b
Exercice 4 : Trouver les matrices qui commutent avec A = .
0 a
Théorème 5 (Linéarité)
Soit A ∈ Mn,p (K). L’application Ψ : X 7−→ AX de Kp dans Kn est linéaire
c.-à-d. pour tous λ ∈ K, X, Y ∈ Kp on a :
Preuve:Il sut de faire le al ul. Soient don A = (aij )16i6n ∈ Mn,p(K) X = (xi )16i6p, ,
∈ K et λ ∈ K.
16j6p
p
Y = (y )i 16i6p
12 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
j=1
2ème as. Si k 6= l. On a −(n − 1) 6 k − l 6 n − 1 ave k − l 6= 0 et don , k − l n'est pas multiple
de n. Par suite, ω 6= 1 et
k−l
n
X 1 − (ω k−l )n 1 − 1k−l
(ω k−l )j−1 = = = 0.
j=1
1−ω 1−ω
Définition 6
La transposée d’une matrice M ∈ Mn,p est la matrice, notée t M, obtenue en
échangeant les lignes et les colonnes de la matrice M.
t
M = (aji) ∈ Mp,n .
1 4
1 2 0 t
Exemple 8 : Si M = alors M = 2 3
.
4 3 −1
0 −1
Il fut aussi économiste, musicien et chimiste, travaillant notamment avec Étienne Bézout et
Antoine Lavoisier. Son nom est maintenant surtout associé à une matrice et son déterminant utilisés
en interpolation polynomiale.
Un cas particulier de matrice de Vandermonde apparaît dans la formule de la transformée de
Fourier discrète, où les coefficients (αi ) sont les racines complexes de l’unité.
De façon matricielle, elle se présente ainsi :
1 α1 α1 2 . . . α1 n−1
1 α2 α2 2 . . . α2 n−1
1 α 2 n−1
V = 3 α3 . . . α3
. .. .. ..
.
. . . .
2
1 αm αm . . . αm n−1
http://fabienpucci.fr/ 13
I. L’ENSEMBLE DES MATRICES XIII. Matrices
Proposition 6
Soit A ∈ Mn (K).
— A est symétrique si, et seulement si t A = A.
— A est anti-symétrique si, et seulement si t A = −A.
Dans le cas d’une matrice anti-symétrique, les coefficients diagonaux, égaux à leur
opposé sont nécessairement nuls.
Proposition 7
q
X q
X q
X
t
(AB) = (AB)ji = ajk bki = bki ajk = (t B)ik (t A)kj = t
BtA .
ij ij
k=1 k=1 k=1
Remarques :
— Soient X~ = x1 x2 . . . xn et Y~ = y1 y2 . . . yn deux vecteurs de Rn .
~ Y~ peut-être vu comme un produit matriciel :
Alors leur produit scalaire X.
y1
y
2
~ Y~ = X t Y = x1 x2 . . . xn
X.
..
.
yn
= x1 y1 + x2 y2 + . . . + xn yn .
14 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
A1
A2
— De la même manière, soient A =
∈ Mn,p(K) et B = B1 B2 . . . Bm ∈ Mp,m(K)
. . .
An
où ∀ (i; j) ∈ J1 ; n K × J1 ; p K, Ai ∈ Kp est la ième ligne de A et Bj ∈ Kp est la
j ème colonne de B. Alors (AB)ij = A ~ i .t B
~ j où Ai et Bj sont vues comme des
p
vecteurs de R .
α1
β1 λα1 + β1
.. .. ..
λ +
=
.
.
.
.
αn βn λαn + βn
α1 β1 α1 β1
.. .. ..
Produit : =
. . . .
αn βn αn βn
Autrement dit, l’ensemble Dn (K) des matrices diagonales est stable par combinaisons
linéaires et produit. En particulier, (Dn (K); ×) est un groupe commutatif.
α1
..
Remarque : Pour économiser de la place on trouve souvent l’écriture D =
.
αn
abrégée en D = diag(α1 , . . . , αn ). Tout le monde comprendra.
Ces résultats se généralisent en fait aux matrices triangulaires supérieures (ou infé-
rieures) comme l’énonce la propriété suivante :
http://fabienpucci.fr/ 15
I. L’ENSEMBLE DES MATRICES XIII. Matrices
∀ λ ∈ K, (λA + B) = λa + b = 0 ij ij ij
(AB) = X a b = X |{z} a b = 0.
n X i−1 n
ij a b +
ik kj ik kj ik kj
k=1
|{z} k=1 =0 k=i
=0
Enn, (AB)
n
X i−1
X n
X
ii = aik bki = aik bkj + aii bii + aik bkj = aii bii
|{z} |{z}
k=1 k=1 =0 k=i+1
=0
16 F.PUCCI
XIII. Matrices I. L’ENSEMBLE DES MATRICES
1
..
.
1
— Hi,n (λ) =
λ
←i
1
..
.
1
↑
i
1
..
.
1
..
— Ti,j,n(λ) =
.
1
λ
←i
..
.
1
↑
j
si r 6= i ou r 6= j,
Li,j,n A = A
rr rs
si r = j, rs
= L A = Ai,j,n
rj js js
si r = i,
L
A = A i,j,n
http://fabienpucci.fr/ 17
I. L’ENSEMBLE DES MATRICES XIII. Matrices
Vocabulaire :
Théorème 12
Soit λ ∈ R∗ .
Les opérations élémentaires sur les lignes ou les colonnes d’une matrices sont bi-
jectives.
L ← λL = L ← λ1 L .
i i
−1
i i
L + λL = L − λL .
i j
−1
i j
18 F.PUCCI
XIII. Matrices II. PUISSANCE ET BINÔME DE NEWTON
Théorème 13
Soient deux matrices définies par blocs avec la compatibilité ci-dessous.
Alors : p q r s
r s
AA + BB AC + CD n
′ ′ ′ ′ ′ ′
n A C A C q
× = .
m B D B ′ D′ p BA′ + DB ′ BC ′ + DD ′ m
En résumé, tout se passe par blocs comme si chacun d’entre eux était un scalaire.
Définition 8
Soit n ∈ N.
On appelle puissance k-ième d’une matrice carrée A d’ordre n, la matrice, notée
Ak telle que :
Ak = A|
×A× {z
. . . × A} .
k f ois
1 2
Exemple 9 : Soit A = .
3 0
2 1 2 1 2 7 2
A =A×A= × = .
3 0 3 0 3 6
3 1 2 7 2 13 14
A = A × (A × A) = × = .
3 0 3 6 21 6
http://fabienpucci.fr/ 19
II. PUISSANCE ET BINÔME DE NEWTON XIII. Matrices
Remarque : Vos calculatrices savent très bien faire tous ces calculs. Une fois la théorie
comprise, il est bon de les laisser se charger des calculs. La matrice rentrée dans la
calculatrice est vue par celle-ci comme un nombre quelconque et vous pourrez utiliser
les touches « puissances » et « inverse » comme avec eux.
1 . . . 1
Exercice 6 : On pose J = . . . ..
∈ Mn (K).
.. . .
1 ... 1
Montrer que pour tout k ∈ N ∗ , J k = nk−1 J.
1 1 1 1 0 0
Exercice 7 : On donne les matrices M = 1 −1 1 et I = 0 1 0.
4 2 1 0 0 1
1. Déterminer la matrice M 2 .
20 10 11
3 3 2
2. On donne M =
12 2 9. Vérifier que M = M + 8M + 6I.
42 20 21
Et,
(A + B)(A − B) = A2 − AB + BA − B 2 6= A2 − B 2 ! . . .
Alors :
m+1 m m
! !
X m k
A+B = A+B A+B = A × B m−k A+B
k=0 k
m
! m
!
X m k m k X
= A × B m−k A + A × B m−k+1
k=0 k k=0 k
Comme A et B ommutent, A k
× B m−k A = Ak+1 × B m−k
m
! m
!
X m k+1 X m k
= A × B m−k + A × B m−k+1
k=0 k k=0 k
m−1
! m
!
X m k+1 X m k
= Am+1 + A × B m−k + A × B m−k+1 + B m+1
k=0 k k=1 k
m
! m
!
m+1
X m k m−k+1
X m k
=A + A ×B + A × B m−k+1 + B m+1
k=1 k−1 k=1 k
m
! !
m+1
X m m k
=A + Ak × B m−k+1 + A × B m−k+1 + B m+1
k=1 k−1 k
m
" ! !#
m+1
X m m
=A + + Ak × B m−k+1 + B m+1
k=1 k−1 k
| {z }
( m+1
k )
!
m+1
X m+1 k
= A × B (m+1)−k .
k=0 k
1 0 0
http://fabienpucci.fr/ 21
II. PUISSANCE ET BINÔME DE NEWTON XIII. Matrices
2. En écrivant A = I3 + J, calculer An , n ∈ Z.
Correction : Comme J 3
=0 , on a :
n
!
n n
X n n(n − 1) 2
A = (J + I3 ) = J k = I3 + nJ + J .
k=0
k 2
1 1 2
Exercice 9 : On pose A = 0 1 0
.
0 0 1
1 n 2n
n
Pour tout n ∈ N, montrer que A = 0 1 0
.
0 0 1
0 1 2
Correction : On a A = I 3 +J où J = 0 0 0
et J 2
.
=0
0 0 0
1 n 2n
Don An = (J + I3 )n = I3 + nJ =
0 1
0
.
0 0 1
Proposition 15
22 F.PUCCI
XIII. Matrices II. PUISSANCE ET BINÔME DE NEWTON
la somme étant finie et s’arrêtant, par exemple, au premier indice i tel que Ai = 0.
1. Montrer que si A et B sont nilpotentes et commutent, alors
Correction :
1. Soient p l'indi e de nilpoten e de A et q l'indi e de nilpoten e de B. Puisque A et B
ommutent, la formule du binme de Newton fournit
p+q−1 !
p+q−1
X p + q − 1 k p+q−1−k
(A + B) = A B
k=0
k
!
Finalement, (A + B) et A + B est nilpo-
p+q−1
p+q−1
X p + q − 1 k p+q−1−k
= A B =0
k
tente d'indi e inférieur ou égal à .
k=0
p+q−1
Les sommes dénissant exp , exp et exp
(A) (B) (A + B) sont nies ar A, B et A + B
sont nilpotentes et
exp
+∞ +∞
X 1 k
X X 1
(A + B) = (A + B) = Ai B j
k=0
k! k=0 i+j=k
i!j!
! +∞
exp .
1
A=
2!
..
... ...
1
1!
0 ... ... 0 1
24 F.PUCCI
XIII. Matrices II. PUISSANCE ET BINÔME DE NEWTON
tr (AB) = tr (BA) .
n n p ! p n
! p
X X X X X X
(AB)ii = aik bki = bki aik = (BA)kk =
i=1 i=1 k=1 k=1 i=1 k=1
Remarque : Lorsque qu’une matrice A est semblable à une matrice B c.-à-d. il existe
une matrice P inversible, dite de passage, telle que A = P −1 BP , on a alors :
tr (A) = tr P −1BP = tr (P −1 P )B = tr (B) .
D k = diag(α1k , . . . , αnk ).
Ak = P D k P −1 .
Dans les cas où A peut de décomposer comme la somme de deux matrices qui com-
mutent, on pourra utiliser la formule du binôme de Newton.
En particulier, si A = λIn + N où N est une matrice nilpotente.
Exercice 12 :
1 1 0
1. Soit A = 0 1 1 et soit B = A − I3 .
0 0 1
(a) Calculer B 2 , B 3 en déduire une formule de récurrence que l’on démon-
trera pour B n , pour tout entier n.
http://fabienpucci.fr/ 25
II. PUISSANCE ET BINÔME DE NEWTON XIII. Matrices
∃ Q, R ∈ K[X], X n = QP + R.
Correction :
cos θ − sin θ cos θ ′ − sin θ ′
A(θ) × A(θ ′ ) = ×
sin θ cos θ sin θ ′
cos θ ′
cos θ cos θ ′ − sin θ sin θ ′ − cos θ sin θ ′ − sin θ cos θ ′
=
sin θ cos θ ′ + cos θ sin θ ′ − sin θ sin θ ′ + cos θ cos θ ′
′ ′
cos(θ + θ ) − sin(θ + θ )
=
sin(θ + θ ′ ) cos(θ + θ ′ )
= A(θ + θ ′ )
En fait il n'est pas plus di ile de montrer que A(θ) = A(−θ). On sait−1
A(θ) = A(nθ).
n
(S) : AX = B.
http://fabienpucci.fr/ 27
III. SYSTÈMES LINÉAIRES ET MATRICES XIII. Matrices
(
2x − 3y = 5
Exemples 11 : Le système 2 × 2, s’écrit sous la forme matri-
5x − 4y = 1
cielle : !
2 −3 x 5
= .
5 −4 y 1
De même, le système 2 × 3 :
( x 1
x + 2y + 3z = 1 1 2 3
y = 4 .
⇐⇒
4x + 5y = 1 4 5 0
z 0
Et le système 3 × 2 :
x − 2y = 5 1 −2 ! 5
x
3x − 4y = 1 3 y = 1 .
⇐⇒ −4
−5x + 6y = 1 −5 6 1
Définition 11
On conserve les notations de la définition (10) .
— On dit que le système (S) est homogène si B = 0Km .
— Résoudre le système (S) c’est trouver l’ensemble des vecteurs X ∈ Km véri-
fiant AX = B. Le système est alors dit compatible dans ce cas, incompatible
sinon.
Deux systèmes sont dits équivalents lorsqu’ils ont le même ensemble de solutions
Un système linéaire n’est donc qu’une grosse équation de la forme ax = b que nous
connaissons bien. Dans R ⌊4⌋ , il suffit de multiplier les deux membres par l’inverse de a
1
noté a−1 = et le tour est joué : x = a−1 b.
a
Pourquoi ne pas faire pareil dans Mn,p et considérer quelque chose que l’on nommerait
A−1 ? Et bien tout simplement pour deux raisons :
1. La première c’est que le produit n’est pas commutatif comme on l’a déjà vu. Alors
devrait-on considérer A−1 B ou BA−1 ? Deux produits, qui plus est, que l’on sait
depuis l’ exemple (5) ne pas forcément être égaux .
2. L’inverse d’une matrice, comme on va le voir, n’existe pas forcément et cela à
cause de l’existence des diviseurs de zéros mis en évidence dans l’ exemple (6) .
Si la résolution d’un système linéaire sera intimement lié à l’existence d’une matrice
inversible, nous allons présenter une manière algorithmique de résolution : le pivot de
Gauss et montrer le lien avec la recherche de l’inverse de la matrice du système.
Mais, tout d’abord, intéressons nous à la structure de l’ensemble des solutions :
⌊4⌋. qui est un corps c.-à-d. tout élément non nul est inversible.
28 F.PUCCI
XIII. Matrices III. SYSTÈMES LINÉAIRES ET MATRICES
Autrement dit, l’ensemble des solutions du système (S) est un espace affine dirigée par
l’espace vectoriel des solutions de l’équation homogène.
x + 2y − z = −3
Exemple 12 : Soit le système (S3 ) 2x + 5y + z = 4 d’inconnue
x + y + z = 2
(x; y; z) ∈ R3 .
x + 2y − z = −3
x + 2y − z = −3
2x + 5y + z = 4 ⇐⇒ y + 3z = 10 L2 ← L2 − 2L1
x + y + z = 2
y − 2z = −5 L3 ← L1 − L3
x + 2y − z = −3
⇐⇒ y + 3z = 10
5z = 15 L3 ← L2 − L3
x = −2
⇐⇒ y = 1
z = 3
−2
L’unique solution de (S3 ) est donc le triplet
1 + (0)R3 .
3
Solution Solution
particulière homogène
http://fabienpucci.fr/ 29
III. SYSTÈMES LINÉAIRES ET MATRICES XIII. Matrices
Vocabulaire :
— Les inconnues x et y du système précédent suffisent à définir les solutions du
système. On les appelle les inconnues principales
— L’inconnue z est alors appelées inconnue secondaire.
30 F.PUCCI
XIII. Matrices III. SYSTÈMES LINÉAIRES ET MATRICES
Solution Solution
particulière homogène
x est la seule inconnue principale donc le système (S1 ) est de rang 1.
Vous verrez plus tard que Vect(X1 , . . . , Xr ) est le plus petit espace vectoriel engendré
par la famille de vecteurs (X1 , . . . , Xr ).
En reprenant les deux derniers exemples :
−23
7
— Les solutions de (S2 ) s’écrivent 10 + Vect −3.
0 1
−3
−2 1
— Les solutions de (S1 ) s’écrivent 10 + Vect 1 , 0 .
0 0 1
Exemples 15 :
— Dans R2 :
3
— A = Vect ((2; 3)) = (2x; 3x) . C’est la droite d’équation y = x.
x∈R 2
dim (A) = 1.
http://fabienpucci.fr/ 31
III. SYSTÈMES LINÉAIRES ET MATRICES XIII. Matrices
— B = Vect ((1; 0) , (0; 1)) = x (1; 0) + y (0; 1) x, y∈R
= (x; y) x, y∈R
.
C’est le plan (xOy) et dim (B) = 2.
— C = (2 + 2x; 1 + y − x) x, y,∈R
= {(2; 1) + x (2; 1) + y (1; 1)}x, y∈R
= (2; 1) + Vect ((2; 1) , (1; 1)) .
2
C’est le plan passant par le point (2; 1) et dirigé par les deux vecteurs ~u
1
1
et ~v c.-à-d. le plan (xOy) dans R2 c.-à-d. dim (C) = 2.
1
— Dans R3 :
— D = Vect ((1; 2; 0) , (1; 0; 1)) = x (1; 2; 0) + y (1; 0; 1) x, y∈R
= (x + y; 2x; y) x, y∈R
.
1
2 et
C’est le plan passant par l’origine du repère et dirigé par les vecteurs ~u
0
1
0 ou encore celui d’équation 2x − y − 2z = 0 : dim (D) = 2.
~v
1
1
1 −1
— E = (x + y − z; 2x − y; 3y + z) x, y, z∈R
= x 2 + y −1 + z 0
1 3
1
x, y, z∈R
= Vect ((1; 2; 1) , (1; −1; 3) , (−1; 0; 1)) .
Les trois vecteurs étant indépendants, c’est l’espace R3 lui-même : dim (E) = 3.
— F = (3 + x; 3x + 7; 1 + 2x) x∈R
= {(3; 7; 1) + x (1; 3; 2)}x∈R
= (3; 7; 1) + Vect ((1; 3; 2)) .
1
3 :
C’est la droite passant par le point (3; 7; 1) et dirigé par le vecteur ~u
2
dim (F ) = 1.
La notation Vect () permet une expression agréable de l’ensemble des solutions d’un
système linéaire. Désormais, c’est ainsi et ainsi seulement que je veux vous voir conclure
vos résolutions de systèmes linéaires : par la donnée d’un Vect (). Ayez confiance, les
applications sont nombreuses. En voici une :
32 F.PUCCI
XIII. Matrices III. SYSTÈMES LINÉAIRES ET MATRICES
Rappels 1
Dans l’espace R3 , tout plan (P) est caractérisé par une équation de la forme
ax + by + cz + d = 0
où −
→
n = (a; b; c) 6= (0; 0; 0) est un vecteur normal au plan (P).
— Résoudre (S) c’est s’interroger sur les points d’intersection des trois plans (P),
(Q) et (R) dans l’espace.
— Résoudre le système homogène (S 0 ) c’est s’interroger
sur la direction de leur
a1 a1
vecteur normal −
→
n (a ; b ; c ), −
→
n b et − →
n b donc, de manière duale, sur
1 1 1 1 2 1 3 1
c1 c1
celle des plans eux-mêmes.
http://fabienpucci.fr/ 33
III. SYSTÈMES LINÉAIRES ET MATRICES XIII. Matrices
(R)
(R)
(Q)
(D ′ )
(P) (D ′′ )
(P)
(P)
(R)
(Q)
(D)
(Q) (D)
(D ′ )
(P) ∩ (Q) ∩ (R) = (P) (P) ∩ (Q) ∩ (R) = (D) (P) ∩ (Q) ∩ (R) = A
(D)
(D)
A
(P) = (Q) = (R)
(R)
(D ′ )
(Q)
(P) (P)
(R) (Q) (D ′′ )
34 F.PUCCI
XIII. Matrices III. SYSTÈMES LINÉAIRES ET MATRICES
Preuve:
x − y + z + t = 2 x − y + z + t = 2
2x − y + 3z + t = 3 ⇐⇒ y + z − t = −1 L2 ← L2 − 2L1
2y + 3z = 0 + 2z 2t =
x − − t − y − −1 L3 ← L3 − L1
x − y + z + t = 2
⇐⇒ y + z − t = −1
= −1 L3 ← 13 L3 + 31 L1
z − t
http://fabienpucci.fr/ 35
III. SYSTÈMES LINÉAIRES ET MATRICES XIII. Matrices
d’inconnue (x y, z, t) ∈ R4 est
Preuve:
x + 2y + z + 3t = 1
x + 2y + z + 3t = 1
+ z + t = 3 + = −1 L2 ← 12 L1 − 12 L2
x y t
⇐⇒
y + t = −1
y + t = −1
x + + z + 2t = 2 + =
y y t −1 L4 ← L1 − L4
x + 2y + z + 3t = 1
⇐⇒
y + t = −1
x + z + t = 3 L1 ← L1 − 2L2
⇐⇒
y + t = −1
x = 3 − z − t
=
y −1 − t
⇐⇒
z = z
=
t t
Remarque : Le hoix des in onnues, dites prin ipales, n'est pas xé. On aurait très bien pu prendre
36 F.PUCCI
XIII. Matrices III. SYSTÈMES LINÉAIRES ET MATRICES
Correction :
1. On ommen e par simplier le système en ee tuant les opérations suivantes sur les
lignes : L ← L − L , L ← L − L , L ← L − L :
1 1 4 2 2 4 3 3 4
λx − λt = a−d
λy − λt = b−d
(S) ⇐⇒
λz − λt = c−d
x + y + z + (1 + λ)t = d
http://fabienpucci.fr/ 37
IV. MATRICE INVERSIBLE XIII. Matrices
IV Matrice inversible
Définition 15 (Inverse d’une matrice)
Une matrice carrée A de Mn (K) est dite inversible (ou régulière) si, et seulement
si il existe une matrice carrée B de Mn (K) telle que :
A × B = B × A = In .
Si A n’est pas inversible, on dit que la matrice A est non inversible ou singulière.
L’ensemble des matrices inversibles de Mn (K) est noté GLn (K) et appelé le groupe
linéaire d’ordre n sur K.
Remarque : S’il existe des matrices qui possède un inverse seulement « à gauche »
ou seulement à « à droite », une matrice ne peut être inversible, dans le sens de la
définition précédente, s’entend à gauche et à droite, que si c’est une matrice carré.
1 1 3
Exemple 19 : La matrice = 1 −1 0 est inversible d’inverse
A
1 0 1
−1 −1 3
B= 3 .
−1 −2
1 1 −2
S’il existe une formule générale de calcul de l’inverse, on ne peut pas dire qu’elle saute
aux yeux. . .
Proposition 19
Soit A ∈ Mn (K).
Si A est inversible alors sa matrice inverse est unique. On la note alors A−1 .
38 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
Simple!
On retrouve donc bien la définition de l’inverse d’un réel x non nul c.-à-d. le nombre,
1 1
noté = x−1 tel que x × = 1. La matrice unité In joue ici le rôle du 1 dans R.
x x
−1 1 1
Exercice 15 : Soit A = 1 1 .
−1
1 1 −1
1. Calculer A2 et montrer que A2 = 2I − A.
2. En déduire que A est inversible et calculer A−1 .
Correction :
1. Il sut de al uler AB et BA et montrer que es deux produits donnent I . 2
−2 + 3 6 − 6 1 0
A×B = = ,
−1 + 1 3 − 2 0 1
et
−2 + 3 −1, 5 + 1, 5 1 0
B×A= = .
4−4 3−2 0 1
Don B = A−1 .
http://fabienpucci.fr/ 39
IV. MATRICE INVERSIBLE XIII. Matrices
Théorème 20
Pour tous A ∈ GLn (K) et B ∈ Kn , le système de Cramer AX = B d’inconnue
X ∈ Kn possède une unique solution :
X = A−1 B.
40 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
ATTENTION On rappelle
que dans Mn (K), à la différence de R ou C, il existe des
1 0
matrices non nulles comme qui ne sont pas inversibles.
0 0
Exercice 18 : Montrer que toute matrice carrée qui possède une ligne ou une co-
lonne nulle N’est PAS inversible.
Correction : Soit AM (K) et supposons, par exemple, que A possède une olonne nulle,
disons la .
n
ième
Alors pour tout B ∈ K , le produit BA possède lui aussi une jème olonne nulle, don ne
n
Proposition 21
α1
..
Soient α1 , . . . , αn , β1 ∈ K, alors :
.
est inversible si, et seulement si
αn
∀ i ∈ J1 ; n K, αi 6= 0 et alors :
−1 −1
α1 α1
.. ..
.
=
.
.
αn −1
αn
Preuve:
Si A est inversible, le système Y = AX est un système de Cramer pour tout
Y ∈ K d'après le théorème (20) .
n
http://fabienpucci.fr/ 41
IV. MATRICE INVERSIBLE XIII. Matrices
immédiat que AB = I .
1 n
égalité olonne par olonne, on voit que les olonnes de BA − I sont toutes
n n
Ce Le théorème va donc nous permettre à la fois de savoir si oui ou non une matrice
est inversible et, le cas échéant, de calculer son inverse. Le mot d’ordre est simple :
résoudre un système linéaire !
2 3 1
Exercice 19 : Montrer que la matrice A =
1 1 2 est inversible et donner son
1 1 1
inverse.
système :
2 3 1 x a 2x +
3y + z = a
1 1
2 y = b ⇐⇒
x + y + 2z = b
x +
1 1 1 z c y + z = c
x
+ y + 2z = b
⇐⇒ 2x + 3y + z = a L2 ↔ L1
x + y + z = c
x + y
+ 2z = b
⇐⇒ y − 3z = a − 2b L2 ← L2 − 2L1
z = b − c L2 ← L 1 − L 3
x + y
= −b + 2c L1 ← L1 − 2L3
⇐⇒ y = a + b − 3c L2 ← L2 + 3L3
z = b − c
x
= −a −2b + 5c L1 ← L1 − L2
⇐⇒ y = a + b − 3c
z = b − c
−1 −2 5
x a
⇐⇒ = 1 1 −3
y
b
z 0 1 −1 c
42 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
1 0 −1
Exercice 20 : Montrer que la matrice A = 1 2 1
n’est pas inversible.
−1 4 5
rant le système :
1 0 −1 x a x
− z = a
1
2 1 = b ⇐⇒
y x + 2y + z = b
−x +
−1 4 5 z c 4y + 5z = c
x
− z = a
⇐⇒ 2y + 2z = −a + b L2 ← L2 − L1
4y + 4z = a + c L3 ↔ L 1 + L 3
x
− z = a
⇐⇒ 2y + 2z = −a + b
0 = 3a − 2b + c L3 ↔ L3 − 2L2
1 a a2 a3
1 1 1 1 1 2 3 4
2
1 1 −1 −1 0 1 a a 0 1
2 3
, , .
1 −1 1 −1 0 0 1 a 0 0 1 2
1 −1 −1 −1 0 0 0 1 0 0 0 1
http://fabienpucci.fr/ 43
IV. MATRICE INVERSIBLE XIII. Matrices
Correction
: Avant de ommen er la résolution nous allons faire une remarque importante :
x1
x2
pourX=
.. un ve teur ( onsidéré omme une matri e à une seule olonne) alors nous
x n
allons al uler XX : t
x1
x2
..
2
t
XX = (x1 , x2 , · · · , xn )
=x
1 + x22 + · · · + x2n .
xn
nul.
1. Nous allons montrer que I + M est inversible en montrant que si un ve teur X vérie
(I + M )X = 0 alors X = 0.
Nous allons estimer (M X)(M X) de deux façons. D'une part 'est un produit de la
t
D'autre part :
t
(M X)(M X) = (M X)(−X) ar (I + M )X = 0 don M X = −X
t
= X M (−X) ar (AB) = B A
t t t t t
= X(−M )(−X) ar M = −M
t t
= tXM X
= tX(−X)
= −tXX
= −kXk2
−1 −1
A−1 = (I−M )×(I+M )−1 = (I+M )−1 ×(I−M )−1 = (I+M )×(I−M )−1
t
A = t (I − M ) × (I + M )−1
= t (I + M )−1 × t(I − M ) ar (AB) = B A
t t t
= t(I + M )
−1
× t(I − M ) ar (A ) = A
t −1 t −1
= I + tM )
−1
× (I − tM ) ar (A + B) = A + B
t t t
= (I − M )−1 × (I + M ) ar i i M = −M
t
4 3 4 3
Exemple 20 : Si A = alors det (A) = = 4 × 1 − 2 × 3 = −2.
2 1 2 1
http://fabienpucci.fr/ 45
IV. MATRICE INVERSIBLE XIII. Matrices
Preuve:Comme la dimension
de la matri e est petite, on peut le faire à la main
et her her une matri e B = z t telle que :
x y
A × B = B × A = I2 .
On sait que si l'on on peut résoudre e problème à 4 in onnues et si des onditions
né essaires et susantes apparaissent.
a b x y 1 0
A × B = I2 ⇐⇒ × =
c d z t 0 1
ax + bz ay + bt
1 0
⇐⇒ =
cx + dz cy + dt 0 1
et
ax + bz =1 ay + bt = 0
⇐⇒
cx + dz =0 cy + dt = 1
Ces deux systèmes n'ont des solutions que si les ve teurs dire teurs des droites qu'ils
représentent ne sont pas olinéaires .-à-d.
6= 0 ⇐⇒ det (A) 6= 0.
a b
ad − bc 6= 0 ⇐⇒
c d
Cette ondition vériée, des ombinaisons linéaires élémentaires donnent les solutions :
d −c −b a
x= , z= , y= et t= .
ad − bc ad − bc ad − bc ad − bc
46 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
4 3
Exemple 21 : Déterminer la matrice inverse de la matrice A =
2 1
c b a c
c′ b′ a′ c′
x= et y= (Cr)
a b a b
a′ b′ a′ b′
Les formules (Cr), pratiques essentiellement en petites dimensions, sont connues sous
le nom de « formule de Cramer ⌊6⌋ ».
a b
Au dénominateur, qu’il s’agisse de x ou de y, c’est toujours le déterminant au
a′ b′
dénominateur.
Au numérateur de la PREMIERE inconnue x, on trouve aussi ce déterminant, mais
dans lequel on a remplacé la PREMIERE colonne par le second membre et pour la
DEUXIEME inconnue y, même principe sauf qu’on remplace la DEUXIEME colonne.
http://fabienpucci.fr/ 47
IV. MATRICE INVERSIBLE XIII. Matrices
inversible don le système a une unique solution d'après le théorème (22) donnée
par
−1
! ′ ′ ′
x a b c 1 b −b c 1 cb − bc
= ′ ′ = = ′ .
y a b c′ ab′ − a′ b −a′ a c′ ab − a′ b ac′ − ca′
Don t
A est inversible et A t −1
= t A−1
.
⌊7⌋. Inversibles donc !
48 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
Rappels 2
Les opérations élémentaires :
Permutation : Li ↔ Lj ou Ci ↔ Cj ,
Dilatation : Li ← λLi ou Ci ← λCi ,
Transvection : Li ← Li + λLj ou Ci ← Ci + λCj ,
sur les matrices ou les systèmes linéaires sont des opérations bijectives qui cor-
respondent à une multiplication par les matrices ⌊8⌋ du même nom à gauche ou à
droite respectivement pour les lignes ou les colonnes.
A−1 = Pr . . . P1 .
http://fabienpucci.fr/ 49
IV. MATRICE INVERSIBLE XIII. Matrices
ont hangé A en I .
3
−2 −1 4
Don A est inversible d'inverse A .
−1
= 1 0
−1
0 1 −1
1 0 2
Exercice 25 : Par des opérations élémentaires, montrer que la matrice A = −1 −3
1
0 1 −1
n’est pas inversible.
Correction : On ee tue des opérations sur les lignes .-à-d. on multiplie à gau he par des
matri es inversibles :
50 F.PUCCI
XIII. Matrices IV. MATRICE INVERSIBLE
1 0 2 1 0 2 1 0 2
A=
−1 −3 1
0 −3
3
L2 ← L1 + L2
0 −3 3
L3 ← L2 + 3L2
0 1 −1 0 1 −1 0 0 0
| {z }
Non inversible
rieures de taille n.
Soit A ∈ M (K) triangulaire supérieure .-à-d. A s'é rit, par blo s :
n+1
A ∈ Mn (K) C ∈ Mn,1 (K)
.
(0) ∈ M1,n (K) d
http://fabienpucci.fr/ 51
IV. MATRICE INVERSIBLE XIII. Matrices
telle que :
A C A ′
C In 0n,1
′
AB = In+1 ⇐⇒ =
01,n d B′ d′ 01,n 1
AA + CB ′ ′ ′
AC + Cd ′ In 0n,1
=
⇐⇒
dB ′ dd′ 01,n 1
| {z } = I ⇐⇒ AA = I =⇒ A est inversible.
′ ′ ′
AA + CB
n n
B ′ =01,n
Un système linéaire est dit triangulaire si sa matrice l’est. Le théorème qui suit découle
directement du précédent.
52 F.PUCCI
XIII. Matrices V. PIVOT DE GAUSS ET RANG D’UNE MATRICE
•
0 0 1 • • .
0 0 0 0
n−r
0 0 0 0
Remarque : Les opérations sont les mêmes sur les colonnes en multipliant, cette fois,
à droite par les matrices d’opérations élémentaires.
http://fabienpucci.fr/ 53
V. PIVOT DE GAUSS ET RANG D’UNE MATRICE XIII. Matrices
Remarques :
— Le rang n’étant pas changé par le produit de matrices d’opérations élémentaires,
lorsqu’il ne s’agit que de trouver le rang d’une matrice et non son inverse, on
peut effectuer des opérations sur les lignes et sur les colonnes en même temps.
— En poursuivant l’algorithme en « remontant », on montre ainsi que toute matrice
de Mn,p (K) est semblable à une matrice de la forme :
r n−r
1
r
1 .
n−r
54 F.PUCCI
Thème: Contrôle de connaissances PCSI - Test no 1
Contrôle de connaissances
1 2 3 4 1 1 1 1
0 1 2 3 1 1 1 1
Soient A = et B = .
0 0 1 2
1 1 1 1
0 0 0 1 1 1 1 1
Calculer AB et BA.
10 10 10 10 1 3 6 10
et .
6 6 6 6 1 3 6 10
Correction : AB = BA =
3 3 3 3 1 3 6 10
1 1 1 1 1 3 6 10
http://fabienpucci.fr/ 55
PCSI - Test no 2 Thème: Contrôle de connaissances
Contrôle de connaissances
1 2 3 4 1 0 0 0
1 0 −1 0
5 6 7 8 0 0 0 1 0
1 0 0
1. Soient J = , P = et T =
9 10 11 12 0 0 1 0 0
0 1 0
13 14 15 16 0 1 0 0 0 0 0 1
Calculer rapidement P J et JT .
2. Soient Eij ∈ Mn (R) la matrice élémentaire (des zéros partout sauf le coefficient
1 à la i-ème ligne et la j-ème colonne) et A = (aij ) ∈ Mn (R).
Calculer AEij .
Correction :
1. Multiplier par P à gau he revient à permuter la 2ème ligne ave la 4ème don :
1 2 3 4
13 14 15 16
PJ =
9 10 11 12
5 6 7 8
Multiplier à droite par T revient à retran her la 1ère olonne à la 3ème don :
1 2 2 4
5 6 2 8
JT =
9 10 2 12
13 14 2 16
2.
0 0 · · · 0 a1i 0 ···
0 0 · · · 0 a2i 0 · · ·
.. ..
··· · · ·
=
A × Eij
0 0 · · · 0 aji 0 · · ·
.. ..
··· · · ·
0 0 · · · 0 ani 0 · · ·
La seule olonne non nulle est la j-ème olonne.
56 F.PUCCI
Thème: Contrôle de connaissances PCSI - Test no 3
Contrôle de connaissances
Résoudre le système suivant et donner les solutions sous la forme d’une somme d’une
solution particulière et d’un Vect () des solutions du système homogène associé :
(
x + y + z − 3t = 1
(S)
2x + y − z + t = −1
Correction :
(
x + y + z − 3t = 1
x + y + z − 3t = 1 − y − 3z + 7t = −3
⇐⇒
2x + y − z + t = −1
z = z
t = t
x 2z + 4t = −2
− y − 3z + 7t = −3
⇐⇒
z = z
t = t
x = −2 − 4t + 2z
y = 3 + 7t − 3z
⇐⇒
z = z
t = t
−2 −2 2 0
Par exemple, et sont deux solutions de (S).
3 3 −3 0
+ =
0 0 1 1
0 0 0 0
http://fabienpucci.fr/ 57
PCSI - Test no 4 Thème: Contrôle de connaissances
Contrôle de connaissances
1 8 −1 −2
58 F.PUCCI
Thème: Contrôle de connaissances PCSI - Test no 5
Contrôle de connaissances
Montrer qu’une matrice triangulaire supérieure est inversible si, et seulement si ses
éléments diagonaux sont non nuls.
(a)−1 = (a−1 ).
de taille n.
Soit A ∈ M (K) triangulaire supérieure .-à-d. A s'é rit, par blo s :
n+1
A ∈ Mn (K) C ∈ Mn,1 (K)
.
(0) ∈ M1,n (K) d
telle que :
A C A′ C ′ In 0n,1
AB = In+1 ⇐⇒ =
01,n d B ′ d′ 01,n 1
AA + CB ′ ′ ′
AC + Cd In 0n,1
′
⇐⇒ =
dB ′ dd′ 01,n 1
ar d 6= 0.
′ ′
dB = 0 1,n =⇒ B = 0 1,n
| {z } = I ⇐⇒ AA = I =⇒ A est inversible.
′ ′ ′
AA + CB n n
B ′ =01,n
En on lusion, on a prouvé que la propriété était héréditaire. Initialisée, elle est vraie
pour tout n ∈ N .
∗
60 F.PUCCI
Matrices & Systèmes linéaires Khôlle du 11/02/2019 Programme
II Compétences
1. Mise en œuvre du pivot de Gauss.
F.PUCCI
Exercices Khôlle du 11/02/2019 Matrices & Systèmes linéaires
II Exercices
Exercice 1 : Discuter suivant la valeur du paramètre m ∈ R le système :
3x + y − z = 1
x − 2y + 2z = m
x+y−z = 1
Exercice 4 : Soit
1 1 0 1 0 0
A = 0 1 1 , I = 0 1 0 et B = A − I.
0 0 1 0 0 1
Calculer B n pour tout n ∈ N. En déduire An .
F.PUCCI
Matrices & Systèmes linéaires Khôlle du 11/02/2019 Exercices
0 1 −1
(b) Soit A = −1 2 −1. Déduire de la question précédente la valeur de
1 −1 2
n
A , pour n > 2.
−1 1 1
Exercice 6 : (a) Soit A = 1 −1 1 . Montrer que A2 = 2I3 − A, en déduire que A
1 1 −1
est inversible
et calculer
A−1 .
1 0 2
(b) Soit A = 0 −1 1 . Calculer A3 − A. En déduire que A est inversible
1 −2 0
puis déterminer A−1 .
0 1 −1
(c) Soit A = −1 2 −1. Calculer A2 − 3A + 2I3 . En déduire que A est
1 −1 2
inversible, et calculer A−1 .
Exercice 7 : Dire si les matrices suivantes sont inversibles et, le cas échéant, calculer leur
inverse :
1 1 2 0 1 2 1 4 7 i −1 2i
A = 1 2 1 , B = 1 1 2 , C = 2 5 8 , I = 2 0 2 .
2 1 1 0 2 3 3 6 9 −1 0 1
Exercice 8 : Soit A ∈ Mn (R) une matrice nilpotente, c’est-à -dire qu’il existe p > 1 tel que
Ap = 0.
(a) Calculer (In − A)(In + A + . . . + Ap−1 ).
(b) En déduire que la matrice In − A est inversible, et donner son inverse.
F.PUCCI
PCSI - Devoir en temps libre no 1 Thème: Suites et Matrice
Suites et Matrice
−1 2
1 0 1 1
Exercice 1 : On considère les matrices A = , D = et P = .
−4 5 0 3 1 2
1. Montrer que P est inversible et déterminer P −1
2. Vérifier que A = P DP −1.
3. Montrer que An = P D n P −1 pour tout n ∈ N.
4. On considère les suites (un )n∈N et (vn )n∈N définies par u0 , v0 ∈ R et :
(
un+1 = −un + 2vn
∀ n ∈ N,
vn+1 = −4un + 5vn
un
On pose pour tout n ∈ N, Xn = .
vn
(a) Montrer que pour tout n ∈ N, Xn+1 = AXn .
(b) En déduire, pour tout n ∈ N, un et vn en fonction de u0 et v0 et de n.
(c) Étudier le comportement de ces deux suites.
5. On considère deux fonction x et y définies sur R, à valeurs réelles et dérivables
sur R.
On suppose que x et y vérifient le système différentiel suivant :
(
x′ = −x + 2y
y ′ = −4x + 5y
′
x (t)
! ′
x ′ x x(t) ′
On pose X = et X = ′ c.-à-d. ∀t ∈ R, X(t) = et X (t) = .
y y y(t) y ′ (t)
x1
7 → R par X1 = et X1 = P −1 X et
On définit deux fonctions x1 , y1 : R −
y1
′
′ x1
on pose X1 = .
y1′
(a) Montrer que X1′ = DX1 .
(b) En déduire deux équations différentielles vérifiées par x1 et y1 .
(c) Déterminer les fonctions x1 et y1 , et en déduire les solutions x et y du
système de départ.
64 F.PUCCI
Thème: Suites et Matrice PCSI - Devoir en temps libre no 1
a
1 −
Exercice 3 : Soit a un réel donné. On pose An = a
n
.
1
n
L’objectif de cet exercice est de calculer lim Ann . ⌊9⌋
n→+∞
∗
1. Soit n ∈ N .
(a) Montrer qu’il existe un unique réel θn ∈ [−π ; π [ tel que :
a
1
cos θn = s et sin θn = s n .
a2 a2
1+ 2 1+ 2
n n
!n
a2 2
2. (a) Calculer lim 1 + 2 .
n→+∞ n
(b) Montrer que nθn ∼ n sin θn et en déduire lim nθn .
n→+∞ n→+∞
3. Calculer lim An .
n→+∞ n
F.PUCCI 65
PCSI - Correction Thème: Suites et Matrice
Suites et Matrice
Exercice 1 :
1. La matrice P est une matrice 2 × 2 de déterminant det (P ) = 1 6= 0. Elle est
donc inversible et on a :
2 −1
P −1 = .
−1 1
Or, X ′ = AX = AP X1 .
D’où X1′ = P −1 (AP X1 ) = (P −1 AP ) X1 = DX1 .
| {z }
=D
66 F.PUCCI
Thème: Suites et Matrice PCSI - Correction
Exercice 2 :
1. La fonction gn est dérivable sur R et on a :
La fonction gn est donc continue et strictement croissante donc réalise une bi-
jection de R+ sur son image [−1 ; +∞ [ qui contient 0.
L’équation (En ) admet donc une unique solution xn ∈ R+ .
1 1 1
2. ∀ n ∈ N, g = n + > 0 = gn (xn ).
2 2 4
1
Par stricte croissance de gn sur R+ on a xn 6 .
2
3. Comme le suggère l’énoncé,
1
car xn+1 6 < 1.
2
Par croissance de gn , on obtient xn+1 > xn . La suite (xn )n>3 est croissante.
4. La suite (xn )n>3 est donc croissante et majorée. Elle converge vers une limite
1
06ℓ6 .
2
Par définition de (xn )n>3 et par passage à la limite avec lim ℓn = 0, ℓ est
n→+∞
solution de l’équation :
√
ℓ2 + ℓ − 1 = 0 ⇐⇒ ℓ = −1 ± 2.
√
Comme ℓ est positive, on en déduit que (xn )n>3 converge vers −1 + 2.
F.PUCCI 67
PCSI - Correction Thème: Suites et Matrice
Exercice 3 :
2 2
a a
1 1
1. (a) Puisque q 2
+ q
2
= 1, le nombre complexe q
n
2
+i q n
a2
1 + na2 1 + na 2 1 + na2 1+ n2
1
est élément du cercle unité S .
La fonction t 7−→ eit étant une bijection de [−π ; π [ sur S1 , il existe un
a
1
unique θn ∈ [−π ; π [ tel que eiθn = q 2
+ i q n
2
c.-à-d. il existe un
1 + na2 1 + na2
a
1
unique réel θn ∈ [−π, π[ tel que : cos θn = q 2
et sin θn = q n
2
.
1 + na 2 1 + na 2
s !
a2 cos θn − sin θn
(b) La matrice An s’écrit alors An = 1+ 2 et donc :
n sin θn cos θn
!n/2 !
n a2 cos(nθn ) − sin(nθn )
(An ) = 1 + 2 .
n sin(θn ) cos(nθn )
!n !!
a a2 2 n a2
2. (a) Comme = o (1), on a : 1 + 2 = exp ln 1 + 2
n n→+∞ n 2 n
1
n
= exp ×o .
n→+∞ 2 n
!n
a2 2
Donc lim 1+ 2 = 1.
n→+∞ n
1
(b) En notant alors ε le signe de a, θn = ε arccos q → 0 c.-à-d. θn = o (1),
a2 n→+∞ n→+∞
1+ n2
ce qui permet d’écrire :
a
n sin(θn ) ∼ nθn =⇒ nθn ∼ nq n
.
n→+∞ n→+∞ a2
1+ n2
⌊10⌋. Pour être vraiment rigoureux, il faudrait expliciter sous quelle norme on entend la convergence
de la matrice Ann . Nous
remettons cela à plus tard en admettant que la norme choisie entraine qu’une
matrice An = an ij converge vers une matrice A = (aij ) si, et seulement si ∀ i, j, lim an ij = aij .
n→+∞
68 F.PUCCI
Index
Algorithme de dilatation, 18
de Gauss, 35 de passage, 25
Anneau, 12 de permutation, 18
intègre, 10 de transvection, 18
Associativité, 7 de Vandermonde, 12
diagonale, 5, 15, 25, 35
Combinaison linéaire, 46 inversible, 41
Commutativité, 7 Exponentielle de, 23
Cramer, 47 inversible, 38
ligne, 5
Déterminant, 45
nilpotente, 21
Dimension
nulle, 4, 6
d’un espace vectoriel, 31
opérations algébriques, 6
Diviseurs
opposée, 6
de zéro, 10
par blocs, 19
Élément produit, 8
neutre, 6 puissance n-ième, 19
Espace scalaire, 5
vectoriel, 8, 31 semblable, 25
Exponentielle symétrique, 5, 14
de matrice, 23 transposée, 13
triangulaire, 5, 6, 16
Gauss, 1, 35 inversible, 51
Pivot de, 28 unité, 5
Groupe Méthode
commutatif, 7, 15 Pivot de Gauss, 53
linéaire, 38
Newton
Inconnue Binôme de, 20
principale, 30, 36
Opération
secondaire, 30
élémentaire, 17, 18
Invariant
de similitude, 25 Pivot
Inverse de Gauss, 53
d’une matrice, 39 Polynôme
Involution, 18 annulateur, 22
Produit
Matrice, 1, 3 matriciel, 8
égalité de, 4, 7 scalaire, 8
anti-symétrique, 14 Puissance
carrée, 5 d’une matrice, 19
colonne, 5
Déterminant d’une, 45 Récurrence
69
INDEX XIII. INDEX
démonstration par, 20
Rang
d’un système linéaire, 30, 32
d’une matrice, 53, 54
Scalaire, 4
Système
échelonné, 35
équivalent, 28
de Cramer, 40
homogène, 28
incompatible, 28
linéaire, 27
Trace
d’une matrice, 24
Vandermonde, 12
Vect, 31
70 F.PUCCI
XIII. INDEX INDEX
http://fabienpucci.fr/ 71