Académique Documents
Professionnel Documents
Culture Documents
1 Matrice (Partie 1) 3
1.1 Espaces vectoriels des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 L’addition des matrices - multiplication par un scalaire . . . . . . . . . . . . . . . . . . 5
1.1.4 La transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 La structure d’anneau sur Mn (K ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Techniques de calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Opérations élémentaires sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Trace d’une matrice-Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6 Matrice équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 Matrices par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1
TABLE DES MATIÈRES
2 gmail : azemrijamal@gmail.com
Chapitre
1 Matrice (Partie 1)
1.1.1 Définitions
Définition 1
⃝-
a On appelle matrice à n - lignes et p´ colonnes à coefficient dans K toute famille A = ( aij )1ďiďn à éléments dans
1ďjďp
K. On représente A par un tableau rectangulaire
a11 a12 ¨ ¨ ¨ a1p
a21 a22 ¨ ¨ ¨ a2p
.. .. .
. . ..
an1 an2 ¨ ¨ ¨ anp
a1j
a
( ) 2j
Pour tout (i, j) P J1, nK ˆ J1, pK ; Li = ai1 , ai2 , ¨ ¨ ¨ , aip et Cj =
.. S’appellent respectivement la i
ième
ligne
.
anj
ième
de A et la j colonne de A
⃝-
b Une matrice à n´ lignes et p´ colonnes à coefficients dans K est appelée une matrice de taille (n, p) ou de type
(n, p) et on note par Mn,p (K ) l’ensemble de telles matrices.
Exemples
( )
1. (0) et (1) P M1 (R ) 2.
2 i ´2i
P M2,3 (C )
´4 5 j
3
C HAPITRE 1 : Matrice (Partie 1)
a11
a21
2. Si p = 1 , A = . est dite une matrice colonne de taille n
..
an1
( )
3. Si n = 1 , A = a11 , a12 , . . . , a1p est dite une matrice ligne de taille p
4. La matrice de Mn,p (K ) dont tous les coefficients sont nuls est appelée la matrice nulle et on note On,p
ou tout simplement O et on a :
İ
0 ¨¨¨ 0 §
.. . . .. §
§
On,p = . . . §n´lignes
§
0 ¨¨¨ 0 đ
ÐÝÝÝÝÝÝÝÑ
p´colones
5. Symbole de Kronecker :
Le symbole de Kronecker sur un ensemble non vide X est l’application :
δ: X 2 Ñ t0, 1u
#
1 , si x = y
( x, y) ÞÑ
0 , si x ‰ y
6. Matrice unité :La matrice unité (ou identité) d’ordre n est définie par :
1 0 ¨¨¨ 0
. .
( ) 0 1 . . ..
In = δij 1ďi,jďn = . . . P M n (K )
. . .
. . . 0
0 ¨¨¨ 0 1
7. Les matrices élémentaires :
( )
Pour tout (i, j) P J1, nK ˆ J1, pK , la matrice Eij de Mn,p (K ) est définie par : Eij = δ(k,l ),(i,j) 1ďkďn =
( ) 1ďlďp
δik .δjl 1ďkďn et on a :
1ďlďp
0 ¨¨¨ 0 0 0 ¨¨¨ 0
.. .. .. .. .. .. ..
. . . . . . .
0 ¨¨¨ 0 0 0 ¨¨¨ 0
0 ¨¨¨ 0 1 0 ¨¨¨ 0 Ð ième ligne
Eij =
0 ¨¨¨ 0 0 0 ¨¨¨ 0
.. .. .. .. .. .. ..
. . . . . . .
0 ¨¨¨ 0 0 ¨¨¨ 0 0
Ò
j-ième colonne
Exemples
0 0 0 0 0 0 0 0
Dans M3,4 (R ) , on a E23 = 0 0 1 0 et E34 = 0 0 0 0
0 0 0 0 0 0 0 1
4 gmail : azemrijamal@gmail.com
1.1 Espaces vectoriels des matrices
(b). Une matrice A = ( aij )1ďi,jďn P Mn (K ) est dite triangulaire inférieure si : @(i, j) P J1, nK2 , (i ă j ñ
aij = 0).
On note par Tn´ (K ) l’ensemble des matrices triangulaires inférieures de Mn (K ).
Remarque
Tn+ (K ) X Tn´ (K ) = Dn (K )
Exemples
( ) ( ) ( ) ( ) ( )
a b e f a+e b+ f 2 ´2 2α ´2α
‚ + = ‚ α. ? = ?
c d g h c+g d+h 6 2 6α 2α
Remarques
5 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Propriétés
( )
¬. Mn,p (K ), +, . est un espace vectoriel sur K
( )
. Dn (K ) , Tn+ (K ) et Tn´ (K ) sont des sous espaces vectoriels de Mn,p (K ), +, .
Preuve
¬. (a). ” + ” et ”.” sont respectivement des loi interne et externe sur Mn,p (K ) par définition.
( )
(b). Mn,p (K ), +, . est un groupe commutatif :
(i). ” + ” est associative dans Mn,p (K ) (iii). ´A est le symétrique de A dans Mn,p (K )
(ii). On,p est l’élément neutre de l’addition (iv). ” + ” est commutative
(c). @(α, β) P K2 et @A, B P Mn,p (K )
. On P Dn (K ) ñ Dn (K ) ‰ ∅
Si A = diag(α1 , ¨ ¨ ¨ , αn ) , B = diag( β 1 , ¨ ¨ ¨ , β n ) P Dn (K ) et λ, µ P K alors :
λA + µB = diag(λα1 + µβ 1 , ¨ ¨ ¨ , λαn + µβ n ) P Dn (K ) , d’où Dn (K ) est un sous espace vectoriel de Mn (K )
1.1.4 La transposition
Définition 2
1
La transposée d’une matrice A = ( aij )1ďiďn P Mn,p (K ) est la matrice notée tA tel que tA = ( aij )1ďiďp P M p,n (K ) et
1ďjďp 1ďjďn
1
@(i, j) P J1, pK ˆ J1, nK, aij = a ji
Exemples
2 4 8 2 1 0
1. A = 1 t
5 7 ùñ A = 4 5 1
0 1 4 8 7 4
( ? ) 0 1
0 3 2
2. B = t
ùñ B = 3 2
1 2 4 ?
2 4
Remarques
Preuve ( )
1 2
Soit A = ( aij )1ďiďn P Mn,p (K ). Posons tA = ( aij )1ďiďp et t tA = ( aij )1ďiďn
1ďjďp 1ďjďn 1ďjďp
( ) 2 1 ( )
On a A et t t
A P Mn,p (K ) et @(i, j) P J1, pK ˆ J1, nK on a aij = a ji = aij donc t t
A =A
6 gmail : azemrijamal@gmail.com
1.1 Espaces vectoriels des matrices
Proposition 1
tn,p : Mn,p (K ) Ñ M p,n (K )
L’application transposition t est un isomorphisme d’espaces vectoriels tel que :
A ÞÑ A
( )´1
(i). tn,p = t p,n
(ii). @A, B P Mn,p (K ) et α, β P K on a : t (αA + βB) = αtA + βtB
Preuve
D’où t( A + B) = tA + tB (1)
‚ On a αA = (αaij )1ďiďn P Mn,p= (K ) alors t(αA) et αtA P M p,n (K ).
1ďjďp
Soit (i, j) P J1, pK ˆ J1, nK alors :
(t )
(αA) i,j = αa ji
1
= αaij
( )
= α tA i,j
Définition 3
Soient A P Mn (K ) une matrice carrée d’ordre n .
a A est dite une matrice symétrique si tA = A
⃝-
b A est dite une matrice antisymétrique si tA = ´A
⃝-
On note respectivement par Sn (K ) et An (K ) l’ensemble des matrices symétriques et antisymétriques de Mn (K )
Exemples
1. C = ( 1 ) P S1 (R )
?
2 ´1 2
2. A = ´1 3 6 P S3 (R )
?
2 6 5
0 ´4 5
3. B = 4 0 ´2 P A3 (R )
´5 2 0
7 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Remarques
et A P An (K ).
Preuve
2 Produit de matrices
Exemple
( ) 1 2 0 1 ( )
1 2 5 ´2 17 18 16
ˆ 1 5 4 0 =
4 ´1 6 ´3 9 8 22
´1 1 2 3
Remarques
¶. Deux matrices A et B sont multipliables dans cet ordre si le nombre des colonnes de A est égal au nombre des
lignes de B. En particulier , le produit dans Mn (K ) est toujours défini.
·. Le coefficient cij de A ˆ B est le produit scalaire du transposée de la iième ligne de A et la jième colonne de B
8 gmail : azemrijamal@gmail.com
1.2 Produit de matrices
Propriétés
¬. @A P Mn,p (K ), A ˆ I p = In ˆ A = A. En particulier @A P Mn (K ), A ˆ In = In ˆ A = A
. @A P Mn,p (K ), A ˆ O p = On ˆ A = On,p . En particulier @A P Mn (K ), A ˆ On = On = On ˆ A
®. Si A P Mn,p (K ), B P M p,q (K ) et C P Mq,r (K ). Alors A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C.
En particulier : @A, B, C P Mn (K ) , A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C
¯. (a). Si A, B P Mn,p (K ) et C P M p,q (K ) . Alors ( A + B) ˆ C = ( A ˆ C ) + ( B ˆ C ).
(b). Si A P Mn,p (K ) et B, C P M p,q (K ) . Alors A ˆ ( B + C ) = ( A ˆ B) + ( A ˆ C ).
En particulier @A, B, C P Mn (K ) : A ˆ ( B + C ) = ( A ˆ B) + ( A ˆ C ) et ( A + B) ˆ C = ( A ˆ C ) + ( B ˆ C ).
C’est la distributivité de la loi ” ˆ ” sur la loi ” + ”
°. @A P Mn,p (K ), B P M p,q (K ) et α P K alors on a (αA) ˆ B = α ( A ˆ B) = A (αB)
±. @A P Mn,p (K ), @B P M p,q (K ), t( A ˆ B) = tB ˆ tA
Preuve
D’où A ˆ I p = A. De même In ˆ A = A
. On a A ˆ O p P Mn,p (K ) et @(i, j) P J1, nK ˆ J1, pK :
p
( ) ÿ
A ˆ Op i,j
= Ai,k .(O p )k,j
k =1
ÿ p
= Ai,k .0
k =1
=0
D’où A ˆ O p = On,p . De même On ˆ A = On,p
®. On a A ˆ ( B ˆ C ) et ( A ˆ B) ˆ C P Mn,r (K ) et @(i, j) P J1, nK ˆ J1, rK :
p
ÿ
( A ˆ ( B ˆ C ))ij = Aik ( B ˆ C )kj
k =1
ÿ p q
ÿ
= Aik Bks ˆ Csj
k =1 s =1
q
( p )
ÿ ÿ
= Aik ˆ Bks ˆ Csj
s =1 k =1
ÿ q
= ( A ˆ B)is ˆ Csj
s =1
= (( A ˆ B) ˆ C )ij
D’où : A ˆ ( B ˆ C ) = ( A ˆ B) ˆ C
9 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
¶. ‹ (Mn (K ), +) est un groupe est déjà vu pour vérifier la structure d’espace vectoriel.
‹ Le produit matriciel dans Mn (K ) est une loi de composition interne selon la définition de ” ˆ ”
‹ On a déjà vérifié que ” ˆ ” est associative et distributive par rapport à ” + ” dans Mn (K )
‹ La matrice identité In est l’élément neutre pour le produit ” ˆ ” dans Mn (K )
On résumant ces propriétés on aura (Mn (K ), +, ˆ) est un anneau unitaire.
·. Exemple
0 ¨¨¨ 1 0 0 ¨¨¨ 0
.
E1n = .. (0) ... et En2 = ... ... (0) ...
0 ¨¨¨ 0 0 1 ¨¨¨ 0
On a :
0 1 ¨¨¨ 0
. .. .
E1n ˆ En2 = .
. . (0) ..
= E12 Mais En2 ˆ E1n = On
0 0 ¨¨¨ 0
Donc En2 ˆ E1n ‰ E1n ˆ En2 alors l’anneau (Mn (K ), +, ˆ) n’est pas commutatif .
En plus On a E1n ‰ On et En2 ‰ On mais En2 ˆ E1n = On donc l’anneau (Mn (K ), +, ˆ) n’est pas intègre
¸. On
$ a
& (i ). (Mn (K ), +, .) est K ´ e.v
’
(ii ). (Mn (K ), +, ˆ) est un anneau
% (iii ).@A, B P M (K ), @α P K :
’
(α.A) ˆ B = α.( A ˆ B) = A ˆ (α.B)
n
On dit dans ce cas que (Mn (K ), +, ˆ, .) est une K ´ algèbre
Définition 5
Soit A P Mn (K ) .
A0 = In
#
, si p = 0
On définit par récurrence les puissances successives de A : p +1 p
A = A ˆ A , si p P N
10 gmail : azemrijamal@gmail.com
1.2 Produit de matrices
Définition 6
Soit A P Mn (K ) .
a On dit que A est nilpotente s’il existe k P N˚ tel que Ak = On .
⃝-
b Le plus petit entier d P N˚ tel que Ad = On est appelé l’indice de nilpotence de A
⃝-
Exemples
( )
0 1
1. N1 = P M2 (R ), N1 est nilpotente d’indice d = 2
0 0
0 1 3 0 0 ´1
2. N2 = 0 0 ´1 P M3 (R ), on a N12 = 0 0 0 et N23 = O3 donc N2 est nilpotente d’indice d = 3
0 0 0 0 0 0
Proposition 2
Soient A, B P Mn (K ) et p P N˚ .Si AB = BA alors :
p ( )
p
ÿ p
(i). ( A + B) = Ak B p´k (Binôme de Newton)
k
k =0
p´1
(ii). Et A p ´ B p = ( A ´ B) A p´1´k Bk
ÿ
k =1
Preuve
( )
0 0
(i). ‚ Pour p = 0 , ( A + B) = In = A0 .B0
0
p ( )
p +1
ÿ p+1
‚ Supposons que la propriété est vraie pour un certain p. Montrons que ( A + B) = Ak B( p+1)´k
k
k =0
On a ( A + B) p+1 = ( A + B) p ˆ ( A + B)
( p ( ) )
H.R ÿ p
k p´k
= A B ˆ ( A + B)
k
k =0
p ( ) p ( )
distributivité deˆ ÿ p k+1 p´k
ÿ p
= A B + Ak B p+1´k
AB= BA k k
k =0 k =0
p ( ) p ( )
ÿ p ÿ p
= A k +1 B ( p +1)´( k +1) + Ak B( p+1)´k
k k
k =0 k =0
pÿ+1 ( ) ÿ ( p)
p
p k ( p+1)´k
= A B + Ak B( p+1)´k
k´1 k
k =0 k =0
p (( ) ( ))
ÿ p p
= A p +1 + + Ak B( p+1)´k + B p+1
k´1 k
k =1
pÿ+1 ( )
p+1
= Ak B( p+1)´k
k
k =0
(ii). En exercice
11 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Exemple
2 1 2
Calculons An pour tout n P N où A = 0 2 ´1
0 0 2
0 1 2 n
n
(nk ) (2I3 )n´k N k selon la binôme de Newton
ÿ
n
. On a A = 2I3 + N où N = 0 0 ´1 donc A = (2I3 + N ) =
0 0 0 k =0
car I3 commute avec N
2 1 2
‚ Pour n = 0 ou n = 1 : A0 = I3 et A1 = A = 0 2 ´1
0 0 2
2 ( )
ÿ n n(n ´ 1) n´2 2
Pour n ě 2 on a N 3 = O3 ùñ An = 2n´k N k ùñ An = 2n In + n2n´1 N + 2 N
k 2
k =0
0 0 ´1 2n n2n´1 n2n ´ n(n ´ 1)2n´3
Or N = 0 0 0
2 Donc An = 0 2n ´n2n´1
0 0 0 0 0 2n
Exemples
2 0 0 ´1 2 4 ´2 4 8
(a). 0 3 0 ˆ i 4 ´2 = 3i 12 ´6
0 0 5 1 0 6 5 0 30
´1 2 4 2 0 0 ´2 6 20
(b). i 4 ´2
0 3 0 = 2i 12 ´10
1 0 6 0 0 5 2 0 30
3. Si A = ( aij )1ďi,jďn , B = (bij )1ďi,jďn P Tn+ (K ), alors AB P Tn+ (K ). Et si AB = (cij )1ďi,jďn alors @i P J1, nKcii =
aii .bii . Donc Le produit matriciel est une loi de composition interne sur Tn+ (K ). De même le produit
matriciel est aussi une loi de composition interne sur Tn´ (K )
4. Soient A, B P Mn (K ). L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A et C1 , C2 , ¨ ¨ ¨ , Cn les colonnes de B
L1
L2
ie. A = . et B = (C1 , C2 , ¨ ¨ ¨ , Cn ). Alors :
..
Ln
(a). AB = ( AC1 , AC2 , ¨ ¨ ¨ , ACn ) ie. @j P J1, nK , ACj est la jième colonne de AB.
L1 B
L2 B
(b). On a aussi AB = . ie. @i P J1, nK Li B est la iième ligne de AB
. .
Ln B
12 gmail : azemrijamal@gmail.com
1.2 Produit de matrices
0
..
.
0
5. Notons E1 , E2 , ¨ ¨ ¨ , En les matrices élémentaires de Mn,1 (K ) tel que :Ej = 1 où 1 se trouve à la jième
0
..
.
0
place. Alors si A P Mn (K ) on a @(i, j) P J1, nK :2
13 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
(a).
L1
L2
AB = . . (C1 , C2 , ¨ ¨ ¨ , Cn )
..
Ln
L1 C1 L1 C2 ¨ ¨ ¨ L1 Cn
L2 C1 L2 C2 ¨ ¨ ¨ L2 Cn
= . . .
. . .
. ¨¨¨ .
.
Ln C1 Ln C2 ¨ ¨ ¨ Ln Cn
L1 L1
L2 L2
= . C1 , ¨ ¨ ¨ , . Cn
.. ..
Ln Ln
ñ AB = ( AC1 , ¨ ¨ ¨ , ACn )
(b). De même
L1 C1 L1 C2 ¨ ¨ ¨ L1 Cn
L2 C1 L2 C2 ¨ ¨ ¨ L2 Cn
AB = . . .
. . .
. ¨¨¨ .
.
L C L C ¨ ¨ ¨ Ln Cn
n 1 n 2
L1 (C1 , C2 , ¨ ¨ ¨ , Cn )
L (C , C , ¨ ¨ ¨ , C )
2 1 2 n
= ..
.
Ln (C1 , C2 , ¨ ¨ ¨ , Cn )
L1 B
L2 B
ñ AB = .
. .
Ln B
Exemples
1 8 11 0 11 2 1 ´1 4 ´4 2 8 ´1 ´3
1. 5 9 12 0 = 12 3. 0 3 0 0 7 1 = 0 21 ´3
6 10 15 1 15 0 0 5 0 0 8 0 0 40
1 8 11 1 1
2. 5 9 12 0 = 5
6 10 15 0 6
14 gmail : azemrijamal@gmail.com
1.3 Opérations élémentaires sur les matrices
Définition 7
Soit n P N˚ .
a Toute application bijective σ : J1, nK ÞÑ J1, nK est appelé une permutation de J1, nK. On note par Sn l’ensemble
⃝-
des permutation de J1, nK.
⃝-
b Soient i, j P J1, nK tel que i ‰ j. La permutation de J1, nK qui échange i et j et laisse invariant les autres éléments
s’appelle la transposition d’indice (i, j) et on la note τij
Exemple
( ) ( )
1 2 3 1 2 3
S3 = ti3 , τ12 , τ13 , τ23 , r1 , r3 u avec i3 = IdJ1,3K , r1 = et r2 =
2 3 1 3 1 2
Définition 8 ( )
Soit σ P Sn . La matrice de permutation σ est définie par Pσ = δi,σ( j)
1ďi,jďn
Remarque
Pour tout j P J1, nK la jième colonne de Pσ est Eσ( j)
Exemple
0 0 1 0 1 0
Pour n = 3, Pr1 = 1 0 0 et Pr2 = 0 0 1
0 1 0 1 0 0
Définition 9
⃝-
a Si σ = τi,j P Sn , on note Pσ tout simplement par Pij et on l’appelle la matrice de permutation d’indice (i, j).
ðñ Pij est obtenue en effectuant sur In l’opération élémentaire : Li Ø L j
1
..
.
1 (0)
α
⃝-
b La matrice Di (α) = = In + (α ´ 1) Eii où α se trouve dans iième place sur la
(0) 1
. ..
1
diagonale et α P K˚ est appelée la matrice de dilatation d’indice i et de rapport α.
ðñ Di (α) est obtenue en effectuant sur In l’opération élémentaire Li Ð αLi
c Soient (i, j) P J1, nK2 tel que i ‰ j et λ P K .
⃝-
1
1 λ
..
. ( 0 )
La matrice notée Ti,j (λ) où Ti,j (λ) = In + λEij = où λ occupe la position (i, j) est
. ..
(0)
1
appelée la matrice de transvection d’indice (i, j) et de rapport λ.
ðñ Ti,j (λ) est obtenue à partir de In en effectuant l 1 .O.E Li Ð Li + λL j
Exemples
Dans M3 (R ) on a :
15 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
0 1 0 ? 1 0 0 1 0 0
1. P12 = 1 0 0 2. D3 ( 5) = 0 1 0 3. T2,3 (´2) = 0 1 ´2
?
0 0 1 0 0 5 0 0 1
Propriétés
Soient E1 , E2 , ¨ ¨ ¨ , En les matrices élémentaires de Mn,1 (K ) et A = ( aij )1ďi,jďn P Mn (K ). Alors on a :
(i). Eij = Ei tEj (ii). tEi AEj = aij (iii). tEi Ej = δij
Preuve
¬. (i). On a Ei = (δki )1ďkďn et tEi = (δjk )1ďkďn . On a Ei tEj P Mn (K ) car Ei P Mn,1 (K ) et tEj P M1,n (K ).
Soit (k, l ) P J1, nK2 , on a :
( ) 1
ÿ ( )
Ei tEj k,l
= ( Ei )k,t tEj t,l
t =1
( )
= ( Ei )k,1 . tEj 1,l
= δki δjl
#
1 , si (k, l ) = (i, j)
=
0 , sinon
= ( Eij )kl
16 gmail : azemrijamal@gmail.com
1.3 Opérations élémentaires sur les matrices
®.
1ďk,lďn
ÿ
= akl Eij Ekl
1ďk,lďn
ÿ
= akl δjk Eil
1ďk,lďn
ÿ
= a jl Eil
1ďlďn
= a j1 Ei1 + ¨ ¨ ¨ + a jn Ein
Théorème 1
Soient L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A P Mn (K ).
(i). Effectuer l’opération élémentaire Li Ø L j (i ‰ j) revient à multiplier A à gauche par Pij
(ii). Effectuer l’opération élémentaire Li Ð αLi (α ‰ 0) revient à multiplier A à gauche par Di (α)
(iii). Effectuer l’opération élémentaire Li Ð Li + λL j (i ‰ j) revient à multiplier A à gauche par Tij (λ)
Preuve
(i). ‚ Si k P J1, nK avec k R ti, ju : La kième ligne de Pij est tEk donc la kième ligne de Pij A est tEk A i. e la kieme ligne
de A
‚ La iième ligne de Pij est tEj ;donc la iième ligne de Pij A est tEj A i. e la jième ligne de A
‚ La jième ligne de Pij est tEi donc la jième ligne de Pij A est tEi A i.e la iième ligne de A
1
..
. (0)
1
(ii). On a Di (α) = , où α se trouve dans iième ligne, est une matrice diagonale donc d’après
α
.
(0) . .
1
les techniques de calculs , la multiplication Di (α) A revient à multiplier la iième ligne de A par α et les autres
lignes de A par 1
(0)
( )
(iii). Soit i ‰ j , on a : Tij (λ) A = In + λEij A = A + λEij A = A + λ a j1 ¨ ¨ ¨ a jn ÐÝ iième ligne
(0)
Donc toutes les lignes de A restent invariantes sauf Li devient Li + λL j
Remarques
Soient C1 , C2 , ¨ ¨ ¨ , Cn les colonnes de A P Mn (K )
¶. Effectuer l’opération élémentaire Ci Ø Cj (i ‰ j) revient à multiplier A à droite par Pij
·. Effectuer l’opération élémentaire Ci Ð αCi (α ‰ 0) revient à multiplier A à droite par Di (α)
¸. Effectuer l’opération élémentaire Cj Ð Cj + λCi (i ‰ j) revient à multiplier A à droite par Tij (λ)
Définition 10
On dit que deux matrices A et B de Mn (K ) sont équivalentes par lignes si on obtient l’une par opérations élémentaires
sur les lignes de l’autre. i.e DT1 , T2 , ¨ ¨ ¨ , Tr des matrices de permutations , de dilatations et de transvections tel que
B = Tr ˆ ¨ ¨ ¨ ˆ T1 ˆ A
17 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Définition 12
Soit A P Mn (K ) une matrice carrée.
1 1 1 1
On dit que A est inversible si ’il existe A P Mn (K ) tel que AA = In = A A. Dans ce cas A est unique et on la note
par A´1 et on l’appelle inverse de A
Propriétés
1 2 1 1 2 2 1 2
¬. Si A , A P Mn (K ) tel que AA = A A = In et AA = A A = In alors A = A i.e que l’inverse de A s’il
existe il est unique.
. La matrice nulle On n’est pas inversible , car @M P Mn (K ) , On M = MOn = On ‰ In .
®. In est inversible et In´1 = In car In2 = In ˆ In = In .
¯. Une matrice diagonale D = diag(α1 , ¨ ¨ ¨ , αn ) P Mn (K ) est inversible ssi @i P J1, nK, αi ‰ 0 et dans ce cas
D´1 = diag(α´1
1 , ¨ ¨ ¨ , αn )
´1
18 gmail : azemrijamal@gmail.com
1.4 Inverse d’une matrice
1
( 1 1
)
°. Soient A, A P Mn (K ) alors : AA = In ñ A A = In .
( )
a b
±. Soit A = P M2 (K ) alors : A est inversible ssi ad ´ bc ‰ 0
c d
( )
´1 1 d ´b
Et dans ce cas A = .
ad ´ bc ´c a
². Si M P Mn (K ) à une colonne ou une ligne nulle , alors M n’est pas inversible.
( )´1
³. (i). Si A est inversible alors A´1 est aussi inversible et on a A´1 = A.
(ii). Si A et B sont inversible alors AB est aussi inversible et on a ( AB)´1 = B´1 A´1 .
(iii). On note par GLn (K ) l’ensemble des matrices inversible de Mn (K ) . Alors :
( GLn (K ), ˆ) est un groupe et on l’appelle le groupe linéaire d’ordre n de Mn (K )
( )n
´. Si A P GLn (K ) alors An P GLn (K ) et on a ( An )´1 = A´1 .
r´1
ÿ
´1
µ. Si A est nilpotente d’indice r alors In ´ A P GLn (K ) et on a : ( In ´ A) = Ak
k =0
( )´1 t ´1
11 Si A P GLn (K ) alors A P GLn (K ) et on a : tA
⃝- t
= A
Preuve
¬.
1 1 2 2 2
( 1
) 2
On a AA = A A = In et AA = A A = In ñ A AA = A In
( 2 ) 1 2
ñ A A A =A
1 2
ñ In A = A
1 2
ñ A =A
f : Mn,1 (K ) Ñ Mn,1 (K )
°. L’application est linéaire.En plus f est inversible ðñ A est inversible (A faire).
X ÞÑ AX
1
Or AA = In ñ f est surjective donc f est bijective (dimE = dimF ) d’où A est inversible
( ) ( )( )
a b a b d ´b
±. Soit A = P M2 (K ). On a . = ( ad ´ bc) I2
c d c d ´c a
ñ / Si A est inversible montrons que ad ´ bc ‰ 0. Supposons que ad ´ bc = 0 alors
( ) ( )
d ´b ´1 d ´b
A = O2 ñ A A = O2
´c a ´c a
( )
d ´b
ñ = O2
´c a
ñ A = O2
Absurde car O2 n’est pas inversible
(. ) ( )
1 d ´b a b
ð / Si ad ´ bc ‰ 0 on a ˆ = I2 . D’où A est inversible
ad ´ bc ´c a c d
². Soit A P Mn (K ) .Notons L1 , L2 , ¨ ¨ ¨ , Ln les lignes de A et Si Di P J1, nK tel que Li = 01,n . Supposons que A est
inversible alors DB P Mn (K ) tel que AB = In . alors :
t
Ei . ( AB) = tEi
ñ Li B = tEi
ñ 01,n = tEi !!!
19 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
( )´1
³. (i). On a AA = A A = In ñ A est inversible et A
´1 ´1 ´1
=A ´1
( ) ( )
(ii). ( AB) B´1 A´1 = A BB´1 A´1 = AIn A´1 = AA´1 = In ñ AB P GLn (K ) et ( AB)´1 = B´1 A´1
(iii). (a). Si A, B P GLn (K ) alors AB P GLn (K )
(b). ” ˆ ” est associative par hérédité
(c). In est l’élément neutre de GLn (K )
(d). Si A P GLn (K ) alors A´1 P GLn (K ) et AA´1 = A´1 A = In
( )n ( )n
´. Soit A P GLn (K ) , on a An ˆ A´1 = Inn = In ñ ( An )´1 = A´1
r´1
ÿ r´1
ÿ r
ÿ r´1
ÿ
µ. ( In ´ A) . Ak = Ak ´ Ak = In ´ ljhn
Ar = In ñ In ´ A P GLn (K ) et ( In ´ A)´1 = Ak
k =0 k =0 k =0 k =0
0
( )´1 t ´1
11 tA ˆ tA´1 = tA´1 A = tIn = In ñ tA
⃝- = A
Proposition 3
Preuve
( )
(i). On a Pij2 = Pij .Pij et Pij = δk,τij (l ) donc
1ďk,lďn
( ) n
ÿ ( ) ( )
Pij2 = Pij k,m
Pij m,l
k,l
m =1
ÿn
= δk,τij (m) ˆ δmτij (l )
m =1
= δk,τ2 (l )
ij
= δk,l
20 gmail : azemrijamal@gmail.com
1.4 Inverse d’une matrice
$
’
’ a11 x1 + a12 x2 + ¨ ¨ ¨ + a1p x p = b1
’
& a21 x1 + a22 x2 + ¨ ¨ ¨ + a2p x p = b2
’
’
Soit le système linéaire suivant : (S) . .. .
’
’ .. .
’
’
% an1 x1 + an2 x2 + ¨ ¨ ¨ + anp x p
’
= bn
Alors :
x1 b1
x2 b2
(S) ðñ AX = B où A = ( aij )1ďiďn , X = . et B = .
1ďjďp .. ..
xp bn
Proposition 4
Soit A P Mn (K ) alors :
0
0
A P GLn (K ) ðñ le système AX = On,1 admet une unique solution .
..
0
Preuve
ñ / Si A est inversible alors AX = On,1 ðñ A´1 ( AX ) = On,1 ðñ X = On,1
ð / AX = On,1 admet une seule solution alors la matrice échelonnée réduite E de A admet n pivots d’où E = In . alors
DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations et de transvections tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In
donc A P GLn (K ) et A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1
Proposition 5
Soit A P Mn (K ). Alors :
A P GLn (K ) ðñA est équivalente par lignes à In ie.DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations
et de transvections tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In
Preuve
ñ / Si A est inversible alors le système AX = O admet une seule solution donc la matrice échelonnée réduite E de A
admet n pivots d’où E = In . Par suite A est équivalente par lignes à In
ð / Si A est équivalente par lignes à In alors DT1 , T2 , ¨ ¨ ¨ , Tr des matrice de permutations , de dilatations et de transvec-
tions tel que Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In donc A P GLn (K ) et A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ ˆ T1
21 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Exemple
2 ´1 2
Montrons que A = 5 ´3 3 est inversible et calculer A´1 .
´1 0 ´2
1ère méthode :
2 ´1 2 1 0 0
A = 5 ´3 3 , I3 = 0 1 0
´1 0 ´2 0 0 1
´1 0 ´2 0 0 1
L1 ÐÑ L3 ñA(1) = 5 ´3 3 , I3 = 0 1 0
(1)
2 ´1 2 1 0 0
1 0 2 0 0 ´1
L1 ÐÝ ´L1 ñA(2) = 5 ´3 3 , I3 = 0 1 0
(2)
2 ´1 2 1 0 0
1 0 2 0 0 ´1
ñA(3) = 0 ´3 ´7 , I = 0 1 5
L2 ÐÝL2 ´5L1 (3)
L3 ÐÝL3 ´2L1 3
0 ´1 ´2 1 0 2
1 0 2 0 0 ´1
L3 ÐÝ 3L3 ´ L2 ñA = 0 ´3 ´7 , I3 = 0 1 5
(4) (4)
0 0 1 3 ´1 1
1 0 0 ´6 2 ´3
(5)
L3 ÐÝ L1 ´ 2L3 ñA = 0 ´3 ´7 , I3 = 0 1 5
(5)
0 0 1 3 ´1 1
1 0 0 ´6 2 ´3
(6)
L2 ÐÝ L2 + 7L3 ñA = 0 ´3 0 , I3 = 21 ´6 12
(6)
0 0 1 3 ´1 1
1 0 0 ´6 2 ´3
1
L2 ÐÝ ´ L2 ñA = 0 1 0 , I3 = ´7 2 ´4
(7) (7)
3
0 0 1 3 ´1 1
´6 2 ´3
Alors A est inversible et A´1 = ´7 2 ´4
3 ´1 1
ième
2 méthode
:
x1 y1
soient X = x2 et Y = y2 P M3,1 (R )
x3 y3
$
y x
$
’
& 1 = 2x 1 ´ 2 + 2x 3 & x1 = 6y1 + 2y2 ´ 3y3
’ ´6 2 ´3 y1
AX = Y ðñ y2 = 5x1 ´ x2 + 3x3 ðñ x2 = ´7y1 + 2y2 ´ 4y3 ðñ X = ´7 2 ´4 y2
% y = ´x + 0.x ´ 2x
’ % x = 3y ´ y + y
’
3 ´1 1 y3
3 1 2 3 3 1 2 3
´6 2 ´3
Donc A´1 = ´7 2 ´4
3 ´1 1
22 gmail : azemrijamal@gmail.com
1.5 Trace d’une matrice-Matrices semblables
Proposition 6
( )
(i). Soit A = aij 1ĺi,jĺn P Tn+ (K ) alors
Preuve
(i). ñ / A est inversible .Alors A est équivalente par lignes à In alors toute forme échelonnée de A possède n
pivots . Supposons que Dk P J1, nK tel que akk = 0.Notons s le plus petit entier k P J1, nK tel que akk = 0.Pour
tout k P J1, s ´ 1K ,(k, k ) est une position de pivots mais (s, s) ne l’est pas car les seules opérations élémentaires
possible Ls Ø L j avec j P Js + 1, nK ne mènent pas à un (s,s)-pivot , car @k P Js, nK, aks = 0.Alors on a moins de
n-pivots ce qui ’est faux.
ð / Si tous les coefficients diagonaux de A sont non nuls alors A admet n pivots ce qui veut dire que toutes
les inconnues dans le système AX = 0n,1 sont principales donc le système AX = 0n,1 admet une seule solution.
Donc selon la proposition 4 , A est inversible.
‚Reste à montrer que A´1 P Tn+ (K ) :
a 1
En effectuant sur A les opérations suivantes Li ÐÝ Li ´ ik Lk où i ă k et Li ÐÝ Li on obtient In .
( ) ( ) akk aii
1 ´aik
On a Di P Tn+ et si i ă k on a Tik P Tn+ et donc DT1 , ¨ ¨ ¨ , Tr des matrices de permutations , de
aii akk
dilatations et de transvections dans Tn+ tel que Tr ˆ ¨ ¨ ¨ ˆ T1 ˆ A = In donc A´1 = Tr ˆ Tr´1 ˆ ¨ ¨ ¨ T1 P Tn+ (K )
Définition 13
n n
Soit A = ( aij )1ďi,jďn P Mn (K ). Le scalaire
ÿ ÿ
aii s’appelle la trace de A que l’on note Tr ( A) = aii
i =1 i =1
Exemple
1 4 8
Soit A = 2 ´2 ´7 alors Tr ( A) = 1 + (´2) + 11 = 10
0 ´1 11
Remarques
Tr : Mn (K ) Ñ K
¶. est une forme linéaire sur Mn (K ) i.e @A, B P Mn (K ) et @λ, µ P K , Tr (λA +
A ÞÑ Tr ( A)
µB) = λTr ( A) + µTr ( B).
·. @A, B P Mn (K ) , Tr ( AB) = Tr ( BA)
Preuve
23 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
( )
et on a Tr (λA) = Tr (λaij )1ďi,jďn
ÿn
= λaii
i =1
ÿn
=λ aii
i =1
ñ Tr (λA) = λTr ( A)
Exemple
( ) ( ) ( )
2 0 1 ´2 1 1
Dons M2 (R ) les matrices D = et B = sont semblables car B = P ´1
DP où P =
0 3 1 4 1 2
Remarques
24 gmail : azemrijamal@gmail.com
1.6 Matrice équivalentes
·. Si A „ B alors Tr ( A) = Tr ( B).
Preuve
¶.
6 Matrice équivalentes
Définition 15
Soient A, B P Mn,p (K ). On dit que A et B sont équivalentes si D( P, Q) P GL p (K ) ˆ GLn (K ) tel que B = QAP
Remarques
Exemples
(
) ( )
1 0 0 0
1. Dans M2 (R ) les matrices A = et B = sont équivalentes et non semblables.En effet :
0 0 1 0
‚ On prend P = P1,2 et Q = In donc A et B sont équivalentes .
‚ A ȷ B , par l’absurde.
25 gmail : azemrijamal@gmail.com
C HAPITRE 1 : Matrice (Partie 1)
Théorème 3
Soit A P Mn,p (K ). Alors :
( )
Ir Or,p´r
D( P, Q) P GL p (K ) ˆ GLn (K ) tel que Jr = QAP où Jr =
On´r,r On´r,p´r
Définition 16
r s’appelle le rang de A et on écrit rang( A) = r
Preuve
Soit E = (eij )1ďiďn la forme réduite de A donc DQ P GLn (K ) tel que QA = E. Notons C1 , C2 , ¨ ¨ ¨ , C p les colonnes de E
1ďjďp
et r le nombre des pivots de E.Notons (i, φ(i )) les positons des pivots.
˛ En effectuant sur E des opérations sur les colonnes de type : Cj Ð Cj ´ ei,j C φ(i) avec (i, j) P J1, rK ˆ J1, pK tel que
1
φ(i ) ă j on obtient une matrice E dont tous les coefficients sont nuls sauf ceux situés aux positions des pivots
1 1 1
de E.Donc DP P GL p (K ) tel que E = QAP
1 1
˛ En effectuant des permutations de colonnes sur E on obtient Jr . Donc DP” P GL p (K ) tel que Jr = QAP P”
1
Posons P = P P” alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que Jr = QAP
Remarques
0
..
1 . (0)
.
.. 0
..
¶. Si r = rang( A) ă n , alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que :QAP = 1 .
(0) 0 0
.. ..
. .
0 0
0 1
.. ..
. . ( 0 )
0 1
.
.. 0
·. Si r = rang( A) ă p , alors D( P, Q) P GL p (K ) ˆ GLn (K ) tel que : QAP =
..
(0) .
..
. 0
0
¸. Si n = p et A P Mn (K ) alors Jr2 = Jr
26 gmail : azemrijamal@gmail.com
1.7 Matrices par blocs
Définition 17
Soient n ě 2 et p ě 2 et M = (mij )1ďiďn . Soient r P J1, n ´ 1K et s P J1, p ´ 1K.
1ďjďp ( )
A B
Soient A = (mij )1ďiďr , B = (mij ) 1ďiďr , C = (mij )r+1ďiďn et D = (mij )r+1ďiďn alors M =
1ďjďs s+1ďjďp 1ďjďs s+1ďjďp C D
est appelée la décomposition (r, s) par blocs de M.
Proposition 7
( ) ( 1 1 )
A B A B
Soient M P Mn,p (K ) et N P M p,q (K ). Si M = et N =1 1 sont respectivement les décomposi-
C D C D
tions (r, s) par blocs de M et (s, t) par blocs de N alors la décomposition (r, t) par blocs de MN est
( 1 1 1 1 )
AA + BC AB + BD
MN = 1 1 1 1
CA + DC CB + DD
27 gmail : azemrijamal@gmail.com