Professional Documents
Culture Documents
com
Introduction ............................................................................................................................2
1
Dfinitions ......................................................................................................................2
2.3
2.4
3
3.3
Matrice Identit.......................................................................................................9
3.4
Matrices Inversibles..............................................................................................10
3.5
Matrices symtriques............................................................................................10
3.6
3.7
Matrices orthogonales...........................................................................................11
3.8
4
Matrices carres......................................................................................................8
Matrices normales.................................................................................................12
4.3
4.4
5
Inversion de matrices....................................................................................................18
5.1
5.2
Thormes ............................................................................................................19
5.3
5.4
5.5
6
Matrice adjointe....................................................................................................18
S. Charles (10/02/03)
......................................................................................................................................................................................................
Introduction
Historiquement cest Cayley, paralllement aux travaux de Grassmann, qui dgage la notion
d'espace vectoriel de dimension n, et introduit, avec Sylvester, la notion de matrice (le terme
sera introduit par ce dernier en 1850) et en expose l'usage en faisant emploi des dterminants
(dont l'initiateur fut Cauchy) dans une thorie plus large dite des invariants (1858) : on
entend l des proprits matricielles invariantes par transformation linaire comme, par
exemple, le dterminant et la trace (somme des lments diagonaux).
1 Dfinitions
Dfinition 1
Un tableau rectangulaire de la forme ci-dessous est appel matrice.
p colonnes
a11
a21
A=
a
n1
a12
a22
an 2
a1 p
a2 p
anp
n lignes
Llment aij
Dfinition 2
Le couple ( n, p ) est appel dimension de la matrice.
Dfinitions 3
Une matrice de dimension ( n,1) est une matrice colonne.
Une matrice de dimension (1, p ) est une matrice ligne.
).
S. Charles (10/02/03)
......................................................................................................................................................................................................
Exemple
2 3
A = 4 2
1 0
A a pour dimension ( 3, 2 )
a12 = 3
a31 = 1
Dfinition 4
dont les
k =1
Exemple
2 3
A = 4 2
1 0
B = {e1, e2 , e3 } base de
c1 = 2e1 + 4e2 + e3
1
= 2e1 + 3e2
B = {e1 , e2 } base de
c2 = 3e1 + 2e2
2
= 4e1 + 2e2
= e1
Dfinition
dont les
S. Charles (10/02/03)
......................................................................................................................................................................................................
Exemple 1
2 3
1 2
1 0
1 4
Proprits
( A + B ) + C = A + ( B + C)
(associativit)
(ii)
A+0 = A
(lment neutre)
(iii)
A + ( A ) = 0
(iv)
A+B = B+A
(oppos)
(commutativit)
Remarque : A = aij
a b
a b
Par exemple, si A =
, alors A =
.
c d
c d
2.2 Multiplication dune matrice par un scalaire
Dfinition
( n, p )
et
. On dfinit la matrice A
comme matrice dont tous les coefficients sont multiplis par : A = aij .
Exemple 2
2 3
Soient A = 4 2 et = 3 . Calculer A . Rponse.
1 0
Remarque : A = ( 1) A
S. Charles (10/02/03)
......................................................................................................................................................................................................
Proprits
( A + B ) = A + B
(ii)
( + ) A = A + A
(iii)
( ) A = ( A )
(iv)
1 A = A et 0 A = 0
Consquence
Compte tenu des proprits ci-dessus, lensemble des matrices de dimension ( n, p ) , muni des
deux lois prcdemment dfinies, est un espace vectoriel.
2.3 Multiplication de matrices
Dfinition
( p, q )
Remarque
Le produit AB nest donc possible que si le nombre de colonnes de A est gal au nombre de
lignes de B (p).
a12
b11 b12
et B=
a22
b21 b22
a
C= 11
a21
a12
a22
a11b11 + a12b21
b11 b12
soit C=
a21b11 + a22b21
b21 b22
a11b12 + a12b22
a21b12 + a22b22
S. Charles (10/02/03)
......................................................................................................................................................................................................
Moyen mnmotechnique
Exemple 3
2 1
4 2
Soient A=
et B=
. Calculer AB. Rponse.
1 4
0 2
Remarques
Exemple 3 (suite)
Vrifier avec les matrices A et B prcdentes que AB BA . Rponse.
Proprits
Soient A ( n, p ) , B ( p, q ) , C ( q, s ) , D ( p, q ) et E ( q, n ) :
(i)
( AB ) C = A ( BC )
(ii)
A ( B + D ) = AB + AD
(iii)
( B + D ) E = BE + DE
S. Charles (10/02/03)
......................................................................................................................................................................................................
Dfinition
a11
a21
Soit A =
a
n1
a12
a22
an 2
a1 p
a2 p
, la matrice transpose de A note A ou t A est la matrice
anp
a11
a12
t
obtenue en crivant les lignes de A en colonnes : A =
a
1p
a21
a22
a2 p
an1
an 2
a pn
Exemple 4
2 3
Soit A = 4 2 . Calculer t A . Rponse.
1 0
Proprits
(iii)
(iv)
( A + B) = t A + t B
( A) = A
t
(A) = t A
( AC ) = t C t A
1 0
1 1
( A + B ) = t A + t B . Rponse.
S. Charles (10/02/03)
......................................................................................................................................................................................................
2 0 3
1 0
( AC ) = t C t A . Rponse.
Matrices carres
Dfinition
Une matrice dont le nombre de lignes est gal au nombre de colonnes est appele matrice
carre. Si elle a pour dimension ( n, n ) , on dit alors quelle est dordre n.
Rappelons que laddition et la multiplication de matrices ne sont pas dfinies pour des
matrices quelconques. Cependant, si on considre uniquement des matrices carres dordre n
donn, alors les oprations daddition, de multiplication, de multiplication par un scalaire, et
de transposition sont dfinies et leurs rsultats sont encore des matrices carres dordre n.
Exemple
2 5 1
1 2 3
1 2 4
5 6 7
Dfinition 1
On appelle diagonale (ou diagonale principale) dune matrice carre dordre n, les lments
a11 , a22 , , ann de la matrice.
Exemple
a11 a12
A = a21 a 22
a
31 a32
a13
a23
a 33
S. Charles (10/02/03)
......................................................................................................................................................................................................
Dfinition 2
Une matrice carre D = dij est dite diagonale si tous ses lments non diagonaux sont nuls.
Une telle matrice est frquemment note D = diag ( d11 , d 22 , , d nn ) o certains ou tous les
scalaires dii peuvent tre gaux zro.
Exemples
1 0 0
D1 = 0 3 0
0 0 2
4 0
D2 =
0 5
0
D3 =
0
0 0
0 0
0 2
0 0
0
0
Dfinition
Une matrice carre dordre n ne comportant que des 1 sur la diagonale principale et des 0
partout ailleurs, est note I n et est appele matrice unit ou matrice identit.
Exemple
1 0 0
I3 = 0 1 0
0 0 1
Proprit 1
AI p = I n A = A
Exemple
1 3
Soit A = 2 0 . Vrifier que AI 2 = I 3 A . Rponse.
4 1
S. Charles (10/02/03)
......................................................................................................................................................................................................
Proprit 2
Exemple
0 0
I 3 = 0 0
0 0
Remarque
On parle de matrice scalaire car elle joue le mme rle que celui dun scalaire dans la
multiplication dune matrice par un scalaire : A ( I p ) = ( I n ) A = A .
Dfinition
Une matrice carre A, dordre n, est dite inversible ou non singulire, sil existe une matrice
carre B dordre n telle que AB = BA = I n , Une telle matrice B est unique, dordre n ; on
lappelle matrice inverse de A et on la note A 1 .
Remarque
La relation prcdente est symtrique, cest--dire que si B est linverse de A, alors A est
linverse de B.
Dfinition
S. Charles (10/02/03)
......................................................................................................................................................................................................
Exemple
1 2 3
A= 2 4 9
3 9 0
Dfinition
Une matrice triangulaire est une matrice carre dont les lments au-dessous (ou au-dessus)
de la diagonale principale sont tous nuls.
Exemples
1 2 3
1 0 0
Dfinition
Exemple
1
9
4
A=
9
8
9
4
9
1
9
4
9
7
9
Proprit
S. Charles (10/02/03)
......................................................................................................................................................................................................
Dfinition
Remarque
Il est clair que si A est symtrique ou orthogonale, alors elle est normale. Mais il existe
dautres matrices normales.
Exemple
6 3
A=
3 6
On rappelle que E n = E E E .
n fois
Dfinition 1
(i)
(ii)
. Alors :
D ( x1 , , ui , , xn ) = D ( x1 , , ui , , xn )
Si F =
Dfinition 2
S. Charles (10/02/03)
......................................................................................................................................................................................................
n n
telle que :
(i)
(ii)
D est alterne ;
(iii)
Dfinition
Cette application D : (
n n
Remarque
Soit V
det ( v1 , v2 , , vn )
j = 1, n . Alors V = ( v1 , v2 , , vn ) (
n n
et
Soit A une matrice carre dordre n. Soit A = aij . Chaque colonne de A peut alors tre
considre comme un vecteur de
Ainsi, la dfinition de la notion de dterminant dune matrice carre est troitement lie la
dfinition du dterminant dun systme de vecteurs :
det ( A ) = det ( v1 , v2 , , vn )
a11 a1n
ann
S. Charles (10/02/03)
......................................................................................................................................................................................................
4.3.1
Dfinition
a c
a c
Soit A =
= a d bc .
. Alors det ( A ) =
b d
b d
Moyen mnmotechnique
Exemple 8
2 5
Soit A =
. Calculer det ( A ) . Rponse.
3 7
4.3.2
Rgle de Sarrus
Cette rgle nest valable que pour des matrices carres dordre 3, et nest absolument
pas gnralisable. Mieux vaut donc lui prfrer la rgle gnrale nonce dans le
paragraphe suivant.
a1
Soit M = a2
a
3
b1
b2
b3
c1
c2 .
c3
S. Charles (10/02/03)
......................................................................................................................................................................................................
Exemple 9
2 1 0
4.3.3
Lastuce consiste se ramener des dterminants dordre infrieur jusqu obtenir des
dterminants dordre 2. Pour cela, on dveloppe le dterminant par rapport une ligne ou une
colonne.
a11
a1n
a21
a22
a2 n
an1
Soit =
a12
an 2
ann
un dterminant dordre n.
i+ j
ij
Application :
= a11 X 11 + a12 X 12 + + a1 p X 1 p (ligne 1)
= a11 X 11 + a21 X 21 + + a p1 X p1 (colonne 1)
a22
a2 p
X 11 = +11 =
a21 a2 p
X 12 = 12 =
a p 2 a pp
a p1 a pp
S. Charles (10/02/03)
......................................................................................................................................................................................................
Remarque
i+ j
b1
c1
= a2
a3
b2
b3
c2
c3
= a1 X 11 + a2 X 21 + a3 X 31 (colonne 1)
= a111 a2 21 + a3 31
= a1
b2
b3
c2
b
a2 1
c3
b3
c1
b
+ a3 1
c3
b2
c1
c2
Exemple 10
1
Propositions
b) Si on change deux lignes (deux colonnes) dun dterminant alors on obtient det ( A )
S. Charles (10/02/03)
......................................................................................................................................................................................................
a c
c
= ad bc et
b d
d
a
= bc ad = (ad bc)
b
c) On ne modifie pas un dterminant si on ajoute une ligne (resp. une colonne) une
combinaison linaire des autres lignes (resp. des autres colonnes) :
a b
= ad bc
c d
a+b b
= (a + b)d b(c + d ) = ad + bd bc bd = ad bc
c+d d
d) Si on multiplie une ligne (resp. une colonne) dun dterminant par un scalaire , alors le
dterminant est lui-mme multipli par .
a
b
= a d b c = (ad bc)
c d
n
e) Si A = aij est une matrice triangulaire dordre n alors det A = aii (produit des termes
i =1
0
a3
0
0 det ( A ) = a1a2 a3
a3
1
det ( A )
det ( A ) = n det ( A )
Exemple 11 (propositions b et c)
1 1 4
Soit A = 2 1 3 . Vrifier les propositions b et c prcdentes. Rponse.
2 4 3
S. Charles (10/02/03)
......................................................................................................................................................................................................
Les dterminants sont lis aux aires et aux volumes. Soient u1 , u2 , , un des vecteurs de
Proposition
V ( S ) = det ( u1 , u2 , , un ) = 0 si et seulement si les vecteurs u1 , u2 , , un sont linairement
dpendants.
Vrification dans le cas n = 2 : voir chapitre 5, paragraphe 7.
5 Inversion de matrices
5.1
Matrice adjointe
Dfinition
Considrons une matrice carre A dordre n, la matrice des cofacteurs X ij des lments aij de
A note adjA est appele matrice adjointe de A ou co-matrice de A.
adjA = comA = X ij = ( 1)
i+ j
ij
Exemple 12
a
A = 11
a21
a12
. Calculer adjA . Rponse.
a22
S. Charles (10/02/03)
......................................................................................................................................................................................................
5.2 Thormes
Thorme 1
Soit A une matrice carre dordre n. Alors A est une matrice inversible si et seulement si
det ( A ) 0 .
Thorme 2
Thorme 3
Soit A une matrice carre quelconque dordre n. Si det ( A ) 0 , alors A est inversible et :
A 1 =
1
t
( adjA )
det ( A )
(ac bd ) d
b a
Exemple 13
2 5
1
Soit A =
. Calculer A . Rponse.
3 7
b
.
a
S. Charles (10/02/03)
......................................................................................................................................................................................................
Dfinition
(i)
(ii)
1
A 1 = diag
aii
a11
A=
a22
1 a11
1 a22
A 1 =
a pp
1 a pp
Surface foliaire
i aij
p = 365 (jours)
S. Charles (10/02/03)
......................................................................................................................................................................................................
N a : nombre d'alevins
N1 : nombre de poissons d'un an
N 2 : nombre de poissons de 2ans
N 3 : nombre de poissons de 3ans et plus
S. Charles (10/02/03)
......................................................................................................................................................................................................
0 30 60
0
0
0
0.1 0
Pn +1 =
Pn Pn +1 = APn
0 0.5 0
0
0
0 0.6 0.6
La matrice A permet de dcrire lvolution danne en anne de leffectif des quatre classes
dge de la population.
Ainsi, si on suppose que lon lche dans une rivire dpeuple 100 ombres adultes (de 3 ans)
aprs leur priode de reproduction, on peut alors tudier lvolution du repeuplement de la
rivire au cours du temps :
0 30 60 0 6000
0
0.1 0
0
0 0 0
Lanne suivante, n = 1 , on a P = AP0 , soit : P =
=
1
1
0 0.5 0
0 0 0
0
0 0.6 0.6 100 60
0 30 60 6000 3600
0
0
0 0 60
0.1 0
A n = 2 , on a P2 = AP , cest--dire P2 =
=
.
1
0 0.5 0
0 0 0
0
0 0.6 0.6 60 36
Et ainsi de suite
On peut remarquer que P2 = AP = AAP0 = A 2 P0 ; dans le cas gnral, on peut connatre les
1
effectifs des quatre classes dge pour nimporte quelle anne n par la relation : Pn = A n P0 .
On comprend alors tout lintrt de savoir calculer simplement A n .
Voir chapitre 4
S. Charles (10/02/03)
......................................................................................................................................................................................................
Effectif
200000
150000
100000
50000
0
0
10
15
Temps (annes)
Na
1 an
2 ans
3 ans et plus
20
M ATRICES ( INTRODUCTION )
Michel Rigo
Premiers bacheliers en sciences mathmatiques
October 7, 2009
a11 a1n
.
.
.
.
A= .
. .
am1 amn
ou simplement A = (aij ).
(aij )1im,
1jn
m
Lensemble des matrices m n coefcients dans K : Kn
rectangulaire si m = n.
carre si m = n,
verticale si m > n,
horizontale si m < n,
m
Soit A Kn , m est la hauteur de A et n sa largeur.
La matrice A est
E XEMPLE
A=
1 2 3/4
.
0 1 5
2
La matrice horizontale A de Q3 dnie par
a11 = 1, a12 = 2, a13 = 3/4, a21 = 0, a22 = 1 et a23 = 5 est
E XEMPLE
3
La matrice verticale B de R2 dnie par aij = i j est
0 1
B = 1 0 .
2 1
E XEMPLE ( MATRICE
DE
1/2
1/3
1/4
1/5
1/3
1/4
1/5
1/6
1
=
.
i +j 1
H ILBERT )
hij
n
H = (hij ) de Rn dnie par
Si n = 4, alors
1/2
H=
1/3
1/4
1/4
1/5
.
1/6
1/7
0
0 0
0 0 0
(resp. triangulaire infrieure)
E XEMPLE
n
Considrons la matrice carre A Rn dnie par
aij = i ij .
1 0 0
.
..
.
. .
0 2
= diag(1, 2, . . . , n).
.
.
. . . . . . . 0
0 0 n
M ULTIPLICATION SCALAIRE
m
m
m
Soient K et A Kn . K Kn Kn
A =
( aij )1im, .
1jn
(A) = ()A.
1A = A,
m
Si , K et si A Kn , alors
E XEMPLE
1 0 3
3 0
9
3 2 0 = 6 3 0 .
0 0 1
0 0 3
A DDITION
A + B = (aij +
0 5
.
3 6
bij )1im, .
1jn
m
m
m
m
Soient A, B Kn . + : Kn Kn Kn
E XEMPLE
1 2
1 3
+
3 4
0 2
m
Si A, B, C Kn , alors
(A + B) + C = A + (B + C)
A+B =B+A
A + 0 = 0 + A = A.
m
(Kn , +) est un groupe commutatif.
m
Si , K et si A, B, C Kn , alors
( + )A = A + A,
(A + B) = A + B
m
Kn est un espace vectoriel sur K.
i A i = 1 A 1 + + r A r
m
Soient A1 , . . . , Ar Kn et 1 , . . . , r K. Une expression de la
forme
r
j=1
M ULTIPLICATION
AB =
n
k =1
aik bkj
1 2 1 2
0 6
0 2
1im,
1j
E XEMPLE
1 0 0 1
1 0 1
1 3 0 0 =
2 2 0
0 2 1 1
I)
n
m
Si est un scalaire et si A Kn , B K , alors
(A + B).C = AC + BC
A.(B + C) = AB + AC
m
Si A Kn , alors
et
Im A = A,
A(BC) = (AB)C.
A0n, = 0
AIn = A.
m
III ) Le produit matriciel est associatif : A Kq , B Kp ,
p
C Kn
IV )
0,m A = 0,
[(AB)C]ij
De plus,
[A(BC)]ij
=1
Ai
k =1
Ai Bk Ckj .
Ai Bk Ckj .
k =1 =1
=1 k =1
Ckj =
Bk Ckj =
Ai (BC)j
Ai Bk
(AB)ik Ckj
k =1
p
k =1
=1
q
=1
AIn = A :
(In )ij = ij . Ds lors,
(AIn )ij =
n
k =1
aik kj = aij .
R EMARQUE
R EMARQUE
0 1
1 0
0 1
1 0
0 1
0 0
1 0
0 0
0 0
0 1
et
0 1
0 0
An = A . . . A .
Si n = 0, on pose A0 = Ik .
n
k
Cn Ak B nk .
commutent.
0 I + 1 A + + r Ar
et 0 I + 1 A + + s As
Ap Aq = Aq Ap .
0 1
1 0
0 1
1 0
1 0
.
0 1
0
1 1
1 1 1
2
1 i
= 0, 1 0
1 1 1 1 = 0.
i 1
1 1 0
1 1 1
T RANSPOSITION
m
La transpose de la matrice A = (aij ) Kn est la matrice
n
A Km dont les lignes sont les colonnes de A,
(A)ij = aji .
A = A,
(A + B) = A + B,
(AB) = B A.
E XEMPLE
A=
1 2
,
3 4
A=
1 3
.
2 4
O PRATIONS SPCIFIQUES
AUX MATRICES COMPLEXES
la matrice adjointe de A :
A = A = A,
autrement dit, (A )ij = aji .
E XEMPLE
on a
et
Re A =
A=
A=
1 0 1
0 0 2
1+i 2 1i
,
0
3 + 2i
1 2 1
, Im A =
0 3
1i
0
1i 2 1+i
.
, A = 2
0
3 2i
1 + i 3 2i
A = Re A + i Im A
Re A = 1 (A + A)
2
A=A
A + B = A + B
A = Re A i Im A
1
Im A = 2i (A A)
(A ) = A
(A + B) = A + B
S OUS - MATRICES
(aik j )1k r .
1s
E XEMPLE
On a par exemple,
A(1,2;1,3)
A(1;1,2,3,4) = 1 2 3 4
1 2 3 4
A = 5 6 7 8 .
9 10 11 12
1 3
,
5 7
A(1,2,3;3)
3
= 7 .
11
M ATRICES
COMPOSES
A11 A1s
.
.
.
.
.
. = (Aij )1ir ,
1js
Ar 1 Ars
E XEMPLE
1
C1 = 2 ,
3
C3 ) est
4 7
5 8 .
6 9
4
C2 = 5 ,
6
1
2
3
7
C3 = 8 .
9
1 2
,
3 4
E XEMPLE
A11
A12
5
,
6
A21 = 7 8 ,
1 2 5
3 4 6
7 8 9
A22 = 9 .
r
j=1 nj .
A1
.
..
diag(A1 , . . . , Ar ) =
= (Ai ij )1i,jr .
Ar
E XEMPLE
A1
1 2
,
3 4
A2
5 6
.
7 8
1 2 0 0
3 4 0 0
0 0 5 6 .
0 0 7 8
B=
(Bij )1it,
1ju
(Aij )1ir , ,
1js
Bij )1ir , .
1js
B=
(Bij )1it,
1ju
(Aij )1ir , ,
1js
Aik Bkj
sont telles que s = t et que les produits Aik Bkj ont un sens,
alors
AB =
k =1
1ir ,
1ju
E XEMPLE
a11 a12
a21 a22
a31 a32
a11 a12
a22
a
= 21
a31 a32
b11
b21
b11
b21
a13
b11 b12
a23 b21 b22
a33
b31 b32
a13
b12
b31 b32
+
a23
b22
b
12
+ a33 b31 b32
b22
a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
= a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32 .
a31 b11 + a32 b21 + a33 b31 a31 b12 + a32 b22 + a33 b32
AB =
1jr
alors A =
1jr
(Aji ) 1is, .
(Li Cj ) 1im, .
m
Dans le cas particulier o L1 , . . . , Lm sont les lignes de A Kn
n
et C1 , . . . , Cr les colonnes de B Kr , alors
Enn, si
A=
1js
(Aij ) 1ir , ,
A propos de matrices
Page 1 sur 16
La taverne de l'Irlandais
vous prsente
Au sommaire :
Le temps des matrices................................................................................................................ 2
Somme de deux matrices et produit par un rel..................................................................... 3
L'addition matricielle................................................................................................................................................. 3
Les proprits de la somme ....................................................................................................................................... 4
Produit d'une matrice par un rel ............................................................................................................................. 4
L'impossible rsolution d'une quation matricielle linaire ................................................................................... 6
Le produit matriciel..................................................................................................................... 6
Tous les produits ne sont pas possibles !.................................................................................................................. 8
La multiplication matricielle n'est pas commutative !............................................................................................. 9
Par contre, elle est associative................................................................................................................................... 9
Priorit opratoire et distributivit .......................................................................................................................... 11
Un produit nul de facteur non nuls.......................................................................................................................... 11
Le monde merveilleux des matrices carres d'ordre n .........................................................12
La question de l'inverse ( gauche ou droite) .......................................................................................................12
L'inverse d'une matrice carre d'ordre 2 .................................................................................................................13
L'inverse pour les ordres suprieurs ........................................................................................................................ 15
L'inverse dans la rsolution d'un systme ............................................................................................................... 15
A propos de matrices
Page 2 sur 16
a n,1 a n,2 a n,p
( )
n lignes et p colonnes
4 2 1
La matrice A =
est de dimension 2 3 c'est--dire qu'elle comporte deux
7 1 0
lignes et trois colonnes.
Son coefficient a2,1 c'est--dire celui se trouvant la deuxime ligne et la premire
colonne est 7.
Son coefficient a3,1 n'existe pas ! En effet, elle n'a que deux lignes !
4
La matrice B = 2 / 3
2
La premire est la matrice nulle. Tous ses coefficients sont nuls. Il s'agit de 0 0 0 .
0 0 0
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 3 sur 16
La seconde est la matrice identit d'ordre 3 aussi note Id 3 . Tous ses coefficients sont
1 0 0
Ces deux matrices particulires existent pour tous les ordres possibles. Mmes les plus
absurdes !
Maintenant que nous avons une ide de ce que sont les matrices, nous allons pouvoir les
oprer. Sortez les bistouris, nous arrivons !
( )
( )
La somme des matrices A et B est la matrice de mme dimension note A + B et dfinie par :
a1,1 a1,2 a1,p b1,1 b1,2 b1,p a1,1 + b1,1 a1,2 + b1,2 a1,p + b1,p
a2,1 a2,2 a2,p b2,1 b2,2 b2,p a2,1 + b2,1 a2,2 + b2,2 a2,p + b2,p
+
=
an,1 an,2 a n,p b n,1 b n,2 bn,p a n,1 + bn,1 a n,2 + bn,2 a n,p + bn,p
Matrice A
Matrice B
Matrice A+B
Une fort belle et bien lourde dfinition dont on ne retiendra que le principe gnral : on
additionne leurs coefficients respectifs. A ce propos, mettons-l en application sur quelques
exemples.
8 + 7 = 3 15
5 8 + 2 7 = 5 + 2
7
9 1 9 7 + ( 1) 9 + ( 9) 6 0
5 1 7 6 8 5 + 6 1 + 8 7 + ???
+
=
= Mais il manque une colonne !
2 3 4 9 1 2 + 9 3 + 1 4 + ???
Tout cela car ces deux matrices n'ont pas les mmes dimensions ! L'opration s'avre
donc impossible !
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 4 sur 16
+
=
=
3 3 3 0 0 0 3 + 0 3 + 0 3 + 0 3 3 3
Cet exemple illustre le fait que l'addition matricielle admet un "zro" en la personne de
la matrice nulle (celle qui a des 0 partout). On dit qu'elle est l'lment neutre de
l'addition. N'importe quelle matrice ajoute la matrice nulle reste elle-mme !
A +B=
+
=B+ A
a + b
b +a
A la ligne i et la colonne j,
on commute les deux termes rels ai, j et bi, j
Car l'addition relle est commutative !
2 + 8 15 + 1 2 = 1
2 + 1 2 + 8 15
1
2 5
12 8 2 5
2 5 2 5
12 8
0 0
0 0
0 0
7 11 7 11
+ 8 15 = 8 15
12 8 12 8
Matrice nulle
Dans l'exemple prcdent, les premire et troisime matrices sont les opposes l'une de
l'autre. Comprenez que leurs somme est la matrice nulle qui est l'lment neutre de l'addition
matricielle. La notion d'oppos d'une matrice se dfinit comme celles des nombres ou des
vecteurs.
Dfinition : dire que A est l'oppos de B signifie que A + B = 0
Pratiquement, l'oppos de la matrice A est une matrice de mme dimension et dont les
coefficients sont les opposs de ceux de A.
Produit d'une matrice par un rel
Cette opration est l'extension de celle existant pour les vecteurs de l'espace ou du plan.
x
En effet, si on appelle y les coordonnes d'un vecteur u de l'espace dans un quelconque
z
k.x
C'est l le produit d'un vecteur colonne par un rel ! On tend cette opration a toutes les
autres matrices en multipliant chacun de ses coefficients par le nombre rel k.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 5 sur 16
( )
Matrice A
Matrice k .A
A l'instar de ce qui se passe pour les vecteurs, cette multiplication matricielle/relle est
prioritaire par rapport l'addition vectorielle. C'est un choix comme la priorit de la
multiplication relle par rapport l'addition relle. Ainsi, par exemple :
2 1
1 7
8 4 3 21
8 + 3 4 ( 21) 5 25
4.
=
3.
=
12 9 28 3
7 3
0 3
28 12 0 9
28 + 0
Prioritaire...
Prioritaire...
( )
( )
k. [ A + B ] = k .
a + b
a n,p + b n,p k.a n,1 + k.b n,1 k.a n,p + k.b n,p
n,1
n,1
Matrice A+B
= k.A + k.B
k.a
Matrice k .A
Matrice k.A
Dans le mme esprit, nous pourrions dire que la multiplication rel/matrice est distributive
par rapport l'addition des nombres. En effet, si k et l sont deux rels et A = a i,j une
( )
(k + l ).A =
=
(k + l ).a
n,1 (k + l ).a n,p k.a n,1 k.a n,p l .a n,1 l.a n,p
= k.A + l.A
Cette dernire proprit s'emploie gnralement de la droite vers la gauche, savoir dans le
sens de la rduction des sommes : 2.A + 6.A = 8.A . C'est comme avec les x et les vecteurs !
Les esprits chagrins et les vieilles filles me feront remarquer que les deux proprits
prcdentes taient assez videntes et donc qu'il tait inutile de rentrer dans les dtails et ainsi
de les tablir. L'interrogation qui me vient est alors de savoir ce qu'ils diront de l'exercice
suivant.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 6 sur 16
1 4 2 0 1 0
4 6 3
3. X
+
= 5.X +
7 3 5 7 0 2
1 2 0
Ce genre d'quation n'est pas sans rappeler les traditionnelles quations du premier degr
coefficients rels. Nous inspirant de ces dernires, nous allons pour la rsoudre mettre les X
d'un ct et les "sans X" de l'autre. Petite diffrence tout de mme : nous allons travailler avec
des matrices 2 3
1 4 2
3. X
7 3 5
0 1 0
4 6 3
+
= 5.X +
7 0 2
1 2 0
3 12 6 0 1 0
4 6 3
3.X
+
= 5.X +
21 9 15 7 0 2
1 2 0
4 6 3 3 12 6 0 1 0
3.X 5.X =
+
1 2 0 21 9 15 7 0 2
Les X d'un ct...
Les "sans X" de l'autre !
1 19 9
2.X =
13 11 13
On divise par -2
1 1 19 9 0,5 9,5 4,5
X = .
=
Le produit matriciel
Si on peut considrer que la somme matricielle et le produit d'une matrice par un rel sont les
extensions de leurs confrres vectoriels, il ne peut en aller de mme pour le produit de deux
matrices. Car le produit de deux vecteurs n'existe pas !
Ou plutt si, il existe ! Mais son rsultat est un nombre rel ! C'est partir de ce produit que
l'on dit scalaire que nous allons dfinir le produit de deux matrices.
Pour bien comprendre la chose, plaons dans l'espace que nous supposons muni d'un repre
orthonorm O; i, j, k . Le produit scalaire des vecteurs u ( 1; 2;3 ) et v ( 7;4; 1 ) est donn par
u.v =
7
( 1 2 3 ) . 4
1
1 7 + ( 2) 4 + 3 (1)
= 4
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 7 sur 16
S'inspirant du produit scalaire u.v , nous dirons que le produit de la matrice ligne ( 1 2 3 )
7
par la matrice colonne 4 est gal la matrice de dimension 1 1 qu'est ( 4 ) .
1
Prolongeons cette exprience sur d'autres exemples :
1 2
En quelque sorte, nous avons considr que la seconde matrice tait un double vecteur
colonne. Nous avons donc procd deux produits scalaires. Le rsultat de la
multiplication d'une matrice 1 3 et d'une matrice 3 2 est donc une matrice 1 2 .
1 2 3
4 5 1
7
2
1
Va donner sa colonne...
17 + 22 + 31
Ligne 1 avec la colonne 14
=
=
( 4) 7 + 5 2 + 1 1 17
Ligne 2 avec la colonne
Grossirement, nous avons les produits scalaires de chacune des lignes de la premire
matrice avec cette matrice colonne. Le produit d'une matrice 2 3 et d'une matrice
3 1 est donc une matrice de dimension 2 1 .
2 (3)
21
=
( 3 1 )
7 ( 3)
7 1
21 7
7
Refile tes colonnes !
Ces trois exemples montrent comment multiplier deux matrices : on fait le produit scalaire de
chaque ligne de la premire matrice avec chaque colonne de la seconde. Le produit matriciel
se dfinit donc de la manire suivante :
( )
( )
dimension m p .
La produit des matrices A et B est la matrice de dimension n p note A B et dfinie par :
colonne j
ligne i a i,1 a i,m
Matrice A
b1,j
b1,m
Matrice B
colonne j
Matrice AB
Le coefficient de matrice produit se trouvant la i-me ligne et la j-me colonne est donc la
somme des produits des m coefficients de la i-me ligne de la matrice A et de la j-me ligne de
la matrice B. Bref, c'est trs simple !
Entre deux siestes sur les bancs de l'cole primaire, on a d vous apprendre poser vos
multiplications lorsque celles-ci concernaient de grands nombres. Une astuce similaire existe
pour les produits matriciels. Elle structure les calculs et vite ainsi de s'emmler les pinceaux.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 8 sur 16
0 2 3
1 2 1
On crit ces deux matrices dans un tableau : le premier facteur sur la gauche et le second sur
le haut. Puis, on calcule chaque coefficient de la matrice produit en "embotant" la ligne
correspondante du premier facteur et la colonne correspondante de la seconde matrice
facteur.
Seconde matrice facteur
-2
-3
-1
1 0 + (2) 1 + 1 6
1 ( 2) + (2) (3) + 1 ( 1)
1 3 + ( 2) 4 + 1 0
=4
=3
= 5
Premier facteur
-2
-4
2 0 + 0 1 + ( 4) 6 2 ( 2) + 0 ( 3) + (4) ( 1) 2 3 + 0 4 + ( 4) 0
=0
=6
= 24
Matrice produit
Cette prsentation a le gros avantage de structurer les calculs : elle limite le risque de prendre
la mauvaise ligne ou la mauvaise colonne. Reste alors viter l'cueil des erreurs de calculs.
Ayant pos et effectu la multiplication, nous pouvons conclure que :
0 2 3
3 5
1 2 1
4
1 3 4 =
3 0 4 6 1 0 24 0 6
Tous les produits de matrices ne sont pas possibles. Elles doivent avoir des dimensions
compatibles. Plus exactement, le premier facteur doit avoir autant de colonnes que le second a
de lignes. Cela afin que les lignes de la premire matrice s'embotent bien avec les colonnes de
1 2 3 5 3
la seconde. Il est par exemple impossible de faire le produit suivant
1 0 7 6 4
Trois colonnes
Deux lignes
Premire matrice
-1
1 5 + 2 6 + 3 ???
1 3 + 2 4 + 3 ???
( 1) 5 + 0 6 + 7 ??? ( 1) 3 + 0 4 + 7 ???
Matrice
produit
Il manque une ligne la seconde matrice. Par contre, le produit dans l'autre sens est possible !
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 9 sur 16
1
B A = (1 2 )
5
1 1 1 2 1 2
=
=
5 1 5 2 5 10
(9)
Matrice 11
Matrice 22
Et puis, mme lorsque l'on travaille avec des matrices sympas comme des matrices carres
d'ordre 2, la plupart du temps, les choses se passent mal : a ne commute pas !
1 2
2 3
Par exemple, voyons ce qu'il en est avec les matrices carres A =
et B =
.
6 1
7 1
1 2 2 3 16 1
A B =
6 1 7 1 5 19
2 3 1 2 16 7
B A =
7 1 6 1 13 13
On peut commencer
par ce produit
( )
( )
( )
Nous considrons trois matrices carres d'ordre n notes A = a i,j , B = bi,j et C = c i,j .
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 10 sur 16
Pour prouver que le produit matriciel est associatif, Nous devons prouver que les calculs
( A B ) C et A ( B C ) conduisent au mme rsultat. Quelque soit la multiplication par
Preum's
Preum's
= a1 + a 2 + + a k + + a n
k =1
Somme des ak
avec k allant de 1 n
( A B ) C
i,j
[ A B]i,k
.c k,j =
Coefficient d'indice i, j
de la matrice (AB)C
l =1
k =1
k =1 l =1
La ligne de i de A
avec
la colonne j de B
La ligne i de AB
avec la colonne j de C
i,j
Coefficient d'indice i, j
de la matrice A( BC)
a
l =1
[B C ]l,j
i,l
=
a i,l .
b l,k .c k, j =
l =1
k =1
Coefficient d'indice l, j
de la matrice BC
La ligne i de A
avec la colonne j de BC
La ligne de l de B
avec
la colonne j de C
l =1 k =1
Les deux signes sommes (l'un en variable k et l'autre en l) ne dpendant pas l'un de l'autre, ils
sont donc permutables. Par suite, pour tous entiers i et j compris entre 1 et n, avons-nous :
( A B ) C =
i,j
= A (B X )
k =1 l =1
i,j
Leurs coefficients respectifs tant gaux, il en va donc de mme pour les matrices carre
d'ordre n que sont ( A B ) C et A ( B C ) .
La proprit que nous venons d'tablir pour les matrices carres, s'tend toutes les autres
matrices pour peu qu'elles aient des dimensions compatibles. Ainsi avons-nous :
Dfinition : la multiplication matricielle est associative. Pour toutes matrices A, B et C aux
dimensions compatibles :
A B C = ( A B) C = A (B C )
On commence par la multiplication que l'on veut !
=
=
4 1 1 3 2 2
4 1 0 13
104 + 0 0 + 13 104 13
Commenons par
cette multiplication
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 11 sur 16
Classiquement, nous aurions pu commencer nos calculs en multipliant les deux premires
matrices. Mais il est probable que les calculs auraient t un petit peu plus compliqus...
Priorit opratoire et distributivit
A l'instar de leurs consoeurs relles, la multiplication matricielle est prioritaire par rapport
l'addition. S'il en est ainsi, c'est parce que l'on a dcrt. Les priorits opratoires restent donc
les mmes que pour les nombres rels.
Par exemple, effectuons le calcul suivant :
3 1
3
3 1 12 15
9 16
=
=
+
(4 5)
0 7
2
0 7 8 10
8 17
Multiplication prioritaire
Distribution gauche
A (B + C )
On distribue de la gauche
A B + A C
On multiplie gauche par A
(B + C ) A
On distribue de la droite
B A + C A
On multiplie droite par A
Une telle proprit se dmontre assez facilement : tout repose sur le fait que la colonne j (ou
ligne i) de la matrice B + C est la somme des lignes colonnes j (ou des lignes i) des matrices B
et C.
Un produit nul de facteur non nuls
Depuis toujours, on vous a demand de considrer comme un acquis qu'un produit tait nul si
et seulement si au moins l'un de ses facteurs l'tait. Cette ralit permet en outre de rsoudre
des quations du second degr, voire mieux.
Mais il s'agit l d'une vrit relle voire complexe. Car la ralit matricielle est tout autre : un
produit peut tre nul sans pour autant que l'un de ses facteurs le soit. C'est par exemple le cas
des produits suivants :
4
( 6 3 2 ) . 6 = ( 6 4 + (3) 6 + 2 (3)) = ( 0 ) Matrice nulle 1 1 !
3
1 2 10 8 1 10 + (2) 5 1 8 + (2) 4 0 0
=
=
Matrice nulle 2 2
3 6 5 4 ( 3) 10 + 6 5 (3) 8 + 6 4 0 0
2
1 1
1 1
1 1 1 1 1 1 + 1 ( 1) 1 ( 1) + ( 1) (1) 0 0
=
=
=
1 1 1 1 1 1 + 1 ( 1) 1 ( 1) + ( 1) (1) 0 0
Le carr est un
produit par soi-mme
On dit que les matrices prcdentes sont des lments irrguliers : un produit dont elles sont
facteurs peut donner une matrice nulle. A leur sujet, on parle galement de diviseurs de 0.
C'est cause d'elle que le monde des matrices n'est pas intgre.
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 12 sur 16
D'abord la somme de deux matrices carres d'ordre n est une autre matrice carre
d'ordre n.
A cela, rien d'extraordinaire car il en va ainsi de toutes les sommes de matrices : les
dimensions sont conserves.
0 0
La matrice nulle
est l'lment neutre de cette addition dans Mn ( ) .
0 0
n lignes et n colonnes
Cette matrice nulle est Mn ( ) ce qu'est 0 l'ensemble des rels. La somme de toute
matrice carre A et de cette matrice nulle donne la matrice A.
Enfin, toute matrice carre A d'ordre n admet dans Mn ( ) un oppos, c'est--dire une
matrice B telle que A + B = Matrice nulle .
Les coefficients de cette matrice B sont les opposs de ceux de A.
Tout cela fait de l'ensemble Mn ( ) muni de l'addition matricielle un groupe.
Avec le produit par un rel, l'ensemble Mn ( ) devient un espace vectoriel.
Et puis, il y a le produit de deux matrices carres d'ordre n dont le rsultat est une
autre matrice carre d'ordre n. Et l, c'est une spcificit des matrices carres !
0
1
La matrice identit Id n =
0
1
Mn ( ) avec ses addition et multiplication matricielles est un anneau qui n'est pas
intgre.
La question de l'inverse ( gauche ou droite)
Le produit rel a ceci d'avantageux sur son petit frre matriciel qu'il est commutatif. La
dfinition de l'inverse d'un nombre rel s'en trouve donc simplifie.
A propos de matrices
Page 13 sur 16
Pour les matrices, les choses sont diffrentes car les produits A B et B A ne sont pas
toujours gaux. Si l'on veut dfinir cette notion d'inverse pour les matrices, o doit-on
multiplier : gauche ou droite ? Pour solutionner le problme, il est possible de dfinir deux
types d'inverse : l'un gauche, l'autre droite.
Dfinition : A, B et C sont trois matrices carres d'ordre n.
La matrice B est l'inverse gauche de la matrice A
B A
= Id n
Produit gauche
AC
= Id n
Produit droite
Et l, les choses se compliquent car une matrice A pourrait trs bien avoir un inverse gauche
B sans pour autant avoir un inverse droite C. L'existence de l'un n'implique pas
ncessairement l'existence de l'autre.
Par contre, si on sait qu'une matrice A admet un inverse gauche B et un inverse droite C
alors ces deux inverses sont gaux. Pour le prouver, on utilise l'associativit du produit
matriciel sur le produit B A C .
B A
On commence par ce produit
B est l'inverse gauche de A
C = Id n C = C
A C
= B Id n = B
d'o C = B A C = B
Mais encore faut-il que les existences d'un inverse gauche B et d'un autre droite C aient t
tablies !
On pourrait croire que cette situation des inverses de matrices est inextricable, balance
qu'elle est entre la gauche et la droite. La ralit est en fait moins indcise car, en recourant
l'algbre linaire, on montre que si que si une matrice est inversible gauche (ou droite)
alors elle est de l'autre ct et donc quelle l'est tout court. L'inverse d'une matrice lorsqu'il
existe, est une chose unique qui ne dpend pas du sens dans lequel le produit est fait. Ainsi
pouvons-nous le dfinir en disant :
Dfinition : A et B sont deux matrices carres d'ordre n.
Dire que la matrice B est l'inverse de la matrice A signifie que A B = B A = Id n
Un seul produit
suffit dfinir...
Autrement dit, le produit des deux est gal l'lment neutre de la multiplication matricielle.
La question qui se pose prsent est de savoir quelle condition une matrice est inversible et
alors de dterminer son inverse. C'est l'objet de ce qui arrive...
L'inverse d'une matrice carre d'ordre 2
Ayant une matrice carre A d'ordre n, existe-t-il une matrice B de mme dimension telle que
le produit de deux donne la matrice identit Id n ? Et si oui, comment la trouver ?
Loin de nous lancer dans de grandes chevauches aux rsultats incertains, regardons ce qui se
passe pour les matrices carres d'ordre 2. Cela nous donnera peut-tre une ide de ce qui est
pour les autres.
a b
Soit A =
une matrice carre d'ordre 2 dont les coefficients a; b; c et d sont des
c d
nombres rels fixs.
x y
Existe-t-il une matrice B =
qui serait son inverse, c'est--dire telle que A B = Id n ?
z t
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 14 sur 16
Bien sr, x, y, z et t sont quatre rels qu'il faut dterminer. De leurs existences dpend celle de
l'inverse de A.
a b x y
a.x + b.z a.y + b.t 1 0
B est l'inverse de A
= Id n
=
c d z t
c.x + d.z c.y + d.t 0 1
Matrice A
Matrice B
Or deux matrices sont gales si et seulement si leurs coefficients respectifs le sont. Cela nous
conduit un systme linaire 4 4 qui est en fait un double systme 2 2 :
a.x + b.z = 1
a.y + b.t = 0
(S)
(S')
c.x + d.z = 0
c.y + d.t = 1
Egalit des premires colonnes
Les inconnues sont x et z
Ces deux systmes ont les mmes coefficients du point de vue de leurs inconnues. Et ces deux
systmes admettront deux solutions uniques si leur dterminant a.d b.c (au singulier car
c'est le mme) est non nul.
Cela nous permet de dire quelle condition une matrice carre d'ordre 2 admet un inverse.
a b
Une matrice A =
est inversible Son dterminant a.d - b.c est non nul
c d
L'objectif suivant est l'obtention de la matrice inverse B. Nous supposons donc que le
dterminant de la matrice A est non nul.
a.x + b.z = 1 (1)
Rsolvons le premier systme (S)
par combinaisons linaires.
c.x + d.z = 0 (2)
Pour dterminer z, nous liminons x.
Pour dterminer x, nous liminons z
d
(1)
a.d.x + b.d.z = d
(2)
c.b.x + b.d.z = 0
(1)
(2)
a.c.x + a.d.z = 0
( a.d b.c ) .x = d
x=
a.c.x + b.c.z = c
( b.c a.d ) .z = c
d
d
=
a.d b.c det(A)
z=
c
c
=
a.d b.c det(A)
(1)
a.d.y + b.d.t = 0
(2)
c.b.y + b.d.t = b
(1)
(2)
a.c.y + a.d.t = a
( a.d b.c ) .y = b
y=
b
b
=
a.d b.c det(A)
a.c.y + b.c.t = 0
( b.c a.d ) .t = a
t=
a
a
=
a.d b.c det(A)
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 15 sur 16
a b
Conclusion : la matrice carre A =
d'ordre 2 est inversible si et seulement si son
c d
dterminant det(A) = a.d b.c est non nul.
b
d
det(A) det(A)
.
Dans un tel cas, son inverse est la matrice carre
a
c
det(A) det(A)
3 7
Mettons ces formules en application sur la matrice carre d'ordre 2 qu'est A =
.
2 5
3 7
Commenons par calculer son dterminant : det ( A ) =
= 3 5 27 = 1 .
2 5
5 7
Comme il est non nul la matrice A est inversible et son inverse est la matrice B =
.
2 3
Pour vrifier le rsultat, calculons le produit de la matrice A et de son inverse suppos :
3 7 5 7 3 5 + 7 ( 2) 3 ( 7) + 7 3 1 0
A B =
=
=
= Id2
2 5 2 3 2 5 + 5 ( 2) 2 ( 7) + 5 3 0 1
Donc la matrice B est bien l'inverse de la matrice A et rciproquement.
L'inverse pour les ordres suprieurs
A l'instar de ce que nous venons de voir avec des matrices carres d'ordre, seules les matrices
carres dont le dterminant est non nul, sont inversibles. La formule du dterminant d'une
matrice carre d'ordre quelconque faisant appel des notions assez complexes comme celles
des permutations et de leurs signatures, nous ne nous aventurerons pas sur ce terrain.
Pour dterminer l'inverse d'une matrice carre d'ordre 2, nous avons t amen rsoudre un
faux systme 4 4 qui tait en fait un double systme 2 2 . Si nous cherchions l'inverse d'une
matrice carre d'ordre 3, nous nous lancerions dans la rsolution d'un triple systme 3 3 .
Pour l'inverse d'une matrice carre d'ordre 4, ce serait un quadruple systme 4 4 .
Bref, que des choses sympathiquement de plus en plus compliques. Alors bien sr, il existe
des formules permettant de calculer l'inverse d'une matrice. Elles s'appuient sur les
comatrices et sont utilises par vos calculatrices. Mais elles se situent bien au-del de notre
modeste horizon.
L'inverse dans la rsolution d'un systme
La question que certains n'auront dj pas manqu de se poser est de savoir quoi l'inverse
d'une matrice peut-il bien servir ?
Une des utilisations possibles de l'inverse est la rsolution d'un systme linaire. Prenons
x + 4.y + z = 49
= 60 1 3 3 . y = 60
x + 3.y + 3.z = 60
x + 3.y + 3.z
x + 4.y + 2.z = 58
x + 4.y + 2.z
58
1 4 2 z 58
Cette matrice peut tre vue
comme tant le produit
d'une matrice 33 et d'une 31
Appelons cette
matrice A
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
A propos de matrices
Page 16 sur 16
1 4 1
6 4 9
Pourquoi en est-il ainsi ? Pour le prouver, procdons au produit de ces deux matrices :
1 4 1 6 4 9 6 4 1 4 4 + 0 9 + 8 + 1 1 0 0
A A ' = 1 3 3 1 1 2 = 6 3 3 4 3 + 0 9 + 6 + 3 = 0 1 0 = Id 3
1 4 2 1 0 1 6 4 2 4 4 + 0 9 + 8 + 2 0 0 1
Leur produit tant gal l'lment neutre pour la multiplication dans M3 ( ) , la matrice A'
est bien l'inverse de la matrice A !
Revenons votre dernire galit. Elle s'crivait :
x 49
x
49
x 6 4 9 49 12
A. y = 60
A ' A . y = A ' 60 y = 1 1 2 60 = 7
= Id3
z 59
z
59
z 1 0 1 59 9
car A' est
l'inverse de A
Matrice A'
Ce document a t ralis par Jrme ONILLON la fin avril 2004 pour la taverne de l'Irlandais (www.tanopah.com)
Calcul matriciel
Dnitions
e
Une matrice n x m est un tableau de nombres ` n lignes et m colonnes.
a
Exemple de matrice avec n = 2 et m = 3 :
M=
1 2 0
4 3 1
... M1m
... M2m
... ...
... Mnm
M11 M12
M21 M22
M=
...
...
Mn1 Mn2
x1
x
x= 2
...
xn
Si n = m la matrice est dite matrice carre.
e
1
0
I=
0
0
0
1
0
0
0
0
1
0
0
0
0
1
Matrice diagonale :
D11 0
0
0
0 D22 0
0
D=
0
0 D33 0
0
0
0 D44
1
Matrice triangulaire :
T14
T24
T34
T44
S11
S12
S=
S13
S14
S12
S22
S23
S24
S13
S23
S33
S34
S14
S24
S34
S44
Addition et soustraction
Laddition et la soustraction des matrices se font terme par terme. Les matrices doivent
avoir les mmes dimensions.
e
Exemples :
1 2 0
4 3 1
1 2 0
4 3 1
5 2 3
1 3 4
5 2 3
1 3 4
6 4 3
5 6 3
4 0 3
3 0 5
1 2 0
4 3 1
2 4 0
8 6 2
Transposition
La transpose AT dune matrice A (aussi note A ) est la matrice obtenue en changeant
e
e
e
lignes et colonnes de A.
1 2 0
4 3 1
A=
1 4
AT = 2 3
0 1
x1
x
x = 2 xT =
...
xn
x1 x2 ... xn
Multiplication matricielle
Produit scalaire
Le produit scalaire dun vecteur-ligne xT par un vecteur-colonne y est dni par :
e
y1
n
y
xT y = x1 x2 ... xn 2 = x1 y1 + x2 y2 + ... + xn yn =
xi yi
...
i=1
yn
Ce produit, appel produit scalaire, est not x y. Les vecteurs doivent avoir la mme
e
e
e
dimension. Le rsultat de cette opration est un scalaire. On peut noter que le produit
e
e
scalaire est commutatif : x y = y x.
Lorsque le produit scalaire de deux vecteurs est nul, les vecteurs sont dits orthogonaux. A
deux dimensions, cela correspond ` deux vecteurs perpendiculaires. Par exemple, les veca
teurs x = ( 1 3 ) et y = ( 6 2 ) ont un produit scalaire nul et on vriera facilement
e
quils sont perpendiculaires.
Produit matriciel
Cij =
5 1
. 2 3 =
3 4
3
9 7
23 9
Proprits
e e
Le produit matriciel est
associatif : ABC = (AB)C = A(BC)
distributif par rapport ` laddition : A(B + C) = AB + AC
a
non-commutatif : (en gnral) AB = BA
e e
n
T
x2
i
x x=
i=1
Sa racine carre (xT x)1/2 est appele norme du vecteur x et est note ||x||. Lorsque la
e
e
e
norme dun vecteur est gale ` 1, le vecteur est dit norm. Tout vecteur peut tre norm
e
a
e
e
e
en le divisant par la racine carre de sa norme.
e
Deux vecteurs qui sont simultanment norms et orthogonaux sont dit orthonorms :
e
e
e
a a = b b = 1 et a b = b a = 0 a et b sont orthonorms
e
Une matrice dont toutes les colonnes prises deux ` deux sont des vecteurs orthogonaux
a
est dite matrice matrice orthogonale. Si, de plus ces vecteurs sont norms, la matrice est
e
dite matrice orthonorme.
e
Forme quadratique :
x Ax =
Aij xi xj
i=1 j=1
Forme bilinaire :
e
x Ay =
Aij xi yj
i=1 j=1
Inversion
Une matrice carre A est dite inversible sil existe une matrice carre A1 (appele matrice
e
e
e
inverse) telle que
AA1 = A1 A = I
Proprits
e e
(A1 )1 = A
(A1 )T = (AT )1
(AB)1 = B1 A1
Si la matrice A est orthogonale, alors A1 = AT .
4
a b
c d
A1 =
1
ab bc
d b
c a
a b
c d
A =
Dans ce dveloppement, chaque dterminant dordre 2 est appel mineur du terme qui le
e
e
e
prc`de. Le mineur de llment xij est la sous-matrice obtenue en supprimant la ligne i
e e
ee
et la colonne j. Par exemple, le mineur de a est :
mineur(a) =
e f
h i
= ei f h
+
...
...
+ ...
...
+ ...
...
Le dterminant dune matrice triangulaire ou diagonale est gal au produit des lments
e
e
ee
diagonaux. En particulier, det(I) = 1.
1
Si A est inversible, alors det(A1 ) =
det(A)
Si A est orthogonale, alors det(A) = 1
1 0 0
a b c
a b
c
0 0 d e f = d e f
0 0 1
g h i
g h
i
Lorsque = 0, il existe toujours une matrice I1 qui eectue lopration inverse. La
e
1
matrice I est simplement la matrice I dans laquelle est remplac par 1/.
e
0 1 0
a b c
d e f
1 0 0 d e f = a b c
0 0 1
g h i
g h i
On saperoit rapidement que multiplier deux fois A par Ip nous ram`ne ` la situation
c
e a
de dpart.
e
Exemple :
a + g b + h c + i
1 0
a b c
0 1 0 d e f =
d
e
f
g
h
i
0 0 1
g h i
Lopration inverse est assure par la soustraction de ces lments, cest-`-dire par la
e
e
ee
a
multiplication de la matrice A par la matrice Ia , cette derni`re tant Ia dans laquelle on
e e
a remplac llment lk par .
e ee
a11 a12
a21 a22
A=
... ...
an1 an1
... a1n
... a2n
x=
... ...
... ann
x1
x2
b=
...
xn
b1
b2
...
bn
Exemple :
Considrons le syst`me de deux quations ` deux inconnues suivant :
e
e
e
a
2x1 + 3x2 = 9
x1 x2 = 2
On a
A=
2 3
1 1
b=
9
2
Et donc
x=
1
5
1 3
1 2
1
5
1 3
1 2
9
2
A1 =
1
5
15
5
3
1
Lorsque la matrice nest pas inversible, cest-`-dire quand son dterminant est nul, deux
a
e
cas sont ` envisager :
a
soit le syst`me est indtermin : cest le cas lorsquune des quations est une combinaison
e
e
e
e
linaire des autres quations du syst`me.
e
e
e
Exemple :
x1 + x2 = 3
2x1 + 2x2 = 6
soit le syst`me est impossible : cest le cas lorsquaucune quation est une combinaison
e
e
linaire des autres quations du syst`me.
e
e
e
Exemple :
x1 + x2 = 3
2x1 + 2x2 = 8
a11
a12
a21
a22
...
...
an1
an2
...
a1n
x1
...
a2n x2
...
...
...
... ann
xn
=0
det(A I) =
a11
a12
a21
a22
...
...
an1
an2
...
a1n
...
a2n
...
...
... ann
=0
(a11 + a22 )
Exemple :
Soit
2 2 1
A= 1 3 1
1 2 2
2
2
1
1
3
1
1
2
2
= 3 72 + 11 5 = 0
3 2
1
x1
A I = 1 2 1 x2 = 0
1
2 3
x3
Une solution possible de cette quation est donne par x1 = x2 = x3 = 1. Tout multiple
e
e
de ces valeurs est aussi solution. Ainsi les vecteurs propres associs ` la valeur propre
e a
T
1 = 5 sont tous les vecteurs de type k k k .
De mme, les vecteurs propres associs aux valeurs propres 2 = 3 = 1 sont par exemple
e
e
T
T
2 1 0
et 1 0 1
et lensemble des vecteurs propres associs ` 2 = 3 = 1
e a
T
est donn par c1 v1 + c2 v2 = 2c1 + c2 c1 c2 .
e
Proprits
e e
Si une valeur propre (au moins) est nulle, alors le dterminant est nul.
e
Deux vecteurs propres associs ` deux valeurs propres distinctes sont orthogonaux.
e a
7 2 1
S = 2 10 2
1 2 7
10
x1
1 2 1
2 4 2 x2 = 0
x3
1 2 1
cest-`-dire
a
x1 2x2 + x3 = 0
Comme vecteurs propres, nous choisirons deux vecteurs orthogonaux, par exemple :
1
1
0 et 1
1
1
De mme, pour = 12, on choisira par exemple le vecteur
e
1
2
1
En normant ces trois vecteurs, nous obtenons la matrice
6
1/ 2 1/3 1/
A=
0 1/3 2/ 6
1/ 2 1/ 3 1/ 6
Et on vriera que A diagonalise S, cest-`-dire D = A1 SA est diagonale, et que ses
e
a
lments sont bien les valeurs propres de S. Notons que la matrice A ne doit pas forcment
ee
e
tre norme.
e
e
Une matrice carre X (n x n) est diagonalisable si elle poss`de n valeurs propres distinctes
e
e
(condition susante mais pas ncssaire).
e e
Exemple :
Considrons la matrice
e
1 2 0
X= 0 3 0
2 4 2
Les valeurs propres de cette matrice sont 3, 2 et 1. Ces trois valeurs tant distinctes, la
e
matrice X est diagonalisable et la matrice A qui diagonalise X est compose des vecteurs
e
propres de X :
1 0 1
A = 1 0 0
2 1 2
On vriera que D = A1 XA est une matrice diagonale dont les lments sont les valeurs
e
ee
propres de X.
11
Rfrences
ee
Ayres F (1978) Matrices : Cours et probl`mes, Serie Schaum.
e
Depiereux E (2000) Note de cours, DEA en Bioinformatique.
12
Travaux Dirigs
Mathmatiques S3
Algbre linaire
&
Calcul Matriciel
Partie 1
Exercice 3
Exercice 3
E = IR3
Exercice 3
2x yz 0
u(x,y,z)
avec :
z 2x y
Exercice 3
u (x,y,2x y)
Donc :
u (x,0,2x)(0,y,y)
et
V (0,1,1)
u x(1,0,2) y(0,1,1) xV yV
Avec :
V (1,0,2)
1
Vect(V , V )
1 2
F
1 est engendr par ces deux vecteurs.
On a alors :
F
F
1
IR
Conclusion :
Exercice 3
u(x,y,z)
avec :
2x 0 et 3yz 0
x 0
z 3y
Exercice 3
V(0,1,3)
u (0,y,3y) y(0,1,3)
avec
F Vect(V)
u yV
Ainsi
F
2
IR
Conclusion :
Exercice 3
u(x,y,z)
avec : x z 0 et 3yz 0
x z
z 3y x z 3y
Exercice 3
W(3,1,3)
u (3y,y,3y) y(3,1,3)
avec
F Vect(W)
u yW
Ainsi
F
3
IR
Conclusion :
Exercice 3
u(x,y,z)
avec : x y z 0 et 2x y5z 0
zxy
zxy
2x y5(x y) 0 3x 4y 0
z 1 x
zxy
4
y 3 x
y 3 x
4
4
F Vect(U)
U'(4,3,1) 4U
F Vect(U')
avec
u xU'
Ainsi
F
4
IR
Conclusion :
Exercice 3
2x 3z 4y5x
u(x,y,z)
avec :
z7x4 y
3
u (x,y,7 x 4 y)
3
u (x,0,7 x)(0,y, 4 y)
Donc :
3
et
T (0,1, 4)
u x(1,0,7) y(0,1, 4) xT yT
Avec :
T (1,0,7)
1
Vect(T ,T )
1 2
F
5 est engendr par ces deux vecteurs.
On a alors :
F
3
et
T' (0,3,4) 3T
2
1 2
F Vect(T' ,T' )
T' (3,0,7) 3T
1
Ainsi
F
5
IR
Conclusion :
6)
Exercice 3
y6z 3z 2x
avec : x 2y y 6z et
x y6z
y6z 3z 2(y6z)
x y6z
y 3z
x 3z
y 3z
6) Un vecteur u de
F
6
u (3z,3z,z)
V (3,3,1) .
Ainsi
F Vect(V)
u z(3,3,1)zV
Avec
F
6
IR
Conclusion :
Exercice 3 - Question 2
FG
Exercice 3 - Question 2
3
alors
F F
est un sous-espace
F
1
de IR
vectoriel de IR
F F
1
3
et
uF
2x y z 0
2x 0
3y z 0
F F u (x, y,z)IR / uF
1
Ainsi :
F F u (x, y,z)IR /
1
x 0
y0
z 0
Vecteur nul
F F u (x, y,z)IR /
1
(0,0,0) 0
Ainsi : F F (0,0,0)
1
2
Remarque :
IR
F
3
4
3
alors
De mme :
F F
est un sous-espace
de IR
vectoriel de IR
F F
3
3
et
uF
x z 0
3y z 0
x yz 0
2x y 5z 0
F F u (x, y,z)IR / uF
3
Ainsi :
F F u (x, y,z)IR /
3
x z
1
(Vecteur nul)
2z 1 z 5z 0
F F (0,0,0)
4
y z
x 0
3
F F (x, y,z) / z 1 z z 0 y 0
3
4
z 0
Ainsi :
De mme :
F F (0,0,0)
5
,
5
F F F F F F
1
F (0,0,0) (0,0,0)
1
Remarque
alors : 0 F
Cest--dire
Exercice 3 - Question 3
Somme de sous-espaces vectoriels
Thorme 1 :
F G u v / uF;vG
F F
1
V (1,0,2)
F Vect(V1, V2) avec 1
1
V (0,1,1)
V
Comme V
1 et 2 forment une famille gnratrice de
F , pour savoir sils forment une base de F ou
1
1
non, il suffit de voir sils sont linairement
indpendants ou non.
Soit
V et V Sont-ils
1
linairement indpendants ?
??
V V 0 0
1
V V 0 (1,0,2)(0,1,1) (0,0,0)
1
(,,2 ) (0,0,0) 0
0
V
1 et V2 sont linairement indpendants
et comme ils engendrent F (cest--dire
1
forment une famille gnratrice de F1) alors ils
forment une base de F
1
dim(F ) 2
1
(voir ci-dessus)
V (0,1,3)
dim(F ) 1
2
Comme :
2
Ainsi :
dim(F F ) 2 1 0 3
dim( F F ) 2 1 dim( F F )
Alors :
et comme
On obtient :
finalement :
2
dim(F F ) 3 dim IR
1
F F est un sous-espace de IR
1
F F IR
Et comme
Alors :
1
dim( F) dim( E)
(voir ci-dessus)
dim( F ) 2
T et T
1
F F IR
6
F F IR
5
et
F F (0,0,0)
F F IR
1
F F IR
1
21/10/2010
Algbre linaire
Contenu du cours :
A.
B.
C.
Partie 1
21/10/2010
Introduction : Rappels
a x +a x +a x +...+a xp=b
11 1 12 2 13 3
1p
1
a x +a x +a x +...+a xp=b
21 1 22 2 23 3
2p
2
S: .
.
.
a x +a x +a x +...+anpxp=bp
n1 1 n2 2 n3 3
21/10/2010
coefficient
...+aijx j +...
ime quation
S:
x +2y =5
S: 2x y =0
x + 4y =7
3x y =1
Nots x et y
21/10/2010
x + 2y + 3z = 2
S : 2x y + z = 4
x + 4y + 5z = 0
Nots x, y et z
a x +a x +a x +...+a xn=b
11 1 12 2 13 3
1n
1
a x +a x +a x +...+a xn=b
21 1 22 2 23 3
2n
2
S: .
.
.
.
a x +a x +a x +...+annxn=bn
n1 1 n2 2 n3 3
21/10/2010
S: 5x +3y =13
2x - y =3
x +5y + z = 2
S: 2x +2y z = 4
x + y + z =3
(Partie 1)
Algorithme de Gauss
Cest la Mthode dlimination
Lalgorithme de Gauss (ou la Mthode de Gauss),
plus connu sous le nom de : La mthode de Pivot
de Gauss, est la mthode la plus rapide pour
rsoudre un systme linaire
21/10/2010
2.
21/10/2010
Exemples
S:
x + 2y+3z =14
2x y+z =3
3x + 4yz =8
21/10/2010
tape 1 : La descente
3 14 L
1
S 2 1 1 3 L
2
3 4 1 8 L
3
1
L L
1 1
0 5 -5 -25 L L 2L
2
2
1
0 -2 10 -34 L L 3L
3
3
1
1
14
L L
1 1
L L
0 -5 -5 -25
2
2
0 0 - 40 -120 L 5L 2L
3
3
2
1
14
tape 2 : La remonte
Le dernier tableau correspond au systme suivant :
x + 2y +3z =14
5y 5z = 25
40z = 120 z = 3
x + 22 + 33 =14 x =1
x + 2y +3z =14
5y 53 = 25 y = 2 y = 2
z = 3
z =3
21/10/2010
Exemples
x + 2y+3z = 2
S : 2x y+z = 4
x + 4y+5z =0
tape 1 : La descente
3 2 L
1
S 2 1 1 4 L
2
-1 4 5 0 L
3
1
L L
1 1
0 5 -5 0 L L 2L
2
2
1
0 6 8 2 L L +L
3
3 1
1
3 2
L L
1 1
0 -5 -5 0
L L
2
2
0 0 10 10 L 5L + 6L
3
3
2
1
21/10/2010
tape 2 : La remonte
Le dernier tableau correspond au systme suivant :
x + 2y +3z = 2
5y 5z =0
10z =10 z =1
x + 2y +3z = 2
5y 51=0 y = -1
z =1
x + 2-1+31= 2 x =1
y = 1
z =1
Exercice 1
Rsoudre les deux systmes linaires suivants,
en utilisant un pivot partiel :
x + y+ z =6
S1 : 2x y+ 2z =9
x 2y+ z =3
x + 4y+z = 4
S2 : 2x 2y+ z =10
x + y+5z =7
10
21/10/2010
Exercice 2
Rsoudre le systme linaire suivant, en utilisant
un pivot partiel :
x y + z + t =3
2x + y+3z4t =3
S : x + y+ 2z+3t =5
4x +3y+ 2z +5t =12
rels
11
21/10/2010
IR ; uE
scalaire
vecteur
uE ; vE
on a :
uE
on a :
u+vE
Exemple fondamental
Considrons lensemble suivant :
E = IRn
n
IR = (x1,x2,...,xn)/ x1,x2,...,xnIR
12
21/10/2010
n=2:
IR = (x1,x2)/ x1,x2IR
Ensemble des couples
n=3 :
IR = (x1,x2,x3)/ x1,x2,x3IR
Ensemble des triplets
IR = ...;(0,0,0);(4,1,5);(0,3,9);(8,6,7);...
Ensemble des triplets : ensemble infini
reprsente lespace de dimension 3
13
21/10/2010
n=4:
4
IR = (x1,x2,x3,x4)/ x1,x2,x3,x4IR
n=5:
5
IR = (x1,x2,x3,x4,x5)/ x1,x2,...,x5IR
14
21/10/2010
(x1,x2,...,xn)= (x1,x2,...,xn)
u
v
(x1,x2,...,xn)+ (y1,y2,...,yn)
u+ v
15
21/10/2010
Exemple 1
Lespace vectoriel considr est :
E = IR2
4(2,1) = (8,4)
(5,1)+(5,1) =(0,0)
Exemple 2
Lespace vectoriel considr est :
E = IR3
10(2,1,3) = (20,10,30)
(1,0,2)+(5,1,12) =(6,1,10)
16
21/10/2010
Dfinition
Soit E un espace vectoriel sur IR.
, , u sont n vecteurs de E
v est un vecteur de E
n
n
n
n
1
1
1
1
1
1
1
1
, ,u
n
n
n
n
u ,u
, , , IR tels que :
v=1u1+2u2+...+nun
n
17
2
2
2
2
1
1
1
1
21/10/2010
IR
les 3 vecteurs
u =(2,1,3) , u =(3,5,2)
et
u =(5,13,12)
3
3
On considre dans
suivants :
IR
1
1
et
2
2
2
2
tels que :
u ,u
2
2
2
2
3
3
3
3
U(a,b,c)
U=u1+u2+u3
18
21/10/2010
(a,b,c)=(2,1,3)+(3,5,2)+(5,13,12)
(a,b,c)=
(2+35,+513,32+12)
2+35=a
S : +513=b
32+12=c
Systme linaire rsoudre en fonction de
a , b et c ; les inconnues sont , et
19
21/10/2010
Rsolution du systme S
S : 2+35=a
+513=b
32+12=c
Ligne 1
Ligne 2
Ligne 3
20
21/10/2010
2+35=a
S : +513=b
32+12=c
2
Ligne 1
-5 a
S 1 5 -13 b
3 -2 12 c
Ligne 2
Ligne 3
L
1
L
2
L
3
tape 1 : La descente
-5 a L
1
1 5 -13 b L
2
3 -2 12 c L
3
2
2
0
3
7
0 -13
L L
1 1
L 2L L
2
2 1
39 2c -3a L 2L 3L
3
3
1
-5
a
-21 2b-a
L L
1 1
L L
0 7 -21
2b-a
2
2
0 0 0 14c + 26b-34a L 7L +13L
3
3
2
2 3
-5
21
21/10/2010
14c+26b34a =0
7c+13b17a =0
Dans ce cas :
tape 2 : La remonte
Le dernier tableau correspond au systme
suivant :
3
2+35 =a 2+ (2ba +21)5 =a
7
= 1 (5a 3b)2
7
1
7+21 =a 2b= (2ba)+3
7
0 =0IR quelconque
22
21/10/2010
= 1 (5a 3b) 2
7
1
= (2b a ) + 3
7
IR quelconque
S= (1(5a-3b)-2,1(2b-a)+3,)/IR
7
7
1r cas :
7c+13b17a =0
23
1
1
1
1
21/10/2010
1r cas :
7c+13b17a =0
U=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7
Ceci
IR
2me cas :
7c+13b17a 0
24
2
2
2
2
1
1
1
1
21/10/2010
Application 1
v=(6,17,17)a =6 , b = 17 , c =17
717+13(17)17(6)=0
Le vecteur v est combinaison linaire des
vecteurs u , u et u .
3
3
3
3
2
2
2
2
1
1
1
1
v=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7
Cest--dire :
v=(32)u1+(34)u2+u3
Ceci
IR
25
21/10/2010
Application 2
w=(1,1,1)a =1 , b =1 , c =1
71+131171=30
Le vecteur w nest pas combinaison linaire
des vecteurs u , u et u .
3
3
3
3
2
2
2
2
1
1
1
1
Application 3
0=(0,0,0)a =0 , b = 0 , c = 0
70+130170=0
Le vecteur nul est combinaison linaire des
vecteurs u , u et u .
3
3
3
3
26
2
2
2
2
1
1
1
1
21/10/2010
0=[1(5a3b)2]u1+[1(2ba)+3]u2+u3
7
Cest--dire :
0=2u1+3u2+u3
Ceci
IR
27
www.Semestre123456.meilleurforum.com
Travaux Dirigs
Mathmatiques S3
Algbre linaire
&
Calcul Matriciel
Partie 1
Exercice 4
u ,u
,,
up de E
Exercice 4
Exercice 4
Exercice 4
Exercice 4
IR 2 dim( IR 2) 2
.
Exercice 4
1) Lespace considr est
(1,2) ;
1 2 3 0
IR 2
IR 2.
det ( F )
2 1
Exercice 4
La famille F est constitue de :
IR
Soit
IR 2
1
donc F est une famille libre mais non gnratrice.
Exercice 4
La famille F est constitue du vecteur nul :
IR
par exemple :
IR 2
Soit
Exercice 4
La famille F est constitue des vecteurs :
IR 2
1 1
0
0 2 2 0
det(u , u )
1 3
IR 3. dim( IR 3) 3
Exercice 4
2) Lespace considr est
u
2
IR 3
Exercice 4
u1 (7,6,9) ; u2 (1,4,6)
7 1 3
4 6 6 6 6 4
det(F) 6 4 6 7
3
6 2 9 2 9 6
9 6 2
det(F) 7 28 42 30 154 0
u
2
Exercice 4
IR 3
2 0 0
2 0 0
Exercice 4
IR 3
Exercice 4
et
u3 (a,b,c)
u1 (3,6,2) ; u2 (1,0,3)
3 1 a
0 b 6 b 6 0
det(F) 6 0 b 3
a
3 c 2 c 2 3
2 3 c
Si
det(F) 18a 7b 6c
Si
Soit
,
2
et
Exercice 5
(u u ) (u u ) (u u ) 0
1
0
( )u ( )u ( )u 0 0
1
2
3
0
0
0
0
Exercice 5
L1
0 1 -1 0
1 0
1 0 1 0
L2
1 0
1 1 0 0
0 1 1 0
L1 L1
L3
1 0
L2 L2
3
L1 L1
L2 L2 L1
L3 L3
0 0
0 0
0
2 0
0 1 1 0
1 0
2 0
0 1 -1 0
0 0
L L L
2
2 2
3 3
famille libre
Soit
, ,
Exercice 5
et
( )u ( )u ( )u ( )u 0
1
2
3
4
0
0
0
0
0
0
0
0
1 0 0 1 0
0 0 1 1 0
0 1 1 0 0
0 0 1 1 0 L3 L3
0 0 0 0 0 L 4 L 4 L 3
L L
L L
L L
L L
1 0 0 1 0 L1 L1
0 1 0 -1 0 L 2 L 2 L1
Exercice 5
1 0 0 1 0 L1
1 1 0 0 0 L
L L
1
0 1 1 0 0 L3
0 0 1 1 0 L4
1 0 0 1 0
L L
0 1 0 -1 0 L L
0 1 0 -1 0
2
2
0 0 1 1 0 L3 L3 L 2
0 0 1 1 0
Exercice 5
quelconque
0
0 ;
0
u (1,1,0)
Exercice 6
1) La famille B est constitue par :
; v (0,1,1) et w (1,0,1)
1 0 1
1 0 1 1
det(B) 1 1 0
11 2 0
1 1 0 1
0 1 1
Soit
(e ,e ,e )
1 2 3
Exercice 6
la base canonique de IR 3 .
(1)
t xe ye ze
(2)
u (1,1,0) u e1 e2 , v (0,1,1) v e2 e3
w (1,0,1) w e
On obtient :
z' 1 (x y z)
x' 1 (x y z)
2
x'z' x
x' y' y y' 1 (x y z)
2
y'z' z
Exercice 6
det(B) 1
m
1
m3 3m 1 0 ?
1
m 0 1 m
0 m
m3 3m 1
m 3 1
-1
0
-1
1
0
f(x)
m ]1,1
[
Exercice 6
,
tels que :
m ],1
[
1
m ]1,[
Ainsi :
et
3
http://www.fsjesr.ac.ma
:
:
:
:
S4
M 16 (Mthodes Quantitatives IV)
Algbre II
Salma DASSER
Exercice 1.2
1) Ecrire lexpression analytique de la forme bilinaire associe chacune des matrices suivantes :
1 0 2
1 0 2
1 0 2
1 0 2
0 5 0 ,
0 5 0 ,
0 5 0 ,
0 5 0 ,
1 0 4
2 0 3
2 0 4
2 0 5
1 1 1
2
1
1
2 1 1
1 1 1
1 1 0
1 1 1 ,
1 2
1 ,
1 2 1 ,
1 1 1
1
1 2
1 1 2
1 0 0
2) Parmi ces matrices, lesquelles dfinissent un produit scalaire ?
Exercice 1.3
1) Pour chacune des formes bilinaires ci-dessous, crire la matrice dans la base canonique de
,
2
2
2
,
,
2
2
2
,
2
2
2
2) Parmi ces formes bilinaires, lesquelles sont-elles des produits scalaires sur
?
Exercice 1.4
Pour quelles valeurs du rel , la matrice dfinit-elle un produit scalaire ?
1
2
2
1 1
,
1
3
0
1
1 ,
0
2
1
1 1
Professeure Salma DASSER
1
1
1 1
0
0
printempsSession printemps-t
2. Orthogonalit
Exercice 2.1
1) Dans
muni du produit scalaire usuel, on considre les vecteurs :
a. Dterminer une base orthonorme du sous espace vectoriel
b. Dterminer le sous espace vectoriel & .
1,2, 1,1 et
!"#$ , %.
0,3,1, 1 .
5,1,5, 7 et
2) Dans
Exercice 2.2
1) Dans
2) Dans
muni du produit scalaire usuel, on considre les vecteurs :
1,2,2 ,
1,3,1 , et
a. Vrifier que ) $ , , % est une base de .
b. Appliquer le procd de Gram-Schmidt la base ) pour construire une base orthonorme de
Exercice 2.3
1) Soit
2) Soit
.
0,12,6 .
.
4, 1,0 .
2,3,0, 1 ,
1, 1,2 .
Exercice 2.4
1) Dans
0%
2) Dans
3) Dans
0%
printempsSession printemps-t
2
3. Droites plans
Exercice 3.1
Dans
Exercice 3.3
Dans
muni du produit scalaire usuel, on considre le plan dquation - :
1) Dterminer -& .
2) Dterminer une base orthonorme de - et de -& .
Exercice 3.4
Exercice 3.5
- :
On considre les deux plans de
:
Reprendre les questions de lexercice prcdent.
3*
0 !# -5 : 2
2*
0 et les droites
Exercice 3.2
2*
0 et les droites
0. Dterminer :
4*
printempsSession printemps-t
3
0 2
5 0 ,
0 4
1 1
1 1
1 1
1
1 ,
1
3
1
0
1
2
1
0
1 ,
3
1 1
1 1
1 0
Exercice 4.2
Parmi les systmes linaires >. D
(1) >
(2) >
(3) >
3
1
1
(4) >
(5) >
(6) >
2
1
1
1
1
1
(7) >
1
1
1
1
F1G !# E
2
1
F1G !# E
1
1
F0 G
1
1
1 ,E
1
1
3
1
1
2
1
1
0
1
2 1
1 1 ,
1 2
3
1
1
1
3
1
1
1
3
1
F0 G
1
1
0 ,E
0
1 1
1 1
1 1
1
2
1
2
0 ,E
4
1 0
0 1
2 0
1 1
1 1
1 0
E et >. D
1
0 ,
0
1
1
1
1
F 1G !# E
1
1
1 ,E
3
1
1 ,E
2
1
1 ,E
3
1
1 ,E
1
2
F2G
2
1
F 1 G !# E
2
1
F 1 G !# E
2
2
F1G !# E
0
1
F1G !# E
1
1
F1 G
1
1
F1 G
1
1
F0 G
1
2
F2G
2
printempsSession printemps-t
4