2008 - Grard Lavau - http://pagesperso-orange.fr/lavau/index.

htm
Vous avez toute libert pour tlcharger, imprimer, photocopier ce cours et le diffuser gratuitement. Toute diffusion
titre onreux ou utilisation commerciale est interdite sans accord de l'auteur.
Si vous tes le gestionnaire d'un site sur Internet, vous avez le droit de crer un lien de votre site vers mon site,
condition que ce lien soit accessible librement et gratuitement. Vous ne pouvez pas tlcharger les fichiers de mon site
pour les installer sur le vtre.

MATRICES
PLAN
I : Matrice associe une application linaire
1) Dfinition
2) Somme de matrices
3) Produit par un scalaire
4) Produit de matrices
5) Rang d'une matrice
II : Anneau des matrices carres
1) Dfinition
2) Matrice identit
3) Matrices particulires
Matrices scalaires
Matrices diagonales
Matrices triangulaires
Matrices nilpotentes
Matrices inversibles
III : Transposition
1) Dfinition
2) Proprits
3) Matrices symtriques et antisymtriques
IV : Changement de bases
1) Dfinition
2) Expression d'un vecteur
3) Applications linaires
4) Annexe : composition des vitesses et des acclrations
V : Rsolution de systmes
1) Mthode de Gauss
2) Rang d'un systme
3) Ensemble des solutions
4) Inversion de matrices
Annexe : utilisation des matrices en physique
1) Matrice d'inertie
2) Rseaux de conducteurs lectriques
3) Quadriples
4) Electrostatique
5) Inductance mutuelle
6) Polarisation
7) Optique matricielle
8) Transformation de Lorentz

-1-

exosup.com page facebook

 I : Matrice associe une application linaire

1 Dfinition
Soit E un espace vectoriel de dimension finie p et F un espace vectoriel de dimension finie n. On
choisit une base (ej)j=1..p de E et (i)i=1..n. Dans cette base, un vecteur x de E s'crit xjej. Son image
f(x) s'crit yii. f est dfinie si l'on connat les images des ej.
n n p p
Posons f(ej) = aiji. On a alors f(x) = aij xj i de sorte que yi = aij xj, ce qu'on note de la faon
i=1 i=1 j=1 j=1

suivante :
yy12 aa2111 aa2212 ... a2p x2 a21 x1 + a22 x2 + ... + a2p xp
... a1p x1 a11 x1 + a12 x2 + ...+ a1p xp

... = ... ... ... = ...

yn an1 an2 ... anp xp an1 x1 + an2 x2 + ... anp xp
Matrice dfinissant l'application f
dans les bases (ej) et (i).
abrg en Y = MX.
La jme colonne est constitue des composantes de l'image de ej
aij se situe la ime ligne et jme colonne.
p
yi = aijxj
j=1

La matrice associe une application linaire dpend de la base choisie.

On note (
) l'ensemble des matrices n lignes et p colonnes. Si n = p, on note cet ensemble

 np

n (  ). On notera que les vecteurs sont en colonnes. Une ligne (a1 a2 ... ap) s'interprte comme la
p
matrice de la forme linaire x aixi.
i=1

2 Somme de matrices
On souhaite dfinir sur  np(  ) une somme de sorte que (  np(  ),+) soit isomorphe (L(E,F),+).
Pour cela, il suffit de trouver quelle matrice associer f+g, f et g tant deux applications linaires de
matrices A et B. Notons aij et bij les termes gnraux des matrices M et N. On a :
n
f(ej) = aiji
i=1

n
g(ej) = biji
i=1

n
(f+g)(ej) = (aij + bij)i
i=1

Ainsi A+B = C avec cij = aij + bij. Autrement dit, on ajoute les coefficients de mme place.

-2-

exosup.com page facebook

 (  np( ),+) est un groupe commutatif. Le neutre est la matrice nulle 0, associe l'application
identiquement nulle, constitue uniquement de 0.

3 Produit par un scalaire

On procde de mme pour le produit par un scalaire. Si la matrice A est associe l'application
linaire f, A sera associe f. Or :
n
f(ej) = aij i
i=1

n
f(ej) = aij i
i=1

Ainsi la matrice A admet pour terme gnral aij. (

np(  ),+,.) est alors un espace vectoriel
isomorphe L(E,F). Il est facile de voir que sa dimension vaut np, une base tant constitue des
matrices Eij dont tous les termes sont nuls sauf un qui vaut 1, la ligne i et la colonne j. On en dduit
que dim L(E,F) = dimE dimF, une base tant constitue des applications ij dfinies par :
k j, ij(ek) = 0
ij(ej) = i

ou encore ij(ek) = jk i o jk = 1 si j = k
= 0 sinon (symbole de Kronecker)

4 Produit de matrices
Soit E de dimension q de base (ei)i=1..q, F de dimension p de base (k)k=1..p, G de dimension n de base
(j)j=1..n. Soit f une application linaire de E dans F, de matrice B, lment de  pq( ) ; Soit g une
application linaire de F dans G, de matrice A, lment de  (  ). Soit C la matrice lment de
 np

nq(  ) associe g o f. On pose AB = C. On a alors :

p
g o f(ej) = g ( bkjk )
k=1

p
= bkj g(k)
k=1

p n
= bkj ( aik i )
k=1 i=1

n p
= aik bkj i
i=1 k=1

p
La ime composante de g o f(ej) est donc aik bkj . Or cette composante n'est autre que le terme (i,j)
k=1

p
de la matrice produit. Ainsi : (AB)ij = aik bkj
k=1

-3-

exosup.com page facebook

 On effectue le produit de la ime ligne de A par la jme colonne de B. (On remarque que A possde
autant de colonnes que B possde de lignes). La disposition usuelle de calcul est la suivante :
b...11 ... b...1j ... b...1q
bi1 ... bij ... biq
... ... ...
bp1 ... bpj ... bpq
a...11 a12 ... a1p
|

ai1 ai2 ... aip cij
... |

... ...
an1 an2 ... anp
Exemple : Soit f : E2 F3 et g : F3 G4
e1 21+2 1 1+2
e2 13 2 34
3 122+4
2 1
La matrice de f est 1 0
0 1
11 00 21
La matrice de g est 0 1 0
0 1 4
La matrice de g o f est :
2 1
1 0

0 1
11 00 21 22 03
0 1 0 1 0
0 1 4 1 4
Ainsi, g o f(e1) = 21 + 22 + 3 4
g o f(e2) = 32 44.

Les proprits du produit sont analogues celles du produit de composition, savoir :

M(N + N') = MN + MN'
(M + M')N = MN + M'N
(MN)Q = M(NQ) que l'on note MNQ
M(N) = (MN) = (M)N que l'on note MN

On notera que si M appartient  (  ) et n appartient  (  ), alors MN existe et appartient

 np pq

nq(  ), mais que, si q est diffrent de n, NM n'existe pas.

On remarquera que chercher l'image d'un vecteur de composantes X par l'application de matrice A
consiste exactement effectuer le produit AX lorsque X est considr comme matrice une colonne.
Lorsqu'on applique ce rsultat au jme vecteur de base, on retrouve videmment la jme colonne.

-4-

exosup.com page facebook

 5 Rang d'une matrice
Le rang de la matrice A est le rang de l'application linaire f associe. C'est le rang du systme
constitu des vecteurs colonnes de la matrice, puisque ces vecteurs colonnes engendrent Imf.

II : Anneau des matrices carres

1 Dfinition
On note  n(  ) l'ensemble des matrices carres n lignes et n colonnes. Il s'agit des matrices
associes aux endomorphismes d'un espace vectoriel de dimension n, dans une base donne.
(  n(  ),+, ) est un anneau. On prendra garde que AB peut tre nul alors que ni A ni B n'est nul (on
dit que l'anneau n'est pas intgre), et que AB est en gnral diffrent de BA (on dit que l'anneau n'est
pas commutatif).

1 0 0 0 0 0
NON INTEGRITE : 0 0 0 1 = 0 0

1 1 0 2 1 3 0 2 1 1 4 6
NON COMMUTATIVITE : 2 3 1 1 = 3 7 mais 1 1 2 3 = 3 4
En particulier, (A+B)2 A2 + 2AB + B2 sauf si A et B commutent.

2 Matrice identit
Elle est associe l'application identique. Cette correspondance ne dpend pas de la base choisie. La
matrice identit est le neutre du produit des matrices et vaut :
10 01 00 ...
... 0
0
0 0 1 ... 0
... ...
0 0 0 ... 1
de terme gnral ij (symbole de Kronecker) et note I ou In si l'on veut prciser le nombre de lignes.

On pourra vrifier directement, en utilisant la dfinition du produit de matrices, que si A est lment
de  np(  ), alors :
InA = AIp = A

3 Matrices particulires

a) Matrices scalaires :
Ce sont les matrices de la forme I. Tous les termes sont nuls sauf sur la diagonale, o ils sont tous

gaux entre eux. Ce sont les matrices associes aux homothties. Elles forment un sous-anneau de
n(  ), isomorphe .

b) Matrices diagonales :
Ce sont les matrices dont tous les termes sont nuls en dehors de la diagonale. Ceux de la diagonale
sont quelconques : i j aij = 0.

-5-

exosup.com page facebook

 a01 a02 00 ...
... 0
0

A = 0 0 a3 ... 0
... ...
0 0 0 ... an
Elles forment un sous-anneau de ! n ( " ) isomorphe # n
(o l'on dfinit alors un produit
composante par composante).

c) Matrices triangulaires :
On traitera des matrices triangulaires suprieures, le cas des matrices triangulaires infrieures se
traitant de manire analogue. Elles sont de la forme :
a011 aa1222 aa1323 ...
... a2n
a1n

A = 0 0 a33 ... a3n

... ...
0 0 0 ... ann
et caractrises par : i > j aij = 0
n(n+1)
Elles forment un sous-espace vectoriel de dimension . La seule chose non vidente est de
2
vrifier la stabilit pour le produit de matrices. Soient donc deux matrices A et B triangulaires
n
suprieures et soit i > j. Le terme (i,j) du produit est donn par aik bkj qui est nul car aik = 0 pour
k=1

i > k et bkj = 0 pour k > j. Comme i > j, pour chaque k, il existe l'un des deux termes aik ou bkj qui est
nul.

d) Matrices nilpotentes :
Une matrice M est dite nilpotente s'il existe un entier n tel que Mn = 0. L'ensemble des matrices
nilpotentes ne jouit d'aucune structure algbrique particulire.

e) Matrices inversibles :
Ce sont les matrices associes aux automorphismes. A priori, M est inversible si et seulement si il
existe N tel que MN = NM = I. On note alors N = M1. On dispose cependant de la proposition
suivante :
PROPOSITION :
Dans $ n( % ), il y a quivalence entre :
i) M est inversible
ii) N, MN = I
iii) N, NM = I
iv) rgM = n

Dmonstration :
Il est clair que i) entrane les trois autres. Soit f endomorphisme associ M dans une base donne.
iv) signifie que M est associe un endomorphisme de rang n, donc surjectif, donc bijectif puisque
l'on est en dimension finie.
ii) g L(E), f o g = Id f surjective f bijective.
iii) g L(E), g o f = Id f injective f bijective

-6-

exosup.com page facebook

 L'ensemble des matrices inversibles, muni du produit des matrices, forme un groupe isomorphe
GL(E), not &(' n( ) ). On notera que :
(AB)1 = B1A1
de mme que (f o g)1 = g1 o f1.

Le calcul de l'inverse d'une matrice se fait de la faon suivante :

Pour la matrice 2 2 c d , elle est inversible si et seulement si ad bc 0 et son inverse vaut
ab

1 d b .
ad bc c a

S'il existe B tel que AB = I (ou BA = I) alors B = A1. Par exemple, une matrice A vrifiant la
relation A3 + 3A2 A + I = 0 est inversible puisque I = A3 3A2 + A = A (A2 3A + I) et
A1 = A2 3A + I.

Mthode gnrale : on dtermine f1, rciproque de l'application f associe A. Autrement dit, on

crit :
AX = X' o X et X' sont des vecteurs colonnes n lignes
X = A1X' obtenu en rsolvant le systme dans lequel les composantes de X sont les
inconnues.

2 4 1
EXEMPLE 1 : Calculer l'inverse de 1 2 3
1 1 1/2

2x + 4y z = x' 2y 2z = x' 2z' L1 2L3 L1

x 2y + 3z = y' 3y 5z/2 = z' y' L3 L2 L2
x + y + z/2 = z' x + y + z/2 = z'
x + y + z/2 = z' L3 L1
y z = x'/2 z' L1/2 L2
z = 3x' 2y' + 8z' 2L2 3L1 L3
x = 4x' + 3y' 10z'
y = 5x'/2 2y' + 7z'
z = 3x' 2y' + 8z'

4 3 10
Donc la matrice inverse vaut 5/2 2 7
3 2 8

10 9 1
EXEMPLE 2 : Calculer l'inverse de 9 10 5
1 5 9

10x + 9y + z = x' 41y + 89z = 10z' x' 10L3 L1 L1

9x + 10y + 5z = y' 35y + 76z = 9z' y' 9L3 L2 L2
x + 5y + 9z = z' x + 5y + 9z = z'

-7-

exosup.com page facebook

 x + 5y + 9z = z' L3 L1
35y + 76z = 9z' y'
z = 19z' 41y' + 35x' 41L235L1 L3
x = 65x' + 76y' + 35z'
y = 76x' + 89y' 41z'
z = 35x' 41y' + 19z'

65 76 35
Donc la matrice inverse vaut 76 89 41
35 41 19

III : Transposition

1 Dfinition
*
On considre l'application :
np( + ) , pn( - )
t
A A appele transpose de A.
dfinie par : (tA)ij = Aji, 1 i p, 1 j n

Exemple :
t 2 3 2 1 6
1 0 =
3 0 5
6 5

2 Proprits
Il est ais de vrifier :
i) t(tA) = A
ii) t(A+B) = tA + tB
iii) t(A) = tA la transpose est donc linaire
iv) (AB) = B A pour A lment de . np( / ) et B lment de
t t t
0 pq(1 )
t 1 t 1
v) (A ) = ( A) pour A lment de (2 3 ( 4
n )

Pour la relation iv), on a en effet :

p p
[t(AB)]ij = (AB)ji = Ajk Bki = (tA)kj(tB)ik = (tBtA)ij
k=1 k=1

En ce qui concerne v), on a :

A inversible
B, AB = I
B, t(AB) = I
B, tBtA = I
ce qui prouve que tA est inversible d'inverse tB.

3 Matrices symtriques et antisymtriques

On considre maintenant des matrices carres. On dit que A est symtrique si tA = A. On dit que A
est antisymtrique si tA = A. L'ensemble des matrices symtriques, gal Ker(t Id) et l'ensemble

-8-

exosup.com page facebook

 des matrices antisymtriques, gal Ker(t + Id) sont des sous-espaces vectoriels de 5 n( 6 ). Le fait
que t o t = Id prouve que t est la symtrie par rapport aux matrices symtriques paralllement aux
matrices antisymtriques. On peut montrer directement que ces deux sous-espaces vectoriels sont
supplmentaires. En effet :

Si A est la fois symtrique et antisymtrique, tA = A = A donc A est nulle. La somme est donc
directe.

Toute matrice carre s'crit comme somme d'une matrice symtrique et antisymtrique :

M + tM M tM
M= +
2 2

7 5 7 2 0 3
Ainsi 1 5 = 2 5 + 3 0

n(n+1)
La dimension du sous-espace des matrices symtriques est , une base tant (Eij + Eji), i j ; la
2
n(n1)
dimension du sous-espace des matrices antisymtriques est , une base tant (Eij Eji), i < j.
2

IV : Changement de bases

1 Dfinition
Soit (e1, ..., en) une base d'un espace vectoriel E. On considre une nouvelle base (1, ..., n). On
appelle matrice de changement de base de l'ancienne base la nouvelle la matrice dont la colonne j
est constitue des composantes de j dans l'ancienne base (e1, ..., en). Cette matrice tant de rang n
est donc inversible.

2 Expression d'un vecteur

Soit (ei) et (i) deux bases ; soit Pe la matrice de changement de base de (ei) (i). On considre un
vecteur V dont les composantes dans l'ancienne base forment un vecteur colonne (V)e, et l'on
souhaite connatre les composantes de V dans la nouvelle base. On a :
n n
V = xiei = xj'j
i=1 j=1

n
avec j = aijei o aij est le terme gnral de Pe.
i=1

n n
V = xj' aijei
j=1 i=1

n n
V= aij xj' ei
i=1 j=1

Par identification des coefficients, on en dduit que :

-9-

exosup.com page facebook

 n
xi = aij xj'
j=1

Donc : (V)e = Pe(V)

Pour connatre (V), il faudra donc rsoudre un systme ou inverser une matrice.

Autre dmonstration :
Considrons l'application Id de E muni de la base (i) dans E muni de la base (ei). La matrice de cette
application linaire Id est la matrice Pe prcdemment dfinie. En effet, sa jme colonne est constitue
des composantes dans la base d'arrive (ei) des vecteurs de la base de dpart (j). La relation Y =
MX donnant les composantes de l'image d'un vecteur partir des composantes de ce vecteur et de la
matrice de l'application linaire donnera dans le cas prsent :
(V)e = Pe(V)

Inverse de Pe :
De (V)e = Pe(V), on tire (V) = Pe1(V)e. Mais par ailleurs, en reprenant la formule initiale en
inversant les rles de e et , on a aussi :
(V) = Pe(V)e
Ces formules tant vraies pour tout V, on en dduit que :
Pe1 = Pe

Produit de matrices de passage :

Si l'on dispose de trois bases e,e',e", on a
(V)e = Pee'(V)e'
(V)e' = Pe'e"(V)e"
(V)e = Pee'Pe'e"(V)e"
or, par ailleurs, on a :
(V)e = Pee"(V)e"
ces relations tant vraies pour tout vecteur V, on en dduit que :
Pee'Pe'e" = Pee"

3 Applications linaires
Soit E muni de deux bases e et e', et F muni de deux bases et '. e et sont considres comme les
anciennes bases, e' et ' comme les nouvelles. Soit P la matrice de passage de e e', et Q la matrice
de passage de '. Soit f une application linaire de E dans F, de matrice M dans les anciennes
bases. Si dimE = p et dimF = n, alors :
M 7 np( 8 )
P 9(: ( ;p )
Q <(= ( >n )

On souhaite dterminer l'expression de la matrice de f dans les nouvelles bases. Notons W = f(V). On
a:
(W) = M(V)e
(W) = Q(W)'
(V)e = P(V)e'

- 10 -

exosup.com page facebook

 (W)' = Q1MP(V)e'

Ainsi, la matrice de f dans la nouvelle base est M' = Q1MP. (On vrifiera la possibilit d'effectuer un
tel produit). On a galement M = QM'P1. Les matrices M et M' sont dites quivalentes.

Dans le cas d'un endomorphisme o l'on effectue le mme changement de base P dans le mme
espace de dpart et d'arrive, la formule se rduit M' = P1MP. Les matrices M et M' sont dites
semblables.

PROPOSITION :
Soit M, lment de ? np( @ ) une matrice de rang r. Alors M est de la forme QJrP1, avec P et Q
carres inversibles et Jr la matrice par bloc dfinie par :
Ir O1
Jr = O O
2 3
o Ir est la matrice identit de dimension r, O1 la matrice nulle r lignes et pr colonnes, O2 la
matrice nulle nr lignes et r colonnes, O3 la matrice nulle nr lignes et pr colonnes.

Dmonstration :
On considre que M est associe une application linaire f d'un espace vectoriel E de dimension p
A p et F = B n munis des bases canoniques). On construit alors une base (e ', ..., e ') de E et ( ', ', ...
dans un espace vectoriel F de dimension n dans des bases donnes (on peut prendre par exemple E =
1 p 1 2

n') de F dans lesquelles la matrice de f est donne par la matrice ci-dessus, savoir :
f(e1') = 1', f(e2') = 2', ..., f(er') = r', f(er+1') = 0, ..., f(ep') = 0
On remarque que, d'aprs le thorme du rang, dim Kerf = p r. On choisit donc er+1', ..., ep' base de
Kerf, que l'on complte en e1', ..., er', er+1', ..., ep' base de E. On pose 1' = f(e1'), ..., r' = f(er'). Dans la
dmonstration du thorme du rang, nous avons montr que cette famille constitue une base de Imf.
On la complte en 1', ..., r', r+1', ..., n' base de F. P et Q sont alors les matrices de changement de
bases ainsi dfinies.

Rciproquement, si M = QJrP1 alors rg(M) = rg(Jr) puisque M et Jr reprsenteront la mme

application linaire dans des bases diffrentes, et que leur rang sera le rang de cette application
linaire.

Cela signifie que ce qui caractrise une application linaire, c'est son rang. On peut classifier les
applications linaires au moyen de leur rang. Par exemple, il existe trois types d'applications linaires
d'un espace vectoriel de dimension 3 dans un espace vectoriel de dimension 2, savoir, les
applications dont la matrice est, dans des bases bien choisies :
0 0 0 1 0 0 1 0 0
0 0 0 0 0 0 0 1 0

COROLLAIRE :
rgtA = rgA

Dmonstration :
Soit A de rang r. Alors A est quivalente Jr dfinie plus haut. Donc il existe P, lment de CED ( F
p )
et Q lment de (G H n ( I ) tels que :
1
A = QJrP

- 11 -

exosup.com page facebook


t
A = t(QJrP1) = tP1tJrtQ
t
A est quivalente tJr
et il est clair que rg tJr = r.

4- Annexe : composition des vitesses et des acclrations

Drivation relativement une base

La prsentation ci-dessous n'est pas la plus courante, mais fait le lien avec les formules de
changement de base.

Soit E un espace euclidien orient de dimension 3 muni de deux bases orthonormes directes, (e1, e2,
e3) et (1, 2, 3). Ces deux bases sont susceptibles de varier au cours du temps. Il est d'usage de
considrer une base fixe (la premire) et une base variable (la deuxime), mais nous nous y refusons,
car la seule chose qui importe, c'est la relation d'une base par rapport l'autre. La matrice de
changement de base Pe (ou son inverse Pe) sera donc une matrice dpendant du temps t sans que la
connaissance de cette matrice puisse en aucune faon dfinir s'il y a une base fixe ou non. Le
caractre variable de la matrice de passage exprime seulement comment une base varie par rapport
l'autre.

Considrons maintenant la relation de changement de base (U)e = Pe(U), o U est un vecteur

dpendant lui aussi du temps. (U)e sont les composantes de U dans la base (e). (U) sont les
composantes de U dans la base (). Ces composantes dpendantes elles aussi du temps. Drivons la
relation de changement de base. On obtient, en notant P pour abrger Pe :
d(U)e d(U) dP
=P + (U)
dt dt dt

d(U)e
Interprtons cette galit. Considrons . Si U = x1e1 + x2e2 + x3e3 avec x1, x2, x3 dpendant du
dt
x1 x1'
x
temps, alors (U)e = 2 , et
d(U)e x '
= 2 . Ces composantes reprsentent un vecteur dans la base
x3 dt x3'
(e), savoir x1'e1 + x2'e2 + x3'e3. IL NE S'AGIT PAS DE LA DERIVEE DE U, puisque la drive de
U ferait intervenir les drives des vecteurs ei. Or, on s'est content de driver les composantes.
Nous dirons qu'il s'agit de la drive de U par rapport la base (e). Elle correspond la drive de U
pour un observateur li la base (e) et qui observe l'volution de U dans cette base. Nous la noterons
U ' |(e).

d(U)
De mme, reprsente, dans la base () les composantes de la drive de U par rapport la
dt
d(U)
base (), note U ' |() . Quant P , en vertu de la formule de changement de base, ce sont les
dt
composantes, dans la base (e) cette fois-ci, du mme vecteur U ' |().

dP dP 1
Reste la dernire partie, (U) = P (U)e. Dans la base (e), il s'agit des composantes de
dt dt
dP 1
l'image de U par une application linaire de matrice P . La relation trouve s'crit donc :
dt
U ' |(e) = U ' |() + (U)
- 12 -

exosup.com page facebook

 Etudions de plus prs l'endomorphisme . P, matrice de changement de base d'une base
orthonorme directe une autre, est une matrice de rotation, et vrifie :
P tP = I (cf le chapitre Espaces euclidiens dans le fichier ESPEUCL), ou encore tP = P1
En drivant cette relation, on obtient :
P' tP + P tP' = 0
P' tP = P tP' = t(P' tP)
0 c b
Ainsi, P' tP (ou P'P1), matrice de , est antisymtrique, donc de la forme c 0 a . Si on note
b a 0
a
le vecteur de composantes b dans la base (e), on a (U) = U. Ainsi :
c
U ' |(e) = U ' |() + U
s'appelle vecteur instantan de rotation de la base () par rapport la base (e). Il dpend lui aussi

d
d
d
du temps. Par contre, puisque = 0, on a |(e) = |(), ce que nous abrgerons en , tant
dt dt dt
entendu que cette drive sera calcule relativement l'une ou l'autre base et pas une troisime.

Composition des vitesses

Les considrations qui prcdent sont largement utilises en cinmatique. Soit (O, e1, e2, e3) et
(O', 1, 2, 3) deux repres affines orthonorms directs d'un espace affine de dimension 3, tous deux
dpendants du temps. Soit M un point variable de cet espace. Un observateur li (O, e1, e2, e3)
dOM
verra se dplacer le point M dans son rfrentiel, avec une vitesse V |(e) = |(e). Un observateur
dt
li (O', 1, 2, 3) verra se dplacer le mme point M dans son rfrentiel avec une vitesse
dO'M
V |() = |(). On cherche le rapport entre ces deux vitesses. On applique le rsultat qui prcde-
dt
dessus avec U = OM.
dOM
V |(e) = |() + OM
dt
dO'M dOO'
= |() + |() + OM
dt dt
dOO'
= V |() + |() + OM
dt
dOO'
Le vecteur |() + OM serait la vitesse dans le rfrentiel (O, e1, e2, e3) d'un point concidant
dt
avec M l'instant considr, mais fixe dans (O', 1, 2, 3). On l'appelle vitesse d'entranement de M
l'instant considr. On peut l'crire galement sous la forme :
dOO' dOO' dOO'
Ventr. = |() + OM = |() + OO' + O'M = |(e) + O'M
dt dt dt
La formule de composition des vitesses s'crit donc :
V |(e) = V |() + Ventr.

Composition des acclrations

En drivant la relation de compositions des vitesses, on fait apparatre les acclrations de M
dV |(e) dV |()
relativement chaque repre, savoir a |(e) = |(e) et a |() = |().On obtient :
dt dt
- 13 -

exosup.com page facebook

 dV |(e)
a |(e) = |(e)
dt
d
= (V |() + Ventr.) |(e)
dt
dV |() dVentr.
= |(e) + |(e)
dt dt

dV |() d dOO'
= |() + V |() + ( |(e) + O'M) |(e)
dt dt dt
d2OO'
d dO'M
= a |() + V |() + |(e) + O'M + |(e)
dt2 dt dt
d2OO'
d dO'M
= a |() + V |() + |(e) + O'M + ( |() + O'M)
dt2 dt dt
d2OO' d
= a |() + 2 V |() + 2 |(e) + O'M + ( O'M)
dt dt
Si on considre un point fixe dans le rfrentiel (O', 1, 2, 3), concidant avec M l'instant
considr, sa vitesse et son acclration dans ce rfrentiel seraient nulles, de sorte que son
acclration dans le rfrentiel (O, e1, e2, e3) serait gale au vecteur suivant, appel acclration
d'entranement :
d2OO'
d
aentr. = |(e) + |(e) O'M + ( O'M)
dt2 dt
Il reste enfin un terme supplmentaire, savoir 2 V |(), qualifi d'acclration de Coriolis aCor..
La formule de composition des acclrations s'crit donc :
a |(e) = a |() + aentr. + aCor.

EXEMPLE :
= Vt V
Considrons une spirale d'Archimde d'quation polaire , soit = .
= t

O x

Il s'agit de la trajectoire dans le repre Oxy d'un point M se dplaant vitesse constante V sur une
droite passant par O, qui elle-mme tourne vitesse constante de autour de O. Dans un repre li
la droite, on voit ce point s'loigner la vitesse constante V de O, et donc avec une acclration

- 14 -

exosup.com page facebook

 Vcos(t) Vtsin(t)
nulle. Dans le repre Oxy au contraire, on le voit avec une vitesse . Cette
Vsin(t) + Vtcos(t)
Vcos(t)
vitesse peut se dcomposer en la somme de v = , vitesse du point par rapport la droite,
Vsin(t)
Vtsin(t)
et de = OM, vitesse d'entranement (on rajoute une troisime direction
Vtcos(t)
orthogonale au plan et portant pour effectuer le produit vectoriel).
Quant l'acclration de M dans Oxy, elle vaut :
2Vsin(t) V tcos(t) 2Vsin(t) V tcos(t)
2 2
= +
2Vcos(t) V tsin(t) 2Vcos(t) V tsin(t)
2 2

= 2v 2 OM

acclration de acclration
Coriolis d'entranement
centripte

V : Rsolution de systmes

1 Mthode de Gauss
Cette mthode ressemble celle utilise pour le calcul du rang d'un systme de vecteurs ; soit un
systme :
aa1121xx12 ++ aa1222xx22 ++ ... + a1pxp = b1
...
... + a2pxp = b2

an1x2 + an2x2 + ... + anpxp = bn

Si tous les ai1 sont nuls, alors x1 n'intervient pas et on passe la deuxime colonne. Si l'un des ai1 est
non nul, par exemple a11, on remplace, pour 2 i n, la ligne Li par Li' = a11Li ai1L1. On obtient un
nouveau systme :
a11x1 +a22a12' xx22 ++......++aa2p1p'xxpp == bb12'
...
an2' x2 + ... + anp' xp = bn'
et on itre le procd sur les n1 dernires lignes. Ce systme est quivalent au prcdent. En effet,
connaissant Li' et L1, il est possible de reconstituer Li ; on remarquera pour cela qu'il est essentiel que
a11 soit non nul.

EXEMPLE :
2x + 4y z + t = 2
x 2y + 3z t = 1
x + y + z/2 + t/2 = 0
2x + 4y z + t = 2
8y 7z + 3t = 0 L1 2L2 L2
2y 2z = 2 L1 2L3 L3
x = 4z/3 + 1/3
t = z/3 8/3
y = z + 1
Ce systme admet une infinit de solution.

- 15 -

exosup.com page facebook

 2 Rang d'un systme
C'est le rang r de la matrice des coefficients A = (aij). Le systme peut s'interprter de la faon
suivante. Soit f : J p K n de matrice A. Soit B le vecteur de composantes (b1, ..., bn) et V le
vecteur de composantes (x1, ..., xp). Le systme est quivalent trouver V tel que f(V) = B.

On voit que l'existence des solutions est li au fait que B appartient l'image ou non. En particulier,
si r = n (rang gal au nombre d'quations), alors f est surjective et il y a toujours une solution.

L'unicit de la solution, si elle existe, est lie l'injectivit de f, donc son noyau. La dimension du
noyau est, d'aprs le thorme du rang, gal pr. En particulier, si p = r (rang gal au nombre
d'inconnues), il y a unicit de la solution, si elle existe.

Le cas r = n = p (autant d'inconnues que d'quations, ce nombre tant gal au rang) permet de
conclure l'existence et l'unicit de la solution. On dit que le systme est de Cramer. On voit qu'il
ne suffit pas d'avoir n = p pour conclure ainsi. Le rang du systme joue un rle essentiel. r = n = p
signifie qu'on dispose d'une matrice carre inversible, donc que f est bijective.

Dans le cas gnral d'un systme de rang r homogne (dont les seconds membres sont nuls),
l'ensemble des solutions est un sous-espace vectoriel de dimension pr. Il s'agit du noyau de f. Dans
la pratique, la mthode de Gauss conduit nr quations du type 0 = 0. On les limine du systme.

EXEMPLE :
2x + y z = 0
x + 3y + z = 0
4x + 7y + z = 0
x + 3y + z = 0 L2 L1
5y + 3z = 0 2L2 L1 L2
5y + 3z = 0 4L2 L3 L3
x = 4z/5

y = 3z/5

Dans le cas d'un systme avec second membre de rang r, si B appartient Imf, on obtient l aussi nr
quations du type 0 = 0. Le systme est dit compatible. Par contre, si B n'appartient pas Imf, la
mthode du pivot de Gauss conduit des quations incompatibles, du type 0 = 1.Dans ce cas, il n'y a
pas de solution.

EXEMPLE :
2x + y z = 1
x + 3y + z = 3
4x + 7y + z = 7
x + 3y + z = 3 L2 L1
5y + 3z = 5 2L2 L1 L2
5y + 3z = 5 4L2 L3 L3
x = 4z/5

y = 3z/5 + 1

Mais :

- 16 -

exosup.com page facebook

 2x + y z = 1
x + 3y + z = 3
4x + 7y + z = 1
x + 3y + z = 3 L2 L1
5y + 3z = 5 2L2 L1 L2
5y + 3z = 13 4L2 L3 L3
L2 et L3 sont incompatibles (5 = 13). Il n'y a pas de solution.

3 Ensemble des solutions

On cherche donc rsoudre f(V) = B. Si B n'appartient pas Imf, l'ensemble des solutions est vide.
Si B appartient Imf, soit V0 un antcdent particulier de B. On vrifie alors facilement que
l'ensemble des solutions est de la forme {V0 + W | W Kerf}. Ainsi, la solution gnrale de
l'quation avec second membre s'obtient en ajoutant une solution particulire de l'quation avec
second membre la solution gnrale de l'quation homogne.

Une partie d'un espace vectoriel E de la forme {V0 + W | W F} avec F sous-espace vectoriel de E
s'appelle sous-espace affine de E passant par V0 de direction F.

EXEMPLE :
a1x1 + ... + anxn = 0 avec l'un des ai non nul est l'quation d'un hyperplan vectoriel de L n
, sous-
espace vectoriel de dimension n1.
a1x1 + ... + anxn = b est l'quation d'un hyperplan affine.

4 Inversion de matrices
Nous avons dj donn une mthode pour inverser une matrice M, savoir la rsolution du systme
Y = MX. En voici une deuxime. Considrons une matrice A n n constitue des colonnes C1, C2,
..., Cn. On vrifiera que :
Multiplier la jme colonne de A par est quivalent multiplier A droite par la matrice :
j

1 0 ... 0

0 1 ... 0
... ...

0 0 ... ... 0 j (matrice de dilatation)

... ...
0 0 ... 1
Retrancher la colonne i la colonne j est quivalent multiplier A droite par la matrice :
j

1 0 ... 0

i
... 1 ...
... ... 0
0 0 ... 1 ... 0 j (matrice de transvection tij(1))
... ...
0 0 ... 1

- 17 -

exosup.com page facebook

 Permuter les colonnes i et j est quivalent multiplier A droite par la matrice :
i j

1 0 ... 0

i
... 0 ... 1
... ... ...

... 1 ... 0 ... j

0 0
... ...
... 1
Ainsi, toutes les oprations lmentaires sur les colonnes de A sont quivalentes des produits de
matrices droite de A. (On vrifiera que les produits gauche donne les oprations lmentaires sur
les lignes de A). On peut alors inverser une matrice de la faon suivante : on choisit une fois pour
toutes d'effectuer les mmes oprations sur les lignes, ou (strictement) sur les colonnes, et ceci la
fois sur A et sur la matrice Identit. Cela revient multiplier A et I par la mme matrice B. En cours
de calcul, on dispose des matrices AB et IB = B. Si l'on parvient finalement AC et IC avec AC = I,
alors ncessairement IC = C = A1.

2 4 1
EXEMPLE 1 : Calculer l'inverse de 1 2 3
1 1 1/2
2 4 1 1 0 0
1 2 3 0 1 0

1 1 1/2 0 0 1

C2 2C1 C2
C3 C1 + 2C3
2 0 0 1 2 1
1 4 7 0 1 0

1 1 2 0 0 2

C3 4C3 7C2
2 0 0 1 2 10
1 4 0 0 1 7

1 1 1 0 0 8

C2 C2 C3
2 0 0 1 12 10
1 4 0 0 8 7

1 0 1 0 8 8

C2 C2/4
2 0 0 1 3 10
1 1 0 0 2 7

1 0 1 0 2 8

C1 (C1 C2 C3)/2

- 18 -

exosup.com page facebook

 1 0 0 4 3 10
0 1 0 5/2 2 7

0 0 1 3 2 8

4 3 10
Donc la matrice inverse vaut 5/2 2 7
3 2 8

10 9 1
EXEMPLE 2 : Calculer l'inverse de 9 10 5
1 5 9
10 9 1 1 0 0
9 10 5 0 1 0

1 5 9 0 0 1

C2 10C2 9C1
C3 10C3 C1
10 0 0 1 9 1
9 19 41 0 10 0

1 41 89 0 0 10

C3 41C2 + 19C3
10 0 0 1 9 350
9 19 0 0 10 410

1 41 10 0 0 190

C3 C3/10
10 0 0 1 9 35
9 19 0 0 10 41

1 41 1 0 0 19

C2 C2 41C3
10 0 0 1 1444 35
9 19 0 0 1691 41

1 0 1 0 779 19

C2 C2/19
10 0 0 1 76 35
9 1 0 0 89 41

1 0 1 0 41 19

C1 (C1 9C2 C3)/10

1 0 0 65 76 35
0 1 0 76 89 41

0 0 1 35 41 19

- 19 -

exosup.com page facebook

 65 76 35
Donc la matrice inverse vaut 76 89 41
35 41 19

11 01 00 00 ... 0
... 0

EXEMPLE 3 : Soit A la matrice ... ... ...

1 1 1 ... 1 0
1 1 1 ... 1 1
On obtient directement la matrice I au moyen des oprations Ci Ci Ci+1. En appliquant les
11 1 0 0 ... 0
0 0 0 ... 0

mmes rgles sur I, on obtient A1, savoir ... ... ...
0 0 ... 1 1 0
0 0 0 ... 1 1

Annexe : utilisation des matrices en physique

Toutes ces utilisations ne font pas ncessairement partie du programme de CPGE de physique.

1 Matrice d'inertie
Soit M un point de masse m se dplaant la vitesse V par rapport un rfrentiel et O un point de
ce rfrentiel. On appelle moment cintique de M par rapport O le vecteur :
LO = OM mV
L'intrt du moment cintique tient dans le fait que sa drive est gale aux moments des forces
appliques en M par rapport O (y compris les forces d'inertie si le rfrentiel n'est pas galilen),
lorsque O est fixe dans le rfrentiel considr.

Supposons que M effectue un mouvement de rotation autour d'un axe passant par O. La vitesse V
est alors de la forme V = OM, o est un vecteur appel vecteur instantan de rotation. L'axe
(O,) est l'axe de rotation. On a alors :
LO = m OM (
OM)

On introduit alors un oprateur, appel oprateur d'inertie, qui, tout vecteur u, associe le vecteur
J(u) = m OM (u OM) = m OM2u m <u,OM> OM = m (OM u) OM, de sorte que
).
LO = J(

En ce qui concerne un solide, on opre de mme en sommant au moyen d'une intgrale triple sur tous
les points du solide. L'oprateur d'inertie prend alors la forme :

J(u) = OM (u OM) dm
V

=
OM2u <u,OM> OM dm
V
J est clairement linaire et est donc reprsent par une matrice 3 3 dont on montre qu'elle est
A F E
symtrique. La matrice de J s'crit donc F B D avec :

E D C

- 20 -

exosup.com page facebook

 2 2
A = <J(i),i> = OM2 (i.OM)2 dm = (y +z ) dm, moment d'inertie par rapport l'axe (O,i)
V
V
2 2
B =
(x +z ) dm, moment d'inertie par rapport l'axe (O,j)

V
2 2
C =
(x +y ) dm, moment d'inertie par rapport l'axe (O,k)

V

D = <J(k),j> =
yz dm, quantit appele produit d'inertie.

V

E =
xz dm

V

F =
xy dm

V
Etant symtrique, on montre qu'elle est diagonalisable dans un repre orthonorm dont les axes sont
appels axes principaux d'inertie. (cf le fichier PREHILB.PDF dans le chapitre Espaces
prhilbertiens du cours de deuxime anne pour plus de dtails).

2 Rseaux de conducteurs lectriques

On considre un rseau lectrique form de n mailles. On attribue chaque maille un courant
lectrique dit courant de maille (ou courant de Maxwell). Il y a donc n courants de maille I1, ..., In.
Le courant observ dans un conducteur commun plusieurs mailles est la somme algbrique des
courants des mailles auxquelles il appartient. Si chaque maille dispose d'une force lectromotrice E1,
..., En, alors on dispose d'une relation matricielle :
(E) = (R)(I)
o R est une matrice n n. Dans le cas de mailles extrieures les unes aux autres, toutes orientes
dans le mme sens (par exemple le sens trigonomtrique), on montre que :
Rii est la somme des rsistances totales de la maille i
Rij est l'oppos de la somme des rsistances communes aux mailles i et j.
En particulier, cette matrice est symtrique. Pour connatre les intensits connaissant les forces
lectromotrices, il suffit d'inverser la matrice R.

3 Quadriples
On considre le systme lectrique suivant, appel quadriple :
I1 I2

U1 U2

Le cadre contient un rseau lectrique purement passif. Dans ce cas, les courants I1 et I2 dpendent
linairement de U1 et U2. En effet, on peut les considrer comme les courants des mailles extrieures
de sorte que l'on a :

- 21 -

exosup.com page facebook

 II12 U1
U
... = (R)1
...
2

... ...
avec (R)1 inverse de la matrice (R) dfinie au paragraphe prcdent. Le signe de U2 provient de
l'orientation positive choisie pour U2 ici, en sens contraire du courant. (R)1 est symtrique. On
obtient donc, en introduisant le signe de U2 dans la matrice :
I1 a b U1
I2 = b c U2
(Si le rseau n'est pas passif, la dpendance est affine.)

On en dduit une expression :

U2 a' b' U1
=
I2 c' d ' I1

dont on peut vrifier, en l'exprimant partir de a, b, c que le dterminant est gal 1. La dernire
matrice utilise s'appelle matrice de transfert. Cette disposition permet le calcul ais d'une suite de
quadriples en sries. Il apparat alors un produit de matrices.

4 Electrostatique
On considre n conducteurs lectriques de charges Q1, Q2, ..., Qn. Ces conducteurs sont ports aux
potentiels V1, V2, ..., Vn. L'exprience prouve que la dpendance des charges en fonction des
potentiels est linaire, et donc qu'il existe une matrice (C) telle que :
(Q) = (C)(V)
o (Q) est la matrice colonne de composantes Qi et (V) la matrice colonne de composantes Vi.

Les lments diagonaux valent Cii, capacit du conducteur i, en prsence des autres conducteurs, et
sont positifs. Les lments Cij, pour i diffrent de j, s'appellent coefficient d'influence du conducteur i
sur le conducteur j. Ils sont ngatifs. Cette matrice est par ailleurs symtrique. Cette proprit repose
sur le principe de conservation de l'nergie. En effet, on montre que, si l'on charge d'abord le
conducteur j d'une charge Qj, puis le conducteur i d'une charge Qi, l'nergie ncessaire vaut
1
(C1)ijQii2 + (C1)ijQjQi + (C1)jjQj2. Si l'on commence d'abord par le conducteur i puis par le
2
1
conducteur j, l'nergie vaut (C1)ijQii2 + (C1)jiQjQi + (C1)jjQj2. On a donc (C1)ij = (C1)ji. La
2
1
matrice C et donc la matrice C est symtrique. Indiquons enfin que l'nergie lectrostatique
ncessaire pour charger les conducteurs i la charge Qi vaut :
1
E = tQ C1 Q o Q est la matrice colonne de composantes Qi
2
1
= tV C V o V est la matrice colonne de composantes Vi.
2
1
= tQ V
2

5 Inductance mutuelle
De mme, considrons n circuits lectriques parcourus par les courants Ii. Ils crent un champ
magntique B dont le flux travers le circuit i est i. On a une relation du type :
() = (L)(I)

- 22 -

exosup.com page facebook

 o () est le vecteur colonne dont les composantes sont i et (I) le vecteur colonne dont les
composantes sont Ii. (L) est une matrice carre n n de terme gnral Lij avec :
Lii inductance propre du circuit i
Lij inductance mutuelle du circuit i sur le circuit j.
Cette matrice est elle aussi symtrique. L'nergie magntostatique du systme s'exprime sous la
forme :
1
E = t I
2
1
= tI L I
2
1
= t L1
2

6 Polarisation
Considrons un corps, par exemple, un cristal plong dans un champ lectrique E. Les atomes de ce
corps subissent en gnral une polarisation. Il en rsulte une polarisation globale P, qui n'est pas en
gnral colinaire E. Il existe une transformation linaire M telle que :
P = M.E
En considrant l'nergie ncessaire une polarisation d'abord suivant l'axe des x, puis suivant l'axe
des y, ou d'abord suivant l'axe des y puis suivant l'axe des x, on peut montrer l aussi que M est
symtrique. Le fait qu'une matrice symtrique soit diagonalisable dans une base orthonorme signifie
qu'il existe trois directions de polarisation privilgie, pour lesquelles P est colinaire E. L'nergie
1
de polarisation est tE.M.E
2

7 Optique matricielle
On dfinit en chaque point de l'axe optique le couple (y,u) o y est la distance du rayon l'axe et u
l'angle du rayon lumineux et de l'axe.

u
y
y' u'

Entre deux points, on a une transformation linaire de (y,u) en (y',u'), obtenue en confondant u, sinu
et tanu (autrement dit, on considre que la direction du rayon lumineux est trs proche de celle de
l'axe [approximation de Gauss]). La matrice de cette transformation est dite matrice de transfert. Par
exemple, les matrices sont :
milieu transparent de longueur L : u est invariant, mais y augmente de Lu
1 L
0 1
dioptre sphrique de rayon R, du milieu d'indice n au milieu d'indice n' : y est invariant, mais le
rayon change de direction :

- 23 -

exosup.com page facebook

 1 0
(nn') n

n'R n'
dioptre plan, du milieu d'indice n au milieu d'indice n' : idem
1 0
n
0
n'
obtenu comme cas particulier du dioptre shrique lorsque R tend vers l'infini.
miroir sphrique de rayon R : idem
1 0
2
1
R
obtenu comme cas particulier du dioptre shrique lorsque n' = n.
miroir plan : idem
1 0
0 1
obtenu comme cas particulier du dioptre plan, lorsque n' = n, ou du miroir sphrique lorsque R tend
vers l'infini.

Disposer successivement plusieurs dioptres ou miroirs spars les uns des autres revient construire
un systme optique dont la matrice est le produit des matrices de ses lments.

Deux plans sont conjugus lorsque y = 0 correspond y' = 0 et ceci, quel que soit u. Cela signifie
qu'un objet dispos sur l'axe dans le premier plan aura son image sur l'axe dans le second plan. On a
alors ncessairement a12 = 0. Si la matrice est b c , on a y' = ay de sorte que a est l'agrandissement
a0

transversal. Si y = 0, on a u' = cu et c est l'agrandissement angulaire. Les plans conjugus sont dits
principaux lorsque l'agrandissement vaut a = 1.

Le foyer objet est atteint lorsque a22 = 0, le foyer image, lorsque a11 = 0. Dans le premier cas, y = 0
u' = 0, autrement dit les rayons issus d'un objet plac sur l'axe au foyer objet ressorte parallle
l'axe. Dans le second cas, u = 0 y' = 0, autrement dit des rayons incidents parallles l'axe se
0 f
concentre sur l'axe au foyer image. La matrice entre les deux foyers vaut 1 0 .
f'

8 Transformation de Lorentz
En relativit restreinte, on suppose qu'un repre O' se dplace la vitesse V par rapport O. Alors le
quadrivecteur (x',y',z',ct') se dduit du quadrivecteur (x,y,z,ct) par une tranformation linaire. En
particulier, si les axes sont aligns, et si le dplacement se fait suivant Ox, on a :
1 2 2
x' = 1 1 x
ct' ct
1
1 2 1 2
V E
o = , c vitesse de la lumire. De mme, le quadrivecteur impulsion-energie (P, ) se transforme
c c
1 E 1
avec le mme oprateur, avec P = m0V et = m0c
1 2 c 1 2
- 24 -

exosup.com page facebook

 On transforme de mme les quadrivecteurs densit de courant (J, c) ou le quadrivecteur potentiel
(A, ).
c

- 25 -

exosup.com page facebook