Professional Documents
Culture Documents
Cas particuliers:
→ Une matrice ayant le même nombre n de lignes et de colonnes s'appelle
une matrice carrée. Leur ensemble se note Mn(IK).
3 1 + i
Ex: B = 2 – i
5i est une matrice carrée de M2(C).
I
Matrice extraite: une matrice extraite de A est une matrice obtenue en supprimant dans A
un certain nombre de lignes et/ou un certain nombre de colonnes.
1 2 3
1 2
Ex: si C = 4 5 6 alors D = 7 8 est une matrice extraite de C
7 8 9
On l'a obtenue en supprimant la deuxième ligne et la troisième colonne de C.
aa1j2j
→ ∀j∈
∈{1, ..., p}, ... ∈IKn est le j-ème vecteur colonne de M.
anj
2 -1 4 3
1 -3 2 -5 -4 3 -6 21 9 -9 27
Exemple: 5 7 -2 = -29 -31 45 -33
2 -1 -2 3
Le coefficient -9 situé en première ligne et troisième colonne
correspond au produit scalaire canonique de (1; -3; 2) par (4; 3; -2)
ce qui donne 1×4 + (-3)×3 + 2×(-2) = 4 – 9 – 4 = -9
0 0 0 0
0 1 0 0 0 1 0 0 0 1 0
Ex: 0 0 0 = 0 0 0 0
0 0 0 0
0 0 1 0
0 1 0 0 0 0 0 0 0 0 0
= 0 0 0 0
0 0 0
0 0 0 0
4-) Transposition
a-) Définition
∈Mn,p(IK) alors tA = (α
Si A = (aij)∈ αij)∈
∈Mp,n(IK) avec αij = aji
est la matrice transposée de A.
1 4
1 2 3
Exemple: Si A = 4 5 6 alors A = 2 5
t
3 6
b-) Propriétés
Lorsque les opérations sont définies,
→ t(tA) = A
→ t(A + B) = tA + tB
→ t(λ λA) = λ(tA)
→ t(AB) = tB.tA (Attention !!!)
Preuve de la dernière: (les autres sont évidentes)
Si A = (aij)∈Mn,p(IK) et B = (bij)∈Mp,q(IK)
alors A = (αij)∈Mp,n(IK) et tB = (βij)∈Mq,p(IK)
t
supérieures i>j
→ Les matrices triangulaires inférieures sont les matrices (aij) avec aij = 0 si i < j
1 2 3
Ex: T1 = 0 4 5 est une matrice triangulaire supérieure
0 0 6
2 0 0
et T2 = 0 0 0 est une matrice triangulaire inférieure.
1 1 1
→ Les matrices scalaires sont les matrices de la forme λIn (matrices d'homothétie).
-2 0 0
Ex: A = 0 -2 0 est une matrice scalaire car A = -2I3
0 0 -2
1 -2 3
Ex: S = -2 4 5 est une matrice symétrique
3 5 6
0 1 2
A = -1 0 -3 est une matrice antisymétrique
-2 3 0
Noter que, dans une matrice antisymétrique, les éléments diagonaux sont nuls.
→ Mn(IK) = S ⊕ A
Toute matrice carrée peut s'écrire de manière unique comme la somme
d'une matrice symétrique et d'une matrice antisymétrique.
Preuve: Analyse Si M = A + S avec A∈A et S∈S
alors tM = tA + tS = -A + S
1 1
d'où S = (M + tM) et A = (M – tM)
2 2
ce qui prouve l'unicité.
1 1
Synthèse ∀M∈Mn(IK), si S = (M + tM) et A = (M – tM)
2 2
S + A = M
t
alors S = S donc S∈S d'où Mn(IK) = S + A
A = -A donc A∈A
t
Conclusion Mn(IK) = S ⊕ A
S ∩ A = {On}
Note: On aurait pu constater que
dimS + dimA = dimMn(IK)
En effet, M∈S ∩ A ⇔ tM = M = -M d'où 2M = On et M = On.
donc S ∩ A = {On}
n(n + 1 ) n(n – 1 ) n2 + n +n2 - n
dimS + dimA = + = = n2
2 2 2
donc dimS + dimA = dimMn(IK)
Par suite, Mn(IK) = S ⊕ A
c-) Attention !
→ Le produit de deux matrices symétriques n'est, en général, pas symétrique.
(En effet, si A et B sont symétriques, t(AB) = tBtA = BA ≠ AB)
2 3 5 6 28 33
Ex: 3 4 6 7 = 39 46
→
→
Exemple 1: Dans le plan rapporté à la base ( i ; j ), si on considère les vecteurs
→ → →
→ →
→
u→ = 2 i – 3 j , v→ = 5 i + j et w
→
=– i – j
→ →
alors la matrice de F = ( u,
→
v→, w)
→
dans la base ( i ; j ) est
u v→ w
→
→
→
M=
2 5 -1 i
→
-3 1 -1 j
Pour un j donné, les aij sont les coordonnées de ϕ(ej) dans la base C.
→ Si on rapporte IR3 à la base B' = ((1, 1, 1), (0, 1, 1), (0, 0, 1))
et IR2 à la base C' = ((1, 1), (1, -1))
ϕ(1, 1, 1) = (1, 3) = 2(1, 1) – 1(1, -1)
ϕ(0, 1, 1) = (-1, 2) = 1(1, 1) – 3(1, -1)
2 2 1 4 1 1
d'où MatB',C'(ϕ) = -2 -3 -1
2
1 1
ϕ(0, 0, 1) = (0, 1) = (1, 1) – (1, -1)
2 2
Pour un j donné, les aij sont les coordonnées de ϕ(ej) dans la base B.
Note: la matrice obtenue est une matrice carrée.
2
Si B = (1, X, X ) désigne la base canonique de IK2[X] alors
u(1) u(X) u(X2)
u(1) = 1 1 1 0 1
u(X) = X + 1 donc MatB(ϕ) = 0 1 2 X
u(X2) = X2 + 2X 2
0 0 1 X
2 -1 0
alors la matrice de ϕ dans les bases canoniques est M = 1 1 1 .
4
Le triplet u = (4; -3; 1) a pour matrice de coordonnées U = -3
1
4
2 -1 0 -3 11
et v = ϕ(u) a pour matrice de coordonnées V = MU = 1 1 1 = 2
1
ce qui correspond bien à ϕ(4, -3, 1) = (11, 2)
x 2x – y = 0
2 -1 0 0
Avec l'exemple ci-dessus, cela donne 1 1 1 y = 0 soit x + y + z = 0
z
2x – y = 0
x = - 3z z
On obtient x + y = – z d'où 2z donc (x, y, z)∈Ker(ϕ) ssi (x, y, z) = - (1, 2, -3)
3
y = - 3
et Ker(ϕ) = Vect((1, 2, -3))
Preuve: → Soit M∈Mn,p(IK), M est la matrice dans C d'une unique famille (v1, ..., vp)
de vecteurs de F et il existe une unique application linéaire ϕ de L(E,F)
telle que ϕ(e1) = v1, ..., ϕ(ep) = vp.
Donc M admet un unique antécédent par Φ et, par suite, Φ est bijective.
→ ∀(a, b)∈IK2, ∀(ϕ, ψ)∈(L(E,F))2,
si A = MatB,C(ϕ), B = MatB,C(ψ) et M = MatB,C(aϕ + bψ)
alors ∀j∈{1, ..., p}, la j-ème colonne de M est (aϕ + bψ)(ej) = aϕ(ej) + bψ(ej)
donc a fois la j-ème colonne de A + b fois la j-ème colonne de B.
Par suite M = aA + bB soit Φ(aϕ + bψ) = aΦ(ϕ) + bΦ(ψ) et Φ est linéaire.
Cas particulier:
L(E) Mn(IK)
→
Avec les notations précédentes, l'application Φ :
ϕ → MatB(ϕ
ϕ)
est un isomorphisme de IK-espaces vectoriels.
5 6
EF un
un IK-e.v. de dimension p rapporté à une base fixée B = (e1, ..., ep)
IK-e.v. de dimension n rapporté à une base fixée C = (f1, ..., fn)
Soient G un IK-e.v. de dimension m rapporté à une base fixée D = (g1, ..., gm)
ϕψ une application linéaire de E dans F de matrice A = (aij) = MatB,C(ϕ
une application linéaire de F dans G de matrice B = (bij) = MatC,D(ψ
ϕ)
ψ)
alors ψ ° ϕ est l'application linéaire de E dans G de matrice C = (cij) = MatB,D(ψ
ψ ° ϕ)
et C = BA
A retenir: ψ) × MatB,C(ϕ
MatC,D(ψ ϕ) = MatB,D(ψ
ψ ° ϕ)
1 2
Ex: A = 2 1 est-elle inversible ? Si oui, déterminer son inverse.
A est la matrice canoniquement associée à l'endomorphisme ϕ de IK2 défini par
IK2 → IK2
ϕ : (x, y) → (x + 2y, 2x + y)
x + 2y = a
x=
– a + 2b
3
Or ∀(a, b)∈IK2, ϕ(x, y) = (a,b) ⇔ 2x + y = b ⇔ 2a – b
y = 3
2 2
IK → IK
donc ϕ est bijective et ϕ-1 : (x, y) → - 1x + 2y, 2x – 1y
3 3 3 3
1 -1 2
Par suite A est inversible et A-1 = 2 -1
3
3-) Théorème
∈Mn(IK), A est inversible ssi la famille de ses vecteurs colonnes est libre.
Soit A∈
Preuve: Soit ϕ l'endomorphisme de IKn canoniquement associé à A,
ϕ est un automorphisme ssi l'image de la base canonique de IKn est une base de IKn
donc ssi la famille des vecteurs colonnes de A est une base de IKn
donc ssi la famille des n vecteurs colonnes de A est libre (car dim(IKn) = n).
En particulier: → Une matrice qui a une colonne nulle n'est pas inversible,
→ Une matrice qui a deux colonnes égales ou proportionnelles
n'est pas inversible,
→ Une matrice dont une colonne est combinaison linéaire des autres
n'est pas inversible.
1 -1 0
Ainsi A = 0 1 1 n'est pas inversible car C3 = C1 + C2
1 2 3
4-) Théorème
∈Mn(IK), A est inversible ssi tA est inversible.
Soit A∈
Dans ce cas, (tA)-1 = t(A-1)
L'inverse de la transposée est la transposée de l'inverse.
Preuve: A∈GLn(IK) ⇔ ∃B∈Mn(IK), AB = In
A∈GLn(IK) ⇔ ∃B∈Mn(IK), tB.tA = tIn = In.
A∈GLn(IK) ⇔ tA∈GLn(IK) et, dans ce cas, (tA)-1 = tB =t(A-1)
Corollaire: ∈Mn(IK), A est inversible ssi la famille de ses vecteurs lignes est libre.
Soit A∈
1 2 3
Ex: Si T = 0 4 5
0 0 6
b c
x=a– –
x a x + 2y + 3z = a b 25c 12
alors T y = b ⇔ 4y + 5z = b ⇔ y = –
4 24
z c
z = 6c
6z = c
24 -12 -2
et T = 0 6 -5
1
-1
24 0 0 4
Ex: Dans IR3[X], si B est la base canonique et si B' = (P, P', P", P(3))
avec P = X3 + 3X2 – 5X + 7
P P' P" P(3)
-57 -56 66 60 1X
alors B' est une base de IR3[X] et PB,B' =
3 3 0 0 X
2
1 0 0 0 X3
b-) Lemme
Soit E un IK-e.v. de dimension n, B = (e1, ..., en) et B' = (e'1, ..., e'n) deux bases de E
et idE l'application identique sur E, alors PB,B' = MatB',B(idE)
Attention: dans la formule ci-dessus l'ordre des matrices B et B' est inverse.
En effet: e'1 ... e'n
e1
MatB',B(idE) = PB,B' ...
en
c-) Théorème
Si B, B' et B" sont trois bases de E alors PB,B" = PB,B' × PB',B"
(E, B") → (E, B') (E, B') → (E, B) (E, B") → (E, B)
Preuve: i1 : u → u , i 2 :
u → u et i 3 :
u → u
Ex: Si dim(E) = 2 et si l'on considère deux bases B = (e1, e2) et B' = (e1 + e2, e1– e2),
1 1
alors PB,B' = 1 -1
e1 = e1 + e2
'
e1 =
e'1 + e'2
2
et e' = e – e ⇔ e1 – e'2
'
2
1 2
1 2
e =
1 1 1
donne PB',B = (PB,B')-1 = 1 -1
2
2-) Effet d'un changement de base sur les coordonnées d'un vecteur
Soit E un IK-e.v. muni de deux bases B et B' et soit x un vecteur de E.
X est la matrice colonne des coordonnées de x dans la base B
Si X' est la matrice colonne des coordonnées de x dans la base B'
P = PB,B' est la matrice de passage de la base B à la base B'
Ex: Dans IR2, si B est la base canonique et si B' = ((1, 1), (1, -1))
1 1 1 1 1
alors P = PB,B' = 1 -1 et P-1 = 1 -1
2
1 1 1 1 1 2
Par suite u = (1, 3) a pour coordonnées P-1 3 = 1 -1 3 = -1 dans la base B'.
2
En effet, 2(1, 1) – 1(1, -1) = (1, 3).
3-) Effet d'un changement de base sur la matrice d'une application linéaire
E un IK-e.v. de dimension p, B et B' deux bases de E et P = PB,B'
Soient F un IK-e.v. de dimension n, C et C' deux bases de F et Q = PC,C'
ϕ∈L(E,F), M = MatB,C(ϕ ϕ) et M' = MatB',C'(ϕ
ϕ)
Preuve: Soit x un vecteur de E, X et X' ses matrices de coordonnées dans les bases B et B',
si y = ϕ(x) a pour matrices de coordonnées Y et Y' dans les bases C et C'
alors Y' = M'X'
or Y' = Q-1Y = Q-1(MX) = (Q-1M)X = (Q-1M)PX' = (Q-1MP)X'
2 -3
alors la matrice de ϕ dans la base canonique de IR2 est M = 3 1
1 1 1 2 -3 1 1
et la matrice de ϕ dans la base ((1, 1), (1, -1)) est M' = 1 -1 3 1 1 -1
2
1 1 1 -1 5 1 3 7
M' = 1 -1 4 2 = -5 3
2 2
3 5 7 3
En effet ϕ(1, 1) = (-1, 4) = (1, 1) – (1, -1) et ϕ(1, -1) = (5, 2) = (1, 1) + (1, -1)
2 2 2 2
2-) Théorème
Une opération élémentaire ne change pas le rang d'une matrice.
C'est une conséquence du théorème vu sur les opérations sur les familles de vecteurs
et du théorème qui indique que le rang d'une matrice est égal au rang de sa transposée.
Une matrice obtenue à partir de M en utilisant des opérations élémentaires sur les lignes
ou sur les colonnes de M s'appelle une réduite de Gauss de M.
1 0 2 3
Ex: M= 0
1 1 0 L1 , L3 ← L3 – 3L1, L2 ← L2 – 2L1
3 -1 2 1
2 0 1 -2
1 0 2 3
M1 =
0 1 1 0
L2 , L3 ← L3 + L2
0 -1 -4 -8
0 0 -3 -8
10 0 2 3
M2 = 0
1 1 0
L3 , L4 ← L4 – L3
0 -3 -8
0 0 -3 -8
10 0 2 3
1 1 0
M3 = 0 0 -3 -8 donc rg(M) = 3
0 0 0 0
1 2 1 0
Ex: A = L1 , L2 ← L2 - 3L1
3 4 0 1
1 2 1 0
(A est inversible) L2 , L1 ← L1 + L2
0 -2 -3 1
1 0 -2 1 1
L2 ← - L2
0 -2 -3 1 2
-2 1
1 0 3 1
- =A
-1
0 1
2 2
1 2 3
1 0 0
-4 1 0 L , L ← L – 2L
0 -3
-6
2 3 3 2
0 -6 -12 -7 0 1
1 2 3
0 -3 -6 donc B n'est pas inversible.
0 0 0
1 1 0 1 0 0
0 1 0
Ex: C = 1 0 1 L1 , L2 ← L2 – L1
0 1 1 0 0 1
1 1 0 1 0 0
-1 1 0 L , L ← L + L
0 -1 1 2 3 3 2
0 1 1 0 0 1
10 -11 10 1 0 0
-1 1 0 (C est inversible) L , L ← 2L – L
3 2 2 3
0 0 2 -1 1 1
1 1 0
1 0 0
-1 1 -1 L , L ← 2L + L
0 -2 0 2 1 1 2
0 0 2 -1 1 1
2 0 0 1 1 -1
0 -2 0 -1 1 -1 L ← 1 L L ← - 1 L , L ← 1 L
1 2 1, 2 2 2 3
2 3
0 0 2 -1 1 1
1 0 0 1 1 -1
0 1 0
1
1 -1 1 = A-1
2 -1 1 1
0 0 1