Universit Joseph Fourier, Grenoble I

Mathmatiques, Informatique et Mathmatiques Appliques

Licence Sciences et Technologies 1
e
anne
Calcul matriciel
Bernard Ycart
Ce chapitre est essentiellement technique et ne requiert pas dautre connaissance
thorique que celle des espaces vectoriels de dimension nie. Vous y apprendrez les
manipulations lmentaires de matrices, qui ne devraient pas vous poser de problme
si vous avez bien compris la rsolution des systmes linaires.
Table des matires
1 Cours 2
1.1 Oprations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Matrices carres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Matrices et applications linaires . . . . . . . . . . . . . . . . . . . . . 7
1.4 Rang dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Calcul de linverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Entranement 17
2.1 Vrai ou faux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Corrig du devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Complments 30
3.1 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Dcomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Maths en L

1gne Calcul matriciel UJF Grenoble

1 Cours
1.1 Oprations sur les matrices
Etant donns deux entiers m et n strictement positifs, une matrice m lignes et n
colonnes est un tableau rectangulaire de rels A = (a
i,j
). Lindice de ligne i va de 1
m, lindice de colonne j va de 1 n.
A = (a
i,j
) =
_
_
_
_
_
_
_
a
1,1
a
1,j
a
1,n
.
.
.
.
.
.
.
.
.
a
i,1
a
i,j
a
i,n
.
.
.
.
.
.
.
.
.
a
m,1
a
m,j
a
m,n
_
_
_
_
_
_
_
.
Les entiers m et n sont les dimensions de la matrice, a
i,j
est son coecient dordre
(i, j). Lensemble des matrices m lignes et n colonnes et coecients rels est not
M
m,n
(R). Ce qui suit sapplique aussi, si on remplace R par C, lensemble des matrices
coecients complexes.
Lensemble M
m,n
(R) est naturellement muni dune addition interne (on peut ajou-
ter deux matrices de mmes dimensions terme terme) et dune multiplication externe
(on peut multiplier une matrice par un rel terme terme).
Addition : Si A = (a
i,j
) et B = (b
i,j
) sont deux matrices de M
m,n
(R), leur somme
A +B est la matrice (a
i,j
+b
i,j
). Par exemple :
_
_
1 1
2 3
1 1
_
_
+
_
_
3 1
5 3
0 2
_
_
=
_
_
2 2
7 0
1 1
_
_
Multiplication externe : Si A = (a
i,j
) est une matrice de M
m,n
(R), et est un
rel, le produit A est la matrice (a
i,j
). Par exemple :
2
_
_
1 1
2 3
1 1
_
_
=
_
_
2 2
4 6
2 2
_
_
Observons que les oprations auraient le mme eet si les matrices taient disposes
comme des mn-uplets de rels (toutes les lignes tant concatnes par exemple). Donc
M
m,n
(R), muni de son addition et de sa multiplication externe, est un espace vectoriel,
isomorphe R
mn
. La base canonique de M
m,n
(R) est forme des matrices dont tous
les coecients sont nuls, sauf un qui vaut 1.
Lopration la plus importante est le produit matriciel.
2
Maths en L

1gne Calcul matriciel UJF Grenoble

Dnition 1. Soient m, n, p trois entiers strictement positifs. Soit A = (a
i,j
) une
matrice de M
m,n
(R) et soit B = (b
j,k
) une matrice de M
n,p
(R). On appel le produit
matriciel de A par B la matrice C M
m,p
(R) dont le terme gnral c
i,k
est dni,
pour tout i = 1, . . . , m et pour tout k 1, . . . , p par :
c
i,k
=
n

j=1
a
i,j
b
j,k
.
Nous insistons sur le fait que le produit AB de deux matrices nest dni que si
le nombre de colonnes de A et le nombre de lignes de B sont les mmes. Observons
dabord que la dnition 1 est cohrente avec la dnition du produit dune matrice
par un vecteur, donne au chapitre prcdent : si p = 1, la matrice B a n lignes et 1
colonne, et le produit AB a m lignes et 1 colonne. Dautre part, appliquer la dnition
1 revient eectuer successivement le produit de A par chacune des colonnes de B.
Pour eectuer ce produit, nous conseillons dadopter la mme disposition que pour le
produit par un vecteur, en plaant B au-dessus et droite de A.
_
_
_
_
_
_
_
b
1,1
b
1,k
b
1,n
.
.
.
.
.
.
.
.
.
b
j,k

.
.
.
.
.
.
.
.
.
b
n,1
b
n,k
b
n,p
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
1,1
a
1,n
.
.
.
.
.
.
.
.
.
a
i,1
a
i,j
a
i,n
.
.
.
.
.
.
.
.
.
a
m,1
a
m,n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
c
1,1
.
.
. c
1,p
.
.
.
c
i,k
c
m,1
c
m,p
_
_
_
_
_
_
_
Posons par exemple :
A =
_
_
1 1
2 3
1 1
_
_
et B =
_
0 1 1 2
3 2 0 1
_
.
La matrice A a 3 lignes et 2 colonnes, la matrice B a 2 lignes et 4 colonnes. Le produit
AB a donc un sens : cest une matrice 3 lignes et 4 colonnes.
_
0 1 1 2
3 2 0 1
_
_
_
1 1
2 3
1 1
_
_
_
_
3 1 1 1
9 4 2 1
3 3 1 3
_
_
Le produit matriciel a toutes les proprits que lon attend dun produit, sauf quil
nest pas commutatif.
3
Maths en L

1gne Calcul matriciel UJF Grenoble

Proposition 1. Le produit matriciel possde les proprits suivantes.
1. Associativit : Si les produits AB et BC sont dnis, alors les produits A(BC)
et (AB)C le sont aussi et ils sont gaux.
A(BC) = (AB)C .
2. Linarit droite : Si B et C sont deux matrices de mmes dimensions, si et
sont deux rels et si A a autant de colonnes que B et C ont de lignes, alors
A(B +C) = AB +AC .
3. Linarit gauche : Si A et B sont deux matrices de mmes dimensions, si et
sont deux rels et si C a autant de lignes que A et B ont de colonnes, alors
(A +B)C = AC +BC .
Ces proprits se dmontrent partir de la dnition 1.
La transposition est une notion importante, dont la justication provient de la dualit,
qui dpasse le cadre de ce cours.
Dnition 2. tant donne une matrice A = (a
i,j
) de M
m,n
(R), sa transpose est la
matrice de M
n,m
(R) dont le coecient dordre (j, i) est a
i,j
.
Pour crire la transpose dune matrice, il sut de transformer ses lignes en co-
lonnes. Par exemple :
A =
_
_
1 1
2 3
1 1
_
_
,
t
A =
_
1 2 1
1 3 1
_
.
Observons que la transpose de la transpose est la matrice initiale.
t
(
t
A) = A .
La transpose dun produit est le produit des transposes, mais il faut inverser lordre
des facteurs.
Proposition 2. Soient m, n, p trois entiers strictement positifs. Soient A = (a
i,j
) une
matrice de M
m,n
(R) et B = (b
j,k
) une matrice de M
n,p
(R). La transpose du produit
de A par B est le produit de la transpose de B par la transpose de A.
t
(AB) =
t
B
t
A .
4
Maths en L

1gne Calcul matriciel UJF Grenoble

Par exemple, en reprenant les matrices A et B dnies ci-dessus :
_
1 2 1
1 3 1
_
_
_
_
_
0 3
1 2
1 0
2 1
_
_
_
_
_
_
_
_
3 9 3
1 4 3
1 2 1
1 1 3
_
_
_
_
Observons que le produit dune matrice par sa transpose est toujours dni.
A
t
A =
_
_
2 5 0
5 13 1
0 1 2
_
_
,
t
AA =
_
6 6
6 11
_
.
Le rsultat est une matrice carre (autant de lignes que de colonnes) et symtrique.
Dnition 3. Soit n un entier strictement positif et A une matrice carre n lignes
et n colonnes. On dit que A est symtrique si pour tous i, j = 1, . . . , n, ses coecients
dordre a
i,j
et a
j,i
sont gaux, ce qui est quivalent dire que A est gale sa transpose.
Le produit dune matrice par sa transpose est toujours une matrice symtrique.
En eet :
t
(A
t
A) =
t
(
t
A)
t
A = A
t
A .
1.2 Matrices carres
En gnral si le produit AB est dni, le produit BA na aucune raison de ltre.
Le produit dune matrice par sa transpose est une exception, les matrices carres en
sont une autre : si A et B sont deux matrices n lignes et n colonnes, les produits AB
et BA sont tous deux dnis et ils ont les mmes dimensions que A et B. En gnral
ils ne sont pas gaux. Par exemple,
_
0 1
1 0
_
_
0 1
1 0
_ _
1 0
0 1
_
_
0 1
1 0
_
_
0 1
1 0
_ _
1 0
0 1
_
Nous noterons simplement M
n
lensemble M
n,n
(R) des matrices carres n lignes et
n colonnes, coecients rels. Parmi elles la matrice identit, note I
n
joue un rle
particulier.
I
n
=
_
_
_
_
_
_
_
_
1 0 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 0
0 0 1
_
_
_
_
_
_
_
_
5
Maths en L

1gne Calcul matriciel UJF Grenoble

En eet, elle est llment neutre du produit matriciel : pour toute matrice A
M
n,m
(R),
AI
n
= I
m
A = A .
On le vrie facilement partir de la dnition 1.
Dnition 4. Soit A une matrice de M
n
. On dit que A est inversible sil existe une
matrice de M
n
, note A
1
, telle que
AA
1
= A
1
A = I
n
.
Par exemple :
_
_
1 0 1
1 1 0
1 1 1
_
_
_
_
1 1 1
1 2 1
0 1 1
_
_
=
_
_
1 1 1
1 2 1
0 1 1
_
_
_
_
1 0 1
1 1 0
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
Nous verrons plus loin une mthode qui permet de savoir si une matrice est inversible,
et de calculer son inverse quand elle lest. Observons que linverse, sil existe, est nces-
sairement unique. En eet, soient B
1
et B
2
deux matrices telles que AB
1
= B
1
A = I
n
et AB
2
= B
2
A = I
n
. En utilisant lassociativit, le produit B
1
AB
2
vaut B
1
(AB
2
) =
B
1
I
n
= B
1
, mais aussi (B
1
A) B
2
= I
n
B
2
= B
2
. Donc B
1
= B
2
.
Il sut de trouver une matrice B telle que AB = I
n
pour tre sr que A est
inversible et que son inverse est B.
Thorme 1. Soit A une matrice de M
n
. Supposons quil existe une matrice B tel le
que AB = I
n
ou bien BA = I
n
. Alors A est inversible et B = A
1
.
Dmonstration : Supposons quil existe une matrice B telle que AB = I
n
. Consi-
drons lapplication, de M
n
dans lui-mme, qui une matrice X associe le produit
X A. Daprs le point 3 de la proposition 1, cest une application linaire, donc un
endomorphisme de lespace vectoriel M
n
. Montrons quelle est injective, cest--dire
que son noyau ne contient que la matrice nulle. Si X A = 0, alors (X A) B = 0, mais
(X A) B = X (AB) = X I
n
= X par hypothse : donc X = 0. Une application linaire
entre deux espaces de mme dimension qui est injective est aussi surjective. Donc il
existe une matrice X telle que X A = I
n
. Il reste vrier que cette matrice est B. Si
X A = AB = I
n
, alors X (AB) = X et (X A) B = B. Do le rsultat.
On procde de faon symtrique si BA = I
n
, en considrant lapplication qui X
associe AX.
Si A et B sont deux matrices inversibles de M
n
, leur produit est inversible.
Proposition 3. Soient A et B deux matrices inversibles de M
n
. Le produit AB est
inversible et son inverse est B
1
A
1
.
Dmonstration : Nous utilisons le thorme 1, ainsi que lassociativit du produit :
(B
1
A
1
)(AB) = B
1
(A
1
A)B = B
1
I
n
B = B
1
B = I
n
.

6
Maths en L

1gne Calcul matriciel UJF Grenoble

1.3 Matrices et applications linaires
Soient E et F deux espaces vectoriels de dimension nie, munis respectivement des
bases (b
1
, . . . , b
n
) et (c
1
, . . . , c
m
).
Une application linaire f est dtermine par les images des vecteurs b
1
, . . . , b
n
. Ces
images sont des combinaisons linaires c
1
, . . . , c
m
: pour tout j = 1, . . . , n,
f(b
j
) =
m

i=1
a
i,j
c
i
.
Les coordonnes a
i,j
de ces vecteurs dans la base (c
1
, . . . , c
m
), rangs en n colonnes,
forment la matrice de lapplication f, relative aux bases considres.
dpart
f(b
1
) f(b
j
) f(b
n
)
a
1,1
a
1,j
a
1,n
c
1
.
.
.
.
.
.
.
.
.
.
.
.
a
i,1
a
i,j
a
i,n
c
i
arrive
.
.
.
.
.
.
.
.
.
.
.
.
a
m,1
a
m,j
a
m,n
c
m
Les oprations sur les applications linaires se traduisent en des oprations analogues
sur les matrices. Soient f, g deux applications linaires de E dans F et , deux rels.
Si les matrices de f et g (relatives aux mmes bases au dpart et larrive) sont A
et B, alors la matrice de f + g est A + B. La compose de deux applications
linaires est encore une application linaire. Sa matrice est le produit des matrices de
f et g.
Proposition 4. Soient E, F, G trois espaces vectoriels, f une application linaire de
E dans F et g une application linaire de F dans G.
f g
E F G
u f(u) g f(u) = g(f(u)) .
Soient (b
1
, . . . , b
n
) une base de E, (c
1
, . . . , c
m
) une base de F et (d
1
, . . . , d
p
) une base
de G.
Soit A la matrice de f relative aux bases (b
1
, . . . , b
n
) et (c
1
, . . . , c
m
).
Soit B la matrice de g relative aux bases (c
1
, . . . , c
m
) et (d
1
, . . . , d
p
).
Alors la matrice de g f relative aux bases (b
1
, . . . , b
n
) et (d
1
, . . . , d
p
) est le produit BA.
Remarquez que lordre dans lequel seectue le produit est lordre dans lequel scrit
la composition.
matrice de g f = (matrice de g) (matrice de f) .
7
Maths en L

1gne Calcul matriciel UJF Grenoble

Dmonstration : Limage par g f des vecteurs b
1
, . . . , b
n
se calcule en prenant limage
par g des vecteurs f(b
1
), . . . , f(b
n
). On calcule les coordonnes de ces images dans la
base (d
1
, . . . , d
p
) en eectuant le produit par la matrice de g, des vecteurs exprimant
f(b
1
), . . . , f(b
n
) dans la base (c
1
, . . . , c
m
), qui sont les vecteurs colonnes de A. Eectuer
successivement le produit de B par chacun des vecteurs colonnes de A revient calculer
le produit de B par A.
Pour les endomorphismes (les espaces de dpart et darrive sont les mmes), nous
conviendrons toujours de choisir la mme base au dpart et larrive.
Proposition 5. Soit E un espace vectoriel, muni de la base (b
1
, . . . , b
n
), et f une
application linaire de E dans lui-mme. Lapplication f est un automorphisme si et
seulement si la matrice de f dans la base (b
1
, . . . , b
n
) est inversible. Si cest le cas, la
matrice de f
1
est linverse de la matrice de f.
Dmonstration : Observons dabord que la matrice de lapplication identique est la ma-
trice identit, quelle que soit la base. Si lapplication f est bective, alors sa rciproque
f
1
est lunique application dont la compose avec f est lapplication identique.
f
1
f = f f
1
= I
E
.
Si A est la matrice de f et B la matrice de f
1
, la proposition 4 entrane que AB =
BA = I
n
.
Rciproquement si A est inversible, alors A
1
dnit une application linaire unique
de E dans E. La compose de cette application avec f a pour matrice I
n
: cest lap-
plication identique. Donc cette application est la rciproque de f.
Un automorphisme de E est une application linaire qui envoie une base de E
sur une autre base. Eectuer un changement de base (remplacer une base par une
autre) revient prendre limage par lautomorphisme qui envoie la nouvelle base sur
lancienne, donc le produit par la matrice de cet automorphisme.
Proposition 6. Soit E un espace vectoriel. Soient (b
1
, . . . , b
n
) et (c
1
, . . . , c
n
) deux bases
de E. Notons P la matrice dans la base (b
1
, . . . , b
n
) de lapplication qui b
i
associe
c
i
(nouveaux vecteurs en fonction des anciens). Soient x
1
, . . . , x
n
les coordonnes de
v dans la base (b
1
, . . . , b
n
) (anciennes) et y
1
, . . . , y
n
les coordonnes de v dans la base
(c
1
, . . . , c
n
) (nouvelles).
v = x
1
b
1
+ +x
n
b
n
= y
1
c
1
+ +y
n
c
n
.
Alors le vecteur (y
j
)
j=1,...,n
est le produit de la matrice P
1
par le vecteur (x
i
)
i=1,...,n
.
_
_
_
y
1
.
.
.
y
n
_
_
_
= P
1
_
_
_
x
1
.
.
.
x
n
_
_
_
.
8
Maths en L

1gne Calcul matriciel UJF Grenoble

Dmonstration : Notons lautomorphisme de E qui b
i
associe c
i
, pour tout i =
1, . . . , n. Ecrivons :
v = y
1
c
1
+ +y
n
c
n
= y
1
(b
1
) + +y
n
(b
n
) .
Par dnition, les coordonnes de (b
j
) dans la base b
i
forment la j-ime colonne de la
matrice P = (p
i,j
). Donc :
v =
n

j=1
y
j
_
n

i=1
p
i,j
b
i
_
=
n

i=1
_
n

j=1
p
i,j
y
j
_
b
i
Comme les coordonnes dans la base (b
1
, . . . , b
n
) sont uniques, on en dduit, pour tout
i = 1, . . . , n :
x
i
=
n

j=1
p
i,j
y
j
,
donc (x
i
) = P(y
j
), do le rsultat en multipliant gauche par P
1
.
La matrice P sappelle la matrice de passage. Dans un changement de base, nous
conviendrons toujours de noter P la matrice qui donne les nouveaux vecteurs en fonc-
tion des anciens. Voici un exemple. Munissons E = R
3
, des deux bases suivantes.
(b
1
, b
2
, b
3
) = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) et (c
1
, c
2
, c
3
) = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) .
Voici la matrice de passage P et son inverse.
P =
_
_
1 1 1
0 1 1
0 0 1
_
_
, P
1
=
_
_
1 1 0
0 1 1
0 0 1
_
_
.
Si un vecteur v a pour coordonnes x, y, z dans la base canonique (b
1
, b
2
, b
3
), alors ses
coordonnes dans la base (c
1
, c
2
, c
3
) sobtiennent en eectuant le produit :
_
_
1 1 0
0 1 1
0 0 1
_
_
_
_
x
y
z
_
_
=
_
_
x y
y z
z
_
_
Constatez que :
(x y)(1, 0, 0) + (y z)(1, 1, 0) +z(1, 1, 1) = (x, y, z) .
On peut appliquer ce qui prcde pour trouver la matrice dun endomorphisme quel-
conque dans la nouvelle base : cest la formule de changement de base.
9
Maths en L

1gne Calcul matriciel UJF Grenoble

Thorme 2. Soit E un espace vectoriel, soient (b
1
, . . . , b
n
) et (c
1
, . . . , c
n
) deux bases
de E. Soit f un endomorphisme de E, et A sa matrice dans la base (b
1
, . . . , b
n
). Soit
P la matrice de lapplication linaire qui b
i
associe c
i
, pour tout i = 1, . . . , n.
La matrice de f dans la base (c
1
, . . . , c
n
) est P
1
AP.
Dmonstration : Notons lapplication qui b
i
associe c
i
. La matrice de f dans la base
(c
1
, . . . , c
n
) a pour vecteurs colonnes les images des vecteurs c
1
, . . . , c
n
. Pour calculer
f(c
i
), on peut calculer f((b
i
)) = f (b
i
). Donc les coordonnes des vecteurs f(c
i
)
dans la base (b
1
, . . . , b
n
) sont les colonnes de la matrice de f , qui est AP. Daprs
la proposition 6, pour obtenir les coordonnes de ces vecteurs dans la base (c
1
, . . . , c
n
),
il faut multiplier gauche par la matrice P
1
, do le rsultat.
Reprenons lexemple en dimension 3 des deux bases :
(b
1
, b
2
, b
3
) = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) et (c
1
, c
2
, c
3
) = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) .
Considrons lapplication de R
3
dans R
3
dnie par :
f : (x, y, z) (x z, 2x 3y +z, y 2z) .
Sa matrice dans la base canonique (b
1
, b
2
, b
3
) est :
A =
_
_
1 0 1
2 3 1
0 1 2
_
_
La matrice de f dans la base (c
1
, c
2
, c
3
) est :
P
1
AP =
_
_
1 2 0
2 2 1
0 1 1
_
_
Limage par f du vecteur c
2
= (1, 1, 0) est le vecteur (1, 1, 1) = 2c
1
2c
2
+ c
3
. Les
coordonnes 2, 2, 1 gurent dans la seconde colonne de P
1
AP.
Dnition 5. Deux matrices A et B de M
n
sont dites semblables si et seulement si
il existe une matrice inversible P M
n
tel le que :
B = P
1
AP .
Le thorme 2 arme que deux matrices sont semblables si et seulement si elles
reprsentent le mme endomorphisme dans des bases direntes. Il se gnralise des
applications linaires quelconques, comme suit.
10
Maths en L

1gne Calcul matriciel UJF Grenoble

Thorme 3. Soit E un espace vectoriel, soient (b
1
, . . . , b
n
) et (b

1
, . . . , b

n
) deux bases
de E. Soit F un autre espace vectoriel, soient (c
1
, . . . , c
m
) et (c

1
, . . . , c

m
) deux bases de
F. Soit f une application linaire de E dans F, et A M
m,n
sa matrice relative aux
bases (b
1
, . . . , b
n
) et (c
1
, . . . , c
m
). Soit P M
n
la matrice de lapplication linaire qui
b
i
associe b

i
, pour tout i = 1, . . . , n. Soit Q M
m
la matrice de lapplication linaire
qui c
i
associe c

i
, pour tout i = 1, . . . , n.
La matrice de f relative aux bases (b

1
, . . . , b

n
) et (c

1
, . . . , c

n
) est Q
1
AP.
La dmonstration est pratiquement la mme que celle du thorme 2, avec des
notations plus lourdes. Nous lomettons.
Dnition 6. Deux matrices A et B de M
m,n
(R) sont dites quivalentes si et seule-
ment si il existe deux matrices inversibles P M
n
et Q M
m
tel les que :
B = Q
1
AP .
Le thorme 3 arme que deux matrices sont quivalentes si et seulement si elles
peuvent reprsenter la mme application linaire, un changement de base prs dans
les espaces de dpart et darrive.
1.4 Rang dune matrice
Nous avons dj dni la notion de rang pour une famille de vecteurs et pour une
application linaire :
1. le rang dune famille de vecteurs est la dimension du sous espace vectoriel quelle
engendre,
2. le rang dune application linaire est la dimension de son image.
Soient E et F deux espaces vectoriels, et f une application linaire de E dans F. Si
(b
1
, . . . , b
n
) est une base de E, limage de f est le sous-espace vectoriel de F engendr
par (f(b
1
), . . . , f(b
n
)). Donc le rang de f est aussi le rang de la famille (f(b
1
), . . . , f(b
n
))
et ce, quelle que soit la base (b
1
, . . . , b
n
). Ce rang ne dpend pas non plus de la base
dans laquelle on crit la famille (f(b
1
), . . . , f(b
n
)) larrive : cest le rang des vecteurs
colonnes de la matrice de f, quelles que soient les bases par rapport auxquelles on crit
cette matrice.
Dnition 7. Soit A M
m,n
(R) une matrice. On appel le rang de la matrice A la
dimension du sous-espace vectoriel (de R
m
) engendr par ses vecteurs colonnes.
Observons que la connaissance du rang fournit un critre dinversibilit.
Proposition 7. Une matrice de M
n
(R) est inversible si et seulement si son rang est
n.
11
Maths en L

1gne Calcul matriciel UJF Grenoble

Dmonstration : Daprs la proposition 5, une matrice est inversible, si et seulement
si elle reprsente une application linaire bective de R
n
dans lui-mme. Or une appli-
cation linaire est bective si et seulement si limage quelle donne dune base est une
base, cest--dire si son rang est n.
Le rang dune matrice est celui des applications linaires quelle reprsente, qui ne
dpend pas des bases. Si deux matrices reprsentent la mme application dans des bases
direntes, elles auront ncessairement mme rang. Rappelons (dnition 6 et thorme
3) que deux matrices sont quivalentes si elles reprsentent la mme application linaire
dans deux bases direntes, ou encore si on dduit lune de lautre en multipliant
gauche ou droite par une matrice inversible. Deux matrices quivalentes ont mme
rang. Nous allons dmontrer la rciproque.
Thorme 4. Deux matrices de M
m,n
(R) sont quivalentes si et seulement si el les
ont mme rang.
Dmonstration : Nous devons dmontrer que deux matrices ayant le mme rang sont
quivalentes. Soit A une matrice m lignes, n colonnes, et de rang r. Notons a
1
, . . . , a
n
les n vecteurs colonnes de A, qui sont des vecteurs de R
m
. Le rang de A est la dimension
de lespace engendr par (a
1
, . . . , a
n
), qui est infrieure ou gale n et m. Nous allons
montrer que la matrice A est quivalente la matrice J
r
obtenue en compltant la
matrice identit I
r
par des zros, droite et en dessous.
J
r
=
1 r n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 0
.
.
.
.
.
.
0 0 1 0 0
0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
.
.
.
r
r + 1
.
.
.
m
Considrons lapplication f, de R
n
dans R
m
dont la matrice relative aux bases ca-
noniques est A. Nous voulons trouver une base de lespace de dpart et une base de
lespace darrive, telles que la matrice de f relative ces bases soit J
r
.
Comme la dimension de limage de f est r, la dimension du noyau est nr, daprs
le thorme du rang. Soit (c
1
, . . . , c
r
) une base de Im(f) et (b
1
, . . . , b
nr
) une base de
Ker(f). Pour tout i = 1, . . . , r, choisissons un vecteur v
i
tel que f(v
i
) = c
i
. La famille
(v
1
, . . . , v
r
, b
1
, . . . , b
nr
)
est une base de E : ceci a t tabli dans la dmonstration du thorme du rang.
12
Maths en L

1gne Calcul matriciel UJF Grenoble

Dans lespace darrive F, la famille (c
1
, . . . , c
r
) est une famille libre car cest une
base de Im(f). On peut la complter par m1 vecteurs c
r+1
, . . . , c
m
de sorte que
(c
1
, . . . , c
r
, c
r+1
, . . . , c
m
)
soit une base de F.
Pour i = 1, . . . , r, limage de v
i
est c
i
. Les images de b
1
, . . . , b
nr
sont nulles : la
matrice de f relative aux bases (v
1
, . . . , v
r
, b
1
, . . . , b
nr
) (au dpart) et (c
1
, . . . , c
m
) (
larrive) est la matrice J
r
.
Puisque A et J
r
sont quivalentes, il existe deux matrices inversibles P et Q telles
que J
r
= Q
1
AP, et donc A = QJ
r
P
1
. Soit B une autre matrice de M
m,n
(R),
galement de rang r. Il existe deux autres matrices inversibles R et S telles que J
r
=
S
1
BR. En multipliant gauche par Q et droite par P
1
, on obtient :
A = (QS
1
)B(RP
1
) .
Donc deux matrices de mme taille et de mme rang sont quivalentes.
On dduit de la dmonstration qui prcde que A et
t
A ont le mme rang.
Proposition 8. Une matrice et sa transpose ont mme rang.
Dmonstration : Nous avons dmontr quune matrice A de rang r est quivalente
la matrice J
r
obtenue en compltant I
r
par des zros. Or
t
J
r
est du mme type que J
r
:
elle contient la matrice identit I
r
, complte par des zros. Elle est aussi de rang r.
Par la proposition 2, si A = QJ
r
P
1
, la transpose de A scrit :
t
A =
t
(P
1
)
t
J
r
t
Q .
Par la proposition 2, la transpose dune matrice inversible est inversible. Nous avons
donc montr que
t
A est quivalente
t
J
r
, qui est de rang r.
Dterminer le rang dune matrice consiste dterminer le rang de ses vecteurs
colonnes, ou encore de ses vecteurs lignes, puisque ce sont les colonnes de la transpose.
Pour ce faire, nous avons vu une mthode consistant crire un systme homogne,
puis lui appliquer la mthode de Gauss.
Soit A = (a
i,j
) une matrice m lignes et n colonnes.
A = (a
i,j
) =
_
_
_
_
_
_
_
a
1,1
a
1,j
a
1,n
.
.
.
.
.
.
.
.
.
a
i,1
a
i,j
a
i,n
.
.
.
.
.
.
.
.
.
a
m,1
a
m,j
a
m,n
_
_
_
_
_
_
_
.
Munissons R
n
et R
m
de leurs bases canoniques, et notons f lapplication linaire de R
n
dans R
m
qui a pour matrice A relativement ces bases. Lapplication linaire f peut
tre caractrise de deux faons direntes.
13
Maths en L

1gne Calcul matriciel UJF Grenoble

1. f est lapplication qui un n-uplet x = (x
1
, . . . , x
n
) associe le m-uplet Ax, dont
la i-ime coordonne vaut
a
i,1
x
1
+ +a
i,n
x
n
.
2. f est lapplication qui au j-ime vecteur de la base canonique de R
n
associe le
m-uplet (a
j,1
, . . . , a
j,m
), savoir le j-ime vecteur colonne de A.
Le noyau de f est lensemble des n-uplets (x
1
, . . . , x
n
), solutions du systme homogne
(H) suivant.
(H)
_

_
a
1,1
x
1
+ +a
1,j
x
j
+ +a
1,n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
i,1
x
1
+ +a
i,j
x
j
+ +a
i,n
x
n
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
m,1
x
1
+ +a
m,j
x
j
+ +a
m,n
x
n
= 0
Le rang de ce systme est gal la fois au rang de f, au rang de A, au rang de la famille
des vecteurs colonnes de A et au rang de la famille des vecteurs lignes. Pour le calculer,
il sut de mettre le systme (H) sous forme chelonne : le rang est le nombre de
pivots non nuls de la forme chelonne. On peut aussi dduire de la forme chelonne
une base de limage, cest--dire une base de lespace engendr par les vecteurs colonnes
de A. Il nest pas indispensable de passer par le systme (H) pour cela. On peut trs
bien appliquer la mthode du pivot de Gauss en transformant la matrice A, sans crire
le systme. Ceci revient remplacer chaque tape une matrice par une autre matrice
telle que le noyau de lapplication linaire associe soit le mme : le rang nest donc
pas modi. Voici un exemple.
Considrons la matrice suivante.
A =
_
_
_
_
1 1 0 1
2 1 1 0
1 2 1 1
1 0 1 3
_
_
_
_
Le coecient dordre (1, 1) est non nul, il ny a donc pas de permutations eectuer.
Le premier pivot est p
1
= 1. Voici les transformations qui annulent la premire colonne
au-dessous du pivot.
L
2
L
2
2L
1
L
3
L
3
L
1
L
4
L
4
+L
1
_
_
_
_
1 1 0 1
0 1 1 2
0 1 1 0
0 1 1 2
_
_
_
_
14
Maths en L

1gne Calcul matriciel UJF Grenoble

Le second pivot est 1. Les transformations qui annulent le bas de la seconde colonne
sont les suivantes.
L
3
L
3
+L
2
L
4
L
4
+L
2
_
_
_
_
1 1 0 1
0 1 1 2
0 0 0 2
0 0 0 4
_
_
_
_
Pour obtenir un troisime pivot non nul, il faut changer les deux dernires colonnes.
_
_
_
_
1 1 1 0
0 1 2 1
0 0 2 0
0 0 4 0
_
_
_
_
Le troisime pivot est 2. Il ne reste quune ligne transformer.
L
4
L
4
2L
3
_
_
_
_
1 1 1 0
0 1 2 1
0 0 2 0
0 0 0 0
_
_
_
_
Le rang de la matrice est donc 3. En noubliant pas que les colonnes 3 et 4 ont t
changes, on obtient aussi que les vecteurs colonnes numros 1, 2 et 4 de la matrice
A forment une famille libre, donc une base de lespace engendr.
Bien que lcriture du systme soit mathmatiquement superue, elle est techniquement
plus sre, et nous vous conseillons de la conserver.
1.5 Calcul de linverse
Soit A M
n
(R) une matrice carre. Soit b R
n
un vecteur quelconque. Chercher
un n-uplet x = (x
1
, . . . , x
n
) tel que Ax = b, cest rsoudre un systme linaire de n
quations n inconnues. Si la matrice A est inversible, alors la solution scrit x = A
1
b.
La mthode du pivot de Gauss parmet de rsoudre le systme Ax = b pour un second
membre quelconque, donc de calculer x = A
1
b. Les coecients de A
1
se lisent sur
le systme rsolu. Voici ce quon obtient pour une matrice A deux lignes et deux
colonnes.
_
x +2y = a
3x +4y = b

_
x +2y = a
2y = b 3a

_
x = 2a +b
y =
1
2
(3a b)
Les coecients de A
1
sont ceux de a et b dans lexpression de x et y. Dans le cas
gnral on obtient :
A =
_


_
, A
1
=
1

_


_
,
15
Maths en L

1gne Calcul matriciel UJF Grenoble

si = 0. Lexpression de A
1
est facile mmoriser. Pour inverser une matrice
deux lignes et deux colonnes, il faut :
1. changer les deux coecients diagonaux
2. changer le signe des deux autres
3. diviser tous les coecients par le dterminant .
Pour n 3, il ny a pas de formule gnrale aussi facile. La technique la plus sre
consiste rsoudre le systme Ax = b pour un second membre quelconque, avec la
mthode du pivot de Gauss, puis crire ensuite que la solution obtenue est le produit
de A
1
par le second membre.
Soit par exemple inverser la matrice A suivante.
A =
_
_
1 0 1
1 1 0
1 1 1
_
_
Ecrivons le systme
A
_
_
x
y
z
_
_
=
_
_
a
b
c
_
_
,
soit
_
_
_
x z = a
x y = b
x y +z = c
Voici les direntes tapes de la rsolution par la mthode du pivot de Gauss.
_
_
_
x z = a
x y = b
x y +z = c

_
_
_
x z = a
y +z = b a
y +2z = c a

_
_
_
x z = a
y +z = b a
z = c b

_
_
_
x z = a
y z = a b
z = c b

_
_
_
x = a b +c
y = a 2b +c
z = b +c

_
_
x
y
z
_
_
= A
1
_
_
a
b
c
_
_
,
avec
A
1
=
_
_
1 1 1
1 2 1
0 1 1
_
_
.
16
Maths en L

1gne Calcul matriciel UJF Grenoble

2 Entranement
2.1 Vrai ou faux
Vrai-Faux 1. Soient A et B deux matrices. Parmi les armations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si le produit AB est dni, alors le produit BA est dni.
2. Si la somme A +B est dnie, alors le produit AB est dni.
3. Si le produit AB est dni, alors le produit
t
B
t
A est dni.
4. Si la somme A +B est dnie, alors le produit A
t
B est dni.
5. Si les produits AB et BA sont dnis, alors la somme A +B est dnie.
6. Si les produits AB et BA sont dnis, alors la somme A +
t
B est dnie.
7. Si les produits AB et
t
BA sont dnis, alors la somme A +
t
A est dnie.
8. Si les produits AB et
t
BA sont dnis, alors la somme A +
t
B est dnie.
9. Si le produit AB est dni, alors la somme A
t
A +B
t
B est dnie.
10. Si le produit AB est dni, alors la somme
t
AA +B
t
B est dnie.
Vrai-Faux 2. Soit A une matrice carre. Parmi les armations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si A est inversible, alors A
t
A =
t
AA.
2. Si A est inversible, alors A
t
A est inversible.
3. Si A est inversible, alors A +
t
A est inversible.
4. Si A est inversible, alors A est quivalente la matrice identit.
5. Si A est inversible, alors A est semblable la matrice identit.
Vrai-Faux 3. Soit A une matrice carre. On dit que A est diagonale si tous ses coef-
cients dordre (i, j) avec i = j, sont nuls. Parmi les armations suivantes, lesquelles
sont vraies, lesquelles sont fausses, et pourquoi ?
1. Si A est diagonale, alors A est inversible.
2. Si A est diagonale, alors A est symtrique.
3. Si A est diagonale et si tous ses coecients diagonaux sont non nuls, alors A
est inversible.
4. Si A est diagonale, alors A est semblable la matrice identit.
5. Si A est diagonale, alors A est quivalente la matrice identit.
Vrai-Faux 4. Parmi les armations suivantes, lesquelles sont vraies, lesquelles sont
fausses, et pourquoi ?
1. Si une matrice est de rang r, alors elle est quivalente la matrice I
r
17
Maths en L

1gne Calcul matriciel UJF Grenoble

2. Une matrice est de rang r si et seulement si la famille de ses vecteurs colonnes
est de rang r.
3. Une matrice est de rang r si et seulement si la famille de ses vecteurs lignes
est de rang r.
4. Si une matrice A est de rang r, alors toute matrice forme de r colonnes parmi
les colonnes de A est de rang r.
5. Si une matrice forme de r colonnes parmi les colonnes de A est de rang r,
alors A est de rang r.
6. La matrice nulle est la seule matrice de rang 0.
7. Si deux lignes de A ne sont pas proportionnelles, alors le rang de A est au plus
2.
8. Si deux lignes de A sont proportionnelles, alors le rang de A est strictement
infrieur son nombre de colonnes.
9. Si une matrice carre de M
r
, extraite de A est inversible, alors A est de rang
r.
10. Si A est de rang r, alors aucune matrice carre de M
r+1
extraite de A nest
inversible.
11. Si toute matrice carre de M
r
, extraite de A est de rang r, alors A est de rang
r.
2.2 Exercices
Exercice 1. On considre les matrices suivantes.
_
_
0
1
0
_
_
_
_
1
1
1
_
_
_
_
1
0
1
_
_
_
_
2
1
0
_
_
_
_
2
3
1
_
_
_
_
3
1
2
_
_
_
1 0 0
0 1 0
_ _
1 2 1
2 1 1
_ _
1 2 3
2 1 3
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 0 0
0 1 0
0 0 2
_
_
_
_
2 3 4
3 1 3
1 2 0
_
_
_
_
_
_
0 0 1
0 1 0
1 0 0
1 1 1
_
_
_
_
_
_
_
_
1 2 3
3 2 1
2 1 3
1 3 2
_
_
_
_
_
_
_
_
1 2 0
2 1 0
2 0 1
0 1 2
_
_
_
_
1. Ecrire la transpose de chacune de ces matrices.
18
Maths en L

1gne Calcul matriciel UJF Grenoble

2. Etant donnes deux matrices A, B appartenant lensemble ci-dessus, calculer
ceux des produits AB,
t
AB, A
t
B,
t
A
t
B qui sont dnis.
Exercice 2. On considre la matrice suivante.
A =
_
_
0 0 0
1 0 1
0 0 1
_
_
.
On note f lendomorphisme de R
3
qui a pour matrice A dans la base canonique de R
3
,
note (e
1
, e
2
, e
3
).
1. Montrer que f f(e
1
) = f(e
2
) = 0. Montrer que f f(e
3
) = f(e
3
).
2. En dduire A
2
. Vrier en eectuant le produit matriciel.
3. Montrer que A
3
= A
2
sans eectuer le produit matriciel, puis vrier en leec-
tuant.
4. Donner une base de Ker(f) et une base de Im(f)
Exercice 3. On considre la matrice suivante.
A =
_
_
0 0 1
1 0 0
0 1 0
_
_
.
On note f lendomorphisme de R
3
qui a pour matrice A dans la base canonique de R
3
,
note (e
1
, e
2
, e
3
).
1. Pour i = 1, 2, 3, dterminer f f(e
i
), puis f f f(e
i
).
2. En dduire que A
2
= A
1
. Vrier en calculant le produit matriciel.
Exercice 4. On considre la matrice suivante.
A =
_
_
0 1 0
0 0 1
0 0 0
_
_
.
On note f lendomorphisme de R
3
qui a pour matrice A dans la base canonique de R
3
,
note (e
1
, e
2
, e
3
).
1. Pour i = 1, 2, 3, dterminer f f(e
i
), puis f f f(e
i
).
2. En dduire A
2
et A
3
.
3. Pour k N

, donner une expression de (I

3
+A)
k
en fonction de k. Vrier votre
expression pour k = 3 en eectuant le produit matriciel.
4. Reprendre la question prcdente pour (I
3
A)
k
, puis pour (3I
3
2A)
k
.
19
Maths en L

1gne Calcul matriciel UJF Grenoble

Exercice 5. On considre la matrice suivante.
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
.
On note f lendomorphisme de R
3
qui a pour matrice A dans la base canonique de R
3
,
note (e
1
, e
2
, e
3
).
1. Pour i = 1, 2, 3, dterminer f f(e
i
), en dduire que f f = 3f.
2. Pour k N

, dmontrer par rcurrence que f

k
= 3
k1
f.
3. En dduire lexpression de A
k
en fonction de k.
4. Pour k N

, donner une expression de (I

3
+A)
k
en fonction de k. Vrier votre
expression pour k = 3 en eectuant le produit matriciel.
5. Reprendre la question prcdente pour (I
3
A)
k
, puis pour (3I
3
2A)
k
.
Exercice 6. On rappelle quune matrice carre est symtrique si elle est gale sa
transpose. On note S
n
lensemble des matrices carres symtriques. On dit quune
matrice carre est antisymtrique si elle est loppose de sa transpose :
t
A = A. On
note A
n
lensemble des matrices carres antisymtriques.
1. Montrer que les lments diagonaux dune matrice antisymtrique sont nuls.
2. Montrer que S
n
et A
n
sont des sous-espaces vectoriels de M
n
.
3. Soit A une matrice carre quelconque. Montrer que A+
t
A est symtrique et A
t
A
est antisymtrique.
4. Montrer que le produit de deux matrices symtriques A et B est symtrique si
et seulement si AB = BA (on dit que A et B commutent ).
5. Montrer que le produit de deux matrices antisymtriques A et B est antisym-
trique si et seulement si AB = BA.
6. Soit A une matrice inversible. Montrer que
t
A est inversible et que son inverse est
t
(A
1
).
7. Soit A une matrice symtrique et inversible. Montrer que son inverse est sym-
trique.
8. Soit A une matrice antisymtrique et inversible. Montrer que son inverse est
antisymtrique.
9. Montrer quaucune matrice de A
3
nest inversible.
Exercice 7. On appelle trace dune matrice carre la somme de ses lments diagonaux.
On note tr(A) la trace de A M
n
.
1. Soient A, B deux matrices de M
n
. Montrer que tr(AB) = tr(BA).
2. En dduire que deux matrices carres semblables ont la mme trace.
20
Maths en L

1gne Calcul matriciel UJF Grenoble

3. Soit A une matrice carre non nulle. Montrer que les traces de A
t
A et
t
AA sont
strictement positives.
Exercice 8. Dterminer le rang des matrices suivantes.
_
_
_
_
2 3 4
3 1 5
1 0 1
0 2 4
_
_
_
_
_
_
_
_
0 1 2
1 1 7
2 0 10
1 3 1
_
_
_
_
_
_
_
_
1 1 2 1
1 2 1 1
2 1 3 2
0 1 0 1
_
_
_
_
Exercice 9. Vrier que les matrices suivantes sont inversibles et calculer leurs inverses.
_
_
0 1 0
0 0 1
2 1 2
_
_
_
_
0 2 2
1 3 1
3 3 1
_
_
_
_
2 1 1
1 4 3
1 1 0
_
_
_
_
1 2 0
3 1 1
0 1 2
_
_
Exercice 10. Pour chacune des matrices A suivantes :
_
2 1
1 2
_ _
2 2
2 1
_ _
5 6
3 4
_ _
5 2
3 0
_ _
5 2
3 0
_ _
7 5
6 4
_
1. Dterminer selon les valeurs de le rang de la matrice A I
2
.
2. On note
1
et
2
les deux rels tels que le rang de A
i
I
2
est 1. Pour i = 1, 2,
dterminer lensemble des solutions du systme linaire
(A
i
I
2
)
_
x
y
_
=
_
0
0
_
.
On note v
i
un vecteur non nul solution de ce systme.
3. Montrer que (v
1
, v
2
) est une base de R
2
.
4. Soit P la matrice de passage de la base canonique de R
2
la base (v
1
, v
2
). Calculer
P
1
. Montrer que
P
1
AP =
_

1
0
0
2
_
.
5. Montrer que la matrice (A
1
I
2
)(A
2
I
2
) est nulle. En dduire une expression
de A
1
en fonction de A et I
2
.
6. En utilisant lexpression de la question prcdente, vrier que
P
1
A
1
P =
_
1/
1
0
0 1/
2
_
.
7. Pour k N

, donner une expression de A

k
en fonction de k.
21
Maths en L

1gne Calcul matriciel UJF Grenoble

Exercice 11. Pour chacune des matrices A suivantes :
_
_
0 1 0
0 0 1
2 1 2
_
_
_
_
0 2 2
1 3 1
3 3 1
_
_
_
_
2 1 1
1 4 3
1 1 0
_
_
1. Dterminer selon les valeurs de le rang de la matrice A I
3
.
2. On note
1
,
2
et
3
les trois rels tels que le rang de A
i
I
3
est 2. Pour
i = 1, 2, 3, dterminer lensemble des solutions du systme linaire
(A
i
I
3
)
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
.
On note v
i
un vecteur non nul solution de ce systme.
3. Montrer que (v
1
, v
2
, v
3
) est une base de R
3
.
4. Soit P la matrice de passage de la base canonique de R
3
la base (v
1
, v
2
, v
3
).
Calculer P
1
. Montrer que
P
1
AP =
_
_

1
0 0
0
2
0
0 0
3
_
_
.
5. Montrer que la matrice (A
1
I
3
)(A
2
I
3
)(A
3
I
3
) est nulle. En dduire une
expression de A
1
en fonction de A
2
, A et I
3
.
6. En utilisant lexpression de la question prcdente, vrier que
P
1
A
1
P =
_
_
1/
1
0 0
0 1/
2
0
0 0 1/
3
_
_
.
7. Pour k N

, donner une expression de A

k
en fonction de k.
2.3 QCM
Donnez-vous une heure pour rpondre ce questionnaire. Les 10 questions sont
indpendantes. Pour chaque question 5 armations sont proposes, parmi lesquelles 2
sont vraies et 3 sont fausses. Pour chaque question, cochez les 2 armations que vous
pensez vraies. Chaque question pour laquelle les 2 armations vraies sont coches
rapporte 2 points.
Question 1. Soient A et B deux matrices.
A Si la somme A +B est dnie, alors le produit AB est dni.
B Si la somme A +B est dnie, alors le produit
t
AB est dni.
22
Maths en L

1gne Calcul matriciel UJF Grenoble

C Si le produit AB est dni, alors la somme A +
t
B est dnie.
D Si les produits AB et BA sont dnis, alors la somme A +B est dnie.
E Si les produits AB et BA sont dnis, alors la somme
t
A +B est dnie.
Question 2. Soit A une matrice.
A Le produit AA est toujours dni.
B Le produit A
t
A est toujours dni.
C Le produit (A
t
A)(
t
AA) est dni si et seulement si A est carre.
D Si A est carre alors A
t
A =
t
AA.
E Si A
t
A =
t
AA alors A =
t
A.
Question 3. Soit A une matrice carre, et I la matrice identit, de mme taille que A.
A Si A est inversible, alors A
t
A est inversible.
B Si A est inversible, alors I A est inversible.
C Si A est inversible, alors A +
t
A est inversible.
D Si A est inversible, alors (A
1 t
A)
1
=
t
A
1
A.
E Si A est inversible, alors (A
t
A)(A
1 t
A
1
) = I.
Question 4. On considre la matrice A suivante.
A =
_
_
1 0 1
0 1 0
1 0 1
_
_
.
Soit f lapplication linaire de R
3
dans R
3
dont la matrice dans la base canonique de
R
3
est A.
A Lapplication f est injective.
B Lapplication f a pour matrice
_
_
0 0 0
0 1 0
0 0 2
_
_
dans une certaine base de R
3
.
C Lapplication f f a pour matrice
_
_
2 0 2
0 2 0
2 0 2
_
_
dans la base canonique de R
3
.
D La matrice A est quivalente la matrice
_
_
1 0 0
0 1 0
0 0 0
_
_
.
E La matrice A est semblable la matrice
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Question 5. On considre la matrice A suivante.
A =
_
1 1 1
1 1 1
_
.
23
Maths en L

1gne Calcul matriciel UJF Grenoble

Soit f lapplication linaire de R
3
dans R
2
dont la matrice relative aux bases canoniques
de R
3
et R
2
est A.
A Lapplication f est surjective.
B Le noyau de f est un plan vectoriel.
C La matrice A est quivalente la matrice
_
1 0 0
0 1 0
_
.
D La matrice A est quivalente la matrice
_
1 0 0
0 0 0
_
.
E La matrice A est de rang 2.
Question 6. Soit A une matrice.
A Le rang de A
t
A est toujours suprieur ou gal au rang de A
B Le rang de
t
A est toujours gal au rang de A.
C Le rang de
t
AA est toujours infrieur ou gal au rang de A.
D Si A a plus de lignes que de colonnes, alors le rang de A est gal son nombre
de colonnes.
E Si le rang de A est gal son nombre de colonnes, alors A est inversible.
Question 7. Soit A une matrice 4 lignes, 3 colonnes, de rang 2.
A A est la matrice dune application linaire de R
4
dans R
2
.
B A est la matrice dune application linaire dont le noyau est un plan vectoriel.
C A est la matrice dune application linaire dont limage est un plan vectoriel.
D A est quivalente la matrice
_
_
_
_
1 0 0
0 1 0
0 0 0
0 0 0
_
_
_
_
.
E A est quivalente la matrice
_
_
_
_
1 0 0
0 1 0
0 0 1
0 0 0
_
_
_
_
.
Question 8. Soit A M
n
une matrice carre inversible. Soit f lapplication de R
n
dans R
n
qui a pour matrice A dans la base canonique.
A A est semblable la matrice identit de mme taille que A.
B Le noyau de f est une droite vectorielle.
C A est quivalente la matrice identit de mme taille que A.
D Limage de f est R
n
.
E Le systme linaire Ax = 0 admet une solution non nulle.
Question 9. On considre la matrice A suivante.
A =
_
1 1
0 1
_
.
Soit I la matrice identit deux lignes et deux colonnes.
24
Maths en L

1gne Calcul matriciel UJF Grenoble

A Linverse de A est gal A.
B La matrice A est semblable I.
C Linverse de A a des coecients non entiers.
D La matrice
1
2
(A +A
1
) est gale I.
E La matrice A +A
1
est diagonale.
Question 10. On considre la matrice A suivante.
A =
_
_
0 0 1
1 0 0
0 1 0
_
_
.
Soit I la matrice identit trois lignes et trois colonnes.
A A I est inversible.
B A
2
= A.
C A
1
=
t
A.
D A +A
2
est de rang 2.
E I +A +A
2
est de rang 1.
R p o n s e s : 1 D E 2 B C 3 A D 4 B D 5 B D 6 B C 7 C D 8 C D 9 D E 1 0 C E
2.4 Devoir
Essayez de bien rdiger vos rponses, sans vous reporter ni au cours, ni au corrig. Si
vous souhaitez vous valuer, donnez-vous deux heures ; puis comparez vos rponses avec
le corrig et comptez un point pour chaque question laquelle vous aurez correctement
rpondu.
Questions de cours : Soit A M
n
une matrice carre. On note I la matrice identit
de dimension n. On suppose quil existe une matrice B telle que AB = I.
1. Soit f lapplication de M
n
dans M
n
qui une matrice X associe le produit XA.
Montrer que f est une application linaire.
2. Montrer que f est injective. En dduire que f est bective.
3. Montrer quil existe une matrice B

M
n
telle que B

A = I. Montrer que
B

= B. En dduire que A est inversible.

4. Soit B

une matrice telle que AB

= I. Montrer que B

= B.
5. Soit C M
n
une autre matrice inversible. Montrer que le produit AC est inver-
sible et que (AC)
1
= C
1
A
1
.
Exercice 1 : Soient A et B les deux matrices suivantes.
A =
_
_
1 0 0
0 1 0
1 1 1
_
_
et B =
_
_
1 0 1
0 1 1
0 0 1
_
_
.
25
Maths en L

1gne Calcul matriciel UJF Grenoble

1. Vrier que A est inversible et calculer A
1
.
2. Vrier que B est inversible et calculer B
1
.
3. On pose M = AB. Justier le fait que M est inversible et calculer M
1
, en
utilisant les rsultats des deux questions prcdentes.
Dans toute la suite, (b
1
, b
2
, b
3
) dsigne une base de R
3
. On note f (respectivement :
g) lapplication de R
3
dans lui-mme qui a pour matrice A (respectivement : B)
dans la base (b
1
, b
2
, b
3
).
4. Exprimer en fonction de b
1
, b
2
, b
3
les vecteurs f(b
1
), f(b
2
), f(b
3
), puis f f(b
1
), f
f(b
2
), f f(b
3
). Retrouver le rsultat de la question 1.
5. Exprimer les vecteurs g
1
(b
1
), g
1
(b
2
), g
1
(b
3
) en fonction de b
1
, b
2
, b
3
.
6. On note h lapplication linaire de R
3
dans lui-mme, qui un vecteur v associe
h(v) = f(v) g
1
(v). Ecrire la matrice de h dans la base (b
1
, b
2
, b
3
).
7. Donner, en fonction de b
1
, b
2
, b
3
, une base de Ker(h) et une base de Im(h).
8. On note c
1
= f(b
1
), c
2
= f(b
2
), c
3
= f(b
3
). Montrer que (c
1
, c
2
, c
3
) est une base
de R
3
. Quelle est la matrice de lapplication f dans la base (c
1
, c
2
, c
3
) ?
9. Calculer les matrices des applications g et g
1
dans la base (c
1
, c
2
, c
3
).
Exercice 2 : Soient A et B les deux matrices suivantes.
A =
_
_
_
_
1 2 1
1 0 1
0 1 2
1 2 0
_
_
_
_
et B =
_
_
1 1 2 1
1 2 1 1
2 1 3 0
_
_
.
On note f lapplication de R
3
dans R
4
qui a pour matrice A relativement aux bases
canoniques, et g lapplication de R
4
dans R
3
qui a pour matrice B relativement aux
bases canoniques.
1. Calculer les produits AB et BA.
2. On note P la matrice constitue des trois premires lignes de la matrice A. Vrier
que P est inversible et calculer son inverse. En dduire le rang de la matrice A.
3. Dterminer le rang de B. En dduire le rang des matrices AB et BA.
4. On note (b
1
, b
2
, b
3
) les trois vecteurs colonnes de la matrice A. Soit e
4
= (0, 0, 0, 1)
le quatrime vecteur de la base canonique de R
4
. Justier le fait que (b
1
, b
2
, b
3
, e
4
)
est une base de R
4
.
5. Donner la matrice de lapplication f, relative la base canonique de R
3
au dpart
et la base (b
1
, b
2
, b
3
, e
4
) larrive.
6. Calculer la matrice de lapplication f g dans la base (b
1
, b
2
, b
3
, e
4
).
26
Maths en L

1gne Calcul matriciel UJF Grenoble

2.5 Corrig du devoir
Questions de cours :
1. Soient X, Y M
n
deux matrices, , deux rels.
(X +Y ) A = XA +Y A ,
car le produit matriciel est distributif par rapport laddition. Donc lapplication
f est linaire.
2. Pour montrer quune application linaire est injective, il sut de montrer que
son noyau est rduit {0}. Soit X un lment du noyau de f, cest--dire une
matrice telle que XA = 0 (matrice nulle). En multipliant droite par B, et en
utilisant lassociativit du produit matriciel :
(XA) B = X(AB) = X I = X .
Or si XA = 0, alors (XA) B = 0, donc X = 0. Donc le noyau de f ne contient
que la matrice nulle : f est injective.
Une application linaire entre deux espaces de mme dimension, si elle est injec-
tive, est aussi surjective, donc bective.
3. Puisque f est surjective, il existe B

M
n
telle que f(B

) = I, soit B

A = I.
Pour montrer que B

= B, on utilise encore lassociativit du produit matriciel :

B

(AB) = (B

A) B. Or :
B

(AB) = B

I = B

et (B

A) B = I B = B .
Par dnition, sil existe une matrice B telle que BA = AB = I, la matrice A
est inversible.
4. La dmonstration est la mme que prcdemment : B(AB

) = (BA) B

. Or :
B(AB

) = BI = B et (BA) B

= I B

= B

.
5. Utilisons encore lassociativit du produit matriciel.
(AC) (C
1
A
1
) = A(CC
1
) A
1
= AI A
1
= AA
1
= I .
Il existe donc une matrice qui, multiplie droite par AC donne lidentit. Par
application de ce qui prcde, la matrice AC est donc inversible et son inverse
est la matrice C
1
A
1
.
Exercice 1 :
1. La matrice A est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve A
1
= A.
27
Maths en L

1gne Calcul matriciel UJF Grenoble

2. La matrice B est triangulaire et ses termes diagonaux sont non nuls : elle est de
rang 3, donc inversible. On trouve :
B
1
=
_
_
1 0 1
0 1 1
0 0 1
_
_
.
3. Le produit de deux matrices inversibles est inversible.
M
1
= B
1
A
1
=
_
_
0 1 1
1 0 1
1 1 1
_
_
.
4.
f(b
1
) = b
1
+b
3
, f(b
2
) = b
2
+b
3
, f(b
3
) = b
3
.
f f(b
1
) = f(b
1
) +f(b
3
) = b
1
f f(b
2
) = f(b
2
) +f(b
3
) = b
2
f f(b
3
) = f(b
3
) = b
3
.
Lapplication f f concide avec lapplication identique sur une base de R
3
, donc
sur R
3
tout entier. Donc f est sa propre rciproque, donc A
1
= A.
5. La matrice de lapplication g
1
dans la base (b
1
, b
2
, b
3
) est B
1
. On en dduit :
g
1
(b
1
) = b
1
, g
1
(b
2
) = b
2
, g
1
(b
3
) = b
1
b
2
+b
3
.
6. La matrice de h dans la base (b
1
, b
2
, b
3
) est A B
1
.
A B
1
=
_
_
0 0 1
0 0 1
1 1 2
_
_
.
7. Soit (x, y, z) les coordonnes dans la base (b
1
, b
2
, b
3
) dun vecteur de Ker(h),
_
_
_
z = 0
z = 0
x +y 2z = 0 .
Tout vecteur de Ker(h) scrit xb
1
xb
2
, o x est un rel quelconque. Donc Ker(h)
est une droite vectorielle, dont une base est le vecteur b
1
b
2
. Limage de f est
un plan vectoriel, dont une base est donne par le premier et le troisime vecteur
colonne de la matrice : (b
3
, b
1
+b
2
2b
3
).
8. Puisque A est inversible, limage par f dune base est une base. Donc (c
1
, c
2
, c
3
)
est une base de R
3
. Daprs la question 4,
f(c
1
) = b
1
= c
1
+c
3
, f(c
2
) = b
2
= c
2
+c
3
, f(c
3
) = b
3
= c
3
.
28
Maths en L

1gne Calcul matriciel UJF Grenoble

Donc dans la base (c
1
, c
2
, c
3
), la matrice de f est encore la matrice A. On peut
aussi le montrer en utilisant la formule de changement de base : P
1
AP, o P
est la matrice de passage de lancienne base (b
1
, b
2
, b
3
) la nouvelle (c
1
, c
2
, c
3
),
qui ici vaut A.
9. En utilisant la formule de changement de base, la matrice de g dans la base
(c
1
, c
2
, c
3
) est :
A
1
BA =
_
_
2 1 1
1 2 1
2 2 1
_
_
.
La matrice de g
1
dans la base (c
1
, c
2
, c
3
) est linverse de la prcdente :
A
1
B
1
A =
_
_
0 1 1
1 0 1
2 2 3
_
_
.
Exercice 2 :
1. On trouve :
AB =
_
_
_
_
1 4 3 3
3 0 5 1
5 4 7 1
3 3 4 1
_
_
_
_
et BA =
_
_
3 2 6
2 3 1
1 1 7
_
_
.
2. En rsolvant le systme P
_
_
x
y
z
_
_
=
_
_
a
b
c
_
_
, on trouve que ce systme est de
rang 3, donc la matrice P est bien inversible. Son inverse est :
P
1
=
1
4
_
_
1 5 2
2 2 0
1 1 2
_
_
.
Les trois vecteurs colonnes de P sont linairement indpendants, donc les trois
premiers vecteurs colonnes de A le sont aussi : la matrice A est de rang 3.
3. Les deux premires lignes de B sont linairement indpendantes. La troisime est
la somme des deux autres. Donc la matrice B est de rang 2.
La matrice AB est celle de lapplication compose f g. Puisque B est de rang
2, limage de g est un plan vectoriel de R
3
. Puisque lapplication f est de rang 3,
son noyau est rduit {0} et sa restriction Im(g) est de rang 2. Donc limage
de f g est un plan vectoriel : AB est de rang 2.
Le raisonnement est analogue pour BA : cest la matrice de lapplication g f.
Puisque f est de rang 3, son image est R
3
, donc Im(g f) = Im(g). Donc g f
est de rang 2, comme g. Donc la matrice BA est de rang 2.
29
Maths en L

1gne Calcul matriciel UJF Grenoble

4. Soit Q la matrice forme en juxtaposant la matrice A et le vecteur colonne e
4
.
Voici Q et sa transpose.
Q =
_
_
_
_
1 2 1 0
1 0 1 0
0 1 2 0
1 2 0 1
_
_
_
_
et
t
Q =
_
_
_
_
1 1 0 1
2 0 1 2
1 1 2 0
0 0 0 1
_
_
_
_
.
Notons l
1
, l
2
, l
3
, l
4
les 4 vecteurs lignes de Q (vecteurs colonnes de
t
Q). Soient
, , , 4 rels tels que l
1
+ l
2
+ l
3
+ l
4
= 0. Ncessairement, = 0, donc
l
1
+ l
2
+ l
3
= 0. Mais les vecteurs l
1
, l
2
, l
3
sont linairement indpendants,
daprs la question 2, donc = = = 0. La matrice
t
Q est donc de rang 4, et
il en est de mme pour Q. Donc (b
1
, b
2
, b
3
, e
4
) est une base de R
4
.
5. Par dnition, les images par f des vecteurs de la base canonique de R
3
sont
b
1
, b
2
, b
3
. Donc la matrice de lapplication f, relative la base canonique de R
3
au dpart et la base (b
1
, b
2
, b
3
, e
4
) larrive est la suivante.
_
_
_
_
1 0 0
0 1 0
0 0 1
0 0 0
_
_
_
_
.
6. Par application de la formule de changement de variable, la matrice de lapplica-
tion f g dans la base (b
1
, b
2
, b
3
, e
4
) est Q
1
ABQ. Or la matrice de la question
prcdente est Q
1
A, ce qui simplie le calcul : la matrice Q
1
AB est la matrice
carre obtenue en ajoutant B une quatrime ligne de zros. Il reste calculer
le produit par Q :
Q
1
ABQ =
_
_
_
_
3 2 6 1
2 3 1 1
1 1 7 0
0 0 0 0
_
_
_
_
.
3 Complments
3.1 Diagonalisation
Voici deux systmes linaires dquations.
(a)
_

_
y +z = 1

1
2
x +
3
2
y
1
2
z = 0
3
2
x
3
2
y +
1
2
z = 1
(d)
_

_
x = 0
y = 1
2z = 0
30
Maths en L

1gne Calcul matriciel UJF Grenoble

Voici deux systmes linaires dquations de rcurrence.
(a)
_

_
u
k+1
= v
k
+w
k
v
k+1
=
1
2
u
k
+
3
2
v
k

1
2
w
k
w
k+1
=
3
2
u
k

3
2
v
k
+
1
2
w
k
(d)
_

_
u
k+1
= u
k
v
k+1
= v
k
w
k+1
= 2w
k
Voici deux systmes linaires dquations direntielles.
(a)
_

_
x

(t) = y(t) +z(t)

y

(t) =
1
2
x(t) +
3
2
y(t)
1
2
z(t)
z

(t) =
3
2
x(t)
3
2
y(t) +
1
2
z(t)
(d)
_

_
x

(t) = x(t)
y

(t) = y(t)
z

(t) = 2z(t)
Les trois problmes, de natures trs direntes, ont en commun leur criture matricielle,
avec les deux matrices suivantes.
A =
_
_
_
_
_
0 1 1

1
2
3
2

1
2
3
2

3
2
1
2
_
_
_
_
_
D =
_
_
_
_
_
1 0 0
0 1 0
0 0 2
_
_
_
_
_
Tous les problmes linaires sont plus faciles rsoudre quand la matrice est diagonale !
Il se trouve que les deux matrices A et D sont semblables, cest--dire quelles
reprsentent le mme endomorphisme dans deux bases direntes, ou encore, il existe
une matrice de passage P telle que P
1
AP = D.
_
_
_
_
_
1
2
1
2
1
2

1
2
1
2
1
2

1
2
1
2

1
2
_
_
_
_
_
. .
P
1
_
_
_
_
_
0 1 1

1
2
3
2

1
2
3
2

3
2
1
2
_
_
_
_
_
. .
A
_
_
_
_
_
1 1 0
1 0 1
0 1 1
_
_
_
_
_
. .
P
=
_
_
_
_
_
1 0 0
0 1 0
0 0 2
_
_
_
_
_
. .
D
Dnition 8. Une matrice carre A M
n
est diagonalisable si el le est semblable
une matrice diagonale, cest--dire sil existe une matrice de passage P tel le que
P
1
AP = D .
Les techniques permettant de savoir si une matrice donne est diagonalisable et
de calculer la matrice de passage P si elle lest, dpassent le cadre de ce cours. On
commence par calculer les coecients diagonaux de D, qui sont les valeurs de telles
que A I
n
nest pas inversible : on les appelle les valeurs propres, et leur ensemble
31
Maths en L

1gne Calcul matriciel UJF Grenoble

est le spectre de la matrice. Pour chaque valeur propre , on dtermine ensuite le sous-
espace propre associ : cest lensemble des vecteurs v tels que (A I
n
)v = 0.
La matrice est diagonalisable lorsquon peut trouver une base de R
n
constitue de
vecteurs appartenant aux sous-espaces propres. La matrice de passage P est la matrice
exprimant ces vecteurs dans la base canonique. Quelques exemples lmentaires sont
donns dans les exercices 10 et 11.
Quand une matrice A est diagonalisable, il est facile de rsoudre le systme linaire
Ax = b : il est quivalent au systme Dy = c, avec y = P
1
x et c = P
1
b. Or dans
un systme dont la matrice est diagonale, toutes les quations nont quune inconnue
et se rsolvent sparment.
Prenons maintenant lexemple dun systme dquations de rcurrence linaire, du
type U
k+1
= AU
k
, o U
k
dsigne un vecteur dont on souhaite connatre lexpression en
fonction de k. Du point de vue thorique, il ny a pas de problme :
U
k
= A
k
U
0
.
Mais cela navance rien si on ne sait pas calculer formellement lexpression de A
k
en
fonction de k. Cest possible si A est diagonalisable. En eet, si A = PDP
1
:
A
k
= PDP
1
PDP
1
. . . PDP
1
= PD
k
P
1
.
Ecrire D
k
est immdiat. On en dduit lexpression gnrale de A
k
, donc de U
k
. Dans
lexemple ci-dessus, on trouve :
A
k
=
_
_
_
_
_
_
(1)
k
2
+
1
2

(1)
k
2
+
1
2

(1)
k
2
+
1
2

2
k
2
+
1
2
2
k
2
+
1
2

2
k
2
+
1
2

(1)
k
2
+
2
k
2
(1)
k
2

2
k
2
(1)
k
2
+
2
k
2
_
_
_
_
_
_
Passons maintenant aux systmes dquations direntielles, du type
Y

(t) = AY (t) , (1)

o Y est une fonction (inconnue) de R dans R
n
, et A M
n
est une matrice carre de
rels. Si A = PDP
1
, alors
P
1
Y

(t) = D(P
1
Y (t)
Donc X(t) = P
1
Y (t) est solution du systme X

(t) = DX(t). En posant X(t) =

(x
1
(t), . . . , x
n
(t)), ce systme scrit
i = 1, . . . , n , x

i
(t) =
i
x
i
(t) .
Sa solution est facile calculer :
i = 1, . . . , n , x
i
(t) = e

i
t
x
i
(0) .
32
Maths en L

1gne Calcul matriciel UJF Grenoble

Le vecteur des conditions initiales pour le systme diagonalis est X(0) = P
1
Y (0).
Connaissant X(t), on en dduit Y (t) = PX(t).
Soit par exemple rsoudre
_

_
x

(t) = y(t) +z(t)

y

(t) =
1
2
x(t) +
3
2
y(t)
1
2
z(t)
z

(t) =
3
2
x(t)
3
2
y(t) +
1
2
z(t)
,
avec les conditions initiales x(0) = 0, y(0) = 1, z(0) = 2. Le systme scrit sous la
forme Y

(t) = AY (t), avec

Y (t) =
_
_
_
_
_
x(t)
y(t)
z(t)
_
_
_
_
_
et A =
_
_
_
_
_
0 1 1

1
2
3
2

1
2
3
2

3
2
1
2
_
_
_
_
_
.
En utilisant la diagonalisation de A, on obtient
_

_
x(t) =
3
2
e
t

3
2
e
t
y(t) =
3
2
e
t

1
2
e
2t
z(t) =
3
2
e
t
+
1
2
e
2t
Prsente ainsi la diagonalisation semble un outil magique. En ralit, les algo-
rithmes qui calculent numriquement les valeurs propres et les vecteurs propres sont
relativement lents et il est impossible de diagonaliser une matrice si sa dimension d-
passe quelques dizaines.
3.2 Dcomposition LU
La mthode du pivot de Gauss nest pas exactement programme comme elle a
t prsente. Il y a plusieurs raisons cela, dont la principale est le problme de la
prcision numrique.
Voici un systme de deux quations deux inconnues, dpendant du paramtre
= 0.
_
x +y = 1
x +y = 2

_
x +y = 1
(1
1

)y = 2
1

_
x =
1

(1 (2
1

)/(1
1

))
y = (2
1

)/(1
1

)
33
Maths en L

1gne Calcul matriciel UJF Grenoble

Voici le mme systme, aprs avoir chang les deux quations.
_
x +y = 2
x +y = 1

_
x +y = 2
(1 )y = 1 2

_
x = 2 (1 2)/(1 )
y = (1 2)/(1 )
Les deux solutions sont videmment les mmes. Pourtant, si est trs petit en valeur
absolue, les deux calculs ne sont pas du tout quivalents numriquement : diviser par
un petit nombre, ou multiplier par un grand nombre, augmente les erreurs dapproxi-
mation.
Telles que nous les avons prsentes, les permutations de lignes et de colonnes
servent assurer que les pivots restent non nuls. La plupart des systmes que lon
rencontre en pratique ont une solution unique : ce sont des systmes de n quations
n inconnues, de rang n. En gnral, on peut leur appliquer la mthode du pivot de
Gauss sans rencontrer de pivot nul. Mais on utilise quand mme les permutations de
lignes et de colonnes, pour faire en sorte qu chaque tape, le pivot soit le plus grand
possible en valeur absolue.
Permuter les lignes dune matrice, revient la multiplier gauche par une matrice
de permutation. Une matrice de permutation est la matrice de passage de la base
(b
1
, . . . , b
n
) la base (b
(1)
, . . . , b
(n)
), o est une bection de {1, . . . , n} dans lui-
mme. Ses coecients dordre ((i), i) valent 1, les autres 0. Permuter les colonnes
dune matrice, revient la multiplier droite par une autre matrice de permutation.
En permutant les lignes et les colonnes, on remplace la matrice A par la matrice P
1
AP
2
o P
1
et P
2
sont deux matrices de permutation.
Dans sa version la plus courante, lalgorithme ne considre que des permutations de
lignes : il remplace donc la matrice A par PA, o P est une matrice de permutation.
Une fois choisi lordre dans lequel on traite les lignes, la i-ime tape de la mthode
consiste ajouter aux lignes dindice i +1, i +2, . . . , n la i-ime ligne multiplie par un
certain coecient. Cela revient multiplier gauche par une matrice du type suivant.
_
_
_
_
_
_
_
_
_
_
_
1 0 0
0
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
i+1,i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0
m,i
0 1
_
_
_
_
_
_
_
_
_
_
_
34
Maths en L

1gne Calcul matriciel UJF Grenoble

Le produit de ces matrices, pour i allant de 1 m est la matrice ci-dessous.
_
_
_
_
_
_
_
_
_
_
_
1 0 0

2,1
.
.
.
.
.
.
.
.
.
.
.
. 1
.
.
.
.
.
.
.
.
.
i+1,i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 0

m,1

m,i

m,m1
1
_
_
_
_
_
_
_
_
_
_
_
Son inverse est encore une matrice du mme type : trianglaire infrieure avec des 1
sur la diagonale. On la note L (pour lower triangular ). Le produit L
1
PA est une
matrice triangulaire suprieure, que lon note U pour upper triangular : U est la
forme chelonne de A.
L
1
PA = U PA = LU .
La dcomposition LU de la matrice A est la donne des trois matrices P, L, U telles
que PA = LU.
Si on doit rsoudre le systme Ax = b, on le transformera en deux systmes trian-
gulaires, un de matrice L, lautre de matrice U.
Ax = b PAx = Pb LUx = Pb
_
Ly = Pb
Ux = y
Il arrive frquemment que lon ait rsoudre successivement de nombreux systmes
linaires ayant tous la mme matrice A, mais des seconds membres dirents. Calculer
au pralable la dcomposition LU de A rduit de beaucoup le temps de calcul. Pour
certaines matrices qui reviennent souvent dans les calculs, la dcomposition LU gure
dans les bibliothques de codes, et elle est charge en mmoire avant le dbut du calcul.
35