Escolar Documentos
Profissional Documentos
Cultura Documentos
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
6
Maths en L
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
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
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
_
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
_
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
_
_
_
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
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
M
n
telle que B
A = I. Montrer que
B
= 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
M
n
telle que f(B
) = I, soit B
A = I.
Pour montrer que 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
_
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
_
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) =
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
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) = D(P
1
Y (t)
Donc X(t) = P
1
Y (t) est solution du systme 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
_
x
(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
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
_
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
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