PTSI2 – 2016/2017 – Maths Lycée La Martinière-Monplaisir – Lyon Ch 14. Matrices. K désigne R ou C. n, p, q, r désigneront des entiers de N∗ . 1 Définitions 1.a L’ensemble Mn,p (K) Définition : Soit n ∈ N∗ et p ∈ N∗ . On appelle matrice à n lignes et p colonnes, et à coefficients dans K, tout tableau de scalaires de la forme : On parle aussi de matrice de taille n × p et à coefficients dans K. On note A = (ai,j )1≤i≤n ou A = (ai,j ) s’il n’y a pas d’ambiguïté. 1≤j≤p ai,j s’appelle le coefficient (i, j) de A ; on le note aussi Ai,j . L’ensemble des matrices à n lignes et p colonnes, et à coefficients dans K, est noté Mn,p (K). 1 4 Exemple : A = 2 5 . 3 6 1 1.b Zoologie des matrices La matrice nulle de Mn,p (K) : On,p 0 ... 0 . .. .. = . . 0 ... 0 Les matrices ligne : Ce sont les éléments de M1,p (K), par exemple 1 2 3 ∈ M1,3 (K). 1 Les matrices colonne : Ce sont les éléments de Mn,1 (K), par exemple 2 ∈ M3,1 (K). 3 Les matrices carrées a1,1 a1,2 . . . a1,n a2,1 a2,2 . . . a2,n Lorsque n = p ; on note plus simplement Mn (K) au lieu de Mn,n (K) : A = . .. .. .. .. . . . an,1 an,2 . . . an,n Il y a de nombreuses matrices carrées particulières : λ1 0 • Les matrices diagonales : de la forme D = . .. 0 0 ... . λ2 . . .. .. . . ... 0 0 .. . (notée parfois D = diag(λ1 , . . . , λn )) 0 λn ... 0 0 1 . . . ... • La matrice identité de taille n, notée In : In = . . .. . . . . . 0 0 ... 0 1 1 0 • Les matrices triangulaires supérieures : de la forme T = 2 On parle de matrice triangulaire supérieure stricte lorsque • Les matrices triangulaires inférieures : de la forme T = On parle de matrice triangulaire inférieure stricte lorsque 2 Opérations sur les matrices 2.a Combinaisons linéaires (lois + et .) Définition : Soient A et B deux matrices de Mn,p (K), et λ ∈ K un scalaire. On note C = A + B la matrice de Mn,p (K) définie par : ∀(i, j) ∈ np, ci,j = ai,j + bi,j On note D = λ.A la matrice de Mn,p (K) définie par : ∀(i, j) ∈ np, di,j = λai,j Exemples : On ne peut pas sommer des matrices de tailles différentes. La loi . est appelée loi externe. On peut donc faire des combinaisons linéaires de matrices : par exemple, une combinaison linéaire de deux matrices A et B de Mn,p (K) est une matrice qui s’écrit λ.A + µ.B avec λ et µ des scalaires. La loi . est souvent sous-entendue, on pourra noter λA + µB. Proposition : • La loi + est commutative : ∀(A, B) ∈ (Mn,p (K))2 , A + B = B + A • La loi + est associative : ∀(A, B, C) ∈ (Mn,p (K))3 , (A + B) + C = A + (B + C) • La matrice nulle joue le rôle d’élément neutre pour + : ∀A ∈ Mn,p (K), A + 0 = 0 + A = A • Toute matrice de Mn,p (K) admet un unique symétrique pour la loi + : ∀A ∈ Mn,p (K), ∃ !B ∈ Mn,p (K), A + B = B + A = 0 −a1,1 . . . −a1,p a1,n . . . a1,p . . .. .. . . Si A = . . alors B = . . B est notée −A. . −an,1 . . . −an,p an,1 . . . an,p Proposition : Soient A et B deux matrices de Mn,p (K) et λ et µ des scalaires. • λ.(A + B) = λ.A + λ.B • (λ + µ).A = λ.A + µ.A • λ.(µ.A) = (λµ).A • 0.A = 0 et λ.0n,p = 0n,p 2.b Produit matriciel 2.b.i Introduction : produit d’une matrice par une matrice colonne 2x + 3y − z + 8t = 4 Considérons le système (S) : y + 5z − t = 8 : x + 7y − 10z = 3 x 4 2 3 −1 8 y , X = , B = Matrices des coeffs, des 2nds membres, des inconnues : A = 5 −1 0 1 8 z 1 7 −10 0 3 t On va définir le produit matriciel A × X de manière à retrouver le système (S). On pose : x 2 3 −1 8 2x + 3y − z + 8t y 0 1 × = 5 −1 y + 5z − t z x + 7y − 10z 1 7 −10 0 t De sorte que (S) ⇐⇒ A × X = B 4 Définition : x1 a1,1 . . . a1,p . . . . .. ∈ Mn,p (K). Soit X = .. une matrice colonne de Mp,1 (K). Soit A = . xp an,1 . . . an,p On définit le produit C = A × X comme la matrice colonne suivante : a1,1 x1 + · · · + a1,p xp a2,1 x1 + · · · + a2,p xp A×X = .. . an,1 x1 + · · · + an,p xp Autrement dit, on a : ∀ i ∈ {1, . . . , n}, ci = n X j=1 Concrètement : 1 1 2 −1 0 −1 et B = Exemple : A = . 3 0 1 1 1 2 2 0 −1 2 −2 AB = 6 . −2 5 ai,j xj Remarques : • Attention aux formats des matrices : • A × X peut s’écrire : a1,1 x1 + · · · + a1,p xp a2,1 x1 + · · · + a2,p xp AX = .. . an,1 x1 + · · · + an,p xp x2 a1,2 xp a1,p x1 a1,1 xp a2,p x1 a2,1 x2 a2,2 = . + . + ··· + . . . . . . . x1 an,1 x2 an,2 xp an,p a1,1 a1,2 a1,p a2,1 a2,2 a2,p = x1 . + x2 . + · · · + xp . .. .. .. an,1 an,2 an,p = x1 C1 + · · · + xp Cp en notant C1 , . . . , Cp les colonnes de A Ainsi A × X est une combinaison linéaire des colonnes de A. • Il y a des cas particuliers très importants : 6 2.b.ii Généralisation à deux matrices rectangulaires Définition : Soient A = (ai,j ) une matrice de Mn,p (K) et B = (bi,j ) une matrice de Mp,q (K). On définit le produit C = A × B comme la matrice de Mn,q (K) suivante : ∀(i, j) ∈ nq, ci,j = p X ai,k bk,j k=1 On peut sous-entendre la loi × et écrire AB au lieu de A × B. Ainsi on peut voir ci,j comme le "produit" de la ième ligne de A avec la j ème colonne de B. −1 2 Exemple : A = 0 2 −1 et B = 1 2. 3 0 0 0 1 1 2 3 7 Remarque : Si on note X1 , . . . , Xq les colonnes de B, le calcul de AB revient aux calculs de AX1 , . . . , AXq : Pour faire A × B, il faut que les tailles des matrices soient compatibles : le nombre de colonnes de A doit être égal aunombre delignes de B. 1 2 3 −1 2 et B = 1 2, A × B est défini mais pas B × A. Exemple : si A = 0 2 −1 3 0 0 0 1 La loi × n’est pas commutative : • On vient de voir que A × B peut être défini mais pas B × A. • Même si A × B et B × A sont tous les deux définis, il peut ne pas y avoir égalité : 1 A = 1 2 3 et B = 2 3 A= 1 1 0 1 ! et B = 0 0 ! 1 0 Contrairement à ce qu’on a avec le produit de nombres réels ou complexes : A × B = 0 6⇒ A = 0 ou B = 0 Voici un contre-exemple : ! ! 0 1 2 3 A= et B = . 0 0 0 0 8 2.b.iii Propriétés du produit matriciel Proposition : Soit A ∈ Mn,p (K). Alors, • A × Ip = A In × A = A et • A × 0p,q = 0n,q et 0q,n × A = Oq,p Démonstration 1 Proposition : • ∀A ∈ Mn,p (K), ∀B ∈ Mp,q (K), ∀C ∈ Mq,r (K), (A × B) × C = A × (Bt imesC) • ∀(A1 , A2 ) ∈ (Mn,p (K)2 , ∀B ∈ Mp,q (K), (A1 + A2 ) × B = A1 × B + A2 × B • ∀A ∈ (Mn,p (K), ∀(B1 , B2 ) ∈ Mp,q (K)2 , A × (B1 + B2 ) = A × B1 + A × B2 • ∀A ∈ Mn,p (K), ∀B ∈ Mp,q (K), ∀λ ∈ K, (λ.A) × B = A × (λ.B) = λ.(A × B) Démonstration 2 2.c Transposition C’est l’opération "qui échange les lignes et les colonnes". Définition : Soit A = (ai,j ) ∈ Mn,p (K). La transposée de A, notée t A ou AT , est la matrice de Mp,n (K) dont le coefficient (i, j) est aj,i : ∀ ... Exemples : pour A = pour A = a b c d ! 1 2 3 4 5 6 , on a t A = x t ; pour A = y , on a A = z ! , on a t A = Proposition : • ∀ A ∈ Mn,p (K), t tA =A 2 • ∀ (A, B) ∈ (Mn,p (K)) , ∀ λ ∈ K, t (λA) = λ tA t (AB) • ∀ A ∈ Mn,p (K), ∀ B ∈ Mp,q (K), Démonstration 3 9 t (A + B) = t A + t B = tB tA 3 Matrices carrées L’ensemble Mn,p (K) est stable pour la loi + et la loi . : ∀(A, B) ∈ (Mn,p (K))2 , ∀λ ∈ K, A + B ∈ Mn,p (K) λ.A ∈ Mn,p (K) On peut résumer en disant que Mn,p (K) est stable par combinaison linéaire. Ce résultat est en particulier vrai lorsque n = p c’est-à-dire lorsqu’on considère l’ensemble des matrices carrées d’ordre n : Mn (K). Mais cet ensemble Mn (K) a une stabilité supplémentaire, la stabilité par le produit : ∀(A, B) ∈ (Mn (K))2 , A × B ∈ Mn (K) En résumé : Proposition : Toute somme, toute combinaison linéaire, tout produit de matrices carrées d’ordre n est une matrice carrée d’ordre n. 3.a Puissances d’une matrice carrée Définition : Soit A ∈ Mn (K). On définit les puissances successives de A par récurrence : A0 = In ∀ k ∈ N, Ak+1 = Ak × A = A × Ak Une puissance d’une matrice ! non nulle peut être nulle : 0 1 par exemple, pour A = , A2 =... 0 0 On dit que A est nilpotente. Proposition : Soit A ∈ Mn (K), et (p, q) ∈ N2 . Ap+q = Ap × Aq = Aq × Ap donc les puissances d’une même matrice commutent entre elles De manière générale, deux matrices carrées quelconques ne commutent pas nécessairement pour la loi × (contre-exemple déjà vu). 10 Cependant, In et 0n (matrice nulle carrée d’ordre n) commutent avec n’importe quelle matrice. Soient A et B deux matrices de Mn (K). Calculons : (A + B)2 = (A + B) × (A + B) = A2 + AB + BA + B 2 = A2 + 2AB + B 2 en supposant AB = BA Autrement dit, pas de formule du binôme dans le cas général ! Cependant : Théorème : Formule du binôme de Newton Soit A et B deux matrices de Mn (K) Alors, ∀ p ∈ N, (A + B)p = qui commutent, c’est-à-dire que telles que A × B = B × A. n X n k=0 Exemple: 3 1 1 k Ak B p−k = n X n p−k k A B k k=0 . Calculer An pour tout n ∈ N. Soit A = 0 3 2 0 0 3 Démonstration 4 Remarque : La matrice N de l’exemple est ce qu’on appelle une matrice nilpotente, c’est-à-dire que : ∃p ∈ N∗ , N p = 0 Essayez, quand c’est possible, de faire apparaître une telle matrice pour utiliser la formule du binôme. 3.b Sous-ensembles stables Proposition : L’ensemble des matrices diagonales d’ordre n est stable pour les lois +, ., ×, ce qui signifie : pour toutes matrices D, ∆ diagonales d’ordre n et pour tout scalaire λ, λ1 D1 + λ2 D2 est diagonale λ1 D1 + λ2 D2 est diagonale D1 D2 est diagonale Démonstration 5 11 Remarque : Retenir que produit de deux matrices diagonales d’ordre n s’obtient très facilement en multipliant les coefficients diagonaux : par exemple, D’où unrésultat pourles puissances : p λ1 0 d1 . p , alors, pour tout p ∈ N, D = .. si D = 0 λn 0 0 .. . dpn Proposition : L’ensemble des matrices triangulaires supérieures d’ordre n est stable pour les lois +, ., ×. Démonstration 6 De même : Proposition : L’ensemble des matrices triangulaires inférieures d’ordre n est stable pour les lois +, ., ×. Remarque : Soient T et T 0 des matrices triangulaires supérieures. On pose T 00 = T T 0 . n X 2 00 Soit (i, j) ∈ {1, . . . , n} . Si i = j alors ti,i = ti,k t0k,i = ti,i t0i,i k=1 Ainsi, les coefficients diagonaux de T 00 sont les produits des coefficients diagonaux de T et T 0 . On a le même résultat pour les matrices triangulaires inférieures. Exemple : 12 3.c Matrices symétriques, matrices antisymétriques Définition : Soit A ∈ Mn (K). • On dit que A est symétrique si t A = A. Cela revient à : ∀ i, j, ai,j = aj,i • On dit que A est antisymétrique si t A = −A. Cela revient à : ∀ i, j, −ai,j = aj,i Exemples : Proposition : Soit A ∈ Mn (K). A est antisymétrique =⇒ ∀i ∈ [[, 1, n]], ai,i = 0 Les propriétés de la transposition permettent d’obtenir très vite les résultats suivants : Proposition : L’ensemble des matrices symétriques d’ordre n est stable pour les lois + et .. L’ensemble des matrices antisymétriques d’ordre n est stable pour les lois + et .. Démonstration 7 13 4 Opérations élémentaires sur les lignes Les opérations élémentaires sur les lignes d’une a Commençons par des exemples : Soit A = c e 1 0 0 Calculons : 0 3 0 × A = 0 0 1 Cela revient à faire l’opération élémentaire 1 0 0 matrice vont s’interpréter par des produits matriciels. b d ∈ M3,2 (R). f 0 1 Calculons : 1 0 0 0 Cela revient à faire 0 0 ×A= 1 l’opération élémentaire Calculons : 0 1 0 × A = 0 2 1 Cela revient à faire l’opération élémentaire Généralisons : Définition : Matrices élémentaires Soit (i, j) ∈ {1, . . . n}2 , avec i 6= j, et λ ∈ K. Soit A ∈ Mn,p (K). • L’opération Li ← λLi (λ 6= 0) s’obtient en multipliant A à gauche par la matrice suivante : Di (λ) = On dit que c’est une matrice de dilatation. • L’opération Li ← Li + λLj s’obtient en multipliant A à gauche par la matrice suivante : Ti,j (λ) = On dit que c’est une matrice de transvection. • L’opération Li ↔ Lj s’obtient en multipliant A à gauche par la matrice suivante : Pi,j = On dit que c’est une matrice de permutation. 14 Remarque : De manière analogue, on peut agir sur les colonnes de A en multipliant A à droite par une matrice élémentaire : • Faire A × Di (λ) revient faire l’opération : a c e ! b d f 1 0 0 × 0 3 0 = 0 0 1 • Faire A × Ti,j (λ) revient faire l’opération : a c e ! b d f 1 0 0 × 0 1 0 = 0 2 1 • Faire A × Pi,j revient faire l’opération : a c e b d f ! 0 1 0 = × 1 0 0 0 0 1 Lorsque l’on passe d’une matrice A à une matrice A0 par opérations élémentaires sur les colonnes, on dit que A et A0 sont équivalentes par colonnes et on note : A ∼ A0 . C Nous avons vu au chapitre 11 que l’algorithme de Gauss-Jordan permet de passer d’une matrice quelconque A à une unique matrice échelonnée réduite R en faisant des opérations élémentaires sur les lignes. Ainsi on a le résultat suivant : Proposition : Pour toute matrice A de Mn,p (K) il existe une matrice E, produit de matrices élémentaires, et une unique matrice échelonnée réduite R, telle que : EA = R 15 5 Matrices carrées inversibles 5.a Introduction Un réel (ou un complexe) a est inversible si et seulement si il est non nul ; son inverse nombre a0 tel que a × a0 = a0 × a = 1. 1 est l’unique a C’est l’inverse qui permet de résoudre ax = b (a, b réels, inconnue x réelle) dans la plupart des cas : 1 b — si a est inversible, alors il y a une unique solution x = = × b. a a — si a n’est pas inversible, c’est-à-dire si a est non nul, alors il peut y avoir 0 solution (si b 6= 0) ou une infinité de solutions (tout réel x dans le cas b = 0). Ces résultats vont se généraliser, mais ce sera moins simple, car pour les matrices, A inversible" n’est pas équivalent à ”A 6= 0” Il y aura des matrices non nulles mais pourtant non inversibles... 5.b Définition, premiers résultats Proposition-définition : Soit A ∈ Mn (K) une matrice carrée. On dit que A est inversible si ∃B ∈ Mn (K), AB = BA = In La matrice B, lorsqu’elle existe, est unique ; on la note A−1 . Démonstration 8 L’ensemble des matrices carrées inversibles d’ordre n est noté GLn (K), on l’appelle le groupe linéaire d’ordre n. Exemples : • In • On • A= 0 1 ! 0 0 • Soit A ∈ Mn (K) telle que A3 − 2A + 3In = 0. Montrer que A est inversible et déterminer A−1 . Démonstration 9 16 Proposition : Soient (A, B) ∈ Mn (K)2 . • Si A est inversible alors A−1 est inversible et (A−1 )−1 = A. • Si A et B sont inversibles alors A × B est inversible et (AB)−1 = B −1 A−1 • Si A est inversible alors t A est inversible et ( t A)−1 = t (A−1 . Démonstration 10 Une somme de matrices inversibles n’est pas inversible en général. Proposition : Une matrice diagonale est inversible ssi tous ses coefficients diagonaux sont non nuls et : avec ... alors D−1 = si D = Démonstration 11 Proposition : Les matrices élémentaires sont inversibles. Démonstration 12 La proposition de la fin de la partie 4 implique donc : Proposition : Pour toute matrice A de Mn,p (K) il existe une matrice E ∈ GLn (K) et une matrice échelonnée réduite R, telle que : EA = R Théorème : Inversibilité à gauche ou à droite Soit A ∈ Mn (K). A est inversible ⇐⇒ ∃B ∈ Mn (K), AB = In ie A est inversible à droite ⇐⇒ ∃B ∈ Mn (K), BA = In ie A est inversible à gauche Dans ce cas, la matrice B est A−1 . 17 Remarque : équivalents et inverses Lorsqu’une matrice A est inversible, on peut écrire : AP = AQ ⇐⇒ P = Q En effet : un sens en multipliant par Amois 1 à gauche , l’autre par A à gauche De même, P A = QA ⇐⇒ P = Q avec des multiplications à droite. Ces manipulations ne sont plus possibles si A n’est pas inversible ! On peut aussi écrire : AP = Q ⇐⇒ P = A−1 Q 5.c Lien avec les systèmes En particulier, un système linéaire carré peut se mettre sous la forme AX = B, avec A ∈ Mn (K). D’après ce qui précède, si A est inversible, AX = B ⇐⇒ X = A−1 B Ainsi, si A est inversible, alors le système linéaire AX = B a une unique solution, qui est X = A−1 B. On en tire une méthode de calcul de l’inverse (et de preuve de l’inversibilité au passage) : 3 2 −1 Exemple : Soit A = 1 −1 1 . 2 −2 1 Montrer que A est inversible et calculer A−1 . Démonstration 13 Précisons les liens entre inversibilité et solutions de systèmes carrés associés : Théorème : Soit A ∈ Mn (K). Les énoncés suivants sont équivalents : (i) A est inversible. (ii) A ∼ In L (iii) Le système AX = 0 d’inconnue X ∈ Mn,1 (K) n’admet que la solution nulle. (iv) Pour tout B ∈ Mn,1 (K), le système AX = B d’inconnue X ∈ Mn,1 (K) admet une unique solution. Remarque : on a aussi l’équivalence avec : Pour tout B ∈ Mn,1 (K), le système AX = B d’inconnue X ∈ Mn,1 (K) admet au moins une solution. 18 Corollaire : Une matrice diagonale ou triangulaire est inversible si et seulement si tous ses coefficients diagonaux sont non nuls. Remarque : On sait que : A inversible ⇐⇒ t A inversible ⇐⇒ t A ∼ In . L Comme faire des opérations élémentaires sur les colonnes de A revient à faire des opérations élémentaires sur les lignes de t A, on a finalement : A inversible ⇐⇒ A ∼ In C 5.d Calcul de l’inverse par la méthode de Gauss-Jordan Soit A ∈ Mn (K). L’algorithme du pivot de Gauss va nous permettre : • de savoir si A est inversible • le cas échéant, de calculer A−1 . Nous utiliserons le lemme suivant : Proposition : Si A ∼ B, alors A inversible ⇐⇒ B inversible. L Démonstration 14 D’où la méthode : • On applique la méthode du pivot de Gauss sur A (on fait des opérations sur les lignes qui créent des 0 en dessous des coefficients diagonaux dans chaque colonne), jusqu’à obtenir une matrice T triangulaire supérieure. On fait simultanément les mêmes opérations, mais à partir de la matrice In . a1,1 a1,2 . . . a1,n 1 0 ... 0 0 1 . . . ... . . = In .. . . . . . 0 0 ... 0 1 .. . a2,1 a2,2 . . . a2,n A= . .. .. .. .. . . . an,1 an,2 . . . an,n .. . λ1 0 T = . .. 0 ∗ ... . λ2 . . .. .. . . ... 0 ∗ ∗ ... ∗ . .. .. . . matrice modifiée . .. .. ∗ ∗ ... ∗ ∗ .. . ∗ λn 19 — Si la matrice triangulaire T a (au moins) un coefficient diagonal nul , alors T est non inversible, donc A non plus d’après le lemme. — Si tous les coefficients diagonaux de T sont non nuls , alors T est inversible, donc A aussi d’après le lemme. • Lorsque A est inversible, on poursuit alors la méthode du pivot de Gauss (on fait des opérations sur les lignes qui créent des 0 au dessus des coefficients diagonaux dans chaque colonne), jusqu’à obtenir la matrice In . On fait toujours les mêmes opérations sur la matrice issue de In au lieu de A. .. .. . . ∗ ∗ ... ∗ . .. .. . matrice modifiée . .. .. . ∗ ∗ ... ∗ ... 0 0 1 . . . ... . . .. . . . . . 0 0 ... 0 1 1 0 Comme les opérations élémentaires sur les lignes de A reviennent à multiplier A à gauche par une matrice E, c’est qu’on arrive à : EA = In ; la matrice E est alors l’inverse de A. Donc les mêmes opérations appliquées à In au lieu de A mènent à : EIn = E Ainsi, la matrice obtenue à partir de In est A−1 . Remarque : On peut aussi appliquer la méthode du pivot de Gauss en ne faisant que des opérations sur les colonnes. On a alors les mêmes résultats : A est inversible si et seulement si la matrice triangulaire obtenue l’est ; en poursuivant jusqu’à obtenir In , on obtient A−1 en faisant depuis le début les mêmes opérations à partir de In . Il ne faut pas mélanger les opérations sur les lignes et sur les colonnes lorsque vous calculez A−1 ! Exemples : Déterminer si les matrices suivantes sont inversibles ; si oui, calculer leur inverse. 1 −1 1 A= 2 0 3 1 1 3 1 0 1 B= 1 3 4 2 −1 1 Démonstration 15 20 0 1 1 C= 1 0 1 1 1 0