1 ©Arnaud de Saint Julien - MPSI Lycée La Merci 2012-2013 Résumé de cours sur le calcul matriciel 1 Notion de matrice 1. Définitions : identification entre vecteur colonne et matrice colonne, transposée d’une matrice, matrice diagonale, triangulaire, symétrique, antisymétrique. 2. Matrice d’une application linéaire dans des bases 1 : si u ∈ L(E, F ) et que BE = (e1 , . . . , ep ) est une base de E, BF = (f1 , . . . , fn ) une base de F , la matrice de u MBE ,BF (u) = (ai,j ) est dans Mn,p (K) et on a : ∀j ∈ {1, . . . , p}, u(ej ) = n X ai,j fi . i=1 Application linéaire canoniquement associée à une matrice. 3. Matrice d’une famille finie de vecteurs dans une base. 2 Opérations sur les matrices, compatibilité avec les opérations des AL associées 1. L’espace vectoriel Mn,p (K) Addition, multiplication scalaire. Matrices élémentaires Eij . La famille (E11 , E12 , . . . , E1p , E21 , . . .) formée par les matrices élémentaires rangées par ordre lexicographique est la base canonique de Mn,p (K). Ainsi dim Mn,p (K) = np . Isomorphisme entre Mn,p (K) et L(E, F ) si dim E = p et dim F = n : si u et v sont dans L(E, F ) et λ ∈ K, on a DICO : MatBE ,BF (λu + v) = λMatBE ,BF (u) + MatBE ,BF (v) . Corollaire : dim L(E, F ) = dim E × dim F . 2. L’anneau (Mn (R), +, ×), produit de matrices. Il faut retenir la formule : si A = (aij ) ∈ Mp,n (K), B = (bij ) ∈ Mn,q (K) et AB = (cij ) ∈ Mp,q (K), on a cij = n X aik bkj . k=1 1. La morale de chapitre pourrait se résumer à ceci : je veux étudier un endomorphisme u de E. Pour cela je cherche une «bonne» base dans laquelle la matrice de u est «sympatique», l’idéal étant qu’elle soit diagonale (car faire des calculs avec une matrice diagonale, c’est très simple). Pour trouver de bonnes bases, très souvent, on décompose E en somme directe de «bons» sous-espaces, et on recolle les bases des sous-espaces pour obtenir une base de E. ©Arnaud de Saint Julien - MPSI Lycée La Merci 2012-2013 2 Attention aux formats des matrices (sorte de relation de Chasles). Le produit matriciel code la composition des applications linéaires : si u : E → F et v : F → G sont linéaires, on a DICO : MatBE ,BG (v ◦ u) = MatBF ,BG (v)MatBE ,BF (u) . 3. Quelques remarques : – Le produit matriciel n’est pas commutatif! et l’anneau M (K) n’est pas !n 0 1 0 0 intègre : les matrices nilpotentes N = et M = ne commutent 0 0 1 0 pas et N 2 = 0 pourtant N non nulle. – La matrice unité In = diag(1, . . . , 1) commute avec tout le monde. – La relation suivante peut rendre des services : Eij Ekl = δjk Eil . – L’AL u canoniquement associée à une matrice A de Mn (K) peut aussi se voir comme l’endomorphisme de u de Kn défini par u(X) = AX en identifiant matrice colonne et vecteur colonne. – Écriture matricielle d’un système linéaire. – la complexité de la multiplication matricielle dans Mn (K) est en O(n3 ) (multiplier deux matrices de taille n nécessite n2 (n − 1) additions et n3 multiplications de réels). 3 Le groupe des matrices inversibles 1. Définition : une matrice A de Mn (K) est dite inversible s’il existe une matrice B de Mn (K) telle que AB = BA = In . Une telle matrice B est unique, on la note A−1 . L’ensemble GLn (K) des matrices inversibles de Mn (K) est un groupe pour la loi ×. Si A, B ∈ GLn (K), (AB)−1 = B −1 A−1 . Propriété : Il suffit qu’une matrice carrée soit inversible à gauche ou à droite pour être inversible. 2. Comment savoir si une matrice A est inversible ? (a) On utilise la définition, en essayant d’exhiber une matrice B telle que AB = In . On montre ainsi : – une matrice nilpotente n’est jamais inversible. – si A ∈ Mn (K) vérifie A2 − 5A + 6In = 0 alors A est inversible et (A − 5In ). A−1 = −1 6 (b) On utilise la propriété de «DICO» suivante : une matrice A est inversible si et seulement si son AL u canoniquement associée est bijective et alors (MatB,B′ (u))−1 = MatB′ ,B (u−1 ) . (c) On regarde le rang de la matrice : A ∈ Mn (K) est inversible ssi rang(A) = n . (d) On regarde si le système associé AX = Y admet une unique solution. Si c’est le cas, la solution X = A−1 Y permet d’obtenir l’expression de A−1 . 3 ©Arnaud de Saint Julien - MPSI Lycée La Merci 2012-2013 3 −1 −1 2 1 1 1 Exemple : la matrice A = 1 2 1 est inversible d’inverse 4 −1 3 −1 −1 −1 3 1 1 2 (e) On démontrera plus tard qu’une matrice A ∈ Mn (K) est inversible si et seulement si det A 6= 0. a b c d (f) Cas de la taille 2 : la matrice ad − bc 6= 0 et alors 4 a b c d !−1 ! est inversible ssi son déterminant 1 d −b = . ad − bc −c a ! Quelques compléments ou outils matriciels 1. La trace : c’est une forme linéaire sur Mn (K) et de plus Tr(AB) = Tr(BA) . 2. La transposition : elle est linéaire et t (AB) = t B t A . Elle est involutive, i.e. t t ( A) = A. C’est donc une symétrie de Mn (R), on a donc Mn (R) = Sn (R) ⊕ An (R). Corollaire : la transposée d’une matrice inversible est encore une matrice inversible et on a t (A−1 ) = (t A)−1 . 3. Calcul de puissances n-ièmes : quelques recettes à découvrir en exercice (a) Si D = diag(d1 , . . . , dp ), alors Dn = diag(dn1 , . . . , dnp ). (b) L’astuce de type «Pacman» (P DP −1 )n = P Dn P −1 est à connaître. (c) Utilisation du binôme de Newton : si A et B sont deux matrices de Mn (K) qui commutent, alors pour tout n ∈ N, on a (A + B) = n n X k=0 ! n k n−k A B . k En particulier calcul de (λIp + N )n avec N nilpotente. (d) Utilisation d’un polynôme annulateur : si P est un polynôme annulateur de la matrice A, c’est-à-dire si P (A) = 0, on cherche le reste R de la division euclidienne de X n par P ... 1 1 1 n (e) Utilisation d’une récurrence : calcul de A où A = 1 1 1. 1 1 1 4. Le rang d’une matrice : c’est le rang de ses vecteurs colonnes. DICO : Le rang d’une AL est égal au rang de sa matrice par rapport à n’importe quel couple de bases. Application : déterminer sans calcul 2 une base de l’imageet du noyau de 2 2 6 l’endomorphisme u canoniquement associé à A = 3 0 9 . 4 4 12 2. comme u(e3 ) = 3u(e1 ), on a e3 − 3e1 ∈ ker u . . . ©Arnaud de Saint Julien - MPSI Lycée La Merci 2012-2013 4 Si A ∈ Mn,p (K), alors rg(A) 6 inf(n, p). Le rang d’une matrice n’est pas modifié, lorsqu’on la multiplie par une matrice inversible. 5 Changements de base 5.1 Matrices de passage 1. Si B et si B′ sont deux bases de E, on appelle matrice de passage de B à B′ la matrice notée Pass(B, B′ ) dont les colonnes sont les coordonnées des vecteurs de B′ dans la base B. Attention on a Pass(B, B′ ) = MB′ ,B (idE ) . Puisque l’identité est bijective, on en déduit (DICO) que Pass(B, B′ ) est inversible et que son inverse est Pass(B′ , B). 2. Effet d’un changement de base sur la matrice d’une AL. Si u ∈ L(E, F ), (avec des notations évidentes) si A = MBE ,BF (u), A′ = MBE′ ,BF′ (u), P = Pass(BE , BE′ ) et Q = Pass(BF , BF′ ), on a A = QA′ P −1 . En particulier si E = F , on obtient A = P A′ P −1 . Effet d’un changement de base sur les coordonnées : Si X sont les coordonnées de x ∈ E dans B et X ′ les coordonnées dans B′ , on a (attention) X = P X ′ avec P = Pass(B, B′ ). 6 Problème de classification des matrices 1. Matrices équivalentes Définition : deux matrices A et B de Mn,p (K) sont dites équivalentes s’il existe deux matrices inversibles P ∈ GLn (K) et Q ∈ GLp (K) telles que A = P BQ. Prop fondamentale : M est de rang r ssi M est équivalente à la matrice bloc Jr = diag(Ir , 0). Corollaire 1 : Deux matrices sont équivalentes ssi elles ont le même rang. Corollaire 2 : rg A = rg t A, ainsi le rang d’une matrice est aussi égal au rang de ses vecteurs lignes. 2. Matrices semblables Définition : deux matrices A et B de Mn (K) sont dites semblables s’il existe une matrice inversible P ∈ GLn (K) telles que A = P BP −1 . Deux matrices semblables ont même trace, même rang (elles sont donc équivalentes). La réciproque est fausse. 7 Opérations élémentaires 1. Description des 3 opérations élémentaires, matrices associées. 2. Application au calcul du rang et au calcul d’une inverse par la méthode du pivot de Gauss.