MPSI · Calcul matriciel et systèmes linéaires

Caractérisations de l'inversibilité

Six façons de dire la même chose

Question

La définition de l'inversibilité réclame de produire une matrice BB et de vérifier deux égalités, AB=InAB=I_{n} et BA=InBA=I_{n}. C'est beaucoup demander : il faut deviner BB, puis calculer deux produits. Peut-on décider de l'inversibilité de AA sans jamais exhiber de candidat — et une seule des deux égalités ne suffirait-elle pas ?

Proposition 1 : Caractérisations de l'inversibilité

Soit AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}). Les assertions suivantes sont équivalentes :

  1. AA est inversible ;
  2. il existe BMn(K)B\in\mathcal{M}_{n}(\mathbb{K}) telle que AB=InAB=I_{n} ;
  3. il existe BMn(K)B\in\mathcal{M}_{n}(\mathbb{K}) telle que BA=InBA=I_{n} ;
  4. ALInA\sim_{L}I_{n} ;
  5. le rang de AA est égal à nn ;
  6. pour tout XMn,1(K)X\in\mathcal{M}_{n,1}(\mathbb{K}), AX=0    X=0AX=0\implies X=0.

Démonstration :

Étape préliminaire. Montrons que la seule matrice de Mn(K)\mathcal{M}_{n}(\mathbb{K}) échelonnée réduite par lignes et de rang nn est InI_{n}.

Soit RMn(K)R\in\mathcal{M}_{n}(\mathbb{K}) échelonnée réduite possédant nn pivots. Chaque ligne non nulle porte exactement un pivot, donc les nn lignes de RR sont non nulles, et deux pivots ne sont jamais dans la même colonne. Notons j1<j2<<jnj_{1}<j_{2}<\cdots<j_{n} les colonnes des pivots : c'est une suite strictement croissante de nn entiers de 1,n\llbracket 1,n\rrbracket, donc ji=ij_{i}=i pour tout ii. Les pivots occupent ainsi les positions (1,1),,(n,n)(1,1),\dots,(n,n), valent 11, et sont les seuls coefficients non nuls de leur colonne. Toutes les colonnes portant un pivot, tous les coefficients hors diagonale sont nuls : R=InR=I_{n}.

On établit maintenant le cycle (1)(3)(6)(5)(4)(1)(1)\Rightarrow(3)\Rightarrow(6)\Rightarrow(5)\Rightarrow(4)\Rightarrow(1), puis on traite le point 2 à part.

(1)(3)(1)\Rightarrow(3). Si AA est inversible, la matrice B=A1B=A^{-1} vérifie BA=InBA=I_{n}.

(3)(6)(3)\Rightarrow(6). Soit BB telle que BA=InBA=I_{n}, et soit XX tel que AX=0AX=0. En multipliant à gauche par BB :

X=InX=(BA)X=B(AX)=B0=0.X=I_{n}X=(BA)X=B(AX)=B\cdot 0=0.

(6)(5)(6)\Rightarrow(5). On raisonne par contraposée : supposons r=rg(A)<nr=\mathrm{rg}(A)<n et construisons X0X\neq 0 tel que AX=0AX=0.

D'après le théorème de Gauss-Jordan, il existe EE, produit de matrices d'opérations élémentaires, telle que R=EAR=EA soit échelonnée réduite ; elle possède rr pivots, situés dans les colonnes j1<<jrj_{1}<\cdots<j_{r}. Comme r<nr<n, il existe une colonne c1,nc\in\llbracket 1,n\rrbracket qui ne porte pas de pivot. On définit XX par

xc=1,xji=[R]i,c  pour i1,r,xj=0  pour toute autre colonne j.x_{c}=1,\qquad x_{j_{i}}=-[R]_{i,c}\ \text{ pour } i\in\llbracket 1,r\rrbracket,\qquad x_{j}=0\ \text{ pour toute autre colonne } j.

Calculons RXRX. Les lignes de RR d'indice >r>r sont nulles, donc les coefficients correspondants de RXRX le sont. Pour iri\leqslant r, la ieˋmei^{\text{ème}} ligne de RR a un 11 en colonne jij_{i} et des zéros dans toutes les autres colonnes de pivot ; il reste

[RX]i=[R]i,jixji+j sans pivot[R]i,jxj=[R]i,c+[R]i,c=0,[RX]_{i}=[R]_{i,j_{i}}\,x_{j_{i}}+\sum_{j\ \text{sans pivot}}[R]_{i,j}\,x_{j} =-[R]_{i,c}+[R]_{i,c}=0,

puisque xj=0x_{j}=0 pour toute colonne sans pivot autre que cc. Donc RX=0RX=0.

Or EE est un produit de matrices d'opérations élémentaires, toutes inversibles : EE est inversible. De EAX=RX=0EAX=RX=0 on tire AX=E10=0AX=E^{-1}\cdot 0=0, avec X0X\neq 0 puisque xc=1x_{c}=1. L'assertion 6 est donc en défaut.

(5)(4)(5)\Rightarrow(4). Si rg(A)=n\mathrm{rg}(A)=n, la forme échelonnée réduite RR de AA possède nn pivots, donc R=InR=I_{n} d'après l'étape préliminaire. Comme ALRA\sim_{L}R, on a ALInA\sim_{L}I_{n}.

(4)(1)(4)\Rightarrow(1). Si ALInA\sim_{L}I_{n}, il existe EE, produit de matrices d'opérations élémentaires, telle que EA=InEA=I_{n}. La matrice EE est inversible, donc A=E1In=E1A=E^{-1}I_{n}=E^{-1}. Or l'inverse d'une matrice inversible est inversible, d'inverse EE : la matrice AA est inversible, et A1=EA^{-1}=E.

Le point 2. L'implication (1)(2)(1)\Rightarrow(2) est immédiate avec B=A1B=A^{-1}. Réciproquement, soit BB telle que AB=InAB=I_{n}. Alors BB vérifie l'assertion 6 : si BX=0BX=0, alors

X=InX=(AB)X=A(BX)=0.X=I_{n}X=(AB)X=A(BX)=0.

D'après le cycle déjà établi, appliqué cette fois à BB, la matrice BB est inversible. On a alors

A=A(BB1)=(AB)B1=InB1=B1,A=A\bigl(BB^{-1}\bigr)=(AB)B^{-1}=I_{n}B^{-1}=B^{-1},

et AA, inverse d'une matrice inversible, est inversible.

Remarque :

Le point le plus spectaculaire est l'équivalence de 1, 2 et 3 : en taille carrée, une seule des deux égalités suffit. Si l'on a trouvé BB telle que AB=InAB=I_{n}, il est inutile de vérifier BA=InBA=I_{n} : c'est automatique, et de plus B=A1B=A^{-1}.

Ce résultat justifie a posteriori le raisonnement mené à la leçon précédente sur l'exercice « ABAB inversible entraîne AA et BB inversibles », où l'on concluait de A(BC)=InA(BC)=I_{n} que AA était inversible.

Test 1 : Un seul produit suffit

Soient A,BMn(K)A,B\in\mathcal{M}_{n}(\mathbb{K}) telles que AB=InAB=I_{n}. Alors BA=InBA=I_{n}.

Test 2 : Et si les matrices ne sont plus carrées ?

Soient AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) et BMp,n(K)B\in\mathcal{M}_{p,n}(\mathbb{K}) telles que AB=InAB=I_{n}. Alors BA=IpBA=I_{p}.

Test 3 : Un vecteur dans le noyau

S'il existe XMn,1(K)X\in\mathcal{M}_{n,1}(\mathbb{K}) non nul tel que AX=0AX=0, alors AA n'est pas inversible.

Test 4 : Rang non maximal

Une matrice de M3(K)\mathcal{M}_{3}(\mathbb{K}) de rang 22 peut être inversible.

Rédaction — Calculer l'inverse par l'algorithme de Gauss-Jordan :

Pour décider si AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}) est inversible et calculer son inverse en une seule passe :

  1. Border AA par l'identité : former la matrice augmentée (AIn)\bigl(A\mid I_{n}\bigr).
  2. Réduire le bloc de gauche par l'algorithme de Gauss-Jordan (descente, normalisation, remontée), chaque opération portant sur les lignes entières, à travers la barre.
  3. Conclure.
  • Si une ligne nulle apparaît dans le bloc de gauche, le rang est strictement inférieur à nn : la matrice n'est pas inversible, on s'arrête là.
  • Sinon, le bloc de gauche devient InI_{n} et l'on lit
(AIn) L (InA1).\bigl(A\mid I_{n}\bigr)\ \sim_{L}\ \bigl(I_{n}\mid A^{-1}\bigr).

Pourquoi le bloc de droite donne l'inverse. Les opérations effectuées se résument en une matrice EE telle que EA=InEA=I_{n} ; d'après la caractérisation, AA est inversible et E=A1E=A^{-1}. Or ces mêmes opérations transforment le bloc de droite InI_{n} en EIn=EEI_{n}=E. Le bloc de droite est donc bien A1A^{-1}.

  1. Vérifier en calculant AA1AA^{-1} — un seul des deux produits, d'après la caractérisation.

Exercice 1 : Calcul d'un inverse par la méthode de Gauss-Jordan

Soit A=(111220111)A=\begin{pmatrix} 1 & 1 & -1\\ 2 & -2 & 0\\ 1 & 1 & 1\end{pmatrix}. Montrer que AA est inversible et calculer A1A^{-1}.

Solution :(cliquer pour afficher)

On a

(111100220010111001)L2L22L1, L3L3L1(111100042210002101)\left(\begin{array}{ccc|ccc} 1 & 1 & -1 & 1 & 0 & 0\\ 2 & -2 & 0 & 0 & 1 & 0\\ 1 & 1 & 1 & 0 & 0 & 1 \end{array}\right) \underset{L_{2}\leftarrow L_{2}-2L_{1},\ L_{3}\leftarrow L_{3}-L_{1}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 1 & -1 & 1 & 0 & 0\\ 0 & -4 & 2 & -2 & 1 & 0\\ 0 & 0 & 2 & -1 & 0 & 1 \end{array}\right)L214L2(111100011212140002101)L1L1L2(101212140011212140002101)\underset{L_{2}\leftarrow -\frac{1}{4}L_{2}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 1 & -1 & 1 & 0 & 0\\ 0 & 1 & -\frac{1}{2} & \frac{1}{2} & -\frac{1}{4} & 0\\ 0 & 0 & 2 & -1 & 0 & 1 \end{array}\right) \underset{L_{1}\leftarrow L_{1}-L_{2}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 0 & -\frac{1}{2} & \frac{1}{2} & \frac{1}{4} & 0\\ 0 & 1 & -\frac{1}{2} & \frac{1}{2} & -\frac{1}{4} & 0\\ 0 & 0 & 2 & -1 & 0 & 1 \end{array}\right)L312L3(10121214001121214000112012)L1L1+12L3, L2L2+12L3(10014141401014141400112012).\underset{L_{3}\leftarrow \frac{1}{2}L_{3}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 0 & -\frac{1}{2} & \frac{1}{2} & \frac{1}{4} & 0\\ 0 & 1 & -\frac{1}{2} & \frac{1}{2} & -\frac{1}{4} & 0\\ 0 & 0 & 1 & -\frac{1}{2} & 0 & \frac{1}{2} \end{array}\right) \underset{L_{1}\leftarrow L_{1}+\frac{1}{2}L_{3},\ L_{2}\leftarrow L_{2}+\frac{1}{2}L_{3}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 0 & 0 & \frac{1}{4} & \frac{1}{4} & \frac{1}{4}\\ 0 & 1 & 0 & \frac{1}{4} & -\frac{1}{4} & \frac{1}{4}\\ 0 & 0 & 1 & -\frac{1}{2} & 0 & \frac{1}{2} \end{array}\right).

Le bloc de gauche est devenu I3I_{3} : la matrice AA est inversible et

A1=14(111111202).A^{-1}=\frac{1}{4}\begin{pmatrix} 1 & 1 & 1\\ 1 & -1 & 1\\ -2 & 0 & 2\end{pmatrix}.

Vérification sur la première ligne de AA1AA^{-1} : 14(1×1+1×1+(1)×(2))=1\frac{1}{4}\bigl(1\times 1+1\times 1+(-1)\times(-2)\bigr)=1, puis 14(1×1+1×(1)+(1)×0)=0\frac{1}{4}\bigl(1\times 1+1\times(-1)+(-1)\times 0\bigr)=0 et 14(1×1+1×1+(1)×2)=0\frac{1}{4}\bigl(1\times 1+1\times 1+(-1)\times 2\bigr)=0.

Exercice 2 : Inverse déduit d'une relation polynomiale

Soit AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}) telle que A2+3A2In=OnA^{2}+3A-2I_{n}=O_{n}. Montrer que AA est inversible et donner A1A^{-1} en fonction de AA.

Solution :(cliquer pour afficher)

On a A2+3A=2InA^{2}+3A=2I_{n}, d'où

A(A+3In)=2In.A\bigl(A+3I_{n}\bigr)=2I_{n}.

Alors AA est inversible et A1=12(A+3In)A^{-1}=\tfrac{1}{2}\bigl(A+3I_{n}\bigr).

Remarque :

La conclusion de cet exercice s'appuie sur la caractérisation : l'égalité A12(A+3In)=InA\cdot\tfrac{1}{2}\bigl(A+3I_{n}\bigr)=I_{n} suffit à assurer l'inversibilité de AA et à identifier son inverse, sans vérifier le produit dans l'autre ordre. Ici la vérification serait d'ailleurs immédiate, AA commutant avec A+3InA+3I_{n} ; mais l'argument général ne le demande pas.

Exercice 3 : Une matrice dépendant d'un paramètre

Pour mRm\in\mathbb{R}, on pose Am=(1111m111m)A_{m}=\begin{pmatrix} 1 & 1 & 1\\ 1 & m & 1\\ 1 & 1 & m\end{pmatrix}.

  1. Déterminer le rang de AmA_{m} selon les valeurs de mm.
  2. En déduire pour quelles valeurs de mm la matrice AmA_{m} est inversible.
  3. Calculer A21A_{2}^{-1}.
Solution :(cliquer pour afficher)
  1. Les opérations L2L2L1L_{2}\leftarrow L_{2}-L_{1} et L3L3L1L_{3}\leftarrow L_{3}-L_{1} donnent
AmL(1110m1000m1).A_{m}\sim_{L} \begin{pmatrix} 1 & 1 & 1\\ 0 & m-1 & 0\\ 0 & 0 & m-1 \end{pmatrix}.
  • Si m1m\neq 1, cette matrice est échelonnée avec trois pivots (11, m1m-1, m1m-1) : rg(Am)=3\mathrm{rg}(A_{m})=3.
  • Si m=1m=1, elle vaut (111000000)\begin{pmatrix} 1 & 1 & 1\\ 0 & 0 & 0\\ 0 & 0 & 0\end{pmatrix}, échelonnée avec un seul pivot : rg(A1)=1\mathrm{rg}(A_{1})=1. On le voit directement sur A1A_{1}, dont les trois lignes sont égales.
  1. D'après la caractérisation, AmA_{m} est inversible si et seulement si rg(Am)=3\mathrm{rg}(A_{m})=3, c'est-à-dire si et seulement si m1m\neq 1.

  2. Pour m=2m=2, on applique l'algorithme à (A2I3)\bigl(A_{2}\mid I_{3}\bigr) :

(111100121010112001)L2L2L1, L3L3L1(111100010110001101)\left(\begin{array}{ccc|ccc} 1 & 1 & 1 & 1 & 0 & 0\\ 1 & 2 & 1 & 0 & 1 & 0\\ 1 & 1 & 2 & 0 & 0 & 1 \end{array}\right) \underset{L_{2}\leftarrow L_{2}-L_{1},\ L_{3}\leftarrow L_{3}-L_{1}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 1 & 1 & 1 & 0 & 0\\ 0 & 1 & 0 & -1 & 1 & 0\\ 0 & 0 & 1 & -1 & 0 & 1 \end{array}\right)L1L1L2L3(100311010110001101).\underset{L_{1}\leftarrow L_{1}-L_{2}-L_{3}}{\sim} \left(\begin{array}{ccc|ccc} 1 & 0 & 0 & 3 & -1 & -1\\ 0 & 1 & 0 & -1 & 1 & 0\\ 0 & 0 & 1 & -1 & 0 & 1 \end{array}\right).

D'où

A21=(311110101).A_{2}^{-1}=\begin{pmatrix} 3 & -1 & -1\\ -1 & 1 & 0\\ -1 & 0 & 1\end{pmatrix}.

Vérification de la première ligne de A2A21A_{2}A_{2}^{-1} : 311=13-1-1=1, 1+1+0=0-1+1+0=0, 1+0+1=0-1+0+1=0.

Reconnaître une matrice non inversible

Question

Prouver qu'une matrice est inversible demande un calcul. Prouver qu'elle ne l'est pas devrait être plus rapide : il suffit d'une seule colonne X0X\neq 0 vérifiant AX=0AX=0. Quelles configurations, visibles à l'œil nu sur le tableau des coefficients, fournissent une telle colonne ?

Proposition 2 : Non-inversibilité en présence d'une relation de dépendance linéaire

Soit AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}).

  1. Si l'une des lignes de AA est une combinaison linéaire des autres lignes, alors la matrice AA n'est pas inversible.
  2. Si l'une des colonnes de AA est une combinaison linéaire des autres colonnes, alors AA n'est pas inversible.

Démonstration :

  1. On note C1,,CnC_{1},\dots,C_{n} les colonnes de AA. On suppose qu'il existe k1,nk\in\llbracket 1,n\rrbracket tel que CkC_{k} soit une combinaison linéaire de C1,,Ck1,Ck+1,,CnC_{1},\dots,C_{k-1},C_{k+1},\dots,C_{n} : il existe alors α1,,αk1,αk+1,,αnK\alpha_{1},\dots,\alpha_{k-1},\alpha_{k+1},\dots,\alpha_{n}\in\mathbb{K} tels que
Ck=ikαiCi.C_{k}=\sum_{i\neq k}\alpha_{i}C_{i}.

On pose

X=(α1αk11αk+1αn).X=\begin{pmatrix} \alpha_{1}\\ \vdots\\ \alpha_{k-1}\\ -1\\ \alpha_{k+1}\\ \vdots\\ \alpha_{n} \end{pmatrix}.

On a alors, d'après l'expression de AXAX comme combinaison linéaire des colonnes de AA,

AX=α1C1++αk1Ck1Ck+αk+1Ck+1++αnCn=0.AX=\alpha_{1}C_{1}+\cdots+\alpha_{k-1}C_{k-1}-C_{k}+\alpha_{k+1}C_{k+1}+\cdots+\alpha_{n}C_{n}=0.

Or X0X\neq 0, donc AA n'est pas inversible.

  1. Supposons qu'une ligne de AA soit combinaison linéaire des autres. Les lignes de AA étant les colonnes de ATA^{\mathsf{T}}, une colonne de ATA^{\mathsf{T}} est combinaison linéaire des autres colonnes de ATA^{\mathsf{T}} : d'après le point 2, la matrice ATA^{\mathsf{T}} n'est pas inversible. Or AA est inversible si et seulement si ATA^{\mathsf{T}} l'est. Donc AA n'est pas inversible.

Exemple :

La matrice (123246015)\begin{pmatrix} 1 & 2 & 3\\ 2 & 4 & 6\\ 0 & 1 & 5\end{pmatrix} n'est pas inversible : sa deuxième ligne est le double de la première. Celle-ci non plus, (101325044)\begin{pmatrix} 1 & 0 & 1\\ 3 & 2 & 5\\ 0 & 4 & 4\end{pmatrix} : sa troisième colonne est la somme des deux autres. Comment fabriquer, dans chaque cas, une colonne X0X\neq 0 telle que AX=0AX=0 ?

Corollaire 1 : Cas d'une ligne ou d'une colonne nulle

Si AA contient une ligne nulle ou une colonne nulle, alors AA n'est pas inversible.

Démonstration :

Si CkC_{k} est nulle, alors

Ck=ik0Ci,C_{k}=\sum_{i\neq k}0\cdot C_{i},

donc CkC_{k} est combinaison linéaire des autres colonnes, et le point 2 de la proposition s'applique. Le cas d'une ligne nulle se traite de même avec le point 1.

D'où AA n'est pas inversible.

Test 5 : Deux colonnes égales

Si deux colonnes de AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}) sont égales, alors AA n'est pas inversible.

Test 6 : Réciproque du corollaire

Si AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}) n'est pas inversible, alors AA possède une ligne nulle ou une colonne nulle.

Exercice 4 : Une somme de lignes nulle

Soit AMn(K)A\in\mathcal{M}_{n}(\mathbb{K}) dont la somme des coefficients de chaque ligne est nulle, c'est-à-dire

j=1n[A]i,j=0pour tout i1,n.\sum_{j=1}^{n}[A]_{i,j}=0 \qquad\text{pour tout } i\in\llbracket 1,n\rrbracket.
  1. Montrer que AA n'est pas inversible, par deux méthodes distinctes.
  2. Application : la matrice B=(110213044)B=\begin{pmatrix} 1 & -1 & 0\\ 2 & 1 & -3\\ 0 & 4 & -4\end{pmatrix} est-elle inversible ?
Solution :(cliquer pour afficher)
  1. Première méthode : exhiber une colonne. On pose X=(11)Mn,1(K)X=\begin{pmatrix} 1\\ \vdots\\ 1\end{pmatrix}\in\mathcal{M}_{n,1}(\mathbb{K}). Pour tout i1,ni\in\llbracket 1,n\rrbracket,
[AX]i=j=1n[A]i,j1=j=1n[A]i,j=0,[AX]_{i}=\sum_{j=1}^{n}[A]_{i,j}\cdot 1=\sum_{j=1}^{n}[A]_{i,j}=0,

donc AX=0AX=0 avec X0X\neq 0. D'après la caractérisation de l'inversibilité, AA n'est pas inversible.

Seconde méthode : une relation entre les colonnes. L'hypothèse s'écrit C1+C2++Cn=0C_{1}+C_{2}+\cdots+C_{n}=0, c'est-à-dire

Cn=C1C2Cn1.C_{n}=-C_{1}-C_{2}-\cdots-C_{n-1}.

La dernière colonne est combinaison linéaire des autres : d'après la proposition, AA n'est pas inversible.

Les deux méthodes sont d'ailleurs la même : la colonne XX de la première est, au signe près, le vecteur des coefficients de la relation de la seconde.

  1. Les sommes des trois lignes de BB valent 11+0=01-1+0=0, 2+13=02+1-3=0 et 0+44=00+4-4=0. La matrice BB vérifie donc l'hypothèse : elle n'est pas inversible. On le confirme en calculant BXBX pour X=(111)X=\begin{pmatrix} 1\\ 1\\ 1\end{pmatrix}, qui vaut bien (000)\begin{pmatrix} 0\\ 0\\ 0\end{pmatrix}.

Remarque :

Le rang fournit une lecture uniforme de tout ce qui précède : une matrice carrée est inversible exactement lorsque son rang est maximal. Toute relation de dépendance entre les lignes ou entre les colonnes fait chuter ce rang strictement en dessous de nn, et interdit donc l'inversibilité.