Vous êtes sur la page 1sur 3

Annexe A, matrices 1 Annexe A QUELQUES RSULTATS SUR LES MATRICES Les rfrences utilises pour cette annexe sont:

Weisberg, S., 1985. Applied linear regression. Wiley, 324p. Greenacre, M.J., 1984. Theory and applications of correspondence analysis. Academic Press, 364p. Rappels sur les matrices et les vecteurs Dfinitions Une matrice Xnxp est un tableau de nombres contenant n lignes et p colonnes. Souvent on omet les indices dans la description d'une matrice. Un vecteur Ynx1 ou Yn ou Y est une matrice ayant une seule colonne. Souvent, on utilise des lettres minuscules pour le distinguer d'une matrice ordinaire. Une matrice diagonale est une matrice carre (n=p) dont tous les lments hors diagonale sont nuls. On la note habituellement Dn. Une matrice identit I est une matrice diagonale avec chaque lment sur la diagolnale gal 1. Une matrice symtrique est une matrice tels que les lments xij = xji pour tout i,j. Une matrice idempotente est une matrice (carre mais pas ncessairement symtrique) telle que AA=A. galement A'A'=A=A' et A'A=A=A'. Oprations L'addition de matrices se fait lment par lment. Deux matrices ne peuvent tre additionnes que si elles ont le mme nombre de lignes et le mme nombre de colonnes, i.e. si elles sont de mme dimension. La multiplication par un scalaire s'effectue en multipliant chaque lment de la matrice par le scalaire. La multiplication de deux matrices s'crit:

C nxr = Anxp B pxr cij =

aik bkj
k=1

i.e, on effectue la somme des multiplications entre lments de la ligne i de la matrice A avec les lments correspondants dans la colonne j de la matrice B. Pour effectuer la multiplication il faut que le nombre de colonnes de la matrice de gauche soit gale au nombre de lignes de la matrice de droite. Ainsi, dans l'exemple ci-haut, AB existe, BA n'existe pas. Lorsque les matrices A et B sont carres, AB et BA existent mais gnralement AB BA. La transpose d'une matrice X est note X' ou XT. La ligne i de X' est la colonne i de X, i.e. xij=x'ji. Si X est nxp, alors X' est pxn.

Annexe A, matrices 2 La transpose d'un produit de matrices est le produit des matrices transposes prises dans l'ordre inverse, i.e.: (ABC)'= C'B'A'. Contrairement ce que l'on pourrait croire, le produit de deux matrices symtriques n'est pas gnralement une matrice symtrique. On a alors (AB)'=B'A'=BA or gnralement BA AB. La partition d'une matrice s'obtient en scindant une matrice en blocs disjoints. Pour une matrice carre symtrique, il est courant de partitionner la matrice de la faon suivante:

X = X 11 X 21
o X11, X22 sont des matrices carres, X12=X21'.

X 12 X 22

L'inverse d'une matrice carre est C-1. On a que CC-1=C-1C=I. L'inverse n'existe que si la matrice est non-singulire. Une matrice est singulire si on peut trouver une combinaison linaire des lignes ou des colonnes qui donne le vecteur 0. L'inverse de produits de matrices carres est obtenu par le produit des inverses en inversant l'ordre des matrices. Ainsi, (ABC)-1=C-1B-1A-1, A,B et C sont des matrices carres. Une matrice dont l'inverse est la transpose est une matrice orthogonale, i.e. Q'Q=QQ'=QQ-1=I. L'inverse et la transpose d'une matrice symtrique sont aussi des matrices symtriques. Le rang d'une matrice rectangulaire est le minimum du nombre de lignes ou de colonnes linairement indpendantes. Une matrice carre possde une inverse ssi elle est de plein rang, i.e. non-singulire. La trace d'une matrice carre est la somme des lments sur la diagonale. On a la proprit suivante: Tr(ABCD)=Tr(DABC)=Tr(CDAB)=Tr(BCDA), i.e. les permutations circulaires d'un produit de matrice ne changent pas la trace du produit. A,B,C et D peuvent tre rectangulaires. Une matrice symtrique est positive dfinie si on a aCa>0 pour tout vecteur a. Les valeurs propres et les vecteurs propres d'une matrice symtrique Cpxp sont donnes par Cv=v. v est un vecteur rel p x 1, est un scalaire rel. Si C est de plein rang, on peut trouver p vecteurs propres orthogonaux associes aux p valeurs propres. Si C n'est pas de plein rang, alors on a moins de q<p valeurs propres positives et q-p valeurs propres gales 0. Si C n'est pas symtrique, les valeurs propres et vecteurs propres peuvent tre complexes. On peut aussi crire: C=VDV', avec V'V=I. V est une matrice p x k ayant chacun des vecteurs propres placs en colonne dans V. Si la matrice C est de plein rang, alors V est pxp et on a aussi VV'=I. La somme des valeurs propres d'une matrice symtrique est gale la trace de cette matrice. Une gnralisation de la dcomposition en valeurs propres et vecteurs propres est la dcomposition en valeurs singulires (SVD). Pour toute matrice rectangulaire, on peut trouver une dcomposition de la forme: Xnxp=UnxpDpxpV'pxp, avec U'U=V'V=I. (Note, UU'I) Preuve: On peut crire C=X'X. C est symtrique. C possde donc une dcomposition en valeurs propres et vecteurs propres, i.e. C=X'X=VDV'. Par ailleurs, on peut toujours crire: X=XVD-1/2D1/2V'. Posant U=XVD-1/2 et D=D1/2, on a le rsultat escompt.

Annexe A, matrices 3 Les valeurs propres d'une matrice symtrique sont aussi des valeurs singulires de cette matrice et idem pour les vecteurs propres. Les valeurs propres d'une matrice idempotente sont toutes des 0 ou des 1. Ceci est vident puisque A'A=A. A'A et A ont donc les mmes valeurs singulires et donc D-1/2=D, ce qui implique que les valeurs singulires sont toutes 1 ou 0. Forme gnralise de la dcomposition en valeurs singulires. On peut imposer une contrainte d'orthogonalit et de normalisation plus gnrale que la prcdente la dcomposition SVD. Xnxp=UnxpDpxpV'pxp, avec U'MnxnU=I et V'NpxpV=I, M et N des matrices symtriques et positives dfinies. La plupart des mthodes d'analyse factorielles (ACP, AC, AD et autres) peuvent s'crire comme une SVD gnralise.