Calcul matriciel

D enitions
Une matrice n x m est un tableau de nombres ` a n lignes et m colonnes. Exemple de matrice avec n = 2 et m = 3 : M= 1 2 0 4 3 1

n et m sont les dimensions de la matrice M. Un matrice est symbolis ee par une lettre en caract` ere gras. On note Mij l el ement situ e` a lintersection de la ligne i et de la colonne j : M11 M12 M21 M22 M= ... ... Mn1 Mn2 ... M1m ... M2m ... ... ... Mnm

Si m = 1, la matrice est appel ee vecteur (ou, plus pr ecis ement vecteur-colonne) : x1 x2 x= ... xn Si n = m la matrice est dite matrice carr e e.

Quelques matrices carr ees particuli` eres

Matrice unit e (ou matrice identit e) : 1 0 I= 0 0 Matrice diagonale : D11 0 0 0 0 D22 0 0 D= 0 0 D33 0 0 0 0 D44 1 0 1 0 0 0 0 1 0 0 0 0 1

Matrice triangulaire : T11 T12 T13 0 T22 T23 T= 0 0 T33 0 0 0 T14 T24 T34 T44

Une matrice carr ee S est dite sym etrique si Sij = Sji : S11 S12 S= S13 S14 S12 S22 S23 S24 S13 S23 S33 S34 S14 S24 S34 S44

Op erations sur les matrices

Egalit e de deux matrices
Deux matrices A et B sont egales si elles ont les m emes dimensions et si Aij = Bij i, j .

Addition et soustraction
Laddition et la soustraction des matrices se font terme par terme. Les matrices doivent avoir les m emes dimensions. Exemples : 1 2 0 4 3 1 1 2 0 4 3 1 + 5 2 3 1 3 4 5 2 3 1 3 4 = = 6 4 3 5 6 3 4 0 3 3 0 5

Multiplication par un nombre

Lorsquune matrice est multipli ee par un nombre, chaque terme de la matrice est mutlipli e par ce nombre : Exemple : 2 1 2 0 4 3 1 = 2 4 0 8 6 2

Transposition
La transpos ee AT dune matrice A (aussi not ee A ) est la matrice obtenue en echangeant lignes et colonnes de A. 1 2 0 4 3 1 1 4 AT = 2 3 0 1

A=

La transpos ee dun vecteur-colonne est un vecteur-ligne. x1 x2 T x= ... x = xn

x1 x2 ... xn

Multiplication matricielle
Produit scalaire Le produit scalaire dun vecteur-ligne xT par un vecteur-colonne y est d eni par : y1 n y2 T x y = x1 x2 ... xn = x1 y1 + x2 y2 + ... + xn yn = xi yi ... i=1 yn Ce produit, appel e produit scalaire, est not e x y. Les vecteurs doivent avoir la m eme dimension. Le r esultat de cette op eration est un scalaire. On peut noter que le produit scalaire est commutatif : x y = y x.

Lorsque le produit scalaire de deux vecteurs est nul, les vecteurs sont dits orthogonaux. A deux dimensions, cela correspond ` a deux vecteurs perpendiculaires. Par exemple, les vecteurs x = ( 1 3 ) et y = ( 6 2 ) ont un produit scalaire nul et on v eriera facilement quils sont perpendiculaires. Produit matriciel

Le produit matriciel se d eduit du produit scalaire : le produit de la matrice A (n x m) par la matrice B (p x m) est la matrice C (n x p) telle que l el ement Cij est egal au produit scalaire de la ligne i de la matrice A par la colonne j de la matrice B :
m

Cij =
k =1

Aik Bkj avec i = 1, ...n et j = 1, ...p

Ce produit matriciel est not e AB = C Exemple 1 2 0 4 3 1 5 1 . 2 3 = 3 4 3 9 7 23 9

Propri et es Le produit matriciel est associatif : ABC = (AB)C = A(BC) distributif par rapport ` a laddition : A(B + C) = AB + AC non-commutatif : (en g en eral) AB = BA Transpos ee dune somme : (A + B)T = AT + BT Transpos ee dun produit : (AB)T = BT AT Quelques produits particuliers Carr e scalaire : xT x =
i=1 n

La matrice unit e I est l el ement neutre pour la multiplication : AI = IA = A

x2 i

Sa racine carr ee (xT x)1/2 est appel ee norme du vecteur x et est not ee ||x||. Lorsque la norme dun vecteur est egale ` a 1, le vecteur est dit norm e. Tout vecteur peut etre norm e en le divisant par la racine carr ee de sa norme. Deux vecteurs qui sont simultan ement norm es et orthogonaux sont dit orthonorm es : a a = b b = 1 et a b = b a = 0 a et b sont orthonorm es Une matrice dont toutes les colonnes prises deux ` a deux sont des vecteurs orthogonaux est dite matrice matrice orthogonale. Si, de plus ces vecteurs sont norm es, la matrice est dite matrice orthonorm e e. Forme quadratique : x Ax =
i=1 j =1 T n n

Aij xi xj

Forme bilin eaire : xT Ay =

Aij xi yj
i=1 j =1

Inversion
Une matrice carr ee A est dite inversible sil existe une matrice carr ee A1 (appel ee matrice inverse) telle que AA1 = A1 A = I Propri et es (A 1 ) 1 = A (A1 )T = (AT )1 (AB)1 = B1 A1 Si la matrice A est orthogonale, alors A1 = AT . 4

D eterminant dune matrice carr ee

Pour une matrice 2 x 2, on peut montrer que la matrice inverse est donn ee par A= a b c d A 1 = 1 ab bc d b c a

Le nombre ad bc est appel e d eterminant de la matice A. On le note |A| = det(A) = a b c d

La matrice inverse A1 nexiste donc que si det(A) est di erent de 0. Le d eterminant peut se calculer de mani` ere r ecursive. Par exemple pour n = 3, on a, en d eveloppant la premi` ere ligne : A = a b c e f d f d e d e f =a b +c h i g i g h g h i = a(ei f h) b(di f g ) + c(dh eg ) = aei af h bdi + bf g + cdh ceg

Dans ce d eveloppement, chaque d eterminant dordre 2 est appel e mineur du terme qui le pr ec` ede. Le mineur de l el ement xij est la sous-matrice obtenue en supprimant la ligne i et la colonne j . Par exemple, le mineur de a est : mineur(a) = e f h i = ei f h

Le cofacteur de l el ement xij est donn e par lexpression : cofacteur(xij ) = (1)i+j mineur(xij ) Le cofacteur est donc le mineur pr ec ed e dun signe donn e par le tableau suivant : + + ... + ... + ... ... + ... ...

On peut d evelopper le d etermiant par rapport ` a nimporte quelle ligne ou colonne. En pratique, quand faciliter les calculs, on choisira la ligne (ou colonne) qui contient le plus de 0. Pour chaque el ement aij de la ligne ou colonne choisie, Cette m ethode est valable pour un d eterminant de taille quelconque. En pratique pour n > 3, il vaut mieux recourir ` a un algorithme sp ecique. Propri et es det(AT ) = det(A) det(AB) = det(A) det(B) 5

Le d eterminant dune matrice triangulaire ou diagonale est egal au produit des el ements diagonaux. En particulier, det(I) = 1. 1 Si A est inversible, alors det(A1 ) = det(A) Si A est orthogonale, alors det(A) = 1

Quelques op erations el ementaires sur les matrices

Multiplication dune ligne dune matrice pas un scalaire
Pour multiplier tous les el ements dune ligne i de A par une valeur sans modier les autres lignes, on peut multiplier A par une matrice I identique ` a la matrice identit e except e l el ement ii qui est remplac e par . Exemple : 1 0 0 a b c a b c 0 0 d e f = d e f 0 0 1 g h i g h i
1 Lorsque = 0, il existe toujours une matrice I eration inverse. La qui eectue lop 1 matrice I est simplement la matrice I dans laquelle est remplac e par 1/.

Echange de deux lignes dune matrice

Une autre op eration el ementaire est celle qui consiste a ` permuter deux lignes dune matrice. Cela est eectu e par la multiplication par une matrice IP qui est la matrice identit e I dans laquelle les lignes correspondantes ont et e permut ees. De fa con g en erale, on peut permuter les lignes k et l dune matrice A (n p) en la multipliant par une matrice Ip dont les el ements sont Ipij = 0 pour tout i = j sauf Ipkl = Iplk = 1 et Ipii = 1 pour tout i sauf Ipkk = Ipll = 0. Exemple : 0 1 0 a b c d e f 1 0 0 d e f = a b c 0 0 1 g h i g h i On saper coit rapidement que multiplier deux fois A par Ip nous ram` ene ` a la situation de d epart.

Addition de deux lignes dune matrice

Une troisi` eme op eration el ementaire sur les lignes dune matrices A consiste ` a additionner ` a une ligne de A une autre ligne, eventuellement multipli ee par une scalaire . Par exemple ajouter fois la ligne k ` a la ligne l peut se faire en multipliant A par une matrice Ia , qui est un matrice identit e I dans laquelle l el ement lk est remplac e par .

Exemple : a + g b + h c + i 1 0 a b c 0 1 0 d e f = d e f g h i 0 0 1 g h i Lop eration inverse est assur ee par la soustraction de ces el ements, cest-` a-dire par la multiplication de la matrice A par la matrice Ia , cette derni` ere etant Ia dans laquelle on a remplac e l el ement lk par .

Application aux syst` emes d equations lin eaires

Formulation matricielle
Un syst` eme de n equations lin eaires ` a n inconnues est de la forme a11 x1 + a12 x2 + ... + a1n xn = b1 a21 x1 + a22 x2 + ... + a2n xn = b2 ... an1 x1 + an2 x2 + ... + ann xn = bn o` u les xi sont les inconnues du syst` eme, les aij sont les coecients et les bi sont les termes constants Un tel syst` eme peut s ecrire sous la forme matricielle : Ax = b avec

a11 a12 a21 a22 A= ... ... an1 an1

... a1n ... a2n x= ... ... ... ann

x1 x2 b= ... xn

b1 b2 ... bn

R esolution d equations lin eaires

Si la matrice est inversible (cest-` a-dire si son d eterminant est non-nul), on a, en multi1 pliant ` a gauche par A A1 Ax = A1 b soit x = A 1 b Un simple produit matriciel et le syst` eme est r esolu !

Exemple : Consid erons le syst` eme de deux equations ` a deux inconnues suivant : 2x1 + 3x2 = 9 x1 x2 = 2 On a A= 2 3 1 1 9 2

b=

det(A) = 2.(1) 3.1 = 5 A 1 = Et donc x= 1 5 1 3 1 2 1 5 9 2 1 3 1 2 = 1 5 15 5 = 3 1

On v erira que x1 = 3 et x2 = 1 est bien solution du syst` eme d equations.

Lorsque la matrice nest pas inversible, cest-` a-dire quand son d eterminant est nul, deux cas sont ` a envisager : soit le syst` eme est ind etermin e : cest le cas lorsquune des equations est une combinaison lin eaire des autres equations du syst` eme. Exemple : x1 + x2 = 3 2x1 + 2x2 = 6 soit le syst` eme est impossible : cest le cas lorsquaucune equation est une combinaison lin eaire des autres equations du syst` eme. Exemple : x1 + x2 = 3 2x1 + 2x2 = 8

Enn, on remarquera que le syst` eme d equations homog` enes Ax = 0 ne poss` ede des solutions non triviales (cest-` a-dire autres que x = 0) que si det(A) = 0.

Valeurs propres et vecteurs propres

D enitions
On dit quune matrice carr ee A poss` ede une valeur propre et un vecteur propre v si Av = v En g en eral une matrice de dimension n x n poss` ede n valeurs propres r eelles. A chaque valeur propre est associ e un vecteur propre (ou, plus pr ecis ement, une famille de vecteurs propres).

Calcul des valeurs propres et vecteurs propres

L equation ci-dessus peut se r e ecrire Av v = (A I)v = 0 Cest-` a-dire a11 a12 a21 a22 ... ... an1 an2 ... a1n x1 ... a2n x2 ... ... ... ... ann xn

=0

Ce syst` eme aura des solutions autres que la solution triviale si et seulement si a11 a12 a21 a22 ... ... an1 an2 ... a1n ... a2n ... ... ... ann

det(A I) =

=0

Lexpression de ce d eterminant est un polyn ome de degr e n en qui est appel e polyn ome caract eristique de la matrice A et l equation correspondante est dite equation caract eristique. En particulier, pour la matrice 2 x 2 a11 a12 a21 a22 l equation caract eristique s ecrit a11 a12 a21 a22 Les valeurs propres sont donc 1,2 = (a11 + a22 ) (a11 + a22 )2 4(a11 a22 a12 a21 ) 2 = 2 (a11 + a22 ) + (a11 a22 a12 a21 ) = 0

Exemple : Soit 2 2 1 A= 1 3 1 1 2 2 2 2 1 1 3 1 1 2 2

L equation caract eristique correspondante est det(A I) = = 3 72 + 11 5 = 0

Les solutions de cette equation sont 1 = 5, 2 = 1, et 3 = 1. Quand = 1 = 5, on a 3 2 1 x1 A I = 1 2 1 x2 = 0 1 2 3 x3 Une solution possible de cette equation est donn ee par x1 = x2 = x3 = 1. Tout multiple de ces valeurs est aussi solution. Ainsi les vecteurs propres associ es ` a la valeur propre T 1 = 5 sont tous les vecteurs de type k k k . De m eme, les vecteurs propres associ es aux valeurs propres 2 = 3 = 1 sont par exemple T T 2 1 0 et 1 0 1 et lensemble des vecteurs propres associ es ` a 2 = 3 = 1 T est donn e par c1 v1 + c2 v2 = 2c1 + c2 c1 c2 .

Propri et es
Si une valeur propre (au moins) est nulle, alors le d eterminant est nul. Deux vecteurs propres associ es ` a deux valeurs propres distinctes sont orthogonaux.

Diagonalisation dune matrice

Une matrice X est diagonalisable sil existe une matrice A inversible telle que D = AXA1 est diagonale. Toute matrice sym etrique S est toujours diagonalisable et la matrice diagonale D ainsi obtenue est compos ee des valeurs propres de S, et la matrice A est compos ee des vecteurs propres de S. Exemple : Diagonalisons la matrice S suivante : 7 2 1 S = 2 10 2 1 2 7 10

L equation caract eristique est 7 2 1 2 10 2 1 2 7 Pour = 6, nous avons x1 1 2 1 2 4 2 x2 = 0 x3 1 2 1 cest-` a-dire x1 2x2 + x3 = 0 = 3 242 + 180 432 = 0

Les solutions de cette equation sont 6, 6, et 12 :

Comme vecteurs propres, nous choisirons deux vecteurs orthogonaux, par exemple : 1 1 0 et 1 1 1 De m eme, pour = 12, on choisira par exemple le vecteur 1 2 1 En normant ces trois vecteurs, nous obtenons la matrice 6 1 / 2 1 / 3 1 / A= 0 1/3 2/ 6 1/ 2 1/ 3 1/ 6 Et on v eriera que A diagonalise S, cest-` a-dire D = A1 SA est diagonale, et que ses el ements sont bien les valeurs propres de S. Notons que la matrice A ne doit pas forc ement etre norm ee. Une matrice carr ee X (n x n) est diagonalisable si elle poss` ede n valeurs propres distinctes (condition susante mais pas n ec essaire). Exemple : Consid erons la matrice 1 2 0 X= 0 3 0 2 4 2

Les valeurs propres de cette matrice sont 3, 2 et 1. Ces trois valeurs etant distinctes, la matrice X est diagonalisable et la matrice A qui diagonalise X est compos ee des vecteurs propres de X : 1 0 1 A = 1 0 0 2 1 2 On v eriera que D = A1 XA est une matrice diagonale dont les el ements sont les valeurs propres de X. 11

R ef erences
Ayres F (1978) Matrices : Cours et probl` emes, Serie Schaum. Depiereux E (2000) Note de cours, DEA en Bioinformatique.

12