Vous êtes sur la page 1sur 6

Matrice triangulaire :

Calcul matriciel T11 T12 T13 T14


0 T22 T23 T24
T=
0 0 T33 T34
0 0 0 T44

Denitions Une matrice carree S est dite symetrique si Sij = Sji :



S11 S12 S13 S14
Une matrice n x m est un tableau de nombres a n lignes et m colonnes. S12 S22 S23 S24

Exemple de matrice avec n = 2 et m = 3 : S=
S13 S23 S33 S34
  S14 S24 S34 S44
1 2 0
M=
4 3 1
n et m sont les dimensions de la matrice M.
Un matrice est symbolisee par une lettre en caractere gras. On note Mij lelement situe a Operations sur les matrices
lintersection de la ligne i et de la colonne j :
Egalite de deux matrices
M11 M12 ... M1m
M21 M22 ... M2m

M= Deux matrices A et B sont egales si elles ont les memes dimensions et si Aij = Bij i, j.
... ... ... ...
Mn1 Mn2 ... Mnm

Si m = 1, la matrice est appelee vecteur (ou, plus precisement vecteur-colonne) :


Addition et soustraction
Laddition et la soustraction des matrices se font terme par terme. Les matrices doivent
x1 avoir les memes dimensions.
x2
x=
... Exemples :      
xn 1 2 0 5 2 3 6 4 3
+ =
4 3 1 1 3 4 5 6 3
Si n = m la matrice est dite matrice carree.
     
1 2 0 5 2 3 4 0 3
=
4 3 1 1 3 4 3 0 5
Quelques matrices carrees particulieres
Matrice unite (ou matrice identite) : Multiplication par un nombre

1 0 0 0 Lorsquune matrice est multipliee par un nombre, chaque terme de la matrice est mutliplie
0 1 0 0 par ce nombre :

I=
0 0 1 0 Exemple :    
0 0 0 1 1 2 0 2 4 0
2 =
4 3 1 8 6 2
Matrice diagonale :

D11 0 0 0
0 D22 0 0
D=
0 0 D33 0
0 0 0 D44

1 2
Transposition Proprietes
Le produit matriciel est
La transposee AT dune matrice A (aussi notee A ) est la matrice obtenue en echangeant
lignes et colonnes de A. associatif : ABC = (AB)C = A(BC)
distributif par rapport a laddition : A(B + C) = AB + AC
non-commutatif : (en general) AB = BA
  1 4
1 2 0 T
A= A = 2 3 La matrice unite I est lelement neutre pour la multiplication : AI = IA = A
4 3 1
0 1
Transposee dune somme : (A + B)T = AT + BT
La transposee dun vecteur-colonne est un vecteur-ligne. Transposee dun produit : (AB)T = BT AT

x1 Quelques produits particuliers
x2 T


x=
... x = x1 x2 ... xn Carre scalaire : n

xn xT x = x2i
i=1

Multiplication matricielle Sa racine carree (xT x)1/2 est appelee norme du vecteur x et est notee ||x||. Lorsque la
norme dun vecteur est egale a 1, le vecteur est dit norme. Tout vecteur peut etre norme
Produit scalaire en le divisant par la racine carree de sa norme.
Le produit scalaire dun vecteur-ligne xT par un vecteur-colonne y est deni par : Deux vecteurs qui sont simultanement normes et orthogonaux sont dit orthonormes :

y1 a a = b b = 1 et a b = b a = 0 a et b sont orthonormes
n

y2
xT y = x1 x2 ... xn = x1 y1 + x2 y2 + ... + xn yn =
... xi yi
i=1
Une matrice dont toutes les colonnes prises deux a deux sont des vecteurs orthogonaux
yn est dite matrice matrice orthogonale. Si, de plus ces vecteurs sont normes, la matrice est
dite matrice orthonormee.
Ce produit, appele produit scalaire, est note x y. Les vecteurs doivent avoir la meme
Forme quadratique :
dimension. Le resultat de cette operation est un scalaire. On peut noter que le produit n
n
scalaire est commutatif : x y = y x. xT Ax = Aij xi xj
i=1 j=1
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 vec- Forme bilineaire :
n
n
teurs x = ( 1 3 ) et y = ( 6 2 ) ont un produit scalaire nul et on veriera facilement
quils sont perpendiculaires. xT Ay = Aij xi yj
i=1 j=1

Produit matriciel
Inversion
Le produit matriciel se deduit 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 lelement Cij est egal au produit Une matrice carree A est dite inversible sil existe une matrice carree A1 (appelee matrice
scalaire de la ligne i de la matrice A par la colonne j de la matrice B : inverse) telle que
m
AA1 = A1 A = I
Cij = Aik Bkj avec i = 1, ...n et j = 1, ...p
k=1
Proprietes

Ce produit matriciel est note AB = C (A1 )1 = A


Exemple (A1 )T = (AT )1
  5 1  
1 2 0 9 7 (AB)1 = B1 A1
. 2 3 =
4 3 1 23 9 Si la matrice A est orthogonale, alors A1 = AT .
3 4

3 4
Determinant dune matrice carree Le determinant dune matrice triangulaire ou diagonale est egal au produit des elements
diagonaux. En particulier, det(I) = 1.
Pour une matrice 2 x 2, on peut montrer que la matrice inverse est donnee par 1
    Si A est inversible, alors det(A1 ) =
a b 1 d b det(A)
A= A1 =
c d ab bc c a Si A est orthogonale, alors det(A) = 1

Le nombre ad bc est appele determinant de la matice A. On le note



Quelques operations elementaires sur les matrices
a b
|A| = det(A) =
c d
Multiplication dune ligne dune matrice pas un scalaire
1
La matrice inverse A nexiste donc que si det(A) est dierent de 0. Pour multiplier tous les elements dune ligne i de A par une valeur sans modier les
Le determinant peut se calculer de maniere recursive. Par exemple pour n = 3, on a, en autres lignes, on peut multiplier A par une matrice I identique a la matrice identite
developpant la premiere ligne : excepte lelement ii qui est remplace par .
Exemple :
a b c
e f 1 0 0 a b c a b c
A = d e f = a b d f +c d e
h i g i g h 0 0 d e f = d e f
g h i
0 0 1 g h i g h i
= a(ei f h) b(di f g) + c(dh eg)
= aei af h bdi + bf g + cdh ceg Lorsque = 0, il existe toujours une matrice I1
qui eectue loperation inverse. La
matrice I1
est simplement la matrice I dans laquelle est remplace par 1/.
Dans ce developpement, chaque determinant dordre 2 est appele mineur du terme qui le
precede. Le mineur de lelement xij est la sous-matrice obtenue en supprimant la ligne i
et la colonne j. Par exemple, le mineur de a est : Echange de deux lignes dune matrice

e f
= ei f h Une autre operation elementaire est celle qui consiste a permuter deux lignes dune ma-
mineur(a) =
h i trice. Cela est eectue par la multiplication par une matrice IP qui est la matrice identite
I dans laquelle les lignes correspondantes ont ete permutees. De facon generale, on peut
Le cofacteur de lelement xij est donne par lexpression : permuter les lignes k et l dune matrice A (n p) en la multipliant par une matrice Ip
dont les elements sont Ipij = 0 pour tout i = j sauf Ipkl = Iplk = 1 et Ipii = 1 pour tout i
cofacteur(xij ) = (1)i+j mineur(xij ) sauf Ipkk = Ipll = 0.
Exemple :
Le cofacteur est donc le mineur precede dun signe donne par le tableau suivant : 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 sapercoit rapidement que multiplier deux fois A par Ip nous ramene a la situation
... ... ... de depart.

On peut developper le determiant par rapport a nimporte quelle ligne ou colonne. En


pratique, quand faciliter les calculs, on choisira la ligne (ou colonne) qui contient le plus Addition de deux lignes dune matrice
de 0. Pour chaque element aij de la ligne ou colonne choisie,
Une troisieme operation elementaire sur les lignes dune matrices A consiste a additionner
Cette methode est valable pour un determinant de taille quelconque. En pratique pour
a une ligne de A une autre ligne, eventuellement multipliee par une scalaire . Par exemple
n > 3, il vaut mieux recourir a un algorithme specique.
ajouter fois la ligne k a la ligne l peut se faire en multipliant A par une matrice Ia , qui
Proprietes est un matrice identite I dans laquelle lelement lk est remplace par .
det(AT ) = det(A)
det(AB) = det(A) det(B)

5 6
Exemple : Exemple :
Considerons le systeme de deux equations a deux inconnues suivant :
1 0 a b c a + g b + h c + i
0 1 0 d e f = d e f
2x1 + 3x2 = 9
0 0 1 g h i g h i
x1 x2 = 2
Loperation inverse est assuree par la soustraction de ces elements, cest-a-dire par la
multiplication de la matrice A par la matrice Ia , cette derniere etant Ia dans laquelle on On a    
2 3 9
a remplace lelement lk par . A= b=
1 1 2

det(A) = 2.(1) 3.1 = 5

Application aux systemes dequations lineaires  


1 1 3
A1 =
5 1 2
Formulation matricielle
Et donc       
1 1 3 9 1 15 3
Un systeme de n equations lineaires a n inconnues est de la forme x= = =
5 1 2 2 5 5 1
a11 x1 + a12 x2 + ... + a1n xn = b1
On verira que x1 = 3 et x2 = 1 est bien solution du systeme dequations.
a21 x1 + a22 x2 + ... + a2n xn = b2
...
an1 x1 + an2 x2 + ... + ann xn = bn Lorsque la matrice nest pas inversible, cest-a-dire quand son determinant est nul, deux
cas sont a envisager :
ou les xi sont les inconnues du systeme, les aij sont les coecients et les bi sont les termes soit le systeme est indetermine : cest le cas lorsquune des equations est une combinaison
constants lineaire des autres equations du systeme.
Un tel systeme peut secrire sous la forme matricielle : Exemple :

Ax = b x1 + x2 = 3
2x1 + 2x2 = 6
avec
a11 a12 ... a1n x1 b1 soit le systeme est impossible : cest le cas lorsquaucune equation est une combinaison
a21 a22
... a2n x2 b2 lineaire des autres equations du systeme.
A= x= b=
... ... ... ... ... ... Exemple :
an1 an1 ... ann xn bn
x1 + x2 = 3
2x1 + 2x2 = 8
Resolution dequations lineaires
Si la matrice est inversible (cest-a-dire si son determinant est non-nul), on a, en multi-
pliant a gauche par A1 Enn, on remarquera que le systeme dequations homogenes
A1 Ax = A1 b

soit Ax = 0
x = A1 b
ne possede des solutions non triviales (cest-a-dire autres que x = 0) que si det(A) = 0.
Un simple produit matriciel et le systeme est resolu !

7 8
Valeurs propres et vecteurs propres Exemple :
Soit
Denitions 2 2 1
A= 1 3 1
On dit quune matrice carree A possede une valeur propre et un vecteur propre v si 1 2 2

Lequation caracteristique correspondante est


Av = v

2
2 1
En general une matrice de dimension n x n possede n valeurs propres reelles. A chaque det(A I) = 1 3 1 = 3 72 + 11 5 = 0

1 2 2
valeur propre est associe un vecteur propre (ou, plus precisement, une famille de vecteurs
propres).
Les solutions de cette equation sont 1 = 5, 2 = 1, et 3 = 1.
Quand = 1 = 5, on a
Calcul des valeurs propres et vecteurs propres
3 2 1 x1
Lequation ci-dessus peut se reecrire A I = 1 2 1 x2 = 0
1 2 3 x3
Av v = (A I)v = 0
Une solution possible de cette equation est donnee par x1 = x2 = x3 = 1. Tout multiple
Cest-a-dire de ces valeurs est aussi solution. Ainsi les vecteurs propres associes a la valeur propre

T
a11 a12 ... a1n x1 1 = 5 sont tous les vecteurs de type k k k .
a21 a22 ... a2n
x2 = 0 De meme, les vecteurs propres associes aux valeurs propres 2 = 3 = 1 sont par exemple
... ... ... ... ...
T
T
2 1 0 et 1 0 1 et lensemble des vecteurs propres associes a 2 = 3 = 1
an1 an2 ... ann xn
T
est donne par c1 v1 + c2 v2 = 2c1 + c2 c1 c2 .
Ce systeme aura des solutions autres que la solution triviale si et seulement si

a11
a12 ... a1n Proprietes
a21
a22 ... a2n
det(A I) = =0 Si une valeur propre (au moins) est nulle, alors le determinant est nul.
... ... ... ...
an1 Deux vecteurs propres associes a deux valeurs propres distinctes sont orthogonaux.
an2 ... ann

Lexpression de ce determinant est un polynome de degre n en qui est appele po-


lynome caracteristique de la matrice A et lequation correspondante est dite equation
Diagonalisation dune matrice
caracteristique.
Une matrice X est diagonalisable sil existe une matrice A inversible telle que
En particulier, pour la matrice 2 x 2
 
a11 a12 D = AXA1
a21 a22
est diagonale.
lequation caracteristique secrit Toute matrice symetrique S est toujours diagonalisable et la matrice diagonale D ainsi
obtenue est composee des valeurs propres de S, et la matrice A est composee des vecteurs
a11
a12
= 2 (a11 + a22 ) + (a11 a22 a12 a21 ) = 0 propres de S.
a21 a22
Exemple :
Les valeurs propres sont donc
Diagonalisons la matrice S suivante :

(a11 + a22 ) (a11 + a22 )2 4(a11 a22 a12 a21 ) 7 2 1
1,2 =
2 S = 2 10 2
1 2 7

9 10
Lequation caracteristique est References

7 2 1
Ayres F (1978) Matrices : Cours et problemes, Serie Schaum.
2 10 2 = 3 242 + 180 432 = 0
Depiereux E (2000) Note de cours, DEA en Bioinformatique.
1 2 7

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


Pour = 6, nous avons
1 2 1 x1
2 4 2 x2 = 0
1 2 1 x3
cest-a-dire
x1 2x2 + x3 = 0
Comme vecteurs propres, nous choisirons deux vecteurs orthogonaux, par exemple :

1 1
0 et 1
1 1
De meme, pour = 12, on choisira par exemple le vecteur

1
2
1

En normant ces trois vecteurs, nous obtenons la matrice



1/ 2 1/3 1/ 6
A= 0 1/3 2/ 6
1/ 2 1/ 3 1/ 6

Et on veriera que A diagonalise S, cest-a-dire D = A1 SA est diagonale, et que ses


elements sont bien les valeurs propres de S. Notons que la matrice A ne doit pas forcement
etre normee.
Une matrice carree X (n x n) est diagonalisable si elle possede n valeurs propres distinctes
(condition susante mais pas necessaire).
Exemple :
Considerons 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 composee des vecteurs
propres de X :
1 0 1
A = 1 0 0
2 1 2

On veriera que D = A1 XA est une matrice diagonale dont les elements sont les valeurs
propres de X.

11 12