Académique Documents
Professionnel Documents
Culture Documents
1 Matrice PDF
1 Matrice PDF
(a ).
ij
1
⎛a ⎞ ⎛a ⎞ ⎛a ⎞
⎜ 11 ⎟ ⎜ 12 ⎟ ⎜ 1n ⎟
⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2n ⎟
⎜ ⎟,⎜ ⎟ ,..., ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎜ a ⎟⎟ ⎜⎜ a ⎟⎟ ⎜a ⎟
⎝ m1 ⎠ ⎝ m 2 ⎠ ⎝ mn ⎠
sont ses colonnes.
−3 ⎛1
4
2 × 3: ⎜⎜
⎞
Exemple 1 : Soit la matrice ⎟.
5 −2 ⎟⎠
⎝0
Ses lignes sont (1, − 3, 4) et ( 0, 5, − 2) ; ses colo-
⎛1⎞ ⎛ −3 ⎞ ⎛ 4⎞
nnes sont ⎜ ⎟, ⎜ ⎟ et ⎜ ⎟.
⎜ 0⎟ ⎜ 5⎟ ⎜ −2 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
3
⎛a a12 … a1n ⎞
⎜ 11 ⎟
⎜ a21 a22 … a2n ⎟
⎜ ⎟
⎜ ⎟
⎜⎜ a an2 … ann ⎟⎟⎠
⎝ n1
s’appelle matrice carrée d’ordre n . La diago-
nale (principale) de la matrice carrée est cons-
tituée par les aii , i =1,2,..., n .
Une matrice triangulaire supérieure est
une matrice carrée dont les éléments au-
dessous de la diagonale principale sont tous
nuls:
⎛a
11 a12 … a1n ⎞ ⎛ a11 a12 … a1n ⎞
⎜ ⎟
⎜ 0 a22 … a2n ⎟ ⎜ a … a ⎟
⎟ ou ⎜
22 2n ⎟
⎜
⎜ ⎟ ⎜ ⎟
⎜ ⎜ ⎟
⎝ 0 0 … ann ⎟⎠ ⎝ ann ⎠
4
Une matrice diagonale est une matrice carrée
dont les éléments non diagonaux sont tous
nuls:
⎛a 0 … 0 ⎞ ⎛a ⎞
⎜ 11 ⎟ ⎜ 11 ⎟
⎜ 0 a22 … 0 ⎟ ⎜ a22 ⎟
⎜ ⎟ ou ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜⎜
⎝ 0 0 … ann ⎟⎟⎠ ⎜
⎝ ann ⎟⎠
5
est appelée la matrice nulle, et sera notée 0.
Elle est semblable à 0 .
⎛1 0 ... 0 ⎞
⎜ ⎟
⎜0 1 ... 0 ⎟
Soit I =⎜ ⎟ la matrice unité d’ordre
⎜ ⎟
⎜0 0 ... 1 ⎟⎠
⎝
n . On appelle matrice élémentaire :
- Type 1 : Iil ( i ≠ l ) se déduit de I par échan-
ge de la i -ième et la l -ième ligne. C’est-à-
dire
⎛1 … 0 … 0 … 0⎞
⎜ ⎟
⎜ ⎟
⎜
⎜0 … 0 … 1 … 0 ⎟⎟
I il = ⎜ ⎟
⎜ ⎟
⎜0 … 1 … 0 … 0⎟
⎜ ⎟
⎜ ⎟
⎜0 … 0 … 0 … 1 ⎟⎠
⎝
6
⎛1 … 0 … 0 … 0⎞
⎜ ⎟
⎜ ⎟
⎜
⎜0 … 1 … a … 0 ⎟⎟
I il ( a ) = ⎜ ⎟
⎜ ⎟
⎜0 … 0 … 1 … 0⎟
⎜ ⎟
⎜ ⎟
⎜0
… 0 … 0 … 1 ⎟⎠
⎝
- Type 3 : Ii ( a ) ( a ≠ 0 ) se déduit de I par
multiplication de la i -ième par le nombre
a. C’est-à-dire
⎛1 … 0 … 0 … 0⎞
⎜ ⎟
⎜ ⎟
⎜
⎜0 … a … 0 … 0 ⎟⎟
Ii ( a ) = ⎜ ⎟
⎜ ⎟
⎜0 … 0 … 1 … 0⎟
⎜ ⎟
⎜ ⎟
⎜0 … 0 … 0 … 1 ⎟⎠
⎝
7
⎛a … a1n ⎞
⎜ 11 ⎟
A=⎜ ⎟
⎜ ⎟
⎜ am1 … amn ⎟
⎝ ⎠
et
⎛b … b1n ⎞
⎜ 11 ⎟
B = ⎜⎜ ⎟
⎟
⎜ bm1 … bmn ⎟
⎝ ⎠
La somme de A et B , écrite A + B , est la
matrice obtenue en ajoutant les éléments
correspondant des deux matrices :
⎛ a +b … a + b ⎞
⎜ 11 11 1n 1n ⎟
A + B = ⎜⎜ ⎟
⎟
⎜ am1 + bm1 … amn + bmn ⎟
⎝ ⎠
8
Remarquons que A + B et kA sont aussi de
m × n matrices. On définit aussi
− A = ( −1) ⋅ A et A − B = A + ( − B ) .
( ) ( )
Supposons que A = aij et B = bij soient des
matrices où A est une m × p matrice et B est
9
une p × n matrice. Alors, le produit AB est une
m × n matrice où le ij élément est obtenu en
multipliant la i -ième ligne Ai de A par la j -
ième colonne B j de B :
⎛ A ⋅ B1 … A ⋅ B n ⎞
⎜ 1 1 ⎟
AB = ⎜⎜ ⎟
⎟
⎜ A ⋅ B1 … A ⋅ B n ⎟
⎜ m m ⎟
⎝ ⎠
D’où
⎛ a11 … a1 p ⎞ ⎛ c11 … c1n ⎞
⎜ ⎟⎛ ⎞ ⎜ ⎟
⎜ b
⎟ ⎜ 11 … b … b
⎟ ⎜ ⎟
1j 1n
⎜ ai1 … aip ⎟ ⎜ ⎟ = ⎜ . cij . ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ b
⎟ ⎝ p1 … b pj … b pn ⎠ ⎜ ⎟
⎜a ⎟ ⎜ ⎟
⎝ m1 … amp ⎠ ⎝ cm1 … cmn ⎠
p
où cij = ai1b1 j + ai 2b2 j +⋅⋅⋅ + aipbpj = ∑ aik bkj .
k =1
Exemple 3 :
⎛1 2⎞⎛ 1 1 ⎞ ⎛ 1 ⋅1 + 2 ⋅ 0 1 ⋅1 + 2 ⋅ 2 ⎞ ⎛ 1 5⎞
⎜3 =⎜ =⎜
⎝ 4 ⎟⎠ ⎜⎝ 0 ⎟ ⎟
2 ⎠ ⎝ 3 ⋅1 + 4 ⋅ 0 3 ⋅1 + 4 ⋅ 2 ⎠ ⎝ 3 11⎟⎠
⎛1 1 ⎞⎛1 2 ⎞ ⎛ 1 ⋅1 + 1 ⋅ 3 1 ⋅ 2 + 1 ⋅ 4 ⎞ ⎛ 4 6⎞
=⎜ =⎜
⎜0
⎝ 2 ⎟⎠ ⎜⎝ 3 ⎟ ⎟
4 ⎠ ⎝ 0 ⋅1 + 2 ⋅ 3 0 ⋅ 2 + 2 ⋅ 4 ⎠ ⎝ 6 8 ⎟⎠
Théorème 2 :
(i) ( AB)C = A( BC ) (associativité)
(ii) A( B + C ) = AB + AC (distributivité à
gauche)
(iii) ( B + C ) A = BA + CA(distributivité à
droite)
(iv) k ( AB ) = ( kA) B = A( kB ) où k est un
scalaire
(v) Iil Iil = I n , Iil ( a ) Iil ( −a ) = I n et Ii ( a ) Ii ⎛⎜ 1 ⎞⎟ = I n
⎝a⎠
(vi) Soit A une n × p matrice. Alors
a). Iil A se déduit de I par échange
de la i -ième et la l -ième ligne.
b). Iil ( a ) A se déduit de I par addition à
la i -ième du produit de la l -ième
ligne par le nombre a .
c). Ii ( a ) A se déduit de I par multipli-
cation de la i -ième par le nombre
a.
Nous supposons que les sommes et produits
précédents sont définis.
11
La matrice transposée d'une matrice A, écrite
At , est la matrice obtenue en écrivant les
lignes de A en colonnes
t
⎛a
11 a12 … a1n
⎞ ⎛a
11 a21 … am1 ⎞
⎜ ⎟ ⎜ ⎟
⎜ a21 a22 … a2n ⎟ ⎜ a12 a22 … am 2 ⎟
⎜ ⎟ =⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜⎜ a am2 … amn ⎟⎟⎠ ⎜⎜ a a2n … amn ⎟⎟⎠
⎝ m1 ⎝ 1n
t ⎛1 4⎞
⎛1 2 3⎞ ⎜ ⎟
Exemple 4 : ⎜ ⎟ = ⎜2 −5 ⎟
⎜4
⎝ −5 −6 ⎟⎠ ⎜3 −6 ⎟⎠
⎝
Théorème 3:
(i) ( A + B ) = At + Bt
t
(ii) ( ) =A
t
At
(iii) ( kA) = kAt , pour k scalaire
t
(iv) ( AB ) = Bt At
t
= 2
⎜
⎜
⎜ 3 5 | 7 −2
⎟
⎟
⎟
⎜ ⎟
−− −− −− −− −− −−
⎜ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⎟
⎜⎜
⎜⎝
3 1 4 | 5 9 ⎟⎟
⎟⎠
⎜ ⎟
et ⎜ ⎟
⎜ ⎟ ⎜ ⎟
U
⎝ m1 U m2 … U mp ⎠ V
⎝ p1 22V … V pn ⎠
⎛
⎜ 3 2 0 0⎞⎟
⎜ ⎟
⎜
⎜ −1 4 0 0⎟⎟⎟
Exemple 5 Soit A = ⎜
⎜ ⎟
et
⎜
⎜
0 0 1 3⎟⎟
⎜ ⎟
⎜
⎝
0 0 5 0⎟⎠
⎛1 −1 0⎞
⎜ ⎟
B = ⎜⎜ 5 1 0 ⎟ . Calculer AB.
⎜
0 0 −3 ⎟⎟
⎜0 0 4 ⎟⎠
⎝
15
⎛ 13 −1 0 ⎞
⎜ ⎟
AB = ⎜⎜ 19 5 0 ⎟
⎟
⎜
0 0 9 ⎟
⎜ 0
⎝
0 −15 ⎟
⎠
( )
Une matrice A = aij est dite une matrice
échelonnée si le nombre de zéros précédant le
premier élément non nul d'une ligne augmente
de ligne en ligne jusqu’à ce qu’il n’y ait plus
de ligne ; c'est-à-dire, s'il existe des élément
non nuls a1 j1 , a2 j2 ,…, ar jr où j1 < j2 < ⋅⋅⋅ < jr avec
la propriété que aij = 0 pour i ≤ r, j < ji , et pour
i > r . Nous appelons a1 j ,…, ar jr les éléments
1
( )
Une matrice échelonnée A = aij est dite
réduite si tous les éléments distingués sont
égaux à 1 et chaque élément de chacune de
colonnes contenant élément distingué est égal
à zéro.
16
Exemple 6 : Les matrices suivantes sont des
matrices échelonnées où les éléments distin-
gués ont été encerclés :
⎛ 2 3 2 0 4 5 −6 ⎞ ⎛1 2 3⎞
⎜ ⎟ ⎜ ⎟
⎜ 0 0 7 1 −3 2 0 ⎟, ⎜0 0 4⎟
⎜ ⎟ ⎜ ⎟
,
⎜ 0 0 0 0 0 6 2⎟ ⎜0 0 0⎟
⎜ ⎟ ⎜ ⎟
⎝ 0 0 0 0 0 0 0⎠ ⎝0 0 0⎠
⎛0 1 3 0 0 4 0⎞
⎜ ⎟
⎜0 0 0 1 0 −3 0⎟
⎜ ⎟
⎜0 0 0 0 1 2 0⎟
⎜ 1 ⎟⎠
⎝0 0 0 0 0 0
19
Exemple13 Calculer l’inverse de la matrice
⎛ 0 −2 3 ⎞
⎜ ⎟
A = ⎜ 1 2 0⎟ .
⎜2 1 5 ⎟
⎝ ⎠
20
⎛1 2 ⎞ . Alors
Exemple 9 Soit A = ⎜⎜ ⎟
⎝3 −4 ⎠⎟
2
⎛1
A = ⎜⎜
2 2⎞ = ⎜⎜−6 ⎞ .
⎛ 7
⎟ ⎟
⎝3 −4 ⎟⎠ ⎝ −9
22 ⎟⎠
Si p ( x ) = 2 x2 − 3x + 5 , alors
⎛ 7 −6 ⎞ ⎛1 ⎞ ⎛1 0⎞
p ( A) = 2 ⎜⎜ ⎟ − 3⎜
2
⎟ + 5⎜ ⎟
⎝ −9 22 ⎟
⎠
⎜ 3 −4 ⎟
⎝ ⎠
⎜0 1⎟
⎝ ⎠
⎛ 16 −18 ⎞
= ⎜⎜ ⎟.
⎝ −27 61 ⎟⎠
Si g ( x ) = x2 + 3x −10 , alors
⎛ 7 −6 ⎞ ⎛1 2⎞ ⎛1 0⎞ ⎛0 0⎞
g ( A) = ⎜⎜ ⎟⎟ + 3 ⎜⎜ ⎟⎟ − 10 ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ −9 22 ⎠ ⎝ 3 −4 ⎠ ⎝ 0 1 ⎠ ⎝ 0 0 ⎠
D'où A est un zéro du polynôme g ( x) .
21