Vous êtes sur la page 1sur 17

I ) Définitions

Une matrice n × m est un tableau de nombres à n lignes et m colonnes :

Exemple avec n = 2, m = 3 :

n et m sont les dimensions de la matrice.

Exemple : Le tableau suivant représente les notes (colonnes) des étudiants de la 1ère
année.

MATRICULE NOM_ET_PRE GROUPE AP1 TP1 HA1 TMC1 GDP1 DAG1 DCA1
1113067 BENDJAMA MENAL 6 10,36 11,00 31,50 32,50 27,00 23,33 12,77
1113098 REBIAI LIDIA 5 0,00 0,00 0,00 0,00 0,00 0,00 0,00
1113154 BOUDJEMA SIDALI 12 0,00 0,00 24,50 0,00 0,00 0,00 0,00
1113199 BOUTERAA NASREDDINE 11 14,00 12,50 21,50 28,25 46,50 24,00 27,00
1113201 ZEHAR MALEK ZEHIDA 4 12,48 11,75 21,00 27,50 28,25 23,33 16,63
1114001 AIT KACI ALI RIMA AZIZA 9 14,09 13,25 26,00 21,25 31,25 27,33 29,6
3
Forme géométrique Par1 Par2 Par3 Par4
Ligne 10,10 40,70 0,5mm Bleu
Rectangle 10,15 35,45 0,3mm Jaune
Cercle 20,20 10 1mm Vert

Dans le tableau des étudiants

A36 c’est la note de HA1 du 3ème étudiants


A36 =24,50

Dans le tableau (fichier) dessin A24 c’est la


couleur de 2ème forme

Une matrice est symbolisée par une lettre en caractères gras, par exemple A.

On note A ij l'élément situé à l'intersection de la ligne i et de la colonne j


(la ligne est toujours nommée en premier).

On note [Aij] la matrice d'élément général Aij. On a donc : A = [Aij]

Si m = 1, la matrice est appelée vecteur (plus précisément vecteur-colonne) :

N.B. : Dans ce chapitre, nous utiliserons des lettres majuscules pour les
matrices et des lettres minuscules pour les vecteurs, mais ce n'est pas
obligatoire.
Si n = m, la matrice est appelée matrice carrée.

Quelques matrices carrées particulières (Exemples avec n = 4)

Parfois notée In
n est la dimension de la
Matrice unité matrice
(soit I4 dans cet
exemple)

Matrice diagonale notée diag(Dii)

Matrice triangulaire
supérieure
(Upper triangular
matrix, U)

Matrice triangulaire
inférieure
(Lower triangular
matrix, L)

Une matrice carrée A est dite symétrique si :

Aji = Aij
pour tout i différent de j

-1 -2 3
A = -2 1 4
3 4 5
II. Opérations sur les matrices

II.A. Addition, soustraction

L'addition et la soustraction des matrices se font terme à terme. Les matrices


doivent avoir les mêmes dimensions :

A+B=C Cij = Aij + Bij pour i=1 à n et j=1 à m

A-B=C Cij = Aij - Bij pour i=1 à n et j=1 à m

II.B. Multiplication par un nombre

Chaque terme de la matrice est multiplié par le nombre :

k. B = C Cij = k. Bij pour i=1 à n et j=1 à m (k est un nombre réel)

II.C. Transposition

La transposée AT (aussi notée A') d'une matrice A est la matrice obtenue en


échangeant les lignes et les colonnes de A :

La transposée d'un vecteur-colonne est un vecteur-ligne :


II.D. Multiplication des matrices

Définissons tout d'abord le produit d'un vecteur-ligne xT par un vecteur-


colonne y :

Ce produit est appelé produit scalaire des vecteurs x et y, noté x · y. Les


vecteurs doivent avoir la même dimension.

Le produit matriciel s'en déduit : le produit de la matrice A (n × m) par la


matrice B (m × p) est la matrice C (n × p) telle que l'élément Cij est égal au
produit scalaire de la ligne i de la matrice A par la colonne j de la matrice B.

Exemple :

On a en effet, en effectuant les produits ligne par colonne :


Propriétés :

 Le produit matriciel est :


o associatif : ABC = (AB)C = A(BC)
o distributif par rapport à l'addition : A(B + C) = AB + AC
o non commutatif : AB n'est pas égal à BA en général.

 La matrice unité I est élément neutre pour la multiplication


: AIm = InA = A, si la matrice A est de dimensions n × m.

 Transposée d'un produit : (AB)T = BTAT (Attention au changement


d'ordre !).

Transformation ponctuelles
Les matrices de rotation
Effectuer une rotation à un point revient à multiplier ses coordonnées par une matrice de
rotation.

En 2D

En 3D, autour de l'axe des X


En 3D, autour de l'axe des Y

En 3D, autour de l'axe des Z


La matrice d'homothétie
On rappelle que l'homothétie en 3D consiste à multiplier chacune des coordonnées d'un
point M par des facteurs Kx, Ky et Kz. La matrice d'homothétie est donc :

Matrice d'homothétie en 3D

Effectuer une homothétie à un point revient à multiplier ses coordonnées par la matrice
d'homothétie.

II.F. Déterminant d'une matrice carrée

Pour une matrice 2 × 2, on montre que la matrice inverse est donnée par :

Le nombre ad - bc est appelé déterminant de la matrice A, noté :

La matrice inverse A-1 n'existe donc que si det A est différent de zéro.
La matrice A est singulière si det A = 0, régulière dans le cas contraire. Ce
résultat se généralise à une matrice de dimension quelconque.
Propriétés des déterminants :

 det(AT) = det(A)
 det(AB) = det(A) × det(B)
 Le déterminant d'une matrice triangulaire ou diagonale est égal au
produit des éléments diagonaux. En particulier, det(I) = 1 (si I est la
matrice unité)
 Si A est régulière, det(A-1) = 1 / det(A)
puisque det(AA-1) = det(A) × det(A-1) = det(I) = 1
 Si A est orthogonale, det(A) = ±1
puisque det(AAT) = [det(A)]2 = det(I) = 1

II.E. Inversion des matrices carrées

Une matrice carrée A est dite inversible ou régulière s'il existe une matrice
carrée A-1 (appelée matrice inverse) telle que :

A × A-1 = A-1 × A = I

Si A-1 n'existe pas, la matrice A est dite singulière


Propriétés :

 (A-1)-1 = A
 (AT)-1 = (A-1)T
 (AB)-1 = B-1A-1 (Attention au changement d'ordre !)
 [diag(Dii)]-1 = diag(1/Dii)
 La matrice A est dite orthogonale si A-1 = AT

METHODE DES COFACTEURS

Definition

Soit une matrice carrée d'ordre et le cofacteur de l'élément .

Définition : Comatrice / Matrice Adjointe


On appelle comatrice (ou matrice adjointe) de A, la
matrice carrée d'ordre , notée (ou )
définie par :

,
où est le cofacteur de l'élément de défini à partir
du mineur par la relation :
Définition : Matrice Inverse
On appelle matrice inverse de la matrice carrée
d'ordre , la matrice, si elle existe, notée telle que
: , obtenue par la relation suivante :

,
où est la transposée de la comatrice de .

Enoncé:
On donne la matrice réelle
On demande de calculer A-1.

Résolution
Calculons d'abord le déterminant de la matrice A. Pour cela, nous utilisons les propriétés des déterminants. En effet, si nous
observons cette matrice, nous constatons que si nous soustrayons la colonne 2 de la colonne 3, nous faisons apparaître deux zéros
dans ce déterminant, et cela nous facilite le calcul du déterminant.

Le déterminant étant non nul, la matrice A est inversible.

Calculons la matrice des cofacteurs de A, c'est-à-dire la matrice obtenue en remplaçant chaque élément de A par son cofacteur:

Transposons maintenant la matrice obtenue:

Il nous reste à diviser chaque terme de la matrice par le déterminant. La matrice obtenue est la matrice inverse de A:

Inverse d’une matrice


Pivot de Gauss
Principe général

Le pivot de Gauss est une méthode qui peut


s’appliquer sur des matrices ou sur des systèmes
d’équations.
Le but de cette méthode est de transformer notre
matrice ou système de départ en une matrice ou un
système qui soit triangulaire. Les opérations autorisée
seront détaillées dans le paragraphe suivant. Le système
ou la matrice obtenus sont dit ≪ équivalents ≫ au
système ou à la matrice de départ.

Opérations sur les lignes

Voici la liste des opérations autorisées sur les lignes


d’un système ou d’une matrice :

 Li ↔ Lj : on échange la ligne d’indice i avec la


ligne d’indice j.

 Li ← aLi avec a non nul : on multiplie la ligne


d’indice i par a.

 Li ← aLi + bLj avec a non nul : on remplace la


ligne d’indice i par la somme de la ligne d’indice i
multipliée par a et de la ligne d’indice j
multipliée par b.
 Il existe aussi des opérations possibles sur les
colonnes mais elles sont beaucoup plus délicates
à utiliser .

Calcul de l’inverse d’une matrice

Principe : Lorsqu’une matrice est inversible, grâce aux


opérations du pivot de Gauss on peut la transformer en
la matrice identité. Si on applique alors exactement les
même opérations à la matrice identité, on obtient la
matrice A−1 .

Méthode : On commence par écrire côte à côte la


matrice A et la matrice identité.

A l’aide des opérations sur les lignes il faut transformer


la matrice A en la matrice identité. A chaque étape de la
transformation de A il faudra effectuer les opérations
sur les lignes aussi sur la matrice identité que vous avez
écrite à côté. A la fin, la matrice que vous aurez à côté
de la matrice identité est la matrice A−1

Exemple
III. Application aux systèmes d'équations linéaires

III.A. Formulation matricielle

Un système de n équations linéaires à n inconnues est de la forme :

a11x1 + a12x2 + ... + a1nxn = b1


a21x1 + a22x2 + ... + a2nxn = b2
....................................................
an1x1 + an2x2 + ... + annxn = bn
où les aij sont les coefficients du système, les xi les inconnues et les bi les
termes constants.

Un tel système peut s'écrire sous forme matricielle :

Ax = b

avec :

III.B. Cas d'une matrice régulière

Si la matrice A est régulière, on a, en multipliant à gauche par A-1 :

A-1Ax = A-1b

Soit :

x = A-1b

Exemple :

Soit le système de 2 équations à 2 inconnues :

2x1 + 3x2 = 9
x1 - x2 = 2

On a successivement :
Soit : x1 = 3, x2 = 1.

III.C. Cas d'une matrice singulière

Lorsque la matrice est singulière, deux cas sont à envisager :

 Système indéterminé

S'il est possible d'exprimer p équations en fonction des autres, le


système admet une infinité de solutions. On peut retenir le
vecteur x qui a la plus faible norme.

L'ensemble des solutions forme un sous-espace de dimension r = n - p


dans l'espace de dimension n. Le nombre r est le rang de la matrice.

Exemple :

x1 + x 2 = 3
2x1 +2x2 = 6

Le déterminant vaut : 1 × 2 - 1 × 2 = 0. La matrice est bien singulière.

La deuxième équation est égale à la première multipliée par 2. Il n'y a


en fait qu'une seule équation : x1 + x2 = 3. C'est l'équation d'une droite
(espace de dimension 1) dans le plan (x1, x2). La matrice est de rang
1.

 Système impossible
Si les équations ne peuvent pas être exprimées les unes en fonction
des autres, le système n'admet aucune solution. On peut cependant
calculer un vecteur x tel que la norme du vecteur Ax - b soit
minimale (bien que non nulle). Ce vecteur constitue la meilleure
approximation de la solution au sens des moindres carrés (voir le
cours sur la régression linéaire).

Exemple :

x1 + x 2 = 3
2x1 +2x2 = 8

La deuxième équation divisée par 2 donnerait x1 + x2 = 4, ce qui est


incompatible a