Vous êtes sur la page 1sur 5

Chapitre 1 : Notion générale de calcul matriciel

Chapitre 1 :
Notion générale de Calcul matriciel
1.1. Notations
Une matrice d’ordre nxm, n nombre de lignes et m nombre de colonnes sera dénotée par une majuscule entre
deux parenthèses droites ; tels que [A], [B] et [Q].
La transposée d’une matrice [A] sera toujours indiqué par le superscript (T), soit [A]T.
L’inverse d’une matrice [A] sera toujours indiqué par le superscript (-1), soit [A]-1.
Un vecteur n’est autre qu’une matrice d’ordre nx1, vecteur colonne. Les vecteurs seront représentés par des
lettres minuscules entre deux accolades ; tels que : {a},{b} et {r}.
Comme pour les matrices, la transposée d’un vecteur {a}, vecteur colonne nx1, sera dénoté par le supscript
(T), soit {a}T . Le vecteur {a}T n’est autre qu’un vecteur ligne (1xn). On notera aussi la transposé d’un
vecteur par les symboles : {a}T= a les deux notations sont équivalentes.
Pour monter les éléments d’une matrice, d’un vecteur colonne et d’un vecteur ligne, on utilisera la notation
suivante :
a11 a12 . . . a1m   x1 
a a a nn  x 
 21 22  2 b  b1, b 2 ,............b n (1.1)
A   .  x  . 
  . 
.   
a a nn 
 n1 a n 2 x n 
Par conséquent, on peut écrire un système d’équation à n inconnues :
a11x1  a12 x 2 . . . a1n x n  b1
a 21x1  a 22 x 2 a 2n x n  b 2
(1.2)
.
.
a n1x1  a n 2 x 2 a nn x n  bn
de la façon suivante :
a11 . a12 . . . a1n  x1  b1 
a . a a 2n  x 2  b 2 
(1.3)
 21 22   
.  .  .. 
 
a n1 . a n 2 a nn  x n  b n 

1.2. Algèbre des matrices


1.2.1 Adition et soustraction de matrices
La somme (ou la différence) de deux matrices de même ordre (nxm) est obtenue en additionnant ou en
soustrayant les éléments correspondants. Le résultat est une matrice de même ordre nxm.
[C] = [A] + [B] (1.3a)
[C] = [A] - [B] (1.3b)
Les matrices [A] et [B] sont dites conformes pour l’addition (ou la soustraction) si elles possèdent le même
nombre de lignes et de colonnes. D’après la définition précédente, et se basant sur un seul élément, on peut
écrire :
Cij  a ij  b ij 

 pour 1  i  n et 1  j  n (1.4)
Dij  a ij  b ij 

1.2.2. Multiplication des matrices
Il existe deux sortes d’opérations de multiplication concernant les matrices. On distingue l’opération
multiplication d’une matrice par un scalaire, et l’opération de multiplication d’une matrice par une autre
matrice.

Prof. Bouzelha Karima 1


Extrait du Cours MEF, Ed. OPU, Khennane Amar
Chapitre 1 : Notion générale de calcul matriciel

1.2.2.1. Multiplication d’une matrice par un scalaire


Soit s un scalaire et [A] une matrice d’ordre nxm. Le produit de s par [A], noté s[A], est obtenue en
multipliant chaque élément de la matrice [A] par le scalaire s. En d’autre termes, les éléments de s[A] sont
s a ij avec 1  i  n .
Remarque : l’ordre de s[A] n’est autre que celui de [A].

1.2.2.1. Multiplication de deux matrices


Le produit d’une matrice [A] d’ordre mxp et d’une matrice [B] d’ordre qxn n’est possible que si p=q,
ie le nombre de colonne de [A] est égale au nombre de lignes de [B]. Dans ce cas, les matrices [A] et [B]
sont dites conformes pour la multiplication. On dit aussi que [A] pré-multiplie [B] et [B] post -multiplie [A].
Soit une matrice [A] d’ordre mxr qui pré-multiplie une matrice [B] d’ordre rxn pour former une matrice [C]
d’ordre mxn. Les éléments de [C] sont alors données par :
r
Cij   a ik b kj pour 1  i  n, 1  j  m (1.5)
k 1
Dans l cas général, la multiplication de deux matrices n’est pas commutative :
A x B  B xA (1.6)

En effet, le produit [B]x[A] peut ne pas exister si les matrices [B] et [A] ne sont pas conformes pour la
multiplication même si [A] et [B] le sont.

1.2.3. Commutativité, distributivité et associativité des opérations sur les matrices


Soient [A], [B] et [C] des matrices et s un scalaire. Dans ce qui va suivre, on va supposer que les matrices
[A], [B] et [C] sont conformes soit à l’addition ou à a multiplication suivant le cas qui se présentera.
Commutativité : A  B  B  A

Distributivité : sA  B  s A  s B

A B  C  AB  AC


A  B C  AC  BC
Associativité : A  B  A  ( B) (1.7)

A  B  C  A   B  C


A B C  A  BC

1.2.4. Transposée d’une matrice


La transposé d’une matrice [A] d’ordre nxm qui a pour éléments aij est une matrice d’ordre mxn dénotée
[A]T dont les éléments sont les aji. La transposée du produit de deux matrices ou plus est une propriété
importante et apparait souvent dans les calculs. Il est donné par :

A BT  BT AT


(1.8)

A BCT  CT BT AT


Si [A] = [A]T la matrice [A] est dite symétrique

Prof. Bouzelha Karima 2


Extrait du Cours MEF, Ed. OPU, Khennane Amar
Chapitre 1 : Notion générale de calcul matriciel

Si [A] = -[A]T la matrice [A] est dite anti-symétrique.


Les matrices symétriques et anti-symétriques doivent être carrées.
1.3. Déterminants, mineur et-cofacteurs
Dans ce qui suivra, nous allons considérer que des matrices carrées. Soit une matrice carrée d’ordre nxn.
Le déterminant de [A] noté A ou det [A] est un scalaire qui est une fonction de [A].
Pour des matrices d’ordre 1,2et 3, on a :
det A1x1   a11
det A 2 x 2   a11a 22  a12 a 21 (1.9)
det A 3x 3   (a11a 22 a 33a11a 23a 32 )  (a12 a 21a 33  a12 a 23a 31)  (a13a 21a 32 a13a 22 a 31 )
Bien que cette routine puisse être généralisée, elle n’est pas pratique quand il s’agit de calculer les
déterminants des matrices d’ordre plus grand que. Pour calculer les déterminants de ce genre de matrice, la
méthode d’expansion de Laplace est plus efficace. Cette méthode est plus facile à assimiler une fois que les
mineurs et les co- facteur d’une matrice carrée sont définis.
Le mineur Mij d’une matrice carrée [A] d’ordre n est le déterminant de la matrice carrée d’ordre n-1 obtenue
à partir de [A] en éliminant la ieme ligne et la jème colonne. Comme le déterminant, le mineur a une valeur
scalaire et ne peut être défini que pour une matrice carrée.
Une matrice d’ordre n contient n² mineurs.
Le cofacteur Cij d’une matrice carrée [A] d’ordre n est facilement déterminé à partir du mineur Mij par
l’expression suivante :
Cij  (1) (i  j) Mij (1.10)
Remarquer que quand i+j est pair, le mineur et le co-facteur sont identiques. Par contre dans le cas contraire,
le mineur et le co-facteur sont e signe différents. Une matrice carrée d’ordre n contient n² co-facteurs.
Le déterminant d’une matrice carrée d’ordre nxn peut être développé à partir d’une colonne j en utilisant la
formule suivante.

det A   a kj C kj
n
(1.11)
k 1
Ou bien à partir d’une ligne i par une formule analogue :

det A   a i Ci


n
(1.12)
 1
Les expressions sont utilisées d’une façon récurrente jusqu’à ce que le déterminant d’une matrice 2x2
puisse être évalué. Exemple : Soit une matrice carrée d’ordre 3 :
2 4 - 6 
A   3 1 - 5 
 1 2 - 3
Les trois mineurs associés avec la 2ième ligne sont :
 4 - 6 2 - 6  2 4 
M 21  det   M 22   M 23  
, 2 
,
2 - 3   1 - 3  1
A partir de l’équation (1.9)b, on obtient :
M 21  0 , M 22  12 , M 23  8
Les co facteurs correspondants sont :
C21  (1)( 2 1) M 21  (1)( 2 1) M 21  0 ,

C22  (1)( 2  2) M 22  (1)(2  2) (12)  12


C23  (1)( 2  3) M 23  (1)( 2  3) (8)  8
Le déterminant de [A] est donné par l’équation (1.12) avec i =2 :
Prof. Bouzelha Karima 3
Extrait du Cours MEF, Ed. OPU, Khennane Amar
Chapitre 1 : Notion générale de calcul matriciel

det A   a 2 C 2  3x 0  1x (12)  (5) x (8)  28


3

 1

Quelques propriétés importantes des déterminants


i det [A]=det [A]T.
ii Si tous les éléments d’une ligne (ou d’une colonne) sont multipliés par une constante k, le nouveau
déterminant devient k det[A]. par conséquent :
det (k[A])=kndet [A]
iii – Si aij=0 pour j=1,…. n, alors det([A])=0.
Iv – Si deux lignes (ou deux colonnes) sont linéairement dépendantes, alors det [A]=0.
Vi – Si une ligne peut être écrite comme une somme pondérée de toutes les autres colonnes, ie :
n
ligne i    j colone j Alors : det [A]=0.
j1
j i
Det ([A][B][C]) = det( [A]). Det ([B]). Det([C]).

1.4. Adjoint et inverse d’une matrice


L’adjoint d’une matrice [A] d’ordre n, noté Adj[A], est défini comme étant la transposé de la matrice [C]
formée à base des cofacteurs de [A]

AdjA  CT (1.13)


L’adjoint d’une matrice [A] est particulièrement utile pour la définition de son inverse.
L’inverse d’une matrice [A] d’ordre n, notée [A]-1est une autre matrice du même ordre telle que :
[A] [A]-1 = [A]-1[A]= [I] (1.14)
Avec [I] matrice identité définie comme suit :
Iij  1, si i  j

 avec 1  i, j  n
Iij  0, si  j 
En terme de ‘adjoint, l’inverse de [A] est donnée par :

A1  AdjA (1.15)


det A
Remarquer que si le déterminant est nul, la matrice [A] ne possède pas d’inverse et elle est dite singulière.

Inverse d’un produit de matrices


Soient [A], [B] et [C] des matrices carrée du même ordre. L’inverse de leur produit est donnée par :
([A] [B] [C])-1=[C]-1 [B]-1[C]-1 (1-16)
1.4. Indépendance linéaire, rang d’une matrice
On dit qu’un ensemble de vecteurs xi , i  1,...s sont linéairement indépendants, ssi leur combinaison
linéaire définie comme :
s
  i xi  0, si  i  0
i 1

ne s’annule que pour tous les  i  0 .


Les vecteurs sont linéairement dépendants quand il existe un ensemble de nombre  i  0 qui vérifie la
condition :
s
  i xi  0, si  i  0
i 1

Prof. Bouzelha Karima 4


Extrait du Cours MEF, Ed. OPU, Khennane Amar
Chapitre 1 : Notion générale de calcul matriciel

Le rang d’une matrice [A(n,n)], noté rang [A], est défini comme étant le nombre de ligne (ou de colonne)
qui sont linéairement indépendantes.
Si une matrice possède r lignes linéairement indépendantes, elle possède autant de colonnes qui sont
linéairement indépendantes.
Rang [A]=Rang [A]T
Une matrice carrée [A] d’ordre n de rang r est non singulière si r=n

1.5. Orthogonalité
On dit qu’une matrice [R] est orthogonale quand son inverse est égéle à sa transposé
[R]T=[R]-1
Symétrique et orthogonale si :
[R]=[R]-1
Les vecteurs xi sont dits orthogonaux quand :

xiT xj  0, i  j
xiT xj  0, i  j
Ils sont dits orthogonaux et orthonormaux quand :
xiT xi  1
1.6. Définition positive d’une matrice
Une matrice est dite définie positive si
x xT Ax  0
Semi positive si :
x xT Ax  0
Définie négative si :
x xT Ax  0
Semi négative si : x xT Ax  0

Prof. Bouzelha Karima 5


Extrait du Cours MEF, Ed. OPU, Khennane Amar