Vous êtes sur la page 1sur 259

Algèbre linéaire

Jaouad Madkour

jaouad.madkour@outlook.com

Licence Sciences économiques et Gestion - Semestre 2

Faculté des sciences juridiques, économiques et sociales - Tanger

2019 - 2020

1 / 263
Introduction

Qu’est ce que l’algèbre linéaire ?

Objectif pédagogique du cours

Pré-requis nécessaires

Plan du cours

Quelques références utiles

Me contacter

2 / 263
Qu’est ce que l’algèbre linéaire ?

3 / 263
Qu’est ce que l’algèbre linéaire ?

Branches des mathématiques

4 / 263
Qu’est ce que l’algèbre linéaire ?

Définition
L’algèbre linéaire est la branche des mathématiques qui traite de la résolution
des équations linéaires a1 x1 +· · ·+an xn = b et de leur représentation matricielle.

Origine du terme « algèbre » :


Le terme « algèbre » est apparu pour la première fois dans l’intitulé d’un ouvrage
rédigé vers l’an 825 par le mathématicien persan Al-Khawarizmi (781 - 847) :

Abrégé du Calcul par la Restauration et la Comparaison

Le terme « algèbre » signifie : restauration, reconstruction ou réunion de parties.

5 / 263
Qu’est ce que l’algèbre linéaire ?

6 / 263
Objectif pédagogique du cours

7 / 263
Objectif pédagogique du cours

Taxonomie de Bloom

8 / 263
Objectif pédagogique du cours

Connaissance :
Découvrir les notions de matrice, de vecteur et de système d’équations.

Apprendre le calcul matriciel et la résolution des systèmes d’équations.

Compréhension :
Interpréter géométriquement les notions précédentes.

Comprendre les propriétés algébriques du calcul matriciel.

Application :
Transformer un problème économique en un problème mathématique.

Résoudre un problème économique algébriquement.

9 / 263
Objectif pédagogique du cours

Articulation entre les mathématiques et l’économie

10 / 263
Objectif pédagogique du cours

Précision :
Bien qu’intuitives et très simples, il sera fait abstraction de toutes les démons-
trations mathématiques des résultats et des propriétés présentés. Néanmoins,
il est vivement conseillé de les faire et de les refaire afin de mieux saisir les
concepts étudiés. Pour cela, l’excellent ouvrage (en anglais) de Richard Bron-
son et Gabriel B. Costa « Matrix methods : Applied linear algebra »
donné en références peut, entre autres, être consulté avec profit.

11 / 263
Pré-requis nécessaires

Opérations arithmétiques : Éléments de géométrie :


Addition ; Coordonnées d’un point ;
Soustraction ; Coordonnées d’un vecteur ;
Multiplication ; Équation d’une droite ;
Division ; Projection orthogonale ;
Factorisation ; Relation de Chasles ;
Développement... Mesures des aires et des volumes...

12 / 263
Plan du cours

13 / 263
Plan du cours

Chapitre 1 : Calcul matriciel

Chapitre 2 : Systèmes d’équations linéaires

Chapitre 3 : Espaces vectoriels

14 / 263
Quelques références utiles

15 / 263
Quelques références utiles

16 / 263
Quelques références utiles

17 / 263
Me contacter

18 / 263
Me contacter

Mon adresse électronique : jaouad.madkour@outlook.com


Ma page sur Facebook : www.facebook.com/jmadkour

19 / 263
Me contacter

Mon site web : jaouadmadkour.webnode.fr

20 / 263
Chapitre 1 :
Calcul matriciel

Définitions

Matrices particulières

Opérations sur les matrices

Dépendance et indépendance linéaires

Caractéristiques des matrices carrées

Quelques interprétations géométriques

21 / 263
Définitions

Section 1 :
Définitions

22 / 263
Définitions

Définition (Matrice)
Une matrice de taille n × m est un tableau de nombres, appelés éléments ou
coefficients, rangés en n lignes horizontales et m colonnes verticales :

 
a11 ··· a1j ··· a1m
 . .. .. 
 . .. ..
. .

 . . . 
 
··· ···
 
 ai1 aij aim 
 
 . .. .. .. .. 
 .. . . . . 
 
an1 ··· anj ··· anm

23 / 263
Définitions

Notation :
Une matrice est désignée par une lettre majuscule en précisant parfois sa taille
An×m . Ses coefficients sont notés par la lettre minuscule correspondante ”a”
affectée des indices de la ligne i et de la colonne j sur lesquelles ils se situent :

 
a11 ··· a1j ··· a1m
 . .. .. 
 . .. ..
. .

 . . . 
 
An×m ≡  ai1 ··· ··· aim  ≡ [aij ]n×m
 
aij
 
 . .. .. .. .. 
 .. . . . . 
 
an1 ··· anj ··· anm

24 / 263
Définitions

Exemples

 
  5 0 2
2 5 4  
A2×3 = B3×3 = 7
 
 1 3
8 4 3  
4 1 6

25 / 263
Matrices particulières

Section 2 :
Matrices particulières

• Sous-matrice • Matrice scalaire

• Vecteur ligne • Matrice triangulaire

• Vecteur colonne • Matrice nulle

• Matrice rectangulaire • Matrice opposée

• Matrice carrée • Matrice transposée

• Matrice diagonale • Matrice symétrique

• Matrice identité ou unité • Matrice anti-symétrique

26 / 263
Matrices particulières Sous-matrice

Définition (Sous-matrice)
0
Une sous-matrice A de taille n 0 × m 0 d’une matrice An×m est une matrice
obtenue en sélectionnant n 0 ≤ n lignes et m 0 ≤ m colonnes de la matrice A .

Exemples

 
0 2
0
 
A3×2 = 1
 
  3
5 0 2  
  1 6
A3×3 = 7 ⇒
 
1 3
   
4 1 6 00 5 0 2
A2×3 = 
7 1 3

27 / 263
Matrices particulières Vecteur

Définition (Vecteur ligne)


Un vecteur ligne x de taille m est une matrice composée d’une seule ligne et de
m colonnes, c’est à dire : x = [x1 x2 · · · xm ].

Exemples
h i
x= 2 5 x=(2, 5)
h i
y= 1 5 2 y=(1, 5, 2)

h i
z= 3 6 2 1 z=(3, 6, 2, 1)

28 / 263
Matrices particulières Vecteur

Définition (Vecteur colonne)


Un vecteur colonne x de taille n est une matrice composée d’une seule colonne
et de n lignes, c’est à dire :  
x1
 
 x2 
 
x=
 .. 

.
 
xn

Exemples
 
  1
  1  
 
  1  
  2
1   2  
w=  x = 2 y= z = 3
    
 
2   3  
 
3   4
4  
5
29 / 263
Matrices particulières Vecteur

Remarques :
Un vecteur est généralement noté en lettre minuscule en gras.

Si la nature du vecteur n’est pas précisée, il s’agit d’un vecteur colonne.

30 / 263
Matrices particulières Matrice rectangulaire

Définition (Matrice rectangulaire)


Une matrice rectangulaire de taille n × m est une matrice qui n’a pas le même
nombre de lignes que de colonnes (i.e. n 6= m).

Exemples

   
3 9 5 0 2 5 5
   
A3×2 = 6 B3×5 = 7
   
5 1 3 4 1
   
4 1 4 1 6 1 4

31 / 263
Matrices particulières Matrice carrée

Définition (Matrice carrée)


Une matrice carrée d’ordre n, notée An , est une matrice qui a le même nombre
n de lignes que de colonnes. Les coefficients qui se trouvent sur des lignes et des
colonnes de mêmes indices forment la diagonale principale de la matrice carrée.

Exemples

 
  5 0 2 5 5
1 2 5 6 






 7 4 3 4 1
7 5 1 4  
A4 =  B5 = 5
 


 0 2 5 5
0 2 0 6 



  7 1 3 7 1
3 4 4 1  
4 1 6 1 4

32 / 263
Matrices particulières Matrice diagonale

Définition (Matrice diagonale)


Une matrice diagonale est une matrice carrée d’ordre n, dont les coefficients
hors diagonale sont tous nuls. Elle est notée Dn = diag( d11 , d22 , · · · , dnn ).

Exemple

 
1 0 0 0
 
 
0 5 0 0
A=  ≡ diag( 1 , 5 , 0 , 1 )
 
0 0 0 0
 
0 0 0 1

33 / 263
Matrices particulières Matrice identité

Définition (Matrice identité ou matrice unité)


Une matrice identité d’ordre n (ou une matrice unité), notée In , est une matrice
diagonale dont tous les coefficients diagonaux sont égaux à 1, c’est à dire :
In = diag( 1 , 1 , · · · , 1 ).

Exemples

 
  1 0 0 0
1 0 0 



  0 1 0 0
I3 = 0 I4 = 
 
1 0 


  0 0 1 0
0 0 1  
0 0 0 1

34 / 263
Matrices particulières Matrice identité

Remarque
Il ne faut pas confondre une matrice unité qui est une matrice diagonale dont
tous les coefficients diagonaux sont égaux à 1 avec une matrice dont tous les
coefficients sont égaux à 1.

Exemples

   
1 1 1 1 0 0
   
A3 = 1 I3 = 0
   
1 1 1 0
   
1 1 1 0 0 1

35 / 263
Matrices particulières Matrice scalaire

Définition (Matrice scalaire)


Une matrice scalaire A est une matrice diagonale dont tous les coefficients dia-
gonaux sont égaux à un scalaire α, c’est à dire : A = diag( α , α , · · · , α ).

Exemples

 
  4 0 0 0
3 0 0 



  0 4 0 0
A = 0 B =
 
3 0 


  0 0 4 0
0 0 3  
0 0 0 4

36 / 263
Matrices particulières Matrice scalaire

Remarque
Dans le langage matriciel, afin de bien distinguer une matrice d’un nombre dans
certaines opérations qui font intervenir les deux en même temps comme c’est le
cas du produit d’une matrice A par un nombre α, ce dernier est appelé scalaire.
Il ne faut donc pas confondre un scalaire qui est un nombre et une matrice
scalaire qui est une matrice.

37 / 263
Matrices particulières Matrice triangulaire

Définition (Matrice triangulaire inférieure)


Une matrice triangulaire inférieure est une matrice carrée dont les coefficients
situés au dessus de sa diagonale principale sont tous nuls.

Exemples

 
  5 0 0 0 0
1 0 0 0 






 7 4 0 0 0
7 5 0 0  
A= B = 5
 


 0 2 0 0
0 2 0 0 



  7 1 3 7 0
3 4 4 1  
4 1 6 1 4

38 / 263
Matrices particulières Matrice triangulaire

Définition (Matrice triangulaire strictement inférieure)


Une matrice triangulaire strictement inférieure est une matrice carrée dont les
coefficients diagonaux et les coefficients situés au dessus de sa diagonale princi-
pale sont tous nuls.

Exemples

 
  0 0 0 0 0
0 0 0 0 






 7 0 0 0 0
7 0 0 0  
A= B = 5
 


 0 0 0 0
0 2 0 0 



  7 1 3 0 0
3 4 4 0  
4 1 6 1 0

39 / 263
Matrices particulières Matrice triangulaire

Définition (Matrice triangulaire supérieure)


Une matrice triangulaire supérieure est une matrice carrée dont les coefficients
situés au dessous de sa diagonale principale sont tous nuls.

Exemples

 
  3 9 1
2 5  
A= B = 0
 
 5 7
0 4  
0 0 3

40 / 263
Matrices particulières Matrice triangulaire

Définition (Matrice triangulaire strictement supérieure)


Une matrice triangulaire strictement supérieure est une matrice carrée dont
les coefficients diagonaux et les coefficients situés au dessous de sa diagonale
principale sont tous nuls.

Exemples

 
0 2 5 6
   
 
0 5 0 0 1 4
A=  B =



0 0 0 0 0 6
 
0 0 0 0

41 / 263
Matrices particulières Matrice nulle

Définition (Matrice nulle)


Une matrice nulle est une matrice de taille n × m, notée On×m , dont les coef-
ficients sont tous nuls.

Exemples

   
0 0 0 0 0 0 0 0
   
O3 = 0 O3×5 = 0
   
0 0 0 0 0 0
   
0 0 0 0 0 0 0 0

42 / 263
Matrices particulières Matrice opposée

Définition (Matrice opposée)


La matrice opposée (ou l’opposée) de la matrice A = [aij ]n×m est une matrice
de même taille, notée −A, dont les coefficients sont les opposés des coefficients
de la matrice A, c’est à dire : −A = [−aij ]n×m .

Exemple

   
3 9 −3 −9
   
A = 6 −A = −6 −5
   
5
   
4 1 −4 −1

43 / 263
Matrices particulières Matrice transposée

Définition (Matrice transposée)


La matrice transposée (ou la transposée) de la matrice A = [aij ]n×m est une
matrice de taille m × n, notée A> , A0 ou t A, dont les lignes et les colonnes
sont respectivement les colonnes et les lignes de la matrice A, c’est à dire :
A> = [aji ]m×n .

Exemple

 
  2 8
2 5 4  
A= A> = 5 4
  
8 4 3  
4 3

44 / 263
Matrices particulières Matrice transposée

Propriété : Transposée d’une transposée


La transposée de la transposée d’une matrice A est égale à la matrice A :
(A> )> = A.

Exemple

 
  2 8  
2 5 4   2 5 4
A= ⇒ A> = 5 ⇒ (A> )> =  =A
 
 4
8 4 3   8 4 3
4 3

45 / 263
Matrices particulières Matrice symétrique

Définition (Matrice symétrique)


Une matrice symétrique A est une matrice carrée dont les coefficients symé-
triques par rapport à sa diagonale principale sont identiques. Par conséquent,
une matrice symétrique A est égale à sa transposée A> , c’est à dire : A = A> .

Exemples

 
  5 0 2 5 5
1 7 0 3 






 0 4 3 4 1
7 5 2 4  
A=  = A> B = 2

3 2 5 6 = B
 >
 
0 2 0 6 



  5 4 5 7 1
3 4 6 1  
5 1 6 1 4

46 / 263
Matrices particulières Matrice anti-symétrique

Définition (Matrice anti-symétrique)


Une matrice anti-symétrique A = [aij ] est une matrice carrée dont les coeffi-
cients symétriques par rapport à sa diagonale principale sont des opposés. Par
conséquent, une matrice anti-symétrique A est égale à l’opposée de sa transpo-
sée −A> = [−aji ], c’est à dire : A = −A> ou encore aij = −aji . Cette dernière
égalité implique que les coefficients diagonaux d’une matrice anti-symétrique
sont tous nuls.

Exemples
 
  0 0 −2 −5 5
0 −7 0 −3  
−4
 
  0 0 3 1
−2 −4
 
7 0  
A=  = −A> B = 2

−3 0 5 −6 = −B
 >

−6
 
0 2 0  
−5
 
  5 4 0 1
3 4 6 0  
−5 −1 6 −1 0
47 / 263
Matrices particulières Synthèse

Synthèse

48 / 263
Matrices particulières Synthèse

Formes d’une matrice


Matrice rectangulaire, matrice carrée, matrice triangulaire et matrice diagonale ;
Un vecteur est une matrice formée d’une seule ligne ou d’une seul colonne ;
Un scalaire est une matrice formée d’une seule ligne et d’une seule colonne.

Matrices diagonales particulières


Matrice identité ou matrice unité ;
Matrice scalaire.

Contenu d’une matrice


Matrice nulle ;
Matrice opposée ;
Matrice transposée ;
Matrice symétrique ;
Matrice anti-symétrique.

49 / 263
Opérations sur les matrices

Section 3 :
Opérations sur les matrices

• Égalité des matrices

• Multiplication d’une matrice par un scalaire

• Addition et soustraction des matrices

• Produit scalaire

• Produit matriciel

50 / 263
Opérations sur les matrices Égalité des matrices

Sous-section 1 :
Égalité des matrices

51 / 263
Opérations sur les matrices Égalité des matrices

Définition (Égalité des matrices)


Deux matrices A = [aij ]n×m et B = [bij ]p×q sont égales si elles ont la même
taille (i.e. n = p et m = q) et si leurs coefficients correspondants sont identiques,
c’est à dire : aij = bij .

Exemples

       
2 5 2 5 1 0 1 0 5
A=  B =  C =  D = 
8 4 8 4 6 3 6 3 3

A=B B 6= C
A 6= C B 6= D
A 6= D C 6= D

52 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Sous-section 2 :
Multiplication d’une matrice par un scalaire

53 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Définition (Multiplication d’une matrice par un scalaire)


Le produit d’une matrice A = [aij ] par un scalaire α est une matrice αA (notée
également α · A ou α × A) obtenue en multipliant tous les coefficients de la
matrice A par le même scalaire α, c’est à dire : αA = [αaij ].

Exemple

     
2 5 4 2×2 2×5 2×4 4 10 8
A=  ⇒ 2A =  = 
8 4 3 2×8 2×4 2×3 16 8 6

54 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 1 : Commutativité
Le produit d’une matrice par un scalaire est commutatif : αA = Aα.

Exemple

   
2×2 2×5 2×4 4 10 8
⇒ 2×A= = 
  2×8 2×4 2×3 16 8 6
2 5 4
A=     
8 4 3 2×2 5×2 4×2 4 10 8
⇒ A×2= = 
8×2 4×2 3×2 16 8 6

55 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 2 : Associativité
Le produit d’une matrice par un scalaire est associatif : αβA = α(βA) = (αβ)A

Exemple

  
2×2 2×5 2×4 12 30 24
⇒ 3(2A) = 3   = 
  2×8 2×4 2×3 48 24 18
2 5 4
A=     
8 4 3 2 5 4 12 30 24
⇒ (3 × 2)A = (3 × 2)   = 
8 4 3 48 24 18

56 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 3 : Élément neutre


Le scalaire 1 est l’élément neutre du produit d’une matrice par un scalaire :
1 × A = A × 1 = A.

Exemple

   
1×2 1×5 1×4 2 5 4
⇒ 1×A= = =A
  1×8 1×4 1×3 8 4 3
2 5 4
A=     
8 4 3 2×1 5×1 4×1 2 5 4
⇒ A×1= = =A
8×1 4×1 3×1 8 4 3

57 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 4 : Élément absorbant


Le scalaire 0 est l’élément absorbant du produit d’une matrice par un scalaire :
0 × An×m = An×m × 0 = 0n×m .

Exemple

  
0×2 0×5 0×4 0 0 0
⇒ 0 × A2×3 = = 
  0×8 0×4 0×3 0 0 0
2 5 4
A2×3 =     
8 4 3 2×0 5×0 4×0 0 0 0
⇒ A2×3 × 0 =  = 
8×0 4×0 3×0 0 0 0

58 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 5 : Distributivité
Le produit d’une matrice par un scalaire est distributif par rapport à la somme
des scalaires α et β : (α + β)A = αA + βA.

Exemple

 
2 5 4
A= 
8 4 3

   
(3 + 2) × 2 (3 + 2) × 5 (3 + 2) × 4 10 25 20
(3 + 2)A =  = 
(3 + 2) × 8 (3 + 2) × 4 (3 + 2) × 3 40 20 15
     
3×2 3×5 3×4 2×2 2×5 2×4 10 25 20
3A + 2A =  + = 
3×8 3×4 3×3 2×8 2×4 2×3 40 20 15

59 / 263
Opérations sur les matrices Multiplication d’une matrice par un scalaire

Propriété 6 : Transposée du produit d’une matrice par un scalaire


La transposée du produit d’une matrice A par un scalaire α est égale au produit
du scalaire α par la transposée de la matrice A : (αA)> = αA> .

Exemple

 
>
4 16

4 10 8  
⇒ (2 × A)> =   =
10 8
16 8 6
  
2 5 4 8 6
A=     
8 4 3 2 8 4 16
   
⇒ 2 × A> = 2 × 
5 4
 =
10 8

4 3 8 6

60 / 263
Opérations sur les matrices Addition et soustraction des matrices

Sous-section 3 :
Addition et soustraction des matrices

61 / 263
Opérations sur les matrices Addition et soustraction des matrices

Définition (Addition des matrices)


La somme de deux matrices de même taille A = [aij ]n×m et B = [bij ]n×m est
une matrice de même taille A + B obtenue en additionnant leurs coefficients
correspondants :
A + B = [aij + bij ]n×m

Exemple

 
2 5 4
A=    
8 4 3 2+4 5+1 4+8 6 6 12
⇒ A+B =  = 
  8+1 4+8 3+6 9 12 9
4 1 8
B = 
1 8 6

62 / 263
Opérations sur les matrices Addition et soustraction des matrices

Propriété 1 : Commutativité
L’addition des matrices est commutative : A + B = B + A.

Exemple

    
2 5 4 2+4 5+1 4+8 6 6 12
A=  A+B = = 
8 4 3 8+1 4+8 3+6 9 12 9
  ⇒   
4 1 8 4+2 1+5 8+4 6 6 12
B =  B +A= = 
1 8 6 1+8 8+4 6+3 9 12 9

63 / 263
Opérations sur les matrices Addition et soustraction des matrices

Propriété 2 : Associativité
L’addition des matrices est associative : (A + B ) + C = A + (B + C ).

Exemple

 
2 5
A= 
8 4      
2+4 5+0 1 0 7 5
⇒ (A + B ) + C =  + = 
  8+1 4+8 6 3 15 15
4 0
B = 
1 8  
   
2 5 4+1 0+0 7 5
⇒ A + (B + C ) =  + = 
8 4 1+6 8+3 15 15
 
1 0
C = 
6 3

64 / 263
Opérations sur les matrices Addition et soustraction des matrices

Propriété 3 : Élément neutre


La matrice nulle 0n×m est l’élément neutre de l’addition des matrices :
An×m + 0n×m = An×m .

Exemple

     
2 5 4 2+0 5+0 4+0 2 5 4
A=  ⇒ A + 02×3 = = =A
8 4 3 8+0 4+0 3+0 8 4 3

65 / 263
Opérations sur les matrices Addition et soustraction des matrices

Propriété 4 : Distributivité
Le produit d’une matrice par un scalaire α est distributif par rapport à la
somme des matrices A et B : α(A + B ) = αA + αB .

Exemple

     
1 7 4 1+1 7+0 4+3 4 14 14
A=  ⇒ 2(A + B ) = 2   = 
3 5 2 3+6 5+7 2+1 18 24 6
       
1 0 3 2 14 8 2 0 6 4 14 14
B =  ⇒ 2A + 2B =  +  = 
6 7 1 6 10 4 12 14 2 18 24 6

66 / 263
Opérations sur les matrices Addition et soustraction des matrices

Propriété 5 : Transposée d’une somme de matrices


La transposée d’une somme de matrices est la somme des transposées des
matrices : (A + B )> = A> + B > .

Exemple

 
>
6 14
  
2 5 4 2 + 4 5 + 1 4 + 8  
A=  (A + B )> =   =
6 12
8 4 3 8+6 4+8 3+6

12 9
⇒      
2 8 4 6 6 14
 
4 1 8      
B =  A> + B > = 5 4 + 1 8
   =6
 12
6 8 6

4 3 8 6 12 9

67 / 263
Opérations sur les matrices Addition et soustraction des matrices

Définition (Soustraction de matrices)


La soustraction de deux matrices A et B est simplement la somme de la
matrice A et de l’opposée de la matrice B : A − B = A + (−B ).

Exemple

     
1 7 4 1−1 7−0 4−3 0 7 1
A=  A−B =  = 
3 5 2 3−6 5−7 2−1 −3 −2 1

     
1 0 3 1−1 7+0 4−3 0 7 1
B =  A + (−B ) =   = 
6 7 1 3−6 5−7 2−1 −3 −2 1

68 / 263
Opérations sur les matrices Addition et soustraction des matrices

Remarque
L’addition et la soustraction des matrices ne peuvent se faire qu’entre des ma-
trices de même taille. Pour ajouter (ou soustraire) un scalaire λ à (de) la diago-
nale principale d’une matrice carrée ou à (de) tous les coefficients d’une matrice
quelconque, il convient de transformer le scalaire λ en une matrice de taille
convenable par une opération de multiplication d’une matrice par un scalaire
puis procéder au calcul de la somme (ou de la différence).

Exemples
     
5 2 5−2 2 3 2
A=  ⇒ A − 2I2 =  = 
4 3 4 3−2 4 1
     
1 1 5−2 2−2 3 0
B =  ⇒ A − 2B =  = 
1 1 4−2 3−2 2 1
69 / 263
Opérations sur les matrices Produit scalaire

Sous-section 4 :
Produit scalaire

70 / 263
Opérations sur les matrices Produit scalaire

Définition (Produit scalaire)


Le produit scalaire de deux vecteurs de même taille A = ( a1 , a2 , · · · , an ) et
B = ( b1 , b2 , · · · , bn ) est un scalaire, noté hA, B i ou A.B , donné par :

n
X
hA, B i = a1 b1 + a2 b2 + · · · + an bn = ai bi
i=1

Si les vecteurs A et B sont identiques, hA, B i est un carré scalaire.

Exemple

A=(2, 5, 3) B =(4, 1, 6)

hA, B i = 2 × 4 + 5 × 1 + 3 × 6 = 31

71 / 263
Opérations sur les matrices Produit scalaire

Propriété 1 : Commutativité
Le produit scalaire de deux vecteurs x et y est commutatif, c’est à dire :
hx, yi = hy, xi.

Exemple

h i
x= 1 2 3 ⇒ hx, yi = 1 × 4 + 2 × 5 + 3 × 6 = 32

h i
y= 4 5 6 ⇒ hy, xi = 4 × 1 + 5 × 2 + 6 × 3 = 32

72 / 263
Opérations sur les matrices Produit scalaire

Propriété 2 : Distributivité
Le produit scalaire est distributif par rapport à la somme des vecteurs, c’est à
dire : hx + y, zi = hx, zi + hy, zi.

Exemple

h i
x= 1 2 3 ⇒ hx + y, zi = (1 + 4) × 7 + (2 + 5) × 8 + (3 + 6) × 9 = 172

h i
y= 4 5 6 ⇒ hx, zi = 1 × 7 + 2 × 8 + 3 × 9 = 50

h i
z= 7 8 9 ⇒ hy, zi = 4 × 7 + 5 × 8 + 6 × 9 = 122

73 / 263
Opérations sur les matrices Produit scalaire

Propriété 3 : Élément absorbant


Le vecteur nul 0 est l’élément absorbant du produit scalaire, c’est à dire :
hx, 0i = 0.

Exemple

h i
x= 1 2 3
⇒ hx, 0i = 1 × 0 + 2 × 0 + 3 × 0 = 0
h i
0= 0 0 0

74 / 263
Opérations sur les matrices Produit scalaire

Propriété 4 : Positivité du carré scalaire


Le carré scalaire d’un vecteur x est positif, c’est à dire : hx, xi ≥ 0.

Exemples

h i
x= 1 2 3 ⇒ hx, xi = 1 × 1 + 2 × 2 + 3 × 3 = 12 + 22 + 32 = 14 ≥ 0

h i
0= 0 0 0 ⇒ h0, 0i = 0 × 0 + 0 × 0 + 0 × 0 = 0 ≥ 0

75 / 263
Opérations sur les matrices Produit scalaire

Propriété 5 : Multiplication par un scalaire


Le produit scalaire de deux vecteurs αx et y, où α est un scalaire, est égal au
produit scalaire des vecteurs x et y multiplié par le scalaire α, c’est à dire :
hαx, yi = α hx, yi.

Exemple

h i
x= 1 2 3 ⇒ h2x, yi = (2 × 1) × 4 + (2 × 2) × 5 + (2 × 3) × 6 = 64

h i
y= 4 5 6 ⇒ 2 hy, xi = 2(1 × 4 + 2 × 5 + 3 × 6) = 64

76 / 263
Opérations sur les matrices Produit scalaire

Définition (Vecteurs orthogonaux ou perpendiculaires)


Deux vecteurs x et y sont orthogonaux (ou perpendiculaires) si leur produit
scalaire est nul, c’est à dire : hx, yi = 0. Plus généralement, un ensemble de
vecteurs x1 , x2 ,... et xk sont orthogonaux, s’ils le sont deux à deux : hxi , xj i = 0
pour i 6= j .

Exemple

h i
x= 1 1 1 ⇒ hx, yi = 1 × 1 + 1 × 1 + 1 × (−2) = 0

h i
y= 1 1 −2 ⇒ hx, zi = 1 × 1 + 1 × (−1) + 1 × 0 = 0

h i
z= 1 −1 0 ⇒ hy, zi = 1 × 1 + 1 × (−1) + (−2) × 0 = 0

77 / 263
Opérations sur les matrices Produit matriciel

Sous-section 5 :
Produit matriciel

78 / 263
Opérations sur les matrices Produit matriciel

Définition (Produit matriciel)


Le produit matriciel de deux matrices A = [aij ]n×p et B = [bij ]p×q est une
matrice de taille n × q, notée AB , A · B ou A × B , dont les coefficients πij sont
donnés par la produit scalaire de la ligne i de la matrice A et la colonne j de la
Pp
matrice B : πij = ai1 b1j + · · · + aik bkj + · · · + aip bpj = k =1 aik bkj

Dans la pratique :

 
b b1j b1q
 11. .. .. 
 .. . . 
bkq  ← B
 
bk 1 bkj
 .. .. .. 
 . . . 
bp1 bpj bpq
  
a ··· a1k ··· a1p
 11
A →  ai1 ··· ···  ← AB
 
aik aip   πij
an1 ··· ank ··· anp
79 / 263
Opérations sur les matrices Produit matriciel

Remarque :
Le produit matriciel des matrices An×m et Bp×q n’est possible que lorsque le
nombre de colonnes m de la matrice A est égal au nombre de lignes p de la
matrice B . On dit que les matrices A et B sont conformes pour le produit
matriciel. Le résultat est une matrice de taille n × q.

80 / 263
Opérations sur les matrices Produit matriciel

Exemple
 
1 7  
1 0
 
A = 3 5
 
 ←B
2 3
 
4 2   
1 7 15 21
 
1 0   
B =  A → 3
 
5 13 15 ← AB

2 3   
4 2 8 6
AB = ?

81 / 263
Opérations sur les matrices Produit matriciel

Propriété 1 : Non commutativité


Le produit matriciel est généralement non commutatif : AB 6= BA

Exemple

     
1 7 1×1+7×6 1×0+7×7 43 49
A=  AB =  = 
3 5 3×1+5×6 3×0+5×7 33 35
  ⇒    
1 0 1×1+0×3 1×7+0×5 1 7
B =  BA =  = 
6 7 6×1+7×3 6×7+7×5 27 77

82 / 263
Opérations sur les matrices Produit matriciel

Remarque :
Si, à titre exceptionnel, le produit matriciel de deux matrices carrées est com-
mutatif, on dit que les matrices commutent ou qu’elles sont commutantes.

Exemple

     
2 4 2×2+4×0 2×0+4×2 4 8
A=  AB =  = 
1 3 1×2+3×0 1×0+3×2 2 6
  ⇒    
2 0 2×2+0×1 2×4+0×3 4 8
B =  BA =  = 
0 2 0×2+2×1 0×4+2×3 2 6

83 / 263
Opérations sur les matrices Produit matriciel

Propriété 2 : Associativité
Le produit matriciel est associatif : ABC = (AB )C = A(BC ).

Exemple

 
2 5 3
A= 
1 4 1     
26 12 1 98
⇒ (AB )C =    = 
  17 9 6 71
4 1
 
B = 3
 2

1 0  
10
   
2 5 3   98
⇒ A(BC ) =   15 = 
1 4 1 71
 
  1
1
C = 
6
84 / 263
Opérations sur les matrices Produit matriciel

Propriété 3 : Élément neutre


La matrice identité I est l’élément neutre du produit matriciel :

An×m · Im = In · An×m = An×m

Exemple

 
1 0 0
   
2 5 3   2 5 3
A2×3 · I3 =   0 1 0 = 
1 4 1 1 4 1
   
2 5 3 0 0 1
A=  ⇒
1 4 1     
1 0 2 5 3 2 5 3
I2 · A2×3 =   = 
0 1 1 4 1 1 4 1

85 / 263
Opérations sur les matrices Produit matriciel

Propriété 4 : Élément absorbant


La matrice nulle 0 est l’élément absorbant du produit matriciel :

An×m · 0m×q = 0n×q et 0p×n · An×m = 0p×m

Exemple

 
0 0
   
2 5 3   0 0
A2×3 · 03×2 =  0 0 =  
1 4 1 0 0
   
2 5 3 0 0
A=  ⇒
1 4 1     
0 0 2 5 3 0 0 0
02×2 · A2×3 =   = 
0 0 1 4 1 0 0 0

86 / 263
Opérations sur les matrices Produit matriciel

Propriété 5 : Distributivité à droite


Le produit matriciel est distributif à droite par rapport à la somme des
matrices : A(B + C ) = AB + AC .

Exemple
 
2 5 3
A= 
 
1 4 1
  
2 5 3 5 3 61 46
⇒ A(B + C ) =  =
 9 
5 
  1 4 1 2 5 43 28
4 1
B = 3
 
2
1 0     
26 12 35 34 61 46
  ⇒ AB + AC =  +  = 
1 2 17 9 26 19 43 28
 
C = 6
 3

1 5

87 / 263
Opérations sur les matrices Produit matriciel

Propriété 6 : Distributivité à gauche


Le produit matriciel est distributif à gauche par rapport à la somme des
matrices : (B + C )A = BA + CA.

Exemple
" #
2 5 3
A=    
1 4 1 4+1 1+2
 
13 37 18
  2 5 3  
⇒ (B + C )A = 
3 + 6 2 + 3   =
23 65 32
1 4 1
   
4 1 1+1 0+5 9 30 11
B = 3
 
2    
1 0 9+4 24 + 13 13 + 5 13 37 18
   
⇒ BA + CA = 
8 + 15 23 + 42 11 + 21
 =
23 65 32

 
1 2 2+7 5 + 25 3+8 9 30 11
C = 6
 
3
1 5

88 / 263
Opérations sur les matrices Produit matriciel

Propriété 7 : Transposée du produit des matrices


La transposée du produit des matrices A et B est égale au produit de leurs
transposées A> et B > dans un ordre inversé : (AB )> = B > A> .

Exemple

   >  
1 7 2 47 55 47 41
A=  ⇒ (AB )> =   = 
3 5 4 41 47 55 47

   
1 0   1 3  
  1 6 2   47 41
B = 6 ⇒ B > A> =  =
   
7 7 5 
  0 7 3   55 47
2 3 2 4

89 / 263
Opérations sur les matrices Produit matriciel

Définition (Matrice orthogonale)


Une matrice carrée A d’ordre n est orthogonale si A> A = AA> = In .

Exemple

    
0 0 1 0 1 0 1 0 0
    
>
A A = 1 1 = 0 0 = I3
    
  0 0 0 0 1
    
0 1 0 0 1 0 1 0 0 0 0 1
 
A = 0 ⇒
 
0 1     
0 1 0 0 0 1 1 0 0
 
1 0 0     
>
AA = 0 0 = 0 0 = I3
    
0 1 1 0 1
    
1 0 0 0 1 0 0 0 1

90 / 263
Opérations sur les matrices Produit matriciel

Remarque 1 :
Si l’une des matrices A et B est nulle alors leur produit AB est par construction
nul. Le contraire n’est pas nécessairement vrai : le produit AB peut être nul
sans qu’aucune des matrices A et B ne le soit.

Exemple

     
0 0 2 3 0 0
A=  = 02×2 B =  6= 02×2 ⇒ AB =   = 02×2
0 0 0 0 0 0

     
0 1 2 3 0 0
A=  6= 02×2 B =  6= 02×2 ⇒ AB =   = 02×2
0 2 0 0 0 0

91 / 263
Opérations sur les matrices Produit matriciel

Remarque 2 :
L’égalité des produits matriciels AB et AC n’implique pas nécessairement l’éga-
lité des matrices B et C .

Exemple

 
0 1
A= 
0 4
   
4 −1 5 3
B =  ⇒ AB = AC =  
5 3 20 12
 
2 5
C = 
5 3

92 / 263
Opérations sur les matrices Produit matriciel

Définition (Puissance d’une matrice carrée)


La puissance r d’une matrice carrée A d’ordre n, notée Ar , est le produit ma-
triciel de cette matrice par elle-même r fois :
Ar = A × A × · · · × A
| {z }
r facteurs

En particulier :
A0 = In

A1 = A

A2 = A × A

A3 = A × A × A = A2 × A
..
.

Ar = Ar −1 × A

93 / 263
Opérations sur les matrices Produit matriciel

Exemple

 
2 5
A= 
4 3
    
2 5 2 5 24 25
A2 = A × A =   = 
4 3 4 3 20 29
  
 
24 25 2 5 148 195
A3 = A2 × A =   = 
20 29 4 3 156 187
    
148 195 2 5 1076 1325
A4 = A3 × A =   = 
156 187 4 3 1060 1341

94 / 263
Opérations sur les matrices Produit matriciel

Définition (Matrice idempotente)


Une matrice carrée A d’ordre n est idempotente si A2 = A.

Exemple

 
2 −3 −5
 
A = −1
 
4 5
 
1 −3 −4

    
2 −3 −5 2 −3 −5 2 −3 −5
    
A2 = −1 5  −1 5  = −1
    
4 4 4 5
    
1 −3 −4 1 −3 −4 1 −3 −4

95 / 263
Opérations sur les matrices Produit matriciel

Définition (Matrice nilpotente)


Une matrice carrée A d’ordre n est nilpotente d’indice r ∈ N si ses puissances
s’annulent à partir d’une certaine valeur de r , c’est à dire :
Ar −1 6= On×n et Ar = On×n

Exemple

     
1 1 3 0 0 0 0 0 0
     
A= 5 A2 =  3 A3 = 0
     
2 6 3 9 0 0
     
−2 −1 −3 −1 −1 −3 0 0 0

96 / 263
Opérations sur les matrices Produit matriciel

Rappel : Identités remarquables

(a + b)2 = a 2 + 2ab + b 2 = 1a 2 b 0 + 2a 1 b 1 + 1a 0 b 2

(a + b)3 = a 3 + 3a 2 b + 3ab 2 + b 3 = 1a 3 b 0 + 3a 2 b 1 + 3a 1 b 2 + 1a 0 b 3
..
.

(a + b)r = Cr0 a r b 0 + Cr1 a r −1 b 1 + · · · + Crk a r −k b k + · · · + Crr a 0 b r


r
X
= Crk a r −k b k ← Formule du binôme de Newton
k =0

97 / 263
Opérations sur les matrices Produit matriciel

Remarque :
Les valeurs du coefficient du binôme de Newton Crk sont lues dans le triangle
de Pascal suivant pour différentes valeurs de r et de k :

Crk k
0 1 2 3 4 ··· r
0 1
1 1 1
r 2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
.. .. .. .. .. .. ..
. . . . . . .

98 / 263
Opérations sur les matrices Produit matriciel

Propriété 1 : Formule du binôme de Newton


Soient A et B deux matrices commutantes, c’est à dire AB = BA. La puissance
r de la somme A + B est donnée par la formule du binôme de Newton suivante :

r
X
(A + B )r = Crk Ar −k B k
k =0

Le coefficient du binôme de Newton Crk est lu dans le triangle de Pascal.

99 / 263
Opérations sur les matrices Produit matriciel

Exemple
Soit les matrices A, B et I suivantes :
     
2 1 1 1 1 0
A=  B =  I = 
1 2 1 1 0 1

Pour calculer la puissance 3 de la matrice A, on peut d’abord l’écrire sous


forme d’une somme des matrices commutantes B et I et appliquer la formule
du binôme de Newton :

A3 = (B + I )3 = 1B 3 I 0 + 3B 2 I 1 + 3B 1 I 2 + 1B 0 I 3 = B 3 + 3B 2 + 3B + I

     
   
4 4 2 2 1 1 1 0 14 13
=  + 3  + 3 + = 
4 4 2 2 1 1 0 1 13 14

100 / 263
Opérations sur les matrices Produit matriciel

Propriété 2 : Puissance d’une matrice diagonale


La puissance r d’une matrice diagonale D = diag( d1 , d2 , · · · , dn ) est
une matrice diagonale D r formée uniquement des puissances r des coefficients
diagonaux, c’est à dire : D r = diag( d1r , d2r , · · · , dnr ).

Exemple

   
1 0 0 0 1 0 0 0
   
   
0 2 0 0 0 4 0 0
A=


 A2 = 



0 0 3 0 0 0 9 0
   
0 0 0 4 0 0 0 16

101 / 263
Opérations sur les matrices Synthèse

Synthèse

102 / 263
Opérations sur les matrices Synthèse

Égalité, addition et soustraction des matrices


La comparaison, l’addition et la soustraction ne peuvent se faire qu’entre
des matrices de même taille et le résultat est une matrice de même taille.

L’addition et la soustraction ne peuvent avoir lieu entre une matrice et un


scalaire qu’après transformation de ce dernier en une matrice convenable
par une opération de multiplication d’une matrice par un scalaire.

Multiplication des matrices


3 sortes de multiplication ont été présentées :

La multiplication d’une matrice par un scalaire → une matrice ;

Le produit scalaire de deux vecteurs → un scalaire ;

Le produit matriciel de deux matrices → un scalaire ou une matrice.

103 / 263
Dépendance et indépendance linéaires

Section 5 :
Dépendance et indépendance linéaires

104 / 263
Dépendance et indépendance linéaires

Définition (Combinaison linéaire - Combinaison convexe)


Une combinaison linéaire de deux vecteurs x et y est un vecteur z défini par
z = αx + βy où α et β sont deux scalaires. Si, de plus, α + β = 1 alors z est
une combinaison convexe des vecteurs x et y.

Exemple

 
2
x=         
3 2 4 2×2+3×4 16
  ⇒ 2x + 3y = 2 ×   + 3 ×   =  = 
4 3 5 2×3+3×5 21
y= 
5

105 / 263
Dépendance et indépendance linéaires Dépendance linéaire

Sous-section 1 :
Dépendance linéaire

106 / 263
Dépendance et indépendance linéaires Dépendance linéaire

Définition (Dépendance linéaire)


Les vecteurs x1 et x2 sont linéairement dépendants s’il existe un scalaire non nul
α1 tel que x2 = α1 x1 . Plus généralement, un ensemble de vecteurs x1 , x2 ,... et xk
sont linéairement dépendants si le vecteur xk , par exemple, est une combinaison
linéaire des autres vecteurs, c’est à dire, s’il existe un ensemble de scalaires non
tous nuls α1 , α2 ,... et αk −1 tels que : xk = α1 x1 + α2 x2 + · · · + αk −1 xk −1 ou
encore α1 x1 + α2 x2 + · · · + αk −1 xk −1 − xk = 0.

Théorème
Les vecteurs x1 , x2 ,... et xk sont linéairement dépendants s’il existe des scalaires
non tous nuls α1 , α2 ,... et αk tels que : α1 x1 + α2 x2 + · · · + αk xk = 0

107 / 263
Dépendance et indépendance linéaires Dépendance linéaire

Exemple

     
0 2 2
     
x = −1 y= 3  z = 1
     
     
2 −2 2

   
     
0 2 2 0+2−2 0
         
2x + y − z = 2 × −1 + 1 ×  3  + (−1) × 1 = −2 + 3 − 1 = 0
         
         
2 −2 2 4−2−2 0

108 / 263
Dépendance et indépendance linéaires Indépendance linéaire

Sous-section 2 :
Indépendance linéaire

109 / 263
Dépendance et indépendance linéaires Indépendance linéaire

Définition (Indépendance linéaire)


Les vecteurs x1 et x2 sont linéairement indépendants s’il n’existe aucun scalaire
non nul α1 tel que x2 = α1 x1 . Plus généralement, un ensemble de vecteurs
x1 , x2 ,... et xk sont linéairement indépendants s’il est impossible de trouver
un ensemble de scalaires non tous nuls α1 , α2 ,... et αk qui vérifient l’égalité
suivante : α1 x1 + α2 x2 + · · · + αk xk = 0.

Théorème
Les vecteurs x1 , x2 ,... et xk sont linéairement indépendants si l’égalité suivante
α1 x1 + α2 x2 + · · · + αk xk = 0 implique α1 = α2 = · · · = αk = 0.

110 / 263
Dépendance et indépendance linéaires Indépendance linéaire

Exemple

   
2 0
   
x = 0 y= 3 
   
   
1 −1

       
2 0 2α 0
       
αx + βy = α × 0 + β ×  3  =  3β  = 0 ⇒ α = β = 0
       
       
1 −1 α−β 0

111 / 263
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire

Sous-section 3 :
Orthogonalité vs indépendance linéaire

112 / 263
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire

Théorème (Orthogonalité et indépendance linéaire)


Des vecteurs orthogonaux x1 , x2 ,... et xk sont linéairement indépendants. Il
existe des scalaires non tous nuls tels que : α1 x1 + α2 x2 + · · · + αk xk = 0.

113 / 263
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire

Démonstration.
Soit x1 , x2 ,... et xk des vecteurs orthogonaux non nuls. Pour qu’ils soient li-
néairement indépendants, il faut que l’égalité α1 x1 + α2 x2 + · · · + αk xk = 0
implique α1 = α2 = · · · = αk = 0. Calculons le produit scalaire des membres de
notre égalité par le vecteur x1 :
hα1 x1 + α2 x2 + · · · + αk xk , x1 i = h0, x1 i

hα1 x1 , x1 i + hα2 x2 , x1 i + · · · + hαk xk , x1 i = h0, x1 i

α1 hx1 , x1 i + α2 hx2 , x1 i + · · · + αk hxk , x1 i = h0, x1 i

Comme les vecteurs x1 , x2 ,... et xk sont orthogonaux, alors hxi , xj i = 0 pour


i 6= j et hxi , xj i =
6 0 pour i = j , il en résulte : α1 hx1 , x1 i = 0 d’où α1 = 0. De
la même manière, le calcul du produit scalaire des membres de l’égalité par les
vecteurs x2 , x3 ,... et xk respectivement aboutit à α2 = 0,... et αk = 0.

114 / 263
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire

Exemple
h i
x= 1 1 1 ⇒ hx, yi = 1 × 1 + 1 × 1 + 1 × (−2) = 0
h i
y= 1 1 −2 ⇒ hx, zi = 1 × 1 + 1 × (−1) + 1 × 0 = 0
h i
z= 1 −1 0 ⇒ hy, zi = 1 × 1 + 1 × (−1) + (−2) × 0 = 0

⇒ Les vecteurs x, y et z sont orthogonaux.


h i h i h i
α1 x + α2 y + α3 z = α1 α1 α1 + α2 α2 −2α2 + α3 −α3 0
h i
= α1 + α2 + α3 α1 + α2 − α3 α1 − 2α2
h i
= 0 0 0

⇒ α1 = α2 = α3 = 0. Les vecteurs x, y et z sont linéairement indépendants.

115 / 263
Caractéristiques des matrices carrées

Section 4 :
Caractéristiques des matrices carrées

• Trace

• Déterminant

• Matrice inverse

• Valeurs et vecteurs propres

116 / 263
Caractéristiques des matrices carrées Trace

Sous-section 1 :
Trace

117 / 263
Caractéristiques des matrices carrées Trace

Définition (Trace d’une matrice carrée)


La trace d’une matrice carrée A d’ordre n, notée tr (A), est égale à la somme de
ses coefficients diagonaux, c’est à dire : tr (A) = a11 + a22 + · · · + ann .

Exemple

 
2 5 3
 
A = 1 tr (A) = 2 + 3 + 1 = 6
 
3 2
 
2 2 1

118 / 263
Caractéristiques des matrices carrées Déterminant

Sous-section 2 :
Déterminant

119 / 263
Caractéristiques des matrices carrées Déterminant

Définition (Déterminant)
Le déterminant d’une matrice carré A est un scalaire, noté det(A) ou |A|, qui
caractérise la matrice A et qui intervient, entre autres, dans le calcul de sa
matrice inverse, de ses valeurs propres, du rang d’une matrice et aussi dans la
résolution des systèmes d’équations linéaires.

120 / 263
Caractéristiques des matrices carrées Déterminant

Définition (Déterminant d’une matrice carrée d’ordre 2)


Le déterminant d’une matrice carrée A d’ordre 2 est un sca-
laire, noté det(A) ou |A|, donné par la différence entre le pro-
duit des coefficients diagonaux et le produit des coefficients
hors diagonale :  

a c a c
A=  ⇒ det(A) = = ad − bc

b d b d

Exemple
 

1 2 1 2
A=  ⇒ det(A) = = (1 × 4) − 3(×2) = −2

3 4 3 4

121 / 263
Caractéristiques des matrices carrées Déterminant

Définition (Déterminant d’une matrice carrée d’ordre 3)

Le déterminant d’une matrice carrée A d’ordre 3 est un  


a b1 c1
scalaire, noté det(A) ou |A|, calculé par la règle de Sarrus  1 
a b2 c2 
 2 
qui consiste à recopier, dans l’ordre, les deux premières co- a3 b3 c3
lonnes à droite de la matrice puis additionner les produits ⇓
des coefficients des diagonales descendantes et soustraire
les produits des coefficients des diagonales ascendantes :

det(A) = (a1 b2 c3 + b1 c2 a3 + c1 a2 b3 ) − (c1 b2 a3 + a1 c2 b3 + b1 a2 c3 )

Exemple  
1 2 0
 
A = 3 4  ⇒ det(A) = (4 + 8 + 0) − (0 + 2 + 6) = 4
1

4 2 1

122 / 263
Caractéristiques des matrices carrées Déterminant

Remarque :
La règle de Sarrus ne s’applique qu’à des matrices carrées d’ordre
3. Elle peut se faire aussi en recopiant, dans l’ordre, les deux
premières lignes sous la matrice puis en additionnant les produits
des coefficients des diagonales descendantes et en soustrayant les
produits des coefficients des diagonales ascendantes :

det(A) = (a1 b2 c3 + a2 b3 c1 + a3 b1 c2 ) − (a3 b2 c1 + a1 b3 c2 + a2 b1 c3 )

123 / 263
Caractéristiques des matrices carrées Déterminant

Définitions (Mineur - Cofacteur)


Soit An une matrice carrée d’ordre n et Aij la sous-matrice obtenue en éliminant
la ligne i et la colonne j de la matrice An :

Le déterminant de Aij est un mineur d’ordre n − 1 de la matrice An ;

cij = (−1)i+j det(Aij ) est le cofacteur de An associé au coefficient aij .

Exemple
 

  3 1 3
1+2
1
1 2 0 ⇒ A12 =  ⇒ c12 = (−1)
=1

  4 1 4 1
A=
3 4 1
  
4 2 1
1 0 1 0
⇒ A22 =  ⇒ c22 = (−1)2+2 =1

4 1 4 1

124 / 263
Caractéristiques des matrices carrées Déterminant

Définition (Déterminant d’une matrice carrée d’ordre n)


Le déterminant d’une matrice carrée An est un scalaire obtenu comme suit :
1 Sélectionner une ligne i ou une colonne j de la matrice An ;
2 Calculer les cofacteurs cij associés aux coefficients aij sélectionnés ;
3 Multiplier chaque coefficient sélectionné aij par son cofacteur cij ;
4 Additionner les produits des coefficients aij par leurs cofacteurs cij .

Le résultat final est le déterminant de la matrice An formalisé comme suit :


Xn n
X
Selon la ligne i : det(An ) = aij cij = (−1)i+j aij det(Aij )
j =1 j =1
n
X n
X
Selon la colonne j : det(An ) = aij cij = (−1)i+j aij det(Aij )
i=1 i=1

125 / 263
Caractéristiques des matrices carrées Déterminant

Exemple
Développement selon la ligne 1 :


1 2 0
4 1 3 1 3 4

3 4 1 = 1 × (−1)1+1 + 2 × (−1)1+2 + 0 × (−1)1+3



2 1 4 1 4 2
4 2 1

4 1 3 1


= −2× = (4 − 2) − 2(3 − 4) = 4

2 1 4 1

Développement selon la colonne 3 :




1 2 0
3 4 1 2 1 2

1+3 2+3 3+3

3 4 1 = 0 × (−1) + 1 × (−1) + 1 × (−1)

4 2 4 2 3 4
4 2 1

1 2 1 2

= − +

= −(2 − 8) + (4 − 6) = 4

4 2 3 4

126 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 1 : Déterminant d’une matrice carrée d’ordre 1


Le déterminant d’une matrice carrée A = [a11 ] d’ordre 1, ne contenant qu’un
seul coefficient a11 , est égal au scalaire a11 , c’est à dire : det(A) = a11 .

Exemple

A = [5] ⇒ det(A) = 5

127 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 2 : Déterminant d’une matrice carrée nulle


Le déterminant d’une matrice nulle 0n est égal à 0, c’est à dire : det(0n ) = 0.

Exemple

 
0 0
02 =   ⇒ det(02 ) = 0
0 0

128 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 3 : Permutation des lignes ou des colonnes d’une matrice carrée


Si deux lignes ou deux colonnes d’une matrice carrée A sont inter-changées, le
déterminant det(A) de la matrice A change de signe.

Exemple

 
4 3
  Al =   ⇒ det(Al ) = 5 = −det(A)
1 2 1 2
A= ⇒ det(A) = −5
4 3
 
2 1
Ac =   ⇒ det(Ac ) = 5 = −det(A)
3 4

129 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 4 : Lignes ou colonnes d’une matrice carrée identiques


Si deux lignes ou deux colonnes d’une matrice carrée A sont identiques, le dé-
terminant det(A) de la matrice A est nul.

Exemple

 
4 3
Al =   ⇒ det(Al ) = (4 × 3) − (4 × 3) = 0
4 3
 
2 2
Ac =   ⇒ det(Ac ) = (2 × 3) − (3 × 2) = 0
3 3

130 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 5 : Combinaison linéaire les lignes ou des colonnes d’une matrice


Si une ligne (ou une colonne) d’une matrice carrée A est une combinaison linéaire
des autres lignes (ou colonnes), le déterminant det(A) de la matrice A est nul.

Exemple

   
4 2 8 4 2 1×4+2×2
   
A = 2 10 = 2 4 1 × 2 + 2 × 4 ⇒ det(A) = 0
   
4
   
1 1 3 1 1 1×1+2×1

131 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 6 : Multiplication d’une ligne ou d’une colonne par un scalaire


Si tous les coefficients d’une ligne ou d’une colonne d’une matrice carrée A sont
multipliés par un scalaire α, le déterminant de la matrice A sera multiplié par
le scalaire α.

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 3) − (4 × 2) = −5
4 3
 
1×2 2×2
Al =   ⇒ det(Al ) = (2 × 3) − (4 × 4) = −10 = 2 × det(A)
4 3
 
1×2 2
Ac =   ⇒ det(Ac ) = (2 × 3) − (8 × 2) = −10 = 2 × det(A)
4×2 3

132 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 7 : Multiplication d’une matrice carrée par un scalaire


Le déterminant du produit d’une matrice carrée An par un scalaire α est égal
au déterminant de la matrice An multiplié par la puissance n du scalaire α,
c’est à dire : det(αAn ) = αn det(A).

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 3) − (4 × 2) = −5
4 3
 
1×2 2×2
2A =   ⇒ det(2A) = (2 × 6) − (8 × 4) = −20 = 22 × det(A)
4×2 3×2

133 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 8 : Ajouter à une ligne (ou une colonne) le multiple d’une autre
Si l’on ajoute à une ligne (respectivement, une colonne) d’une matrice carrée
A le produit d’une autre ligne (respectivement, colonne) par un scalaire α, le
déterminant demeure inchangé.

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 3) − (4 × 2) = −5
4 3
 
1 + (2 × 4) 2 + (2 × 3)
Al =   ⇒ det(Al ) = (9 × 3) − (4 × 8) = −5
4 3
 
1 + (2 × 2) 2
Ac =   ⇒ det(Ac ) = (5 × 3) − (10 × 2) = −5
4 + (2 × 3) 3

134 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 9 : Déterminant d’une matrice transposée


Le déterminant de la transposée A> d’une matrice carrée A est égal au déter-
minant de la matrice A, c’est à dire : det(A> ) = det(A).

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 3) − (4 × 2) = −5
4 3
 
1 4
A> =   ⇒ det(A> ) = (1 × 3) − (2 × 4) = −5
2 3

135 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 10 : Déterminant d’une matrice triangulaire


Le déterminant d’une matrice triangulaire est égal au produit de ses coefficients
diagonaux.

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 3) − (0 × 2) = 1 × 3 = 3
0 3
 
4 0
B =  ⇒ det(B ) = (4 × 6) − (5 × 0) = 4 × 6 = 24
5 6

136 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 11 : Déterminant d’une matrice diagonale


Le déterminant d’une matrice diagonale D = diag(d11 , d22 , · · · , dnn ) est égal au
produit de ses coefficients diagonaux, c’est à dire : det(D) = d11 ×d22 ×· · ·×dnn .

Exemple

 
1 0
A=  ⇒ det(A) = (1 × 3) − (0 × 0) = 1 × 3 = 3
0 3

137 / 263
Caractéristiques des matrices carrées Déterminant

Propriété 12 : Déterminant d’un produit matriciel


Le déterminant du produit matriciel de deux matrices carrées A et B de même
ordre n est égal au produit du déterminant de la matrice A par le déterminant
de la matrice B , c’est à dire : det(AB ) = det(A) × det(B ).

Exemple

 
1 2
A=  ⇒ det(A) = (1 × 1) − (3 × 2) = −5
3 1
 
1 2
B =  ⇒ det(B ) = (1 × 2) − (2 × 2) = −2
2 2
 
5 6
AB =   ⇒ det(AB ) = (5 × 8) − (5 × 6) = 10
5 8

138 / 263
Caractéristiques des matrices carrées Matrice inverse

Sous-section 6 :
Matrice inverse

139 / 263
Caractéristiques des matrices carrées Matrice inverse

Définition (Matrice inversible - Matrice inverse)


Une matrice carrée A est inversible s’il existe une matrice carrée B de même
ordre, dite matrice inverse de la matrice A et notée A−1 , telle que :

AB = BA = I (1)

Exemple

   
3 4 3 −4
A=  ⇒ A−1 =   ⇒ AA−1 = A−1 A = I2
2 3 −2 3

140 / 263
Caractéristiques des matrices carrées Matrice inverse

Théorème
Si A et B sont deux matrices carrées de même ordre telles que AB = I , alors
on a également BA = I .

Conséquence du théorème
Afin de vérifier qu’une matrice carrée B est l’inverse d’une matrice carrée A de
même ordre, il suffit de vérifier que AB = I car la deuxième partie BA = I sera
automatiquement vérifiée.

141 / 263
Caractéristiques des matrices carrées Matrice inverse

Définition (Matrice des cofacteurs ou comatrice)


La matrice des cofacteurs (ou la comatrice) associée à une matrice carrée A
d’ordre n est une matrice carrée de même ordre n, notée Ac , obtenue en rem-
plaçant chaque coefficient aij de la matrice A par le cofacteur correspondant
cij .

Exemple

   
3 4 5 −2
A=  ⇒ Ac =  
2 5 −4 3

142 / 263
Caractéristiques des matrices carrées Matrice inverse

Définition (Matrice adjointe)


La matrice adjointe associée à une matrice carrée An , notée Aa , est la transposée
de sa matrice des cofacteurs Ac , c’est à dire : Aa = (Ac )> .

Exemple

     
3 4 5 −2 5 −4
A=  ⇒ Ac =   ⇒ Aa =  
2 5 −4 3 −2 3

143 / 263
Caractéristiques des matrices carrées Matrice inverse

Théorème
Soit A une matrice carrée d’ordre n et Aa sa matrice adjointe. On a la
relation suivante :
AAa = Aa A = det(A)In (2)

Conséquences du théorème
Si det(A) 6= 0, on peut diviser la relation (2) par det(A), on obtient :
Aa Aa
   
A = A = In (3)
det(A) det(A)

On reconnaı̂t ici la définition (1) d’une matrice inverse. On conclut que la


matrice A est inversible et sa matrice inverse A−1 est donnée par :

1
A−1 = Aa (4)
det(A)
Si det(A) = 0 alors la matrice A n’est pas inversible et sa matrice inverse
n’est pas définie.
144 / 263
Caractéristiques des matrices carrées Matrice inverse

Définitions (Matrice régulière - Matrice singulière)


Une matrice carrée A est dite inversible ou régulière si son déterminant det(A)
est non nul. Dans le cas contraire, la matrice A n’est pas inversible, elle est dite
singulière.

Exemples

   
5
3 4 7 − 47
A=  ⇒ det(A) = 7 ⇒ A−1 =  
2 5 − 72 3
7
 
3 3
B =  ⇒ det(B ) = 0 → B est singulière
2 2

145 / 263
Caractéristiques des matrices carrées Matrice inverse

Remarque :
Le calcul de la matrice inverse selon la formule (4) n’est approprié que pour des
matrices carrées de petite taille. Cependant, à partir d’un certain ordre, les cal-
culs deviennent fastidieux est rendent en conséquence cette méthode inefficace.
L’élimination de Gauss, qui sera présentée dans le chapitre 2, est une approche
alternative qui peut s’appliquer quelle que soit la taille des matrices à inverser.

146 / 263
Caractéristiques des matrices carrées Matrice inverse

Propriété 1 : Inverse d’une matrice scalaire


L’inverse d’une matrice scalaire non nulle A = diag(α, α, · · · , α) est la matrice
scalaire A−1 = diag( α1 , α1 , · · · , α1 ).

Exemple

   
1
4 0 0 0 0 0 0
  4 

0
  1 
4 0 0 0 0 0
A=  A−1 = 4 

0
  1 
0 4 0 0 0 4 0
   
1
0 0 0 4 0 0 0 4

147 / 263
Caractéristiques des matrices carrées Matrice inverse

Propriété 2 : Inverse de l’inverse d’une matrice carrée


L’inverse de l’inverse d’une matrice carrée A est simplement la matrice A, c’est
à dire : (A−1 )−1 = A.

Exemple

     
3 4 3 −4 3 4
A=  ⇒ A−1 =   ⇒ (A−1 )−1 = =A
2 3 −2 3 2 3

148 / 263
Caractéristiques des matrices carrées Matrice inverse

Propriété 3 : Inverse de la transposée d’une matrice carrée


L’inverse de la transposée d’une matrice carrée A est égale à la transposée de
l’inverse de la matrice A, c’est à dire : (A> )−1 = (A−1 )> .

Exemple

 
3 −2
⇒ (A> )−1 =  
  −4 3
3 4
A=   
2 3 3 −2
⇒ (A−1 )> =  
−4 3

149 / 263
Caractéristiques des matrices carrées Matrice inverse

Propriété 4 : Inverse du produit matriciel


L’inverse du produit matriciel de deux matrices carrées A et B est égale au
produit matriciel des inverses des matrices A et B dans un sens inversé, c’est à
dire : (AB )−1 = B −1 A−1 .

Exemple

     
3 4 3 −4 19 −27
A=  ⇒ A−1 =   (AB )−1 =  
2 3 −2 3 −7 10

     
2 5 3 −5 19 −27
B =  ⇒ B −1 =   B −1 A−1 =  
1 3 −1 2 −7 10

150 / 263
Caractéristiques des matrices carrées Matrice inverse

Propriété 5 : Inverse d’une matrice diagonale


L’inverse d’une matrice diagonale D = diag(d11 , d22 , · · · , dnn ) contenant uni-
quement des coefficients non nuls est une matrice diagonale formée des in-
verses des coefficients diagonaux de la matrice D, c’est à dire : D −1 =
diag( d111 , d122 , · · · , d1nn ).

Exemple

   
1 0 0 0 1 0 0 0
   

0
  1 
5 0 0 0 0 0
A=  A−1 = 5 

0
  1 
0 2 0 0 0 2 0
   
1
0 0 0 4 0 0 0 4

151 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Sous-section 3 :
Valeurs et vecteurs propres

152 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Définition (Valeurs et vecteurs propres)


Un vecteur non nul v est un vecteur propre (ou un vecteur caractéristique) d’une
matrice carrée A s’il existe un scalaire λ tel que Av = λv. Le scalaire λ est alors
une valeur propre (ou une valeur caractéristique) de la matrice A.

Exemple
       
1 4 −1 4 3 3
       
A = 0 v1 = 1 v2 = 2 v3 = 0
       
2 1
       
0 0 3 0 2 0

     
8 9 3
     
Av1 = 2 = 2v1 Av2 = 6 = 3v2 Av3 = 0 = 1v3
     
     
0 6 0

153 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Définition (Équation caractéristique)


L’équation caractéristique d’une matrice carrée An s’écrit : det(An − λIn ) = 0
où λ est une valeur propre de la matrice An . La résolution de cette équation
caractéristique détermine les valeurs propres λ1 , λ2 ... et λn de la matrice An .

Exemple
   
1 2 1−λ 2
A=  ⇒ A − λI =  
4 3 4 3−λ

det(A − λI ) = (1 − λ)(3 − λ) − 8 = λ2 − 4λ − 5 = 0 ⇒ λ1 = −1 et λ2 = 5

154 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Remarques
Une matrice carrée d’ordre n dispose de n valeurs propres λ1 , λ2 ,... et λn
dont certaines sont identiques. Si, par exemple, λ1 = λ2 = · · · = λk = λ
(avec k ≤ n) alors la valeur propre λ est dite de multiplicité k .

La détermination des valeurs propres d’une matrice carrée d’ordre n né-


cessite la résolution d’une équation caractéristique de degré n. Par consé-
quent, à partir d’un certain ordre n de la matrice, le résolution manuelle
de l’équation caractéristique n’est plus possible et l’on a recours à une ré-
solution numérique à l’aide de logiciels informatiques comme Mathematica
et MatLab.

155 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Recherche des vecteurs propres


Il y a une relation entre une matrice carrée A = [aij ]n , une valeur propre λi et
h i>
le vecteur propre associé vi = xi,1 · · · xi,n donnée par Avi = λi vi que
l’on peut écrire (A − λi I )vi = 0. Le vecteur propre vi associé à la valeur propre
λi est déterminé par la résolution du système d’équations linéaires suivant :



 (a11 − λi )xi,1 + a12 xi,2 + · · · + a1n xi,n = 0


 a21 xi,1 + (a22 − λi )xi,2 + · · · + a2n xi,n

= 0
.. .. ..



 . . .


 a x + a x + · · · + (a − λ )x = 0
n1 i,1 n2 i,2 nn i i,n

156 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Exemple (suite)
   
1 2 x1,1
A=  ⇒ λ1 = −1 v1 =  
4 3 x1,2

    
2 2 x1,1 0
(A − λ1 I ) v1 = 0 ⇔   = 
4 4 x1,2 0

 2x + 2x = 0
1,1 1,2

 4x + 4x = 0
1,1 1,2

⇒ x1,2 = −x1,1

   
x1,1 1
⇒ v1 =   = x1,1   , ∀x1,1 ∈ R
−x1,1 −1

157 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Exemple (suite)
   
1 2 x2,1
A=  ⇒ λ2 = 5 v2 =  
4 3 x2,2

    
−4 2 x2,1 0
(A − λ2 I )v2 = 0 ⇔   = 
4 −2 x2,2 0

 −4x + 2x = 0
2,1 2,2

 4x − 2x = 0
2,1 2,2

⇒ x2,2 = −2x2,1

 
1
⇒ v2 = x2,1   , ∀x2,1 ∈ R
−2

158 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Remarque
Tous les multiples αvi du vecteur vi , notés wi , sont également des vecteurs
propres de la matrice A associés à la même valeur propre λi car il suffit de
multiplier les deux membres de l’égalité Avi = λi vi par le même scalaire non nul
α et obtenir α(Avi ) = α(λi vi ) ou encore A(αvi ) = λi (αvi ). Après substitution,
la dernière relation devient Awi = λi wi et montre bien que le nouveau vecteur
wi est un vecteur propre de la matrice A associé à la valeur propre λi .

159 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 1 : Somme des valeurs propres d’une matrice carrée


La somme des valeurs propres λi d’une matrice carrée An est égale à sa trace
Pn
tr (A), c’est à dire : i=1 λi = tr (A).

Exemple

 
1 2
A=  ⇒ λ1 = −1 et λ2 = 5
4 3

tr (A) = 1 + 3 = 4 λ1 + λ2 = −1 + 5 = 4

160 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 2 : Produit des valeurs propres d’une matrice carrée


Le produit des valeurs propres λi d’une matrice carrée An est égale à son dé-
terminant det(A), c’est à dire : Πni=1 λi = det(A).

Exemple

 
1 2
A=  ⇒ λ1 = −1 et λ2 = 5
4 3

det(A) = 1 × 3 − 4 × 2 = −5 λ1 × λ2 = (−1) × 5 = −5

161 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 3 : Cas d’une matrice singulière


Une matrice carrée An est singulière si et seulement si elle a au moins une valeur
propre λi nulle avec i ∈ {1, 2, · · · , n}.

Exemple

   
1 2 1−λ 2
A=  ⇒ A − λI =  
1 2 1 2−λ

det(A) = 1 × 2 − 1 × 2 = 0 → A est une matrice singulière

det(A − λI ) = (1 − λ)(2 − λ) − 2 = λ2 − 3λ = 0 ⇒ λ1 = 0 et λ2 = 3

162 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 4 : Cas d’une matrice diagonale


Les valeurs propres λi d’une matrice diagonale D = diag(d11 , d22 , · · · , dnn ) sont
égales à ses coefficients diagonaux, c’est à dire : λ1 = d11 ,... et λn = d2n .

Exemple

   
1 0 1−λ 0
A=  ⇒ A − λI =  
0 2 0 2−λ

det(A − λI ) = (1 − λ)(2 − λ) = 0 ⇒ λ1 = 1 et λ2 = 2

163 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 5 : Cas d’une matrice triangulaire


Les valeurs propres λi d’une matrice triangulaire An sont égales à ses coefficients
diagonaux avec i ∈ {1, 2, · · · , n}.

Exemple

   
1 3 1−λ 3
A=  ⇒ A − λI =  
0 2 0 2−λ

det(A − λI ) = (1 − λ)(2 − λ) − 0 = 0 ⇒ λ1 = 1 et λ2 = 2

164 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 6 : Cas d’une matrice inverse


Si λ est une valeur propre d’une matrice carrée inversible A alors 1/λ est une
valeur propre de sa matrice inverse A−1 . De plus, si v est le vecteur propre de
la matrice A associé à la valeur propre λ alors v est également le vecteur propre
de la matrice inverse A−1 associé à la valeur propre 1/λ.

Exemple

 
1 2 √ √ 0
5− 33 5+ 33
A=  ⇒ λ1 = 2 et λ2 = 2 ⇒ λ1 λ1 = 1
3 4
 
−2 1 0

−5+ 33 0

−5+ 33 0
A−1 =  ⇒ λ1 = 4 et λ2 = 4 ⇒ λ2 λ2 = 1
3 −1
2 2

165 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 7 : Cas d’une matrice transposée


Si λ est une valeur propre d’une matrice carrée A alors λ est également une
valeur propre de sa matrice transposée A> . De plus, si v est le vecteur propre
de la matrice A associé à la valeur propre λ alors v est également le vecteur
propre de la matrice transposée A> associé à la valeur propre λ.

Exemple

 
1 2
A=  ⇒ (1 − λ)(3 − λ) − (2 × 4) = 0
4 3
⇒ λ1 = −1 et λ2 = 5
 
1 4
A> =   ⇒ (1 − λ)(3 − λ) − (4 × 2) = 0
2 3

166 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 8 : Cas du produit d’une matrice par un scalaire


Si λ est une valeur propre d’une matrice carrée A alors αλ (où α est un scalaire)
est une valeur propre de la matrice αA. De plus, si v est le vecteur propre de la
matrice A associé à la valeur propre λ alors v est également le vecteur propre
de la matrice αA associé à la valeur propre αλ.

Exemple

 
1 2
A=  ⇒ (1 − λ)(3 − λ) − (2 × 4) = 0 ⇒ λ1 = −1 et λ2 = 5
4 3
 
2 4
2A =   ⇒ (2 − λ)(6 − λ) − (8 × 4) = 0 ⇒ λ01 = −2 et λ02 = 10
8 6

167 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 9 : Cas de la puissance d’une matrice


Si λ est une valeur propre d’une matrice carrée A alors λr (où r est un entier
naturel) est une valeur propre de la matrice Ar . De plus, si v est le vecteur
propre de la matrice A associé à la valeur propre λ alors v est également le
vecteur propre de la matrice Ar associé à la valeur propre λr .

Exemple

 
1 2
A=  ⇒ (1 − λ)(3 − λ) − (2 × 4) = 0 ⇒ λ1 = −1 et λ2 = 5
4 3
 
9 8 0 0
A2 =   ⇒ (9 − λ)(17 − λ) − (8 × 16) = 0 ⇒ λ1 = 1 et λ2 = 25
16 17

168 / 263
Caractéristiques des matrices carrées Valeurs et vecteurs propres

Propriété 10 : Cas de la différence entre une matrice et une matrice scalaire


Si λ est une valeur propre d’une matrice carrée A alors λ − c (où c est un
scalaire) est une valeur propre de la matrice A − cI . De plus, si v est le vecteur
propre de la matrice A associé à la valeur propre λ alors v est également le
vecteur propre de la matrice A − cI associé à la valeur propre λ − c.

Exemple

 
1 2
A=  ⇒ (1 − λ)(3 − λ) − (2 × 4) = 0 ⇒ λ1 = −1 et λ2 = 5
4 3
 
−1 2 0 0
A − 2I2 =   ⇒ (−1 − λ)(1 − λ) − (2 × 4) = 0 ⇒ λ1 = −3 et λ2 = 3
4 1

169 / 263
Caractéristiques des matrices carrées Synthèse

Synthèse

170 / 263
Caractéristiques des matrices carrées Synthèse

Caractéristiques des matrices carrées


Une matrice carrée d’ordre n est caractérisée par :

Une trace ;

Un déterminant ;

Une matrice inverse si elle est régulière ;

n valeurs propres distinctes ou répétées ;

n vecteurs propres distincts ou répétés.

171 / 263
Quelques interprétations géométriques

Section 6 :
Quelques interprétations géométriques

• Rappels de géométrie
• Égalité des vecteurs
• Opposition des vecteurs
• Multiplication d’un vecteur par un scalaire
• Addition des vecteurs
• Différence des vecteurs
• Produit scalaire de deux vecteurs
• Dépendance et indépendance linéaires
• Déterminant d’une matrice carrée
• Matrice associée à une transformation linéaire
• Valeurs et vecteurs propres d’une matrice carrée

172 / 263
Quelques interprétations géométriques Rappels de géométrie

Sous-section 1 :
Rappels de géométrie

173 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnée d’un point : Espace à 1 dimension

174 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnées d’un point : Espace à 2 dimensions

175 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnées d’un point : Espace à 3 dimensions

176 / 263
Quelques interprétations géométriques Rappels de géométrie

Définition (Vecteur de l’espace)


En géométrie, un vecteur est un segment orienté dans lequel on distingue le
point de départ (l’origine) du point d’arrivée (l’extrémité). Un vecteur est noté
−→
AB ou désigné par une lettre minuscule →−u , il est caractérisé par :

une direction : la droite (AB) ou l’une des ses parallèles ;

un sens : de l’origine A vers l’extrémité B ;


−→
une norme : la longueur du segment [AB], elle est notée k→

u k ou AB .

177 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnée d’un vecteur : Espace à 1 dimension

178 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnées d’un vecteur : Espace à 2 dimensions

179 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnées d’un vecteur : Espace à 3 dimensions

180 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnée d’un point vs Coordonnée d’un vecteur

Les coordonnées d’un point M de l’espace sont identiques à celles du vecteur


−−→
OM reliant l’origine des axes O au point M.

181 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnée d’un point vs Coordonnée d’un vecteur

Les coordonnées d’un point M de l’espace sont identiques à celles du vecteur


−−→
OM reliant l’origine des axes O au point M.

182 / 263
Quelques interprétations géométriques Rappels de géométrie

Coordonnée d’un point vs Coordonnée d’un vecteur

Les coordonnées d’un point M de l’espace sont identiques à celles du vecteur


−−→
OM reliant l’origine des axes O au point M.

183 / 263
Quelques interprétations géométriques Rappels de géométrie

Conclusion
Un vecteur x = (x1 , x2 , · · · , xn ) en algèbre correspond géométriquement aux
coordonnées d’un vecteur → −x reliant l’origine des axes O d’un espace à n dimen-
sions à un point M. Dans la suite, la notation x sera réservée aux vecteurs au
sens algébrique et la notation →

x aux vecteurs au sens géométrique.

Algèbre Géométrie

h i
x = x1 x2 ··· xn

 
x1
 
 x2 
 
x=
 .. 

.
 
xn
184 / 263
Quelques interprétations géométriques Rappels de géométrie

Remarque
Dans le reste de la présentation, les illustrations graphiques seront faites dans
des espaces à 2 dimensions uniquement et pour simplifier l’analyse les résultats
seront donnés pour le cas de deux vecteurs et peuvent aisément être généralisés
au cas de plusieurs vecteurs.

185 / 263
Quelques interprétations géométriques Égalité des vecteurs

Sous-section 2 :
Égalité des vecteurs

186 / 263
Quelques interprétations géométriques Égalité des vecteurs

Définition (Égalité de deux vecteurs)


−→ −→
Deux vecteurs AB et DC sont identiques si et seulement s’ils ont la même di-
rection, la même norme et le même sens. Par conséquent, le quadrilatère ABCD
formé par ces deux vecteurs est un parallélogramme.

187 / 263
Quelques interprétations géométriques Égalité des vecteurs

Propriété : Coordonnées de deux vecteurs identiques


−→ −→
Deux vecteurs AB et DC identiques ont les mêmes coordonnées, il suffit de
−→ −→
prendre les origines des vecteurs AB et DC comme origines des axes pour le
vérifier.

188 / 263
Quelques interprétations géométriques Opposition des vecteurs

Sous-section 3 :
Opposition des vecteurs

189 / 263
Quelques interprétations géométriques Opposition des vecteurs

Définition (Vecteurs opposés)


−→ −→
Deux vecteurs AB et CD sont opposés si et seulement s’ils ont la même direction,
la même norme et des sens opposés. Par conséquent, le quadrilatère ABCD formé
−→
par ces deux vecteurs est un parallélogramme. L’opposé du vecteur DC est noté
−→ −→ −→
−DC et l’on a −DC = CD.

190 / 263
Quelques interprétations géométriques Opposition des vecteurs

Propriété : Coordonnées de deux vecteurs opposés


−→ −→
Deux vecteurs AB et CD opposés ont des coordonnées opposées, il suffit de
−→ −→
prendre les origines des vecteurs AB et CD comme origines des axes pour les
retrouver.

191 / 263
Quelques interprétations géométriques Opposition des vecteurs

Exemple
   
−3 3
Le vecteur -u =   est l’opposé du vecteur u =  .
−2 2

Algèbre Géométrie

 
3
u= 
2

 
−3
-u =  
−2

192 / 263
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire

Sous-section 4 :
Multiplication d’un vecteur par un scalaire

193 / 263
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire

Définition (Multiplication d’un vecteur par un scalaire)


La multiplication d’un vecteur → −
u par un scalaire non nul α est un vecteur


v = α→ −u caractérisé par :

la même direction que celle du vecteur →



u;

le même sens que celui du vecteur →



u si α > 0 et le sens inverse si α < 0 ;

une norme égale à celle du vecteur →



u si |α| = 1, inférieure si |α| < 1 et
supérieure si |α| > 1.

Les vecteurs →

u et →

v sont dits colinéaires.

194 / 263
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire

Propriété : Coordonnées de deux vecteurs colinéaires


Les coordonnées du vecteur → −
v = α→ −
u sont obtenues en multipliant celles du


vecteur u par le scalaire α.

195 / 263
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire

Cas particulier
Lorsque α = −1 on retrouve l’opposé du vecteur →

u . On vérifie aisément que les
coordonnées du vecteur − u sont simplement les opposées du vecteur →

− −
u.

196 / 263
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire

Exemple
   
6 3
Le vecteur 2u =   est le double du vecteur u =   .
4 2

Algèbre Géométrie

 
3
u= 
2

 
6
2u =  
4

197 / 263
Quelques interprétations géométriques Addition des vecteurs

Sous-section 5 :
Addition des vecteurs

198 / 263
Quelques interprétations géométriques Addition des vecteurs

Théorème (Somme de deux vecteurs ayant la même origine)


−→ −→ −→ −→
La somme AB + AD de deux vecteurs AB et AD ayant la même origine A est
−→
le vecteur AC correspondant à la diagonale du parallélogramme ABCD généré
−→ −→
par les vecteurs AB et AD.

199 / 263
Quelques interprétations géométriques Addition des vecteurs

Propriété : Coordonnées de la somme de vecteurs ayant la même origine


Les coordonnées de la somme de deux vecteurs → −u (x1 , y1 ) et →

v (x2 , y2 ) ayant
la même origine sont données par les sommes respectives des coordonnées des
vecteurs →

u et →−
v , c’est à dire : [→

u +→

v ](x + x , y + y ).
1 2 1 2

200 / 263
Quelques interprétations géométriques Addition des vecteurs

Théorème (Somme de deux vecteurs consécutifs)


−→ −→ −→
La somme de deux vecteurs consécutifs AB et BC est le vecteur AC formé
par l’origine du premier vecteur et par l’extrémité du deuxième, c’est à dire
−→ −→ −→
AB + BC = AC. Cette égalité est la relation de Chasles.

201 / 263
Quelques interprétations géométriques Addition des vecteurs

Propriété : Coordonnées de la somme de vecteurs consécutifs


Les coordonnées de la somme de deux vecteurs → −
u (x1 , y1 ) et →

v (x2 − x1 , y2 − y1 )
consécutifs sont données par la somme des coordonnées des vecteurs → −u et →−v,
c’est à dire : [→

u +→

v ](x2 , y2 ).

202 / 263
Quelques interprétations géométriques Addition des vecteurs

Conclusion
Quelle que soit la nature des vecteurs → −
u et →−v à additionner (consécutifs ou
ayant la même origine), le coordonnées de la somme des vecteurs → −
u +→ −v sont
données par les sommes respectives des coordonnées des vecteurs →

u et →

v.

203 / 263
Quelques interprétations géométriques Addition des vecteurs

Exemple
h i h i h i
Le vecteur w = 6 5 est la somme des vecteurs u = 4 2 et v = 2 3 .

Algèbre Géométrie

h i
u= 4 2

h i
v= 2 3

h i h i h i
w= 4 2 + 2 3 = 6 5

204 / 263
Quelques interprétations géométriques Différence des vecteurs

Sous-section 6 :
Différence des vecteurs

205 / 263
Quelques interprétations géométriques Différence des vecteurs

Théorème (Différence de deux vecteurs ayant la même origine)


−→ −→ −→ −→
La différence AB − AD de deux vecteurs AB et AD ayant la même origine A
−→ −→
est égale à la somme du vecteur AB et de l’opposé du vecteur AD, c’est à dire :
−→ −→
AB + (−AD).

206 / 263
Quelques interprétations géométriques Différence des vecteurs

Propriété : Coordonnées de la différence de vecteurs ayant la même origine


Les coordonnées de la différence de deux vecteurs → −u (x1 , y1 ) et →

v (x2 , y2 ) ayant
la même origine sont données par les différences respectives des coordonnées des
vecteurs →

u et →−v , c’est à dire : [→

u −→

v ](x − x , y − y ).
1 2 1 2

207 / 263
Quelques interprétations géométriques Différence des vecteurs

Théorème (Différence de deux vecteurs consécutifs)


−→ −→ −→ −→
La différence AB − BC de deux vecteurs consécutifs AB et BC est égale à la
−→ −→ −→ −→
somme du vecteur AB et de l’opposé du vecteur BC, c’est à dire : AB + (−CB).

208 / 263
Quelques interprétations géométriques Différence des vecteurs

Propriété : Coordonnées de la différence de vecteurs consécutifs


Les coordonnées de la différence de deux vecteurs → −
u (x1 , y1 ) et →

v (x2 −x1 , y2 −y1 )
consécutifs sont données par la différence des coordonnées des vecteurs → − u et →
−v,
c’est à dire : [→

u −→

v ](2x1 − x2 , 2y1 − y2 ).

209 / 263
Quelques interprétations géométriques Différence des vecteurs

Conclusion
Quelle que soit la nature des vecteurs → −u et → −v à soustraire (consécutifs ou
ayant la même origine), le coordonnées de la différence des vecteurs →

u −→−
v sont
données par les différences respectives des coordonnées des vecteurs →

u et →

v.

210 / 263
Quelques interprétations géométriques Différence des vecteurs

Exemple
h i h i h i
Le vecteur w = 6 5 est la différence des vecteurs u = 4 2 et v = 2 3 .

Algèbre Géométrie

h i
u= 4 2

h i
v= 3 3

h i h i h i
w= 4 2 − 3 3 = 1 −1

211 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Sous-section 7 :
Produit scalaire de deux vecteurs

212 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Théorème (Produit scalaire de deux vecteurs)


Le produit scalaire →

− →
u,−v de deux vecteurs → −
u et →


v ayant la même origine et
formant un angle θ est donnée par : u , v = u · →


− →
− →
− −
v · cos θ.

213 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Exemple
− √ √
⇒ →
h i
π
u= 6 2 u = 62 + 22 = 40 θ= 4

− √ √ √
⇒ →
h i
2
v= 2 4 v = 22 + 42 = 20 cos θ = 2

Algèbre
hu, vi = 6 × 2 + 2 × 4 = 20

Géométrie




u,→

v = →
− →
u · −

v · cos θ

√ √ 2
= 40 × 20 ×
2
= 20

214 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Cas particulier : Produit scalaire de deux vecteurs orthogonaux

→ π

u,→

v = →
− →
u · −

v · cos
| {z 2 }
0

=0

215 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Exemple
− √ √
⇒ →
h i
π
u= 6 2 u = 62 + 22 = 40 θ= 2


⇒ →
h i − p
v = −1 3 v = (−1)2 + 32 = 10 cos θ = 0

Algèbre
hu, vi = 6 × (−1) + 2 × 3 = 0

Géométrie




u,→

v = →
− →
u · −

v · cos θ
√ √
= 40 × 10 × 0

=0

216 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Cas particulier : Produit scalaire de deux vecteurs colinéaires



u,→

v = →
− →
u · −

v · cos
| {z 0}
1

= →
− →
u · −

v

217 / 263
Quelques interprétations géométriques Produit scalaire de deux vecteurs

Exemple
− √ √
⇒ →
h i
u= 6 2 u = 62 + 22 = 40

− √ √
⇒ →
h i
v= 3 1 v = 32 + 12 = 10

Algèbre
hu, vi = 6 × 3 + 2 × 1 = 20

Géométrie



u,→

v = →
− →
u · −

v
√ √
= 40 × 10

= 20

218 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Sous-section 8 :
Dépendance et indépendance linéaires

219 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Définition (Vecteurs colinéaires)


Deux vecteurs → −
u et →−
v sont colinéaires s’ils ont la même direction.

220 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Propriété : Colinéarité et dépendance linéaire


Deux vecteurs → −u et →−v sont colinéaires si l’un est le produit de l’autre par un


scalaire non nul α, c’est à dire → −v = α→ −u ou encore α→ −
u + β→ −
v = 0 (avec
β = −1). Ainsi, deux vecteurs colinéaires sont linéairement dépendants.

Exemple
h i h i
u= 3 1 v= 6 2

Algèbre Géométrie
h i
v= 6 2
h i
= 2×3 2×1
h i
=2 3 1

= 2u
221 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Définition (Vecteurs coplanaires)


Trois vecteurs →−
u, →
−v et →

w sont coplanaires s’ils sont dans le même plan.

222 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Propriété : Coplanarité et dépendance linéaire


Trois vecteurs → −
u, →
−v et → −
w sont coplanaires si l’un est la combinaison linéaire


des deux autres, c’est à dire → −
w = α→−
u + β→ −v ou encore α→
−u + β→

v + γ→−w = 0
(avec γ = −1). Ainsi, trois vecteurs coplanaires sont linéairement dépendants.

Exemple
h i h i h i
u= 4 2 0 v= 2 4 0 w= 6 6 0

Algèbre Géométrie
h i
w= 6 6 0
h i
= 4+2 2+4 0+0
h i h i
= 4 2 0 + 2 4 0

= 1u + 1v
223 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Définition (Vecteurs orthogonaux)


Deux vecteurs → −
u et →−v sont orthogonaux si leurs directions sont perpendicu-
laires. Plus généralement, trois vecteurs →

u, →

v et →−
w sont orthogonaux si la
direction de l’un est perpendiculaire au plan généré par les directions (elles-
mêmes perpendiculaires) des deux autres.

224 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Propriété : Orthogonalité et indépendance linéaire


Deux vecteurs → −u et →
−v sont orthogonaux si α = 0 est le seul scalaire α qui

− →

vérifie v = α u . Plus généralement, trois vecteurs sont orthogonaux si les seuls


scalaires qui vérifient α→

u + β→

v + γ→

w = 0 sont α = β = γ = 0. Ainsi, des
vecteurs orthogonaux sont linéairement indépendants.

225 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Exemple    
6 −2
u=  v= 
2 6

Algèbre Géométrie

αu + βv = 0
     
6α −2β 0
⇒ + = 
2α 6β 0
   
6α − 2β 0
⇒ = 
2α + 6β 0
   
α 0
⇒ = 
β 0

226 / 263
Quelques interprétations géométriques Dépendance et indépendance linéaires

Exemple      
4 0 0
     
u = 0 v = 4 w = 0
     
     
0 0 3

Algèbre Géométrie

αu + βv + γw = 0
       
4α 0 0 0
       
⇒  0  + 4β  +  0  = 0
       
       
0 0 3γ 0
   
α 0
   
⇒ β  = 0
   
   
γ 0
227 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Sous-section 9 :
Déterminant d’une matrice carrée

228 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Remarque préliminaire
Une matrice An×m peut être décomposée en m vecteurs colonnes c1 ,... et cm
de tailles n comme suit :
     
a11 ··· a1j ··· a1m a11 a1m
 . .. ..   .   . 
 . .. ..  .   . 
. .

 . . .   .   . 
     
A =  ai1 ··· ··· aim  c1 =  ai1  · · · cm =  aim 
     
aij
     
 . .. .. .. ..   .   . 
 .. . . . .   ..   .. 
     
an1 ··· anj ··· anm an1 anm

Elle peut donc s’écrire de façon plus compacte de la manière suivante :

h i
A = c1 c2 ··· cm

229 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Théorème (Déterminant d’une matrice carrée d’ordre 2)


Le déterminant d’une matrice carrée d’ordre 2 est égal à l’aire algébrique du
parallélogramme généré par les colonnes de la matrice.

 
x1 x2
A= 
y1 y2

   
x1 x2
c1 =   c2 =  
y1 y2

230 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Démonstration.
     
x1 x2 x1 x2
M =  u=  v= 
y1 y2 y1 y2

x2 y2
AOAB =
2
x1 y1
AOCD =
2
(x2 − x1 )(y2 − y1 )
AADE =
2
ABCDE = y1 (x2 − x1 )

AOAD = AOAB − (AOCD + AADE + ABCDE ) = 12 (x1 y2 − x2 y1 ) = 12 det(M )


AOAFD = 2AOAD = det(M )

231 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Exemple
     
4 6 4 6
M =  u=  v= 
2 5 2 5

6×5
AOAB = = 15
2
4×2
AOCD = =4
2
(6 − 4)(5 − 2)
AADE = =3
2
ABCDE = 2(6 − 4) = 4

AOAD = AOAB − (AOCD + AADE + ABCDE ) = 12 (4 × 5 − 6 × 2) = 12 det(M ) = 4


AOAFD = 2AOAD = det(M ) = 8

232 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Cas particulier : Déterminant d’une matrice à colonnes dépendantes


     
x1 αx1 x1 αx1
M =  u=  v= 
y1 αy1 y1 αy1

α2 x1 y1
AOAB =
2
x1 y1
AOCD =
2
x1 y1 (α − 1)2
AADE =
2
ABCDE = x1 y1 (α − 1)

1
det(M ) = AOAD = AOAB − (AOCD + AADE + ABCDE ) = 0
2
det(M ) = 0

233 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Exemple
     
3 2×3 3 6
M =  u=  v= 
3 2×3 3 6

22 × 3 × 3
AOAB = = 18
2
3×3
AOCD = = 4.5
2
3 × 3 × (2 − 1)2
AADE = = 4.5
2
ABCDE = 3 × 3 × (2 − 1) = 9

1
det(M ) = AOAD = AOAB − (AOCD + AADE + ABCDE ) = 0
2
det(M ) = 0

234 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Théorème (Déterminant d’une matrice carrée d’ordre 3)


Le déterminant d’une matrice carrée d’ordre 3 est égal au volume algébrique du
parallélépipède généré par les colonnes de la matrice.

 
x1 x2 x3
 
A = y1
 
y2 y3 
 
z1 z2 z3

     
x1 x2 x
     3
c1 = y1  ; c2 = y2  ; c3 = y3 
     
     
z1 z2 z3

235 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Exemple
       
4 0 0 4 0 0
       
M = 0 c1 = 0 c2 = 2 c3 = 0
       
2 0
       
0 0 3 0 0 3

det(M ) = 4 × 2 × 3 = 24 V = 4 × 2 × 3 = 24

236 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Cas particulier : Déterminant d’une matrice à colonnes dépendantes


       
x1 x2 αx1 + βx2 x x αx1 + βx2
   1  2  
M = y1 c1 = y1  c2 = y2  c3 = αy1 + βy2 
       
y2 αy1 + βy2 
       
z1 z2 αz1 + βz2 z1 z2 αz1 + βz2

det(M ) = 0 V=0

237 / 263
Quelques interprétations géométriques Déterminant d’une matrice carrée

Exemple
       
4 2 1×4+1×2 4 2 6
       
M = 2 1 × 2 + 1 × 4 c1 = 2 c2 = 4 c3 = 6
       
4
       
0 0 1×0+1×0 0 0 0

det(M ) = 0 V=0

238 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Sous-section 10 :
Matrice associée à une transformation linéaire

239 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Définition (Transformation linéaire)


Une transformation linéaire T est une application qui transforme un vecteur


u en un autre vecteur →

v . Elle est dite linéaire parce qu’elle vérifie la condition
T (α→

u + β→

v ) = αT (→

u ) + βT (→

v ) pour deux vecteurs quelconques →

u et →

v
et deux scalaires α et β. Il peut s’agir, par exemple, d’une projection ortho-
gonale d’un vecteur sur une droite, d’une rotation d’un vecteur d’un angle θ
autour d’un point, d’une homothétie d’un vecteur d’un rapport k ...etc. A ces
transformations, on associe des matrices M telles que M · →

u =→

v.

240 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Définition (Matrice de projection orthogonale)


La matrice P associée à la projection orthogonale d’un vecteur →

u sur le plan (sur
h i
ou la droite) généré(e) par les colonnes d’une matrice A = c1 c2 · · · cm
est donnée par : P = A(A> A)−1 A> .
Le résultat de la projection est un vecteur →

v défini par : →

v =P ·→

u.

241 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Exemple (Projection orthogonale sur une droite)


       
2 1 0 2 2
A=  P =  u=  v= 
0 0 0 3 0

Algèbre Géométrie

P ·u=v

    
1 0 2 2
   =  
0 0 3 0

242 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Exemple (Projection orthogonale sur un plan)


       
5 0 1 0 0 5 5
       
A = 0 P = 0 u = 4 v = 4
       
4 1 0
       
0 0 0 0 0 5 0

Algèbre Géométrie

P ·u=v

    
1 0 0 5 5
    
0 1 0 4 = 4
    
    
0 0 0 5 0

243 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Définition (Matrice de rotation d’un angle θ)


La matrice Rθ associée à la rotation d’un vecteur →

u d’un angle θ est donnée
par :  
cos θ − sin θ
Rθ =  
sin θ cos θ

Le résultat de la rotation est un vecteur →



v défini par : Rθ · →

u =→

v.

244 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Exemple (Rotation d’un angle θ autour de l’origine des axes)

     
0 −1 6 −2
R π2 =  u=  v= 
1 0 2 6

Algèbre Géométrie

R π2 · u = v

    
0 −1 6 −2
   =  
1 0 2 6

245 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Définition (Matrice d’homothétie de rapport k )


La matrice Hk associée à l’homothétie de centre O de rapport k d’un vecteur


u est donnée par :  
k 0
Hk =  
0 k

Le résultat de l’homothétie est un vecteur →



v défini par : →

v = Hk · →

u = k→

u.

Si |k | > 1, il s’agit d’une dilatation du vecteur →



u;

Si |k | < 1, il s’agit d’une contraction du vecteur →



u.

246 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Exemple (Homothétie de centre O et de rapport 2)

     
2 0 −2 −4
H2 =   u=  v= 
0 2 1 2

Algèbre Géométrie

H2 · u = v

    
2 0 −2 −4
   =  
0 2 1 2

247 / 263
Quelques interprétations géométriques Matrice associée à une transformation linéaire

Exemple (Homothétie de centre O et de rapport -1)

     
−1 0 −2 2
H−1 =  u=  v= 
0 −1 1 −1

Algèbre Géométrie

H−1 · u = v

    
−1 0 −2 2
   =  
0 −1 1 −1

248 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Sous-section 11 :
Valeurs et vecteurs propres d’une matrice carrée

249 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Rappel : Valeurs et vecteurs propres


Un vecteur non nul v est un vecteur propre (ou un vecteur caractéristique) d’une
matrice carrée A s’il existe un scalaire λ tel que Av = λv. Le scalaire λ est alors
une valeur propre (ou une valeur caractéristique) de la matrice A.

Interprétation géométrique :
Un vecteur non nul → −v est un vecteur propre d’une matrice carrée A si sa mul-
tiplication par cette matrice (A→ −v ) est simplement son multiple (λ→ −
v ). Il en
résulte que cette multiplication peut altérer la norme ou le sens du vecteur →−
v
mais en aucun cas elle ne peut modifier sa direction :

Norme : allongée (|λ| > 1), raccourcie (|λ| < 1) ou inchangée (|λ| = 1) ;

Sens : inversé (λ < 0) ou inchangé (λ > 0) ;

Direction : inchangée.

250 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 2
u=  ⇒ Au =   = 1u X
  1 1
1 0
A=     
1 −1 1 1
v=  ⇒ Av =   6= λv ∅
2 −1

251 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 −2
u=  ⇒ Au =   = (−1)u X
  1 −1
1 −4
A=     
0 −1 1 −7
v=  ⇒ Av =   6= λv ∅
2 −2

252 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 4
u=  ⇒ Au =   = 2u X
  1 2
1 2
A=     
1 0 1 5
v=  ⇒ Av =   6= λv ∅
2 1

253 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 −4
u=  ⇒ Au =   = (−2)u X
  1 −2
1 −6
A=     
−1 0 1 −11
v=  ⇒ Av =   6= λv ∅
2 −1

254 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 1
u=  ⇒ Au =   = 21 u X
1
  1 2
−1 3
A=     
1
0 2 1 5
v=  ⇒ Av =   6= λv ∅
2 1

255 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple
   
2 −1
u=  ⇒ Au =   = (− 12 )u X
  1 − 12
−1 1
A=     
1
2 − 23 1 1
v=  ⇒ Av =   6= λv ∅
2 − 25

256 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple (Projection orthogonale sur une droite)


   
2 2
u=  ⇒ P u =   = 1u X
  0 0
1 0
P=      
0 0 2 2
v=  ⇒ P v =   6= λv ∅
3 0

257 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple (Rotation d’un angle θ autour de l’origine des axes)


     
−1 0 3 −3
Rπ =   u=  ⇒ Rπ u =   = (−1)u X
0 −1 2 −2
     
0 −1 6 −2
R π2 =  v=  ⇒ R π2 v =   6= λv ∅
1 0 2 6

258 / 263
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée

Exemple (Homothétie de centre O et de rapport k )


     
2 0 −2 −4
H2 =   u=  ⇒ H2 u =   = 2u X
0 2 1 2
     
−1 0 −2 2
H−1 =  v=  ⇒ H−1 v =   = (−1)v X
0 −1 1 −1

259 / 263