Académique Documents
Professionnel Documents
Culture Documents
Le Plus Important en MATRICE
Le Plus Important en MATRICE
Introduction ............................................................................................................................2
1 Définitions ......................................................................................................................2
2 Opérations sur les matrices.............................................................................................3
2.1 Addition de deux matrices......................................................................................3
2.2 Multiplication d’une matrice par un scalaire..........................................................4
2.3 Multiplication de matrices ......................................................................................5
2.4 Transposition de matrice ........................................................................................7
3 Matrices carrées, matrices élémentaires .........................................................................8
3.1 Matrices carrées......................................................................................................8
3.2 Matrices diagonales ................................................................................................8
3.3 Matrice Identité.......................................................................................................9
3.4 Matrices Inversibles..............................................................................................10
3.5 Matrices symétriques............................................................................................10
3.6 Matrices triangulaires ...........................................................................................11
3.7 Matrices orthogonales...........................................................................................11
3.8 Matrices normales.................................................................................................12
4 Déterminant d’une matrice carrée ................................................................................12
4.1 Formes multilinéaires alternées ............................................................................12
4.2 Déterminant d’un système de vecteurs.................................................................13
4.3 Déterminant d’une matrice carrée ........................................................................13
4.4 Déterminant et volume .........................................................................................18
5 Inversion de matrices....................................................................................................18
5.1 Matrice adjointe....................................................................................................18
5.2 Théorèmes ............................................................................................................19
5.3 Cas d’une matrice d’ordre 2 .................................................................................19
5.4 Cas d’une matrice d’ordre 3 .................................................................................20
5.5 Cas particulier : inverse d’une matrice diagonale ................................................20
6 Exemples d’utilisation en Biologie...............................................................................20
Mathématiques : Outils pour la Biologie – Deug SV2 – UCBL S. Charles (10/02/03)
......................................................................................................................................................................................................
Introduction
Historiquement c’est Cayley, parallèlement aux travaux de Grassmann, qui dégage la notion
d'espace vectoriel de dimension n, et introduit, avec Sylvester, la notion de matrice (le terme
sera introduit par ce dernier en 1850) et en expose l'usage en faisant emploi des déterminants
(dont l'initiateur fut Cauchy) dans une théorie plus large dite des invariants (1858) : on
entend là des propriétés matricielles invariantes par transformation linéaire comme, par
exemple, le déterminant et la trace (somme des éléments diagonaux).
1 Définitions
Définition 1
Un tableau rectangulaire de la forme ci-dessous est appelé matrice.
p colonnes
a11 a12 a1 p
a21 a22 a2 p
A=
an1 an 2 anp
n lignes
Définition 2
Le couple ( n, p ) est appelé dimension de la matrice.
Définitions 3
Une matrice de dimension ( n,1) est une matrice colonne.
Exemple
2 3
A = 4 2 A a pour dimension ( 3, 2 ) a12 = 3 a31 = 1
1 0
Définition 4
Soient B ′ = {e1′, e2′ ,… , en′ } la base canonique de n
et B = {e1 , e2 ,… , e p } la base canonique de
p
. Soit A = aij une matrice de dimension ( n, p ) . Alors :
n
• c j = ∑ akj ek′ est le j-ième vecteur colonne extrait de A ; c’est un vecteur de n
dont les
k =1
Exemple
2 3
A = 4 2 B ′ = {e1′, e2′ , e3′ } base de 3
B = {e1 , e2 } base de 2
.
1 0
c1 = 2e1′ + 4e2′ + e3′ c2 = 3e1′ + 2e2′
Définition
Soient deux matrices A = aij et B = bij toutes deux de dimension ( n, p ) ;
Exemple 1
2 3 1 2
Soient A = 4 2 et B = 0 1 . Calculer A + B . Réponse.
1 0 1 4
Propriétés
Soient A, B et C trois matrices de dimension ( n, p ) et 0 la matrice ( n, p ) dont les éléments
Remarque : − A = − aij
a b − a −b
Par exemple, si A = , alors − A = .
c d −c − d
Définition
Soient A = aij une matrice de dimension ( n, p ) et λ ∈ . On définit la matrice λ A
comme matrice dont tous les coefficients sont multipliés par λ : λ A = λ aij .
Exemple 2
2 3
Soient A = 4 2 et λ = 3 . Calculer λ A . Réponse.
1 0
Remarque : − A = ( −1) A
Propriétés
Soient A et B deux matrices de dimension ( n, p ) et λ , µ deux réels.
(i) λ ( A + B ) = λ A + λB
(ii) (λ + µ ) A = λA + µ A
(iii) ( λµ ) A = λ ( µ A )
(iv) 1× A = A et 0× A = 0 (ne pas confondre 0 scalaire et 0 matrice)
Conséquence
Compte tenu des propriétés ci-dessus, l’ensemble des matrices de dimension ( n, p ) , muni des
Définition
Soient A = [ aik ] une matrice ( n, p ) et B = bkj une matrice ( p, q ) le produit des deux
Remarque
Le produit AB n’est donc possible que si le nombre de colonnes de A est égal au nombre de
lignes de B (p).
Moyen mnémotechnique
Exemple 3
2 1 −4 2
Soient A= et B= . Calculer AB. Réponse.
1 4 0 2
Remarques
En général, la multiplication de deux matrices n’est pas commutative :
• Si AB existe, BA n’existe pas forcément.
• Si BA existe, alors généralement AB ≠ BA .
Exemple 3 (suite)
Vérifier avec les matrices A et B précédentes que AB ≠ BA . Réponse.
Propriétés
Soient A ( n, p ) , B ( p, q ) , C ( q, s ) , D ( p, q ) et E ( q, n ) :
Définition
a11 a12 a1 p
a21 a22 a2 p
Soit A = , la matrice transposée de A notée A′ ou t A est la matrice
an1 an 2 anp
Exemple 4
2 3
Soit A = 4 2 . Calculer t A . Réponse.
1 0
Propriétés
Soient A ( n, p ) , B ( n, p ) , C ( p, q ) trois matrices et soit λ ∈ :
( A + B) = t A + t B
t
(i)
( A) = A
(ii) t t
(λA) = λ t A
t
(iii)
( AC ) = t C t A
t
(iv)
1 0 −1 1
Définition
Une matrice dont le nombre de lignes est égal au nombre de colonnes est appelée matrice
carrée. Si elle a pour dimension ( n, n ) , on dit alors qu’elle est d’ordre n.
Rappelons que l’addition et la multiplication de matrices ne sont pas définies pour des
matrices quelconques. Cependant, si on considère uniquement des matrices carrées d’ordre n
donné, alors les opérations d’addition, de multiplication, de multiplication par un scalaire, et
de transposition sont définies et leurs résultats sont encore des matrices carrées d’ordre n.
Exemple
1 2 3 2 −5 1
Soient A = −4 −4 −4 et B = 0 3 −2 . A et B sont des matrices carrées d’ordre 3.
5 6 7 1 2 −4
Vérifier que A + B , 2 A , t A et AB sont également des matrices carrées d’ordre 3. Réponse.
Définition 1
On appelle diagonale (ou diagonale principale) d’une matrice carrée d’ordre n, les éléments
a11 , a22 ,… , ann de la matrice.
Exemple
a11 a12 a13
A = a21 a 22 a23 a11 , a22 , a33 sont les éléments de la diagonale de A
a a 33
31 a32
Définition 2
Une matrice carrée D = dij est dite diagonale si tous ses éléments non diagonaux sont nuls.
Une telle matrice est fréquemment notée D = diag ( d11 , d 22 ,… , d nn ) où certains ou tous les
Exemples
1 0 0 0
1 0 0
4 0 0 0 0 0
D1 = 0 3 0 D2 = D3 =
0 0 2 0 −5 0 0 −2 0
0 0 0 5
Définition
Une matrice carrée d’ordre n ne comportant que des 1 sur la diagonale principale et des 0
partout ailleurs, est notée I n et est appelée matrice unité ou matrice identité.
Exemple
1 0 0
I3 = 0 1 0
0 0 1
Propriété 1
Quelle que soit A ( n, p ) AI p = I n A = A
Exemple
1 3
Soit A = −2 0 . Vérifier que AI 2 = I 3 A . Réponse.
4 1
Propriété 2
La matrice λ I n , pour tout λ ∈ , est appelée matrice scalaire. C’est la matrice diagonale
Exemple
λ 0 0
λI 3 = 0 λ 0
0 0 λ
Remarque
On parle de « matrice scalaire » car elle joue le même rôle que celui d’un scalaire dans la
multiplication d’une matrice par un scalaire : A ( λ I p ) = ( λ I n ) A = λ A .
Définition
Une matrice carrée A, d’ordre n, est dite inversible ou non singulière, s’il existe une matrice
carrée B d’ordre n telle que AB = BA = I n , Une telle matrice B est unique, d’ordre n ; on
Remarque
La relation précédente est symétrique, c’est-à-dire que si B est l’inverse de A, alors A est
l’inverse de B.
Définition
Une matrice carrée est dite symétrique si et seulement si t A = A . Autrement dit si ∀i ≠ j ,
aij = a ji .
Exemple
1 2 −3
A= 2 4 9
−3 9 0
Définition
Une matrice triangulaire est une matrice carrée dont les éléments au-dessous (ou au-dessus)
de la diagonale principale sont tous nuls.
Exemples
1 2 −3
0 4 9 : Matrice triangulaire supérieure
0 0 2
1 0 0
2 3 0 : Matrice triangulaire inférieure
4 8 2
Définition
Une matrice carrée d’ordre n est dite orthogonale si A t A = t AA = I n .
Exemple
1 8 −4
9 9 9
−4 −7
A=
4
9 9 9
8 1 4
9 9 9
Propriété
Si A est une matrice orthogonale, alors elle est inversible et A −1 = t A .
Définition
Une matrice carrée d’ordre n est dite normale si A t A = t AA , autrement dit si A et sa
transposée t A commutent.
Remarque
Il est clair que si A est symétrique ou orthogonale, alors elle est normale. Mais il existe
d’autres matrices normales.
Exemple
6 −3
A=
3 6
On rappelle que E n = E × E × … × E .
n − fois
Définition 1
• Soit E un espace vectoriel. Une application de D : E n → F est une application
multilinéaire ou n-linéaire si elle est linéaire par rapport à chacune de ses variables :
(i) Soit ( x1 , x2 ,… , xn ) ∈ E n tel que xi = ui + vi . Alors :
D ( x1 ,… , ui + vi ,… , xn ) = D ( x1 ,… , ui ,… , xn ) + D ( x1 ,… , vi ,… , xn )
D ( x1 ,… , λ ui ,… , xn ) = λ D ( x1 ,… , ui ,… , xn )
Définition 2
Soit E un espace vectoriel et D : E n → une forme n-linéaire. On dit que D est alternée si
D ( x1 ,… , xi ,… , x j ,… , xn ) = 0 chaque fois que deux des xi sont identiques :
Théorème
Définition
Cette application D : ( )
n n
→ n-linéaire alternée et telle que D ( e1 ,… , ei ,… , en ) = 1 est
Remarque
det ( v1 , v2 ,… , vn ) ∈ .
Soit A une matrice carrée d’ordre n. Soit A = aij . Chaque colonne de A peut alors être
n
considérée comme un vecteur de :
A = v1 v2 … v p avec v j = ( a1 j , a2 j ,… , anj ) pour j = 1, n
Ainsi, la définition de la notion de déterminant d’une matrice carrée est étroitement liée à la
définition du déterminant d’un système de vecteurs :
det ( A ) = det ( v1 , v2 ,… , vn )
a11 … a1n
On note alors det ( A ) = , et on par le de déterminant d’ordre n.
an1 ann
Définition
a c a c
Soit A = . Alors det ( A ) = = a× d − b×c .
b d b d
Moyen mnémotechnique
Exemple 8
2 5
Soit A = . Calculer det ( A ) . Réponse.
3 7
Règle de Sarrus
Cette règle n’est valable que pour des matrices carrées d’ordre 3, et n’est absolument
pas généralisable. Mieux vaut donc lui préférer la règle générale énoncée dans le
paragraphe suivant.
a1 b1 c1
Soit M = a2 b2
c2 .
a c3
3 b3
Exemple 9
2 1 0
Soit M = 1 4 2 . Calculer det ( M ) par la règle de Sarrus. Réponse.
3 1 1
an1 an 2 ann
n
∆ = ∑ aij X ij , développement par rapport à la ligne i
j =1
n
∆ = ∑ aij X ij , développement par rapport à la colonne j
i =1
Application :
∆ = a11 X 11 + a12 X 12 + … + a1 p X 1 p (ligne 1)
a22 … a2 p a21 … a2 p
X 11 = +∆11 = X 12 = −∆12 =
a p 2 … a pp a p1 … a pp
Remarque
∆ = a1 X 11 + a2 X 21 + a3 X 31 (colonne 1)
∆ = a1∆11 − a2 ∆ 21 + a3∆ 31
b2 c2 b c1 b c1
∆ = a1 − a2 1 + a3 1
b3 c3 b3 c3 b2 c2
Exemple 10
1 1 4
Calculer le déterminant suivant ∆ = 2 −1 3 , avec la méthode des cofacteurs. Réponse.
−2 4 3
Propositions
b) Si on échange deux lignes (deux colonnes) d’un déterminant alors on obtient − det ( A )
a c c a
= ad − bc et = bc − ad = −(ad − bc)
b d d b
c) On ne modifie pas un déterminant si on ajoute à une ligne (resp. une colonne) une
combinaison linéaire des autres lignes (resp. des autres colonnes) :
a b
= ad − bc
c d
a+b b
= (a + b)d − b(c + d ) = ad + bd − bc − bd = ad − bc
c+d d
d) Si on multiplie une ligne (resp. une colonne) d’un déterminant par un scalaire λ , alors le
déterminant est lui-même multiplié par λ .
a b
= aλ d − bλ c = λ (ad − bc)
λc λ d
n
e) Si A = aij est une matrice triangulaire d’ordre n alors det A = ∏ aii (produit des termes
i =1
a1 0 0
Exemple : A = 0 a3
0 ⇒ det ( A ) = a1a2 a3
0 a3
0
h) det ( A −1 ) =
1
det ( A )
i) det ( λ A ) = λ n det ( A )
Exemple 11 (propositions b et c)
1 1 4
Soit A = 2 −1 3 . Vérifier les propositions b et c précédentes. Réponse.
−2 4 3
Les déterminants sont liés aux aires et aux volumes. Soient u1 , u2 ,… , un des vecteurs de n
.
Soit S le parallélépipède (solide) déterminé par ces vecteurs :
S = {α1u1 + α 2u2 + … + α nun α i ∈ [ 0;1] pour i = 1, n}
V ( S ) = det ( u1 , u2 ,… , un )
V ( S ) = det ( A )
Proposition
V ( S ) = det ( u1 , u2 ,… , un ) = 0 si et seulement si les vecteurs u1 , u2 ,… , un sont linéairement
dépendants.
5 Inversion de matrices
Définition
Considérons une matrice carrée A d’ordre n, la matrice des cofacteurs X ij des éléments aij de
Exemple 12
a a12
A = 11 . Calculer adjA . Réponse.
a21 a22
5.2 Théorèmes
Théorème 1
Soit A une matrice carrée d’ordre n. Alors A est une matrice inversible si et seulement si
det ( A ) ≠ 0 .
Théorème 2
Soit A une matrice carrée quelconque d’ordre n. Alors :
Théorème 3
Soit A une matrice carrée quelconque d’ordre n. Si det ( A ) ≠ 0 , alors A est inversible et :
1
A −1 = ( adjA )
t
det ( A )
a b
Soit A= . On sait que |A| = det(A) = (ac-bd).
d c
c −d −1 1 c −b
La matrice adjointe de A est adjA = : A = .
−b a (ac − bd ) −d a
Exemple 13
2 5 −1
Soit A = . Calculer A . Réponse.
3 7
Définition
Si A = diag [ aii ] est une matrice diagonale inversible d’ordre n :
n
(i) det ( A ) = ∏ aii ≠ 0 ⇒ ∀i = 1, n aii ≠ 0
i =1
1
(ii) A −1 = diag
aii
a11 1 a11
a22 0 1 a22 0
A= A −1 =
0 0
a pp 1 a pp
Les jeunes d'un an mesurent en moyenne 15 cm et sont tous immatures. Les poissons de 2 ans
mesurent 27 cm et la moitié d'entre eux sont adultes (i.e. sexuellement matures). À 3 ans tous
les poissons sont adultes et mesurent en moyenne 35 cm.
On admettra dans la suite que la sex-ratio est 1.
Une femelle fournit chaque année 200 alevins, 90 % d'entre eux meurent avant 1 an. 50 % des
jeunes d'un an meurent avant l'âge de 2 ans. A partir de l'âge de 2 ans, 40% des poissons
meurent par an.
0 0 30 60
0.1 0 0 0
Pn +1 = Pn ⇔ Pn +1 = APn
0 0.5 0 0
0 0 0.6 0.6
La matrice A permet de décrire l’évolution d’année en année de l’effectif des quatre classes
d’âge de la population.
Ainsi, si on suppose que l’on lâche dans une rivière dépeuplée 100 ombres adultes (de 3 ans)
après leur période de reproduction, on peut alors étudier l’évolution du repeuplement de la
rivière au cours du temps :
• A n = 0 (le moment de la réintroduction des ombres), on a P0 = ( 0, 0, 0,100 )
0 0 30 60 0 6000
0.1 0 0 0 0 0
• L’année suivante, à n = 1 , on a P1 = AP0 , soit : P1 = =
0 0.5 0 0 0 0
0 0 0.6 0.6
100 60
0 0 30 60 6000 3600
0.1 0 0 0 0 60
• A n = 2 , on a P2 = AP1 , c’est-à-dire P2 = = .
0 0.5 0 0 0 0
0 0 0.6 0.6 60 36
• Et ainsi de suite…
On peut remarquer que P2 = AP1 = AAP0 = A 2 P0 ; dans le cas général, on peut connaître les
effectifs des quatre classes d’âge pour n’importe quelle année n par la relation : Pn = A n P0 .
300000
250000
200000
Effectif
150000
100000
50000
0
0 5 10 15 20
Temps (années)