Académique Documents
Professionnel Documents
Culture Documents
1
Rappels et compléments d’algèbre linéaire
Pn
Produit scalaire élémentaire : a0 b = i=1 ai bi où a et b sont des vecteurs- 2.3.2 Déterminant
colonnes.
On note |A| le déterminant de la matrice carrée A (p × p). Il vérifie :
Produit : [AB]ji = a0i bj avec A(n×p) , B(p×q) et AB(n×q) , et pour des ma-
p
trices par blocs : Y
|A| = ajj , si A est triangulaire ou diagonale,
j=1
A11 A21 B11 B21 A11 B11 + A21 B12 A11 B21 + A21 B22
= |αA| = α |A|, p
A12 A22 B12 B22 A12 B11 + A22 B12 A12 B21 + A22 B22
|AB| = |A||B|,
sous réserve de compatibilité des dimensions.
A B
0 C = |A||C|,
2
Rappels et compléments d’algèbre linéaire
singulière si |A| = 0,
régulière si |A| =
6 0, rang(A) = dim(Im(A)),
idempotente si AA = A, 0 ≤ rang(A) ≤ min(n, p),
définie-positive si, ∀x ∈ Rp , x0 Ax ≥ 0, et si x0 Ax = 0 ⇒ x = 0, rang(A) = rang(A0 ),
p 0
positive, ou semi-définie-positive, si, ∀x ∈ R , x Ax ≥ 0, rang(A + B) ≤ rang(A) + rang(B),
orthogonale si AA0 = A0 A = I (A0 = A−1 ). rang(AB) ≤ min(rang(A), rang(B)),
rang(BAC) = rang(A), si B et C sont régulières,
3 Espaces euclidiens rang(A) = rang(AA0 ) = rang(A0 A).
E est un espace vectoriel réel de dimension p isomorphe à Rp . Enfin, si B (p × q) est de rang q(q < p) et A est carrée (p × p) de rang p,
3.1 Sous-espaces alors la matrice B0 AB est de rang q.
i=1
– une matrice A est M-symétrique si (MA)0 = MA,
– Un système linéairement indépendant Eq = {e1 , . . . , eq } qui engendre – deux vecteurs x et y sont M-orthogonaux si hx, yiM = 0,
dans E un s.e.v. Eq = vec{e1 , . . . , eq } en constitue une base et – un vecteur x est M-normé si kxkM = 1,
dim(Eq ) = card(Eq ) = q. – une base Eq = {e1 , . . . , eq } est M-orthonormée si
3
Rappels et compléments d’algèbre linéaire
3.4.1 Propriétés T HÉORÈME 1. — Soit deux matrices A(n×p) et B(p×n) ; les valeurs propres
– Les valeurs propres de P sont 0 ou 1 (voir § 4) : non nulles de AB et BA sont identiques avec le même degré de multiplicité.
Si u est vecteur propre de BA associé à la valeur propre λ différente de zéro,
u ∈ W, Pu = u, λ = 1, de multiplicité dim(W ), alors v = Au est vecteur propre de la matrice AB associé à la même valeur
v⊥W, (on note v ∈ W ⊥ ) Pv = 0, λ = 0, de multiplicité dim(W ⊥ ). propre.
– trP = dim(W ).
– P = B(B0 MB)−1 B0 M, où B = b1 , . . . , bq .
Les applications statistiques envisagées dans ce cours ne s’intéressent qu’à
– Dans le cas particulier où les bj sont M-orthonormés : des types particuliers de matrices.
q
X 0 T HÉORÈME 2. — Une matrice A réelle symétrique admet p valeurs propres
P = BB0 M = bj bj M.
réelles. Ses vecteurs propres peuvent être choisis pour constituer une base or-
i=1
thonormée de E ; A se décompose en :
– Dans le cas particulier où q = 1 alors :
p
bb0 0
X
P= 0 M=
1
bb0 M. A = VΛV0 = λk v k v k
b Mb kbkM k=1
– Si P1 , . . . , Pq sont des matrices de projection M-orthogonales alors la où V est une matrice orthogonale [v1 , . . . , vp ] des vecteurs propres orthonor-
somme P1 + · · · + Pq est une matrice de projection M-orthogonale si et més associés aux valeurs propres λk , rangées par ordre décroissant dans la
seulement si : Pk Pj = δkj Pj . matrice diagonale Λ.
– La matrice I − P est la matrice de projection M-orthogonale sur W ⊥ .
T HÉORÈME 3. — Une matrice A réelle M-symétrique admet p valeurs
4 Eléments propres propres réelles. Ses vecteurs propres peuvent être choisis pour constituer une
base M-orthonormée de E ; A se décompose en :
Soit A une matrice carrée (p × p). p
X 0
A = VΛV 0 M = λk vk vk M
4.1 Définitions
k=1
– Par définition, un vecteur v définit une direction propre associée à une
valeur propre λ si l’on a : où V = [v1 , . . . , vp ] est une matrice M-orthogonale (V0 MV = Ip et VV0 =
Av = λv. M−1 ) des vecteurs propres associés aux valeurs propres λk , rangées par ordre
décroissant dans la matrice diagonale Λ.
– Si λ est une valeur propre de A, le noyau Ker(A − λI) est un s.e.v. de
E, appelé sous-espace propre, dont la dimension est majoré par l’ordre Les décompositions ne sont pas uniques : pour une valeur propre simple
de multiplicité de λ. Comme cas particulier, Ker(A) est le sous-espace (de multiplicité 1) le vecteur propre normé est défini à un signe près, tandis
propre associé, si elle existe, à la valeur propre nulle. que pour une valeur propre multiple, une infinité de bases M-orthonormées
– Les valeurs propres d’une matrice A sont les racines, avec leur multipli- peuvent être extraites du sous-espace propre unique associé.
cité, du polynôme caractéristique :
Le rang de A est aussi le rang de la matrice Λ associée et donc le nombre
|A − λI| = 0. (répétées avec leurs multiplicités) de valeurs propres non nulles.
4
Rappels et compléments d’algèbre linéaire
Par définition, si A est positive, on note la racine carrée de A : matrice (n × p). L’ensemble Mn,p des matrices (n × p) est un espace vectoriel
p de dimension np ; on le munit du produit scalaire :
X p 0
A1/2 = λk vk vk M = VΛ1/2 V0 M.
k=1 hX, YiM,D = trXMY0 D. (4)
5
Rappels et compléments d’algèbre linéaire