Académique Documents
Professionnel Documents
Culture Documents
Jaouad Madkour
jaouad.madkour@outlook.com
2017 - 2018
1 / 248
Introduction
Pré-requis nécessaires
Plan du cours
Me contacter/Me suivre
2 / 248
Qu’est ce que l’algèbre linéaire ?
3 / 248
Qu’est ce que l’algèbre linéaire ?
4 / 248
Qu’est ce que l’algèbre linéaire ?
5 / 248
Qu’est ce que l’algèbre linéaire ?
6 / 248
Qu’est ce que l’algèbre linéaire ?
7 / 248
Qu’est ce que l’algèbre linéaire ?
Mots clés :
Opérations (arithmétiques) : addition, soustraction, multiplication...
8 / 248
Définition
L’algèbre linéaire est la branche des mathématiques qui traite des
équations linéaires telles que a1 x1 + · · · + an xn = b, des fonctions linéaires telles
que f (x1 , · · · , xn ) = a1 x1 +· · ·+an xn et de leurs représentations par des matrices
et des vecteurs.
Application en Économie
Équations linéaires :
Contrainte budgétaire : R = p1 x1 + p2 x2
Coût total de production : CT = pk K + pl L
Fonctions (linéaires) :
Fonction d’utilité à élasticité constante : U (x1 , x2 ) = (αx1ρ + βx2ρ )1/ρ
Fonction de production de Cobb-Douglas : F (K , L) = AK α Lβ
Matrices et vecteurs :
Matrices : Tableau Entrées/Sorties (TES), matrice de transition...
Vecteurs : Vecteur des prix, vecteur des quantités... 9 / 248
Objectif pédagogique du cours
10 / 248
Objectif pédagogique du cours
Taxonomie de Bloom
11 / 248
Objectif pédagogique du cours
Connaissance :
Découvrir les notions de matrice, de vecteur et de système d’équations.
Compréhension :
Interpréter géométriquement les notions précédentes.
Application :
Transformer un problème économique en un problème mathématique.
12 / 248
Objectif pédagogique du cours
13 / 248
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.
14 / 248
Pré-requis nécessaires
15 / 248
Plan du cours
16 / 248
Plan du cours
17 / 248
Quelques références utiles
18 / 248
Quelques références utiles
19 / 248
Quelques références utiles
20 / 248
Quelques références utiles
21 / 248
Quelques références utiles
22 / 248
Quelques sites web utiles
23 / 248
Quelques sites web utiles
exo7.emath.fr
24 / 248
Me contacter/Me suivre
25 / 248
Me contacter/Me suivre
26 / 248
Me contacter/Me suivre
27 / 248
Me contacter/Me suivre
28 / 248
Chapitre 1 :
Calcul matriciel
Définitions
Matrices particulières
29 / 248
Définitions
Section 1 :
Définitions
30 / 248
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
31 / 248
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
32 / 248
Définitions
Exemples
5 0 2
2 5 4
A2×3 = B3×3 = 7
1 3
8 4 3
4 1 6
33 / 248
Définitions
Application en Économie
Considérons une économie à trois secteurs : l’agriculture (A), l’industrie (I) et
les services (S). Le tableau Entrées/Sorties de Leontief décrit la répartition de
la production de chaque secteur entre les consommations intersectorielles C et
la production finale disponible Q (VA désigne la valeur ajoutée des secteurs) :
# A I S Q Σ
A 2 4 3 3 12
2 4 3
I 3 6 1 8 18
⇒ C = 3
6 1
S 1 2 1 5 9
1 2 1
VA 6 6 4
Σ 12 18 9
Par exemple, la partie de la production industrielle destinée à l’agriculture est
donnée par le coefficient c21 = 3.
34 / 248
Définitions
Application en Économie
Une entreprise possède trois centres de production P1 , P2 et P3 et quatre centres
de distribution D1 , D2 , D3 et D4 . Le transport d’une tonne de marchandises du
centre de production Pi au centre de distribution Dj coûte à l’entreprise une
somme monétaire tij . L’information sur le coût total de transport de l’ensemble
des marchandises peut être représentée par une matrice de transport T :
25 54 24 46
T = 26
25 35 58
46 48 75 63
35 / 248
Matrices particulières
Section 2 :
Matrices particulières
36 / 248
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
37 / 248
Matrices particulières Vecteur
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)
38 / 248
Matrices particulières Vecteur
Exemples
1
1
1
2
1 2
w= x = 2 y= z = 3
2 3
3 4
4
5
39 / 248
Matrices particulières Vecteur
Remarques :
Un vecteur est généralement noté en lettre minuscule en gras.
40 / 248
Matrices particulières Vecteur
Application en Économie
Pour maximiser sa fonction d’utilité sous sa contrainte de revenu R, un consom-
mateur dispose d’un panier de consommation composé du bien 1 et du bien 2
achetés respectivement aux prix p1 et p2 . Les quantités x1 et x2 consommées
des deux biens et les prix déboursés pour les acquérir peuvent être représentés
par un vecteur de quantités Q et par un vecteur de prix P comme suit :
x1 p1
Q = P =
x2 p2
41 / 248
Matrices particulières Vecteur
Application en Économie
Pour produire une quantité Q d’un bien, une firme emploie K unités du fac-
teur capital et L unités du facteur travail. Les unités utilisées des facteurs de
production peuvent être données dans un vecteur d’inputs comme suit :
K
Inputs =
L
42 / 248
Matrices particulières Matrice rectangulaire
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
43 / 248
Matrices particulières 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
44 / 248
Matrices particulières Matrice diagonale
Exemple
1 0 0 0
0 5 0 0
A= ≡ diag( 1 , 5 , 0 , 1 )
0 0 0 0
0 0 0 1
45 / 248
Matrices particulières Matrice identité
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
46 / 248
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
47 / 248
Matrices particulières Matrice scalaire
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
48 / 248
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.
49 / 248
Matrices particulières Matrice triangulaire
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
50 / 248
Matrices particulières Matrice triangulaire
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
51 / 248
Matrices particulières Matrice triangulaire
Exemples
3 9 1
2 5
A= B = 0
5 7
0 4
0 0 3
52 / 248
Matrices particulières Matrice triangulaire
Exemples
0 2 5 6
0 5 0 0 1 4
A= B =
0 0 0 0 0 6
0 0 0 0
53 / 248
Matrices particulières Matrice nulle
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
54 / 248
Matrices particulières Matrice opposée
Exemple
3 9 −3 −9
A = 6 −A = −6 −5
5
4 1 −4 −1
55 / 248
Matrices particulières Matrice transposée
Exemple
2 8
2 5 4
A= A> = 5 4
8 4 3
4 3
56 / 248
Matrices particulières Matrice transposée
Exemple
2 8
2 5 4 2 5 4
A= ⇒ A> = 5 ⇒ (A> )> = =A
4
8 4 3 8 4 3
4 3
57 / 248
Matrices particulières Matrice symétrique
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
58 / 248
Matrices particulières Matrice anti-symétrique
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
59 / 248
Matrices particulières Synthèse
Synthèse
60 / 248
Matrices particulières Synthèse
61 / 248
Opérations sur les matrices
Section 3 :
Opérations sur les matrices
• Produit scalaire
• Produit matriciel
62 / 248
Opérations sur les matrices Égalité des matrices
Sous-section 1 :
Égalité des matrices
63 / 248
Opérations sur les matrices Égalité des matrices
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
64 / 248
Opérations sur les matrices Multiplication d’une matrice par un scalaire
Sous-section 2 :
Multiplication d’une matrice par un scalaire
65 / 248
Opérations sur les matrices Multiplication d’une matrice par un scalaire
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
66 / 248
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
67 / 248
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
68 / 248
Opérations sur les matrices Multiplication d’une matrice par un scalaire
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
69 / 248
Opérations sur les matrices Multiplication d’une matrice par un scalaire
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
70 / 248
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
71 / 248
Opérations sur les matrices Multiplication d’une matrice par un scalaire
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
72 / 248
Opérations sur les matrices Addition et soustraction des matrices
Sous-section 3 :
Addition et soustraction des matrices
73 / 248
Opérations sur les matrices Addition et soustraction des matrices
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
74 / 248
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
75 / 248
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
76 / 248
Opérations sur les matrices Addition et soustraction des matrices
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
77 / 248
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
78 / 248
Opérations sur les matrices Addition et soustraction des matrices
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
79 / 248
Opérations sur les matrices Addition et soustraction des matrices
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
80 / 248
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
81 / 248
Opérations sur les matrices Produit scalaire
Sous-section 4 :
Produit scalaire
82 / 248
Opérations sur les matrices Produit scalaire
n
X
hA, B i = a1 b1 + a2 b2 + · · · + an bn = ai bi
i=1
Exemple
A=(2, 5, 3) B =(4, 1, 6)
hA, B i = 2 × 4 + 5 × 1 + 3 × 6 = 31
83 / 248
Opérations sur les matrices Produit scalaire
Application en Économie
Pour maximiser sa fonction d’utilité sous sa contrainte de revenu R, un consom-
mateur dispose d’un panier de consommation composé du bien 1 et du bien 2
achetés respectivement aux prix p1 et p2 . Les quantités x1 et x2 consommées
des deux biens et les prix déboursés pour les acquérir peuvent être représentés
par un vecteur de quantités Q et par un vecteur de prix P comme suit :
Q = ( x1 , x2 ) P = ( p1 , p2 )
R = hQ, P i = p1 × x1 + p2 × x2
84 / 248
Opérations sur les matrices Produit scalaire
Application en Économie
Pour produire une quantité Q d’un bien, une firme emploie K unités du facteur
capital au prix pK et L unités du facteur travail au prix pL . Les unités utili-
sées des facteurs de production sont données dans un vecteur A et leurs prix
respectifs dans un vecteur B comme suit :
A=(K , L) B = ( pK , pL )
CT = hA, B i = pK × K + pL × L
85 / 248
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
86 / 248
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
87 / 248
Opérations sur les matrices Produit scalaire
Exemple
h i
x= 1 2 3
⇒ hx, 0i = 1 × 0 + 2 × 0 + 3 × 0 = 0
h i
0= 0 0 0
88 / 248
Opérations sur les matrices Produit scalaire
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
89 / 248
Opérations sur les matrices Produit scalaire
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
90 / 248
Opérations sur les matrices Produit scalaire
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
91 / 248
Opérations sur les matrices Produit matriciel
Sous-section 5 :
Produit matriciel
92 / 248
Opérations sur les matrices Produit matriciel
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
93 / 248
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.
94 / 248
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 = ?
95 / 248
Opérations sur les matrices Produit matriciel
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
96 / 248
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
97 / 248
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
98 / 248
Opérations sur les matrices Produit matriciel
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
99 / 248
Opérations sur les matrices Produit matriciel
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
100 / 248
Opérations sur les matrices Produit matriciel
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
101 / 248
Opérations sur les matrices Produit matriciel
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
102 / 248
Opérations sur les matrices Produit matriciel
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
103 / 248
Opérations sur les matrices Produit matriciel
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
104 / 248
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
105 / 248
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
106 / 248
Opérations sur les matrices Produit matriciel
En particulier :
A0 = In
A1 = A
A2 = A × A
A3 = A × A × A = A2 × A
..
.
Ar = Ar −1 × A
107 / 248
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
108 / 248
Opérations sur les matrices Produit matriciel
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
109 / 248
Opérations sur les matrices Produit matriciel
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
110 / 248
Opérations sur les matrices Produit matriciel
(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
..
.
111 / 248
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
.. .. .. .. .. .. ..
. . . . . . .
112 / 248
Opérations sur les matrices Produit matriciel
r
X
(A + B )r = Crk Ar −k B k
k =0
113 / 248
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
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
114 / 248
Opérations sur les matrices Produit matriciel
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
115 / 248
Opérations sur les matrices Synthèse
Synthèse
116 / 248
Opérations sur les matrices Synthèse
117 / 248
Dépendance et indépendance linéaires
Section 5 :
Dépendance et indépendance linéaires
118 / 248
Dépendance et indépendance linéaires
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
119 / 248
Dépendance et indépendance linéaires Dépendance linéaire
Sous-section 1 :
Dépendance linéaire
120 / 248
Dépendance et indépendance linéaires Dépendance linéaire
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
121 / 248
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
122 / 248
Dépendance et indépendance linéaires Indépendance linéaire
Sous-section 2 :
Indépendance linéaire
123 / 248
Dépendance et indépendance linéaires Indépendance linéaire
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.
124 / 248
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
125 / 248
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire
Sous-section 3 :
Orthogonalité vs indépendance linéaire
126 / 248
Dépendance et indépendance linéaires Orthogonalité et indépendance linéaire
127 / 248
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
128 / 248
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
129 / 248
Caractéristiques des matrices carrées
Section 4 :
Caractéristiques des matrices carrées
• Trace
• Déterminant
• Matrice inverse
130 / 248
Caractéristiques des matrices carrées Trace
Sous-section 1 :
Trace
131 / 248
Caractéristiques des matrices carrées Trace
Exemple
2 5 3
A = 1 tr (A) = 2 + 3 + 1 = 6
3 2
2 2 1
132 / 248
Caractéristiques des matrices carrées Déterminant
Sous-section 2 :
Déterminant
133 / 248
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.
134 / 248
Caractéristiques des matrices carrées Déterminant
Exemple
1 2 1 2
A= ⇒ det(A) = = (1 × 4) − 3(×2) = −2
3 4 3 4
135 / 248
Caractéristiques des matrices carrées Déterminant
Exemple
1 2 0
A=
3 4 ⇒ det(A) = (4 + 8 + 0) − (0 + 2 + 6) = 4
1
4 2 1
136 / 248
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 :
137 / 248
Caractéristiques des matrices carrées Déterminant
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
138 / 248
Caractéristiques des matrices carrées Déterminant
139 / 248
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
140 / 248
Caractéristiques des matrices carrées Déterminant
Exemple
A = [5] ⇒ det(A) = 5
141 / 248
Caractéristiques des matrices carrées Déterminant
Exemple
0 0
02 = ⇒ det(02 ) = 0
0 0
142 / 248
Caractéristiques des matrices carrées Déterminant
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
143 / 248
Caractéristiques des matrices carrées Déterminant
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
144 / 248
Caractéristiques des matrices carrées Déterminant
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
145 / 248
Caractéristiques des matrices carrées Déterminant
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
146 / 248
Caractéristiques des matrices carrées Déterminant
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
147 / 248
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
148 / 248
Caractéristiques des matrices carrées Déterminant
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
149 / 248
Caractéristiques des matrices carrées Déterminant
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
150 / 248
Caractéristiques des matrices carrées Déterminant
Exemple
1 0
A= ⇒ det(A) = (1 × 3) − (0 × 0) = 1 × 3 = 3
0 3
151 / 248
Caractéristiques des matrices carrées Déterminant
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
152 / 248
Caractéristiques des matrices carrées Matrice inverse
Sous-section 6 :
Matrice inverse
153 / 248
Caractéristiques des matrices carrées Matrice inverse
AB = BA = I (1)
Exemple
3 4 3 −4
A= ⇒ A−1 = ⇒ AA−1 = A−1 A = I2
2 3 −2 3
154 / 248
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.
155 / 248
Caractéristiques des matrices carrées Matrice inverse
Exemple
3 4 5 −2
A= ⇒ Ac =
2 5 −4 3
156 / 248
Caractéristiques des matrices carrées Matrice inverse
Exemple
3 4 5 −2 5 −4
A= ⇒ Ac = ⇒ Aa =
2 5 −4 3 −2 3
157 / 248
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)
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.
158 / 248
Caractéristiques des matrices carrées Matrice inverse
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
159 / 248
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.
160 / 248
Caractéristiques des matrices carrées Matrice inverse
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
161 / 248
Caractéristiques des matrices carrées Matrice inverse
Exemple
3 4 3 −4 3 4
A= ⇒ A−1 = ⇒ (A−1 )−1 = =A
2 3 −2 3 2 3
162 / 248
Caractéristiques des matrices carrées Matrice inverse
Exemple
3 −2
⇒ (A> )−1 =
−4 3
3 4
A=
2 3 3 −2
⇒ (A−1 )> =
−4 3
163 / 248
Caractéristiques des matrices carrées Matrice inverse
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
164 / 248
Caractéristiques des matrices carrées Matrice inverse
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
165 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
Sous-section 3 :
Valeurs et vecteurs propres
166 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
167 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
168 / 248
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 .
169 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
170 / 248
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
⇔
4x1,1 + 4x1,2 = 0
⇒ x1,2 = −x1,1
x1,1 1
⇒ v1 = = x1,1 , ∀x1,1 ∈ R
−x1,1 −1
171 / 248
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
172 / 248
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 .
173 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
Exemple
1 2
A= ⇒ λ1 = −1 et λ2 = 5
4 3
tr (A) = 1 + 3 = 4 λ1 + λ2 = −1 + 5 = 4
174 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
Exemple
1 2
A= ⇒ λ1 = −1 et λ2 = 5
4 3
det(A) = 1 × 3 − 4 × 2 = −5 λ1 × λ2 = (−1) × 5 = −5
175 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
Exemple
1 2 1−λ 2
A= ⇒ A − λI =
1 2 1 2−λ
det(A − λI ) = (1 − λ)(2 − λ) − 2 = λ2 − 3λ = 0 ⇒ λ1 = 0 et λ2 = 3
176 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
177 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
178 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
179 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
180 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
181 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
182 / 248
Caractéristiques des matrices carrées Valeurs et vecteurs propres
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
183 / 248
Caractéristiques des matrices carrées Synthèse
Synthèse
184 / 248
Caractéristiques des matrices carrées Synthèse
Une trace ;
Un déterminant ;
185 / 248
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
186 / 248
Quelques interprétations géométriques Rappels de géométrie
Sous-section 1 :
Rappels de géométrie
187 / 248
Quelques interprétations géométriques Rappels de géométrie
188 / 248
Quelques interprétations géométriques Rappels de géométrie
189 / 248
Quelques interprétations géométriques Rappels de géométrie
190 / 248
Quelques interprétations géométriques Rappels de géométrie
191 / 248
Quelques interprétations géométriques Rappels de géométrie
192 / 248
Quelques interprétations géométriques Rappels de géométrie
193 / 248
Quelques interprétations géométriques Rappels de géométrie
194 / 248
Quelques interprétations géométriques Rappels de géométrie
195 / 248
Quelques interprétations géométriques Rappels de géométrie
196 / 248
Quelques interprétations géométriques Rappels de géométrie
197 / 248
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
198 / 248
Quelques interprétations géométriques Rappels de géométrie
Application en Économie
Les quantités x1 et y1 des biens X et Y procure au consommateur un niveau
d’utilité U1 et les quantités x2 et y2 lui procure un niveau d’utilité supérieur
U2 . Les deux paniers de consommation peuvent être respectivement représentés
par les vecteurs →
−
u et →−
v.
199 / 248
Quelques interprétations géométriques Rappels de géométrie
Application en Économie
Les quantités d’inputs k1 et l1 permettent de produire une quantité Q1 d’un
certain bien et les quantités k2 et l2 permettent de produire une quantité su-
périeure Q3 . Les deux combinaisons des facteurs de production peuvent être
respectivement représentés par les vecteurs →
−
u et →
−
v.
200 / 248
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.
201 / 248
Quelques interprétations géométriques Égalité des vecteurs
Sous-section 2 :
Égalité des vecteurs
202 / 248
Quelques interprétations géométriques Égalité des vecteurs
203 / 248
Quelques interprétations géométriques Égalité des vecteurs
204 / 248
Quelques interprétations géométriques Opposition des vecteurs
Sous-section 3 :
Opposition des vecteurs
205 / 248
Quelques interprétations géométriques Opposition des vecteurs
206 / 248
Quelques interprétations géométriques Opposition des vecteurs
207 / 248
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
208 / 248
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire
Sous-section 4 :
Multiplication d’un vecteur par un scalaire
209 / 248
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire
Les vecteurs →
−
u et →
−
v sont dits colinéaires.
210 / 248
Quelques interprétations géométriques Multiplication d’un vecteur par un scalaire
211 / 248
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.
212 / 248
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
213 / 248
Quelques interprétations géométriques Addition des vecteurs
Sous-section 5 :
Addition des vecteurs
214 / 248
Quelques interprétations géométriques Addition des vecteurs
215 / 248
Quelques interprétations géométriques Addition des vecteurs
216 / 248
Quelques interprétations géométriques Addition des vecteurs
217 / 248
Quelques interprétations géométriques Addition des vecteurs
218 / 248
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.
219 / 248
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
220 / 248
Quelques interprétations géométriques Différence des vecteurs
Sous-section 6 :
Différence des vecteurs
221 / 248
Quelques interprétations géométriques Différence des vecteurs
222 / 248
Quelques interprétations géométriques Différence des vecteurs
223 / 248
Quelques interprétations géométriques Différence des vecteurs
224 / 248
Quelques interprétations géométriques Différence des vecteurs
225 / 248
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.
226 / 248
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
227 / 248
Quelques interprétations géométriques Produit scalaire de deux vecteurs
Sous-section 7 :
Produit scalaire de deux vecteurs
228 / 248
Quelques interprétations géométriques Produit scalaire de deux vecteurs
229 / 248
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
230 / 248
Quelques interprétations géométriques Produit scalaire de deux vecteurs
→ π
−
u,→
−
v =
→
−
→
u
·
−
v
· cos
| {z 2 }
0
=0
231 / 248
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
232 / 248
Quelques interprétations géométriques Produit scalaire de deux vecteurs
→
−
u,→
−
v =
→
−
→
u
·
−
v
· cos
| {z 0}
1
=
→
−
→
u
·
−
v
233 / 248
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
234 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
Sous-section 8 :
Dépendance et indépendance linéaires
235 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
236 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
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
237 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
238 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
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
239 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
240 / 248
Quelques interprétations géométriques Dépendance et indépendance linéaires
241 / 248
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
242 / 248
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
243 / 248
Quelques interprétations géométriques Déterminant d’une matrice carrée
Sous-section 9 :
Déterminant d’une matrice carrée
244 / 248
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
h i
A = c1 c2 ··· cm
245 / 248
Quelques interprétations géométriques Déterminant d’une matrice carrée
x1 x2
A=
y1 y2
x1 x2
c1 = c2 =
y1 y2
246 / 248
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 )
247 / 248
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
248 / 248
Quelques interprétations géométriques Déterminant d’une matrice carrée
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
249 / 248
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
250 / 248
Quelques interprétations géométriques Déterminant d’une matrice carrée
x1 x2 x3
A = y1
y2 y3
z1 z2 z3
x1 x2 x
3
c1 = y1 ; c2 = y2 ; c3 = y3
z1 z2 z3
251 / 248
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
252 / 248
Quelques interprétations géométriques Déterminant d’une matrice carrée
det(M ) = 0 V=0
253 / 248
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
254 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
Sous-section 10 :
Matrice associée à une transformation linéaire
255 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
256 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
257 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
Algèbre Géométrie
P ·u=v
1 0 2 2
=
0 0 3 0
258 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
Algèbre Géométrie
P ·u=v
1 0 0 5 5
0 1 0 4 = 4
0 0 0 5 0
259 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
260 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
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
261 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
262 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
2 0 −2 −4
H2 = u= v=
0 2 1 2
Algèbre Géométrie
H2 · u = v
2 0 −2 −4
=
0 2 1 2
263 / 248
Quelques interprétations géométriques Matrice associée à une transformation linéaire
−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
264 / 248
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée
Sous-section 11 :
Valeurs et vecteurs propres d’une matrice carrée
265 / 248
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée
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) ;
Direction : inchangée.
266 / 248
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
267 / 248
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
268 / 248
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
269 / 248
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
270 / 248
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
271 / 248
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
272 / 248
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée
273 / 248
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée
274 / 248
Quelques interprétations géométriques Valeurs et vecteurs propres d’une matrice carrée
275 / 248