ALGEBRE MATRICIELLE

Matrice:

Définition:

On appelle matrice de type un tableau rectangulaire d’éléments de , à lignes et

colonnes.
a a  a 
 11 12
1n

a  a 
M  a 
a
 21 22 2n

  
1i  m
l’élément est situé à la ligne et la colonne.
 
ij 1 j  n

 
a m1
am2
 a mn

Types de Matrices

 Si la matrice est appelée matrice carrée d’ordre

 La matrice est dite diagonale si ,

a 0 0 0 
 11

 0 a 0 0 
M  22

 les éléments
0 0 0 forment la diagonale principale de matrice.
 

 0 0 0 ann 

 Matrice triangulaire supérieure ,

a a  a 
 11 12
 1n

0 a  a  Une matrice triangulaire supérieure à coefficients dans est une matrice

M  22 2n

0 0  
  carrée dont les valeurs au-dessous de la diagonale principale sont nulles


0 0 0 a  mn

 Matrice triangulaire inférieure ,

 a 0  0  Une matrice triangulaire supérieure à coefficients dans est une matrice

 11

 a a  0  carrée dont les valeurs au-dessus de la diagonale principale sont nulles
M  21 22

  
  

a a  a 
m1 m2 mn

 La matrice unité d’ordre est notée est la matrice carrée d’ordre dont les termes de la
diagonale principale sont tous égaux à 1.
1 0  0 1 0 0
  1 0  
0 1  0 I  1 , I    , I   0 1 0
I 
0 1
1 2 3

   0 0 1
n

 
  
0 0  1 
1
  La matrice nulle notée 0 est la matrice dont tous les termes sont nuls.
0 0  0
 
0 0  0
     0
 
0 0  0

 La matrice scalaire: c’est la matrice dont tous les coefficients de la diagonale principale sont
égaux.
 0  0 
 
0   0
M   I
   
n

 
0 0  

 La matrice transposée.

et /

Exemple :

Propriétés de la transposition des matrices:

• Si est inversible, alors l’est aussi et on

Trace d’une matrice:

Définition:

La trace de la matrice est le nombre obtenu en additionnant les éléments diagonaux.

 a11 a12  a1n 

 
 a a  a 2n 
M   21 22   TrA  a11  a22  ...  amn
     
a 
 m1 am2  amn 
2
 Exemple :

 Matrices particulières.

- La matrice est dite symétrique si

Exemple :

- La matrice est dite anti symétrique si

Exemple :

Opérations sur les matrices:

Egalité de deux matrices:

Deux matrices et sont égales si et seulement si:

 et sont de même type c.à.d. et

 et :

Addition:

Soient et deux matrices de même type.

On appelle somme des matrices et la matrice définie par:

Exemple:

3
Multiplication par un réel:

Soit et , alors

Exemple :

Produit de deux matrices:

Soient une matrice de type et de type

Le produit de et noté n’est possible que si c.à.d. le nombre de colonnes de doit

être égale au nombre de lignes de

Le produit des matrices et est la matrice:

Exemple 1:

Exemple 2:

et

 Après calcul de tous les coefficients on obtient:

Produit successif:

- La puissance d’une matrice carrée étant définie par:

, , ,

- La matrice est dite:

4
  Matrice involutive si

Exemple:

 Matrice nilpotente s’il existe un tel que

Exemple :

. est nilpotente d'ordre 3

 Matrice idempotente s’il existe un tel que

Exemple:

Propriétés des opérations sur les matrices:

• (en général)

5
Inverse d’une matrice

Définition:

Une matrice carrée est dite inversible s’il existe une matrice telle que est dite
matrice inverse de et sera notée

Exemple:

Soit

est inversible donc /

Soit

Donc

Par identification:

 a 1
 a  2c  1 
b  
2  2
b  2d  0  1  
  3 3
    A-1   
 3c  0  c0 0 1 
 
 3d  1  1  3 
d
 3

Proposition 1:
Si est une matrice inversible, alors son inverse est unique.

Proposition 2:

Soit une matrice inversible, alors est aussi inversible:

Proposition 3:

Soient et deux matrices de même taille, alors AB est inversible:

Calcul de l’inverse d’une matrice:

1) Matrice carrée d’ordre 2:

soit

6
 Si , alors A est inversible et son inverse est:

Exemple:

On calcule le déterminant de :

Donc est inversible

Calcul de l’inverse d’une matrice:

2) Méthode de Gauss (Méthode des Pivots)

[ ]

Exemple:

Soit une matrice inversible,

Calculons son inverse

On note symboliquement:

Et faisons des transformations sur les lignes de telle sorte à trouver à gauche et une autre matrice
à droite.

7
Donc

Méthode de la comatrice :

Par définition :

On calcule

8
Systèmes d’équations linéaires:
Définition:

Un système d’équations linéaires est un ensemble de équations à inconnues à

coefficients dans de la forme:

 a11 x1  a12 x2  ...  a1n xn  b1

 a x  a x  ...  a x  b
 21 1 22 2
S  
2n n 2


 am1 x1  am 2 x2  ...  anm xn  bm

On note

 a11 a12 a1n   b1   x1 

a a22 
a2 n   
b2  x 
M   21 ,B  et on cherche X   2 
     
     
 am1 am 2 anm   bm   xn 

Tel que

N.B.

- La matrice colonne s’appelle le second membre du système.

- Si , on dit que le système est un système d’équations linéaires homogènes.

Résolution d’un système d’équations linéaires:

Méthode du Pivot ou Méthode de Gauss:

Exemple:

Résoudre le système d’équations suivant:

9
En pratique, il n’est pas nécessaire d’écrire chaque système, on peut se contenter d’écrire les
coefficients et les seconds membres en une seule matrice.

La méthode consiste à nettoyer les colonnes en y faisant apparaitre des zéros partout ailleurs que sur
la diagonale. L’important est de nettoyer colonne par colonne.

10
Donc on aura un nouveau système:

Proposition:

Si la matrice est inversible alors la solution du système est unique et elle est donnée par:

Résolution d’un système d’équations linéaires:

Méthode du Déterminant:

Soit un système d’équations linéaires de équations à inconnues à coefficients

dans

Système de Cramer:

Définition: le système est dit de Cramer si et seulement si le nombre des inconnues est égal au
nombre des équations et le déterminant de est non nul.

Théorème:

Un système de Cramer admet une et une seule solution. Cette solution est donnée par:

, ,…,

où et est le déterminant obtenu de en remplaçant

 a1i   b1 
a  b 
la colonne  2i  par la colonne  2
   
   
 ani   bn 

Exemple:

11
Avec , et

est un système de Cramer , il admet une seule solution donnée par:

Matrices semblables:

Définition:

Deux matrices carrées d’ordre et sont semblables s’il existe une matrice carrée inversible
d’ordre telle que:

Exemple:

Soient les matrices , et

Rang d’une matrice:

Définition:

Soit une matrice de type on appelle rang de , le rang du système des vecteurs-colonnes
de .

Exemple: calculer le rang de la matrice :

12
 Soit

C’est le rang des vecteurs de

, ,

Le vecteur est une combinaison linéaire des deux autres vecteurs

Donc 

Méthodes de calcul du rang:

 Le rang est l’ordre du déterminant non nul le plus élevé qui puisse être extraie de la matrice.

 Le rang d’une matrice est égal au nombre de ses lignes sauf si l’une d’entre elles est
combinaison linéaire des autres.

 Une matrice d’ordre est inversible si et seulement si son rang est .

Valeurs propres et vecteurs propres

Définition:

 On dit qu'une matrice carrée possède une valeur propre et un vecteur propre si:

 (1)

 En général une matrice carrée de dimension possède valeurs propres réelles.

 A chaque valeur propre est associé un vecteur propre (plus précisément une famille de
vecteurs propres)

Calcul des valeurs propres et des vecteurs propres:

L’équation (1) peut s’écrire sous la forme suivante:

c.à.d.

 a11   a12 a1n   x1 

 a a22   a2 n   x2 
 21 . 0
  
  
 an1 an 2 ann     xn 

13
Le système admet des solutions si et seulement si:

a11   a12 a1n

a21 a22   a2 n
det  A  I n  0

an1 an 2 ann  

On obtient un polynôme de degré en , appelé polynôme caractéristique de la matrice et

l’équation correspondante est équation caractéristique.

Exemple:

L’équation caractéristique correspondante est:

Les solutions de cette équation sont: ; ;

Pour

Une solution est possible si

Tout multiple de ces valeurs est aussi solution. Alors les vecteurs propres associés à la valeur propre

sont tous les vecteurs de type .

Pour

14
Alors les vecteurs propres associés aux valeurs propres sont par exemple:

et et l’ensemble des vecteurs propres associés à est donné par

la relation :

avec

Diagonalisation d’une Matrice:

Une matrice est dite diagonalisable s’il existe une matrice inversible et une matrice diagonale
telle que :

Exemple:

Diagonaliser la matrice suivante:

Déterminons le polynôme caractéristique:

Donc les valeurs propres sont:

Déterminons les vecteurs propres associés à chacune des valeurs propres.

Chercher le vecteur propre revient à trouver , tel que:

Où est le vecteur propre et la valeur propre associée à .

15
  Pour

Donc le vecteur propre associé à la valeur propre , est

 Pour

Donc le vecteur propre associé à la valeur propre , est

 Pour

Donc le vecteur propre associé à la valeur propre , est

La matrice est déterminée comme suit:

La matrice est déterminée comme suit:

16
reste à calculer

Décomposition LU d’une matrice:

Définition:

La décomposition est une méthode de décomposition d’une matrice comme produit d’une
matrice triangulaire inférieure à et une matrice triangulaire supérieure .

 Cette méthode est utilisée en analyse numérique pour résoudre des systèmes d’équations
linéaires.

 La factorisation consiste à écrire une matrice inversible comme produit de deux

matrices et .

Où est une matrice triangulaire inférieure ayant des 1 sur la diagonale principale.

On doit chercher deux matrices et telles que:

17
Exemple:

Soit une matrice carrée inversible

On doit chercher deux matrices et telles que:

Procédure : on doit échelonner la matrice c.à.d. on doit rendre la matrice une matrice
triangulaire supérieure:

Méthode de Gauss:

Vérifions:

Résolution du système d’équations linéaires:

La factorisation matricielle permet de résoudre des systèmes d’équations linéaires où les coefficients
des inconnues sont les mêmes, mais avec plusieurs seconds membres différents.

Soit à déterminer le vecteur d’inconnues associes au second membre .

18
On pose:

Exemple:

1) Calculer la décomposition de la matrice

2) Résoudre le système linéaire où est la matrice ci-dessus, en

utilisant la décomposition , avec .

et

Déterminants et leurs applications

Définition:

Le déterminant d’une matrice carrée est un nombre.

On dit déterminant d’ordre pour le déterminant d’une matrice (c.à.d. matrice d’ordre ).

19
Déterminants d’ordre 1, 2 et 3 :

 Le déterminant d’une matrice est son coefficient:

 Le déterminant d’une matrice est donné par:

 Le déterminant d’une matrice est donné par:

Remarque:

 Le déterminant de la matrice peut être développé suivant n’importe quelle ligne ou

n’importe quelle colonne

 Si tous les éléments d’une ligne ou (d’une colonne) d’un déterminant sont multipliés par une
constante , la valeur du nouveau déterminant est fois la valeur du déterminant initial.

 Si tous les éléments d’une ligne (ou d’une colonne) d’un déterminant sont nuls, la valeur du
déterminant est nulle.

 Si chaque élément d’une ligne (ou d’une colonne) d’un déterminant s’écrit comme
combinaison des deux autres lignes (deux autres colonnes) le déterminant est nul.

 Si deux lignes ou deux colonnes sont égales le déterminant est nul.

 La valeur d’un déterminant est conservée si on ajoute à une ligne (ou à une colonne) une
combinaison des autres lignes (ou colonnes).

 Le déterminant d’une matrice triangulaire est le produit de ses coefficients diagonaux.

 Le déterminant d’une matrice triangulaire supérieure (inférieure) est le produit de ses

coefficients diagonaux.

 Le déterminant d’une matrice diagonale est le produit de ses coefficients diagonaux.

 Le déterminant d’une matrice identité est 1.

Propriétés du déterminant:

 Une matrice carrée est inversible si et seulement si son déterminant est non nul.
.

20
 Donc pour une matrice , on a: est inversible

 et deux matrices carrées de même type, alors

 en général

Déterminant d’ordre .

a 11
a12
 a1n

a a  a
A 21 22 2n
 a C  a C  ...  a C
   
11 i1 12 i2 1n in

a n1
an2
 ann

Le déterminant d’ordre est alors défini en fonction de déterminants d’ordre et

chacun à son tour est obtenu en fonction de déterminants d’ordre et ainsi de
suite jusqu’au déterminant d’ordre 2.
Pour calculer le déterminant, on développe suivant la ligne ou la colonne où il y a plus de
zéros.

Exemple : soit la matrice :

1 1 1 1
 
1 1 
A  
1 1
1 1 1 1 
 
1 1 1 1
 

Calculer le déterminant de

21
 L1 1 1 1 1 L1' 
 L1 1 1 1 1
L 1 1 1 1 L'2 
 L2  L1 0 0 -2 -2
det A  2 
 A' 
L3 1  1 1  1 L3 
'
 L3  L1 0 -2 0 -2
L4 1  1  1 1 L4 
'
 L4  L1 0 -2 2 0
0  2  2 L1 L1' 
 L1 0 -2 -2
det A  det A'   2 0  2 L2  L2 
'
 L2  L3 0 2 -2
 2  2 0 L3 L'3 
 L3 -2 -2 0
2 2
Donc det A  2  24  4  16
2 2

22