Chapitre 01 : Calcul matriciel

1
 I : Généralités sur les matrices :
A : définition :
Une matrice de taille (n, p) est un tableau de nombres formé de (n) lignes et de (p)
colonnes. On écrit : ‫(ܣ‬௡,௣)

Exemple :
Soit une matrice de taille (2, 3) :

3 −2 4
‫(ܣ‬ଶ,ଷ) = ቀ ቁ
1 5 −1
Remarque :
 Une matrice de taille (n, n) est appelée une matrice carrée d’ordre n.

Exemple :

5 2 7
‫(ܣ‬ଷ,ଷ) = ൭7 3 4൱
4 5 1

 Une matrice de taille (n, 1) est appelée une matrice colonne.

Exemple :

2
‫(ܣ‬ଷ,ଵ) = ൭5൱
7

 Une matrice de taille (1, p) est appelée une matrice ligne.

Exemple :

‫(ܣ‬ଵ,ଷ) = (2 5 7)

 Une matrice nulle est une matrice dont tous les nombres sont nuls.

Exemple :

0 0 0
‫(ܣ‬ଷ,ଷ) = ൭0 0 0൱
0 0 0

 Une matrice unité est une matrice dont les éléments de la diagonale sont des 1 et les
autres éléments sont des zéros, elle est de la forme :

1 0 .. 0
‫ܫ‬௡ = ቌ 0 1 . . 0ቍ
.. .. .. ..
0 0 .. 1

2
 Pour toute matrice carrée A de taille (n), on a :

A In = In A = A

Exemple:

3 −2
A= ቀ ቁ
1 4

3 −2 1 0 3 −2
A Iଶ = ቀ ቁቀ ቁ= ቀ ቁ
1 4 0 1 1 4
B : propriétés :
 Deux matrices sont égales si, et seulement si, elles ont la même taille et ont les
coefficients égaux deux à deux.

Exemple :

5 2 7
‫(ܣ‬ଷ,ଷ) = ൭7 3 4൱
4 5 1

5 2 7
‫(ܤ‬ଷ,ଷ) = ൭7 3 4൱
4 5 1

‫(ܣ‬ଷ,ଷ) = ‫(ܤ‬ଷ,ଷ)

 La transposée d’une matrice de format A de format (n, p) est une matrice de format tA
(p, n), obtenue par la permutation des lignes par des colonnes.

Exemple :

5 2 7
‫(ܣ‬ଷ,ଷ) = ൭7 3 4൱
4 5 1

5 7 4
tA(ଷ,ଷ) = ൭2 3 5൱
7 4 1

Exemple :

9 8 5
‫(ܣ‬ଶ,ଷ) = ቀ ቁ
1 2 4

3
 9 1
‫(ܣݐ‬ଷ,ଶ) = ൭8 2൱
5 4
II. Opérations sur les matrices
A : Somme de deux matrices :
1 : définition :
A et B deux matrices de même taille. La somme de A et B est la matrice, notée (A + B),
dont les coefficients sont obtenus en additionnant deux à deux des coefficients qui ont la même
position dans A et B.

Exemple :

2 3
A=ቀ ቁ
4 −1

5 −3
B= ቀ ቁ
−3 10

2+5 3−3 7 0
C= A+B=ቀ ቁ= ቀ ቁ
4 − 3 −1 + 10 1 9

2 : propriétés :
Soit A, B et C trois matrices de même taille.
 Commutativité : A + B = B + A
 Associativité : (A + B) + C = A + (B + C)
t t t
 (A + B) = A + B
 A + O = A, (O : la matrice nulle de même format que la matrice A).

B : Produit d'une matrice par un scalaire :

1 : Définition :
Soit A une matrice et k un nombre réel. Le produit de A par le réel k est la matrice,
notée (kA), dont les coefficients sont obtenus en multipliant tous les coefficients de A par k.

Exemple :

−2 5,5
A=ቀ ቁ
2 −4

2 (−2) 2 (5,5) −4 11
2A = ൬ ൰= ቀ ቁ
2 (2) 2 (−4) 4 −8

2 : propriétés :
Soit A et B deux matrices carrées de même taille et un réels k.
 k (A + B) = kA + kB
t t
 (kB) =k ( A)

4
 C : Produit de deux matrices :
1 : définition :
Le produit (AB) de deux matrices A et B, existe à condition que le nombre de colonnes
de la matrice A est égale au nombre de lignes de la matrice B.

Exemple :

2 5
‫(ܣ‬ଶ,ଶ) = ቀ ቁ
−3 1
3
B(ଶ,ଵ) = ቀ ቁ
4
(3 x 2) + (4 x 5) 26
‫(ܣ‬ଶ,ଶ) B(ଶ,ଵ) = C(ଶ,ଵ) = ൬ ൰= ቀ ቁ
(3 x(−3)) + (4 x 1) −5

Exemple :
Calculer le produit AB et BA :

0
A = ൭2൱
4

B = (1 4 2)

 Calcul AB :
(૚ ૝ ૛)
0 0 0 0
൭2൱ ൭2 8 4൱
4 4 16 8

 Calcul BA :

૙
൭૛൱
૝
(૚ ૝ ૛) (16)

BA ≠AB

2 : Propriétés :
Soit A, B et C trois matrices de même taille et un réel k :
 Associativité : (A x B) x C = A x (B x C)
Avec existence : (AB) et (BC).
 Distributivité : A x (B + C) = (A x B) + (A x C) et (A + B) x C = A x C + B x C
Avec existence : (C + B), (AC) et (AB).
 (kA)B = A(kB) = k (A x B)
 Quel que soit la matrice A et In (la matrice identité de format adapté) : A In= A

5
 Exemple :
Une entreprise produit deux types (bien de luxe et bien de confort) de deux biens (bien
A et bien B). Les tableaux ci – dessous donnent les quantités des matières nécessaires pour
chaque type de bien et les coûts unitaires :

Tableau n°1 :

Coûts unitaires Matière E Matière F

Type luxe 20 160
Type simple 12 100

Tableau n°2 :

Quantités Matière E Matière F

E 40 20
F 3 1

On note :

20 160
C=ቀ ቁ, la matrice des coûts unitaires
12 100
40 20
D= ቀ ቁ, la matrice des quantités
3 1

La matrice (CD) est la matrice d’achat des matières pour les deux types des deux biens :
le bien A et le bien B :

૝૙ ૛૙
ቀ ቁ
૜ ૚
20 160 1280 560
ቀ ቁ ቀ ቁ
12 100 780 340

 1280 : coût d’achat des matières pour le bien A de type luxe,

 560 : coût d’achat des matières pour le bien B de type luxe,
 780 : coût d’achat des matières pour le bien A de type simple,
 340 : coût d’achat des matières pour le bien B de type simple,

III : Matrice des variances et des covariances :

Pour déterminer cette matrice, il faut suivre les étapes suivantes :
 Calculer la matrice A des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable).
 Calculer la transposée de la matrice A.
t
 Calculer : B = (1/n) A A : c’est la matrice des variances et des covariances.

Exemple :
Soit une population à trois unités statistiques sur laquelle on étudie trois variables
statistiques x, y et z.

6
 ࢞࢏ ࢟࢏ ࢠ࢏
Les valeurs de la Les valeurs de la Les valeurs de la
variable (x) variable (y) variable (z)
࢞૚ ࢟૚ ࢠ૚
࢞૛ ࢟૛ ࢠ૛
࢞૜ ࢟૜ ࢠ૜

 Calculer la matrice A des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable) :

‫ݔ‬ଵ − ‫ݔ‬ҧ ‫ݕ‬ଵ − ‫ݕ‬

ത ‫ݖ‬ଵ − ‫ݖ‬ҧ
‫(ܣ‬ଷ,ଷ) = ൭‫ݔ‬ଶ − ‫ݔ‬ҧ ‫ݕ‬ଶ − ‫ݕ‬
ത ‫ݖ‬ଶ − ‫ݖ‬ҧ
൱
‫ݔ‬ଷ − ‫ݔ‬ҧ ‫ݕ‬ଷ − ‫ݕ‬
ത ‫ݖ‬ଷ − ‫ݖ‬ҧ

 Calculer la transposée de la matrice A :

‫ݔ‬ଵ − ‫ݔ‬ҧ ‫ݔ‬ଶ − ‫ݔ‬ҧ ‫ݔ‬ଷ − ‫ݔ‬ҧ

‫(ܣݐ‬ଷ,ଷ) = ൭ ଵ−‫ݕ‬
‫ݕ‬ ത ‫ݕ‬ଶ − ‫ݕ‬ത ‫ݕ‬ଷ − ‫ݕ‬ത൱
‫ݖ‬ଵ − ‫ݖ‬ҧ ‫ݖ‬ଶ − ‫ݖ‬ҧ ‫ݖ‬ଷ − ‫ݖ‬ҧ

t
 Calculer : B = (1/n) A A : c’est la matrice des variances et des covariances.

ܸ(‫)ݔ‬ ‫ݔ( ݒ݋ܥ‬, ‫)ݕ‬ ‫ݔ( ݒ݋ܥ‬, ‫)ݖ‬

‫(ܤ‬ଷ,ଷ) = ቌ‫ݔ( ݒ݋ܥ‬, ‫)ݕ‬ ܸ(‫)ݕ‬ ‫ݕ( ݒ݋ܥ‬, ‫)ݖ‬ቍ
‫ݔ( ݒ݋ܥ‬, ‫)ݖ‬ ‫ݖ( ݒ݋ܥ‬, ‫)ݕ‬ ܸ(‫)ݖ‬

IV : Matrice des coefficients de corrélation linéaire :

Pour déterminer cette matrice, il faut suivre les étapes suivantes :
 Calculer la matrice A des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable) et réduites (les données centrées divisées
par l’écart type de chaque variable).
 Multiplier la matrice A par (1/√݊) = B.
t
 Calculer la transposée de la matrice B : B
t
 Calculer : C = BB : c’est la matrice des coefficients de corrélation linéaire.

Remarque :
Lorsque les variables sont indépendantes deux à deux, les covariances sont égales à 0, et
donc les coefficients de corrélation linéaire sont égaux à 0. La matrice des corrélations est une
matrice unité d’ordre n.

Exemple précédent :
 Calculer la matrice A des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable) et réduites (les données centrées divisées
par l’écart type de chaque variable) :

(‫ݔ‬ଵ − ‫ݔ‬ҧ
)/ߪ‫ݕ( ݔ‬ଵ − ‫ݕ‬
ത)/ߪ‫ݖ( ݕ‬ଵ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬
‫(ܣ‬ଷ,ଷ) = ቌ(‫ݔ‬ଶ − ‫ݔ‬ҧ
)/ߪ‫ݕ( ݔ‬ଶ − ‫ݕ‬
ത)/ߪ‫ݖ( ݕ‬ଶ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬ቍ
(‫ݔ‬ଷ − ‫ݔ‬ҧ
)/ߪ‫ݕ( ݔ‬ଷ − ‫ݕ‬
ത)/ߪ‫ݖ( ݕ‬ଷ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬

7
  Multiplier la matrice A par (1/√݊) = B.

(‫ݔ‬ଵ − ‫ݔ‬ҧ
)/ߪ‫ݕ( ݔ‬ଵ − ‫ݕ‬ത)/ߪ‫ݖ( ݕ‬ଵ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬
1
‫(ܤ‬ଷ,ଷ) = ( ) ቌ(‫ݔ‬ଶ − ‫ݔ‬ҧ
)/ߪ‫ݕ( ݔ‬ଶ − ‫ݕ‬ത)/ߪ‫ݖ( ݕ‬ଶ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬ቍ
√3 (‫ ݔ‬− ‫ݔ‬ҧ ) /ߪ‫ݔ‬ (‫ݕ‬ − ‫ݕ‬
ത)/ߪ‫ݕ‬ (‫ݖ‬ − ‫ݖ‬ҧ
)/ߪ‫ݖ‬
ଷ ଷ ଷ

 Calculer : C = tB B : c’est la matrice des coefficients de corrélation linéaire.

1 ‫ݔ(ݎ‬, ‫)ݕ‬ ‫ݔ(ݎ‬, ‫)ݖ‬

‫(ܥ‬ଷ,ଷ) = ቌ‫ݔ(ݎ‬, ‫)ݕ‬ 1 ‫ݕ(ݎ‬, ‫)ݖ‬ቍ
‫ݔ(ݎ‬, ‫ݕ(ݎ )ݖ‬, ‫)ݖ‬ 1

Exemple :
Soit une population à trois unités statistiques sur laquelle on étudie les trois variables
statistiques x, y et z.

Valeurs des variables

࢞࢏ ‫ݕ‬௜ ‫ݖ‬௜
Les valeurs de la variable (x) Les valeurs de la variable (y) Les valeurs de la variable (z)
૞ 7 8
૜ 2 6
૝ 3 1
Somme = 12 Somme = 12 Somme = 15
ഥ= ૝
࢞ ‫ݕ‬
ത= 4 ‫ = ̅ݖ‬5

 Calculer la matrice A des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable) :

1 3 3
‫(ܣ‬ଷ,ଷ) = ൭−1 −2 1 ൱
0 −1 −4

 Calculer la transposée de la matrice A :

1 −1 0
‫(ܣݐ‬ଷ,ଷ) = ൭3 −2 −1൱
3 1 −4
t
 Calculer : B = (1/n) A A : c’est la matrice des variances et des covariances :

2 9 2
‫(ܤ‬ଷ,ଷ) = 1/3 ൭9 14 11൱
2 11 26

ܸ(‫ = )ݔ‬2/3 ‫ݔ( ݒ݋ܥ‬, ‫ = )ݕ‬3 ‫ݔ( ݒ݋ܥ‬, ‫ = )ݖ‬2/3

‫(ܤ‬ଷ,ଷ) = ቌ ‫ݔ( ݒ݋ܥ‬, ‫ = )ݕ‬3 ܸ(‫ = )ݕ‬14/3 ‫ݕ( ݒ݋ܥ‬, ‫ = )ݖ‬11/3ቍ
(‫ݔ‬, (‫ݖ‬,
‫ = )ݖ ݒ݋ܥ‬2/3 ‫ = )ݕ ݒ݋ܥ‬11/3 ܸ(‫ = )ݖ‬26/3

8
  Calculer la matrice C des données centrées (les écarts des valeurs de chaque variable
par rapport à la moyenne de cette variable) et réduites (les données centrées divisées
par l’écart type de chaque variable) :

1/ඥ2/3 3/ඥ14/3 3/ඥ26/3

‫(ܥ‬ଷ,ଷ) = ൮ −1/ඥ2/3 −2/ඥ14/3 1/ඥ26/3 ൲
0 −1/ඥ14/3 −4/ඥ26/3

 Multiplier la matrice C par (1/√݊) = D :

1/ඥ2/3 3/ඥ14/3 3/ඥ26/3

1
‫(ܦ‬ଷ,ଷ) = ( ) ൮ −1/ඥ2/3 −2/ඥ14/3 1/ඥ26/3 ൲
√3
0 −1/ඥ14/3 −4/ඥ26/3

1/ඥ2/3 −1/ඥ2/3 0
1
‫(ܦݐ‬ଷ,ଷ) = ( ) ൮ 3/ඥ14/3 −2/ඥ14/3 −1/ඥ14/3൲
√3
3/ඥ26/3 1/ඥ26/3 −4/ඥ26/3

t
 Calculer : E = D D : c’est la matrice des coefficients de corrélation linéaire :

1 ‫ݔ(ݎ‬, ‫)ݕ‬ ‫ݔ(ݎ‬, ‫)ݖ‬

‫(ܥ‬ଷ,ଷ) =ቌ ‫ݔ(ݎ‬, ‫)ݕ‬ 1 ‫ݕ(ݎ‬, ‫)ݖ‬ቍ
‫ݔ(ݎ‬, ‫ݕ(ݎ )ݖ‬, ‫)ݖ‬ 1

Exemple :
Soit une population statistique de 4 ménages vivant avec un salaire. Les critères de
l’étude de cette population pour le mois Mars, sont au nombre de 3 :
 (x) la variable salaire,
 (y) la variable dépenses d’alimentation,
 (z) la variable dépenses de loisirs.

Les valeurs de l’observation de ces trois critères sont données dans le tableau suivant :

Les valeurs de la variable

(x) (y) (z)
Ménage 1 60 20 4
Ménage 2 20 4 2
Ménage 3 40 6 6
Ménage 4 40 10 4
Total 160 40 16

 ‫ݔ‬ҧ= 40
 ‫ݕ‬
ത= 10

9
  ‫ݖ‬ҧ
=4

La matrice des données centrées est :

20 10 0
‫(ܣ‬ସ,ଷ) =ቌ −20 −6 −2ቍ
0 −4 2
0 0 0

La transposé de la matrice A, est :

20 −20 0 0
‫ݐ‬஺ (ଷ,ସ) = ൭10 −6 −4 0൱
0 −2 2 0

La matrice des variances et des covariances, est : (¼) (tA A)

t
200 80 40
(1/4) ( A A) = ൭ 80 38 1൱
40 1 2

 ߪ(‫√ = )ݔ‬200
 ߪ(‫√ = )ݕ‬38
 ߪ(‫√ = )ݖ‬2

La matrice des données centrées, réduites et divisées par √4 = 2, est : X

20/2√200 10/2√38 0
⎛ −6/2√38 −2/2√2⎞
X = ⎜−20/2√200 ⎟
0 −4/2√38 2/2√2
⎝ 0 0 0 ⎠

t
La matrice des corrélations est la matrice C = XX :

1 80/√38√200 40/√2√200
C = XX = ቌ80/√38√200
t
1 1/√2√38 ቍ
40/√2√200 1/√2√38 1

 R (x, y) = 80/√38√200 = 0,9184, la corrélation entre le salaire et les dépenses

d’alimentation est forte,
 R (x, z) = 40/√2√200 = 2,006, la corrélation entre le salaire et les dépenses de
loisirs est forte,
 R (y, z) = 1/√38√2 = 0,1155, la corrélation entre les dépenses d’alimentation et
les dépenses de loisire est absente.

10