CM1 - Calcul Matriciel

Définition et opérations Déterminants Résolution matricielle des systèmes Valeurs propres et diagonalisation
Calcul Matriciel
Module M1202 - Semestre 1
Thierry Bay
Sommaire
1 Définition et opérations
Définition d’une matrice
Opérations sur les matrices
Systèmes linéaires et matrices
2 Déterminants des matrices carrées

Notion de base
Manipulation des lignes et des colonnes
3 Résolution matricielle des systèmes

Calcul de l’inverse d’une matrice carrée
Application à la résolution de systèmes
4 Valeurs propres et diagonalisation

Valeurs propres et vecteurs propres
Diagonalisation de matrices
Quid ? Pourquoi ?
Stockage d’informations, calcul de chemins :
1 0
 
−3
M = √1 2.45 π 
43 0 −100
Transformations géométriques :
1 0 0
 
Rx (θ) = 0 cos(θ) −sin(θ)

0 sin(θ) cos(θ)
Où est l’informatique ?
Pertinence des classements de sites Web

Définition I
Notion de matrice
On appelle matrice de type (n, p) (pour n lignes et p colonnes) à
cœfficients dans K (R ou C) toute famille A = (ai,j )1≤i≤n,1≤j≤p
d’éléments de K.
Si n = p, c’est une matrice carrée d’ordre n (ou p).
Quelques exemples
1 0 0
 
1 1 −1 0 1

−1
; ; ; Id = 0 1 0.
2 2 3 5 3 −6
0 0 1
Soit le système d’équations linéaires à 3 variables :
 x + y + 2z = 2 1 1 2
  
2x + 3y − z =−9 =⇒ A =  2 3 −1.
−x + 2y + z=−5 −1 2 1

Définition
Généralisons...
On note Mn,p (K) l’ensemble des matrices de types (n, p) à cœfficients
dans K. Présentation d’une matrice sous forme d’un tableau à n lignes et
p colonnes d’éléments de R, avec l’élément aij à la ième ligne - jème colonne :
 
a1,1 a1,2 · · · a1,p
a2,1 a2,2 · · · a2,p 
M = (aij )1≤i≤n =  . .. .. .. 
 
1≤j≤p  .
. . . . 
an,1 an,2 · · · an,p
On parle parfois de matrice d’ordre n triangulaire inférieure :
0 0
 
a1,1 ···
a2,1 a2,2 · · · 0 
M= . . . ..
 
 .. . . . . .


an,1 an,2 ··· an,n
Définition
Généralisons...
 
a1,1 a1,2 · · · a1,p
a2,1 a2,2 · · · a2,p 
M = (aij )1≤i≤n =  . .. .. .. 
 
1≤j≤p  .
. . . . 
an,1 an,2 · · · an,p
On parle parfois de matrice d’ordre n triangulaire supérieure :

 
a1,1 a1,2 · · · a1,n
 0 a2,2 · · · a2,n 
M= . .. .. .. 
 
 .. . . . 
0 0 ··· an,n
Définition
Généralisons...
 
a1,1 a1,2 · · · a1,p
a2,1 a2,2 · · · a2,p 
M = (aij )1≤i≤n =  . .. .. .. 
 
1≤j≤p  .
. . . . 
an,1 an,2 · · · an,p
On parle parfois de matrice diagonale :
0 0
 
a1,1 ···
 0 a 2,2 ··· 0 
M= . . .. ..
 
 . . . . . .


0 0 ··· an,n
Définition
Généralisons...
 
a1,1 a1,2 · · · a1,p
a2,1 a2,2 · · · a2,p 
M = (aij )1≤i≤n =  . .. .. .. 
 
1≤j≤p  .
. . . . 
an,1 an,2 · · · an,p
On parle parfois de matrice d’ordre n symétrique :

 
a1,1 a1,2 · · · a1,n
a1,2 a2,2 · · · a2,n 
M= . .. .. .. 
 
 .. . . . 
a1,n a2,n ··· an,n
Définition
Généralisons...
 
a1,1 a1,2 · · · a1,p
a2,1 a2,2 · · · a2,p 
M = (aij )1≤i≤n =  . .. .. .. 
 
1≤j≤p  .
. . . . 
an,1 an,2 · · · an,p
Ou encore de matrice transposée :

 
a1,1 a2,1 ··· an,1
a1,2 a2,2 ··· an,2 
t
M= . .. .. .. 
 
 .. . . . 
a1,n a2,n ··· an,n
1 - Addition de deux matrices

La somme de deux matrices du même ordre est une matrice.
Les termes sont obtenus en additionnant les termes situés au même
emplacement dans les deux matrices.
Le calcul de la somme de la matrice A et de la matrice B, appelée
matrice C , se fait comme suit : le terme cij , à l’intersection de la
i ème ligne et de la j ème colonne de C vaut cij = aij + bij
L’addition est commutative et associative.
La matrice remplie de 0 est l’élément neutre de l’addition
matricielle.
Exemple
1 −1 0 3 1 1 4 0 1

+ =
2 3 5 −4 5 2 −2 8 7
Obtenu comme suit : 1 + 3 = 4, −1 + 1 = 0, 0 + 1 = 1, . . .
2 - Multiplication d’une matrice par un nombre réel

On multiplie une matrice par un nombre réel en multipliant chacun
des termes
par ce nombre.
1 −1 0 2 −2 0

Si A = , alors 2A =
2 3 5 4 6 10
Cette multiplication, dite externe (les éléments sont de type
différent : réel*matrice) est associative et distributive sur l’addition :
λ(µA) = (λµ)A
λ(A + B) = λA + λB
L’addition est également distributive sur cette multiplication :
(λ + µ)A = λA + µA
Les trois propriétés sont valables pour tous λ et µ réels et pour

toutes les matrices A et B de même ordre.
3 - Multiplication de deux matrices

La multiplication de deux matrices n’est possible que si le nombre de
colonnes de la première matrice est égal au nombre de lignes de la
deuxième.
Le résultat est une matrice dont le nombre de lignes est celui de la
première matrice et le nombre de colonnes celui de la deuxième
matrice :
matrice[n1 × p1 ] × matrice[n2 × p2 ] si p1 = n2
Le calcul du produit de la matrice A par la matrice B, appelée

matrice C , se fait de la manière suivante : le terme cij situé à
l’intersection de la i ème ligne et de la j ème colonne de C vaut
X
cij = aik × kkj
k
Exemple de multiplication
1 −1 1 −1 0

−1 −4 −5
Le produit de par est : .
3 −6 2 3 5 −9 −21 −30
Remarques
Attention ! La multiplication matricielle est associative mais pas
commutative : A ∗ B 6= B ∗ A.
La matrice Id (identité) est l’élément neutre.
La multiplication est distributive aussi bien à droite qu’à gauche :
(A + B) × C = A × C + B × C
A × (B + C ) = A × B + A × C
pour tout A, B et C telles que les multiplications soient définies.
Systèmes linéaires et matrices
Matrice d’un système d’équations

 30x − 2y − 3z =

−18
Soit S le système 50x − 3y − 3z = 2
y − 9z = 6

30 −2
 
−3
Matrice du système S : A = 50 −3 3 .
0 1 −9
Matrice augmentée
On appelle matrice augmentée du système le tableau M issu d’une conca-
ténation de A et du second membre :
30 −2 −3 −18
 
M = 50 −3 3 2 .
0 1 −9 6
Méthode de résolution de Gauss
Principe
Méthode de base : remplacer le système par un autre plus simple.
On peut réaliser les manipulations suivantes :
Multiplier une équation par un coefficient non nul ;
Permuter deux équations ;
Ajouter un multiple d’une équation à une autre.
Ces manipulations correspondent au niveau matriciel à :
Multiplier une ligne par un coeffient non nul
Permuter deux lignes ;
Ajouter un multiple d’une ligne à une autre.
Deux étapes pour la méthode de Gauss

1 Échelonnage de la matrice augmentée ;
2 Réduction de la matrice échelonnée.
1 - Matrice échelonnée
Une matrice est échelonnée si elle a les propriétés suivantes :
1 Dans toute ligne non nulle, le premier élément non nul, appelé
élément directeur, est 1 ;
2 Les lignes dont tous les éléments sont nuls sont regroupées en bas
de la matrice ;
3 Dans deux lignes non nulles consécutives, le "1" directeur de la ligne
inférieure se trouve à droite du "1" directeur de la ligne précédente.
Exemples :
0 1 0 0 1 0 2
   
−3
Pour 1 2 1 ? Et pour 0 0 0 0 1 ?
0 0 0 0 0 0 0 0
2 - Matrice réduite
Une matrice échelonnée est une matrice échelonnée réduite lorsqu’elle a la
propriété suivante :
Toute colonne contenant un "1" directeur a des 0 partout.
Exemples :
1 0 0 1 0 1 2
   
Pour 0 1 2 ? Et pour 0 0 1 1 ?
0 0 0 0 0 0 0
Algorithme
On retrouve les deux étapes :
Echelonnage :
Identifier la colonne la plus à gauche contenant au moins un élément
a non nul.
Permuter autant de fois nécessaires les premières lignes pour que
l’élément a non nul identifié soit positionné sur la première ligne.
Multiplier alors la ligne l1 par 1a pour faire apparaître un 1 directeur.
Ajouter à toutes lignes suivantes un multiple de l1 pour annuler les
éléments sous le 1 directeur afin d’obtenir une matrice échelonnée.
Réduction :
Ajouter à une ligne les multiples bien choisis des lignes situées
au-dessous d’elle en commençant par la plus basse et en remontant
les lignes.
Attention : dans les cas où une colonne ne contient pas de 1
directeur, donner une valeur arbitraire à la variable correspondante.

Application
0 0 1 3
 
Appliquer la méthode de Gauss sur la matrice : 0 3 0 1.

0 3 1 2

Application
0 0 1 3
 
Appliquer la méthode de Gauss sur la matrice : 0 3 0 1.

0 3 1 2
0 1 0 1/3
 
Après échelonnage on obtient : 0 0 1 3 , avec

0 0 0 −2
l2 ↔ l1 , l1 → 1/3l1 , l3 → l3 − 3l1 , l3 → l3 − l2 .
0 1 0 0
 
Après réduction on obtient : 0 0 1 0, avec :

0 0 0 1
l3 → −1/2l3 , l2 → l2 − 3l3 , l1 → l1 − 1/3l3 .

Déterminants des matrices carrées

À quoi correspond-il ?
Nombre réel associé à une matrice carrée A, noté det(A).
S’apparente à la notion d’aire ou de volume.
Nous allons voir trois idées : déterminant de matrices d’ordre 2,
d’ordre 3, et d’ordre supérieur.
1 - Pour une matrice carrée d’ordre 2

a1 a2
Le déterminant de la matrice carrée vaut :
a3 a4

a1 a2
a3 a4 = a1 × a4 − a2 × a3

2- Pour une matrice carrée d’ordre 3 : Sarrus

a b c

d
e f = (a×e×i +b×f ×g +c ×d ×h)−(g ×e×c +h×f ×a+i ×d ×b)
g h i
Déterminants de matrices d’ordre >3
Définition du mineur d’une matrice

on appelle mineur de aij le déterminant de la matrice obtenue en barrant la
i ème ligne et la jème colonne de A. Alors le cofacteur de aij est le nombre
réel :
cof (aij ) = (−1)i+j × mineur(aij )
Un calcul par le développement

30 50 0
 
Soit B la matrice, B = −2 −3 1 .

−3 3 −9
−2 1

Le cofacteur de 50 est : cof (50) = (−1) × 1+2
−3 −9
Développer le déterminant de A par rapport à la i ème ligne, c’est écrire :
k=n
X
det(A) = aik × cof (aik )
k=1
Déterminants de matrices d’ordre >3
Un calcul par le développement

30 50 0
 
Soit B la matrice, B = −2 −3 1 .

−3 3 −9
alors :
−3 1 1

det(B) = (−1)1+1 × 30 × + (−1)1+2 × 50 × −2

3 −9 −3 −9
det(B) = 30 × (27 − 3) − 50 × (18 + 3)
det(B) = 30 × 24 − 50 × 21
det(B) = 720 − 1050 = −330

Manipulation des lignes et des colonnes
Il est possible de se faciliter la vie : faire apparaître des zéros dans le

déterminant pour le développement. Ces manipulations sont légitimes
pourvu qu’elles respectent les règles suivantes :
1 La valeur d’un déterminant est inchangée si on ajoute/retranche aux
éléments d’une même ligne les éléments d’une autre ligne ou des
grandeurs proportionnelles aux éléments de plusieurs autres lignes
(idem pour les colonnes).
2 La valeur d’un déterminant est multipliée par λ, si on multiplie par λ
tous les éléments d’une même ligne ou tous les éléments d’une
même colonne.
3 La valeur d’un déterminant 4 se change en son opposé −4, si on
intervertit deux lignes quelconques entre elles ou deux colonnes
quelconques entre elles.
4 Un déterminant ayant : deux lignes identiques OU deux colonnes
identiques OU deux lignes proportionnelles OU deux colonnes
proportionnelles, est nul.
Notion d’inverse d’une matrice carrée

Inverse d’une matrice
La matrice inverse d’une matrice carrée A d’ordre n, notée A−1 , est la
matrice carrée d’ordre n, solution de l’équation : Id = A × A−1 = A−1 × A.
Remarques et propriétés
L’inverse existe si et seulement si son déterminant est différent de 0.
Méthode simple pour une matrice 2 × 2 (on le verra en TD).
Pour les ordres supérieurs : méthode des cofacteurs.
Une méthode en 4 étapes

1 Calcul du déterminant det(A).
2 Calcul de la transposée de la matrice A (noté t A) : les lignes de la
matrice A sont les colonnes de la matrice t A.
3 Calcul de la matrice des cofacteurs de t A (noté cof (t A)).
1
4 Application de la formule : A−1 = × cof (t A).
det(A)
Calcul d’un inverse avec les cofacteurs
30 −2 −3
 
Soit la matrice A = 50 −3 3 

0 1 −9
Le calcul du déterminant de la matrice A donne : det(A) = −330
30 50 0
 
La transposée de la matrice A est : t A = −2 −3 1 

−3 3 −9
La matrice des cofacteurs de la matrice est :
−3 1 −2 1
 
−2 −3
○+ ○- ○ +
 3 −9 −3 3 

−3 −9 24 −21 −
 
50 0 30 0 30 50
cof (t A) =  ○- ○ + ○ -  = 450 −270 −
 
 3 −9
−3 3 

−3 −9
50 −30 1

50 0 30 0 30 50 

○+ ○- ○ +

−3 1 −2 1

−2 −3
Application à la résolution de systèmes

 30x − 2y − 3z

= −18
Soit le système 50x − 3y − 3z = 2
y − 9z = 6

Il s’écrit
sous forme matricielle A× 
X =R
30 −2 −3
  
x −18
où A = 50 −3 3 , X = y  et R =  2 .
0 1 −9 z 6
Si on multiplie à gauche chaque membre de l’équation par l’inverse de la
matrice A i.e. A−1 , on obtient :
A−1 ×(A×X ) = A−1 ×R =⇒ (A−1 ×A)×X = A−1 ×R =⇒ X = A−1 ×R.
Finalement, on obtient :
24 −21 −15
     
x −18
y  = 1 × 450 −270 −30 ×  2 
−330
z 50 −30 10 6
Définition
Valeur et vecteur propre
Soit A une matrice carrée à coefficients dans R. Nous l’associerons
plus tard avec les applications linéaires.
Un scalaire λ ∈ R est une valeur propre de A si et seulement si il
existe un vecteur v de Rn non nul tel que :
Av = λv .
Le vecteur v est le vecteur propre de A associé à la valeur propre λ.
Le polynome caractéristique
Le polynome caractéristique de A noté pA (λ), s’écrit comme suit :
pA (λ) = det(A − λId).
Il permet de déterminer les valeurs propres en résolvant :
pA (λ) = 0.
Pour chaque λ, on cherche alors les vecteurs propres v associés.
Exemple
Calculons les valeurs propres de la matrice A

1 2

Soit A = .
3 2
1−λ 2

On a : A − λId = .
3 2−λ
Son polynome caractéristique conduit à résoudre :
det(A − λId) = λ2 − 3λ − 4 = 0
En résolvant, on obtient λ = 4 et λ = −1
Exemple
Calculons les vecteurs propres de A

x
Prenons par exemple λ = 4. Soit v = un vecteur propre associé à
y
cette valeur propre. On a :
2 0

−3 x
=
3 −2 y 0
On en retire : y = Tousles vecteurs
3
2 x. propres associés à cette valeur
x
propre sont donc de la forme 3 . On choisit par exemple x = 2, ce qui
2x
2

donne : v = . Tous les autres sont des multiples de v . De même pour
3
1

λ = −1, avec laquelle on obtient v =
−1
Définitions
Matrices semblables et diagonalisation
Deux matrices A et B sont semblables s’il existe une matrice inversible P
telle que : A = PBP −1 . Une matrice A est diagonalisable si et seulement
si elle est semblable à une matrice diagonale.
Théorème
Une matrice carrée A d’ordre n est diagonalisable si et seulement si elle a
n vecteurs propres linéairement indépendants.
Proposition
Des vecteurs propres correspondant à des valeurs propres distinctes sont
linéairement indépendants. Autrement dit, si A a n valeurs propres dis-
tinctes, A est diagonalisable.
ATTENTION !
Ce n’est pas parce que les valeurs propres ne sont pas distinctes que la
matrice A n’est pas diagonalisable.

CM1 - Calcul Matriciel

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

CM1 - Calcul Matriciel

Transféré par

Droits d'auteur :

Formats disponibles

Définition et opérations Déterminants Résolution matricielle des systèmes Valeurs propres et diagonalisation

2 Déterminants des matrices carrées

3 Résolution matricielle des systèmes

4 Valeurs propres et diagonalisation

Stockage d’informations, calcul de chemins :

Rx (θ) = 0 cos(θ) −sin(θ)

Pertinence des classements de sites Web

On parle parfois de matrice d’ordre n triangulaire inférieure :

On parle parfois de matrice d’ordre n triangulaire supérieure :

On parle parfois de matrice diagonale :

On parle parfois de matrice d’ordre n symétrique :

Ou encore de matrice transposée :

Opérations sur les matrices

1 - Addition de deux matrices

Opérations sur les matrices

2 - Multiplication d’une matrice par un nombre réel

Les trois propriétés sont valables pour tous λ et µ réels et pour

Opérations sur les matrices

3 - Multiplication de deux matrices

Le calcul du produit de la matrice A par la matrice B, appelée

Opérations sur les matrices

Systèmes linéaires et matrices

Matrice d’un système d’équations

Méthode de résolution de Gauss

Deux étapes pour la méthode de Gauss

Méthode de résolution de Gauss

Méthode de résolution de Gauss

Méthode de résolution de Gauss

Méthode de résolution de Gauss

Appliquer la méthode de Gauss sur la matrice : 0 3 0 1.

Méthode de résolution de Gauss

Appliquer la méthode de Gauss sur la matrice : 0 3 0 1.

Après échelonnage on obtient : 0 0 1 3 , avec

Après réduction on obtient : 0 0 1 0, avec :

l3 → −1/2l3 , l2 → l2 − 3l3 , l1 → l1 − 1/3l3 .

Déterminants des matrices carrées

1 - Pour une matrice carrée d’ordre 2

2- Pour une matrice carrée d’ordre 3 : Sarrus

Déterminants de matrices d’ordre >3

Définition du mineur d’une matrice

Un calcul par le développement

Soit B la matrice, B = −2 −3 1 .

Déterminants de matrices d’ordre >3

Un calcul par le développement

Soit B la matrice, B = −2 −3 1 .

det(B) = 30 × (27 − 3) − 50 × (18 + 3)

det(B) = 720 − 1050 = −330

Manipulation des lignes et des colonnes

Il est possible de se faciliter la vie : faire apparaître des zéros dans le

Notion d’inverse d’une matrice carrée

Une méthode en 4 étapes

Calcul d’un inverse avec les cofacteurs

Soit la matrice A = 50 −3 3 

La transposée de la matrice A est : t A = −2 −3 1 

Application à la résolution de systèmes

A−1 ×(A×X ) = A−1 ×R =⇒ (A−1 ×A)×X = A−1 ×R =⇒ X = A−1 ×R.

Calculons les valeurs propres de la matrice A

Calculons les vecteurs propres de A

Vous aimerez peut-être aussi