Cours de Calcul Matriciel

Yann Morère

Mai 2001
Contents

1 Généralités 1
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Égalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.2 Somme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.3 Multiplication par un scalaire . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.4 Multiplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.5 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.6 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.7 Intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.8 Tranconjugée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.9 Trace d’une matrice A(m×n) = (aij ) . . . . . . . . . . . . . . . . . . . . . 4
1.3.10 Matrice décomposées en blocs (ou partitionnement) . . . . . . . . . . . . 4

2 Opérations élémentaires, application aux équations linéaires 7

2.1 Matrices échelonnées et canonique ligne . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Algorithme de passage à la forme échelonnée . . . . . . . . . . . . . . . . 7
2.1.2 Algorithme de passage d’une forme echelonnée à une forme canonique ligne 8
2.2 Système d’équations linéaires et matrices . . . . . . . . . . . . . . . . . . . . . . 9

3 Espaces vectoriels 13
3.1 Dépendance et Indépendance Linéaire . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Équation linéaire, matrices et espaces vectoriels . . . . . . . . . . . . . . . . . . 14

i
4 Matrices Carrées 17
4.1 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.1 Matrice Unité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.2 Matrice diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.3 Puissance et polynôme de matrices . . . . . . . . . . . . . . . . . . . . . 17
4.2.4 Matrices inversibles ou non singulières . . . . . . . . . . . . . . . . . . . 17
4.2.5 Matrice triangulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.6 Matrice symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.7 Matrice anti-symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.8 Matrice orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.9 Matrice normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.10 Matrice hermitienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.11 Matrice anti-hermitienne . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.12 Matrice unitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.13 Matrice normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Matrices élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Equivalence entre matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.4.1 Equivalence entre deux matrices . . . . . . . . . . . . . . . . . . . . . . 21

5 Déterminants 25
5.1 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.1 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.2.2 Résolution d’un système d’équations linéaires . . . . . . . . . . . . . . . 28

6 Inversions Matricielles 31
6.1 Définitions et Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

7 Équation caractéristique d’une matrice 35

7.1 Définitions, propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

8 Matrices semblables 39
8.1 Définitions et Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
8.2 Matrices diagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
8.3 Matrices symétriques réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

ii
9 Formes quadratiques 43
9.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
9.2 Forme quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

10 Systèmes différenciels 49
10.1 Propriétés et Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
10.2 Cas scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
10.3 Cas matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
10.4 Évaluation de eAt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
10.4.1 Calcul numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
10.4.2 A diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
10.4.3 Utilisation de la formule de Sylverster . . . . . . . . . . . . . . . . . . . . 50

11 Quelques extras 53
11.1 Forme de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
11.2 Matrice compagne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

iii
 1 / 55

Chapter 1
Généralités

1.1 Définitions
Définition 1.1.1. une matrice sur le corps K est un tableau rectangulaire de scalaires aij de
la forme :  
 a11 a12 . . . a1n 
 
 
 a 
 21 
A=
 .
,
 A (m × n) = (aij )
 .. 
 
 
 
am1 . . . . . . amn

avec aij ∈ R, C, R hλipolynôme en λ....

Les m n-uplets (ai1 . . . ain ) i ∈ {1 . . . m} sont appelés lignes de A.

 
 a1j 
 
 . 
Les n m-uplets 
 ..

 j ∈ {1 . . . n} sont appelés colonnes de A.
 
 
amj

Le couple (m, n) est appelé la dimension de la matrice.

C’est un formalisme simple qui permet de généraliser les manipulations des scalaires (Attention :
avec la perte de la commutativité) et de manipuler avec un seul langage des scalaires, des
vecteurs et des tableaux.

1.2 Exemples
1. Soit f une fonction réelle de plusieurs variables f (x1 , . . . , xn ) (x = (x1 . . . xn )) on définit
le gradient : µ ¶
∂f ∂f ∂f
fx = = ,...,
∂x ∂x1 ∂xn
2 / 55 Chapitre 1 : Généralités

matrice ligne du vecteur des dérivées partielles.

Le Hessien ou matrice Hessienne est définie par :
 
∂2f ∂2f
 ∂ 2 x1
··· ∂x1 ∂xn 
 
 .. .. 
Hx =  ... 
 . . 
 
 
∂2f ∂2f
∂xm ∂x1
··· ∂ 2 xn

matrice carrée symétrique des dérivées secondes.

 
 f1 (x1 , . . . , xn ) 
 
 .. 
2. Soit f une fonction vectorielles de plusieurs variables f (x1 , . . . , xn )  . 
 
 
 
fm (x1 , . . . , xn )
on peut alors définir le Jacobien ou matrice Jacobienne :
 
∂f1 ∂f1
 ∂x1
··· ∂xn 
 
 .. .. 
Fx =  ... .
 . . 
 
 
∂fm ∂fm
∂x1
··· ∂xn

1.3 Opérations élémentaires

1.3.1 Égalité

A = B ⇔ ∀ (i, j) aij = bij .

1.3.2 Somme

A + B = (aij + bij )

avec A et B de même dimension.

1.3.3 Multiplication par un scalaire

kA = (k aij )

Yann MORÈRE
1.3 Opérations élémentaires 3 / 55

1.3.4 Multiplication

A (m × p) = (aik ) B (p × n) = (bkj )
A · B (m × n) = (cij )
Pp
avec cij = k=1 aik bkj .

Propriétés :
¤ (AB) C = A (CB)
¤ A (B + C) = AB + AC et (A + B) C = AC + BC
¤ k (AB) = (kA) B = A (kB)
¤ A0 = 0A = 0 zéro est la matrice nulle
¤ evidement AB 6= BA
¤ Si m = n = 1 le résultat du produit est un scalaire
¤ Si p = 1 le produit est une matrice pleine m × n

1.3.5 Transposée d’une matrice

AT = A
Les lignes de A sont les colonnes de AT .
 T  
 a11 a12 . . . a1n   a11 a21 . . . a1m 
   
 .. ..   . .. 
 a   a 
 21 . .   12 . . . 
  = .
 . ..   . .. 
 .. ...   .. ... 
 .   . 
   
   
am1 . . . . . . amn a1n . . . . . . amn
¡ ¢
A(m×n) = (aij ) → AT(n×m) = aTij avec aTij = aji .

Pour les vecteurs :

 
 x1 
 
 .. 
(x1 . . . xn ) = 
T
 . 

 
 
xn

Propriétés :
¤ (A + B)T = AT + B T
¡ T ¢T
¤ A =A
T
¤ (AB) = B T AT
¤ (kA)T = kAT

Cours de Calcul Matriciel

4 / 55 Chapitre 1 : Généralités

1.3.6 Dérivation
A(m×n) = (aij ) avec aij dépendant de α.
µ ¶
dA (α) daij (α)
A (α) = (aij (α)) =
dα dα

1.3.7 Intégration
Z α2 µZ α2 ¶
A (α) dα = aij (α) dα
α1 α1

1.3.8 Tranconjugée
Si A est une matrice définie dans un corps opérant sur C :
T
AH = A transpose de la conjuge,
¡ T ¢ ¡ H¢
avec A(m×n) = (aij ), A(m×n) = (aij ) et AH H
(m×n) = aij = aij avec aij = aij .

Propriétés :
¤ (A + B)H = AH + B H
¡ H ¢H
¤ A =A
¡ H ¢T ¡ T ¢H
¤ A = A =A

1.3.9 Trace d’une matrice A(m×n) = (aij )

min(m,n)
X
trace (A) = aii
i=1

Propriétés :
¤ trace (αA
¡ T ¢+ βB) = αtrace (A) + βtrace (B)
¤ trace A = trace (A)
¡ ¢
¤ trace AH = trace (A)

1.3.10 Matrice décomposées en blocs (ou partitionnement)

³ ´ P P
A(m×n) = Aij(m×n) avec Ii=1 mi = m et Ii=1 ni = n ce qui est intéressant lorsque la matrice
contient des blocs nuls.
   
 1 2 | 3 5   1 | 2 | 3
5 
   
   
 3 4 | 2 2   3 | 4 | 2 2 
   
 = 
   
 − − − − −   − | − | − − 
   
   
   
1 1 | 0 2 1 | 1 | 0 2

Yann MORÈRE
1.3 Opérations élémentaires 5 / 55

Exemple de partitionnement important :

A(m×n) = (aij ) = (a1 , a2 , . . . , an ) avec ai colonnes de
 
 α1T 
 
 .. 
A=
 . 
, αjT lignes de A
 
 
αnT

La transposée est utile dans le sens où un vecteur est une matrice colonne, donc une ligne est
un covecteur et
 
 α1T × b1 α1T × b2 . . . α1T × bn 
 
 .. .. .. ..  ¡ T ¢
A(m×p) · B(p×n) =
 . . . .  = αi bj

 
 
T T T
αm × b1 αm × b2 . . . α m × bn

L’intérêt est quie si l’on dispose de 2 matrices A et B partitionnées telles que les sommes et les
produits aient un sens :
¤ A = (Aij ) , PB = (Bij ) A + B = (Aij + Bij )
¤ C = AB = νk=1 Aik Bkj avec ν le nombre de blocs en ligne de A et le nombre de blocs en
ligne de B

Exemples :
 
  3 −2 0 0 

 
 1 2 0 0 0   
   2 4 0 0 
   
 3 4 0 0 0   
   
A(4×5) =

,
 B(5×4) =
 0 0 1 2 

 0 0 5 1 2   
   
   
   0 0 2 −1 
 
0 0 3 4 1  
0 0 −4 1
    
 
  1 2   3 −2  
    0(2×2)  7 6 0
0 
     
 3 4 2 4   
   
     17 2 0 0 
   
AB(4×4) =

 
 1 2  
 =


     0 0 −1 11 
  5 1 2     
 0(2×2)    2 −1    
      
  
 3 4 1     0 0 7 3
−4 1
Pmin(4,5) Pmin(4,5)
trace (A) = i=1 aii = 1 + 4 + 5 + 4 = 14, trace (B) = i=1 aii = 3 + 4 + 1 − 1 = 7

Cours de Calcul Matriciel

6 / 55 Chapitre 1 : Généralités

    
  3 −2   1 2  
    0(2×2) 
    
 2 4 3 4 
 
   
 
AB(5×5) 
= 2   
 1 
   5 1 2 
    
 0(2×2)  2 −1    
    
   3 4 1 
   
−4 1
 
 −3 −2 0 0  0
 
 
 14 20 0 0 0 
 
 
 
AB(5×5) =
 0 0 11 −9 4 

 
 
 0 0 7 −2 3 
 
 
 
0 0 −17 0 −7

Montrer que si A possède une ligne nulle, alors AB possède une ligne nulle aussi :
   
 α1T   β1T 
   
 ..   .. 
A(m×p) = (a1 , . . . , ap ) = 
 . 
 B (p×n) = (b1 , . . . , b n ) = 
 . 

   
   
T T
αm βm

Soit αiT la ligne nulle de A, alors la ime ligne de AB

¡ T ¢
αi × b1 , . . . , αiT × bn = (0, . . . , 0)

de même si B a une colonne nulle, AB à une colonne nulle.

Soit b la colonne nulle de B, la j me colonne de AB est :
j
   
 α1T × bj   0 
   
 ..   .. 
 . = . 
   
   
   
T
αm × bj 0

Yann MORÈRE
 7 / 55

Chapter 2
Opérations élémentaires, application aux
équations linéaires

2.1 Matrices échelonnées et canonique ligne

Une matrice A est dite ligne-équivalente à une matrice B (A ∼ B) si B peut être obtenue à
partir de A en effectuant un nombre fini d’opérations élémentaires :
¤ (E1) : échanger la ime ligne et la j me ligne : αiT ↔ αjT
¤ (E2) : multiplier la ime ligne par un scalaire non nul k : kαiT → αiT (k 6= 0)
¤ (E3) : remplacer la ime ligne par k fois la j me ligne plus la ime ligne : kαjT + αiT → αiT que
l’on peut regroupé en une étape
¤ (E) : remplacer la ime ligne par k 0 fois la j me ligne plus k fois la ime ligne : k 0 αjT +kαiT → αiT
Une matrice est dite échelonnée (est sous forme échelonnée) si :

1. toutes les lignes nulles sont en bas de la matrice

2. chaque élément distingué (premier élément non nulle d’une ligne αT ) est à droite de
l’élément distingué de la ligne précédente
 
   
 0 1 2 0 3 
 1 2 3   

  0 1 3 0 0 4 
   0 0 2 3 0   
     
 0 0 1   ,  0 0 0 1 0 −2 
 ,    
   0 0 0 1 1   
     
 
0 0 0   0 0 0 0 1 1
0 0 0 0 1
Une matrice échelonnée A est dite sous forme canonique ligne si :

1. chaque élément distingué est égal à 1

2. chaque élément distingué est l’unique élément non nul dans toute sa colonne

2.1.1 Algorithme de passage à la forme échelonnée

A = (aij ) matrice quelconque
8 / 55 Chapitre 2 : Opérations élémentaires, application aux équations linéaires

1. Appeler j1 la 1re colonne contenant un élément non nul

2. Échange les lignes pour que le premier élément différent de 0 soit dans la 1re ligne, jime
colonne (a1j1 6= 0)
3. Utiliser a1j1 comme pivot pour ³ obtenir
´ des zéros sous a1j1 , i.e. : pour i > 1 appliquer
a
(E) : −aij1 α1T + a1j1 αiT ou − a1j1 α1T + αiT −→ αiT
ij

4. Recommencer avec la sous-matrice formée de toutes les lignes sauf la 1re

5. Arrêter quand la matrice est mise sous forme échelonnée.

Exemple :
 
 1 2 −3 0 
 
 
A =  2 4 −2 2 


 
 
3 6 −4 3

a11 = 1, pivot −2α1T + α2T → α2T , −3α1T + α3T → α3T

 
 1 2 −3 0 
 
 
A= 0 0 4 2 


 
 
0 0 5 3

a23 = 4, pivot −5α2T + 4α3T → α3T

 
 1 2 −3 0 
 
 
A= 
 0 0 4 2 , forme echelonnée.
 
 
0 0 0 2

2.1.2 Algorithme de passage d’une forme echelonnée à une forme

canonique ligne

A = (aij ) matrice echelonnée avec a1j1 , a2j2 , . . . , aiji éléments distingués

1
1. multiplier la dernière ligne non nulle par arjr
pour avoir l’élément distingués
2. utiliser arjr = 1 comme pivot pour obtenir des zéros au dessus de arjr , i.e., pour i ∈
{1, . . . , r − 1} appliquer : airi αiT + αiT → αiT
T
3. répéter les étapes 1 et 2 sur les lignes αr−1 à α2T
1
4. multiplier la ligne α1T par arjr

Exemple :

Yann MORÈRE
2.2 Système d’équations linéaires et matrices 9 / 55

   
 1 2 −3 0   1 2 −3 0 
   
   
A= 0 0 4 2 ∼ 0 0 4 2 
   T T T
 avec α2 → −2α3 + α2
   
   
0 0 0 2 0 0 0 1
   
 1 2 −3 0   1 2 0 0 
   
   
A =  0 0 4 0 , a23 = 4 nouveau pivot →A =  0 0 1 0 
  
 forme canonique ligne.
   
   
0 0 0 1 0 0 0 1

2.2 Système d’équations linéaires et matrices

Soit le système d’équations linéaire à m équations et n inconnues :




 a11 x1 + . . . + a1n xn = b1






 a21 x1 + . . . + a2n xn = b2

 ..

 .






 am1 x1 + . . . + amn xn = bm

que l’on peut réécrire de manière matricielle :

    
 a11 . . . . . . a1n   x1   b1 
    
    
 a . . . . . . a2n   x2   b2 
 21    
  = 
 . ..   ..   .. 
 .. ... ... .   .   . 
    
    
    
am1 . . . . . . amn xn bm

avec A(m×n) matrice des coefficients, B(m×1) matrice colonne des constantes et X(n×1) matrice
des inconnues.
La matrice M augmentée du système d’équations linéaires s’écrit :
 
 a11 ... ... b1 
 
 
 a ... ... b2 
 21 
M =
 .

 .. .. 
 ... ... . 

 
 
am1 . . . amn bm

Résoudre le système d’équations linéaires revient à utiliser la matrice M augmentée et à en la

réduire à sa forme échelonnée (permet de dire si le système est consistant) puis à la réduire à
la forme canonique ligne (donne la solution).

Cours de Calcul Matriciel