COURS

2ème Année

Analyse Numérique pour

Ingénieurs
Cours 2ème Année

2022 - 2023
Moctar MOUHAMADOU 3IL-I2
 Chapitre 0
Matrices et Vecteurs

Moctar MOUHAMADOU i 3IL-I2

Analyse Numérique Table des Matières

Moctar MOUHAMADOU ii 3IL-I2

Analyse Numérique Table des Matières

Table des matières

Chapitre 0 ....................................................................................................................... i
1 Quelques rappels : Matrices et vecteurs.............................................................. 1
1.1 Définitions ................................................................................................................... 1
1.1.1 Vocabulaire et notations ...................................................................................... 1
1.1.2 Matrice colonne et matrice ligne ......................................................................... 1
1.2 Opérations sur les matrices .......................................................................................... 2
1.2.1 Addition de deux matrices .................................................................................... 2
1.2.2 Multiplication d’une matrice par un scalaire ...................................................... 3
1.2.3 Multiplication de matrices (Produit des matrices) .............................................. 4
1.2.4 Transposition de matrices .................................................................................... 6
1.2.5 Réduction d’une matrice sous la forme échelonnée : .......................................... 7
1.2.6 Rang d’une matrice .............................................................................................. 8
1.3 Matrices carrées, matrices élémentaires ...................................................................... 9
1.3.1 Matrice carrée ...................................................................................................... 9
1.3.2 Matrice diagonale ................................................................................................ 9
1.3.3 Matrice identité .................................................................................................. 10
1.3.4 Matrice inversible .............................................................................................. 10
1.3.5 Matrice symétrique ............................................................................................. 10
1.3.6 Matrice triangulaire ........................................................................................... 11
1.3.7 Matrice orthogonale ........................................................................................... 11
1.4 Déterminant d’une matrice carrée. ............................................................................ 11
1.4.1 Déterminant d’une matrice carrée d’ordre 2 ..................................................... 11
1.4.2 Déterminant d’une matrice carrée d’ordre n ..................................................... 12
1.5 Inversion de matrices ................................................................................................. 13
1.5.1 Matrice adjointe ou comatrice ........................................................................... 13
1.5.2 Matrice Inverse .................................................................................................. 14

Moctar MOUHAMADOU iii 3IL-I2

 Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1 Quelques rappels : Matrices et vecteurs

1.1 Définitions
Soit deux entiers m ≥ 1 et n ≥ 1. On appelle matrice de type (m,n), un tableau rectangulaire à
m lignes et n colonnes de la forme suivante :

 a1,1 a1,2 a1,n 

 
a2,1 a2,2 a2,n 
M =
 
 
 am ,1 am ,2 am ,n 

Matrice m lignes et n colonnes : On dit que M est une matrice m x n

1.1.1 Vocabulaire et notations

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

▪ Une matrice est souvent notée : M = ( ai , j ) ou encore M =  ai , j  .

▪ Les ai , j sont appelés les coefficients ou terme général de la matrice M. Où

1  i  m est l’indice de la ligne et 1  j  n est celui de la colonne.

▪ donc ai , j désigne l’élément de la i-ème ligne et j-ème colonne.

1.1.2 Matrice colonne et matrice ligne

▪ Une matrice de dimension (m,1) est appelé matrice colonne ou vecteur colonne.

▪ Une matrice de dimension (1,n) est appelé matrice ligne ou vecteur ligne.

- Matrice colonne - Matrice ligne

 a11 
 
a
C =  21  L = ( a11 a12 a1n )
 
 
 am1 
matrice qui a une seule colonne matrice qui a une seule ligne

Analyse Numérique 1 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

Matrices et vecteurs avec Matlab

• Dans une matrice, les lignes sont séparées par un (;) point-virgule
A = [2 3; 4 2 ; 1 0]
• un vecteur ligne se déclare de la manière suivante :

v_ligne = [1 2 3] ou v_ligne = [1, 2, 3]

• un vecteur colonne se déclare de la manière suivante :

v_colonne = [1; 2; 3]

Exemple :
Créer la matrice A ci-dessous et donnez les vecteurs lignes et colonnes de la matrice A.
 2 3
 
A =  4 2
1 0
 

A = [2 3; 4 2 ; 1 0] ; Création de la matrice A

C1 = A(:,1) ; 1ère colonne de A → [2; 4; 1]

C2 = A(:,2) ; 2ème colonne de A → [3; 2; 0]

L1 = A(1,:) ; 1ère ligne de A → [2 3]

L2 = A(2,:) ; 2ème ligne de A → [4 2]

1.2 Opérations sur les matrices

1.2.1 Addition de deux matrices

1.2.1.1 Définition
Soient deux matrices A = ( aij ) et B = ( bij ) toutes deux de dimension (m,n).
Pour obtenir C = A+B, on additionne termes à termes les deux matrices.

C = A+ B , ( ) et cij = aij + bij .

avec C = cij , 1  i  m, et 1  j  n
NB : l'addition de deux matrices n'est possible que si elles ont la même dimension.

On obtient donc une matrice de dimension (m,n).

Moctar MOUHAMADOU 2 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.2.1.2 Exemple :
 2 3 1 2
Soient A =  4 2  et B =  0 1  . Calculez C = A+B
 
1 0 1 4
   

 2 3   1 2   2 +1 3 + 2  3 5
       
C =  4 2  +  0 1  =  4 + 0 2 +1   C =  4 3
 1 0   1 4   1+1 0 + 4   2 4
       

Avec Matlab on déclare A = [2 3; 4 2; 0 1] et B = [1 2; 0 1; 1 4] et on écrit :

C = A+B

1.2.1.3 Propriétés :
Soient A = ( aij ) , B = ( bij ) et C = ( cij ) trois matrices de dimension (m,n) et O la matrice dont
tous les éléments sont égaux à 0.

L’addition des matrices est : commutative, associative

▪ A + B = B + A  On dit que l’addition des matrices est commutative.

▪ ( A + B) + C = A + ( B + C )  On dit que l’addition des matrices est associative.

▪ A+O = A  On dit que O est élément neutre pour l’addition des matrices.

▪ A + ( − A) = 0  On dit que − A est l’opposé de la matrice A .

où − A = ( − aij )

1.2.2 Multiplication d’une matrice par un scalaire

1.2.2.1 Définition
Soit A = ( aij ) une matrice de dimension (m,n) et   . On définit la matrice C =  A comme
la matrice de dimension (m,n) dont tous les cœfficients de A sont multipliés par  .

C =  A = (  aij ) , avec C = ( cij ) et cij =  aij .

→ Chaque terme de la matrice est multiplié par le scalaire

Moctar MOUHAMADOU 3 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.2.2.2 Exemple
 2 3
 
Soit A =  4 2  et  = 3 , calculez C =  A .
1 0
 

 2 3  6 9
 
 A = 3   4 2    A = 12 6 
1 0  3 0
   

1.2.3 Multiplication de matrices (Produit des matrices)

1.2.3.1 Définition
Soient deux matrices A = ( aik ) de dimension (m,n) et B = ( bkj ) de dimension (n,p). Le produit
des deux matrices C = A  B a pour dimension (m,p) et s’écrit :

C = A  B , avec C = ( cij )  cij = a

k =1
ik  bkj pour i = 1, 2, , m et j = 1, 2, ,p

Remarque :

Le produit des deux matrices A  B n’est possible que si le nombre de colonnes de A est
égal au nombre de lignes de B.

Application au cas de deux matrices (2,2).

a a  b b 
A =  11 12  et B =  11 12 
 a21 a22   b21 b22 

a a  b b  a b +a b a11b12 + a12b22 
A  B =  11 12    11 12   C = A  B =  11 11 12 21 
 a21 a22   b21 b22   a21b11 + a22b21 a21b12 + a22b22 

Moctar MOUHAMADOU 4 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

Moyen mnémotechnique :

 b11 b12 
 
 b21 b22 
c11 = a11b11 + a12b21
 a11 a12   c11 c12 
   
 a21 a22   c21 c22 

1.2.3.2 Exemple :
2 3 1
2 1  −4 2   1 2 3  
Soient A =  , B =  , C =  et D =  7 3 2  . Calculez AB et CD
1 4  0 2  3 2 1 8 1 2
 

 2 1  −4 2   −8 4 + 2   −8 6 
AB =     AB =  = 
 1 4  0 2   −4 2 + 8   −4 10 

2 3 1
1 2 3    2 + 14 + 24 3 + 6 + 3 1 + 4 + 6 
CD =  7 3 2  CD =  
3 2 1 8 1 2  6 + 14 + 8 9 + 6 + 1 3 + 4 + 2 
 
 40 12 11
 CD =  
 28 16 9 

1.2.3.3 Propriétés :
Soient A(n,p), B(p,q), C(q,s), D(p,q), E(q,n) :

Le produit matriciel est :

▪ Associatif  ( A  B )  C = A  ( B  C ) = A  B  C

▪ Distributif par rapport à l’addition :

- distributif à gauche  A  ( B + D ) = A  B + A  D

- distributif à droite  ( B + D )  E = B  E + D  E

NB : Le produit matriciel n’est commutatif :  A B  B  A

Moctar MOUHAMADOU 5 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.2.4 Transposition de matrices

1.2.4.1 Définition
Soit M la matrice suivante
 a1,1 a1,2 a1,n 
a a2,n 
M = ( aij )
a2,2
M = 
2,1

 
 
 am ,1 am ,2 am ,n 

La matrice transposée de M notée tM ou M’ est la matrice obtenue en écrivant les lignes de M

en colonnes :
 a1,1 a2,1 am ,1 
a am,2 
t
M =

1,2 a2,2

 M = a ji
t
( )
 
 a1,n a2,n am,n 

Si M a pour dimension (m,n) alors tM a pour dimension (n,m).

1.2.4.2 Exemple
fonction Matlab
 2 3
  transpose(A) ou A’
Soit A =  4 2  , calculez tA
1 0
 

 2 3
  2 4 1
A =  4 2  t
A= 
1 0  3 2 0
 

1.2.4.3 Propriétés
Soient A(p,q), B(p,q), C(q,s) et  réel

( A + B) = t A + tB
t
▪

( A) = A
t t
▪

(   A) =   t A
t
▪

( A  C ) = tC  t A
t
▪  Attention

Moctar MOUHAMADOU 6 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.2.5 Réduction d’une matrice sous la forme échelonnée :

1.2.5.1 Définition
Une matrice A = ( aij ) est dite « échelonnée » si le nombre de « 0 » avant le premier élément
non nul d’une ligne augmente de ligne en ligne.
Exemples :

 a11 a12 a13 

 
▪ La matrice Aech =  0 a22 a23  , avec les aii  0 , est sous sa forme échelonnée.
 0 a33 
 0

1 0 0
▪ La matrice  0 1 2  est sous sa forme échelonnée.
 
0 2 
 0

1 0 0 1 0 0
▪ Les matrices  0 1 2  et  0 0 0  ne le sont pas.
   
0 2  0 3 
 2  0

1.2.5.2 Réduction d’une matrice

On peut réduire une matrice à sa forme échelonnée (ou échelonnée réduite) en effectuant des
opérations élémentaires sur ses lignes :

- Multiplier une ligne par un scalaire non nul.

- Intervertir ou permuter 2 lignes.
- Ajouter à une ligne « k » fois une autre ligne.

1.2.5.3 Exemple
 1 −3 6 2 
 
Soit A =  2 −5 10 3  calculez la forme échelonnée de A
 3 −8 17 4 
 

fonction Matlab
rref(A) c.à.d reduced row echelon form

Moctar MOUHAMADOU 7 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

 1 −3 6 2   1 −3 6 2 
   
A =  2 −5 10 3   l2  l2 − 2l1  0 1 −2 −1 
 3 −8 17 4  l3  l3 − 3l1  0 1 −1 −2 
 

 1 −3 6 2 
 
  0 1 −2 −1
l3  l3 − l2  0 0 1 −1
 

 1 −3 6 2   1 0 0 −1 
   
La forme échelonnée de la matrice A est : Aech =  0 1 −2 −1   0 1 0 −3 
 0 0 1 −1  0 0 1 −1 
   

1.2.6 Rang d’une matrice

1.2.6.1 Définition
Le rang d'une matrice A, noté rg(A), est
• le nombre maximal de vecteurs lignes (ou colonnes) linéairement indépendants,
• le nombre de lignes non nulles dans sa forme échelonnée en lignes.

On peut déterminer le rang en procédant à une élimination en examinant la forme échelonnée

obtenue et en comptant le nombre de minimal de lignes ou de colonnes non nulles.

1.2.6.2 Exemple
 1 −3 6 2  1 3 2 
   
Soit A =  2 −5 10 3  et B =  1 4 1  , calculez le rang de A et le rang de B
 3 −8 17 4   0 1 −1
   

▪ Le rang de la matrice A est : rg(A) = 3.

fonction Matlab : rank(A)
▪

1 3 2  1 3 2  1 3 2 
     
▪ B =  1 4 1   l2  l2 − l1  0 1 −1    0 1 −1
 0 1 −1  0 1 −1 l3  l3 − l2 0 0 0 
     

▪ Le rang de la matrice B est : rg(B) = 2.

Moctar MOUHAMADOU 8 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.3 Matrices carrées, matrices élémentaires

1.3.1 Matrice carrée
1.3.1.1 Définition
Une matrice dont le nombre de lignes est égal au nombre de colonnes est appelée matrice
carrée. Si elle a pour dimension (n,n), on parle de matrice d’ordre n.

1.3.1.2 Exemple

 a1,1 a1,2 a1,n   a11 a12 a13   2 3 1

     
a2,1 a2,2 a2,n  B =  a21 a22 a23  A =  4 2 5
M = a
   31 a32 a33  1 0 9
 
 
 an ,1 an ,2 an ,n 

matrice carrée d’ordre n matrice carrée d’ordre 3 (ou matrice 3x3)

1.3.2 Matrice diagonale

1.3.2.1 Définition 1 :
On appelle diagonale d’une matrice carré d’ordre n, les éléments aii de cette matrice.

Exemple :
. fonction Matlab : diag(A)
 2 3 1 
 
Soit A =  4 2 5  , donnez la diagonale de cette matrice.
1 0 9
 

diag ( A) = ( 2 2 9 )

1.3.2.2 Définition 2 :
Une matrice carrée A = (aij) est dite diagonale si tous ses éléments non diagonaux sont nuls.
Une telle matrice est fréquemment notée A = diag(a11, a22, …, ann) où certains des scalaires aii
peuvent être égaux à zéro.
fonction Matlab : diag(diag(A))=diag([2 2 9])
Exemple :

 a1,1 0 0 
   a11 0 0 
0 a2,2  
D= , A =  0 a22 0 
 0 
   0 a33 
an ,n   0
 0 0

matrice diagonale d’ordre n matrice diagonale d’ordre 3

Moctar MOUHAMADOU 9 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.3.3 Matrice identité

1.3.3.1 Définition
Une matrice carré d’ordre n ne comportant que des 1 sur la diagonale principale et des 0
partout ailleurs est appelée matrice unité ou identité. Une telle matrice est notée In.

1.3.3.2 Propriétés
1 0 0
 
Soient I =  0 1  , A(n,p) et  réel fonction Matlab : eye(n)
n
 0
 
0 0 1 

▪ A  I p = In  A

 0 0
 
0 
▪  In =  
est appelée matrice scalaire. Elle joue le même rôle que  .
 0
 
0 0  

1.3.4 Matrice inversible

1.3.4.1 Définition
Une matrice carrée A d’ordre n est dite inversible ou non singulière, s’il existe une matrice
carrée B d’ordre n telle que :

AB = BA = In
Une telle matrice B est unique, et est appelée matrice inverse de A. Elle est notée A-1.

1.3.5 Matrice symétrique

1.3.5.1 Définition
Une matrice carrée est dite symétrique si et seulement si tA = A. Autrement dit si
i  j aij = a ji

1.3.5.2 Exemple

 1 2 −3   1 2 −3 
   
A= 2 4 9   t
A= 2 4 9   t A= A
 −3 9 0   −3 9 0 
   

Moctar MOUHAMADOU 10 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.3.6 Matrice triangulaire

1.3.6.1 Définition
Une matrice triangulaire est une matrice carrée dont les éléments en-dessous (ou au-dessus)
de la diagonale principale sont tous nuls.

1.3.6.2 Exemple

 1 2 −3   1 0 0
   
0 4 9   2 4 0
0 0 2   −3 9 2 
   
matrice triangulaire supérieure matrice triangulaire inférieure

1.3.7 Matrice orthogonale

1.3.7.1 Définition
Une matrice carrée A d’ordre n est dite orthogonale si

A  t A = t A  A = In
NB : Si A est une matrice orthogonale, alors elle est inversible et A-1 = tA.

1.3.7.2 Exemples

 cos  − sin   0 1 0
   
 sin  cos  
0 0 1
1 0 0
 
matrice de rotation matrice de permutation

1.4 Déterminant d’une matrice carrée.

1.4.1 Déterminant d’une matrice carrée d’ordre 2

1.4.1.1 Définition

a b fonction Matlab : det(A)

Soit A =   alors
c d 

a b
det( A) =  = = a d − cb
c d

Moctar MOUHAMADOU 11 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.4.2 Déterminant d’une matrice carrée d’ordre n

1.4.2.1 Méthode des cofacteurs :
L’astuce consiste à se ramener à des déterminant d’ordre inférieur jusqu’à obtenir des
déterminant d’ordre 2. Pour cela, on développe le déterminant par rapport à une ligne ou une
colonne.
Application :

 a1,1 a1,2 a1, j a1, n 

 
 a2,1 a2,2 a2, j a2, n 
 
A= ,
 ai ,1 ai ,2 ai , j ai ,n 
 
 
 an ,1 an ,2 an, j an,n 


on peut alors développer le calcul du déterminant de A suivant une ligne ou une colonne.
n
▪ Développement suivant la ligne i : det( A) =  aij  X ij
j =1

n
▪ Développement suivant la colonne j : det( A) =  aij  X ij
i =1

où X ij = ( −1)
i+ j
 ij est le cofacteur de l’élément aij et  ij = det( Aij ) est appelée
le mineur du terme aij , c'est-à-dire le déterminant d’ordre (n-1) en enlevant la i-
eme ligne et la j-ème colonne.

1.4.2.2 Propriétés

▪ Si A a une ligne (ou colonne) de zeros alors  det( A) = 0

▪ Si A a deux lignes identiques alors  det( A) = 0

▪ det ( A  B ) = det ( A )  det ( B )

▪ det ( t A ) = det ( A )

Moctar MOUHAMADOU 12 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.4.2.3 Exemple :
 2 3 1
Soit A =  4 2 5  , calculez le déterminant de cette matrice.
1 0 9
 

 2 3 1
  det ( A) = 2 
2 5 4 5 4 2
A =  4 2 5  − 3 +
1 0 9 0 9 1 9 1 0
 
 det ( A ) = 2  2  9 − 3  (4  9 − 5) − 2  det ( A ) = A = −59

2 3 1 2 3
  det ( A) = 2  2  9 + 3  5 1 − ( 3  4  9 + 1 2 1)
A = 4 2 5 4 2 
det ( A) = 36 + 15 − 108 − 2  det ( A) = −59
1 0 9
 1 0 

1.5 Inversion de matrices

1.5.1 Matrice adjointe ou comatrice

1.5.1.1 Définition
Considérons une matrice carrée A d’ordre n. On appelle comatrice ou matrice adjointe de A,
la matrice carrée d’ordre n, notée com(A) ou adj(A) définie par :

adj ( A) = com( A) = ( X ij ) = ( (−1)i + j  ij ) , où X ij est le cofacteur de l’élément aij de A

1.5.1.2 Exemple
 2 3 1
 
Soit A =  4 2 5  , calculez com(A).
1 0 9
 

 2 5 4 5 4 2
+ 0 9
−
1 9
+
1 0
 2 3 1    18 −31 −2 
 3 2 3
A =  4 2 5   com ( A) =  −  com ( A) =  −27 17 3 
1 2 1
+ −
  1 0  
1 0 9  0 9 1 9
  13 −6 −8 
 3 1 2 1 2 3
+ 2 − + 
 5 4 5 4 2

Moctar MOUHAMADOU 13 3IL-I2

Analyse Numérique CHAPITRE 0. Matrices et Vecteurs

1.5.2 Matrice Inverse

1.5.2.1 Définition
Soit A une matrice carrée d’ordre n. On appelle matrice inverse de la matrice A, la matrice (si
elle existe), notée A-1 telle que : AA-1 = A-1 A = I , obtenue par la relation suivante :

1 t
A-1 = com( A) , où t com( A) est la transposée de la comatrice de A
det( A)

Remarque : A est inversible si et seulement si det( A)  0.

1.5.2.2 Exemple :
 2 3 1
 
Soient A =  4 2 5  . Calculez A-1 fonction Matlab : inv(A)
1 0 9
 

 18 −27 13 
1 t −1 1  
A = -1
com( A)  A =   −31 17 −6 
det( A) −59 
 −2 3 −8 

 −18 27 −13 
−1 1  
 A =   31 −17 6 
59 
 2 −3 8 

1.5.2.3 Propriétés
Si A et B sont deux matrices carrées inversibles et du même ordre n, alors :

▪ (A ) −1 −1
=A

(  A)
−1
▪ =  −1 A−1 , où  est un scalaire non-nul

( A) (A )
−1 t −1
▪
t
=

( A B)
−1
▪ = B −1  A−1

Moctar MOUHAMADOU 14 3IL-I2