Chapitre1 Matrices

Introduction aux matrices
Opérations sur les matrices

Matrices carrées particulières
Matrices par blocs
Matrices inversibles
Rang d’une matrice
Algèbre linéaire - 048ALLML2

Chapitre 1
Matrices et calcul matriciel
Joanna Bodgi Tarazi
Faculté des sciences

Université Saint-Joseph de Beyrouth
2021-2022
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Matrices par blocs
Que verra-t-on dans ce chapitre?
X On commencera par définir ce qu’est une matrice
X On apprendra ensuite à faire des opérations sur les matrices :

addition, multiplication par un scalaire, multiplication de deux
matrices
X On verra ensuite des matrices particulières qui sont les

matrices diagonales et les matrices triangulaires

Matrices par blocs
Que verra-t-on dans ce chapitre?
X On apprendra à “visualiser” certaines matrices de manière

différente qui pourrait nous simplifier la vie parfois : la
représentation par blocs
X On verra ce qu’est une matrice inversible et comment calculer

son inverse en utilisant la méthode de Gauss
X On définira la notion de rang d’une matrice et on le calculera

en utilisant la méthode du Pivot de Gauss
X On donnera une première définition de ce que sont les

matrices équivalentes et les matrices semblables
Matrices par blocs
Qu’est-ce qu’une matrice? Y-a-t-il un lien avec le film?

Matrices par blocs
Le film est à propos d’une réalité virtuelle construite par des

robots intelligents
Matrices sont utilisées dans les simulations et le computer

science
Conclusion: Les robots intelligents ont construit la Matrice du film

en utilisant les matrices!

Matrices par blocs

Mais alors qu’est-ce qu’une matrice au juste?
une matrice = un tableau rectangulaire de nombres!!
!
1 5 −3
4 −7 2
Les nombres = les entrées de la matrice
Nombre de lignes = 2
Nombre de colonnes =3
C’est une matrice qui a deux lignes et 3 colonnes

Matrices par blocs
Définition
On appelle matrice de type (m, n) ∈ N∗ 2 à termes dans K,
A : Nm × Nn −→ K
toute application .
(i, j) 7−→ aij
On note A = (aij )1≤i≤m .
1≤j≤n
 
a11 a12 ... a1n

 a21 a22 ... a2n 

A= .. .. .. .. 
. . . .
 
 
am1 am2 ... amn

Matrices par blocs
Définition
On peut également voir une matrice comme étant un tableau
de nombres réels ou complexes formé de m lignes et de n
colonnes.
L’ensemble des matrices de type (m, n) à termes dans K se
note Mm,n (K).

Matrices par blocs

Afin de récolter de l’argent pour le camp, un groupe de guides
vend des galettes et des truffes au chocolat.

Matrices par blocs
La première semaine,
la première patrouille a vendu 10 paquets de galettes et 8
paquets de truffes.
La seconde patrouille a vendu 12 paquets de galettes et 10
paquets de truffes.
Et enfin la troisième patrouille a vendu 15 paquets de galettes
et 5 paquets de truffes.

Matrices par blocs
Représentez le résultat des ventes de la première semaine dans le

tableau suivant :
Galettes Truffes
Patrouille 1
Patrouille 2
Patrouille 3
Table: Ventes de la première semaine

Matrices par blocs
Félicitations! Vous avez créé une matrice de

M3,2(R)!
 
10 8
A =  12 10  ∈ M3,2 (R)
 
15 5

Matrices par blocs
Introduction to matrices
Les ventes de la deuxième semaine sont présentées dans le tableau
suivant:
Galettes Truffes
Patrouille 1 10 10
Patrouille 2 11 8
Patrouille 3 13 8
Table: Résultats des ventes de la semaine 2
Nous avons créé une nouvelle matrices de M3,2 (R) :

 
10 10
B =  11 8  ∈ M3,2 (R)
 
13 8

Matrices par blocs

Ecrivons maintenant dans le tableau qui suit le total des ventes des
deux premières semaines :
Galettes Truffes
Patrouille 1 10 8
Patrouille 2 12 10
Patrouille 3 15 5
Table: Semaine 1
Galettes Truffes
Patrouille 1 10 10
Patrouille 2 11 8
Patrouille 3 13 8
Table: Semaine 2

Matrices par blocs
Galettes Truffes
Patrouille 1
Patrouille 2
Patrouille 3
Table: Semaines 1 et 2

Matrices par blocs

Galettes Truffes
Patrouille 1 10 + 10 = 20 8 + 10 = 18
Patrouille 2 12 + 11 = 23 10 + 8 = 18
Patrouille 3 15 + 13 = 28 5 + 8 = 13
Table: Semaines 1 et 2
Nous avons additionné deux matrices A et B:

   
10 8 10 10
A =  12 10  ∈ M3,2 (R), B =  11 8  ∈ M3,2 (R)
15 5 13 8
 
20 18
A + B =  23 18  ∈ M3,2 (R)
28 13
Matrices par blocs
La somme de matrices se fait donc entre deux matrices de mêmes

types, en faisant une addition terme à terme. La matrice obtenue
est de même type que les deux matrices initiales.

Matrices par blocs

Rappelons les résultats de la première semaine :
Galettes Truffes
Patrouille 1 10 8
Patrouille 2 12 10
Patrouille 3 15 5
Table: Semaine 1
Durant la troisième semaine, les ventes ont doublé par rapport à la

première semaine! Donnez le tableau correspondant :
Ventes Galettes Truffes
Patrouille 1
Patrouille 2
Patrouille 2
Table: Résultat des ventes de la semaine 3.
Matrices par blocs
Ventes Galettes Truffes

Patrouille 1 2 × 10 = 20 2 × 8 = 16
Patrouille 2 2 × 12 = 24 2 × 10 = 20
Patrouille 3 2 × 15 = 30 2 × 5 = 10
Table: Résultat des ventes de la semaine 3.

Matrices par blocs
Ce que vous venez de faire est de multiplier la matrice A par un

réel :
   
10 8 20 16
A =  12 10  ∈ M3,2 (R), 2A =  24 20  ∈ M3,2 (R)
   
15 5 30 10
La multiplication d’une matrice par un “scalaire” se fait en

multipliant chaque terme de cette matrice par ce scalaire. La
matrice obtenue est de la même dimension que la matrice initiale.

Matrices par blocs

Deux tarifs ont été proposés:
Dans le premier, les prix de ventes ont été fixés à 3.5$ pour
les galettes et 1.5$ pour les truffes.
Pour le second tarif, les prix de ventes ont été fixés à 3$ pour
les galettes et 2$ pour les truffes.
Représentez les tarifs dans le tableau suivant:
Tarifs Tarif 1 Tarif 2

Galettes
Truffes
Table: Les tarifs.

Matrices par blocs
Tarifs Tarif 1 Tarif 2

Galettes 3.5 3
Truffes 1.5 2
Table: Les tarifs.
Là aussi c’est une nouvelle matrice:

!
3.5 3
C= ∈ M2 (R)
1.5 2
C’est une matrice qui a le même nombre de lignes et de colonnes.

Elle est appelée matrice carrée!

Matrices par blocs
Donner dans ce dernier tableau les sommes d’argents récoltées par

chaque patrouille durant la première semaine, pour chacun des
tarifs proposés en écrivant les détails du calcul que vous avez fait :
Tarif 1 Tarif 2
Patrouille 1
Patrouille 2
Patrouille 2
Table: Sommes d’argents récoltées par chaque patrouille durant la
première semaine pour chacun des tarifs proposés.

Matrices par blocs

Tarif 1 Tarif 2
Patrouille 1 10 × 3.5 + 8 × 1.5 = 47 10 × 3 + 8 × 2 = 46
Patrouille 2 12 × 3.5 + 10 × 1.5 = 57 12 × 3 + 10 × 2 = 56
Patrouille 3 15 × 3.5 + 5 × 1.5 = 60 15 × 3 + 5 × 2 = 55
Table: Sommes d’argents récoltées par chaque patrouille durant la
première semaine pour chacun des tarifs proposés.
Ici, vous avez effectué le produit de deux matrices:

 
10 8
3.5 3
A=  12 10  ∈ M3,2 (R), C = ∈ M2 (R)
1.5 2
15 5
 
10 × 3.5 + 8 × 1.5 10 × 3 + 8 × 2
AC =  12 × 3.5 + 10 × 1.5 12 × 3 + 10 × 2  ∈ M3,2 (R)
15 × 3.5 + 5 × 1.5 15 × 3 + 5 × 2
Matrices par blocs
Pour faire ce produit, il faut que le nombre de colonnes de A soit

égal au nombre de lignes de C . On obtient une matrice qui a le
même nombre de lignes que la A et le même nombre de colonnes
que C .
Voilà! Maintenant vous connaissez les matrices et les opérations

élémentaires sur les matrices!

Matrices par blocs
Quelques matrices particulière

Définition
On appelle matrice colonne ou vecteur colonne de dimension m,
toute matrice de type (m, 1) :
 
a11

 a21 

 .. 
.
 
 
am1
Exemple :
 
3
A =  1.5  ∈ M3,1 (R)
 
2
Matrices par blocs
Définition
On appelle matrice ligne ou vecteur ligne de dimension n toute
matrice de type (1, n) :
(a11 ... a1n )
Exemple :
√
A= 3 i 2 2 1.2 1 + 2i ∈ M1,5 (C)

Matrices par blocs
Définition
1 Si m = n, on dit que A est une matrice carrée d’ordre n:
 
a11 a12 ... a1n

 a21 a22 ... a2n 

A= .. .. .. .. 
. . . . 
 

an1 an2 ... ann
2 Dans ce cas, a11 ,...,ann s’appellent les éléments de la

diagonale principale.
3 L’ensemble des matrices carrées d’ordre n à termes dans K est
noté Mn (K).

Matrices par blocs
Exemple: :
 √ 
3 1.2 5
 6 
A=
 5 2.3  ∈ M3 (R)
6 
8.1 2 9
les éléments de la diagonale principale sont 3, 2.3, et 9

Matrices par blocs
Définitions
1 On appelle matrice nulle de type (m, n) une matrice dont tous
les termes sont nuls. On la note 0m,n ou 0.

2 On appelle matrice unité d’ordre n, la matrice de Mn (K)
notée et définie par
 Sur la diagonale on a 1 et
1 ... 0

partout ailleurs on a 0
In = 
 . . 
. 
0 ... 1

Matrices par blocs
Transposée d’une matrice
Définition
A = (aij ) ∈ Mm,n (K). On appelle transposée de A, la matrice
t A = (a ) ∈ M
ji n,m (K).
Exemple :
 
x y !
A =  z t  ∈ M3,2 (K), t A = ∈ M2,3 (K)
 
e f
Propriété
Soit A ∈ Mm,n (K), alors t (t A) = A.

Matrices par blocs
Egalité
Définition
Soient A = (aij ) , B = (bij ) ∈ Mm,n (K).
A = B ⇐⇒ (∀(i, j) ∈ Nm × Nn , aij = bij )
Exemple :
   
1 2 x y
Soient A =  3 4  , B =  z t  ∈ M3,2 (K)
   
5 6 u v
Sous quelles conditions a-t-on A = B?

Matrices par blocs
Addition
Définition
Soient A = (aij ) , B = (bij ) ∈ Mm,n (K).
On appelle matrice somme de A et B, et on note A + B la matrice
(cij ) ∈ Mm,n (K) telle que cij = aij + bij .
A + B = (aij + bij ) ∈ Mm,n (K)

Matrices par blocs
Addition
Exemple :
   
1 2 x y
Soient A =  3 4  , B =  z t  ∈ M3,2 (R)
   
5 6 u v
 
A+B = ∈
 

Matrices par blocs
Multiplication par un scalaire
Définition
Soient λ ∈ K et A = (aij ) ∈ Mm,n (K).
λA = (λaij ) ∈ Mm,n (K)
Exemple :
   
1 2 x y
Soient A =  3 4  , B =  z t  ∈ M3,2 (R)
   
5 6 u v
   
1 2 x y
A − 2B =  3 4  − 2  z t  =
   
5 6 u v

Matrices par blocs
Propriétés
Propriétés
Soient λ, µ ∈ K, A, B ∈ Mm,n (K).
1 λ(A + B) = λA + λB
2 (λ + µ)A = λA + µA
3 λ (µA) = (λµ) A = µ (λA)
4 1K A = A
5 En particulier (−1)A = −A

Matrices par blocs
Produit scalaire de deux vecteurs
Définition
Soient L = (a1 . . . an ) ∈ M1,n (K) un vecteur ligne de dimension
b1
 
 ..
n et C =  .  ∈ Mn,1 (K) un vecteur colonne de dimension n.

bn
On définit le produit scalaire de L et C comme étant le nombre
noté et défini par:
n
X
L.C = ai bi
i=1

Matrices par blocs
Produit scalaire de deux vecteurs
Exemple :
 
4
L = (1 2 3) ∈ M1,3 (R), C =  5  ∈ M3,1 (K),
 
6
LC = 1 × 4 + 2 × 5 + 3 × 6 = 32.

Matrices par blocs
Multiplication de deux ou plusieurs matrices
Définition
Soit A = (aij ) ∈ Mm,n (K) et B = (bij ) ∈ Mn,p (K). On appelle
matrice produit de A et B la matrice
AB = (cij ) ∈ Mm,p (K)
où
n
X
cij = aik bkj
k=1

Matrices par blocs

Définition
En d’autres
 termes si on note

L1
A =  ...  ∈ Mm,n (K) où chaque Li est un vecteur ligne de
 
Lm
dimension n,
et B = (C1 . . . Cp ) ∈ Mn,p (K), où chaque Ci est un vecteur colonne de
dimension n
Alors
 
  L1 C1 L1 C2 . . . L1 Cp
L1  L2 C1 L2 C2 . . . L2 Cp 
AB =  ...  (C1 Cp ) =  .
   
 ..


Ln
Lm C1 Lm C2 . . . Lm Cp

Matrices par blocs
Exemple :
 
! 1 −1 3
a b c
A= , B= 2 0 4 
 
d e f
3 2 −2
!
AB = ∈ M2,3 (K)
La multiplication des matrices n’est pas commutative.

Parfois AB est définie sans que BA ne soit définie.

Matrices par blocs

Propriétés
1 Soit A ∈ Mm,n (K), alors A.0n,p = 0m,p et 0p,m A = 0p,n .
Si A ∈ Mm,n (K ), A.In = A et Im A = A. En particulier, si
A ∈ Mn (K), A.In = In .A = A.
2 La multiplication des matrices est associative et distributive
par rapport à l’addition.
On peut avoir AB = 0 sans que A ou B soient nulles.

Exemple :
! ! !
1 0 0 0 0 0
=
0 0 1 0 0 0
Matrices par blocs
Trace d’une matrice
Définition
Soit A = (aij ) ∈ Mn (K). On appelle trace de A le scalaire
n
X
tr (A) = aii
i=1
Exemple :
 
1 4 5
A =  4 2 6 ,
 
5 6 3
tr (A) =

Matrices par blocs
Trace d’une matrice
Propriétés
Soient A, B ∈ Mn (K), λ ∈ K.
1 tr (t A) = tr (A) car A et t A ont la même diagonale.
2 tr (A + B) = tr (A) + tr (B).
3 tr (λA) = λtr (A).

4 tr (AB) = tr (BA)

Matrices par blocs
Matrice diagonale
Définition
Une matrice carrée est dite diagonale si elle est de la forme :
a11 . . . 0
 
D=
 .. 
. 
0 . . . ann
i.e. aij = 0 si i 6= j. On la note D = (a11 , . . . , ann ).
On note
Dn (K) = {matrices diagonales d’ordre n}

Matrices par blocs
Matrice diagonale
Exemple :
 
1 0 0
D =  0 2 0  ∈ D3 (R)
 
0 0 1
Dans une matrice diagonale, il peut avoir des termes

nuls sur la diagonale.
Exemple :
 
2 0 0
A =  0 0 0  est diagonale.
 
0 0 3
Matrices par blocs
Matrice triangulaire
Définition
Une matrice carrée est dite triangulaire supérieure si elle est de la
forme :
a11 . . . a1n
 
.. . 
. .. 


0 ann
i.e.
∀i, j ∈ Nn , (i > j =⇒ aij = 0)
On note
Tns (K) = {matrices triangulaires supérieures d’ordre n}

Matrices par blocs
Définition
Une matrice carrée est dite triangulaire inférieure, si elle est de la
forme :
a11 0
 
.. . 
. .. 


an1 . . . ann
i.e.
∀i, j ∈ Nn , (i < j =⇒ aij = 0)
On note
Tni (K) = {matrices triangulaires inférieures d’ordre n}

Matrices par blocs
Exemples :
 
2 1 0
A= 0 2 5  ∈ T3s (R)
 
0 0 3
 
2 0 0
B =  1 2 0  ∈ T3i (R)
 
1 0 3

Matrices par blocs
Matrice idempotente, involutive, nilpotente
Définitions
Soit A ∈ Mn (K).
1 A est idempotente si A2 = A.
2 A est involutive si A2 = I.
3 A est nilpotente s’il existe un entier naturel p tel que Ap = 0.

Si k est le plus petit entier naturel tel que Ak = 0, alors k
s’appelle l’indice de nilpotence de A.

Matrices par blocs

Exemples :
Dites pour chacune des matrices suivantes si elle est idempotente?
involutive? nilpotente?
!
1 0
A=
3 0
!
0 1
B=
1 0
 
0 2 3
C = 0 0 4 
 
0 0 0

Matrices par blocs
Exemples :
!
1 0
A= est idempotente.
3 0
!
0 1
B= est involutive.
1 0
 
0 2 3
C =  0 0 4  est nilpotente et son indice de nilpotence est 3.
 
0 0 0

Matrices par blocs
Matrice symétrique
Définition
A ∈ Mn (K) est dite symétrique si, et seulement si, t A = A i.e.
∀i, j ∈ Nn , aij = aji
On note Sn (K) l’ensemble des matrices symétriques d’ordre n.
Exemple :
 
1 4 5
A =  4 2 6  est symétrique.
 
5 6 3
Matrices par blocs
Matrice antisymétrique
Définition
A ∈ Mn (K) est dite antisymétrique si, et seulement si, t A = −A
i.e.
∀i, j ∈ Nn , aij = −aji
On note An (K) l’ensemble des matrices antisymétriques d’ordre n.
Exemple :
 
0 4 5
B =  −4 0 6  est antisymétrique.
 
−5 −6 0

Matrices par blocs
Matrice antisymétrique
Si A est antisymétrique, alors
∀i ∈ Nn , aii = 0

Matrices par blocs
Propriétés
Propriétés
Soient A, B ∈ Mm,n (K) et λ ∈ K.
1 t (A + B) =t A +t B.
2 t (λA) = λt A.
3 t (AB) =t B t A.
4 Si A, B ∈ Mn (K) sont symétriques, alors il en est de même de

A + B et de λA.
5 Si A, B ∈ Mn (K) sont antisymétriques, alors il en est de

même de A + B et de λA.
Matrices par blocs
Propriétés
1 Si A et B ∈ Mn (K), sont symétriques, AB n’est pas

symétrique en général.
En effet, t (AB) =t B t A = BA 6= AB en général.
2 De même, si A et B ∈ Mn (K), sont antisymétriques, AB n’est

pas antisymétrique en général.
En effet, t (AB) =t B t A = (−B)(−A) = BA 6= −AB en

général.

Matrices par blocs
Composantes symétrique et antisymétrique d’une matrice
Définitions
Soit A ∈ Mn (K).
1 On appelle composante symétrique de A, la matrice
1
A +t A .

2
2 On appelle composante antisymétrique de A, la matrice
1
A −t A .

2

Matrices par blocs
Composantes symétrique et antisymétrique d’une matrice
1 1
A +t A est symétrique et A −t A est

Il est évident que
2 2
antisymétrique.
On peut également noter que A est égale à la somme de sa

composante symétrique et de sa composante antisymétrique.

Généralités
Opérations sur les matrices par blocs
Matrices par blocs
Matrices par blocs particulières
Bloc d’une matrice
Définition
Soit A ∈ Mm,n (K). On appelle bloc de la matrice A toute
restriction de A à I × J où I ⊂ Nm et J ⊂ Nn , I et J étant formés
d’entiers consécutifs.

Généralités
Matrices par blocs
Bloc d’une matrice
Exemple :
 
1 2 3 4 5 6

 7 8 9 10 11 12 
A=
 13 14  ∈ M5,6 (R)
15 16 17 18 
 19 20 21 22 23 24 
25 26 27 28 29 30
I = {2, 3} ⊂ N5 , J = {1, 2, 3} ⊂ N6 sont formés par des entiers

consécutifs.

7 8 9
est donc un bloc de la matrice A.
13 14 15

Généralités
Matrices par blocs
Ecriture par blocs d’une matrice
Définition
Soit A = (aij ) ∈ Mm,n (K). On peut écrire A de la forme suivante :
A11 . . . A1s
 
 .. .. 
A= . . 
At1 . . . Ats
où s, t ∈ N∗ , et pour tout (i, j) ∈ Nt × Ns , Aij ∈ Mmi ,nj (K), avec
t
X s
X
mi , nj ∈ N∗ , mi = m, et nj = n.
i=1 j=1
Les Aij sont les blocs. C’est une décomposition de A par blocs.

Généralités
Matrices par blocs
Ecriture par blocs d’une matrice

Exemples :
 
1 2 3 4 5 6
 1 2 3 4 5 6 
1 A= 1
 est une décomposition par blocs de
2 3 4 5 6 
1 2 3 4 5 6
A.
 
x1
 x2
x1

A= .  ∈ Mn,1 (K) peut s’écrire A = où
2
 
 ..  X
xn
 
x2
X =  ...  ∈ Mn−1,1 (K).
 
xn
Généralités
Matrices par blocs
Ecriture par blocs d’une matrice carrée

Convention :
Si A est une matrice carrée, on considère les décompositions par
blocs telles que :
· s = t, i.e. le nombre de blocs par ligne est égal au nombre de
blocs par colonne,
· pour tout i ∈ Ns , ni = mi , i.e. les blocs Aii pour i ∈ Ns sont
des matrices carrées.
A11 . . . A1s
 
A=
 .. 
. 
As1 . . . Ass
Dans ce cas, les Aii s’appellent les blocs diagonaux.
Généralités
Matrices par blocs
Ecriture par blocs d’une matrice carrée
Exemples :
 
  1 1 1 1 1
a d g 
 2 2 2 2 2 

0
A= b e h , A = 3 3 3 3 3
   

 
c f i  4 4 4 4 4 
5 5 5 5 5

Généralités
Matrices par blocs
Addition
Soient A, B ∈ Mm,n (K). Pour faire l’addition en utilisant la
décomposition par blocs, il faut que A et B aient le même nombre
s de blocs par ligne et le même nombre t de blocs par colonnes.
De plus, pour tout (i, j) ∈ Nt × Ns , Aij , Bij ∈ Mmi ,nj (K), avec
t
X s
X
mi = m et ni = n.
i=1 i=1
A11 . . . A1s B11 . . . B1s

   
 .. ..  +  .. .. 
A+B =  . .   . . 
A ... Ats Bt1 . . . Bts
 t1
A11 + B11 . . . A1s + B1s

= 
 .. .. 
. . 
At1 + Bt1 ... Ats + Bts
Généralités
Matrices par blocs
Multiplication par un scalaire

Soient λ ∈ K et A ∈ Mm,n (K). On considère la décomposition par
blocs suivante :
A11 . . . A1s
 
A =  ... .. 

. 
At1 . . . Ats
où t, s ∈ N∗ , et pour tout (i, j) ∈ Nt × Ns , Aij ∈ Mmi ,nj (K), avec
t
X s
X
mi = m et ni = n.
i=1 i=1
Alors,
λA11 . . . λA1s
 
 .. .. 
λA =  . . 
λAt1 . . . λAts
Généralités
Matrices par blocs
Multiplication de matrices
Soient A = (aik ) ∈ Mm,n (K), B = (bkj ) ∈ Mn,p (K) et

C = AB = (cij ) ∈ Mm,p (K). Alors pour tout
n
X
(i, j) ∈ Nm × Np , cij = aik bkj .
k=1
On considère les décompositions par blocs suivantes :
A = (Aik ) où i ∈ Nt et k ∈ Ns , et pour tout (i, k) ∈ Nt × Ns ,
t
X s
X
Aik ∈ Mmi ,nk , avec mi , nk ∈ N∗ , mi = m et nk = n,
i=1 k=1
B = (Bkj ) où k ∈ Ns et j ∈ Nq , et pour tout (k, j) ∈ Ns × Nq ,
s
X q
X
Bkj ∈ Mnk ,pj , avec nk , pj ∈ N∗ , nk = n et pj = p.
k=1 j=1

Généralités
Matrices par blocs
A11 . . . A1s B11 . . . B1q

   
 .. .
..  B =  ... .. 
A= .
 
. 
At1 . . . Ats Bs1 . . . Bsq
s
X
Donc C = (Cij ) avec i ∈ Nt , j ∈ Nq et Cij = Aik Bkj .
k=1
Ainsi, il faut pouvoir multiplier Aik et Bkj , donc Aik ∈ Mmi ,nk et
Bkj ∈ Mnk ,pj .
Par suite Cij ∈ Mmi ,pj .

Généralités
Matrices par blocs
Exemple :
!
A11 A12
A= , avec pour tout i, j ∈ {1, 2}, Aij ∈ Nmi ,nj
A21 A22
!
B11 B12
B= , avec pour tout i, j ∈ {1, 2}, Bij ∈ Nni ,pj
B21 B22
!
A11 B11 + A12 B21 A11 B12 + A12 B22
AB =
A21 B11 + A22 B21 A21 B12 + A22 B22

Généralités
Matrices par blocs
Matrices diagonales par blocs
Définition
Soit A ∈ Mn (K). On dit que A est une matrice diagonale par blocs
s’il existe une décomposition par blocs de A de la forme :
 
A11 0 ... 0
 .. .. .. 
 0 . . . 
A=
 
.. .. .. 

 . . . 0 

0 . . . 0 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), avec ni ∈ N∗ et
s
X
ni = n
i=1

Généralités
Matrices par blocs
Matrices diagonales par blocs
Exemple :
 
1 1 0 0 0 0 0 0

 1 1 0 0 0 0 0 0 

0 0 2 2 0 0 0 0
 
 
 
 0 0 2 2 0 0 0 0 
A= 

 0 0 0 0 3 3 3 3 

0 0 0 0 3 3 3 3
 
 
0 0 0 0 3 3 3 3
 
 
0 0 0 0 3 3 3 3

Généralités
Matrices par blocs
Matrices triangulaires par blocs
Définition
Soit A ∈ Mn (K). On dit que A est une matrice triangulaire supérieure
par blocs s’il existe une décomposition par blocs de A de la forme :
 
A11 A12 . . . A1s
 .. .. .. 
 0 . . . 
A= .
 
 .. . .. . .. A 
s−1,s

0 ... 0 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), et pour tout
(i, j) ∈ Ns−1 × {i + 1, . . . , s}, Aij ∈ Mni ,nj (K), avec ni , ∈ N∗ et
Xs
ni = n.
i=1

Généralités
Matrices par blocs
Exemple :
 
1 1 1 1 1 1 1

 1 1 1 1 1 1 1 

0 0 2 2 2 2 2
 
 
 
A=
 0 0 2 2 2 2 2 


 0 0 0 0 3 3 3 

0 0 0 0 3 3 3
 
 
0 0 0 0 3 3 3

Généralités
Matrices par blocs
Définition
Soit A ∈ Mn (K). On dit que A est une matrice triangulaire inférieure par
blocs s’il existe une décomposition par blocs de A de la forme :
 
A11 0 ... 0
.. 
 A21 . . . ..

. . 
A= . 
. . . . . 
 . . . 0 
As1 . . . As,s−1 Ass
où s ∈ N∗ , et pour tout i ∈ Ns , Aii ∈ Mni (K), et pour tout
s
X
(i, j) ∈ {2, . . . , s}Ni−1 , Aij ∈ Mni ,nj (K), avec ni , ∈ N∗ et ni = n.
i=1

Généralités
Matrices par blocs
Quelques remarques
Si A ∈ Mn (K) est une matrice diagonale :
 
d1 0 0 ... 0
 0 d2 0 ... 0 
 
A =  ... .. .. .. ..
 
 . . . . 

 0 ... 0 dn−1 0 
0 ... 0 0 dn
Alors pour tout p ∈ N∗ ,
d1p
 
0 0 ... 0

 0 d2p 0 ... 0 

p
A =
 .. .. .. .. .. 
. . . . . 
p
 
 0 ... 0 dn−1 0 
0 ... 0 0 dnp
Généralités
Matrices par blocs
Quelques remarques
Si A ∈ Mn (K) est une matrice diagonale par blocs:
 
D1 0 0 ... 0
 0 D2 0 ... 0 
 
A =  ... .. .. .. ..
 
 . . . .

 0 ... 0 Ds−1 0 
0 ... 0 0 Ds
D1p
 
0 0 ... 0

 0 D2p 0 ... 0 

p
A =
 .. .. .. .. .. 
. . . . . 
p
 
 0 ... 0 Ds−1 0 
0 ... 0 0 Dsp
Généralités
Matrices par blocs
Quelques remarques
Si A ∈ Mn (K) est une matrice triangulaire supérieure :
 
a11 a12 a13 ... a1n
 0 a22 a23 . . . a2n 
 
 .. . .. . .. . .. ..
A= .

 . 

 0 . . . 0 an−1,n−1 an−1,n 
0 ... 0 0 ann
 p 
a11 c12 c13 ... c1n
 0 p
a22 c23 ... c2n 
 . ..
 
Ap =  .. .. .. .. 
. . . . 
p
 
 0 ... 0 an−1,n−1 cn−1,n 
p
0 ... 0 0 ann
Généralités
Matrices par blocs
Quelques remarques
Si A ∈ Mn (K) est une matrice triangulaire supérieure par blocs:
 
A11 A12 A13 ... A1s
 0 A22 A23 ... A2s 
 
 .. .. .. .. ..
A= .

 . . . . 

 0 ... 0 As−1,s−1 as−1,s 
0 ... 0 0 Ass
 p 
A11 C12 C13 ... C1s
 0 Ap22 C23 ... C2s 
 . ..
 
A =  .. .. .. .. 
. . . . 
Aps−1,s−1
 
 0 ... 0 cs−1,s 
0 ... 0 0 Apss
Généralités
Matrices par blocs
Quelques remarques
Le même principe s’applique pour les matrices triangulaires

inférieures et les matrices triangulaires inférieures par blocs.

Matrices par blocs
Définition
Définition
A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) tel que
AB = BA = In . Dans ce cas, B s’appelle l’inverse de A et sera
noté B = A−1 .
Propriétés
1 A est inversible si, et seulement si, elle l’est à gauche ou à
droite. !
a b
2 Si A = ∈ M2 (K), A est inversible si, et seulement
c d
si, ad − bc 6= 0.

Matrices par blocs
Exemple
!
1 2
A= ∈ M2 (R)
3 4
Vérifions si A est inversible et déterminons dans ce cas A−1 . Soit
B ∈ M2 (R), donc
!
a b
B=
c d
On a
! ! !
1 2 a b 1 0
AB = I2 ⇐⇒ =
3 4 c d 0 1
! !
a + 2c b + 2d 1 0
⇐⇒ =
3a + 4c 3b + 4d 0 1
Matrices par blocs
Exemple

  a = −2
a + 2c = 1


 b=1

 


 b + 2d = 0 
AB = I2 ⇐⇒ ⇐⇒ 3
3a + 4c = 0 c=

 
 2
1
 

3b + 4d = 1 
 d =−


2
A est donc inversible et
 
−2 1
A−1 =B= 3 1 
−
2 2

Matrices par blocs
Quelques remarques... et une définition

Remarques :
1 L’inverse d’une matrice, lorsqu’il existe, est unique.

2 Si A, B ∈ Mn (K) sont inversibles, il en est de même de AB et
on a (AB)−1 = B −1 A−1 .
3 Si A ∈ Mn (K ) est involutive, alors A est inversible et
A−1 = A.
Définition
L’ensemble des matrices inversibles d’ordre n est noté GLn (K) et
s’appelle le groupe linéaire d’ordre n.
Matrices par blocs
Combinaison linéaire
Définition
1 Soient L1 , . . . , Ln , n vecteurs lignes de même dimension k. On
appelle combinaison linéaire des Li , tout vecteur ligne L de
dimension k, donné par
n
X
L= ai Li , où pour tout i ∈ Nn , ai ∈ K
i=1
2 Soient C1 , . . . , Cn , n vecteurs colonnes de même dimension k. On

appelle combinaison linéaire des Ci , tout vecteur colonne C de
dimension k, donné par
n
X
C= ai Ci , où pour tout i ∈ Nn , ai ∈ K
i=1

Matrices par blocs
Opérations élémentaires
Définition
On appelle opération élémentaire de lignes (resp. colonnes) sur
une matrice A chacune des opérations suivantes :
1 Multiplier une ligne (resp. colonne) de A par une constante

non nulle,
2 Echanger deux lignes (resp. colonnes),
3 Ajouter à une ligne (resp. colonne) une combinaison linéaire

des autres lignes (resp. colonnes).

Matrices par blocs
Matrices élémentaires et matrices lignes-équivalentes
Définition
On appelle matrice élémentaire toute matrice obtenue à partir de
la matrice identité I par une opération élémentaire de lignes.
Proposition
Les matrices élémentaires sont inversibles.

Matrices par blocs
Matrices élémentaires et matrices lignes-équivalentes
Définition
Une matrice A est ligne-équivalente à une matrice B si B peut être
obtenue à partir de A par un nombre fini d’opérations élémentaires
de lignes.
Proposition
La ligne-équivalence est une relation d’équivalence.

Matrices par blocs
Matrices échelonnées
Définition
1 Une matrice B est dite échelonnée en lignes si chaque ligne
non nulle de B commence avec strictement plus de 0 que la

ligne précédente, et les lignes nulles (ne contenant que des 0)
de B viennent en bas après les lignes non nulles. Le premier
terme non nulle de chaque ligne est appelé Pivot de Gauss.
2 Une matrice B est dite échelonnée en colonnes si chaque

colonne non nulle de B commence avec strictement plus de 0
que la colonne précédente, et les colonnes nulles (ne
contenant que des 0) de B viennent après les colonnes non
nulles. Le premier terme non nulle de chaque colonne est
appelé Pivot de Gauss.
Matrices par blocs
Exemples :
   
0 0 0 1 2 3
A =  1 2 3  et B =  0 4 5  ne sont pas échelonnée.
   
0 4 5 0 6 57
 
1 2 3 4
C =  0 3 4 5  est échelonnée en lignes.
 
0 0 4 6
 
1 0 0 0
 1 2 0 0 
B=  est échelonnée en colonnes.
 
 3 4 5 0 
4 5 6 0
Matrices par blocs
Toute matrice A peut se réduire à une matrice échelonnée en lignes

(resp. colonnes) B par une suite d’opérations élémentaires sur les
lignes (resp. colonnes).
On appelle B la forme échelonnée en lignes (resp. colonnes) de A.

Matrices par blocs
Exemple :
 
1 2 3
 2 4 2 
A=
 
3 5 3

 
4 6 2
 
1 0 0
 2 −4 0 
Sa forme échelonnée en colonnes est B = 
 
3 −6 −1

 
4 −10 −2
 
1 2 3
 0 −1 −6 
Sa forme échelonnée en lignes est C = 
 
0 0 −4

 
0 0 0
Matrices par blocs
Comment fait-on l’échelonnement en colonnes? Etape 1: Vérifier

que le 1er terme de la 1ère colonne est non nul.
Si ce n’est pas le cas, on échange avec une autre colonne dont le
1er terme est non nul.
On fixe alors cette 1ère colonne et ON N’Y TOUCHE PLUS.
 
1 2 3
 2 4 2 
A=
 
3 5 3

 
4 6 2

Matrices par blocs
Etape 2: Utiliser les opération élémentaires sur les colonnes pour
annuler les termes qui sont sur la première ligne (sauf le terme
fixé).
 
1 2 3
 2 4 2 
A=
 
3 5 3

 
4 6 2
Pour cela, on utilise la dernière colonne fixée (ici C1 ). On fait les
opérations suivantes :
C2 − 2C 1 → C 2
C3 − 3C 1 → C 3
Matrices par blocs
On obtient  
1 0 0

 2 0 −4 

3 −1 −6
 
 
4 −2 −10
Etape 3: Vérifier que le 2ème terme de la 2ème colonne est non nul.
Si ce n’est pas le cas, on échange avec une autre colonne (NON
FIXEE) dont le 2ème terme est non nul.
On fixe alors cette 2ème colonne et ON N’Y TOUCHE PLUS.
 
1 0 0

 2 −4 0 

3 −6 −1
 
 
4 −10 −2
Matrices par blocs
Si la matrice obtenue n’est pas encore échelonnée, on continue de

la même manière. On annule les termes de la 2ème ligne des
conlonnes non fixées. On utilise pour cela la dernière colonne fixée
(ici C2 ) et ainsi de suite.
Si en cours de route on obtient un vecteur nul, on le met en
dernier.

Matrices par blocs
Comment fait-on l’échelonnement en lignes? On utilise la même
méthode que pour les colonnes!!!!
 
1 2 3
 2 4 2 
A=
 
3 5 3

 
4 6 2
Le 1er terme de L1 est non nul. On fixe L1 . On doit annuler les
termes en bleu en utilisant L1
 
1 2 3
 2 4 2 
A=
 
3 5 3

 
4 6 2
Matrices par blocs
On fait les opérations suivantes:
L2 − 2L1 → L2 , L3 − 3L1 → L3 , L4 − 4L1 → L4

Matrices par blocs
 
1 2 3

 0 0 −4 

0 −1 −6
 
 
0 −2 −10
Le 2ème terme de la 2ème ligne est nul. On échange les lignes L2 et
L3 (ou L4 ).  
1 2 3
 0 −1 −6 
 
 0 0 −4
 

0 −2 −10
On fixe L2 .

Matrices par blocs
On annule les termes en bleu en utilisant L2 :
 
1 2 3

 0 −1 −6 

0 0 −4
 
 
0 −2 −10
On effectue l’opération suivante :
L4 − 2L2 → L4
 
1 2 3

 0 −1 −6 

0 0 −4
 
 
0 0 2
Le 3ème terme de L3 est non nul. On fixe L3 .
Matrices par blocs
On annule les termes en bleu en utilisant L3 :
 
1 2 3

 0 −1 −6 

0 0 −4
 
 
0 0 2
2L4 + L3 → L4
On obtient la matrice échelonnée en lignes :
 
1 2 3

 0 −1 −6 

0 0 −4
 
 
0 0 0
Matrices par blocs
Les termes que nous avons entourés s’appellent les Pivots de

Gauss.

Matrices par blocs
Méthode de Gauss-Jordan pour le calcul de l’inverse d’une

matrice
Définition
Soit A ∈ GLn K. La méthode de Gauss-Jordan consiste à appliquer
une suite d’opérations élémentaires sur la matrice (A In ) jusqu’à
obtenir une matrice de la forme (In B). La matrice B ainsi obtenue
est l’inverse de A.

Matrices par blocs

matrice
Exemple :
L’inverse de  
2 −4 4
A= 2 0 1 
 
4 1 1
est  
1/2 −4 2
A−1 =  −1 7 −3 
 
−1 9 −4

Matrices par blocs

matrice
 
2 −4 4 1 0 0
(A | In ) =  2 0 1 0 1 0 
 
4 1 1 0 0 1
On annule d’abord le triangle en rouge (sous la diagonale):
 
2 −4 4 1 0 0
(A | In ) =  2 0 1 0 1 0 
 
4 1 1 0 0 1
On commence par la colonne où il faut annuler le plus de termes.

Matrices par blocs
Donc on annule les éléments qui sont au niveau de la 1ère colonne

(en rouge) en utilisant L1 :
 
2 −4 4 1 0 0
(A | In ) =  2 0 1 0 1 0 
 
4 1 1 0 0 1

Matrices par blocs

matrice
On effectue les opérations suivantes :
L2 − L1 → L2
L3 − 2L1 → L3
On obtient :  
2 −4 4 1 0 0
 0 4 −3 −1 1 0 
 
0 9 −7 −2 0 1
Dans la suite des opérations on veillera à ne pas perdre les 0 déjà
obtenus.

Matrices par blocs

matrice
On annule maintenant les éléments qui sont au niveau de la 2ème
colonne (rouge), en utilisant L2 pour ne pas perdre le 0.
 
2 −4 4 1 0 0
 0 4 −3 −1 1 0 
 
0 9 −7 −2 0 1
4L3 − 9L2 → L3
On obtient :  
2 −4 4 1 0 0
 0 4 −3 −1 1 0 
 
0 0 −1 1 −9 4
Matrices par blocs

matrice
On annule maintenant le triangle rouge au-dessus de la diagonale.
Attention à ne pas perdre les 0!!!!
 
2 −4 4 1 0 0
 0 4 −3 −1 1 0 
 
0 0 −1 1 −9 4
On commence par la colonne où il faut annuler le plus de termes.
Donc on annule les éléments qui sont au niveau de la 3ème colonne
(en rouge) en utilisant L3 :
 
2 −4 4 1 0 0
 0 4 −3 −1 1 0 
 
0 0 −1 1 −9 4
Matrices par blocs

matrice
On effectue les opérations suivantes:
L1 + 4L3 → L1
L2 − 3L3 → L2
On obtient  
2 −4 0 5 −36 16
 0 4 0 −4 28 −12 
 
0 0 −1 1 −9 4

Matrices par blocs

matrice
On annule maintenant les éléments qui sont au niveau de la 2ème
colonne (rouge), en utilisant L2 :
 
2 −4 0 5 −36 16
 0 4 0 −4 28 −12 
 
0 0 −1 1 −9 4
L1 + L2 → L1
On obtient  
2 0 0 1 −8 4
 0 4 0 −4 28 −12 
 
0 0 −1 1 −9 4
Matrices par blocs

matrice
On “normalise” la diagonale (rouge):
 
2 0 0 1 −8 4
0 4 0 −4 28 −12
 
 
0 0 −1 1 −9 4
On effectue les opérations suivantes :

1
L1 → L1
2
1
L2 → L2
4
−L3 → L3
Matrices par blocs

matrice
On obtient:  
1 0 0 1/2 −4 2
 0 1 0 −1 7 −3 
 
0 0 1 −1 9 −4

Matrices par blocs

matrice
Ainsi A est inversible et

 
1/2 −4 2
A−1 =  −1 7 −3 
 
−1 9 −4
Si à un moment donné on remarque que le passage de (A | I) à

(I | A−1 ) est impossible, cela veut dire que A n’est pas inversible.

Matrices par blocs
Définition du rang d’une matrice

Un des concepts fondamentaux en algèbre linéaire est le rang d’une
matrice. Il admet plusieurs définitions équivalentes. En voici la
première.
Définition
Le rang d’une matrice A est le nombre de lignes non nulles dans sa
forme échelonnée en lignes ou le nombre de colonnes non nulles
dans sa forme échelonnée en colonnes.
Remarques :
1 rg(A) ≤ inf (m, n).

2 rg(A) = 0 ⇐⇒ A = 0.
Matrices par blocs
Définition du rang d’une matrice

Exemple :
 
1 2 3
 2 4 2 
A=
 
 3 5 3


4 6 2
 
1 0 0
 2 −4 0 
Sa forme échelonnée en colonnes est B = 
 
3 −6 −1

 
4 −10 −2
 
1 2 3
 0 −1 −6 
Sa forme échelonnée en lignes est C = 
 
0 0 −4

 
0 0 0
rg(A) = 3.
Matrices par blocs
Matrice inversible et rang
Proposition
A ∈ Mn (K) est inversible si, et seulement si, , et seulement si,
rg A = n.

Matrices par blocs
Matrice inversible et rang
Exemple :
 
1 2 3
A= 2 4 2 
 
3 5 3
 
1 0 0
Sa forme échelonnée en colonnes est B =  2 −4 0 
 
3 −6 −1
rg(A) = 3, donc A est inversible.

Matrices par blocs
Matrices équivalentes
Définition
Soient A, A0 ∈ Mm,n (K).
On dit que A et A0 sont équivalentes s’il existe deux matrices

inversibles P ∈ GLn (K) et Q ∈ GLm (K) telles que
A0 = Q −1 AP
Remarque :
La relation “est équivalent à” est une relation d’équivalence.
On la notera ∼.

Matrices par blocs
Proposition
A ∈ Mm,n (K) est de rang r , si, et seulement si, elle est équivalente
à !
Ir 0r ,n−r
Jm,n (r ) =
0m−r ,r 0m−r ,n−r

Matrices par blocs
Corollaire :
Deux matrices sont équivalentes si, et seulement si, elles ont le
même rang.
Preuve :
Si rg A = rg A0 = r , alors A ∼ Jm,n (r ) et A0 ∼ Jm,n (r ). ∼ étant
une relation d’équivalence, on a A ∼ A0 .
Si A ∼ A0 . On note r = rg A. Alors A ∼ Jm,n (r ). Comme ∼ est

une relation d’équivalence, alors A0 ∼ Jm,n (r ) et rg(A0 ) = r .

Matrices par blocs
Matrices semblables
Définition
A, A0 ∈ Mn (K). On dit que A et A0 sont semblables s’il existe
P ∈ GLn (K) tel que
A0 = P −1 AP
Remarques :
Si A et A0 sont semblables alors A et A0 sont équivalentes

(Q = P).
La relation “est semblable à” dans Mn (K) est une relation

d’équivalence.

Matrices par blocs
Matrices semblables
Remarques :
Si A est semblable à A0 , alors t A est semblable à t A0 .

h i
t
A0 = P −1 AP =⇒t A0 =t P t At P −1 = Q −1 AQ avec Q = P −1 .

Si A0 = P −1 AP, alors pour tout n ∈ N∗ , A0 n = P −1 An P.
(Par récurrence :
pour n = 2, A0 2 = P −1 AP P −1 AP = P −1 A2 P).

Conséquence
Deux matrices semblables ont le même rang. La réciproque n’est
pas toujours vraie.

Chapitre1 Matrices

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

Chapitre1 Matrices

Transféré par

Droits d'auteur :

Formats disponibles

Introduction aux matrices

Opérations sur les matrices

Algèbre linéaire - 048ALLML2

Joanna Bodgi Tarazi

Faculté des sciences

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Que verra-t-on dans ce chapitre?

X On commencera par définir ce qu’est une matrice

X On apprendra ensuite à faire des opérations sur les matrices :

X On verra ensuite des matrices particulières qui sont les

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Que verra-t-on dans ce chapitre?

X On apprendra à “visualiser” certaines matrices de manière

X On verra ce qu’est une matrice inversible et comment calculer

X On définira la notion de rang d’une matrice et on le calculera

X On donnera une première définition de ce que sont les

Introduction aux matrices

Qu’est-ce qu’une matrice? Y-a-t-il un lien avec le film?

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

 Le film est à propos d’une réalité virtuelle construite par des

 Matrices sont utilisées dans les simulations et le computer

Conclusion: Les robots intelligents ont construit la Matrice du film

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

une matrice = un tableau rectangulaire de nombres!!

 Les nombres = les entrées de la matrice

C’est une matrice qui a deux lignes et 3 colonnes

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Représentez le résultat des ventes de la première semaine dans le

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Félicitations! Vous avez créé une matrice de

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Nous avons créé une nouvelle matrices de M3,2 (R) :

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Nous avons additionné deux matrices A et B:

Introduction aux matrices

La somme de matrices se fait donc entre deux matrices de mêmes

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Durant la troisième semaine, les ventes ont doublé par rapport à la

Introduction aux matrices

Ventes Galettes Truffes

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Ce que vous venez de faire est de multiplier la matrice A par un

La multiplication d’une matrice par un “scalaire” se fait en

Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2

Introduction aux matrices

Le film est à propos d’une réalité virtuelle construite par des

Matrices sont utilisées dans les simulations et le computer

Les nombres = les entrées de la matrice