Académique Documents
Professionnel Documents
Culture Documents
Samir Bekkara
email: samir.bekkara@gmail.com
Mathématiques Avancées pour l’Ingénieur
Avant propos
Ceci est l’essentiel du cours du module ”Mathématiques Avancées
pour l’Ingénieur” dispensé aux étudiants de l’Ecole Supérieure en
Génie Electrique et Energitique d’Oran durant l’année universitaire
2017/2018. Vu que c’est un premier brouillon, je serais reconnaissant
à toute personne voulant me faire part de ses remarques, suggestions,
corrections scientifiques et ”ortaugrafic”.
Samir Bekkara 2
Table des Matières
1 Algèbre linéaire 3
1.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Rappels élémentaires sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Déterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Forme réduite d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Forme de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Lambda-matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1 Définitions élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.2 Divisions de λ-matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.3 Forme canonique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4 Matrices constituantes et fonction de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.4.2 Calcul des matrices constituantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.5 Pseudo- Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5.1 Définition et propriétés de la pseudo-inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5.2 Application à la résolution de systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6 Décomposition en valeurs singulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.6.2 Détermination de la décomposition suivant les valeurs singulières . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.6.3 Application à la détermination de la pseudo-inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1
Mathématiques Avancées pour l’Ingénieur
Samir Bekkara 2
Chapitre 1
Algèbre linéaire
1.1 Rappels
1.1.1 Rappels élémentaires sur les matrices
Dans tout ce qui suit, K désigne R ou C et n et p sont des entiers naturels non nuls.
Définition 1.1.1 On appelle une matrice dans K de type (n, p) un tableau rectangulaire M d’éléments de K ayant n lignes et p
colonnes
a11 a12 ... a1p
a21 a22 ... a2p
M = .
.. .. ..
..
. . .
an1 an2 ... anp
On note par aij l’élément qui se trouve à la ligne numéro i et à la colonne numéro j et on note la matrice M par
M = (aij )1≤i≤n
1≤j≤p
an1
Si n = p on dit que M est une matrice carrée d’ordre n et on écrit M ∈ Mn (K) .
Théorème 1.1.2 On munissant l’ensemble M(n,p) (K) par les opérations suivantes
et
K × M(n,p) (K)
.: → M(n,p) (K)
λ, (aij )1≤i≤n → (λaij )1≤i≤n
1≤j≤p 1≤j≤p
alors M(n,p) (K) , +. est un K-espace vectoriel de dimension np.
Il est facile de montrer que M(n,p) (K) , +. est un espace vectoriel dont l’élément neutre pour l’addition est la matrice nulle
0 0 ... 0
0 0 ... 0
0n = . . . .
.. .. ..
. ..
0 0 ... 0
Pour voir que dim M(n,p) (K) , +. = np considérons un cas particulier, par exemple n = 2 et p = 3
3
Mathématiques Avancées pour l’Ingénieur
donc {M1 , M2 , M3 , M4 , M5 , M6 } est une famille génératrice pour M(2,3) (K) et il est facile dde vérifier qu’elle est libre. Ainsi
{M1 , M2 , M3 , M4 , M5 , M6 } est une base pour M(2,3) (K) et dim M(2,3) (K) = 6. Cette base est appelée la base canonique de
M(2,3) (K) .
Définition 1.1.3 Soit M = (aij )1≤i≤n ∈ Mn,p (K) . La transposée de la matrice M est la matrice notée t M définie par
1≤j≤p
t
M = (aji )1≤j≤p
1≤i≤p
Ainsi t M est une matrice de type (p, n) obtenue on remplaçant dans M les lignes par les colonnes et les colonnes par les lignes
et on a t (t M ) = M .
1 0
1 −2 √0 −5 0
Exemple 1.1.4 La transposée de la matrice −2 √3 est la matrice et la transposée de la matrice
0 3 2 0 0
0 2
−5 0
est la matrice .
0 0
Définition 1.1.5 Soit M ∈ Mn,p (K) et N ∈ Mp,m (K) . On définit le produit de la matrice M par la matrice N comme étant la
matrice C = (cij ) 1≤i≤n ∈ Mn,m (K) avec
1≤j≤m
Le produit de N par M dans ce cas n’existe pas car le nombre de colonnes de N n’est pas égale au nombre de lignes de M .
1. La suite des éléments {a11 , a22 , ..., ann } est appelée la diagonale principale de M.
2. M est dite matrice diagonale si aij = 0, ∀i 6= j (c-à-d que tous les éléments qui ne se trouvent pas sur la diagonale sont nuls.)
3. M est dite matrice triangulaire inférieure [resp supérieure] si aij = 0, ∀i < j [resp ∀i > j](c-à-d que tous les éléments situés
au dessus [resp en dessous] de la diagonale sont nuls).
4. M est dite matrice symétrique si t M = M c’est à dire aij = aji , ∀i, j ∈ {1, 2, ..., n} .
Samir Bekkara 4
Mathématiques Avancées pour l’Ingénieur
Proposition 1.1.8 Le produit des matrices est une opération interne dans M(n,n) (K) et il admet comme élément neutre la matrice
1 0 ... 0
0 1 ... 0
identité notée In avec In = . . . .
.. .. . . ...
0 0 ... 1
Définition 1.1.9 Soit M ∈ M(n,n) (K) . On dit que M est inversible s’il existe une matrice N ∈ M(n,n) (K) telle que
M.N = In et N.M = In
1 1
Exemple 1.1.10 Montrons que la matrice M = est inversible. Pour cela, il suffit de considérer la matrice N =
2 3
3 1
. On a
−2 −1
1 1 3 1 1 0
M.N = =
2 3 −2 −1 0 1
et
3 1 1 1 1 0
N.M = =
−2 −1 2 3 0 1
−1 3 1
donc M est inversible et M =
−2 −1
Définition 1.1.11 Soit M = (aij ) 1≤i≤n ∈ Mn (K). Pour tout i et tout j dans {1, 2, ..., n}, on désigne par Mij la matrice déduite
1≤j≤n
de M , en supprimant la ligne i et la colonne j. Mij est dite un mineur d’ordre n − 1 de M .
De même, pour tout i1 < i2 < ... < ip dans {1, 2, ..., n} et tout j1 < j2 < ... < jp dans {1, 2, ..., n} , on désigne par
M(i1 ,i2 ,...,ip );(j1 ,j2 ,...,jp ) la matrice déduite de M , en supprimant les lignes i1 , i2 , ..., ip et les colonnes j1 , j2 , ..., jp . M(i1 ,i2 ,...,ip );(j1 ,j2 ,...,jp )
est dite un mineur d’ordre n − p de M .
1 2 3
Exemple 1.1.12 Pour la matrice M = 4 5 6 on a
7 8 9
4 5 1 3
M13 = , M22 = , M(1,2);(2,3) = (7)
7 8 7 9
1.
i j
1 0
..
.
1
i
0 ··· 1
1
Iij =
..
.
1 j
1 ··· 0
1
..
.
0 1
Quand on multiplie une matrice M ∈ Mn (K) à gauche par Iij , alors ceci revient à intervertir les lignes i et j dans M , et
quand on multiplie à droite, ça revient à intervertir les colonnes i et j dans M .
Samir Bekkara 5
Mathématiques Avancées pour l’Ingénieur
2.
i
1
..
.
1
i
Ii (α) =
α ···
1
..
.
1
Quand on multiplie une matrice M ∈ Mn (K) à gauche par Ii (α), alors ceci revient à multiplier la lignes i dans M par α, et
quand on multiplie à droite, ça revient à multiplier la colonnes i dans M par α.
3.
i j
1
..
.
1 0 ··· α i
..
.
Iij (α) =
..
.
..
. 0
j
1
..
.
1
Quand on multiplie une matrice M ∈ Mn (K) à gauche par Iij (α), alors ceci revient à multipier la ligne j par α et l’ajouter
à la ligne i dans M , et quand on multiplie à droite, ça revient à multipier la colonne i par α et l’ajouter à la colonne j dans
M.
Exemple 1.1.14 On a
1 0 0 1 2 3 1 2 3 1 2 3 1 0 0 1 3 2
0 0 1 4 5 6 = 7 8 9 , 4 5 6 0 0 1 = 4 6 5
0 1 0 7 8 9 4 5 6 7 8 9 0 1 0 7 9 8
et
1 0 0 1 2 3 1 2 3 1 2 3 1 0 0 1 2α 3
0 α 0 4 5 6 = 4α 5α 6α , 4 5 6 0 α 0 = 4 5α 6
0 0 1 7 8 9 7 8 9 7 8 9 0 0 1 7 8α 9
et
1 0 α 1 2 3 1 + 7α 2 + 8α 3 + 9α 1 2 3 1 0 α 1 2 3+α
0 1 0 4 5 6 = 4 5 6 , 4 5 6 0 1 0 = 4 5 6 + 4α
0 0 1 7 8 9 7 8 9 7 8 9 0 0 1 7 8 9 + 7α
1.1.2 Déterminants
Définition 1.1.15 A toute matrice carrée M = (aij ) 1≤i≤n ∈ Mn (K) , est associé un scalaire, notée det M ou |M |, défini comme
1≤j≤n
suit:
1. Si M ∈ M1 (K), alors
det M = |M | = a11
2. Si M ∈ M2 (K), alors
det M = |M | = a11 a22 − a12 a21
où les Mij sont les mineurs de M . La formule 1.1 est dite le développement du déterminant suivant la première ligne.
Samir Bekkara 6
Mathématiques Avancées pour l’Ingénieur
1 2 3
Exemple 1.1.16 Pour la matrice M = 4 5 6 , on a
7 8 9
5 6 4 6 4 5
det M = 1 × det − 2 det + 3 det
8 9 7 9 7 8
= 1 × (5 × 9 − 6 × 8) − 2 (4 × 9 − 6 × 7) + 3 (4 × 8 − 5 × 7) = 0
π 0 0 0
1 1 0 0
et pour la matrice M =
5
, on a
4 5 0
3 7 8 9
1 0 0 1 0 0 1 1 0 1 1 0
det M = π det 4 5 0 − 0 det 5 5 0 + 0 det 5 4 0 − 0 det 5 4 5
7 8 9 3 8 9 3 7 9 3 7 8
1 0 0
= π det 4 5 0
7 8 9
5 0 4 0 4 5
= π 1 × det − 0 × det + 0 × det
8 9 7 9 7 8
= π × 1 × 5 × 9 = 45π
et
n
X i+k
det M = |M | = (−1) aik det Mik (développement suivant la colonne k)
i=1
Cette proposition nous donne le droit de choisir une ligne ou une colonne, et calculer le déterminant suivant le choix effectué.
Généralement, on choisis la ligne ou la colonne qui contient le plus de 0.
Exemple 1.1.18 On a
15
3 0 2 1
15 3 2 1
−37
−1
√ 0 0√ 0
5
−37 −1 0 0
det M = det
π 2 5 1+ 5 = 5 det
13 −3 0 0 0
−30 0 0 0 19
− 51 −3 1 −2
− 19
−3 0
51 1 −2
3 2 1
2 1
= 5 × −3 × det −1 0 0 = 5 × −3 × − (−1) × det
1 −2
−3 1 −2
= 5 × −3 × − (−1) × (2 × (−2) − 1 × 1) = 75
Proposition 1.1.19 Pour le calcul du déterminant d’une matrice M ∈ Mn (K) on a les propriétés suivantes:
1. Le déterminant d’une matrice triangulaire est égale au produit des éléments de la diagonale.
2. det (Iij (α) .M ) = det (M.Iij (α)) = det M, pour tout i, j ∈ {1, 2, ..., n} et tout α ∈ K. Ce qui revient à dire que le déterminant
ne change pas si on ajoute à une ligne [resp une colonne] une combinaison linéaire des autres lignes [resp colonnes],
3. det (Iij .M ) = det (M.Iij ) = − det M, pour tout i, j ∈ {1, 2, ..., n} (intervertion entre deux lignes ou deux colonnes).
4. det (Ii (α) .M ) = det (M.Ii (α)) = α det M, pour tout i ∈ {1, 2, ..., n} et tout α ∈ K. (multiplication d’une ligne ou d’une
colonne par un scalaire).
5. det αM = αn det M où α ∈ K.
6. det (M M 0 ) = det M × det M 0 où M 0 ∈ Mn (K).
Samir Bekkara 7
Mathématiques Avancées pour l’Ingénieur
7. det M = det M t .
Corollaire 1.1.20 On a
1. Le déterminant d’une matrice diagonale est égale au produit des éléments de la diagonale.
2. Le déterminant d’une matrice est nul, si une ligne est nulle, ou deux lignes sont identiques, ou une ligne est une combinaison
linéaire d’autres lignes. La même chose pour les colonnes.
2) Par la propriété 2
2 1 4 3 2 4 4 3 2 4 4 3
3 2 1 −2 3 0 1 −2 3 0 1 −2
det
4 10 −2 3 = det −1 0
= det
4 7 −2 3 1 −1
5 6 −3 4 5 10 −3 4 5 10 −3 4
2 4 7 3 −1 4 7 3
3 0 −1 −2 = det 5
0 −1 −2
= det
−1 0
0 −1 0 0 0 −1
5 10 1 4 1 10 1 4
−1 4 7 34 4 7
= det 5 0 −1 = det 0 0 −1
1 10 1 6 10 1
= 340 − 24 = 316
Proposition 1.1.22 (Développement de Laplace généralisé) Soit M ∈ Mn (K) et i1 , i2 , ..., ip ∈ {1, 2, ..., n} avec i1 < i2 <
... < ip . Alors
X i +...+ip +j1 +...+jp
det M = (−1) 1 det M(i1 ,...,ip );(j1 ,...,jp ) det M(ip+1 ,...,in );(jp+1 ,...,jn )
1≤j1 <j2 <...<jp ≤n
où {ip+1 , ip+2 , ..., in } est le complémentaire de {i1 , i2 , ..., ip } dans {1, 2, ..., n} avec ip+1 < ip+2 < ... < in et {jp+1 , jp+2 , ..., jn } est
le complémentaire de {j1 , j2 , ..., jp } dans {1, 2, ..., n} avec jp+1 < jp+2 < ... < jn .
Cette proposition nous assure que pour calculer le déterminant on peut développé, non seulement suivant une colonne donnée,
mais suivant p colonnes. Il est à noter que si p est proche de n2 , le nombre d’opérations à faire pour calculer le déterminant est
nettement inférieure par rapport au même calcul avec p = 1.
Exemple 1.1.23 Pour une matrice carrée M = (aij ) 1≤i≤4 d’ordre 4 et pour p = 2 et i1 = 1 et i2 = 2, on a
1≤j≤4
det M = det M(1,2);(1,2) det M(3,4);(3,4) − det M(1,2);(1,3) det M(3,4);(2,3) + det M(1,2);(1,4) det M(3,4);(2,3)
− det M(1,2);(2,3) det M(3,4);(1,4) + det M(1,2);(2,4) det M(3,4);(1,3) − det M(1,2);(34) det M(3,4);(1,2)
Définition 1.1.24 Soit M = (aij ) 1≤i≤n ∈ Mn (K) . On appelle cofacteur d’indice i et j de M le scalaire
1≤j≤n
i+j
cij = (−1) det (Mij )
La matrice C = (cij ) 1≤i≤n est appelé la comatrice de M ou la matrice des cofacteurs et elle est notée Com (M ).
1≤j≤n
Samir Bekkara 8
Mathématiques Avancées pour l’Ingénieur
1 0 1
Exemple 1.1.26 La matrice M = 2 −1 2 est une matrice inversible car det M = −3 6= 0. La comatrice de M est donnée
0 3 3
par
−9 −6 6
C= 3 3 −3
1 0 −1
et alors
−1
−9 3 1 3 −1
1 1 3
M −1 Ct =
= −6 3 0 = 2 −1 0
−3 −3 1
6 −3 −1 −2 1 3
1. Le rang de M , noté rg (M ) est l’ordre du la plus grande matrice carrée de déterminant non nul obtenue de M par supression de
lignes et de colonnes. C’est aussi le plus grand nombre de vecteurs colonnes (ou de lignes) de M , linéairement indépendants.
Si M est carrée et det M 6= 0, alors rg (M ) = n.
Remarque 1.2.28 On a bien entendu, rg (M ) ≤ min (n, p). Si rg (M ) = min (n, p) alors on dit que M est de rang maximal.
1 2 3
Exemple 1.2.29 1)Pour la matrice M = 4 5 6 on det M = 0 et alors rg (M ) < 3, mais comme det M11 = −1 6= 0 alors
7 8 9
rg (M ) = 2. D’autre part on a
tr (M ) = 1 + 5 + 9 = 15
1 2 3
0 1 2 3
5 6
2) Pour la matrice M =
0 on a rg (M ) ≤ 3 mais comme det 0 5 6 = 45 6= 0 alors rg (M ) = 3. M est
0 9
0 0 9
1 0 −1
de rang maximal.
1. On dit que M et N sont équivalentes s’il existe deux matrices inversibles P et Q dans Mn (K) telles que
M = PNQ
2. On dit que M et N sont semblables s’il existe une matrice inversible P dans Mn (K) telle que
M = P N P −1
Remarque 1.2.31 La notion d’équivalence entre matrices, ne concerne pas seulement les matrices carrés, par contre, la notion
de similitude, est strictement réservée aux matrices carrées.
Exemple 1.2.32 1)Les transformations élémentaires sur une matrice (échanges de lignes ou de colonnes, multiplication d’une
ligne par un scalaireet addition
à une ligne ou àune0 colonne
d’un multiple des autres) donnent des matrices équivalentes. Par
a b a b0
exemple, la matrice est équivalente à car
a0 b0 a b
a0 b0 a0 b0
a b
= I12 = I12 I
a0 b0 a b a b
Samir Bekkara 9
Mathématiques Avancées pour l’Ingénieur
a b c c−a b a
et les matrices I12 et I sont inversibles. De même, les matrices a0 b0 c0 et c0 − a0 b0 a0 sont équivalentes car
a00 b00 c00 c00 − a00 b00 a00
c−a b a a b c
c0 − a0 b0 a0 = I31 (−1) a0 b0 c0 I13
c00 − a00 b00 a00 a00 b00 c00
1 0 1 2
2) Les matrices et sont équivalentes car
0 1 3 5
8 −3 8 −3 1 2 1 1
=
−13 5 −13 5 3 5 2 1
8 −3 1 1
et les matrices et sont inversibles.
−13 5 2 1
a 0 0 c 0 0
3) Les matrices 0 b 0 et 0 b 0 sont semblables car
0 0 c 0 0 a
a 0 0 c 0 0
0 b 0 = I13 0 b 0 I13
0 0 c 0 0 a
−1
et (I13 ) = I13 .
8 5 1 2
4) Les matrices et sont semblables car
−3 −2 3 5
8 5 −1 1 1 2 1 1
=
−3 −2 2 −1 3 5 2 1
−1 1 1 1
et est l’inverse de .
2 −1 2 1
mais vu qu’elles sont équivalentes, alors elle ont le même rang. En effet
1 0 1 2
rg = 2 = rg
0 1 3 5
8 5 1 2
2) Pour les matrices semblables et on a bien
−3 −2 3 5
8 5 1 2 8 5 1 2
det = det = −1 et tr = tr =6
−3 −2 3 5 −3 −2 3 5
−1 1 1 1
et est l’inverse de .
2 −1 2 1
Samir Bekkara 10
Mathématiques Avancées pour l’Ingénieur
2 1 0 1 2 0
3) Les matrices 0 0 0 et 1 1 0 vérifient
0 0 0 0 0 0
2 1 0 1 2 0 2 1 0 1 2 0
det 0 0 0 = det 1 1 0 = 0 et tr 0 0 0 = tr 1 1 0 =2
0 0 0 0 0 0 0 0 0 0 0 0
mais elle ne sont même pas équivalentes, vu qu’elle n’on pas le même rang:
2 1 0 1 2 0
rang 0 0 0 = 1 et rang 1 1 0 = 2
0 0 0 0 0 0
4 5 −1
2 4 −2
4) On considère la matrice M = −1 3 6 . Transformons cette matrice afin d’arriver à sa forme de Smith.
1 2 −1
Tout d’abord, on fait en sorte que a11 soit égale à 1, soit en échangeant des lignes ou des colonnes, ou en multipliant la première
ligne ou la première colonne par un scalaire. Dans notre cas , il suffit d’échanger les lignes 4 et 1
4 5 −1 1 2 −1
2 4 −2 2 4 −2
I14 −1 3 6 = −1 3 6
1 2 −1 4 5 −1
ensuite, en multipliant la premùière colonne par un scalaire, on transforme les éléments de la première ligne en 0. Dans notre cas
1 2 −1 1 0 −1
2
4 −2 I12 (−2) = 2
0 −2
−1 3 6 −1 5 6
4 5 −1 4 −3 −1
et
1 0 −1 1 0 0
2 0 −2
I (1) = 2 0 0
6 13
−1 5 −1 5 5
4 −3 −1 4 −3 3
et on ramène des 0 sur la première colonnes
1 0 0 1 0 0
2 0 0 0 0 0
I41 (−4) I31 (1) I21 (−2)
−1
=
5 5 0 5 5
4 −3 3 0 −3 3
On ramène maintenant un 1 au niveau du coefficient a22 . Dans notre cas, il suffit de faire
1 0 0 1 0 0
−1 0 0 0 0 1 −1
I2 I24
0 5
=
3 5 0 5 5
0 −3 3 0 0 0
Maintenant, on refait avec la ligne 2 et la colonne 2 ce qui a était fait avec la ligne 1 et la colonne 1. Ainsi
1 0 0 1 0 0
0 1 −1 I (1) =
0 1 0
5 5 23
0 0 5 10
0 0 0 0 0 0
et
1 0 0 1 0 0
0 1 0 0 1 0
I32 (−5)
0
=
5 10 0 0 10
0 0 0 0 0 0
Samir Bekkara 11
Mathématiques Avancées pour l’Ingénieur
et on a bien
0 0 0 1 4 5 −1 1
1 0 0
−1 4 1 −2 − 10
3 0 0 3
2 4 −2
0 1
0 1 0
PMQ =
5
1 = =S
3 0 1 − 17
3
−1 3 6 10
1
0 0 1
0 0
0 1 0 −2 1 2 −1 10 0 0 0
4 5 −1
On pouvait deviner facilement la matrice de Smith S, en remarquant que det 2 4 −2 = 60 6= 0, ce qui entraine que
−1 3 6
rangM = 3, mais la méthode précédente permet de trouver les matrice de passage P et Q.
On voit bien que la relation de similitude (matrices semblales) est une relation trés forte qui relie deux matrices. Le but de ce
qui va suivre, est de trouver pour une matrice carrée M une matrice semblable N qui a la forme la plus simple possible. On
commence par la diagonalisation.
1.2.1 Diagonalisation
Définition 1.2.36 Soit M ∈ Mn (K) et soit λ ∈ K. On dit que λ est une valeur propre de M s’il existe un vecteur colonne
v ∈ Kn , v 6= 0 tel que M v = λv.
Le vecteur v est appelé vecteur propre associé à la valeur propre λ.
3 2
Exemple 1.2.37 Pour la matrice M = on a 1 et 3 sont des valeurs propres. En effet on a
0 1
3 2 −1 −1 −1
= = 1.
0 1 1 1 1
et
3 2 1 3 1
= = 3.
0 1 0 0 0
Samir Bekkara 12
Mathématiques Avancées pour l’Ingénieur
−1 0 1
donc si on pose v1 = et v = alors M v = 1.v et M v 0 = 3v 0 donc v est un vecteur propre associé à la valeur propre
1 0
1 et v 0 est un vecteur propre associé à la valeur propre 3.
Proposition 1.2.38 Soit M ∈ Mn (K) . Si on considère le polynôme
PM (λ) = det (λIn − M )
alors on a
λ est une valeur propre de M ⇔ PM (λ) = 0
Le polynôme PM (λ) est appelé le polynôme caractéristique de M.
Exemple 1.2.39 .
3 2
1. Déterminons les valeurs propres de la matrice M = . On a
0 1
1 0 3 2
PM (λ) = det (λI2 − M ) = det λ −
0 1 0 1
λ−3 −2
= = (λ − 3) (λ − 1)
0 λ−1
Le polynôme caractéristique de M est le pôlynôme PM (λ) = (λ − 3) (λ − 1) et les valeurs propres de M sont les solutions de
l’équation PM (λ) = 0 c’est à dire λ = 1 et λ = 3.
1 4 −1
2. Pour la matrice M = −2 2 2 on a
−3 4 3
1 0 0 1 4 −1
PM (λ) = det (λI3 − M ) = det λ 0 1 0 − −2 2 2
1 0 1 −3 4 3
λ−1 −4 1 λ −4 1
= 2 λ−2 −2 = 0 λ − 2 −2
3 −4 λ−3 λ −4 λ−3
λ −4 1
= 0 λ − 2 −2 = λ (λ − 2) (λ − 4)
0 0 λ−4
Ainsi PM (λ) = λ (λ − 2) (λ − 4) et les valeurs propres de M sont 0, 2 et 4.
Proposition 1.2.40 Soit M ∈ Mn (K) et soit PM son polynôme caractéristique. Alors PM s’écrit comme suit::
n
PM (λ) = λn − tr (M ) λn−1 + an−2 λn−2 + ... + a1 λ + (−1) det (M )
−1 2
Exemple 1.2.41 Pour la matrice M = on a tr (M ) = 2 et det M = −6 et alors
1 3
PM (λ) = λ2 − 2λ − 6
√ √
et les valeurs propres de M sont alors λ1 = 1 + 7 et λ2 = 1 − 7.
Définition 1.2.42 Soit M ∈ Mn (K) et soit λ ∈ K une valeur propre de M. L’ensemble Eλ défini par
Eλ = {v ∈ Kn , M v = λv}
est appelé l’espace propre associé à la valeur propre λ.
Proposition 1.2.43 Si λ est une valeur propre pour M alors Eλ est un sous-espace vectoriel de E.
Preuve:∀v1 , v2 ∈ Eλ , ∀α, β ∈ K
M (αv1 + βv2 ) = M (αv1 ) + M (βv2 ) = αM (v1 ) + βM (v2 )
comme v1 , v2 ∈ Eλ alors M v1 = λv1 et M v2 = λv2 donc
M (αv1 + βv2 ) = λ (αv1 + βv2 )
ce que veut dire que αv1 + βv2 ∈ Eλ .
Samir Bekkara 13
Mathématiques Avancées pour l’Ingénieur
1 4 −1
Exemple 1.2.44 Déterminons les espaces propres associés à la matrice M = −2 2 2 . On a les valeurs propres de M
−3 4 3
sont 0, 2 et 4.
1. Pour λ = 0
1 4 −1 x 0
v ∈ R3 /M v = 0 = (x, y, z) ∈ R3 / −2 2 2 y = 0
E0 =
−3 4 3 z 0
x + 4y − z = 0
= (x, y, z) ∈ R3 / −2x + 2y + 2z = 0
−3x + 4y + 3z = 0
x + 4y − z = 0
= (x, y, z) ∈ R3 / −2x + 2y + 2z = 0
x=z
x=z
= (x, y, z) ∈ R3 / = {(x, 0, x) / x ∈ R} = {x (1, 0, 1) / x ∈ R}
y=0
donc E0 est un espace vectoriel et il admet pour base le vecteur {(1, 0, 1)} .
1, 21 , 1
donc est une base pour E2 .
3 4
3. Pour λ = 4, le vecteur 7, 7, 1 est une base de E4 .
Définition 1.2.45 Soit λ0 une valeur propre pour une matrice M. On dit que λ0 est une valeur propre de multiplicité m (avec
m ∈ N) si λ0 est une solution d’ordre m pour le polynôme caractéristique de M, c’est à dire
m
PM (λ) = (λ − λ0 ) Q (λ) avec Q (λ0 ) 6= 0
1 −2 3 0
0 2 −1 1
Exemple 1.2.46 Soit la matrice M = . On a
0 0 1 −3
0 0 0 1
λ−1 2 −3 0
0 λ−2 1 −1 3
PM (λ) = = (λ − 1) (λ − 2)
0 0 λ−1 3
0 0 0 λ−1
donc 1 est une valeur propre de multiplicité 3 et 2 est une valeur propre de multiplicité 1.
Définition 1.2.47 On dit qu’une matrice M ∈ Mn (K) est diagonalisable s’il existe une matrice diagonale D, semblable à M ,
c’est à dire
M = P DP −1
Théorème 1.2.48 Soit M ∈ Mn (K) , λ1 , λ2 , ..., λp les valeurs propres de M de multiplicités respectives m1 , m2 , ..., mp . Alors:
1. ∀i = 1, p, 1 ≤ dim Eλi ≤ mi .
Samir Bekkara 14
Mathématiques Avancées pour l’Ingénieur
2. La matrice M est diagonalisable ssi dim Eλ1 + dim Eλ2 + ... + dim Eλp = n et la matrice diagonale D associée à M est donnée
par
λ1 0 ... 0
..
.
0
λ 1
λ2
..
.
λ 2
D= ..
.
. ..
..
.
λp
. .. 0
0 ... 0 λp
où chaque valeurs λi se répéte mi fois. De plus, la matrice de passage P est la matrice dont les colonnes sont les vecteurs
qui forment les bases des espaces propres Eλi , i = 1, p.
3. La matrice M est diagonalisable sur K ssi le polynôme caractéristique de M est scindé, c’est à dire, M admet n valeurs
propres (distinctes ou non), et si dim Eλi = mi pour tout i.
Remarque 1.2.49 Si la matrice M ∈ Mn (K) admet n valeurs propres distinctes alors M est diagonalisable et la matrice diagonale
D associée à M est
λ1
λ2
D=
. ..
λn
1 4 −1
Exemple 1.2.50 1) On considère la matrice M = −2 2 2 . M admet exactement trois valeurs propres 0, 2 et 4, dont
−3 4 3
les vecteurs propres associés sont respectivement (1, 0, 1) , 1, 21 , 1 et 73 , 47 , 1 . Alors M est diagonalisable et la matrice diaganole
associée est
0 0 0
D= 0 2 0
0 0 4
et la matrice de passage est
3
1 1 7
1 4
P = 0 2 7
1 1 1
On peut vérifier qu’effectivement on a
M = P DP −1
1 1
2) Pour la matrice M = , on a
−2 −1
λ−1 −1
det (λI − M ) = det = λ2 + 1
2 λ+1
et alors le polynôme caractéristique de M n’admet pas de solutions réelles. La matrice n’est pas diagonalisable sur R. Si on tavail
sur C, alors
det (λI − M ) = 0 ⇔ λ = i ou λ = −i
donc elle admet deux valeurs propres distinctes et les espaces propres Ei et E−i sont de dimension 1. La matrice est diagonalisable
sur C et la matrice diagonale associée est
i 0
D=
0 −i
Samir Bekkara 15
Mathématiques Avancées pour l’Ingénieur
Pour calculer la matrice P , il faut trouver les bases des espaces Ei et E−i .
1 1 x ix
v ∈ C2 /M v = iv = (x, y) ∈ C2 /
Ei = =
−2 −1 y iy
(1 − i) x + y = 0
= (x, y) ∈ C2 /
−2x − (1 + i) y = 0
y = (i − 1) x
= (x, y) ∈ C2 /
−2x + 2x = 0
2
= (x, y) ∈ C /y = (i − 1) x = {x (1, i − 1) / x ∈ C}
donc Ei est engendré par {(1, i − 1)} et dim E1 = 1. De même on trouve que E−i est engendré par {(1, −1 − i)} et dim E2 = 1. La
matrice de passage P est donnée par
1 1
P =
i − 1 −1 − i
1 −2 3 0
0 2 −1 1
3) Pour la matrice M = , on a trouvé que les valeurs propres sont 1 et 2, de multiplicité 3 et 1 respectivement.
0 0 1 −3
0 0 0 1
Calculons les espaces propres. Pour λ = 1, on a
1 −2 3 0 x x
4 0 2 −1 1 y y
4
E1 = v ∈ K /M v = v = (x, y, z, t) ∈ K / =
0 0 1 −3 z z
0 0 0 1 t t
x − 2y + 3z = x
2y − z + t = y
4
= (x, y, z, t) ∈ K /
4z − 3t = z
t=t
z=0
= (x, y, z, t) ∈ K4 / y = 0
z=t
(x, y, z, t) ∈ K4 /y = z = t = 0 = {x (1, 0, 0, 0) / x ∈ R}
=
donc E1 est engendré par {(1, 0, 0, 0)} et dim E1 = 1. De même on trouve que E2 est engendré par {(−2, 1, 0, 0)} et dim E2 = 1.
Comme dim E1 + dim E2 = 2 6= 4, alors la matrice M n’est pas diagonalisable, ni sur R ni sur C.
1. Pout tout matrice M ∈ Mn (K), on définit la matrice P (M ) ∈ Mn (K) comme étant la matrice
P (M ) = a0 In + a1 M + a2 M 2 + ... + ak M k
donc P n’est pas annulateur pour la matrice M ; par contre il est évident que P est annulateur pour la matrice identité I2 .
Théorème 1.2.53 (de Caylay Hamilton) Pour toute matrice M , le polynôme caractéristique de M est un annaluteur de M.
1 −2 3 0
0 2 −1 1
Exemple 1.2.54 Pour la matrice M = , on a trouver que
0 0 1 −3
0 0 0 1
3
PM (λ) = (λ − 2) (λ − 1) = λ4 − 5λ3 + 9λ2 − 7λ + 2
Samir Bekkara 16
Mathématiques Avancées pour l’Ingénieur
M 4 − 5M 3 + 9M 2 − 7M + 2I4 = 0
Proposition 1.2.56 Soit M ∈ Mn (K). Tout polynôme annulateur de M est divisible par le polynôme minimal de M .
Corollaire 1.2.57 Soit M ∈ Mn (K). Alors mM (λ) divise PM (λ) et si PM (λ) s’écrit comme suit
n1 n2 np
PM (λ) = (λ − λ1 ) (λ − λ2 ) ... (λ − λp ) , λ1 , ..., λp ∈ K, n1 , ..., np ∈ N∗
− 1).
et alors mM (λ) = (λ + 2) (λ
1 −2 3 0
0 2 −1 1
2) Pour la matrice M = , on a trouvé que
0 0 1 −3
0 0 0 1
3
PM (λ) = (λ − 2) (λ − 1)
2 3
donc le polynôme minimal est soit (λ − 2) (λ − 1) ou (λ − 2) (λ − 1) ou (λ − 2) (λ − 1) . Or
0 0 −1 −11
0 0 0 3
(M − 2I) (M − I) = 0
6= 0
0 0 3
0 0 0 0
et
0 0 0 3
2 0 0 0 0
(M − 2I) (M − I) =
0
=6 0
0 0 0
0 0 0 0
3
et alors mM (λ) = (λ − 2) (λ − 1) .
Samir Bekkara 17
Mathématiques Avancées pour l’Ingénieur
Proposition 1.2.59 Une matrice M est diagonalisable dans K ssi toute les racines de son polynôme minimal sont simples et sont
dans K.
−1 1 1
Exemple 1.2.60 1) La matrice M = 1 −1 1 est diagonalisable car mM (λ) = (λ + 2) (λ − 1) qui n’admet que des
1 1 −1
racines simples.
1 1
2) Pour la matrice M = on a
−2 −1
PM (λ) = λ2 + 1 = (λ − i) (λ + i) = mM (λ)
et alors m n’est pas diagonalisable sur R (car les racines de mM ne sont pas dans R), mais elle diagonalisable su C, car les racines
sont dans C et elles sont
simples.
1 −2 3 0
0 2 −1 1 n’est pas diagonalisable car mM (λ) = (λ − 2) (λ − 1)3 admet une racine triple.
3) La matrice M = 0 0 1 −3
0 0 0 1
Ce dernier exemple, nous entraine à poser la question suivantes: Pour une matrice M non diagonalisable, qu’elle est la forme
la plus simple que l’on peut obtenir pour une matrice semblable à M ?
où chaque Ji (λ0 ) est un λ0 -bloc de Jordan et l’ordre du plus grand bloc est égale à m = deg mM .
n1 n2 np
2. Si PM (λ) = (λ − λ1 ) (λ − λ2 ) ... (λ − λp ) alors la matrice M est semblable à la matrice J, dite matrice de Jordan, avec
n1 np
e
J (λ1 ) 0 0
.. ..
0 . .
J =
.. .. ..
(1.3)
. . .
.. ..
. . 0
0 0 J (λp )
e
où chaque Je (λi ) est de la forme 1.2 et de taille ni . De plus, pour chaque valeur propre λi , le nombre kl de sous blocs de
Jordan dans Je (λi ) d’ordre l est égale à
l l−1 l+1
kl = 2 dim ker (λi I − M ) − dim ker (λi I − M ) + dim ker (λi I − M ) (1.4)
Samir Bekkara 18
Mathématiques Avancées pour l’Ingénieur
7 5
PM (λ) = (λ + 8) , mM (λ) = (λ + 8) et dim E−8 = 3
alors on a une seule valeur propre égale à −8. Comme dim E−8 = 3 alors on a 3 sous-blocs de Jordan, et comme deg mM = 5,
alors un des sous-blocs est d’ordre 5, mais ceci entraine que forcément les autres blocs sont d’ordre 1. Ainsi, la matrice de Jordan
associée à M est
−8 1 0 0 0 0 0
0 −8 1 0 0 0 0
0
0 −8 1 0 0 0
J = 0 0 0 −8 1 0 0
0
0 0 0 −8 0 0
0 0 0 0 0 −8 0
0 0 0 0 0 0 −8
1 −2 3 0
0 2 −1 1
2) Soit la matrice M = . On a déjà vu que cette matrice n’est pas diagonalisable. Cherchons sa forme
0 0 1 −3
0 0 0 1
de Jordan. Les valeurs propres sont 1 et 2 de multiplicité 3 et 1 respectivement. De plus
et Je (2) = (2) car l’ordre de Je (2) est 1. Pour Je (1) , on a dim E1 = 1 et alors Je (1) contient un seul bloc et il est d’ordre 3. Ainsi
1 1 0 0
0 1 1 0
J =
0
0 1 0
0 0 0 2
Pour trouver la matrice de passage P, il faut déterminer des vacteurs {v1 , v2 , v3 , v4 } avec
M v1 = v1 , M v2 = v1 + v2 , M v3 = v2 + v3 , M v4 = 2v4
v1 = (1, 0, 0, 0) , v4 = (−2, 1, 0, 0)
Calculons v2 = (x, y, z, t) . On a
M v2 = v1 + v2 ⇔ (M − I) v2 = v1
0 −2 3 0 x 1
0 1 −1 1 y 0
⇔ =
0 0 0 −3 z 0
0 0 0 0 t 0
−2y + 3z = 1 z=1
⇔ y−z+t=0 ⇔ y=z
−3t = 0 t=0
⇒ v2 = (x, 1, 1, 0)
Samir Bekkara 19
Mathématiques Avancées pour l’Ingénieur
Calculons v3 = (x, y, z, t) . On a
M v3 = v2 + v3 ⇔ (M − I) v3 = v2
0 −2 3 0 x 0
0 1 −1 1 y 1
⇔ =
0 0 0 −3 z 1
0 0 0 0 t 0
z = 32 y
−2y + 3z = 0
⇔ y−z+t=1 ⇔ y − z = 34
−3t = 1 t = −1
3
z = 23 y
z = 83
1
⇔ y=4 ⇔ y=4
3 −13
t= 3 t = −1
3
8 −1
⇒ v3 = x, 4, ,
3 3
3) Soit la matrice
6 3 0 −16 −4 −15
−1 1 0 4 1 10
2 0 2 −7 −2 −1
M =
0 0 0 2 0 0
3 2 0 −12 −1 −10
0 0 0 0 0 3
Le polynôme caractéristique de M est
λ−6 −3 0 16 4 15
1 λ − 1 0 −4 −1 −10
−2 0 λ−2 7 2 1
PM (λ) = det
0 0 0 λ − 2 0 0
−3 −2 0 12 λ+1 10
0 0 0 0 0 λ−3
λ−6 −3 4
2
= (λ − 3) (λ − 2) det 1 λ−1 −1
−3 −2 λ+1
λ−6 −3 λ−2
2
= (λ − 3) (λ − 2) det 1 λ−1 0
−3 −2 λ−2
λ−6 −3 λ−2
2
= (λ − 3) (λ − 2) det 1 λ−1 0
−λ + 3 1 0
3 1 λ−1
= (λ − 3) (λ − 2) det
−λ + 3 1
3 2
5
= (λ − 3) (λ − 2) λ − 4λ + 4 = (λ − 2) (λ − 3)
Samir Bekkara 20
Mathématiques Avancées pour l’Ingénieur
5 1
!
Je (2) 0
J=
0 J (3)
e
Il est clair alors que Je (3) = (3). Il reste à déterminer Je (2). Comme dim E2 = 2 on déduit que dans Je (2) il existe deux sous-blocs
de Jordan, mais comme l’ordre de Je (2) est 5 alors les ordres des deux sous-blocs sont soit 2 et 3, soit 1 et 4. Calculons, par la
formule 1.4, le nombre de sous blocs d’ordre 1. On a
0 2
k1 = 2 dim ker (2I − M ) − dim ker (2I − M ) + dim ker (2I − M )
2
= 2 dim E2 − dim ker (I) + dim ker (2I − M )
2
= 4 − 0 + dim ker (2I − M )
2
Calculons alors N22 = ker (2I − M ) . On a
n o
2
N22 = v ∈ R6 , (2I − M ) v = 0
or
−19 −13 0 68 17 65
4 2 0 −16 −4 −45
2 −10 −2 −2 36 10 15
(2I − M ) =
0 0 0 −2 0 0
−13 −9 0 52 11 45
0 0 0 0 0 −7
et alors
−19 −13 0 68 17 65 x1 0
4 2 0 −16 −4 −45 x2 0
−10 −2 −2 36 10 15 x3 0
N22 = (x1 , x2 , ..., x6 ) ∈ R6 ,
=
0 0 0 −2 0 0
x4
0
−13 −9 0 52 11 45 x5 0
0 0 0 0 0 −7 x6 0
mais
−19 −13 17
det 4 2 −4 = −8
−13 −9 11
donc
x1 = x2 = x5 = 0 et alors x3 = 0
et alors
2
N22 = {0} et dim ker (2I − M ) = 0
Samir Bekkara 21
Mathématiques Avancées pour l’Ingénieur
Ainsi, les sous-blocs de Jordan associés à la valeur propres 2 sont d’ordre 3 et 2 respectivement et la matrice de Jordan associée
à M est alors
2 1 0 0 0 0
0 2 1 0 0 0
0 0 2 0 0 0
J = 0 0
0 2 1 0
0 0 0 0 2 0
0 0 0 0 0 3
Pour trouver la matrice de passage P, il faut déterminer des vacteurs {v1 , v2 , v3 , v4 , v5 , v6 } avec
1.3 Lambda-matrices
1.3.1 Définitions élémentaires
Définition 1.3.64 On appelle λ-matrice ou matrice polynômiale de type (n, m), toute matrice M (λ) de type (n, m) dont les
coefficients sont des polynômes- à coefficients dans K- en la variable λ. Le degré de M (λ) , noté deg M (λ) est le plus grand degré
parmis les degrés des coefficients de M (λ) .
3
λ +1 2λ + 1
Exemple 1.3.65 1- La matrice est une λ-matrice de degré 3.
5λ2 λ3 + λ2 − 2
2- Pour tout matrice M ∈ Mn (K) , la matrice caractéristique de M , c’est à dire la matrice λIn − M , est une λ-matrice de
degré 1.
λ3
2λ + 1
Exemple 1.3.67 Pour la matrice M (λ) = on a
2λ3 + 5λ2 λ2 − 2
1 0 0 0 0 2 1 1
M (λ) = λ3 + λ2 + λ+
0 1 5 1 0 0 0 −2
La somme et le produit de deux λ-matrices se définit comme les matrices ordinaires (à condition que les tailles soient compat-
ibles), et il est à noter que si M (λ) et N (λ) sont des λ-matrices, alors (sous condition de compatibilité) deg (M (λ) + N (λ)) ≤
deg (M (λ)) + deg N (λ) et deg (M (λ) N (λ)) ≤ deg M (λ) deg N (λ).
Samir Bekkara 22
Mathématiques Avancées pour l’Ingénieur
2 4 2 1 0 −2 −4 2 −1 0
Exemple 1.3.68 Pour M (λ) = λ + et N (λ) = λ + on a
−1 −2 0 1 1 2 0 −1
0 0
M (λ) + N (λ) = ⇒ deg (M (λ) + N (λ)) = 0 < 4
0 0
et
−4 −8 2 −1 0
M (λ) N (λ) = λ + ⇒ deg (M (λ) N (λ)) = 2 < 4
2 4 0 −1
2. M (λ) est dite régulière si det M (λ) n’est pas le polynôme nul.
λ3 + 1
2λ + 1
Exemple 1.3.71 La matrice est une λ-matrice unitaire car M 3 = I2 et elle régulière car det M 0 = −2.
5λ2 λ3 + λ2 − 2
Proposition 1.3.72 Si M (λ) est une λ-matrice régulière, alors elle admet une matrice inverse donnée par
−1 1 t
[M (λ)] = [Com (M (λ))]
det M (λ)
−1
et M (λ) est une λ-matrice ssi M (λ) est unimodulaire.
λ3 + 1
1 λ
Exemple 1.3.73 La matrice M (λ) = 0 2 λ − 1 , est unimodulaire car
0 0 −1
et on a
λ3 + 1 λ4 − λ3 − λ − 1
−2
−1 1
[M (λ)] = 0 −1 −λ + 1
−2
0 0 2
−1
remarquer que deg [M (λ)] 6= deg M (λ).
Définition 1.3.74 Deux λ-matrices M (λ) et N (λ) sont dites équivalentes, s’il existe deux matrices unimodulaires P (λ) et Q (λ)
telles que
M (λ) = P (λ) N (λ) Q (λ)
λ3 + 6λ2 + λ + 1 2λ2 − 2
−3λ − 1 1 λ−1 λ
Exemple 1.3.75 Les λ-matrice λ2 + 7λ −4 2λ − 2 et 0 2 λ − 1 sont équivalentes car
λ 0 2 0 0 −1
1 λ+1 λ 1 λ−1 λ 1 0 0
0 2 λ − 1 0 2 λ − 1 2λ −1 0
0 0 −1 0 0 −1 λ 0 2
1 λ+1 λ 1 0 0
et 0 2 λ − 1 et 2λ −1 0 sont unimodulaires.
0 0 −1 λ 0 2
Samir Bekkara 23
Mathématiques Avancées pour l’Ingénieur
2. On dit que M (λ) est divisible à gauche par N (λ), s’ils existent deux λ-matrices Qg (λ) et Rg (λ), appelées quotient et reste
à gauche, telles que
M (λ) = N (λ) Qg (λ) + Rg (λ) et deg Rg (λ) < deg N (λ)
Proposition 1.3.77 Soit M (λ) et N (λ) deux λ-matrices. Si N (λ) est telle que det N (deg N (λ)) 6= 0, alors M (λ) est divisible à
droite et à gauche par N (λ), et les matrices quotient et reste à droite et à gauche sont uniques.
Exemple 1.3.78 On a
λ3 − λ 3λ2 + 2λ − 3
2
λ 2 λ λ −λ 2λ + 1
= +
λ2 + λ λ3 − λ2 − λ + 3 1 λ−1 0 λ2 − 2 λ 1
2 3
3λ2 + 2λ − 3
2
λ 2 λ λ λ −λ λ λ
comme deg = 1 < deg 2 , alors 2 3 2 est divisible à droite par ,
1 λ−1 0 λ −2 λ + λ λ − λ − λ + 3 0 λ2 − 2
λ 2 −λ 2λ + 1
le quotient à droite est et le reste à droite est . Il faut remarquer que cette égalite, ne représente
1 λ − 1 λ 1
3 2
λ −λ 3λ + 2λ − 3 λ 2 −λ 2λ + 1 λ 2
pas une division à gauche de sur car deg = 1 ≥ deg .
λ2 + λ λ3 − λ2 − λ + 3 1 λ−1 λ 1 1 λ−1
Algorithme de détermination du quotient et du reste
On vas donner dans ce qui suit, une manière qui nous permettera de déterminer le quotient et le reste d’une division à gauche.
Pd0 0
Soit M (λ) = k=0 M (k) λk et N (λ) = k=0 N (k) λk avec det N (d ) 6= 0.
Pd
Si d < d0 alors Qd (λ) = 0 et Rd (λ) = M (λ).
Supposons maintenant que d ≥ d0 .
h 0
i−1
On calcul d’abord M1 = M (d) N (d )
0
et M1 (λ) = M (λ) − M1 λd−d N (λ) et on pose d1 = deg M1 (λ) . Alors d1 < d. Si
d1 < d0 alors on a 0
Qd (λ) = M1 λd−d et Rd (λ) = M1 (λ)
h 0
i−1
Si d1 ≥ d0 alors on pose M2 = M1 1 N (d )
(d ) 0
et M2 (λ) = M1 (λ) − M2 λd1 −d N (λ) et d2 = deg M2 (λ) . Alors d2 < d1 .Si
d2 < d0 alors on a 0 0
Qd (λ) = M1 λd−d + M2 λd1 −d et Rd (λ) = M2 (λ)
Sinon, en réitère cette opération jusqu’à obtenir une matrice Mp (λ) avec deg Mp (λ) < d0 et alors
0 0 0
Qd (λ) = M1 λd−d + M2 λd1 −d + ... + Mp λdp−1 −d et Rd (λ) = Mp (λ)
t
Pour la division à droite, on peut avoir un algorithme semblable au précédent, comme on peut considèrer les matrices [M (λ)]
t
et [N (λ)] et faire la division à droite pour obtenir
t t t
[M (λ)] = Qd (λ) [N (λ)] + Rd (λ) et deg Rd (λ) < deg [N (λ)]
et par passage au transposé on a
t t
M (λ) = N (λ) [Qd (λ)] + [Rd (λ)] et deg [Rd (λ)] = deg Rd (λ) < deg N (λ)
et alors
t t
Qg (λ) = [Qd (λ)] et Rg (λ) = [Rd (λ)]
3
3λ2 + 2λ − 3
2
λ −λ λ λ
Exemple 1.3.79 Déterminons la division à gauche de sur .
λ 2 + λ λ3 − λ 2 − λ + 3 0 λ2 − 2
On pose
3 t
3λ2 + 2λ − 3 λ3 − λ λ2 + λ
λ −λ
M (λ) = =
λ2 + λ λ3 − λ2 − λ + 3 3λ2 + 2λ − 3 λ3 − λ2 − λ + 3
1 0 0 1 −1 1 0 0
= λ3 + λ2 + λ+
0 1 3 −1 2 −1 −3 3
= M (3) λ3 + M (2) λ2 + M (1) λ + M (0)
Samir Bekkara 24
Mathématiques Avancées pour l’Ingénieur
et
t 2
λ2
λ λ 0
N (λ) = =
0 λ2 − 2 λ λ2 − 2
1 0 2 0 0 0 0
= λ + λ+
0 1 1 0 0 −2
= N (2) λ2 + N (1) λ + N (0)
Caculons le quotient et le reste de la division à droite de M (λ) sur N (λ). On a
h i−1 1 0 1 0 −1 1 0
(3) (2)
M1 = M N = =
0 1 0 1 0 1
et
M1 (λ) = M (λ) − M1 λN (λ)
λ3 − λ λ2 + λ
2
1 0 λ 0
= − λ
3λ2 + 2λ − 3 λ3 − λ2 − λ + 3 0 1 λ λ2 − 2
λ2 + λ
−λ
=
2λ + 2λ − 3 −λ2 + λ + 3
2
0 1 −1 1 0 0
= λ2 + λ+
2 −1 2 1 −3 3
(2) (1) (0)
= M1 λ2 + M1 λ + M1
et alors deg M1 (λ) = 2 ≥ deg N (λ). On recommence alors
i−1 0 −1
(2)
h
(2) 1 1 0 0 1
M2 = M1 N = =
2 −1 0 1 2 −1
et
M2 (λ) = M1 (λ) − M2 N (λ)
λ2 + λ λ2
−λ 0 1 0
= −
2λ2 + 2λ − 3 −λ2 + λ + 3 2 −1 λ λ2 − 2
−2λ λ + 2
=
3λ − 3 λ + 1
et alors deg M2 (λ) = 1 < deg N (λ). Ainsi
λ 1 −2λ λ + 2
Qd (λ) = M1 λ + M2 = et Rd (λ) = M2 (λ) =
2 λ−1 3λ − 3 λ + 1
et finalement on a
t λ 2 −2λ 3λ − 3
Qg (λ) = [Qd (λ)] = et Rg (λ) =
1 λ−1 λ+2 λ+1
et on a bien
λ3 − λ 3λ2 + 2λ − 3 λ2
λ λ 2 −2λ 3λ − 3
= +
λ + λ λ − λ2 − λ + 3
2 3
0 λ2 − 2 1 λ−1 λ+2 λ+1
Samir Bekkara 25
Mathématiques Avancées pour l’Ingénieur
Pour trouver la forme de smith d’une matrice M (λ) on procède comme suit:
On cherche parmis les coefficients de M (λ), celui que le plus petit degré et qui soit le plus simple possible. Aprés, une éventuelle
permutation de lignes ou de colonnes, on peut supposer que ce coefficient est a11 (λ). Ensuite, en fait la division euclidienne de
chaque élément de la ligne 1 sur le coefficient a11 (λ) . Si un élément de la ligne 1, par exemple a1j (λ), a un reste non nul, c’est à
dire
a1j (λ) = a11 (λ) q1j (λ) + r1j (λ) avec r1j (λ) 6= 0
on multiplie la colonne 1 par −q1j (λ) et on l’ajoute à la colonne j, de telle sorte que l’on remplace a1j (λ) par r1j (λ) qui est de
degré inférieur à a11 (λ). On échange les colonnes j et 1 et on réitère la procédure précédente jusqu’à arriver à une matrice où
tout les coefficients de la première ligne sont divisible sur a11 (λ) avec un reste nul. Ce qui a était fait avec la première ligne, on
le refait avec la première colonne, de telle sorte que l’on arrive à une matrice où tous les coefficients de la première ligne et la
première colonne sont divisible sur a11 (λ) avec un reste nul. On retranche ensuite de chaque colonne j, la colonne 1 multipliée par
la quotient de la division de a1j (λ) sur a11 (λ) et on retranche de chaque ligne i, la ligne 1 multipliée par la quotient de la division
de ai1 (λ) sur a11 (λ). Ceci ramène notre matrice à la forme
a1 (λ) 0 ... 0
0 b22 (λ) ... b2n (λ)
M1 (λ) = (1.6)
.. .. ..
. . .
0 bn2 (λ) ... bnn (λ)
Si un des coefficients bij (λ) est divisible par a1 (λ) avec un reste non nul, alors on ajoute à la ligne 1, la ligne qui contient cet
élément, ceci ramène la matrice au cas initial, auquel on ré-applique tout ce qui précéde, jusqu’à l’obtention d’une matrice de la
forme 1.6, où tout les bij (λ) sont divisibles par a1 (λ) avec un reste nul et a1 (λ) unitaire (pour cette dernièe il suffit de multiplier
la première ligne par l’inverse du coefficient du plus grand degré dans a1 (λ)). Toute la procédure précédente, est appliquée ensuite
à la matrice (bij ) 2≤i≤n pour arriver à la forme
2≤j≤n
a1 (λ) 0 ... 0
a2 (λ)
M1 (λ) =
0 c32 (λ) ... c3n (λ)
.. .. ..
. . .
0 cn3 (λ) ... cnn (λ)
où a2 (λ) est divisible par a1 (λ) avec un reste nul et tout les cij (λ) sont divisibles par a2 (λ) avec un reste nul. La procédure est
poursuivie alors jusqu’à l’obtension de la forme S (λ).
λ + 1 λ2 + λ + 1
λ
Exemple 1.3.81 1) Soit la λ-matrice M (λ) = λ 1 λ . Déterminons sa forme de Smith.
2
2 λ −1 λ−1
Le coefficient du plus petit degré est 1, donc on échange les lignes 1 et 2 (multiplication à gauche par I12 )
λ 1 λ
λ + 1 λ2 + λ + 1 λ
2 λ2 − 1 λ−1
Tous les coefficients de la première ligne et la première colonne sont divisibles par 1 sans reste, alors on ajoute à la deuxième
colonne la première multipliée par −λ (multiplication à droite par I12 (−λ))
1 0 λ
λ2 + λ + 1 −λ3 − λ2 + 1 λ
2 3
λ −1 λ −λ+2 λ−1
et on ajoute à la troisième colonne la première multipliée par −λ (multiplication à droite par I13 (−λ))
1 0 0
λ2 + λ + 1 −λ3 − λ2 + 1 −λ3 − λ2
2
λ −1 −λ + λ + 2 −λ3 + 2λ − 1
3
Samir Bekkara 26
Mathématiques Avancées pour l’Ingénieur
et on ajoute à la deuxième ligne la première multipliée par − λ2 + λ + 1 (multiplication à gauche par I21 − λ2 + λ + 1 )
1 0 0
0 −λ3 − λ2 + 1 −λ3 − λ2
λ − 1 −λ + λ + 2 −λ3 + 2λ − 1
2 3
et on ajoute à la troisième ligne la première multipliée par − λ2 − 1 (multiplication à gauche par I31 − λ2 − 1 )
1 0 0
0 −λ3 − λ2 + 1 −λ3 − λ2
0 −λ + λ + 2 −λ3 + 2λ − 1
3
On ajoute maintenant à la troisième colonne la deuxième multipliée par −1 (multiplication à droite par I23 (−1))
1 0 0
0 −λ3 − λ2 + 1 −1
3
0 −λ + λ + 2 λ − 3
(on pouvait aussi ramener la troisième colonne à la deuxième). On échange les colonnes 2 et 3 (multiplication à droite par I23 )
1 0 0
0 −1 −λ3 − λ2 + 1
0 λ − 3 −λ3 + λ + 2
On ajoute maintenant à la troisième colonne la deuxième multipliée par −λ3 −λ2 +1 (multiplication à droite par I23 −λ3 − λ2 + 1 )
1 0 0
0 −1 0
4 3 2
0 λ − 3 −λ + λ + 3λ + 2λ − 1
et on ajoute à la troisième ligne la deuxième multipliée par λ − 3 (multiplication à gauche par I32 (λ − 3))
1 0 0
0 −1 0
4 3 2
0 0 −λ + λ + 3λ + 2λ − 1
et enfin on multiplie la deuxième ligne et la troisième ligne par −1 (multiplication à gauche par I2 (−1) et par I3 (−1))
1 0 0
S (λ) = 0 1 0
0 0 λ4 − λ3 − 3λ2 − 2λ + 1
qui est la forme de Smith cherchée. Pour déterminer les matrices P et Q véifiants
S (λ) = P M (λ) Q
alors P représente le produit de toute les matrices avec lesquelles on a multiplié à gauche et Q représente le produit de toutes les
matrices avec lesquelles on a multiplié à droite, en respectant l’ordre de multiplication, c’est à dire
P = I3 (−1) I2 (−1) I32 (λ − 3) I31 −λ2 + 1 I21 −λ2 − λ − 1 I12
1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 1 0
= 0 1 0 0 −1 0 0 1 0 0 1 0 −λ2 − λ − 1 1 0 1 0 0
0 0 −1 0 0 1 0 λ−3 1 −λ2 + 1 0 1 0 0 1 0 0 1
0 1 0
= −1 λ2 + λ + 1 0
3 − λ λ3 − λ2 − 2λ − 4 −1
et
Q = I12 I12 (−λ) I13 (−λ) I23 (−1) I23 I23 −λ3 − λ2 + 1
0 1 0 1 −λ 0 1 0 −λ 1 0 0 1 0 0 1 0 0
= 1 0 0 0 1 0 0 1 0 0 1 −1 0 0 1 0 1 −λ3 − λ2 + 1
0 0 1 0 0 1 0 0 1 0 0 1 0 1 0 0 0 1
3 2
0 −1 λ +λ
= 1 0 −λ
0 1 −λ3 − λ2 + 1
Samir Bekkara 27
Mathématiques Avancées pour l’Ingénieur
λ2 + λ + 1 λ3 + λ2
0 1 0 λ+1 λ 0 −1
P M (λ) Q = −1 λ2 + λ + 1 0 λ 1 λ 1 0 −λ
3 − λ λ3 − λ2 − 2λ − 4 −1 2 λ2 − 1 λ−1 0 1 −λ3 − λ2 + 1
1 0 0
= 0 1 0 = S (λ)
4 3 2
0 0 λ − λ − 3λ − 2λ + 1
λ 1
2) Soit la matrice M (λ) = . Pour déterminer la forme de Smith de M , on a les étapes suivantes:
1 λ2
1 λ2 1 λ2
1 0 1 0 1 0
I12 −λ2 =
M (λ) → I12 M (λ) = → → I21 (−λ) =
λ 1 λ 1 λ 1 − λ3 λ 1 − λ3 0 1 − λ3
1 0 1 0
→ I2 (−1) = = S (λ)
0 1 − λ3 0 λ3 − 1
et on a
S (λ) = [I21 (−λ) I12 ] M (λ) I12 −λ2 I2 (−1) = P M Q
c’est à dire
1 0 0 1 0 1
P = I21 (−λ) I12 = =
−λ 1 1 0 1 −λ
et
−λ2 λ2
2
1 1 0 1
Q = I12 −λ I2 (−1) = =
0 1 0 −1 0 −1
et on a bien
λ2
1 0 0 1 λ 1 1
=
0 λ3 − 1 1 −λ 1 λ2 0 −1
3) On considère la matrice
λ2 − 31 λ5 + 13 λ2 + λ λ3
M (λ) = λ−1 λ3 − 1 λ2 + 2
−λ + 2 λ2 2
−λ + λ + 4
Le coefficient du plus petit degré est λ − 1 ou −λ + 2 . On choisit par exemple λ − 1 et alors on échange les lignes 1 et 2, ce qui
revient à multiplier la matrice à gauche par I12
λ3 − 1 λ2 + 2
λ−1
λ2 − 13 λ5 + 31 λ2 + λ λ3
2 2
−λ + 2 λ −λ + λ + 4
Sur la ligne 1, on a
λ3 − 1 = (λ − 1) λ2 + λ + 1 et λ2 + 2 = (λ − 1) (λ + 1) + 3
puisque le coefficient λ2 + 1 à un reste non nul, alors on ajoute à la troisième colonne, la première colonne multipliée par − (λ + 1) ,
c’est à dire on multiplie la matrice à droite par I13 (− (λ + 1))
λ3 − 1
λ−1 3
λ2 − 13 λ5 + 31 λ2 + λ −λ2
−λ + 2 λ2 2
on échange les colonnes 1 et 3, ce qui revient à multiplier la matrice à droite par I13
λ3 − 1
3 λ−1
−λ2 − 1 λ5 + 1 λ2 + λ λ2
3 3
2
2 λ −λ + 2
Maintenant, tous les coefficients de la première ligne et la première colonne ont un reste nul quand on les divise par 3. Comme
3 1 3 1 1 1
λ −1=3 λ − et λ − 1 = 3 λ−
3 3 3 3
Samir Bekkara 28
Mathématiques Avancées pour l’Ingénieur
1 3 1
alors on ajoute à la deuxième colonne, la première colonne multipliée par − 3 λ − 3 et on ajoute à latroisième colonne, la première
1
colonne multipliée par − 3 λ − 3 , c’est à dire on multiplie la matrice à droite par I12 − 13 λ3 − 13 et par I13 − 13 λ − 31
1
3 0 0
−λ2 1 3 2 2
λ 3λ + 3λ
2 − 3 λ + λ + 3 − 3 λ + 83
2 3 2 2 5
et comme
2 1 2 2
−λ = 3 − λ et 2 = 3
3 3
alors on ajoute à la deuxième ligne, la première ligne multipliée par31 λ2 et on ajoute à la troisième ligne, la première ligne multipliée
par − 23 , c’est à dire on multiplie la matrice à gauche par I21 31 λ2 et par I31 − 23
3 0 0
0 1 3 2 2
λ 3λ + 3λ
2 3
0 − 3 λ + λ + 3 − 3 λ + 83
2 2 5
Comme tous les coefficients sont divisibles sans reste par 3 alors il ne reste qu’à normaliser ce coefficient, c’est à dire de multiplier
la première ligne par 31 , ce qui revient à multiplier la matrice à gauche par I1 31
1 0 0
0 1 3 2 2
λ 3λ + 3λ
2 3
0 − 3 λ + λ2 + 3 − 3 λ + 83
2 5
donc on ajoute à la troisième ligne, la deuxième ligne multipliée par − − 23 λ2 + λ , c’est à dire on multiplie la matrice à gauche
par I32 23 λ2 − λ
1 0 0
0 λ 1 3 2 2
3λ + 3λ
2 2 5 1 4 2 3 5 8
0 3 9λ + 9λ − 3λ − 3λ + 3
on échange les lignes 2 et 3, ce qui revient à multiplier la matrice à gauche par I23
1 0 0
0 2 2 λ5 + 1 λ4 − 2 λ3 − 5 λ + 8
3 9 9 3 3 3
1 3 2 2
0 λ 3λ + 3λ
on ajoute à la troisième ligne, la deuxième ligne multipliée par − 32 λ, c’est à dire on multiplie la matrice à gauche par I32 − 32 λ
1 0 0
0 2 2 5 1 4 2 3 5 8
9λ + 9λ − 3λ − 3λ + 3
3
1 6 1 5 4 1 3 19 2
0 0 − 3 λ − 6 λ + λ + 3 λ + 6 λ − 4λ
1 0 0
0 1 0
0 0 − 31 λ6 − 16 λ5 + λ4 + 13 λ3 + 19 6 λ 2
− 4λ
et encore une fois à droite par I3 (−3), ce qui donnera la forme de Smith
1 0 0
S (λ) = 0 1 0
0 0 λ6 + 21 λ5 − 3λ4 − λ3 − 19 2
2 λ + 12λ
Samir Bekkara 29
Mathématiques Avancées pour l’Ingénieur
Définition 1.4.82 Soit A ∈ Mn (C) une matrice telle que toutes les valeurs propres de A sont dans le disque de convergence de f
Remarque 1.4.83 Si les valeurs propres de A sont dans le disque de convergence, alors la série matricielle 1.7 est absolument
convergente et sa somme est une matrice. La convergence içi, veut dire la convergence coefficient par coefficient.
−1 0
Exemple 1.4.84 Soit la matrice A = et on considère la fonction f (z) = ez . On a
0 2
X zn
f (z) = ,z ∈ C
n!
n≥0
Calculons eA . On a
(−1)n
!
X 1 X 1 (−1)n 0
P
0
e−1 0
A n n≥0 n!
e = A = = 2n =
0 2n 0 e2
P
n! n! 0 n≥0 n!
n≥0 n≥0
Il est clair que pour le calcul de f (A), il suffit de connaitre les puissances de A, chose qui n’est pas trés simple si A n’est pas
diagonalisable. Bien entendu, on peut penser à la forme de Jordan, mais les calculs peuvent être fastidieux. Néanmoins, il existe
une autre manière de la calculer, basée sur le théorème suivant:
n n
Théorème 1.4.85 Soit A ∈ Mn (C) telle que le polynôme caractéristique de A s’écrit PA (λ) = (λ − λ1 ) 1 ... (λ − λp ) p . Alors il
existent des matrices Zij ∈ Mn (C) , 1 ≤ i ≤ p, 0 ≤ j ≤ ni − 1, telles que pour tout f analytique en 0, de rayon de convergence ρ,
et telle que |λi | < ρ, ∀i ∈ {1, ..., p} on a
Xp nXi −1
Ce qui est remarquable dans ce théorème est que les matrices Zij ne dépendent pas de f, elle ne dépende que de A. Ce qui
justifie la définition suivante:
Définition 1.4.86 Les matrices (Zij ) 1≤i≤p sont dites les matrices constituantes de A.
0≤j≤ni −1
La détermination des matrices constituantes, permet grâce à la formule 1.8, de calculer de manière simple n’importe quelle
f (A).
Pour calculer ces matrices, il suffit de choisir des fonctions f , dont le calcul de f (A) est simple et remplacer dans 1.8.
Samir Bekkara 30
Mathématiques Avancées pour l’Ingénieur
ce qui donne
1 1
Zj = Pj (A) = (A − λ1 I) ... (A − λj−1 I) (A − λj+1 I) ... (A − λn I)
Pj (λj ) (λj − λ1 ) ... (λj − λj−1 ) (λj − λj+1 ) ... (λj − λn )
1 4 −1
Exemple 1.4.87 Soit la matrice A = −2 2 2 . On a trouvé que
−3 4 3
PM (λ) = λ (λ − 2) (λ − 4)
donc
1
Z1 = (A − λ2 I) (A − λ3 I)
(λ1 − λ2 ) (λ1 − λ3 )
1−2 4 −1 1−4 4 −1
1 −2 2 − 2
= 2 −2 2 − 4 2
(0 − 2) (0 − 4)
−3 4 3−2 −3 4 3−4
−2 −16 10
1
= 0 0 0
8
−2 −16 10
et
1
Z2 = (A − λ1 I) (A − λ3 I)
(λ2 − λ1 ) (λ2 − λ3 )
1−0 4 −1 1−4 4 −1
1 −2 2 − 0
= 2 −2 2 − 4 2
(2 − 0) (2 − 4)
−3 4 3−0 −3 4 3−4
−8 −8 8
−1
= −4 −4 4
4
−8 −8 8
et
1
Z3 = (A − λ1 I) (A − λ2 I)
(λ3 − λ1 ) (λ3 − λ2 )
1−0 4 −1 1−2 4 −1
1 −2 2 − 0
= 2 −2 2 − 2 2
(4 − 0) (4 − 2)
−3 4 3−0 −3 4 3−2
−6 0 6
1
= −8 0 8
8
−14 0 14
Samir Bekkara 31
Mathématiques Avancées pour l’Ingénieur
ce qui donne pour toute fonction f analytique en 0 et de rayon de convergence plus grand que 4,
n
X
f (A) = f (λi ) Zi
i=1
−2 −16 10 −8 −8 8 −6 0 6
f (0) f (2) −4 f (4)
= 0 0 0 − −4 4 + −8 0 8
8 4 8
−2 −16 10 −8 −8 8 −14 0 14
Par exemple
−2 −16 10 2 −8 −8 8 4 −6 0 6
1 e e
eA = 0 0 0 − −4 −4 4 + −8 0 8
8 4 8
−2 −16 10 −8 −8 8 −14 0 14
2 3 4 1 2 3 4 2 5
2e − 4 e − 4 2e − 2 4 e − 2e + 4
= e2 − e4 e2 e4 − e2
2 7 4 1 2 7 4 2 5
2e − 4 e − 4 2e − 2 4 e − 2e + 4
Ce résultat, peut être vérifié en procédant à la diagonalisation de A. On a trouvé dans l’exemple 1.2.50 que
1 1 73
0 0 0
D = 0 2 0 et P = 0 12 47
0 0 4 1 1 1
et alors
−1
A = P
DP 3
1 5
1 1 7 0 0 0 −4 −2 4
= 0 12 4
7
0 2 0 2 2 −2
1 1 1 0 0 4 − 47 0 7
4
ce qui donne
3
1 5
1 1 7 0 0 0 −4 −2 4
An = 0 1
2
4
7
0 2n 0 2 2 −2 , ∀n ≥ 1
1 1 1 0 0 4n − 47 0 7
4
et on a
1 1 37
1 5
X 1 X 1 0 0 0 − 4 −2 4
eA = An = 0 1 4 0 2n 0 2
2 7 2 −2
n! n!
n≥0 n≥0 1 1 1 0 0 4n − 47 0 7
4
3
1 5
1 1 7 X 1 0 0 0 − 4 −2 4
= 0 1 4 0 2n 0 2 2 −2
2 7 n!
1 1 1 n≥0 0 0 4n − 74 0 7
4
1 1 73 − 41 −2 45
1 0 0
= 0 1 4 0 e2 0 2 2 −2
2 7
1 1 1 0 0 e4 − 74 0 7
4
2 3 4 1
2e − 4 e − 4 2e2 − 2 43 e4 − 2e2 + 54
= e2 − e4 e2 e4 − e2
2e − 4 e − 4 2e − 2 4 e − 2e2 + 54
2 7 4 1 2 7 4
Pour f (z) = sin πz alors f (A) = 0 car sin (π0) = sin (2π) = sin (4π) = 0. Par contre pour f (z) = cos πz alors
−2 −16 10 −8 −8 8 −6 0 6
cos (π0) cos (2π) −4 −4 4 + cos (4π) −8 0 8
f (A) = 0 0 0 −
8 4 8
−2 −16 10 −8 −8 8 −14 0 14
1 0 0
= 0 1 0
0 0 1
2) Le cas général
n n
Supposons que PA (λ) = (λ − λ1 ) 1 ... (λ − λp ) p .
Samir Bekkara 32
Mathématiques Avancées pour l’Ingénieur
On pose alors
et
(1) (n −3)
Pk2 (λk ) = Pk2 (λk ) = ... = Pk2 k (λk ) = 0 (1.12)
et
(1) (n −4)
Pk3 (λk ) = Pk3 (λk ) = ... = Pk3 k (λk ) = 0
jusqu’à
(1)
Pk,nk −2 (λk ) = Pk,nk −2 (λk ) = 0
et
Pk,nk −1 (λk ) = 0 (1.13)
En remplaçons dans 1.8 on a pour tout k ∈ {1, ..., n}
k −1
p nX
(j)
X
Pk1 (A) = Pk1 (λi ) Zij
i=1 j=0
k −1
nX
(j)
= Pk1 (λk ) Zkj (d’aprés 1.10)
j=0
(n −1)
= Pk1 k (λk ) Zk,nk −1 (d’aprés 1.11)
et
k −1
p nX
(j)
X
Pk2 (A) = Pk2 (λi ) Zij
i=1 j=0
k −1
nX
(j)
= Pk2 (λk ) Zkj (d’aprés 1.10)
j=0
(n −1) (n −2)
= Pk2 k (λk ) Zk,nk −1 + Pk2 k (λk ) Zk,nk −2 (d’aprés 1.12)
k −1
p nX
(j)
X
Pkr (A) = Pkr (λi ) Zij
i=1 j=0
k −1
nX
(j)
= Pkr (λk ) Zkj (d’aprés 1.10)
j=0
(n −1) (n −2) (n −r)
= Pkr k (λk ) Zk,nk −1 + Pkr k (λk ) Zk,nk −2 + ... + Pkr k (λk ) Zk,nk −r
et
k −1
p nX
(j)
X
Pknk (A) = Pknk (λi ) Zij
i=1 j=0
k −1
nX
(j)
= Pknk (λk ) Zkj (d’aprés 1.10)
j=0
(n −1) (n −2)
= Pknkk (λk ) Zk,nk −1 + Pknkk (λk ) Zk,nk −2 + ... + Pknk (λk ) Zk,0
Samir Bekkara 33
Mathématiques Avancées pour l’Ingénieur
Ainsi, les matrices constituantes Zij sont déterminé par les relations
(n −1)
Pk1 (A) = Pk1 k (λk ) Zk,nk −1
(n −1) (n −2)
Pk2 (A) = Pk2 k (λk ) Zk,nk −1 + Pk2 k (λk ) Zk,nk −2
..
.
(n −1) (n −2)
Pknk (A) = Pknkk (λk ) Zk,nk −1 + Pknkk (λk ) Zk,nk −2 + ... + Pknk (λk ) Zk,0 (1.14)
1 −2 3 0
0 2 −1 1
Exemple 1.4.88 Soit A = . On a déjà trouvé que
0 0 1 −3
0 0 0 1
3
PA (λ) = (λ − 1) (λ − 2)
donc on a λ1 = 1, λ2 = 2, n1 = 3 et n2 = 1. Les matrices constituantes sont alors Z10 , Z11 , Z12 et Z20 .
En appliquant les formules 1.14 pour k = 1 on a
(3−1)
P11 (A) = P11 (λ1 ) Z1,3−1
(3−1) (3−2)
P12 (A) = P12 (λ1 ) Z1,3−1 + P12 (λ1 ) Z1,3−2
(3−1) (3−2)
P13 (A) = P13 (λ1 ) Z1,3−1 + P13 (λ1 ) Z1,3−2 + P13 (λ1 ) Z1,3−3
donc
00
P11 (A) = P11 (1) Z12
00 0
P12 (A) = P12 (1) Z12 + P12 (1) Z11 (1.15)
00 0
P13 (A) = P13 (1) Z12 + P13 (1) Z11 + P13 (1) Z10
et pour k = 2 on a
(n −1)
P21 (A) = P21 2 (λ2 ) Z2,n2 −1 = P21 (2) Z20 (1.16)
or
2 3
P11 (z) = (z − 1) (z − 2) , P12 (z) = (z − 1) (z − 2) , P13 (z) = (z − 2) et P21 (z) = (z − 1)
donc
2 3
P11 (A) = (A − I) (A − 2I) , P12 (A) = (A − I) (A − 2I) , P13 (A) = (A − 2I) et P21 (A) = (A − I)
c’est à dire
0 0 0 3 0 0 −1 −11 −1 −2 3 0 0 −2 2 −8
0 0 0 0 0 0 0 3 0 0 −1 1 0 1 −1 4
P11 (A) = , P12 (A) = , P13 (A) = , P21 (A) =
0 0 0 0 0 0 0 3 0 0 −1 −3 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 −1 0 0 0 0
et
00 0 00 0 00
P11 (1) = −2, P12 (1) = −1, P12 (1) = 2, P13 (1) = −1, P13 (1) = 1, P13 (1) = 0, et P21 (2) = 1
Ainsi, 1.15 donne
− 23
0 0 0 3 0 0 0
1 1 0 0 0 0 0 0 0 0
Z12 = 00 P11 (A) = =
P11 (1) −2 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
et
00
1 P12 (1)
Z11 = 0 P 12 (A) − 0 Z12 = −P12 (A) + 2Z12
P12 (1) P12 (1)
0 0 0 − 32
0 0 −1 −11
0 0 0 3 + 2 0 0 0 0
= − 0 0 0 3 0 0 0 0
0 0 0 0 0 0 0 0
0 0 1 8
0 0 0 −3
=
0 0 0 −3
0 0 0 0
Samir Bekkara 34
Mathématiques Avancées pour l’Ingénieur
et
1 P 00 (1) P 0 (1)
Z10 = P13 (A) − 13 Z12 − 13 Z11 = −P13 (A) + Z11
P13 (1) P13 (1) P13 (1)
−1 −2 3 0 0 0 1 8
0 0 −1 1 + 0 0 0 −3
= − 0 0 −1 −3 0 0 0 −3
0 0 0 −1 0 0 0 0
1 2 −2 8
0 0 1 −4
=
0 0 1
0
0 0 0 1
et 1.16 donne
0 −2 2 −8
1 0 1 −1 4
Z20 = P21 (A) =
0
P21 (2) 0 0 0
0 0 0 0
Pour toute fonction analytique en 0, de rayon de convergence plus grand que 2 on a alors
i −1
2 nX
X
f (A) = f (j) (λi ) Zij
i=1 j=0
1 −1
nX 2 −1
nX
= f (j) (λ1 ) Z1j + f (j) (λ2 ) Z2j
j=0 j=0
2
X
= f (j) (1) Z1j + f (2) Z20
j=0
− 32
1 2 −2 8 0 0 1 8 0 0 0 0 −2 2 −8
−1 0 0 1 −4 1 0 0 0 − 1
−3 0 0 0 0 − 0
1 −1 4
f (A) = −
2 0 0 1 0 4 0 0 0 −3 4 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
1
1 − 54 19
−2 8
1
0 −1
2 − 54
=
0 0 − 12 3
4
0 0 0 − 12
−1
Il est à noter que cette dernière matrice, n’est rien d’autre que (A − 3I)
1
1 − 54 19
−2 8
1
−1 0 −1 − 45
(A − 3I) = 2
0 0 − 21 3
4
0 0 0 − 21
Samir Bekkara 35
Mathématiques Avancées pour l’Ingénieur
De même on a
− 32
1 2 −2 8 0 0 1 8 0 0 0 0 −2 2 −8
0 0 1 −4 0 0 0 −3 0 0 0 0 0 1 −1 4
eA + e2
= e + e + e
0 0 1 0 0 0 0 −3 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
29
2 2
e 2e − 2e 2e − e 2 e − 8e2
0 e2 e − e2 4e2 − 7e
=
0 0 e −3e
0 0 0 e
Ce dernier résultat, on pouvait l’obtenir grâce à la forme de Jordan. En effet, d’aprés 1.5 on a
1 −2 3 0 1 0 0 −2 1 1 0 0 1 2 −2 8
0 2 −1 1 0 1 4 1 0 1 1 0 0 0 1 8
= 8
0 0 1 −3 0 1 3 0 0 0 1 0 0 0 0 −3
0 0 0 1 0 0 − 31 0 0 0 0 2 0 1 −1 4
donc pour tout n ∈ N n
1 0 0 −2 1 1 0 0 1 2 −2 8
0 1 4 1 0 1 1 0 0 0 1 8
Mn =
8
0 1
3 0 0 0 1 0 0 0 0 −3
0 0 − 13 0 0 0 0 2 0 1 −1 4
or, on peut montrer par récurrence que
n n(n−1)
1 1 0 0 1 n 2 0
0 1 1 0 0 1 n 0
=
0 0 1 0 0 0 1 0
0 0 0 2 0 0 0 2n
et alors
X 1
eA = An
n!
n≥0
n
1 0 0 −2 1 1 0 0 1 2 −2 8
0 1 4 1 X 1 0 1 1 0 0 0 1 8
= 8
0 1
3 0 n! 0 0 1 0 0 0 0 −3
n≥0
0 0 − 13 0 0 0 0 2 0 1 −1 4
n(n−1)
1 0 0 −2 1 n 2 0 1 2 −2 8
0 1 4 1 X 1 0 1 n 0 0 0 1 8
= 8
0 1
3 0 n! 0 0 1 0 0 0 0 −3
n≥0
0 0 − 13 0 0 0 0 2n 0 1 −1 4
mais X 1 X 1 X 1 X 1
= e, n= = =e
n! n! (n − 1)! n!
n≥0 n≥0 n≥1 n≥0
et
n2 −n
X
2 1 X n2 X n 1 X n
= − = − e
n! 2 n! n! 2 (n − 1)!
n≥0 n≥0 n≥0 n≥1
1 X n − 1 + 1 1 X 1 X 1
= − e = − − e
2 (n − 1)! 2 (n − 2)! (n − 1)!
n≥1 n≥2 n≥1
1 X 1 X 1 e
= − − e =
2 n! n! 2
n≥0 n≥0
donc
n(n−1) e
1 n 2 0 e e 2 0
X 1 0 1 n 0 0 e e 0
=
n! 0 0 1 0 0 0 e 0
n≥0
0 0 0 2n 0 0 0 e2
Samir Bekkara 36
Mathématiques Avancées pour l’Ingénieur
et alors
e
1 0 0 −2 e e 2 0 1 2 −2 8
0 1 4 1
eA 0 e e 0 0 0 1 8
=
8
0 1 3 0 0 0 e 0 0 0 0 −3
0 0 − 13 0 0 0 0 e 2
0 1 −1 4
29
e 2e − 2e2 2e2 − e 2
2 e − 8e
0
e2 e − e2 4e2 − 7e
0 0 e −3e
0 0 0 e
Proposition 1.5.92 Soit A ∈ Mn×p (K) telle que rgA = r, avec r ≤ min (n, p). Alors il existe F ∈ Mn×r (K) et il existe
G ∈ Mr×p (K) telles que
A = F G et rgF = rgG = r
La décomposition de A en F G est dite la décomposition de rang maximal.
Preuve. En passant à la forme de Smith, on a
Ir 0r,p−r
A=P Q
0n−r,r 0n−r,p−r
où P ∈ Mn (K) et Q ∈ Mp (K) sont des matrices inversible. Comme
Ir 0r,p−r Ir
= Ir 0r,p−r
0n−r,r 0n−r,p−r 0n−r,r
alors
Ir Ir
A=P Ir 0r,p−r Q= P Ir 0r,p−r Q = FG
0n−r,r 0n−r,r
avec
Ir
F =P et G = Ir 0r,p−r Q
0n−r,r
On a F ∈ Mn×r (K) et G ∈ Mr×p (K). Il reste à montrer que rgF = r = rgG.
Ir
Multiplier P par revient à ne garder de P que les r premières colonnes. Comme P est inversible, alors rgP =
0n−r,r
n et
alors
les n
colonnes de P sont libres, ce qui entraine en particulier que les r premières colonnes sont libres et alors
Ir
rg P = r. De même pour rgG.
0n−r,r
Samir Bekkara 37
Mathématiques Avancées pour l’Ingénieur
∀A ∈ Mn×r (K) , ∀B ∈ Mr×p (K) , rgA + rgB − n ≤ rg (AB) ≤ min (rgA, rgB) (1.17)
Théorème 1.5.94 Soit A ∈ Mn×p (K) et A = F G une décomposition de rang maximal. Alors
−1
A+ = Gt F t AGt Ft
C’est à dire pour toute matrice A ∈ Mn×p (K), la pseudo-inverse existe et elle est unique.
mais F t F ∈ Mr (K), donc F t F est inversible. De même, GGt est inversible et alors F t AGt est inversible et on a
t
−1 −1 −1 −1
F t AGt F tF GGt = GGt F tF
=
−1
Il est ensuite évident de vérifier que la matrice Gt (F t AGt ) F t verifie les 4 conditions de la pseudo-inverse. En effet
h −1 t i −1 t −1 t
AA+ A = A Gt F t AGt F A = F GGt GGt F F F FG = FG = A
et
−1 −1 −1 −1 −1 −1 −1
A+ AA+ = Gt GGt F tF F t F GGt GGt F tF F t = Gt GGt F tF F t = Gt F t AGt F t = A+
et
t −1 t −1 t t −1 t t h −1 it t h −1 it t
AA+ = F GGt GGt F F F = F F tF F = F F tF F = F F tF F = AA+
et t
t −1 t −1 t −1 t h −1 it −1
A+ A = Gt GGt F F F F G = Gt GGt G = Gt GGt G = Gt GGt G = A+ A
Proposition 1.5.95 La pseudo-inverse d’une matrice A ∈ Mn×p (K) possède les propriétés suivantes:
6. Si A = F P G avec F ∈ Mn×r (K) , G ∈ Mr×p (K) , P ∈ Mr (K) et rg (F ) = rg (G) = rg (A) = r et P inversible alors
A+ = G+ P −1 F + .
Samir Bekkara 38
Mathématiques Avancées pour l’Ingénieur
1 −2 3
0 2 1
Exemple 1.5.96 1) Soit A = . On a rgA = 3 donc A est de rang maximal en colonnes, et alors
0 0 −1
0 0 0
−1
1 −2
3
1 0 0 0 0 2 1 0 0 0
−1 1
A+ At A At =
= −2 2 0 0 −2 2 0 0
0 0 −1
3 1 −1 0 3 1 −1 0
0 0 0
−1
1 −2 3 1 0 0 0
= −2 8 −4 −2 2 0 0
3 −4 11 3 1 −1 0
5
18 2 −4 1 0 0 0 1 1 4 0
= 52 1
2 − 12 −2 2 0 0 = 0 1
2
1
2 0
−4 − 12 1 3 1 −1 0 0 0 −1 0
1 1 1
2) Pour la matrice A = , on a rgA = 2, donc A est de rang maximal en ligne, et alors
0 −1 1
−1
1 0 1 0
t −1 1 1 1
A+ = At
AA = 1 −1 1 −1
0 −1 1
1 1 1 1
1 0 −1 1 0 1
3 0 0
= 1 −1 = 1 −1 3
1
0 2 0 2
1 1 1 1
1
3 0
1
= 3 −1 2
1 1
3 2
1 2 0
3) Soit la matrice A = −1 −1 1 . On a det A = 0, donc A n’est pas inversible. Cherchons la pseudo-inverse de A.
2 1 −3
Pour le faire il suffit de trouver une décomposition de rang maximal pour A. La décomposition de Smith fournira la réponse. On a
1 2 0 1 0 0 1 0 0 1 0 0
A → −1 −1 1 I12 (−2) = −1 1 1 → I31 (−2) I21 (1) −1 1 1 = 0 1 1
2 1 −3 2 −3 −3 2 −3 −3 0 −3 −3
1 0 0 1 0 0 1 0 0 1 0 0
→ 0 1 1 I23 (−1) = 0 1 0 → I31 (3) 0 1 0 = 0 1 0 =S
0 −3 −3 0 −3 0 0 −3 0 0 0 0
donc
S = P AQ
avec
et
Samir Bekkara 39
Mathématiques Avancées pour l’Ingénieur
Ainsi
−1 −1
1 0 0 1 0 0 1 −2 2
A = P −1 SQ−1 = 1 1 0 0 1 0 0 1 −1
1 3 1 0 0 0 0 0 1
1 0 0 1 0 0 1 2 0
= −1 1 0 0 1 0 0 1 1
2 −3 1 0 0 0 0 0 1
1 0 0 1 0 1 2 0
= −1 1 0 0 1 1 0 0
0 1 1
0 1 0
2 −3 1 0 0 0 0 1
1 0
= −1 1 1 2 0 = FG
0 1 1
2 −3
et alors
−1
A+ = Gt F t AGt Ft
t −1 t
t 1 0 1 2 0 t 1 0
1 2 0 −1 1 2 0
= 1 −1 −1 1 −1 1
0 1 1 0 1 1
2 −3 2 1 −3 2 −3
−1
1 0 1 2 0 1 0
1 −1 2 1 −1 2
= 2 1 −1 −1 1 2 1
0 1 −3 0 1 −3
0 1 2 1 −3 0 1
1 0 −1
2 16 −2 1 −1 2
= 1
−15 6 0 1 −3
0 1
1 0 1 1
2 11 33 1 −1 2
= 1 5 8
22 33 0 1 −3
0 1
1 2 1
11 − 33 11
9 7 1
=
22 − 66 − 11
5 1 3
22 66 − 11
Proposition 1.5.97 Soit A ∈ Mn×p (K) telle que rgA = r et telle que A s’écrit
A11 A12
A=
A21 A22
alors
−1
A+ = At2 At1 AAt2 At1
1 2 0
1 2
Exemple 1.5.98 On reprend la matrice A = −1 −1 1 . On a rgA = 2 et det = 1 6= 0 donc A11 =
−1 −1
2 1 −3
1 2
et alors
−1 −1
1 2
1 2 0
A1 = −1 −1 et A2 =
−1 −1 1
2 1
Samir Bekkara 40
Mathématiques Avancées pour l’Ingénieur
et par suite
−1
A+ = At2 At1 AAt2 At1
t −1 t
t 1 2 1 2 0 t 1 2
1 2 0 −1 −1 −1 1 2 0
= −1 1 −1 −1
−1 −1 1 −1 −1 1
2 1 2 1 −3 2 1
1 −1 −1
16 −18 1 −1 2
= 2 −1
17 −15 2 −1 1
0 1
1 2 1
11 − 33 11
9 7 1
= 22 − 66 − 11
5 1 3
22 66 − 11
AX = b (S)
où l’inconnue X ∈ Rp .
1. On dit que le système (S) est compatible ou soluble, s’il existe un vecteur X ∈ Rp vérifiant AX = b. Le vecteur X est alors
appelé une solution de (S).
2. Si pour tout X ∈ Rp , AX 6= b on dit que le système (S) est incompatible et dans ce cas, on appelle solution de (S), tout
vecteur X0 ∈ Rp , minimisant le vecteur AX − b au sens des moindres carrées, c’est à dire
Ainsi, tout système (S) admet une ou plusieurs solutions, soit des solutions exactes ou des solutions approchées au sens des
moindres carrées.
Théorème 1.5.101 Soit A ∈ Mn×p (R) telle que rgA = r et b ∈ Rn . On considère le système linéaire (S) : AX = b.
E = X = A + b + I p − A + A Z / Z ∈ Rp
2. Parmis les solutions de (S) , la solution dont la norme euclidienne est la plus petite est donnée par
X∗ = A+ b
Samir Bekkara 41
Mathématiques Avancées pour l’Ingénieur
donc le système (S) est compatible et il admet alors des solutions exactes données par
E = X = A + b + I 3 − A + A Z / Z ∈ R3
c’est à dire
2 1 1 1 1 1 1 1 1 1 1
E = z1 − z2 + z3 , − z1 + z2 − z3 + , z1 − z2 + z3 + / (z1 , z2 , z3 ) ∈ R3
3 3 3 3 6 6 2 3 6 6 2
1
= (4z1 − 2z2 + 2z3 , −2z1 + z2 − z3 + 3, 2z1 − z2 + z3 + 3) / (z1 , z2 , z3 ) ∈ R3
6
par exemple pour z1 = −1, z2 = 1, z3 = 1 on a la solution
1 2 5 1
X = (−4, 5, 1) = − , ,
6 3 6 6
de plus, parmis toutes les solutions de (S), la solution de norme minimale est
1 2 1
11 − 33 11 1 0
X∗ = A+ b = 22 9 7
− 66 1
− 11 0 = 21
5 1 3 1
22 66 − 11 −1 2
33 3 −3 3 z1
= 10 33
+ −1
3
1
6 − 16 z2
8 1 1 1
−6 z3
332 1
3
1 1
6
3 z1 − 3 z2 + 3 z3 + 33
= − 13 z1 + 16 z2 − 16 z3 + 10 33
1 1 1 8
z
3 1 − z
6 2 + z
6 3 + 33
Samir Bekkara 42
Mathématiques Avancées pour l’Ingénieur
c’est à dire
2 1 1 1 1 1 1 10 1 1 1 8 3
E= z1 − z2 + z3 + , − z1 + z2 − z3 + , z1 − z2 + z3 + / (z1 , z2 , z3 ) ∈ R
3 3 3 33 3 6 6 33 3 6 6 33
et la solution de norme minimale est
1 2 1 1
11 − 33 11 1 33
X∗ = A+ b0 = 9
22
7
− 66 1
− 11 1 = 10
33
5 1 3 8
22 66 − 11 0 33
donc le système (S) est compatible et il admet alors toujours des solutions exactes, pour toutes les valeurs de α et β, et les solutions
sont données par
E = X = A+ b + I 3 − A+ A Z / Z ∈ R 3
A+ b + I 3 − A+ A Z
X =
1 1
3 0 1 0 0 3 0 z1
= 1 − 1 α + 0 1 0 − 1 − 21
1 1 1 z2
3
1 1
2 β 3
1 1 0 −1 1
3 2
0 0 1 z3
1
2 1 1
3 2
3 α 3 − 3 − 3 z1
= 1α − 1β + −1 1 1
z2
3 2 3 6 6
1
α + 1β − 13 1 1
z3
3 2 2 1 1 1
6 6
3 z1 − 3 z2 − 3 z3 + 3 α
= − 1 z1 + 1 z2 + 1 z3 + 1 α − 1 β
3 6 6 3 2
− 13 z1 + 16 z2 + 16 z3 + 13 α + 21 β
c’est à dire
2 1 1 1 1 1 1 1 1 1 1 1 1 1 3
E= z1 − z2 − z3 + α, − z1 + z2 + z3 + α − β, − z1 + z2 + z3 + α + β / (z1 , z2 , z3 ) ∈ R
3 3 3 3 3 6 6 3 2 3 6 6 3 2
et la solution de norme minimale est
1 1 1 1 1 1
X∗ = α, α − β, α + β +
3 3 2 3 2 2
√
1
2 − 23
Exemple 1.6.104 La matrice O = 3 1
est une matrice orthogonale car
2 2
√ ! √ !
1 3 1 3
− 1 0
OO = t √2 2 2√ 2 = ⇒ Ot = O−1
3 1
− 3 1 0 1
2 2 2 2
0 −1 0
de même, la matice O = 0 0 1 est une matrice orthogonale.
1 0 0
Samir Bekkara 43
Mathématiques Avancées pour l’Ingénieur
1. O est orthogonale ssi les vecteurs colonnes de O sont de norme 1 et sont deux à deux orthogonaux (c’est à dire le produit
scalaire est nul).
2. O est orthogonale ssi les vecteurs lignes de O sont de norme 1 et sont deux à deux orthogonaux.
√ ! √ !2 √ u √ !2 2
v ! v
u 2
1 3 u 1 3 3 1 u 3 1
, =t + = 1 et − , =t + =1
2 2 2 2 2 2 2 2
2 2
et * √ ! √ !+ √ ! √ !
1 3 3 1 1 3 3 1
, , − , = × − + × =0
2 2 2 2 2 2 2 2
et √ !
1 3
−1 2√ 2
O = 3 1
− 2 2
Proposition 1.6.107 Si A est une matrice carrée inversible, alors A est équivalente à une matrice orthogonale O.
Preuve. Soit A ∈ Mn (R). Notons les vecteurs colonnes de A par A1 , A2 , ..., An . Posons alors
et finalement posons
1
Ok = Vk , k ∈ {1, 2, ..., n}
kVk k2
Il est clair que
kOk k2 = 1, ∀k ∈ {1, 2, ..., n}
et on a
1 1 1 hA1 , A2 i
hO1 , O2 i = V1 , V2 = A1 , A2 − A1
kV1 k2 kV2 k2 kV1 k2 kV2 k2 hA1 , A1 i
1 hA1 , A2 i
= hA1 , A2 i − A1 , A1
kV1 k2 kV2 k2 hA1 , A1 i
1 hA1 , A2 i
= hA1 , A2 i − hA1 , A1 i = 0
kV1 k2 kV2 k2 hA1 , A1 i
et de même
hO1 , O3 i = hO2 , O3 i = 0 et hOi , Oj i = 0 pour tout i < j
ainsi la matrice O = (O1 , ..., On ) est une matrice orthogonale et elle est équivalente à A, vue qu’elle est obtenue de A suite à des
transformations élémentaires sur les colonnes de A.
Remarque 1.6.108 La procédue de construction des vecteurs Ok dans la preuve précédente est dite la procédure d’orthonormalisation
de Gram-Schmidt.
Samir Bekkara 44
Mathématiques Avancées pour l’Ingénieur
1 −1 2
Exemple 1.6.109 Soit la matrice A = −1 −1 1 . On a
1 1 0
c’est à dire
V1 = (1, −1, 1)
et
h(1, −1, 1) , (−1, −1, 1)i 1 −4 −2 2
V2 = (−1, −1, 1) − (1, −1, 1) = (−1, −1, 1) − (1, −1, 1) = , ,
h(1, −1, 1) , (1, −1, 1)i 3 3 3 3
et
hV1 , A3 i hV2 , A3 i
V3 = A3 − V1 − V2
hV1 , V1 i hV2 , V2 i
−4 −2 2
h(1, −1, 1) , (2, 1, 0)i 3 , 3 ,3 , (2, 1, 0) −4 −2 2
= (2, 1, 0) − (1, −1, 1) − −4 −2 2 −4 −2 2 , ,
h(1, −1, 1) , (1, −1, 1)i 3 , 3 , 3 , 3 , 3 , 3
3 3 3
−10
1 −4 −2 2
= (2, 1, 0) − (1, −1, 1) − 38 , ,
3 3
3 3 3
1 5 −4 −2 2 1 1
= (2, 1, 0) − (1, −1, 1) + , , = 0, ,
3 4 3 3 3 2 2
soit √
√
1 1 1 3 −4 −2 2 1 1 1
O1 = V1 = √ (1, −1, 1) , O2 = V2 = √ , , et O3 = V3 = 2 0, ,
kV1 k2 3 kV2 k2 2 2 3 3 3 kV3 k2 2 2
Ainsi, une matrice orthogonale équivalente à A est donnée par
q
√1 − 2
0
3 q3
O= −1 1 √1
−
√
6
3 2
q
√1 1 √1
3 6 2
et on a effectivement
√ !
√
−1 −1 5 1 3
O = AI12 I13 I23 I1 √ I2 √ I3 2
3 3 4 3 2 2
soit q
√1 − 2
0 √1 −1 −3
√ √
3 q3 1 −1 2 3 2√ 6 2 2
−1 1 √1 −1 −1 1 0 √3 5
− =
√
√
6 2√ 2
3 2 2 2
1
q
1 1
1 1 0 0 0 2
√ √
3 6 2
Théorème 1.6.110 Pour toute matrice A ∈ Mn×p (R), il existent deux matrices orthogonales U ∈ Mn (R) et V ∈ Mp (R) , et
une matrice Σ ∈ Mn×p (R) avec
σ1 0
.. ..
. .
σr 0 avec r = rgA et σ1 ≥ σ2 ≥ ... ≥ σr > 0
Σ=
0
..
.
0 0
telles que
A = U ΣV t (1.18)
Samir Bekkara 45
Mathématiques Avancées pour l’Ingénieur
Remarque 1.6.111 Le nombre r peut être égale à n ou à p et dans cas Σ prend une des formes
σ1
..
σ1 0 ... 0
.
.. .. .. ou Σ = σp
Σ=
. . . 0 ... 0
σn 0 ... 0
. ..
..
.
0 ... 0
Définition 1.6.112 Les scalairs σ1 , σ2 , ..., σr sont dits les valeurs singulières de A et la décomposition 1.18 est dite la décompostion
de A suivant les valeurs singulières.
On écrira Σ = diagn×p {σ1 , σ2 , ..., σr }.
Samir Bekkara 46
Mathématiques Avancées pour l’Ingénieur
On passe maintenant à At A
2 2
t 24 4 36 0
AA = 4 −2 =
−2 1
2 0 9
4 1
1 0
⇒ P = =V
0 1
A + = V Σ+ U t
où
1 1 1
Σ+ = diagp×n , , ...,
σ1 σ2 σr
et alors
1 2 2
1
1 0 0 0 3 3 3
A+ = V Σ+ U t = 6
1
2
3 − 23 1
3
0 1 0 3 0 2 1 −2
3 3 3
1 1 1
= 18 9 9
2
9 − 29 1
9
Samir Bekkara 47