Académique Documents
Professionnel Documents
Culture Documents
I.1 Matrices
Une matrice A représente généralement un ensemble d’équations linéaires permettant de faire cor-
respondre un vecteur de sortie y à un vecteur d’entrée x. Une matrice de dimension (m × n) fait
correspondre m sorties à n entrées comme suit :
a11 x1 + a12 x2 + ... + a1n xn = y1
a21 x1 + a22 x2 + ... + a2n xn = y2
.. (I.1)
.
a x + a x + ... + a x = y
m1 1 m2 2 mn n m
Les vecteurs y et x ont les dimensions m et n respectivement. Nous pouvons réécrire l’expression
(I.1) sous la forme générale :
y1 a11 a12 ··· a1n x1
y2 a21 a22 ··· a2n x2
y = Ax avec y= , A= et x = (I.2)
.. .. ..
. . .
ym am1 am2 · · · amn xn
Les coefficients aij de la matrice A, i = 1, 2, ..., m et j = 1, 2, ..., n, sont les éléments de la matrice
A. Lorsque m = n, la matrice A est dite carrée ; pour m ̸= n, la matrice A est dite rectangulaire.
Une matrice dont tous les éléments sont nuls est dite nulle. Une matrice carrée est diagonale si tous
les éléments aij sont nuls pour i ̸= j 1 . La matrice identité, I, est une matrice diagonale dont tous
les éléments diagonaux sont égaux à 1 2 . Une matrice triangulaire supérieure est une matrice carrée
A tel que aij = 0 pour i > j. Une matrice triangulaire inférieure est une matrice carrée A tel que
1. aij = 0 pour i ̸= j
2. aii = 1 ∀ i
2 Chapitre I : Rappel d’algèbre linéaire
4
Une matrice carrée est symétrique si aij = aji ; anti symétrique si aij = −aji .
La matrice somme de deux matrices de dimension identique (n × m) A et B est la matrice que nous
obtenons en additionnant leurs éléments correspondants, ainsi :
Deux matrices A et B de même dimension (n × m) sont égales si tous leurs éléments correspondants
sont égaux :
A = B → aij = bij
i = 1, 2, ..., n et j = 1, 2, ..., m
C = k × A → cij = k × aij
i = 1, 2, ..., n et j = 1, 2, ..., m
3. B = AT bij = aji ∀ i, ∀ j
4. A = AT
I.1 : Matrices 3
Exemple 1.1
Nous pouvons multiplier les matrices A et B, ci-dessous, puisque A a 3 colonnes et B a 3 rangées.
[ ] 5 2 1 2
1 2 3
A= B= 0 1 3 1
2 0 1
3 0 −1 0
avec n = 2, m = 3, p = 4, i = 1, 2, k = 1, . . . , 3 et j = 1, . . . , 4
∑3
C = A × B → cij = k=1 aik × bkj
∑3
c11 = k=1 a1k × bk1 = a11 × b11 + a12 × b21 + a13 × b31 = 1 × 5 + 2 × 0 + 3 × 3 = 14
∑3
c13 = k=1 a1k × bk3 = a11 × b13 + a12 × b23 + a13 × b33 = 1 × 1 + 2 × 3 + 3 × (−1) = 4
Il est important de noter que le produit de deux matrices n’est pas commutatif.
A × B ̸= B × A
Par contre, si les dimensions sont appropriées, les lois d’associativité et de distributivité s’appliquent :
(A × B) × C = A × (B × C)
A × (B + C) = A × B + A × C
(A + B) × C = A × C + B × C
Le déterminant d’une matrice carrée A de dimension (n × n), det(A) ou |A|, se calcule à partir de
la matrice mineure {Mij } 5 . La matrice mineure est la matrice obtenue par l’élimination, dans la
matrice A, de la rangée i et de la colonne j. Le terme ρij = (−1)i+j det({Mij }) est le cofacteur de
l’élément aij .
n
∑
det(A) = aij × ρij j = 1, 2, ..., n suivant la colonne j (I.4)
i=1
n
∑
det(A) = aij × ρij i = 1, 2, ..., n suivant la ligne i (I.5)
j=1
Exemple 1.2
−3 8 5
A = 2 −7 4
1 9 −6
∑3
det(A) = j=1 aij × ρij i=1 suivant la ligne 1
−7 4 2 4 2 −7
det(A) = −3 × (−1)2 + 8 × (−1)3 + 5 × (−1)4 = 235
9 −6 1 −6 1 9
La matrice adjointe d’une matrice carrée A de dimension (n × n) est notée adj(A) ; pour l’obtenir,
nous remplaçons chaque élément par son cofacteur et nous prenons la matrice transposée de la ma-
trice obtenue. Les éléments de adj(A) seront donc ρji pour i, j = 1, 2, ..., n.
Une matrice est inversible ou non singulière ou encore régulière si det(A) ̸= 0. L’inverse de A existe
lorsque det(A) ̸= 0 et est dénotée A−1 .
adj(A) {ρij }T
A−1 = = (I.6)
det(A) det(A)
Exemple 1.3
Calculer l’inverse de la matrice suivante :
[ ]
2 1
A=
3 1
[ ]T [ ]
1 −3 1 −1
adj(A) = =
−1 2 −3 2
det(A) = (2 × 1) − (3 × 1) = −1
1 −1 [ ]
−3 2 −1 1
A −1
= =
−1 3 −2
I.2 : Valeurs propres et vecteurs propres d’une matrice 5
Ax = λx x ̸= 0 (I.7)
Tout vecteur satisfaisant à cette condition est dit vecteur propre de A associé à la valeur propre λ.
L’ensemble de toutes les valeurs propres de A est dit spectre de A.
Si nous multiplions la condition précédente (I.7) par la matrice identité In de dimension (n × n), il
s’ensuit que :
In Ax = λIn x
Ax = λIn x
(A − λIn )x = 0 (I.8)
L’équation (I.8) admet une solution si le déterminant est nul, det(A − λIn ) = 0, c’est-à-dire si :
a11 − λ a12 ... a1n
a21 a22 − λ ... a2n
det(A − λIn ) = det =0
.. .. .. ..
. . . .
an1 an2 ... ann − λ
6 Chapitre I : Rappel d’algèbre linéaire
Exemple 1.4
Calculer les valeurs propres de la matrice suivante :
[ ]
−1 1
A=
0 −2
[ ]
−1 − λ 1
(A − λI2 ) =
0 −2 − λ
Les vecteurs propres ei d’une matrice dont les valeurs propres λi sont distinctes vérifient :
Exemple 1.5
La matrice A :
2 4
A = 3 −3
1 1
6. det(AT A) ̸= 0
7. det(AAT ) ̸= 0
8 Chapitre I : Rappel d’algèbre linéaire
Le rang de la matrice A est 2, car le déterminant de la matrice AT A est non nul (det(AT A) ̸= 0).
La matrice A :
[ ]
2 3 −1
A=
1 −1 1
Le rang de la matrice A est 2, car le déterminant de la matrice AAT est non nul (det(AAT ) ̸= 0).
Un ensemble de vecteurs X est linéairement indépendant si et seulement si, pour n’importe quelle col-
lection d’éléments (x1 , x2 , ..., xN ) de cet ensemble de vecteurs X et pour tous scalaires (α1 , α2 , ..., αN ),
la relation suivante est vraie :
N
∑
αi xi = 0 ⇒ α1 = α2 = ... = αN = 0 (I.14)
i=1
Exemple 1.6
[ ] [ ] [ ] [ ]
2 6 2 6
Les vecteurs et sont linéairement dépendants, car : α1 + α2 = 0. Les valeurs
1 3 1 3
α1 = 3 et α2 = −1 vérifient l’équation.
[ ] [ ] [ ] [ ]
3 0 3 0
Les vecteurs et sont linéairement indépendants. En effet à partir de : α1 +α2 =
0 2 0 2
0. Nous avons 3α1 = 0 et 2α2 = 0, et par conséquent α1 = α2 = 0