Matrice SRT-D2A 2022-2023

Définitions et exemples Opérations sur les matrices Matrices particulières et sous-matrices Diagonalisation d
Avertissement
FT
Ce document est un DRAFT,
les erreurs et les suggestions
RA
sont à envoyer à
abdoulaziz.fall@uadb.edu.sn
Licence 1 WEB-SRT 2022-2023

FT
MATRICES
RA 6 mai 2023

Plan du cours
FT
1 Définitions et exemples
2 Opérations sur les matrices
3
RA
Matrices particulières et sous-matrices
4 Diagonalisation d’une matrice carrée

Définitions et exemples
FT
Définition
On appelle matrice de type (n; m) (ou de taille n × m ) un
tableau à n lignes et m colonnes, comportant n.m nombres d’
éléments de K. Une matrice M sera notée :
 
a11 a12 · · · a1m
RA 1≤j≤m
 a21 a22 · · · a2m 
M = (aij )1≤i≤n =  .

 .
.
..
.

.. 
. 
an1 an2 · · · anm
où aij est l’élément à l’intersection de la ligne i et de la colonne

j.
On note par Mn,m l’ensemble des matrices de type (n; m).

FT
Définition
On appelle matrice de type (n; m) (ou de taille n × m ) un
tableau à n lignes et m colonnes, comportant n.m nombres d’
éléments de K. Une matrice M sera notée :
 
a11 a12 · · · a1m
RA 1≤j≤m
 a21 a22 · · · a2m 
M = (aij )1≤i≤n =  .

 .
.
..
.

.. 
. 
an1 an2 · · · anm
où aij est l’élément à l’intersection de la ligne i et de la colonne

j.
On note par Mn,m l’ensemble des matrices de type (n; m).

FT
Définition
1 On appelle matrice-colonne ou un vecteur-colonne une
matrice qui comporte une seule colonne (m = 1) c’est-à

-dire une matrice de type (n; 1).
RA
FT
Définition

2 On appelle matrice-ligne ou un vecteur-ligne une matrice
RA
qui comporte une seule ligne (n = 1) c’est-à -dire une
matrice de type (1; m).

FT
Définition

2 On appelle matrice-ligne ou un vecteur-ligne une matrice
RA
qui comporte une seule ligne (n = 1) c’est-à -dire une
matrice de type (1; m).
Exemple

FT
Exemple
1
 
2 1 10 15
A = 3 2 3 1 
5 4 2 6
c’est une matrice de 3 lignes et 4 colonnes autrement dit
c’est une matrice de taille 3 × 4 c’est-à -dire une matrice de
RA
type (3; 4).

FT
Exemple
1
 
2 1 10 15
A = 3 2 3 1 
5 4 2 6
RA
type (3; 4).
2

1
0
B=
−2

5
c’est une matrice-colonne de type (4; 1).

FT
Exemple
1
 
2 1 10 15
A = 3 2 3 1 
5 4 2 6
RA
type (3; 4).
2

1
0
B=
−2

5
c’est une matrice-colonne de type (4; 1).

FT
Exemple

C = −2 1 0 1
c’est une matrice-ligne de type (1; 4).
RA
FT
Exemple

C = −2 1 0 1
Remarque
RA
✓Les indices i, j sont des variables muettes car nous pouvons
les remplacer par d’autres indices.

FT
Exemple

C = −2 1 0 1
Remarque
RA
✓Les indices i, j sont des variables muettes car nous pouvons
les remplacer par d’autres indices.
✓Deux matrices sont égales si elles ont la même taille et si leurs
éléments de même indices sont identiques.

Transposée d’une matrice
FT
Proposition
Soit A la matrice de taille m × n
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
A = (aij )1≤i≤n =  .
 
.. .. 
1≤j≤m  .. . . 
RA an1 an2 · · · anm
On appelle matrice transposée de A la matrice AT de taille

n × m définie par :
 
a11 a21 · · · an1
 a12 a22 · · · an2 
AT = (aji )1≤i≤n =  .
 
. . . .. 
1≤j≤m  . . . 
a1m a2m · · · anm

FT
Remarque
Le coefficient à la place (i, j) de AT est aji . Ou encore la i-ième
ligne de A devient la i-ème colonne de AT (et réciproquement la
j-ème colonne de AT est la j-ème ligne de A).
RA
FT
Remarque
Example
RA

2 1 −10 5
Soit A = −3 2
5 4
3
2
1 alors AT = 
6
2
 1
−3 5

2 4
−10 3 2



5 1 6

FT
Remarque
Example
RA

2 1 −10 5
Soit A = −3 2
5 4
3
2
1 alors AT = 
6
2
 1
−3 5

2 4
−10 3 2



5 1 6
Notation
La transposée de la matrice A se note aussi souvent t A.

FT
Proposition
1 (λA)T = λAT
2 (AT )T = A
RA
3 (AB)T = B T AT (on le verra plus tard avec le produit
matriciel)

Matrice symétrique
FT
Définition
Une matrice A de taille n × n est symétrique si elle est égale à
sa transposée, c’est-à-dire si :
A = AT ou encore si aij = aji pour tout i, j = 1, 2, ...n.

RA
Les coefficients sont donc symétriques par rapport à la diagonale.

Matrice symétrique
FT
Définition
Example
RA
Les matrices suivantes sont symétriques :

2 1
Soient A = et
1 0

Matrice symétrique
FT
Définition
Example
RA
Les matrices suivantes sont symétriques : 


1 −3 5
2 1
Soient A = et B = −3 2
 4
1 0
5 4 3

Matrice anti-symétrique
Définition
FT
Une matrice A de taille n × n est anti-symétrique si elle est
égale à sa transposée, c’est-à-dire si :
AT = −A ou encore si aij = −aji pour tout i, j = 1, 2, ...n.
RA
Définition
FT
Example
Soient A =

RA
Les matrices suivantes sont symétriques :
0 1
1 0

et

Définition
FT
Example
Soient A =

RA
Les matrices suivantes sont symétriques
0 1
1 0

et B =


0 −3
3
−5 −4
0
: 
5
4
0
Remarque
Les éléments diagonaux d’une matrice antisymétrique sont
toujours tous nuls.

Définition
FT
Example
Soient A =

RA
Les matrices suivantes sont symétriques
0 1
1 0

et B =


0 −3
3
−5 −4
0
: 
5
4
0
Remarque
Les éléments diagonaux d’une matrice antisymétrique sont
toujours tous nuls. En effet aij = −aji pour tout i, j = 1, 2, ...n.
alors aii = −aii c’est-à-dire aii = 0
Opérations sur les matrices
FT
RA
FT
Définition (Somme de deux matrices)
Soit A = (aij )1≤i≤n et B = (bij )1≤i≤n deux matrices de type
1≤j≤m 1≤j≤m
(n; m). On appelle la somme de A et B, notée A + B, la matrice
S = (sij )1≤i≤n telle que sij = aij + bij pour tout i, j.
1≤j≤m
RA
FT
1≤j≤m 1≤j≤m
1≤j≤m
Example
RA

2 1 −10 5
Soit A = −3 2 3 1

5 4 2 6

FT
1≤j≤m 1≤j≤m
1≤j≤m
Example
RA

2 1 −10 5
Soit A = −3 2 3
 
−2 1 6 1
1 et B = −1 4 2 1 

5 4 2 6 0 −5 2 −6

FT
1≤j≤m 1≤j≤m
1≤j≤m
Example
RA

2 1 −10 5
Soit A = −3 2 3
 
−2 1 6 1
1 et B = −1 4 2 1 

5 4 2 6 0 −5 2 −6
 
0 2 −4 6
alors A + B = −4 6 5 2.
5 −1 4 0

Produit d’une matrice par un scalaire
FT
Définition (Produit d’une matrice par un scalaire)
Soit A = (aij )1≤i≤n une matrice de type (n; m) et soit λ ∈.
1≤j≤m
RA
FT
Soit A = (aij )1≤i≤n une matrice de type (n; m) et soit λ ∈. On
1≤j≤m
appelle produit de λ par A la matrice λA = (λaij )
RA
FT
1≤j≤m
Example
RA

2 1 −10 5
Soit A = −3 2 3 1

5 4 2 6

FT
1≤j≤m
Example
RA

2 1 −10 5
Soit A = −3 2 3
 
6
1 alors 3A = −9 6
3 −30 15
9

3 .
5 4 2 6 15 12 6 18

Produit de deux matrices
FT
Example
 
0 1 −2
RA 2 0 −1
Soit A = et B = −2 0 0  alors AB =
−1 0 3
1 −1 2

FT
Définition (Produit de deux matrices)
Soit A = (aij )1≤i≤n et B = (bij )1≤i≤p deux matrices de type
1≤j≤p 1≤j≤m
(n; m). On appelle le produit de A et B, notée AB, la matrice
RA p
X
P = (pij )1≤i≤n telle que pij = aik bkj pour tout i, j.
1≤j≤m
k=1

FT
Définition (Produit de deux matrices)
Soit A = (aij )1≤i≤n et B = (bij )1≤i≤p deux matrices de type
1≤j≤p 1≤j≤m
(n; m). On appelle le produit de A et B, notée AB, la matrice
RA p
X
P = (pij )1≤i≤n telle que pij = aik bkj pour tout i, j.
1≤j≤m
k=1

FT
Remarque
✓Le produit de deux matrices n’existe que si le nombre de
colonnes de l’une est égale au nombre de lignes de l’autre.
RA
FT
Remarque
✓On retient que le produit s’obtient "ligne par colonne".
Example RA  
0 1 −2
2 0 −1
Soit A = et B = −2 0 0
−1 0 3
1 −1 2

FT
Remarque
✓On retient que le produit s’obtient "ligne par colonne".
Example RA  
0 1 −2
2 0 −1
Soit A = et B = −2 0 0
−1 0 3
1 −1 2

−1 3 −6
alors AB =
3 −4 8

Propriétés sur les opérations matricielles
FT
Proposition
Soit A et B deux matrices avec des tailles adéquates suivant les
opérations utilisées. Alors on a :
1 A + B = B + A ; (commutativité)
RA
FT
Proposition
2 (A + B) + C = A + (B + C) ; (associativité)
RA
FT
Proposition
3 λ(A + B) = λA + λB avec λ ∈ ; (distributivité par rapport à
RA
un scalaire)

FT
Proposition
4
RA
un scalaire)
(AB)C = A(BC) ;

FT
Proposition
5
RA
un scalaire)
(AB)C = A(BC) ;
A(B + C) = AB + BC ; (distributivité)

FT
Proposition
5
RA
un scalaire)
(AB)C = A(BC) ;
6 (B + C)A = BA + CA ; (distributivité)

FT
Proposition
5
RA
un scalaire)
(AB)C = A(BC) ;
7 (A + B)T = AT + B T ; (transposée)

FT
Proposition
5
RA
un scalaire)
(AB)C = A(BC) ;
8 (AB)T = B T AT ;

FT
Proposition
5
RA
un scalaire)
(AB)C = A(BC) ;
8 (AB)T = B T AT ;
9 AB ̸= BA (en général).


Définition
FT
Une matrice M = (aij )1≤i≤n est dite nulle si aij = 0 pour tout
1≤j≤m
i, j
RA

Définition
FT
1≤j≤m
i, j et on note  
0 0··· 0
0 0 · · · 0
Onm = . . ..  .
 
 .. .. .
RA 0 0··· 0


Définition
FT
1≤j≤m
0 0··· 0
0 0 · · · 0
Onm = . . ..  .
 
 .. .. .
RA 0 0··· 0
Autrement dit une matrice est nulle si tous ses éléments sont
nuls.


Définition
FT
1≤j≤m
0 0··· 0
0 0 · · · 0
Onm = . . ..  .
 
 .. .. .
RA 0 0··· 0
Autrement dit une matrice est nulle si tous ses éléments sont
nuls.
Remarque
La matrice nulle Onm est neutre pour l’addition c’est-à -dire
pour toute matrice M de taille nm, on a
M + Onm = Onm + M = M.
FT
Remarque
On peut avoir deux matrices non nulles
dont le
produit est
nulle.

1 0 0 0
Pour s’en convaincre, considérons A = et B =
0 0 0 5

0 0
RA
alors AB = .
0 0

FT
Remarque
On peut avoir deux matrices non nulles
dont le
produit est
nulle.

1 0 0 0
Pour s’en convaincre, considérons A = et B =
0 0 0 5

0 0
RA
alors AB = .
0 0
Définition
On appelle matrice carrée toute matrice de type (n; n) et note
par Mn l’ensemble des matrices carrées.

FT
Définition
Une matrice carrée M = (aij )1≤i≤n est dite triangulaire
1≤j≤n
supérieure (resp. inférieure) si aij = 0 pour tout i > j (resp.
pour tout j > i )
RA
FT
Définition
1≤j≤n
pour tout j > i )
Example RA
 
5 1 −2
0 8 0  est une matrice triangulaire supérieure.
0 0 2

FT
Définition
1≤j≤n
pour tout j > i )
Example RA
 
5 1 −2
0 8 0  est une matrice triangulaire supérieure.
0 0 2
 
−1 0 0
 1 3 0 est une matrice triangulaire inférieure
6 4 2

FT
Définition
Une matrice carrée M = (aij )1≤i≤n est dite diagonale si aij = 0
1≤j≤n
pour tout i ̸= j.
RA
FT
Définition
1≤j≤n
pour tout i ̸= j.
Remarque
En d’autres termes, une matrice carrée est dite diagonale si elle
RA
est à la fois une matrice triangulaire supérieure et une matrice
triangulaire inférieure.

FT
Définition
1≤j≤n
pour tout i ̸= j.
Remarque
En d’autres termes, une matrice carrée est dite diagonale si elle
RA
est à la fois une matrice triangulaire supérieure et une matrice
triangulaire inférieure.
Example
 
5 0 −0
0 8 0  est une matrice diagonale.
0 0 2

FT
Définition
La matrice identité est la matrice carrée notée In = (aij )1≤i≤n
1≤j≤n

aij = 1 si i = j ,
telle que ,i.e,
aij = 0 si i ̸= j .
 
1 0··· 0
RA  .. . . ..  .
In =  . . .
0 0··· 1

FT
Définition
La matrice identité est la matrice carrée notée In = (aij )1≤i≤n
1≤j≤n

aij = 1 si i = j ,
telle que ,i.e,
aij = 0 si i ̸= j .
 
1 0··· 0
RA  .. . . ..  .
In =  . . .
0 0··· 1
Remarque
La matrice identité est neutre pour le produit matriciel c-à -d
pour toute matrice M ∈ Mn ,
M In = In M = M.


Définition
FT
Toute matrice construite à partir d’une matrice A par
élimination de lignes ou de colonnes est dite sous-matrice de A.
En particulier, toute ligne ou toute colonne de A est une sous
matrice de A.
RA

Définition
FT
matrice de A.
Définition
RA
La trace d’une matrice carrée A notée tr(A) est la somme des
éléments sur le diagonal de A.


Définition
FT
matrice de A.
Définition
RA
La trace d’une matrice carrée A notée tr(A) est la somme des
éléments sur le diagonal de A.
Example
 
3 1 −2
1 A = −2 0 −1 alors tr(A) = 3 + 0 + 2 = 5.
1 −1 2
2 tr(In ) = n.
Trace d’une matrice carrée
FT
Proposition
Soit λ ∈ et soit A, B ∈ Mn alors
1 tr(A + B) = tr(A) + tr(B) ;
RA
FT
Proposition
1 tr(A + B) = tr(A) + tr(B) ;
2
RA
tr(λA) = λtr(A) ;

FT
Proposition
1 tr(A + B) = tr(A) + tr(B) ;
2
3
RA
tr(λA) = λtr(A) ;
′
tr(A ) = tr(A) ;

FT
Proposition
1 tr(A + B) = tr(A) + tr(B) ;
2
4
RA
tr(λA) = λtr(A) ;
′
tr(A ) = tr(A) ;
tr(AB) = tr(BA) ;

Déterminant d’une matrice carrée
FT
Définition
Toute matrice carrée A = (aij )n×n admet un déterminant réel
noté det(A) ou |A|.
RA
FT
Définition
1 Pour n = 1, la matrice se réduit au seul élément A = (a11 )
et on a
RA det(A) = a11 .

FT
Définition
et on a
2
RA det(A) = a11 .
Pour n = 2, la matrice se réduit à A =

a11 a12

a21 a22

FT
Définition
et on a
2
RA det(A) = a11 .
Pour n = 2, la matrice se réduit à A =

a11 a12

et on a
a21 a22
det(A) = a11 a22 − a12 a21 .

FT
Définition
 
a11 a12 a13
Pour n = 3, la matrice se réduit à A = a21 a22 a23  et on a
RA a31 a32 a33
det(A) = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − (a31 a22 a13 +
a32 a23 a11 + a33 a21 a12 ).

FT
Example

2 −1
1 A= alors det(A) = (2)(3) − (−1)(−5) = 11.
−5 3
RA
FT
Example

2 −1
1 A= alors det(A) = (2)(3) − (−1)(−5) = 11.
−5 3
2
RA
3
B = −2 0
1
1 −1
−2
−1
2


FT
Example

2 −1
1 A= alors det(A) = (2)(3) − (−1)(−5) = 11.
−5 3
2
RA
3
B = −2 0
1
1 −1
−2

−1 alors det(B) = calcul à faire

2

FT
Example

2 −1
1 A= alors det(A) = (2)(3) − (−1)(−5) = 11.
−5 3
2
RA

3 1 −2

B = −2 0 −1 alors det(B) = calcul à faire

1 −1 2
et on trouve det(B) =


Proposition
FT
Soit λ ∈ et soit A ∈ Mn alors
1 det(λA) = λn det(A) ;
RA

Proposition
FT
′
2 det(A ) = det(A) ;
RA

Proposition
FT
′
3 det(AB) = det(BA).
RA

Proposition
FT
′
RA

Proposition
FT
′
Proposition RA
Soit A = (aij )n×n alors det(A) = 0 si la matrice A a une des
caractéristiques suivantes :
1 une ligne (ou une colonne ) est composée uniquement de
zéro ;


Proposition
FT
′
Proposition RA
zéro ;
2 deux lignes (ou deux colonnes ) sont proportionnelles ;


Proposition
FT
′
Proposition RA
zéro ;
2 deux lignes (ou deux colonnes ) sont proportionnelles ;
3 une ligne ( ou une colonne ) est une combinaison linéaires
des suites lignes ( colonnes).
Les déterminants
FT
Remarque
✓Les déterminants ne change pas, on on ajoute une ligne ( une
colonne) une combinaison linéaire d’autres lignes ( colonnes).
RA
Les déterminants
FT
Remarque
✓Le déterminant change de signe si on permute deux lignes (ou
deux colonnes).
RA
Les déterminants
FT
Remarque
deux colonnes).
RA
✓Le déterminant est multiplier par λ ∈, si on multiplie une
ligne (ou une colonne ) par λ.

Les déterminants
FT
Remarque
deux colonnes).
RA
✓Le déterminant est multiplier par λ ∈, si on multiplie une
ligne (ou une colonne ) par λ.
Définition
Le rang d’une matrice A = (aij )n×m , noté rg(A) est égale au
nombre de colonnes ( ou de lignes) de A linéaires indépendantes.

Les déterminants
FT
Définition
Les lignes (colonnes) sont linéairement indépendantes si et si
seulement si l’équation λ1 L1 + λ2 L2 + · · · + λn Ln = 0Rn admet
une unique solution (λ1 , λ2 , · · · , λn−1 , λn ) = 0Rn .
RA
Les déterminants
FT
Définition
Example

1 2 0
RA
A = 1 −1 2.
3 0 1

Les déterminants
FT
Définition
Example

1 2 0
RA
A = 1 −1 2.
3 0 1

 λ + β + 3α = 0,
λL1 + βL2 + αL3 = 0 alors 2λ − β = 0,
2β + α = 0.


Les déterminants
FT
Définition
Example

1 2 0
RA
A = 1 −1 2.
3 0 1

 λ + β + 3α = 0,
λL1 + βL2 + αL3 = 0 alors 2λ − β = 0,
2β + α = 0.

En résolvant le système on obtient : α = λ = β = 0.

Rang d’une matrice rectangulaire
FT
Définition
Le rang d’une matrice A, noté rg(A) est le nombre maximal de
vecteurs lignes (ou colonnes) linéairement indépendants.
Proposition
Soit A = (aij )n×m
RA
1 rg(A) = rg(AT ) ;
2 r(A) ≤ min(n, m).

FT
Définition
Le rang d’une matrice A, noté rg(A) est le nombre maximal de
vecteurs lignes (ou colonnes) linéairement indépendants.
Proposition
Soit A = (aij )n×m
RA
1 rg(A) = rg(AT ) ;
2 r(A) ≤ min(n, m).
Définition
Si la matrice A = (aij )n×m est telle que rg(A) = min(n, m) elle
est dite de plein rang.

FT
Proposition
Le rang d’une matrice ne change pas lorsque :
1 les colonnes ( ou lignes) sont permutées ;
RA
FT
Proposition
2
RA
une colonne (ou ligne ) est multipliée par un réel non nul ;

FT
Proposition
2
3
RA
une colonne (ou ligne ) est multipliée par un réel non nul ;
une combinaison d’autres lignes ( ou colonnes ) est ajoutée
à une ligne ( ou ) colonne donnée.

Inversion d’une matrice carrée
FT
Définition
Une matrice A ∈ Mn est inversible (régulière) s’il existe une
′
matrice A ∈ Mn telle que A′ A = AA′ = In et on note
A′ = A−1 la matrice inverse de A.
RA
FT
Définition
′
Proposition RA
1 Si A ∈ M
n est inversible alors :

FT
Définition
′
Proposition RA
1 Si A ∈ M
1 A−1 est aussi inversible et (A−1 )−1 = A ;

FT
Définition
′
Proposition RA
1 Si A ∈ M
′
2 A′ est inversible et (A′ )−1 = (A−1 ) ;

FT
Définition
′
Proposition RA
1 Si A ∈ M
′
1 −1
3 λ ∈, λ ̸= 0, (λA) est inversible et (λA)−1 = A .
λ

FT
Définition
′
Proposition RA
1 Si A ∈ M
′
1 −1
3 λ ∈, λ ̸= 0, (λA) est inversible et (λA)−1 = A .
λ
2 Si A, B ∈ Mn sont inversibles alors le produit AB est
inversible et (AB)−1 = B −1 A−1 .

FT
Remarque (Inverse d’une matrice d’ordre 2)

a11 a12
Soit A = telle que det(A) = a11 a22 − a12 a21 ̸= 0.
a21 a22
RA
FT
Remarque (Inverse d’une matrice d’ordre 2)

a11 a12
Soit A = telle que det(A) = a11 a22 − a12 a21 ̸= 0.
a21 a22
RA
Alors on a
−1 1 a22 −a12
A = .
det(A) −a21 a11

inversibilité d’une matrice et application linéaire associée
FT
Définition (application linéaire associée à une matrice )
On appelle système linéaire de n équations à p inconnues un
système du type


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1
 a2,1 x1 + a2,2 x2 + · · · + a2,p xp =

b2




RA .. ..
. .
an,1 x1 + an,2 x2 + · · · + an,p xp =
Les nombres (réels ou complexes) ai,j et bi sont donnés, on les

..
.
bn .
appelle les coefficients du système. Les xi sont les inconnues du

système, résoudre le système revient à déterminer les valeurs
possibles des xi .

Diagonalisation d’une matrice carrée
FT
Example

−2 2
Soit A =
3 1
RA
FT
Example

−2 2
Soit A = alors det(A) = −2(1) − 3(2) = −8 ̸= 0
3 1
RA
FT
Example

−2 2
Soit A = alors det(A) = −2(1) − 3(2) = −8 ̸= 0 et
3 1
RA
−1 1 1 −2
donc A = .
−8 −3 −2

FT
Définition
Deux matrices carrées A et B d’ordre n sont dites semblables s’il
existe une matrice P carrée d’ordre n inversible telle que :
A = P −1 BP ( ou B = P AP −1 ). P est appelée matrice de
passage. RA
FT
Définition
Deux matrices carrées A et B d’ordre n sont dites semblables s’il
existe une matrice P carrée d’ordre n inversible telle que :
A = P −1 BP ( ou B = P AP −1 ). P est appelée matrice de
passage. RA
Définition
Une matrice carrée A d’ordre n est diagonalisable si elle est
semblable à une matrice diagonale.

FT
Définition
Soit A une matrice carrée d’ordre n.  
x1

 x2 

1 Le vecteur colonne X ∈ Rn×1 , i.e, X 
 .. 
RA  . 

xn−1 
xn

FT
Définition
x1

 x2 

Le vecteur colonne X ∈ Rn×1 , i.e, X  ..
 est un
1
 
RA  . 
xn−1 
xn
vecteur propre de A si et seulement si
1 X ̸= 0 ;

FT
Définition
x1

 x2 

Le vecteur colonne X ∈ Rn×1 , i.e, X  ..
 est un
1
 
RA  . 
xn−1 
xn
vecteur propre de A si et seulement si
1 X ̸= 0 ;
2 il existe λ ∈ tel que AX = λX.
2 On dit que λ est valeur propre associée au vecteur propre X.

FT
Example
 
1 −2 3
Soit A = −1 0 1
0 0 1
RA
FT
Example
   
1 −2 3 −2
Soit A = −1 0 1 et X =
   1 .
0 0 1
RA 0

FT
Example
   
1 −2 3 −2
Soit A = −1 0 1 et X =
   1 . Déterminons la valeur
0
RA 0 1 0
propre de A associée
  à X.  
−4 −2
AX = λX ⇐⇒  2  = λ 1  ⇐⇒ λ = 2.

0 0


Proposition
FT
λ ∈ est valeur propre de A si et seulement si
PA (λ) := det(A − λIn ) = 0.
RA

Proposition
FT
PA (λ) := det(A − λIn ) = 0.
Définition
Soit A une matrice carrée d’ordre n.
1 Le polynôme PA (λ) = det(A − λIn ) de degré n est dit
RA
polynôme caractéristique de A.


Proposition
FT
PA (λ) := det(A − λIn ) = 0.
Définition
RA
2 L’équation PA (λ) = 0 est appelée équation caractéristique de
A.


Proposition
FT
PA (λ) := det(A − λIn ) = 0.
Définition
RA
A.
3 L’ensemble des solutions complexes de l’équation
caractéristique de A constitue le spectre de A et est noté
spec(A).


Proposition
FT
PA (λ) := det(A − λIn ) = 0.
Définition
RA
A.
3 L’ensemble des solutions complexes de l’équation
caractéristique de A constitue le spectre de A et est noté
spec(A).
4 La multiplicité algébrique d’une valeur propre est sa
multiplicité comme solution de l’équation caractéristique.
FT
Définition
On appelle sous espace propre associée à une valeur propre λ ∈
d’une matrice carrée A le noyau de Aλ − In i.e ker(A − λIn )
notée Eλ . Eλ contient 0 et le vecteur propre associé à λ, par
RA
suite dim Eλ ≥ 1.

FT
Définition
On appelle sous espace propre associée à une valeur propre λ ∈
d’une matrice carrée A le noyau de Aλ − In i.e ker(A − λIn )
notée Eλ . Eλ contient 0 et le vecteur propre associé à λ, par
Remarque
RA
suite dim Eλ ≥ 1.
Le spectre comporte n nombre complexes distincts ou non.

FT
Proposition
Le spectre d’une matrice A admet les propriétés suivantes
′
1 A et A ont le même spectre
RA
FT
Proposition
′
2 Si A est inversible alors 0 n’est pas valeur propre de A.
RA
FT
Proposition
′
RA
3 Si A est inversible λ une valeur propre de réelle de A alors
1
est une valeur propre de A−1 .
λ

FT
Proposition
′
RA
3 Si A est inversible λ une valeur propre de réelle de A alors
1
est une valeur propre de A−1 .
λ
4 Les matrices semblables ont toute le même le spectre.

FT
Example
 
1 −2 3
Soit A = −1 0 1
0RA 0 1
1 Déterminer P (λ).
A

FT
Example
 
1 −2 3
Soit A = −1 0 1
0RA 0 1
2
A
En déduire que spec(A) = {1, 2, −1}

FT
Example
 
1 −2 3
Soit A = −1 0 1
0RA 0 1
2
A
En déduire que spec(A) = {1, 2, −1}

FT
Définition
′
1 Une matrice A d’ordre n est dite symétrique si A = A.
RA
FT
Définition
′
2 Une matrice A d’ordre n est dite antisymétrique si
′
A = −A.
RA
FT
Définition
′
′
A = −A.
Proposition
RA
1 Si D est une matrice carrée diagonale alors ses valeurs
propres sont les n valeurs



se trouvant
d1 0 · · · 0
c’est-à -dire si D =  ... ..
.
 sur la diagonales
.. 
.
0 0··· dn

FT
Définition
′
′
A = −A.
Proposition
RA



se trouvant
d1 0 · · · 0
.
..  alors
.
0 0 · · · dn
spec(D) = {d1 , d2 , · · · , dn−1 , dn }.

FT
Définition
′
′
A = −A.
Proposition
RA



se trouvant
d1 0 · · · 0
.
..  alors
.
0 0 · · · dn
spec(D) = {d1 , d2 , · · · , dn−1 , dn }.
2 Si une matrice carrée d’ordre n est symétrique alors elle est
diagonalisable.

FT
Proposition (Condition nécessaire de diagonalisation)
Si A admet n valeurs propres distinctes 2 à 2 alors A est
diagonalisable.
RA
FT
diagonalisable.
Proposition (Condition nécessaire et suffisante de

diagonalisation)
RA
Pour chaque matrice carrée A d’ordre n les assertions suivantes
sont équivalentes
1 A est diagonalisable

FT
diagonalisable.

diagonalisation)
RA
sont équivalentes
2 Les deux conditions suivantes sont vérifiées

FT
diagonalisable.

diagonalisation)
RA
sont équivalentes
1 PA (λ) est totalement réductible

FT
diagonalisable.

diagonalisation)
RA
sont équivalentes
1 PA (λ) est totalement réductible
2 La dimension de chaque sous-espace propre est égale à la
multiplicité de sa valeur propre associée

FT
Remarque
Dire qu’une matrice carrée d’ordre n est diagonalisable revient à
n
X
dire que RA
dim Eλi = n avec Eλi est le sous espace propre
i=1
associée à la valeur propre λi ∈.

FT
Remarque
Si A est diagonalisable alors :
RA
FT
Remarque
1 l’une des matrices semblable à A est la matrice diagonale D
constituée des valeurs propres de A :
 
RA λ1 0 · · · 0
D =  ... .. ..  ;

. .
0 0··· λn

FT
Remarque
1 l’une des matrices semblable à A est la matrice diagonale D
constituée des valeurs propres de A :
 
RA λ1 0 · · · 0
D =  ... .. ..  ;

. .
0 0··· λn
2 les colonnes de la matrice de passage P sont constituées des

vecteurs propres vi associée à chaque valeur propre λi .

FT
Example

6 −1
Soit A =
2 3
1 Déterminer le polynôme caractéristique P (λ).
A
RA
FT
Example

6 −1
Soit A =
2 3
A
2 Donner l’ensemble spec(A).
RA
FT
Example

6 −1
Soit A =
2 3
A
RA
3 Déterminer le sous-espace propre Eλ associée à chaque
valeur propre λ.

FT
Example

6 −1
Soit A =
2 3
A
RA
valeur propre λ.
4 Montrer que A est diagonalisable.

FT
Example

6 −1
Soit A =
2 3
A
RA
valeur propre λ.
4 Montrer que A est diagonalisable.
5 Donner la matrice diagonale D semblable à A et la matrice
de passage P associée à D.

Merci de votre attention
FT
Merci de votre attention
RA

Matrice SRT-D2A 2022-2023

Transféré par

Informations du document

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

Matrice SRT-D2A 2022-2023

Transféré par

Droits d'auteur :

Formats disponibles

Définitions et exemples Opérations sur les matrices Matrices particulières et sous-matrices Diagonalisation d

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

2 Opérations sur les matrices

4 Diagonalisation d’une matrice carrée

Licence 1 WEB-SRT 2022-2023

où aij est l’élément à l’intersection de la ligne i et de la colonne

Licence 1 WEB-SRT 2022-2023

où aij est l’élément à l’intersection de la ligne i et de la colonne

Licence 1 WEB-SRT 2022-2023

matrice qui comporte une seule colonne (m = 1) c’est-à

matrice qui comporte une seule colonne (m = 1) c’est-à

Licence 1 WEB-SRT 2022-2023

matrice qui comporte une seule colonne (m = 1) c’est-à

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

Licence 1 WEB-SRT 2022-2023

Transposée d’une matrice

On appelle matrice transposée de A la matrice AT de taille

Licence 1 WEB-SRT 2022-2023

Transposée d’une matrice

Transposée d’une matrice

Licence 1 WEB-SRT 2022-2023

Transposée d’une matrice

Licence 1 WEB-SRT 2022-2023

Transposée d’une matrice

Licence 1 WEB-SRT 2022-2023

A = AT ou encore si aij = aji pour tout i, j = 1, 2, ...n.

Licence 1 WEB-SRT 2022-2023

A = AT ou encore si aij = aji pour tout i, j = 1, 2, ...n.

Les matrices suivantes sont symétriques :

Licence 1 WEB-SRT 2022-2023

A = AT ou encore si aij = aji pour tout i, j = 1, 2, ...n.

Les matrices suivantes sont symétriques : 

Licence 1 WEB-SRT 2022-2023

AT = −A ou encore si aij = −aji pour tout i, j = 1, 2, ...n.

AT = −A ou encore si aij = −aji pour tout i, j = 1, 2, ...n.

Licence 1 WEB-SRT 2022-2023

AT = −A ou encore si aij = −aji pour tout i, j = 1, 2, ...n.

Licence 1 WEB-SRT 2022-2023

AT = −A ou encore si aij = −aji pour tout i, j = 1, 2, ...n.

Opérations sur les matrices

Opérations sur les matrices

Opérations sur les matrices

Licence 1 WEB-SRT 2022-2023

Opérations sur les matrices

Licence 1 WEB-SRT 2022-2023

Opérations sur les matrices

Licence 1 WEB-SRT 2022-2023

Produit d’une matrice par un scalaire

Produit d’une matrice par un scalaire

Produit d’une matrice par un scalaire

Licence 1 WEB-SRT 2022-2023

Produit d’une matrice par un scalaire

Licence 1 WEB-SRT 2022-2023

Produit de deux matrices

Licence 1 WEB-SRT 2022-2023

Produit de deux matrices

Licence 1 WEB-SRT 2022-2023

Produit de deux matrices

Licence 1 WEB-SRT 2022-2023