Vous êtes sur la page 1sur 56

Matrices

1
Objectifs
 Énoncer la définition d’une matrice, de l’ordre d’une matrice et de
l’égalité de deux matrices;
 Additionner, multiplier, transposer une matrice;
 Énoncer et vérifier les propriétés des opérations sur les matrices;
 Reconnaître quelques matrices particulières;
 Représenter un système d’équations linéaires sous la forme
matricielle.

À étudier: chapitre 1 du manuel pages 1-36.

2
Matrices
 Arthur Caley (mathématicien anglais) utilise pour la première fois en 1858 la
notation matricielle, mais sans remporter un grand succès.
 Jusqu’aux années ‘50, cette notation demeure marginale.
 L’avènement des ordinateurs ultrarapides influence fortement le développement
de l’algèbre matricielle.
 Avec cet instrument se développe un tout nouveau secteur des mathématiques
 la programmation linéaire

 Champs d’application en ingénierie: résolution des systèmes d’équations


linéaires, résolution numériques des équations différentielles, optimisation,
recherche opérationnelle, calcul des probabilités …

3
Matrices

Classement final, association de l’Est (LNH) saison 2010-2011


http://canadiens.nhl.com/club/l_fr/standings.htm (visité le 28-08-11)

4
Un peu de nomenclature…

5
Matrices
 Qu’est-ce qu’une matrice?

Une matrice A d’ordre m x n (lire ‘m par n’) est un tableau rectangulaire


ordonné de nombres disposés sur m lignes et n colonnes.

colonne
 a11 a12 a13  a1n  ligne
 
 a21 a22 a23  a2 n 
A   a31 a32 a33  a3n 
 
indices
     
a am 2 am3 amn 
 m1 

L’élément de la i-ième ligne et j-ième colonne est désigné par aij

Autres notations: A  aij  Am x n a 


ij m x n
6
Matrices
 Les informations contenues dans une matrice s’interprètent selon la
position de chaque nombre (tableau ordonné).
 Les matrices sont employées couramment pour classer de
l’information numérique sous une forme concise.

 Les matrices constituent un puissant outil de description.

 Les matrices sont des objets mathématiques entre lesquels


on peut établir des relations et auxquels on peut appliquer
des opérations.

7
Matrices particulières
 Une matrice d’ordre 1 x n est appelée matrice ligne et on la représente
par : A   a11 a12 a13  a1n 
 a11 
 
 a21 
 Une matrice d’ordre m x 1 est appelée matrice
A   a31 
colonne et on la représente par :  
 
a 
 m1 

8
Matrices particulières
 Une matrice d’ordre m x n dont tout les éléments sont nuls est appelée
matrice nulle et est noté 0 ou 0m x n.

 0 0 0
 Par exemple la matrice nulle d’ordre 2 x 3 est : 0   
 0 0 0
 Une matrice d’ordre n x n (qui a autant de lignes que de colonnes) est
appelée matrice carrée*.
* un carré est un rectangle avec les quatre cotés égaux!

1  2 A est une matrice d’ordre 2 x 2


A    ou une matrice carrée d’ordre 2
5 0 

9
Matrices carrées
 On appelle diagonale principale d’une matrice carrée A la matrice ligne
des éléments aij de A pour lesquels i = j.

i.e. diag(A) = (a11 a22 a33 … ann)


1 4 La diagonale principale est formée par les
A   
éléments 1 et 2  diag(A) = (1 2)
 2 2
 La trace de A ou tr(A) est la somme des éléments de la diagonale
principale. Dans l’exemple, 1 + 2 = 3  tr(A) = 3
 Une matrice carrée dont tous les éléments hors de la diagonale principale
sont nuls (aij = 0 pour tous i ≠ j) est une matrice diagonale.

Par exemple, A   1 0 1 0   1  1 1 0 0
 B    C    D   


0 0  0  3 0 2  0 2 0

10
Matrices carrées
 Une matrice carrée dont tous les éléments au-dessous la diagonale
principale sont nuls est appelée matrice triangulaire supérieure.
 De façon similaire, une matrice carrée dont tous les éléments au-dessus
la diagonale principale sont nuls est appelée matrice triangulaire
inferieure.

 1 1 0   1 0 0
   
A   0 2 4 B    2 2 0
 0 0 3  2 1 3
   
 Une matrice diagonale est une matrice à la fois triangulaire supérieure
et triangulaire inférieure

11
Matrices carrées
 La matrice carrée d’ordre n dont tous les éléments situés sur la
diagonale principale sont 1 et tous les autres sont 0 est appelée
matrice identité d’ordre n et est notée
1 0 0
 
I  0 1 0 matrice identité d’ordre 3
0 0 1
 

 Une matrice carré d’ordre n est dite symétrique si aij = aji


pour i, j = 1, 2, …, n. Dans une matrice symétrique, la diagonale principale
est axe de symétrie.
 Une matrice carré d’ordre n est dite antisymétrique si aij = - aji
pour i, j = 1, 2, …, n.

12
Matrices carrées
1 6 8 2  1 6 8 2
   
6 3  5 0 6 3  5 0
A B
8  5 1 3  8 5 1 3
   
2 0 3 0   2 0  3 0 
  
matrice symétrique matrice antisymétrique

13
Matrices échelonnées
Une matrice A d’ordre m x n est dite échelonnée ou escalier si elle satisfait
aux règles suivantes:
 Le premier élément non nul de chaque ligne (pivot) doit être un 1.
 Chaque ligne doit commencer par plus de 0 que la ligne précédente (sauf
pour les dernières si elles sont complètement nulles);

1 2 3 4 5 6 1 4 3 1 0 6 
  0 1 4  4 2  
0 1 2 4 0 1   0 2 1 3 3 1
0 0 0 0 1 6
0 0 1 5 3 0 0 0 0 0
0 0 0 1 5 3
     
0 0 0 0 0 1  0 0 0 1 5 1 
 

14
Relations d’ordre sur les matrices
 Soit deux matrices A = (aij) m x n et B = (bij) p x q.
 On peut établir une relation d’ordre entre A et B seulement si elles sont de
même dimension ou de même ordre, c’est-à-dire m = p et n = q.

i.e.
1  2  2 0  3 0 0
A    B    C   
2 x 2 5 0  2 x 2 0 0 2 x 3 0 0 0

 4 0 5 1
   
D   0 0 E  1 3 5 F   2 0
3x2   1x3 3x2  
 0 0   0 2 

15
Relations d’ordre sur les matrices
 A est égale à B si et seulement si

aij = bij pour tout i = 1, 2, …, m et pour tout j = 1, 2, …, n.

et se note A = B

 A est supérieure à B si et seulement si

aij > bij pour tout i = 1, 2, …, m et pour tout j = 1, 2, …, n.

et se note A > B

 A est inférieure à B si et seulement si

aij < bij pour tout i = 1, 2, …, m et pour tout j = 1, 2, …, n.

et se note A < B

16
Relations d’ordre sur les matrices
Par contre deux matrices de même ordre peuvent ne pas vérifier
aucune des relations A = B, A > B, A < B, etc.

1  2  2 0
i.e. soit A   et  B   A < B
5 0  6 1

 0  3 2 0 
i.e. soit C   et  D   C ? D 
4 1   6  1

17
Opérations sur les matrices

18
Opérations sur les matrices
 1 - Le produit d’une matrice par un scalaire k
 2 - La somme de deux matrices
 3 - La combinaison linéaire des matrices
 4 - La transposition d’une matrice
 5 - Le produit de deux matrices
5.1 - Composante par composantes (ou produit d'Hadamard)
5.2 - Matriciel (ou lignes par colonnes)

 6 - Puissance d’une matrice


 7 - Inversion d’une matrice

19
1 – Le produit par un scalaire k
 Le produit d’une matrice A d’ordre m x n par un scalaire k, noté kA,
est la matrice de même ordre obtenue en multipliant tous les
éléments de A par k.
 kA = (kaij) pour tout i = 1, 2, …, m et pour tout j = 1, 2, …, n.
 i.e. k 3

1 3 4  3 1 3  3 3  4   3 9 12 
     
A  0 3 2 kA   3  0 3  3 3  2    0 9 6 
5 1 7  3  5 3 1 3  7  15 3 21
     

20
1 – Le produit par un scalaire k
 L’opposé d’une matrice A est la matrice B telle que bij = -aij. L’opposé
B de A se note –A. On obtient l’opposé de A en multipliant A par -1.

1  2  1 2
A    B  1  A   A   
5 0    5 0

 Propriétés du produit scalaire :

I. Existence de l’élément neutre A∙1=1∙A=A

II. Existence de l’élément absorbant A ∙ 0 = 0 ∙ A = 0

III. Associativité mixte k ∙ (mA) = (km) ∙ A

21
2 – La somme de deux matrices
 Soit A et B deux matrices de même ordre m x n. Alors la somme A +
B est la matrice C d’ordre m x n dont l’élément cij est la somme aij + bij
des éléments correspondants de A et B pour tout i = 1, 2, …, m et
pour tout j = 1, 2, …, n.

1  2   2 6
A    B   
5 0   0 1
 1 2  2  6  1 4 
C  A  B      
5  0 0 1   5 1
Attention! La somme de deux matrices
d’ordre différent n’est pas définie!
22
2 – La somme de deux matrices
 Propriétés de la somme de matrices :

IV. Commutativité de la somme A + B = B + A

V. Associativité de la somme A + (B + C) = (A + B) + C
VI. Existence d’un élément neutre A+0=0+A=A

VII. Existence d’un inverse A + (-A) = (-A) + A = 0

VIII. Distributivité de la somme

sur le produit scalaire k ∙ (A + B) = k ∙ A + k ∙ B

23
2 – La somme de deux matrices
 Exercice

Avec les matrices A, B et C suivantes, vérifiez les propriétés IV


(commutativité de la somme), V (associativité de la somme) et VIII
(distributivité de la somme sur le produit scalaire) :

 1 1 1   1 2 3 1  3 2 
     
A 0 3 0 B   2 4 6 C   2 1  3
  2 1 0  1 2 3 4 3 2 
     

24
3 – Combinaison linéaire de matrices
 La notion de combinaison linéaire est fondamentale en algèbre
linéaire. On peut l’aborder dès que l’on dispose des opérations
d’addition et de multiplication par un scalaire.
 Soit A, B et C des matrices de même ordre. En appliquant à ces trois
matrices les opérations 1 et 2, on peut former d’autres matrices:

D= 2A + B + 3C E = 1/2A + B

F = 2B + 6C

 Chacune des matrices D, E et F est une combinaison linéaire de A, B


ou C. Pour les obtenir j’ai appliqué seulement les ops. 1 et 2.

25
3 – Combinaison linéaire de matrices
 Soit n matrices A1, A2, A3, …, An de même ordre. On dit que la
matrice A est une combinaison linéaire des matrices Ai (où i = 1,
2, 3,…, n) s’il existe des scalaires ki (où i = 1, 2, 3, …, n) tels que:

n
A  k1A1  k2 A 2  k3 A3    kn A n   ki Ai
i 1

 On dit aussi que la matrice A est engendrée par les matrices Ai.

26
 Exemple :

Soit
1 0 0 1 1 0 1 1 1 1 1 1
A1    A 2    A3    A 4   
 0 0 0 0 0 0  0 0 0  0 1 0

On se propose d’écrire
 1 2 4
A   
 0  2 0

sous la forme d’une combinaison linéaire des matrices A1, A2, A3 et


A4. On se demande si cela est possible et quelle est la combinaison
linéaire résultante.

27
4 - La transposée d’une matrice
 La transposée d’une matrice A d’ordre m x n est la matrice B
d’ordre n x m telle que bji = aij. La transposée de A se note AT.

 3
 
A   0 AT   3 0 1 En autres mots…
1
 
La première ligne devient la
 4 0
4  2 5    première colonne, la
B    B   2 1 
T
deuxième ligne devient la
 0 1  1  5  1 deuxième colonne, etc…
 

28
4 - La transposition d’une matrice
 Propriétés de la transposition de matrices :

IX. (AT)T = A La transposée de la transposée d’une matrice


est la matrice même

X. (A + B)T = AT + BT La transposition préserve la somme

XI. (kA)T = kAT La transposition préserve le produit par un


scalaire

XII. (AB)T = BT ∙ AT La transposition d’un produit équivaut au


produit des transposées en ordre inverse.

29
4 - La transposition d’une matrice
D’autres propriétés importantes

Si A est symétrique, alors A = AT

Si A est antisymétrique, alors A = - AT

Si A est carrée, alors :

1) A + AT est symétrique;

2) A - AT est antisymétrique;

3) Toute matrice carrée peut s’écrire comme étant une combinaison


linéaire d’une matrice symétrique et d’une matrice antisymétrique.

30
1 1 1 T 1 T
A  A A A  A
2 2 2 2

1 1 T 1 1 T
A  A A  A A
2 2 2 2

1
2
 T 1
 
A  A  A  A  AT
2

symétrique antisymétrique

31
5.1 – Le produit d’Hadamard
 Le produit d’Hadamard ou ‘composante par composante’ est
l’opération de produit la plus simple qu’on peut appliquer à deux
matrices.
 Soit A et B deux matrices de même ordre m x n, le produit
composante par composante est la matrice C = A ∙ B telle que cij est
le produit aij ∙ bij des éléments correspondants de A et B pour tout i =
1, 2, …, m et pour tout j = 1, 2, …, n.

Cm x n = Am x n ∙ Bm x n = (aij · bij)m x n

32
 Exemple:

 1 1 1  1  3 2 
   
A 0 3 0 B   2 1  3
  2 1 0 4 3 2 
   

 1 1  1 3 1  2   1 3 2
   
C  AB   02 3 1 0  3    0 3 0
  2  4 1  3 0  2    8  3 0
   

33
5.2 – Le produit lignes par colonnes
 Le produit d’une matrice ligne par une matrice colonne

Soit A une matrice ligne d’ordre 1 x n et B une matrice colonne n x 1:


 b11 
 
 b21 
A   a11 a12 eta13  a1n  B   b31 
 
 
b 
 n1 
Le produit de la matrice ligne A avec la matrice colonne B, noté A x B ou
AB, est le scalaire :
n
AB  A  B  a11b11  a12b21  a13b31    a1nbn1   a1ibi1
i 1

34
Exemple:
 0 

 
  2
A  1  2 5 7 2  B 1 
 
  4
 6 
 

AB  1 0    2  2    5 1   7  4   2  6 


AB  1  4  5  28  12 
AB  6

35
5.2 – Le produit lignes par colonnes
 Le produit de deux matrices quelconques

Soit A une matrice d’ordre m x n et B une matrice n x p:

 a11 a12  a1 j  a1n   b11 b12  b1j  b1 p 


   
 a21 a22  a2 j  a2 n   b21 b22  b2j  b2 p 
         
A  B 
 ai1 ai2  aij  ain   bi1 bi 2  bij  bip 
           
 
a  amn  b b  bnj  bnp 
 m1 am 2  amj  n1 n 2

36
 Le produit est la matrice C = AB = (cij)m x p définie comme suit :

 a11 a12  a1 j  a1n   b11 b12  b1j  b1 p 


   
 a21 a22  a2 j  a2 n   b21 b22  b2j  b2 p 
         
A   B 
 ai1 ai2  aij  ain   bi1 bi 2  bij  bip 
      
      
a  amn  b b  bnj  bnp 
 m1 am 2  amj  n1 n 2

 c11 c12  c1 j  c1 p 
 
 c21 c22  c2 j  c2 p  Pour chaque élément
  
  on fait un produit entre
C 
 ci1 ci 2  cij  cip  une matrice ligne et
      une matrice colonne!

c  cmj  cmp 
 m1 cm 2
n
cij  ai1b1 j  ai 2b2 j  ai 3b3 j    ainbnj   aik bkj
k 1

37
 Est-ce que le produit de deux matrices peut s’effectuer avec
n’importe quelle paire de matrices? NON

 Comme les éléments de la matrice produit (C) proviennent d’une


somme de produits terme à terme d’une ligne de la première matrice
(A) par une colonne de la deuxième matrice (B), il doit avoir égalité
entre le nombre dans cette ligne de A et le nombre d’éléments dans
cette colonne de B.
=

A mxnx B nxp = C mxp

 En cas contraire le produit n’est pas défini.

38
 Exemple:

4 3 1
1 2 3 4  
  5 9 7
 5 6 7 8 *
9  7 4 5  c11 c12 c13 
 10 11 12     
8 9 1 C   c21 c22 c23 
 4 c c33 
 31 c32
 
 5
1 2 3 4 *
7
 ac11
11

 
8

39
4 3 1
1 2 3 4  
  5 9 7
 5 6 7 8 *
 9 10  7 4 5  c11 c12 c13 
 11 12     
8 9 1 C   c21 c22 c23 
 4 c c33 
 31 c32
 
 5
5 6 7 8 *
7
 ac2121
 
8

40
4 3 1
1 2 3 4  
  5 9 7
 5 6 7 8 *
 9 10 11  7 4 5  c11 c12 c13 
 12     
8 9 1 C   c21 c22 c23 
 4 c c33 
 31 c32
 
 5
9 10 11 12  *
7
 ac21
31

 
8

41
4 3 1
1 2 3 4  
  5 9 7
5 6 7 8 * 
 9 10 11  7 4 5
 12   
8 9 1
 c11 c12 c13 
 3  
  C   c21 c22 c23 
9 c
9 10 11 12  *   ac32
32  31 c32 c33 
 4
 
9

Par exemple, pour calculer l’élément c32, je dois multiplier la ligne 3 de


la première matrice et la colonne 2 de la seconde matrice.

42
 Exercice

Soit A et B les matrices suivantes:

 1 1 1   1 2 3
   
A 0 3 0 B   2 4 6
  2 1 0  1 2 3
   

Calculez les matrices C et D selon les produits suivants:

I. composante par composante C = A · B et D = B · A

II. lignes par colonnes C = A x B et D = B x A

Que pouvez-vous conclure sur C et D dans les deux cas?

43
 Propriétés du produit matriciel (lignes par colonnes) :

XIII. AB ≠ BA (*) Non-commutativité du produit matriciel

XIV. A(BC) = (AB)C Associativité

XV. k(AB) = (kA)B = A(kB) Associativité mixte

XVI. A(B + C) = AB + AC Distributivité du produit matriciel sur l’addition

(B + C)A = BA + CA À droite et à gauche

XVII. A0 = 0A = 0Existence d’un élément absorbant

XVIII. AI = IA = A Existence d’un élément neutre

XIX. AB = 0  A=0 ou B=0 Existence des diviseurs de zéro

XX. AB = AC  B = C (*) Absence de simplification

(*) sauf cas particuliers

44
 Existence des diviseurs de zéro

Soit A et B les matrices suivantes:

 2 0 1  3 1 2 
   
A   0  1 1 B    6 2  4
 4 1 1   6 2  4
   
Calculez AB et commentez le résultat.

 2 0 1 3  1 2   0 0 0 
    
AB   0  1 1  6 2  4    0 0 0   0
 4 1 1  6 2  4   0 0 0 
    

45
 Absence de simplification

Soit A et B les matrices suivantes:

 2 4 0 3 0 0   3 0 0
     
A   0 3 0 B  1 0 0  C  1 0 0
 1 0 0  6 2  3 4 1 7
     
Calculez AB et AC et commentez.

 2 4 0  3 0 0  10 0 0 
    
AB   0 3 0  1 0 0    3 0 0 
 1 0 0  6 2  3   3 0 0 
    

 2 4 0  3 0 0  10 0 0 
    
AC   0 3 0  1 0 0    3 0 0 
 1 0 0  4 1 7   3 0 0 
    
46
6 – Puissance d’une matrice
 Soit A une matrice carré d’ordre n et p un scalaire positif quelconque.
La p-ième puissance de A, notée Ap, est le produit de p matrices A.

A1 = A
Cas particuliers
A2 = AA
Si A2 = A  A est dite idempotente
A = A(A )
3 2

Si A2 = I  A est dite involutive



 Ap = (Ap-1)A = A(Ap-1) Si Ak = 0  A est dite nilpotente et k est
appelé indice de nilpotence de A

 Par convention A0 = I

47
7 - Matrice inverse (introduction)
 Soit A et B deux matrices carrées d’ordre n.
 Si AB = BA = I alors B est dite matrice inverse de A et elle est notée
A-1.
 Si la matrice A admet un inverse, alors cet inverse est unique.

Propriétés de la matrice inverse


 (A-1) -1 = A donc A-1 est inversible
 (AB) -1 = B-1A-1 donc AB est inversible
 (AT) -1 = (A-1) T donc AT est inversible
 (kA) -1 = (1/k) A-1

48
Les systèmes d’équations linéaires

49
Systèmes d’équations linéaires
 Tous systèmes d’équations linéaires peuvent être représentés de façon compacte
en utilisant les matrices.
 La forme générale d’un système d’équations linéaire comportant n équations et n
inconnues est la suivante:

a11 x1  a12 x2  a13 x3    a1n xn  b1


a21 x1  a22 x2  a23 x3    a2 n xn  b2
a31 x1  a32 x2  a33 x3    a3n xn  b2
   
an1 x1  an 2 x2  an 3 x3    ann xn  bn

 Les inconnues sont x1, x2, x3, …, xn, alors que b1, b2, b3, …, bn sont des constantes
et que aij est le coefficient de l’inconnue x j dans la i-ième équation.

50
Systèmes d’équations linéaires
Exemple:

 y  z  t  0 • Les inconnues sont: x, y, z et t


x  y  z  t  6
 • Les constantes sont: 0, 6, -1 et 3

2 x  4 y  z  2t  1 • Les coefficients x sont:
3x  y  2 z  2t  3
0 dans la première équation

1 dans la deuxième équation

2 dans la troisième équation

3 dans la quatrième équation

Écrivons maintenant le système en forme


matricielle…
51
Exemple:
 y  z  t  0 D’abord les inconnues…
x  y  z  t  6 dans une matrice colonne…

 Puis les constantes…
2 x  4 y  z  2t  1 dans une autre matrice colonne…
3x  y  2 z  2t  3
Enfin les coefficients…

matrice des  0  1  1 1  x  0


     matrice des
coefficients
1 1 1 1  y 
=
6 constantes
2 4 1  2  z    1
    
 3 1  2 2  t  3
    
matrice des
coefficients
coefficients
coefficients
coefficients
inconnues
de x de y de z de t

52
Solution du système d’équations linéaires
 Pour résoudre un système d’équations linéaires on peut procéder de deux façons:
 par substitution
 par calcul matriciel

 La résolution par substitution est très longue et complexe. Il faut isoler les
inconnues et les remplacer dans les autres équations, afin de calculer leur valeur
numérique.

Exemple:

x+y=5 x=5-y

2x – y = 1 je remplace dans l’équation 2(5 – y) – y = 1

10 – 2y – y = 1

– 3y = – 9  y = 3

x=5–3x=2

53
Solution du système d’équations linéaires
 Le calcul matriciel permet de résoudre rapidement et facilement des systèmes
d’équations linéaires avec un nombre très élevé d’inconnues.
 Considérons un système a n inconnues et n équations:

 a11 a12 a13  a1n  x1   b1 


    
 a21 a22 a23  a2 n  x2   b2 
a a32 a33  a3n  x3    b3 
 31
   
           
a an 3  ann  xn   bn 
 n1 an 2

que l’on peut écrire de façon compacte :

AX = B

54
Solution du système d’équations linéaires

AX = B

Si A est inversible, alors on peut résoudre ce système de la façon suivante:

multiplication par A-1 par la gauche


AX = B

 A-1 AX = A-1 B par définition A-1A = I

 IX = A-1 B

 X = A-1 B

par définition XI = IX = X
matrice colonne des résultats
55
Exemple:
 y  z  t  0  0  1  1 1  x  0
x  y  z  t  6     
 1 1 1 1  y  6
 2 4 =
2 x  4 y  z  2t  1 1  2  z    1
    
3x  y  2 z  2t  3  3 1  2 2  t  3
    

 0 1 1 1    21  3  6 6 
   
1 1 1 1  1  19 3 6 5 
A 1
A  
2 4 1  2 3 10 0 3 2 
   
3 1  2 2   12 
   3 3  3 

  21  3  6 6  0   2  x  2 
        
1 1  19 3 6 5  6    1  y    1
XA B       z    3 
3 10 0  3 2 1 3
        
 12 3 3  3  3   2  t  2 
    
56