Les Matrices - Une Representation Du Monde

Les ma
Une reprsenta
Bibliothque
Tang
L'caventure nte&t:h?ne&t:ique
Tangente Hors-srie n 44
Les matrices
une reprsenta1tion du monde
DiTiONS
POLE
ditions POLE - Paris - Aot 2012 -
Toute reprsentation, traduction, adaptation ou reproduction, mme partielle, par tout procd, sur
quelque support que ce soit, en tout pays, faites sans autorisation pralable, est illicite et exposerait
le contrevenant des poursuites judiciaires (loi du 1] mars 1957).
ISBN:
9782848841458 ISSN: 0987-0806
Commission paritaire: 1011K80883
ProchaineJ Dent
dans la Bibliothq ue Tangente
~r r, ,rrrrrr r ~
~DITIONS.
POLE
les Matrices
Sommaire
Matrix
L'histoire des matrices
DOSSIER
Systmes linaires et
transformations gomtriques
Les matrices, ce sont ces tableaux de nombres sur lesquels

on peut dfinir des oprations naturelles. Ces objets algbriques permettent de modliser naturellement les systmes d'quations linaires. Plus surprenant est leur rle
dans la description des transformations gomtriques : les
matrices leur ouvrent des horizons inattendus !
Espaces vectoriels : l'algbre l'assaut de la gomtrie
Des matrices pour transformer
Le sens du dterminant
Transformations affines et points invariants
Systmes linaires et matrices
Comment rentrer dans le rang
Les nombres complexes comme ensemble de matrices
Le thorme de Cayley-Hamilton
Les fonctions homograph iqu es
~Xti1i:J,I
Rduction de matrices
ne matrice existe gnralement sous diffrentes formes,

ou plusieurs dguisements. Ainsi, pour pouvoir lire
directement les proprits d 'une matrice, il est utile de
chercher la forme la plus simple qu'elle peut revtir. Le
pivot de Gauss en est un bon exemple : la nouvelle forme de
la matrice (triangulaire) permet une rsolution immdiate
d'un systme linaire.
Diagonaliser pour calculer les puissances d'une matrice
Le pivot de Gauss
Similitude et diagonalisation
Diagonalisation, gomtrie et algbre
La trigonalisation
Manipuler des matrices avec un tableur
Hors srie n44 Les matrices
lXf}1iM;I
Les matrices sont partout !
Que l'on soit ou non mathmaticien, les matrices nous environnent. La plante Neptune a d 'abord t dcouverte sur
le papier, grce un proto-calcul matriciel, avant d'tre effectivement observe. L'conomie, l'actuariat et la finance sont
friandes de matrices. L'lectronique, l'informatique et toutes
les sciences ne peuvent s'en passer. Il est temps d'apprendre
reconnatre ces objets !
Agrandir les images sans perdre en qualit
Partout en physique, des matrices
La trilatration
Les matrices actuarielles
Les tableaux entres - sorties en conomie
Matrices lmentaires en conomie
Matrices et codes secrets
Les hommes prfrent les grosses ... matrices
Calculs matriciels en statistique multivarie
Les matrices d'Hadamard
Problmes de go-matrices
l Xf}1 iM;I
Des matrices et des jeux
Un grand nombre de jeux font intervenir des tableaux de

nombres. Ainsi, derrire chaque jeu de grille logique,
chaque Sudoku, chaque carr magique se cache une
matrice, souvent utile dans sa rsolution. Mais les
matrices se nichent parfois l o on ne les attend pas :
dans les jeux littraires, l'criture sous contraintes les a
depuis longtemps dj mises contribution.
Les carrs magiques : des matrices comme les autres
Divertissements littraires
Les matrices Sudokus
Les matrices lumineuses du Lights Out
Problmes
Les carrs magiques
Solutions
En bref
Tangente - Hors srie n44 Les matrices
ar Bertrand Hauchecorne
EN BREF
De l'utrus
la matrice
Du conducteur
au uecteur
Les Romains possdaient dj le mot vector. Issu
du verbe vehere signifiant transporter , il dsignait aussi bien le passager que le conducteur d'un
bateau ou d'un chariot. Les mots franais vhicule , voiture mais aussi invective proviennent
de cette mme racine latine.
Au Moyen ge et jusqu' la Renaissance , le vecteur est le conducteur d'un bateau ou d'un vhicule,
mais ce mot tombe alors en dsutude. Il est repris
au milieu du XVIIIe sicle par les astronomes sous
forme d'adjectif. Ainsi, le tourbillon vecteur dsigne
le mouvement d'une plante et le rayon vecteur
joint le centre du soleil un point de l'orbite .
En 1844 , William Hamilton reprend ce mot pour
dsigner le vecteur (au sens actuel) joignant deux
points . La formalisation des espaces vectoriels
arrive la fin du XIXe sicle avec Peano. Un vecteur devient un lment de cette structure nouvelle.
Ver 1900, vecteur apparat paralllement en
mdecine. Prenant un sens figur du mot latin, il
dsigne les agents infectieux qui transmettent une
maladie. On a pu entendre
il y a peu que les oiseaux
migrateurs sont le vecteur
de la grippe aviaire .
On doit James Sylvester l'introduction en mathmatique du mot matrice, ou plus exactement, en

anglais, matrix. Ce terme, form sur la latin mater
signifiant mre , dsigne ds le XIIIe sicle
l'utrus. Cependant, comme on enregistrait les
enfants la naissance, il dsigne bientt aussi le
registre sur lequel on les inscrit. Ceci explique
aussi les mots matricule, cher l'arme, et immatriculation, rendu populaire grce l'automobile.
Avec les dbuts de l'imprimerie, matrice dsigne
aussi le moule imprimer sur lequel on place les
caractres. On voit la ressemblance entre un tableau
de nombres et une tablette de caractres. Cependant, en introduisant ce terme , Sylvester joue sur
les mots, puisqu'il use de cette ressemblance tout
en se rattachant l'tymologie du mot, comme
en tmoigne cette phrase crite en 1851 : "/ have
in a previous paper defined a Matrix as a rectangular array of terms, out of which differenl
systems of determinants may be engendered, as
from the womb of a common parent" ( J'ai dfini
dans un prcdent article une matrice comme un
tableau rectangulaire de termes , duquel peuvent tre
engendrs diffrents systmes de dterminants
comme sortis du ventre de la mme mre ).
Hors-srie n 44. Les matrices Tangente
PASSERELLES
par Jean-Jacques Dupas
Dans un monde futur, des machines lvent des humains afin

de capter leur nergie vitale. Elles soutirent un maximum
d'nergie si les humains sont actifs plutt que vgtatifs. Alors
elles les plongent dans un environnement simul. Bienvenue
dans la Matrice.
es habitants de la Terre croient
vivre des vies normales. En fait,
ils sont tous con nects des
machines. L'histoire du blockbuster
The
Matrix (Andy et Larry
Wachowski, 1999, produit par Warner
Bros. Pi ctures) raconte le combat
d'une poigne d'humains dconnects
contre ces machines qui ont asserv i les
humains. Mais pourquoi ce nom de
Matrix ? En anglais comme en franais, le terme dsigne aussi bien ('utrus fminin que l'objet mathmatique
(voir en pages prcdentes). Dans le
film, les humains vivent leur vie dans
un utrus artificiel. En outre, toute
simulation consiste essentiellement en
des manipulations de matrices. Enfin,
si le film est la cro ise de plusieurs
thmes classiques de la sc ience-fiction
(le combat contre les machines, le sau-
Discrtisations et quations
dijfrentielles se traduisent gnralement
par des manipulations de matrices.
Tangente Hors-srie n 44. Les matrices
veur), il mle galement plusieurs

thmes classiques des religions : le
bouddhisme (avec No en veill), le
christianisme
(avec
Trinity
et
Anderson, littralement le fils de
l' homme ), le judasme (avec le
thme messianique), la mythologie
grecque (le personnage de Morpheus
fait rfrence Morphe, dieu des
songes, un des mille fils du Sommeil,
Hypnos), etc.
De morphe Platon
Cette rfrence expl icite au sommeil
nous renvoie la question : qu ' est ce
qui diffrentie un rve de la ralit ?
Comment notre cerveau s'y prend-il
pour produire nos rves et dconnecter
nos muscles ?
The Matrix est donc matriciel en diable.
li tisse galement plusieurs autres
thmes philosophiques ou scientifiques.
Par exemp le, celui des grandes
simu lations numriques, ou encore
celui du mythe de la caverne de Platon.
The Matrix (ou tout

simplement Matrix
dans les salles
franaises) est truff
de rfrences au
monde imaginaire de
Lewis Carroll.
Dans celui-ci, des humains sont

enchans dans une caverne, de telle
sorte qu ' ils ne peuvent voir que la
paroi de leur antre. Sur celle-ci, ils
n'aperoivent que l'ombre du monde,
qu'ils prennent pour le monde rel. On
peut interprter ce mythe en science
par l' utilisation du modle. Un modle,
c'est une vision rduite du monde rel ,
une projection. Il est rgi par les lois de
la physique, il permet d'expliquer, et il
do it tre prdictif. Les ingnieurs, les
scientifiques contemplent les parois de
leur caverne ! Mais le monde rel est
souvent trop complexe pour tre ainsi
apprhend.
Un
mathmaticien
peut
aussi
interprter ce mythe par ! 'abstraction :
croyant contempler des objets, il ne
contemple que l'ombre d'objets plus
abstraits. Cette monte en abstraction
s'av re souvent riche . Dans The
Matrix, le mythe de la caverne
s' incarne grce une simulation.
L' ide de simulation numrique n' a pu
prendre corps qu 'avec la monte en
puissance des ordinateurs. Avant
l'avnement de ces machines, pour
tester un objet, il fallait le construire et
pratiquer des tests in situ. Mais cette

dmarche a un cot ! L'ide alors est
de le reconstituer sur une maquette
numrique. On le discrtise (on le
dcoupe en petits morceaux et on
applique les lois de la physique sur ces
petits morceaux, en rsolvant la plupart
du temps des quations diffrentielles).
Discrtisations et quations diffrentielles se traduisent gnralement par
des manipulations de matrices. Par
exemple, au lieu de crasher un avion, il
est moins dangereux (et surtout moins
coteux) de raliser une simulation.
Mais attention : une simulation, ce
n'est pas si facile ! La discrtisation,
dj, n'est pas toujours simple (un
avion possde des milliers de
pices ... ). Ensuite, il faut matriser les
modles physiques (mission quasi
impossible en physique nuclaire ou en
physique des plasmas). li faut enfin
matriser les mathmatiques du calcul
matriciel , du calcul numrique et
disposer de pui ssances de calcul
impressionnantes.
Dans un modle discrtis, plus le
dcoupage est fin, plus la simulation
sera prcise. Mais dcouper les
PASSERELLES
Matrix
longueurs par un facteur dix, c'est

multiplier le nombre de mailles
volumiques par mille. Et aprs tout ce
travail, il faudra quand mme disposer
d'expriences physiques pour recaler
les
modles.
Une
simulation
numrique s'appuie donc sur un
triptyque ( on retrouve Trinity) : des
modles physiques, des moyens de
calculs (aussi bien matriels que
logiciels) et des expriences physiques
pour recaler les modles.
De l'autre ct du miroir
Les simulations sont extrmement

utiles ds qu ' il est impossible de faire
des expenences grandeur nature
(tremblements de terre, tsunamis,
crashs d'avions ... ). Un cas typique est
la cosmologie : comme il est assez
difftci le d'aller sonder ('espace
intersidral, les cosmologistes font des
simulations
ils font
voluer
un
univers,
simplifi, de milliards de
particules en jouant avec
Dictionnaire de la
les lois de la physique pour
111ythologie grecque et
voir
s'ils obtiennent un
ro111aine. Pierre Grima l.
univers proche du
Presses Unive rs itaires
ntre. lis peuvent ainsi
de France, 1999.
SF : la science 111ne tester la validit de
nouvelles thories.
l 'enqute. Roland
Une des industries qui
Lehoucq, le Pommier,
consomment
galement
2007.
beaucoup de temps de
calcul est le cinma. Et
justement, dans le film, de nombreuses
scnes sont issues de simulations
numriques. li y a donc un jeu de
Rfrences
miroirs : on nous prsente la vie relle

comme une simulation, mais c'est bien
le film qui est une simulation ! The
Matrix est d'ailleurs truff de
rfrences Lewis Carroll : le lapin
blanc tatou sur l'paule de Trinity, la
chute interminable dans un tuyau, la
traverse du miroir. .. li est amusant de
se rappeler que, dans son trait sur les
dterminants ( datant de 1867), le
mathmaticien Charles Dodgson (alias
Lewis Carroll) rcusait ! 'utilisation du
terme matrice , qui pour lui avait
plutt la signification d'un moule ; il
lui prfrait le terme bloc .
Dans tout programme informatique
digne de ce nom, il reste des bugs.
diter des programmes sans bug (ou
tout au moins avec le moins de bugs
possible) est le dfi de l' industrie
logicielle actuelle. Les mathmatiques
se sont empares de ces sujets bien
avant que les ordinateurs existent (voir
par exemple les travaux de Church,
Godel ou Turing). C'est en partie
cause des bugs de la Matrice que le
hros se doute que quelque chose
cloche dans son monde.
The Matrix est donc bien une matrice
de nombre ux thmes classiques. li
possde la vertu de fournir des images
aux ides abstraites, comme la
simulation num rique (dont l' image
restera sans doute associe un fond
vert avec un dfilement de chiffres). Le
film met en avant la culture
informatique (le hros est informaticien le jour et hacker la nuit). Les
matrices, au sens mathmatique, sont
certes moins connues du grand public,
mais omniprsentes : elle mriteraient
d 'tre plus connues que le film !
J.J.D.
EN BREF
par B. Hauchecorne et . Thomas
Hlgebre
li , .
matrices rudimentaires
Le mot linaire
est l'adjectif associ ligne , souse n tendu ligne
droite . Les lignes
droites sont en effet
les sous-ensembles
privilgis des
espaces vectoriels.
Le mot algbre , quant lui, provient
du titre d'un ouvrage d 'al-Khwarizmi,
dans lequel le savant arabe du IX0 sicle
rsout les quations de degr 2. On lui
doit galement un ouvrage, De numero
lndorum , dans lequel il explique le
maniement des chiffres dits arabes
inconnus en Occident ) 'poque et la
numration de position qui permet
d'avoir des algorithmes simples pour
effectuer des oprations. Lors de l'adoption de cette numration en Occident
vers le XYI0 sicle, l'tude et le maniement des nombres entiers s'appelle
toujours arithmtique alors que l' algbre dsigne sa gnralisation aux
nombres ngatifs , l'introduction de
paramtres. Les nouveaux ensembles
de nombres , les complexes, les quaternions et les espaces multidimensionnels, entrent de fait dans le domaine
de )'a lgbre . Aussi parle-t-on aussi
d'algbre linaire ...
En tant que tableau de nombres, il est ais de comprendre

qu ' une matrice M peut possder un nombre quelconque de
lignes (disons n) et un nombre tout aussi arbitraire de colonnes
(par exemple p). M sera compltement dfinie ds lors que les
n x p lments (ou coefficients) si tus l'intersection de chacune des lignes avec chacune des colonnes seront prciss.
On note gnralement (
les coefficients d'une matrice
l s;sp
M quelconque , o chacun des n x p coefficients est un scalaire.
a,.;),.,_
Dans le cas o n = p, la forme gomtrique que prend la

reprsentation de M fait que la matrice M est dite carre ; elle
possde alors n2 coefficients (dans le cas gnral, on parle de
matrice rectangulaire).
Dans le cas o n = 1, M est une matrice ligne. Dans le cas
o p = 1 , M est une matrice colonne. Dans le cas trs particulier o n = p = l , M peut tre assimile un scalaire .
Les matrices les plus utilises en mathmatiques sont les
matrices carres (n p). Les n lments a;,; situs sur la diagonale principale sont appels, justement, les lments diagonaux (les autres tant les lments extra-diagonaux).
Si tous les lments extra-diagonaux de M sont nuls, la matrice
est dite diagonale. C'est le cas particulier de la matrice nulle,
dont tous les lments aij sont gaux zro, ou de la matrice
identit, dont les lments diagonaux sont tous gaux 1 (et
tous les autres sont nuls).
Enfin, l' utilisation des matrices pour la rsolution des systmes
linaires fait intervenir des matrices carres dont tous les lments situs strictement sous la diagonale principale sont
nuls. Ces matrices sont appeles matrices triangulaires suprieures. Plus prcisment, une matrice M est triangulaire
suprieure si ses coefficients vrifient aij = 0 ds que i <j.
0 0 0
1 0
0 0 0
0 0 0
0 0
La matrice nulle.
La matrice identit.
1 0
1
Gn
2
Une matrice triangulaire

suprieure.
HISTOIRES
par Bertrand Hauchecorne
'
La gense de la thorie des matrices est confuse, et passe par
la Grande-Bretagne, par la France, l'Allemagne, et mme ... la
Chine ! De simples outils permettant de simplifier les
notations, les matrices deviennent ensuite un outil
incontournable pour l'algbre linaire.
'
histoire de France commence-t-elle avec les Gaulois, le

baptme de Clovis ou l'accession sur le trne d'Hugues Capet?
Les historiens ne sont pas tous d'accord. Pour les matrices, c'est un peu
pareil : doit-on parler de matrices ds
que certains e urent l'ide d'extraire un
tableau de nombres d ' un systme
d'quations linaires, doit-on attendre
que Cauchy note en tableau des dterminants, ou faut-il que Sylvester leur
donne un nom et Cayley dfinisse dessus des oprations, les traitant comme
des nombres munis d'une structure?
Historiquement, la rsolution de systme d'quations linaires est trs ancienne. La donne des coefficients devant
chaque inconnue suffit dfinir ce sys-
Du tableau de nombres un outil

essentiel de l'algbre linaire.
10
tme; c'est en quelque sorte une matrice. Privilgiant l'aspect pragmatique de

la rsolution, on a d'abord introduit le
calcul de dterminant, notion ncessaire
justifier l'existence de solutions. Cet
outil est apparu avec Gottfried Wilhelm
Leibniz ds la fin du xv11 sicle, cent
cinquante ans avant une dfinition formelle de la notion de matrice par James
Joseph Sylvester et Arthur Cayley.
Des Han Hanovre

Les Neuf chapitres sur ! 'art mathmatique sont un ouvrage compi lant les
principales mthodes mathmatiques
connues dans l 'Antiqu it chinoise. Il
apparat sous la dynastie des Han, au
tout dbut de notre re. Le titre du huitime chapitre, Fang sheng, signifie
comparaison des dispositions. Il
prsente des problmes rsolus par des
systmes d'quations linaires deux
ou trois inconnues. On disposait les
coefficients du systme en tableau, en
Tangente Hors-srie n44. Les matrices
William Hamilton
mettant autant de baguettes que le problme prsentait: c ' tait, pourrait-on

dire, l'apparition des premires
matrices, tout en baguettes . On rsolvait alors le systme, en maniant ces
baguettes, par une mthode rappelant
le pivot de Gauss.
S ' intressant, la fin du xv11 sicle,
un systme de trois quations linaires
trois inconnues, Leibniz, alors au service de la maison de Hanovre, en
extrait les coefficients ; le terme que
nous notons aujourd'hui a, ,2 est pour
lui soit 12 (il y a donc confusion avec
l'entier 12), soit 12 . Tl se rend compte
que le tableau reprsent par les coefficients est ('lment essentiel qui
indique s'il y a une solution, plusieurs
solutions ou aucune solution . Tl exprime en outre le dterminant en fonction
des coefficients.
Tout au long du xv111 sicle, l'tude
des systmes se focalise sur la notion
de dterminant. Plusieurs mathmaticiens, comme le Suisse Gabriel Cramer
ou le Franais tienne Bzout,
empruntent la dmarche du philosophe
allemand en tudiant les dterminants
de manire utilitaire dans le seul but de
Bien que connu pour ses travaux en mathmatiques et en physique, Sir William Rowan
Hamilton (1805-1865) est avant tout un ...
astronome. D'une prcocit stupfiante, on
dit qu' 5 ans, il lisait dj le latin, le grec et
l'hbreu. Il quitte son Irlande natale en 1823
pour aller tudier au Trinity College de
Cambridge. Il obtient 22 ans le poste trs
pris d'astronome royal d'Irlande et passe le
reste de sa vie Dunsink, proximit de l'observatoire de Dublin.
Sa rdaction, dans les annes 1830, d'une
thorie rigoureuse des nombres complexes
qu'il assimile des nombres de
dimension 2 est un prlude une base axiomatique des structures algbriques. Ceci le
conduit chercher vainement des nombres de
dimension 3 , puis introduire en 1843 les quaternions. Il pense avoir trouv un outil essentiel
pour l'tude de la physique, mais le dveloppement de l'analyse vectorielle par Willard Gibbs et
Oliver Heaviside amnera des notations plus
simples.
Souvent inspir par des problmes venus de la
physique, comme l'optique ou la dynamique,
Hamilton tudie les quations diffrentielles. Il
introduit en 1835 les fonctions hamiltoniennes,
qui expriment la variation dans le temps d'un systme physique dynamique, le hamiltonien reprsentant son nergie totale.
rsoudre
un
systme.
Dans
son
Mmoire sur la rsolution des quations, publi en 1771, le mathmaticien

franais Alexandre-Thophile Vandermonde est le premier s'intresser aux
proprits des dterminants et aux
mthodes pour les calculer en se dtachant du systme lui-mme. Dans ses
travaux sur la mcanique cleste,
Pierre-Simon de Laplace dveloppe un
embryon de calcul matriciel et utilise
la mthode de dveloppement d'un
dterminant par rapport une colonne.
Hors-srie n44. Les matrices Tangente
11
HISTOIRES
L'histoire des matrices
De Cauchy Cayley
Au XIXe sicle, le mathmaticien franais Augustin Louis Cauchy construit
une thorie des dterminants presque
moderne. Il introduit la notation en
tableau et la double indexation des
composantes. Il dfinit ce qu ' il appelle
le produit de deux dterminants: c'est
en fait le produit des deux matrices
associes. Lagrange l'avait dj dfini
avant Cauchy pour les matrices carres
de taille n = 3. Le Britannique James
Sylvester, quant lui, reprend en 1850
des travaux du mathmaticien allemand Julius Plcker publis en 1828
sur les intersections de coniques. Ce
dernier avait en fait rsolu le problme
gomtrique, mais grce des
mthodes purement analytiques et
assez lourdes. Cette tude se plaait
dans le cadre de la gomtrie algbrique, o une courbe est dfinie par
une quation de la forme f (x, y) = O.
Ainsi, dterminer des intersections de
coniques revient en fait annuler

simultanment deux polynmes en x et
y. Cependant, le mathmaticien britannique, influenc par son ami Arthur
Cayley, aborde ce problme par les
dterminants. Il est amen calculer
certains dterminants, qui sont tous
issus d' un tableau de nombres qu'il
nomme matrice, les dterminants ini-
Ta.ngente Hors-srie n44. Les matrices
tiaux tant des mineurs. L' anne suivante, Sylvester gnralise ses travaux
aux quadriques, c'est dire aux surfaces d'quation f(x, y, z) = 0, o f
dsigne une fonction polynomiale de
degr 2.
Au dbut des annes l 850, Cayley et
Sylvester, tous deux membres du barreau, changent sur leurs passions
communes. Cayley comprend alors
toute l' importance en algbre des
tableaux de nombres utiliss par
Sylvester. Dans un article publi en
franais en 185 5, il parle des matrices
comme une notation commode
pour re prsenter
les
systmes
linai res. Il explique ! 'i ntrt de la
notion matricielle pour tudier les
fonctions linaires.
Trois ans plus tard, Cayley labore une
vritable thorie des matrices dans son
nouvel article A Memoir on the Theory
of Matrices. S'inspirant sans doute du
mmoire d' Augustus de Morgan, On
the Foundation of Algebra, publi en
1841, il dfi nit sur les matrices des
oprations d'addition et de multiplication, les considrant de ce fait comme
des sortes de nombres (des lments
mathmatiques part entire, et non de
simp les
commod its
d 'c riture).
Cayley en est bien consc ient lorsqu 'i l
les dsigne par le terme de single
quantity (quantit simp le). li s'merveille du remarkable theorem lorsqu'il nonce le rsultat con nu sous le
de
thorme
de
nom
Cayley- Hamilton. Certains voient en
lui l' inspirateur de la notion d'hypernombre et de la thorie des algbres.
Les matrices franchissent la manche

Introduites par des Britanniques, les
matrices peinent s'implanter sur le
continent. Georg Frobenius approfondit les diffrentes notions d'algbre
linaire. Il dmontre le thorme de

Cayley-Hamilton en 1878 et dveloppe la thorie des formes bilinaires.
cette mme poque a t perue l' importance de ces fonctions dans diffrentes branches des mathmatiques
( espaces euclidiens, systmes diffrentiels de second ordre, thorie des
nombres . . . ). Pourtant, bien que trs
au courant des travaux de Cayley,
Frobenius s'obstine dans ses travaux
viter l'emploi des matrices!
Dans les annes 1890, ! ' usage des
matrices se dveloppe brusquement.
Le mathmaticien pragois Eduard
Weyr tend le champ des matrices en
les utilisant pour tudier les formes
bilinaires (qui sont des fonctions de
deux vecteurs x et y, linaire en x lorsqu 'on fixe y et linaire en y lorsqu ' on
fixe x) . En passant aux coordonnes de
ces vecteurs, l'expression de la forme
bilinaire se reformule en une somme
de termes de la forme ai,J X; yJ"
Rc iproquement, la donne de la
matrice des coefficients (a;);J suffit
dterminer une forme bilinaire.
Ds lors, ! ' usage des matrices se
rpand inexorablement. Elles ne sont
plus vues comme des lments indpendants, mais chacune d 'elles est
associ un certain nombre de proprits, de potentialits. Le mathmaticien
allemand Leopold Kronecker comprend par exempl e l'importance de
l'entier r correspondant la taille
maximale d ' un systme linairement
indpendant que l'on peut en extraire;
il l'appelle rang de la matrice. De nos
jours, les matrices sont utilises dans
de nombreux domaines, trs divers,
bien au-del du champ mathmatique !
B.H.
13
EN BREF
par B. Hauchecorne et H. Lehning
Scalaire
La racine indo-euro penne skand signifi ait lever
le pied . On la retrouve dans le grec skandalon , qui
dsignait un di spos itif fa isant trbucher, un pige.
Les Pres de l'g li se l' utili sent dans le sens d' inc itati on au pch. Devenu scandalum en latin , il
fo urnit notre lang ue les mots scanda le e t
escl andre .
Le latin scandere, monter , est de mme orig ine . On le retrou ve dans les mots franais descendre, ascension et bien sr transcendant .
Par dri vati on , les Roma in s appe ll ent scala une
marche, pui s par ex tension un escalier. Ce dernier
mot en provient par l' intermdi aire du provenal.
Le mot chelle est de mme
racine. L'ajout du initial est
un phnomne linguistique coura nt pour fac iliter la prononc iation d' un s initial devant une
consonne : penser co le et
sco la ire , tude et studieux.
Le mot scalaris ex iste dj en latin
et signifie relatif l'chelle . Les
naturali stes l' utili sent au xrxe
sicle pour dsigner un poi sson.
_ _,.,.,
,,, - .....
Son e mploi en mathmatiques

vi ent de l'a nalog ie e ntre les
nombres entiers et les barreaux

d ' une che lle. Pour mesurer,
en effet, on utili se une gra'""t1-11"--......,,i.1 duati on que l' on rapporte
des no mbres. L e m o t
dev ient un substantif et se
g n r a li se t o u s les
r --.,_-JI no mbres rels .
Le mot scalaris existe en latin

et signifie relatif l'chelle .
14
fldditionner
des matrices
Les tableaux de nombres, com me le tableau deux
1 4 -2
lignes et tro is colonnes
, sont frquemment
0 3 5
manipuls dans divers domaines (la co mptabil it par
exemple), surtout depuis l' util isation des tab leurs. On
peut e n parti c uli e r d finir des oprati ons dess us.
L' usage es t alors, po ur les math mati c iens, de les
reprsenter entre parenthses, le tablea u prcdent
1 4
2
devenant (
- ).
0 3 5
L'addition de deux matrices de mmes dimensions, c'est-dire ayant le mme nombre de lignes et de colonnes
se fa it lment par lment. Ainsi :
1 4 -2) + ( 2 - 1 3)
(0 3 5
-3 5 1
= (
3 3 16) .
-3 8
Muni de l'additi on, l' ense mbl e des matrices 2 x 3 a

dj une structure intressante , c'est un groupe com-
mutatif.
Si on y ajoute la multiplicati on par un scalaire, dfini e de mme lment par l ment :
2.(10 43 -2)5 = (20 86 -4)

10 '
cet e nse mbl e pe ut a lors tre consid r comme un
espace vectoriel.
Sa dimension est gale au produi t du nombre de lignes
par le nombre de colonnes. Pour le prouver, il suffi t
de re marquer qu' une base sera fo rme , par exemple
dans le cas des matrices 2 x 3 , des six matri ces possibles formes d' un 1 et de c inq 0 .
Une autre fao n de l'exprimer consiste compter le
nombre de paramtres ncessaires dfinir une matrice !
Merveille de l'abstracti on, cette structure nous autori se appeler vecteur ... un e matrice.
par~.BusseretG.Cohen
Espaces uectoriels
l'algbre l'assaut de la gomtrie
La gomtrie, longtemps considre comme une science
part, a subi deux assauts qui ont eu raison de son autonomie
par rapport aux autres domaines des mathmatiques :
l'introduction par Descartes de la gomtrie analytique et
l'apparition de l'algbre linaire.
eprsenter tous les points du plan
par des couples de rels, et assimiler le plan IR 2 , voil le profond chambardement dont Descartes fut
l'origine (c'est le cas de le dire, puisque
tout revient choisir un repre : deux
axes gradus passant par une origine).
Aprs Descartes, faire de la gomtrie ne
fut plus la mme chose.
Une fois le repre choisi, un calcul peut
reprsenter n'importe quel rsultat gomtrique . Pour montrer qu'un point du
plan appartient une droite, il suffit que
ses coordonnes vrifient l'quation de
cette droite ; pour montrer que le quadrilatre ABCD est un paralllogramme,
il suffit que les bipoints (couples ordonns de points) AB et CD soient quipollents , c'est--dire que les diffrences
entre les coordonnes des extrm its et
celles des origines soient identiques.
nla base de l'algbre linaire :

l'espace uectoriel
De l dfinir les vecteurs, il n'y avait
qu'un pas , et il fut rapidement franchi.
chaque bipoint, on associe un vecteur,

tre abstrait qui se reconnat dans tous les
bipoints quipollents (associs des segments parallles, de m me sens et de
mme longueur).
Mais voil, ces vecteurs, on peut oprer dessus : les additionner, les multiplier par un rel (on dit un scalaire).
Le mathmaticien, c'est connu , est un
gnrali seur fou. Il a invent la notion
d'espace vectoriel, structure algbrique
munie de deux oprations, l' une interne
(la somme), l'autre externe (la multiplication par un sca laire), qui vrifient
quelques proprits directement inspires de ce lles des vecteurs associs
un plan.
L'addition est une loi de groupe commutatif, la multiplication par un scalaire
(souvent note par un point) vrifie
quelques proprits supplmentaires :
1. =
a.(b. ) =(ab).
(a+ b). =a. + b.
a. ( + v) = a . + a. v
SYSTMES LINAIRES
C'est Grass mann (voir encadr) qui, le
premier, a imagin cette structure , prc ise ensuite plus rigoureusement par
Peano (vo ir encadr en page 18) .
Une combinaison finie de sommes et de
produits par un scalaire s'appelle combinaison lin a ire. Les combinaisons
linaires jouent un rle fondamental dans
la structure d'espace vectoriel.
Cette structure s'applique aux vecteurs
associs au plan ou l'es pace de la
gomtrie classique, dont le modle est
respectivement IR 2 ou IR 3 , mais se gnralise des espaces beaucoup plus complexes, comme des es paces de suites ,
de fonctions ...
Elle s'tend mme des corps de scalaires
diffrents de IR.
Uers de nouuelles dimensions

Pour se rep rer facilement dans l'ensemble des vecteurs d ' un espace vectoriel , on cherche ce qu 'o n appelle une
base: c'est une famille libre (on dit aussi
qu 'elle est forme de vecteurs indpendants : aucune combinaison linaire de
ces vecteurs ne peut s'annuler, hormjs la
combinaison nulle) , et c'est une famille
gnratrice : tout vecteurs' crit de faon
unique comme combinaison linaire des
vecteurs de cette famille.
On montre alors un rsultat trs important : si un espace vectoriel E admet
une base finie comportant n lments,
toute autre base de E compte aussi n
lments.
On dit que l'espace vectoriel E est de
dimension n.
Dans le cas d ' un plan, une base est un
couple ( ,1) de deux vecteurs ni nuls
ni de mme direction. Tout vecteur
peut alors s'crire de manire unique
sous la forme = xT + YJ
o (x,y), couple de rels , sont les coordonnes du vecteur en question.
Hennann Grassmann, l'incompris

Aprs des tudes de thologie Berlin, Hermann Grassmann (1809-1877) enseigne les mathmatiques l'Universit de Berlin puis dans un lyce Stettin. Il publie en 1844
Ausdehnungslehre, c'est--dire enseignement des tendues.
Cet ouvrage contient en germe les notions fondamentales
de l'algbre linaire: combinaisons linaires, indpendance,
bases, dimension et produit extrieur. L'expos de Grassmann est confus et mme opaque et sa thorie ne sera vraiment comprise que bien plus tard, par Peano. Pourtant, il
avait bti une dfinition intrinsque des espaces vectoriels
alors que Cayley n'avait fait que du calcul dans IK!". Devant
l'incomprhension de ses pairs, Grassmann abandonne la
recherche en mathmatiques pour se consacrer l'tude
des textes vdiques, en particulier la traduction du RigVeda. Il brille galement en linguistique puisque son nom
a t donn une loi concernant la dissimilation des consonnes
B.H.
aspires en Sanskrit et en grec.
M
xi
Le vecteur =OM et ses coordonnes

dans la base ( ,T).
17
SAVOIRS
Espaces vectoriels
Ainsi, une fois une base choisie , on peut
assimiler un espace vectoriel de dimension 2 l'ensemble des couples de rels
(x, y), autrement dit IR 2 . On dit que
les de ux espaces sont isomorphes . De
mme , un espace vectoriel de dimension n sera isomorphe IR".
La notion d 'espace vectoriel s'applique
notre espace environnant de dimension 3, el le permet aussi d ' imaginer des
espaces qui chappent notre perception. L' espace-temps de dimension 4 ,
mai s aussi, pourquoi pas, des univers de
dimensions suprieures ...
Transformer,
mais en conservant les proprits
Les vecteurs, du pl an, de l'espace ou
d ' un espace Ede dimension suprieure,
on sait les ajouter et les retrancher, les
multiplier par un re l quelconque . On
vas' intresser agir dessus en les transformant , c'est--dire assoc ier chaque
Giuseppe Peano, le thoricien

Giuseppe Peano (1868-1932) est l'un des plus brillants mathmaticiens italiens des deux cents dernires annes. Homme d'une curiosit et d'une inventivit prodigieuses, il fut pionnier dans de nombreux domaines des mathmatiques. Son esprit critique, rigoureux et peut-tre aussi son loignement
des ples mathmatiques les plus en vue l'poque lui ont permis de considrer avec un regard neuf
l'volution des mathmatiques et d'oser bousculer des ides reues.
Ses premiers travaux concernent le calcul infinitsimal et en particulier les fonctions de plusieurs
variables et l'tude des courbes. Dans ce domaine, on lui doit plusieurs contre-exemples qui ont permis de contredire des thses affirmes par des mathmaticiens reconnus.
Le fil conducteur de ce savant a toujours t la clarification et la diffusion des mathmatiques. Il le fait
de souvent de manire trs maladroite. Ainsi il cre le Latine sine fiexione appel aussi Interlingua,
langue universelle, dans laquelle il publie en 1908 un monumental formulaire expliquant toutes les mathmatiques de son temps.
Avec la mme motivation, Peano introduit de nombreux symboles dans la toute naissante thorie des
ensembles et se penche vers l'axiomatique ; celle des entiers naturels l'a rendu clbre. On sait moins
l'importance de son travail pour la vulgarisation de la thorie des espaces vectoriels. Il comprend leur
introduction trs confuse par Grassmann dans son ouvrageAusdehnungslehre. Il publie, en 1888, Calcolo geometrico, ouvrage dans lequel il clarifie les notions introduites par le mathmaticien allemand.
Il y donne une dfinition axiomatique des espaces vectoriels, introduit les applications linaires et montre,
en donnant l'exemple des polynmes, que cette thorie ne se rduit pas la dimension finie. B. H.
SYSTMES LINAIRES
vecteur le vecteurv de l'espace vectori e l F, dfini pa r v = f() ; v es t
l'image de par une certaine application f de E dans F.
Mai s on ne s' intresse pas n' importe
qu e lle app licat io n ! Il fa udra que f
conserve les oprations sur les vecteurs,
c'es t- -d ire q ue l' image par f d ' une
somme de vecteurs so it la somme des
images et celle du produit d ' un vecteur
par un rel soit le produit par ce nombre
de l' image de ce vecteur.
Plus gnralement , l' image d' une combinaison linaire de vecteurs est la mme
combinaison li na ire des images de ces
vecteurs.
On dit alors que f est une application
(ou un oprateur) linaire, ce qui s'crit
encore :
f( + v) =f() + f(v)
et, pour tout rel a,
!(a. ) =af() .
Par exemple, l'application de E dans E
qui tout vecteur fait correspondre
son double 2, est lina ire, a lors que
ce lle qui associe 2 + V o V est
un vecteur fixe , ne l'est pas.
Ces applications jouissent de proprits particulires: l' image du vecteurnul
est le vecteur nul , cell e d'un oppos est
l'oppos de l'i mage, et surtout , e lles
co nse rvent le para ll li sme : s i v es t
multiple de w, l'image de v est aussi
multiple de ce lle de w.
Parmi les applications linaires, les endomorphismes de E, applications linaires
de E dans lui -mme, jouent un rle
important. Citons les plus s impl es :
l' identit Id E, qui un vecteur de E
associe le mme vecteur ; les endomorphismes scalaires k IdE, qui fo nt
correspondre k , k tant un rel fix.
Et les applications linaires de E dans
F forment elles-mmes ... un espace
vectorie l.
la relation de Chasles
Dans un espace affine (par exemple de dimension 2), associ
l'espace vectoriel E, si (el' e~ est une base de E et (0 , ei, e~
un repre de l'espace affine, alors:
-+
,
un vecteur AB a pour coordonnees, dans la base (ei, e2 ),
(b 1 - al' b2 - a 2), diffrence des coordonnes (bi, b 2) de B et
(ai, a~ de A dans le repre (0 , e" e2) ;
additionner deux vecteurs revient ajouter leurs coordonnes dans la base (el' e~ .
Il s'ensuit que BA= -AB,ainsi qu'une interprtation gomtrique
extrmement pratique de la somme de deux vecteurs associs
des bipoints dont l'extrmit du premier est l'origine du
second:
Aii +B=A.
Ce rsultat, appel relation de Chasles , du nom du mathmaticien Michel Chasles, qui l'a exprime le premier, est
extrmement simple dmontrer l'aide des coordonnes
des points :
(b 1 -a" b2 - a~ + (c 1 - b 1, c2 -b2) = (c1 -a" c2 -a2).
Cette relation se gnralise un nombre quelconque de
points et toutes les dimensions. En voici une expression
classique pour quatre points :
--+
;:-;:t
--+
--+
AB + BL + CD+ DA= O.
Mais pas seulement : elles se composeront galement entre elles, confrant leur
e nse mb le , dan s le cas des endomorphjsmes d' un espace vectoriel, une structure d 'anneau (non commutatif) , qui ,
s'ajoutant celle d 'espace vectoriel, est
affuble du joli nom ... d'algbre!
Et les matrices dans tout cela ? Elles vont
tre omniprsentes dan s les espaces
vectorie ls de dimension finie . Les o prations qui vont tre dfi ni es dessus
vont servi r la plupart des calcul s dont
on aura beso in : ex prime r les com posantes d'un vecteur aprs un changement
de base, mais surto ut re prse nter les
applications linaires, dont e lles exprimeront les effets au moyen de calcul s
numriq ues simples et pratiques.
.B . & G.C.
Hors-srie n 44. Les matrices Ta.n9ente
SAVOIRS
par . Busser et G. Cohen
es ma r1ces
pour transformer
L'algbre linaire s'est fix pour mission de thoriser les
transformations affines du plan et de l'espace. Les matrices
constituent l'indispensable outil qui permet de les mettre en
uvre de manire pratique.
aire tourner un objet, en thorie

ou sur un cran, tirer une image,
la dpl acer, l' incli ner, la retourner comme dans un mi roi r, autant d'actions usuelles en gomtrie et aujourd ' hui
en info rmatique graphique, derrire lesquelles il y a ... un endomorphi sme (voir
pages 16 19).
Pour reprsenter ces endomorphi smes, et
do nc les tra nsformati ons assoc ies du
pl an ou de l'espace, on va se servir de
matrices.
Des matrices colonnes

pour reprsenter des uecteurs
Co mmenons par le co mme ncement.
Dans un espace vectorie l E de dime nsion fi ni e n, o n cho is ir une base B =
(ei, e 2 , . . . , e 11 ). To ut vecteur de E peut
alors s'crire de fao n unique
= x 1 e 1 + x2 e2 +... + x11 e11
On le reprsente par une matrice colonne

V, c'est--dire forme d' une seule colonne
(et de n lignes).
20
Supposons maintenant que nous cho isiss ions une autre base de E :
B'
=(e' 1, e' 2 , ... , e ',,) .
Le mme vecteur se dcompose (toujours

de manire unique) dans la base B' :
v = x' 1 e' 1 + x\ e' 2 +... + x' 11 e' 11
On le reprsente cette fois par une matrice
colonne V':
v = li ;;\I
.,\ ,,
Il reste une question, et de tai lle, rgler!

Quelle re lation ex iste entre les matrices
colonnes V et V'? C'est une oprati on
matricielle qui va nous donner le rs ul ta t : V = A V ' o A est une matrice carre n x n a p pe le la m a tri ce d e
changeme nt de base. Chac une de ses
n co lonnes est fo rme des coordonnes,
dans la base B , des vecte urs de la base
B' (vo ir encadr).
T4n9ent:e Hors-srie n44. Les matrices
SYSTMES LINAIRES
Matrices de changement de base
li reste voir comment les matrices permettent de reprsenter les transformations du plan ou de l'espace . Dans un
premier temps , on va s'intresser aux
endomorphismes associs ces transformations. Ces applications linaires
transforment un vecteur e n un vecteur v =f().
Quand une base B de l'espace vectoriel
E a t choisie, il suffit, pour dfinir f,
de savoir comment cette base est transforme par f. Dans la mesure o tout
vecteur de E est une combinaison linaire
des vecteurs de B , et o une application
linaire co nserve les combinaisons
linaires, il suffit de connatre les images
des lments de la base B pour connatre
l' image par f de n'importe quel vecteur
de E.
On reprsente alors cette app li cation
linaire! par une matrice A, qui dpend
de la base B choisie dans E . Chaque
colonne de A est la dcomposition dans
la base B de l'image des lments de B.
Ains i, en dimension 2, tout vecteur v
peut s'crire de manire unique sous la
forme v = xT + YJ o B = (,T) est la
base choisie et le couple de rels (x, y)
les coordonnes du vecteur v dans la
base B.
La linarit de l'app li cation f permet
d'crire:
f(v) =xj(T) + yf(T).
Ce vecteur est connu ds lors que sont
connus par leurs coordonnes dans la base
(,T) les vecteurs j(T) et.f(T).
Sif(T) =a+ hT etf(T) = cT + dT,
alors.f() = x(aT + bT) + y(cT + dT)
= (ax + cy)T + (bx + dy)T.
La matrice de f dans la base B est
Le mme vecteur, exprim dans deux bases diffrentes

B et B', s'crit de deux faons:
V= X1 el + X2 e2 + ... + xn en et
v x' 1 e' 1 + x' 2 e' 2 +...+x\ e\.
A= (: ;) , dont les vecteurs colonnes

sont bien les vecteursj(T) etf(T) reprsents par leurs coordo nnes dans la
base B.
Pour exprimer les coordonnes dans l'une des bases en

fonction des coordonnes dans l'autre base, on va
construire la matrice de changement de base. Voici un
exemple en dimension 3.
On exprime les lments de la base B' dans la base B:
e' 1 au el + a21 e2 + a31 e3
e' 2 a12 e1 + a22 e2 + a32 e3
e' 3 =a13 e1 + a23 e2 + a33 e3
=
=
La matrice de changement de base associe est :

lli2 a,J \
( ail
A=
la2, a22 a23J.

aJ, a32 a33
Exprimons alors le vecteur
v =x' 1 e' 1 + x'2 e' 2 + x'3 e' 3.
v =x'1 (au el+ a21 e2 + a31 e3)

v
+ x' 2 (a12 el + a22 e2 + a32 e3)

+ x' 3 (a13 el + a23 e2 + a33 e3)
=(aux' 1 + a12 x' 2 + a13 x' 3) el
+ (a21 x' 1 + a22 x' 2 + a23 x'3) e2
+ (a31 x' 1 + a32 x' 2 + a33 x' 3) e3
Cette dernire expression est comparer :

v x 1 e 1 + x 2 e2 + x 3 e3.
La dcomposition dans la base B tant unique, on peut
identifier les coefficients.
On reconnat le produit matriciel :
( x, \
V=
( ail
a 12
l::J l::: :::

=
a.
3 \ { x;
::Jl:tJ.
L' usage d'une telle matrice va simplifier

considrablement le calcul des coordonnes de l'i mage du vecteur par f.
Si on reprsente le vecte ur v
sous forme d'une matrice-colonne
C) ,
alors la matrice co lonne reprsentant le
SAVOIRS

vecteur n 'est autre que le produ it, au
se ns d es p ro duit s d e m a tri ces ,
(: ;)(:)=(:;:~)
Une fo is c ho is ie un e base s ur l' e nsemble des vecte urs , la matrice A pe rme t do nc e nt ire ment de dte rmine r
l' applicati o n f.
In verse me nt , une base tant do nne ,
toute matrice 2 x 2, A =
(:
: )
peut tre
considre comme la matrice d' un endomorphi sme de l' ensemble des vecteurs.
Chaque colonne de A correspond un
vecteur : k pour la pre mire, T pour la
seconde, et! 'application qui au vecteur
v de coordonnes (x, y) associe le vecteur = xk + y T est linaire.
Au couple ( ,T) de la base, e lle assoc ie
le couple (k , ). Voil donc une fao n
simple et de dterminer la matrice associe un endomorphisme et d ' identifier
une application linaire grce sa matrice.
Ces rsultats se gnralisent. Non seule ment d 'autres dimension s d 'endomorphismes, mais aussi des applications
lina ires e ntre espaces vectori e ls de
dimensions diffrentes. Ainsi, une application linaire l d ' un espace vectoriel
E de dimension n vers un espace vectoriel F de dimension p pourra tre reprsente, ds lors qu 'on connat une base
B de E e t une base C de F, par une
matrice p lignes et n colonnes, dont
les colonnes sont les dcomposition s
dans la base C des images des lments
de la base B. Cette matrice sera note
Mat 8 ,c(l) .
matrices et composition
d'applications linaires
la matrice associe la compose gof

sera le produit des matri ces defet de g .
Plus concrtement :
MatB.D(go!)= Matc.o (g) MatB.C (j) .
Dans le cas des endomorphismes , le produit de matrices carres s' crit :
MatB(go!)= MatB(g) MatB(j).
Les proprits de la compos iti on d 'endo morphi smes se transmettent au produit de matri ces carres d'ordre n , dont
l'ensemble, muni de cette multi plicatio n, for me un anneau. De mme que
! 'l me nt ne utre pour la compos iti on
des endomorph ismes est l' identi t, I ' application qui ne change rien , c'est-dire qui , tout vecteur, associe lui-mme,
celui de la multiplication des matrices
carres est la matrice associe, qui est
la matrice identit. Ell e comporte des
1 s ur la di ago na le e t des 0
ailleurs. En dimension 2, c'est 12
= (
~) .
D 'autres endomorphi smes sont extrmement simples. C itons parmi eux !'endo morphi sme sca laire o u ho mothtie
de rapport k, qui tout vecteur v d ' un
espace vectoriel de dimension n, associe k v. Sa matri ce assoc ie ne co mporte que la va leur k sur la diagonale et
des 0 ailleurs.C'est kl ,,.
Saurez-vous maintenant reconnatre ce
que fait sur les coordonnes des vecteurs
la tra nsfo rmati o n do nt la matri ce est
( ~ ~) ? Elle change tout simplement

abscisse et ordonne !
Mais trava iller sur des vecteurs est un
conte, traduire ce qui se passe gomtriquement en est un autre.
On peut composer des applications! et

g, qu 'e lles so ie nt lina ires ou non ,
condition que l'ensemble d 'arri ve de
l'une soit l'ensemble de dpart de l' autre.
Lorsqu ' il s'agit d'applications linaires,
Tc:1.n9ente Hors-srie n44. Les matrices
. B. & G. C.
EN BREF
par Herv Lehning
multiplier des matrices

La multiplicati on des matrices est plus d licate dfinir.
Pour cette ra ison, nous com menons par un exemple trs
particulier, la multiplication d' une matrice ligne (forme
d ' un e ligne) par une mat ri ce colo nn e (fo rm e d ' un e
(31 -2-1 5)4 .
( x\
(- 1 2 -3 -4 \
5 6 0 1
colonne) :
(a c)tJ
On dfinit alors plus gnralement la multiplicati on de

deux matrices de cette manire. Elle sera dfini e ds lors
que le nombre de colonnes de la premire est gal au
nombre de lignes de la seconde. Et le rsultat aura le
nombre de lignes de la premire et le nombre de colonnes
de la deuxime ! En voici un exemple :
=ax +by + cz.
Cette multiplication n'est possible que si le nombre de

lignes de la deuxime est gal au nombre de colonnes de
la premire. Cette condition dev ra tre vrifie dans tous
les cas de multiplicati ons de matrices .
Autre exe mple, numrique cette fo is : ( 1
2)(;)
14.
3 4
J = (4 10 -28
-5
-6
16
- 36)
- 29 -37
Comment l'avons-nous effectu? Tout simplement en multipli ant chaque ligne de la premire matri ce par chaque
colonne de la seconde. L'lment obtenu dans la matri ce
rsultat correspond la ligne de la premire et la colonne
de la seconde. Ainsi, l'lment de la premire ligne et la
troisime colonne du rsultat est le produit de
En effet, 1 x 4 + 2x5 = 14.

Ai nsi, chaque ligne d' une matrice peut tre multiplie par
chaque colonne d' une autre, la condition qu 'elles aient
soit I x (-3) + (-2) x O + 5 x (-5) = -28.
le mme nombre d'lments.
Oprations sur les matrices carres

Cette multiplication des matrices est rarement utilise dans toute sa gnralit. Le plus courant est de se
limiter l' espace des matrices carres de dimension donne, par exemple deux lignes et deux colonnes
ou trois lignes et trois colonnes , dans lesquels la multiplication est une opration interne. Ains i, l'espace
vectoriel des matrices carres d ' ordre deux , par exemple, se trouve muni d ' une structure englobant celle
d 'espace vectoriel et d ' anneau , la structure d'algbre.
Cela signifie que la multiplication matricielle a quelques-unes des proprits de la multiplication usuelle
des nombres . .. mais pas toutes . Elle est associative , c 'est--dire que A (B C) =(AB) C, et distributive gauche
et droite par rapport l'addition , c ' est--dire que A(B + C) =AB +AC et (B + C)A= BA+ CA.
Ces galits rsultent de calculs faciles , mais pnibles effectuer.
) et (
En revanche , la multiplication n' est pas commutative: il peut arriver que AB*- BA.
0
Un exemple simple de non-commutativit est obtenu en multipliant entre elles les matrices (
01
00
1
) .
01
En revanche , la multiplication possde un lment neutre , la matrice identit 1.

Tous les lments de cette matrice sont nuls sauf ceux de sa diagonale, gaux 1.
Ainsi, ( :
!){~ ~)
= (~
~) .(:
!)
= (:
!) .
23
SAVOIRS
par Herv Lehning
e sens
Le dterminant est souvent prsent travers des formules ou
axiomes abstraits, qui semblent sans lien avec aucune ralit.
Pourtant, la question est trs concrte : le dterminant mesure
une surface, un volume, ou un objet de dimension suprieure.
vecteurs V et V du pl a n
dterminent un p ara ll lo gramme . Le dterminant, not
de t (V, V), de ces deux vecteurs es t
l'aire de ce paralllogramme , affecte
du signe - si le trajet de U V se fait
dans le sens des aiguilles d ' une montre .
Si V a pour coordonnes (a, b) et V a
pour coordonnes (c, d), on note
J: :J
Comme les paralllogrammes dtermins par (U, V) et (V, V+ .V) ont mme
base U et mme hauteur (voir la figure
les paralllogrammes) , pour tout .,
det (V, V+ .V)= det (V, V).
De mme, si on remplace V par . V, on
remplace la hauteur h par .h et donc on
multiplie le dterminant par .. A priori ,
det(U ,V).
Les proprits de l'aire

L'aire d ' un paralllogramme est gale
sa base multiplie par sa ha ute ur.
V + .U
a
Si le vecteur U a pour coordonnes (a, 0)
et le vecteur V, (c, d),
alors le paralllogramme a pour base a
et pour hauteur d.
Son aire est donc gale ad.
Le mme calcul d 'aire permet
Les paralllogrammes vert et orange ont mme aire

car ils ont mme base et mme hauteur.
24
d 'affirmer que
I~ ;J
ad, que ad
soit positif ou ngatif.
SYSTMES LINAIRES
Dtermination du dterminant
La proprit d'alternance du dterminant vient du fait que (U, V) et (V, U) sont de sens opposs. L'additivit de l'aire implique la linarit par rapport l'un des vecteurs.
En notant I et J les vecteurs de coordonnes (1, 0) et (0, 1), il vient :
1: :1
det(al + bJ ,cl+ dJ).
On en dduit alors :
det (al+ bJ, cl+ dJ) det (al+ bJ, cl)
det (U, V+ W) =
+ det (al+ bJ,dJ)
det (U , V) + del (U, W).
et, en utilisant la linarit par rapport
au second vecteur :
u
det (al+ bJ, cl+ dJ)
c det (al+ bJ, 1) + d det (al+ bJ, J).
On obtient ensuite : det (al+ bJ, cl+ dJ) ac det (1, 1) + be det (J, 1) + ad det (1, J) + bd det (J, J).
De la proprit d'alternance, on dduit det (U, U) =0, d'o:
det (al+ bJ, cl+ dJ) = be det (J, 1) + ad det (1, J). Or, det (J, 1) =- det(I, J) d'aprs (1)
L' additivit de l'aire implique
et det (1, J)
=1, d'o le rsultat: 1:
:1
=ad-be.
ce raisonnement n'est valable que si la

constante . est positive mais on dmontre
fac il e me nt que, si e ll e est nga tive ,
l' orientation des vecteurs est modifie ,
et donc le signe aussi.
det(U,V)
D'aprs la dfiniti on , det (U , V) = 0 si,
et se ul e me nt s i , l'a ire du para ll lo gramme construit sur U et V est nulle,
ce qui qui va ut dire que U et V sont
colinaires. On en dduit une condition
pour que deux droites soient concourantes, travers le dterminant de leurs
vecteur directeurs ou de leurs vecteurs
normaux.
Enfi n , le dte rmin a nt j o uit d e no mbreuses proprits calcul ato ires, parmi
lesque lles les troi s sui vantes :
alternance: det (V, U) =- det (U , V) ,
linarit par rapport au second vecteur
( et sont des constantes) :
det (U,}.. V + W ) = . det ( U , V)
+ det (U , W),
Le dterminant de deux vecteurs U et V est l' aire du paralllogramme qu' ils dterminent, affecte du signe - si l' angle
(U, V) est orient dans le sens des aiguilles d'une montre.
Ainsi, det (V, U) = - det (U, V), puisq ue (U, V) et (V, U)
sont de sens opposs.
On en dduit la fo rmule suivante, utile
1: :1
en pratique :
=ad-be. Elle conduit
gnraliser la notion de dterminant
ra e1 ad - be, et meme
aux matnces : det b d
aux syst mes lina ires via la matrice

du syst me. Ain si , le dtermin ant du
4
1
systme d 'quations { x - Y = est
4
12
2x + 3y =5
_
11
soit 14.
25
On retrouve en particulier que le dtermin ant de la matri ce ide ntit est bien
gal l.
En utili sant la proprit d 'alternance,
on montre que la linarit par ra pport
au second vecteur est valable galement
sur le pre mie r vecte ur. Pour rsumer
ces deux proprits, on dit que le dterminant est bilinaire.
La caractri sation de la colinarit est
importante dans l'tude des syst mes
de deux quations du pre mier degr
deux inconnues. Pre nons un exempl e
pour voir pourquo i.
,
s le syste, me : { 4x - y = 1 .
Cons1'deron
2x + 3y
Comme nt dte rminer s' il a des so lution s ou non ? La question est lie au
:: : :::~:r~r
Chacune des deux quations reprsente

une droite dans le pl an. Plu s prc isment , l'ensemble des points M de coordonnes (x, y) vrifiant 4x - y = 1 est
une droite.
Une quation du premier degr,

telle que 4x - y =1, reprsente une
droite. Ici, un vecteur directeur
de cette droite a pour coordonnes
(1, 4), et un vecteur normal a pour
coordonnes (4,-1).
Si un couple (x, y) vrifie le syst me cidessus, le point de coordonnes (x, y)

appartient aux deux droites, et rciproquement. Un systme de deux quations
du premier degr deux inconnues reprsente donc un probl me gomtrique
simple: la dtermination de l' intersection de deux droites.
26
Gabriel Cramer
Gabriel Cramer (1704--1752).

Le mathmaticien suisse Gabriel Cramer tait spcialiste des courbes algbriques, c'est--dire ayant une
quation polynomiale, comme le
cercle et les coniques.
C'est en tudiant le problme de l'existence de courbes passant par des
points donns qu'il introduisit la
notion de dterminant (voir le dossier Mathmatiques suisses dans
Tangente 136).
Nous en ddui sons un rsultat qualitatif : un systme de deux quati ons du

pre mie r degr de ux inconnues possde une et une seule solution si et seulement les deux droites assoc ies sont
concourantes. En hommage Gabriel
Cramer, on dit alors que le systme est
de Cramer.
D 'aprs la condition de co linarit de
deux vecte urs, la condition pour qu ' un
sys t me so it de Crame r est que so n
dtermin ant so it non nul.
Le systme
4x- y= 1
{ 2x + 3y = 5
Cramer, pui sque
est donc de
1: ~,,
14,. O.
SYSTMES LINAIRES
les formules de Cramer
10, 'I
111
111
X=2- = 2-
Notons (x, y) la so luti on unique du

4x- y= 1
systme
.
{ 2x + 3y=5
Une interprtation vector ie ll e du
vecteur (x,y) peut tre donne , condition de considrer U le vecteur de coordonnes (4, 2), V le vecteur de
coordonnes (- 1, 3) et B le vecteur de
coordonnes (l, 5). Les deux ga lits
du sys t me se r s ument alors
xU+yV=B.
Appliquons la fonction dterminant.
La linarit par rapport la premire
colonne donne
det (8, V ) = det (xU + y V, V)
= x det (U, V) + y det (V, V).
Comme det (V, V)= 0 , nous en
'd .
I ,,
I
det(B, V)
.
de u1sons a 1ormu e : x =
det(U, V)
Une formule identique existe pour
y : y=
det(U B)
'
det(U, V )
111-l
m.- 1
lm.1 0'I
ety=2-
m-l
-1
=2-
m-l
Dan s le s deux cas restant , il suffit

d 'crire le systme pour voir qu'il est
incompatible.
1
Par exemple, pour m = l : {x +Y= .
x + y=O
Trois vecteurs U, V et W de ! 'espace
dterminent un paralllpipde. Le
dterminant , not det (U, V, W) , de ces
trois vecteurs est le volume de ce parall lpipde . Toutefois , il est affect du
signe - si (U, V, W) n'est pas dans le
sens (majeur, index , pouce) de la main
gauche.
. Ces deux formu les
constituent les formules de Cramer.

Dans notre exemple :
1
I~ 1
1: ~I
-3
4
9
X = - - = - ety=--=-.
14
14
La rsolution des systmes numriques

ne requiert pas vraiment la mthode de
Cramer. En effet, les mthodes consistant combiner des quations (comme
la mthode de Gauss) sont prfrables.
La raison d ' tre de la mthode de
Cramer se trouve dans la discussion des
systmes paramtriques , comme
m.x+y=l
. En fait, le problme est
{ x + my = 0
Le dterminant de trois vecteurs U, V et West le volume

du paralllpipde qu'ils dterminent, affect du signe si (U, V, W) n'est pas dans le sens (majeur, index, pouce)
de la main gauche. Ainsi, le dterminant est chang
en son oppos si l'on change deux des vecteurs U, V
et W.ont mme base et mme hauteur.
pouce
index
rso lu par le calcu l du dterminant :
17 ~11 m
=
2
-
1.
Le systme a donc une solution unique

si et seulement si m est diffrent de I et
de - l.
La solution est alors :
sont dans le sens (majeur, index, pouce)

de la main gauche, alors leur
dterminant est positif.
Hors-srie n 44. Les matrices Ta.ngente
27
Si U a po ur co ord o nn es (a, b, c),
V (a', b', c') et W (a", b" , c"), on note
ainsi le dterminant de
a
a'
a"
U , Y etW :b
b'
b " =det(U , Y, W).
c'
c"
D 'aprs la dfiniti on, det (U, V, W) =0

si, et seulement si, le volume du parall lpipde construit sur U , V et W est
nul , donc si U , V et W sont coplanaires
(c'est--dire dans un mme pl an). On en
dduit une condition pour que trois plans
soient concourants, travers le dterminant de leurs vecteurs directeurs ou
de leurs vecteurs normaux.
De mme qu 'en dimension deux, les premires proprits calculatoires des dterminants peuvent tre rsumes par les
trois rgles sui vantes :
alternance : le dterminant est chang
en son oppos si l' on change deux des
vecteurs,
tri linarit: le dtermjnant est linaire
par rapport chacun des vecteurs,
l O O
0
1 0
1.
0 0
a'
b'
b"
c'
c''
a'
a"
b'
b"
28
On en dduit une formule

de calcul des dterminants
d'ordre troi s appele rgle
de Sarrus en hommage
Pierre Sarrus ( 1798-1861 ).
Rgle de Sarrus :
on recopie les deux
premires lignes du dterminant sous celui-ci,
puis on additionne les facteurs verts et soustrait les
facteurs rouges.
Autrement dit, le dterminant est gal :
ab' c" + be' a" + ca' b" ch' a" + ac' b" + ha' c" .
Les rsultats concernant les systmes se

gnrali sent de mme. Appliquons- les
au cas du systme
2x + y- z = 1
x - 2y + 3z =0, so n d ter min a nt se

3x + Sy -
z=
calcule grce la rgle de Sarrus, ce qui

donne :4 - 5 + 9 - 6 - 30 + 1 =- 27, qui
est non nul , donc le systme a une et une
seule so lution. Elle vaut
1 -1
-2 3
2 5 -1
X=
=
-27
2 1 1
1 -2 0
3 5 2
et z =
-27
1
2 1 -1
1 0 3
3 2 -1 4
11
=27' y = -27
27
-1
27
La question se complique un peu avec le

systme
x+y +z =I
x - 3y + 2z = 0 car son dterminant est
2x - 2y + 3z =2
nul. S ' il a une solution, elle n'est donc

pas uruque. En frut, ce systme est incompatible car, si (x, y, z) est une solution,
en ajoutant les deux premjres quations,
on obtient 2x- 2y + 3z = 1, ce qui contredit la troi sime quation !
D1mens1ons superi ures

La noti on de dtermin ant se gnralise
aux dimension s 4 et sui vantes. Sa dfinitio n comme mesure de mande cependant de gnra li ser les noti ons d 'a ire
et de volume , ce qui est pour le moin s
d licat. C'est sans doute l' une des raisons pour lesquelles on prfre une dfiniti o n plus abstra ite, sui vant les tro is
proprits que no us avons rencontres
prcde mme nt. Malheure usement , la
rgle de Sarru s n'y a pas d 'qui valent
assez simple pour tre utili se dans ces
dimensions !
H.L.
par Gilles Cohen
an ments d
Des matrices distinctes peuuent reprsenter la mme
application linaire.
Elles ont alors en commun certaines proprits
issues de l'application linaire qu'elles reprsentent.
matrices carres semblables

Si le mme vecteur v del 'espace vectoriel Ede dimension
exprim dans deux bases diffrentes , B = (e I' e 2 , ... , e,,) et
B' = (e' 1, e' 2 . , e',,), s'crit )' aide des matrices colonnes
11 ,
l~
( x ,\
V=
J pour exprimer que v = x 1e 1 + x2 e2 + ...+ x,, e,, et
x,,
( x, \
Y=
l]'
J pour exprimer que v =x ' 1e' 1 + x '2 e' 2 +... + x ',,e',, ,
, ,.
alors on aura la relation : V = P V' , o P, matrice carre
d' ordre n , est la matrice de changement de base, dont les
colonnes sont les coordonnes des vecteurs de B' exprims
dans la base B.
Si maintenant u est un endomorphi sme de E qui admet la
matrice M dans la base B et la matrice M' dans la base B',
quelle relation ex iste-t-il entre M et M '? Pour un vecteur v
de E, iv = u(v) aura pour matrice colonne W dans la base B
et W' dans la base B' , avec W = PW '. La dfinition de M
cond uit aux relations W = M V et W ' = M' V'. La premire
relation s'crit aussi : P W' = M P V' , soit , en multipliant
gauche par p- 1 , l' inverse de P, W ' = p- 1 M PY ' , comparer
avec la relation W' = M ' V' .
Le fai t que l'galit soit vraie pour toute colonne V' entrane
la relation sui vante: M' = P- 1 M P.
Deux matrices carres M et M ' so nt dites semblables quand
elles reprsentent le mme endomorphisme dans des bases
diffrentes.
Deux matrices carres d' ordre II M et M ' sont semblables si
et seu lement s' il ex iste une matrice carre Pd 'ordre n inversible telle que M' = P- 1 M P.
Pour des matrices carres d' ordre n, tre semblables est
une relation d'quivalence.
EN BREF
matrices rectangulaires
quiualentes
On considre cette fo is une app lication linaire
I d ' un espace vectoriel Ede dimension n dans
un espace vectoriel F de dimens ion p.
Si B est une base de E et C une base de F, la
matrice M reprsentant l dans les bases B et C
sera un e matrice rectangulaire p lignes et n
colonnes, chacu ne des n colonnes reprsentant
l' image des vecteurs successifs de la base B exprime dans la base C.
Pour un vecteur v de Ede colonne V dans B ,
w = l(v) aura dans la base C la matrice colonne
W=MV .
On co ns idre alors une nouvelle base B' de E et
une nouvelle base C' de F. La matrice M', elle aussi
rectangul aire p lignes et n colonnes, reprsentera l dans les bases B' et C'.
Le vecteur v de E de colonne V' dans B' a pour
image w= l(v) qui, dans la base C, sera reprsent
par la matrice colonne W' = M' V' .
Si Pest la matrice de passage de B B' (matrice
carre invers ible d'ordre n) et Q la matrice de
passage de C C' (matrice carre inversible d'ordre
p ),on aura les relations : V= PV' et W=QW'.
W = MY s' critdoncQW ' = MPY 'soit ,en multipliant gauche par Q- 1, W ' = Q- 1 M P V', comparer avec la relation W ' = M' V'.
Le fait que l'galit soit vraie pour toute colonne
V' entrane la relation suivante : M' = Q- 1MP .
Deux matrices rectangulaires de m mes dimensions Met M ' sont dites quivalentes quand elles
reprsentent la mme application linaire dans
des bases diffrentes.
Deux matrices rectangulaires Met M' de mmes
dimensions sont quivalentes si et seulement s' il
existe deux matrices carres P et Q inversibles
telle que M ' = Q- 1 M P.
videmment, deux matrices semblables sont en
particulier quivalentes. Pour des matrices rectangulaires de mmes dimensions, tre quivalentes est une relation d'quivalence.
29
SAVOIRS
par Gilles Cohen
Transformations affines
et points inuariants
L'application des thories de l'algbre linaire et de leur mise
en pratique via le calcul matriciel apporte la gomtrie un
outil puissant dont quelques applications sont entrevues ici.
a gomtrie a pour champ d 'action un ensemble de points, appel
espace affine, dont les plus usuels
sont le plan ou l'espace. Comme on l'a
vu dans les articles prcdents, cet espace
affine A est associ un espace vectoriel E dont les lments, appels vecteurs, sont en correspondance avec les
bipoints de l'espaces affine.
Une transformation gomtrique de
l'espace affine A sera appele transformation affine si deux bipoints quipollents sont toujours tran sforms en deux
bipoints quipollents, ou encore si un
parall logra mme est transform e n
parall logramme. Ce qui est intressant , c'est qu ' une te lle transformation
dfi nit a lors un endomorphi sme de
l'es pace
vectorie l
assoc i
E.
Rc iproquement, tout endomorphi sme u de l'espace vectoriel E, on peut
associer des transformations affines f
de l'espace affine. Mais la connaissance de l' image d'un point Ode A par f
suffit dfinir entirement! l'aide de
la relation( *) f(O)f(M) = u(OM),
ou e ncore OJ(M) = OJ(O) + u(OM).
30
les translations
L'endomorphi sme le plus lmentaire
de l'espace vectoriel E est l' identit .
On peut donc s' intresser aux transformations affines qui lui sont associes.
En remplaant u par ldE dans la re lation (*), on parvi ent f(O)f(M) = OM,
qui s'crit e ncore Mf(M) = Of(O).
Ainsi, on passe d' un point M son
image fiM ) en oprant une translation
de vecteur constant v = Of(O).
Rc iproqueme nt , toute translation
es t une appli cation affi ne assoc ie
l' ide ntit, pui sq u 'e ll e transforme
tout bipo int e n un bipoint q uipo lle nt. Et co mme il y a auta nt de choix
de vecteurs v que d ' l me nts de E,
on peut ai ns i mettre e n vidence une
bijection e ntre les translations et les
vecteurs de E.
La correspondance ne s'arrte pas l :
lorsq ue l'on compose une translation
de vecteur v et une tran slation de vecteur w, on trouve toujours une tran slation (son endomorphisme associ est le
Tc:in9ente Hors-srie n44. Les matrices
SYSTMES LINAIRES
compos de l' identit de E par ellemme) , et le vecteur x de la translation
est la somme vectorielle x = + w.
La composition de deux translations

est commutative.
Et l'on pourrait mme dfinir la multiplication d'une translation f de vecteur
par un scalaire , le rsultat tant la
translation de vecteur . Ainsi, l'ensemb le des translations de l'espace
affine A est isomorphe l'espace vectoriel assoc i A : c'est le mme lment algbrique , au nom prs des lments et des oprations.
Les points invariants sont une caractristique trs recherche des transformations go mtriques, et plus particulirement des transformations affi nes.
En dehors de l' ide ntit de A, translation de vecteur nul , pour laq ue lle tou s
les points sont invariants, une translation n' admet pas de point invariant.
Le groupe
des homothties-translations
Aprs l'identit, les endomorphi smes
les plus lmentaires sont les endomorphismes scalaires , encore appe ls
homothties vectorielles, qui un vecteur font correspondre le vecteur k ,

k tant un rel. Il est intressant de
regarder les transformations affines qui
leur sont associes.
Soit k un rel non nul diffrent de 1, et
dfinissons u = k Id 6 l'endomorphisme
scalaire de E correspondant. Soit f une
transformation affine associe u. Le
nombre k tant diffrent de l ,f n'est
pas une translation .
Pour en savoir plus sur sa nature , on va
s' intresser dans un premier temps la
recherche d ' un point invariant par f.
Soit P un point quelconque, etj(P) son
image par f. Si j(P) = P, on est tomb
sur un point invariant (c'est un cas
miraculeux !) . Dans le cas gnral, Pet
j(P) dfinissent une droite (0), sur
laquelle on va mettre en vidence un
point invariant.
Supposons qu ' il existe O tel que
j(O) = O. Alors(*) s'crit
f(P)f(O) = u(PO), soit f( P )O = kPO.
On applique la relation de Chasles :
f( P )P +PO= kPO, et on en dduit:
1 PO= k _ I f( P )P.
Cette suite de calculs se remonte.

1
Le point O dfini par PO= - -J(P)P

k-1
est l' unique point invariant par f. Alors,

pour tout point M de l'espace affine A,
la relation (*) f(O)f(M) = kOM s'crit
Of(M) = kOM. Ainsif est l' homothtie
de centre O et de rapport k. En conclusion, toute transformation affine associe un endomorphi sme scalaire est
une homothtie !
En utili sant le fait que l'endomorphi sme assoc i la compose de deux
transformations est le compos des
endomorphi smes associs ces transformatio ns, on obtient de nouveaux
rsultats spectacul aires, qui n'ont
31
Transformations affines ...

besoin d'aucune autre dmonstration.
Ainsi, la compose de l'homothtie h
de centre O et de rapport k ::f. 1 et de la
translation t de vecteur v a pour endomorphisme associ le compos de k IdE
et de ldE , soit k ldE. C'est donc une
homothtie de rapport k. Le seul calcul
consiste trouver le centre de cette
homothtie , l'aide de sa caractrisation comme unique point invariant.
Le centre de ! ' homothtie t o h est le
1
point O' dfini par OO' = - -~.
1- k
De mme, le centre de l'homothtie hot

est le point O " dfini par OO"
__!5___ ~-
1- k
La compose de deux homothties h et
h ' de rapports k et k' aura pour endomorphisme associ ! 'endomorphisme
scala ire k k' IdE.
Si le produit kk' est diffrent de l, ce

sera une homothtie de rapport kk'
dont on trouvera le centre en c herchant le point invariant (sur la droite
des centres d'homothties de h et h ').
M,
M,
O'
O"
0
Le centre 0" de l'homothtie h" = h'o h est l'intersection de
la droite (MM 2), qui joint M et son image M 2 par h' o h, et de
la droite (00') qui joint 0, centre de l'homothtie h son
image par h' o h , qui est aussi son image par h', et se trouve
donc sur la droite (00') .
32
Sile produit kk' est ga l 1, ce sera

une translation dont on trouvera le
vecteur en cherchant le transform
de n ' importe quel point. Ainsi, la
compose de deux symtries-points
(une symtrie-point est une homothtie de rapport -1) est une translation, dont nous vous laissons trouver le vecteur en fonction des
centres de symtrie O et O'.
Ainsi, l'ensemble des homothtiestranslations d'un espace affine est
stable par la composition des applications, ce qui lui confre une structure
de groupe.
Plus d'un point inuariant

Si deux points distincts P et Q sont
invariants par une transformation f ,
c'est que le vecteur V= PQ est invariant par l'endomorphisme associ u.
On dit aussi que V est un vecteur
propre pour la valeur propre = 1, pour
exprimer que u(V) = V. Mais alors,
tout point M de la droite (PQ) vrifie
une relation du type PM= kPQ. On en
dduit:
f(P)f(M) = u(PM) = ku(PQ) = kPQ,
soit :
Pf(M) = kPQ =PM, puisflM) = M.
Et donc tout point de la droite (PQ) est
invariant.
Tout ce qui vient d'tre dit sur les
homothties, les translations et les
points invaria nts est valable dans toute
dimension. Par exemple, en dimension
2, l'espace affine A est un plan.
S'il y a, e n plus des points de la droite
(PQ), un autre point invariant (not R),
on montre a lors que tout point du plan
est invariant. En effet, les vecte urs PR
et PQ, invariants, forment une base
de l'espace vectoriel E associ au plan
A (i l est de dimension 2). Donc tout
vecteur de E, combi na ison de deux
vecteurs invariants par u, est invariant
SYSTMES LINAIRES
P" u.u est don, r;dent;t, et comme
la transformation f assoc ie admet au

moi ns un po int in vari ant , c'est l' identi t de A.
Dans le cas o les points de la dro ite
(PQ) sont les seul s po ints invari ants de
f , on peut montrer que l'endomorphi sme u admet une deuxi me va le ur
propre , associe un vecteur propre
W. Cela permet de dfi nir compltement la tra nsformation/ de A , qui porte
le nom d'affinit.
li suffit de se pl acer dans le repre
(P,V,W).
Pour tout point M , le vecteur PM peut

alors s'cri ra PM= av+ bW, et alors
Pf(M) = f(P)f(M) = u( PM)
= au(V) + blt(W) =av+ bW.
L' image.f{M) est parfa itement dfini e.
M
R
, M'
Projecteurs et projections
Un endomorphisme p est appel projecteur s'il vrifie la
relation p op = p. Pour tout vecteur , p(p()I = p().
Ainsi, tout lment de l'image de p est invariant par p.
Si p n'est pas l'endomorphisme nul, il existe donc un vecteur
V non nul tel que p(V) =V.
Sip n'est pas l'endomorphisme identit, il existe un vecteur
W non nul tel quep(W) # W.
Alors, = p(W)- W # 0
etp() =p(p(W)-W] =p(W)-p(W) = O.
Ainsi, en dimension 2, la matrice P dans la base (, V) d ' un
projecteur p diffrent de l'identit et de l'endomorphisme
nul est de la forme P =
(~
~).
On peut alors se poser la question de savoir quelles sont

les transformations affines/ associes un projecteur p. Si
p est l'endomorphisme nul, ce n'est pas trs intressant:
f associe un point unique tout point de l'espace de dpart.
Sip est l'endomorphisme identique, on a vu que/est une
translation.
Mais dans le cas gnral ?
Si/admet un point invariant 0 , pour tout point M, on peut
poser OM = x + yV. Alors j(O)j(M) = xj() + yf(V),
soit 0/(M) = yV. Ainsi,/ est la projection paralllement
sur la droite (D) passant par O et de direction V.
(D)
--
M' est l'image de M par l'affinit d'axe

(PQ), de direction (PR) et de rapport !- .
Dans le cas o = 0, la tra nsformation
est appele projection sur (PQ) paralllement W. Dans le cas o =- 1, la
transformation f est appele symtrie
par rapport (PQ) paralllement W.
L'endomorphisme associ une projection vrifie la re lation u o u = u.
C'est un projecteur (voir encadr).
L'endomorphisme associ une symtrie vrifie la relation u ou= ldE . C'est
une symtrie vectorielle. Les transformations affines qu i lui sont assoc ies
sont-elles toujours des symtries ?
Non , mais c'est une autre histoire ...
M'
-u
Si f n'admet pas de point invariant, on prend l'image

A'= j(A) d' un point A. Pour tout point M, on peut poser
AM = x + yV. Alors /(A)/ (M) = xf () + yf (V),
soit A'f(M) = yV.Ainsi, toutes les images de/sont situes
sur la droite (D') passant par Met de direction V.
Si on appelle A 1 la projection de A sur (D') paralllement
(on a donc AA1 = x), on constate que la compose de
f par la translation de vecteur A'A1 admet p pour endomorphisme associ et laisse A 1 invariant. D'aprs ce qui a
t vu plus haut, c'est la projection sur (D') paralllement
.fest donc la compose de cette projection et de la translation de vecteur A1A'.
G. C.
33
SAVOIRS
par Herv Lehning
Systmes linaires
Les systmes d'quations linaires sont lis aux matrices et
leur inversion ... ce qui ne signifie pas que la rsolution d'un
systme exige d'inverser une matrice ! Au contraire,
l'inversion d'une matrice passe souvent par la rsolution d'un
systme d'quations linaires.
n grand nombre de problmes
se rsolvent au moyen de systmes d'quations linaires.
En voici un exemple :
x- y +2 z
= 2,
2x+ y +3z
O.
5x-y+6z
6.
o il s'agit de trouver toutes les valeurs

des triplets (x, y, z) vrifiant simultanment ces trois quations. L'exemple le
plus simple et le plus intuitif de problme menant la rsolution d' un tel systme est la dtermination de l'intersection de trois plans.
L'ensemble des points de coordonnes (x, y, z) vrifiant l'quation
x - y + 2z = 2 est un plan P. De mme,
La rsolution d'un systme ne passe pas

ncessairement par les formules de
Cramer.
34
Ta.n9ent:e Hors-srie n 44. Les matrices
L'ensemble des points de coordonnes

x, y et z vrifiant l'quation
x - y + 2z = 2 dfinit un plan P.
On vrifie immdiatement que ce plan
P passe par les trois points (2, 0, 0),
(0, - 2, 0) et (0, 0, 1) sur les axes de
coordonnes, ce qui permet de le
reprsenter facilement.
DOSSIER:
l'quation 2x + y + 3z = 0 dfinit un
plan Q, et 5x - y+ 6z = 6 correspond
un plan R. Rsoudre le systme propos ci-dessus quivaut trouver les
points communs ces trois plans P, Q
et R. On en dduit qu'en gnral , un tel
systme a une solution unique (voir la
figure ci-aprs).
SYSTMES LINAIRES
ainsi que les deux matrices colonnes
x-Oet B-m
En appliquant les rgles de multiplication des matrices vues prcdemment
dans ce numro, nous obtenons :
X-
y + 2z)
AxX = 2x+ y +3z .

(
5x - y +6z
Le systme de trois quations trois

inconnues propos quivaut donc une
seule quation matricielle : A X = B.
Cette quation a une solution unique,
la seule condition que la matrice A soit
inversible (voir l'encadr consacr
l' inversion et la rsolution). La solution est alors X = A- 1 B, en notant A- 1
la matrice inverse de la matrice A.
Deux plans Pet Q se coupent selon
une droite, la condition qu'ils ne
soient pas parallles. Si la droite
d'intersection de Pet Q n'est pas
parallle au plan R, elle le coupe en
un unique point. Ainsi, en gnral,
trois plans se coupent en un point.
L'article consacr au sens du dterrninant dans ce mme dossier fournit une

mthode systmatique de rsolution
d ' un tel systme et donne une condition numrique pour qu'il ait effectivement une (et une seule) solution.
le lien auec les matrices

En utilisant les oprations s ur les
matrices, notre systme peut tre
interprt diffremment. Pour cela,
considrons la matrice carre A
suivante :
A-(1
-1 2)
1 3
Nous disposons ainsi de deux mthodes

de rsolution. Pourquoi alors en
Inversion et rsolution
Considrons l'quation A X= B, o A est une matrice carre donne, n lignes et n colonnes ; B est une
matrice colonne n lignes (connue galement) ; et
X est une matrice colonne inconnue n lignes.
Supposons qu'une solution X existe, donc que
A X = B. En multipliant cette galit gauche par
l'inverse de A, nous obtenons : A- 1 (A X) = A- 1 B.
D'aprs l'associativit de la multiplication des
matrices, nous en dduisons : (A- 1 A) X = A- 1 B. Or
A- 1 A= I Oa matrice identit), donc IX = A- 1 B, soit
encore X = A- 1 B. Ainsi, si l'quation A X = B a une
solution, cette solution est prcisment la matrice
colonne X = A- 1 B.
Rciproquement, considrons la matrice X= A- 1 B.
Cette matrice colonne vrifie : A X = A ( A- 1 B) qui,
par associativit, vaut (A A- 1) B, soit I B, donc B.
Ainsi, X est bien solution de l'quation. Nous en
dduisons que l'quation matricielle A X= Ba une
et une seule solution, savoir X = A- 1 B.
-1 6
35
SAVOIRS
Systmes linaires ...
chercher une autre ? Eh bien par

exemple parce que ces deux mthodes
sont souvent lourdes, voire impossibles, mettre en place. Nous revenons donc la mthode classique de
rsolution des quations, qui consiste
procder par analyse et synthse, sans
s'encombrer de thorie. Mme si cette
thorie a ! 'avantage de nous apprendre
qu'en gnral un tel systme a une et
une seule solution ; la condition pour
cela est que la matrice de ce systme
soit inversible, autrement dit que son dterminant soit non nul.
On reprend donc notre
systme de trois quations linaires, et on
suppose qu'une solution
existe. On note (x, y, z)
cette solution, et on
combine les trois quations donnes pour en
dduire x, y et z. Par
exemple, en ajoutant les
deux premires q uations (d'une part) puis
en retranchant la premire la troisime (d'autre part), nous obtenons les
deux quations en x et z suivantes
3x+ 5z = 2,
{ X+
Z =
1.
En retranchant alors trois fois la seconde quation la premire, nous obte-
36
nons 2z = - 1, d'o z = - 1 / 2. En portant cette valeur dans la premire quation ci-dessus, on en dduit x = 3 / 2.
L'utilisation de la premire quation du
systme de dpart fournit alors la
valeur de la dernire inconnue :
y= - 3 / 2.
Ainsi, si le systme admet une solution, il ne peut avoir qu ' une seule solution, savoir : x = 3 / 2, y= - 3 / 2 et
z = - 1 / 2. Une rciproque est ncessaire pour affirmer que ces valeurs
fournissent bien une solution du systme initial. Pour cela, il s'agit simplement de vrifier que les valeurs trouves vrifient le systme (ce qui est
bien le cas dans notre exemple).
Systmatisation
La thorie permet de se passer de cette
rciproque. En interprtant notre rsultat de manire matricielle, nous avons
~::l::~: X
qu: ~,'.g:~
1
: , ~(~:
8
f2)
-1 / 2
En d 'autres termes, l'quation matricielle A (X - X 0) = 0 implique que
X = X 0 . Ceci permet de prouver que la
matrice A est inversible, et donc que X 0
est bien la seu le solution. Dans la
pratique, faire une rciproque est tout
la fois plus rapide et plus prudent, car
elle constitue ga lement une vrification du rsultat. Une erreur de calcul
est toujours possible, en particulier
dans ce domaine.
La mthode qui a t expose peut tre
systmatise. Voyons comment procder sur un exemple gnrique, dont les
inconnues sont notes x, y , z, t ... Il suffit par exemp le d'changer les quations de faon placer en premire
ligne une quation comportant la premire inconnue, x. S'il n'en existe pas,
DOSSIER:
SYSTMES LINAIRES
l'inconnue peut tout simplement tre

supprime, puisqu 'e lle n'intervient pas
dans le systme ! Le coefficient de x
dans la premire quation est alors utilis comme pivot pour dtruire les
coefficients de x dans les autres quations, au moyen de combinaisons
linaires. Sur l'exemple prcdent,
cela revient retrancher deux fois la
premire quation la deuxime, et
cinq fois la troisime, ce qui donne :
x - y + 2z
l'quation matricielle suivante :
2.
3y-z=-4.
4y -4z=-4.
Considrons prsent les quations

partir de la deuxime. Elles ne contiennent plus de termes en x, puisque les
oprations prcdentes taient destines les supprimer. On recommence
sur elles, avec la deuxime inconnue.
Ici , cela donne :
X-
y + 2z
2,
3y-z=-4.
-8z
4.
Ce systme linaire triangulaire se

rsout petit petit en commenant par
la dernire quation, ce qui fournit les
mmes valeurs que prcdemment. On
dmontre de plus que le systme obtenu est toujours quivalent au systme
de dpart, ce qui dispense de vrifier la
proprit rciproque (qui reste cependant toujours recommande, ne seraitce que pour s'assurer qu'aucune erreur
de calcul n' est venue se glisser dans le
processus).
Loin d 'tre la mthode idale de rsolution des systmes, l'inversion des
matrices s'effectue souvent en rso lvant un systme. Par exemple,
pour inverser la matrice M
Cette quation s'crit sous la forme du

systme de deux quations deux
X+ 2y = X,
inconnues :
{ 3 x +4y
= .
En retranchant deux fois la premire

quation la seconde, nous obtenons
x = Y - 2X. Il vient alors, en reportant
dans la premire quation, 2y = 3X - Y.
Ce rsultat s'crit, sous forme matricielle, de la manire suivante :
Nous en dduisons facilement que la

matrice M associe au systme est
inversible, et que
1
M-
2)-l (-2
l)
3/ 2 - l / 2 .
3 4
Les calculs prcdents permettent de le

prouver rigoureusement. Une faon
plus simple et plus rapide de procder
est d'effectuer simplement le produit
2)(-2
31 2
l
(3 4
1 ) , et de constater
_1
12
qu 'i l est gal la matrice identit
G!) .
une ide simple consiste rsoudre
H.L.
37
SAVOIRS
par Herv Lehning
Comment rentrer dans
e ran
La notion de rang est au centre de l'algbre linaire. Simple et
complex e la fois , elle commande les questions de rsolution
des systmes d'quations linaires comme celles d'inversion
de matrices. l'origine de toutes ces notions de rang, on
trouve celle d'un systme de vecteurs.
o mme no ns gomtriquement
en nous donnant deux vecteurs
du plan . Trois possibilits se prsentent. Si nou s les avons choisis au
hasard, il est probable qu'il s forment
une base du plan.
exceptionne l o les deux vecteurs sont

nul s, le syst me est dit de rang O car,
par combinaisons linaires, il n 'engendre que le vecteur nul. Cette dfinition se gnrali se l' espace et aux
espaces vectoriels abstraits : le rang
d ' un systme de vecteurs est la dimension de l'espace qu ' il s engendrent par
combinaisons linaires. Dans l'article
consacr au pivot de G auss, nous
voyons une mthode concrte de calcul du rang d ' un systme de vecteurs .
Rang d'une application, d'une matrice

Deux vecteurs du plan formant une
base, donc un systme de rang 2.
Autrement dit , tout vecteur du plan est
combinaison lina ire de ce systme.
Pour cette raison, il est dit de rang 2,
qui est la dimension du plan. Si les
deux vecteurs sont colinaires, il s
engendrent seulement une droite. Le
syst me est alors dit de rang 1, la
dimension d'une droite. Dans le cas
38
Si f est une application linaire , son

rang est la dimens ion de l' es pace
image. En gui se d 'exempl es, examinons le cas des applicati ons gomtriques c lass iques dans le pl an. Les
rotations transforment le plan en luimme, e lles sont donc de rang 2, de
m me que les tran slation s ou les
symtries, mai s les projections sur des
droites sont de rang 1.
SYSTMES LINAIRES
Quand l'application est dfinie ainsi
de faon concrte, il est facile de
dterminer so n rang. On examine
comment se transforme l'espace , ou
une base de l' espace si l' on prfre.
L' exercice se complique si la dfinition est abstraite . On peut alors se
ramener au cas du rang d ' un systme
de vecteurs : le rang d ' une application
linaire est le rang du systme image
d'une base . Pour prciser la question,
examinon s le cas de l' application
( 1
linaire de matricel-1
0
0 2\
I
'J dans une
1 3
base de l'espace. L' image de la base

canonique est forme des troi s vecteurs
colonnes , soit des vecteurs de coordonnes ( l , -1, 0), (0, 1, l)et(2 , 1, 3).
Les deux premiers vecteurs engendrent
un plan puisqu ' ils ne sont pas colinaires. Le troisime est combinaison
linaire des deux premiers puisque :
(2, 1, 3) = 2 X (1,-1,) + 3 X (, 1, 1).
li s'ensuit que l' image de l'application
linaire considre est un plan (engendr par les deux premiers vecteurs
colonnes) , elle est donc de rang 2.
Rentrer dans le ranu...

Lycens s' entranant
rentrer dans le rang
lrkousk en Sibrie.
Cl Herv Lehni ng.
Quel est le lien entre l'expression trs militaire de

rang et la notion mathmatique ? Sans doute
celui de classement : chacun son rang ... Un soldat
du rang est celui de plus bas niveau, les officiers sont
de rang suprieur. Il en est de mme des systmes de
vecteurs et des matrices.
Cette remarque conduit dfinir le rang

d ' une matrice comme celui de ses vecteurs colonnes. On dmontre qu ' il s'agit
aussi du rang de ses vecteurs lignes
(une dmonstration est propose en fin
d 'article). On en dduit que le rang
d ' une application linaire est le rang
de la matrice associe. De mme , on
peut alors dfinir le rang d ' un systme
d ' quations linaires comme le rang
de la matrice associe.
le thorme du rang
Une symtrie par rapport un plan,

comme suggre sur cette photographie
de colverts, transforme l'espace
en lui-mme ; elle est donc de rang 3.
En revanche, la photographie
elle-mme ralise une projection
de l'espace sur un plan.
Elle est donc de rang 2.
Une notion n'a gure d'intrt quand

elle n' est pas au centre d ' un thorme
fondamental, aux applications nombreuses. Dans le cas du rang , le thorme
porte tout simplement le nom de ... thorme du rang . Le voici : Le noyau
d 'une application linaire est gal la
dimension de l'espace de dpart diminue de son rang.
Par dfinition , le noyau est l'ensemble
des vecteurs que l'application annule.
En particulier, il s'agit d'un sous-espace
vectoriel de l 'es pace de dpart .
Examinons la question dans le cas de
Hors-srie n 44. Les matrices Ta.ngent:e
39
SAVOIRS

l'application Linaire associe la matrice
A =(
1 2
2 4 6
) . Son espace de
dpart est
de dimension 3 et celui d 'arri ve de

dimension 2. D 'aprs la dfinition cidessus, son noyau est constitu des vecteurs de coordonnes (x, y, z) te ls que
A 1 (x y z) = 0 ce qui conduit deux foi s
la mme quation , soit x + 2y + 3z =0 .
C'est l'quation d' un pl an, qui est donc
de dimen sion 2 . L' image de l' appli cation est l' en semble des vecteurs de la
forme
(1)
1 2 3)(x\
(2 4 6 :Jsoit (x+ 2y + 3z) 2 ,
ce qui correspond la droite de vecteur directeur de coordonnes ( 1, 2),
qui est donc de dimension l , qui est
ain si le rang de l'application . Sur cet
exemple , la relation annonce est bi en
v rifi e pui sque le noy au est de
dimension 2 , gal la dimension de
l'espace de dpart (3) moin s le rang
de l' application (1 ) (voir l'encadr
Dmonstration du thorme du rang
pour une dmonstration gnrale).
Con sidron s un syst me d 'quation s
homognes, comme
x + y + z = O,
x + 2y + 3z =0 ,
3x +4y +5 z = 0.
Son ense mbl e de solution s est le

noyau de l' application linaire de
lI 2 3J .
(1
matrice
3 4
1\
Il s' agit donc d ' un
espace vectorie l dont la dimension est

gale 3 moins le rang de cette matri ce . Pour le calculer, on peut utili ser la
mthode de Gau ss ; on peut auss i oprer directement sur les li gnes ou les
colonnes. Le rang est gal 3 si les
vecteurs colonnes sont libres , c'est-dire si le dterminant de la matrice est
40
no n nul. En utili sant la mthode de

Sarru s, on mo ntre qu 'au contra ire ce
dterminant est nul. Les tro is vecteurs
colonnes sont donc lis. Les deux premiers ne sont pas co linaires , donc
l' espace image est de dimension 2. Le
rang de la matrice est gal 2 . On en
dduit que l' ensembl e des solutions
est un espace de dime nsion 1, c ' est-dire une droite.
Ce renseignement permet une vrification aprs rso luti o n du systme. On
peut galement l' utili ser pour conclu re
si l'on remarque que le vecteur de coordonnes (1 , - 2, 1) est so lution. En effet,
un te l vecteur constitue alors une base
de la droite des so luti ons. Les autres
solutions sont les vecteurs de la for me
t x ( 1, -2, 1), soit : x = t , y = -2t, z = t
o t est une con stante arbitraire .
De faon gnrale, si un systme homogne n inconnues est de ra ng r , l' ense mbl e des soluti o ns est un es pace
vectoriel de dimension n - r.
quiualence des matrices

L'qui valence des matrices concerne des
matrices de m mes dimensions. Considrons A et B des matrices deux lignes
et troi s colonnes pour fi xer les ides.
Elles sont dites quivalentes s' il ex iste
une matrice carre P d ' ordre 3 in versibl e et une matri ce carre Q d ' ord re
2 inversibl e te lles que A x P = Q x B .
Les formul es de c hangements de base
montrent que deux matrices sont qui vale ntes si e lles reprsente nt la m me
applicati on lina ire.
c lairons la dfi niti on et sa caractri sation par un exemple .
Soient A= (
1 2
2 4
( 1
Les matrices
P=
1 0
) et B = ( O
).
0 0 0
1
-1 0
0\
3 J et Q =
-2
~)
SYSTMES LINAIRES
sont bien inversibles, comme le montre
le calcul de leurs dterm inants. D'autre
part , e ll es v ri fie nt bi e n la re la ti o n
de mande . Ces matri ces P et Q pe uvent tre trouves directement, ou en utilisant la caractri sati on qui prcde .
L'qui va le nce des matri ces possde
une caractrisati on trs simple: l'galit du ra ng . Da ns un sens, le rs ultat
est fac ile : deux matri ces qui vale ntes
o nt m me ra ng . Ma is la rc iproqu e
est d li cate.
Dcri vons le ra isonneme nt gnral sur
le cas des matrices A et 8 , qui ont bien
le mme ra ng 1. Co nsidrons l'applicati on lina ire! assoc ie A dans une
base donne de l'espace de dpart. li
s'ag it de trouver une autre base dans
laq ue lle la matrice defest B. Le noyau
de f est de dime nsio n de ux . Nous e n
considrons une base {i , k} . Ces deux
l l~
(2\
(3\
vecteurs peuvent tre ~ I J et
J , par
exemple, car il s sont ind pend ants et

lments du noyau, puisqu ' il s vrifient
l'quati o n x + 2y + 3z = O. On choisi t
a lo rs un vec te ur j te l q ue {i , j, k}
so it une base de l'es pace de d part.
l~J
( 1\
Ce vecteur peut tre
par exe mple
pu isque le dtermin ant du syst me est

alors
-1
0 0 , qui vaut - 1 et est donc
-1
non nul. Dans cette base {i, j , k}, la

matrice de J est do nne par les composantes def(i),f(j) et f(k) crite dans
un e base de l'espace d 'a rri ve qu ' il
nous reste cho isir. Les vecteurs f(i)
et f(k) sont nul s. Il suffit de c ho is ir
1 2 3)( I\ = (1) comme
u=f(j),soit 2 4 6
l~J
Dmonstration du thorme du rang

Considrons une application linaire! d'un espace de
dimension 3 dans un espace de dimension 2 , pour fixer
les ides. Le noyau F def est de dimension o, 1, 2 ou 3.
S'il est de dimension 3, cela signifie que f est nulle,
l'image de f est de dimension o. Le thorme est donc
vrifi. Si le noyau Fest de dimension 2 , il s'agit d'un
plan. On considre alors une droite Gnon incluse dans
F et H l'image de f.
X
1
Si Fest un plan de l'espace et G une droite

non incluse dans F, tout vecteur x de l'espace
se dcompose en x y + z o y est sa projection
sur F paralllement G et z sa projection sur G
paralllement F.
On dfinit une application g de G dans H en posant

g (x ) = J(x) pour tout x appartenant G. Cette application est linaire car f l'est. Si g (x) = o, alors J(x) = o
donc x appartient F, le noyau def. Comme x appartient aussi G, on en dduit que x = o, ce qui prouve
que l'application linaire! est injective. Elle est d'autre
part naturellement surjective puisque, si h est un vecteur de l'image H, il existe x dans l'espace de dpart tel
quef (x ) = h. En dcomposant x sous la forme x = y+ z
o y est dans F et z dans G et en appliquant!, on obtient
f(x ) = j(y) + f(z) , donc g (z) = h puisquef(y) = o et
g (z) = f(z). L'application g est donc surjective, ce qui
implique qu'elle est bijective. Ceci prouve que G et Hont
mme dimension 1. Le thorme est vrifi.
Dans le cas o F est de dimension 1, on recommence en
considrant G un plan ne contenant pas F. Le cas F de
dimension o est impossible car il signifierait que l'espace d'arrive a mme dimension que celui de dpart,
ce qui est faux.
premier vecteur de base, et de complter
41
SAVOIRS
Rang et zros d'un dterminant

X
Prenons l'exemple du dterminant D(x) = x
par un vecteur v tel que {u, v} so it une

base de l'espace d'arrive. Le vecteur
X
On peut facilement le calculer en utilisant la rgle de Sarrus, ce qui ne montre pas comment il se factorise. On peut
galement remarquer que D(l) est nul car ses trois lignes
sont gales, et il en est de mme de D(-1). Comme D(x)
est manifestement un polynme de degr 4 , on en dduit
qu 'i l est multiple de (x- l)(x + 1) . Un calcul plus prci s
montre que D(x) = (x - 1) 3 (x + 1).
Une question se pose alors : pouvait-on prvoir ces exposants ? Pas totalement , mais la rponse est lie au rang des
matrices sous-jacentes. Prenons le cas de A(l), la matrice
correspondant D(l ). A(l) est de rang l pui sque toutes
ses lignes sont gales. A( l) est donc quivalente la matrice
( 1 0
o,
0) .
O O
Ceci signifie qu ' il existe deux matrices inver0 0 0
sibles P et Q telles que A(l) = PBQ . Considrons alors
B(x) = p- 1 A(x) Q- 1, soit A(x) = P B(x) Q . En passant aux
dterminants, il vient: D(x) =det(P) det[B(x)] det(Q). Les
rgles de calcul des dterminants montrent que les coefficients de B(x) sont des polynmes en x. Comme ils s'annulent tous en 1,
sauf celui en premire ligne et premire colonne, il s
sont tous multiples
de x - l , ce qui
prou ve que x - 1
peut tre mis en facteur des deuximes
et troisimes lignes
de det[B(x)]. Autrement dit , ce dterminant , e t don c
D(x), est multiple
de (x - 1)2 . Ainsi,
un simple calcul de
rang permet de prvoir qu e D (x) est
Rangs de bambous la
multiple de
(x- 1)2 (x + 1).
bambouseraie d' Anduze.
42
(~)convie nt.Dans la base {i,j, k} de

l'espace de dpart et la base {u, v} de
l'espace d'arrive, la matrice def est donc
(0o 0I o)0 ,ce qui.prouve que A et Bsont

q ui va lentes. Le raiso nnement appliqu dans ce cas particulier est gnral ,
ce qui prouve le rs ultat.
Nous e n dduisons que s i une matrice
est de rang 1, e lle est q ui valente la
matrice dont la premire co lonne est le
vecteur de coordonnes ( 1, 0 ... 0) et les
autres nulles puisque celles-ci est manifestement de rang 1. Si une matrice est
de rang 2, e ll e est quiva le nte la
matrice dont les deux premires colonnes
sont les vecteurs de coordonnes
( 1, 0, 0, ... , 0) et (0, 1, 0, ... , 0) et les
autres nulles, et a in si de su ite pour les
matr ices de rang 3, 4, etc. Une telle
matrice a la parti c ul a rit d'avoir le
mme ra ng que sa transpose.
Cette proprit se transporte ai ns i
toute matrice. Soit A une matrice, e lle
es t q ui va le nte une matrice B du
type prcdent : A x P = Q x B . En
transposant cette ga lit, o n obt ient :
1
P x 1A = 18 x 1Q, ce qui prouve que les
transposes de A et B so nt quivalentes. Or B et 1B o nt mme rang, donc
A et 1A auss i. Toute matri ce a le mme
rang que sa transpose , donc le rang
des vecteurs li g nes est cel ui des vecte urs co lo nnes.
H.L.
EN BREF
par Jean-Alain Roddier
Petits problmes lis l'inuersion

d'une matrice carre
l'inuersion d'une matrice carre permet de rsoudre
de nombrem1 problmes, acommencer par les systmes
de Cramer de nquations indpendantesaninconnues.
le calcul de l'inuerse
Permuter les lments

d'une matrice
A est la matrice (: !) .
Par quelle matrice devons-nous la multiplier
pour obtenir une permutation circulaire de
ses lments dans le sens des aiguilles d 'une
montre ?
Soit A une matrice carre d'ordre n. In verser A, c'est trouver

une matriceA 1 telle que: A"1A = AA-1 = I,,o 111 est la matrice
identit d 'ordre n, qui comporte des 1 sur la diagonale et
Le problme consiste trouver une matrice

X (si elle existe), telle que :
des 0 partout ai lleurs. On sait dj que A-1 ex iste si et seulement si le dterminant de A, not Det(A), est non nul.
Dans ce cas , cet inve rse est unique , et on peut l'exprimer
l'aide de ce qu ' on appelle les dterminants partiels . Pour
A matrice carre, o n appell e dterminant partiel de rang
On peut considrer l'galit prcdente comme

une quation, d'inconnue X.
(i,J) , not Du, le dterminant de la matrice d'ordre (n - 1) obtenue en supprimant de la matrice A la ligne i et la colonne).
Alors , l'inverse de A est la matrice B d'ordre n dont l'lment
bu, itu l'intersection de la i-me ligne etde laj-me colonne

(- Jy+ i D ..
'} .
b =
Si A est inversible, il suffit de multiplier

chaque membre ( gauche) par A-1, ce qui
donne :
est:
1
'
Det(A)
Dans le cas n = 2 o u 3, o n reconnat, pour les solutions du
systme d'quations AX = B , les formules , dites de Cramer,
Le calcul de l'inverse donne
en posant X =A- 18.
1 (
A"'=---
Trouuer l'inuerse
e a Cayley-Hami ton
d -b)
a
ad-be - c
Tous calculs faits , on trouve :

1
( de - bd
X= ad - be~ ad - c
Le thorme de Cayley- Hamilton tablit que si PA(X) est le polynme caractristiq ue d'une matrice A d'ordre n, alors
PA(A) = 0 , o PA(A) est la matrice obtenue e n remplaant X
par la matrice A et la consta nte e par cl,, dans le po lynme
caractristiq ue de A.
da - b 2 \
ab - ea)
Remarque :on peut, de mme , trouver une

1
unique matrice Y= (: :) A (diffrente de
X) telle que :
Si A est inversible , on montre que cette constante e est non

nulle. Ceci nous permet , partir de l'ga lit P A(A) = 0, de
l'isoler dans un des membres et d'en dduire l'inverse de A en
fonction de A.
Ainsi, si le polynme caractristiq ue d'une matrice carre
d 'ordre 2 est P(X) = X 2 + SX + 7 , le thorme de Cayley-
Si A n'est pas inversible, c'est que les deux

lignes sont proportionnelles.
A s'crit par exemple: ( a
ka kb
avec k O.
'*
b),
Hamilton affirme que A2 +SA+ 712 = O.

On )'crit : A2 +SA= - 71 2 ou encore A (A + 512) = - 712 .
L' inverse de A est donc la matrice
-1
On montre alors que la matrice X existe si

b =ka . Nou vous laissons poursuivre .. .
(A+ 512).
Hors-srie n 44. Les matrices Tcingente
43
SAVOIRS
les nombres comple,ces
comme ensemble de matrices
Au dbut des annes 1970, les mathmatiques modernes

faisaient rage : dans le programme de terminale C, o n
dfinissait les nombres complexes l'aide des matrices. De
nos jours, elles ne sont abordes que dans l'enseignement
suprieur. Comment une telle ide a-t-elle pu venir des
pdagogues, voici quarante ans ?
i la mthode prne par les
mathmatiques modernes
n ' est pas pdagogique , elle est
pourtant trs sduisante. Prsentonsla avant de rflchir sa philosophie .
Considrons les matrices carres suivantes d ' ordre 2 :
S
M .b
= (:
-:) ,
o a et b dsignent des
nombres rels. Il est clair que cet ensemble

G de matrices dfinit un sous-groupe
additif de l'ensemble Mi (!RI) des matrices
carres coefficients rels. Le produit
des deux matrices Ma ,b et M c,d de ce
type est la matrice M ac-bd,ad+bc
On remarque l'analogie avec les complexes , pu isque le produit
(a+ ib)(c +id)= ac - bd+ i(ad + be).
C'est pourquoi, si l'on dfinit l'application
f de IC dans G par f(a + ib) = M a,b et si
l'on note z = a + ib et z' = c + id , on
obtientf(z + z') =f(z) + f(z') et
f( zz') = f(z)f(z'). Comme, de plus,f est
bijective (c'est--dire qu ' chaque nombre
44
complexe z correspond un lment et

un seu l de G),f transporte les oprations de IC sur ce lles de G. On appelle
ce phnomne un isomorphisme. Mathmatiquement , les deux ensembles ont
exactement les mmes proprits. On
peut donc les identifier. Il reste comprendre pourquoi ceci marche bien .
les complexes et les rotations

On doit Jean-Robert Argand la configuration plane des nombres complexes ,
mais cette vision s'est dveloppe aprs
1820 (voir en encadr). L' un des intrts de cette reprsentation est de voir
quel 'on peut assimi ler le plan euclidien ,
muni d ' un repre orthonorm, l'ensemble des nombres complexes. Ainsi,
au point M de coordonnes (a, b) dans
ce repre , on associe le nombre complexe z = a+ ib appel affixe de M. De
nombreu ses proprits en dcoulent.
Ainsi, si z et z' sont les affixes de M et
Tcingente Hors-srie n44. Les matrices
SYSTMES LINAIRES
M', z + z' est celle du point N tel que
OM + OM ' =ON. Par ailleurs, le module
de z correspond la norme (c'est--dire
la longueur) de OM . On transforme
ai nsi les oprations vectorielles en oprations dans un ensemble de nombres.
Cependant, l'addition dans les complexes
est la mme que celle dans IR 2 , et ce que
nous venons d 'noncer n'a rien de surprenant. Le plus intressant concerne la
multiplication par un nombre complexe.
S ' il est de module 1, on sait qu ' il peut
s'crire u =e;o_ Multiplier un complexe
z, affixe du point M , correspond appliquer M une rotation de centre O et
d'a ngle e. Ainsi, la multiplication par
i = 712 n'est autre qu ' une rotation d'angle
:n:/2 ou, si l'on prfre, de 90 . Prenons
un autre exemple avec
J /2 + iJ / 2 = eird4
et M d 'affixe z = 1 + i. Considrons N
d 'affixe z ' =eird4 z = iFz.
C'est bien l' image de M par la rotation
de centre O et d'angle :n:/ 4.
De la mme fao n, il est clair que multiplier un nom bre comp lexe z par un
rel positif correspond gomtriquement oprer une homothtie de rapport
r. Plus gnralement , la multiplication
de z par un nombre u = re;o induit une
similitude de rapport r et d'angle e, c'est-dire la compose d ' une rotation d 'angle
et d ' une homothtie de rapport r
(ou inversement) .
Regardons ce qu'il se passe au niveau

matriciel. Si u = re;o =a+ ib, la rotation
d 'angle
-sine) ;
ea pour matrice (cose
.
sine cose
quant la similitude de mme angle et

de rapport r, sa matrice est
M
( ab
= ( rcose
. -rsine) , donc de la forme
rsine rcose
-b). Ainsi nous voyons qu ' chaque

(I
complexe non nul u = re;o =a+ ib correspond une simili tud e de centre 0 ,
la vision plane des complexes :

toute une histoire I
Si, de nos jours, les nombres complexes nous semblent attachs au plan, il fallut deux sicles pour
introduire cette vision gomtrique. John Wallis en
avait bien eu l'ide sans toutefois faire le lien entre
les oprations sur les complexes et les transformations gomtriques.
Le Danois Caspar Wessel est le premier en 1797
crire un essai sur ce thme. Publi deux ans plus
tard dans son pays, son article passe totalement
inaperu. Il faut attendre 1897 pour que Sophus Lie
le retrouve et le fasse publier en franais.
Entre temps, Jean-Robert Argand publie compte
d'auteur, sans mentionner son nom, un Essai sur la
manire de reprsenter les quantits imaginaires
dans des constructions gomtriques. Il l'envoie
Legendre, qui le transmet au mathmaticien Franois Franais. Celui-ci meurt peu aprs. Par chance,
son frre le trouve et le fait publier dans le Journal
de Gergonne, en prcisant que l'auteur en est inconnu.
Argand dvoile alors sa paternit.
unique , note Su, de telle sorte que l 'affixe de l' image d ' un point M par Su so it
le produit de u par l'affixe de M . On
retrouve un phnomne d ' isomorphisme .
On peut donc identifier les deux ensembles
IC et G. Non seulement ils sont en bijection , mais les oprations sur l' un et sur
l'autre se correspondent. On a ai nsi transform un problme de gomtrie en des
oprations lmentaires sur un ensemble
algbrique.
Poursuivant cette ide, William Hamilton a longtemps cherch un ensemb le
de nombres qui puisse de la mme faon
reprsenter les rotations de l'espace par
une multiplication. Il a ai nsi introduit
les quaternions. Cet ensemble n'est pas
commutatif: rien d ' tonnant , le produit
de deux rotations de l'espace ne commute pas en gnral !
B.H.
Hors-srie n 44. Les matrices Tc:ingent:e
45
par Bertr
h cor
Proprits affines
et proprits mtriques
En gomtrie, les notion s de droites, de plans, de
parall li sme , d'intersection , peuvent se dfi nir
sans faire appel des longueurs ou des angles :
on parle de proprits affines. Lorsqu'on ajoute la
notion de di stance , qui entrane celle d 'angles, on
traite de proprits mtriques.
Ainsi, la dfinition d ' un paralllogramme , obtenu
comme intersection de deux couples de parallles,
relve de l'affine . Celles de rectangle ou de carr
est du ressort de la mtrique , pui squ 'on doit introduire la notion d 'angle droit ou d 'galit des cts.
La thorie des espaces vectoriels formalise la gomtrie affine. Pour introduire les proprits mtriques,
il faut lui ajouter la notion de produit scalaire.
Au lyce, on dfinit le produit scalaire de deux
vecteurs comme un nombre rel correspondant au
produit de la longueur de l' un d 'entre eux par celle
de la projection orthogonale de l'autre si les deux
sont de mme sens, par son oppos sinon. Rciproquement, si on connat le produit scalaire, on
rcupre la notion de longueur en prenant la racine
carre du produit scalaire par lui-mme et le cosinu s d ' un angle en divi sant le produit scalaire des
deux vecteurs par le produit de leur longueur.
Dans le cadre axiomatique de la thorie des espaces
vectoriels introduite par Peano , on appelle produit
scalaire une fonction bilina ire f, qui associe
deux vecteurs et v un nombre rel, de telle sorte
que s i le vecteur n'est pas nul,f(, ) > O.
On en dduit les notions d 'ang les et de longueur
(on parle de norme d ' un vecteur) comme expliqu
prcdemment.
On peut ainsi intgrer la gomtrie mtrique dans
le cadre des espaces vectoriels , qui , s' il s sont de
dimen sion finie, sont alors bapti ss euclidiens en
l' honneur d 'Euclide qui , le premier, avait dfini ,
troi s sicles avant Jsus Chri st , une axiomatique
de la gomtrie associant tant les proprits affines
que mtriques.
46
Andr-Louis Cholesky
Oui tait CholeskY ?

Durant de nombreuses annes, le monde mathmatique ignorait qui l'on devait le nom de la dcomposition de Cholesky (voi r dans le dossier sui vant).
Lors d ' un congrs mathmatique au Japon , l' un des
participants s'cri a Mais qui est donc Cholesky?
Personne ne sut lui rpondre ...
Le compte rendu de la sance tomba sous les yeux
d ' un tudiant de l'Universit de Bordeaux . Il reconnut le nom des voisins de ses parents Montguyon ,
en Charente-Maritime. Aprs une enqute, il dcouvrit que Pierre-Loui s Cholesky ta it bien en famille
avec ces gens- l.
Fils de restaurateurs , Cholesky est entr !' co le
polytechnique en 1895 . sa sortie, il intgre l'arme.
Affect la section gods ique du service gographique, ses aptitudes thoriques sont vite remarques
et ses ides nouvell es trs apprc ies. Pour amliorer les mthodes dans cette branche, il est amen
tudier des systmes d 'quations lina ires. Il met au
point un procd de rsolution, qui ncessite la dcomposition matricielle qui porte dsormais son nom. Il
poursuit ses activits en Crte , en Afrique du Nord
pui s en Roumani e durant la Premire Guerre mondiale. Revenu en France, on l' envoie sur le front, o
il tombe deux mois avant l'armistice l'ge de 43
ans . Ses travaux sont publis de manire posthume,
en 1924, dans le Bulletin godsique, sous le titre
de Procd du commandant Cholesky.
Tangente Hors-serie n44. Les matrices
EN BREF
Transpose
d'une matri,e
Matrices symtriques
et antisymtriques
La transpose 'M d'une matrice M ayantp lignes

et n colonnes s'obtient e n changea nt ses lignes
et ses colonnes. Ainsi 'M possde n li gnes et p
colonnes et le terme de la /me li gne et la /-me
colonne de M devient celui de la/-me ligne et la
/me colonne de 'M .
On appelle matrice symtrique une matrice

carre gale sa transpose . Elle est donc
invariante par sy mtrie par rapport la diago nale , ce qui explique bien sr son nom .
Les matrices diagonales sont des cas particuliers
de matrices symtriques .
Exemple: si M = ( ~
4 5\
! !) ,
(l
alors 'M = l ~
! ~J
4\
est une matrice symtrique .
~ J.
Si la matrice est carre, la transposition correspond intervertir les termes symtriques par
rapport la diagonale. L'opration qui transforme Men 'M est involutive, c ' est dire que
la transpose de 'M n'est autre que ... M !
Diverses proprits se conservent par transposition ;
c'est le cas du rang pour toutes les matrices,
rectangu laires ou carres : rappelons que le rang
d'une matrice est la dimension de l'espace vectoriel engendr par les colon nes de la matrice,
c ' est--dire le nombre maximum de vecteurs
libres que l'on peut trouver parmi ces co lonnes.
Pour les matrices carres , le dterminant , le
polynme caractristique, les valeurs propres,
sont conservs par transposition. De plus une
matrice est semblable sa transpose; en d' autres
termes , si M est la matrice d'une application
linaire u dans une base , il existe une autre base
dans laquelle sa matrice est 'M.
Le thorme spectral affirme que toute

matrice symtrique est diagonalisable, et, qui
plus est, l'aide d ' une matrice de passage
orthogonale.
On peut l'exprimer matriciellement : tant
donn une matrice symtrique S , il existe une
matrice orthogonale P et une matrice diagonale D telles que S = P D 'P, o 'P = P- 1.
On appelle matrice antisymtrique une matrice
carre gale l'oppose de sa transpose.
Une consquence est qu'elle ne comporte que
des 0 sur la diagonale.
( 0
-5\
~J
Ainsi,A=l-4 ~
5
6
est une matrice antisymtrique.
Pour toute matrice carre M, (M + 'M) / 2 est
une matrice symtrique tandis que (M - 'M) / 2
est antisymtrique. On en dduit que toute
matrice carre M se dcompose de manire
unique en la somme d'une matrice symtrique
et d'une matrice anti symtrique .
Il suffit d'crire:
M = (M + 'M)/2 + (M-'M)/2.
Hors-srie n 44. Les matrices Ta.n9ent:e
47
SAVOIRS
le thorme de
Cayley-Hamilton
Pivot de la rduction des endomorphismes, le thorme de
Cayley-Hamilton porte le nom de l'astronome et mathmaticien
William Hamilton et de l'algbriste Arthur Cayley. Pourtant, la
premire dmonstration gnrale est due l'Allemand Georg
Frobenius en 1878.
n endomorphisme est une application linaire d' un espace vectorie l dans lui-m me . Son
expression dan s une base, ou la donne
de sa matrice, ne permet en gnral pas
de le visualiser simplement , a fortiori de ('tudier.La rduction des endomorphi sme s consiste dco mpo ser
l'espace en sous-espaces vectoriels en
sommes directes, sur lesquel s l'endomorphi sme est le plus simple possible (vo ir la partie suivante de ce hors
srie). La matrice de l'endomorphi sme
dans une base respectant ces sous-espaces
vectoriels est alors trs simple ; au
mie ux e lle est di ago nal e (c'est--d ire
aya nt des O en dehors de la diagonale),
sinon e ll e contient beaucoup de O e n
dehors de la diago nale .
Une uue gomtrique

Prenons l'exemple d' une symtries par
rapport un plan P de l'espace (not E).
Si on dcompose E en la somme P + D,
48
o P dsigne le plan de la sy mtrie et D

la droite paralllement laquelle on effectue la sy mtrie, la restriction de s P est
l' identit et celle des D est l'oppos
de l' identit. L'endomorphi sme se parat
ds lors d ' une expression trs si mpl e
dans cette dcomposition : en choi sissa nt une base dont les deux premiers
vecteurs sont dans P et le troi sime dans
D, la matrice des est di agonale avec respectivement 1, 1, - 1 sur la diagonale.
On est ainsi amens rechercher les vecteurs u colinaires leur image, c'est-dire vrifiant! (u) = u o dsigne un
nombre rel. Un te l vecteur s'appelle un
vecteur propre et une valeur propre. Pour
trouver cette dernire , il suffit de chercher les rels pour lesq ue ls f- ldE
s'annule pour des vecteurs non nul s. On
calcule alors le dterminant de f- ldE
en considrant comme une inconnue.
Le polynme en obtenu s'appelle le
polynme carac1ris1ique de f. Son degr
est ga l la dimension de l'espace, et
ses racines sont les valeurs propres. Dans
SYSTMES LINAIRES
la pratique, o n calcule le dterminant en
utilisant une matrice M reprsentantf. Ce
polyn me s'appe lle do nc aussi le polynme caractristique de M . On en dduit
d'autre part que ce polynme ne dpe nd
pas de la base da ns laque lle o n ex prime
la matrice def. En d'a utres termes, deux
matrices semblables o nt le m me po lynme caractristique !
Donnons un exemple: consid rons !'endomorphisme f de IR 2 dfi ni par
f(x,y) = (2x +y; x + 2y) . La matrice de
f da ns la base usue lle de IR 2 est do nc
M = (~ ~). La matricedef-.l~ , s'crit
2
(
~ ).
~ ).) , donc son po lyn me carac-
tristique est . 2 - 4. +3. Les rac ines e n

sont 3 et 1 ; ce sont les vale urs pro pres.
O n remarque a lors que u = ( 1, 1) v rifie f(u) =3u et que v =(1, - 1) satisfait
f(v) = v. Les vecte urs u et v sont de ux
vecteurs propres . Le couple (u , v) fo rme
une base dans laque lle la matrice de f
s'cnt N =
(30 0)
1
C'est une matrice diago na le.

Po int d 'orgue de cette thorie, le thor m e d e C ay ley- H a milton a ffirm e
qu 'tant do nne une matrice carre M ,
s i l'o n re mpl ace . pa r M da ns l'express io n de son po lyn me carac t ri stique, o n o btie nt O. Da ns ce calc ul , le
terme consta nt (no t a) du po lyn me
es t re mpl ac pa r al , o l ds ig ne la
matrice ide ntit. On dit que le po lyn me caract ri stique de M est un polynme annulateur po ur M .
V rifi ons ce calc ul sur no tre exemple:
M 2 - 4M + 31 =
(! :)-4(~ ~)+3(~ ~)=o

Le thor me est v ri fi !
Georg Frobenius,
un mathmaticien II normal II
Georg Frobenius est fils de pasteur. Il tudie dans
les universits de Gittingen et Berlin o il suit les
cours de Kronecker, Kummer et Weierstrass. Son
doctorat en poche, il enseigne d'abord en lyce puis
l'Universit de Berlin et enfin l'cole polytechnique
de Zurich. Il s'intresse la thorie des groupes, considre en elle-mme et non comme un outil. Dans ce
cadre, il dmontre en 1874 les thormes de Sylow puis,
se tournant vers l'algbre linaire, celui de CayleyHamilton en 1878.
Par la suite, il s'intresse la thorie des corps et
celle des algbres. Il dmontre dans ce domaine plusieurs rsultats importants, parmi lesquels le thorme qui porte dsormais son nom : toute algbre de
dimension finie sur IR, sans diviseur de zro, est isomorphe IR, C ou au corps non commutatif des
quaternions d'Hamilton.
Hamilton et ses quaternions

A u d but du XIXe s icle, Arga nd propose de reprsenter les nombres complexes
sur un plan muni d ' un repre orthonorm
(0 , u , v) . Ainsi on assoc ie au point M de
coordonnes (x, y) dan s ce rep re le
nombre complexe z = x + iy, que l' on
a ppe lle l'affixe de M . La mu ltip licatio n
pa r le compl exe z = e;;, correspond
op re r une rota tion d 'ang le .. A stronome et mathmaticien William Hamil ton cherche gnra li ser cette proprit
pour les rotations de l'espace . Il cho ue
d 'abord e n c he rc ha nt con struire un
e nsemble de nombres de dimens ion 3,
comme celui des complexes est de dimens io n 2. Souda in il a l' ide d ' introduire
un espace de nombres de dime nsion 4 .
Il re ma rque e n effet qu ' il fa ut qua tre
pa ra m tres pour d finir une rota ti o n
d 'axe passant par l' origine: trois po ur
dfinir un vecte ur de l ' axe, et un dernie r
pour l'angle. Se promenant tranquillement
49
SAVOIRS
Cayley-Hamilton
Dmonstration du thorme
Pour dmontrer le thorme de Cayley-Hamilton, il
suffit de montrer que le polynme caractristique
d'une matrice est annulateur pour celle-ci. Plaonsnous sur le corps des nombres complexes. Nous savons
alors que toute matrice est semblable une matrice
triangulaire suprieure. Il suffit donc de montrer le
rsultat pour une telle matrice (note M) et d'ordre
n. Supposons d'abord que M possde une valeur
propre unique, note .. Alors M - .In est triangulaire
suprieure avec des zros sur la diagonale. Elle est
nilpotente d'ordre n, donc (.I - M)" est la matrice
nulle, ce qui montre le rsultat pour cette matrice.
Prenons maintenant M triangulaire quelconque.
Notons\, . 2 , , .P les termes diagonaux distincts et
1 , 2 , ,/leurs nombres d'apparitions respectifs ;
appelons un endomorphisme de matrice M dans
une base. Le polynme caractristique de M est clairement P = (\ - X) ,(. 2 - X)2 (.P - XYP. Par le
thorme de dcomposition des noyaux, on sait que
le noyau Ker(P(f)) est la somme directe des espaces
F; = Ker (.; - JYi et que ces espaces sont stables par
f En choisissant une base adapte aux sous-espaces
F;, la matrice N def dans cette base est compose de
blocs, cheval sur la diagonale, de matrices N; triangulaires suprieures d'ordre i avec un mme terme
; sur la diagonale. Par ce qui prcde, on dduit que
(; - NiYi est la matrice nulle. Il est clair alors que
(\ - N)'', (. 2 - NY 2 (.P - N)P est nulle galement.
Comme M et N sont semblables, P(M) est nul aussi,
ce qui achve la dmonstration. Une matrice relle pouvant tre considre comme complexe, le thorme
est prouv pour ces matrices.
avec son pouse ce 16 octobre 1843 , il

court soudain graver sur le Brougham
Bridge la notion de produit qu ' il vient
d ' inventer : les quaternions taient ns !
Dix ans plus tard, Hamilton fait paratre
un ouvrage, Lectures on Quaternions, dans
lequel il tudie les propri ts de ces
nombres et leur utili sation pour la description des transformations de l'espace.
C'est dans ce cadre, e n recherchant
l'ex press ion de l' inverse d ' un quater-
50
nion , qu ' il d montre que ces tran sformation s et leurs itres vrifient une
quation. Cependant, il n'nonce aucun
thorme gnral.
Cayley et les matrices

Aprs avoir utili s les matrices comme
des tableaux de nombres pratiques
manier pour l'tude des systmes linaires,
Arthur Cayley se rend compte que l'on
peut les sortir de le ur contexte et les
apprhender comme des lments d ' un
ensemb le. On peut alors les manier en
quelque sorte comme des nombres, en dfini ssant dessus des oprations de somme
et de produit. En 1858 , il publie cette
nouvelle approche dans un article inti tul A Memoir on the Theory of Matrices.
Il s'aperoit que chaq ue matrice vri-
fie une quation algbrique de son propre

ordre (c'est bien sr le polynme caractristique) et s'merveille alors d 'avo ir
trouv un remarkable theorem , qu ' il
considre comme le point central de sa
thorie et qu ' il nonce ainsi:
The determ inant, having for its matrix a
given matrix less the same matrix considered as a single quantity in volving th e
matrix unity, is equal ta zero.
Le dterminant dont la matrice est une
matri ce donn e moins la mme matri ce
considre co mme un e simple quantit
associe la matri ce unit est gal zro .
On sent bien Cayley mal l'aise pour

noncer ce rsu ltat. En effet , au lieu de
ca lculer le dterminant de M -. I , pui s
de remplacer . par M , comme nous le
faisons de nos jours, il pl ace directement M dans la matrice en la considrant comme une quantit si mple ( a
single quantity ) c ' est--d ire comme
un nombre .
Dans son nonc , Cayley ne fai t auc une
rfrence la taille n de la matrice. Pour
SYSTMES LINAIRES
1
la dmo nstration, il se place avec une

matrice M =(:
;) d 'ordre n =2. Il cal-
cule le dterminant de (
0
-
d-M
),
so it M 2 - (a+ d)M + (ad - bc)M 0 . En

posant M 0 = 12 , on vrifie aisment par
le calcul que l'on obtient la matrice nulle .
Cay ley affirme alors avo ir montr ce
rsultat pour n = 3 et soutient enfin qu ' iI
n'est pas ncessa ire de le prouver dans
le cas gnral.
Un exemple explicite
Considrons l'endomorphisme f de dfini par
J(x, y , z) =(2X + y + z, x + 2y + z, x + y + 2Z).
Un calcul facile montre que le polynme caractristique est P = (1 - X) 2 (4 - X).

Les valeurs propres sont donc 1 et 4.
L'image du vecteur u 1 = (1, 1, 1) est (4, 4, 4) = 4(1, 1, 1),
ce qui montre que u 1 est un vecteur propre associ la
valeur propre 4.
Par ailleurs, six+ y+ z = o, alorsf (x, y, z) = (x, y, z)
donc l'espace propre associ la valeur propre 1 est
le plan d'quation x + y + z = o.
En choisissant une base (u 2 , u 3) de ce plan, on obtient
une base (ui> u2 , u3) de l'espace, dans laquelle la matrice
N de f est diagonale avec respectivement 4, 1 et 1 sur
la diagonale.
Il est immdiat de constater que (41 3 - N)(I 3 - N) est
nul. Ainsi le polynme minimal (1- X)(4 - X) divise
le polynme caractristique (1 - X)2(4 - X), comme
l'avait dmontr Frobenius.
en 1878 la premire dmonstration

rigo ureuse du thorme de CayleyHamilton dans le cas gnral.
Ferdinand Georg Frobenius

(1849-1917).
Georg Frobenius
et la rigueur allemande
Moins conn u que les deux mathmaticiens prcdents, moins original et
moins excentrique aussi, l 'A llemand
Georg Frobenius est un mathmaticien
conscienc ieux qui s'attac he dvelopper des thories rigoureuses. Il est
amen reprendre la thorie de Cayley
dans le cadre de l'tude des formes bi linaires symtriq ues . Il justifie et complte les rsultats noncs par son
prdcesseur. C'est ains i qu'il fournit
En fait, le polynme caractristique n'est

pas le seul polynme an nul ate ur d ' un
endomorphi sme ou d ' une matrice . On
montre qu ' il existe un polynme unitaire unique annu lateur de degr minimal. Alors les polynmes ann ul ateurs
sont exactement les multiples de ce polynme, appel polynme minimal. Le
thorme de Cayley-Hamilton revient
alors dire que le polynme minimal
d ' un endomorphisme (ou d'une matrice)
divise so n polynme caractristique.
Frobenius dmontre que ces deux polynmes possdent en fait les mmes facteurs irrd uctibles, ceux-ci pouvant
apparatre avec un exposant infrie ur
dans le polynme minimal que dans le
polynme caractristique .
B.H.
51
SAVOIRS
par Franois Lavallou
les fonctions
homographiques
Fonction clef de la gomtrie projective, la fonction
homographique reste tudie au lyce sous une forme
cache, sans jamais en montrer le lien avec les matrices.
Elle suscite pourtant un intrt nouveau et est au cur de
recherches mathmatiques modernes.
e la dsintgration des programmes scola ires, due a u
souc i de ne pas confro nte r
notre progniture la traumatisante
exp rie nce d ' un effort inte llectue l, ne
subsiste nt que des notio ns parcella ires
de constructio ns math matiques cl assiques. Des ruines de ces monume nts
merge la fo nction homographique , o u
fo nction de Mobius, qui n 'est rie n
d 'a utre , d ans la m ajorit des cas ,
qu ' une .. . hyperbo le camo ufle .
Hyperboles caches
Rappe lo ns que lques proprits ana lytiques des quation s de coniques. Une
co nique est une courbe pla ne do nt
l'quatio n gnrale , dans un rep re
R(O , x , y ), est du second degr:
a x 2 + b x y + c y2 + d x + e y + f = 0 .
Si un po int (x, y) de cette courbe peut
s'lo ig ne r l' infini , les te rmes du
52
second degr ax2 + b.xy + cy2, qui sont

vite pr pondrants dans l' quatio n de
la conique, do ivent tre de somme
null e .
Pui sque
ax 2 + bxy + cy2
2
= (a + bp + cp2)x , avec p = y/ x, la
directio n p dans laque lle un po int peut
partir l' infini do it alors tre solutio n de l' quati on du second degr
a + bp + cp 2 = O. Son di scrimina nt
~ = b2 - 4ac caract ri se le type de
conique:
si~ < 0 , pas de d irection l' infi ni, la
conique est une e llipse ;
s i~= 0 une seule d irectio n l' infi ni,
la conique est une parabole d ' axe
parall le cette direction ;
s i ~ > 0 de ux directi o ns sont poss ibl es l' in fi ni , qui re prse nte nt
ce ll es des asy mpto tes d ' une hy perbo le .
Cons idrons la plus simple des quati o ns d ' une hy pe rbo le , celle d ' une
hy pe rb o le quil at re : x y = 1. Ses
SYSTMES LINAIRES
asymptotes sont les axes du repre.
Ell e est souvent prsente sous la
fo rme fo nctionnelle y= f (x) = 1 / x.
Les mathmatiques sont l'art du di scernement et s'attachent au fo nd plutt
qu' la forme. Si nous effectuons une
translation de vecteur (a, ~) et une
homothtie de rapport 1 / k sur notre
hyperbole quil atre, sa fo rme ne sera
pas change, contrairement son qua.
.d .
R
kz
,
twn, qui ev1ent y = JJ + - - , c estx- a
, d'1re y = Bx + k2 - aB . L e cas gene, ,
ax- a
ra i des courbes d'quation y= ax + b.

cx + d
reprsente donc des hyperboles quil atres, auxquelles sont ajoutes des
droites (pour c = 0). Depui s Michel
Chasles ( 1793- 1880), ces fo ncti ons
so nt d nommes homographies, du
grec homos ( semblable ) et grafein
( cri re, dessiner ), car l'hyperbole
admet une symtrie centrale et possde
deux branches identiques.
Composition de fonctions
homographiques
Calculons la composition des deux fonctions homographiques J( x )= ax+b et g (x )= a 'x +b ' Par dfinicx +d
c 'x +d '
tion , nous avons (Jog)( x )= ag( x )+b , et le calcul
cg( x )+d
donne :
(!
og )( X )
a' x +b'
a c 'x+d'+b
I
ca x+ b ' +d
c' x +d '
(aa '+bc')x+(ab'+bd ')

( ca '+dc' ) x+ ( cb '+dd' ) '
Le premier constat est que la composition de deux

homographies est une homographie. Cette proprit fut
dcouverte par Carnot en 1803, en tudiant le problme
de Castillon . L'ensemble des homographies est donc
stable par la composition des fonction s.
Si on associe naturellement la matrice A
l' homographie f et la matrice B
f (x) =
ax + b
est entire-
cx + d
!)
a' b
\ c' d '
= (
Il est mani fes te que la fo nction homographique
= (
\)
l' homo-
graphie g , on constate que la matrice associe la composition f O g des homographies est le produit A X B des
matrices. Voir l'article en pages 132 134.
ment dtermine par les coeffi cients a,

b, cet d. La compos ition des homographies, effectue en encadr, justifie la
notati on matricielle de y
( a
y=~ c
ax + b par
cx +d
b \
d ) x.Composer deux fo nc-
tions homographiques rev ient alors

calculer un produit de matrices. Mais si
chaque matrice correspond une fonction homographique unique, une
homographie est associe ... une infinit de matrices ! Pui sque une homographie est un rapport de fo nction linaire,
les coeffic ients sont dfi ni s un fac teur
prs. Ainsi, pour tout nombre rel non

nul a, les matrices a A dfini ssent la
m me homographie que la matrice
.
A. L' homographie
ax +b
y = - - peut
cx + d
s'crire y = !:!. _ ad - be x - - 2
c
C
X+d f C
Elle apparait ainsi cl airement comme
la composition d ' une translation, d ' une
inversion, d ' une homothtie et enfin
d' une dernire translation. Pui sque la
translation x ~ x + a est reprsente
53
Les fonctions homographiques
Utilisons la coordonne non homogne
no us avo ns la confirmati on que no us

sommes e n prsence d ' une invo lutio n,
la fo nctio n f tant sa propre inverse :
(f oj)(x) = x.
En utili sant la re prsentatio n matri cielle, no us po uvons dterminer rapideme nt )'ensemble des homographies
involutives. Pui sque:
z =x / y, dfinie
' .
., ,
( ax \
dans I art1c 1e, comme assoc1ee a un vecteur
ay ) .
Nous noterons pour simplifier
z=
[ ;
Avec cette notation (qui fait intervenir des crochets et

que nous allons retrouver dans l' article), nous avons:
Y
y= [ 1
l(
=~ e
A2
b \ ( x \ [ ax+b ] ax+b
d Hl)= ex+d =ex+d
po ur tr(A) = a + d
A2)
a
[ e
= 0, no us obte no ns:
b(a +b) \) ,
d 2 + be
a +be
O
\
a + be ) '
2
qui est bie n une matrice associe

l' ide ntit! Po ur qu ' une ho mographie
so it son pro pre inverse, il suffit do nc
que la trace de sa re prsentation matri-
, de sorte que nous pouvons crire :
y=
(l a + be
e(a +d)
Nous allgeons encore cette criture en assimilant y et
[~ l
b ] X=
ax+b
-d
ex+d
2 x -3
. s,. y = c1.e Il e so .it nu Il e. A 'ms,,
,
Sx-2
par la matrice ( l a \
O
)
s ion x
~ l / x par J = (
et l' inve r-
no us po uvons directe ment crire:
x
).
,r
a r ~a
r
(l -( ad - be)/ e
0 \
( 0 1 \ ( 1 d ie\
X~ )
1( a b \
d
~~ e
~ ~
= (
) ,
et l' hyperbole quilat re
d 'quation y = f (x)
matnce
54
( 0
= ~
=1/ x
est lie la
1 \ p .
1 0
go naux sont gaux, le calcul pe ut aussi

tre s implifi. Par exemple, si
2x-3
. .
y = - - , no us po uvons ecnre
Sx - 2
-2x + 3
.
.
.
( - y ) = - - - , qu, est mvo 1ut, ve ,
Sx + 2
et do nc x = - 2(-y)x + 3 = - 2Y+ 3 _
Sy - 2
5(- y) + 2
Pour a ll ger les calcul s, pre no ns
que lques exemples avec des matrices
L' ide ntit est associe aux matrices a l ,

multipl es de la ma tri ce ide ntit
2Y - 3 ! Si jamais les te rmes dia5y - 2
l'criture matricielle de cette homographie est alors :
( 1 a/e \
y =~ 0
2
I
) . UISque 1 = ,
de la fo rme
( 0
A= ~
-1 \
a ) . Cette
matrice e t ses pui ssances sont de dterminant gal 1. No us allo ns tudie r les
n - 1 vale urs du para mtre a telles que
A" = 1 po ur diff re ntes vale urs e ntires
den .
SYSTMES LINAIRES
, (
Pour n = 2, A-
_,
-a
venons de le montrer, est d ' ordre 5 ,

c' est--dire telle que h 5(x) = x . Si on
note M; = h (M; _ 1) l' image du point
M ; _ 1, nous constatons que M 5 = M 0 ,
quel que so it le point de dpart M 0 .
Si on veut tablir une bijection , c'est--
a 2 -1 ) '
a = 0 et y = - 1 / x. Pour
11
= 3,
-a
a 2 -I
a 2 = 1 et y = --=..!___ Pour
11
= 4,
X J
l- a 2
a(a
=2 et
Fraction continue
- a (a 2 - 2) \
2)
3a + 1 ) '
- 1y = -x .fi.
Nous avons exclu la valeur a = 0 , qui

n' est pas caractri stique de la pui ssance qu atri me . Pui sque A2"=(A2 )",
toutes les pui ssances paires acceptero nt v idemment a= 0 comme solution. Enfin , pour n = 5,
- (a 4 - 3a 2 + 1) \
( - a (a 2 - 2)
As=l a
- 3a 2 +1 a (a 2 - 1)(a 2 -3)
Utilisons le nombre d ' or pour illustrer le lien entre les

fractions continues et les homographjes (donc les
matrices). Rappelons que la dcomposition en fraction
continue du nombre x est la dtermination des entiers X ;
tels que
X= X1 +
1 .
X2 + - X3 + ...
On note x = [x 1, x2 x,, .. . ] et x(n) = [x 1, x 2 x,,] la rduite d ' ordre n de x , c' est--dire la fraction obtenue en prenant les n premiers termes de la dcomposition de x en
fraction
continue.
Si
h/x) = a + 1 / x
est
l' homographje de matrice (
et les quatre so luti ons sont a = <!> 1

o <!> = ( 1 + Js) /2 est le nombre d 'or.
Nous avons reprsent, sur le schma
ci-dessous! la fo ncti on homographique
h( x )=--qui , comme nou s
x +<j>
1
h(x)=---
) , le calcul de la
rduite d'ordre n est facilit, avec les notations de l'encadr Notation, en utilisant l' expression matricielle:
l( x1
x (n) =
1 \
0 )
<!> = 1 + 1 / <!> ,
Puisque
<!> = {l, 1... 1...}. Une
X X
nombre d'or est donc
l( x.1
1 \
0 )
1.
on
en
dduit
que
rduite d'ordre n du
x+ </J
1
1
1
~ ~
<l>(n) = (
!~ r
.1, c'est--dire:
- - - - - - . . .l . . . . . .
o u11 est le nime terme de la suite de Fibonacci. Nous

venons de dmontrer que le rapport de deux termes
conscutifs de la suite de Lonard de Pise converge vers
le nombre d'or.
55
SAVOIRS
Les fonctions homographiques

dire une correspondance unique, entre
l'homographie
f (x) = ax + b
et la
cx +d
matnce
A(ab\
.
= ~ c
d ) on peut aJouter
la contrainte det(A) = ad - b c = l. On
exclut alors les fonctions constantes
j(x) =a / c = b / d, qui sont associes
une matrice de dterminant nul.
L'ensemble des homographies de
dterminant gal 1 constitue donc un
groupe , un groupe projectif.
points de coordonnes (x , 0).

Nou s ap pe ll erons droite projective
P 1(IR) cette droite (L\), complte par
son point l' infini. Nous venons d'tablir une bijection entre cette droite projective P 1(IR) et les droites vectorielles
du plan , qui dpend bien sr du repre
choi si. Les coordonnes (x, y) d ' un
point de P 1(IR) sont appeles coordon
nes homognes et z = x / y est sa coor
donne non homogne , qui appartient
iR
u {oo}.
Une application linaire du plan fa it

correspondre une droite vectorielle
une droite vectorielle. Ainsi , l'applica-
Gomtrie projectiue
Considrons dan s le plan rel les
droites passant par l' origine. Un vecteur non nul (x, y) dtermine une
unique droite vectorielle constitue de
l'ensemble des multiples de ce
vecteur: {(k.x, ky), k E IR} Pour tout
vecteur de cette droite , le rapport abscisse / ordonne est constant et gal
z = x / y. Cette droite (l'.\z) coupe donc
la droite (L\) d ' quation y = l en un
point unique d 'abscisse z (voir la figure) . Pour tre complet, il faut accepter
la valeur z = oo qui correspond l'axe
des x, c' est--dire l'ensemble des
tion linaire
z=x/y
de matrice ( :
!)
transforme le vecteur (x, y ) en le vecteur (a x + b y, c x + d y) . En utilisant

la coordonne non homogne z =x / y,
l'application correspondante f de
P 1(IR) dans P 1(IR) est telle que :
f (z) = ax + by = az + b
ex + dy
cz + d
J(oo)=a l c
si c 1:- 0 , et
sinon. Les homographies ne
sont donc rien d' autres que les applicaavec
J( oo) = oo
M(x,y)
Droite
projective.
SYSTMES LINAIRES
tions de P 1(IR) correspondant aux applications linaires dans IR 2 . Deux applications multiples l' une de l'autre dfinissent sur P 1(1R) la mme application,
puisque la multiplication par une
constante (non nulle) laisse les droites
vectorielles invariantes. On retrouve
ainsi l' ide que les nombres (a , b, c, d)
dfinissant une homographie sont dtermins un facteur multiplicatif commun
prs. Il y a donc trois degrs de liberts
pour les dterminer, ce qui signifie que
trois points non aligns dfinjssent entirement une homographie .
Un vecteur propre d ' une application
linaire est, par dfinition , proportionnel son image. Son point correspondant sur la droite projective est donc
invariant par l' homographie associe.
Rechercher les vecteurs propres d ' une
application linaire revient rechercher les points invariants d'une homographie. Pour le vecteur propre (x, y),
de coordonne non homogne z =x / y,
tel que f(x , y) = (A.x, y), nous avons
.
e ffect1vement
ax+by
x = z.
f ()
z =-- = cx +dy y
On montre, en jouant sur les proprits

des homographies ou par un calcul
courageux , que , dans le cas o une
homographie h admet deux points fixes
a et 13 , il existe une constante C
telle que
h( z)-a =C z -a
h( z)-/3
z -{3
Dans le cas d ' un seul point fixe , cette

relation devient :
h( z)-a
= -
-+ C' Si nous avons
z -{3
tudier une suite rcurrente du type

= h(u 11 ), une mthode astucieuse consiste alors utiliser la suite
u11 + 1
la suite intermdiaire
u,, -a
V=-II
un -
/3 '
ou
v,,
= --
u,, -a
pour un point fixe
unique. On se ramne ainsi tud ier le

cas classique d'une suite gomtrique ,
pour deux points fixes, ou arithmtique, pour un seul point fixe.
Nous venons , trs rapidement, de montrer les coulisses du camouflage d' une
hyperbole en fonction homographique
par un changement de repre et de
l'tude des suites rcurrentes donnes
par une fonction homographjque. Nous
n'avons prsent ici qu ' une lgre
introduction la gomtrie projective,
dans le cas bien particulier de la droite
projective
relle.
Derrire
ces
mthodes classiques, enseignes
comme des recettes nombre
d 'tudiants , se cachent de nombreux
prolongements mathmatiques.
Poincar et Klein ont ainsi introduit en
gomtrie non-euclidienne, dans un
espace hyperbolique , la notion de fonction s automorphes, utilises par
Andrew Wiles pour la dmonstration
du clbre thorme de Fermat. Or,
une fonction automorphe f est invariante sous l'action d'un groupe d'automorphismes, comme celui constitu
des fonctions homographiques :
!(az+b) =J( z).

cz +d
On retrouve une relation semblable
avec les formes modulaires qui vrifient l' quation fonctionnelle
f ( az + b)
cz +d
= (
cz + dYf (z),
pour des coefficients entiers et la condition ad - b c = 1. Mais l , nous sortons

de notre domaine de comptence !
F.L.
matrices
orthogonales
En omorphismes
orthogonauK
Les isomtries, c'est dire les transformations de l'espace affine euclidien A qui conservent les distances, sont fondamentales,
puisqu'elles peuvent dcrire les transformations d'un solide indformable. On peut citer
parmi elles les translations, les rotations, les
symtries orthogonales ...
Les endomorphismes associs ces isomtries, qui agissent sur l'espace vectoriel euclidien E associ A, sont caractriss par le fait
qu'ils conservent les longueurs (les normes)
des vecteurs.
C'est ce qu'on appelle des endomorphismes
orthogonaux. Ils sont aussi caractriss par le
fait de conserver les bases orthonormes. On
montre que la matrice dans une base orthonorme d'un endomorphisme orthogonal est
une matrice orthogonale (voir dans cette page).
Rciproquement, toute transformation de l'espace affine A associe un endomorphisme
orthogonal est une isomtrie. Certaines isomtries, comme les rotations ou les symtries
orthogonales, possdent un (ou plusieurs) point
fixes. Toute isomtrie peut se dcomposer en
une transformation qui laisse un point fixe et
une translation.
Le dterminant d'un endomorphisme orthogonal (ou de sa matrice) vaut 1 s'il conserve
l'orientation ou -1 dans le cas contraire. En
effet, c'est le coefficient multiplicateur de l'aire
oriente d'un paralllogramme (ou du volume
orient d'un paralllpipde en dimension 3)
lorsqu'on applique cet endomorphisme.
58
On appe ll e orthogonales les matrices in versibles

te lles que le ur transpose est gale leur in verse.
Elles v rifie nt donc 'M = M-1 ou , si l' on prfre,
'M M = l o 1 ds ig ne la matri ce identit. Les
col onnes de ces matrices form ent une base orthonorme. Ell es sont do nc les matri ces de passage
d ' une base orthonorme une autre; ma is e ll es
reprsentent donc auss i les endomorphismes orthogonaux, ce qui ex plique leur importance. Comme
on l'a vu, o n peut affirm er que le ur dterminant
vaut so it 1, so it - 1.
L'ensemble des matrices orthogonales tant stable
par produit et par in verse, il fo rme un groupe pour
la multipli cati on : c'est le groupe orthogonal.
En dime ns ion 2, une matrice o rthogonale est
soit de la form e
cosa
( sma
- sin a)
cos a
auque l cas e lle re prsente la rotati on d 'a ngle a,

soit de la forme
c~sa
( sma
sin a )
- cos a
o elle est associe une symtrie orthogonale par

rapport une droite.
Dans une base bien choi sie, la matrice d ' une te ll e
symtri e sera (
1 O).
0 -1
En dimension 3, une matrice orthogonale est semblable l' une des deux matri ces
(l
o c~sa
O sma
Tangente Hors-serie n44. Les matrices
O \
-sin a J ou
ca sa
(- 1
0 \
O
O
cos a
- sin a J .
cos a
sin a
SAVOIRS
par Norbert Verdier
Diagonaliser
pour calculer les puissances d'une matrice
Une matrice peut souvent tre rduite , c'est--dire tre
exprime sous la forme , plus simple, d 'une matrice diagonale
ou d'une matrice triangulaire. Cette proprit permet alors de
raliser de nombreux calculs, parmi lesquels celui des
puissances successives de la matrice.
A tant donne, comment calculer la puissance
nime de A , savoir A"? Dans
certains cas, c'est simple! Par exemple,
si A est diagonale ou triangulaire (voir
en encadr) . Dans le cas gnral, le problme devient difficile et la mthode
frontale (multipl ier par elle-mme la
Puissance d'une matrice diagonale

Partons une matrice diagonale A =
(:
:)
En la multipliant par elle-mme, on obtient A2

En re-multipliant par A, il vient Al= ( a l
0,
\ 0
Cela suggre fortement que A"
{ a"
=
1\ 0
d"
= (
'J.
dl
).
De fait, cette formule est correcte et se dmontre facilement par r currence. lever la puissance n une
matrice diagonale revient lever la puissance n
chaque lment de la diagonale.
60
matrice et deviner la formule gnrale de A") n'est pas approprie !

Il faut passer par un changement de base,
et donc revenir intrinsquement ce
qu 'est une matrice : la reprsentation
d'une app lication linaire. Autrement
d it, A reprsente une application linaire
u, et c'est u qu ' il faut tudier.
S 'i l existe une base dans laquelle la
matrice de u est diagonale , c'est gagn !
En effet, si Pest la matrice de passage
dans cette base (elle comporte les vecteurs de la base en colonnes), alors on
peut crire D = p- 1 A P, o D , matrice
de u dans la nouvelle base , est diagonale. Cela revient chercher une
matrice diagonale D semblable A.
Par itration immdiate, il en rsulte que
A" = PD" P- 1 Or, on sait calculer D".
Ainsi, si nous sommes capables de trouver une base de diagonalisation , alors
de facto nous serons capables de calculer A" . C'est encore le cas si la matrice
semblable est triangulaire, sous forme de
Jordan (voir en encadr).
RDUCTION DE MATRICES
Ualeurs propres simples
el diagonalisation
Comment diagonali ser ou trigonaliser
une matrice? Pour ce faire, il faut introduire la notion de valeur propre.
Pour diagonaliser la matrice A, il faut
trouver des vecteur X (non nuls) tels
que AX =.X.Par linarit, tous les
vecteurs multiples de X vrifient le systme : le systme a donc une infinit
de solutions, ce qui revient dire (grce
la notion de dterminant) que
det (A-. I) = O. Cette quantit est appele polynme caractristique de A (c 'est
bien un polynme en ).
tudions ce qui se passe pour les matrices
carres d ' ordre 2. La matrice A s'crit
(:
:).
Alors, det (A- I) = 11.2 - (a + b)

+ det A. C'est un polynme du second
degr. Ses racines relles , si elles existent, sont les valeurs propres de A .
On appelle sous-espace propre associ
une valeur propre l'ensemble des
vecteurs X du plan tels que A X = X.
On note traditionnellement cet espace
E. Si est une valeur propre simple
(c'est--dire une racine simple du polynme caractristique), alors E est toujours une droite. Si est une valeur propre
double, alors E1,. est une droite ou le plan
tout entier. Il en rsulte qu'il faut dissocier le cas o il y a deux valeurs propres
distinctes du cas o il n'a qu ' une valeur
propre double.
Quand la matrice admet deux valeurs
propres simples distinctes, notes et,
Eest une droite, dont on note un vecteur directeur. De mme, E , est une
1
droite, dont on note v un vecteur directeur. Dans cette nouvelle base (, v),
l'application linaire associe a
pour matrice D =
(
0
0)
Le tour est jou : nous avons diagonali s la matrice ! Il est ensuite ais de
calculer D" (voir en encadr), puis
A"= PD" p- 1
Application la matrice
det(A - l)
Il-
= (
(-21 -12).
2
1
-2
1-
1- )2
- 4 = (+ 1)( -
3) .
Ce polynme de degr 2 possde deux

racines, 3 et-1, qui sont les deux valeurs
propres de A. L'espace propre E3 associ 3 (et qui rsulte de A X= 3X) se
rduit x + y = 0, c'est la deuxime bissectrice du plan. Un vecteur directeur
en est i = (1,-1). De mme,E_1 se rduit
x - y = 0, soit x = y .C'est la premire
bissectrice , dont un vecteur directeur est
=(l,l).
Dans la nouvelle base (i, v) ,fest reprsente par la matrice diagonale
= (~
~1).
La matrice de passage P de la base usuelle

( ,T) la nouvelle base (, v) est
P=
1
(
-1
1
) . On inverse P (qui est nces1
sairement inversible, car les changements de base sont des bijections !) et on

en dduit A".
le cas d'une ualeur propre multiple

Quand la matrice admet une valeur
propre double , alors Eest soit une
droite , soit un plan. Si c'est un plan, il
est ais de dmontrer que dans le cas
d ' une matrice carre d'ordre 2, A= I.
L'endomorphisme associ est un endomorphisme scalaire. Et ses puissances
se calculent aisment : A"= .11 I.
Si E1,. est une droite de vecteur directeur
, On dmontre quel 'on peut toujours
construire une base (, v), avec v tel que
f (v) = + v. Dans cette nouvelle
base , la matrice de f est J =
~) .
61
SAVOIRS
Diagonaliser...
Illustrons l' tude avec la matrice
Le mathmaticien
Camille Jordan (1838-1922).
det(A-l)
=
1
3-
-1
1-
=(3-)( t -)+ 1=(-2)
Puissance d'une matrice de Jordan

Une matrice de Jordan est une matrice triangulaire
simplifie, dans la mesure o, en dehors des lments
de la diagonale, elle contient des blocs ayant la mme
valeur sur la diagonale, des 1 ou des 0 sur la surdiagonale , et des 0 partout ailleurs. Ce qui est
intressant, c'est que toute matrice trigonalisable
se rduit une forme de Jordan.
Pour ce qui est des matrices carres d'ordre 2,
une matrice de Jordan sera de la forme A= (: :) .
Pour calculer ses puissances, on procde comme dans
le cas prcdent :
A2
{a 2
= O
2a\
az) ' pms
{a 3
A = O
3a 2 \
a" na- \
A = 1\ 0
a"
L encore, la formule se dmontre par rcurrence sur n.
C'est une matrice triangulaire. On dit (de

manire quelque peu familire) que l'on
a trigonalis la matrice, sous une forme
particulire appele forme (ou rduite)
de Jordan. Le calcul de J" ne pose pas
de problmes (voir en encadr) . Le calcul de A" se dduit ensuite de la formule A" = P J" p- l .
62
Il y a une seule valeur propre, 2. L' espace propre E 2 associ 2 (et qui rsulte
de A X= 2 X) se rduit x =y . C'est la
premire bissectrice du plan, dont un
vecteu r directeur est = ( 1, 1).
la manire de Jordan, on cherche v
tel que f (v) = + 2 v. Cela revient
rsoudre le systme
A(x)y 1I ) + 2 (x),
soit {3x - Y = 1+ 2x
y
x+y= l+ 2y
= (
et donc x = l +y.On peut choisir y= 0

et x = 1, on obtient alors un vecteur v
qui conv ient. Ainsi,
v =(~).Le couple
(, v) constitue une nouvelle base , dans

laquellef est reprsente par la matrice
I.
tnangu aire J =
(2 1) .
0
La matrice de passage de la base canonique ( ,T) la nouvelle base ( , v) est
P=(: ~)
a J )"
Cela conduit proposer la formule
On inverse P, et o n en dduit A".

Et si le polynme caractristique n'admet pas de racine relle ? Il n' y a plus
de diagonalisation ni de trigonalisation
dans IR , mais le passage aux complexes
permet de retrouver des formes plus
simples .
N.V.
EN BREF
matrices en dcomposition :
la factorisation LU
La dcomposition LU correspond la dcomposition d ' une matrice inversible en produit d'une
matrice triangulaire infrieure 1 (ou L pour Low ,
bas en anglais), et d' une matrice triangulaire suprieure S (o u U pour Up , haut ) . Cherchons
(1
dcomposer ainsi la matrice
A= l2 8
3 14
31
14).
34
On soustrait un multiple de la premire ligne aux

li gnes suivantes pour faire di sparatre le terme de
la premire colonne.
l~ ;
( 1 2
On obtient la matrice A
11
' =
31
s J.
25
Les coefficients multiplicateurs utiliss, 2 et 3 ici,

compltent la premire colonne de la matrice L ,
sac hant que la diago nale de cette matrice n 'est
constitue que de chiffres 1 . On continue avec la
deuxime li gne , et un coefficient 2 pour obtenir la
(1 2
matrice Am =
lo
31
u.
8J =
0 0 9
Nous avons effectu la factorisation
4
( 1 0 01( 1 2
31
A=LxU=l! ~ ~Jl~ ~ :J
qui permet de rsoudre conomiquement un
systme d 'quations linaires o le second me mbre
pe ut c hanger.
la factorisation QU
La dcomposition QU est de la forme
A = QU, o Q est une matrice orthogonale , ses vecteurs colonnes constituent
une base orthonorme et donc 1QQ = 1,
et U est une matrice triangulaire suprieure . On note souvent cette dcomposition QR . Il existe des dcompositions
RQ, mais aussi QL et LQ, o Lest une
matrice triangulaire infrieure. Ces dcompositions sont souvent utilises pour dterminer l' inverse gnralis d'une matrice
rectangulaire (dcomposition SVD , voir
en page 75) .
Soit par exemple rsoudre l'quation matriciel le

AX =LUX= B. Le vecteur Y= UX est solution du
systme tri angul a ire inf rie ur LY = B , qui se rsout
rapideme nt par rcurre nce ascendante (o n calcule
les termes un par un , de y 1 y 3 ). On dtermine
alors X comme solution du syst me tri ang ulaire
suprieur UX = Y, qui se rsout par rcurrence descendante( de x 3 x 1 ). La complex it algorithmique de cette mthode, inqpendante du second
membre B, est infrieure celle de l' inversion par
le pivot de Gauss.
Hors-srie n 44. Les matrices Tangent:e
63
SAVOIRS
par Herv Lehning
e PIUO
auss
Pour rsoudre de petits systmes d'quations, la mthode de
Gauss a l'avantage d'tre simple. Mais gare aux rsultats
obtenus si le systme contient des paramtres ! En fait, la
mthode du pivot prsente surtout un intrt historique.
~
un systme d 'quations d'inconnues x, y , z... Nous

changeons les quations de
faon placer en tte une quation comportant la premire inconnue (x). S'il
n'en ex iste pas, l'inconnue peut tout
simplement tre supprime puisqu'elle
n'intervient pas dans le systme. Le
coefficient de x dans la premire quation est alors utilis comme pivot
pour dtruire les coefficients de x dans
les autres q uations, au moyen de combinaisons linaires.
Droulement des calculs

Pour prciser le procd, considrons le
systme su ivant :
x+2y +2z = 1,
2x+ y + 2z
1,
soit 4y + 3z = 2. Ces calculs montrent

que si (x , y, z) est solution du systme
{(I), (2), (3)}, alors il est aussi solution
de {(I) , (2 ' ) , (3 ' )}. La rciproque est
vraie car (2) = 2 x ( 1) + (2 ' ) et
(3) =3 x (1) + (3') . En procdant ainsi ,
ce rsultat est toujours valable. Nous obtenons donc le systme quivalent, c 'est-dire aya nt la (ou les) mme solution:
x + 2y +2z- 1,
partir de la deuxime, le quations ne

contiennent pas de termes en x . On
recommence sur elles, avec la deuxime
inconnue, autrement dit on considre
(3") = 3 x (3')- 4 x (2') , soit z = 2.
Nous obtenons un systme triangulaire
quiva lent au prcdent , donc au premier galement :
3x +2 y +3z = 1.
Nous notons les trois quations (1), (2)

et (3) respectivement pour simp lifier
l' criture. L'quation (2') =2 x (1 )-(2) ,
soit 3y + 2z = 1, ne contient plus de terme
en xet de mme pour (3') = 3 x (l)-(3),
64
3y + 2z = 1,
4y +3z = 2.
x + 2y + 2z =I ,
3y +2 z =I ,
== 2.
Ce systme peut se rsoudre en commenant par la dernire quation et en

remontant jusqu' la premire. On peut
galement reproduire la premire srie

d'oprations pour obte nir un syst me
d iago nal. Les co mbin aisons linaires
(2)-2 x (3) et ( l )-2 x (3) donnent :
x+ 2y = -3,
3y
= -3,
z = 2.
En div isant la deuxime qu ati on par

3 pui s en la combinant la pre mire,
le rs ultat s'ex prim e so us la fo rme
;:l
=::
qui est donc la so luti on du
Un nolvnme annulateur
Avec les notations de l'article, la matrice A peut
s 'crire A = 2U - 1. En levant U au carr, on
obtient : U2 = 3U. partir de l, A2 = 4U2 + l - 4U,
donc A2 = SU + l = 4A + 51. Cette galit peut tre
crite en mettant A en facteur: A(A- 41) = 51, c'est-dire AB= l o B = (1/ 5)(A- 41). On en dduit que
A est inversible et que A- 1 = B, ce qui donne bien
( -3
A- 1 = S
I 2
2
2\
-3 2 .
2 -3
z = 2,
systme in itial.
mthodes modernes
Cette mthode n'a plus qu ' un intrt
histori que. Elle n'est pas la plu s pratiq ue dans un usage la mai n car elle
peut int rod uire des coeffic ie nts plu s
compliqus que la mthode usuelle par
comb inaisons lina ires, vue dans l'article sur les systmes lina ires. D 'autre
part, elle n'est pas adapte aux systmes
avec paramtres. Dans ce cas, mie ux
vaut util iser la mthode de Cramer vue
dans l'art icle sur le sens du dterminant , au moi ns pour savoir dans que ls
cas le systme a une et une seule so lutio n. En ce qui co ncerne l' utili sati o n
d' un ordinate ur, e lle n'est efficace que
pour des systmes d'au plus une centaine
d'q uations autant d' inconnues . Cec i
peut sembl er norme, mais les appli cations des mathmatiq ues comme la
mtorolog ie ou la phys ique nuclaire
conduisent des systmes de plusieurs
mi ll iers d'quations. On prfre alors des
mthodes itrati ves co mme ce ll e de
Gauss-Seidel.
Le ca lcu l de l' in verse d'u ne matrice
carre d'ord re n correspond la rsolution d' un systme linaire avec n paramtres (les coefficients d u second
membre), comme nous l'avons dans
l'article Systmes linaires et matrices.

Ce sys t me pe ut tre rso lu pa r la
mthode de Gauss. Il est galement possible de rsoudre n systmes do nt les
seco nd s me mb res so nt nul s sauf un
terme qui est gal 1. Prcisons cela avec
une matrice carre d 'ordre 3.
( 1 2 2\
La matri ce
A= l2
2
1
2
2J
est in versibl e
pui squ e, d 'a prs la rg le de Sar ru s,

son dterminant est gal
1 + 8 + 8 - 4- 4- 4 = 5 ;t: O.
Considrons le systme d 'quatio n
l; l
(x\
( 1\
Ax J ~J. En multipliant gauche par

=
A- 1, la matrice inverse de A ,
(x\
nous obtenons
(1\
l:J=A- xl~J ce qui

1
signifie que la soluti on est la pre mire

colonne de la matrice inverse A- 1 Nous
obtenons les autres co lonnes en utili-
lJ lJ.
( 0\
sant les seconds me mbres
( 0\
et
Les manipul atio ns pour rsoud re ces

trois syst mes peuvent tre regroupes.
O n les repre nd do nc e n parall le sur
A et I j usqu ' ce que A so it re mpl ac
par I. La matrice I sera alors re mpl ace
par A- 1
65
Le pivot de Gauss
On part donc de la matrice (A I) :
(1 2 2
l~
1 0 0\
~ ~ ~J
1 2
et, comme vu prcdemment, on retranche

deux fois la premire la deuxi me et
la troi si me .
(1
On obtient l
=~ =~
0 0\
-2
-2 0
oJ
1
pui s, l'tape sui vante,

(1
o -3
-2
0 0 -5/3
O\
-2
o,J
Portrait de Carl Friedrich Gauss

(1777-1855) ralis en 1840
par Christian Albrecht Jensen
(1792-1870).
-2/ 3 -2/ 3
On multiplie alors la dernire ligne par
-3/ 5, d ' o:
(1
0 \
-3 -2
-2
2/ 5 2/ 5 -3/5
J.
On reprend ensuite dans l'autre sens :

on obtient
(1 2 0
-3 0
l~ 0 1
1/ 5 -4/5 6/5 \ ( 1 2 0
-6/5 9/ 5 -6/ 5Jl0 1 0
2/5 2/5 -3/ 5 0 0 1
(1 1 0
et enfin l ~ 1 0
0 1
1/ 5 -4/ 5 6/5 \
2/ 5 -3/ 5 2/ 5 J
2/ 5 2/5 -3/ 5
-3/ 5 2/ 5 2/ 5 \
2/ 5 -3/5 2/ 5 J ,ce qui signifie que
2/ 5 2/5 -3/ 5
(-3
A - 1 =il~
2 2\
-3 2 J.
2 -3
La m me mthode est utili sable pour

calculer le rang d ' une matrice car les
oprations considres conservent le
rang.
( 2
Appliquons-le sur la matrice l }

2
4\
! -52J.
La suite des transformations donne

(2 5
4\
4\
-18
18
-~8 J '
-~8 J pui s l ~
0
l~ 9
(2
qui est de rang 2 pui sque les deux premires li gnes sont indpendantes.
H.L.
Ce rsultat est facile vrifier en multipliant A par la matrice trouve. La
forme de la matrice trouve donne l'ide
d ' une autre mthode en introdui sant la
( 1 1 1\
matrice u=ll 1 'J (voirl 'encadrUn

1 1 1
polynme annulateur).
66
EN BREF
Dcomposition
de Crout-Cholesky
lanczos
La dcomposition de Crout complte la dcomposition LU (voir en page 63) pour le cas d ' une
matrice symtrique .
Considrons la dcomposition LU de la matrice
2
3\
8
14
14J ,
34
et divisons la matrice U par sa diagonale
(1 0
NousobtenonsU=l~
o, (
1 2
3\
!)
~Jl~
qui nous donne directement la dcomposition de

Crout A= LD 1L.
Comme la matrice A est de plus dfinie positive
(et admet donc des valeurs propres relles posi tives) , nous pouvon s extraire une racine carre
de la matrice diagonale D.
( 1 0
En posant
B =Lx
Jo = l
!:
o,
~J ,
nous obtenons la dcomposition dite de Cholesky
Cornlius Lanczos (1893-1974) est un

mathmaticien et physicien hongrois
assez mconnu. Il dcouvrit une solution exacte de la thorie de la relativit
gnrale, connue maintenant sous le nom
de poussires de Van Stockum, et il tablit les bases de la transforme de Fourier rapide (FFT) vingt-trois ans avant
James William Cooley et John Wilder
Tukey. On donna tout de mme son nom
un potentiel tenseur en relativit et
une approximation de la fonction gamma.
Il dveloppa de nombreuses mthodes
numriques, dont la clbre mthode du
gradient conjugu (qui permet une rsolution itrative des systmes d'quations
linaires) , l'approximation o (qui limine les phnomne de Gibbs, savoir
les oscillations des mthodes de Fourier) , et un algorithme (dit de Lanczos)
qui permet, itrativement, de dterminer les valeurs propres et vecteurs propres
d ' une matrice carre ou la dcomposition SVD d' une matrice rectangulaire, particulirement pratique pour les trs
grandes matrices .
Hors-srie n 44. Les matrices Tc:a.ngente
SAVOIRS
par Herv Lehning
La relation de similitude est au centre de la rduction des

matrices, ce qui importe car deux objets similaires ont des
proprits communes. Au premier abord, cette notion de
similitude semble se confondre avec la notion d'quivalence.
Elle est pourtant bien plus difficile apprhender, et bien
plus riche.
a similitude des matrices concerne
les matrices carres de mme
dimension . Elle a donc un champ
d'application plus restreint que I'quivalence, qui concerne les matrices de
mme dimension en gnral (rectangulaires ou carres). Pour fixer les ides,
considrons A et B des matrices carres
d'ordre trois . Elles sont dites semblables
s'il existe une matrice carre P d'ordre
trois inversible telle que A P = PB. En
algbre linaire, les formu les de changement de base montrent que deux
matrices sont semblables si elles reprsentent le mme endomorphisme. La
relation dfinissant la similitude peut
galement s'crire A= PB P- 1 , ce qui
implique que la seule matrice semblable
la matrice identit est elle-mme.
Similitude et quivalence
La similitude implique l'quivalence ,
mais la rciproque est fausse. Par exemple,
puisqu'elles sont toutes deux de rang 1,
68
les matrices A = (: :) et B = ( ~ ~)
sont quivalentes. Si elles sont semblables, il existe une matrice inversible
P= (:
!) vrifiantAP= PB ,
0
),
a+c b+d
c 0
ce qui implique a= c =O ... et contredit ainsi que P soit inversible. Les matrices
A et B ne sont donc pas semblables.
Les matrices considres peuvent tre
coefficients rationnels, rels ou complexes. Dans tous les cas, les matrices
inversibles peuvent tre considres
coefficients dans le mme corps. Plus
prcisment, si deux matrices A et B
coefficients rationnels sont semblables,
il existe une matrice inversible coefficients rationnels P telle que A P =PB.
De mme, si elles sont relles, la matrice
inversible P peut tre considre coefficients rels (voir l'encadr Permanence de la similitude pour une
dmonstration).
c'est--dire(a+ c b+d)=(a
Oiagonalisation et similitude
La diagonalisation des matrices peut se
lire en termes de simi litude: une matrice
diagonalisable est une matrice semblable
une matrice diagonale. On remarque de
suite que cette notion dpend du corps
dans lequel on se place . Une matrice
relle peut tre diagonalisable dans le
corps des complexes sans l'tre dans
celui des rels . Pour s'en convaincre, il
suffit de considrer la matrice ( O
-1
1
),
0
dont le polynme caractristique

-x
-1
1
1
-X
=x2 + 1 n'a pas de racines relles.
Elle n'est donc pas diagonalisable en tant

que matrice relle . En revanche, le mme
polynme a deux racines complexes distinctes ( i), la matrice est donc diagonalisable en tant que matrice complexe.
Combin au rsultat prcdent, cette
remarque a un rsultat inattendu.
Considrons les deux matrices ( O
-1
1
)
0
La notion de similitude dpasse le monde des matrices

et correspond plus gnralement un ensemble
de car actristiques partages, comme chez ce couple
de martins-pcheurs.
Permanence de la similitude
Pour simplifier, considrons deux matrices carres
(a b\
(a' b'\
d'ordre deux, A= 1
) et B = 1
) , coefficients
\C d
\C' d'
rationnels. On les suppose semblables en tant que

matrices relles, c'est--dire qu'il existe une matrice
P = (; ;) inversible (soit xt - yz
* o ), coefficients
rels, telle que AP = PB.

Un calcul matriciel fastidieux mais simple montre que
l'existence de la matrice relle P correspond l'existence d'une solution vrifiant xt - yz o un systme homogne de quatre quations quatre inconnues
(x, y , z, t). Par hypothse, ce systme a des solutions
non nulles, il est donc de rang au plus 3.
Les solutions s'expriment ainsi rationnellement en
fonction des donnes, elles sont donc rationnelles, ce
qui prouve le rsultat.
69
SAVOIRS
Similitude et diagonalisation
et (
-1
-1
) . Elles ont le mme polynme
caractristique, qui possde deux racines

complexes distinctes ( i) ; ces matrices
sont donc diagonalisables en tant que
matrices complexes. Elles sont semblables la mme matrice diagonale
0
.) , elles sont donc semblables entre
(i
0
-1
elles en tant que matrices complexes. La

permanence de la similitude implique
qu 'e lles sont semblables en tant que
matrices relles.
Nous avons ainsi dmontr que les deux
matrices ( O
-1
1
1
) et (
-1
2
-1
) sont sem-
blables comme matrices relles, et mme

comme matrices rationnelles en vertu
du mme thorme.
Un certain nombre de notions sont invariantes si l'on passe d'une matrice
une matrice qui lui est semblable. Les
plus simples sont le rang, la trace, le dterminant et le polynme caractristique.
Malheureusement , dans tous ces cas,
la rciproque est fausse. Ces quatre
notions sont donc seulement utiles pour
montrer que deux matrices ne sont pas
semblables. Par exemple, les deux matrices
(~
:) et ( ~ ~) ont mme rang (2), mme
trace (2), mme dterminant (1), mme

polynme caractristique (x2 - 2x + 1)
mais ne sont pas semblables. En effet, la
seule matrice semblable la matrice
identit est elle-mme.
simples. Considrons donc une matrice

carre complexe d'ordre deux A= (:
!) ,
le discriminant de son polynme caractristique est alors

=(a+ d) 2 - 4(ad - be).
Si cette quantit est non nulle, la matrice
A est diagonalisable en tant que matrice
complexe. Si elle est nulle , il suffit de
modifier l' un des paramtres a, b, cou
d de manire infinitsimale pour obtenir une quantit non nulle. Ainsi, en
modifiant la matrice A de manire infinitsimale, on obtient une matrice diagonalisable. On rsume ce rsultat en
disant que 1'ensemble des matrices diagonalisables est dense dans l'ensemble
des matrices . De m me , on dmontre
que, si l'on choisit une matrice alatoirement , elle est presque srement diagonalisable ... ce qui signifie que la
probabilit qu 'elle soi t diagonalisab le
est gale 1. Ces rsultats permettent de
gnraliser des rsultats vrais pour les
matrices diagonales toutes les matrices,
par exemple, le thorme de CayleyHamilton selon lequel toute matrice
annule son polynme caractristique.
Pour simplifier l'criture , nou s considrons des matrices carres d'ordre trois
et une matrice diagonale D dont nou s
notons a, b etc les lments de la diagonale. Son polynme caractristique
est donc P(x) = (a - x)(b - x) (c - x).
Un calcul simple montre alors que P(D)
est la matrice diagonale dont les lments de la diagonale sont P(a), P(b) et
P(c), qui sont tous nul s, donc P(D) est
la matrice nulle .
Densit des matrices diagonalisables

Comme il est tabli dans l'artic le Diagonaliser pour calculer les puissances
d'une matrice, le cas le plus simple o
l'on peut affirmer qu'une matrice est
diagonalisable est celui o son polynme caractristique n'a que des racines
70
Nous oprons a lors deux gnra li sations. La premire gnrali sation est de
nature algbrique, elle permet d'tablir
le thorme pour les matrices diagonali sables. Si A est diagonalisable, il existe
une matrice inversib le Q et une matrice
diagonale D telles que A= Q D Q- 1
Invariance de la trace
La trace d'une matrice carre est la
somme des lments de sa diagonale.
La trace de A = (:
!)
est donc gale tr(A) = a + d.

Considrons alors une autre matrice
P- ( a fJ\
-lr
o)
La trace de A Pest aa + by + c/3 + do.

En changeant les lettres latines et les
lettres grecques, on remarque que
tr(A P) = tr(P A) . Cette galit tant
vraie pour toute matrice A, on peut
l' appliquer P- 1 A si Pest suppose
inversible . Cela donne :
tr[(P- 1 A) P] =tr[P (P- 1 A)],
qui implique qu ' une matrice a la
mme trace que toute matrice qui lui
est semblable.
Une matrice diagonalisable

est une matrice semblable
une matrice diagonale.
Les matrices A et D ont m me pol ynme caractri stique P et

P(A) =Q P(D) Q- 1 = O.
La seconde gnrali sation est de nature
analytiqu e, e t utili se la de ns it des
matrices di agonali sables . Si A est une
matrice non di ago nali sabl e, il ex iste
une suite (A),, de matrices di agonali sabl es de limite A. On dmontre que la
suite de po lynmes caract ri stiqu es
(P,,) 11 de A,, converge vers le polynme
caractri stique P de A , pui s que P,,(A,,),
qui est nul , converge vers P(A) ... qui
est donc nul gale ment.
Trace du passage de l'eau sur un rocher

Capitol Reef (tats-Unis).
H.L.
71
SAVOIRS
par Herv Lehning
Diagonalisation,
gomtrie et algbre
Les matrices carres peuvent tre diagonalisables ou ne pas
l'tre. La question est lie la dimension des espaces propres,
une question de nature gomtrique. Elle est galement lie
l'annulation de polynmes, une question de nature algbrique.
r
A une matrice carre
d ' ordre troi s, pour simplifi e r.
Dan s une base del 'espace , il lui
correspond un endomorphisme f. Si A
est diagonalisable , c'est--dire semblable
une matrice diagonale D , alorsf a pour
matrice D dans une base (i,j, k). Soit, si
a, b et c sont les lments de la diagonale de D :f(i) =ai,f(;) =bj etf(k) =ck.
Cela donne une caractrisation gomtrique de l'endomorphi sme f.
Image d'un vecteur par un endomorphisme diagonalisable.
72
Tout vecteur V de l'espace se dcompose en V= xi+ yj + zk sur la base donc,

par linarit:
f( V)
=xf(i) + yf(;) + zf(k)

=axi + byj + czk ,
ce qui a une signification gomtrique

(voir la fi gure ci-contre).
Dimensions des espaces propres

Selon que les valeurs propres a, b et c sont
di stinctes ou pas , les espaces propres
sont de dimension 1, 2 ou 3. Dans tous
les cas, la somme de leurs dimensions est
ga le 3, la dimension de l'espace. La
rciproque est vraie : si la somme des
dimensions des espaces propres d'une
matrice carre est gale sa dimension,
e lle est diagonali sable . On peut simpli fier cette caractri sation gomtrique en
introdui sa nt la noti o n de multiplicit
d ' une valeur propre, comme multiplicit en tant que zro du po lynme carac-
tristique. On d montre alors qu ' une
matrice est diagonalisable sur le corps des
complexes si les espaces propres associs aux valeurs pro pres multiples sont
de dimensions ga les cette mul tipli cit . Pour qu 'elle soit di agonalisable sur
le corps des rels, il suffit de plus que tous
les zros du polynme caractri stique
so ient rels.
Pre nons l'exemple de la matrice
(- 1 2
A=l~
- 1
2\
2
J.
- 1
Il est possible de calculer son polynme

caract ri stique pour la di ago na li ser,
mais on peut ga le ment s'en passer. En
effet, il suffit de changer les l ments
de la di agonale (gaux - 1) en 2 pour
obtenir une matrice de rang 1. Autrement
dit , A + 31 est une matrice de ra ng l . Le
thor me du ran g nous pe rme t alors
d'affirmer que son noyau est de dimension 2, ce qu i signifi e que -3 est une
valeur propre de A et que l'espace propre
associ est un plan . La trace de A est gale
-3, on en conclut que 3 est galement
valeur propre, ce qu ' il est fac ile de vrifie r en calcul ant le ra ng de A - 31, qui
est gal 2. La matrice A est donc di agonalisable, semblable la matrice diagonale dont les lments diagonaux sont
respecti veme nt -3, -3, 3.
Restons sur cet exemple. D'aprs le thorme de Cayley-Hamilton, A est annule par so n polynme caract ri stique
(3 + x)2(3-x).
Autrement dit : (A + 31)2(A- 31) = O.
En fa it , il est ais de vrifier la relation
plus forte (A + 3l)(A-31) =. De manire
gnrale, si A est di agonalisable, elle est
annule par un polynme n'ayant que
des racines simples: les valeurs propres
comptes chacune une seule fois (voir l'en-
Calcul d'un nolvnme

d'une mauice diagonale
Soit D une matrice diagonale dont les
lments de la diagonale sont respectivement a , b ... Un calcul simple
montre que D2 est encore diagonale et
que les lments de sa diagonale sont
respectivement a 2, b2 . . Le raisonnement peut tre itr, et on obtient de
faon gnrale (p est un entier) : IY' est
diagonale et les lments de sa diagonale sont respectivement aP, bP ...
Un polynme Pest une combinaison
linaire de puissances x.P, donc P(D)
est la mme combinaison linaire de
puissances IY'. La matrice P(D) est
donc diagonale et les lments de sa
diagonale sont P(a), P(b) .. .
On en dduit que si P est un polynme
annulant chacun des lments de la
diagonale de D, alors P(D) est la matrice
nulle. Si A est une matrice diagonalisable, il existe une matrice inversible
Q et une matrice diagonale D telles
que A= Q DQ- 1. Le mme type de raisonnement que prcdemment permet de prouver successivement :
A2 = QD2Q-1, A3 = QD3Q- 1...

P(A) = QP(D)Q- 1,
o P est un polynme. Le rsultat prcdent se gnralise donc aux matrices
diagonalisables.
cadr Calcul d'un polynme d'une mntrice

d iagonale). De faon plus tonnante, la
rciproque est vraie : si une matrice est
annule par un polynme n'ayant que
des racines simples, alors elle est diagonalisable. Ses vale urs propres fo nt
alors partie des racines du polynme.
On peut en proposer une d monstration
relati vement simple si le polynme est
73
SAVOIRS
Diagonalisation, gomtrie ...
Polvnme annulateur
et diagonalisation
Supposons que la matrice carre A d' ordre 3 vrifie l'quation (A - al)(A - bl) = 0 , o a"# b. D ' aprs cette relation ,
l' image de A - bl est incluse dans le noyau de A - al.
Or, le thorme du rang permet d ' affirmer que la dimension de l' image de A - bl est gale 3 moins la dimension
du noyau de A - bl.
L' inclusion annonce plus haut implique donc l' ingalit :
3 - dim [Ker(A- hl)] ~ dim [Ker(A- al)],
que l' on peut crire :
dim [Ker(A- al)]+ dim [Ker(A- hl)]
i!::
3.
Si a et b sont valeurs propres de A , les deux noyaux cidessus sont les espaces propres associs.
La caractrisation gomtrique vue plus haut implique alors
que A est diagonalisable .
Si a n' est pas valeur propre , alors dim [Ker(A - al)]= 0 et
donc dim [Ker(A - bl)] ~ 3, ce qui implique A= bl. A est
donc diagonalisable, et de mme si b n'est pas valeur propre.
de degr 2 ( voi r l'encadr Polynme

annulateur et diagonalisation). Dans le
cas de la matrice A prcdente, le simple
constat (A+ 31) (A - 31) = 0 suffit donc
pour affirmer qu 'elle est diagonali sable.
Considrons la matrice
A=
(a-b-c
2a
2b
2c
b-a - c
2c
no us aj o uto ns la somme a + b + c
chaque terme de la diagonale, nous obtenons une matrice dont les lments de
la premire ligne sont tous gaux 2a ,
ceux de la seconde, 2b et ceux de la
troi sime , 2c . Autrement d it , chaque
ligne est colinaire au vecteur colonne
( 1 , 1, 1). L e ra ng d e la m a t rice
A+ (a + b + c) 1 est donc gal 1, sauf
si a = b = c = 0 , auque l cas il est nul.
Excluons donc ce dernier cas . Le nombre
-(a + b + c) est valeur propre, et l'espace
propre qui lui est associ est un pl an. La
trace de A est gale -(a + b + c), donc
a + b + c est auss i valeur propre .
Pour conclure, il suffi t de calculer le produit [A+ (a + b + c) I] [A-(a + b + c) I],
c'est--dire A 2 .
Nous tro uvons: A 2 =(a + b + c)2 l ,
ce qui montre que le produit ci-dessus est
nul. La matrice annule donc le polynme
x2-(a + b + c) 2 , qui n'a que des raci nes
simples la cond ition que a + b + c so it
diff rent de O. Dans ce cas, A est d iagonalisable. Si a + b + c = 0, la seule valeur
propre de A est 0, A n'est donc diagona li sabl e qu 'au cas o e ll e est null e,
c'est--d ire si a= b = c = O.
En rsum, la matri ce donne est diagonalisable si et seulement si a + b + c "# 0
ou a = b = c =O.
H.L.
o les coeffic ie nts a , b e t c sont des

nombres rels. Est-elle di agonalisable?
Nous di sposons de deux mthodes pour
attaquer la question : gomtrique ou
algbrique. La prsence des trois paramtres rend le calcul du polynme caractristique dlicat, il vaut mieux essayer
de jouer sur les particul arits de cette
matrice. Nous re marquons alors que, si
74
EN BREF
La dcomposition d'une matrice en valeurs singulires (ou SVD pour singular value
decomposition) est un outil de factorisation de matrices rectangulaires trs utilis en
thorie du signal.
Pour une matrice rectangulaire A possdant m lignes et n colonnes, la dcomposition
en valeurs singulires correspond la factorisation A= M X I X tN, o M est une
matrice carr de taille m, N est une matrice carre de taille n, M et N sont unitaires
(M tM = l m et N tN = In) et I est une matrice rectangulaire (de mme taille que A)
dont les seuls lments non nuls sont diagonaux ( savoir les termes I; i pour
i = 1.. . min(m, n)) et positifs. Les valeurs diagonales de I sont appeles les
valeurs singulires.
Un problme rcurent du traitement du signal est de dterminer n paramtres d'un
systme linaire, de matrice A, dont on effectue m mesures (avec m > n), dans l'espoir,
justifi, d'obtenir une meilleure prcision. Nous avons alors rsoudre l'quation
Y = AX, avec Y carre de taille m, X carre de taille n, et A rectangulaire ayant m lignes
et n colonnes. Si la matrice A tait carre, tout tournerait rond et il suffirait d'en
calculer la matrice inverse. Alors rendons-la carre en la multipliant par sa transpose ! Nous avons tA Y = (tA A)X, et par suite X = (tA A)- 1 tA Y, si la matrice B = tA A est
inversible. Dans ce cas, la matrice A* = (tA A)- 1 tA est l'inverse gnralis, ou pseudoinverse, de la matrice A.
Dans la pratique, les mesures sont bruites : Y = AX + b. En cherchant un ensemble de

paramtres X qui minimise l'cart aux donnes, c'est--dire tel que IIY -AXII soit minimum,
on trouve la mme solution ! La solution des moindres carrs est l'inverse gnralis.
En utilisant la dcomposition SVD de la matrice A, on obtient une expression simple,
et surtout pratique, de cet inverse gnralis : A* = N x I,+ x tM, o I,+ correspond
la transpose de I dans laquelle tous les coefficients non nuls sont remplacs par leur
inverse. Nous avons ainsi l'expression d'un inverse gnralis (non unique) dans le cas
o la matrice B = tA A est non inversible.
Il arrive souvent qu'un problme soit mal pos, c'est--dire que l'inverse, ou l'inverse
gnralis, mme s'ils existent, amplifient le bruit. Ceci est d une valeur singulire
proche de zro dont l'inverse devient trs (trop) grand. Il suffit alors, dans I +, de
rendre nulle la valeur correspondante, ce qui revient annuler cette valeur singulire
dans I. On pourrait aussi translater cette valeur d'une quantit qui rende son inverse
acceptable . Il s'agit l d'un filtrage , ce qui nous conduit la thorie spectrale,
domaine bien trop vaste pour tre abord ici.
SAVOIRS
par Herv Lehning
la trigonalisation
Quand une matrice n'est pas diagonalisable, c'est--dire
semblable une matrice diagonale, peut-on encore la rduire
une matrice simple ? La rponse tient dans l'utilisation
du corps des complexes et dans la trigonalisation.
o ns id ro ns une matrice complexe. Si son polynme caractri stiqu e n 'a que d es rac in es
simples, alors elle est diagonalisable. Si
ce n'est pas le cas, il se peut qu 'elle le
soit quand mme ... si l'espace propre
correspondant chaque valeur propre
multiple est de dimensio n gale son
ordre de multipl icit. Dans la suite, nous
considrons donc les cas, relati vement
rares, o cette proprit est fa usse.
- 1-x
racine double, 1. La seule valeur propre

de A (et de f) est donc 1. S i A tait diagonalisable, elle serait semblable, donc
gale, l'identit, puisque p 1p- 1 = 1.
Bien entendu, ce n'est pas le cas. L'espace propre associ I est de dimens io n 1, ce que l'on peut vrifier e n
cons1derant le rang de A - I =
=~) etf
l'endomorphisme associ dans une base
Fleurs trigonales dans le

dsert du Namib.
.,
Cas de non- diagonalisation

Considrons la matrice A= ( ~
du plan, association qui sera systmatiquement fa ite dans la suite. Son polyn me caractristique est gal
2
J- x
- 1 = x 2 - 2x + 1 , qui a une
(22 -2)
,
-2
qui est bien gal 1. Cette matrice permet de trou ver un vecteur propre de/:
le vecteur i de coordonnes ( 1, 1). Autrement dit,f(i) = i.
Considrons alors un vecteur j non colinaire i, celu i de coordonnes ( 1, 0)
po ur fi xer les ides. Le systme (i, j)
dfinit une base du plan. Pour dterminer la matrice defdans cette base, il suffit de calculer f(J) dans la base (i ,J). Dans
la base initiale, les coordonnes de f(J)
sont fournies par le produit A ( ~)
= ( ~) .
Pour dterminer celles dans la base (i,j) ,
76
Vecteur propre et plan stable
il suffit de rsoudre l'quation

( ~) =
x(:) + y(~) .. . ce qui est facile. On
trouve: x = 2 et y= l. La matrice def

dans la base (i, j) est donc B = ( ~ ~) .
La matrice B est trigonale, suprieure
en l' occurrence. Si on change l'ordre
des vecteurs, c'est--dire si on crit la
matrice de f dans la base U, i) , on obtient
la matrice B' = ( ~ ~) , qui est trigonale
infrieure . Dans la suite de cet article,
on opte pour les matrices trigonales
suprieures.
On peut penser que ces rsultats tiennent un choix heureux du vecteur j. Il
n ' en est rien : tout autre vecteur k non
colinaire i aurait donn une matrice
trigonale . En effet,f(k) s 'crit sur la
base (i, k), soitf(k) =ai+ bk . La matrice
de f dans cette base est C = ( ~ :) .
En calculant le polynme caractristique de f , on trouve ( 1 - x)(b - x), soit
x 2 - 2x + 1, d'o l'on dduit que b est
gal 1. Le coefficient a est non nul, sinon
f serait diagonalisable . En remplaant k
par k / a, on obtient une matrice plus
simple : D = (
:) , qui est galement
la matrice def dans la base (i,j/2).

Ce rsultat se traduit de manire matricielle par: A= PD P- 1, o Pest la matrice
de passage de la base initiale (i,j/2),
. :p=
soit
(0 1) . La matnce
. .inverse est
2 -2
0
1
P- 1 = (
) , ce qui permet de vrifier
2 -2
l'galit prcdente.
Ce cas est gnral. Autrement dit, toute
matrice carre d ' ordre deux non diagonalisable, de valeur propre . , est semblable
la matrice ( ~ ~) . Cette forme est dite
de Jordan (voir l' encadr Trigonalisation de Jordan).
Considrons une matrice A carre d'ordre 3 et/ son endomorphisme associ dans une base de l'espace. la matrice transpose tA a au moins une valeur propre A, et donc un vecteur
l:
(a\
propre associ V= J :f:. o pour lequel tAV = AV soit,
en transposant, tyA= Atv. Soit M un point de coordonnes
(x, y, z) appartenant au plan Q d'quation ax + by + cz = o,
ce que l'on peut crire sous forme matricielle:
l!
(x\
tvx = o o X =
J. Le point/(M) correspond la matrice
colonne AX, et : tv(AX) = (tvA)X = (A tv)X = A(tvx) = o.

Ainsi, l'image parf de tout point de Q appartient Q, ce qui
prouve l'existence d'un plan stable parf.
De mme que la diagonalisation, la trigonalisation permet de calculer des puissances de matrices. Pour le montrer,
prenons d'abord l' exemple de la matrice
A . Puisque A= PD p- l, il vient
A 2 = pop- l PDP- 1 = PD 2 p- 'car
p - l P = I. En itrant, on montre que
A 3 = PD 3 P- 1 et, de faon gnrale,
ponp- 1 pour tout entier n. Un calcul simple fournit :
An=
0 2=(~ ~),03=(~ ~), ... IY'=(~ ~)

On en dduit que
An=('1
1/ 2)(1
0
1)
n)(O
uis ueAn=(2n+I
1 2 -2 'p
q
2n
Considrons maintenant une matrice

A carre complexe d ' ordre 3 et f son
endomorphisme associ dans une base
de l' espace . En utilisant la notion de
valeur propre sur la matrice transpose,
on montre qu ' il existe un plan Q stable
par f, c'est--dire tel quef (Q) soit inclus
dans Q (voir l'encadr Vecteur propre
et plan stable) . Grce ce rsultat, on passe
de la dimension 2 la dimension 3 et
au-del . On considre une base (i ,j) de
Q dans laquelle la matrice def(ou plus
Hors-srie n 44. Les matrices Ta.ngent:e
-2n)
1- 2n
SAVOIRS
La trigonalisation
Trigonalisation de Jordan
On appelle bloc de Jordan une matrice dont tous les lments
sont nuls saufla diagonale principale, sur laquelle tous les
nombres sont gaux, et la diagonale immdiatement suprieure, sur laquelle tous les nombres sont gaux 1.
On dmontre que toute matrice complexe peut tre trigonalise sous la forme d'une matrice diagonale par blocs dont
les blocs sont de Jordan. En dimension 2, cela donne une
seule forme. En dimension 3, cela en donne deux :
o\
l~ ~ :J
()...
()..
(o et peuvent tre gaux) et
o\
l~ ~ :J.
1
prcisment de la restriction de f Q)
est trigonale suprieure, soit de la forme
( ~ :) . En compltant cette base par un
exemp le. La valeur propre -2 et un vecteur propre associ i de coordonnes

(0, 0, 1) sont en vidence. L'autre valeur
propre est double , et gale 1. L'espace
propre associ est de dimension 1, engendr par j de coordonnes (3, -6, 20).
Il suffit de complter par un vecteur k
quelconque (mais indpendant dei et))
pour trigonaliser la matrice donne. On
peut cependant s'inspirer de la forme de
Jordan (voir l'encadr) en cherchant k
tel que f(k) = k + j , ce qui revient
On trouve le vecteur de coordonnes

(], 1, -8) . La matrice trigonale cherche
(-2 0 0\
est
vecteur k n'appartenant pas P, on obtient

une base (i,j, k) dans laquelle la matrice
Camille Jordan
(1838-1922)
est l'origine des
matrices portant
son nom ..... mais
pas de la mthode
de Gauss-Jordan
qui est due
un homonyme,
Wilhelm Jordan.
p\
O
0
1
0
1J.
1
aJ . En calculant son
Le second cas est plus dlicat.

Prenons l'exemple de la matrice
( 2
1\
de f est
2x+ y= 3
.
{ 4x-8y-3z =20
rsoudre le systme
l-1 1-IJ .
polynme caractristique, on montre que

les lments de la diagonale sont les
valeurs propres de A comptes avec leurs
ordres de multiplicit. Toute matrice carre d'ordre 3 est donc trigonalisable.
1, d 'espace propre associ de dimension

1, de vecteur propre de coordonnes
(1,-1,-1). En s'inspirant de la forme
Pratique en dimension trois
de Jordan
La seule va leur propre est
( 1 1 0\
lo
La pratique de la trigonalisation en dimension 3 est plus compl ique qu'en dimens ion 2 car plusieurs cas peuvent se
prsenter, a priori :
La matrice A peut avoir une valeur
propre simple et une double, mais d 'espace propre associ de dimension 1 ;
La matrice A peut avoir une valeur
propre triple, d'espace propre associ de
dimension 1 ou 2.
Le premier cas est similaire celui des
matrices d'ordre 2.
( 3
La matrice
l-4
4
1
-1
-8
en est un
1
0
J , on cherche troi s
1
1
vecteurs i,jet k tels quef(i) = i,f(j) = i + j

etf(k) =k + j. En lisant cette liste l'envers , on obtient) et i en fonction de k:
j = (f - id)(k) et i = (f - id)()), ce qui
donne i = (f- id)2(k).
La conditionf(i) =i devient if- id)3(k) =O.
Or, un calcul simple montre que
(f- id) 3 = O. Le choix de k est donc libre
de cette contrainte. En prenant k de coordonnes ( 1, 0 , 0) , on trouve j de coordonnes ( 1, - 1, 1) et i de coordonnes
(2, -2, -2). La matrice donne est donc
bien semblable la matrice de Jordan
ci-dessus.
H . L.
EN BREF
e et produit de matrices diagonalisables

La somme de deux matrices diagonales est une matrice diagonale. Il en est de mme du
produit. Cependant, ces proprits deviennent fausses pour des matrices diagonalisables,
comme le montre les exemples suivants.
Posons A=(
1 1
)et B= (-l O). Le polynme caractristique de A est PA(X) = (X - 1)(X - 2).
0 2
0 -2
Il possde deux racines distinctes, donc A est diagonalisable; B l'est aussi puisqu'elle est diagonale!
C=A+B = (~ ~) n'admet que o pour valeur propre. Si elle tait diagonalisable, elle serait
semblable la matrice nulle, ce qui est clairement faux.
Posons maintenant A=(~
~)et B=
(~
~).Le polynme caractristique de A est PA=X(X-1).
Il possde deux racines distinctes donc A est diagonalisable. B l'est aussi, puisqu'elle est
diagonale! Leur produit C = (~ ~) n'est, lui, pas diagonalisable.
Le thorme spectral affirme que toute matrice relle symtrique est diagonalisable dans
une base orthonorme. Cette proprit est spcifique au corps des rels. Sur deux
exemples, nous allons voir que ceci devient faux si le corps de base est l'ensemble des
rationnels ou des complexes.
Le polynme caractristique de la matrice complexe A =
est (X - 1)2. L'unique
G~)
valeur propre tant 1, si A tait diagonalisable, elle serait semblable la matrice unit et
reprsenterait donc l'identit. Ce n'est clairement pas le cas ...
Posons enfin B= (
1
) considre comme matrice coefficients rationnels. Son polyn1 -1
me caractristique, X2 - 2, ne possde aucune racine rationnelle. En effet, .Jiest un nombre

irrationnel, et donc B ne possde aucune valeur propre rationnelle.
contre-exemple mditer
A et B tant deux matrices carres de mme taille, les produits AB et BA ont le mme polynme caractristique. Donc ces deux matrices ont les mmes valeurs propres. Cependant,
leurs polynmes minimaux peuvent tre distincts !
Posons A=(~ ~) et B= (~ ~) . Un calcul facile montre que AB est la matrice nulle et que
BA= B. Comme B2 est aussi la matrice nulle et que B n'est pas nulle, le polynme minimal de
AB est X alors que celui de BA est X2 Ainsi AB est diagonalisable, tandis que BA ne l'est pas.
ACTIONS
par Philippe Langenaken
manipuler des matrices

auec un tableur
Les tableurs peuvent traiter rapidement des calculs
matriciels. Cet article prsente quelques procdures simples
qui vous viteront bien des calculs ! Microsoft Excel ( version
2010) est utilis ici, mais Open Office Cale, par exemple, ferait
tout aussi bien l'affaire.
n tableur est simplement un programme informatique capable
de grer les feuilles de calculs
(c'est--dire des tables contenant des
informations que l'on peut mathmatiquement modli ser l'aide de matrices) .
Les pres fondateurs du tableur sont les
Amricains Robert Frankston et Daniel
Bricklin , dans les annes 1970 (voir par
exemple les Algorithmes, page 53, Bibliothque Tangente 37, 2009). On utili se
gnralement un tableur pour des calculs locaux , des simulations ou des projections, pour des fonctionnalits absentes
des logiciels de gestion et beaucoup plus
difficilement ralisables en recourant
de la programmation .
Abordons )' utilisation d' un tableur par
quelques exemples simples. L'un des
exercices les plus courants, proposs aux
lves du secondaire, est le calcul du
dtemnant d'une matrice carre. Voyons
comment on peut y arriver rapidement en
utilisant un tableur (une liste des principales fo nctions disponibles est propose
en encadr). Soit une matrice carre de
taille 3 encode dans les cellules (B 1:D3)

(voir la figure ci-dessous). Localisons par
exemple le calcul de son dtemnant en
cellule B5 . Il suffit d' utiliser la fonction
prdfinie Determat. Dans 85 , crivons
=DETERMAT(BI :D3). Appuyer sur
Entre permet de voir immdiatement le
rsultat s'afficher.
1
2
A
(
-5
-3,2
D
0
E
)
Le calcul d'un dterminant d ' une

matrice de taille 3.
Pour obtenir l'i nverse de cette matrice ,

par exemple en (H 1:13), il suffit d'utili ser la fonction In versemat : slectionnons les cellules (H 1:13), qui contiendront la matrice rsultat, tapons
=INVERSEMAT(BI :D3) et validons
avec les touches Ctrl-Maj-Entre. De
fait, les formu les qui renvoient des
TC1.ngente Hors-srie n44. Les matrices
'
matrices doivent tre tapes sous

forme matric ie lle, en validant avec
Ctrl- Maj-Entre. Une fo is saisie, la
formule matricielle apparat gale ment
dans la barre de formule, encadre par
des accolades.
. ( i .
l.
'
:i i
~ .;!
',.,
~- i1
Pour plus de clart, il est souve nt utile

de nommer les cellules et les plages.
Le calcul matriciel ne fait pas exception cette rgle . Attribuons le nom A
la plage (B 1:D3), en cherchant dans
l' onglet Formules la fo nction Dfinir
un nom .
. ,vtll\l.\UT,ll
l-1
Al
Nom :
L'inverse de la mme matrice.
C&!rrmentaire :
Multiplions prsent la matrice carre

(H l:1 3) par la matrice colonne
(M 1:M3). Le rsultat sera bien entendu
une matrice colonne, que nous faisons
calculer en (Q 1:Q3) . Il suffit d ' utiliser
la fonction Produitmat, en procdant
comme suit : slectionner la plage de
cellules rsultats (Q 1:Q3), tape r
=PRODUITMAT(H 1:J3 ;M 1:M3), puis
valider.
"
1
r;.."ll tlC'n41.M'
C:,C:l-C:.U"C t,
_. 1 , c;11; -e..-
l
C
c:te._
La multiplication de la matrice par

un vecteur.
On peut videmment additionner deux

matrices, pour autant qu 'elles soient de
tailles identiques. Sur l'exemple c idessous, on slectionne la plage rsultat (L6: M8), on saisit la formule (ic i
tout simplement =B6:C8+G6: H8), puis
on valide .
'.
' . l [. ... l [[G ]
l .

c~
'
z.
Nommer un
ensemble de
cellules.
,@
o--.s-----__B-.-..
..,..,
Zont :
L'addition de deux matrices

rectangulaires.
Il est possible de multiplier une matrice par une constante, ou par la valeur
d' une cellule, en utilisant respectivement dans la cellule rsultat =3*B6:C8
ou =A 10*B6:C8.
F n!f6rence :
-Feull 1$8$1 :$0$3
1 [ Arruer
()1(
Si l' on nomme successivement InvA la

plage (HI:J3), B la plage (Ml:M3), M
la plage (B6:C8), N la plage (G6:H8)
et k la cellule A 10, les formules ci-dessus deviennent respecti vement
=DETERMAT(A),
=INVERSEMAT(A),
=PRODUITMAT(InvA ;B),
=M+N , =3*M et =k*M.
Les possibilits d 'application des
tableurs sont nombreuses ! Outre les
calculs de dterminants ou d ' inverses
de matrices, on peut effectuer des
simulations ou des calculs la chane .
Voici deux ides d ' applications relativement simples et utilisables dans un
cadre scolaire.
La rsolution d ' un systme de n quations linaires n inconnues se rsout
aisment, pour autant que ce dernier soit
de Cramer (c'est--dire que le dterminant de la matrice des coefficients est
non nul). Regardons le systme
3x, - 2x2 + x 4 + l ,4x5
6x, + 2x2 + 0 ,5x3 + 3x4 + 2x5

Sx, + 2x3
x4
x5
x, + 2x2 + 6x3 + 2x4 + 3x5
- 3x2 + l,5x3
x 4 + l,2x5
1
=
-4
Hors-srie n" 44. Les matrices Tangente
81
ACTIONS
Manipuler des matrices...
Ce systme pe ut s'exprimer sous la

forme du produit matriciel sui vant :
(3 -2
0
0 ,5
1
3
1,4\(x,\
2
X2
- 1 -1
2
1
-4
De nombreuses fonctions matricielles

existent dans Openffice Cale comme
dans Excel.
Le produit de deux matrices Mt
et M2 correspond la commande
Produitmat(M1;M2),
( 3\
0 -3 1,5 -1 J,2 X 5
~---~--~______..
ou encore AX = B . On introduit les

valeurs des diffrents coeffic ients dans
le tableur, et on vrifie que le dterminant de A est non nul :
A
(
1
1
1
IAI =
0
2
1,4
0,5
2
l
-3
1,5
-1
l
3
1,2
)
1
1
1
(
1
1
1
xl
x2
x3
x4
l
-4
x5
)
1
1
1
311,4
Le dterminant de A vaut 311,4 ; il est non nul.
La cellule B7 contient la form ule

= DETERMAT(A). La matrice A est
donc inversible, le systme propos est
bien de Cramer.
SiAX=B,alorsX=A- 1 B.
La solution s' obtient ai nsi :
8
9
10
11
12
13
-0,l 0,155 0,091 -0,07 0,123
O, 76 0,448 -0,05 -0,12 0,396
-2
-5
1
1
0,385 -0,35
0,14 0,232 -0,33
1,445 -0,81 0,025 0, 372 -1,25
"---
"-
-4
-1,19 0,883 -0,29 -0,28 1,198
=INVERSEMAT(A)
=PRODUITMAT(B9 Fl3.19 113)
La solution apparat :
x. =1,
Xz =1,
x3 =-2,
x 4 =-5
et x 5 =S.
82
les commandes prdfinies
L'inverse d'une matrice

inversible M s'obtient l'aide de
lnversemat(M),
L'opration de transposition de
la matrice M s'effectue grce
Transpose(M).
Le calcul du dterminant de M
s'obtient via Determat(M).
Les commandes en version anglosaxonne sont respectivement
Mmult(M1;M2), Minverse(M),
Transpose(M) et Mdeterm(M)
En outre, il est possible d'extraire les
colonnes ou les lignes de la matrice M,
en utilisant les fonctions Colonnes(M) et
Lignes(M) (ou Colurnns(M) et Rows(M)
dans la version anglo-saxonne).
Enfin, il faut faire attention aux sparateurs d'arguments requis par les options
rgionales pour votre tableur prfr (en
gnral, point-virgule en version franaise et virgule en version anglaise) !
Calculs la chane... de markou

Les procdures de simulation utilisent
souvent des matrices stochastiques.
L'exemple suivant va permettre d ' illustrer une suite de compositions de transformations (constituant des chanes de
Markov conve rgentes) ainsi que la
notion de distribution stationnaire.
Au pays imag inaire du Mathe ndesh , on
observe des mouve ments de population e ntre zones urbaines (U) et zones
pri urbaines (P) : tous les ans, 12% des
habitants de la ville migre nt vers la
banlie ue et 8% des banlie usards vont
habiter en vi lle . Cette situation peut se
dcrire par la transformation linaire
suivante:
U;. 1 : 0,88U; + 0,08P;
{ P;. 1 - 0,l 2U; + 0,92P;
ou, sous forme matricielle :

U;.,)
( P;.,
(0,88 0,08) (U ;)
0,12 0,92 P;
U; et P; dsignent respectivement les

population s urbaine et rurale pour l'anne i. Imaginons une population urbaine initiale de un mill ion d' habitants,
avec 500 000 habitants dans les zones
priurbaines. Introdu isons to utes ces
valeurs dans une feui lle de calcu l :
L'volution de la dmogra phie au

Mathendesh.
Plaons en B5 et B6 les populations

initiales. Nous avons pris soin de nommer T la matrice de transformation en
(B 1:C2). Dans la colonne C , on calcule les effectifs des populations aprs un
an sur la base des taux de transfert
observs. Le rsultat matriciel s 'obtient grce la formule =PRODUITMAT(T;B5:B6). Il suffit alors de tirer
la poigne de recopie vers la droite
pour obtenir les populations respectives dans chaque milieu pour toutes
les annes suivantes.
S U
'
o.aa
o.oa
0,12
0.92
!120000 &)6000 804800 763840 731071 7t14151 68

S10000 644000 595200 736160 761921 79'14:Z Il
volution des bassins de population au

cours des annes venir.
On observe la convergence de ces

popu lations vers des valeurs correspondant aux taux (thor iques) de
Recherche de valeurs propres

L'outil Valeur cible d'Excel permet de rechercher des
valeurs propres approches d'une matrice. Considrons par
exemple une matrice de taille 5 entre dans une feuille de
calcul en (C1:G5). Appelons cette matrice A.
Un vecteur propre associ A est une matrice colonne X
non nulle telle que AX = X, o est une valeur propre de
A. Pour une telle valeur propre , le dterminant de la
matrice A - I sera nul. En (L1:P5), encodons la matrice identit 15. En C1, rservons une place pour la valeur propre .
Nommons cette cellule Lambda. Le but est de faire rechercher par le programme les racines du dterminant de
A - I. Calculons ce dterminant en A10 :
On reste posi I[ C OI 1~ '., Gl
o,
tionn sur A10,
et on fait appel
,
l'outil Valeur
'~"-"""
~- '-""-"-' ~~~~~~~~ ~~~~~ c1.bl e ( avec
Excel2010, cliquer dans l'onglet Donnes, sur le bouton
Analyse scnarios, puis slectionner Valeur cible). Dans
la bote de dialogue Valeur cible, on entre les donnes
utiles (Cellule dfinir : A10, Valeur atteindre : o, Cellule modifier: Lambda; en effet, la cellule dfinir, A10,
contient le calcul du dterminant de A - I, la valeur
atteindre est zro, et la cellule modifier pour atteindre
cette valeur cible est Lambda). Si une solution existe, Excel
la trouve :
L MO'\ OO\
M
l
12
11
J
1
11
1-,1
Q
l
0 ,08 /(0 ,08 + 0 ,12) = 40% et

0,12/(0,08 + 0 ,12) = 60 % des
1 500 000 habitants initiaux , lesquels
vont progressivement se di sperser vers
600 000 en ville et 900 000 en banlieue. Cette rpartition constitue alors
une distribution stationnaire. Certes ,
ces calculs success ifs ne constituent en
rien des dmonstration s des proprits
sous-jacentes. Mais e lles permettent
d ' illustrer efficacement plusieurs proprits . Bons calculs tous !
O
l
O
O
La valeur
>.. = -4,42562
fournit le rsultat
5 x 10-S pour le
dterminant de
A-.I.
P. L.
Hors-srie n 44. Les matrices TC1.n9ent:e
83
EN BREF
l'exponenti lie d'une matrice

La fonction exponentielle est la rciproque du logarithme nprien. Par ailleurs, exp(x) est
aussi la limite, quand l'entier n tend vers l'infini, defn(x) = 1 + x + x:2/2! + ... + x'/n!. En utilisant cette formule, on peut dfinir l'exponentielle d'un nombre complexe quelconque.
Pourquoi ne pas aller plus loin ? La somme et le produit de matrices existent, peut-on donner
un sens l'exponentielle d'une matrice? Soit A une matrice carre d'ordre p ; notons IP la
matrice unit et Sn la matrice IP +A+ A2 /2! + ... + An/n!. Le problme est de donner un sens
la limite de la suite (Sn\ Pour le faire, il faut dfinir une norme sur l'ensemble des matrices
carres. On dit alors que la suite (Sn\ tend vers la matrice B si la norme de Sil - B tend vers
o. En l'occurrence, on montre que (Sil\ converge, quelle que soit la matrice A choisie. Sa limite s'appelle l'exponentielle de A et se note exp(A). Mais comment la calculer? C'est l que l'on
voit l'intrt de la diagonalisation ou de la trigonalisation !
Prenons une matrice diagonale D, avec A.1' A. 2 ...
sur la diagonale. Notons
Qn = In + D + D2 /2! + ... + on/n!. Un calcul facile montre que le produit de deux matrices
diagonales l'est aussi, et qu'on l'obtient en multipliant les termes correspondants. On en

dduit que les termes diagonaux de Qn sont 1 + i + A.N2! + ... + A.tfn!, suite qui converge vers exp(A.J La matrice exp(D) est donc la matrice diagonale ayant, sur sa diagonale,
l'exponentielle des termes correspondants de D.
Si A est diagonalisable, il existe une matrice diagonale D et une matrice inversible P
telles que A= PD p- 1 Par distributivit du produit, on a encore Sn= P Qn p- 1 Il est tentant d'affirmer qu' la limite on a encore exp(A) = P exp(D) p- 1 Encore faut-il le justifier. On utilise alors la notion de continuit, la norme jouant le rle de la valeur absolue
dans la dfinition. On montre alors que la fonction tf, qui, la matrice M, associe la
matrice PM p- 1, est continue (attention, la variable est une matrice, de mme que son
image). On utilise une proprit classique des fonctions continues Oa limite de l'image
est l'image de la limite). Comme exp(D) est la limite de la suite (Qn)n, on en dduit que
tf,(Qn) = Sn tend vers tf,(exp(D)) = P exp(D) p- 1
Dans le cas o A est seulement trigonalisable, on opre de mme. Le seul inconvnient provient de la difficult de calculer la puissance d'une matrice triangulaire.
Les exponentielles de matrices sont d'une grande utilit. Considrons par exemple le systme diffrentiel x = 2X + y, y' = x + 2y. Les solutions sont les fonctions de IR dans IR 2 de la
forme t H
exp( tM) U o
M=
G~)
dsigne la matrice du systme et U est un vecteur
de 1R2 Ceci se gnralise tout systme diffrentiel linaire coefficients constants en

dimension p.
Hors-srie n 44. Les matrices Tcingente
85
ACTIONS
par lisabeth Busser
Hgrandir les images

sans perdre en qualit
Matrices et vecteurs sont certes avant tout les lments d 'une
thorie algbrique. Mais ils sont devenus aujourd'hui des
outils mathmatiques et informatiques incontournables pour
tout ce qui concerne le traitement numrique des images,
qu'elles soient matricielles ou vectorielles.
i la base de la reprsentation des
images num riques est la gomtrie ana lytique, celle o les
points aussi bien que les courbes sont
reprsents par des donnes ou des formules algbriques, il ex iste nanmoins
plusieurs formats pour les images que
nous voyons sur nos crans. Sous chac un d e ces formats se cac he nt des
concepts de calcul matric ie l : matrices
de grandes dimensions, oprations algbriques sur les matrices, transformations gomtriques, expression matricielle
d ' une forme algbrique ... En ce qui
concerne la reprsentation des donnes
informatiques, l aussi, nombreux sont
les emprunts au vocabulaire des matrices
et des vecteurs : vecteur-ligne ou vecteur-colonne pour reprsenter une suite
de donnes, matrice pour reprsenter
les pixels de l'cran, matrices encore pour
reprsenter un volum e . L' un des
logiciels les plus connus de calcul scientifique ne s'appe lle-t-il pas Matlab ,
comme Matrix Laboratory ?
Georges Seurat
(1859-1891), La Seine Courbevoie.
L'imagerie matricielle peut tre traite

par un calcul algbrique simple,
mais elle rsiste mal au grossissement.
86
LES MATRICES SONT PARTOUT

Ev idemment , il ne fa it appe l qu ' des
matrices ! C'est cette om niprse nce de
ces noti o ns alg bri q ues importa ntes
do nt no us do nn ero ns ic i qu e lqu es
exemples.
Un exemple de nuancier RVB, ici, les composantes

sont exprimes en pourcentage.
Non,.
Modle .
~-~---==m
-~
Images matricielles
l' instar de certains procds de broderie (co mme le point de cro ix), des
tec hniques de la mosaque (q ui fo nt
d' une image une j uxtaposition de tesselles ) ou du pointilli sme (tel celui de
la peinture de Seurat), l' image numriq ue dite bitm ap est, comme son
nom l' indique, une carte de points .
Une tell e image n'est donc rien d'autre
qu' un ta bleau de va leurs dont les cases
son t les pixe ls (picture elements, ou
lment d ' image). De l re prsenter
cette im age so us fo rme d ' un tabl eau
den li gnes et p co lonnes, c'est--dire
une matrice n x p, il n'y a qu ' un pas,
que les in fo rm ati c ie ns ont trs v ite
fra nchi . Il s ont ain si dfi ni les images
matricielles. Chaque l me nt de cette
matr ice, savo ir c haque pi xe l dj
rep r par ses coo rd onn es gomtriques, va e n plu s tre caract ri s par
une pondration reprsentant son intensit ou sa coule ur.
Po ur une im age e n noir et bl anc, cette
pondration va de O 255, la valeur O
tant pour le no ir, la va le ur 255 corres pondant au bl anc, les vale urs intermdi a ires ta nt attribu es a ux 256
d iffre nts ni veaux de gri s, all ant du
plus sombre (noir) au plus clair (blanc).
Les entiers tant stocks dans l'ordi nate ur en critu re binaire, tout nombre
entre O et 255 ne ncess itera pas plu s
de huit caractres O ou 1, c'est--dire
huit bits, fo rm ant un octet.
Pour une image e n coul eurs, selon le
code RVB (rouge, vert, bleu), on rserve
un octet par coule ur, ce qui correspond
.,.,.---- ~
n.;;.--
Les formats d'image matricielle

Les form ats d'images matricielles les plus rpandus ont
pour nom JPEG (Joint Photographie Exp erts Group),
qui est le format de photo
classique , GIF (Graphical Interchange) et son remplaant PNG (Portable Network Graphie).
Les formats TIFF (Tagged Image File) ou PSD
(Photoshop Document), pour la retouche d 'image, sont
galement trs rpandus.
256 intensits de rouge, autant de vert

et autant de bleu. Ainsi, un pi xel de bleu
pur sera cod (R, V, B) =(0, 0 , 255). Dans
la pratique, on utili se dans la matrice
tro is octets (un par composante) pour
code r la couleur de chaque pi xel.
La notation matri cie ll e joue donc un
grand rle dans le stockage des images
numriques ; e lle va ga le ment jouer
un r le primordi al dans la modifi cati on de ces im ages, autre me nt dit le
traitement d'images. Comme on peut
modi fie r les images coule ur e n appliqu ant chaque coul e ur (R , V, B) la
mme mthode qu 'aux ni veaux de gri s,
il nous suffi ra de traiter les modifi cati ons d ' im ages en ni veaux de gri s. Et
l encore, les oprations sur les matrices
vont jouer un r le important.
L' une des modifications les plus courantes pour amliorer la qualit d ' une
image est la cration de filtres de trai-
87
ACTIONS
Agrandir les images ...

tement. Les oprations sur les matrices
vont prendre place lors de l'opration
convolution . L'opration consiste
transformer les lments de la matrice
d ' image A , gnralement de trs grand
format , par une matrice F dite de convolution, plus petite, appele encore noyau.
On modifiera par exemple chaque pixel
de A grce ses huit voisins , par l' intermdiaire de la matrice F, qui sera
donc une matrice 3 x 3. Si vous voulez
par exemple renforcer la brillance d ' un
point sur un fond uniforme, comme celui
que dcrit la matrice A, vous utiliserez
le noyau F ci-dessous :
50
50
50
50
50
50 50 50 50
50 50 50 50
50 100 50 50
50 50 50 50
50 50 50 50
On calcule alors la valeur de chaque

pixel de la matrice transforme A' en
multipliant sa valeur par celle du pixel
central du noyau et en additionnant la
valeur des produits des pixels environnants point par point. Le coefficient
1OO central devient ainsi
5 x IOO - 1 x 50 - 1 x 50 - 1 x 50
- 1 x 50 =300, et la matrice image sera:
(.. .
. . \
A' =
50
50
50
50
50
50 50 50 50
50 0 50 50
0 300 0 50
50 0 50 50
50 50 50 50
Il restera multiplier tous les lme nts

par un facteur convenable pour reste r
entre Oet 255 , et le pixel central appa-
88
Images uectorielles
Image
bitmap
Image
vectoriel le
rt Jt
Diffrence entre une image bitmap
et une image vectorielle.
...\
(. ..
A=
ratra avec un contraste accentu. Le

calcul matriciel aura , l encore, prouv
sa capacit d'conomie opratoire lors
du traitement d' image.
L' imagerie matric ielle a certes l'avantage de pouvoir tre traite par un calcul algbrique simple, mais e lle rsiste
mal au grossissement , donnant trs vite
un effet d 'escalier.
li ex iste une autre catgorie d ' images
numriques, plus rsistantes au grossissement, moins lourdes en taille, mais
pour la quelle le vocabulaire de
l'algbre linaire intervient encore: le
images vectorielles. Ce sont des reprsentations d'objets gomtriques simples,
lignes, points , polygones , courbes dfinis, selon des tableaux d' octets appels
vecteurs, par leur forme, leur position , leur
couleur. Un cercle sera par exemple dfini
par son centre et son rayon, un carr par
deux sommets opposs, une courbe par
plusieurs points et son quation.
Dcrites avec peu d'informations , les
do nnes, reprsentes par des entits
mathmatiques, seront aussi moins sensibles aux transformation , et le images
resteront nettes aprs grossissement.
Le mot vecteur intervient double
titre dans ces images : dans la qualification vectorielle , mais en plus dans
le rle important des tangentes aux points
d 'ancrage des courbes, autre ment dit

des vecteurs ta ngents , comme les uti li se l'outil plume du logic ie l de cration graphique Ulustrator (Adobe Systems).
On veut par exemple, tant donns quatre
po in ts A , B, C, D , trace r une co urbe
allant de A D , la plus li sse possible, tout en restant contenue dans le plus
grand ensemble convexe contenant ces
q uatre po ints , que l'o n appe ll e en veloppe convexe de ces po ints , et dont les
vecteurs tangents en A et D sont AB et
CD. S i on part de A l' instant 1 = 0
pour arri ver en D l' instant 1, comment
dcrire l'end ro it o se tro uve, chaque
in stant I compri s entre O et 1, la po inte
de la plume?
C'es t Pi e rre Bz ie r, in g ni e ur c hez
Renaul t, qui , en 1962, a parfa ite ment
transcrit la situation dans l' ide de concevoir des pices auto mobiles sur ordinate ur. Po ur dcrire un seg me nt [AB ],
pensa-t-il , on fa it occuper la plume
l' in stant Ile baryce ntre de A et B , avec
pour coefficients I et 1 - 1, dont la somme
est gale 1. Pour tracer entre A et B une
co urbe li sse resta nt l' intrie ur d ' un
certain tri angle ABC, on fa it de m me:
c'est ici le barycentre de tro is po ints qui
intervient. De mme aussi avec les quatre
points A, B , C, O. li s' ag it alors de dterminer les coeffic ients de somme 1, dont
ces quatre po ints seront affects. L'astuce est d'lever au cube 1 = 1 + ( 1 - 1)
po ur tro uve r ces qu atre no mbres de
somme 1 :
1 = t3 + 31( 1 - 1)2 + 312( 1 - 1) + ( 1 - 1) 3 .
Vo il quatre re ls, t3, 31( 1 - 12 ),
312( 1 - 1) et ( 1 - 1) 3 , de somme 1, qui
permettront de sui vre le chemin de l' outil plume dans son trac de courbe.
C'est une courbe de Bzier cubique qu ' il
parcou1Ta, allant A D, avec B et C pour
po ints de contr le et surto ut AB
co mm e vecte ur ta nge nt e n A et CD
comme vecteur tangent en D. L'quation
d' une telle courbe prend ra alors la fo rme
sui va nte :
Pierre Bzier (1910-1999).
les formats d'image vectorielle

Les formats d'image vectorielle les plus populaires se
nomment PICT (Apple Picture), qui est un peu ancien,
PDF (Portable Document Format), pour un affichage
efficace des documents, Postscript, intressant pour
l'impression, SWF (Flash), pour des animations sur le
Web, SVG (Scalable Vector Graphie), permettant animations et transparence.
B
... D---------q....
.. ....
_____
Courbe de Bzier
de A D, avec B et C
comme points de contrle .
O P(t ) = ( 1 - t 3 )0 A + 31(1 - 1)2 08 + 312 ( 1 - t )OC + t 30 D,
que l'on crit pour simplifier:

P(t ) = (1- t 3 )A + 31( 1 - 1)2 8 + 312( 1 - t )C + t 3 D.
Ici , en plu s des vecteurs, les matrices

seront encore une fo is mises contribution puisque l'criture matric ielle servira mettre cette qu ation sou s une
fo rme plu s condense :
( 1 0 0
( ,
, ,
')l-3 3
P(I)= ( l-1 ), 31( 1- rf, 31 (1-1) , 1
-1
6
3
0
3
-3
Les vecteurs et le calcul matric ie l sont

donc encore prsents dans les fa meuses
cou rbes de Bzier , outil de base des
images vectori e lles, qui permettent de
dess iner des courbes li sses et suppo rtant le gross issement sans dgradatio n
pui sque dfini es exclusivement l'aide
d ' l me nts math matiqu es ind pe ndants des pi xe ls.
E.B.
89
SAVOIRS
Partout en physique,
des matrices
L'tude dynamique d 'un systme physique consiste
transcrire des relations entre forces en un systme
d'quations. La rsolution numrique amne rcrire les
quations sous forme matricielle. De fait, plus de la moiti du
temps de calcul de tous les ordinateurs se passe manipuler
des matrices !
es matrices sont partout ! Pe u
de calcul s, di scrti ss pour tre
traits par la pui ssance informatique, le urs chappent. E lles pe uvent
intervenir dans la formul atio n m me
du probl me, si celui -ci pe ut tre vectori s, ou dans la reprsentation d 'oprate urs. Nous allons illu stre r que lques
cas classiques d ' utili satio n des
matrices, sans vo ulo ir pr tendre l'exhausti vit pui sque la mise e n fo rme
ma tric ie ll e est frque nte da ns to ut
do maine math matis .
matrices en physique
Un calcu l n 'est qu ' une manipulatio n
de rgles prtablies . Et qu ' importe le
sens rel des m thodes mi ses en jeu.
C' est a in s i que l' on a inve nt les
nombres ngatifs, les nombres complexes et bie n d 'autres outils pra-
90
tiques , do nt... les matrices. Ces

tablea ux de no mbres re prsenta ie nt
initi a le me nt des applicatio ns linaires .
On les uti lise do nc nature lle ment pour
to ut syst me phys ique dcrit par des
quatio ns linaires. C'est a insi le cas
e n lectric it o un coura nt lectrique i
c re aux bo rnes d ' un c irc uit passif de
rsistance r une tension propo rtio nne lle u =ri (lo i d ' Ohm). Po ur un rseau
lectrique constitu de n mailles , on
attribue c haque ma ille un courant de
maille (Ik)k = 1. .. 11 et une fo rce lectromo trice (FEM ) (Ek\= 1. .. n Les re latio ns e ntre les FEM et les courants de
ma illes sont sy nthti ses par la lo i
d ' Ohm matric ie lle E = R 1 (voi r e n
e ncadr) . La matrice R , de dime nsio n
n, est symtr ique. L'l me nt R;, ; de la
di ago na le princ ipa le est gal la
somme des rsistances de la maille i,
a lors que la quantit - R i.j correspond

la somme des rsistances communes
aux mailles i et j. Connaissant les
Des mailles aux maths
fo rces lectromotrices d ' un tel rseau ,

nous obtenons les intensits de chaque
maille en inversant la matrice R : en
effet, I = R- 1 E. Dans le cas d ' un quadriple, la linarit du rseau permet
d 'tablir une relation matric ielle entre
courant et tension d 'entre et de sortie:
Si toutes les rsistances sont identiques dans le schma

ci-dessous, le systme rsoudre s'crit matriciellement
( ~: )=(Q,)x( ~.
Une mi se en srie de n quadrip les de

matrice (Q); = 1.. . 11 est alors qui valente un seul quad riple de matrice
(Q) = (Q 11 ) X (Q 11 _ 1) X ... X (Q 1), et
nous avons toujours :
( ~: )=(Q{ ~
Une mthode similaire est utili se pour

une success ion de systmes optiques
centrs. Dans le cas de fa ibles ang les
avec l'axe optique, l' approx imation de
Gauss linari se la lo i de Descartes
n 1 sin (a 1) = n2 sin (a 2) , qu i re lie la
variation de direction d ' un rayon la
variation de l' ind ice, pour la transformer en une lo i de conservation de
l' angle optique na: n 1a 1 = n2a 2 . Au
passage d ' un pl an perpendicul aire
l' axe optique, un rayo n est donc entirement caractri s par sa di stance
l'axer et son angle optique , donc par le
E
0
l[
=r
2 -1
-1 ][ 11,
-1
3 -1
2
-1 -1 3
13
l
.
Dans la matrice rsistance , les lments diagonaux

correspondent la somme des rsistances des mailles et
les autres lments l'oppos des rsistances communes deux mailles. L'inversion de l'quation
(E) = (R) (1) nous donne :
On constate en particulier que 12 = 13 , et donc que

i = 13 - 12 = O. Ce rsultat pouvait tre tabli par des
arguments de symtrie, en remarquant par exemple que
le schma propos est topologiquement quivalent un
ttradre.
Problmes quivalents.
quations diffrentielles
vecteur
( nra
C haque
mili e u
homogne ou dioptre est reprsent par

une matrice, et le calcul de la propagation, entirement algbri s, se ra mne
un produit de matrices.
Mais si les matrices sont incontournab les en phys ique, c ' est que tout problme se tradui t en quations diff rentielles, qui ncess itent ! ' utilisation des
matrices pour leur rsoluti on .
En dynamique classique, le mouvement d ' un po int matrie l est caractris par une relation entre sa pos ition
x(t), sa vitesse (ou dri ve temporelle)
i 1\t) = dx(t) / dt, et son acclration
x<2\t) = dx<1>(t) /dt= d 2x(t) / dt2, que
l'on sait proportionnelle la somme
des fo rces depuis Newton. La trajectoire de ce po int , la courbe (t, x(t)), s'obtient en intgrant une qu ation diffre ntie lle lina ire coeffi c ie nts
91
SAVOIRS
Partout en physique
con stants d ' ordre 2 de la form e
m x< 2l(t) + f x(l >(t) + k x(t) = O. Pui sque
l'exponentielle est invariante par dri vation, nous avons (eA1)<11> = A"eA 1 La
fonction x(t) = x(O)eAr est alors solution
de cette quation , la condition que A
soit solution du pol yn me du second
degr mA 2 + JA + k = O.
Dans le cas gnra l d ' une quation di ffrentie lle linaire d ' ordre n,
Puissances des matrices

Les vecteurs propres d'une application linaire
a sont proportionnels leur image: a( x ) = ,li ,

avec X. pour valeur propre.
,i - 1
)"l + I, ak)kl
k=O
= y(")
+ a11- I y(,,- 1) + + a y (i) + a0 y= 0 '

1
le po lynme rsoudre est de degr n.

Ma is nous pouvons rduire l' ordre de
cette quation au pri x d ' une augmentation de dimension, en passa nt d' une
quati on diffrentie lle d ' ordre 11 sur un
espace de dimension 1 (les rels) une
quation di ff rentielle d'ord re I sur un
Cette criture facilite le calcul algbrique avec

les matrices. Puisque p- 1 A P = D , nous avons
A= PD P- 1, et donc :
A 2 =(PD P- 1) (PD P- 1) = P 0 2 P- 1 Par rcurrence, nous obtenons A"= PD" p- 1 avec
Pour l'application a de ~ 2 dans ~ 2 reprsente

par la matrice A = ( :
) , cette relation devient

En notant Ll 11 = </>" - ( -
(A - AI)X = O. La condition ncessaire pour

qu'il existe d'autres solutions que le vecteur nul
est det(A - AI)= O. Les solutions de cette quation polynomiale caractristique sont les valeurs
propres. Pour norre exemple :
det ( A - I) =
I - I = 2
1 - 1
Ses solutions sont A1 =

</)
<1>
- 1 =
0.
et A2 = -1 / <J>, o
cp- 1)" , cette expression
.
devient
A ,' = - J [ Ll,,+1 il,,
Lli
li,, ll,,_1
et est encore
valable pour des valeurs ngatives de l'exposant.

En appliquant l'criture A"= P 0 11 P- 1 dans
-
l'expression exp(A)= I,-A" , nous pouvons

k=O n!
Js + 1 est le nombre d'or. On en dduit les

2
vecteurs propres X 1 = (<j>,I) et X 2 = ( - 1,<j> ), et

la matrice de passage P =
</)
~I
On vri-
fie que , dans la base de vecteurs propres , la

matrice de l' application a est diagonale:
P'AP= dei(e)[
~!
]( :
=(: _;, )=D

92
~ l[ ~
~!
avec exp(D)=[
0
e q,
e - q,
_,
On vrifie au passage que les coefficients du

polynme caractristique d'une matrice sont
indpendants de la base. En particulier,
det(D) = - 1 = det(A) et tr(D) = <p - 1 / <p
= 1 = tr(A). On en dduit la trs belle relation
det(exp(A)) = ir(A), valable pour toute matrice
carre.
espace de dimension n. Le vecteur

y (" - 1)
de dimension n admet
Y=
l'quation matricielle admet pour solution Y(t) = exp(At).Y(O) avec :
t"
exp(At)=I,A"- (voirenencadr)
n~O
n!
et Y(O) le vecteur des conditions initiales dtermin par n donnes.
pour drive
y (i)
, et est
Prenons
le
cas de l'quation
avec y(O) = 0
et
y<' l(O) = 1. Elle s'crit y ( I ) = AY, en
y< 2l = y< 1l + y ,
donc solution de l'quation du premier

ordre y ( I l = AY, o la matrice A est la
matrice compagnon de l'quation initiale:
A= [
T
O
-a,
Y=[ y:I } Y(O)=( ~) et
A=( : ~}
-f J
Par analogie avec l'quation scalaire

de so lution y (t) = y(O) e'",
/'l = ay,
posaet
Sa rsolution ncessite le calcul de

l'exponentiel le de A. Considrons
maintenant la clbre suite de
Fibonacci , dfinie par la relation de
93
SAVOIRS
Partout en physique
MathsTavlor is maths-riches
Toute fonction bien gentille (sans irrgularits,
comme on en rencontre souvent en physique) admet un
dveloppement de Taylor. Ce dveloppement en un point
x est une srie contenant les drives en x de tous les
ordres de la fonction, savoir :
f (x + h) = f (x) + h/ 1l(x) + h2 / 2l(x) / 2 + . . . En notant
!; = f (x;) , nous avons h+i = !; + hJ;(l ) + h2 J;<2l / 2 + .. .
Ces expressions peuvent nous fournir, par diffrentes
combinaisons linaires, une estimation de n'importe
quelle drive. Ainsi, de la partie paire de ce dveloppement, soit:
if;+ 1 + J;_1) I 2=!;+h2 1;<2l / 2! + h4 1;<4l I 4! + ... , nous
pouvons obtenir une estimation d'ordre 2 de la drive
seconde , avec l'expression :
Ces exemples illustrent le fait que les

suites rcurrentes linaires sont structurellement lies aux quations diffrentielles linaires , et peuvent donc
tre rsolues avec les mmes outils.
Ainsi, la recherche d'une solution
exponentielle eAr de l'quation diffrentielle ou d'une solution de la forme
A" de la suite rcurrente nous conduit
rsoudre
la
mme
quation
X. 2 - X. - 1 = O, dont les solutions sont
les valeurs propres de la matrice A
commune aux deux problmes. Si vous
savez rsoudre une quation diffrentielle linaire , vous savez rsoudre la
suite rcurrente associe , et rciproquement!
Discrte driue
La gnralisation deux dimensions est le laplacien
N(x,y)= [ -il2 +a-2 ] J(x,y). En notantJ;J=f(x;,Y),

x y
2
. 1++:
. 1++:1
J+:i.JJi .J+
Ji -.). ++:1
J ;+ ,}.
nous avons '-'A..f.. -__
2
I .J
h4[
4
t].
l ,J
Le laplacien mesure donc l'cart de la valeur en un point

la moyenne des points environnants , ce qui justifie
qu'il soit l' oprateur fondamental des processus de diffusion , qui tendent uniformiser les densits des corps
en prsence ...
rcurrence u,, = u,,_1 + u11 _ 2 avec u0 = 0

et u 1 = 1. En posant U,, =( u,, ],
avec
u1
=( ~ }
u,,_1
cette
quation
s'crit U ' 1 = AU IJ- 1 = A"- 1 U 1 En utilisant la formulation de A" calcule en

encadr, nous dduisons l'expression
du terme gnral de la suite de
Fibonacci : u,, = 6.,, / 6. 1 avec :
6.,, = <!>" - ( - <f,- 1t et
94
</>
= .Js + l .
2
Tous les oprateurs intgro-diffrentiels linaires sont reprsents , aprs

discrtisation, par une matrice.
Prenons l' exemple de la drive .
Comment exprimer la drive d ' une
fonction f dont on connat les valeurs
if;); =, ...11 en n points, rgulirement
espacs, d' abscisses X;= h X i , pour i
variant de l n ? Nous noterons [!] le
vecteur colonne constitu des valeurs
if;);= 1. .. 11 En prenant le cas particulier
d' une fonction nulle l' origine , une
approximation de la drive est donne
par df; = if; - J;_1) / h pour i > 1 et
df1 = f, / h. L'criture matricielle de ce
systme est ( df) = D 1[!] = _!_ D[f]
h
0
-1
avec D =
0
0
0 0
0 0
-1
-1
0
0
matrice de dimension n . Remarquons

que nou s pouvon s crire D = I - N, o

(1 - N)(I + N + ... + N"- 1) =1 - N" = 1.
Nous venons d'tablir, sans trop de calculs, que S = 1 + N + N2 + N3 , soit
0
0
est une matrice nilpotente, que nous

avons prise d'ordre 4 pour l'exemple .
Dire que la matrice N est nilpotente
d'ordre 4 signifie simplement, par dfinition, que la matrice N4 est la matrice
nulle. La drive seconde tant la drive de la drive, la matrice associe
cet oprateur doit
1 0 2, avec
etre D2 = 0 2
1 = 2
h
A
S=
0
L'quation diffrentielle F'(x) = f(x),
avec la condition initiale F(O) = 0 ,
s'crit matriciellement
[!] = .!. D [F] .

h
Son inversion [F] = hD- [!] = hS[f]

donne, en utilisant l'expression de la
1
0 2 = l-2N+N 2
matrice S , F; = h Lfk, pour toute
1 0 0 0 0
-2 1 0 0 0
1 -2
0
0
-2
0 0
k= I
valeur i variant de I n. Nous rcuprons bien l'estimation des intgrales
F (X;) =
En notant (d,j) = 0 2[!] , nous avons
J/
(d2f ); = ~2(J;- 2.f -i + k 2) =
2
) -h.{;(J)
pour i > 1 (des dveloppements sont

proposs en encadr). Pour h suffisamment petit, nous obtenons bien une
approx imation de la drive seconde .
Bien sr, les schmas numriques utiliss dans les codes sont plus raffins
que ces exemples lmenta ires !
D' une faon gnrale, en notant F et G
les matrices associes respectivement
aux oprateurs f et g, la matrice F X G
correspond la composition f O g.
Ainsi , si f et g sont des oprateurs
inver es l'un de l'autre, nous avons
f a g = id et les matrices associes sont
inverses l' une de l' autre : F=G- 1
Vrifions
que
la
matrice
S = 0 - 1 = (l - N) _ , correspond
! ' oprateur d ' intgratio n. Pour une
matrice N nilpotente d'ordre n (c'est-dire telle que N" = 0) , nous avons
J:' f (t ')dt par
les sommes de
Riemann aux points (xk)k = 1. . .11 , espacs

d ' un pas constant h.
On retrouve abondamment la reprsentation matricielle de toutes sortes
d ' oprateurs intgro-diffrentiels en
traitement d ' images ou de photos et
dans vos jeux vido. Alors , cher lecteur, apprcie les matrices que les
maths risquent et sache que celui qui
dit faire des maths tristement avec les
matrices te ment !
F.L.
95
ACTIONS
La trilatration
La trilatration, technique courante pour les systmes GPS,
en cinmatique, cristallographie et robotique, donne la
localisation d'un point de l'espace en fonction de ses distances
trois points fixes. Elle permet de s'affranchir de l'arbitraire
d'un repre.
de la tril atrati on
con s iste locali ser un po int q
dans l'espace en fo nction de ses
di stancesx 1,x2 et x 3 troi s points fi xes
p 1, p 2 et p 3 . Les pre mi ers traiteme nts,
dans les annes 1980 , simplifi aie nt les
calcul s e n utili sant des repres pri vilg is, ce qui rompait la sy mtrie nature lle du probl me. On dveloppa alors,
partir de techniques d'algbre linaire,
des fo rmul ations sans coordonnes
de ces systmes vers la fin du sicle derni er. Une technique rcente utili se des
coordonnes barycentriques e t fo urnit
une fo rmule compose de dterminants
de Cay ley-Me nger, qui o nt tou s une
in te rprtati o n go m trique, e n terme
de lo ng ue urs, surfaces o u vo lum es .
Cette fo rmul ati o n a de plu s le mrite
de permettre, pour ce pro bl me d ' ori gine phys ique, une plus simple ex pressio n de l'erreur.
p 2 ,p 3 et de rayons Xi, x 2 ,x 3 . La fig ure ci-
aprs prsente une construction gomtrique de la projection p du point q cherch

dans le pl an du tri angle tlp 1piP 3
,,
,,
,
,,
,,
Trace de l' axe radical

de trois sphres.
Analytiqueme nt , le pro blme consiste
rsoudre un systme de trois qua-
Les dterminants de Cayleq-menger

Le probl me peut tre prsent comme
la dtermination de l' intersection de trois
sphres, respecti vement de centres p 1 ,
96
ti ons quadratiques. Par si mples combinaisons de ces quations, on se

ra m ne l'tude de l'i ntersecti on
d' une sph re et d ' une d ro ite, qui n' est
autre que l' axe rad ica l des trois

sphres, perpendiculaire au point p au
plan de rfrence . Il exi ste alors de ux
solutions, sy mtriques par rapport
ce pl an. Nanmoins des singularits
appara issent quand le point locali ser
est proche du pl an de rfre nce .
Nous allons donc utili ser les dterminants de Cayley-Menger, qui prsentent l' intrt de ne pas rompre la
symtrie du probl me (voir des prc isions en encadr).
Une application directe du dterminant de Cay ley-Menger concerne les
polytopes . Un polytope est la gnralisation toutes dimensions de la notion
de polygone (2 0 ) et de polydre (30 ).
Le plus simple polytope convexe
est nomm simplexe, terme in vent
par Pieter Schoute en 1902. li est
constitu de n sommets (p) = (p 1 Pn)
dans un espace de dimension n - 1, et
son volume
~ D,. (p )
Y,. (p ) = - - -
(n - I)!
s'ex prime en fon ction d ' un dterminant de Cay ley- Menger ! Le simplexe
est donc la gnrali sation du tri angle
(2 0 ) et du ttradre (3 0 ) . Cette gnrali sati on s'tend la notion de tri angul ati on. Tout pol ytope con vexe dans
un espace de dimension n pe ut tre
dcompos en somme de n-s impl exes
dont les inte rsections de ux deux
sont l'e nsemble vide ou un s-s implexe
(avec s < n). Le vo lume de tout polytope convexe peut donc s'exprimer en
fo nction de la longueur de ses artes
et de ses di agonales !
le dterminant de cavlev-Menger
Considrons deux groupes de n points, les n-uplets
(p) = (p 1 pn) et (q) = (q 1 qn), de l'espace euclidien !Rm, et
notons d; ,J la distance entre le point P; et le point qi"
On dfinit le dterminant de Cayley-Menger de la faon
suivante :
0 1
1
1
D (
n
1 d~, d~.,
) - (-!)" 1 d;_ , dJ.2
p ,Q - 2-I
d;., d;_,
Voyons ce que donnent les fo rmules

vectorielles et matricielles donnes en
encadr pour les dimensions coura ntes . En dimension un , le simplexe
est un segment.
d;_.
Pour deux groupes de points identiques, notons D"(p) le

nombre D)p , p). Ce dterminant d'une matrice symtrique et de trace nulle est trs largement utilis dans les
problmes gomtriques traitant de distances dans les
espaces euclidiens. Ils possdent, pour les ordres les plus
usuels, les interprtations vectorielles suivantes :
D, (p ,q ) = P,P2 q,q,,
l,
D3(p ,q ) = P,P, /\ P1P31 q,q, /\ q,q3

D.(p,q) = det(P,Pi ,P,P3, p 1p 4)ctet( q,q2,q,q3,q,q4).
o ii et A ii reprsentent respectivement le produit
scalaire et le produit vectoriel des vecteurs et ii. Le vecteur A ii a pour norme la surface du paralllogramme
tabli sur les vecteurs et ii, et la valeur absolue du dterminant det{ ,ii,w ) correspond au volume du paralllpipde construit partir des vecteurs , ii et w (comme le
prcise l'article le Sens du dterminant).
En notant SP (respectivement St) la surface et iip (respectivement n.) une normale du triangle gnr par les points
(p) (respectivement (q)), nous avons en particulier
D3 (p ,q) =4Sps. (n. ii.). Nous pouvons aussi crire
D 3 (p,q) = 4S_a. , o a . = s.(n. n.) est la projection de la
surface Sq sur la surface SP.
U V
-- ,, ,
-~:----.,!.-------------.,--,,
Hron et tridngle
d~.
dJ. .
---- I
__ .,,,.-;
'
,
,,,
,
V,
,,
-+- ,'
,'
,,'
,'
-------------;'----::~'
..;;;.________________
-'!'"~--,' ----
97
ACTIONS
La trilatration
Nous avons D2 (p) = IIP,P,112 = d~2 , et par
suite V2 (p) = ~D 2 (p) = d1.2 , ce qui correspond bien la distance entre les points
P1 et P2
Pour un triangle, n = 3
et D3(p) = IIP,P 2 "p,p31!2. La surface du
triangle S a donc pour expression
S = V3(p) = ~IIP,P2 "P,P311, qui est bien la
moiti de la surface du paralllogramme gnr par les vecteurs P,Pi et p,p 3

Pour un ttradre,
La trilatration.
0 4 (p ) = det(P,/J 2 ,/J,/J3,/J1/J )f,

et la formule du simplexe nous donne
le volume
v. (p) = ildet(p,p2 ,P,PJ> P,P. )I
Le volume d'un ttradre est le sixime du vo lume du paralllpipde

engendr par trois cts concourants
en un mme sommet.
En prenant les expressions matricielles,
nous avons bien
(0
D2 (p )=~ll
1\
d~J=d,\ .
2
0
Avec les notations de la figure donne
en encadr,
I
d; 2
(0
'l'
Son dveloppement donne

( ai - b2 - c2 \ i
b2c2 -
) .
Puisque 4S2 = Dlp) nous obtenons ,

avec un peu de calcul lmentaire , la
clbre formu le de Hron d'Alexandrie:
S2 = s (s - a) (s - b) (s - c) ,
o s =(a+ b + c) / 2 est le demj-primtre du triangle.
La formule du simplexe nous donne
pour le volume d ' un ttradre
~
.
v. (p) = '\10
(p) , express ton
6
que nous
allons exploiter pour la golocalisation.
98
Nous pouvons maintenant dterminer

la position d'un point q en fonction de
ses distances trois points de rfrence
p = (pl' p 2 , p 3 ) (voir la figure).
Nous noterons classiquement a ; le ct
du triangle b.p 1p,p 3 oppos au sommet
P;- Considrons le ttradre dfini par
le quadruplet p' = (p 1, p 2 , p 3 , q). La
position du point q est entirement
dtermine par sa projection p dan s le
plan de rfrence, et par son altitude h ,
hauteur du ttradre.
1\
0 c2
Dl p)=b'2J .
4 1 c2 0 a
1 b2 ai 0
D i (P)
le GPS
Un ttradre est un cas particulier de

cne, ensemble de droites passant par
un point et s'appuyant sur une surface . Son volume sera donc ga l au
tiers du produit de sa surface de base
par sa hauteur. Si S est la surface du
triangle b.p 1p,p 3 , nous avon s alors
V4 (p') =.!. Sx h . En utili sant la formule
3
du volume pour les simplexes p et p' ,

3V ( ')
D ( ')
nous obtenons h = _ . _P_ = ~

.
S
Dl p)
Le vecteur ;:;; = p1p2 "p ,p3 est perpendiculaire au plan de rfrence , est indpendant de l' origine choisie , et a pour
norme 11;:;;II = ~0 3 ( ~_).
-
En notant n = E ll;:;;II un vecteur normal

au plan de rfrence, avec E. 2 = 1 (sui vant l'ori entati on choi sie du pl an),
-
~ D, (p') -
nous avo ns pq = hn = f - - - w.
0 3(p)
Avec ]'ex pression vectorielle du projet p donne en encadr, nous obtenons

fin alement
-[
1
q= -D3(p)
,-1
0 3(p ,p
10
)J;; + c~D, (p') w ].
La dtermination du point q ne ncessite que le calcul de quatre dterminants de type Cay ley-Menger (pui sque
3
}: D 3(p ,p 1'>) = Dl p)), et est
,_,
indpendante
du repre choisi. Les expressions des

coordonnes barycentriques et de la
hauteur du simplexe se gnrali sent n
d imensions !
Coordonnes barvcentriuues
Dans le plan dfini par le triangle 11p 1piP3, le point p a
pour coordonnes barycentriques normalises les rapports s; =S/ S, pour i valant l , 2 ou 3, avec s 1 + s2 + s3 = l,
puisque S =S 1 + S2 + S3 Cela signifie que pout tout point w
du plan du triangle, nous avons la relation vectorielle
co p = s,co p , + s2 cop2 + s3 coPJ ,que l'on peut crire
p= s, p,+ s2 --;i;_ + s3 A. Dans la suite, notons p<i) le triplet dans
lequel le point P; est remplac par le point q. Il correspond
la face du ttradre ayant pour sommet le point q et le
segment a ; pour ct. D'aprs les rsultats prsents dans
l'autre encadr, nous avons Dl p , p<O) = 4S;S.
Nous en dduisons les coefficients barycentriques s; du
projetp:
4SS, 0 3 (p ,pm)
s. = - -=
.
' 4S 2
0 3 (p )
Nous obtenons ainsi une expression du projet p du point

Bien sr, avec n points fi xes au lieu de
trois, si poss ible dans des plans diffrents, nou s avo ns n (n - 1) (n - 2) / 6
tri angles de rfrences, ce qui permet
d ' am liorer la prc ision de la mesure .
Ce problme de loca li sation d ' un po int
en fo nctio n des di stances un
ensemble de po ints fi xes est similaire
des problmes d ' ho lonomie et de calcul de stabilit de systmes articuls,
comme un chafa udage ou une tribune
de stade.
q sur le plan de rfrence en conservant la symtrie des
donnes:
-
,{, 1 ,{,
(1) p= L, s, p, = ~
( ) L,D 3 (p ,p )P;,
iI
3 p i I
Soufflet sans jouer

Au XIXe s ic le, les math mati c ie ns
Adrien-Marie Legendre et Joseph-Louis
Lagrange suggrrent Augustin Loui s
Cauchy d 'tudier la fl ex ibilit de po lydres faces ri g ides . Il fut le pre mi er
tablir un thor me sur le sujet : tout
polydre convexe est rigide. Si vo us
construi sez un po lydre convexe avec
des faces mtalliques re li es avec des
charni res , la structure de l'ensemble
e mpc he ra to ute dfo rm ati o n . Ma is
ex iste-t-il des po lydres no n convexes
flex ibles ? Rao ul Bri card trou va bie n
Un flexadre de Connelly.
des octadres articuls en 1897 , mai s

des faces s' interp ntre nt , ce qui en
empche une ralisation matrielle. Il fallut attendre 1977 pour que le Can adien
Robert Connell y con strui se un poly dre fle xible, ma is non con vexe bi en
99
ACTIONS
La trilatration
s Gr. li exi ste un polydre flexibl e de
Kl aus Ste ffe n neuf somme ts, e t on
sait qu ' un polydre ayant au plus sept
somme ts est ri g ide. Trouve r un po lydre flexible huit sommets reste une
question ouverte !
Robe rt Conne ll y d mo ntra que le
volume de son pol ydre resta it
constant au cours de la dform ation et
supputa, sous le nom de conjecture du
soufflet , qu ' il e n tait de m me po ur
tout polydre fl ex ible. Idjad Sabitov
prou va e n 1996 une gnrali satio n de
la formu le de Hron . Il d mo ntra que
le volume d ' un polydre troi s dimens ions est solutio n d ' une quation po lynomia le dont les coefficie nts sont e uxm mes des po lynmes des carrs des
longue urs des artes. Ce volume ne
pe ut do nc pre ndre qu ' un no mbre fi ni
de va le urs. Lo rs de la dform atio n
d ' un fl exadre, son volume ne pe ut
alors varie r continGme nt , car il pre ndra it ncessaire me nt une infinit de
vale urs . Le volume garde une va le ur
con sta nte, et la conjecture du soufflet
dev ie nt un thor me !
F. L.
orn
oatt1
a dcouuerte de neptune
Hrthur Cayley
(1821-1895)
Urbain Le Verrier
(portrait par Henri
Giacomotti ; Versailles,
muse national des chteaux
de Versailles et de Trianon).
Bie n qu e na ti f de Ri c hmond en Angleterre, Arthur

Cayley passe les hui t premi res annes de sa vie
Saint-Ptersbo urg o ses
Quelques annes avant sa

.2
"'
dcouverte de Neptune (en

1846), J'astronome et mathmaticien franais Urbain
o
Jean Joseph Le Verrier ( 1811-1877) publie en 1840, dans
le Journal de mathmatiques pures et appliques (ou
parents font du commerce.

Il tudie les mathmatiques
et le droit au Trinity College d e Ca mbrid ge . Il

devient avocat en 1849, mais se livre sa passion pour
les maths ses temps libres. En 1863, il pe ut totale ment s'y ado nner puisqu ' il obtie nt une chaire de
mathmatiques pures Cambridge.
Cayley semble avoir obte nu toutes les vertus possibles : une gentillesse reconnue par tous, une mmoire
fa ntastique, sans o ublie r des do ns intellectuels et
artistiques hors du commun . Il pe int des aquarelles ;
passionn de romans, il en crit quelques-uns et e n
lit en anglais mais aussi en franais, e n allemand et
en italien . Sportif, fru d ' escalade, il venait sjourner rgulire me nt dans les Alpes pour s'adonner
son sport favo ri.
Les travaux d ' Arthur Cay ley concerne nt to us les
domaines, ma is surtout l' algbre linaire et les fonctions elliptiques . On lui doit de nombreux rsultats
sur les groupes, les matrices, les formes quadratiques.
li dveloppe la thorie des inva ri ants ; ce te rme,
invent par Sylvester, recouvrait les proprits des applications linaires ou multilinaires (comme le dterminant) invariantes par changement de base .
,.-5,50!) e&.) ... . .s,o o8611' ........ !)08 88,4111
+ ,1,87r 1 N+ e.Nlgo8lf0 + 01 oooe4SN' :.-: n,
1-
o,~7865N +(r - u ,8 u ~ )N"' .. 5,71 , ,._~+tt,o.S8 7, ,

+,1s8o&l~ +.,018;8tfl\ + 0,,.,o'l'l4N.,
0
'
,..9099N + 4,:lo8o33N'+ (1 + ,97ofo8,) !<" + ,'9 J:00 1

+ 1 ,Gtls,o87tc'"+ o,"'J:$8oN"'+ o,... S9,4N =r o,
,eo6,351f + .-.6g85,ll'+ ,,>p, 36sll"=( ,-,,.5g&..,)lli
+ S,Jo.4 e38 !C"'+e,1d&46~+ .... ,,s,N = ,
1
-i
1
Journal de Liouville), des travaux mathmatiques prcurseurs de ce qui deviendra la thorie des matrices. Posant
les quations diffrentielles des mouvements des sept
plantes connues cette poque, il introduit l'quivalent des valeurs propres et de la diagonalisation d ' une
matrice. Il relie ces notions l'analyse astronomique
du problme, distinguant les trois grosses plantes,
plus perturbatrices (Jupiter, Saturne, Uranus), et les
quatre petites plantes (Mercure, Vnus, la Terre
et Mars).
Ce faisant, il simplifie son systme matriciel 7 x 7 en le
dcomposant en deux blocs de 4 et 3. Bref, il transforme
un problme d'astronomie en un problme d ' algbre!
C'est d'ailleurs cette dextrit et cette persvrance dans
le maniement des systmes diffrentiels et de leur rsoIution matricielle (avant la lettre) qui mneront Le
Verrier la dcouverte de la huitime plante, Neptune.
Elle tait dsigne comme plante troublante , au
sens mathmatique, car elle modifiait la trajectoire de
sa voisine Uranus : les observations des positions de
celle-ci ne correspondaient pas aux solutions approches
des systmes diffrentiels.
C' est bien la trace des mathmatiques qu'a suivie Le
Verrier pour dcouvrir Neptune, bien plus que celle
de l'observation astronomique (voir le texte d' Alain
Juhel sur le site www.bibnurn.education.fr). Le fameux
bon mot d ' Arago le confirmera : Monsieur Le Ver,4)
rier vit le nouvel astre au bout de sa plume.
,OMo'l'ISt N+ ,0007.,,srr+ o,oo~ 1h 117W+ ,001 1S46-t

+ (1 - 7,4'94)11~ + 4,8, 54541" + o,ol$J,9-'I" = ,
o,... 001,45l'C + o,"""e.45ntt'+o,uoe 13688 +o,ooo oG56S
+ t1 ,893 M9N'''+ (1 - 1S,S8S 4,o) t{'+ tt,d s.,41 "
1:
o,HO oooo6Pf + o,000 0019-ir<'+o,tl09 oo519N"'4 ,.,..eo, 73

+ o,)o) ~,gN" + o,83548,l<'+(K - ,,3,59'5) "
"' ,
en
Le systme 7x7 de Le Verrier, brut,

avant simplification. On remarquera la petitesse
des quatre premiers coefficients
dans les trois dernires lignes.
n 44. L
ne
a.n9 nt
101
ACTIONS
par Daniel Justens
les matrices
actuarielles
Les contrats d'assurance-vie peuvent garantir le paiement
d'un capital dtermin en cas de survie d'un assur un ge
donn (capital diffr), ou le paiement de ce capital aux ayantdroit au moment du dcs de l'assur (assurance dcs).
L'actuariat, tant vie que accident , a aussi recours au
calcul matriciel.
'
actuariat recouvre l'ensemble des mthodes mathmatiques utilises dans le

monde des assurances. On parle d'actuariat de premier type lorsque l'on
traite d'assurances couvrant le risque
de dcs ou de survie d'un assur,
d'actuariat de deuxime type pour qualifier tous les contrats couvrant des
risques accidentels, et, depuis quatre
dcennies, d'actuariat de troisime
type pour tous les modles financiers ,
lesquels aujourd'hui se taillent la part
du lion tant donn l'importance et le
nombre de produits tranges (on dit
exotiques) qui inondent les marchs.
On imagine mal une compagnie

d'assurances exigeant la restitution
d'un capital invalidit
en cas de gurison miraculeuse ...
l'actuariat uiager
Les contrats d'assurances-vie sont de
deux types : certains garantissent le
paiement d'un capital dtermin en cas
de survie d'un assur un ge donn
(le capital est diffr) , d' autres garantissent le paiement de ce capital aux
ayant-droit au moment du dcs de
l'assur (assurance dcs). Le contexte de ces types de contrat est donc celui
d'un systme deux tats : vie ou
mort. L' assur vivant peut rester vivant
ou passer l'tat dcd (n ' insistons pas sur la seule possibilit laisse
l'assur mort ... ). On peut convenir
d'observer un assur lors de ses anniversaires successifs et de noter systmatiquement son tat. Admettons que
l'on puisse dterminer la probabilit de
survie d' un assur pendant un an, note
p (0 < p < 1), que nou supposons dans
un premier temps indpendante de son
ge. On peut noter les probabilits de

transition d'tats vie- mort au moyen
de la matrice suivante :
M=( ~ l~p J
=[ ~
(1-,p)'
=( ~
(1-i")" }
On constate hlas que la limite pour n

tendant vers l' infini de cette matrice
prend la forme suivante :
La premire ligne dcrit les probabilits de transition vers les deux tats vie
et mort d ' un individu vivant. La seconde ligne correspond aux probabilits de
transition partir de l'tat dcd. Cet
tat est qualifi d'absorbant pour des
raisons vidente dans notre contexte
(voir l'encadr consacr aux chanes
de Markov). On peut prsent s'intresser l'tat de l'assur aprs deux
ans. En supposant les transitions successives indpendantes, on sait que la
probabilit de survie aprs deux ans
doit valoir p2. La probabilit de dcs,
complmentaire, doit tre gale
1 - p 2. En effet, ce dcs a pu survenir
pendant la premire anne (probabilit
1 - p), ou durant la seconde, auquel cas
l' assur a du survivre un an puis dcder l' anne suivante. Ces vnements
tant indpendants par hypothse, leur
probabilit de ralisation simultane
est gale au produit des probabilits
soit p X (! - p). Les deux vnements
(dcs la premire ou la seconde
anne) tant disjoints, la probabilit de
ralisation de l'un ou l'autre des vnements est la somme des probabilits,
soit [1 - p] + [p (1 - p)] = l - p 2 . On a
vrifi ainsi que la matrice de transition d 'tats en deux ans correspondait
exactement la matrice M 2, et galement que la procdure de calcul mise
en place tait celle du produit matriciel:
M'
M"
On gnralise sans peine ce rsultat

pour obtenir la matrice de transition
d'tats aprs n annes :
M-
=( ~ ~ J
qui exprime que le seul tat final atteignable, quel que soit l'tat initial, est
celui de dcd. Apparat ici la notion
trs claire d'tat transitoire (tre
vivant) et d'tat persistant (tre mort).
Toutes ces notions sont formalises
dans le cadre de la thorie des chanes
de Markov.
La ralit est un peu diffrente : les
probabilits de transitions dpendent
de l'tat du systme (la probabilit de
survie varie avec l'ge). Les matrices
dcrivant les probabilits de transition
deviennent :
M
x=[~ 1-t-' }
o x dsigne l'ge de l'assur. Aprs
deux ans, on retrouve la multiplication
matricielle classique :
MM
x
x+ I
=(
P.,
1-p,
i
J(
p_.. ,
1-p_.. , )
i
avec les mmes conclusions sinistres

long terme ...
maladie et inualidit
Tournons-nous vers les contrats couvrant les cas de maladie ou d ' invalidit. Dans ce contexte, le systme tudi
() 'assur) peut connatre quatre tats :
tre vivant et actif, tre vivant et invalide, tre mort en tant qu 'actif ou tre
Hors-srie n44. Les matrices Ta.ngent:e
103
ACTIONS
les chaines de Markov

Considrons un systme en volution pouvant
prendre un nombre fini ou dnombrable
d'tats nots Ei, E2 . .. et travaillons temps
discret en considrant des indices de temps
naturels 0, l, 2 ... Toutes les units de temps,
on postule que le systme passe de l'tat E;
l'tat Ej avec une probabilit Pij Ce processus
n'a pas de mmoire: les probabilits de transition dpendent uniquement de l'tat du systme avant sa transformation (E; ou plus simplement i) et de son tat aprs (Ej ou j). Elles ne
dpendent pas des tats antrieurs. Un processus markovien est un systme voluant de
manire alatoire dans le temps tel que sa distribution de probabilit conditionnelle des
tats futurs, tant donn la connaissance de ses
tats passs et son tat prsent, ne dpend que
de ce dernier. Pour de tels processus , la
meilleure prvision que l'on puisse faire du
futur, partir de son pass et de son prsent,
est identique la meilleure prvision labore
sur base de la seule connaissance de son tat
actuel.
Dans le cas d'un nombre finis d'tats , ces
probabilits de transition peuvent se ranger
dans une matrice P dite stochastique (ou
matrice de Markov), savoir une matrice carre s X s dont chaque lment est un rel positif et pour laquelle la somme des lments de
chaque ligne vaut 1 (et constitue donc une distribution de probabilit discrte) . Ce type de
matrices permet d 'obtenir une classification
des tats du systme. Par exemple, si pour l' un
des tats du systme on a P;; = 1 (et donc
Pij =0 pour j '# i) , cet tat i sera qualifi d 'absorbant pour des raisons videntes. Mais il y a
plus subtil ! Notons p/11l la probabilit de pas-
ser de l'tat i l'tat} en exactement n transitions. Eh bien, cette probabilit est fournie par
la puissance nime de la matrice P.
Un tat} est accessible partir d'un tat i s'il
existe un n tel que pJ" )> O. Les tats i etj
communiquent s'ils sont accessibles l'un
partir de l'autre. Si tous les tats d'une chane communiquent, on dit que la chane est
irrductible.
Un tat i est rcurrent ou encore persistant si
la probabilit du systme d'y retourner (en un
nombre quelconque de pas) est gale 1. Dans
le cas contraire, l'tat est transitoire. On distingue encore les tats persistants nuls ou non
nuls elon que le temp moyen de retour est
infini ou fini.
Supposons prsent que l'on observe un
ensemble de systmes voluant selon la mme
dynamique, et que les frquences de prsence
dans les diffrents tats Ei de ces systmes
soient dcrites par le vecteur a= (a 1, a 2, a3 ....
a.,) dont toutes les composantes sont positives
et de somme nulle. Aprs une transformation,
on s'attend retrouver un ensemble caractris par le vecteur aP. De mme, aprs n pas, le
vecteur d'tats de l'ensemble des systmes
sera aP'. Sous certaines conditions, cette procdure gnre une stabilit : long terme,
pour les chaines non priodiques constitues
d'tats persistants , le vecteur d'tats tend vers
une distribution dite stationnaire (c'est--dire
globalement identique aprs chaque transformation individuelle des diffrents systmes de
l'ensemble). Des exemples d'ensembles de ce
type se retrouvent en actuariat accident,
lorsque l'on considre un portefeuille d'assurs constitus de conducteurs tarifs individuellement en fonction du nombre d'accidents
dont ils sont responsables.
mort en tant qu ' invalide. Les deux derniers tats sont considrs comme diffrents, les prestations de ('assureur
tant le plus souvent significativement
suprieures dans le second cas de figu-
~ 04
re (qui survient aprs deux changements d' tat et se traduit donc gnralement par deux dbours de la part de
l'organisme assureur). Reprenons une
description des probabilits de transi-
Tangente Hors-srie n"44. Les matrices

tion d'tat indpendante de l'ge
comme plus haut :
p "j
q(l,(l
q"i
p "'
p jj
q i.a
q jj
0
0
0
0
1
0
0
1
[ p"'
Les exposants a et i font rfrence

l'tat initial (premier indice) et final
(second indice) de l'assur, a signifiant
actif et i, invalide. Les notations p se rfrent au maintient dans
! ' tat de vivant, les notations q quantifient les probabilits de passage l'tat
de dcd. Les sommes des lments
de chaque ligne doivent videmment
tre gales 1.
Pour simplifier un peu cette matrice,
les assureurs font gnralement ('hypothse de non-retour l' tat d'activit en partant de l' tat d'invalide. Cette
hypothse est raliste : le passage
l' tat d'invalide se traduit gnralement par le versement d ' un capital. On
imagine mal une compagnie d ' assurances exigeant la restitution de ce
capital
en
cas
de
guenson
miraculeuse ! Voici la matrice simplifie avec suppression des doubles
indices inutiles :
p "j
q l/JI
q"j
qi
0
0
Pour traduire cette hypothse selon la

terminologie des chanes de Markov,
on dit que l' ensemble des tats d'invalidit est un ensemble f erm.
Il faut alors particulariser toutes ces
probabilits de transition en fonction
de l' ge des assurs. Par matrice, donc
par catgorie d'ge, on doit calibrer six
paramtres. Ces paramtres sont lis :
les transitions d ' tats sont des distribu-
tions de probabilit pour lesquelles les

sommes de probabilits doivent tre
gales 1. Restent quatre degrs de
libert par matrice. En considrant des
catgories d ' ge de O 104 ans, ce sont
420 paramtres que les assureurs sont
censs estimer ! On constate ici quel
point le processus de tarification de ce
type de contrat est dlicat. ..
Hctuariat accident
Nous sommes presque tous confronts
l' obligation de souscrire une assurance responsabilit civile. Celle-ci est
tarife partir d ' chelles de primes
calcules selon deux modes complmentaires : le mode a priori, en fonctions de critres plus ou moins arbitraires, et le mode a posteriori, en
fonction du comportement de chaque
conducteur. Parmi les critres a priori
figurent le type de vhicule et sa puissance, l'ge du conducteur, son lieu de
rsidence, sa profession , la date
d ' mission de son permis de conduire . .. Le critre a posteriori parat plus
objectif puisqu'il consiste comptabiliser chaque anne le nombre d'accidents en tort mettre au crdit (ou plutt au dbit !) de chaque assur. Le
nombre d'accidents en droit pourrait
galement tre pris en compte, ce ren-
105
ACTIONS

seignement apportant des informations
sur le comportement du conducteur. . .
Sur la base des critres a priori, l'organisme assureur dtermine une premire prime, qui pourra ventuellement soit augmenter l'anne suivante
si l'assur est responsable d ' accidents,
soit diminuer s ' il n ' est responsable
d'aucun. L' assureur doit tablir une
chelle de tarification dfinissant diffrents niveaux de primes, nots de O
s. Le niveau d'entre q dans le systme
(0 < q < s) doit aussi tre dtennin.
Ces niveaux reprsentent les tats du
systme. Des rgles de passage d'un
niveau de tarification ! 'autre doivent
tre dfinies par l'organisme assureur.
Les probabilits de passage d'un tat
! 'autre sont prsentes dans une matrice, que l'on construit partir des
rgles de passage et des probabilits pk
d'observer k accidents dans l' anne
qui vient.
Supposons pour simplifier que le systme compte cinq tats correspondant
cinq niveaux de prime croissants,
numrots de O 4, et que chaque
accident en tort provoque le passage
dans le niveau de tarification suprieur
alors que l'absence d'accident permet
de redescendre d'un cran. Sous ces
conditions simples (en fait, les systmes rels comportent plus d'tats et
des rgles de transition plus complexes), la matrice de probabilits de
transition prend la forme suivante (la
dernire colonne est construite pour
obtenir une distribution de probabilit
chaque ligne) :
P, P, P, 1- Po - P, - P, - P,
1- po- P, - p,
Po 0 P, P,
0 Po 0 P,
1- po- P ,
0 0 Po 0
1- po
0 0 0 Po
1- po
Po
P=
d'une distribution de Poisson de paramtre qui quantifie le nombre moyen

d'accidents dont l'assur est responsable chaque anne. Le problme
consiste affecter chaque assur le
bon . Pour arriver une tarification sur base d'observations issues
d'un portefeuille htrogne, les
actuaires considrent gnralement ce
paramtre comme une deuxime
variable alatoire. Ceci donne naissance aux distributions Poisson-mlange.
Regardons comment volue un portefeuille de clients pour lequel les frquences d'assurs prsents dans les
cinq tats ou niveaux de prime sont
reprsentes par le vecteur a = (a 0 , al>
a 2 , a 3 , a4 ), dont les composantes sont
positives et de somme 1. Aprs un an,
la compagnie d ' assurance se trouvera
en prsence d ' un portefeuille caractris par un vecteur de frquences aP.
Aprs deux ans, ce vecteur sera aP2 et,
aprs n annes, aP''. Chaque compagnie peut ainsi dterminer le niveau
total de ses encaissements, tant donn
les primes initiales et la grille de taux
de primes choisie. Ceci est fondamental pour une gestion raliste. L'idal est
videmment la constitution d'un portefeuille rentable et stable ...
Pour obtenir un tel portefeuille stable,
de composante b = (b 0 , bJ> b2, b3, b4 ) , ne
changeant pas au niveau des perceptions de primes, anne aprs anne, on
doit avoir 8 = BP. Un tel portefeuille de
composante 8 est appel distribution
stationnaire. Sous certaines conditions,
on peut dmontrer que tout portefeuille
tend naturellement vers cette distribution
stationnaire,
ou
encore
que lim AP" = B. Malheureusement,
cela ngarantit aucunement la rentabilit de ce secteur d ' activit d' assurances !
La modlisation des probabilits d ' accident se fait thoriquement au moyen
ri 06
D.J.
par B. Hauchecorne et N. Verdier
EN BREF
Un peu d'histoire
u
go
:,:
Q
L' IUT de Cachan fo rme des techniciens et ingnieurs

lectroniciens qui contribuent concevoir le monde
de demai n, un monde qui se nourrit de matrices ...
lectronique consomme ...

des matrices !
S' il est un secteur grand consommateur de matri ces, c'est
bien l' lectroniqu e . Les lectro nic ie ns aiment ex traire
de leurs montages de fi ls des op rateurs leur perm ettant
d'a nalyser un circuit lectrique. Il s servent modliser
les relations uni ssant des grande urs de so rtie en fo nction
de gra nde urs d ' e ntre (co urants, te nsions, intensits . .. ).
,,
-~
::;:
v,
+--
Sur ce quadriple,
les entres et les sor ties
sont des intensits.
-::;:
v,
-=
-=
Souvent, les grandeurs d'entre, notes (x, y), et les gran deurs de sorti e, notes (x', y'), sont lies par une relation
du type x' = a x + b y et y' = c x + d y, o a, b , c et d sont
des constantes. Le systme pe ut alors tre modlis par
S = A x E, o S dsigne le vecteur des sorties , E le vecteur
des entres et A reprsente la matrice (:
!) .
L'lectroni cie n aime it rer. Si l'on acco le un deuxi me

quadriple au pre mier, pui s un tro isi me qu adriple, et
plus, comment ex primer les no uve lles sorties en fo nctio ns des entres initi ales ? La modlisati o n matri cielle
saute aux ye ux ! En appelant E0 les e ntres initiales et E,,
les e ntres rs ultant de l'adj oncti o n de n qu adrip les,
nous auro ns simple ment E,, = A" E0 . Il suffit de savoir
leve r une mat ri ce la pui ssance n pour avo ir immdi ateme nt les paramtres de so rti e e n fo ncti o n des paramtres d'entres . L' itrati on des qu adriples se rduit
un calcul matri cie l ! Mais comme no us ! 'avons vu dans
l' arti cle prcdent , lever une matri ce , c'est du trava il ...
En cherchant rsoudre les mouvements d' une corde

vibrante, d'Alembert se ramne une quation
diffrentielle aux drives partielles . Pour la
rsoudre, Lagrange aboutit un systme avec des
coefficients en miroir ; c'est en fait une matrice
symtrique. Par une mthode fort habile il parvient alors un polynme , en fait, le polynme
caractristique ; il sait rsoudre l'quation de
dpart si ses racines sont distinctes . Lagrange
gnralise cette mthode pour tudier les perturbations des trajectoires des plantes et la stabilit
du systme solaire.
Dans les annes 1820, en tudiant les quadriques,
surfaces d 'quationflx,y,z) = 0 of est une fonction polynomiale de degr 2, Cauchy annule les
drives partielles secondes de f et se retrouve
devant le mme problme que Lagrange. En termes
modernes, il montre que les axes correspondent
aux vecteurs propres de la matrice de la quadrique
et que les valeurs propres sont les racines de ce
qu'il appelle l'quation caractristique. Il fait
alors le lien avec la recherche des axes d'inertie
d'un solide en rotation .
Pierre de Fermat avait au xvn sicle pos le problme de la dcomposition d'un entier en somme
de deux carrs, par exemple 13 = 32 + 22 . Ceci correspond chercher les valeurs entires de x2 + y2.
Legendre gnralise ce problme en l'tendant la
recherche des valeurs entires prises par une forme
quadratique. Gauss se retrouve devant le mme
problme, en introduisant la mthode des moindres
carrs pour trouver l'orbite de l'astrode Crs. La
solution revient classifier les formes quadratiques, c'est--dire les exprimer comme combinaison linaire de carrs des coordonnes aprs
avoir fait subir celles-ci une transformation
linaire. Gustav Jacobi dmontre en 1841 qu ' une
telle forme peut se mettre comme somme et diffrences de carrs. Ce rsultat est connu sous le nom
de thorme d' inertie de Sylvester, le savant anglais
l'ayant dmontr indpendamment peu aprs. En
1858, Weierstrass aboutit au rsultat en restant dans
le cadre des bases orthonormes. Les matrices des
formes quadratiques tant symtriques, il dmontrait en fait le thorme spectral.
Hors-srie n 44. Les matrices Tc:ingeni:e
107
ACTIONS
par J. Bair et A. Coolen
les tableaux entres-sorties

I
en econom1e
Wassily Leontief est un clbre conomiste amricain, d'origine

russe. Il a reu le prix Nobel d'conomie en 1973. Il est
principalement connu pour des travaux qui portent sur des
tableaux d'changes interindustriels, encore appels tableaux
d'entres-sorties (ou input-output).
Wassily Leontief (1905-1999) .
ne conomie aujourd'hui comporte de nombreux secteurs S 1,

S2 . .. S11 , par exemple l'industrie,
l'agriculture , les services . . . Chacun de
ces secteurs produit un seul type de bien
ou de service, mais interagit avec les
autres secteurs . La livraison intermdiaire reprsente la production (I 'output, en anglais) du secteur S; destination
du secteur SP et donc aussi l'entre (I ' input, en anglais) du secteur 1 en provenance du secteur S;. Cette quantit sera
dsigne x;J
108
Les biens produits par les diffrents secteurs ne sont pas ncessairement homognes, de sorte que leurs quantits
physiques peuvent parfois ne pas tre
comparab les. Comment , par exemple ,
additionner le nombre de tonnes de fruits
rcolts avec le nombre d ' heures rclames par un service la personne ? En
consquence , en vue de calculer la production globale et l'entre globale d ' un
secteur, il faut tre capable d ' exprimer
les X; J en valeurs montaires , de manire
pouvoir notamment les ajouter les uns
aux autres . Par exemple , si le secteur S 1
dsigne l'agriculture et le secteur S2 celui
des services , alors x 1,2 est la valeur, en
euros , de la production agricole ncessaire au fonctionnement du secteur des
services. Mais les faits sont rarement
aussi simples dans la vie : un tel choix
peut poser des problmes pour la comparaison de tableaux relatifs des dates
diffrentes , puisque les systmes des prix
varient au cours du temps ! Le modle
que nous allons dvelopper est donc
valable uniquement dans le court terme .
Trauail et capital
Les secte urs effectue nt gnraleme nt
des li vrai sons de produits fini s dans le
but de sati sfaire une de mande fin ale
(comme la consommation des mnages ,
les investissements des pouvoirs publics,
les exportations de biens et services destination de ('tranger. .. ) . Appelon s d;
la valeur (en units montaires) de la
demande final e adresse au secteur S;.
Les X;J et les d; peuvent tre repri s sous
la forme d ' un tableau :
Secteurs
consomm ateurs
,,,...
s,
:::,
Demandes
fi nales
s,
s2
.. .
s,,
x1.1
x,.2
.. .
x 1.11
d,
x 2.2
.. .
X 2,,
c/2
x n.2
...
<)
:::,
"Cl
s2
X2.I
,,,...
:::,
s,,
X n.l
ea.
<)
<)
[/'J
""
d,,
Synthse des livraisons intermdiaires

et des demandes finales, le tout tant
exprim en units montaires.
Comment la production doit-elle varier lorsque la demande

change ? l'origine, on a X = (I - A)- 1 D. Si les demandes
D deviennent D +L:. D alors les productions X deviennent
X +L:.Xavec
X +l':.X = (I-Ar(D +L:. D)
= E(D +L:. D) = E X D +E X l':. D.
On en dduit que l':. X = E x l':. D
En considrant le cas o la demande finale du secteur} augmente de 1 tandis que les autres demandes ne sont pas modifies, on constate quel':. X correspond prcisment la/'me
colonne de E.
Autrement dit, les lments de la/'me colonne de
E = (I - A)- 1 reprsentent les quantits supplmentaires que
les diffrents secteurs auront produire pour rpondre un
accroissement d'une unit de la demande finale du secteur}.
La somme des lments dans chacune

des li gnes donne la production globale
de chaque secteur (exprime en units
montaires) . Celle du secteur S; est ds
lors donne par la somme
x ;, 1 + x;.2 + . ;, . + X ; 1, + d;, ce qui s'crit
galeme nt
2:X;.j + d;
et que l'on note
J-1
plus simple ment x,

La somme des lments de chacune des
co lonnes fo urnit l'entre g lobale de
chaque secteur (galement exprime en
units montaires). Celle du secteur S; est
donc donne par x 1.,. + x2 .l. + .. . +" xll ,l,
soit , en notation plus condense , 2 xj.;.
j-1
Enfi n, chaque secteur S; consomn~.e des

biens intermdiaires raison de
2x
j- 1
Plus prcisment, (L':. X); = e;J reprsente la quantit supplmentaire que doit produire le secteur S;lorsque la demande
finale du secteur s1 augmente d'une unit.
(somme des lments de la colonne i du

tableau des changes), et augmente la
valeur des biens achets par l' intermdiaire des facteurs travail et capi tal de manire produire un bien de
valeur X; (somme des lments de la ligne
i du tableau). La diffrence entre la valeur
de la production globale et la valeur de
l'entre globale du secteur S; est appele sa valeur ajoute, note v;. La valeur
ajoute V; vaut
n
1 .,.
v,
x, - 2 xjJ'
J-1
109
ACTIONS
Les tableaux entres-sorties ...

court terme, il est permi s de supposer
que chaque secteur do it utili ser une proportion constante d 'entre pour sa production finale. En d 'autres termes,xij' qui
est la quantit produite par S; pour Sj ,
est proportionnelle la production globale xj du secteur receveur Sr E n
termes plus mathmatiques, cette relation
s'crit X;J = aiJ x xj , avec aiJ = x;/ xj le
coeffic ient de proportionnalit .
En consquence, a;J reprsente la valeur
de la production du secteur S; que Sj doit
acqurir pour produire (l a quantit correspondant ) une unit monta ire de
son propre bien. Les nombres aiJ sont
appels coefficients techniques, car il s
dpendent de la techno logie empl oye.
l'arriue des matrices

Commenons avec l'exemple d ' une cono mie deux secteurs .
Secteurs
consommateurs
"O s i
0
....
o..
(/)
s2
Demandes
fin ales
s1
s2
x1. 1
x1.2
d l
X 2. I
x 2,2
d2
Une conomie deux secteurs.
ou encore X = A X + D. Dans cette derni re criture , o n a not X le vecteur

des producti ons g lobales, A la matrice
des coeffic ients techn iques (A est appele la matrice technologique), et D est
le vecteur des demandes fi nales. Le raisonnement c i-dessus peut aisment tre
gnralis au cas d ' une conom ie plus
de deux secteurs.
La re lation matricielle X = A X + D peut
aussi s 'crire sous la fo rme (1 - A)X =
D , o I dsigne la matrice identit . La
matrice 1 - A joue ds lors un rle cap ital ; elle est connue sous le nom de matrice
de Leontief, e n l' honneur de l'conomi ste amri ca in Wass il y Wassil yov itch
Leonti ef. Lorsque la matri ce de Leontief est in versible, le ni veau de prod uction de chaque secteur s' obtient simplement
par la relati on X= (I - At 1 D .
Lorsque les conditi ons techno log iques
restent inchanges et que les dema ndes
fi na les adresses aux d iffre nts secteurs se modi fie nt , D deve nant alors
D ' , il s'ensui t que les no uvell es produc ti o ns g lo ba les X ' sero nt don nes
par (1 - At 1 D'. Ain si, un seul calcul
d ' in vers io n matric ie ll e est raliser,
celui de la matri ce de Leontief.
Voyo ns un exe mple co ncret, toujo urs
da ns le ca s d' un e co no m ie de ux
secteurs.
La production de Si, savoir x 1 = x1.1 +

x 1.2 + di, peut galement s' crire sous
la fo rme
a1 ,1X1 + a1 ,2X2 + d 1.
De mme, la production de S2 va ut
Secte urs
consommateurs
X1=
X2 = a 2,1X1 + a 2.2X2 + d2.

Ces deux relations peuvent nature llement s'crire sous la fo rme matric ie lle
sui vante:
s,
s2
Demandes
fina les
-ci
s,
12
Cil
s2
eo.
Un exemple concret dans le cas

d ' une conomie deux secteurs.
Dans cette situati on initi ale , la production du secteur I vaut 12 + 3 + 5 = 20 ,
110

et la production du secteur 2 est gal
4+6+5=15.
Les relations a;J = X;) xj permettent
d'obtenir la matrice technologique associe cet exemple :
court terme, chaque secteur

doit utiliser une proportion constante
d'entre pour sa production finale.
a 1_1 = 12 / 20 = 0,6,
a 1,2 =3 / 15=0,2,
G1,3 = 4 / 20 = 0,2 et
a 1,4 = 6 I 15 = 0 ,4.
A .InSI. ,
A= (0,6
0,2
0,2)
0,4
Imaginons prsent que les demandes

finales deviennent 6 units montaires
(au lieu de 5) pour les deux secteurs.
5
Lor sque le vecteur D = ( ) devient
D'=(!),
X=(~~) devient
X'={I-Af'D'=(~ ~)(!) =(~:).
le vecteur
La part de la valeur ajoute de l'agriculture ne cesse de dcrotre

dans l'conomie franaise.
la uariation des demandes

On peut montrer (voir l'encadr consacr l'volution de la production) que
les lments e;J de la matrice
E = (l-Af I permettent de prvoir comment doit varier la production lorsque
la demande volue, toutes choses gales
par ailleurs (cette expression, couramment utili se par les conomistes,
signifie que les conditions de production , et donc ici le lments de la matrice
technologique , restent inchanges).
Lorsque la demande finale du secteur I
augmente d ' une unit , la production du
secteur I doit augmenter de troi s units et la production du secteur 2 doit
augmenter d ' une unit (valeurs lues
dans la premire colonne de
E =(l-Af 1). Lorsque la demande finale
du secteur 2 augmente d ' une unit , la
production du secteur I doit augmenter
d ' une unit galement et la production

du secteur 2 doit augmenter de deux
units (valeurs lues dans la deuxime
colonne de E = (I-Af 1). Donc , lorsque
les demandes finales des deux secteurs
augmentent chacune de I unit , la production du secteur I doit augmenter de
quatre units et la production du secteur 2 doit augmenter de trois units.
En d ' autres termes ,
x 1 = 20 devient x 1 + = 20 + 4 = 24,
etx2 = 15 devientx 2 + = 15 + 3 =18 .
On voit ainsi qu ' il y a de nombreuses
faons d 'obtenir les rsultats demands
pour satisfaire une volution de la
demande. L' avantage de la mthode
matricielle est de pouvoir se gnraliser
aisment un nombre quelconque de
secteurs d'activits, et de ne ncessiter
qu'une seule inversion de matrice.
J.B.&A.C.
111
ACTIONS
par Jacques Bair
Exemples lmentaires de
matrices en conomie
Les conomistes sont souvent amens manipuler des
tableaux de nombres qui sont les rsultats d'observations
empiriques ou qui sont construits partir de rgles prcises .
Illustrons les oprations matricielles de base par des exemples
varis et trs simples rencontrs dans l'univers conomique.
orsque des clients ont la poss ibilit d'acheter plus ieurs produits, leurs commandes peuvent
tre rassembles dans un tableau dont
les lignes se rfrent aux acheteurs et
les colonnes aux biens .
(5
Pour fixer les ides, considrons le cas

de trois clients, a, b etc, qui peuvent
acheter quatre produits A , B , Cet D . Par
exemple, le premier c lient , a, commande cinq units de A , deux units
de B, quatre units de Cet une unit de
D. Le d e uxi me c lient , b, porte son
choix sur trois units de A, de ux units de C et trois units de D , mais ne
dsire pas acqurir de produit B . Enfin ,
la troisime personne, c, souhaite obtenir deux units de A et cinq units de
C , et n 'est int resse par aucun des
deux produits B et D .
Ces donnes, crites sous forme d ' un
tableau comprenant trois lignes et quatre
colonnes, forment une matrice M de
format 3 x 4, savoir :
112
2 4
M=l~ ~
1\
! ~J
matrices de commandes,
matrices de fabrication
Admettons que cette matrice M rassemble les commandes effectues par
nos clients au cours de de ux jours successifs. Au total sur ces deux journes,
les troi s personnes achteront vide mment les quatre produits conformment
ces calculs simples :
Ainsi, on a ajout la matrice M ellem me, ce qui revient au mme que de

l'avoir multiplie par le nombre 2.
Plus gnralement , si E = (e;) est une
matrice quelconque et a un scalaire, le
produit aE est, par dfinition , la matrice

de mme taille que E et dont l'lment
situ sur la ime ligne et la /me colonne
vaut ae;J Quant la so mme de deux
matrices E = (e;) et F =(!;)de mme
tai lle , e lle n 'est autre que la matrice
obtenue en additionnant les lments
correspondants.
Nous allons considrer la fabrication
de diffrents produits en admettant que :
la production de k units d ' un produit rc lame k fois les quantits de
facteurs utili ses pour une seule unit
de ce produit ;
la production simultane d ' une unit
d'un produit A et d ' une unit d ' un
produit B ncessite des quantits de
facteurs gales la somme des quantits ncessa ires pour fabriquer une
unit de A et une unit de B.
Ces deux hypothses, somme toute
assez naturelles, confrent un caractre linaire la production et permettent d ' illustrer aisment le produit
matriciel . En effet, en guise d'exemple
lmentaire , intressons-nous la fabrication de deux produits semi-finis S I et
S 2 au moyen de trois facteurs primaires
de production , F 1 , F2 et F 3 (qui pourraient tre, pour fixer les ides , le travail, le capital et ('nergie) . La quantit
du facteur Fj ncessaire pour une unit
de produit S; est donne par ('lment
a1,1.. de la matrice M = (a,.J). Les lments de M seront supposs fixes, aussi
lon gtemp s que la technique de production reste inchange .
Comme exemple numrique , considrons la matrice de fabrication suivante:
M = ( JO
15
3 6).
5 4
Ainsi, la production d ' une unit de S 1

rclame dix units de F 1, trois units de
F2 et six units de F 3 , tandis que la production d ' une unit de S 2 fait appel
quinze units de Fi, cinq units de F 2
et quatre units de F 3 .
Par ailleurs, les deux produits semifini s S I et S 2 servent leur tour pour
fabriquer deux produits finis P 1 et P 2
Plu s prci s ment , pour obtenir une
unit du produit fini P;, il faut employer
la quantit b ;J de SF Les nombres b;J
forment une nouvelle matrice N = (b;).
Par exemple, on di s pose des informations suivantes: il faut cinq units de
S I et s ix units de S 2 pour produire
une unit de P 1 et, de mme , il faut
deux units de S 1 et trois units de S 2
pour produire une unit de P 2 , ce qui
fournit la matrice
N
= (~
~) .
Les quantits de chaque facteur primaire intervenant dans la fabrication

de chaque produit fini peuvent tre
aisment calcules en utilisant nos
hypothses initiales. Elles peuvent
tre rassembles dans une matrice P,
de format 2 x 3, dont les lignes se rapportent aux produits finis et les
colonnes aux facteurs primaires. De
fait, on obtient sans peine :
P=(5x10+6x15 5x3+6x5
2 X J + 3 X J 5 2 X 3 + 3 X 5
5x6+6x4)=(140
2 X6+3X4
65
En ralit, la matrice Pest obtenue en

multipliant N par M, ce produit
s'effectuant 1igne par colonne et
s'crivant P = N M
Plus gnralement, le produit E F de
deux matrices E et F ne peut tre excut que lorsque le nombre de colonnes
de E est gal au nombre de lignes de F ,
comme le suggre l'exe mple ci-dessus. Si donc E = (e;) est de format
mxn et F =(!;)est de format nxp,
45
2J
54)
24
ACTIONS
Matrices en conomie
le produit E Fest, par dfinition , la
matrice Q = (q 1.J ), de format mxp,
telle que
La balance des comptes s'effectue en

comparant les sommes des crdits et
des dbits. Or, le total des dbits de
tous les comptes vaut
( l\
qt.J
. . = e., . ,!,, .J. + e./ , ,f , ,}. + ... + e'" f.fi.}. = ,.L.,,
f e,.,J,, .J..
td,-(d d, ... dtJ-('UM)U
k-l
le double classement en comptabilit

En comptabilit, on a quelquefois
recours une mthode dite en partie
double, car elle consiste enregistrer
deux fois chaque opration : une premire fois au crdit d ' un compte , et
une deuxime fois au dbit. Pour viter toute erreur ventuelle, il convient
de toujours vrifier l'galit entre la
somme des crdits et celle des dbits.
Ce double clas se ment peut avantageusement tre ralis sous forme matricielle: dans ce cas, nous allons constater
que les contrles sont automatiques.
Construisons une matrice carre d'ordre
n, note M = (a;), dont les indices des
lignes indiquent les numros des comptes
crdits, tandis que ceux des colonnes
se rfrent aux comptes dbits. Ainsi,
le nombre a;J dsigne la somme dbite au compte d'indice jet crdite au
compte d'indice i.
Considrons prsent le vecteur colonne
(c'est--dire une matrice comportant
une seule colonne) U compos den
lments gaux 1. Le produit matriciel MU dfinit un vecteur colonne
dont tous les lments c 1, c 2 , , c11 sont
les sommes de s crdits relatifs aux
comptes qui correspondent aux indices
"
des lignes, puisque c, = ~ a,.r
De mme , le total des crdits de tous

les comptes est gal
( c, \
i ,, -(1 1 ...
L' galit entre le total des dbits et

celui des crdits rsulte de l' associativit du produit matriciel, puisque
CUM)U = 1U(MU)
= UMU
1
ce qui quivaut
Plu s gnralement , l'assoc iativit du

produit matriciel se traduit comme suit :
pour des matrices Ede format m x n , F
de format n xp et G de format px q , on
peut crire
E(FG)
=(EF)G = EFG ,
le rsultat final tant de format m x q.
J- 1
Par ailleurs, le produit tu M, o tu

dsigne le vecteur transpos de U, donne
un vecteur ligne dont le s lme nts
d 1, d 2 , . , d 11 reprsentent les sommes
des dbits qui correspondent aux indices
"
des colonnes , car d j = ~ a,.r
i- 1
:114
t :J-'U (MU)
J. B.
ACTIONS
par Herv Lehning
a r1ces
et codes secrets
Tout ce qui se prte des calculs compliqus peut tre utilis
pour coder, les matrices ne font pas exception. Ces codes,
nomms chiffres de Hill du nom de leur inventeur, ne sont
gure utiliss de nos jours. Pourquoi ? Tout simplement parce
qu'ils ont un talon d'Achille ... Dans cet article, nous montrons
lequel, et comment y remdier.
o mmenons en restant dans le
Chiffrement par multiplication
classicisme cryptographique. Les

messages sont co nstitus des
lettres de l' alphabet (de A Z) , sans
espace ni accent ou signe de ponctuation. Ainsi, le message Tangente est
mon magazine prfr devient TANGE
NTEES TMONM AGAZI NEPRE FERE
o nous avons group les lettres par cinq
pour que cela reste lisib le. Ces vingt-six
lettres peuvent tre codes numriquement de O 25, par exemple en utilisant
le tableau suivant :
ABCDEFGH
9101112
NO
ST
UV
15
Q
16
13 14
17
18
20
22
23
24
25
Codage des lettres de

l'alphabetpardes
nombres de025.
116
19
KLM
21
Notre message devient alors une suite

de chiffres: 19,0, 13,6,4, 13, 19,4,4,
18, 19, 12, 14, 13, 12,0,6,0,25,8, 13,
4, 15, 17,4,5,4, 17,4.
Pour coder un tel message, il suffit de

savoir coder chaque nombre entre O et
25. Une ide pour ce faire est d'utiliser
la multiplication dans "1l../ 26"1l.. (l ' ensemble des nombres entre O et 25, voir
l'encadr Calculs dans "1l.. /26"1l.. ), qui
consiste en la multiplication ordinaire
dont on ne garde que le reste dans la
division par 26. Ainsi , 12 fois 7 vaut 84
normalement , donc 6 dans "1l.. / 26"1l..
puisque 84 = 3 x 26 + 6.
Un tel multiplicande constitue la clef
du chiffrement. Si nous utilisons 7
comme clef, notre message commence
par 19 fois 7, soit 3 puisque 19 fois 7
vaut 133 qui a pour reste 3 dans la division par 26. Nous continuons ainsi
pour obtenir: 3, 0, 13 , 16 , 2, 13 , 3, 2,
2,22,3,6,20, 13 , 6,0, 16,0, 19 , 4, 13 ,
2, 1, 15,2,9, 2, 15,2.Cettesuitepeut
alors tre convertie en lettres en utilisant le tableau prcdent l'envers , ce

qui donne:
DANQC NDBBW DGUNG AQATE
NCBPC JCPC .
Dchiffrement, dcryptement
Pour dchi ffrer, nous de vons dte rminer l'opration inverse du chiffrement.
Po ur ce la, no us c he rc ho ns s i 7 a un
inverse dans Z/26"1!... C'est bi en le cas
et nous trouvons qu ' iI est gal l 5 ( voir
l'encadr Calculs dans "l!../26"1!..) . Il est
diffic ile de trouver ce nombre ( 15) mais
fac il e de v rifi e r a p osterio ri qu ' il
convient pui sque 7 fo is 15 vaut 105 ,
dont le reste dans la divi sion par 26 est
1... Il suffit donc de multipli er par 15
pour dchiffrer. Remarquons ce ni veau
qu e to ute clef ne do nne pas un code
dchiffrable. Pour cela, il est ncessaire
d' utili se r un l me nt in ve rs ibl e de
"l!../26"1!..,c'est--dire un nombre premier
avec 26 ( voir l'encadr).
Si on ne connat pas la clef, nous disposons
de deux mthodes pour casser le code.
Premi reme nt , nous pouvons essayer
les onze clefs possibles. Deuximement,
nous pouvons utili ser la mthode des
frquences pui sque notre mthode correspond une simple substitution alphabtique. Nous ne rev iendrons pas sur la
question : e ll e est dvelo ppe dans le
hors-srie 26 de Tangente, Cryptographie et codes secrets. L'art de cacher ,
comme dans notre li vre sur l 'Uni vers
des codes secrets.
lnteruention des matrices

En 1929, I'A mri ca in Lester Hill e ut
l' ide de gnraliser cette mthode en rempl aant les lments de "l!../26"1!.. par des
matrices carres d 'ordre 2 sur ce mme
ensembl e. Bien entendu , comme prcde mment , les matrices do ivent tre
in versibl es dans "l!../26"1!.., c'est--dire
qu e le ur d te rmin a nt d o it l ' tre .
Calculs dans z / 2&z

Traditionnellement, nous notons "l!../26"1!.. (ou "l!.. /26) l'ensemble des nombres de O 25. Les rsultats des trois oprations (addition , soustraction et multiplication) sont
ramens Z/26"1!.. en prenant leur reste dans la division
par 26. Ainsi , dans ce contexte, 13 + 14 = 1 puisque le
reste de 27 dans la division par 26 est 1. De mme,
2 x 13 = 0 et 7 x 11 = 25. Le premier rsultat montre que
2 et 13 ne sont pas inversibles. De faon gnrale , un
nombre non nul de Z/26"1!.. n'est pas forcment inversible.
Claude Gaspard Bachet de
Mziriac (1581-1638) est l'auteur de la traduction latine de
l'Arithmtique de Diophante
dans les marges de laquelle
Fermat nota l'nonc de son
fameux thorme. On doit de
plus Bachet la premire preuve connue du thorme qui
porte aujourd'hui son nom.
Le calcul des inverses dans un anneau modulaire comme

Z/26"1!.. est une application du thorme de Bachet selon
lequel l'quation au + bv = pgcd (a, b) o a et b sont
connus a toujours une solution en u, v. De plus, on peut
en trouver une en utilisant l'algorithme d'Euclide .
titre d ' exemple, appliquons-le aux nombres 26 et 7 en
commenant par diviser 26 par 7. Le quotient est 3 et le
reste 5. Celui-ci peut donc tre crit sous la forme
26 u + 7 v, en l'occurrence : 5 = 26 - 3 x 7. Nous recommenons avec 7 et 5, le reste (2) peut encore tre crit
sous la forme 26 u + 7 v puisque 2 = 7 - 5 , soit :
2 = -26 + 4 x 7. Nous divisons alors 5 par 2 et il en est
de mme du reste (1) : 1 = 5 - 2 x 2, soit
l = 3 x 26 - 11 x 7 . Nous avons donc trouv une solution l'quation de Bachet . .. et il en est toujours ainsi.
En remarquant que 11 + 15 = 26 , nous en dduisons :
15 x 7 = 1 + 4 x 26. Donc, 7 est inversible dans "l!.. /26"1!..
et son inverse est gal 15. Il en est de mme de tous les
nombres dont le pgcd avec 26 est gal 1, c'est--dire des
nombres impairs non divisibles par 13.
Les codes de Hill sont attaquables

par la mthode du mot probable.
117
ACTIONS
Matrices et codes secrets
lester Hill
En 1929, Lester Hill a publi un article sur l'utilisation des matrices pour chiffrer un message dans un
journal ducatif. Il s'agit donc plus d'un exemple
d'utilisation des matrices que d'un chiffre destin
rellement cacher. De fait, il demande des amliorations pour offrir une bonne scurit.
est bien la matrice ide ntit dans

"ll.. /26"ll.. . Nous codons alors le message
en groupant les chiffres deux par deux.
Ainsi , le premier groupe est 19, O.
Nous calcul ons le produit matric iel
sui. vant : A x ( 19) ce qui. donne ( 38)
19
O
soit 12, 19. Le second groupe est 13 , 6,
1
ce qui donne A x ( :) , so it 4, 2 1.
Autrement dit, nous utilisons une matrice
de 35 est gal 3 pui sque 3 fo is 35

vaut 105 , dont le reste dans la di vision
par 26 est 1. L' inverse de la matrice A
20 5
60
15
est donc 3 x (
- ) = (
- ),
-1 2
-3 6
On continue ainsi, mais comme le

nombre de chiffres est impair, on ajoute un O la fi n . On obtient : 12, 19, 4 ,
21, 21, 4, 6, 7, 20, 2, 20, 9, 15 , 14, 24 ,
12, 12, 6, 12, 1 , 20, 1, 11 , 3, 7, 2, 15,
18, 8, 4. En lettres, cela donne:
MTEVV EGHUC UJPOY MMGMB
UBLDH CPS IE .
Pour dchiffrer, il suffit de multipl ier
par la matrice in verse. Comme le chiffre ment se fa it par groupe de deux
lettres, la mthode des frquences ne
suffit plus pour dcrypter, c'est--dire
dchiffrer sans connatre la clef. En
effet, le nombre de digrammes est de
26 x 26, soit 676. De ce point de vue ,
la mthode peut tre rapproche de
celle de Pl ayfair, rendue clbre par
son utili sati on par John Fitzgerald
Kennedy pendant la Seconde Guerre
mo ndi ale . Co mme dans ce cas, la
mthode du mot probable reste adapte. Pour montrer comment elle fo nctionne, imag inons un autre message
cod par la mme mthode, mais en
changeant la clef.
Supposons que nous interceptions un
message chi ffr de cette manire, donc
avec une matrice 2 X 2 : NCPDN
IFMGD YWDKJ GZYGF TSGM , et
que nous souponnions qu ' il commence par le mot ordre . Dans ce cas ,
. A- ' = ( 8
soit
notons A
(: !) o le nombre ad - be est impair

et non multiple de 13. Cette matrice sera
la clef de chiffrement. Un calcul fasticlieux
mais simple montre que le nombre de
clefs possibles est gal 157 248, ce qui
n'est gure important pour une attaque
par fo rce brute, c'est--dire en essayant
toutes les possibilits. Cependant , il est
fac ile de gnraliser la mthode des
matrices d'ordre 3, 4 ou 5. Le nombre de
clefs y est autrement plus important , ce
qui la prmunit d ' une attaque par fo rce
brute. Cependant , mme s' il vaut mieux
l' appliquer avec des matrices d 'ordre 5 ,
no us la dcriron s compl te ment uniquement dans le cas d 'ordre 2 pour ne
pas compliquer inutilement les calcul s.
Prenons par exemple la matrice
A=( ~ } ), dont le dterminant vaut
0
35 , qui est bien inversible. Son inverse
dans ~ se calcule fac ilement, il s'agit
20 5
de
- ). Dans "ll../26"ll.., l' inverse
I._(
35 - 1
11) . 0 n peut ven

, .f.1er ce
6
rsultat en effectuant la multiplication
de A par A- 1 ; on trou ve 131 52) qui.
( 468 13 1
23
ri 18
= (:
!) la matrice de chif-
frement. Dans celui -ci, OR dev ient NC

donc A X
( )~) = (
1
:) et de mme :

A x ( ~)
1
= (
1
;) (DR devient PD) . Cela
qui vaut deux systmes de deux

quations deux inconnues :
14a+ l7b= l3
{14c+ l7d=2
et
.
{ 3a + 17b = 15
3c + 17 d = 3
Ces systmes se rsolvent comme dans
le corps des rels, mais en prenant garde
que les calculs se font dans "ll./26"11., o
le calcul d' un inverse peut tre dlicat (voir
! 'encadr Rsolution d'un systme dans
un anneau) . Nous trouvons : a= 2, b =3,
c = 7 et d = 2, et obtenons donc la clef
1
de chiffrement : A= ( ; ~).
Pour dcrypter le message, il reste
dterminer l' inverse de A.
4 7
On trouve : A_, = (
).
25 2
En appliquant cette matrice la suite
13,2, 15,3, 13,8,5, 12,6,3,24,22,3,
10,9,6,25,24,6,5, 19, 18,6, 12,on
obtient : 14, 17,3, 17,4,3,0, 19, 19, 0 ,
16,20,4, 17,0,3,8,23,7,4,20 , 17 ,4,
18 soit : ORDRE D ATTAQ UER A
DIX HEURES. Le fait que le message
ait un sens confirme que notre dcryptement est le bon. Le chiffre de Hill est
donc fac ile me nt attaquable par la
mthode du mot probable, mme si
nous augmentons la taille de la matrice. Autrement dit, sa scurit repose
sur le secret, ce qui est toujours imprudent. Comme l'a no nc Claude
Shannon : dans un code secret, on do it
supposer que l'ennemi connat le systme . .. la scurit tant assure par
une clef (ici la matrice) que l'on change rgul irement (voir le Principe de
Kerckhoffs dans l'Univers des codes
suffi t pas d ' util iser des matrices

d 'ordres plus importants, mme si cela
est utile, il faut gale ment rendre difficile la reconnaissance de mots probables. Ceux-ci sont souvent lgions,
comme l'ont montr les erreurs allemandes de la Seconde Guerre mondiale dans l'emplo i de la machine
Enigma. Une ide simple est de commencer par coder en ASCII, ce qui
revient travailler dans "ll./256"11., et
d'appliquer une compression du texte
par la mthode de Huffman , par
exemple . Celle-ci va en effet traduire le
mot probable d ' une faon non facilement prvisible . Le chiffre obtenu en
sera fortement amlior.
H.L.
Rsolution d'un svstme dans un anneau

,
{14a+l7b=l3
Pour resoudre
, on retranche la seconde
3a+l7b-15
quation la premire, on obtient 11 a= 24. Comme l' inverse de 11 est 19, puisque 11 multipli par 19 vaut 209
dont le reste dans la division par 26 est 1, a est gal 24
fois 19, soit 14. En remplaant dans la seconde quation
et en utilisant l'inverse de 17, qui est 23, on trouve b 3.
'
{14c +l7d=2
,
d
se resout e meme, on
L e second systeme
3c +l7d=3:
trouve c = 7 et d = 2.
Bibliographie
Cryptographie et codes secrets, l'art de
cacher. Bibliothque Tangente 26, 2006.
L'univers des codes secrets de l'Antiquit
Internet. Herv Lehning, Ixelles, 20 12.
The code Breakers . David Kahn , Scribner,
1996.
secrets de ['Antiquit Internet).
Renforcement du chiffre
Il est donc ncessaire de rendre le
chiffre de Hill rsistant aux attaques
par mots probables. Pour ce faire, il ne
~ 19
HISTOIRES
par Jean-Jacques Dupas
les mathmaticiens prfrent les grosses...
matrices
Matrix computations: contrairement ce que ce nom laisse
entendre, nous ne sommes pas en prsence d'un nouvel opus
de la srie Matrix. Il s'agit d'un ouvrage, d'ailleurs plus connu
pour les numriciens que le film ! L'histoire de l'analyse
numrique est indissociable de celle de l'un des auteurs de cet
ouvrage, Gene Golub.
i vous cherchez inverser ou diagonaliser une matrice , vous avez
forcment une solution efficace
dans un livre, vritable brviaire du calcu l numrique : Matrix computations,
qui est le vade-mecum du calcul matri-
Blason de de la prestigieuse universit

de Standford (Californie, tats-Unis)
o Gene Golub exerca partir des
annes soixante.
ciel pratique. Car il ne fa ut pas s'y tromper (et vo us l' ig noriez pe ut-tre) : la
plupa rt des ordinateurs de la plante
passe nt le ur temp s m a nipul er des
matrices. C'est bien pour cette raison que
Matrix computations est un best-seller
(nou s en sommes la troisime d ition ,
plus de cinquante mille exemplaires ont
t vendus, et plu s de dix mill e rfrences dans des artic les pointe nt sur cet
ouvrage). Ses auteurs sont Gene Howard
Golub ( 1932-2007) e t Charles Francis
Van Loan (n e n 1947). Comment ce
livre est-il n ?
L' Amricain Roger Alan Horn (n en
1942) ava it fond le dpartement de
ma th mat iqu es l' univers it JohnsHopkin s. Avec les John s H opkins
Press, il publiait des monographies
courtes re pre nant des cours. Il ava it
inv it Gene Golub dispenser un de
ses cours. Charlie Van Loan ta it prsent et pensait que le cours de Go lu b
ferait un livre excelle nt. Il s dcidrent

d'essayer d 'crire cette monographie.
Selon Golub , toujour s mode s te ,
Charlie Van Loan es t le principal
auteur du livre, et son me. L' hi stoire
de Gen e Golub pe rmet e n fait de
retracer une grande partie de l' histoire
de l'analyse numrique.
Gene Howard
Golub
(1932-2007).
les dbuts
Gene Howard Golub est n le 29
fvrier 1932 de Bernice e t Nathan
Golub . Sa mre tait originaire de
Lettonie et son pre d 'Ukraine . Tous
les deux taient arrivs indpendamment aux tats-Unis en 1923 et
s'taient installs Chicago , ayant
des pare nts dj dan s la ville. Gene
nat au cur de la grande dpress ion ,
trois ans aprs son frre aine Alvin.
12 ans, il commence travailler
dan s la pharmacie de so n cousin
Sidney. Alors qu ' il est au lyce, ses
parents divorcent et son pre meurt
l'anne suivante , en dcembre 1948 .
Au dpart, Gene voulait devenir chimiste. Pui s il dcouvrit la gomtrie
analytique et le calcu l, et sa passion
dbuta. li suivit des cours de mathmatiques l'univers it de Chicago ,
puis dcida d'aller l ' universit
d ' Illinoi s Urbana-Champaign pour
sa licence . Une dc ision qui changera
sa vie, car parmi les cours qu'il sui vra figure un cours sur les matrices
de Franz Edward Hohn . Licenci,
Golub suit les cours du fameux stati sticien Calyampudi Radhakri shna Rao .
Pendant ce cours, il apprend plus sur
les matrices que sur les stati stiques ;
il devient vite familier de la manipu lation des matrices.
Gene Golub avait un travail temps
partiel chez un phy sicien travaillant
sur un acclrateur. Il apprend programmer l' ILLIAC , l' un des premiers
ordinateurs de l'poque. John Nash
lui offre alors un poste d'assistant

dan s le laboratoire d ' informatique ;
nous so mmes en 1953. De la sorte,
Golub se familiarise avec les problmes pratiques que les informaticiens rencontrent.
l' universit d'Illinois, Gene Golub
croise le Britannique David John
Wheeler (l 927-2004), qui dveloppe
les routines de base. Golub ne suivra
jamais de cours d'analyse numrique ,
mais apprendra en essayant de comprendre les lgants programmes de
Wheeler.11 rencontrera galement l' informaticien britannique Stanley Gill
( 1926-1975).
Bien plus tard, Golub travaillera pour
l'acclration de l'algorithme PageRank
de Google : sans le savoir, vous utilisez tous le s jours les travaux de
Golub ! Il recevra en change un certain nombre d 'actions Google , qu'il
donnera pour la plupart afin de fonder
la chaire Paul-et-Cindy-Saylor l' universit d ' Illinois . Il di sa it que ce
cadeau en disait long sur l' importance
121
HISTOIRES
Les mathmaticiens...
mthode de rduction cyclique pour la
rsolution de certains systmes
linaires, permettant la construction
de solveurs de Poisson rapides. Mais
quand on demandait Gene ce qui
dfinissait sa carrire, il ne mentionnait pas telle contribution ou tel
artic le scientifique : il parlait des
gens. li louait ses tudiants et aimait
rpter qu ' il avait eu de la chance de
les rencontrer.
Publications de SIAM.
www.siam.org
qu'avait eue l'universit d'Illinois

dans sa vie ...
Abraham Abe Haskel Taub ( 1911 1999) prend Golub comme tudiant.
C'tait un proche de John von
Neumann et un spcialiste de mathmatiques appliques. Taub donne justement Golub un papier de von
Neumann, sur l'utilisation des polynmes de Tchebychev dans la rsolution des systmes linaires. Ce papier
sera dcisif dans la direction que prendront les recherches de Golub . Il
obtient ensuite une bourse et part
Cambridge pour quinze mois, jusqu'
l't 1960. Aprs quelques mois passs dans l'industrie, Golub accepte en
aot 1962 un poste d 'ass istant au
dpartement de mathmatiques de
Stanford , qu ' il ne quittera plus.
Une carrire bien remplie

Golub a crit ou co-crit autour de
deux cents articles dans les meilleurs
journaux. Sa contribution la plus
conn ue est la dcomposition en
valeurs singulires (ou SVD, pour singular value decomposition). On peut
ga lement citer l'invention de la
~ 22
Par ailleurs, Golub a rendu d 'normes

services la communaut de l'informatique scientifique. Il fut prsident
de la Society for Industrial and
Applied Mathematics (SIAM) et joua
un rle central en fondant le Conseil
international pour l' industrie et les
mathmatiques app liques. Il est le
fondateur de deux journaux importants du SIAM, le SIAM Journal on
Scientific Computing (le Journal du
SIAM de l' informatique scientifique)
et le SIAM Journal on Matrix
Analysis and Applications (le journal
du SIAM de ! 'analyse matricielle et
de ses applications). Il a enfin fond
NA-NET et NA-Digest, des outils de
travail et de rseaux indispensables
pour la communaut de l 'a lg bre
linaire numrique.
J.-J.D.
Rfrences
Matrix computations. Jean-Jacques
Dupas, Tangente 120, 2008.
Gene H. Golub Biography. Chen
Greif, Oxford University Press,
2007, en anglais, disponible en ligne
l'adresse suivante:
http://fds .oup.com/www.oup.co .uk/
pdf/0-19-92068 1-3 .pdf
Matrix Computations. Gene Golub
et Charles van Loan, Johns Hopkins
University Press, 1996 pour
la troisime dition.
ACTIONS
par Daniel Justens
Calculs matriciels
en statistique multiuarie
Les bases de donnes statistiques sont comme de grands

tableaux de nombres. L'usage des notations matricielles
simplifie alors le formalisme. La collecte des donnes se fait
progressivement, relativement chaque unit statistique
interroge, et en notant les observations ligne par ligne.
'obs:rvati~n quan~ifie de p~nomenes econom1ques , soc10log iques ou autres vise

essentiellement la construction de
modles uti lisables soit par leurs aspects
prdictifs , soit en vertu de leur puissance explicative. Deux optiques peuvent tre dveloppes .
On peut s'intresser une variable particul ire, note Y, que l'o n suppose
dpendante de k variables X 1, ~ , , Xk
indpendantes entre elles et qualifies
d'explicatives . La relation s'crit formellement Y= f(X 1 , X 2 , ... , Xk), et on
se place dans le cadre de la rgression ,
qu i tend paramtrer au mieux
(dans un sens dfinir) la fonction f
en tenant compte des observations.
On peut aussi tudier directement les
k variables X" X 2 , ... , Xk en tentant
de mesurer et d'utiliser optimalement leur niveau de dpendance . Le
but de la dmarche consiste donner
du systme observ une reprsentation
conviviale et interprtable en rduisant
sa dimension une ou deux : des obser-
ri 24
vations dans l'espace k dimensions

(k > 3) sont en effet difficiles visuali ser par notre cerveau format pour un
espace deux ou trois dimensions. Le
cadre est ce lui de la construction de
composantes.
Collecte de l'information, rgression

La collecte d'observations statistiques
multivaries se fait partir d'individus, encore appels units statistiques
et dsignant toute entit abstraite ou
concrte laquelle ! 'observateur est
susceptible d 'assoc ier une valeur Y et
un vecteur de valeurs (X 1, X2 , .. , Xk).
Supposons que nous disposions de n
units statistiques. Afin de particulariser chaque observation du vecteur, on
utilise une notation doublement indice.
Le premier indice va tre relatif la
variable, le second au numro de l' unit
statistique. Comme les observations
sont notes ligne par ligne (chaque ligne
correspondant aux valeurs associes
pour chaque variable un individu) ,

l'ord re des indi ces se ra co lo nneligne : X;Jest do nc situe la li g~ej
de la co lo nne i e t re prse nte la /me
observatio n de la variab le X;. On se
tro uve do nc l'oppos de la notati on
usuelle ligne-colonne . Dans la suite,
nous noto ns Y le vecte ur co lonne des
observati o ns de la variab le Y et X la
matrice des observat ions X;J
Le cas le plu s s impl e est ce lui de la
rgress ion li na ire. O n suppose q ue la
variable dpendante Y pe ut s'ex primer
comme combinaison linai re des valeurs
des k variab les ex pl icat ives X;. Formellement, si B est le vecteur co lo nne
des coeffic ients de cette combin a ison
lina ire, notre mod le se no te par le
vecteur co lonne X B. O n note Y le vecteur colo nne des observatio ns, et l'on
peut introd uire alors le vecteur colonne
E des carts (erre urs) e ntre o bservations et va leurs prvues par le mod le :
E = Y - X B . La somme des carre des
erreurs corres po nd la fo rme 'Ex E,
da ns laque ll e 'E reprse nte le vecteur
ligne tra nspos de E. La mthode cl ass iqu e LSS (least sum of squares, o u
mo indre so mme des carrs) v isant
min imi ser 'Ex E va li vrer un syst me
de n quati ons n inconnues qui permet gnra le ment de calibre r B. No us
passons ic i sur les probl mes de co li narit appara issant lo rsqu e deux ou
plu s ieurs va ri abl es ex pli cati ves so nt
dpenda ntes en partie (corr lation significat ivement d iff re nte de 0) et que le
ca librage est fo rte ment affect par les
observations. Cec i se comprend intui tive me nt : e n cas de d pe nda nce, le
systme rsoudre est proche d ' un syst me ind termin . ..
O n peut auss i adjoi ndre une constante
add iti ve au mod le e n y introdui sant
une variable X0 prenant systmatiqueme nt la va le ur I e t e n aj o uta nt un e
colonne de 1 X.
Karl Pearson
(1857-1936).
Composantes principales
Considrons prse nt la seule matrice
X. Ces observations constituent un nuage
de po ints da ns un es pace k dime nsio ns. L' ide est de se reprsenter ce
nuage dans un pl an de faon v isuali ser les proximits et les diffrences des
units stati stiques.
Pour y arri ver, on propose
de re mpl acer les vecte urs
,,!
observs (qui constituent les
li gnes de la matri ce) par
une ou deux valeurs (reprsentation dans le plan) qui
en sont des co mbina isons
lina ires, tout en conservant un max imum d ' infor mation .
Ce qui fa it le conte nu de
l'information,c'est la variabilit des observations. En
Exemple type d ' une analyse
conomie ou en sociologie,
la co nsta nce d ' un para en composante principale (ACP).
mtre ne s ignifi e j ama is
Le nuage de points est reprsent
que la no n-conn a issance
dans un plan.
d e sa va ri a b i lit ! Il
conv ient do nc de construire des co rnbinaisons lina ires des observatio ns de
variance max imale. Les ac tivits de ce
125
ACTIONS
Statistique multivarie
En considrant le produit matric ie l
_!_, X, X, , on vrifie que ce dernier corn
res pond , e n variables rd uites, la
matrice variances-covariances (ou

matrice variances-corrlations), note
R , qui comprend des I sur la di agonale
(variance d'une variable rduite) et les
corr lations entre X;,,. et Xj,,. aux emplacements (i,j) et U, i).
Notons enfin A= 1(a 1, ... , ak) la matrice
(o u le vecteur) co lonn e de l' une des
transformations lin a ires c he rches.
Cette dernire donne comme valeur le
vecteur colonne XrA, de variance:
_!_, A ' X X A=' ARA
' '
.
n
On sait que la matrice carre R est symtrique (car la corrlation entre X; et Xj

est identique la corr lation entre \
et XJ Cette proprit permet d'tendre
certa ines formules courantes de dri vation au calcul matriciel.
Joseph-Louis Lagrange (1736-1813).
type portent le nom d 'anal yse en compo sa nte s principa les (AC P) e t so nt
issues des travaux du stati sticien controvers Karl Pearson (1857-1936), tri stement clbre par ai lleurs pour ses
positions e ugni stes.
Avant de co mmencer toute manipul ation , il fa ut pre ndre consc ie nce du fa it
que la variance d' une variable statistique
est dpe ndante du systme d ' units de
mesure choi si. Une unit di x fois plu s
petite li vre des observations dix fois
plus grandes, de variance cent fois plus
leve. Il convient de se dbarrasser
avant tout de cette influence en ne considrant que les variab les rduites :
Va leur observe - Moyenne
cart type
inscrites dans la matrice (i ndice par r)
Xr.
126
Il faut dj se convaincre qu'il est imposs ible de max imi se r la variance sa ns

imposer de conditions aux lments de
A. En effet, si ses va le urs a 1 ... ak ne
so nt pas brides, alors e n les faisant
crotre indfiniment on peut faire tendre
la variance de la combinaison linaire
Xr A vers l'i nfini . Cette constatation se
voit confirme par calcu l direct: le seul
extremum libre de 1A RA est un minimum constitu du vecteur ide ntiquement nul (0, 0, ... , 0), leq ue l correspond
une variance galement nulle, toutes
les observat ions tant rsumes par
l'ori g ine. Le ca lcul des drives partielles relativement aux composantes
de A peut tre not comme suit :
a' ARA= 2RA
aA
'
gnrali sant formellement la drivation

d' un carr . Le systme obtenu par annulation des drives partielles est donc

homogne. S'il n 'est pas indtermin ,
ce qui est infiniment peu probable , il
n ' admet que la solution triviale A= 0
(abu s de notation).
Il faut donc se tourner vers la recherche
d'un maximum sous contra inte en uti li sant les multiplicateurs de Lagrange .
En choisissant d ' imposer la contrainte
I
A A = 1 aux lments de A, on garantit la conservation des di stances, refusa nt toute homothtie et donc tout
gonflement des carts.
Sige de l'lnsee.
Considrons prsent la fonction
et calculons ses drives partielles. L'annulation des k premires conduit au systme de k quation s
2RA-2.A=0,
quivalent (R - l)A = 0
(o I dsigne la matrice identit).
L' annulation de la dernire drive ,
relativement , redonne la contrainte.
Pour sortir de la so lution triviale du
premier systme , il faut imposer celuic i d'tre indtermin. Son dterminant
doit tre nul. Ceci revient donner
une valeur vrifiant det[R - I] = O.
Notre problme se rsume finalement
la recherche des valeurs propres de
la matrice R. Cette quation de degr
k admet gnra lement k so lutions .
Sous notre contrainte (1 A A = 1), on
montre par s imple calcul direct que
chaq ue valeur propre mes ure trs
exacte me nt la variance de la combinaison lina ire obtenue par rsolution
du systme compl et obtenu pour cette
valeur (k quations linairement d pendantes, donc k - 1 degrs de libert,
plus la contrainte impose) . Il s uffit
donc de retenir les solution s associes
aux deux plus grandes valeurs de pour

tre mme de transformer le nuage
de points en nuage planaire tout en
conservant un maximum d ' information.
On peut mme quantifier l'information
disponible dans la rduction planaire
du nuage . En effet, les variances des k
variables de dpart sont toutes gales
1. Si ces variables sont indpendantes
(ce qui est le cas si on en fait une reprsentation dans un espace k dimensions) , alors la variance associe leur
so mme sera gale la somme de s
variances, soit k. En retenant pour notre
pl an les valeurs propres les plu s leves, . 1 et . 2 , on conserve la fraction
( 1 + . 2) / k de l' information initiale .
Cette faon de faire permet donc une
reprse ntation efficace d ' une partie
connue de l' information disponible
dan s la base de donnes initiale . On
peut aussi donner une interprtation
go mtrique de la dmarche. Le p lan
retenu est le plan contenu d ans l'espace initi al k dimen sion s tel que la
projection orthogonale des observations sur ce plan prsente un max imum
de dispersion.
D.J.
127i
SAVOIRS
les matrices de
La qualit des communications modernes repose sur la capacit
s'affranchir du bruit et des interfrences dans un signal.
Parmi les nombreuses structures mathmatiques utilises en
thorie des codes correcteurs d'erreurs apparaissent les
matrices de Hadamard.
es matrice~ de Hadamard possdent une structure des plus
simples : e lles sont carres et
leurs vecteurs colonnes, constitus uniquement de + l ou de - l , sont orthogonaux. Elles po1tent le nom de Jacques
Hadamard , mais James Joseph Sylvester, inventeur du terme matrice
et pionnier de la thorie des dterminants ,
fut sans doute le premier les avoir
tudi es systmatiq uement. Il mit au
point, en 1867, une mthode de construction de telles matrices d 'ordre 2", pour
toute valeur den. Objet d 'tude depuis
plus de cent quarante ans, les structures de ces matrices , aux multiples
applications, renferment encore de nombreux secrets.
Ingalit de Hadamard
Considrons une matrice A de rang n
et de terme gnral ( a ;.j ) 1.;_.,, Hadamard
l,s;j:Sfl
Cette ingalit est connue sous le nom

d'ingalit de Hadamard. Le dterminant est la somme de tous les produits
den termes , un par li gne et un par
colonne, affects par un coefficient
- 1 ou+ 1. Ces produits sont au nombre
den! . Si les termes de la matrice sont
majors en valeur absolue par le nombre
positif M (c'est--dire si la;) :SM ),
alors chaque produit de n termes est
major par M" et donc Idet(A) 1 :S n!M".
L'ingalit d'Hadamard fournit la majoration Idet (A) 1 :S n"12 M" , qui est bien
plus prci se. Cette relation a t conjecture par Lord Kelvin (1824-1907) et
dmontre en 1885 par Thomas Muir
(1844-1934) pour des nombres rels.
L' ingalit de Hadamard a une interprtation gomtrique simple. En notant
uj = (a 1J ... a 11 ) les vecteurs co lonnes
de la matrice A, elle s ' crit
a tabli en l 893 la majoration su ivante de

la valeur absolue du dtermjnant de A :
128
ldet(A)I :S
llu,IJ.

1
Hadamard note que l'on a l'ga lit si,

et seul ement si, les termes Ia;) sont
constants et les vecteurs colonnes (u)i s_;,;,,
orthogonaux. Cette inga lit signifi e
donc que le volume I det (A) 1 du paralllp ipde co nstruit sur les vecteurs
(u)i sjs" est max im al qu and ces vecteurs so nt orthogonaux .
Le dterminant des matrices H11 d'ordre
n, constitues de coefficients rels gaux
1 avec ses vecteurs co lonnes orthogonaux, est donc extrmal. En effet,
nous avons H11 'H11 = n 111 , o 111 est la
matri ce unit , et la borne supri eure de
l' ingalit de Hadamard est bien atteinte
puisque (det (H))2 = n" . Ces matrices
relles, quand elles ex istent , sont nommes matrices de Hadamard o u Hmatrices. Hadamard a d montr qu e
les ordres poss ibles d ' une telle matrice
sont n = 1, n = 2 ou les multipl es de 4
(vo ir en encadr). Par un e mthode
rcursive, Sylvester a construit de telles
matrices d'ordre n =2m. Dans ce qui suit,
nous notero ns les va leurs + l ou - 1
simplement par leur signe. Les matrices
de Hada mard sont g lobalement invariantes par permutation ou changement
de signe des vecteurs, lignes ou colonnes
les constitu ant. Nou s pouvons donc ne
considrer que les matri ces possdant
des va leurs pos iti ves sur leur premire
li gne et leur premire co lonne.
La H-matrice d 'ordre deux est alors
H2
= (:
:) .
partir de cette matrice , on construit

des matrices de Sylvester-Hadamard
d' ordre n = 2111 en utili sant la rel ation
Jacques Hadamard
Mathmaticien universel, Jacques Hadamard (18651963) s'est intress principalement la thorie des
nombres, l'analyse mathmatique et la mcanique,
mais aussi aux langues, la musique et surtout la botanique. Son rsultat le plus clbre est certainement la
dmonstration en 1896, conjointement avec Charles-Jean
de La Valle Poussin, du thorme des nombres premiers.
Il a laiss son nom aux matrices ponymes utilises en
traitement du signal, pour la compression des donnes et
dans des algorithmes quantiques. Il existe aussi une pseudo-transformation de Hadamard en cryptographie. Trs
impliqu dans la vie politique et sociale, il crira sur
l'ducation et la psychologie de l'invention.
Georges Colomb (1856-1945), directeur du laboratoire
de botanique de la Sorbonne, tait un ami de la famille
Hadamard. Il se considrait comme l'inventeur de la
bande dessine. Il cra, sous le nom de Christophe, le
personnage du savant Cosinus, dont on peut imaginer
qu'il fut inspir par la grande distraction et l'excentricit
du petit pre Hadamard , comme le nommait ses
contemporains.
Jacques Hadamard, un mathmaticien universel.
Vladimir Maz'ja et Tatyana Shaposhnikova , EDP sciences, 2005.
On multiplie chaque terme de la matrice

H 2 par la matri ce H 2., pour obtenir la
matri ce H 2 . Par exe mpl e, on obtient
de la sorte
H4
l(: : : :\!
+
129
SAVOIRS
Les matrices de Hadamard

Hadamard a russi construire des
matrices d'ordre 12 et d'ordre 20, mais
on ne sait toujours pas s'il en existe
pour tous les multiples de 4. La conjecture d'Hadamard avance que c'est bien
le cas.
La construction de ces matrices de Sylvester-Hadamard s'effectue de faon itrative , mais nous pouvons nanmoins
accder directement la valeur d ' un
de ces termes. Associons chaque
nombre entier O ~ i ~ 2 111 - l , dont la
la transformation
de Walsh-Hadamard
~I\Jl(:\J=(l::::::~\J,
-1
1
1
-1
-1
a+b-c-d
-1
-1
a-b-c+d
douze additions et soustractions sont ncessaires.

Dans le cas gnral d'une matrice d'ordre n, le nombre
d'oprations est n(n - 1).
Mais en calculant les variables intermdiaires
r::\J r l : : : \ J lr;::;:\J
l
c'
d'
c+d
c-d
= }:
i, x 2',
kO
le vecteur (i 0 , i 1 , , i,,,_1), possdant m

composantes. Alors, le terme gnral de
la matrice Hz. est
(H,. ).. = (-1

-
1.;
.i .
,>.u, . .. .i . ,> '

m-1
o (io, ... , im _,).<Jo, ... ,jm_ ,)= 2>, j, est

k-0
le produit sca laire des deux vecteurs

(i 0 , ... , i,,,_1) et U0 , ... ,J,,,_1). Ces proprits permettent de dfinir la transformation de Wal sh- Hadamard (vo ir
en encadr), utili se en traitement des
signaux , qui est l'quivalent d'une transforme de Fourier discrte.
Imageries codes
Les fonctions de Walsh sont dfinies sur l'intervalle [0,

1]. Les fonctions d ' ordre 2n prennent les valeurs + 1 ou
- 1 sur des segments de longueur 2-n, et l'ensemble de
ces valeurs constituent les lignes de la matrice de Hadamard Hz Elles forment donc une base orthogonale de
l'intervalle [0, 1), semblable la base de Haar utilise
pour les ondelettes. Elles jouent le rle dans la transforme de Hadamard des fonctions sinusodales dans la
transformation de Fourier. La transforme de Hadamard
permet des algorithmes de calcul conomiques.
Pour calculer directement l' image
w=H4l(:\J=l(~
m- 1
dcomposition binaire est i
on obtient notre rsultat w'
a' - c'
b' -d'
en huit oprations seulement !

On montre qu 'en gnral n logz n oprations suffisent.
Le facteur de rduction est environ (l / n) logz n , soit 1 %
pour n = 2 10 = 1024.
Les matrices de Hadamard trouvent par

exemple des applications en thorie du
codage, en morphologie mathmatique ,
en communications, en thorie des
rseaux et en statistique . La transformation de Hadamard est un outil de
traitement en imagerie , dans le cas particulier de masques ouvertures codes.
Le principe gnral d'une imagerie
s'inspire des chambres noires. On perce
un trou dans un cran opaque au rayonnement et on rcupre le signal sur un
dtecteur en face arrire. La nettet de
l'image est d'autant plus grande que le
trou est petit, ce qui induit un signal
faible. On accrot alors la sensibilit
des di spositifs d'imagerie faible flux,
comme l 'i mager ie gamma en astrophysique, sans perdre en finesse en
perant la face avant de nombreux
trous . Ces trous constituent un masque
cod dont la structure s'i nsp ire des
matrices de Hadamard . On obtient alors
une image complexe constitue de la
superposition de plusieurs images de
la source , et un algorithme d 'i nversion, li la structure de l'ouverture
code, est nces sai re pour extraire
l'i mage de l'objet observ.
la coniecture d'Hadamard
Les matrices d ' Hadamard con sidres dans l' article sont normalises ,
c'est--dire que le ur pre mire li gne
et premire colonne ne contie nne nt
que des + 1. En notant les valeurs
par leur signe, pour n = 2, la seule
H-matrice est H2
= (:
: ) .
Pour n suprieur 3, prenon s le premi er vecteur co lonne et deux autres

que lconques . Nou s n'avons que les
qu atre co mbina iso ns sui vantes de
signes poss ibles par li gne :
a li gnes
+++
Matrices diagonale dominante
( 13
A=
5
-1
7
- 11
3\
A est une matrice

diagonale dominate car :
~J
1131?;;171+131,
l-111?;;151+121,
111?;;1-11+101.
On assoc ie parfo is le nom d ' Hadamard

la c lasse des matrices qui ont la diagonale
princ ipa le stricte ment do minante, c'est-dire te lles que la vale ur abso lue d ' un
terme de la diagonale est strictement suprieure la somme des valeurs absolues des
aut res te rmes de sa li g ne :
la; I> I laJ
Hadamard a effecti vement montr qu ' une

telle matrice a un dterminant non nul , et
est donc inversible .
So it A une matri ce te lle que chac un de
ses lments diagon aux so it stricte me nt
b lignes + + c lignes + - +
d li gnes + - o nous avons not a, b, c, d le nombre
de lignes de chaque combina ison .
Le nombre total de lignes nous donne
la re lation a + b + c + d = n, et l' o rthogonalit des vecteurs se traduit
par les re lati ons compl me ntaires :
a + b - c + d = 0,
a - b + c - d = 0,
a - b - c + d = O.
1 1
pour tout indice i. So it X un vecteur solution du syst me lina ire A X = 0 et so it

X; sa plu s grande composante en vale ur
absolue : lx; 1~ lx) que l que so it l' indice
j . Pui sque AX = 0 , nous avon s
"
~ a/,).x . = 0 et do nc - a .. x . = ~
.. x .
LJ
LJ a1.J
j
1,1
~ I
L'additi o n de ces quatre ga lits

donne 4a = n . L' ordre d ' une matr ice
de Hadamard est donc ncessa irement un multiple de 4 . La rciproque
est-elle vraie ?
De no mbre use s rec he rc hes s ur le s
matri ces de Hadamard o nt t fa ites,
comme la constructi on de Paley et de
Williamson. La conjecture d ' Hadamard
est po urtant to uj o urs d 'actu a lit . Le
plus petit ordre multiple de quatre pour
lequel on n'a pas su construire de matrice
de Hadamard est. depui s 2004 , l'ordre
668. Av is aux amateurs !
laJ > 4la;.J
do min ant dans sa lig ne :
~J .. I
No us en ti ro ns
laull x;Is L ja;. l xIslx;I 2 la;J

1
que no us pouvon s c rire
laul- .l la;. 111x;IsO.

1
IS)'J.n
j .. 1
Puisque la matrice A est diagonale stricte ment do minante , no us avon s
LJ ,.,I> 0,
la.1-~1a.
1.1
J- 1
et la seule poss ibilit est X; = 0 ,

donc X= O.
L'quation A X = 0 admet donc pour unique
solution le vecteur nul X= 0 , ce qui signifi e que la matrice A est inversible .
F.L.
ACTIONS
'
emes
eo ma r1ces
I
De nombreux problmes de gomtrie font appel des

transformations admettant une reprsentation matricielle.
Nous allons donner pour illustration deux problmes de
gomtrie classique dont la rsolution est simplifie par
l'utilisation de matrices associes des homographies.
a reprsentation matricielle des
fonctions homographiques
(dcrite dans l'article les Fonctions homographiq ues dans le dossier prcdent) peut tre exploite
pour rsoudre une gnralisation du
problme de Pappus, puis, e n consquence directe , un problme ... de
bi ll ard e lliptique .
Problme de Castillon
Le problme de Cramer-Castillon
s'nonce ainsi : tant donns un cercle et trois points A, B et C, construire
la rgle et au compas un triangle
inscrit dans le cercle dont les cts
passent respectivement par les points
A, B et C. Au quatrime sicle de
notre re, Pappus d'Alexandrie avait
dj rsolu le prob lme dans le cas
particulier o les trois points A , B et C
sont aligns. En 1742, Gabriel Cramer
(1704--1752) propose de gnraliser la
construction en supposant les points
132
A , B, C choisis quelconques dans le

plan : Dans ma jeunesse, un vieux
gomtre, pour essayer mes forces en
ce genre, me proposa le problme que
je vous proposai ; tente z de le
rsoudre et vous verrez combien il est
difficile. Tous les mathmaticiens de
l 'poque, dont Leonhard Euler, s'y
intressent. C'est ]'Italien Giovanni
Francesco Salvemini da Castiglione
(1704--1791), dont le nom est francis
en Casti llon, qui rsout le problme en
1776. Il raconte que, le lendemain de
la lecture de sa solution l'Acadmie
des sciences, il reut une solution analytique de Lagrange !
Pierre-Simon de Laplace ( 17491827) s'intresse au problme dans sa
gnralit, avec n points et un ngone. Et Lazare Carnot (17 5 3-1823)
trouve en 1803 la solution particulirement lgante que nous allons prsenter. Elle s'effectue l' aide des
transformations homographiques, ou
transformations de Mi:ibius.
En considrant un cercle de rayon

unit , les coordonnes d ' un point M du
cercle sont (cosa, sina) . En utilisant
pour paramtre la tangente de la moiti
de l'angle polaire, z = tan(a /2), nous
obtenons une nouvelle expression pour
les coordonnes de M :
2
( 1- z
2z \ C
.
.
Mi - - , , - e point se construit
2 ).
\ l+ z l+ z
comme tant le second point d ' intersection du cercle et de la droite passant

par les points D(-l , 0) et P(O , z). C ' est
la projection de p le D du cercle sur
l' axe des ordonnes. Le point M parcourt le cercle dans le sens trigonomtrique quand le paramtre z varie de
- OO + OO,
Notre problme gnral est de dterminer un polygone n cts, ou ngo ne, B 1 , B 2 .. . Bn in sc rit dan s le
cercle unit dont les cts passent respectivement par les points Ai, A 2 ...
A,,. En partant d ' un point (quelconque) B 1 du cercle, on construit le
point B 2 comme sa projection sur le
cercle par le point A 1
notations des transformations de Mobius ,

1
z2 ] = M, [z, ] avec M, = ( Y,
x, - ) .
[1
1
x, + 1 - y,
On constate que la trace de cette
matrice est nulle , car cette transformation est involutive , et que son dterminant det(M 1) = 1 - (~+y~) s'annule
s i le point A 1(x 1, y 1) appartient au
cercle. En itrant le calcul sur le primtre du n-gone, le paramtre du point
B 1(z 1) vrifie la relation
az, + f3
z , = z, = y z, + '
avec(;
!)=M.x...xM,.
Cette quation quadratique possde en

gnral deux solutions . Nous en prsentons un exemple dans le cas d ' une
configuration de Pappus .
Double solution du problme

de Pappus.
Billard elliptique
Paramtrage du cercle.
On construit de la mme faon tous les

points B ;, avec la contrainte finale
B,,+ 1 = B 1 La procd ure tant itrative, il importe donc de savoir dterminer le point B2 de paramtre z2 partir
des points A 1(xi, y 1) et B 1(z 1). La colinarit de ces troi s points se traduit ,
aprs quelques calculs , par la relation :
z,
yz + x -1
' '
'
(1 + x,)z, - y,
ou, pour reprendre les
Considrons maintenant une table de

billard elliptique . Il est connu que la
trajectoire d'une bille passant par un
foyer passera, aprs rflexion lastique
sur le bord , par l'autre foyer. De mme
que nou s avons cherch la relation
entre les paramtres z 1 et z2 dan s le
problme de Castillon , tablissons une
relation entre les angles el et e2de la
figure ci-dessous.
133
ACTIONS
Problmes de go-matrices
les cosinus des angles devient
T=-'-( .
cosa -sina
-sina) et nou s avons

I
cose, - sin a
cos e = - ~ - - 2
1- sinacose,
Nous pouvons maintenant tablir une

dmonstration d'un thorme d au
mathmaticien austra li en Malcolm
Livingstone Urquhart (1902-1966),
qui stipule que si les points A, B , P, Q,
R, S sont disposs comme sur la figure
suivante, alors
AP+ PB =AQ +QB =>AS+ SB =AR+ RB.
Billard elliptique.
Rappelons qu'une ellipse de demi

grand axe a et demi petit axe b a pour
excentricit e = c/a,
o c =axe= '10 2 - b 2 , et pour quation
b2
polaire r =
. En prenant les
a - ccose
axes de l'ellipse pour repre et en

notant x l'abscisse du point P sur le
grand axe, nous avons :
lj=
b2
a - ccose,
x+c
=--.
cose,
Un thorme d'Urquhart.
x+c
'd .
N ous en de u1sons: cos 8, = - - . Oe meme, cose2
a+ex
x- c
a-ex
= --.
Il s'agit de deux transformations de

Mobius, ce qui nous permet d'liminer
fac ilement la variab le x entre ces deux
expressions.
Pour une telle disposition de points, si

les points P et Q appartiennent une
ellipse de foyers A et B, alors il en est
de mme des points R et S. Une bille
doit donc pouvoir suivre la trajectoire
APBRA ou la trajectoire ASBQA avec
les mmes ang les . En notant T(a) et
T(/3) les matrices assoc ies chaque
ellipse, T(a)T(/3)
-2e / (1 + e2 )\
)"
Nous constatons fort heureusement
que la solution ne dpend que de la
nature de l'ellipse , savoir son excentricit e. Poson s e = tan(a /2). Pour
une ellipse, nous avons O :S e < 1,
c'est--dire aE [O, .n/2[. La matrice de
la transformation de Mobius qui relie
134
= ( 1+ P
-S
-S )
1+ P
avec S = sin a+ si n/3 et P = sin a si nf3.

Ces deux matrices commutent donc, et
la matrice de la transformation reliant
les angles 8 1 et 8 3 est bien la mme
pour les deux trajectoires !
F.L.
Tc:ingent:e Hors-srie n44. Les matrices
SAVOIRS
par Michel Criton
Les carrs magiques:

des matrices comme les autres
Une matrice est un tableau de nombres. Un carr magique est
galement un tableau de nombres, qui satisfait certaines
proprits. Mme si on ne s 'intresse gnralement pas aux
applications linaires aux quels ils sont lis , les carrs
magiques sont des matrices comme les autres.
ue ll es o prati ons peut-o n
effectue r avec des carrs
mag iques ? Avant de tenter de
p
cette question, il fa ut donner une dfiniti on de ce que l'on appelle un carr mag ique .
Dj , un carr semi-magique est une
matrice carre de dimension n telle que
la somme des termes d ' une ligne et la
somme des termes d' une co lonne soit
toujours la mme (on appe lle gnralement cette somme la somme magique).
Si , de plus, les sommes des termes de
chacune des deux grandes diagonales
sont aussi gales la somme magique,
le carr est dit magique. Ensuite, si la
somme des termes de n' importe quelle
di agonale bri se (le tabl eau tant
considr comme un tore) vaut galement la somme magique, on dit que le
carr est pandiagonal. Dans la littrature anglo-saxonne, les carrs
mag iques pandi ago naux sont parfois
ds ig ns sous l'appe ll ati on nasiksquares. Ce nom leur a t donn par le
136
DES MATRICES ET DES JEUX

1
la multiplication
des carrs magiques
Le produit matriciel appliqu aux carrs magiques ne
conserve videmment pas la magie arithmtique (le produit tensoriel la conserve, mais il ne conserve pas le
caractre normal). Des mathmaticiens ont nanmoins
essay de dfinir une multiplication des carrs
magiques.
Le premier tenter une telle opration a t le mathmaticien belge Maurice Kraitchik (1882-1957) dans son
livre la Mathmatique des jeux (1930). Cette multiplica-
le rvrend
Andrew Hollingsworth Frost.
rvrend Andrew Hollingsworth Frost

( 18 19- 1907) , pass ionn de mag ie
arithmtique, qui fut missionnaire dans
la ville indienne de Nasik. Enfin , si les
2
11
te rmes d ' un carr mag ique de
dimension n sont tous les entiers de I
n 2 , on dit que le carr est normal.
Des espaces uectoriels
tion permet de former un carr magique normal de

dimension m X n partir de deux carrs magiques normaux, le premier de dimension met le second de dimension n.
Le produit de deux carrs magiques selon Maurice
Kraitchik. Les n 2 termes du second carr sont remplacs par n 2 blocs images du premier carr. chaque
bloc image, on a ajout (k - 1) m2 , o k est la valeur
correspondant au bloc dans le second carr.
Imaginons que l'on n' impose pas que

les carrs magiques soient normaux.
Les carrs magiques d 'ordre n composs de nombres rels, munis de l'addition vectorielle et de la multiplication
par un rel, forment un espace vectoriel
sur IR. Cet espace vectoriel est en fait
un sous-espace vectoriel de l'espace
des matrices carres coefficients rels
d 'ordre n. En effet, l' addition de deux
matrices carres magiques d'ordre n est
encore une matrice carre magique
d'ordre n , et le produit par un rel d' une
matrice carre magique d ' ordre n est
galement une matrice carre magique
d'ordre n (ce n'est videmment pas vrai
pour les carrs magiques normaux !).
Dans ce qui prcde , on pourrait re mpl acer magique par semimagique ou par pandiagonal sans
altrer la proprit.
8 1 6 107 100 105 625560 125 118 123

3 5 7 102 104 10657596 1120 122 124
4 9 2 !03 108 101 58 63 56 121126 119
1
8
( 10
15
12
13
3
6
7
2
16
9
14)
11
5
4
7 1 6469 116109114 17 10 15 98 9 1 96
66 68 70 11 1113 115 12 14 16 93 95 97
677265 112 117 110 1318 11 949992
89 82 87 26 19 24 1431361414437 42
848688 2 1 2325 138 140 142 3941 43
85 90 83 22 27 20 139 144137 40 45 38
134 127 132 53465 1 807378 352833
129 1311 33 48 50 52 75 77 79 30 32 34
130 135 128 495447 768174 3 1 3629
On vrifie que cette multiplication est bien associative.

En revanche, elle n' est videmment pas commutative.
Il a t dmontr que l'espace vectoriel

des carrs magiques d ' ordre 3 est un
espace vectoriel de dimension 3 . Les
trois carrs sui vants constituent une
base de cet espace vectoriel :
137
SAVOIRS
Les carrs magiques ...
Par exemple, le carr magique :
[!H]
(qui en outre est normal) peut crire
51 + 3J - K.
On montre plus gnralement que l'espace des carrs magiques d 'ordre n est
un espace vectoriel de dimension
n(n - 2). Des auteurs se sont galement
intresss aux dterminants des carrs
magiques normaux. Dans ce qui suit ,

les carrs magiques seront tous supposs normaux.
Le dterminant de l' unique carr
magique d'ordre 3 (aux rotations et
symtries prs) est gal 360 (ou
- 360). Pour les carrs mag iques
d 'ordre 4, il a d 'a bord fallu les
dnombrer ! Ds le xv11 e s icle ,
Bernard Frnicle de Bessy (vers
1605- 1675) a rpondu cette question, en prouvant que les carrs
magiques d'ordre 4 sont au nombre de
880 (hors rotations et sy mtries). Plus
tard , le ludologue britannique Henry
Ernest Dudeney classa ces carrs en
douze types, selon leur configuration
par paires complmentaires de somme
17 (la moiti de la somme magique,
gale 34) .
Dans un article de 1948 , le mathmati-
Les douze types de carrs magiques rpertoris 1>ar Dudeney :

deux cases relies portent des nombres dont la somme vaut 17.
138
Type I
Type II
Type Ill
Type IV
Type V
Type VI
Type VII
Type VIII
Type IX
Type X
Type XI
Type XII

Type
Proprits
Dterminant
Pandi agonal
II
Semi -nas ik
Ill
Semi -nas ik
IV
Sem i- nas ik
Semi -nas ik
VI
Semi -nas ik o u simpl e
VII
S imple
- 136 (A - 1) (B - J) (C - F)
VIII
S imple
- 136 (A - E) (B - F) (C - N)
IX
S imple
- 136 (A - l ) (B - J) (C - N)
S imple
136 (A - E) (B - F) (C - J)
XI
S imple
136 (A - 1) (B - D) (C - A)
XII
S imple
136 (A - E) (B - A) (C - D)
c ien am rica in Charles Wilderm an

Trigg ( 1898- 1989) tudie les dterminants de ces douze types de carrs
mag iques. Si les nombres d ' un carr
sont ds igns par les lettre A , B ... Q,
correspondant au schma c i-contre,
A B C D
E F G H
J K L
M N P Q
alors on obtient les dterminants du
tableau (voir c i-dessus).
Dans ce tableau, un carr est dit seminasik s' il est magique et si les sommes
E + B + L + P et 1 + N + C + H sont
auss i gales la somme mag ique . Les
valeurs de ce tableau s'appliqueraie nt

de mme des carrs mag iques qui ne
seraient pas normaux mai s constitus
de nombre en progress ion arithmtique
(il fa udrait alors remplacer le facteur
136 par 4S , o S serait gal la somme
magique).
Po ur les carrs magiques normaux
d 'ordre 4 , on obtient dou ze valeurs
absolues diffrentes pour ces dterminants: 0 , 2 176 , 3 264 , 4 352, 5 440 ,
6 528, 7 616 , 8 704 , 9 792, 10 880 ,
13 056 et 17 408.
M.C.
R F R ENCES
A11111se111e11ts i11 Mathematics. Henri Ernest Dudcncy, 1917.

Detem1i11m1ts of Fourth Order Magic Squares. Charles W. Trigg, The
American Mathcmatical Monthly, novembre 1948.
Les carrs magiques. l3crnar<l Belouzc, Maurice Glaymann. Paul-Jean

Haug et Jean-Claude Herz, APMEP, 1975.
L 'a/ghre des rnrrs magique. Jean-Michel Groizard. APMEP, 1984.
139
PASSERELLES
par B. Hauchecorne, D. Nordon et A. Zalmanski
Diuertissements
littraires
Les matrices se trouvent tout naturellement en littrature,
dans l'criture sous contraintes. Les diagonnets , par
exemple, sont des pomes oulipiens de n vers ( chacun de n
syllabes) phontiquement symtriques en suivant une
diagonale.
es adeptes de l'criture sous
contrainte (et notamment les
assidus del 'Ouvroir de littrature potentielle, ou Oulipo) connaissent
les diagonnets, qui sont des pomes qui
se lisent, syllabe par syllabe, aussi bien
horizontalement que verticalement. Par
exemple, si on lit verticalement la premire syl labe de chaque vers, on
retrouve exactement le premier vers. Si
on lit verticalement la deuxime syllabe de chaque vers, on retrouve exactement le deuxime vers . Et ainsi de suite
jusqu ' au dernier vers .. . Voici dj un
premier diagonnet de taille 6 (six vers
de six syllabes).
Ha letant sur les .flots,

Le tronc du pin sourit,
Tendu d'un sombre sang ...
Srs pinons rhapsodiques,
l es soubresauts haineux
Florissant d'ichneumons.
140
Si l' on dispose les syllabes de ce

pome sous la forme d'une matrice, on
trouve une matrice symtrique de
taille 6. Cette structure rappelle celle
que l'on trouve sur la figure ci-dessus
(on la retrouve dans plusieurs inscriptions, la plus ancienne tant date de
l'an 79 Pompi). Les lettres de cette
phrase en latin (smantiquement difficile interprter) peuvent tre lues de
haut en bas, de bas en haut, de gauche
droite et de droite gauche. En fait,
cette proprit est possible car chacun
TC1.n9ente Hors-srie n44. Les matrices
des mots de la phrase est lui-mme est

lui-mme un acrostiche et un palindrome vertical et horizontal. Une traduction possible est le laboureur Arepo
utilise une charrue comme force de

travail . Mai s ce carr de taille 5
nous loigne du diagonnet.
Le pote Robert Rapilly, compagnon
de route de l'Oulipo, a lui aussi compos des diagonnets, comme Qui
s'tonne?.
Quis 'tonne ? Ouverts s'ennuient
Sept paravents qui volaient.
rage, dent ! L'eau bout froide.
Nous vendangeons mes tricots.
Vert kilomtre et pot vide,

Sans vos bourricots on part.
Nuit ... L 'effroi d 'Ovide arrive!
Un autre ami de l' Oulipo, l'astrophysicien Gilles Esposito-Farse, a rdig le
diagonnet suivant, intitul Hommage
Borgs (bien videmment, la complexit de ! 'exercice crot avec le
nombre de vers) :
Lentement la couleur plit

Te plongeant dans la ccit
Mangeant tout ce palais floral
La danse des ombres d 'effroi
Coule pas ondulant d'oubli
Leur clbre langueur sans art
Passif lot des doux sanglots d'or
Littral froid blizzard dormant.
Il a galement crit le sonnet sui vant,
qui n 'est pas exactement un diagonnet
(quatorze vers de douze syll abes 1' interdisent !), mai s presque :
Lorsque la nettet fr le quimpe,

excde,
Que cryptent dans le tas mille
opportuns rameaux,
Lattes-tu leur hublot, sol de harpe
accorde,
N'a idant le rain gris d'indices
lacrymaux ?
Te leurre une aigre faune, et l 'eau
les vaut, code,
Tes tableaux griffonns : kor par
animaux!
Frmit soudain cho, parallle,
entraide,
Le lot de dits laurs, ramollis, tout
primaux.
Qu 'importe, harcel par les lyriques
mandchoues,
Et qu 'un ple avocat hante ou que
tu choues
Ces
raccords,
cris
honnis,
rprimands, guinds,
Dmods : Maud aime ode et mots
chouchous des bardes.
L 'or scripturaire n'est pas mort !
Ris-tu, guimbarde,
Des rapaces locaux, colosses
parads?
Le lecteur pourra avec intrt placer
chaque syllabe dans une matrice pour
vrifier la qualit de la composition.
Enfin, Robert Rapilly a compos un
texte sur-contraint, dans une matrice
vingt et une lignes et seize colonnes,
contenant donc trois cent trente-six
lettres. Se lisant indiffremment dans
les deux sens, le pome matriciel
rvle deux pomes, banalit (lecture horizontale) et Orage dsir (lecture
verticale). Ce dernier pome alterne en
outre de manire systmatique
voyelles et consonnes. Un travail
monstrueux !
Hors-srie n44. Les matrices Tc::a.ngente
141
PASSERELLES
Divertissements littraires
O B A N A L I T E D E P A L E G
R A V U R E ~ A N A L A L O C E
ANENO D 1E CANE .MONO R
G A N E M U R I R A S A T Y P E
EMILECUSENOS.AVEC
DARI DITE LEC O L OM U
E T E X O D E .L A M I R E L A P
S U N I R A ~ A R A D O X A L A
I R E R I L A S U .L E C A L E R
REPAGAYERAMEMORU
E GAG AL A F A ' Y OTE PEN
s IVE~ EDE LA LU NI PO
ETE.DA Z URE LED IN ER
LADOS A.NA LAVE LER I
EN ORIN ADAM AS .ALI G
NERLEDEMIGALET.A
E D E H E L I C E L I B I T UM
LECUMERABATETANI
E .LEM UV ET U FUT AL AB
R E G E .T E T I R E M A S O .D E
U X I R J S O R I T E F I N A L
HORIZONTALEMENT
VERTICALEMENT
-"
banalit de ple g ra vure
Fa11al l 'ocan en ode can

Mon organe mrira sa typ e
Mil cus en os
Avec d 'aridit / 'colo muet exode
L 'ami relaps unira
Paradoxal - airer il a su L e cal erre, pagaye, ram e morue
Gaga la fyote pensive
rage dsir sl11e le ru ban
A mture g itane de / 'ex-avenir

En pave dor ce g in un lixir
ge d 'Or humer arme d'o rigan
Asile mutil du Cid / 'a /e:an
lve si fr u te paya du nadir
Et ta , cisela, se f era dcatir
En are la rurale lame Buridan
N de / 'aluni pote
D 'azur le dn er la dosa
N'a la v le rien orin damas
Alig nera le demi galet
ne ma!ay alam il a ft le soc

Idem ol vagi tu me pmas roc !
tudes bta .falot l 'examen
Ade hlice libitum

L'cume rab ttanie
Le m vtu Jutai abrge
T 'tire maso deux iris
Il alita si l '0 11 y vola / 'opine/

talon cop mle re-prit un
Adage reu par un origami hel
rite final
EN BREF
par Michel Criton
3 5
2 4
5
4
5
2
7
3
4
8
5
9
4
8
5
9
1
6
1
6
7
2
7
1
2
5
4
7 8
1
2 3
8
3 5 6 4
8
9
3
Rentrer dans le rang

Une autre question de nature matricielle se pose concernant les Sudokus. Quel est le leur rang?
On rappelle que le rang d'un matrice carre est la plus grande taille d'une sous-matrice extraite
de cette matrice dont le dterminant est non nul.
La grille de Sudoku 4 X 4 ci-dessus a un rang gal 3, la grille 6 X 6 a un rang gal 4 et la grille
9 X 9 un rang gal 7. Pour chacune de ces tailles de grilles, peut-on trouver un rang strictement
infrieur?
Rfrences :
A Sudoku Matrix Study, Merciadri Luca,
http://orbi.ulg.ac.be/bitstream/ 2268 / 19649/ 1/sudoku. pdf
http://www.mathkb.com/Uwe/Forum.aspx/recreational/3261/Rank-of-Sudoku-matrices
143
;rn-:,-.:;Ji'H;f?F'I' : i . 1' ~ 1 T:f'l''fl;-,~,

: ,
l
.t i 1
T 11 : ! ! , : 'I t; J. { 1; 'i ! J; I. I ' j li: [ 1i.i J
JP,ASSERELL.ES ,',
; ;'J
! .
j
! )11 I iH _
rJ
les matrices lumineuses
1
De nombreuxjeux se prsentent sous forme de matrices, mais
faut-il utiliser des matrices pour les rsoudre? Nous allons
analyser le cas du jeu Lights Out, ce qui permettra par ailleurs
d'illustrer certaines notions abstraites utilises en algbre
linaire et rencontres dans ce hors srie.
e Li ghts Out (que l'on pourrait
traduire teindre les lumires )
est un jeu lectronique produit
par la socit Tiger Toys en 1995 . Il se
prsente sous la forme d ' une matrice
d 'ordre 5 de boutons poussoirs:
reprer les bouton s par leurs numros ,

comme sur la fi gure ci-dessous, plutt
que par un reprage matriciel .
lJ lw wl lw wl
1
w w[w w w
~ wwww
rw w w w w
w wIW w w
Numrotation des cases de la matrice

(cas o les vingt-cinq boutons
sont tous teints).
Prsentation du Lights Out.
Chaqu e bouton possde deux tats,

allum ou teint , que l'on peut modli se r pa r O (te int) et 1 (a llum) . Au
dbut du jeu , un motif de boutons allums est choi si par la machine. On peut
144
Une configuration de jeu devient alors

une matrice co lo nn e : 1(a 1 , a 2 , a 3 ...
a24 , a 25 ), o le symbo le I dsigne la
transposition. Par convent ion, dans le
Lights Out, les touches enfonces sont
dessines en ro uge , et les touche s
..,.

allumes sont en jaune. Par exemple,
la configuration de la figure suivante
( gauche) est :
c 1 = 1( 1, 1,0,0,0, ],0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0),
alors que la configuration de la figure
de droite est :
c 13 =1(0,0,0,0,0,0,0, 1,0,0,0, 1, l ,
1,0,0,0, l ,0,0,0,0,0,0,0).
En appuyant sur l' un quelconque des
boutons, on modifie l'tat de ce bouton et celui de ses voisins, suivant une
rg le du jeu fixe. Ici, cet effet est de
basculer l'tat du bouton choisi et des
ses voisins hori zontaux et verticaux
immdiats, si ceux-ci existent.
Le but du jeu est d 'teindre tous les

boutons (lights out) en un minimum
de coups. Face un tel problme, plusieurs questions sont naturelles : Estce toujours possible ? Si oui, y-a-t-il
une seule solution ? Si oui, comment
l'obtenir ?
Dj, point beso in de s'acharner sur
chaque bouton, il suffit d'appuyer zro
ou une fois au plus sur chaque bouton.
Car deux appuis correspondent pas
d'appui du tout , un appui annulant
l'effet du prcdent. Cette remarque
va nous permettre de raisonner sur
l 'e nse mble {O, l} pour chacun des
vingt-cinq boutons. Ensuite, l 'ta t
d'un bouton ne rsultant que du
nombre d'appuis sur ce bouton ou sur
ses voisins horizontaux et verticaux
immdiats, il ne dpend pas de l'ordre
d 'ac tivation de ces boutons. On en
dduit que l'on peut modliser une
squence d 'appuis par une matrice
colonne. Par dfinition, on appellera
stratgie cette suite finie. Par exemple ,
les stratgies impliquant uniquement
un bouton s'expriment par les vingtcinq matrices colonnes suivantes :
bi = 1(1 , 0 , 0 , 0,0,0 , 0,0 , 0 , 0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0),
1
b2 = (0, 1, 0 , 0, 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0 ,
0 , 0 , 0 , 0 , 0 , 0,0 , 0 , 0 , 0,0,0),
b25
= (0, 0 , 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0, 0 , 0 ,
1
0, 0, 0 , 0 , 0, 0 , 0 , 0 , 0 , 0, 0, 1).
Un peu d'algbre linaire
En haut, l'effet de l'appui

sur le bouton 1 depuis la configuration
tous boutons teints .
En bas, l'effet de l'appui
sur le bouton 13 en repartant de la
configuration tous boutons teints .
Nous pouvons dcrire le comportement du jeu grce aux matrices .

D s ignons par J la matrice carre
d'ordre 25 synthtisant le jeu . Cette
matrice vrifie, par dfinition :
J b1= Ci, J b2= C2 J b 25 = C25"
On peut donc la construire de proche
en proche : la i-me ligne et la i-me
n
4.
1ce
a 9 n
145
colonne sont les configurations

induites par l'appui sur le bouton i, ce
qui fournit donc J. La matrice J peut
s'exprimer de faon condense l'aide de matrices blocs :
(1
( K5 15 0 5 0 5 0 5'
1, K5 15 0 5 0 5
l= 0 5
o, o,
K5 15
1, K,
05
1,
05 05
o,
K5
(1 0
1,
15
l5
avec K 5 = 0
0
0
o,
0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0
et 1,
(0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
o,
0 0
0 0
1
0
0 1
0 0
o,
0
0
0
0
La matrice carre symtrique J est la

matrice caractristique du jeu Lights
Out.
Dire qu'une stratgie donne la configuration c, c'est dire que J b = c.
Voyons maintenant le problme
inverse : dire qu'une configuration
donne c est ralise par une stratgie
b , c'est toujours crire J b = c. Si la
matrice J tait invers ible , il suffirait
de multiplier gauche par r' : nous
aurions b = r' c et l 'affa ire serai t
entendue (en outre, pui sque nou s
aurions une mthode explicite pour
calculer b , nou s pourrion s mme
affirmer que la solution serait unique ,
e t un bon logiciel de calcul formel
nou s la trouverait).
Mais.. . La m a trice J est-elle
invers ible ? Nous savo n s qu ' une
matrice est inversible si, et seulement
s i, so n dterminant est non nul .
Calculons le dterminant de J ( la
main pour les courageux, avec un logiciel de calcul formel pour les autres).
Le rsultat est sans appel : det(J) = O.
Quelle est la signification profonde de
la nullit d'un dterminant? La matrice J est constitue de v in gt-cinq
146
a.ngen e Hor ene n 44 L
matr c
matrices colonnes, qui sont les vingtcinq configurations C; r s ultats des

vingt-cinq s tratg ies n ' impliquant
qu ' un bouton ( savoi r le bouton
numro i). Dire que le dterminant est
nul , c'est dire qu ' il existe au moin s
une colonne qui est une combinaison
linaire de s autres colonnes ; en
d'autres termes, toutes les colonnes ne
sont pas linairement indpendantes. Il
se trouve que la colonne numro 24
est la somme des co lonnes numros 2,
3, 4, 6, 8, 10 , 11 , 12 , 14, 15 , 16 , 18 ,
20, 22, 23 modulo 2, alors que la
colonne 25 est la somme des colonnes
1 , 3, 5, 6, 8, 10 , 16 18 , 20, 21, 23
modulo 2.
Par dfinition , le rang d ' une matrice
carre est le nombre de colonnes
indpendante s. Dan s notre cas, le
rang de la matrice caractristique du
Lights Out est 23 (merci aux logiciel s
de calcul formel ... ). L'es pace de s
configurations que l'on peut obtenir
est donc une combinaison linaire de
vingt-trois lments, so it un espace
qui contient 2 23 co nfi g uration s. Ce
jeu fourni donc 2 23 probl mes qu e
! 'o n peut rso udre , c'est--dire
8 388 608 problmes. M me si c'est
quatre fois moin s (2 25 ) que l 'e nsemble des configurations poss ibles,
cela devrait occuper quelques-unes de
vos long ues soires d ' hiver ... En passant , nous venons de calculer que, si
l 'o n affiche une configuration au
hasard , il y a une chance sur quatre
qu'elle soit rsoluble.
Le noyau, ou l'ensemble
des stratgies silencieuses
Nous venons de dcouvrir la notion
d'image de A: lm(A) est l'espace vectoriel des configurat ions que l'on peut
obtenir. Un autre espace est souvent
rencontr en a lgbre linaire : le
noyau. Par dfinition , le noyau Ker(A)

est l'es pace de s stratgies qui ne
modifient pas la configuration du jeu :
sis est une telle stratgie, alors J s = 0 5 ,
o 0 5 d signe une matrice colonne
contenant cinq zros. Ces stratgies
qui ne modifient pas la configuration
du jeu sont parfois appeles stratgies
silencieuses.
Un thorme d'algbre linaire nous
dit que la dimension du noyau plus la
dimension de l'image gale la dimension de la matrice J, soit 25. Nous en
dduisons que la dimension de l'espace des stratgies silencieuses est 2 ; cet
espace est engendr par les stratgies
s I et s2 Cet espace contient donc o (la
stratgie nulle) , s 1, s 2 , et s 1 + s2 .
<r i
~
,<, j)
<r <r
(,> <r
Quelle est la signification pratique des

stratgies silencieuses (en dehors de
la stratgie nulle) ? Si nou s avons
identifi une stratgie gagnante s,
alors la stratgie gagnante la plus
courte (celle qui contient le moins
d 'appuis, donc de 1) sera l' une des
stratgies s, s + s 1, s + s 2 , s + s 1 + s 2
Ce thorme est d Marlow
Anderson et Todd Feil.
Comment savoir facilement si notre
configuration de dpart appartient
Im(A), c'est--dire est soluble ?
L'espace vectoriel Im(A) est engendre par vingt-trois configurations. Le
noyau Ker(A) est engendr par deux
configurations, s I et s 2 . Comme la
matrice A est symtrique, on montre
[<i)J (<i)
x [
<i) <i)
~ <r <i)
(,>~ ~ <i) <i)]
Les quatre stratgies silencieuses (de haut en bas) :

la stratgie nulle, s 1, s2 , s 1 + s2
or
cri
n 44. Les matrice
Tangent
147
(par un rsultat d'algbre linaire) que

toute configuration de ! ' image de A,
donc soluble, doit tre orthogona le
s I et s2 ( ce thorme est galement
d Marlow Anderson et Todd Feil).
Pour mmoire , avec nos notations :
s 1 = 1(1,0 , 1,0, 1, l,O , 1,0, 1,0,0,0,
0,0, l,O, 1,0, l, 1,0, l,O, 1),
s 2 = 1(0, J, l, 1, 0, 1, 0, 1, 0, 1, l, 1, 0 ,
1, 1, 1, 0 , 1, 0, 1,0, 1, l , 1,0).
Et comment sait-on que deux configurations sont orthogonales ? Tous simplement si leur produit scalaire est
nul ! Voyons un exemple pratique.
Nous savons que c I est rsoluble .
c1
= (11 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
s1
= (1 0 1 0 1 1 0 1 0 1 0 0 0 0 0 1 0 l O 11 0 1 0 1)
CI .SI
C1
s2
C 1.s2
1+O+O+O+O+ 1+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O
=0
= (110 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
= (0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1 0 1 0 1 0 1 1 1 0)
= O+ 1+O+O+O+ 1+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O =0
Pour effectuer ce calcul , il faut videment app liquer les tables d'addition et
de multiplication binaires :
+
0
1
0
0
1
1
0
0
1
0
0
0
1
0
Maintenant que nous savo ns si une

configuration est sol uble, il ne nous
reste plus qu ' trouver une mthode
pour trouver une solution. L encore,
l'algbre linaire peut nous offrir de
puissants moyens, mais qui dpassent
le cadre de cet article. Nous pouvons
par contre toujours recourir un logiciel de calcul formel (rsoudre un
systme avec une matrice d ' ordre 25
est un peu fastidieux ... ). Une mthode moins calculatoire est l'algorithme
du repoussage de la lumire.
148
q n
l'algorithme du repoussage
de la lumire
Avec cette mthode , on se dbrouille
pour teindre la ligne du haut , pui s on
teint la deuxime ligne sans rallumer
un seul bouton de la ligne du haut, et
ainsi de suite. On repousse ainsi la
lumire vers le bas. Arriver l , so it la
dernire ligne est teinte et on a
gagn, soit la ligne du bas exhibe
l'une de s sept configurations du
tableau ci-contre.
On enfonce a lors les bouton s de la
ligne du haut correspondant la ligne
du bas obtenue, et on recommence
! 'a lgorithme du repoussage de la
lumire. Normalement, tout s'teint !
Nous avons ainsi obtenu une solution,
mais pas forcement la plus courte.
Nous savons maintenant dterminer
si une configuration est soluble, nous
avons trouv plusieurs mthodes
pour trouver une so lution , et enfin
nous avons vu , partir de cette solution, comment trouver la so luti on la
plus courte. Nous avons galement
constat que ! 'assistance d'un logiciel de calcu l formel pouvait nous
viter nombre de calculs pnibles.
Par ai ll eurs, la co nn aissance de
quelques rsultats d'algbre linaire
trouve avec le Lights Out des applications pratiques . Forts de cette
exprience, nous pouvons modifier
l' infini le jeu , changer la taille de la
matrice (avec une matrice d 'ordre 3,
d'ordre 6, d 'o rdre 7 , d 'o rdre 8 ou
d 'ordre 10, il y a toujours une solution unique), modifier les rgles (la
matrice pourrait reprsenter un tore ,
un app ui pourrait basculer toute la
ligne et toute la co lonne du bouton ... ), ajouter des tats (couleurs)
aux boutons . . . Les lecteurs les plus
Configuration de la dernire ligne
Boutons enfoncer
sur la ligne du haut
~~~~Il~~
~~. . . . . . . .11~~
~---...a.li~~~~Il~
~~~ll~w~
~:w>~II~_
~~1!~
~-~
~
courageux pourront implmenter ces
variations en programmant un microcontrleur et ainsi vrifier que l'algbre linaire est source de nombreuses applications ludiques !
J.-J. D.
Rfrences
Turning Lights Out with Linear Algebra .
Marlow Anderson et Todd Feil, Mathematics Magazine 71
(4), 1998.
Pour une analyse beaucoup plus rigoureuse
et thorique du jeu :
Jeux d'ampoules ou comment v iter la crise de nerfs
un lectric ien dpressif coup d'algbre linaire sur F2 .
Grgory Berhuy, Quadrature 79, 2011.
149
JEUX & PROBLMES
..
Niveau de difficull
i)
Il
IIV
111111
t.1111111
Problmes
HS4401 - Les dominos
1
....
Placez les dominos de faon former

un carr magique, c'est--dire un
carr ayant le mme nombre de
points dans chaque ligne, dans
chaque colonne et dans chacune
des deux grandes diagonales .
Trois dominos sont dj en place.
HS4402 - Sance de photos II

Neuf amis qui se retrouvent dcident
de faire des photos en respectant les
conditions suivantes :
sur chaque photo figurent exactement
trois personnes du groupe,
chacun devra choisir exclusivement
des photos o il ne figure pas, mais de
faon pouvoir nanmoins retrouver
les visages de ses huit amis.
Quel est le
nombre
minimum de
prises de vues
ncessaires ?
Note: une
prise de vue
peut donner
lieu plusieurs
tirages.
~ 50
trs facile
facile
pas facile
difficile
trs difficile
HS4403 - Les parquets

anallagmatiques de Lucas 1111
Un carr anallagmatique est un carr
form de cases colores et de cases
blanches, en nombre gal ou ingal , de
telle sorte que, pour deux lignes ou
deux colonnes quelconques, le nombre
des variations de couleurs soit toujours
gal au nombre des permanences.
Quatre exemples vous sont proposs
ci-dessus.
Existe-t-il des carrs anallagmatiques de 4 cases sur 4 prsentant un
nombre impair de cases colores ?
HS4404 - Les demoiselles

de llirkman vvv
Le rvrend Thomas Penyngton
Kirkman ( 1806- 1895) proposa ce problme en 1850 dans le Ladys and
Gentlemans Diary.
Quinze colires sortent chaque jour
en promenade, rparties en cinq
groupes de trois.
Comment constituer ces groupes
chaque jour de la semaine pour que
chaque jeune fille ne marche qu ' une
seule fois en compagne de chacune
des autres?
On pourra reprsenter les quinze colires par les nombres de 1 15.
JEUX & PROBLMES

HS4405 - Un carr bien naturel vv
Pour 11 entier naturel non nul , que vaut
le dterminant d(n) suivant ?
c!(n)=
11+1
2n+I
11+ 2
211+ 2
n+3
2n+3
(n - 1)11+1
(11 - 1)11+2
HS4408 - Le mathmaticien
et le bouffon vvvv
HS4406 - Une suite bien naturelle vv

On considre la suite de matrices carres suivante :
M(l)=[I] , M(2)=[
! ~ l M(3)[ I~ ::
HS4407 - Sens uniques

gnraliss vvv
La ville de Strategy-City possde six
places, relies par des boulevards
comme l'indique le plan ci-contre.
Afin de faciliter une circulation devenue apoplectique, le conseil municipal
dcide de mettre toutes les rues en sens
unique, de telle sorte que l'on puisse
arriver chaque place par deux boulevards, et en repartir par deux autres. Le
schma indique l' un des projets.
Le maire souhaite faire raliser tous les
schmas possibles .
Mais ... combien en existe-t-il ?

On pourra reprsenter chaque plan ralisable par une matrice antisymtrique
6 X 6.
Pl . des Dames
Le mathmaticien officiel de la cour

reut son salaire de l'anne en une
seule fois, en pices d'argent. Il devait
placer les pices en neuf piles ingales
formant un carr magique. Le roi examina l'arrangement et dplora qu'aucun des nombres de pices du carr ne
soit un nombre premier.
Si j'avais neuf pices de plus, dit le
mathmaticien, je pourrais ajouter une

pice chaque pile et faire en sorte que
chaque pile contienne un nombre de
pices qui soit un nombre premier. Ils
vrifirent et constatrent que c'tait
exact. Le roi s'apprtait donner les
neuf pices, lorsque son bouffon remarqua : Attendez, si au lieu d 'ajouter
une pice, on en enlve une de chaque

pile, alors on obtient aussi des nombres
de pices qui sont tous des nombres
premiers. Alors le bouffon ta une
pice de chaque pile, empocha les neuf
pices, et ils vrifirent que les
nombres taient tous premiers.
Quel tait le salaire annuel du

mathmaticien ?
Hors-srie n44. Les matrices Ta.ngente
151
JEUX & PROBLMES

HS4409 - Triplets de nombres
triangulaires vvv
HS4412 - Dterminant d'un carr

pandiagonal (1 J v v v
On appell e trip let triang ulaire un triplet d'entiers (a , b, c) tels que les
nombres triangulaires T 0 , T6 et T c vrifi ent T 0 + T 6 = T c (on rappelle que
T11 = n (n + 1) / 2).
tant donn un entier k, montrez qu ' il
existe une infinit de triplets triangulaires distincts (a;, b;, c;) pour i = 1, 2, 3,
Montrez que le dterminant d ' un

carr magique normal pandiagonal
d ' ordre 4 est nul.
On rappelle qu ' un carr magique normal d 'ordre n est un carr magique
constitu des enti ers de 1 n2, et qu ' il
est pandiagonal si les sommes des lments de chaque ligne, de chaque
colonne et de chaque di agonale, principale ou bri se, sont toutes gales.
tels que
a,
b,
c,
a2
h2
C2
aJ
b3
C3
=k .
HS441 O- Une matrice alatoire vvv

Quelle est la probabilit pour qu ' une
matrice 3 X 3, dont les termes sont des
entiers choisis au hasard, ait un dterminant qui soit divisible par 7 ?
HS4413 - Dterminant d'un carr

pandiagonal (2) vv
Tous les carrs magiques normaux
pandiagonaux d ' ordre 5 ont-ils un
dterminant nul ? Si oui, le dmontrer. Si non, trouver un contreexemple.
S4411 - Un dterminant multiple

de la somme v v
Soit S la somme des nombres consti tuant un carr magique d' entiers quelconques d ' ordre 3 (un carr magique
quelconque est un carr magique dont
les termes ne sont pas fo rcment des
entiers conscutifs) et soit D le dterminant de ce carr considr comme
une matrice.
Montrez que D / S est un nombre
entier.
Revue Spcial Logique (HS4401)
Championnat des jeux mathmatiques et logiques (HS4402, HS4407)
Rcrations mathmatiques. douard Lucas, rdition Blanchard,
1992 (HS4403)
D'aprs la revue Lady 's and Gentleman 's Diary (HS4404)
D'aprs la revue The Pentagon (HS4405)
D ' aprs la revue Math Magazine (HS4406, HS4409, HS4410)
D ' aprs la revue American Mathematical Monthly (HS4408)
D ' aprs la revue American Mathematica/ Monthly (HS4411 , HS4412,
HS4413)
152
par P. Boulanger et M. Criton
EN BREF
1
Ci-dessous figure le plus petit des carrs magiques, le carr magique de taille 3 : la somme
des trois chiffres de chaque ligne, de chaque colonne et des deux diagonales est gale
une constante, 15.
Imaginons que des quipes d'checs trois joueurs s'opposent
et que l'on value la force des joueurs par le nombre inscrit dans
une case. La premire quipe est celle de la premire colonne,
avec des joueurs de forces respectives 6, 1, 8. La deuxime quipe a des joueurs de forces 7, 5 et 3, et la troisime les forces 2, 9
et 4. La force moyenne des trois quipes est la mme : 5.
Et pourtant, la premire quipe est battue par la deuxime par
deux matchs 1, la deuxime par la troisime (deux victoires
une), mais la troisime est battue par la premire deux victoires
une. La non transitivit est toujours tonnante ...
Il a par ailleurs t dmontr que ce type de scores intransitifs par deux victoires une est un maximum.
Tangente a dj voqu le site Internet http://www.multimagie.com/fr.htm tenu par

Christian Boyer et ddi aux carrs magiques. Il propose plusieurs problmes non rsolus ce jour. Chacun de ces dfis est dot d'un prix (voir Tangente 134, page 9). Voici
quelques-unes des nigmes proposes et toujours sans solution.
Un carr semi-magique est un carr dans lequel il n'y a pas de condition sur les diagonales (seules les lignes et les colonnes doivent prsenter des sommes gales) . On connat
un carr semi-magique de taille 4 constitu de nombres levs au cube (voir ci-dessous).
Ce carr a t trouv en 2006 par Lee Morgenstern.
Construire un carr semi-magique de taille 3 consti163 20 3 18 3 192 3 tu de nombres entiers positifs distincts levs au
cube, ou prouver qu'il n'en existe pas. Mise prix :
3
3
3
3 1 ooo euros et une bouteille de champagne.
180
81
90
15
Ce dfi porte sur les carrs magiques additifsmultiplicatifs, qui prsentent la fois des sommes
gales et des produits gaux (sur les lignes, les
23
160 3 144 3 24 3 colonnes et les diagonales). Le plus petit exemple
connu d'un tel carr est de taille 8. Il a t trouv
en 1955 par Walter Homer. Le dfi consiste construire un carr magique additif-multiplicatif de taille 5 utilisant des entiers distincts, ou prouver que c'est impossible. Mise
prix : 1000 euros et une bouteille de champagne.
Construire un carr magique additif-multiplicatif de taille 6 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise prix: 500 euros et une bouteille de champagne.
Construire un carr magique additif-multiplicatif de taille 7 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise prix: 200 euros et une bouteille de champagne.
108 3 135 3 150 3
93
par Michel Criton
t

1

t .
I ~ 1-
HS4402 Si n amis ralisent p prises de vue de

trois personnes chacune, de telle faon que
tout participant puisse avoir chacun de ses
amis en photo mais jamais lui-mme, alors
chacun de ces n amis doit apparatre au moins
sur deux photos, accompagn d 'amis diffrents, afin que ceux-ci puissent avoir sa photo
sans figurer eux-mmes sur cette mme photo.
Le nombre d'individus photographis est gal
3p (ce nombre comprenant les rptitions
correspondant un mme individu photographi plusieurs fois). On doit alors avoir l' ingalit 3p ;3 2n, donc, dans le cas du problme, 3p ;3 18, d'op ;3 6.
Or, on peut affirmer que p = 6 est ralisable. Il
suffit en effet de ranger les neuf amis en matrice 3 X 3, et de prendre comme triplets les
lignes et les colonnes de cette matrice. Cette
solution est optimale, tout participant apparaissant exactement deux fois , et elle est
unique, l' ordre du numrotage prs.
Chacun des neuf amis devra donc prendre
quatre photos, qui sont celles sur lesquelles il
ne figure pas. Le nombre minimum de prises
de vue ncessaires est donc gal 6.
HS4403 Pour rpondre cette question, adoptons le codage suivant : un carr color est
cod par le nombre relatif - 1, et un carr blanc
est cod par + 1. Les matrices obtenues sont
analogues aux matrices d' Hadamard. Nous
pouvons calculer le produit des nombres contenus dans chaque ligne et dans chaque colonne;
ce produit est gal - 1 si la ligne ou la colonne contient un nombre impair de cases colores, et + 1 si elle en contient un nombre pair.
Lorsque nous passons d'une ligne (ou d' une
colonne) une autre, nous changeons exactement le contenu de deux cases ce qui revient
~ 54
multiplier ce contenu deux fois par - 1. Or,

multiplier deux fois par - 1 laisse le produit de
tous les nombres de la ligne inchang. Toutes
les lignes doivent donc avoir le mme produit,
et il en est de mme de toutes les colonnes
(mais il est possible que les deux diffrent,
comme le montre l' uQ des carrs ci-dessous).
s toutes les !jgnes rsentent le mme produit, comme le carr co pte un nombre pair
de lignes, le produit de tous les nombres du
carr est gal + 1, ce qui entrane que le carr
doit ncessairement contenir un nombre pair
de cases colores.
-]
- 1
-l
- 1
HS4404 Voici une solution du problme.

Lundi
1, 6, 11
2, 7, 12
3, 8, 13
4, 9, 14
5, 10, 15
Mardi
Mercredi
1, 2, 5
2, 3, 6
3, 4, 7
4,5, 8
9, 10, 13
8, 9, 12
10, 11 , 14 11 , 12, 15
13 , 15, 6
14, 1, 7
Vendredi
3, 5, 11
4, 6, 12
7, 9, 15
8, 10, 1
13, 14, 2
Samedi
5, 7, 13
6, 8, 14
9, 11 , 2
LO, 12, 3
15, 1, 4
Jeudi
5,6,9
7, 8, 11
12, 13 , 1
14, 15, 3
2, 4, 10
Dimanche
11 , 13 , 4
12, 14, 5
15, 2, 8
1, 3, 9
6, 7, 10
HS4405 On a d(I) = 1 et d(2) = - 2.

Pour tout n 2'.: 3, on aura d(n) = O.
En effet, on vrifie que la troisime ligne de la
matrice est combinaison linai re des deux premires (elle est toujours gale deux fois la
deuxime ligne moins une fois la premire).
On en dduit que, pour n 2'.: 3, le dterminant
est nul.
SOLUTIONS
HS4406 l1:e premier terme de la matrice M(n)
est gal la somme des n - 1 premiers carrs
des entiers non nuls augmente de 1, savoir
l + 11(11 - 1)(211 - 1) / 6. Les termes de la diagonale principale de M(n) forment une progression arithmtique de raison 11 + 1. La
somme demande est donc :
n (n + 1)(2n 2 - 2n + 3) / 6.
HS4407 Dsignons les places par A, B, C, a, b,
et c, deux lettres associes (majuscule et
i:ninuscule) correspondant deux places qui ne
sont pas directement relies.
Dans cette matrice, aiJ = 0 s'il n'existe pas de
route reliant i j (c ' est notamment le cas si i = j),
aiJ = l si la route reliant i j est oriente dei vers
j , et aiJ = - 1 si la route reliant i j est oriente
de) vers i. D'aprs les conditions imposes par
l'nonc, chaque ligne et chaque colonne de
cette matrice doit compter exactement deux fois
le nombre l et deux fois le nombre - 1.
Pour remplir cette matrice, on peut distinguer
trois cas:
Premier cas : ligne a = ligne A.
A B c a b c
Ce cas est celui de la
A o -a -~ O -'Y -li
matrice correspondant
B a O -a a O -a
au dessin de l'nonc.
c ~ -~ o ~ -~ O Remplissons
les
a o -a -~ o -y -li
colonnes A et a avec
b y o -y y o -y
les nombres a, p, y, ,
c li -li o li -li o
puis compltons les
lignes en fonction de ces nombres. L'examen
des colonnes et l'antisymtrie imposent alors
a = - p= y = - . On n'obtient donc que deux
matrices de ce type, avec a = l, p = - 1, y = 1,
= - 1, ou bien a = - l, p = 1, y = - 1, = 1.
Deux imc cas : ligne a = oppos de la ligne A .
A B C a b c
En
respectant
les
A 0 -a -~ 0 -y - conditions de l'nonc
B a 0 - E -a 0 E (antisymtrie,
deux
C ~ E 0 -~ - E 0 nombres 1 et deux
a 0 a ~ 0 y nombres - 1 par ligne
b y 0 E - y 0 -E et par colonne , la
- E 0 - E 0 matrice se remplit
comme ci-contre. Des valeurs peuvent tre

attribues a , [3, 'Y, , de six faons diffrentes, et dans chaque cas, les deux valeurs
possibles pour e donnent deux matrices. On
obtient ainsi 6 X 2 = 12 autres matrices.
Troisime cas : les lignes a et A ne sont ni
gales, ni opposes.
On peut remplir la ligne a de six faons, et la
ligne A de quatre faons (puisque l'on a exclu
les deux cas prcdents). On obtient ainsi
vingt-quatre combinaisons, et chacune conduit
une solution unique. Le nombre total de
plans
ralisables
est donc
gal
2 + 12 + 24 = 38 plans diffrents.
HS4408 On cherche un carr de la forme
tel que a, b, c, d, e,f, g, h, i, a + 2, b + 2, c + 2,

d + 2, e + 2, f + 2, g + 2, h + 2 et i + 2 soient
tous des nombres premiers. Ceci implique que
les chiffres des units des nombres a, b, c, d, e,
f, g, h eti appartiennent l'ensemble {1 ; 7 ; 9}.
Soit ces chiffres des units sont tous identiques,
soit ils sont dans la configuration suivante,
une rotation ou une rflexion prs :
[; ~ !]
l[
La plus petite solution est la suivante :

191
197
[
59
17
149
281
239
101
107
193
199
61
19
151
283
241
103
109
155
SOLUTIONS
par Michel Criton
HS4409 T 3"' + z + T4111 + 2 = T 5m + 3 pour tout m

entier naturel . T 3n + 1J4n + 1 = T 511 + 1 pour tout n
entier naturel non nul.
.. 1
On a
2
3m+1
3n
'
'\
2
2
4m+1 5m+1 =m
4n+ 1 5n+l
~ ...
,lo
1{ l ~
L~' ...:. ..
t1 lt >::f,
1
\.
2
5
3m+2
2
6
4m+2
b
e
3e
3e
'
t
,~~t
1
our tout m et pour tout n, strictement positifs.
On a aussi
a b
D= d e
g h
1
3
8
=0
5m+3
pour tout m suprieur ou gal 2.
HS4410 On suppose que les entiers sont choisis de faon que leurs rsidus modulo 7 soient
quirpartis.
On remplace alors les entiers choisis par leurs
rsidus modulo 7. Le dterminant de la matrice obtenue est divisible par 7 si, et seulement
si, cette matrice n'est pas inversible. Le
nombre de matrices non 3 X 3 inversibles sur
le corps des entiers modulo 7 est gal
(7 3 - 1) (7 3 - 7) (7 3 - 7 2) , sur un total de 79
matrices . La probabilit demande est donc
gale :
a b e
e e
b 3e
e '3e
3e 9e
3e
xs.
La conclusion en dcoule directement.
HS4412 Selon la notation

de Maurice Kraitchik, on
peut noter un tel carr de
la faon suivante :
A
E
I
M
B
F
J
N
K
0
Dsignons par S la somme magique. On a :

~+B+C+D=E+F+G+H=I+J+K+
L = M + N + O + P =A+E+ I + M = B + F
+ J +N=C+ G + K + O = D + H +L+ P =
M + B + G + L = I + N +C+ H =E+ J + O +
D = A + F + K + P = A + N + K + H =E+ B
+ 0 + L = 1 + + C + P = M + J + G + D = S.
Ces galits entranent que l'on peut crire ce
carr sous la forme suivan e :
A
E
S / 2-C
S/2-A+C-E
c
B
S-A-B-E
A-C+E
A+ B+C -S / 2 S/2-A
S/2-B-C+E S/2-E
S - A-B-C
B+ C-E
S / 2-B
A+B+E - S / 2
En soustrayant la premire colonne de la

troisime et la deuxime de la quatri Q1e,
on obtient deux colonnes linairemen
dpendantes .
On en dduit que le dterminant est nul.
HS4411 Soit
dag b: 1c.
J un carr magique
quelconque. On a alors S = 9e et la somme

magique est gale S / 3, soit 3e.
En additionnant lignes et colonnes, on
obtient:
HS4413 Contre-exemple :
10
4
23
18
12
6
5
24
25
19
13
7
14
8
2
21
20
22
16
,~
=-4680000.
,;/
r
156
Abonnez-vous tan~ "Q!~

Tangente le magazine des mathmatiques
Les hors sries Thmatiques
Pour mieux comprendre le monde : Tangente

Le seul magazine au monde
sur les mathmatiques.
Tous les deux mrns depu is 20 ans
4 fois par an . les hors sri es Thmatiques (form at

''kiosque"), d'au moins 52 pages . explorent un grand
dossier de savoir ou de culture
mathmatiques.
Les hors sries

Bibliothque Tangente
r.:o,""""....__ nJ
Derniers parus :
Maths discrtes et combinatoire,
La Terre vue des maths,
Suites et sries, Mathmatiques
et biologie , Les matrices
Ce sont de magnifiques ouvrages d'en

moyenne 160 pages (prix unitaire
19,80 ), richement illustr, approfondissant le sujet du dernier numro
des HS Thmatiques de Tangente
(HS "kiosque"). Disponibles
- chez votre libraire
- ou avec l'abonnement SUPERPLUS
un prix exceptionnel (33% de rduction).
Maths 1,
Disponibles :
- chez votre marchand de journaux
- ou avec l 'abonnement PLUS
Spcial Logique
Pour tous les amateurs des jeux
intelligents. Un trimestriel contenant prs de 200 jeux : tests de
logique, grilles remplir ...
Tangente Sup
~
- ... _
!i>!,;. -.
........
i';:
.....':!~
,:,~~~...-~
6 numros par an , destins ceux qui veulent aller plus loin. Ils traitent des dossiers du
dernier Tangente un niveau suprieur et initient aux grandes orientations de la science.
..~:-:,1
a" -:.
-..::::-~
.,
~angente
E'ducat1on
''
Nouvelle formule trimestrielle destine
aux enseignants pour aborder des thmes
de pdagogie varis : les manuels scolaires,
les MPS, la formation des enseignants, MathC2+ ...
-----------------------------------------------------------------------------------------Bulletin d'abonnement retourner :
codif : 8 18 44
Espace Tangente - 80 , Bd Saint-Michel - 75006 PARIS

Nom .......................... Prnom ........................................ .. ...... . . .
tablissemen t ............... . .... . ...... . ........................... . ..................... .
Adresse ...................................... . ............ .... .. . .. . . . ..... ....... . .. . . .. .
Code Postal . . . . . . . . . . . . . . . . Ville ... ...................... . ..... . .. . ... . .... . ... . .. . ..... .
Profession . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E-mail
Ou i, je m 'abonne
1 AN
FRANCE
2 ANS
TANGENTE
. 35
. 65
TANGENTE PLUS
55
s5
24
105
165
. 46
10
19,50
TANGENTE SUPERPLUS
TANGENTE SUP
TANGENTE DUCATION
SPCIAL LOGIQUE
ABONNEMENT MATH+
100
130
150
**
ABONNEMENT SOUTIEN ***
ABONNEMENT MATH++
1s
37
190
250
300
HORS MTROPOLE
+ 12
+ 20
+ 24
par an
par an
par an
+6 par an
+
+
+
+
+
2 par an
6 par an
30 par an
30 par an
30 par an
Tous les titres avec les HS Thmatiques. Tous les titres avec les HS Bibliothques. Tous les titres avec les deux HS.
Total payer
~~~~~~~~~~--'
Je joins mon paiement par (tablissements scolaires, joindre bon de commande administratif):
O Chque (uniquement payable en France)
O Carte ( partir de 30 ) numro:
Date et Signature:
crypto : ._1-'--'-....J
Expiration le: ........ ./ .........
Ta.ngente Hors-srie n 44
Les matrices
Ta.ngent e
Publi par les ditions POLE
SHS au capital de 42 000 euros
Sige social
80 bd Saint-michel - 75006 Paris
Commission paritaire : 1011 K 80883
Dpt lgal parution
Directeur de Publication et de la Rdaction

Gilles COHEn
Rdacteur en chef adjoint

Heru LEHnmG
Secrtaire de rdaction
douard THOmHS
Ont collabor ce numro

Jacques BHIR, Philippe BOULHnGER, lisabeth BUSSER,
michel CRITOn, Jean-Jacques DUPHS,
Bertrand HHUCHECORnE, Daniel JUSTEns,
Philippe LHnGEnHKEn, Franois LHUHLLOU,
Heru LEHnmG, Hlexandre moHTTI, Jean-Hlain RODDIER,
norbert UERDIER, Hlain ZHLmHnSKI
maquette
Thibaud Dl DOmEmco, Guillaume GHIDOT,
natacha LHUGIER, Claude lUCCHlnl
Photos : droits rserus

Photo couverture : douard Thomas
[exposition mathmatiques, un dpaysement soudain
la fondation Cartier pour l'art contemporain)
Publicit, abonnements
marie DURHnD md@poleditions.com
01 47 07 51 15 - fax : 01 47 07 88 13
Achev d'imprimer
pour le compte des ditions POLE
sur les presses de l'imprimerie SPEI Pulnoy
Imprim en France
Dpt lgal - Aot 2012
Ta.ngent:e Hors-srie n44. Les matrices
r1ces
ation du monde
Les matrices sont, la base, de
simples tableaux de nombres. Il
y a moins de deux sicles, on a
dfini des oprations pour
manipuler ces tableaux, ce qui a
boulevers l'approche de
plusieurs objets ou notions
mathmatiques.
Les transformations
gomtriques, notamment,
s'tudient plus aisment avec les
outils matriciels. Plus
gnralement, tout ce qui est de
dimension finie dans le monde
qui nous entoure, et tout ce qui
peut tre modlis, tombe sous
leur influence.
Cette caractristique a trouv
sa pleine expression avec
l'avnement de l'informatique.
L'conomie, l'actuariat et
la finance en sont friandes.
L'lectronique et toutes les
sciences de l'ingnieur ne
peuvent plus s'en passer.
Mme le grand public est
directement concern : derrire
chaque Sudoku, chaque grille
logique, chaque carr magique
se cache une matrice, souvent
utile dans sa rsolution.
!;OITIONS
Prix: 19,80
POLE ~

Les Matrices - Une Representation Du Monde

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Les Matrices - Une Representation Du Monde

Загружено:

Авторское право:

Доступные форматы

Les ma

une reprsenta1tion du monde

9782848841458 ISSN: 0987-0806

Commission paritaire: 1011K80883

Les matrices, ce sont ces tableaux de nombres sur lesquels

ne matrice existe gnralement sous diffrentes formes,

Hors srie n44 Les matrices

Les matrices sont partout !

Des matrices et des jeux

Un grand nombre de jeux font intervenir des tableaux de

Tangente - Hors srie n44 Les matrices

On doit James Sylvester l'introduction en mathmatique du mot matrice, ou plus exactement, en

Hors-srie n 44. Les matrices Tangente

par Jean-Jacques Dupas

Dans un monde futur, des machines lvent des humains afin

Tangente Hors-srie n 44. Les matrices

veur), il mle galement plusieurs

The Matrix (ou tout

Dans celui-ci, des humains sont

pratiquer des tests in situ. Mais cette

Hors-srie n 44. Les matrices Tangente

longueurs par un facteur dix, c'est

Les simulations sont extrmement

Tangente Hors-srie n 44. Les matrices

miroirs : on nous prsente la vie relle

par B. Hauchecorne et . Thomas

En tant que tableau de nombres, il est ais de comprendre

Dans le cas o n = p, la forme gomtrique que prend la

Une matrice triangulaire

Hors-srie n 44. Les matrices Tangente

par Bertrand Hauchecorne

histoire de France commence-t-elle avec les Gaulois, le

Du tableau de nombres un outil

tme; c'est en quelque sorte une matrice. Privilgiant l'aspect pragmatique de

Des Han Hanovre

Tangente Hors-srie n44. Les matrices

mettant autant de baguettes que le problme prsentait: c ' tait, pourrait-on

Mmoire sur la rsolution des quations, publi en 1771, le mathmaticien

Hors-srie n44. Les matrices Tangente

L'histoire des matrices

coniques revient en fait annuler

Ta.ngente Hors-srie n44. Les matrices

Les matrices franchissent la manche

linaire. Il dmontre le thorme de

Hors-srie n44. Les matrices Tangente

par B. Hauchecorne et H. Lehning

Son e mploi en mathmatiques

nombres entiers et les barreaux

Le mot scalaris existe en latin

Muni de l'additi on, l' ense mbl e des matrices 2 x 3 a

2.(10 43 -2)5 = (20 86 -4)

Tangente Hors-srie n44. Les matrices

nla base de l'algbre linaire :

chaque bipoint, on associe un vecteur,

Tangente Hors-srie n44. Les matrices

Uers de nouuelles dimensions

Hennann Grassmann, l'incompris

Le vecteur =OM et ses coordonnes

Hors-srie n 44. Les matrices Tangente

Giuseppe Peano, le thoricien

Tangente Hors-srie n44. Les matrices

Hors-srie n 44. Les matrices Ta.n9ente

par . Busser et G. Cohen