Академический Документы
Профессиональный Документы
Культура Документы
AL3 – Matrices
- Cours -
Page 1 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
1 DÉFINITIONS 3
3 EXEMPLES 16
4 APPLICATIONS LINÉAIRES 22
4.1 DÉFINITION 22
4.2 CHANGEMENT DE BASE 22
4.3 VALEURS PROPRES, VECTEURS PROPRES 23
4.4 DIAGONALISATION D’UNE MATRICE CARRÉE 26
Page 2 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
1 Définitions
1.1 Matrice de dimension (n, p)
Une matrice (n, p) est simplement un tableau de scalaires composé de n lignes ( Li )1≤i≤ n et de p
( )
colonnes C j
1≤ j ≤ p
. Ces scalaires sont par exemple des nombres réels (mais pas forcément !). Ainsi la
matrice Anp contient n×p éléments aij rangés comme suit (par convention d’indices) :
a11 a12 . . a1 j . . a1 p
L2
a21 a22 . . a2 j . . a2 p
. . . . . . . .
Anp =
ai1
.
ai 2 . . aij
. . . .
. . aip
. . .
aij j = N° de colonne
a an 2 . . anj . . anp
n1
Cj i = N° de ligne
Une matrice se note principalement entre parenthèses (parfois entre crochets : Anp = [aij]).
Deux matrices sont égales si elles sont identiques. Ainsi, elles sont nécessairement de même dimension
(n, p) et de sorte que : A = B ⇔ ∀ ( i , j ) ∈[1, n ] ×[1, p ] , aij = bij
Page 3 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
2.
Page 5 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Attention :
1. La multiplication matricielle n’est pas commutative (sauf cas particuliers) : en général, AB ≠ BA
2. AB = O peut être obtenu avec deux matrices A et B non nulles
Un exemple pour l'illustrer, dans l'espace des matrices carrées de dimension 2 : posons A² - 3A + 2I = O.
On peut être tenté d'identifier cette équation à x² - 3x + 2 = 0, calculer son discriminant, égal à 1, et citer
ses solutions, 1 et 2, pour conclure que A = I ou A = 2I. En effet, ces deux matrices sont solutions de
l'équation A² - 3A + 2I = O, et d'ailleurs A² - 3A + 2I = (A – I)(A – 2I). Mais il y a d'autres solutions pour A :
1 0
ce polynôme matriciel est nul avec A = , par exemple. (sauriez-vous trouver toutes les matrices
0 2
A, 2x2, solutions ?)
* S'il existe un entier k tel que Ak = O, alors la matrice A est dite nilpotente. Si A et B commutent (AB = BA),
alors A+B et AB sont deux matrices nilpotentes ;
* Si A et B sont diagonales (resp. scalaires), alors AB l'est aussi (constituée des produits deux à deux des
termes diagonaux de A et de B) ; si A et B sont triangulaires supérieures (resp. inférieures), alors AB l'est
aussi.
Page 6 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
3.
Page 7 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Cas particulier important : Si on multiplie une matrice carrée de dimension n par un vecteur de
dimension n, le résultat est un nouveau vecteur de dimension n.
4.
Page 8 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
5.
Page 9 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
6.
Page 10 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
det ( A ) = a11 ( a22a33 − a32a23 ) − a12 ( a21a33 − a31a23 ) + a13 ( a21a32 − a31a22 )
det ( A ) = a11a22a33 − a11a32a23 − a12a21a33 + a12a31a23 + a13a21a32 − a13a31a22
det ( A ) = a11a22a33 + a12a23a31 + a13a21a32 − a31a22 a13 − a32a23a11 − a33a21a12
(et on retrouve Sarrus, valable en dimension 3 uniquement)
On vérifie que l’on obtient le même résultat en développant selon la première colonne :
a a23 a a13 a a
det ( A ) = a11 22 − a21 12 + a31 12 13
a32 a33 a32 a33 a22 a23
Les déterminants de deux matrices carrées ne différant que par l’échange de deux lignes (ou de
deux colonnes) sont opposés.
Si deux lignes (ou deux colonnes) sont identiques, le déterminant est nul. Il en est de même si
deux lignes (ou colonnes) sont proportionnelles et plus généralement si une ligne (ou colonne) est
une combinaison linéaire de deux ou plusieurs autres.
Si une ligne (ou une colonne) est additionnée d’une combinaison linéaire des autres, le
déterminant est inchangé.
Page 11 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
7.
Page 12 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
3 2 −1
exemple : déterminer la matrice inverse de A = 1 4 3
−2 1 2
8.
1. On vérifie que det(A) = -10
4 3 1 3 1 4
+ − +
1 2 −2 2 −2 1
2 5 −8 9
−1 3 −1 3 2
2. Cof ( A ) = − + − = −5 4 −7
1 2 −2 2 −2 1
10 −10 10
+ 2 −1 3 −1 3 2
4 − +
3 1 3 1 4
Page 13 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
8 (suite). 5 −5 10 −0, 5 0, 5 −1
1 T
3. Cof ( A ) = −8 4 −10 , donc A = Cof ( A ) = 0, 8 −0, 4 1
T −1
9 −7 10 −10 −0, 9 0, 7 −1
Ici, nous irons plus loin : par des opérations similaires, nous rendrons la matrice diagonale, puis
unitaire (pivot de Gauss « prolongé »).
Sur la matrice que l’on est en train de traiter, les opérations « valides », que nous sommes en droit
d’effectuer, sont soit des échanges de deux lignes (ou de deux colonnes), soit le remplacement d’une
ligne Li (ou une colonne Cj) par une combinaison linéaire faisant impérativement intervenir Li (ou
Cj), donc, pour le cas de Li, une forme a1L1 + a2L2 + … + anLn, où les coefficients a1, a2, …, an seront
« bien choisis » et où ai sera différent de zéro.
Entre les échanges et les combinaisons linéaires, s’offrent à nous une infinité de possibilités.
La méthode de Gauss consiste à transformer pas à pas la matrice A en la matrice identité I.
En parallèle, si nous appliquons à I les mêmes transformations dans le même ordre, nous obtenons A-1 !
Attention : * ces transformations doivent se faire uniquement sur les lignes (ou uniquement sur les
colonnes, il faut faire un choix au début) !
* la transformée d’une ligne doit utiliser cette même ligne
Page 14 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
9. exemple :
3 2 −1 1 0 0
A = 1 4 3 L2 ← 3L2 − L1 I = 0 1 0 L2 ← 3L2 − L1
−2 1 2 L ← 3L + 2L 0 0 1 L ← 3L + 2L
3 3 1 3 3 1
3 2 −1 L1 ← 5L1 − L2 1 0 0 L1 ← 5L1 − L2
0 10 10 −1 3 0
0 7 4 L ← 10L − 7L 2 0 3 L ← 10L − 7L
3 3 2 3 3 2
30 0 0 L1 ← L1 / 30 −15 15 −30 L1 ← L1 / 30
0 30 0 L ← L / 30 24 −12 30 L ← L / 30
2 2 2 2
0 0 −30 L ← −L / 30 27 −21 30 L ← −L / 30
3 3 3 3
1 0 0 −0, 5 0, 5 −1
0 1 0 = I 0, 8 −0, 4 1 = A−1
0 0 1 −0, 9 0, 7 −1
On s’est attaché, à partir de A, à faire apparaître des zéros par combinaisons successives sur
certaines lignes (dans l’ordre : zéros dans colonne 1 puis 2 puis 3) ; enfin, il ne restait qu’à diviser (ou
multiplier) les lignes de la matrice diagonale obtenue pour la transformer en la matrice identité.
En seconde partie (à droite), on a réédité les mêmes combinaisons à partir de la matrice identité et
donc obtenu la matrice inverse de A.
Page 15 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
3 Exemples
3.1 Résolution d’un système d’équations
Le calcul des déterminants permet de résoudre un système linéaire de n équations à n inconnues
(appelé système de Cramer lorsqu'il admet une unique n-liste solution).
3.1.1 Généralités
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b2
21 1 22 2 2n n
Soit le système linéaire .
: : : : : : = :
an 1 x1 + an 2 x2 + ... + ann xn = bn
10.
* On appelle matrice du système la matrice A composée des coefficients aij.
x1 b1
x2 b2 ,
* Si on nomme X le vecteur inconnu et B le vecteur
: :
xn bn
Si det(A) = 0, on se trouve dans les cas particuliers où le système admet soit aucune solution, soit
une infinité. Cela se produit si toutes les équations ne sont pas indépendantes, c’est à dire si le
membre de gauche de l’une est multiple du membre de gauche d’une autre ou s’il est une
combinaison linéaire des membres de gauche d’au moins deux autres.
Page 16 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
x1 b1
x2 b2
Nous obtenons le vecteur X dont les coordonnées sont les inconnues du système. = A −1
… …
xn bn
Remarque : la méthode du pivot de Gauss s’applique bien entendu à la résolution de ces systèmes.
Plutôt que de rendre diagonal ce système, ce qui peut être long, il suffit de générer des combinaisons
linéaires qui le rendent triangulaire (la première équation contiendra toutes les inconnues, la
seconde équation toutes sauf la première inconnue, la troisième équation toutes sauf les deux
premières, …, la dernière équation ne contient que la dernière inconnue dont on a donc la valeur, et
on remonte dans les équations pour trouver une à une les valeurs des autres inconnues).
11.
Page 17 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
11 (suite).
12.
Page 18 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Démarche :
* Les coordonnées de M seront notées mi et mj dans ( i , j ) et mu et mv dans ( u , v ) :
* Les vecteurs u et v eux-mêmes s’expriment comme suit dans la base ( i , j ) :
ui vi
u = ui ⋅ i + u j ⋅ j = ; v = vi ⋅ i + v j ⋅ j =
u j ij v j ij
Considérons que mu et mv sont connues et que nous cherchons mi et mj. Nous avons :
M = mu .u + mv .v = mu ( ui .i + u j . j ) + mv ( vi .i + v j . j ) = ( mu ui + mv vi ) .i + ( mu u j + mv v j ) . j
Ainsi nous obtenons les coordonnées dans ( i , j ) à partir de celles connues dans ( u , v ) :
mi = mu ui + mv vi m j = mu u j + mv v j
Page 19 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Obtention de mu et mv à partir de mi et mj :
15. Multiplions l’égalité obtenue au-dessus par P-1 à gauche. (P-1 existe ssi u et v ne sont pas
−1 −1
colinéaires, ce qui est le cas) : P .M ij = P .P.M uv = M uv . Or ce qui a été fait au-dessus serait
également vrai si on échangeait les notations « ij » et « uv ».
La matrice de passage « dans le sens contraire », celle de (i , j ) vers (u, v ) , exprimant les
-1
coordonnées de i et j dans la base ( u , v ) est donc P :
P = [u v ]
(i , j ) ij (u, v ) et M uv = P −1 .M ij
P −1 = i j
uv
16.
Page 20 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Travail personnel : Etablir les matrices de changement de base d’une base orthonormée vers une
autre par rotation d’angle θ et vérifier que leur produit est bien égal à la matrice identité :
j v θ
u
i
Nous pouvons écrire la relation entre ces deux expressions comme suit, en construisant la matrice de
( )
passage P de ( u , v , w ) vers i , j , k :
mi ui vi wi mu
m j = u j vj w j ⋅ mv ; M ijk = P.M uvw
m u vk wk mw
k k
(i , j , k ) P = [u v w]ijk ( u , v , w)
P −1 = i j k
uvw
Page 21 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
4 Applications linéaires
4.1 Définition
Nous travaillerons ici sur des applications linéaires vectorielles, en dimension 2 ou 3.
Il s’agit d’une fonction f définie, dans une base choisie, par une matrice F qui fait correspondre à un
( )
f
vecteur X un vecteur Y , image de X par f : X ֏Y = f X = F.X .
( )
Linéarité : on constate facilement que f a. X 1 + X 2 = a. f X 1 + f X 2 . ( ) ( )
4.2 Changement de base
( )
L’application est définie dans une base i , j , k , dans laquelle nous notons sa matrice Fijk.
Dans une autre base, ( u , v , w ) , sa matrice, éventuellement différente, se notera Fuvw.
P désigne la matrice de passage de ( u , v , w ) vers i , j , k : P = [u v w]ijk
( )
17.
Yijk = Fijk X ijk ⇔ PYuvw = Fijk PXuvw ⇔ P −1PYuvw = P −1Fijk PXuvw
⇔ Yuvw = ( P −1Fijk P ) Xuvw
Fuvw = P −1Fijk P
n
définition : Soit A une matrice carrée. On appelle trace de A le nombre Tr ( A ) = ∑ aii .
i=1
définition : on appelle trace de la matrice A le nombre Tr(A), somme de ses valeurs propres (voir 4.3.).
propriété : Tr(A) est également la somme de ses termes diagonaux.
définition : Soit A et B deux matrices carrées.
S’il existe une matrice P inversible telle que B = P-1.A.P, alors A et B sont dites semblables.
Propriété : Si A et B sont semblables, alors Tr(A) = Tr(B) et det(A) = det(B)
Conséquence : Par changement de base, la trace et le déterminant d’une matrice se conservent.
Page 22 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
18.
Page 23 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Ainsi l’équation det ( F − λI ) = 0 nous donnera à chercher les racines d’un polynôme du troisième
degré. F pourra avoir jusqu’à 3 valeurs propres réelles, si ce polynôme admet 3 racines réelles, qui
mèneront à trois recherches de vecteurs propres.
Pour une matrice carrée de dimension n, ce déterminant donnera une équation polynomiale de
degré n et d’inconnue λ , qui aura au plus n racines réelles.
Donc une matrice carrée de dimension n peut avoir jusqu’à n valeurs propres réelles (pas
forcément distinctes) et leurs groupes de vecteurs propres associés.
* L'ensemble des valeurs propres de F est appelé spectre de F et est noté σ(F).
Propriété : deux matrices semblables ont même spectre.
* Si F est triangulaire, alors ses éléments diagonaux sont ses valeurs propres.
* Dans ℝ , dans le cas de valeurs propres uniquement réelles :
La trace d'une matrice carrée est la somme de ses valeurs propres : Tr ( F ) = ∑ λi
Le déterminant d'une matrice carrée est le produit de ses valeurs propres : det ( F ) = ∏ λi
Vecteurs propres
Connaissant la valeur propre n° k, nous pouvons chercher le(s) vecteur(s) propre(s) associé(s). Il
suffit de résoudre l’équation suivante : ( F − λk I ) .Vk = 0 . (cf. définition)
Dans le cas de l’espace à trois dimensions, ceci donne :
a11 − λk a12 a13 x 0
a21 a22 − λk a23 y = 0
a a32 z 0
a33 − λk
31
Or nous avons vu que le déterminant de la matrice de ce système est nul, ce qui signifie que les
trois lignes de cette matrices ne sont pas linéairement indépendantes et, le membre de droite
étant nul, les trois équations du système sont liées de la même manière. Il n’y a donc pas pour ce
type de système un unique triplet solution (x, y, z).
Il y a ici pour Vk une infinité de solutions, toutes colinéaires entre elles, que l’on citera comme
les multiples (facteur réel quelconque, fixé, non nul) d’un vecteur propre cité en référence.
Page 24 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Par exemple en dimension 2, on dira : pour la valeur propre λ1 = 5, les vecteurs propres sont
−1
V1 = α , α ∈ ℝ * .
3
20.
Page 25 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
chaque groupe, on en choisit un représentant par groupe, formant ainsi la liste (V , V ,..., V ) . 1 2 n
Deux vecteurs propres associés à deux valeurs propres différentes ne peuvent être colinéaires entre
eux. Trois de ces vecteurs ne peuvent non plus être coplanaires, et ainsi de suite. On admettra donc
( )
que V1 , V2 ,..., Vn forme une nouvelle base de l’espace.
Remarque : une valeur propre réelle peut être une racine double, voire multiple. Dans ce cas, l'espace
des vecteurs propres correspondants pourrait posséder autant de dimensions que l'ordre de
( )
multiplicité de la valeur propre, et la base propre V1 , V2 ,..., Vn pourrait tout aussi bien exister.
Nous allons considérer un changement de base, de notre base de référence dans laquelle F est
définie, vers la base de vecteurs propres V1 , V2 ,..., Vn ( ) dénommée « base propre » et que nous
noterons Vp.
4.4.2 Écriture dans la base propre
Soit P la matrice de passage de Vp vers la base de référence. P = V1 ,V2 ,...,Vn
ijk ...
′
a11 ′
a12 . . a1′k
. . a1′n 0 0 a1′k 0
′ ′ ′
a21 a22 . . a2′k
. . a2′ n 0 0 a2 k 0
. . . . . . . . . . . . aik′ = 0 pour i ≠ k
= λk ⇔ = ⇔
ak′ 1
ak′ 1 . . akk′ . . akn ′ 1 1 akk′ λk et akk′ = λk
. . . . . . . . . . . .
an′ 1
a′n2 . . ank ′ . . ann ′ 0 0 ank′ 0
Comme on le voit, les seuls termes non nuls de FVp sont ses termes diagonaux,
qui sont de plus les valeurs propres de l’application f.
21.
Page 26 sur 27
AL3 – Matrices – Cours – Rev 2018
Mathématiques – AL3 - Matrices
Attention : toutes les matrices ne sont pas diagonalisables dans ℝ ! (ni même dans ℂ , d'ailleurs).
Il faut que le polynôme caractéristique, de degré n, n’ait que des racines réelles, et que chaque sous-
espace de vecteurs propres associé à sa valeur propre ait une dimension égale à l'ordre de
multiplicité de cette dernière.
Cas particulier : toute matrice (n, n) ayant n valeurs propres réelles distinctes est diagonalisable dans ℝ .
( )
* Avec l’exemple précédent, transcrivons la matrice F dans la base des vecteurs propres V1 , V2 et vérifions
3 0
qu’on obtient bien la matrice diagonale des valeurs propres : FVp =
0 −3
22.
Page 27 sur 27
AL3 – Matrices – Cours – Rev 2018