Chapitre 3

Chapitre 3: Analyse Matricielle et calcul de
Valeurs et Vecteurs Propres

3 Matrices
• 3.1 Définitions
• 1) Matrice : une matrice est un tableau de chiffres rangés en lignes et
en colonnes
une matrice à 2lignes et 3 colonnes est de la forme
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
• 2)Ordre d’une matrice : Une matrice d’ordre m et n possède : m
lignes et n colonnes. Dans l’exemple précédent on dira que la matrice
est d’ordre (2,3).
• - 3)Matrice colonne : Elle ne possède qu’une seule colonne et n lignes
: matrice (n,1) i.e
𝑎11 1
• 𝑎21 comme 0
𝑎31 3
• 4)Matrice ligne : Elle ne possède qu’une seule ligne et m colonnes :
matrice (1,m) i.e
• 𝑎11 𝑎12 𝑎13 exple 2 −1 0
• 5) Matrice carrée
C’est une matrice qui a autant de lignes que de colonnes (n=m) i.e
𝑎11 𝑎12 𝑎13 1 0 1

𝑎21 𝑎22 𝑎23 exple 3 −1 2
𝑎31 𝑎32 𝑎33 5 −2 0
• 6) La diagonale principale d’une matrice est formée par l’ensemble
des éléments 𝑎𝑖𝑖 de la matrice.
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
• 7) Une matrice diagonale est donc une matrice qui a tous ses
éléments nuls sauf ceux de sa diagonale principale.
𝑎11 0 0 1 0 0
• 0 𝑎22 0 comme 0 3 0
0 0 𝑎33 0 0 −1
• -8) La matrice unité est la matrice diagonale qui n’a que des 1 dans sa
diagonale principale.
1 0 0
• 𝐼3 0 1 0
0 0 1
• Et on a pour toute matrice X d’ordre n, et 𝐼𝑛 matrice unité d’ordre n

•
• 𝑋𝐼𝑛 = 𝐼𝑛 𝑋 = 𝑋
• 9) Matrice triangulaire supérieur (𝑎𝑖𝑗 = 0 pour 𝑖 > 𝑗)
𝑎11 𝑎12 𝑎13
• 0 𝑎22 𝑎23
0 0 𝑎33
• 10) Matrice triangulaire inférieur (𝑎𝑖𝑗 = 0 pour 𝑗 > 𝑖)
𝑎11 0 0
𝑎21 𝑎22 0
𝑎31 𝑎32 𝑎33
3.2 Opérations sur les matrices
• Addition : On ne peut additionner que des matrices de même ordre.
On additionne les éléments équivalents (dans la même position dans
les deux matrices) de chaque matrice i.e
𝑎11 𝑎12 𝑎13 𝑏11 𝑏12 𝑏13
• 𝐴+𝐵 = 𝑎 𝑎 𝑎 +
21 22 23 𝑏21 𝑏22 𝑏23
𝑎11 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13
•=
𝑎21 + 𝑏21 𝑎22 + 𝑏22 𝑎23 + 𝑏23
Exemple:
1 0 2 2 −2 2 3 −2 4
• + =
−1 2 −3 1 2 0 0 4 −3
• Multiplication d’une matrice par un scalaire: Tous les éléments de la
matrice sont multipliés par ce scalaire.
𝑎11 𝑎12 𝑎13 𝜆𝑎11 𝜆𝑎12 𝜆𝑎13

• 𝜆𝐴 = 𝜆 𝑎21 𝑎22 𝑎23 = 𝜆𝑎21 𝜆𝑎22 𝜆𝑎23
𝑎31 𝑎32 𝑎33 𝜆𝑎31 𝜆𝑎32 𝜆𝑎33
• Exemple:
1 0 1 2 0 2
• 2 3 −1 2 = 6 −2 4
5 −2 0 10 −4 0
• Multiplication de 2 matrices (AxB=C) : La multiplication n’est possible que
si le nombre de colonnes de A est égal au nombre de lignes de B. Si A (m, p)
multiplie B( p, n) alors C est une matrice d’ordre ( m, n). La multiplication
est effectuée en multipliant terme à terme une ligne de A avec une colonne
de B et en additionnant chacun des produits. i.e
𝑏11 𝑏12
𝑎11 𝑎12 𝑎13 𝑐11 𝑐12
𝑎21 𝑎22 𝑎23 × 𝑏21 𝑏22 = 𝑐21 𝑐22
𝑏31 𝑏32
oùሼ𝑐11 = 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31
ሼ𝑐12 = 𝑎11 𝑏12 + 𝑎12 𝑏22 + 𝑎13 𝑏32
ሼ𝑐21 = 𝑎21 𝑏11 + 𝑎22 𝑏21 + 𝑎23 𝑏31
ሼ𝑐22 = 𝑎21 𝑏12 + 𝑎22 𝑏22 + 𝑎23 𝑏32
• Exemple:
• si A est d’ordre 3 ×3 et B d’ordre 3 ×2 alors A ×B est d’ordre 3 ×2
1 0 2 2 1 6 5
• 2 1 −1 × 0 2 = 2 2
1 3 2 2 2 6 11
Transposée d’une matrice:
• La transposée d’un matrice A ∈ ℳ𝑛,𝑚 (ℝ), est la matrice notée 𝐴𝑡 ∈

ℳ𝑚,𝑛 (ℝ), définie par
𝑡
• 𝑎𝑖,𝑗 = 𝑎𝑗,𝑖 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑛 ; 𝑗 = 1, . . , 𝑚
• Exemple:
𝑡
1 2
1 0 4
• 0 5 =
2 5 7
4 7
3.3 Déterminant de matrices
• Définition: Soit A ∈𝑀𝑛 ℝ une matrice carrée. Le déterminant de A,
noté det(A), est l’élément de ℝ défini par récurrence de la façon
suivante :
• si n = 1 alors A = 𝑎11 et det 𝐴 = 𝑎11 ;
• si n ≥ 2, alors
• det 𝐴 = 𝑎11 ∆11 − 𝑎12 ∆12 +𝑎13 ∆13 … . + −1 1+𝑗 𝑎1𝑗 ∆1𝑗
•
• où ∆1𝑗 est le déterminant de la matrice de 𝑀𝑛−1 ℝ obtenue en
enlevant à A la première ligne et la colonne j .
• Exemples:
1 2 1 2
• 1) det = = 1.2 − 2 −1 = 4
−1 2 −1 2
1 1 2 1 1 2
0 −1 3 −1 3 0
• 2)det 3 0 −1 = 3 0 −1 = 1 -1 +2
2 1 1 1 1 2
1 2 1 1 2 1
• =1(0.1-2(-1))-(3.1-1.(-1))+2(3.2-0.1)=2-4+12=10
• Remarque:
• On peut développer le déterminant d’une matrice suivant soit la
première ligne, soit la première colonne.
• 3.3 Propriétés
• Si on multiplie l’une des lignes d’une matrice par un facteur alors le
déterminant de cette matrice est multiplié par le même facteur
• Le déterminant d’une matrice ayant une ligne nulle est 0.
• Si A et B sont deux matrices carrées de même taille, alors
• det(AB) = det(A) det(B).
• Une matrice carrée et sa transposée ont même déterminant, c.a.d
• 𝑑𝑒𝑡𝐴𝑡 = 𝑑𝑒𝑡𝐴
• Le déterminant de toute matrice triangulaire supérieure( inférieur)
est le produit de ses éléments diagonaux.
• Si une matrice carrée a deux lignes identiques, son déterminant est
nul.
• Si à une ligne d’une matrice on ajoute le produit d’un réel par une
autre ligne, le déterminant est inchangé.
3.4 Inverse d’une matrice
• Définition:
• Soit 𝐴 ∈ 𝑀𝑛 (ℝ) une matrice carrée d’ordre n. Si il existe une
matrice B ∈ 𝑀𝑛 (ℝ) telle que
• AB = BA =𝐼𝑛 ,
• Une telle matrice B est unique et s’appelle l’inverse de A. On la
note 𝐴−1 .
• Si A est une matrice carrée d’ordre n, alors A est inversible si et
seulement si 𝑑𝑒𝑡𝐴 ≠ 0
Propriétés
• Soit A et B deux matrices carrées inversibles de même taille. Alors le
produit AB est inversible et son inverse est
• 𝐴𝐵 −1 = 𝐵 −1 𝐴 −1 .
• Si A est une matrice carrée inversible alors sa transposée est
inversible et
• (𝐴𝑡 )−1 = (𝐴−1 )𝑡
• Le système linéaire 𝐴𝑥 = 𝑏 admet une solution unique si et
seulement si A est inversible
Calcul pratique de l’inverse d’une matrice
• A est une matrice carrée d’ordre n, si 𝑑𝑒𝑡𝐴 ≠ 0, alors la matrice
inverse de A est donnée par:
1
• 𝐴−1 = 𝐶𝑜 𝑡
det 𝐴
• Où la matrice (Co) appelée la co-matrice de A ou matrice des
cofacteurs de A est définie par
• 𝐶𝑜 = 𝑐𝑖𝑗 , 𝑖, 𝑗 = 1, . . , 𝑛 𝑒𝑡 𝑐𝑖𝑗 = −1 𝑖+𝑗 ∆
𝑖𝑗
• ∆𝑖𝑗 étant est le déterminant de la matrice de 𝑀𝑛−1 ℝ obtenue en
enlevant à A la ligne i et la colonne j .
• Exemple: Calculer l’inverse de la matrice
1 1 2
• A= 3 0 −1
1 2 1
• On a det A = 10 ≠ 0, d’où A est inversible, calculons alors sa matrice
inverse
−1 1 𝑡
•𝐴 = 𝐶𝑜
det 𝐴
• On calcule tout d’abord la matrice des cofacteurs
•
1+1 ∆ = 0 −1 3 −1
• 𝑐11 = −1 11 = 2; 𝑐12 = −1 1+2 ∆12 = − −4
2 1 1 1
3 0
• 𝑐13 = −1 1+3 ∆13 = =6
1 2
2+1 1 2 2+2 1 2
• 𝑐21 = −1 ∆21 = = 3; 𝑐22 = −1 ∆22 = = −1
2 1 1 1
2+3 1 1
• 𝑐23 = −1 ∆23 = − = −1;
1 2
3+1 1 2 3+2 1 2
• 𝑐31 = −1 ∆31 = = −1; 𝑐32 = −1 ∆32 = − =7
0 −1 3 −1
1 1
• ; 𝑐33 = −1 3+3 ∆33 = = −3.
3 0
• D’où la matrice des cofacteurs est
2 −4 6
• 3 −1 −1
−1 7 −3
• Sa transposée est
2 3 −1
• −4 −1 7
6 −1 −3
• Enfin la matrice inverse de A est
2 3 −1
1 1
• 𝐴−1 = 𝐶𝑜 𝑡
= −4 −1 7
det 𝐴 10
6 −1 −3
1Τ 3Τ −1Τ
5 10 10
• 𝐴−1 = −2Τ
5
−1Τ
10
7Τ
10
3Τ −1Τ −3Τ
5 10 10
3.5 Trace d’une matrice
• Définition:
• La trace d’une matrice carrée A est la somme de ses coefficients
diagonaux c-a-d 𝑡𝑟 𝐴 = σ𝑖=𝑛
𝑖=1 𝑎𝑖𝑖
• Exemple:
1 3 −1
• 𝑡𝑟 0 2 6 = 1 + 2 + −1 = 2
2 3 −1
• Proposition: Soient 𝐴 ∈ ℳ𝑛,𝑚 (ℝ), 𝐵 ∈ ℳ𝑚,𝑛 (ℝ), alors

• 𝑡𝑟 𝐴𝐵 = 𝑡𝑟 𝐵𝐴
3.6 Matrices semblables
• Si A, B ∈ ℳ𝑛 (ℝ), alors A, B sont semblables s’il existe P ∈ ℳ𝑛 (ℝ),
telle que
• 𝐴 = 𝑃. 𝐵. 𝑃−1
• Exemple:
0 1 0 0
• Les matrices et sont semblables, car
0 0 1 0
0 1 0 0 −1 0 1
• =𝑃 𝑃 ; avec 𝑃 =
0 0 1 0 1 0
3.7 Valeurs et vecteurs propres
• Définitions:
• On dit que 𝜆 est une valeur propre de la matrice A s’il existe un
vecteur x non nul solution de
• 𝐴𝑥 = 𝜆𝑥
• Le vecteur 𝑥 est alors dit vecteur propre associé à 𝜆

3.8 Détermination des valeurs et vecteurs
propres d’une matrice
• Théorème: 𝜆 est une valeur propre de la matrice A si et seulement si
• det 𝐴 − 𝜆𝐼 = 0
• Le polynôme det 𝐴 − 𝜆𝐼 est dit polynôme caractéristique de la
matrice A,
• donc trouver les valeurs propres de A, revient à chercher les racines
du polynôme caractéristique de la matrice A.
Si 𝜆1 , 𝜆2 , … , 𝜆𝑛 sont les valeurs propres de A, on cherchera les vecteurs
propres 𝑥1 , 𝑥2 , … , 𝑥𝑛 associés à chaque valeur propre, solutions de
𝐴𝑥𝑖 = 𝜆 𝑥𝑖 ou bien (𝐴 − 𝜆I )𝑥𝑖 = 0
• Exemple: trouver les valeurs et les vecteurs propres de la matrice A
1 2
•𝐴=
0 −1
• 1) Les valeurs propres de A sont les solution de det 𝐴 − 𝜆𝐼 = 0
1 2 1 0 1−𝜆 2
𝐴 − 𝜆𝐼 = det( −𝜆 = 𝑑𝑒𝑡
• det 0 −1 0 1 0 −1 − 𝜆
1−𝜆 2
= = (1 − 𝜆)(−1 − 𝜆)
0 −1 − 𝜆
• d’où det 𝐴 − 𝜆𝐼 = 0 si et seulement si 𝜆1 =1; 𝜆2 =-1
• 2) Vecteurs propres
𝑥
• Pour 𝜆1 =1, le vecteur propre 𝑦 associé est solution de
𝑥
• 𝐴 − 1𝐼 𝑦 = 0
• C-a-d
1−1 2 𝑥 0 2𝑦 0 𝑥 𝑥 1
• 𝑦 = ⇔ = ⟺ 𝑦 = =𝑥
0 −1 − 1 0 −2𝑦 0 0 0
𝑥 1
• D’où le le vecteur propre 𝑦 associé à 𝜆1 =1 est ,
0
𝑥
• Pour 𝜆2 =-1, le vecteur propre 𝑦 associé est solution de
𝑥
• 𝐴 − (−1)𝐼 𝑦 = 0
• C-a-d
2 2 𝑥 0 2𝑥 + 2𝑦 0 𝑥 𝑥 1
• = ⇔ = ⟺ = = 𝑥
0 0 𝑦 0 0 0 𝑦 −𝑥 −1
𝑥 1
• D’où le le vecteur propre 𝑦 associé à 𝜆2 =-1 est ,
−1
3.8 Normes matricielles
𝑛
• Définition: Soit 𝐴 = 𝑎𝑖𝑗 est une matrice carré d’ordre n, alors
𝑖,𝑗=1
on définit les normes matricielles suivantes:
• 𝐴 = max σ𝑛𝑗=1 𝑎𝑖𝑗
𝑖
• 𝐴 = max σ𝑛𝑖=1 𝑎𝑖𝑗
𝑗
• 𝐴 = σ𝑛𝑗=1 σ𝑛𝑖=1 𝑎𝑖𝑗

2

Chapitre 3

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 3

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3: Analyse Matricielle et calcul de

Valeurs et Vecteurs Propres

𝑎11 𝑎12 𝑎13 1 0 1

• Et on a pour toute matrice X d’ordre n, et 𝐼𝑛 matrice unité d’ordre n

𝑎11 𝑎12 𝑎13 𝜆𝑎11 𝜆𝑎12 𝜆𝑎13

• La transposée d’un matrice A ∈ ℳ𝑛,𝑚 (ℝ), est la matrice notée 𝐴𝑡 ∈

• Proposition: Soient 𝐴 ∈ ℳ𝑛,𝑚 (ℝ), 𝐵 ∈ ℳ𝑚,𝑛 (ℝ), alors

• Le vecteur 𝑥 est alors dit vecteur propre associé à 𝜆

• 𝐴 = σ𝑛𝑗=1 σ𝑛𝑖=1 𝑎𝑖𝑗

Vous aimerez peut-être aussi