Algèbre linéaire

Chapitre 2
Calcul matriciel

Master IASD

Tarik AMTOUT
[Link]@[Link]
 2.1 Addition, multiplication scalaire et
multiplication de matrices
• aij: l'élément de la matrice A dans la i-ème ligne et la j-ième
colonne.
Pour une matrice carrée nn, la diagonale principale est:

 a11 a12  a1n 

a a22  a2 n 
A=  21

     
 
 an1 an 2  ann 
Définition
Deux matrices sont égales si elles sont de même taille et si leurs
éléments correspondants sont égaux.

Ainsi A = B si aij = bij  i, j.

Ch2_2
 Addition de Matrices
Définition
Soient A et B des matrices de même taille.
Leur somme A + B est la matrice obtenue en additionnant les
éléments correspondants de A et B.
La matrice A + B sera de la même taille que A et [Link] A et B ne
sont pas de même taille, on ne peut pas les additionner, et on dit
que la somme n’existe pas.

Siif C = A + B, alors
Thus then cij = aij + bij i,j.

Ch2_3
 Exemple 1
Let A =  1
Soit 4 7  , B =  2 5 − 6  , and
et C = 
− 5 4 .
0 − 2 3  − 3 1 8  2 7 
Déterminer A + B et A + C, si la somme existe
Solution
(1) A + B =  1 4 7  +  2 5 − 6
0 − 2 3 − 3 1 8
= 1 + 2 4 + 5 7 − 6
0 − 3 − 2 + 1 3 + 8
=  3 9 1.
− 3 − 1 11
(2) Car A est une matrice de taille 2  3 et C est une matrice 2 
2, alors ne sont pas de même taille , A + C n’existe pas .

Ch2_4
 Multiplication par un scalaire
Définition
Soit A une matrice et c un scalaire. Le multiple scalaire de A par c,
noté cA, est la matrice obtenue en multipliant chaque élément de
A par c. La matrice cA aura la même taille que A.
Si if B = cA, then
Thus alors bij = caij i, j.

Exemple 2
 1 − 2 4
Let A =  .
7 − 3 0 
 3 1 3  (−2) 3  4  3 − 6 12
3A =   = .
3  7 3  (−3) 3  0 21 − 9 0
Remarque que A et 3A sont tous les deux 2  3 matrices.
Ch2_5
 Soustraction
Définition
Nous définissons maintenant la soustraction de matrices de
manière à la rendre compatible avec l'addition, la multiplication
scalaire et la négative. Soit A – B = A + (–1)B

Exemple 3

Suppose A = 5 0 − 2 and B = 2 8 − 1.

On suppose A 3 6 − 5 et 0 4 6
 
5 − 2 0 − 8 − 2 − (−1) 3 − 8 − 1
A− B =  = .
3 − 0 6 − 4 
− 5 − 6 3 2 − 11

Ch2_6
 Mulitiplication des matrices
Définition
Supposons que le nombre de colonnes d'une matrice A soit le même
que le nombre de lignes d'une matrice B. Le produit AB existe alors.
Soit A une matrice mn, B une matrice nk,
Le produit matriciel C=AB a pour élément

 b1 j 
b 
cij = ai1  ain   2j
ai 2 = ai1b1 j + ai 2b2 j +  + ain bnj
  
 
 bnj 
C est une matrice mk.
Si le nombre de colonnes de A n’est pas égal au nombre de lignes B,
on dit que le produit n’existe pas.
Ch2_7
 Exemple 4
 1 3 5 0 1
Let A =   ,B=  , and C = 6 − 2 5.
 2 0 3 − 2 6 
Determine AB , BA, and AC , if the products exist.
Déterminer
Solution.
AB =  1 3 5 0 1

 2 0 3 − 2 6 
 
 5  0 1 
 1 3   1 3   1 3   
= 3  − 2 6  
 5 1 
2 0   2 0   
0
2 0  3
    − 2 6  
 (1 5) + (3  3) (1 0) + (3  (−2)) (11) + (3  6)
= 
(2  5) + (0  3) (2  0) + (0  (−2)) (2 1) + (0  6)
14 − 6 19
= .
10 0 2 
BA et AC n’existent pas. Note. En général, ABBA.
Ch2_8
 Exemple 5
 2 1
Let A =  7
Soit et B = − 1 0. Déterminer AB.
0 and
 3 5
− 3 − 2
 2 1− 1 2 10 
  3 5 
 2 1
−  − 
AB =  7 0  1 0  =  7 0  1 
7 05 
0 
   
− 3 − 2      
3 5 3
 − 
− 3 − 2  1 − 3 − 2  0 
  3 5 
 − 2 + 3 0 + 5  1 5
=  − 7 + 0 0 + 0 =  − 7 0
 3 − 6 0 − 10  − 3 − 10
Exemple 6
Soit C = AB, A =  2 1 and et B = − 7 3 2 Déterminer c23.
− 3 4  5 0 1
c 23 = − 3 4  2 = (−3  2) + (4 1) = −2
 1 Ch2_9
 Taille de produits
Si A est une matrice de taille m  r et B est une matrice de taille
r  n alors AB sera de taille m  n

A B = AB
mr rn mn

Exemple 7
Si A est de taille 5  6 et B de taille 6  7.
Donc AB existe et AB sera de taille 5  7.

Ch2_10
 Matrices particulières
Définition
Une matrice nulle est une matrice dans laquelle tous les éléments
sont des zéros.
Une matrice diagonale est une matrice carrée dans laquelle tous
les éléments qui ne sont pas sur la diagonale principale sont des
zéros.
Une matrice identité est une matrice diagonale dans laquelle
chaque élément diagonal vaut 1.
a11 0  0
0 0  0 0 a  0  1 0  0
= 0 0  0 A=
I n = 0 0
22
0mn 1 
        
     
0 0  0 0 0  ann  0 0  1

zero matrix identity matrixCh2_11

diaginal matrix A
 Théorème
Soit une matrice A de taille et Omn une matrice de nulle de taille m
 n. Soit B une matrice carrée d’ordre n . On et In respectivement
la matrice nulle et la matrice identité d’ordre n. Donc
A + Omn = Omn + A = A
BOn = OnB = On
BIn = InB = B
Example 8
Let A = 2 1 − 3 and
et B =  2 1.
Soit 4 5 8 − 3 4
2 1 − 3 0 0 0 2 1 − 3
A + O23 =  + = =A
4 5 8 0 0 0 4 5 8
 2 1 0 0  0 0
BO2 =  = = O2
− 3 3 0 
0  0 
0
 2 1 1 0  2 1
BI 2 =   = =B
− 3 4 0 1 − 3 4 Ch2_12
 2.2 Propriétés algébriques des
opérations matricielles
Théorème
Soit A, B et C des matrices et a, b et c des scalaires. Supposons que la
taille des matrices soit telle que les opérations puissent être effectuées.
Propriétés de l'addition matricielle et de la multiplication scalaire
1. A + B = B + A Commutativité de l’addition
2. A + (B + C) = (A + B) + C Associativité de l’addition
3. A + O = O + A = A (Où O est la matrice nulle)
4. c(A + B) = cA + cB Distributivité de l’addition
5. (a + b)C = aC + bC Distributivité de l’addition
6. (ab)C = a(bC)

Ch2_13
 Théorème
Soit A, B et C des matrices et a, b et c des scalaires. Supposons que la
taille des matrices soit telle que les opérations puissent être effectuées.
Properties of Matrix Multiplication
1. A(BC) = (AB)C Associativité de la multiplication
2. A(B + C) = AB + AC Distributivité de la multiplication
3. (A + B)C = AC + BC Distributivité de la multiplication
4. AIn = InA = A (Où In est la matrice identité)
5. c(AB) = (cA)B = A(cB)
Note: AB BA in general. Non commutative.

Ch2_14
En algèbre, nous savons que les lois suivantes s'appliquent.
• Si ab = ac et a  0 alors b = c.
• Si pq = 0 alors p = 0 ou q = 0.
Cependant, les résultats correspondants ne sont pas vrais pour les
matrices.
• AB = AC n’implique pas que B = C.
• PQ = O n’implique pas que P = O ou Q = O.

Ch2_15
 Puissances de Matrices
Définition
Si A est une matrice carrée, alors
Ak = 
AA
 
A
kktimes
fois

Théorème
Si A est une matrice carrée n x n et que r et s sont des entiers
non négatifs, alors
1. ArAs = Ar+s.
2. (Ar)s = Ars.
3. A0 = In (par définition)
Ch2_16
 Exemple 12
 1 − 2
SiIf A =   , compute
,alors A 4
.
− 1 0
Solution  1 − 2  1 − 2  3 − 2
A =
2
   = 
 − 1 0  − 1 0   − 1 2 
 3 − 2  3 − 2  11 − 10
A =
4
   = .
− 1 2  − 1 2  − 5 6

Exemple 13 Simplifiez l’expression matricielle suivante.

A( A + 2 B) + 3B(2 A − B) − A2 + 7 B 2 − 5 AB
Solution
A( A + 2 B) + 3B(2 A − B) − A2 + 7 B 2 − 5 AB
= A2 + 2 AB + 6 BA − 3B 2 − A2 + 7 B 2 − 5 AB
= −3 AB + 6 BA + 4 B 2
On ne peut pas additionner le deux matrices！
Ch2_17
 Systèmes d'équations linéaires

Un système de m équations linéaires à n variables comme suit

a11 x1 +  + a1n xn = b1
   
am1 x1 +  + amn xn = bm
Soit
 a11  a1n   x1   b1 
A =     , X =   , et and B =   
am1  amn   xn  bm 
     
On peut écrire le système d'équations sous forme matricielle
AX = B

Ch2_18
 Matrices idempotentes et nilpotentes

Definition
(1) Une matrice carrée A est dite idempotente si A2=A.
(2) Une matrice carrée A est dite nilpotente
p
s’il existe un entier positif p tel que A =0.
Le plus petit entier p tel que
Ap=0 est appelé le degré de nilpotence de la matrice.
Exemple 14
3 − 6 2 3 − 6
(1) A =   ,A =  = A.
 1 − 2  1 − 2

3 − 9 2 0 0
(2) B =   ,B =  Degdegree
. The de nilpotence est : 2
of nilpotency
1 − 3 0 0
Ch2_19
 Matrices symétriques
Définition
La transposée d'une matrice A, notée At, est la matrice dont les
colonnes sont les lignes de la matrice A donnée.
i.e., A : m  n  At : n  m, ( At )ij = Aji i, j.

Exemple 15
A =  2 7 , B =  1 2 − 7 , and
et C = − 1 3 4.
− 8 0 4 5 6

 1 4 − 1
A t =  2 − 8 C =  3.
t

7 0 B t =  2 5
− 7 6  4

Ch2_20
 Propriétés

Soit A et B des matrices et c un scalaire. Supposons que les tailles

des matrices sont telles que les opérations peuvent être effectuées.
1. (A + B)t = At + Bt
2. (cA)t = cAt
3. (AB)t = BtAt
4. (At)t = A

Ch2_21
 Matrice symétrique
Définition
Une matrice symétrique est une matrice égale à sa transposée.

A = At , i.e., aij = a ji i, j

Exemple 16
 1 0 −2 4
 0 1 − 4  0 9
2 5
 1 7 8 7 3
 5 − 4 − 2 3 2 − 3
− 4 8 − 3  4 9 −3 6

Ch2_22
 2.4 L'inverse d'une matrice
Definition
Soit A une matrice carrée d’ ordre n. Si une matrice B peut être
trouvée telle que AB = BA = In, alors A est dit inversible et B est
appelé l'inverse de A. Si une telle matrice B n'existe pas, alors A
n'a pas d'inverse. (On note B = A−1, et A−k=(A−1)k )

Exemple 19 − 2 1 
 1 2 
Prouver que l’inverse deA = 3 4  est B =  3 1 .
−
Preuve  2 2 
 1 2  − 2 1  1 0
AB = 1 = =I
3 4  32 − 2  0 1 2
− 2 1  1 2  1 0
BA =  3 − 1  = = I2
 2 23 4 
   0 1

Ainsi AB = BA = I2, prouvant que la matrice A a pour inverse B.
Ch2_23
 Théorème

L'inverse d'une matrice inversible est unique.

Ch2_24
 Élimination de Gauss-Jordan pour
trouver l'inverse d'une matrice
Soit A une matrice carrée d’ordre n
1. Mettre la matrice identité In à A pour former la matrice [A :
In].
2. Calculer la forme échelonnée réduite de [A : In].
Si la forme échelonnée réduite est du type [In : B], alors B est la
matrice inverse.
Si la forme échelonnée réduite n’est pas du type [In : B], alors
A n’est pas inversible.

Ch2_25
 Exemple 20
 1 − 1 − 2
Déterminer la matrice inverse de A A =  2 − 3 − 5
 − 1 3 5
Solution
 1 − 1 − 2 1 0 0  1 −1 − 2 1 0 0
[ A : I 3 ] =  2 − 3 − 5 0 1 0 R2 + (−2) R10 − 1 − 1 − 2 1 0
− 1 3 5 0 0 1 R3 + R1 0 2 3 1 0 1
  1 − 1 − 2 1 0 0  1 0 −1 3 − 1 0
(−1)R2 0 1 1 2 − 1 0 R1 + R2 0 1 1 2 − 1 0
0 2 3 1 0 1 R3 + (−2)R2 0 0 1 − 3 2 1
 1 0 0 0 1 0
R1 + R3 0 1 0 5 − 3 − 1
R2 + (−1)R3 0 0 1 − 3 2 1

−1
 0 1 1
Thus, A =  5 − 3 − 1.
Alors
− 3 2 1
Ch2_26
 Exemple 21
Déterminer la matrice inverse de A s’il existe
 1 1 5
A =  1 2 7
 2 − 1 4
Solution
 1 1 5 1 0 0  1 1 5 1 0 0
[ A : I 3 ] =  1 2 7 0 1 0 R2 + (−1)R1 0 1 2 − 1 1 0
2 − 1 4 0 0 1 R3 + (−2)R1 0 − 3 − 6 − 2 0 1
 1 0 3 2 − 1 0
R1 + (−1)R2 0 1 2 − 1 1 0
R3 + 3R2 0 0 0 − 5 3 1

Ch2_27
 Propriétés de la matrice inverse
Soient A et B des matrices inversibles et c un scalaire non nul, Alors
1. ( A−1 ) −1 = A 4. ( An ) −1 = ( A−1 ) n
−1 1 −1
2. (cA) = A 5. ( At ) −1 = ( A−1 )t
c
3. ( AB) −1 = B −1 A−1

Ch2_28
 Théorème
Soit AX = B un système de n équations linéaires à n variables.
Si A–1 existe, la solution est unique et est donnée par X = A–1B.

Ch2_29
 Exemple 22
x1 − x2 − 2 x3 = 1
Résoudre le système suivant 2 x1 − 3 x2 − 5 x3 = 3
− x1 + 3 x2 + 5 x3 = −2
Solution
Ce système peut s’écrire sous la forme matricielle suivante :
 1 − 1 − 2  x1   1
 2 − 3 − 5  x2  =  3
− 1 3 5  x3  − 2
Si la matrice des coefficients est inversible, l’unique solution est
−1
 x1   1 − 1 − 2  1
 x2  =  2 − 3 − 5  3
 x  − 1 3 5 − 2
 3
 x1   0 1 1  1  1
=>  x2  =  5 − 3 − 1  3 = − 2
 x  − 3 2 1 − 2  1
 3
La solution
The unique solution estis x1 = 1, x2 = −2, x3 = 1. Ch2_30