discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/242566476
CITATIONS READS
0 7,002
1 author:
Patrice Wira
Universit de Haute-Alsace
110 PUBLICATIONS 575 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Patrice Wira on 28 May 2014.
Patrice Wira
Universit de Haute-Alsace
Facult des Sciences et Techniques
2000 - 2001
Sommaire
2. Laddition
Laddition matricielle
Laddition matricielle nest dfinie quentre deux matrices de mme dimensions. La matrice
rsultante est de la mme dimension que les matrices additionnes et chacun de ses lments
est la somme des lments des deux matrices correspondant la mme ligne et la mme
colonne.
Soient A R m*n et B R m*n . Laddition de ces deux matrices est donne par :
C = cij = aij + bij .
On la note : C = A + B , C R m*n .
Il en va de mme pour la soustraction, au signe prs. La soustraction des matrices A et B
est donne par :
C = cij = aij bij .
Proprits de laddition
En considrant trois matrices, A R m*n , B R m*n et C R m*n , on a les trois proprits
suivantes :
1 + 5 4 + 2 0 + 6 6 6 6
A+B= = et
2 + 0 7 + 1 3 + 1 2 8 4
4 2 6
AB= .
2 6 2
L'addition de deux vecteurs (de dimensions Une combinaison linaire de deux vecteurs
2, v, w R ) 2
permet de dfinir un v R 2 et w R 2 est l'addition de deux
paralllogramme. Le vecteur rsultant u vecteurs qui on fait subir un changement
est une des diagonale du paralllogramme. de longueur par des coefficients scalaires.
4 4
Prenons par exemple v= et Reprenons les vecteurs exemple v = et
2 2
1 1
w = , on obtient alors : w= :
3 3
4 1 3 4 1
u= v+w = + = u = 2 v + w = 2 +
2 3 5 2 3
8 1 9 9
= + = =
4 3 1 1
-
-
w -
- -
- | | | | | | | | | | | |- |
- u u -
- -
w -2 v
- v -
| |- | | | | | |
Figure 1: L'addition de deux vecteurs. Figure 2 : La soustraction de deux vecteurs.
3. Le produit
c A = Ac Commutativit, A R m*n .
c ( A + B ) = cA + cB Distributivit, A R m*n et B R m*n .
c( AB) = (cA )B = A( cB) = ( AB)c Associativit, o AB est la multiplication
matricielle entre les matrices A R m*n et
B R n* p .
La multiplication matricielle
La multiplication entre deux matrices nest dfinie que lorsque leurs dimensions son
compatibles : le nombre de colonnes de la matrice gauche de loprateur doit correspondre
au nombre de lignes de la matrice droite de loprateur.
Si A R m*n , et si B R n* p , la multiplication entre les matrices A et B donne une
matrice C de dimensions m*p telle que tous ses lments :
n
cij = aik bkj .
k =1
C( A + B) = CA + CB Distributivit gauche
(distributive law from the left)
avec A , B R m*n et C R p*m .
Quelques exemples
5 3 8 2 6
Si A R 2*2 et B R 2*3 tel que A = , B= , alors
4 2 7 0 9
2
4
xy = [1 3 5 1] = [1( 2) + 3(4) + 5(2) + ( 1)(6) ] = 14 .
2
6
Le produit interne
Soient deux vecteurs de mme dimension, x R n et y R n . On appelle produit interne (en
Anglais on parlera de inner product ou de vector dot product ) la somme des
multiplications lments par lments de chaque vecteur :
n
x T , y = xT y = y T x = yi xi .
i =1
Cette opration retourne un scalaire. Le produit interne est aussi appel produit scalaire, il
nest dfini que si les deux vecteurs sont de mme taille.
Le produit interne est un moyen de mesurer comment deux vecteurs sont parallles. Deux
vecteurs sont orthogonaux si leur produit scalaire est nul.
Les deux vecteurs x et y sont dit orthogonaux quand leur produit interne est nul ( =90),
on le note x y .
Remarque : parfois le produit entre deux matrices en galement appel produit scalaire, mais
lordre de x et y est important : xT y y T x qui donne un nombre, et quil faut diffrencier
de yxT (produit externe) qui est une matrice.
Formellement, ce produit peut tre considr comme un dterminant, avec les vecteurs
(i, j, k ) constituants la base dans la premire colonne :
i x1 y1
x2 y2 x1 y1 x1 y1
xy = j x2 y2 = i j+ k,
x3 y3 x3 y3 x2 y2
k x3 y3
x y = ( x2 y3 x3 y2 )i + ( x3 y1 x1 y3 ) j + ( x1 y2 x2 y1 )k .
Remarque : ce nest pas un vrai dterminant dans le sens o il ne retourne pas une grandeur
scalaire.
Le produit mixte
Soit trois vecteurs x , y et z R n . Le nombre rel (x y ).z , c'est dire le produit scalaire
du vecteur x y par le vecteur z , s'appelle le produit mixte des trois vecteurs x , y , z
(dans cet ordre). Le rsultat est un scalaire. On parle en Anglais de scalar triple product .
Le produit externe
Considrons deux vecteurs de dimensions diffrentes, x R m et y R n . On appelle produit
externe (traduit en Anglais par outer product ou dyadic product ) :
x1 y1 x1 yn
x, y = xy =
T
xi y j , avec i = 1,..., m , j = 1,..., n .
xm y1 xm yn
z = zij = xy T = xi y j , avec i = 1,..., m , j = 1,..., n .
Cette opration retourne une matrice de m lignes et n colonnes. Ce produit peut tre dfini
comme un produit matricielle.
Le produit externe joue un rle important lorsquil sagit de dterminer comment sont
corrls les lments dun vecteur avec ceux dun autre.
1 2 3 4 5 6 7 8 9 10
2 4 6 8 10 12 14 16 18 20
3 6 9 12 15 18 21 24 27 30
4 8 12 16 20 24 28 32 36 40
5 10 15 20 25 30 35 40 45 50
xxT = .
6 12 18 24 30 36 42 48 54 60
7 14 21 28 35 42 49 56 63 70
8 16 24 32 40 48 56 64 72 80
9 18 27 36 45 54 63 72 81 90
10 20 30 40 50 60 70 80 90 100
Interprtation gomtrique
AxB
A.B A
X X
Y Y
Le produit scalaire :
Le scalaire qui est retourn est proportionnel la projection du premier vecteur sur le second.
Cet opration est frquemment utilise pour mesurer lorthogonalit de deux vecteurs mais
aussi pour dcrire la composante dun vecteur dans une direction particulire.
Le produit vectoriel :
Le produit vectoriel, not A B est un vecteur orthogonal A et B . Il est nul si A et B
sont parallles. Il est utilis pour dterminer la normale de deux droites. Cest ainsi quon
dfini le vecteur normal dune surface en un point quelconque.
Le produit mixte :
La valeur absolue du produit mixte est le produit de la longueur de la projection du vecteur
z sur la perpendiculaire au plan de mme direction que les vecteurs x et y sur la surface du
paralllogramme construit sur les vecteurs x et y . Autrement dit, c'est le volume du
paralllpipde construit sur les trois vecteurs x , y et z . On dit aussi que le produit mixte
reprsente le volume algbrique de ce paralllpipde.
x y z
y
5. Loprateur de transposition
La transpose dune matrice A est la matrice A T (note parfois aussi A ' ) dfinie par :
A R m*n , A T R n*m ,
A = aij m*n , AT = a ji n*m .
6. Matrices particulires
La matrice nulle
La matrice dont tous les termes sont nuls est appele matrice nulle. On la note A = 0 :
aij = 0 , i , j .
La matrice identit
Une matrice identit est une matrice diagonale A R n*n (donc carre) qui voit tous ses
lments nuls sauf ceux de sa diagonale principale qui sont unitaires. On la note I n ou I :
aij = 0 i j
A=I , .
aii = 1 i = 1,..., n
Matrice triangulaire
Une matrice triangulaire suprieure (respectivement infrieure) est une matrice carre
A R n*n dont les lments qui se trouvent au-dessous (respectivement au-dessus) de la
diagonale principale sont nuls, c'est dire telle que aij = 0 , i > j ( i < j ). Elle est donc de
la forme :
a11 a12 a1n a11 0 0
0 a22
A = aij =
(respectivement A = a = a21 a22 ).
ij 0
0 0 ann an1 ann
Matrice idempotente
Considrons une matrice carre A R n*n . Si AT A = A , alors A est dite idempotente.
7. Matrices partitionnes
La composante de base dune matrice A de dimensions quelconques est aij . Il est parfois
intressant de considrer une matrice en tant que tableau de matrices lmentaires.
Soit :
A A12 m
A = aij = 11
A 21 A 22 n ,
p q
avec A11 R m* p , A12 R m*q , A 21 R n* p , A 22 R n*q .
B1
Considrons une seconde matrice B partitionne ainsi : B = , o B1 R p*1 , B 2 R q*1 .
B2
On peut alors crire :
A A12 B1 A11B1 + A12 B 2
AB = 11 = .
A 21 A 22 B 2 A 21B1 + A 22B 2
Toutes les sous-matrices doivent comporter des dimensions compatibles avec les rgles du
produit matriciel.
a11
a12
Si n = 2, det(A ) = = a11a22 a12 a21 .
a21 a22
Si n = 3, det(A ) = a11a22a33 + a13a32 a21 + a12 a23a31 a11a23a32 a22a13a31 a33a12 a21 .
Lorsque le dterminant dune matrice est nul, on dit que la matrice est singulire.
Remarques :
n
det(A ) = akj ckj pour tous les lignes k de A .
j =1
n
det(A ) = ail cil pour tous les colonnes l de A .
i =1
Quelques thormes
1. Si tous les lments d'une ligne (colonne) d'une matrice A R n*n sont nuls alors
det( A) = 0 .
2. Si tous les lments d'une ligne (colonne) du dterminant d'une matrice A R n*n sont
multipli par un scalaire k, alors le dterminant est multipli par k.
3. Si B est obtenue partir de A R n*n en changeant deux de ces lignes (colonnes), alors
det(B) = det( A) .
4. Si B est obtenue partir de A R n*n en faisant passer la i-me ligne (colonne) par
dessus p lignes (colonnes), alors det(B) = (1) p det( A ) .
Le calcul du dterminant d'une matrice A R 3*3 peut tre calcul par la rgle dite de Sarrus
(Christol et al. 1996, p. 108).
Les mineurs
Les mineurs mij des lments aij dune matrice A carre, A R n*n , sont les dterminants de
la partie restante de A lorsquon ne tient pas compte de la ligne i et de la colonne j.
Les cofacteurs
Les cofacteurs cij des lments aij dune matrice A carre, A R n*n , sont donns par :
cij =( 1)i + j mij .
Proprits
A A = A A = A I o A est le dterminant de la matrice A .
adj(AB) = adj(A).adj(B) .
Exemples
a11 a12 a13
En ce qui concerne la matrice A R , A = a21 3*3
a22 a23 , nous avons le mineur
a31 a32 a33
a a a a12
m23 = 11 12 et le cofacteur cij = ( 1) 2+3 m23 = 11 .
a31 a32 a31 a32
Cette rgle peut tre applique nimporte quel systme de n quations linaires n
inconnues, pourvu que le dterminant des coefficients aij soit diffrent de zro.
1er cas, m = n :
Cest la cas dune matrice carre. Si A est une matrice non singulire (cest dire
det( A ) 0 ), alors A + = A 1 est la matrice inverse de A . La matrice A 1 vrifie la
proprit A 1A = AA 1 = I n .
Exemple lorsque n = 2 :
a11 a12 a11 a21
Si A = , on dtermine A T = puis on remplace chaque lment de A T
a21 a22 a12 a22
a22 a12
par son cofacteur pour dterminer adj(A ) = .
21a a11
On calcule det(A ) = a11a22 a12 a21 , puis on dtermine la matrice inverse A 1 en divisant
chaque lment de adj(A ) par det(A ) .
On peut galement calculer l'inverse d'une matrice A par la mthode du pivot de Gauss
(Christol et al. 1996, p. 19) dans le cas particulier o la matrice est carre et est inversible.
Le systme, caractris par la matrice A , est alors dit systme de Cramer ou systme
rgulier dans ce cas.
Retranchons [6] de B :
B ACT D 1CB = B BCT [D + CBCT ]1 CB [7].
Une solution particulire est X = A + CB + (cas pour Y = 0 ), c'est la solution dont la norme
Euclidienne est minimale.
Une matrice carre A R n*n , est dite non singulire (ou inversible) si B R n*n telle que :
AB = BA = I det( A ) 0 .
Proprit :
Quelle que soit une matrice A , A R m*n ,
rang( A ) = rang( A T ) = rang( AA T ) = rang( A T A ) .
Proprit :
trace( AB) = trace(BA ) A R n*n , B R n*n .
(trace( ABT ))
=B A R n*m , B R n*m .
A
(trace( ABA T ))
D= = 2AB D R n*m et A R n*m , B R m*m .
A
14. La norme
La norme vectorielle
On appelle p-norme, la norme note galement Lp dun vecteur x R n :
1/ p
n p
x p
= xi .
i =1
Les normes les plus usuelles sont :
n
- la norme L1 galement appele norme absolue, x 1 = x
i =1
i ,
1/ 2
n 2
la norme L2 ou norme Euclidienne, x = x 2 = xi = ( xT x )
1/ 2
- .
i =1
Voici quelques proprits de la norme Euclidienne, x et y R :
n
- x+y x + y ,
- xT y x . y ,
- v.w v w si v R n et w R n , on appelle cette proprit l'ingalit de
Schwartz.
La norme Euclidienne est aussi appel norme quadratique (cest la distance Euclidienne).
Une norme peut tre pondre. Ceci est surtout utilis en Physique, lorsque les lments dun
vecteur sont de nature diffrente (reprsentent des grandeurs dans des units diffrentes).
Pour la matrice D R n*n , on prend souvent une matrice diagonale avec chaque terme comme
tant linverse de la valeur maximale que peut prendre llment concern :
1 x1max 0
D= 1 xi max .
0 1 xn max
La norme matricielle
Il existe plusieurs normes matricielles. La norme dune matrice peut tre dfinie dans
diffrent sens, elle doit satisfaire les contraintes poses par nimporte quel espace (Kohonen,
1984, p.47).
Les normes matricielles, sont dfinies de la mme faon que les normes vectorielles.
On appelle p-norme d'une matrice A , A R m*n , la norme :
1/ p
m n
= aij
p
A p .
i =1 j =1
La norme de Frobenius est la norme Euclidienne au sens matricielle, qui nest pas compatible
avec la norme Euclidienne vectorielle (it is not consistent with the Euclidean vector norm).
Si A est une matrice carre, A R n*n , et x un vecteur de n lments, :
Ax = x .
Proprits
Si A est une matrice carre orthogonale, A R n*n , et x un vecteur de n lments, x R n :
Ax = x
( Ax ) ( Ay ) = x
T T
y
Si A R m*n
, la condition dorthogonalit se traduit par A T A = I n .
Quelques thormes
1. Si A est une matrice orthogonale, son inverse et sa transpose le sont galement.
2. Le produit de plusieurs matrices orthogonales est une matrice orthogonale.
3. Le dterminant d'une matrice orthogonale est gal 1 .
Comme le systme est indtermin, les vecteurs propres sont obtenus une constante
multiplicative prs, cest dire que lon dtermine des directions propres.
Remarques :
det( A i I) = 0 est appel polynme caractristique de A .
i I A est appel la matrice caractristique de A .
Deux matrices sont dites semblables si elles ont le mme polynme caractristique.
Proprits
Si A est une matrice carre, A R n*n , ayant pour valeurs propres i , i = 1,..., n :
n
det( A ) = i
i =1
n
trace( A ) = i
i =1
Cette matrice ( P R n*n ) est appele la matrice modle de A . On montre alors que (Christol
et al., 1996, p 141) :
D = P 1AP .
La diagonalisation d'une matrice permet de rsoudre de faon lgante des problmes qui
peuvent sembler complexes au premier abord (Rotella et Borne, 1995).
Intrt de la diagonalisation
Considrons le systme diffrentiel linaire suivant, reprsent dans une base quelconque :
x = Ax .
Il est constitu de n quations diffrentielles du premier ordre dpendantes. Effectuons le
changement de base dfini par :
x = Py ou y = P 1x .
Le systme diffrentiel devient alors :
y = P 1x = P 1Ax = P 1APy ,
donc en fait : y = Dy ,
On peut reprsenter la forme quadratique grce aux notations matricielles. Pour cela,
considrons A une matrice carre, A R n*n , et x un vecteur de n lments, x R n :
xT = [ x1 ... xn ] , A = aij ,
alors f ( x ) = xT Ax .
19. Dfinitivit
On dit quune matrice A R n*n , est dfinie positive, A > 0 , si la forme quadratique qui lui
est associe est dfinie positive :
A > 0 xT Ax > 0 , x 0 .
Pour tester la positivit dune matrice, on peut utiliser le critre de Sylvester qui dit quune
matrice est dfinie positive si tous ses mineurs principaux sont positifs :
A > 0 ssi m i > 0 , i = 1,..., n .
Ce critre nest plus valable pour la semi-positivit :
A 0 ssi m i 0 , i = 1,..., n nest pas vrai, mais :
A 0 ssi m i 0 et m ij 0 , i = 1,..., n , j = 1,..., n .
Les mmes raisonnements sont valables pour les cas ngatifs.
Cela peut galement se vrifier en utilisant les valeurs propres i , i = 1,..., n , de la matrice
A :
A > 0 ssi i > 0 ,
A 0 ssi i 0 ,
A < 0 ssi i < 0 ,
A 0 ssi i 0 .
On dit que la famille A est gnratrice d'un sous-espace vectoriel F de E si A est contenu
dans F et si tout vecteur de F est une combinaison linaire de vecteurs de A.
Une famille de vecteurs d'un espace vectoriel E qui est la fois libre et gnratrice de E est
appel base de E.
On se place dans un repre 3D R1 , dfini par une base orthonorme. A partir de ce premier
repre, on dfinit par rapport R1 un second repre R2 , galement dfini par une base
orthonorme.
Le passage d'un repre un autre fait intervenir deux oprations essentielles : la translation
et la rotation.
Le repre R2 est donc dfini par la position de son origine O2 dans le repre R1 (c'est la
translation, dfinie par un vecteur t R 3 ) et par l'orientation des vecteurs formant sa base
(c'est la rotation, dfinie par une matrice A R 3*3 ) par rapport ceux qui constituent la
base de R1 .
4
4
P
3
3 P
O2
2 2
O2
Q
1 1
Q
x y
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
O1 O1
Figure 5 : Les points P et Q dans le premier repre Figure 6 : Les points P et Q dans le premier repre
par rapport aux axes x et y. par rapport aux axes y et z.
Connaissant les coordonnes d'un point PR2 = [1 1 1] dans le repre R2 , on veut connatre
T
On peut poser le problme inverse : quelles sont les coordonnes dans R2 d'un point dfini
dans R1 ?
Dans R1 dfinissons le point Q tel que QR1 = [1 1 1] . Les coordonnes de Q dans R2 sont
T
1 0 0
4 2
y
3
z
3
2
5
1 4
3 4
0
2
0
1
2 1
3
4
y
0
5
0 1 2 3 4
x x
4 4
3 3
z z
2 2
1 1
0 0
0 1 2 3 4 0 1 2 3 4
x y
Figure 7 : Un cube dans un espace 3D, le point Q est reprsent par un cercle magenta.
Le point S, dfini dans R2 par SR2 = [1 1 1] et reprsent sur les figures prcdentes par
T
un cercle (un des sommets du cube) a pour coordonnes dans R1 SR1 selon la formule :
SR1 = ASR2 + t ,
On voit finalement, que le passage d'un repre l'autre utilise une multiplication gauche,
que ce soit pour passer de R1 R2 , ou inversement de R2 R1 . La multiplication cause
peut donc de faon gnrale tre assimil un changement de base.
Dans un premier temps, on rappelle un cas particulier, celui o les axes de lellipse sont
parallles aux axes de coordonnes. On gnralisera ensuite pour le cas des axes quelconques.
avec a = d / a et b = d /b .
Les coordonnes polaires qui reprsentent cette ellipse sont alors :
x = a cos( ) + x0
y = b cos( ) + y0
avec 0 2 .
La courbe correspondante est une ellipse si la matrice A est dfinie positive, cest dire si a
et b sont positifs et si det( A ) > 0 , soit ab > c 2 .
Caractriser une ellipse revient dterminer ses axes principaux qui sont les directions
propres de la matrice A . Les vecteurs propres de A sont dfinis par :
det( A i I) = 0 ,
Ces vecteurs sont dfinis une constante prs : on ne connat que leurs directions d1 et d 2 ,
soit :
d1 : y = 1 x avec 1 = ( 1 a ) / c
d 2 : y = 2 x avec 2 = ( 2 a ) / c
Soient v et w les coordonnes dun point dans les axes dfinis par les directions d1 et d 2 .
Avec ces coordonnes, lquation de lellipse scrit :
1v 2 + 2 w2 = d ,
ou
v2 w2
+ = 1,
12 22
avec 1 = d / 1 et 2 = d / 2 .
On peut donc facilement tracer lellipse avec les coordonnes {v, w} , puis passer dans les axes
{ x , y} par une matrice de changement de base.
A B
( A + B) = +
t t t
A B
( AB) = B+A
t t t
A n
A n 1 A n 2 A
= A +A A + + A n 1
t t t t
A 1 A 1
= A 1 A
t t
A A
= trace( A)
t t
( AA 1 ) I
= =0
t t
xn t
At = a t .
ij
6. La drivation chaine
Soit la fonction scalaire compose : f ( x ) = h( g (( x )) , x R n et f : R n R .
La rgle de drivation chane permet dcrire :
f h g
= .
xi g xi
o ( x 0 ) sont les termes dordres suprieur impliquants les drives partielles dordre
suprieur, ngligeables lorsque x est suffisamment petit.
En notation vectorielle, on obtient :
1
f ( x ) = f ( x 0 ) + xT x f ( x 0 ) + xT 2x f (x 0 )x + (x 0 )
2
Avec x = x x0 et y = y y0 , on a :
f ( x0 , y0 ) f ( x0 , y0 )
f ( x0 + x, y0 + y ) = f ( x0 , y0 ) + x + y
x y
x 2 2 f ( x0 , y0 ) 2 f ( x0 , y0 ) y 2 2 f ( x0 , y0 )
+ + x y + + ( x0 , y0 )
2 x 2 xy 2 y 2
Ayres, F., Jr., 1991. Matrices : cours et problmes, McGraw Hill, New York.
Christol, G., Pilibossian, P., and Yammine, S., 1996. Algbre, cours et exercices corrigs,
Ellipses-Edition Marketing, Paris.
Rotella, F., and Borne, P., 1995. Thorie et pratique du calcul matriciel, Editions Technip,
Paris.
Stoer, J., and Bulirsch, R., 1993. Introduction to Numerical Analysis, Springer-Verlag, New
York.
Strang G., 1993. Introduction to Linear Algebra, .Welleley Cambridge Press, Wellesley.
Annexe
Alphabet Grec
Alpha Nu
Bta Xi
Gamma Omicron
Delta Pi
Epsilon Rh
Zta Sigma
ta Tau
Thta Upsilon
Iota Phi ,
Kappa Khi
Lambda Psi
Mu Omga