$$\newcommand{\mtn}{\mathbb{N}}\newcommand{\mtns}{\mathbb{N}^*}\newcommand{\mtz}{\mathbb{Z}}\newcommand{\mtr}{\mathbb{R}}\newcommand{\mtk}{\mathbb{K}}\newcommand{\mtq}{\mathbb{Q}}\newcommand{\mtc}{\mathbb{C}}\newcommand{\mch}{\mathcal{H}}\newcommand{\mcp}{\mathcal{P}}\newcommand{\mcb}{\mathcal{B}}\newcommand{\mcl}{\mathcal{L}} \newcommand{\mcm}{\mathcal{M}}\newcommand{\mcc}{\mathcal{C}} \newcommand{\mcmn}{\mathcal{M}}\newcommand{\mcmnr}{\mathcal{M}_n(\mtr)} \newcommand{\mcmnk}{\mathcal{M}_n(\mtk)}\newcommand{\mcsn}{\mathcal{S}_n} \newcommand{\mcs}{\mathcal{S}}\newcommand{\mcd}{\mathcal{D}} \newcommand{\mcsns}{\mathcal{S}_n^{++}}\newcommand{\glnk}{GL_n(\mtk)} \newcommand{\mnr}{\mathcal{M}_n(\mtr)}\DeclareMathOperator{\ch}{ch} \DeclareMathOperator{\sh}{sh}\DeclareMathOperator{\th}{th} \DeclareMathOperator{\vect}{vect}\DeclareMathOperator{\card}{card} \DeclareMathOperator{\comat}{comat}\DeclareMathOperator{\imv}{Im} \DeclareMathOperator{\rang}{rg}\DeclareMathOperator{\Fr}{Fr} \DeclareMathOperator{\diam}{diam}\DeclareMathOperator{\supp}{supp} \newcommand{\veps}{\varepsilon}\newcommand{\mcu}{\mathcal{U}} \newcommand{\mcun}{\mcu_n}\newcommand{\dis}{\displaystyle} \newcommand{\croouv}{[\![}\newcommand{\crofer}{]\!]} \newcommand{\rab}{\mathcal{R}(a,b)}\newcommand{\pss}[2]{\langle #1,#2\rangle} $$
Bibm@th
Lien copié  ✅

Résumé de cours - Maths expertes - Matrices

Vocabulaire sur les matrices

Soit $n$ et $p$ deux entiers naturels non nuls. Une matrice $A$ à $n$ lignes et $p$ colonnes à coefficients réels est un tableau à double entrée $$A=\left( \begin{array}{cccc} a_{1,1}&a_{1,2}&\dots&a_{1,p}\\ a_{2,1}&a_{2,2}&\dots&a_{2,p}\\ \vdots&\vdots&&\vdots\\ a_{n,1}&a_{n,2}&\dots&a_{n,p} \end{array} \right)$$ où le nombre $a_{i,j}$ est le nombre situé à la $i$-ème ligne et à la $j$-ème colonne. On dit alors que $A$ est une matrice de taille $n\times p$ et on note $\mathcal M_{n,p}(\mathbb R)$ l'ensemble des matrices de taille $n\times p.$

Exemple : la matrice $A=\begin{pmatrix}1&2&1\\3&1&2\end{pmatrix}$ est une matrice de taille $2\times 3.$ Le coefficient $a_{1,2}$ vaut $2.$

On dit qu'une matrice est carrée si elle a le même nombre de lignes que de colonnes. On note alors $\mathcal M_n(\mathbb R)$ l'ensemble des matrices carrées à $n$ lignes (et $n$ colonnes), et on dit alors qu'une matrice de $\mathcal M_n(\mathbb R)$ est d'ordre $n$.

Si $A$ est une matrice carrée de taille $n$, ses coefficients diagonaux $a_{i,i}$, pour $i=1,\dots,n$, sont appelés les coefficients diagonaux de $A,$ l'ensemble de ces coefficients est appelé diagonale principale de $A.$

Quelques matrices particulières :

  • on appelle matrice nulle de taille $n\times p$ la matrice de taille $n\times p$ dont tous les coefficients sont nuls. On note $0_{\mathcal M_{n,p}(\mathbb R)}$ et plus simplement $0_{n}$ pour $0_{\mathcal M_{n,n}(\mathbb R)}.$ Par exemple, $$0_{\mathcal M_{2,3}(\mathbb R)}=\begin{pmatrix}0&0&0\\0&0&0\end{pmatrix}.$$
  • on dit qu'une matrice $D$ est diagonale si elle est carrée et si tous ses coefficients sont nuls, sauf éventuellement ceux de la diagonale principale. Autrement dit, $D$ s'écrit $$D=\begin{pmatrix} d_{1,1}&0&\dots&0\\ 0&d_{2,2}&\ddots&\vdots\\ \vdots&\ddots&\ddots&\vdots\\ 0&\dots&\dots&d_{n,n} \end{pmatrix}.$$
  • on appelle matrice identité d'ordre $n$ la matrice diagonale d'ordre $n$ dont tous les coefficients diagonaux sont égaux à $1$. On la note $I_n$ : $$I_n= \begin{pmatrix} 1&0&\dots&0\\ 0&1&\ddots&\vdots\\ \vdots&\ddots&\ddots&\vdots\\ 0&\dots&\dots&1 \end{pmatrix}.$$
Opérations sur les matrices

Soit $A\in\mathcal M_{n,p}(\mathbb R)$ et $B\in\mathcal M_{n,p}(\mathbb R)$ (en particulier, $A$ et $B$ ont la même taille). On appelle somme de $A$ et $B$ la matrice de $\mathcal M_{n,p}(\mathbb R)$ dont les coefficients sont obtenus en ajoutant terme à terme les coefficients de $A$ et de $B$.

Exemple : si $A=\begin{pmatrix}1&2&1\\3&1&2\end{pmatrix}$ et $B=\begin{pmatrix}0&3&7\\-1&2&2\end{pmatrix}$, alors $A+B=\begin{pmatrix}1&5&8\\2&3&4\end{pmatrix}.$

Soit $A\in\mathcal M_{n,p}(\mathbb R)$ et $\lambda\in\mathbb R.$ On appelle produit de $A$ par $\lambda$ la matrice $\lambda A$ de $\mathcal M_{n,p}(\mathbb R)$ dont les coefficients sont obtenus en multipliant ceux de $A$ par $\lambda.$

Exemple : si $A=\begin{pmatrix}1&2&1\\3&1&2\end{pmatrix},$ alors $3A=\begin{pmatrix}3&6&3\\9&3&6\end{pmatrix}.$

Propriétés : Pour des matrices $A,B\in\mathcal M_{n,p}(\mathbb R)$ et des réels $\lambda$ et $\mu,$ on a $$A+B=B+A,\ \lambda(A+B)=\lambda A+\lambda B,\ (\lambda+\mu)A=\lambda A+\mu A,\ \lambda(\mu A)=(\lambda\mu) A.$$

Autrement dit, tant qu'il s'agit d'ajouter des matrices ou de les multiplier par des réels, les règles de calcul sont les mêmes que celles avec des réels. La multiplication de matrices entre elles est nettement plus compliquée !

Soit $A$ une matrice à $n$ lignes et p colonnes, et $B$ une matrice à p lignes et $q$ colonnes, alors le produit $AB$ est la matrice à $n$ lignes et $q$ colonnes dont le coefficient situé à la $i$-ème ligne et à la $j$-ème colonne est donné par $$c_{i,j}=\sum_{k=1}^p a_{i,k}b_{k,j}.$$

Exemple : \begin{align*} \begin{pmatrix}1&2&1\\3&1&2\end{pmatrix}\times \begin{pmatrix}2&1\\1&3\\4&2\end{pmatrix}&= \begin{pmatrix} 1\times 2 + 2\times 1 + 1\times 4&1\times 1 + 2\times 3 + 1\times 2\\ 3\times 2 + 1\times 1 + 2\times 4&3\times 1 + 1\times 3 + 2\times 2 \end{pmatrix}\\ &=\begin{pmatrix} 8&9\\ 15&10 \end{pmatrix} \end{align*}

Propriétés Lorsque les produits sont bien définis, alors la multiplication des matrices est
  • associative : $(AB)C=A(BC)$.
  • distributive par rapport à l'addition : $A(B+C)=AB+AC$ et $(A+B)C=AC+BC$.
De plus, pour toute matrice $A\in\mathcal M_n(\mathbb R),$ on a $$AI_n=I_nA=A\textrm{ et }A0_n=0_nA=0_n.$$ Si $\lambda$ est un réel, on a aussi $$\lambda(AB)=(\lambda A)B=A(\lambda B).$$

Le produit de deux matrices pose certains problèmes nouveaux. Par exemple, le produit $AB$ peut exister sans que le produit $BA$ n'existe. Et même si $AB$ et $BA$ existe, il est possible d'avoir $AB\neq BA.$

Exemple : Si $A=\begin{pmatrix}0&1\\0&0\end{pmatrix}\textrm{ et }B=\begin{pmatrix}1&0\\0&0\end{pmatrix},$ alors $AB=\begin{pmatrix}0&0\\0&0\end{pmatrix}$ alors que $BA=\begin{pmatrix}0&1\\0&0\end{pmatrix}.$

L'exemple précédent montre aussi que si $AB=0_n$, on n'a pas forcément $A=0_n$ ou $B=0_n.$ De même, l'égalité $AB=AC$ n'entraîne pas toujours $B=C.$ Il faut donc être prudent avec les produits de matrices !

Puissances de matrices

Soit $A$ une matrice carrée d'ordre $n$. On définit ses puissances $A^k$ pour tout entier naturel $k$ par $A^0=I_n$ et $A^{k+1}=A^k\times A.$ Ainsi, pour $k\geq 1,$ $A^k=A\times A\times\cdots\times A,$ avec $k$ facteurs.

Propriétés Pour toute matrice carrée $A$ et tous entiers naturels $p$ et $q,$ on a $A^pA^q=A^{p+q}$ et $(A^p)^q=A^{pq}.$
Proposition (puissance d'une matrice diagonale) : Soit $$D=\begin{pmatrix} d_{1,1}&0&\dots&0\\ 0&d_{2,2}&\ddots&\vdots\\ \vdots&\ddots&\ddots&\vdots\\ 0&\dots&\dots&d_{n,n} \end{pmatrix}$$ une matrice diagonale. Alors pour tout entier naturel $k$, $$D^k=\begin{pmatrix} d_{1,1}^k&0&\dots&0\\ 0&d_{2,2}^k&\ddots&\vdots\\ \vdots&\ddots&\ddots&\vdots\\ 0&\dots&\dots&d_{n,n}^k \end{pmatrix}.$$
Matrices carrées inversibles

Une matrice $A\in\mathcal M_n(\mathbb R)$ est dite inversible s'il existe $B\in\mathcal M_n(\mathbb R)$ telle que $$AB=BA=I_n.$$ Une telle matrice, si elle existe, est unique. Elle s'appelle l'inverse de $A$ et est notée $A^{-1}$. On a donc $A^{-1}A=AA^{-1}=I_n.$

Propriétés : Soit $A$ et $B$ deux matrices inversibles de même ordre. Alors $AB$ est inversible et son inverse est $(AB)^{-1}=B^{-1}A^{-1}.$ De même, $A^{-1}$ est inversible et $(A^{-1})^{-1}=A.$

Soit $A=\begin{pmatrix}a&b\\c&d\end{pmatrix}$ une matrice carrée d'ordre $2.$ On appelle déterminant de $A$ le réel $\det(A)=ad-bc.$

Théorème : Soit $A=\begin{pmatrix}a&b\\c&d\end{pmatrix}$ une matrice carrée d'ordre $2.$ Alors $A$ est inversible si et seulement si son déterminant est non nul. Dans ce cas, $$A^{-1}=\frac{1}{ad-bc}\begin{pmatrix} d&-b\\ -c&a\end{pmatrix}.$$

Exemple : Soit $A=\begin{pmatrix}2&1\\3&2\end{pmatrix}.$ Alors $\det(A)=1$ et donc $A$ est inversible. De plus, $A^{-1}=\begin{pmatrix}2&-1\\-3&2\end{pmatrix}.$

Application : écriture matricielle d'un système

On considère un système linéaire de $n$ équations à $n$ inconnues $$\left\{ \begin{array}{ccl} a_{1,1}x_1+a_{1,2}x_2+\dots+a_{1,n}x_n&=&b_1\\ a_{2,1}x_1+a_{2,2}x_2+\dots+a_{2,n}x_n&=&b_2\\ \vdots&\vdots&\vdots\\ a_{n,1}x_1+a_{n,2}x_2+\dots+a_{n,n}x_n&=&b_n.\\ \end{array} \right. $$ La matrice du système est la matrice $$A=\begin{pmatrix} a_{1,1}&a_{1,2}&\dots&a_{1,n}\\ a_{2,1}&a_{2,2}&\dots&a_{2,n}\\ \vdots&\vdots&\vdots&\vdots\\ a_{n,1}&a_{n,2}&\dots&a_{n,n} \end{pmatrix}.$$ La matrice inconnue est la matrice $$X=\begin{pmatrix} x_1\\ x_2\\ \vdots\\x_n\end{pmatrix}$$ et la matrice du second membre est la matrice $$B=\begin{pmatrix} b_1\\ b_2\\ \vdots\\b_n\end{pmatrix}.$$ Résoudre le système précédent, c'est trouver toutes les matrices $X\in\mathcal M_{n,1}(\mathbb R)$ telles que $AX=B$. Cette dernière équation s'appelle l'écriture matricielle du système.

Théorème : Avec les notations ci-dessus, si la matrice $A$ est inversible, alors le système admet une unique solution donnée par $X=A^{-1}B.$

Si $A$ n'est pas inversible, alors l'ensemble des solutions du système est soit vide, soit infini.

Application : écriture matricielle de suites récurrentes

On considère deux suites $(u_n)_{n\geq 0}$ et $(v_n)_{n\geq 0}$ définies par des valeurs de $u_0$ et $v_0$ et par la relation de récurrence, valable pour $n\geq 0,$ $$\left\{ \begin{array}{rcl} u_{n+1}&=&au_n+bv_n\\ v_{n+1}&=&cu_n+dv_n. \end{array}\right.$$ On peut écrire ceci matriciellement. On introduit la suite $(X_n)_{n\geq 0}$ de vecteurs colonnes définie par $X_n=\begin{pmatrix}u_n\\v_n\end{pmatrix}$ pour tout $n\geq 0.$ On considère la matrice $$A=\begin{pmatrix}a&b\\c&d\end{pmatrix}.$$ Alors on a, pour tout $n\geq 0,$ $X_{n+1}=AX_n.$ En particulier, pour tout $n\geq 0,$ on a $X_n=A^n X_0$. Si on sait calculer $A^n,$ alors on peut déterminer les termes généraux $u_n$ et $v_n.$

Application : écriture matricielle des transformations

Dans cette partie, on se place dans le plan muni d'un repère orthonormé $(0,\vec i,\vec j)$. Certaines transformations géométriques du plan admettent une écriture matricielle. Pour cela, à tout point $M$ de coordonnées $(x,y)$, on associe le vecteur colonne $X=\begin{pmatrix}x\\y\end{pmatrix}$. On considère également $M'$ de coordonnées $(x',y')$, de vecteur colonne associé $X'=\begin{pmatrix}x'\\y'\end{pmatrix}.$ Alors :

  • $M'$ est l'image de $M$ par la translation de vecteur $\vec u(a,b)$ si et seulement si $X'=X+U$, où $U=\begin{pmatrix}a\\b\end{pmatrix}.$
  • $M'$ est l'image de $M$ par la symétrie axiale par rapport à l'axe des abscisses si et seulement si $X'=AX,$ où $A=\begin{pmatrix}1&0\\0&-1\end{pmatrix}.$
  • $M'$ est l'image de $M$ par la symétrie axiale par rapport à l'axe des ordonnées si et seulement si $X'=AX,$ où $A=\begin{pmatrix}-1&0\\0&1\end{pmatrix}.$
  • $M'$ est l'image de $M$ par la rotation de centre $O$ et d'angle $\theta$ si et seulement si $X'=AX,$ où $A=\begin{pmatrix}\cos(\theta)&-\sin(\theta)\\ \sin(\theta)&\cos(\theta)\end{pmatrix}.$
  • $M'$ est l'image de $M$ par l'homothétie de centre $O$ et de rapport $k$ si et seulement si $X'=kX.$