GI Mathmatiques

1. Dfinitions
1.1 Matrice de dimensions (n, p)
matrice n lignes et p colonnes
. . . .
. . . .
. . . . . . . .
. . . .
. . . . . . . .
. . . .
a a a a
a a a a
A
a a a a
a a a a
j p
j p
np
i i ij ip
n n nj np




=






11 12 1 1
21 22 2 2
1 2
1 2
a
ij
j = N de colonne
i = N de ligne
L
2
C
j
GI Mathmatiques
1. Dfinitions
1.2 Matrices carres et vecteurs
A



=

1 3 1
3 4 5
2 0 2
matrice carre
n! lignes = n! colonnes
diagonale principale
vecteur
une seule colonne
V


=

1
5
3

dimension 3
GI Mathmatiques
1. Dfinitions
1.3 Matrices carres "articuli#res
s$mtri%ue
A



=

1 3 1
3 2 5
1 5 4
A
A

=





=



1 1 4
0 2 &
0 0 3
1 0 0
' 2 0
5 0 4
triangulaire
infrieure
suprieure
diagonale
A


=



1 0 0
0 2 0
0 0 4
identit
I


=



3
1 0 0
0 1 0
0 0 1
GI Mathmatiques
1. Dfinitions
1.4 Matrice trans"ose
1. 1. 1. 1.
A


=



1 4 (
2 5 &
3 ' )
A


=



*
1 2 3
4 5 '
( & )
V


=

1
5
3

B


=



3 &
1 2
( 1
B


=


*
3 1 (
& 2 1
( )
V =
*
1 5 3

GI Mathmatiques
2. Oprations sur les matrices
2.1 Multiplication dune matrice par un scalaire
2.
A



=

1 3 1
3 2 5
1 5 4
5 15 5
5 15 10 25
5 25 20



=




A
A

5 1
1
6 6
5 1
1
3 6
2 2
2
3 3
A


=

1 5 6
1
2 6 5
6
12 4 4
V


=

1
5
3

V


=

3
3 15
9

GI Mathmatiques
2. Oprations sur les matrices
2.2 Addition matricielle
Elment neutre :
2.
A



=

1 3 1
3 2 5
1 5 4
B


=




2 2 5
4 7 3
2 1 1
A B


+ =

3 5 4
1 5 2
3 6 3
V


=

1
5
3

W


=



3
1
2

V W


+ =

4
4
1

la matrice nulle O ! " #0$
%ppose de A : &A ! telle 'ue A ( )&A* " O
Donc : -A = -1 A
GI Mathmatiques
2. Oprations sur les matrices
2.3 +roduit matriciel
!.

=





3 ,
2 1 4
1 2
1 3 2
7 1



35 1,
14 16

1 3 5 7
2 4 6 ,

23 17
14 46

5 7 1 3
6 , 2 4



19 13
10 50
GI Mathmatiques
2. Oprations sur les matrices
2.3 +roduit matriciel
".

=


1 3 5
2 4 6




13
34

1 3 1 3
3 2 5 4
1 5 4 2

11
27
15
GI Mathmatiques
2. Oprations sur les matrices
2.3 +roduit matriciel
#.


=


1 3 1 0 1 3
2 4 0 1 2 4


=


1 0 1 3 1 3
0 1 2 4 2 4



=




1 3 1 1 0 0 1 3 1
3 2 5 0 1 0 3 2 5
1 5 4 0 0 1 1 5 4



=




1 0 0 1 3 1 1 3 1
0 1 0 3 2 5 3 2 5
0 0 1 1 5 4 1 5 4

=


1 0 5 5
0 1 3 3
GI Mathmatiques
2. Oprations sur les matrices
2.3 +roduit matriciel
in-erse dune matrice carre
#.
a c a c
b d b d


= =


1 3 1 3 1 0
2 4 2 4 0 1
A A
&1
A
&1
A I
A

=


1
0.4 0.3
&0.2 0.1
GI Mathmatiques
2. Oprations sur les matrices
2.4 /terminant dune matrice carre
$
%
&
&
'
$
(.
A


=


1 3
2 4
( ) ( ) ( )
det . . A A

= = = =
1 3
1 4 2 3 10
2 4

=

1 3 1 1 3
3 2 5 3 2
1 5 4 1 5
1.)&2*.4 ( 3.5.)&1* ( )&1*.3.5
)&1*.)&2*.)&1* 5.5.1 4.3.3
" &97
(

(
&2 5
5 4
3 5
&1 4
3 &2
&1 5
GI Mathmatiques
2. Oprations sur les matrices
2.4 /terminant dune matrice carre
).

1 3 1
3 2 5
1 5 4
( (
(
( (

1 3 1
3 2 5
1 5 4
0acteurs :
1
3
&1
co0acteurs :
" &33
" &17
" 13
det)A* " )0act.co0* " 1.)&33* ( 3.)&17* ( )&1*.13 " &97
*
O
+
%
*
,
-
'
&
$
3 5
&1 4
1 &1
&1 4
1 &1
3 5

GI Mathmatiques
2. Oprations sur les matrices
2.4 /terminant dune matrice carre
).

1 3 1
3 2 5
1 5 4
( (
(
( (

1 3 1
3 2 5
1 5 4
0acteurs :
3
&2
5
co0acteurs :
" &17
" 3
" &,
det)A* " )0act.co0* " 3.)&17* ( )&2*.3 ( 5.)&,* " &97
*
O
+
%
*
,
-
'
&
$
GI Mathmatiques
2. Oprations sur les matrices
2.5 Matrice in-erse
..
AA I

=
1
( )
( )
A Com A
det A

=
1 1
1
A

3 2 1
1 4 3
2 1 2
( )
det A = 10
( )
4 3 1 3 1 4
1 2 2 2 2 1
5 , 9
2 1 3 1 3 2
5 4 7
1 2 2 2 2 1
10 10 10
2 1 3 1 3 2
4 3 1 3 1 4

+ +









= + =

+ +


Com A
( )
1
5 5 10
, 4 10
9 7 10

Com A
( )
, ,
, ,
, ,
1 1
0 5 0 5 1
1
0 , 0 4 1
10
0 9 0 7 1

= =

A Com A
*
O
+
%
*
,
-
'
&
$
GI Mathmatiques
2. Oprations sur les matrices
2.5 Matrice in-erse
/.
A L L L
L L L

=


+

2 2 1
3 3 1
3 2 1
1 4 3 3
2 1 2 3 2
I L L L
L L L


=


+

2 2 1
3 3 1
1 0 0
0 1 0 3
0 0 1 3 2
G
%
'
$
$
L L L
L L L



+

1 1 3
2 2 3
15 0 15 2
0 10 10 3
0 0 30
L L L
L L L







1 1 2
3 3 2
3 2 1 5
0 10 10
0 7 4 10 7
L L L
L L L



+

1 1 3
2 2 3
6 3 0 2
1 3 0 3
27 21 30
L L L
L L L

1 1 2
3 3 2
1 0 0 5
1 3 0
2 0 3 10 7
GI Mathmatiques
2. Oprations sur les matrices
2.5 Matrice in-erse
/.
/
/
/
L L
L L
L L

1 1
2 2
3 3
30 0 0 30
0 30 0 30
0 0 30 30
/
/
/
L L
L L
L L








1 1
2 2
3 3
15 15 30 30
24 12 30 30
27 21 30 30
G
%
'
$
$
I


=



1 0 0
0 1 0
0 0 1
, ,
, ,
, ,
A

=




1
0 5 0 5 1
0 , 0 4 1
0 9 0 7 1
GI Mathmatiques
3. Exemples
3.1 Rsolution dun systme dquations
Si on nomme le vecteur inconnu et le vecteur ,
10.
On appelle matrice du systme la matrice A
compose des coefficients a
ij
.
...
...
: : : : : : :
...
n n
n n
n n nn n n
x x x
x x x
x x x
+ + + =

+ + + =

+ + + =

11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
a a a b
a a a b
a a a b
Si det(A) 0, alors le systme admet un unique vecteur solution.
alors le systme est quivalent lalit matricielle
X

B
:
n
x
x
x
| |
|
|
|
|
\
1
2
:
b
b
b
n
| |
|
|
|
|
\
1
2
. A X B =

GI Mathmatiques
3. Exemples
3.1 Rsolution dun systme dquations
x y
x y
+ =

+ =

a b c
a b c
| |
=
|

\
a b
A
a b
dimension 2
det!A" # $ ssi
proportion
dimension 3
x y z
x y z
x y z
+ + =

+ + =

+ + =

a b c d
a b c d
a b c d
det!A" # $ ssi
proportion
ou liaison
GI Mathmatiques
3. Exemples
3.1 Rsolution dun systme dquations
Mthode de Cramer
11.
x y z
x y z
x y z
+ + =

+ =

+ =

3 % 1
& 2 % %
' 2 12
-1

1!
( )
( )
det A
det A
i
i
x =
| |
|
=
|
|

\
3 % 1
& 2 %
1 ' 2
A
det!A" # -!"
x

1 % 1
% 2 %
12 ' 2
2(
= =

1%$
&
2(
y

3 1 1
& % %
1 12 2
2(
,

= =

%2
1 &
2(
z

3 % 1
& 2 %
1 ' 12
2(

= =

22%
(
2(
GI Mathmatiques
3. Exemples
3.1 Rsolution dun systme dquations
Mthode par linversion de A
11.
x y
x y
+ =

2 & &
& ) 2

=
1

X A B
, ,
x
y

| | | | | |
= = =
| | |

\ \ \
2 & &
& ) 2

A X B
det!A" # #

| |
=
|
\
1
) &
1
& 2 *
A

| || |
= =
| |
\ \
1
) & &
1
& 2 2 *

X A B
| | | |
= =
| |

\ \
3& &
1
21 3 *
GI Mathmatiques
3. Exemples
3.1 Rsolution dun systme dquations
pivot de gauss simplifi : triangularisation
1!.
| |
|
=
|
|
+
\
2 2 1
3 3 1
3 % 1
& 2 % 3 &
1 ' 2 3
A L L L
L L L
| |
|

|
|
\
3 % 1
$ 2' *
$ $ %2
| |
|

|
|

\ 3 3 2
3 % 1
$ 2' *
$ 1% * 13 * L L L
+es transformations sappliquent alement
au, coordonnes de -
+e systme devient .
x y z
y z
z
+ + =

+ =

3 % 1
2' * 1*
%2 33'

B
GI Mathmatiques
3. Exemples
3.2 /0anements de 1ase
13.
. ; .
i i i
u
ij uv
j j j
v
u v
u v
| | | |
| |
= =
| |
|
\
\ \

m
m
M P M
m
m
[ ]
.
ij uv
ij
u v =


M M
1.
1$.
1 1
. . .
ij uv uv

= =

P M P P M M
2ultiplions lalit 31%4 par P
51
auc0e .
6c0aneons uv et ij dans lalit 31%4 .
.
uv ij
uv
i j ( =



M M
GI Mathmatiques
3. Exemples
3.2 /0anements de 1ase
1%.
e,emple en dimension 2
, ,
,
ij ij
u v

| | | |
= =
| |
\ \

1 3 $ 2
$ % 1
[ ]
, ,
,
ij
u v

| |
= =
|
\

1 3 $ 2
$ % 1
P
uv
i j ( =

=
1
P
,
, , ,
| |
|

\
1 $ 2
1
$ % 1 3 1 3(
.
uv ij
uv
i j ( =



M M
,
, , ,
, ,
, , ,
| || |
=
| |

\ \
| | | |
=
| |
\ \
1 $ 2 2
1
$ % 1 3 2 1 3(
2 % 1 *3)
1
1 ( 1 3$% 1 3(
GI Mathmatiques
4. Applications linaires
4.1 Dfinition
application vectorielle f linaire
( )
. X Y X F X
f
f = =

exemple
F
| |

= |
|
\
1 3
3 1
( )
; X X f
| |

| |
= = |
|
|
+ \
\
1 1
3 3 3
1
3 3 1

( )
; X X f
| |

| |
= = |
|
|

\
\
2 2
2 2 3 2
2
2 3 2

GI Mathmatiques
4. Applications linaires
4.2 Changement de base
Or lexpression de f dans la base est : donc :
17.
Y F X
ijk ijk ijk
=

( )
, , u v w

Y F X
uvw uvw uvw
=

uvw ijk

= F P F P
1
( )
Y P F P X
uvw ijk uvw

=
1

P PY P F PX
uvw ijk uvw

=
1 1

PY F PX
uvw ijk uvw
=

GI Mathmatiques
4. Applications linaires
4.2 Changement de base
18.
exemple
ij
| |
=
|

\
F
1 2
4 1
ij ij
u v

| | | |
= =
| |
\ \
3 1
et
1 1

3 1
1 1
P

| |
=
|
\
1
1 1
1
1 3 4
P

| |
=
|

\
uv ij

| || || | | || |
= = =
| | | | |

\ \ \ \ \

| | | |
= =
| |

\ \
F P F P
1
1 1 1 2 3 1 1 1 ! 1
1 1
1 3 4 1 1 1 1 3 11 ! 4 4
1" 4 4 1
1
2# 1" $ 4 4
Tr = 0
GI Mathmatiques
4. Applications linaires
4.2 Changement de base
18.
vrifions
ij
| |
=
|

\
F
1 2
4 1
3 1
1 1
P

| |
=
|
\
1
1 1
1
1 3 4
P

| |
=
|

\
uv

| |
=
|

\
F
4 1
$ 4
;
ij ij
| |
= =
|
\

X Y
2
3
.
ij ij
| || |
= =
| |

\ \

F X
1 2 2
4 1 3
uv
=

X
uv
=

Y
ij

P X
1
uv uv
=

F X
ij
=

Y
uv
=

PY
#
!
| |
|
\
#
!
| |
|
\
!
1
$ 4
| |
|
\
13
1
$ 4
| |
|
\
GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
%ecte&r propre ' vecte&r colinaire ( son image
. F V V =

ij
| |
=
|

\
F
1 2
4 1
ij
| | | |
=
| |
\ \
F
2 #
3 !
ij
| | | |
=
| |
\ \
F
3 !
1 11
ij
| | | |
=
| |
\ \
F
2 "
2 "
ij
| | | |
=
| |

\ \
F
2 )
1 *
ij

| | | |
=
| |

\ \
F
1 3
2 "
ij

| | | |
=
| |

\ \
F
1 $
3 1
' 3
' +3
GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
( )
det F I = )
19.
. F V V =

1. ,so&dre l-&ation
( )
det F I = )
po&r obtenir
2. .tiliser la dfinition
po&r dterminer
V

Mthode :
GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
20.
exemple
ij
| |
=
|

\
F
1 2
4 1
/oit et V
| |
=
|
\
1
1
1

V
| |
=
|

\
2
1
2

. F V
| || |
= =
| |

\ \
1
1 2 1
4 1 1

| |
=
|
\
3
3
V
1
3

. F V
| || |
= =
| |

\ \
2
1 2 1
4 1 2

| |
=
|
\
3
"
V
2
3

et V
| |
=
|
\
1
1
1

V
| |
=
|

\
2
1
2

sont de&x vecteurs propres de f.

GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
20.
recherche des vecte&rs propres
ij
| |
=
|

\
F
1 2
4 1
1. ,echerche des valeurs propres
( )
det F I = )

=

1 2
)
4 1
=
2
* )
= 3
F poss0de de&x vale&rs propres : et !
GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
20.
recherche des vecte&rs propres
ij
| |
=
|

\
F
1 2
4 1
2. ,echerche des vecteurs propres
1 vecte&rs propres associs ( la vale&r propre
1
' :
p
V
1

x y =
.
p p
F V V =
1 1
3

x x
y y
| || | | |
=
| | |

\ \ \
1 2
3
4 1
x y x
x y y
+ =

2 3
4 3
%ecte&rs propres associs ( la vale&r propre 3 :
*

| |
=
|
\
1
1

p
V
GI Mathmatiques
4. Applications linaires
4.3 %ale&rs propres vecte&rs propres
20.
recherche des vecte&rs propres
ij
| |
=
|

\
1 2
4 1
F
2. ,echerche des vecteurs propres
1 vecte&rs propres associs ( la vale&r propre
2
' ! :
2 p
V

y x = 2 .
2 2
3
p p
F V V =

x x
y y
| || | | |
=
| | |

\ \ \
1 2
3
4 1
x y x
x y y
+ =

2 3
4 3
%ecte&rs propres associs ( la vale&r propre +3 :
*

| |
=
|

\
2
1

p
V
GI Mathmatiques
4. Applications linaires
4.4 Diagonalisation d&ne matrice carre
"i dans &n espace de dimension n &n endomorphisme f poss0de
n #aleurs propres relles $istinctes alors :
21.
2 cha-&e vale&r propre correspond &n gro&pe de vecte&rs propres colinaires.
On pe&t choisir un #ecteur propre reprsentant chaque %roupe.
&a liste $e ces n #ecteurs propres est une 'ase $e l(espace )
une * 'ase propre + * V
p
+ $e f.
On pe&t envisager &n changement de base po&r crire F dans sa base propre.
&a matrice F
Vp
= P
!1
.F
ij
.P est $ia%onale
et compose $e ses #aleurs propres.
GI Mathmatiques
4. Applications linaires
4.4 Diagonalisation d&ne matrice carre
exemple
22.
ij
| |
=
|

\
1 2
4 1
F

1
' 3 :

| |
=
|
\
1
1
1

p
V

2
' +3 :

| |
=
|

\
2
1
2

p
V
choix :
choix :
1
1
1
V
| |
=
|
\

2
1
2
V
| |
=
|

base propre :
( )
, =
1 2

p
V V V
GI Mathmatiques
4. Applications linaires
4.4 Diagonalisation d&ne matrice carre
matrices de passage
22.
ij

| || || |
= = =
| | |

\ \ \
1
2 1 1 2 1 1
1
1 1 4 1 1 2 3
p
V
F P F P
de V
p
vers ij :
1 1
1 2
P
| |
=
|

\
de ij vers V
p
:
1
2 1
1
1 1 3
P

| |
=
|

\
matrice de f dans sa base propre :
2 1 3 3
1
1 1 3 " 3

| || |
| |

\ \
2 1 1 1
1 1 1 2

| || |
= =
| |

\ \
3 )
) 3
| |
|

\
3a matrice F est diagonalise
4lle est constit&e des #aleurs propres