Cours de Mathématiques IUT Orsay DUT INFORMATIQUE 1A
Transcription
Cours de Mathématiques IUT Orsay DUT INFORMATIQUE 1A
Partie VII : Matrices A. Généralités Définitions Matrices Particulières Égalité de deux matrices Transposée d’une matrice B. Opérations sur les matrices Addition de deux matrices Multiplication d’une matrice par un réel λ Multiplication de deux matrices C. Matrices et systèmes linéaires D. Matrice et application linéaire associée E. Matrices carrées Généralités Matrices inversibles F. Déterminant Déterminant d’une matrice de taille 2,2 Déterminant d’une matrice 3,3 : formule récursive Déterminant d’une matrice n, n : formule récursive Comatrice, déterminants et inversion de matrice Cours de Mathématiques IUT Orsay DUT INFORMATIQUE 1A - Semestre 1 2012-2013 I Introduction II Wims III Calcul ensembliste IV Relations binaires, applications V Logique VI Raisonnements par récurrence, suites récurrentes VII Calcul matriciel VIII Résolution de systèmes d’équations linéaires A. Généralités A. 1. Définitions Quelques applications du calcul matriciel � 95/154 Une matrice réelle est un tableau dont les éléments (ou les coefficients) sont des réels. Opérations sur les relations binaires (matrice d’adjacence d’une relation) � Suites récurrentes doubles ... � Outil de l’algèbre linéaire � Résolution de systèmes linéaires � Représentation de transformations géométriques � Infographie, robotique Si n est le nombre de lignes et p le nombre de colonnes de ce tableau, on dit que la matrice est une matrice (de taille) n, p et on note Mn,p l’ensemble des matrices réelles, de taille n, p. Les coefficients de la matrice sont les réels aij = (A)ij � le premier indice i est l’indice de ligne � le deuxième indice j est l’indice de colonne. Une matrice n lignes, p colonnes comporte np coefficients. 96/154 Écritures d’une matrice n, p a11 a12 . . . a1n a21 a22 . . . a2n A= . .. .. .. . ... . an1 an2 . . . ann 97/154 Cas particuliers . . . a1p . . . a2p . . . . .. • Si n = p, on dit que la matrice est carrée et on note Mn l’ensemble Mn,n des matrices carrées de taille n, n. Exemple . . . anp I2 = ou A = (aij )1≤i≤n,1≤j≤p ou A= A = (aij )ij lorsqu’il n’y a pas de confusion possible. 98/154 � � 1 0 0 1 a11 a12 a21 a22 � � ∈ M2 ∈ M2 1 I3 = 0 0 a11 A = a21 a31 0 0 1 0 ∈ M 3 0 1 a12 a13 a22 a23 ∈ M3 a32 a33 99/154 • Si n = 1, on dit que l’on a une matrice ligne. A. 2. Matrices Particulières Exemple � 2 −7 � � 5 ∈ M1,4 1 3 • Si p = 1, on dit que l’on a une matrice colonne. Exemple 2 −7 1 ∈ M4,1 3 5 � � x1 X = ∈ M2,1 x2 On identifie � � Rn = Mn,1 Matrices diagonales aij = 0 si i �= j a1 0 A= .. . 0 0 .. . .. . ··· ··· .. . .. . 0 0 .. . 0 ··· 0 ··· 0 0 ··· an 0 · · · 0 0 = Diag(a1 , · · · , an ) ∈ Mn,p 0 0 Matrices triangulaires supérieures aij = 0 si i > j a11 a12 · · · · · · · · · a1p .. .. .. 0 . . ··· ··· . ∈ Mn,p A= .. . . . . . . . · · · · · · an−1p 0 ··· 0 ann · · · anp Matrices triangulaires inférieures aij = 0 si i < j 100/154 A. 3. Égalité de deux matrices 101/154 A. 4. Transposée d’une matrice Définition Définition Soit A = (aij )ij une matrice de taille n, p. La matrice transposée de A, notée t A = (aij� )ij , est la matrice de taille p, n avec Deux matrices A et B sont égales si elles sont de même taille et si pour tout (i, j), on a aij = bij . ∀(i, j) ∈ {1, . . . , n} × {1, . . . , p}, Exemple � 1 5 1 0 1 1 � � � 1 ··· �� n � 1 1 1 1 1 1 �= � � �= Ainsi la première colonne de A donne la première ligne de t A ... � 1 5 1 0 1 0 � � � 1 = 1 ··· � � �� m 1 1 1 1 1 � � Exemple � ⇔ aij� = aji A= n=m � 1 2 1 4 −6 0 � ∈ M2,3 1 4 t A = 2 −6 ∈ M3,2 1 0 Théorème t t ( A) = A 102/154 B. Opérations sur les matrices 103/154 B. 2. Multiplication d’une matrice par un réel λ B. 1. Addition de deux matrices Définition A = (aij )ij et B = (bij )ij sont deux matrices de même taille n, p. La matrice λA, produit de A ∈ Mn,p par le réel λ est la matrice Définition La matrice somme de A et de B est la matrice λA = (λaij )ij ∈ Mn,p . A+B = (aij + bij )ij ∈ Mn,p Exemple Exemple � 0 3 λ = −1 permet de définir l’opposée de A : −A = (−1)A � 1 2 1 5 −2 2 2 1 5 −3 1 + 2 6 3 −1 2 −3 2 −2 + 0 5 2 7 = 2 2 4 5 0 0 1 0 1 1 −1 0 1 1 0 0 104/154 � � � 1 0 1 6 � = �1 2 1 2 La soustraction de deux matrices A et B de même taille est alors définie par A−B = A + (−B) 105/154 Propriétés B. 3. Multiplication de deux matrices Définition A, B, C sont trois matrices de même taille n, p. λ et µ sont deux réels. � � � � � � � � Soit A = (aij )ij une matrice de taille n, p et B = (bij )ij une matrice de taille p, m. On appelle produit de A par B la matrice C = AB = (cij )ij de taille n, m dont les coefficients sont donnés par : A + B = B + A → addition commutative (A + B) + C = A + (B + C) = A + B + C → addition associative ∀(i, j) ∈ {1, . . . , n} × {1, . . . , m} A + 0np = 0np + A = A → 0np est l’élément neutre de Mn,p pour l’addition cij = A − A = A + (−A) = Onp → −A est l’opposée de A p � k =1 −(−A) = A aik bkj = ai1 b1j + · · · + aip bpj Remarques λ(A + B) = λA + λB (λµ)A = λ(µA) � cij est le produit scalaire Li (A).Cj (B). (λ + µ)A = λA + µA � Le produit AB n’est possible que si le nombre de colonnes de A est égal au nombre de lignes de B. En particulier, la situation où AB est possible et BA impossible est fréquente. 106/154 Exemple Exemple 1 1 2 A = 0 1 −1 ∈ M3,3 1 2 0 � 107/154 2 1 B = 0 0 ∈ M3,2 2 −3 Si A = (aij )ij ∈ Mn,p Le produit AB est défini car le nombre de colonnes de A est égal au nombre de lignes de B. On a AB ∈ M3,2 et � Le produit AX est défini, AX ∈ Mn,1 = Rn et x1 � p a11 . . . . . . . . . a1p . k =1 a1k xk . .. .. .. .. . = .. AX = ... . . . . . . �p .. an1 . . . . . . . . . anp a x k =1 nk k xp � Le produit XA n’est pas défini. 2+0+4 1+0−6 6 −5 AB = 0 + 0 − 2 0 + 0 + 3 = −2 3 2+0+0 1+0+0 2 1 � Le produit BA n’est pas défini car le nombre de colonnes de B est différent du nombre de lignes de A. x1 .. . p et X = .. ∈ Mp,1 = R alors . xp 108/154 Remarque Propriétés Attention ! Si les produits AB et BA sont possibles, en général AB �= BA : Exemple � A= � 1 1 0 1 � et B = AB = � � � 2 1 0 0 2 1 0 0 � � �= BA = � � 1 1 2 1 0 A = 0 1 et B = 0 −1 1 −1 2 � 2 3 0 0 109/154 Soient (A, A� ) ∈ (Mn,p )2 , (B, B � ) ∈ (Mp,m )2 , C ∈ Mm,r et λ ∈ R � � A(B + B � ) = AB + AB � → multiplication distributive à gauche par rapport à l’addition. � (A + A� )B = AB + A� B → multiplication distributive à droite par rapport à l’addition. � (AB)C = A(BC) = ABC → multiplication associative. � A(λB) = λ(AB) Propriétés de la transposée � t (A � � 2 0 1 2 3 AB = 0 −1 1 �= BA = −1 1 −2 −3 2 110/154 + A� ) = t A + t A� � t (λA) = λt A � t (AB) = t Bt A 111/154 C. Matrices et systèmes linéaires � � Diviseurs de zéro � Il existe des matrices A et B, non nulles, avec c’est déterminer S = {X ∈ Rp ; AX = B}, l’ensemble des solutions du système linéaire de n équations à p inconnues suivant : a11 x1 + a12 x2 + . . . + a1p xp = b1 .. (S) . an1 x1 + an2 x2 + . . . + anp xp = bn x1 b1 .. . .. et B = où X = . .. . bn xp De telles matrices s’appellent des diviseurs de zéro. Elément neutre pour la multiplication dans Mn 1 ... 0 In = ... . . . ... ∈ Mn 0 ... 1 Propriété : ∀A ∈ Mn , Résoudre l’équation matricielle AX = B AB = 0 � Données : A = (aij ) ∈ Mn,p et B ∈ Rn . AIn = In A = A 112/154 113/154 D. Matrice et application linéaire associée Théorème Soit (S0 ) : AX = 0 un système linéaire homogène. � � 2 ∀(X , X ) ∈ S0 , ∀(α, α ) ∈ R , � Définition Soit A = (aij )ij ∈ Mn,p et l’application associée à A définie par : � αX + α X ∈ S0 Rp x1 . fA : . X = . xp Théorème Soit (S) : AX = B un système linéaire et (S0 ) : AX = 0n le système linéaire homogène associé à (S). � � L’ensemble S0 des solutions de (S0 ) n’est pas vide car 0p ∈ S0 . −→ Rn −→ fA (X ) = AX Propriétés de fA Si (S) admet une solution notée Z , alors l’ensemble S des solutions de (S) est égal à � � S = {X0 + Z ; X0 ∈ S0 } ∀(X , X � ) ∈ (Rp )2 , ∀X ∈ Rp , ∀λ ∈ R, fA (X + X � ) = fA (X ) + fA (X � ) fA (λX ) = λfA (X ) On dit que fA est linéaire. 114/154 115/154 E. Matrices carrées Propriétés E. 1. Généralités � � � ∀(A, B) ∈ Mn,p )2 , Définition fA = fB ⇔ A = B ∀(A, B) ∈ Mn,p )2 , ∀λ ∈ R, fA+B = fA + fB et fλA = λfA � Une matrice est carrée, de taille n si elle a n lignes et n colonnes. Elle possède n2 coefficients. On note Mn l’ensemble Mn,n des matrices carrées de taille n, n. � A ∈ Mn est symétrique si t A = A ∀A ∈ Mn,p et ∀B ∈ Mp,m , AB ∈ Mn,m et fA ◦ fB = fAB � En effet : fA ◦ fB : Rm −→ Rn et est définie par � x1 X = ... −→ fA ◦ fB (X ) = fA (fB (X )) = A(BX ) = (AB)X xm A ∈ Mn est antisymétrique si t A = −A A ∈ Mn est orthogonale si A(t A) = (t A)A = In Théorème ∀A ∈ Mn , fA = IdRn ⇔ A = In Théorème 116/154 Si A ∈ Mn est antisymétrique, alors ∀i ∈ {1, . . . , n}, aii = 0. 117/154 E. 2. Matrices inversibles Théorème � La somme de deux matrices symétriques de Mn est symétrique � Le produit d’une matrice symétrique de Mn par un réel est symétrique � Le produit de deux matrices symétriques de Mn n’est en général pas symétrique � La somme de deux matrices antisymétriques de Mn est antisymétrique � Le produit d’une matrice antisymétrique de Mn par un réel est antisymétrique � Le produit de deux matrices antisymétriques de Mn n’est en général pas antisymétrique Définition Une matrice A ∈ Mn est inversible si ∃B ∈ Mn ; BA = AB = In Théorème et définition Si A est inversible, la matrice B est unique. La matrice B est alors appelée matrice inverse de A Elle est notée B = A−1 Théorème Si A et B sont deux matrices carrées inversibles de taille n, alors AB est inversible et (AB)−1 = B −1 A−1 . 118/154 Inversibilité d’une matrice et application linéaire associée Exemple � � 1 0 1 Montrer que la matrice A = 0 1 0 est inversible et 1 0 0 calculer son inverse. � � a b Soit A = . Vérifier que si ad − bc �= 0, alors A est c d inversible et � � 1 d −b A−1 = ad − bc −c a � Matrices diagonales � Matrices triangulaires � Matrices orthogonales 119/154 A ∈ Mn Théorème fA−1 Résumé � −→ AX Rn y1 . : . Y = . yn −→ Rn −→ A−1 Y 121/154 Problèmes posés A ∈ Mn � −→ Rn A inversible si et seulement si l’application fA est bijective. Si A est inversible, l’application récoproque de fA est fA−1 = fA−1 : 120/154 Théorème Rn x1 . et fA : . X = . xn Rn x1 . et fA : . X = . xn −→ Rn � −→ AX Avoir des critères simples pour savoir si une matrice carrée est inversible ou pas −→ Calcul de déterminant A est inversible ⇐⇒ fA est bijective ⇐⇒ ∀Y ∈ Rn , le système AX = Y a une solution unique. � Calculer l’inverse d’un matrice carrée −→ Résolution de système linéaire −→ Algorithme de Gauss Si A est inversible, AX = Y ⇐⇒ X = A−1 Y −→ Calcul de A−1 en résolvant le système AX = Y . 122/154 123/154 F. Déterminant Propriétés du déterminant d’une matrice 2,2 F. 1. Déterminant d’une matrice de taille 2,2 Définition � Si A = ∀(A, B) ∈ (M2 )2 , ∀λ ∈ R � a11 a12 , le déterminant de A est a21 a22 � � �a a12 �� det(A) = �� 11 = a11 a22 − a12 a21 a21 a22 � � det(AB) = det(A) det(B) = det(BA) � det(λA) = λ2 det(A) � � Exemple � � � � � 1 3� � = 1 × 5 − (−2) × 3 = 11 det(A) = �� −2 5� � � � 1 1� �=0 det(A) = �� 2 2� det A = det(t A) A est inversible si et seulement si det(A) �= 0 et dans le cas où A est inversible, � � det A−1 = 1 det(A) 124/154 F. 2. Déterminant d’une matrice 3,3 : formule récursive � Soient A = (aij )ij ∈ M3 Mineurs de A : sous-matrices Akl ∈ M2 obtenues à partir de A en supprimant la ligne k et la colonne l Exemple et � � � � 1 3 −1 5 0 1 3 A = −2 5 0 A11 = A23 = 9 −4 8 9 8 9 −4 Une matrice de taille 3,3 a 9 mineurs � pour i = 1, 2, 3 Dj� = a1j C1j + a2j C2j + a3j C3j , pour j = 1, 2, 3 det(A) = D1 = D2 = D3 = D1� = D2� = D3� En pratique : on choisit une ligne ou une colonne Cofacteurs de A : Ckl = (−1)k +l det(Akl ) • Développement suivant la i e ligne → det(A) = Di • Développement suivant la j e colonne → det(A) = Dj� C11 = −20 C23 = −(−15) = 15 Une matrice de taille 3,3 a 9 cofacteurs. Comatrice de A : Aco = (Ckl )kl ∈ M3 est la matrice des cofacteurs. Di = ai1 Ci1 + ai2 Ci2 + ai3 Ci3 , Théorème et définition Exemple � 125/154 126/154 127/154 Règle de Sarrus et propriétés Exemple 1 3 1 A = −2 5 0 8 9 −4 Règle de Sarrus Calcul par développement suivant L2 det(A) = x1 y2 z3 + x2 y3 z1 + x3 y1 z2 − (x1 y3 z2 + x2 y1 z3 + x3 y2 z1 ) det(A) = D2� = a21 C � 21 + a22 C22 � + a23�C23 �3 1 � � � 3 4 � + 5(−1) �1 1 � + 0 = −2(−1) �� � � 9 −4 8 −4� = 2 × (−21) + 5 × (−12) = −102 Propriétés ∀(A, B) ∈ (M3 )2 , ∀λ ∈ R Calcul par développement suivant C3 det(A) = a13 C � 13 + a23 C23 � + a33�C33 �−2 5� � 1 3� 4 6 � � � = +1(−1) � − 4(−1) �� 8 9� −2 5� = −102 x1 y1 z1 A = x2 y2 z2 x3 y3 z3 D3�� = 128/154 � det(AB) = det(A) det(B) = det(BA) � det(λA) = λ3 det(A) � det A = det(t A) � A est inversible si et seulement si det(A) �= 0 � � et dans le cas où A est inversible, det A−1 = 1 det(A) 129/154 F. 3. Déterminant d’une matrice n, n : formule récursive � � � Exemples A = (aij ) ∈ Mn Mineurs de A : sous-matrices Akl ∈ Mn−1 obtenues à partir de A en supprimant la ligne k et la colonne l Une matrice n, n a n2 mineurs Cofacteurs de A : Ckl = (−1)k +l det(Akl ) Une matrice n, n a n2 cofacteurs. Comatrice de A : Aco = (Ckl )kl ∈ Mn est la matrice des cofacteurs. � Matrices diagonales Si A = Diag(a1 , · · · , an ), alors det(A) = a1 × · · · × an = Πni=1 ai . � Matrices triangulaires Si A = (aij )ij ∈ Mn est triangulaire, alors det(A) = a11 × · · · × ann = Πni=1 aii Soit Di = ai1 Ci1 + · · · + ain Cin pour i = 1, · · · , n et Dj� = a1j C1j + · · · + anj Cnj pour j = 1, · · · , n. Théorème et définition det(A) = D1 = · · · = Dn = D1� = · · · = Dn� En pratique : on choisit une ligne ou une colonne Choisir une ligne ou une colonne avec un maximum de 0 ! 130/154 Propriétés du déterminant 131/154 � Soit A1 la matrice obtenue à partir de A en multipliant une ligne de A par un réel λ det(A1 ) = λ det(A) ∀(A, B) ∈ (Mn )2 , ∀λ ∈ R � det(AB) = det(A) det(B) = det(BA) � det(C1 , · · · , λCi , · · · , Cn ) = λ det(C1 , · · · , Ci , · · · , Cn ) � det(λA) = λn det(A) � � � Soit A2 la matrice obtenue à partir de A en échangeant les lignes i et j de A (i �= j) det(A2 ) = − det(A) det A = det(t A) � A est inversible si et seulement si det(A) �= 0 Soit A3 la matrice obtenue à partir de A en ajoutant à la ligne i de A λ fois la ligne j de A (i �= j) det(A3 ) = det(A) � 132/154 F. 4. Comatrice, déterminants et inversion de matrice Théorème A est inversible si et seulement si det(A) �= 0 et A−1 = 1 t co A det(A) où Aco , comatrice de A est la matrice des cofacteurs. Aco = (Cij )ij , Cij = (−1)i+j det(Aij ) → très bon critère d’inversibilité → ok si le calcul explicite de A−1 n’est pas trop lourd Remarque : At Aco =t Aco A = det(A)In 134/154 Si deux lignes de A sont égales, alors det(A) = 0. 133/154