Younes BAHRI



Calcul matriciel

1 Principales définitions et notations

1.1 Vecteurs
Dans cette leçon K désigne le corps des nombres réel, R ou le corps des
nombres complexes, C.
Soit f(ei)06i6n−1g une base de Kn. Un vecteur X de Kn s'écrit sous la forme
0 1
x0
B C
B x1 C
X=B
C= x0 e0 + x1 e1; : : : ; xn−1 en−1.
@

A
xn−1

* X t=(x0; x1; : : : xn−1) et s'appelle transposé de X.

0 1
x0
B C
 B x1 C
*X=B
C et s'appelle conjugué de X.
@

A
xn−1

*X *=X t=(x0; x1; : : : xn−1) et s'appelle transconjugué de X.

1.2 Matrices
L'ensemble des matrices d'ordre n  m se note Mn;m(K ).
On se limite dans ce chapitre à étudier les matrcies carrées de Mn;n(K ):=Mn(K ).
*Dans Mn(K ) une matrice An:=A se note (ai;j )16i;j6n.
* A = (ai;j )16i;j 6n et s'appelle conjuguée de A.
*At = (aj ;i)16i;j6n et s'appelle transposée de A.

*A* = At = (aj;i)16i;j 6n et s'appelle transconjuguée de A.

*Une matrice A2 Mn(ℝ) est dite symetrique si et seullement si A=At.
*Une matrice A2 Mn(ℂ) est dite hermitienne si et seullement si A=A*.
*Une matrice A2 Mn(ℝ) est dite orthogonale, si elle vérifie:
AAt = AtA = I ( I désigne la matrice identité ou matrice unitée).

* Une matrice A2 Mn(ℂ) est dite unitaire, si elle vérifie: A* A=AA* =I.

1
1.3 Produit scalaire et produit hermitien

1.3.1 Definition

1] Soient X,Y 2 Rn et A 2 Mn(ℝ). On appelle produit scalaire de Xet Y,

Pi=n−1
le nombre réel noté <X ; Y > =<Y ; X > = i=0 yixi =Y tX=X tY, vérifiant
8
< <X, Y > =. < X, Y > .
:
< X, l Y > = . < X, Y > .

2] Soient X,Y 2 Cn et A 2 Mn(ℂ). On appelle produit hermitien de Xet Y,

Pi=n−1
le nombre complexe noté <X ; Y > =<Y ; X > = i=0 yixi=Y * X, vérifiant
8
>
< <X, Y > =. < X, Y > .
>  . < X, Y > .
: < X, l Y > = 

1.3.2 Propriétés du produit scalaire et du produit hermitien

1) 8X ; Y 2 Rn , 8 A2 Mn(R) on a:
<AX, Y > =<X, AtY >.
2) 8X ; Y 2 Cn , 8 A2 Mn(ℂ) on a:
<AX, Y > =<X, A* Y >.

1.4 Norme euclidienne

1.4.1 Définition

1] On définit la norme euclidienne (Norme 2) dans Rn par:

p P n-1 1 Pi = n - 1 2 1
kX k = <X ; X > =( ii =
=0 xi.xi) 2 =(
i=0 xi ) 2 .
2

2] On définit la norme euclidienne (Norme 2) dans Cn) par:

p Pi = n - 1 1 Pi = n - 1 1
kX k = <X ; X > =( i=0 xi:xi) 2 =( i=0 |xi| 2) 2 .
2

1.5 Matrices définies positives

Soit A2 Mn(𝕂) une matrice symétrique (ou hermitienne).
Alors A est dite définie positive, si elle vérifie les deux propriétés suivantes:
8
< 1) 8X 2 Kn, < AX, X > 0 .
:
2) < AX, X > =0 ()X = 0.

2
2 Diagonalisation des matrices carrées

2.1 Valeurs propres et vecteurs propres des matrices carrées

2.1.1 Définition

Soit A2Mn(𝕂). Alors  2 K est appelée valeur propre de A, si elle est racine du po^lynome
caractéristique :
PA(x)=det(A − I) = (−1)n:det(I − A):

2.1.2 Propriétes

Soient A2 Mn(𝕂) et 2K une valeur propre de A: Alors on a

i) la matrice :I − A est non inversible.
ii) Il existe un vecteur X de Kn non nul tel que A:X = :X.
Un tel vecteur s'appelle vecteur propre de A associé à la valeur propre .

2.1.3 Proposition

1) Soit A2 Mn(R) une matrice symétrique, alors il existe une matrice orthogonale
O 2 Mn(ℝ)telle que D=O tAO soit diagonale réelle. de plus si A est définie positive, alors
la diagonalede D est strictement positive.
2) Soit A2 Mn(ℂ) une matrice hermitienne, alors il existe une matrice unitaire
U 2 Mn(ℂ) telle que D=U *AU soit diagonale réelle. de plus si A est définie positive, alors
la diagonale de D est strictement positive.

2.1.4 Corollaire

Soit A2 Mn(R) une matrice symétrique, alors A est définie positive si et seulement si
toutes ses valeurs propres sont strictement positives.

2.1.5 Théorème (Théorème de Sylvester)

Soit A2 Mn(R) une matrice symétrique, alors A est définie positive si et seulement si tous
ses sous-déterminants principaux sont srtictement positifs.

Exemple
0 1
4 1 1
Montrer que la matrice A =B
@ 1 4
C
1 A est définie posifive.
1 1 4

3
Réponse

1) A est symètrique:
 
   
 4 4 1 1 
1   
2) a) Le coin supérieur gauche de A est 4 > 0; b ) 
 1 4
= 15 > 0; c ) 1

4 1  = 54 > 0.

1 1 4 

Donc la matrice A est définie positive.

2.1.6 Définition

Soient A2 Mn(𝕂) et  2 K une valeur propre de A. Alors

1] la multiplicité de  est égale à sa multiplicité en tant que valeur propre de A:
2] L'ensemble des valeurs propres de A s'appelle spectre de A et se note spec(A) ou (A):
3] L'ensemble Ker(A − I) = Ker(I − A) s'appelle sous-espace propre associé à .
4] Le rayon spectrale de la matrice A2 Mn(𝕂) est le nombre M axi=ni=1 (jij). C' est le
maximum des valeurs propres de A en valeur absolue ou/et en module.

2.2 Matrices diagonalisables

2.2.1 Définition

Une matrice A2 Mn(𝕂) est dite diagonalisable, si elle est semblable à un matrice diagonale
c'est à dire il existe une matrice diagonale D et une matrice inversible P 2 Mn(𝕂) telles
que D = P −1AP.

2.2.2 propriétés

Une matrice A2 Mn(𝕂) est diagonalisable, si et seulement si on peut trouver une base de
de Kn formée de vecteurs propres de A:

2.2.3 Proposition

Une matrice A 2 Mn(𝕂) est diagonalisable, si et seulement si toutes ses valeurs propres
sont dans K et la dimension du sous-espace propres associé à chaque valeur propre soit
égale à la multiplicité de cette valeur propre.

2.2.4 Conséquence

Une matrice qui n'a que des valeurs propres simples est diagonalisable.

2.2.5 Remarques
Pi=n Pi=n
1] i=1 i = i=1 aii (la somme des valeurs propres de A comptées avec leurs muliplicités
est égale à la trace de la matrice A ).
Q i=n
2] i=1 i = det(A) (le produit des valeurs propres de A comptées avec leurs muliplicités
est égale au déterminant de la matrice A.
3] a) Pour n = 2, PA(x)=x2 − trace(A)x + det(A).

4
 b) Pour n = 3, PA(x)=x3 − trace(A)x2 + x −det(A).
Avec  est la somme des mineurs principaux d'ordre 2.
c'est la somme des sous déterminants d'ordre deux extraits du detérminant de la matrice A
en éliminant les lignes et les colonnes de me^mes indices.
3] Les colonnes de la matrice P sont les vecteurs propres associés aux valeurs propres. Ses
vecteurs propres forment une base lorsque la matrice A est diagonalisable.
Exemple1
 
a) Déterminer le po^lynome caracterisique et le spectre de la matrice A = 2
1
2
3

b) Montrer que A est diagonalsable et déterminer sa forme diagonale.

Réponse
a)1)On a trace de A =2+3=5 et det(A)=4. Donc PA(x)=x2 − 5x + 4.
2) Les valeurs propres sont 1=1 et 2=4.
b) Les valeurs propres de A sont simples donc A est diagonalisable.
  
x x + 2y = 0
i) Les vecteurs propres de la matrice A; U y
associés à 1=1 vérifient x + 2y = 0
=)
   
−2y −2
x = −2y . Donc ils sont de la forme : U = y
= y: 1
avec y =
/ 0:
  
x −2x + 2y = 0
ii) les vecteurs propres de la matrice A; V y
associés à 2=4 vérifient −x + y = 0
=)
   
y 1
x = y . Donc ils sont de la forme : V = y
= y: 1
avec y =
/ 0:
   
−2 1 −1 1 −1
iii) On a P = 1 1
et P −1= 3 −1 − 2
: Donc la forme diagale de A est
 
1 0
D=P −1AP = 0 4
.
Exemple2
0 1
5 1 −1
B
Me^mes questions pour la matrice B =@ 2 4 − 2 C
A:
1 −1 3

Réponse

a)1)On a trace de B =5+4+3=12, det(B)=48 et

     
   − 1   5 1 
 =  4−1 −32  + 51 +
3  2 4
=10+16+18=44.

Donc PA(x)=x3 − 12x2 + 44x −48.

2) Le spectre de B est f1 = 2; 2 = 4; 3 = 6g.
b) Les valeurs propres de A sont simples donc A est diagonalisable.

0 1 8 0 1
x >
< 3x + y − z = 0 0
B C B C
i) Les vecteurs propres, U@ y A associés à 1=2 vérifient >
2x − 2z = 0 =) U = :@ 1 A;
z : x−y+z=0 1
( =
/ 0):

5
 01 8 0 1
x >
< x+y −z=0 1
B B C
ii) Les vecteurs propres, V@ y C
A associés à 2=4 vérifient >
2x − 2y − 2z = 0 =) V = :@ 0 A;
z : x− y −z =0 1
( =
/ 0):
01 8 0 1
x >
< −x + y − z = 0 1
iii) Les vecteurs propres, WB C
@ y A associés à 3=2 vérifient >
2x − 2z = 0 =) W = :B C
@ 1 A;
z : x − y − 3z = 0 0
( =
/ 0):
0 1 0 1
0 1 1 1B −1 1 1 C
Donc P =B
@ 1 0
C
1 A et P −1 = 2
@ 1 − 1 1 A. Donc la forme diagale de B est
1 1 0 1 1 −1
0 1
2 0 0
D = P −1BP = B
@ 0 4
C
0 A:
0 0 6