Beruflich Dokumente
Kultur Dokumente
Une reprsenta
Bibliothque
Tang
L'caventure nte&t:h?ne&t:ique
Tangente Hors-srie n 44
Les matrices
DiTiONS
POLE
ditions POLE - Paris - Aot 2012 -
Toute reprsentation, traduction, adaptation ou reproduction, mme partielle, par tout procd, sur
quelque support que ce soit, en tout pays, faites sans autorisation pralable, est illicite et exposerait
le contrevenant des poursuites judiciaires (loi du 1] mars 1957).
ISBN:
ProchaineJ Dent
dans la Bibliothq ue Tangente
~r r, ,rrrrrr r ~
~DITIONS.
POLE
les Matrices
Sommaire
Matrix
L'histoire des matrices
DOSSIER
Systmes linaires et
transformations gomtriques
~Xti1i:J,I
Rduction de matrices
lXf}1iM;I
Que l'on soit ou non mathmaticien, les matrices nous environnent. La plante Neptune a d 'abord t dcouverte sur
le papier, grce un proto-calcul matriciel, avant d'tre effectivement observe. L'conomie, l'actuariat et la finance sont
friandes de matrices. L'lectronique, l'informatique et toutes
les sciences ne peuvent s'en passer. Il est temps d'apprendre
reconnatre ces objets !
Agrandir les images sans perdre en qualit
Partout en physique, des matrices
La trilatration
Les matrices actuarielles
Les tableaux entres - sorties en conomie
Matrices lmentaires en conomie
Matrices et codes secrets
Les hommes prfrent les grosses ... matrices
Calculs matriciels en statistique multivarie
Les matrices d'Hadamard
Problmes de go-matrices
l Xf}1 iM;I
ar Bertrand Hauchecorne
EN BREF
De l'utrus
la matrice
Du conducteur
au uecteur
Les Romains possdaient dj le mot vector. Issu
du verbe vehere signifiant transporter , il dsignait aussi bien le passager que le conducteur d'un
bateau ou d'un chariot. Les mots franais vhicule , voiture mais aussi invective proviennent
de cette mme racine latine.
Au Moyen ge et jusqu' la Renaissance , le vecteur est le conducteur d'un bateau ou d'un vhicule,
mais ce mot tombe alors en dsutude. Il est repris
au milieu du XVIIIe sicle par les astronomes sous
forme d'adjectif. Ainsi, le tourbillon vecteur dsigne
le mouvement d'une plante et le rayon vecteur
joint le centre du soleil un point de l'orbite .
En 1844 , William Hamilton reprend ce mot pour
dsigner le vecteur (au sens actuel) joignant deux
points . La formalisation des espaces vectoriels
arrive la fin du XIXe sicle avec Peano. Un vecteur devient un lment de cette structure nouvelle.
Ver 1900, vecteur apparat paralllement en
mdecine. Prenant un sens figur du mot latin, il
dsigne les agents infectieux qui transmettent une
maladie. On a pu entendre
il y a peu que les oiseaux
migrateurs sont le vecteur
de la grippe aviaire .
in a previous paper defined a Matrix as a rectangular array of terms, out of which differenl
systems of determinants may be engendered, as
from the womb of a common parent" ( J'ai dfini
dans un prcdent article une matrice comme un
tableau rectangulaire de termes , duquel peuvent tre
engendrs diffrents systmes de dterminants
comme sortis du ventre de la mme mre ).
PASSERELLES
Discrtisations et quations
dijfrentielles se traduisent gnralement
par des manipulations de matrices.
De morphe Platon
Cette rfrence expl icite au sommeil
nous renvoie la question : qu ' est ce
qui diffrentie un rve de la ralit ?
Comment notre cerveau s'y prend-il
pour produire nos rves et dconnecter
nos muscles ?
The Matrix est donc matriciel en diable.
li tisse galement plusieurs autres
thmes philosophiques ou scientifiques.
Par exemp le, celui des grandes
simu lations numriques, ou encore
celui du mythe de la caverne de Platon.
PASSERELLES
Matrix
De l'autre ct du miroir
Rfrences
J.J.D.
EN BREF
Hlgebre
li , .
matrices rudimentaires
Le mot linaire
est l'adjectif associ ligne , souse n tendu ligne
droite . Les lignes
droites sont en effet
les sous-ensembles
privilgis des
espaces vectoriels.
Le mot algbre , quant lui, provient
du titre d'un ouvrage d 'al-Khwarizmi,
dans lequel le savant arabe du IX0 sicle
rsout les quations de degr 2. On lui
doit galement un ouvrage, De numero
lndorum , dans lequel il explique le
maniement des chiffres dits arabes
inconnus en Occident ) 'poque et la
numration de position qui permet
d'avoir des algorithmes simples pour
effectuer des oprations. Lors de l'adoption de cette numration en Occident
vers le XYI0 sicle, l'tude et le maniement des nombres entiers s'appelle
toujours arithmtique alors que l' algbre dsigne sa gnralisation aux
nombres ngatifs , l'introduction de
paramtres. Les nouveaux ensembles
de nombres , les complexes, les quaternions et les espaces multidimensionnels, entrent de fait dans le domaine
de )'a lgbre . Aussi parle-t-on aussi
d'algbre linaire ...
a,.;),.,_
matrice rectangulaire).
Dans le cas o n = 1, M est une matrice ligne. Dans le cas
o p = 1 , M est une matrice colonne. Dans le cas trs particulier o n = p = l , M peut tre assimile un scalaire .
Les matrices les plus utilises en mathmatiques sont les
matrices carres (n p). Les n lments a;,; situs sur la diagonale principale sont appels, justement, les lments diagonaux (les autres tant les lments extra-diagonaux).
Si tous les lments extra-diagonaux de M sont nuls, la matrice
est dite diagonale. C'est le cas particulier de la matrice nulle,
dont tous les lments aij sont gaux zro, ou de la matrice
identit, dont les lments diagonaux sont tous gaux 1 (et
tous les autres sont nuls).
Enfin, l' utilisation des matrices pour la rsolution des systmes
linaires fait intervenir des matrices carres dont tous les lments situs strictement sous la diagonale principale sont
nuls. Ces matrices sont appeles matrices triangulaires suprieures. Plus prcisment, une matrice M est triangulaire
suprieure si ses coefficients vrifient aij = 0 ds que i <j.
0 0 0
1 0
0 0 0
0 0 0
0 0
La matrice nulle.
La matrice identit.
1 0
1
Gn
2
HISTOIRES
'
La gense de la thorie des matrices est confuse, et passe par
la Grande-Bretagne, par la France, l'Allemagne, et mme ... la
Chine ! De simples outils permettant de simplifier les
notations, les matrices deviennent ensuite un outil
incontournable pour l'algbre linaire.
'
10
William Hamilton
Bien que connu pour ses travaux en mathmatiques et en physique, Sir William Rowan
Hamilton (1805-1865) est avant tout un ...
astronome. D'une prcocit stupfiante, on
dit qu' 5 ans, il lisait dj le latin, le grec et
l'hbreu. Il quitte son Irlande natale en 1823
pour aller tudier au Trinity College de
Cambridge. Il obtient 22 ans le poste trs
pris d'astronome royal d'Irlande et passe le
reste de sa vie Dunsink, proximit de l'observatoire de Dublin.
Sa rdaction, dans les annes 1830, d'une
thorie rigoureuse des nombres complexes
qu'il assimile des nombres de
dimension 2 est un prlude une base axiomatique des structures algbriques. Ceci le
conduit chercher vainement des nombres de
dimension 3 , puis introduire en 1843 les quaternions. Il pense avoir trouv un outil essentiel
pour l'tude de la physique, mais le dveloppement de l'analyse vectorielle par Willard Gibbs et
Oliver Heaviside amnera des notations plus
simples.
Souvent inspir par des problmes venus de la
physique, comme l'optique ou la dynamique,
Hamilton tudie les quations diffrentielles. Il
introduit en 1835 les fonctions hamiltoniennes,
qui expriment la variation dans le temps d'un systme physique dynamique, le hamiltonien reprsentant son nergie totale.
rsoudre
un
systme.
Dans
son
11
HISTOIRES
De Cauchy Cayley
Au XIXe sicle, le mathmaticien franais Augustin Louis Cauchy construit
une thorie des dterminants presque
moderne. Il introduit la notation en
tableau et la double indexation des
composantes. Il dfinit ce qu ' il appelle
le produit de deux dterminants: c'est
en fait le produit des deux matrices
associes. Lagrange l'avait dj dfini
avant Cauchy pour les matrices carres
de taille n = 3. Le Britannique James
Sylvester, quant lui, reprend en 1850
des travaux du mathmaticien allemand Julius Plcker publis en 1828
sur les intersections de coniques. Ce
dernier avait en fait rsolu le problme
gomtrique, mais grce des
mthodes purement analytiques et
assez lourdes. Cette tude se plaait
dans le cadre de la gomtrie algbrique, o une courbe est dfinie par
une quation de la forme f (x, y) = O.
Ainsi, dterminer des intersections de
tiaux tant des mineurs. L' anne suivante, Sylvester gnralise ses travaux
aux quadriques, c'est dire aux surfaces d'quation f(x, y, z) = 0, o f
dsigne une fonction polynomiale de
degr 2.
Au dbut des annes l 850, Cayley et
Sylvester, tous deux membres du barreau, changent sur leurs passions
communes. Cayley comprend alors
toute l' importance en algbre des
tableaux de nombres utiliss par
Sylvester. Dans un article publi en
franais en 185 5, il parle des matrices
comme une notation commode
pour re prsenter
les
systmes
linai res. Il explique ! 'i ntrt de la
notion matricielle pour tudier les
fonctions linaires.
Trois ans plus tard, Cayley labore une
vritable thorie des matrices dans son
nouvel article A Memoir on the Theory
of Matrices. S'inspirant sans doute du
mmoire d' Augustus de Morgan, On
the Foundation of Algebra, publi en
1841, il dfi nit sur les matrices des
oprations d'addition et de multiplication, les considrant de ce fait comme
des sortes de nombres (des lments
mathmatiques part entire, et non de
simp les
commod its
d 'c riture).
Cayley en est bien consc ient lorsqu 'i l
les dsigne par le terme de single
quantity (quantit simp le). li s'merveille du remarkable theorem lorsqu'il nonce le rsultat con nu sous le
de
thorme
de
nom
Cayley- Hamilton. Certains voient en
lui l' inspirateur de la notion d'hypernombre et de la thorie des algbres.
B.H.
13
EN BREF
Scalaire
La racine indo-euro penne skand signifi ait lever
le pied . On la retrouve dans le grec skandalon , qui
dsignait un di spos itif fa isant trbucher, un pige.
Les Pres de l'g li se l' utili sent dans le sens d' inc itati on au pch. Devenu scandalum en latin , il
fo urnit notre lang ue les mots scanda le e t
escl andre .
Le latin scandere, monter , est de mme orig ine . On le retrou ve dans les mots franais descendre, ascension et bien sr transcendant .
Par dri vati on , les Roma in s appe ll ent scala une
marche, pui s par ex tension un escalier. Ce dernier
mot en provient par l' intermdi aire du provenal.
Le mot chelle est de mme
racine. L'ajout du initial est
un phnomne linguistique coura nt pour fac iliter la prononc iation d' un s initial devant une
consonne : penser co le et
sco la ire , tude et studieux.
Le mot scalaris ex iste dj en latin
et signifie relatif l'chelle . Les
naturali stes l' utili sent au xrxe
sicle pour dsigner un poi sson.
_ _,.,.,
,,, - .....
14
fldditionner
des matrices
Les tableaux de nombres, com me le tableau deux
1 4 -2
lignes et tro is colonnes
, sont frquemment
0 3 5
manipuls dans divers domaines (la co mptabil it par
exemple), surtout depuis l' util isation des tab leurs. On
peut e n parti c uli e r d finir des oprati ons dess us.
L' usage es t alors, po ur les math mati c iens, de les
reprsenter entre parenthses, le tablea u prcdent
1 4
2
devenant (
- ).
0 3 5
L'addition de deux matrices de mmes dimensions, c'est-dire ayant le mme nombre de lignes et de colonnes
se fa it lment par lment. Ainsi :
1 4 -2) + ( 2 - 1 3)
(0 3 5
-3 5 1
= (
3 3 16) .
-3 8
mutatif.
Si on y ajoute la multiplicati on par un scalaire, dfini e de mme lment par l ment :
espace vectoriel.
Sa dimension est gale au produi t du nombre de lignes
par le nombre de colonnes. Pour le prouver, il suffi t
de re marquer qu' une base sera fo rme , par exemple
dans le cas des matrices 2 x 3 , des six matri ces possibles formes d' un 1 et de c inq 0 .
Une autre fao n de l'exprimer consiste compter le
nombre de paramtres ncessaires dfinir une matrice !
Merveille de l'abstracti on, cette structure nous autori se appeler vecteur ... un e matrice.
par~.BusseretG.Cohen
Espaces uectoriels
l'algbre l'assaut de la gomtrie
La gomtrie, longtemps considre comme une science
part, a subi deux assauts qui ont eu raison de son autonomie
par rapport aux autres domaines des mathmatiques :
l'introduction par Descartes de la gomtrie analytique et
l'apparition de l'algbre linaire.
eprsenter tous les points du plan
par des couples de rels, et assimiler le plan IR 2 , voil le profond chambardement dont Descartes fut
l'origine (c'est le cas de le dire, puisque
tout revient choisir un repre : deux
axes gradus passant par une origine).
Aprs Descartes, faire de la gomtrie ne
fut plus la mme chose.
Une fois le repre choisi, un calcul peut
reprsenter n'importe quel rsultat gomtrique . Pour montrer qu'un point du
plan appartient une droite, il suffit que
ses coordonnes vrifient l'quation de
cette droite ; pour montrer que le quadrilatre ABCD est un paralllogramme,
il suffit que les bipoints (couples ordonns de points) AB et CD soient quipollents , c'est--dire que les diffrences
entre les coordonnes des extrm its et
celles des origines soient identiques.
SYSTMES LINAIRES
C'est Grass mann (voir encadr) qui, le
premier, a imagin cette structure , prc ise ensuite plus rigoureusement par
Peano (vo ir encadr en page 18) .
Une combinaison finie de sommes et de
produits par un scalaire s'appelle combinaison lin a ire. Les combinaisons
linaires jouent un rle fondamental dans
la structure d'espace vectoriel.
Cette structure s'applique aux vecteurs
associs au plan ou l'es pace de la
gomtrie classique, dont le modle est
respectivement IR 2 ou IR 3 , mais se gnralise des espaces beaucoup plus complexes, comme des es paces de suites ,
de fonctions ...
Elle s'tend mme des corps de scalaires
diffrents de IR.
xi
17
SAVOIRS
Espaces vectoriels
Ainsi, une fois une base choisie , on peut
assimiler un espace vectoriel de dimension 2 l'ensemble des couples de rels
(x, y), autrement dit IR 2 . On dit que
les de ux espaces sont isomorphes . De
mme , un espace vectoriel de dimension n sera isomorphe IR".
La notion d 'espace vectoriel s'applique
notre espace environnant de dimension 3, el le permet aussi d ' imaginer des
espaces qui chappent notre perception. L' espace-temps de dimension 4 ,
mai s aussi, pourquoi pas, des univers de
dimensions suprieures ...
Transformer,
mais en conservant les proprits
Les vecteurs, du pl an, de l'espace ou
d ' un espace Ede dimension suprieure,
on sait les ajouter et les retrancher, les
multiplier par un re l quelconque . On
vas' intresser agir dessus en les transformant , c'est--dire assoc ier chaque
SYSTMES LINAIRES
vecteur le vecteurv de l'espace vectori e l F, dfini pa r v = f() ; v es t
l'image de par une certaine application f de E dans F.
Mai s on ne s' intresse pas n' importe
qu e lle app licat io n ! Il fa udra que f
conserve les oprations sur les vecteurs,
c'es t- -d ire q ue l' image par f d ' une
somme de vecteurs so it la somme des
images et celle du produit d ' un vecteur
par un rel soit le produit par ce nombre
de l' image de ce vecteur.
Plus gnralement , l' image d' une combinaison linaire de vecteurs est la mme
combinaison li na ire des images de ces
vecteurs.
On dit alors que f est une application
(ou un oprateur) linaire, ce qui s'crit
encore :
f( + v) =f() + f(v)
et, pour tout rel a,
!(a. ) =af() .
Par exemple, l'application de E dans E
qui tout vecteur fait correspondre
son double 2, est lina ire, a lors que
ce lle qui associe 2 + V o V est
un vecteur fixe , ne l'est pas.
Ces applications jouissent de proprits particulires: l' image du vecteurnul
est le vecteur nul , cell e d'un oppos est
l'oppos de l'i mage, et surtout , e lles
co nse rvent le para ll li sme : s i v es t
multiple de w, l'image de v est aussi
multiple de ce lle de w.
Parmi les applications linaires, les endomorphismes de E, applications linaires
de E dans lui -mme, jouent un rle
important. Citons les plus s impl es :
l' identit Id E, qui un vecteur de E
associe le mme vecteur ; les endomorphismes scalaires k IdE, qui fo nt
correspondre k , k tant un rel fix.
Et les applications linaires de E dans
F forment elles-mmes ... un espace
vectorie l.
la relation de Chasles
Dans un espace affine (par exemple de dimension 2), associ
l'espace vectoriel E, si (el' e~ est une base de E et (0 , ei, e~
un repre de l'espace affine, alors:
-+
,
un vecteur AB a pour coordonnees, dans la base (ei, e2 ),
(b 1 - al' b2 - a 2), diffrence des coordonnes (bi, b 2) de B et
(ai, a~ de A dans le repre (0 , e" e2) ;
additionner deux vecteurs revient ajouter leurs coordonnes dans la base (el' e~ .
Il s'ensuit que BA= -AB,ainsi qu'une interprtation gomtrique
extrmement pratique de la somme de deux vecteurs associs
des bipoints dont l'extrmit du premier est l'origine du
second:
Aii +B=A.
Ce rsultat, appel relation de Chasles , du nom du mathmaticien Michel Chasles, qui l'a exprime le premier, est
extrmement simple dmontrer l'aide des coordonnes
des points :
(b 1 -a" b2 - a~ + (c 1 - b 1, c2 -b2) = (c1 -a" c2 -a2).
Cette relation se gnralise un nombre quelconque de
points et toutes les dimensions. En voici une expression
classique pour quatre points :
--+
;:-;:t
--+
--+
AB + BL + CD+ DA= O.
Mais pas seulement : elles se composeront galement entre elles, confrant leur
e nse mb le , dan s le cas des endomorphjsmes d' un espace vectoriel, une structure d 'anneau (non commutatif) , qui ,
s'ajoutant celle d 'espace vectoriel, est
affuble du joli nom ... d'algbre!
Et les matrices dans tout cela ? Elles vont
tre omniprsentes dan s les espaces
vectorie ls de dimension finie . Les o prations qui vont tre dfi ni es dessus
vont servi r la plupart des calcul s dont
on aura beso in : ex prime r les com posantes d'un vecteur aprs un changement
de base, mais surto ut re prse nter les
applications linaires, dont e lles exprimeront les effets au moyen de calcul s
numriq ues simples et pratiques.
.B . & G.C.
SAVOIRS
es ma r1ces
pour transformer
L'algbre linaire s'est fix pour mission de thoriser les
transformations affines du plan et de l'espace. Les matrices
constituent l'indispensable outil qui permet de les mettre en
uvre de manire pratique.
20
Supposons maintenant que nous cho isiss ions une autre base de E :
B'
v = li ;;\I
.,\ ,,
SYSTMES LINAIRES
Des matrices pour transformer
li reste voir comment les matrices permettent de reprsenter les transformations du plan ou de l'espace . Dans un
premier temps , on va s'intresser aux
endomorphismes associs ces transformations. Ces applications linaires
transforment un vecteur e n un vecteur v =f().
Quand une base B de l'espace vectoriel
E a t choisie, il suffit, pour dfinir f,
de savoir comment cette base est transforme par f. Dans la mesure o tout
vecteur de E est une combinaison linaire
des vecteurs de B , et o une application
linaire co nserve les combinaisons
linaires, il suffit de connatre les images
des lments de la base B pour connatre
l' image par f de n'importe quel vecteur
de E.
On reprsente alors cette app li cation
linaire! par une matrice A, qui dpend
de la base B choisie dans E . Chaque
colonne de A est la dcomposition dans
la base B de l'image des lments de B.
Ains i, en dimension 2, tout vecteur v
peut s'crire de manire unique sous la
forme v = xT + YJ o B = (,T) est la
base choisie et le couple de rels (x, y)
les coordonnes du vecteur v dans la
base B.
La linarit de l'app li cation f permet
d'crire:
f(v) =xj(T) + yf(T).
Ce vecteur est connu ds lors que sont
connus par leurs coordonnes dans la base
(,T) les vecteurs j(T) et.f(T).
Sif(T) =a+ hT etf(T) = cT + dT,
alors.f() = x(aT + bT) + y(cT + dT)
= (ax + cy)T + (bx + dy)T.
La matrice de f dans la base B est
=
=
( ail
A=
( x, \
V=
( ail
a 12
a.
3 \ { x;
::Jl:tJ.
C) ,
SAVOIRS
(: ;)(:)=(:;:~)
Une fo is c ho is ie un e base s ur l' e nsemble des vecte urs , la matrice A pe rme t do nc e nt ire ment de dte rmine r
l' applicati o n f.
In verse me nt , une base tant do nne ,
toute matrice 2 x 2, A =
(:
: )
peut tre
considre comme la matrice d' un endomorphi sme de l' ensemble des vecteurs.
Chaque colonne de A correspond un
vecteur : k pour la pre mire, T pour la
seconde, et! 'application qui au vecteur
v de coordonnes (x, y) associe le vecteur = xk + y T est linaire.
Au couple ( ,T) de la base, e lle assoc ie
le couple (k , ). Voil donc une fao n
simple et de dterminer la matrice associe un endomorphisme et d ' identifier
une application linaire grce sa matrice.
Ces rsultats se gnralisent. Non seule ment d 'autres dimension s d 'endomorphismes, mais aussi des applications
lina ires e ntre espaces vectori e ls de
dimensions diffrentes. Ainsi, une application linaire l d ' un espace vectoriel
E de dimension n vers un espace vectoriel F de dimension p pourra tre reprsente, ds lors qu 'on connat une base
B de E e t une base C de F, par une
matrice p lignes et n colonnes, dont
les colonnes sont les dcomposition s
dans la base C des images des lments
de la base B. Cette matrice sera note
Mat 8 ,c(l) .
matrices et composition
d'applications linaires
= (
~) .
D 'autres endomorphi smes sont extrmement simples. C itons parmi eux !'endo morphi sme sca laire o u ho mothtie
de rapport k, qui tout vecteur v d ' un
espace vectoriel de dimension n, associe k v. Sa matri ce assoc ie ne co mporte que la va leur k sur la diagonale et
des 0 ailleurs.C'est kl ,,.
Saurez-vous maintenant reconnatre ce
que fait sur les coordonnes des vecteurs
la tra nsfo rmati o n do nt la matri ce est
. B. & G. C.
EN BREF
( x\
(- 1 2 -3 -4 \
5 6 0 1
colonne) :
(a c)tJ
2)(;)
14.
3 4
J = (4 10 -28
-5
-6
16
- 36)
- 29 -37
Comment l'avons-nous effectu? Tout simplement en multipli ant chaque ligne de la premire matri ce par chaque
colonne de la seconde. L'lment obtenu dans la matri ce
rsultat correspond la ligne de la premire et la colonne
de la seconde. Ainsi, l'lment de la premire ligne et la
troisime colonne du rsultat est le produit de
) .
01
!){~ ~)
= (~
~) .(:
!)
= (:
!) .
23
SAVOIRS
e sens
Le dterminant est souvent prsent travers des formules ou
axiomes abstraits, qui semblent sans lien avec aucune ralit.
Pourtant, la question est trs concrte : le dterminant mesure
une surface, un volume, ou un objet de dimension suprieure.
vecteurs V et V du pl a n
dterminent un p ara ll lo gramme . Le dterminant, not
de t (V, V), de ces deux vecteurs es t
l'aire de ce paralllogramme , affecte
du signe - si le trajet de U V se fait
dans le sens des aiguilles d ' une montre .
Si V a pour coordonnes (a, b) et V a
pour coordonnes (c, d), on note
J: :J
Comme les paralllogrammes dtermins par (U, V) et (V, V+ .V) ont mme
base U et mme hauteur (voir la figure
les paralllogrammes) , pour tout .,
det (V, V+ .V)= det (V, V).
De mme, si on remplace V par . V, on
remplace la hauteur h par .h et donc on
multiplie le dterminant par .. A priori ,
det(U ,V).
a
Si le vecteur U a pour coordonnes (a, 0)
et le vecteur V, (c, d),
alors le paralllogramme a pour base a
et pour hauteur d.
Son aire est donc gale ad.
Le mme calcul d 'aire permet
24
d 'affirmer que
I~ ;J
ad, que ad
SYSTMES LINAIRES
Dtermination du dterminant
La proprit d'alternance du dterminant vient du fait que (U, V) et (V, U) sont de sens opposs. L'additivit de l'aire implique la linarit par rapport l'un des vecteurs.
En notant I et J les vecteurs de coordonnes (1, 0) et (0, 1), il vient :
1: :1
On en dduit alors :
det (al+ bJ, cl+ dJ) det (al+ bJ, cl)
det (U, V+ W) =
+ det (al+ bJ,dJ)
det (U , V) + del (U, W).
et, en utilisant la linarit par rapport
au second vecteur :
u
det (al+ bJ, cl+ dJ)
c det (al+ bJ, 1) + d det (al+ bJ, J).
On obtient ensuite : det (al+ bJ, cl+ dJ) ac det (1, 1) + be det (J, 1) + ad det (1, J) + bd det (J, J).
De la proprit d'alternance, on dduit det (U, U) =0, d'o:
det (al+ bJ, cl+ dJ) = be det (J, 1) + ad det (1, J). Or, det (J, 1) =- det(I, J) d'aprs (1)
et det (1, J)
:1
=ad-be.
det(U,V)
D'aprs la dfiniti on , det (U , V) = 0 si,
et se ul e me nt s i , l'a ire du para ll lo gramme construit sur U et V est nulle,
ce qui qui va ut dire que U et V sont
colinaires. On en dduit une condition
pour que deux droites soient concourantes, travers le dterminant de leurs
vecteur directeurs ou de leurs vecteurs
normaux.
Enfi n , le dte rmin a nt j o uit d e no mbreuses proprits calcul ato ires, parmi
lesque lles les troi s sui vantes :
alternance: det (V, U) =- det (U , V) ,
linarit par rapport au second vecteur
( et sont des constantes) :
det (U,}.. V + W ) = . det ( U , V)
+ det (U , W),
Le dterminant de deux vecteurs U et V est l' aire du paralllogramme qu' ils dterminent, affecte du signe - si l' angle
(U, V) est orient dans le sens des aiguilles d'une montre.
Ainsi, det (V, U) = - det (U, V), puisq ue (U, V) et (V, U)
sont de sens opposs.
1: :1
en pratique :
=ad-be. Elle conduit
gnraliser la notion de dterminant
ra e1 ad - be, et meme
2x + 3y =5
_
11
soit 14.
25
Le sens du dterminant
On retrouve en particulier que le dtermin ant de la matri ce ide ntit est bien
gal l.
En utili sant la proprit d 'alternance,
on montre que la linarit par ra pport
au second vecteur est valable galement
sur le pre mie r vecte ur. Pour rsumer
ces deux proprits, on dit que le dterminant est bilinaire.
La caractri sation de la colinarit est
importante dans l'tude des syst mes
de deux quations du pre mier degr
deux inconnues. Pre nons un exempl e
pour voir pourquo i.
,
s le syste, me : { 4x - y = 1 .
Cons1'deron
2x + 3y
Comme nt dte rminer s' il a des so lution s ou non ? La question est lie au
:: : :::~:r~r
26
Gabriel Cramer
4x- y= 1
{ 2x + 3y = 5
est donc de
1: ~,,
14,. O.
SYSTMES LINAIRES
10, 'I
111
111
X=2- = 2-
y : y=
det(U B)
'
det(U, V )
111-l
m.- 1
lm.1 0'I
ety=2-
m-l
-1
=2-
m-l
I~ 1
1: ~I
-3
4
9
X = - - = - ety=--=-.
14
14
pouce
index
17 ~11 m
=
2
-
1.
27
Le sens du dterminant
Si U a po ur co ord o nn es (a, b, c),
V (a', b', c') et W (a", b" , c"), on note
ainsi le dterminant de
a
a'
a"
U , Y etW :b
b'
c'
c"
1 0
1.
0 0
a'
b'
b"
c'
c''
a'
a"
b'
b"
28
z=
2 1 -1
1 0 3
3 2 -1 4
11
=27' y = -27
27
-1
27
2x - 2y + 3z =2
an ments d
Des matrices distinctes peuuent reprsenter la mme
application linaire.
Elles ont alors en commun certaines proprits
issues de l'application linaire qu'elles reprsentent.
11 ,
l~
( x ,\
V=
x,,
( x, \
Y=
l]'
, ,.
alors on aura la relation : V = P V' , o P, matrice carre
d' ordre n , est la matrice de changement de base, dont les
colonnes sont les coordonnes des vecteurs de B' exprims
dans la base B.
Si maintenant u est un endomorphi sme de E qui admet la
matrice M dans la base B et la matrice M' dans la base B',
quelle relation ex iste-t-il entre M et M '? Pour un vecteur v
de E, iv = u(v) aura pour matrice colonne W dans la base B
et W' dans la base B' , avec W = PW '. La dfinition de M
cond uit aux relations W = M V et W ' = M' V'. La premire
relation s'crit aussi : P W' = M P V' , soit , en multipliant
gauche par p- 1 , l' inverse de P, W ' = p- 1 M PY ' , comparer
avec la relation W' = M ' V' .
Le fai t que l'galit soit vraie pour toute colonne V' entrane
la relation sui vante: M' = P- 1 M P.
Deux matrices carres M et M ' so nt dites semblables quand
elles reprsentent le mme endomorphisme dans des bases
diffrentes.
Deux matrices carres d' ordre II M et M ' sont semblables si
et seu lement s' il ex iste une matrice carre Pd 'ordre n inversible telle que M' = P- 1 M P.
Pour des matrices carres d' ordre n, tre semblables est
une relation d'quivalence.
EN BREF
matrices rectangulaires
quiualentes
On considre cette fo is une app lication linaire
I d ' un espace vectoriel Ede dimension n dans
un espace vectoriel F de dimens ion p.
Si B est une base de E et C une base de F, la
matrice M reprsentant l dans les bases B et C
sera un e matrice rectangulaire p lignes et n
colonnes, chacu ne des n colonnes reprsentant
l' image des vecteurs successifs de la base B exprime dans la base C.
Pour un vecteur v de Ede colonne V dans B ,
w = l(v) aura dans la base C la matrice colonne
W=MV .
On co ns idre alors une nouvelle base B' de E et
une nouvelle base C' de F. La matrice M', elle aussi
rectangul aire p lignes et n colonnes, reprsentera l dans les bases B' et C'.
Le vecteur v de E de colonne V' dans B' a pour
image w= l(v) qui, dans la base C, sera reprsent
par la matrice colonne W' = M' V' .
Si Pest la matrice de passage de B B' (matrice
carre invers ible d'ordre n) et Q la matrice de
passage de C C' (matrice carre inversible d'ordre
p ),on aura les relations : V= PV' et W=QW'.
W = MY s' critdoncQW ' = MPY 'soit ,en multipliant gauche par Q- 1, W ' = Q- 1 M P V', comparer avec la relation W ' = M' V'.
Le fait que l'galit soit vraie pour toute colonne
V' entrane la relation suivante : M' = Q- 1MP .
Deux matrices rectangulaires de m mes dimensions Met M ' sont dites quivalentes quand elles
reprsentent la mme application linaire dans
des bases diffrentes.
Deux matrices rectangulaires Met M' de mmes
dimensions sont quivalentes si et seulement s' il
existe deux matrices carres P et Q inversibles
telle que M ' = Q- 1 M P.
videmment, deux matrices semblables sont en
particulier quivalentes. Pour des matrices rectangulaires de mmes dimensions, tre quivalentes est une relation d'quivalence.
29
SAVOIRS
Transformations affines
et points inuariants
L'application des thories de l'algbre linaire et de leur mise
en pratique via le calcul matriciel apporte la gomtrie un
outil puissant dont quelques applications sont entrevues ici.
a gomtrie a pour champ d 'action un ensemble de points, appel
espace affine, dont les plus usuels
sont le plan ou l'espace. Comme on l'a
vu dans les articles prcdents, cet espace
affine A est associ un espace vectoriel E dont les lments, appels vecteurs, sont en correspondance avec les
bipoints de l'espaces affine.
Une transformation gomtrique de
l'espace affine A sera appele transformation affine si deux bipoints quipollents sont toujours tran sforms en deux
bipoints quipollents, ou encore si un
parall logra mme est transform e n
parall logramme. Ce qui est intressant , c'est qu ' une te lle transformation
dfi nit a lors un endomorphi sme de
l'es pace
vectorie l
assoc i
E.
Rc iproquement, tout endomorphi sme u de l'espace vectoriel E, on peut
associer des transformations affines f
de l'espace affine. Mais la connaissance de l' image d'un point Ode A par f
suffit dfinir entirement! l'aide de
la relation( *) f(O)f(M) = u(OM),
ou e ncore OJ(M) = OJ(O) + u(OM).
30
les translations
L'endomorphi sme le plus lmentaire
de l'espace vectoriel E est l' identit .
On peut donc s' intresser aux transformations affines qui lui sont associes.
En remplaant u par ldE dans la re lation (*), on parvi ent f(O)f(M) = OM,
qui s'crit e ncore Mf(M) = Of(O).
Ainsi, on passe d' un point M son
image fiM ) en oprant une translation
de vecteur constant v = Of(O).
Rc iproqueme nt , toute translation
es t une appli cation affi ne assoc ie
l' ide ntit, pui sq u 'e ll e transforme
tout bipo int e n un bipoint q uipo lle nt. Et co mme il y a auta nt de choix
de vecteurs v que d ' l me nts de E,
on peut ai ns i mettre e n vidence une
bijection e ntre les translations et les
vecteurs de E.
La correspondance ne s'arrte pas l :
lorsq ue l'on compose une translation
de vecteur v et une tran slation de vecteur w, on trouve toujours une tran slation (son endomorphisme associ est le
SYSTMES LINAIRES
compos de l' identit de E par ellemme) , et le vecteur x de la translation
est la somme vectorielle x = + w.
Le groupe
des homothties-translations
Aprs l'identit, les endomorphi smes
les plus lmentaires sont les endomorphismes scalaires , encore appe ls
31
__!5___ ~-
1- k
La compose de deux homothties h et
h ' de rapports k et k' aura pour endomorphisme associ ! 'endomorphisme
scala ire k k' IdE.
M,
M,
O'
O"
0
Le centre 0" de l'homothtie h" = h'o h est l'intersection de
la droite (MM 2), qui joint M et son image M 2 par h' o h, et de
la droite (00') qui joint 0, centre de l'homothtie h son
image par h' o h , qui est aussi son image par h', et se trouve
donc sur la droite (00') .
32
SYSTMES LINAIRES
M
R
, M'
Projecteurs et projections
Un endomorphisme p est appel projecteur s'il vrifie la
relation p op = p. Pour tout vecteur , p(p()I = p().
Ainsi, tout lment de l'image de p est invariant par p.
Si p n'est pas l'endomorphisme nul, il existe donc un vecteur
V non nul tel que p(V) =V.
Sip n'est pas l'endomorphisme identit, il existe un vecteur
W non nul tel quep(W) # W.
Alors, = p(W)- W # 0
etp() =p(p(W)-W] =p(W)-p(W) = O.
Ainsi, en dimension 2, la matrice P dans la base (, V) d ' un
projecteur p diffrent de l'identit et de l'endomorphisme
nul est de la forme P =
(~
~).
--
M'
-u
G. C.
Hors-srie n 44. Les matrices Ta.ngente
33
SAVOIRS
Systmes linaires
Les systmes d'quations linaires sont lis aux matrices et
leur inversion ... ce qui ne signifie pas que la rsolution d'un
systme exige d'inverser une matrice ! Au contraire,
l'inversion d'une matrice passe souvent par la rsolution d'un
systme d'quations linaires.
n grand nombre de problmes
se rsolvent au moyen de systmes d'quations linaires.
En voici un exemple :
x- y +2 z
= 2,
2x+ y +3z
O.
5x-y+6z
6.
34
DOSSIER:
l'quation 2x + y + 3z = 0 dfinit un
plan Q, et 5x - y+ 6z = 6 correspond
un plan R. Rsoudre le systme propos ci-dessus quivaut trouver les
points communs ces trois plans P, Q
et R. On en dduit qu'en gnral , un tel
systme a une solution unique (voir la
figure ci-aprs).
SYSTMES LINAIRES
x-Oet B-m
En appliquant les rgles de multiplication des matrices vues prcdemment
dans ce numro, nous obtenons :
X-
y + 2z)
5x - y +6z
A-(1
-1 2)
1 3
Inversion et rsolution
Considrons l'quation A X= B, o A est une matrice carre donne, n lignes et n colonnes ; B est une
matrice colonne n lignes (connue galement) ; et
X est une matrice colonne inconnue n lignes.
Supposons qu'une solution X existe, donc que
A X = B. En multipliant cette galit gauche par
l'inverse de A, nous obtenons : A- 1 (A X) = A- 1 B.
D'aprs l'associativit de la multiplication des
matrices, nous en dduisons : (A- 1 A) X = A- 1 B. Or
A- 1 A= I Oa matrice identit), donc IX = A- 1 B, soit
encore X = A- 1 B. Ainsi, si l'quation A X = B a une
solution, cette solution est prcisment la matrice
colonne X = A- 1 B.
Rciproquement, considrons la matrice X= A- 1 B.
Cette matrice colonne vrifie : A X = A ( A- 1 B) qui,
par associativit, vaut (A A- 1) B, soit I B, donc B.
Ainsi, X est bien solution de l'quation. Nous en
dduisons que l'quation matricielle A X= Ba une
et une seule solution, savoir X = A- 1 B.
-1 6
35
SAVOIRS
3x+ 5z = 2,
{ X+
Z =
1.
36
nons 2z = - 1, d'o z = - 1 / 2. En portant cette valeur dans la premire quation ci-dessus, on en dduit x = 3 / 2.
L'utilisation de la premire quation du
systme de dpart fournit alors la
valeur de la dernire inconnue :
y= - 3 / 2.
Ainsi, si le systme admet une solution, il ne peut avoir qu ' une seule solution, savoir : x = 3 / 2, y= - 3 / 2 et
z = - 1 / 2. Une rciproque est ncessaire pour affirmer que ces valeurs
fournissent bien une solution du systme initial. Pour cela, il s'agit simplement de vrifier que les valeurs trouves vrifient le systme (ce qui est
bien le cas dans notre exemple).
Systmatisation
La thorie permet de se passer de cette
rciproque. En interprtant notre rsultat de manire matricielle, nous avons
~::l::~: X
qu: ~,'.g:~
1
: , ~(~:
8
f2)
-1 / 2
En d 'autres termes, l'quation matricielle A (X - X 0) = 0 implique que
X = X 0 . Ceci permet de prouver que la
matrice A est inversible, et donc que X 0
est bien la seu le solution. Dans la
pratique, faire une rciproque est tout
la fois plus rapide et plus prudent, car
elle constitue ga lement une vrification du rsultat. Une erreur de calcul
est toujours possible, en particulier
dans ce domaine.
La mthode qui a t expose peut tre
systmatise. Voyons comment procder sur un exemple gnrique, dont les
inconnues sont notes x, y , z, t ... Il suffit par exemp le d'changer les quations de faon placer en premire
ligne une quation comportant la premire inconnue, x. S'il n'en existe pas,
DOSSIER:
SYSTMES LINAIRES
x - y + 2z
2.
3y-z=-4.
4y -4z=-4.
y + 2z
2,
3y-z=-4.
-8z
4.
inconnues :
{ 3 x +4y
= .
M-
2)-l (-2
l)
3/ 2 - l / 2 .
3 4
2)(-2
31 2
l
(3 4
1 ) , et de constater
_1
12
G!) .
H.L.
37
SAVOIRS
e ran
La notion de rang est au centre de l'algbre linaire. Simple et
complex e la fois , elle commande les questions de rsolution
des systmes d'quations linaires comme celles d'inversion
de matrices. l'origine de toutes ces notions de rang, on
trouve celle d'un systme de vecteurs.
o mme no ns gomtriquement
en nous donnant deux vecteurs
du plan . Trois possibilits se prsentent. Si nou s les avons choisis au
hasard, il est probable qu'il s forment
une base du plan.
38
SYSTMES LINAIRES
Quand l'application est dfinie ainsi
de faon concrte, il est facile de
dterminer so n rang. On examine
comment se transforme l'espace , ou
une base de l' espace si l' on prfre.
L' exercice se complique si la dfinition est abstraite . On peut alors se
ramener au cas du rang d ' un systme
de vecteurs : le rang d ' une application
linaire est le rang du systme image
d'une base . Pour prciser la question,
examinon s le cas de l' application
( 1
linaire de matricel-1
0
0 2\
I
1 3
le thorme du rang
39
SAVOIRS
1 2
2 4 6
) . Son espace de
dpart est
(1)
1 2 3)(x\
(2 4 6 :Jsoit (x+ 2y + 3z) 2 ,
ce qui correspond la droite de vecteur directeur de coordonnes ( 1, 2),
qui est donc de dimension l , qui est
ain si le rang de l'application . Sur cet
exemple , la relation annonce est bi en
v rifi e pui sque le noy au est de
dimension 2 , gal la dimension de
l'espace de dpart (3) moin s le rang
de l' application (1 ) (voir l'encadr
Dmonstration du thorme du rang
pour une dmonstration gnrale).
Con sidron s un syst me d 'quation s
homognes, comme
x + y + z = O,
x + 2y + 3z =0 ,
3x +4y +5 z = 0.
lI 2 3J .
(1
matrice
3 4
1\
40
1 2
2 4
( 1
Les matrices
P=
1 0
) et B = ( O
).
0 0 0
1
-1 0
0\
3 J et Q =
-2
~)
SYSTMES LINAIRES
sont bien inversibles, comme le montre
le calcul de leurs dterm inants. D'autre
part , e ll es v ri fie nt bi e n la re la ti o n
de mande . Ces matri ces P et Q pe uvent tre trouves directement, ou en utilisant la caractri sati on qui prcde .
L'qui va le nce des matri ces possde
une caractrisati on trs simple: l'galit du ra ng . Da ns un sens, le rs ultat
est fac ile : deux matri ces qui vale ntes
o nt m me ra ng . Ma is la rc iproqu e
est d li cate.
Dcri vons le ra isonneme nt gnral sur
le cas des matrices A et 8 , qui ont bien
le mme ra ng 1. Co nsidrons l'applicati on lina ire! assoc ie A dans une
base donne de l'espace de dpart. li
s'ag it de trouver une autre base dans
laq ue lle la matrice defest B. Le noyau
de f est de dime nsio n de ux . Nous e n
considrons une base {i , k} . Ces deux
l l~
(2\
(3\
J , par
l~J
( 1\
-1
-1
u=f(j),soit 2 4 6
l~J
X
1
41
SAVOIRS
On peut facilement le calculer en utilisant la rgle de Sarrus, ce qui ne montre pas comment il se factorise. On peut
galement remarquer que D(l) est nul car ses trois lignes
sont gales, et il en est de mme de D(-1). Comme D(x)
est manifestement un polynme de degr 4 , on en dduit
qu 'i l est multiple de (x- l)(x + 1) . Un calcul plus prci s
montre que D(x) = (x - 1) 3 (x + 1).
Une question se pose alors : pouvait-on prvoir ces exposants ? Pas totalement , mais la rponse est lie au rang des
matrices sous-jacentes. Prenons le cas de A(l), la matrice
correspondant D(l ). A(l) est de rang l pui sque toutes
ses lignes sont gales. A( l) est donc quivalente la matrice
( 1 0
o,
0) .
O O
Ceci signifie qu ' il existe deux matrices inver0 0 0
sibles P et Q telles que A(l) = PBQ . Considrons alors
B(x) = p- 1 A(x) Q- 1, soit A(x) = P B(x) Q . En passant aux
dterminants, il vient: D(x) =det(P) det[B(x)] det(Q). Les
rgles de calcul des dterminants montrent que les coefficients de B(x) sont des polynmes en x. Comme ils s'annulent tous en 1,
sauf celui en premire ligne et premire colonne, il s
sont tous multiples
de x - l , ce qui
prou ve que x - 1
peut tre mis en facteur des deuximes
et troisimes lignes
de det[B(x)]. Autrement dit , ce dterminant , e t don c
D(x), est multiple
de (x - 1)2 . Ainsi,
un simple calcul de
rang permet de prvoir qu e D (x) est
Rangs de bambous la
multiple de
(x- 1)2 (x + 1).
bambouseraie d' Anduze.
42
EN BREF
le calcul de l'inuerse
des 0 partout ai lleurs. On sait dj que A-1 ex iste si et seulement si le dterminant de A, not Det(A), est non nul.
Dans ce cas , cet inve rse est unique , et on peut l'exprimer
l'aide de ce qu ' on appelle les dterminants partiels . Pour
A matrice carre, o n appell e dterminant partiel de rang
(i,J) , not Du, le dterminant de la matrice d'ordre (n - 1) obtenue en supprimant de la matrice A la ligne i et la colonne).
Alors , l'inverse de A est la matrice B d'ordre n dont l'lment
est:
1
'
Det(A)
Dans le cas n = 2 o u 3, o n reconnat, pour les solutions du
systme d'quations AX = B , les formules , dites de Cramer,
1 (
A"'=---
Trouuer l'inuerse
e a Cayley-Hami ton
d -b)
a
ad-be - c
( de - bd
X= ad - be~ ad - c
Le thorme de Cayley- Hamilton tablit que si PA(X) est le polynme caractristiq ue d'une matrice A d'ordre n, alors
PA(A) = 0 , o PA(A) est la matrice obtenue e n remplaant X
par la matrice A et la consta nte e par cl,, dans le po lynme
caractristiq ue de A.
da - b 2 \
ab - ea)
'*
b),
-1
(A+ 512).
43
SAVOIRS
S
M .b
= (:
-:) ,
o a et b dsignent des
44
SYSTMES LINAIRES
M', z + z' est celle du point N tel que
OM + OM ' =ON. Par ailleurs, le module
de z correspond la norme (c'est--dire
la longueur) de OM . On transforme
ai nsi les oprations vectorielles en oprations dans un ensemble de nombres.
Cependant, l'addition dans les complexes
est la mme que celle dans IR 2 , et ce que
nous venons d 'noncer n'a rien de surprenant. Le plus intressant concerne la
multiplication par un nombre complexe.
S ' il est de module 1, on sait qu ' il peut
s'crire u =e;o_ Multiplier un complexe
z, affixe du point M , correspond appliquer M une rotation de centre O et
d'a ngle e. Ainsi, la multiplication par
i = 712 n'est autre qu ' une rotation d'angle
:n:/2 ou, si l'on prfre, de 90 . Prenons
un autre exemple avec
J /2 + iJ / 2 = eird4
et M d 'affixe z = 1 + i. Considrons N
d 'affixe z ' =eird4 z = iFz.
C'est bien l' image de M par la rotation
de centre O et d'angle :n:/ 4.
De la mme fao n, il est clair que multiplier un nom bre comp lexe z par un
rel positif correspond gomtriquement oprer une homothtie de rapport
r. Plus gnralement , la multiplication
de z par un nombre u = re;o induit une
similitude de rapport r et d'angle e, c'est-dire la compose d ' une rotation d 'angle
et d ' une homothtie de rapport r
(ou inversement) .
-sine) ;
ea pour matrice (cose
.
sine cose
= ( rcose
. -rsine) , donc de la forme
rsine rcose
complexe non nul u = re;o =a+ ib correspond une simili tud e de centre 0 ,
unique , note Su, de telle sorte que l 'affixe de l' image d ' un point M par Su so it
le produit de u par l'affixe de M . On
retrouve un phnomne d ' isomorphisme .
On peut donc identifier les deux ensembles
IC et G. Non seulement ils sont en bijection , mais les oprations sur l' un et sur
l'autre se correspondent. On a ai nsi transform un problme de gomtrie en des
oprations lmentaires sur un ensemble
algbrique.
Poursuivant cette ide, William Hamilton a longtemps cherch un ensemb le
de nombres qui puisse de la mme faon
reprsenter les rotations de l'espace par
une multiplication. Il a ai nsi introduit
les quaternions. Cet ensemble n'est pas
commutatif: rien d ' tonnant , le produit
de deux rotations de l'espace ne commute pas en gnral !
B.H.
45
par Bertr
h cor
Proprits affines
et proprits mtriques
En gomtrie, les notion s de droites, de plans, de
parall li sme , d'intersection , peuvent se dfi nir
sans faire appel des longueurs ou des angles :
on parle de proprits affines. Lorsqu'on ajoute la
notion de di stance , qui entrane celle d 'angles, on
traite de proprits mtriques.
Ainsi, la dfinition d ' un paralllogramme , obtenu
comme intersection de deux couples de parallles,
relve de l'affine . Celles de rectangle ou de carr
est du ressort de la mtrique , pui squ 'on doit introduire la notion d 'angle droit ou d 'galit des cts.
La thorie des espaces vectoriels formalise la gomtrie affine. Pour introduire les proprits mtriques,
il faut lui ajouter la notion de produit scalaire.
Au lyce, on dfinit le produit scalaire de deux
vecteurs comme un nombre rel correspondant au
produit de la longueur de l' un d 'entre eux par celle
de la projection orthogonale de l'autre si les deux
sont de mme sens, par son oppos sinon. Rciproquement, si on connat le produit scalaire, on
rcupre la notion de longueur en prenant la racine
carre du produit scalaire par lui-mme et le cosinu s d ' un angle en divi sant le produit scalaire des
deux vecteurs par le produit de leur longueur.
Dans le cadre axiomatique de la thorie des espaces
vectoriels introduite par Peano , on appelle produit
scalaire une fonction bilina ire f, qui associe
deux vecteurs et v un nombre rel, de telle sorte
que s i le vecteur n'est pas nul,f(, ) > O.
On en dduit les notions d 'ang les et de longueur
(on parle de norme d ' un vecteur) comme expliqu
prcdemment.
On peut ainsi intgrer la gomtrie mtrique dans
le cadre des espaces vectoriels , qui , s' il s sont de
dimen sion finie, sont alors bapti ss euclidiens en
l' honneur d 'Euclide qui , le premier, avait dfini ,
troi s sicles avant Jsus Chri st , une axiomatique
de la gomtrie associant tant les proprits affines
que mtriques.
46
Andr-Louis Cholesky
EN BREF
Transpose
d'une matri,e
Matrices symtriques
et antisymtriques
Exemple: si M = ( ~
4 5\
! !) ,
(l
alors 'M = l ~
! ~J
4\
~ J.
Si la matrice est carre, la transposition correspond intervertir les termes symtriques par
rapport la diagonale. L'opration qui transforme Men 'M est involutive, c ' est dire que
la transpose de 'M n'est autre que ... M !
Diverses proprits se conservent par transposition ;
c'est le cas du rang pour toutes les matrices,
rectangu laires ou carres : rappelons que le rang
d'une matrice est la dimension de l'espace vectoriel engendr par les colon nes de la matrice,
c ' est--dire le nombre maximum de vecteurs
libres que l'on peut trouver parmi ces co lonnes.
Pour les matrices carres , le dterminant , le
polynme caractristique, les valeurs propres,
sont conservs par transposition. De plus une
matrice est semblable sa transpose; en d' autres
termes , si M est la matrice d'une application
linaire u dans une base , il existe une autre base
dans laquelle sa matrice est 'M.
( 0
-5\
~J
Ainsi,A=l-4 ~
5
6
est une matrice antisymtrique.
Pour toute matrice carre M, (M + 'M) / 2 est
une matrice symtrique tandis que (M - 'M) / 2
est antisymtrique. On en dduit que toute
matrice carre M se dcompose de manire
unique en la somme d'une matrice symtrique
et d'une matrice anti symtrique .
Il suffit d'crire:
M = (M + 'M)/2 + (M-'M)/2.
47
SAVOIRS
le thorme de
Cayley-Hamilton
Pivot de la rduction des endomorphismes, le thorme de
Cayley-Hamilton porte le nom de l'astronome et mathmaticien
William Hamilton et de l'algbriste Arthur Cayley. Pourtant, la
premire dmonstration gnrale est due l'Allemand Georg
Frobenius en 1878.
n endomorphisme est une application linaire d' un espace vectorie l dans lui-m me . Son
expression dan s une base, ou la donne
de sa matrice, ne permet en gnral pas
de le visualiser simplement , a fortiori de ('tudier.La rduction des endomorphi sme s consiste dco mpo ser
l'espace en sous-espaces vectoriels en
sommes directes, sur lesquel s l'endomorphi sme est le plus simple possible (vo ir la partie suivante de ce hors
srie). La matrice de l'endomorphi sme
dans une base respectant ces sous-espaces
vectoriels est alors trs simple ; au
mie ux e lle est di ago nal e (c'est--d ire
aya nt des O en dehors de la diagonale),
sinon e ll e contient beaucoup de O e n
dehors de la diago nale .
48
SYSTMES LINAIRES
la pratique, o n calcule le dterminant en
utilisant une matrice M reprsentantf. Ce
polyn me s'appe lle do nc aussi le polynme caractristique de M . On en dduit
d'autre part que ce polynme ne dpe nd
pas de la base da ns laque lle o n ex prime
la matrice def. En d'a utres termes, deux
matrices semblables o nt le m me po lynme caractristique !
Donnons un exemple: consid rons !'endomorphisme f de IR 2 dfi ni par
f(x,y) = (2x +y; x + 2y) . La matrice de
f da ns la base usue lle de IR 2 est do nc
M = (~ ~). La matricedef-.l~ , s'crit
2
(
~ ).
s'cnt N =
(30 0)
1
M 2 - 4M + 31 =
Georg Frobenius,
un mathmaticien II normal II
Georg Frobenius est fils de pasteur. Il tudie dans
les universits de Gittingen et Berlin o il suit les
cours de Kronecker, Kummer et Weierstrass. Son
doctorat en poche, il enseigne d'abord en lyce puis
l'Universit de Berlin et enfin l'cole polytechnique
de Zurich. Il s'intresse la thorie des groupes, considre en elle-mme et non comme un outil. Dans ce
cadre, il dmontre en 1874 les thormes de Sylow puis,
se tournant vers l'algbre linaire, celui de CayleyHamilton en 1878.
Par la suite, il s'intresse la thorie des corps et
celle des algbres. Il dmontre dans ce domaine plusieurs rsultats importants, parmi lesquels le thorme qui porte dsormais son nom : toute algbre de
dimension finie sur IR, sans diviseur de zro, est isomorphe IR, C ou au corps non commutatif des
quaternions d'Hamilton.
49
SAVOIRS
Cayley-Hamilton
Dmonstration du thorme
Pour dmontrer le thorme de Cayley-Hamilton, il
suffit de montrer que le polynme caractristique
d'une matrice est annulateur pour celle-ci. Plaonsnous sur le corps des nombres complexes. Nous savons
alors que toute matrice est semblable une matrice
triangulaire suprieure. Il suffit donc de montrer le
rsultat pour une telle matrice (note M) et d'ordre
n. Supposons d'abord que M possde une valeur
propre unique, note .. Alors M - .In est triangulaire
suprieure avec des zros sur la diagonale. Elle est
nilpotente d'ordre n, donc (.I - M)" est la matrice
nulle, ce qui montre le rsultat pour cette matrice.
Prenons maintenant M triangulaire quelconque.
Notons\, . 2 , , .P les termes diagonaux distincts et
1 , 2 , ,/leurs nombres d'apparitions respectifs ;
appelons un endomorphisme de matrice M dans
une base. Le polynme caractristique de M est clairement P = (\ - X) ,(. 2 - X)2 (.P - XYP. Par le
thorme de dcomposition des noyaux, on sait que
le noyau Ker(P(f)) est la somme directe des espaces
F; = Ker (.; - JYi et que ces espaces sont stables par
f En choisissant une base adapte aux sous-espaces
F;, la matrice N def dans cette base est compose de
blocs, cheval sur la diagonale, de matrices N; triangulaires suprieures d'ordre i avec un mme terme
; sur la diagonale. Par ce qui prcde, on dduit que
(; - NiYi est la matrice nulle. Il est clair alors que
(\ - N)'', (. 2 - NY 2 (.P - N)P est nulle galement.
Comme M et N sont semblables, P(M) est nul aussi,
ce qui achve la dmonstration. Une matrice relle pouvant tre considre comme complexe, le thorme
est prouv pour ces matrices.
50
nion , qu ' il d montre que ces tran sformation s et leurs itres vrifient une
quation. Cependant, il n'nonce aucun
thorme gnral.
SYSTMES LINAIRES
1
cule le dterminant de (
0
-
d-M
),
Un exemple explicite
Considrons l'endomorphisme f de dfini par
J(x, y , z) =(2X + y + z, x + 2y + z, x + y + 2Z).
Georg Frobenius
et la rigueur allemande
Moins conn u que les deux mathmaticiens prcdents, moins original et
moins excentrique aussi, l 'A llemand
Georg Frobenius est un mathmaticien
conscienc ieux qui s'attac he dvelopper des thories rigoureuses. Il est
amen reprendre la thorie de Cayley
dans le cadre de l'tude des formes bi linaires symtriq ues . Il justifie et complte les rsultats noncs par son
prdcesseur. C'est ains i qu'il fournit
51
SAVOIRS
les fonctions
homographiques
Fonction clef de la gomtrie projective, la fonction
homographique reste tudie au lyce sous une forme
cache, sans jamais en montrer le lien avec les matrices.
Elle suscite pourtant un intrt nouveau et est au cur de
recherches mathmatiques modernes.
e la dsintgration des programmes scola ires, due a u
souc i de ne pas confro nte r
notre progniture la traumatisante
exp rie nce d ' un effort inte llectue l, ne
subsiste nt que des notio ns parcella ires
de constructio ns math matiques cl assiques. Des ruines de ces monume nts
merge la fo nction homographique , o u
fo nction de Mobius, qui n 'est rie n
d 'a utre , d ans la m ajorit des cas ,
qu ' une .. . hyperbo le camo ufle .
Hyperboles caches
Rappe lo ns que lques proprits ana lytiques des quation s de coniques. Une
co nique est une courbe pla ne do nt
l'quatio n gnrale , dans un rep re
R(O , x , y ), est du second degr:
a x 2 + b x y + c y2 + d x + e y + f = 0 .
Si un po int (x, y) de cette courbe peut
s'lo ig ne r l' infini , les te rmes du
52
SYSTMES LINAIRES
asymptotes sont les axes du repre.
Ell e est souvent prsente sous la
fo rme fo nctionnelle y= f (x) = 1 / x.
Les mathmatiques sont l'art du di scernement et s'attachent au fo nd plutt
qu' la forme. Si nous effectuons une
translation de vecteur (a, ~) et une
homothtie de rapport 1 / k sur notre
hyperbole quil atre, sa fo rme ne sera
pas change, contrairement son qua.
.d .
R
kz
,
twn, qui ev1ent y = JJ + - - , c estx- a
, d'1re y = Bx + k2 - aB . L e cas gene, ,
ax- a
Composition de fonctions
homographiques
Calculons la composition des deux fonctions homographiques J( x )= ax+b et g (x )= a 'x +b ' Par dfinicx +d
c 'x +d '
tion , nous avons (Jog)( x )= ag( x )+b , et le calcul
cg( x )+d
donne :
(!
og )( X )
a' x +b'
a c 'x+d'+b
I
ca x+ b ' +d
c' x +d '
f (x) =
ax + b
est entire-
cx + d
!)
a' b
\ c' d '
= (
= (
\)
l' homo-
graphie g , on constate que la matrice associe la composition f O g des homographies est le produit A X B des
matrices. Voir l'article en pages 132 134.
y=~ c
ax + b par
cx +d
b \
d ) x.Composer deux fo nc-
ax +b
y = - - peut
cx + d
s'crire y = !:!. _ ad - be x - - 2
c
C
X+d f C
Elle apparait ainsi cl airement comme
la composition d ' une translation, d ' une
inversion, d ' une homothtie et enfin
d' une dernire translation. Pui sque la
translation x ~ x + a est reprsente
53
z =x / y, dfinie
' .
., ,
( ax \
dans I art1c 1e, comme assoc1ee a un vecteur
ay ) .
Nous noterons pour simplifier
z=
[ ;
Y
y= [ 1
l(
=~ e
A2
b \ ( x \ [ ax+b ] ax+b
d Hl)= ex+d =ex+d
po ur tr(A) = a + d
A2)
a
[ e
= 0, no us obte no ns:
b(a +b) \) ,
d 2 + be
a +be
O
\
a + be ) '
2
y=
(l a + be
e(a +d)
[~ l
b ] X=
ax+b
-d
ex+d
2 x -3
. s,. y = c1.e Il e so .it nu Il e. A 'ms,,
,
Sx-2
par la matrice ( l a \
O
)
s ion x
~ l / x par J = (
et l' inve r-
x
).
,r
a r ~a
r
(l -( ad - be)/ e
0 \
( 0 1 \ ( 1 d ie\
X~ )
1( a b \
d
~~ e
~ ~
= (
) ,
d 'quation y = f (x)
matnce
54
( 0
= ~
=1/ x
est lie la
1 \ p .
1 0
2x-3
. .
y = - - , no us po uvons ecnre
Sx - 2
-2x + 3
.
.
.
( - y ) = - - - , qu, est mvo 1ut, ve ,
Sx + 2
et do nc x = - 2(-y)x + 3 = - 2Y+ 3 _
Sy - 2
5(- y) + 2
Pour a ll ger les calcul s, pre no ns
que lques exemples avec des matrices
( 1 a/e \
y =~ 0
2
I
) . UISque 1 = ,
de la fo rme
( 0
A= ~
-1 \
a ) . Cette
matrice e t ses pui ssances sont de dterminant gal 1. No us allo ns tudie r les
n - 1 vale urs du para mtre a telles que
A" = 1 po ur diff re ntes vale urs e ntires
den .
SYSTMES LINAIRES
, (
Pour n = 2, A-
_,
-a
a 2 -1 ) '
a = 0 et y = - 1 / x. Pour
11
= 3,
-a
a 2 -I
a 2 = 1 et y = --=..!___ Pour
11
= 4,
X J
l- a 2
a(a
=2 et
Fraction continue
- a (a 2 - 2) \
2)
3a + 1 ) '
- 1y = -x .fi.
- (a 4 - 3a 2 + 1) \
( - a (a 2 - 2)
As=l a
- 3a 2 +1 a (a 2 - 1)(a 2 -3)
On note x = [x 1, x2 x,, .. . ] et x(n) = [x 1, x 2 x,,] la rduite d ' ordre n de x , c' est--dire la fraction obtenue en prenant les n premiers termes de la dcomposition de x en
fraction
continue.
Si
h/x) = a + 1 / x
est
l' homographje de matrice (
) , le calcul de la
rduite d'ordre n est facilit, avec les notations de l'encadr Notation, en utilisant l' expression matricielle:
l( x1
x (n) =
1 \
0 )
<!> = 1 + 1 / <!> ,
Puisque
<!> = {l, 1... 1...}. Une
X X
l( x.1
1 \
0 )
1.
on
en
dduit
que
rduite d'ordre n du
x+ </J
1
1
1
~ ~
<l>(n) = (
!~ r
.1, c'est--dire:
- - - - - - . . .l . . . . . .
55
SAVOIRS
f (x) = ax + b
et la
cx +d
matnce
A(ab\
.
= ~ c
d ) on peut aJouter
la contrainte det(A) = ad - b c = l. On
exclut alors les fonctions constantes
j(x) =a / c = b / d, qui sont associes
une matrice de dterminant nul.
L'ensemble des homographies de
dterminant gal 1 constitue donc un
groupe , un groupe projectif.
iR
u {oo}.
Gomtrie projectiue
Considrons dan s le plan rel les
droites passant par l' origine. Un vecteur non nul (x, y) dtermine une
unique droite vectorielle constitue de
l'ensemble des multiples de ce
vecteur: {(k.x, ky), k E IR} Pour tout
vecteur de cette droite , le rapport abscisse / ordonne est constant et gal
z = x / y. Cette droite (l'.\z) coupe donc
la droite (L\) d ' quation y = l en un
point unique d 'abscisse z (voir la figure) . Pour tre complet, il faut accepter
la valeur z = oo qui correspond l'axe
des x, c' est--dire l'ensemble des
tion linaire
z=x/y
de matrice ( :
!)
f (z) = ax + by = az + b
ex + dy
cz + d
J(oo)=a l c
si c 1:- 0 , et
sinon. Les homographies ne
sont donc rien d' autres que les applicaavec
J( oo) = oo
M(x,y)
Droite
projective.
SYSTMES LINAIRES
tions de P 1(IR) correspondant aux applications linaires dans IR 2 . Deux applications multiples l' une de l'autre dfinissent sur P 1(1R) la mme application,
puisque la multiplication par une
constante (non nulle) laisse les droites
vectorielles invariantes. On retrouve
ainsi l' ide que les nombres (a , b, c, d)
dfinissant une homographie sont dtermins un facteur multiplicatif commun
prs. Il y a donc trois degrs de liberts
pour les dterminer, ce qui signifie que
trois points non aligns dfinjssent entirement une homographie .
Un vecteur propre d ' une application
linaire est, par dfinition , proportionnel son image. Son point correspondant sur la droite projective est donc
invariant par l' homographie associe.
Rechercher les vecteurs propres d ' une
application linaire revient rechercher les points invariants d'une homographie. Pour le vecteur propre (x, y),
de coordonne non homogne z =x / y,
tel que f(x , y) = (A.x, y), nous avons
.
e ffect1vement
ax+by
x = z.
f ()
z =-- = cx +dy y
h( z)-a =C z -a
h( z)-/3
z -{3
h( z)-a
= -
z -{3
u11 + 1
la suite intermdiaire
u,, -a
V=-II
un -
/3 '
ou
v,,
= --
u,, -a
f ( az + b)
cz +d
= (
cz + dYf (z),
matrices
orthogonales
En omorphismes
orthogonauK
Les isomtries, c'est dire les transformations de l'espace affine euclidien A qui conservent les distances, sont fondamentales,
puisqu'elles peuvent dcrire les transformations d'un solide indformable. On peut citer
parmi elles les translations, les rotations, les
symtries orthogonales ...
Les endomorphismes associs ces isomtries, qui agissent sur l'espace vectoriel euclidien E associ A, sont caractriss par le fait
qu'ils conservent les longueurs (les normes)
des vecteurs.
C'est ce qu'on appelle des endomorphismes
orthogonaux. Ils sont aussi caractriss par le
fait de conserver les bases orthonormes. On
montre que la matrice dans une base orthonorme d'un endomorphisme orthogonal est
une matrice orthogonale (voir dans cette page).
Rciproquement, toute transformation de l'espace affine A associe un endomorphisme
orthogonal est une isomtrie. Certaines isomtries, comme les rotations ou les symtries
orthogonales, possdent un (ou plusieurs) point
fixes. Toute isomtrie peut se dcomposer en
une transformation qui laisse un point fixe et
une translation.
Le dterminant d'un endomorphisme orthogonal (ou de sa matrice) vaut 1 s'il conserve
l'orientation ou -1 dans le cas contraire. En
effet, c'est le coefficient multiplicateur de l'aire
oriente d'un paralllogramme (ou du volume
orient d'un paralllpipde en dimension 3)
lorsqu'on applique cet endomorphisme.
58
- sin a)
cos a
sin a )
- cos a
1 O).
0 -1
En dimension 3, une matrice orthogonale est semblable l' une des deux matri ces
(l
o c~sa
O sma
O \
-sin a J ou
ca sa
(- 1
0 \
O
O
cos a
- sin a J .
cos a
sin a
SAVOIRS
Diagonaliser
pour calculer les puissances d'une matrice
Une matrice peut souvent tre rduite , c'est--dire tre
exprime sous la forme , plus simple, d 'une matrice diagonale
ou d'une matrice triangulaire. Cette proprit permet alors de
raliser de nombreux calculs, parmi lesquels celui des
puissances successives de la matrice.
A tant donne, comment calculer la puissance
nime de A , savoir A"? Dans
certains cas, c'est simple! Par exemple,
si A est diagonale ou triangulaire (voir
en encadr) . Dans le cas gnral, le problme devient difficile et la mthode
frontale (multipl ier par elle-mme la
(:
:)
0,
\ 0
{ a"
=
1\ 0
d"
= (
'J.
dl
).
De fait, cette formule est correcte et se dmontre facilement par r currence. lever la puissance n une
matrice diagonale revient lever la puissance n
chaque lment de la diagonale.
60
RDUCTION DE MATRICES
Ualeurs propres simples
el diagonalisation
Comment diagonali ser ou trigonaliser
une matrice? Pour ce faire, il faut introduire la notion de valeur propre.
Pour diagonaliser la matrice A, il faut
trouver des vecteur X (non nuls) tels
que AX =.X.Par linarit, tous les
vecteurs multiples de X vrifient le systme : le systme a donc une infinit
de solutions, ce qui revient dire (grce
la notion de dterminant) que
det (A-. I) = O. Cette quantit est appele polynme caractristique de A (c 'est
bien un polynme en ).
tudions ce qui se passe pour les matrices
carres d ' ordre 2. La matrice A s'crit
(:
:).
pour matrice D =
(
0
0)
Le tour est jou : nous avons diagonali s la matrice ! Il est ensuite ais de
calculer D" (voir en encadr), puis
A"= PD" p- 1
Application la matrice
det(A - l)
Il-
= (
(-21 -12).
2
1
-2
1-
1- )2
- 4 = (+ 1)( -
3) .
= (~
~1).
1
(
-1
1
) . On inverse P (qui est nces1
~) .
61
SAVOIRS
Diagonaliser...
Illustrons l' tude avec la matrice
Le mathmaticien
Camille Jordan (1838-1922).
det(A-l)
=
1
3-
-1
1-
{a 2
= O
2a\
{a 3
A = O
3a 2 \
a" na- \
A = 1\ 0
a"
62
Il y a une seule valeur propre, 2. L' espace propre E 2 associ 2 (et qui rsulte
de A X= 2 X) se rduit x =y . C'est la
premire bissectrice du plan, dont un
vecteu r directeur est = ( 1, 1).
la manire de Jordan, on cherche v
tel que f (v) = + 2 v. Cela revient
rsoudre le systme
A(x)y 1I ) + 2 (x),
soit {3x - Y = 1+ 2x
y
x+y= l+ 2y
= (
v =(~).Le couple
I.
tnangu aire J =
(2 1) .
0
P=(: ~)
a J )"
N.V.
EN BREF
matrices en dcomposition :
la factorisation LU
La dcomposition LU correspond la dcomposition d ' une matrice inversible en produit d'une
matrice triangulaire infrieure 1 (ou L pour Low ,
bas en anglais), et d' une matrice triangulaire suprieure S (o u U pour Up , haut ) . Cherchons
(1
A= l2 8
3 14
31
14).
34
l~ ;
( 1 2
On obtient la matrice A
11
' =
31
s J.
25
matrice Am =
lo
31
u.
8J =
0 0 9
Nous avons effectu la factorisation
4
( 1 0 01( 1 2
31
A=LxU=l! ~ ~Jl~ ~ :J
qui permet de rsoudre conomiquement un
systme d 'quations linaires o le second me mbre
pe ut c hanger.
la factorisation QU
La dcomposition QU est de la forme
A = QU, o Q est une matrice orthogonale , ses vecteurs colonnes constituent
une base orthonorme et donc 1QQ = 1,
et U est une matrice triangulaire suprieure . On note souvent cette dcomposition QR . Il existe des dcompositions
RQ, mais aussi QL et LQ, o Lest une
matrice triangulaire infrieure. Ces dcompositions sont souvent utilises pour dterminer l' inverse gnralis d'une matrice
rectangulaire (dcomposition SVD , voir
en page 75) .
63
SAVOIRS
e PIUO
auss
Pour rsoudre de petits systmes d'quations, la mthode de
Gauss a l'avantage d'tre simple. Mais gare aux rsultats
obtenus si le systme contient des paramtres ! En fait, la
mthode du pivot prsente surtout un intrt historique.
~
x+2y +2z = 1,
2x+ y + 2z
1,
x + 2y +2z- 1,
3x +2 y +3z = 1.
64
3y + 2z = 1,
4y +3z = 2.
x + 2y + 2z =I ,
3y +2 z =I ,
== 2.
x+ 2y = -3,
3y
= -3,
z = 2.
;:l
=::
Un nolvnme annulateur
Avec les notations de l'article, la matrice A peut
s 'crire A = 2U - 1. En levant U au carr, on
obtient : U2 = 3U. partir de l, A2 = 4U2 + l - 4U,
donc A2 = SU + l = 4A + 51. Cette galit peut tre
crite en mettant A en facteur: A(A- 41) = 51, c'est-dire AB= l o B = (1/ 5)(A- 41). On en dduit que
A est inversible et que A- 1 = B, ce qui donne bien
( -3
A- 1 = S
I 2
2
2\
-3 2 .
2 -3
z = 2,
systme in itial.
mthodes modernes
Cette mthode n'a plus qu ' un intrt
histori que. Elle n'est pas la plu s pratiq ue dans un usage la mai n car elle
peut int rod uire des coeffic ie nts plu s
compliqus que la mthode usuelle par
comb inaisons lina ires, vue dans l'article sur les systmes lina ires. D 'autre
part, elle n'est pas adapte aux systmes
avec paramtres. Dans ce cas, mie ux
vaut util iser la mthode de Cramer vue
dans l'art icle sur le sens du dterminant , au moi ns pour savoir dans que ls
cas le systme a une et une seule so lutio n. En ce qui co ncerne l' utili sati o n
d' un ordinate ur, e lle n'est efficace que
pour des systmes d'au plus une centaine
d'q uations autant d' inconnues . Cec i
peut sembl er norme, mais les appli cations des mathmatiq ues comme la
mtorolog ie ou la phys ique nuclaire
conduisent des systmes de plusieurs
mi ll iers d'quations. On prfre alors des
mthodes itrati ves co mme ce ll e de
Gauss-Seidel.
Le ca lcu l de l' in verse d'u ne matrice
carre d'ord re n correspond la rsolution d' un systme linaire avec n paramtres (les coefficients d u second
membre), comme nous l'avons dans
La matri ce
A= l2
2
1
2
2J
est in versibl e
1 + 8 + 8 - 4- 4- 4 = 5 ;t: O.
Considrons le systme d 'quatio n
l; l
(x\
( 1\
A- 1, la matrice inverse de A ,
(x\
nous obtenons
(1\
lJ lJ.
( 0\
( 0\
et
65
Le pivot de Gauss
On part donc de la matrice (A I) :
(1 2 2
l~
1 0 0\
~ ~ ~J
1 2
On obtient l
=~ =~
0 0\
-2
-2 0
oJ
1
o -3
-2
0 0 -5/3
O\
-2
o,J
-2/ 3 -2/ 3
-3/ 5, d ' o:
(1
0 \
-3 -2
-2
2/ 5 2/ 5 -3/5
J.
1/ 5 -4/5 6/5 \ ( 1 2 0
-6/5 9/ 5 -6/ 5Jl0 1 0
2/5 2/5 -3/ 5 0 0 1
(1 1 0
et enfin l ~ 1 0
0 1
1/ 5 -4/ 5 6/5 \
2/ 5 -3/ 5 2/ 5 J
2/ 5 2/5 -3/ 5
-3/ 5 2/ 5 2/ 5 \
2/ 5 -3/5 2/ 5 J ,ce qui signifie que
2/ 5 2/5 -3/ 5
(-3
A - 1 =il~
2 2\
-3 2 J.
2 -3
4\
! -52J.
(2
qui est de rang 2 pui sque les deux premires li gnes sont indpendantes.
H.L.
Ce rsultat est facile vrifier en multipliant A par la matrice trouve. La
forme de la matrice trouve donne l'ide
d ' une autre mthode en introdui sant la
( 1 1 1\
polynme annulateur).
66
EN BREF
Dcomposition
de Crout-Cholesky
lanczos
La dcomposition de Crout complte la dcomposition LU (voir en page 63) pour le cas d ' une
matrice symtrique .
Considrons la dcomposition LU de la matrice
2
3\
8
14
14J ,
34
(1 0
NousobtenonsU=l~
o, (
1 2
3\
!)
~Jl~
En posant
B =Lx
Jo = l
!:
o,
~J ,
SAVOIRS
Similitude et quivalence
La similitude implique l'quivalence ,
mais la rciproque est fausse. Par exemple,
puisqu'elles sont toutes deux de rang 1,
68
les matrices A = (: :) et B = ( ~ ~)
sont quivalentes. Si elles sont semblables, il existe une matrice inversible
P= (:
!) vrifiantAP= PB ,
0
),
a+c b+d
c 0
ce qui implique a= c =O ... et contredit ainsi que P soit inversible. Les matrices
A et B ne sont donc pas semblables.
Les matrices considres peuvent tre
coefficients rationnels, rels ou complexes. Dans tous les cas, les matrices
inversibles peuvent tre considres
coefficients dans le mme corps. Plus
prcisment, si deux matrices A et B
coefficients rationnels sont semblables,
il existe une matrice inversible coefficients rationnels P telle que A P =PB.
De mme, si elles sont relles, la matrice
inversible P peut tre considre coefficients rels (voir l'encadr Permanence de la similitude pour une
dmonstration).
c'est--dire(a+ c b+d)=(a
RDUCTION DE MATRICES
Oiagonalisation et similitude
La diagonalisation des matrices peut se
lire en termes de simi litude: une matrice
diagonalisable est une matrice semblable
une matrice diagonale. On remarque de
suite que cette notion dpend du corps
dans lequel on se place . Une matrice
relle peut tre diagonalisable dans le
corps des complexes sans l'tre dans
celui des rels . Pour s'en convaincre, il
suffit de considrer la matrice ( O
-1
1
),
0
1
1
-X
1
)
0
Permanence de la similitude
Pour simplifier, considrons deux matrices carres
(a b\
(a' b'\
d'ordre deux, A= 1
) et B = 1
) , coefficients
\C d
\C' d'
* o ), coefficients
69
SAVOIRS
Similitude et diagonalisation
et (
-1
-1
-1
1
1
) et (
-1
2
-1
) sont sem-
!) ,
70
Nous oprons a lors deux gnra li sations. La premire gnrali sation est de
nature algbrique, elle permet d'tablir
le thorme pour les matrices diagonali sables. Si A est diagonalisable, il existe
une matrice inversib le Q et une matrice
diagonale D telles que A= Q D Q- 1
RDUCTION DE MATRICES
Invariance de la trace
La trace d'une matrice carre est la
somme des lments de sa diagonale.
La trace de A = (:
!)
-lr
o)
H.L.
71
SAVOIRS
Diagonalisation,
gomtrie et algbre
Les matrices carres peuvent tre diagonalisables ou ne pas
l'tre. La question est lie la dimension des espaces propres,
une question de nature gomtrique. Elle est galement lie
l'annulation de polynmes, une question de nature algbrique.
r
A une matrice carre
d ' ordre troi s, pour simplifi e r.
Dan s une base del 'espace , il lui
correspond un endomorphisme f. Si A
est diagonalisable , c'est--dire semblable
une matrice diagonale D , alorsf a pour
matrice D dans une base (i,j, k). Soit, si
a, b et c sont les lments de la diagonale de D :f(i) =ai,f(;) =bj etf(k) =ck.
Cela donne une caractrisation gomtrique de l'endomorphi sme f.
72
RDUCTION DE MATRICES
tristique. On d montre alors qu ' une
matrice est diagonalisable sur le corps des
complexes si les espaces propres associs aux valeurs pro pres multiples sont
de dimensions ga les cette mul tipli cit . Pour qu 'elle soit di agonalisable sur
le corps des rels, il suffit de plus que tous
les zros du polynme caractri stique
so ient rels.
Pre nons l'exemple de la matrice
(- 1 2
A=l~
- 1
2\
2
J.
- 1
Restons sur cet exemple. D'aprs le thorme de Cayley-Hamilton, A est annule par so n polynme caract ri stique
(3 + x)2(3-x).
Autrement dit : (A + 31)2(A- 31) = O.
En fa it , il est ais de vrifier la relation
plus forte (A + 3l)(A-31) =. De manire
gnrale, si A est di agonalisable, elle est
annule par un polynme n'ayant que
des racines simples: les valeurs propres
comptes chacune une seule fois (voir l'en-
73
SAVOIRS
Polvnme annulateur
et diagonalisation
Supposons que la matrice carre A d' ordre 3 vrifie l'quation (A - al)(A - bl) = 0 , o a"# b. D ' aprs cette relation ,
l' image de A - bl est incluse dans le noyau de A - al.
Or, le thorme du rang permet d ' affirmer que la dimension de l' image de A - bl est gale 3 moins la dimension
du noyau de A - bl.
L' inclusion annonce plus haut implique donc l' ingalit :
3 - dim [Ker(A- hl)] ~ dim [Ker(A- al)],
que l' on peut crire :
i!::
3.
Si a et b sont valeurs propres de A , les deux noyaux cidessus sont les espaces propres associs.
La caractrisation gomtrique vue plus haut implique alors
que A est diagonalisable .
Si a n' est pas valeur propre , alors dim [Ker(A - al)]= 0 et
donc dim [Ker(A - bl)] ~ 3, ce qui implique A= bl. A est
donc diagonalisable, et de mme si b n'est pas valeur propre.
A=
(a-b-c
2a
2b
2c
b-a - c
2c
no us aj o uto ns la somme a + b + c
chaque terme de la diagonale, nous obtenons une matrice dont les lments de
la premire ligne sont tous gaux 2a ,
ceux de la seconde, 2b et ceux de la
troi sime , 2c . Autrement d it , chaque
ligne est colinaire au vecteur colonne
( 1 , 1, 1). L e ra ng d e la m a t rice
A+ (a + b + c) 1 est donc gal 1, sauf
si a = b = c = 0 , auque l cas il est nul.
Excluons donc ce dernier cas . Le nombre
-(a + b + c) est valeur propre, et l'espace
propre qui lui est associ est un pl an. La
trace de A est gale -(a + b + c), donc
a + b + c est auss i valeur propre .
Pour conclure, il suffi t de calculer le produit [A+ (a + b + c) I] [A-(a + b + c) I],
c'est--dire A 2 .
Nous tro uvons: A 2 =(a + b + c)2 l ,
ce qui montre que le produit ci-dessus est
nul. La matrice annule donc le polynme
x2-(a + b + c) 2 , qui n'a que des raci nes
simples la cond ition que a + b + c so it
diff rent de O. Dans ce cas, A est d iagonalisable. Si a + b + c = 0, la seule valeur
propre de A est 0, A n'est donc diagona li sabl e qu 'au cas o e ll e est null e,
c'est--d ire si a= b = c = O.
En rsum, la matri ce donne est diagonalisable si et seulement si a + b + c "# 0
ou a = b = c =O.
H.L.
74
EN BREF
La dcomposition d'une matrice en valeurs singulires (ou SVD pour singular value
decomposition) est un outil de factorisation de matrices rectangulaires trs utilis en
thorie du signal.
Pour une matrice rectangulaire A possdant m lignes et n colonnes, la dcomposition
en valeurs singulires correspond la factorisation A= M X I X tN, o M est une
matrice carr de taille m, N est une matrice carre de taille n, M et N sont unitaires
(M tM = l m et N tN = In) et I est une matrice rectangulaire (de mme taille que A)
dont les seuls lments non nuls sont diagonaux ( savoir les termes I; i pour
i = 1.. . min(m, n)) et positifs. Les valeurs diagonales de I sont appeles les
valeurs singulires.
Un problme rcurent du traitement du signal est de dterminer n paramtres d'un
systme linaire, de matrice A, dont on effectue m mesures (avec m > n), dans l'espoir,
justifi, d'obtenir une meilleure prcision. Nous avons alors rsoudre l'quation
Y = AX, avec Y carre de taille m, X carre de taille n, et A rectangulaire ayant m lignes
et n colonnes. Si la matrice A tait carre, tout tournerait rond et il suffirait d'en
calculer la matrice inverse. Alors rendons-la carre en la multipliant par sa transpose ! Nous avons tA Y = (tA A)X, et par suite X = (tA A)- 1 tA Y, si la matrice B = tA A est
inversible. Dans ce cas, la matrice A* = (tA A)- 1 tA est l'inverse gnralis, ou pseudoinverse, de la matrice A.
SAVOIRS
la trigonalisation
Quand une matrice n'est pas diagonalisable, c'est--dire
semblable une matrice diagonale, peut-on encore la rduire
une matrice simple ? La rponse tient dans l'utilisation
du corps des complexes et dans la trigonalisation.
o ns id ro ns une matrice complexe. Si son polynme caractri stiqu e n 'a que d es rac in es
simples, alors elle est diagonalisable. Si
ce n'est pas le cas, il se peut qu 'elle le
soit quand mme ... si l'espace propre
correspondant chaque valeur propre
multiple est de dimensio n gale son
ordre de multipl icit. Dans la suite, nous
considrons donc les cas, relati vement
rares, o cette proprit est fa usse.
- 1-x
=~) etf
.,
du plan, association qui sera systmatiquement fa ite dans la suite. Son polyn me caractristique est gal
2
J- x
- 1 = x 2 - 2x + 1 , qui a une
(22 -2)
,
-2
qui est bien gal 1. Cette matrice permet de trou ver un vecteur propre de/:
le vecteur i de coordonnes ( 1, 1). Autrement dit,f(i) = i.
Considrons alors un vecteur j non colinaire i, celu i de coordonnes ( 1, 0)
po ur fi xer les ides. Le systme (i, j)
dfinit une base du plan. Pour dterminer la matrice defdans cette base, il suffit de calculer f(J) dans la base (i ,J). Dans
la base initiale, les coordonnes de f(J)
sont fournies par le produit A ( ~)
= ( ~) .
76
(0 1) . La matnce
. .inverse est
2 -2
0
1
P- 1 = (
) , ce qui permet de vrifier
2 -2
l'galit prcdente.
Ce cas est gnral. Autrement dit, toute
matrice carre d ' ordre deux non diagonalisable, de valeur propre . , est semblable
la matrice ( ~ ~) . Cette forme est dite
de Jordan (voir l' encadr Trigonalisation de Jordan).
Considrons une matrice A carre d'ordre 3 et/ son endomorphisme associ dans une base de l'espace. la matrice transpose tA a au moins une valeur propre A, et donc un vecteur
l:
(a\
propre associ V= J :f:. o pour lequel tAV = AV soit,
en transposant, tyA= Atv. Soit M un point de coordonnes
(x, y, z) appartenant au plan Q d'quation ax + by + cz = o,
ce que l'on peut crire sous forme matricielle:
l!
(x\
tvx = o o X =
De mme que la diagonalisation, la trigonalisation permet de calculer des puissances de matrices. Pour le montrer,
prenons d'abord l' exemple de la matrice
A . Puisque A= PD p- l, il vient
A 2 = pop- l PDP- 1 = PD 2 p- 'car
p - l P = I. En itrant, on montre que
A 3 = PD 3 P- 1 et, de faon gnrale,
ponp- 1 pour tout entier n. Un calcul simple fournit :
An=
An=('1
1/ 2)(1
0
1)
n)(O
uis ueAn=(2n+I
1 2 -2 'p
q
2n
-2n)
1- 2n
SAVOIRS
La trigonalisation
Trigonalisation de Jordan
On appelle bloc de Jordan une matrice dont tous les lments
sont nuls saufla diagonale principale, sur laquelle tous les
nombres sont gaux, et la diagonale immdiatement suprieure, sur laquelle tous les nombres sont gaux 1.
On dmontre que toute matrice complexe peut tre trigonalise sous la forme d'une matrice diagonale par blocs dont
les blocs sont de Jordan. En dimension 2, cela donne une
seule forme. En dimension 3, cela en donne deux :
o\
l~ ~ :J
()...
()..
o\
l~ ~ :J.
1
prcisment de la restriction de f Q)
est trigonale suprieure, soit de la forme
( ~ :) . En compltant cette base par un
Camille Jordan
(1838-1922)
est l'origine des
matrices portant
son nom ..... mais
pas de la mthode
de Gauss-Jordan
qui est due
un homonyme,
Wilhelm Jordan.
p\
O
0
1
0
1J.
1
aJ . En calculant son
( 2
1\
de f est
2x+ y= 3
.
{ 4x-8y-3z =20
rsoudre le systme
l-1 1-IJ .
de Jordan
( 1 1 0\
lo
La pratique de la trigonalisation en dimension 3 est plus compl ique qu'en dimens ion 2 car plusieurs cas peuvent se
prsenter, a priori :
La matrice A peut avoir une valeur
propre simple et une double, mais d 'espace propre associ de dimension 1 ;
La matrice A peut avoir une valeur
propre triple, d'espace propre associ de
dimension 1 ou 2.
Le premier cas est similaire celui des
matrices d'ordre 2.
( 3
La matrice
l-4
4
1
-1
-8
en est un
1
0
J , on cherche troi s
1
1
EN BREF
1 1
)et B= (-l O). Le polynme caractristique de A est PA(X) = (X - 1)(X - 2).
0 2
0 -2
Il possde deux racines distinctes, donc A est diagonalisable; B l'est aussi puisqu'elle est diagonale!
C=A+B = (~ ~) n'admet que o pour valeur propre. Si elle tait diagonalisable, elle serait
semblable la matrice nulle, ce qui est clairement faux.
Posons maintenant A=(~
~)et B=
(~
Il possde deux racines distinctes donc A est diagonalisable. B l'est aussi, puisqu'elle est
diagonale! Leur produit C = (~ ~) n'est, lui, pas diagonalisable.
Le thorme spectral affirme que toute matrice relle symtrique est diagonalisable dans
une base orthonorme. Cette proprit est spcifique au corps des rels. Sur deux
exemples, nous allons voir que ceci devient faux si le corps de base est l'ensemble des
rationnels ou des complexes.
Le polynme caractristique de la matrice complexe A =
est (X - 1)2. L'unique
G~)
valeur propre tant 1, si A tait diagonalisable, elle serait semblable la matrice unit et
reprsenterait donc l'identit. Ce n'est clairement pas le cas ...
Posons enfin B= (
1
) considre comme matrice coefficients rationnels. Son polyn1 -1
contre-exemple mditer
A et B tant deux matrices carres de mme taille, les produits AB et BA ont le mme polynme caractristique. Donc ces deux matrices ont les mmes valeurs propres. Cependant,
leurs polynmes minimaux peuvent tre distincts !
Posons A=(~ ~) et B= (~ ~) . Un calcul facile montre que AB est la matrice nulle et que
BA= B. Comme B2 est aussi la matrice nulle et que B n'est pas nulle, le polynme minimal de
AB est X alors que celui de BA est X2 Ainsi AB est diagonalisable, tandis que BA ne l'est pas.
ACTIONS
1
2
A
(
-5
-3,2
D
0
E
)
RDUCTION DE MATRICES
'
. ( i .
l.
'
:i i
~ .;!
',.,
~- i1
. ,vtll\l.\UT,ll
l-1
Al
Nom :
C&!rrmentaire :
"
1
r;.."ll tlC'n41.M'
C:,C:l-C:.U"C t,
_. 1 , c;11; -e..-
l
C
c:te._
'.
' . l [. ... l [[G ]
l .
c~
'
z.
Nommer un
ensemble de
cellules.
,@
o--.s-----__B-.-..
..,..,
Zont :
Il est possible de multiplier une matrice par une constante, ou par la valeur
d' une cellule, en utilisant respectivement dans la cellule rsultat =3*B6:C8
ou =A 10*B6:C8.
F n!f6rence :
1 [ Arruer
()1(
x4
x5
- 3x2 + l,5x3
x 4 + l,2x5
1
=
-4
81
ACTIONS
0
0 ,5
1
3
1,4\(x,\
2
X2
- 1 -1
2
1
-4
( 3\
0 -3 1,5 -1 J,2 X 5
~---~--~______..
(
1
1
1
IAI =
0
2
1,4
0,5
2
l
-3
1,5
-1
l
3
1,2
)
1
1
1
(
1
1
1
xl
x2
x3
x4
l
-4
x5
)
1
1
1
311,4
-2
-5
1
1
0,385 -0,35
"---
"-
-4
=INVERSEMAT(A)
La solution apparat :
x. =1,
Xz =1,
x3 =-2,
x 4 =-5
et x 5 =S.
82
L'opration de transposition de
la matrice M s'effectue grce
Transpose(M).
Le calcul du dterminant de M
s'obtient via Determat(M).
Les commandes en version anglosaxonne sont respectivement
Mmult(M1;M2), Minverse(M),
Transpose(M) et Mdeterm(M)
En outre, il est possible d'extraire les
colonnes ou les lignes de la matrice M,
en utilisant les fonctions Colonnes(M) et
Lignes(M) (ou Colurnns(M) et Rows(M)
dans la version anglo-saxonne).
Enfin, il faut faire attention aux sparateurs d'arguments requis par les options
rgionales pour votre tableur prfr (en
gnral, point-virgule en version franaise et virgule en version anglaise) !
RDUCTION DE MATRICES
habiter en vi lle . Cette situation peut se
dcrire par la transformation linaire
suivante:
U;. 1 : 0,88U; + 0,08P;
{ P;. 1 - 0,l 2U; + 0,92P;
(0,88 0,08) (U ;)
0,12 0,92 P;
S U
'
o.aa
o.oa
0,12
0.92
12
11
J
1
11
1-,1
Q
l
O
l
O
O
La valeur
>.. = -4,42562
fournit le rsultat
5 x 10-S pour le
dterminant de
A-.I.
P. L.
83
EN BREF
Qn = In + D + D2 /2! + ... + on/n!. Un calcul facile montre que le produit de deux matrices
exp( tM) U o
M=
G~)
85
ACTIONS
Georges Seurat
(1859-1891), La Seine Courbevoie.
86
Modle .
~-~---==m
-~
Images matricielles
l' instar de certains procds de broderie (co mme le point de cro ix), des
tec hniques de la mosaque (q ui fo nt
d' une image une j uxtaposition de tesselles ) ou du pointilli sme (tel celui de
la peinture de Seurat), l' image numriq ue dite bitm ap est, comme son
nom l' indique, une carte de points .
Une tell e image n'est donc rien d'autre
qu' un ta bleau de va leurs dont les cases
son t les pixe ls (picture elements, ou
lment d ' image). De l re prsenter
cette im age so us fo rme d ' un tabl eau
den li gnes et p co lonnes, c'est--dire
une matrice n x p, il n'y a qu ' un pas,
que les in fo rm ati c ie ns ont trs v ite
fra nchi . Il s ont ain si dfi ni les images
matricielles. Chaque l me nt de cette
matr ice, savo ir c haque pi xe l dj
rep r par ses coo rd onn es gomtriques, va e n plu s tre caract ri s par
une pondration reprsentant son intensit ou sa coule ur.
Po ur une im age e n noir et bl anc, cette
pondration va de O 255, la valeur O
tant pour le no ir, la va le ur 255 corres pondant au bl anc, les vale urs intermdi a ires ta nt attribu es a ux 256
d iffre nts ni veaux de gri s, all ant du
plus sombre (noir) au plus clair (blanc).
Les entiers tant stocks dans l'ordi nate ur en critu re binaire, tout nombre
entre O et 255 ne ncess itera pas plu s
de huit caractres O ou 1, c'est--dire
huit bits, fo rm ant un octet.
Pour une image e n coul eurs, selon le
code RVB (rouge, vert, bleu), on rserve
un octet par coule ur, ce qui correspond
.,.,.---- ~
n.;;.--
87
ACTIONS
50
50
50
50
50
50 50 50 50
50 50 50 50
50 100 50 50
50 50 50 50
50 50 50 50
A' =
50
50
50
50
50
50 50 50 50
50 0 50 50
0 300 0 50
50 0 50 50
50 50 50 50
88
Images uectorielles
Image
bitmap
Image
vectoriel le
rt Jt
Diffrence entre une image bitmap
et une image vectorielle.
...\
(. ..
A=
L' imagerie matric ielle a certes l'avantage de pouvoir tre traite par un calcul algbrique simple, mais e lle rsiste
mal au grossissement , donnant trs vite
un effet d 'escalier.
li ex iste une autre catgorie d ' images
numriques, plus rsistantes au grossissement, moins lourdes en taille, mais
pour la quelle le vocabulaire de
l'algbre linaire intervient encore: le
images vectorielles. Ce sont des reprsentations d'objets gomtriques simples,
lignes, points , polygones , courbes dfinis, selon des tableaux d' octets appels
vecteurs, par leur forme, leur position , leur
couleur. Un cercle sera par exemple dfini
par son centre et son rayon, un carr par
deux sommets opposs, une courbe par
plusieurs points et son quation.
Dcrites avec peu d'informations , les
do nnes, reprsentes par des entits
mathmatiques, seront aussi moins sensibles aux transformation , et le images
resteront nettes aprs grossissement.
Le mot vecteur intervient double
titre dans ces images : dans la qualification vectorielle , mais en plus dans
le rle important des tangentes aux points
d 'ancrage des courbes, autre ment dit
... D---------q....
.. ....
_____
Courbe de Bzier
de A D, avec B et C
comme points de contrle .
( ,
, ,
')l-3 3
-1
6
3
0
3
-3
E.B.
89
SAVOIRS
Partout en physique,
des matrices
L'tude dynamique d 'un systme physique consiste
transcrire des relations entre forces en un systme
d'quations. La rsolution numrique amne rcrire les
quations sous forme matricielle. De fait, plus de la moiti du
temps de calcul de tous les ordinateurs se passe manipuler
des matrices !
es matrices sont partout ! Pe u
de calcul s, di scrti ss pour tre
traits par la pui ssance informatique, le urs chappent. E lles pe uvent
intervenir dans la formul atio n m me
du probl me, si celui -ci pe ut tre vectori s, ou dans la reprsentation d 'oprate urs. Nous allons illu stre r que lques
cas classiques d ' utili satio n des
matrices, sans vo ulo ir pr tendre l'exhausti vit pui sque la mise e n fo rme
ma tric ie ll e est frque nte da ns to ut
do maine math matis .
matrices en physique
Un calcu l n 'est qu ' une manipulatio n
de rgles prtablies . Et qu ' importe le
sens rel des m thodes mi ses en jeu.
C' est a in s i que l' on a inve nt les
nombres ngatifs, les nombres complexes et bie n d 'autres outils pra-
90
( ~: )=(Q,)x( ~.
( ~: )=(Q{ ~
E
0
l[
=r
2 -1
-1 ][ 11,
-1
3 -1
2
-1 -1 3
13
l
.
Problmes quivalents.
quations diffrentielles
vecteur
( nra
C haque
mili e u
En dynamique classique, le mouvement d ' un po int matrie l est caractris par une relation entre sa pos ition
x(t), sa vitesse (ou dri ve temporelle)
i 1\t) = dx(t) / dt, et son acclration
x<2\t) = dx<1>(t) /dt= d 2x(t) / dt2, que
l'on sait proportionnelle la somme
des fo rces depuis Newton. La trajectoire de ce po int , la courbe (t, x(t)), s'obtient en intgrant une qu ation diffre ntie lle lina ire coeffi c ie nts
91
SAVOIRS
Partout en physique
con stants d ' ordre 2 de la form e
m x< 2l(t) + f x(l >(t) + k x(t) = O. Pui sque
l'exponentielle est invariante par dri vation, nous avons (eA1)<11> = A"eA 1 La
fonction x(t) = x(O)eAr est alors solution
de cette quation , la condition que A
soit solution du pol yn me du second
degr mA 2 + JA + k = O.
Dans le cas gnra l d ' une quation di ffrentie lle linaire d ' ordre n,
,i - 1
)"l + I, ak)kl
k=O
= y(")
I - I = 2
1 - 1
<1>
- 1 =
0.
et A2 = -1 / <J>, o
.
devient
A ,' = - J [ Ll,,+1 il,,
Lli
li,, ll,,_1
et est encore
</)
~I
On vri-
P'AP= dei(e)[
~!
]( :
~ l[ ~
~!
avec exp(D)=[
0
e q,
e - q,
_,
de dimension n admet
Y=
t"
exp(At)=I,A"- (voirenencadr)
n~O
n!
et Y(O) le vecteur des conditions initiales dtermin par n donnes.
pour drive
y (i)
, et est
Prenons
le
cas de l'quation
avec y(O) = 0
et
y<' l(O) = 1. Elle s'crit y ( I ) = AY, en
y< 2l = y< 1l + y ,
A= [
T
O
-a,
A=( : ~}
-f J
/'l = ay,
posaet
93
SAVOIRS
Partout en physique
MathsTavlor is maths-riches
Toute fonction bien gentille (sans irrgularits,
comme on en rencontre souvent en physique) admet un
dveloppement de Taylor. Ce dveloppement en un point
x est une srie contenant les drives en x de tous les
ordres de la fonction, savoir :
f (x + h) = f (x) + h/ 1l(x) + h2 / 2l(x) / 2 + . . . En notant
!; = f (x;) , nous avons h+i = !; + hJ;(l ) + h2 J;<2l / 2 + .. .
Ces expressions peuvent nous fournir, par diffrentes
combinaisons linaires, une estimation de n'importe
quelle drive. Ainsi, de la partie paire de ce dveloppement, soit:
if;+ 1 + J;_1) I 2=!;+h2 1;<2l / 2! + h4 1;<4l I 4! + ... , nous
pouvons obtenir une estimation d'ordre 2 de la drive
seconde , avec l'expression :
Discrte driue
La gnralisation deux dimensions est le laplacien
. 1++:
. 1++:1
J+:i.JJi .J+
Ji -.). ++:1
J ;+ ,}.
nous avons '-'A..f.. -__
2
I .J
h4[
4
t].
l ,J
u1
=( ~ }
u,,_1
cette
quation
94
</>
= .Js + l .
2
0
-1
avec D =
0
0
0 0
0 0
-1
-1
0
0
0
0
S=
0
L'quation diffrentielle F'(x) = f(x),
avec la condition initiale F(O) = 0 ,
s'crit matriciellement
0 2 = l-2N+N 2
1 0 0 0 0
-2 1 0 0 0
1 -2
0
0
-2
0 0
k= I
F (X;) =
J/
2
) -h.{;(J)
les sommes de
F.L.
95
ACTIONS
La trilatration
La trilatration, technique courante pour les systmes GPS,
en cinmatique, cristallographie et robotique, donne la
localisation d'un point de l'espace en fonction de ses distances
trois points fixes. Elle permet de s'affranchir de l'arbitraire
d'un repre.
de la tril atrati on
con s iste locali ser un po int q
dans l'espace en fo nction de ses
di stancesx 1,x2 et x 3 troi s points fi xes
p 1, p 2 et p 3 . Les pre mi ers traiteme nts,
dans les annes 1980 , simplifi aie nt les
calcul s e n utili sant des repres pri vilg is, ce qui rompait la sy mtrie nature lle du probl me. On dveloppa alors,
partir de techniques d'algbre linaire,
des fo rmul ations sans coordonnes
de ces systmes vers la fin du sicle derni er. Une technique rcente utili se des
coordonnes barycentriques e t fo urnit
une fo rmule compose de dterminants
de Cay ley-Me nger, qui o nt tou s une
in te rprtati o n go m trique, e n terme
de lo ng ue urs, surfaces o u vo lum es .
Cette fo rmul ati o n a de plu s le mrite
de permettre, pour ce pro bl me d ' ori gine phys ique, une plus simple ex pressio n de l'erreur.
,,
,,
,
,,
,,
96
~ D,. (p )
Y,. (p ) = - - -
(n - I)!
s'ex prime en fon ction d ' un dterminant de Cay ley- Menger ! Le simplexe
est donc la gnrali sation du tri angle
(2 0 ) et du ttradre (3 0 ) . Cette gnrali sati on s'tend la notion de tri angul ati on. Tout pol ytope con vexe dans
un espace de dimension n pe ut tre
dcompos en somme de n-s impl exes
dont les inte rsections de ux deux
sont l'e nsemble vide ou un s-s implexe
(avec s < n). Le vo lume de tout polytope convexe peut donc s'exprimer en
fo nction de la longueur de ses artes
et de ses di agonales !
le dterminant de cavlev-Menger
Considrons deux groupes de n points, les n-uplets
(p) = (p 1 pn) et (q) = (q 1 qn), de l'espace euclidien !Rm, et
notons d; ,J la distance entre le point P; et le point qi"
On dfinit le dterminant de Cayley-Menger de la faon
suivante :
0 1
1
1
D (
n
1 d~, d~.,
) - (-!)" 1 d;_ , dJ.2
p ,Q - 2-I
d;., d;_,
d;_.
l,
scalaire et le produit vectoriel des vecteurs et ii. Le vecteur A ii a pour norme la surface du paralllogramme
tabli sur les vecteurs et ii, et la valeur absolue du dterminant det{ ,ii,w ) correspond au volume du paralllpipde construit partir des vecteurs , ii et w (comme le
prcise l'article le Sens du dterminant).
En notant SP (respectivement St) la surface et iip (respectivement n.) une normale du triangle gnr par les points
(p) (respectivement (q)), nous avons en particulier
D3 (p ,q) =4Sps. (n. ii.). Nous pouvons aussi crire
D 3 (p,q) = 4S_a. , o a . = s.(n. n.) est la projection de la
surface Sq sur la surface SP.
U V
-- ,, ,
-~:----.,!.-------------.,--,,
Hron et tridngle
d~.
dJ. .
---- I
__ .,,,.-;
'
,
,,,
,
V,
,,
-+- ,'
,'
,,'
,'
-------------;'----::~'
..;;;.________________
-'!'"~--,' ----
97
ACTIONS
La trilatration
Nous avons D2 (p) = IIP,P,112 = d~2 , et par
suite V2 (p) = ~D 2 (p) = d1.2 , ce qui correspond bien la distance entre les points
P1 et P2
Pour un triangle, n = 3
et D3(p) = IIP,P 2 "p,p31!2. La surface du
triangle S a donc pour expression
S = V3(p) = ~IIP,P2 "P,P311, qui est bien la
La trilatration.
le volume
D2 (p )=~ll
1\
d~J=d,\ .
2
0
Avec les notations de la figure donne
en encadr,
I
d; 2
(0
'l'
b2c2 -
) .
~
.
v. (p) = '\10
(p) , express ton
6
que nous
98
1\
0 c2
Dl p)=b'2J .
4 1 c2 0 a
1 b2 ai 0
D i (P)
le GPS
D ( ')
~ D, (p') -
nous avo ns pq = hn = f - - - w.
0 3(p)
-[
1
q= -D3(p)
,-1
0 3(p ,p
10
La dtermination du point q ne ncessite que le calcul de quatre dterminants de type Cay ley-Menger (pui sque
3
,_,
indpendante
Coordonnes barvcentriuues
Dans le plan dfini par le triangle 11p 1piP3, le point p a
pour coordonnes barycentriques normalises les rapports s; =S/ S, pour i valant l , 2 ou 3, avec s 1 + s2 + s3 = l,
puisque S =S 1 + S2 + S3 Cela signifie que pout tout point w
du plan du triangle, nous avons la relation vectorielle
co p = s,co p , + s2 cop2 + s3 coPJ ,que l'on peut crire
p= s, p,+ s2 --;i;_ + s3 A. Dans la suite, notons p<i) le triplet dans
lequel le point P; est remplac par le point q. Il correspond
la face du ttradre ayant pour sommet le point q et le
segment a ; pour ct. D'aprs les rsultats prsents dans
l'autre encadr, nous avons Dl p , p<O) = 4S;S.
Nous en dduisons les coefficients barycentriques s; du
projetp:
4SS, 0 3 (p ,pm)
s. = - -=
.
' 4S 2
0 3 (p )
donnes:
-
,{, 1 ,{,
(1) p= L, s, p, = ~
( ) L,D 3 (p ,p )P;,
iI
3 p i I
Un flexadre de Connelly.
99
ACTIONS
La trilatration
s Gr. li exi ste un polydre flexibl e de
Kl aus Ste ffe n neuf somme ts, e t on
sait qu ' un polydre ayant au plus sept
somme ts est ri g ide. Trouve r un po lydre flexible huit sommets reste une
question ouverte !
Robe rt Conne ll y d mo ntra que le
volume de son pol ydre resta it
constant au cours de la dform ation et
supputa, sous le nom de conjecture du
soufflet , qu ' il e n tait de m me po ur
tout polydre fl ex ible. Idjad Sabitov
prou va e n 1996 une gnrali satio n de
la formu le de Hron . Il d mo ntra que
le volume d ' un polydre troi s dimens ions est solutio n d ' une quation po lynomia le dont les coefficie nts sont e uxm mes des po lynmes des carrs des
longue urs des artes. Ce volume ne
pe ut do nc pre ndre qu ' un no mbre fi ni
de va le urs. Lo rs de la dform atio n
d ' un fl exadre, son volume ne pe ut
alors varie r continGme nt , car il pre ndra it ncessaire me nt une infinit de
vale urs . Le volume garde une va le ur
con sta nte, et la conjecture du soufflet
dev ie nt un thor me !
F. L.
orn
oatt1
a dcouuerte de neptune
Hrthur Cayley
(1821-1895)
Urbain Le Verrier
(portrait par Henri
Giacomotti ; Versailles,
muse national des chteaux
de Versailles et de Trianon).
1-
'
1
-i
1
Journal de Liouville), des travaux mathmatiques prcurseurs de ce qui deviendra la thorie des matrices. Posant
les quations diffrentielles des mouvements des sept
plantes connues cette poque, il introduit l'quivalent des valeurs propres et de la diagonalisation d ' une
matrice. Il relie ces notions l'analyse astronomique
du problme, distinguant les trois grosses plantes,
plus perturbatrices (Jupiter, Saturne, Uranus), et les
quatre petites plantes (Mercure, Vnus, la Terre
et Mars).
Ce faisant, il simplifie son systme matriciel 7 x 7 en le
dcomposant en deux blocs de 4 et 3. Bref, il transforme
un problme d'astronomie en un problme d ' algbre!
C'est d'ailleurs cette dextrit et cette persvrance dans
le maniement des systmes diffrentiels et de leur rsoIution matricielle (avant la lettre) qui mneront Le
Verrier la dcouverte de la huitime plante, Neptune.
Elle tait dsigne comme plante troublante , au
sens mathmatique, car elle modifiait la trajectoire de
sa voisine Uranus : les observations des positions de
celle-ci ne correspondaient pas aux solutions approches
des systmes diffrentiels.
C' est bien la trace des mathmatiques qu'a suivie Le
Verrier pour dcouvrir Neptune, bien plus que celle
de l'observation astronomique (voir le texte d' Alain
Juhel sur le site www.bibnurn.education.fr). Le fameux
bon mot d ' Arago le confirmera : Monsieur Le Ver,4)
rier vit le nouvel astre au bout de sa plume.
1:
"' ,
en
n 44. L
ne
a.n9 nt
101
ACTIONS
les matrices
actuarielles
Les contrats d'assurance-vie peuvent garantir le paiement
d'un capital dtermin en cas de survie d'un assur un ge
donn (capital diffr), ou le paiement de ce capital aux ayantdroit au moment du dcs de l'assur (assurance dcs).
L'actuariat, tant vie que accident , a aussi recours au
calcul matriciel.
'
l'actuariat uiager
Les contrats d'assurances-vie sont de
deux types : certains garantissent le
paiement d'un capital dtermin en cas
de survie d'un assur un ge donn
(le capital est diffr) , d' autres garantissent le paiement de ce capital aux
ayant-droit au moment du dcs de
l'assur (assurance dcs). Le contexte de ces types de contrat est donc celui
d'un systme deux tats : vie ou
mort. L' assur vivant peut rester vivant
ou passer l'tat dcd (n ' insistons pas sur la seule possibilit laisse
l'assur mort ... ). On peut convenir
d'observer un assur lors de ses anniversaires successifs et de noter systmatiquement son tat. Admettons que
l'on puisse dterminer la probabilit de
survie d' un assur pendant un an, note
p (0 < p < 1), que nou supposons dans
un premier temps indpendante de son
M=( ~ l~p J
=[ ~
(1-,p)'
=( ~
(1-i")" }
La premire ligne dcrit les probabilits de transition vers les deux tats vie
et mort d ' un individu vivant. La seconde ligne correspond aux probabilits de
transition partir de l'tat dcd. Cet
tat est qualifi d'absorbant pour des
raisons vidente dans notre contexte
(voir l'encadr consacr aux chanes
de Markov). On peut prsent s'intresser l'tat de l'assur aprs deux
ans. En supposant les transitions successives indpendantes, on sait que la
probabilit de survie aprs deux ans
doit valoir p2. La probabilit de dcs,
complmentaire, doit tre gale
1 - p 2. En effet, ce dcs a pu survenir
pendant la premire anne (probabilit
1 - p), ou durant la seconde, auquel cas
l' assur a du survivre un an puis dcder l' anne suivante. Ces vnements
tant indpendants par hypothse, leur
probabilit de ralisation simultane
est gale au produit des probabilits
soit p X (! - p). Les deux vnements
(dcs la premire ou la seconde
anne) tant disjoints, la probabilit de
ralisation de l'un ou l'autre des vnements est la somme des probabilits,
soit [1 - p] + [p (1 - p)] = l - p 2 . On a
vrifi ainsi que la matrice de transition d 'tats en deux ans correspondait
exactement la matrice M 2, et galement que la procdure de calcul mise
en place tait celle du produit matriciel:
M'
M"
M-
=( ~ ~ J
qui exprime que le seul tat final atteignable, quel que soit l'tat initial, est
celui de dcd. Apparat ici la notion
trs claire d'tat transitoire (tre
vivant) et d'tat persistant (tre mort).
Toutes ces notions sont formalises
dans le cadre de la thorie des chanes
de Markov.
La ralit est un peu diffrente : les
probabilits de transitions dpendent
de l'tat du systme (la probabilit de
survie varie avec l'ge). Les matrices
dcrivant les probabilits de transition
deviennent :
M
x=[~ 1-t-' }
o x dsigne l'ge de l'assur. Aprs
deux ans, on retrouve la multiplication
matricielle classique :
MM
x
x+ I
=(
P.,
1-p,
i
J(
p_.. ,
1-p_.. , )
i
maladie et inualidit
Tournons-nous vers les contrats couvrant les cas de maladie ou d ' invalidit. Dans ce contexte, le systme tudi
() 'assur) peut connatre quatre tats :
tre vivant et actif, tre vivant et invalide, tre mort en tant qu 'actif ou tre
103
ACTIONS
ser de l'tat i l'tat} en exactement n transitions. Eh bien, cette probabilit est fournie par
la puissance nime de la matrice P.
Un tat} est accessible partir d'un tat i s'il
existe un n tel que pJ" )> O. Les tats i etj
communiquent s'ils sont accessibles l'un
partir de l'autre. Si tous les tats d'une chane communiquent, on dit que la chane est
irrductible.
Un tat i est rcurrent ou encore persistant si
la probabilit du systme d'y retourner (en un
nombre quelconque de pas) est gale 1. Dans
le cas contraire, l'tat est transitoire. On distingue encore les tats persistants nuls ou non
nuls elon que le temp moyen de retour est
infini ou fini.
Supposons prsent que l'on observe un
ensemble de systmes voluant selon la mme
dynamique, et que les frquences de prsence
dans les diffrents tats Ei de ces systmes
soient dcrites par le vecteur a= (a 1, a 2, a3 ....
a.,) dont toutes les composantes sont positives
et de somme nulle. Aprs une transformation,
on s'attend retrouver un ensemble caractris par le vecteur aP. De mme, aprs n pas, le
vecteur d'tats de l'ensemble des systmes
sera aP'. Sous certaines conditions, cette procdure gnre une stabilit : long terme,
pour les chaines non priodiques constitues
d'tats persistants , le vecteur d'tats tend vers
une distribution dite stationnaire (c'est--dire
globalement identique aprs chaque transformation individuelle des diffrents systmes de
l'ensemble). Des exemples d'ensembles de ce
type se retrouvent en actuariat accident,
lorsque l'on considre un portefeuille d'assurs constitus de conducteurs tarifs individuellement en fonction du nombre d'accidents
dont ils sont responsables.
mort en tant qu ' invalide. Les deux derniers tats sont considrs comme diffrents, les prestations de ('assureur
tant le plus souvent significativement
suprieures dans le second cas de figu-
~ 04
re (qui survient aprs deux changements d' tat et se traduit donc gnralement par deux dbours de la part de
l'organisme assureur). Reprenons une
description des probabilits de transi-
q(l,(l
q"i
p "'
p jj
q i.a
q jj
0
0
0
0
1
0
0
1
[ p"'
q l/JI
q"j
qi
0
0
Hctuariat accident
Nous sommes presque tous confronts
l' obligation de souscrire une assurance responsabilit civile. Celle-ci est
tarife partir d ' chelles de primes
calcules selon deux modes complmentaires : le mode a priori, en fonctions de critres plus ou moins arbitraires, et le mode a posteriori, en
fonction du comportement de chaque
conducteur. Parmi les critres a priori
figurent le type de vhicule et sa puissance, l'ge du conducteur, son lieu de
rsidence, sa profession , la date
d ' mission de son permis de conduire . .. Le critre a posteriori parat plus
objectif puisqu'il consiste comptabiliser chaque anne le nombre d'accidents en tort mettre au crdit (ou plutt au dbit !) de chaque assur. Le
nombre d'accidents en droit pourrait
galement tre pris en compte, ce ren-
105
ACTIONS
Po
P=
ri 06
D.J.
EN BREF
Un peu d'histoire
u
go
:,:
Q
,,
-~
::;:
v,
+--
Sur ce quadriple,
les entres et les sor ties
sont des intensits.
-::;:
v,
-=
-=
Souvent, les grandeurs d'entre, notes (x, y), et les gran deurs de sorti e, notes (x', y'), sont lies par une relation
du type x' = a x + b y et y' = c x + d y, o a, b , c et d sont
des constantes. Le systme pe ut alors tre modlis par
S = A x E, o S dsigne le vecteur des sorties , E le vecteur
des entres et A reprsente la matrice (:
!) .
107
ACTIONS
en econom1e
108
Les biens produits par les diffrents secteurs ne sont pas ncessairement homognes, de sorte que leurs quantits
physiques peuvent parfois ne pas tre
comparab les. Comment , par exemple ,
additionner le nombre de tonnes de fruits
rcolts avec le nombre d ' heures rclames par un service la personne ? En
consquence , en vue de calculer la production globale et l'entre globale d ' un
secteur, il faut tre capable d ' exprimer
les X; J en valeurs montaires , de manire
pouvoir notamment les ajouter les uns
aux autres . Par exemple , si le secteur S 1
dsigne l'agriculture et le secteur S2 celui
des services , alors x 1,2 est la valeur, en
euros , de la production agricole ncessaire au fonctionnement du secteur des
services. Mais les faits sont rarement
aussi simples dans la vie : un tel choix
peut poser des problmes pour la comparaison de tableaux relatifs des dates
diffrentes , puisque les systmes des prix
varient au cours du temps ! Le modle
que nous allons dvelopper est donc
valable uniquement dans le court terme .
Trauail et capital
Les secte urs effectue nt gnraleme nt
des li vrai sons de produits fini s dans le
but de sati sfaire une de mande fin ale
(comme la consommation des mnages ,
les investissements des pouvoirs publics,
les exportations de biens et services destination de ('tranger. .. ) . Appelon s d;
la valeur (en units montaires) de la
demande final e adresse au secteur S;.
Les X;J et les d; peuvent tre repri s sous
la forme d ' un tableau :
Secteurs
consomm ateurs
,,,...
s,
:::,
Demandes
fi nales
s,
s2
.. .
s,,
x1.1
x,.2
.. .
x 1.11
d,
x 2.2
.. .
X 2,,
c/2
x n.2
...
<)
:::,
"Cl
s2
X2.I
,,,...
:::,
s,,
X n.l
ea.
<)
<)
[/'J
""
d,,
2:X;.j + d;
J-1
2x
j- 1
Plus prcisment, (L':. X); = e;J reprsente la quantit supplmentaire que doit produire le secteur S;lorsque la demande
finale du secteur s1 augmente d'une unit.
1 .,.
v,
x, - 2 xjJ'
J-1
109
ACTIONS
Secteurs
consommateurs
"O s i
0
....
o..
(/)
s2
Demandes
fin ales
s1
s2
x1. 1
x1.2
d l
X 2. I
x 2,2
d2
Secte urs
consommateurs
X1=
s,
s2
Demandes
fina les
-ci
s,
12
Cil
s2
eo.
110
a 1_1 = 12 / 20 = 0,6,
a 1,2 =3 / 15=0,2,
G1,3 = 4 / 20 = 0,2 et
a 1,4 = 6 I 15 = 0 ,4.
A .InSI. ,
A= (0,6
0,2
0,2)
0,4
D'=(!),
X=(~~) devient
X'={I-Af'D'=(~ ~)(!) =(~:).
le vecteur
J.B.&A.C.
111
ACTIONS
Exemples lmentaires de
matrices en conomie
Les conomistes sont souvent amens manipuler des
tableaux de nombres qui sont les rsultats d'observations
empiriques ou qui sont construits partir de rgles prcises .
Illustrons les oprations matricielles de base par des exemples
varis et trs simples rencontrs dans l'univers conomique.
orsque des clients ont la poss ibilit d'acheter plus ieurs produits, leurs commandes peuvent
tre rassembles dans un tableau dont
les lignes se rfrent aux acheteurs et
les colonnes aux biens .
(5
112
2 4
M=l~ ~
1\
! ~J
matrices de commandes,
matrices de fabrication
Admettons que cette matrice M rassemble les commandes effectues par
nos clients au cours de de ux jours successifs. Au total sur ces deux journes,
les troi s personnes achteront vide mment les quatre produits conformment
ces calculs simples :
15
3 6).
5 4
F2 et six units de F 3 , tandis que la production d ' une unit de S 2 fait appel
quinze units de Fi, cinq units de F 2
et quatre units de F 3 .
Par ailleurs, les deux produits semifini s S I et S 2 servent leur tour pour
fabriquer deux produits finis P 1 et P 2
Plu s prci s ment , pour obtenir une
unit du produit fini P;, il faut employer
la quantit b ;J de SF Les nombres b;J
forment une nouvelle matrice N = (b;).
Par exemple, on di s pose des informations suivantes: il faut cinq units de
S I et s ix units de S 2 pour produire
une unit de P 1 et, de mme , il faut
deux units de S 1 et trois units de S 2
pour produire une unit de P 2 , ce qui
fournit la matrice
N
= (~
~) .
5x6+6x4)=(140
2 X6+3X4
65
45
2J
54)
24
ACTIONS
Matrices en conomie
le produit E Fest, par dfinition , la
matrice Q = (q 1.J ), de format mxp,
telle que
( l\
qt.J
. . = e., . ,!,, .J. + e./ , ,f , ,}. + ... + e'" f.fi.}. = ,.L.,,
f e,.,J,, .J..
k-l
i ,, -(1 1 ...
CUM)U = 1U(MU)
= UMU
1
ce qui quivaut
=(EF)G = EFG ,
J- 1
:114
t :J-'U (MU)
J. B.
ACTIONS
a r1ces
et codes secrets
Tout ce qui se prte des calculs compliqus peut tre utilis
pour coder, les matrices ne font pas exception. Ces codes,
nomms chiffres de Hill du nom de leur inventeur, ne sont
gure utiliss de nos jours. Pourquoi ? Tout simplement parce
qu'ils ont un talon d'Achille ... Dans cet article, nous montrons
lequel, et comment y remdier.
o mmenons en restant dans le
Chiffrement par multiplication
ABCDEFGH
9101112
NO
ST
UV
15
Q
16
13 14
17
18
20
22
23
24
25
116
19
KLM
21
Dchiffrement, dcryptement
Pour dchi ffrer, nous de vons dte rminer l'opration inverse du chiffrement.
Po ur ce la, no us c he rc ho ns s i 7 a un
inverse dans Z/26"1!... C'est bi en le cas
et nous trouvons qu ' iI est gal l 5 ( voir
l'encadr Calculs dans "l!../26"1!..) . Il est
diffic ile de trouver ce nombre ( 15) mais
fac il e de v rifi e r a p osterio ri qu ' il
convient pui sque 7 fo is 15 vaut 105 ,
dont le reste dans la divi sion par 26 est
1... Il suffit donc de multipli er par 15
pour dchiffrer. Remarquons ce ni veau
qu e to ute clef ne do nne pas un code
dchiffrable. Pour cela, il est ncessaire
d' utili se r un l me nt in ve rs ibl e de
"l!../26"1!..,c'est--dire un nombre premier
avec 26 ( voir l'encadr).
Si on ne connat pas la clef, nous disposons
de deux mthodes pour casser le code.
Premi reme nt , nous pouvons essayer
les onze clefs possibles. Deuximement,
nous pouvons utili ser la mthode des
frquences pui sque notre mthode correspond une simple substitution alphabtique. Nous ne rev iendrons pas sur la
question : e ll e est dvelo ppe dans le
hors-srie 26 de Tangente, Cryptographie et codes secrets. L'art de cacher ,
comme dans notre li vre sur l 'Uni vers
des codes secrets.
117
ACTIONS
lester Hill
En 1929, Lester Hill a publi un article sur l'utilisation des matrices pour chiffrer un message dans un
journal ducatif. Il s'agit donc plus d'un exemple
d'utilisation des matrices que d'un chiffre destin
rellement cacher. De fait, il demande des amliorations pour offrir une bonne scurit.
ce qui donne A x ( :) , so it 4, 2 1.
Autrement dit, nous utilisons une matrice
. A- ' = ( 8
soit
notons A
I._(
35 - 1
ri 18
= (:
!) la matrice de chif-
( )~) = (
1
:) et de mme :
= (
1
;) (DR devient PD) . Cela
H.L.
Bibliographie
Cryptographie et codes secrets, l'art de
cacher. Bibliothque Tangente 26, 2006.
L'univers des codes secrets de l'Antiquit
Internet. Herv Lehning, Ixelles, 20 12.
The code Breakers . David Kahn , Scribner,
1996.
Renforcement du chiffre
Il est donc ncessaire de rendre le
chiffre de Hill rsistant aux attaques
par mots probables. Pour ce faire, il ne
~ 19
HISTOIRES
matrices
Matrix computations: contrairement ce que ce nom laisse
entendre, nous ne sommes pas en prsence d'un nouvel opus
de la srie Matrix. Il s'agit d'un ouvrage, d'ailleurs plus connu
pour les numriciens que le film ! L'histoire de l'analyse
numrique est indissociable de celle de l'un des auteurs de cet
ouvrage, Gene Golub.
i vous cherchez inverser ou diagonaliser une matrice , vous avez
forcment une solution efficace
dans un livre, vritable brviaire du calcu l numrique : Matrix computations,
qui est le vade-mecum du calcul matri-
ciel pratique. Car il ne fa ut pas s'y tromper (et vo us l' ig noriez pe ut-tre) : la
plupa rt des ordinateurs de la plante
passe nt le ur temp s m a nipul er des
matrices. C'est bien pour cette raison que
Matrix computations est un best-seller
(nou s en sommes la troisime d ition ,
plus de cinquante mille exemplaires ont
t vendus, et plu s de dix mill e rfrences dans des artic les pointe nt sur cet
ouvrage). Ses auteurs sont Gene Howard
Golub ( 1932-2007) e t Charles Francis
Van Loan (n e n 1947). Comment ce
livre est-il n ?
L' Amricain Roger Alan Horn (n en
1942) ava it fond le dpartement de
ma th mat iqu es l' univers it JohnsHopkin s. Avec les John s H opkins
Press, il publiait des monographies
courtes re pre nant des cours. Il ava it
inv it Gene Golub dispenser un de
ses cours. Charlie Van Loan ta it prsent et pensait que le cours de Go lu b
ferait un livre excelle nt. Il s dcidrent
Gene Howard
Golub
(1932-2007).
les dbuts
Gene Howard Golub est n le 29
fvrier 1932 de Bernice e t Nathan
Golub . Sa mre tait originaire de
Lettonie et son pre d 'Ukraine . Tous
les deux taient arrivs indpendamment aux tats-Unis en 1923 et
s'taient installs Chicago , ayant
des pare nts dj dan s la ville. Gene
nat au cur de la grande dpress ion ,
trois ans aprs son frre aine Alvin.
12 ans, il commence travailler
dan s la pharmacie de so n cousin
Sidney. Alors qu ' il est au lyce, ses
parents divorcent et son pre meurt
l'anne suivante , en dcembre 1948 .
Au dpart, Gene voulait devenir chimiste. Pui s il dcouvrit la gomtrie
analytique et le calcu l, et sa passion
dbuta. li suivit des cours de mathmatiques l'univers it de Chicago ,
puis dcida d'aller l ' universit
d ' Illinoi s Urbana-Champaign pour
sa licence . Une dc ision qui changera
sa vie, car parmi les cours qu'il sui vra figure un cours sur les matrices
de Franz Edward Hohn . Licenci,
Golub suit les cours du fameux stati sticien Calyampudi Radhakri shna Rao .
Pendant ce cours, il apprend plus sur
les matrices que sur les stati stiques ;
il devient vite familier de la manipu lation des matrices.
Gene Golub avait un travail temps
partiel chez un phy sicien travaillant
sur un acclrateur. Il apprend programmer l' ILLIAC , l' un des premiers
ordinateurs de l'poque. John Nash
121
HISTOIRES
Les mathmaticiens...
mthode de rduction cyclique pour la
rsolution de certains systmes
linaires, permettant la construction
de solveurs de Poisson rapides. Mais
quand on demandait Gene ce qui
dfinissait sa carrire, il ne mentionnait pas telle contribution ou tel
artic le scientifique : il parlait des
gens. li louait ses tudiants et aimait
rpter qu ' il avait eu de la chance de
les rencontrer.
Publications de SIAM.
www.siam.org
~ 22
J.-J.D.
Rfrences
Matrix computations. Jean-Jacques
Dupas, Tangente 120, 2008.
Gene H. Golub Biography. Chen
Greif, Oxford University Press,
2007, en anglais, disponible en ligne
l'adresse suivante:
http://fds .oup.com/www.oup.co .uk/
pdf/0-19-92068 1-3 .pdf
Matrix Computations. Gene Golub
et Charles van Loan, Johns Hopkins
University Press, 1996 pour
la troisime dition.
ACTIONS
Calculs matriciels
en statistique multiuarie
ri 24
Karl Pearson
(1857-1936).
Composantes principales
Considrons prse nt la seule matrice
X. Ces observations constituent un nuage
de po ints da ns un es pace k dime nsio ns. L' ide est de se reprsenter ce
nuage dans un pl an de faon v isuali ser les proximits et les diffrences des
units stati stiques.
Pour y arri ver, on propose
de re mpl acer les vecte urs
,,!
observs (qui constituent les
li gnes de la matri ce) par
une ou deux valeurs (reprsentation dans le plan) qui
en sont des co mbina isons
lina ires, tout en conservant un max imum d ' infor mation .
Ce qui fa it le conte nu de
l'information,c'est la variabilit des observations. En
Exemple type d ' une analyse
conomie ou en sociologie,
la co nsta nce d ' un para en composante principale (ACP).
mtre ne s ignifi e j ama is
Le nuage de points est reprsent
que la no n-conn a issance
dans un plan.
d e sa va ri a b i lit ! Il
conv ient do nc de construire des co rnbinaisons lina ires des observatio ns de
variance max imale. Les ac tivits de ce
125
ACTIONS
Statistique multivarie
En considrant le produit matric ie l
_!_, X, X, , on vrifie que ce dernier corn
type portent le nom d 'anal yse en compo sa nte s principa les (AC P) e t so nt
issues des travaux du stati sticien controvers Karl Pearson (1857-1936), tri stement clbre par ai lleurs pour ses
positions e ugni stes.
Avant de co mmencer toute manipul ation , il fa ut pre ndre consc ie nce du fa it
que la variance d' une variable statistique
est dpe ndante du systme d ' units de
mesure choi si. Une unit di x fois plu s
petite li vre des observations dix fois
plus grandes, de variance cent fois plus
leve. Il convient de se dbarrasser
avant tout de cette influence en ne considrant que les variab les rduites :
Va leur observe - Moyenne
cart type
Xr.
126
aA
'
Sige de l'lnsee.
et calculons ses drives partielles. L'annulation des k premires conduit au systme de k quation s
2RA-2.A=0,
quivalent (R - l)A = 0
(o I dsigne la matrice identit).
L' annulation de la dernire drive ,
relativement , redonne la contrainte.
Pour sortir de la so lution triviale du
premier systme , il faut imposer celuic i d'tre indtermin. Son dterminant
doit tre nul. Ceci revient donner
une valeur vrifiant det[R - I] = O.
Notre problme se rsume finalement
la recherche des valeurs propres de
la matrice R. Cette quation de degr
k admet gnra lement k so lutions .
Sous notre contrainte (1 A A = 1), on
montre par s imple calcul direct que
chaq ue valeur propre mes ure trs
exacte me nt la variance de la combinaison lina ire obtenue par rsolution
du systme compl et obtenu pour cette
valeur (k quations linairement d pendantes, donc k - 1 degrs de libert,
plus la contrainte impose) . Il s uffit
donc de retenir les solution s associes
D.J.
127i
SAVOIRS
les matrices de
La qualit des communications modernes repose sur la capacit
s'affranchir du bruit et des interfrences dans un signal.
Parmi les nombreuses structures mathmatiques utilises en
thorie des codes correcteurs d'erreurs apparaissent les
matrices de Hadamard.
es matrice~ de Hadamard possdent une structure des plus
simples : e lles sont carres et
leurs vecteurs colonnes, constitus uniquement de + l ou de - l , sont orthogonaux. Elles po1tent le nom de Jacques
Hadamard , mais James Joseph Sylvester, inventeur du terme matrice
et pionnier de la thorie des dterminants ,
fut sans doute le premier les avoir
tudi es systmatiq uement. Il mit au
point, en 1867, une mthode de construction de telles matrices d 'ordre 2", pour
toute valeur den. Objet d 'tude depuis
plus de cent quarante ans, les structures de ces matrices , aux multiples
applications, renferment encore de nombreux secrets.
Ingalit de Hadamard
Considrons une matrice A de rang n
et de terme gnral ( a ;.j ) 1.;_.,, Hadamard
l,s;j:Sfl
128
ldet(A)I :S
llu,IJ.
= (:
:) .
Jacques Hadamard
Mathmaticien universel, Jacques Hadamard (18651963) s'est intress principalement la thorie des
nombres, l'analyse mathmatique et la mcanique,
mais aussi aux langues, la musique et surtout la botanique. Son rsultat le plus clbre est certainement la
dmonstration en 1896, conjointement avec Charles-Jean
de La Valle Poussin, du thorme des nombres premiers.
Il a laiss son nom aux matrices ponymes utilises en
traitement du signal, pour la compression des donnes et
dans des algorithmes quantiques. Il existe aussi une pseudo-transformation de Hadamard en cryptographie. Trs
impliqu dans la vie politique et sociale, il crira sur
l'ducation et la psychologie de l'invention.
Georges Colomb (1856-1945), directeur du laboratoire
de botanique de la Sorbonne, tait un ami de la famille
Hadamard. Il se considrait comme l'inventeur de la
bande dessine. Il cra, sous le nom de Christophe, le
personnage du savant Cosinus, dont on peut imaginer
qu'il fut inspir par la grande distraction et l'excentricit
du petit pre Hadamard , comme le nommait ses
contemporains.
Jacques Hadamard, un mathmaticien universel.
Vladimir Maz'ja et Tatyana Shaposhnikova , EDP sciences, 2005.
H4
l(: : : :\!
+
129
SAVOIRS
la transformation
de Walsh-Hadamard
~I\Jl(:\J=(l::::::~\J,
-1
1
1
-1
-1
a+b-c-d
-1
-1
a-b-c+d
r::\J r l : : : \ J lr;::;:\J
l
c'
d'
c+d
c-d
= }:
i, x 2',
kO
1.;
.i .
Imageries codes
w=H4l(:\J=l(~
m- 1
a' - c'
b' -d'
la coniecture d'Hadamard
Les matrices d ' Hadamard con sidres dans l' article sont normalises ,
c'est--dire que le ur pre mire li gne
et premire colonne ne contie nne nt
que des + 1. En notant les valeurs
par leur signe, pour n = 2, la seule
H-matrice est H2
= (:
: ) .
+++
( 13
A=
5
-1
7
- 11
3\
~J
1131?;;171+131,
l-111?;;151+121,
111?;;1-11+101.
b lignes + + c lignes + - +
d li gnes + - o nous avons not a, b, c, d le nombre
de lignes de chaque combina ison .
Le nombre total de lignes nous donne
la re lation a + b + c + d = n, et l' o rthogonalit des vecteurs se traduit
par les re lati ons compl me ntaires :
a + b - c + d = 0,
a - b + c - d = 0,
a - b - c + d = O.
1 1
1,1
~ I
~J .. I
No us en ti ro ns
IS)'J.n
j .. 1
LJ ,.,I> 0,
la.1-~1a.
1.1
J- 1
F.L.
Hors-srie n 44. Les matrices Tangente
ACTIONS
'
emes
eo ma r1ces
I
Problme de Castillon
Le problme de Cramer-Castillon
s'nonce ainsi : tant donns un cercle et trois points A, B et C, construire
la rgle et au compas un triangle
inscrit dans le cercle dont les cts
passent respectivement par les points
A, B et C. Au quatrime sicle de
notre re, Pappus d'Alexandrie avait
dj rsolu le prob lme dans le cas
particulier o les trois points A , B et C
sont aligns. En 1742, Gabriel Cramer
(1704--1752) propose de gnraliser la
construction en supposant les points
132
( 1- z
2z \ C
.
.
Mi - - , , - e point se construit
2 ).
\ l+ z l+ z
z2 ] = M, [z, ] avec M, = ( Y,
x, - ) .
[1
1
x, + 1 - y,
On constate que la trace de cette
matrice est nulle , car cette transformation est involutive , et que son dterminant det(M 1) = 1 - (~+y~) s'annule
s i le point A 1(x 1, y 1) appartient au
cercle. En itrant le calcul sur le primtre du n-gone, le paramtre du point
B 1(z 1) vrifie la relation
az, + f3
z , = z, = y z, + '
avec(;
!)=M.x...xM,.
Billard elliptique
Paramtrage du cercle.
z,
yz + x -1
' '
'
(1 + x,)z, - y,
133
ACTIONS
Problmes de go-matrices
les cosinus des angles devient
T=-'-( .
cosa -sina
cose, - sin a
cos e = - ~ - - 2
1- sinacose,
Billard elliptique.
b2
a - ccose,
x+c
=--.
cose,
Un thorme d'Urquhart.
x+c
'd .
N ous en de u1sons: cos 8, = - - . Oe meme, cose2
a+ex
x- c
a-ex
= --.
-2e / (1 + e2 )\
)"
Nous constatons fort heureusement
que la solution ne dpend que de la
nature de l'ellipse , savoir son excentricit e. Poson s e = tan(a /2). Pour
une ellipse, nous avons O :S e < 1,
c'est--dire aE [O, .n/2[. La matrice de
la transformation de Mobius qui relie
134
= ( 1+ P
-S
-S )
1+ P
SAVOIRS
136
la multiplication
des carrs magiques
Le produit matriciel appliqu aux carrs magiques ne
conserve videmment pas la magie arithmtique (le produit tensoriel la conserve, mais il ne conserve pas le
caractre normal). Des mathmaticiens ont nanmoins
essay de dfinir une multiplication des carrs
magiques.
Le premier tenter une telle opration a t le mathmaticien belge Maurice Kraitchik (1882-1957) dans son
livre la Mathmatique des jeux (1930). Cette multiplica-
le rvrend
Andrew Hollingsworth Frost.
1
8
( 10
15
12
13
3
6
7
2
16
9
14)
11
5
4
7 1 6469 116109114 17 10 15 98 9 1 96
66 68 70 11 1113 115 12 14 16 93 95 97
677265 112 117 110 1318 11 949992
89 82 87 26 19 24 1431361414437 42
848688 2 1 2325 138 140 142 3941 43
85 90 83 22 27 20 139 144137 40 45 38
134 127 132 53465 1 807378 352833
129 1311 33 48 50 52 75 77 79 30 32 34
130 135 128 495447 768174 3 1 3629
137
SAVOIRS
[!H]
(qui en outre est normal) peut crire
51 + 3J - K.
On montre plus gnralement que l'espace des carrs magiques d 'ordre n est
un espace vectoriel de dimension
n(n - 2). Des auteurs se sont galement
intresss aux dterminants des carrs
138
Type I
Type II
Type Ill
Type IV
Type V
Type VI
Type VII
Type VIII
Type IX
Type X
Type XI
Type XII
Proprits
Dterminant
Pandi agonal
II
Semi -nas ik
Ill
Semi -nas ik
IV
Sem i- nas ik
Semi -nas ik
VI
VII
S imple
- 136 (A - 1) (B - J) (C - F)
VIII
S imple
- 136 (A - E) (B - F) (C - N)
IX
S imple
- 136 (A - l ) (B - J) (C - N)
S imple
136 (A - E) (B - F) (C - J)
XI
S imple
136 (A - 1) (B - D) (C - A)
XII
S imple
136 (A - E) (B - A) (C - D)
M N P Q
alors on obtient les dterminants du
tableau (voir c i-dessus).
Dans ce tableau, un carr est dit seminasik s' il est magique et si les sommes
E + B + L + P et 1 + N + C + H sont
auss i gales la somme mag ique . Les
M.C.
R F R ENCES
139
PASSERELLES
Diuertissements
littraires
Les matrices se trouvent tout naturellement en littrature,
dans l'criture sous contraintes. Les diagonnets , par
exemple, sont des pomes oulipiens de n vers ( chacun de n
syllabes) phontiquement symtriques en suivant une
diagonale.
es adeptes de l'criture sous
contrainte (et notamment les
assidus del 'Ouvroir de littrature potentielle, ou Oulipo) connaissent
les diagonnets, qui sont des pomes qui
se lisent, syllabe par syllabe, aussi bien
horizontalement que verticalement. Par
exemple, si on lit verticalement la premire syl labe de chaque vers, on
retrouve exactement le premier vers. Si
on lit verticalement la deuxime syllabe de chaque vers, on retrouve exactement le deuxime vers . Et ainsi de suite
jusqu ' au dernier vers .. . Voici dj un
premier diagonnet de taille 6 (six vers
de six syllabes).
140
s'tonne?.
Quis 'tonne ? Ouverts s'ennuient
Sept paravents qui volaient.
rage, dent ! L'eau bout froide.
Nous vendangeons mes tricots.
141
PASSERELLES
Divertissements littraires
O B A N A L I T E D E P A L E G
R A V U R E ~ A N A L A L O C E
ANENO D 1E CANE .MONO R
G A N E M U R I R A S A T Y P E
EMILECUSENOS.AVEC
DARI DITE LEC O L OM U
E T E X O D E .L A M I R E L A P
S U N I R A ~ A R A D O X A L A
I R E R I L A S U .L E C A L E R
REPAGAYERAMEMORU
E GAG AL A F A ' Y OTE PEN
s IVE~ EDE LA LU NI PO
ETE.DA Z URE LED IN ER
LADOS A.NA LAVE LER I
EN ORIN ADAM AS .ALI G
NERLEDEMIGALET.A
E D E H E L I C E L I B I T UM
LECUMERABATETANI
E .LEM UV ET U FUT AL AB
R E G E .T E T I R E M A S O .D E
U X I R J S O R I T E F I N A L
HORIZONTALEMENT
VERTICALEMENT
-"
N de / 'aluni pote
D 'azur le dn er la dosa
N'a la v le rien orin damas
Alig nera le demi galet
rite final
EN BREF
3 5
2 4
5
4
5
2
7
3
4
8
5
9
4
8
5
9
1
6
1
6
7
2
7
1
2
5
4
7 8
1
2 3
8
3 5 6 4
8
9
3
143
JP,ASSERELL.ES ,',
; ;'J
! .
j
! )11 I iH _
rJ
1
De nombreuxjeux se prsentent sous forme de matrices, mais
faut-il utiliser des matrices pour les rsoudre? Nous allons
analyser le cas du jeu Lights Out, ce qui permettra par ailleurs
d'illustrer certaines notions abstraites utilises en algbre
linaire et rencontres dans ce hors srie.
e Li ghts Out (que l'on pourrait
traduire teindre les lumires )
est un jeu lectronique produit
par la socit Tiger Toys en 1995 . Il se
prsente sous la forme d ' une matrice
d 'ordre 5 de boutons poussoirs:
lJ lw wl lw wl
1
w w[w w w
~ wwww
rw w w w w
w wIW w w
144
..,.
= (0, 0 , 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0, 0 , 0 ,
1
0, 0, 0 , 0 , 0, 0 , 0 , 0 , 0 , 0, 0, 1).
4.
1ce
a 9 n
145
( K5 15 0 5 0 5 0 5'
1, K5 15 0 5 0 5
l= 0 5
o, o,
K5 15
1, K,
05
1,
05 05
o,
K5
(1 0
1,
15
l5
avec K 5 = 0
0
0
o,
0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0
et 1,
(0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
o,
0 0
0 0
1
0
0 1
0 0
o,
0
0
0
0
146
matr c
Le noyau, ou l'ensemble
des stratgies silencieuses
Nous venons de dcouvrir la notion
d'image de A: lm(A) est l'espace vectoriel des configurat ions que l'on peut
obtenir. Un autre espace est souvent
rencontr en a lgbre linaire : le
<r i
~
,<, j)
<r <r
(,> <r
[<i)J (<i)
x [
<i) <i)
~ <r <i)
(,>~ ~ <i) <i)]
or
cri
Tangent
147
s 2 = 1(0, J, l, 1, 0, 1, 0, 1, 0, 1, l, 1, 0 ,
1, 1, 1, 0 , 1, 0, 1,0, 1, l , 1,0).
Et comment sait-on que deux configurations sont orthogonales ? Tous simplement si leur produit scalaire est
nul ! Voyons un exemple pratique.
Nous savons que c I est rsoluble .
c1
= (11 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
s1
= (1 0 1 0 1 1 0 1 0 1 0 0 0 0 0 1 0 l O 11 0 1 0 1)
CI .SI
C1
s2
C 1.s2
1+O+O+O+O+ 1+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O
=0
= (110 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
= (0 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1 0 1 0 1 0 1 1 1 0)
= O+ 1+O+O+O+ 1+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O+O =0
Pour effectuer ce calcul , il faut videment app liquer les tables d'addition et
de multiplication binaires :
+
0
1
0
0
1
1
0
0
1
0
0
0
1
0
148
q n
l'algorithme du repoussage
de la lumire
Avec cette mthode , on se dbrouille
pour teindre la ligne du haut , pui s on
teint la deuxime ligne sans rallumer
un seul bouton de la ligne du haut, et
ainsi de suite. On repousse ainsi la
lumire vers le bas. Arriver l , so it la
dernire ligne est teinte et on a
gagn, soit la ligne du bas exhibe
l'une de s sept configurations du
tableau ci-contre.
On enfonce a lors les bouton s de la
ligne du haut correspondant la ligne
du bas obtenue, et on recommence
! 'a lgorithme du repoussage de la
lumire. Normalement, tout s'teint !
Nous avons ainsi obtenu une solution,
mais pas forcement la plus courte.
Nous savons maintenant dterminer
si une configuration est soluble, nous
avons trouv plusieurs mthodes
pour trouver une so lution , et enfin
nous avons vu , partir de cette solution, comment trouver la so luti on la
plus courte. Nous avons galement
constat que ! 'assistance d'un logiciel de calcu l formel pouvait nous
viter nombre de calculs pnibles.
Par ai ll eurs, la co nn aissance de
quelques rsultats d'algbre linaire
trouve avec le Lights Out des applications pratiques . Forts de cette
exprience, nous pouvons modifier
l' infini le jeu , changer la taille de la
matrice (avec une matrice d 'ordre 3,
d'ordre 6, d 'o rdre 7 , d 'o rdre 8 ou
d 'ordre 10, il y a toujours une solution unique), modifier les rgles (la
matrice pourrait reprsenter un tore ,
un app ui pourrait basculer toute la
ligne et toute la co lonne du bouton ... ), ajouter des tats (couleurs)
aux boutons . . . Les lecteurs les plus
Boutons enfoncer
sur la ligne du haut
~~~~Il~~
~~. . . . . . . .11~~
~---...a.li~~~~Il~
~~~ll~w~
~:w>~II~_
~~1!~
~-~
~
courageux pourront implmenter ces
variations en programmant un microcontrleur et ainsi vrifier que l'algbre linaire est source de nombreuses applications ludiques !
J.-J. D.
Rfrences
Turning Lights Out with Linear Algebra .
Marlow Anderson et Todd Feil, Mathematics Magazine 71
(4), 1998.
Pour une analyse beaucoup plus rigoureuse
et thorique du jeu :
Jeux d'ampoules ou comment v iter la crise de nerfs
un lectric ien dpressif coup d'algbre linaire sur F2 .
Grgory Berhuy, Quadrature 79, 2011.
149
..
Niveau de difficull
i)
Il
IIV
111111
t.1111111
Problmes
HS4401 - Les dominos
1
....
~ 50
trs facile
facile
pas facile
difficile
trs difficile
Gentlemans Diary.
Quinze colires sortent chaque jour
en promenade, rparties en cinq
groupes de trois.
Comment constituer ces groupes
chaque jour de la semaine pour que
chaque jeune fille ne marche qu ' une
seule fois en compagne de chacune
des autres?
On pourra reprsenter les quinze colires par les nombres de 1 15.
c!(n)=
11+1
2n+I
11+ 2
211+ 2
n+3
2n+3
(n - 1)11+1
(11 - 1)11+2
HS4408 - Le mathmaticien
et le bouffon vvvv
M(l)=[I] , M(2)=[
! ~ l M(3)[ I~ ::
151
On appell e trip let triang ulaire un triplet d'entiers (a , b, c) tels que les
nombres triangulaires T 0 , T6 et T c vrifi ent T 0 + T 6 = T c (on rappelle que
T11 = n (n + 1) / 2).
tant donn un entier k, montrez qu ' il
existe une infinit de triplets triangulaires distincts (a;, b;, c;) pour i = 1, 2, 3,
tels que
a,
b,
c,
a2
h2
C2
aJ
b3
C3
=k .
152
EN BREF
1
Ci-dessous figure le plus petit des carrs magiques, le carr magique de taille 3 : la somme
des trois chiffres de chaque ligne, de chaque colonne et des deux diagonales est gale
une constante, 15.
Imaginons que des quipes d'checs trois joueurs s'opposent
et que l'on value la force des joueurs par le nombre inscrit dans
une case. La premire quipe est celle de la premire colonne,
avec des joueurs de forces respectives 6, 1, 8. La deuxime quipe a des joueurs de forces 7, 5 et 3, et la troisime les forces 2, 9
et 4. La force moyenne des trois quipes est la mme : 5.
Et pourtant, la premire quipe est battue par la deuxime par
deux matchs 1, la deuxime par la troisime (deux victoires
une), mais la troisime est battue par la premire deux victoires
une. La non transitivit est toujours tonnante ...
Il a par ailleurs t dmontr que ce type de scores intransitifs par deux victoires une est un maximum.
180
81
90
15
Ce dfi porte sur les carrs magiques additifsmultiplicatifs, qui prsentent la fois des sommes
gales et des produits gaux (sur les lignes, les
23
160 3 144 3 24 3 colonnes et les diagonales). Le plus petit exemple
connu d'un tel carr est de taille 8. Il a t trouv
en 1955 par Walter Homer. Le dfi consiste construire un carr magique additif-multiplicatif de taille 5 utilisant des entiers distincts, ou prouver que c'est impossible. Mise
prix : 1000 euros et une bouteille de champagne.
Construire un carr magique additif-multiplicatif de taille 6 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise prix: 500 euros et une bouteille de champagne.
Construire un carr magique additif-multiplicatif de taille 7 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise prix: 200 euros et une bouteille de champagne.
93
t
1
t .
I ~ 1-
~ 54
- 1
-l
- 1
Mardi
Mercredi
1, 2, 5
2, 3, 6
3, 4, 7
4,5, 8
9, 10, 13
8, 9, 12
10, 11 , 14 11 , 12, 15
13 , 15, 6
14, 1, 7
Vendredi
3, 5, 11
4, 6, 12
7, 9, 15
8, 10, 1
13, 14, 2
Samedi
5, 7, 13
6, 8, 14
9, 11 , 2
LO, 12, 3
15, 1, 4
Jeudi
5,6,9
7, 8, 11
12, 13 , 1
14, 15, 3
2, 4, 10
Dimanche
11 , 13 , 4
12, 14, 5
15, 2, 8
1, 3, 9
6, 7, 10
SOLUTIONS
HS4406 l1:e premier terme de la matrice M(n)
est gal la somme des n - 1 premiers carrs
des entiers non nuls augmente de 1, savoir
l + 11(11 - 1)(211 - 1) / 6. Les termes de la diagonale principale de M(n) forment une progression arithmtique de raison 11 + 1. La
somme demande est donc :
n (n + 1)(2n 2 - 2n + 3) / 6.
HS4407 Dsignons les places par A, B, C, a, b,
et c, deux lettres associes (majuscule et
i:ninuscule) correspondant deux places qui ne
sont pas directement relies.
Dans cette matrice, aiJ = 0 s'il n'existe pas de
route reliant i j (c ' est notamment le cas si i = j),
aiJ = l si la route reliant i j est oriente dei vers
j , et aiJ = - 1 si la route reliant i j est oriente
de) vers i. D'aprs les conditions imposes par
l'nonc, chaque ligne et chaque colonne de
cette matrice doit compter exactement deux fois
le nombre l et deux fois le nombre - 1.
Pour remplir cette matrice, on peut distinguer
trois cas:
Premier cas : ligne a = ligne A.
A B c a b c
Ce cas est celui de la
A o -a -~ O -'Y -li
matrice correspondant
B a O -a a O -a
au dessin de l'nonc.
c ~ -~ o ~ -~ O Remplissons
les
a o -a -~ o -y -li
colonnes A et a avec
b y o -y y o -y
les nombres a, p, y, ,
c li -li o li -li o
puis compltons les
lignes en fonction de ces nombres. L'examen
des colonnes et l'antisymtrie imposent alors
a = - p= y = - . On n'obtient donc que deux
matrices de ce type, avec a = l, p = - 1, y = 1,
= - 1, ou bien a = - l, p = 1, y = - 1, = 1.
Deux imc cas : ligne a = oppos de la ligne A .
A B C a b c
En
respectant
les
A 0 -a -~ 0 -y - conditions de l'nonc
B a 0 - E -a 0 E (antisymtrie,
deux
C ~ E 0 -~ - E 0 nombres 1 et deux
a 0 a ~ 0 y nombres - 1 par ligne
b y 0 E - y 0 -E et par colonne , la
- E 0 - E 0 matrice se remplit
2 + 12 + 24 = 38 plans diffrents.
[; ~ !]
l[
17
149
281
239
101
107
193
199
61
19
151
283
241
103
109
155
SOLUTIONS
On a
2
3m+1
3n
'
'\
2
2
4m+1 5m+1 =m
4n+ 1 5n+l
~ ...
,lo
1{ l ~
L~' ...:. ..
t1 lt >::f,
1
\.
2
5
3m+2
2
6
4m+2
b
e
3e
3e
'
t
,~~t
1
On a aussi
a b
D= d e
g h
1
3
8
=0
5m+3
HS4410 On suppose que les entiers sont choisis de faon que leurs rsidus modulo 7 soient
quirpartis.
On remplace alors les entiers choisis par leurs
rsidus modulo 7. Le dterminant de la matrice obtenue est divisible par 7 si, et seulement
si, cette matrice n'est pas inversible. Le
nombre de matrices non 3 X 3 inversibles sur
le corps des entiers modulo 7 est gal
(7 3 - 1) (7 3 - 7) (7 3 - 7 2) , sur un total de 79
matrices . La probabilit demande est donc
gale :
a b e
e e
b 3e
e '3e
3e 9e
3e
xs.
A
E
I
M
B
F
J
N
K
0
c
B
S-A-B-E
A-C+E
A+ B+C -S / 2 S/2-A
S/2-B-C+E S/2-E
S - A-B-C
B+ C-E
S / 2-B
A+B+E - S / 2
HS4411 Soit
dag b: 1c.
J un carr magique
HS4413 Contre-exemple :
10
4
23
18
12
6
5
24
25
19
13
7
14
8
2
21
20
22
16
,~
=-4680000.
,;/
r
156
r.:o,""""....__ nJ
Derniers parus :
Maths discrtes et combinatoire,
La Terre vue des maths,
Suites et sries, Mathmatiques
et biologie , Les matrices
Maths 1,
Disponibles :
- chez votre marchand de journaux
- ou avec l 'abonnement PLUS
Spcial Logique
Pour tous les amateurs des jeux
intelligents. Un trimestriel contenant prs de 200 jeux : tests de
logique, grilles remplir ...
Tangente Sup
~
- ... _
!i>!,;. -.
........
i';:
.....':!~
,:,~~~...-~
6 numros par an , destins ceux qui veulent aller plus loin. Ils traitent des dossiers du
dernier Tangente un niveau suprieur et initient aux grandes orientations de la science.
..~:-:,1
a" -:.
-..::::-~
.,
~angente
E'ducat1on
''
Nouvelle formule trimestrielle destine
aux enseignants pour aborder des thmes
de pdagogie varis : les manuels scolaires,
les MPS, la formation des enseignants, MathC2+ ...
codif : 8 18 44
Ou i, je m 'abonne
1 AN
FRANCE
2 ANS
TANGENTE
. 35
. 65
TANGENTE PLUS
55
s5
24
105
165
. 46
10
19,50
TANGENTE SUPERPLUS
TANGENTE SUP
TANGENTE DUCATION
SPCIAL LOGIQUE
ABONNEMENT MATH+
100
130
150
**
ABONNEMENT SOUTIEN ***
ABONNEMENT MATH++
1s
37
190
250
300
HORS MTROPOLE
+ 12
+ 20
+ 24
par an
par an
par an
+6 par an
+
+
+
+
+
2 par an
6 par an
30 par an
30 par an
30 par an
Tous les titres avec les HS Thmatiques. Tous les titres avec les HS Bibliothques. Tous les titres avec les deux HS.
Total payer
~~~~~~~~~~--'
Je joins mon paiement par (tablissements scolaires, joindre bon de commande administratif):
O Chque (uniquement payable en France)
O Carte ( partir de 30 ) numro:
Date et Signature:
crypto : ._1-'--'-....J
Ta.ngente Hors-srie n 44
Les matrices
Ta.ngent e
Publi par les ditions POLE
SHS au capital de 42 000 euros
Sige social
80 bd Saint-michel - 75006 Paris
Commission paritaire : 1011 K 80883
Dpt lgal parution
Secrtaire de rdaction
douard THOmHS
maquette
Thibaud Dl DOmEmco, Guillaume GHIDOT,
natacha LHUGIER, Claude lUCCHlnl
Publicit, abonnements
marie DURHnD md@poleditions.com
01 47 07 51 15 - fax : 01 47 07 88 13
Achev d'imprimer
pour le compte des ditions POLE
sur les presses de l'imprimerie SPEI Pulnoy
Imprim en France
Dpt lgal - Aot 2012
r1ces
ation du monde
Les matrices sont, la base, de
simples tableaux de nombres. Il
y a moins de deux sicles, on a
dfini des oprations pour
manipuler ces tableaux, ce qui a
boulevers l'approche de
plusieurs objets ou notions
mathmatiques.
Les transformations
gomtriques, notamment,
s'tudient plus aisment avec les
outils matriciels. Plus
gnralement, tout ce qui est de
dimension finie dans le monde
qui nous entoure, et tout ce qui
peut tre modlis, tombe sous
leur influence.
Cette caractristique a trouv
sa pleine expression avec
l'avnement de l'informatique.
L'conomie, l'actuariat et
la finance en sont friandes.
L'lectronique et toutes les
sciences de l'ingnieur ne
peuvent plus s'en passer.
Mme le grand public est
directement concern : derrire
chaque Sudoku, chaque grille
logique, chaque carr magique
se cache une matrice, souvent
utile dans sa rsolution.
!;OITIONS
Prix: 19,80
POLE ~