Université d’Adrar

Faculté des sciences et technologies

Département de Mathématique et Informatique

3 ème Année Informatique

Option: SI

Module :
Programmation linéaire

Rappels Mathématique (algèbre linéaire)

Email : dje.benatiallah@univ-adrar.edu.dz

1
 Plan du cour
 01 Rappel sur les espaces vectoriels et les matrices
 02 Matrices en informatique
 03 Comatrices, déterminants, systèmes linéaires
 03 Polynôme caractéristique, valeurs propres, ss-
espace propre
 04 Diagonalisation
 05 Matrices de covariance ?
 06 ...

2
Notion de Corps (nécessaire pour un e.v.)
* Un corps commutatif est un ensemble avec 2 lois
internes (appelées addition et multiplication).

* L'addition est associative, commutative, a un élément

neutre, et tout élement doit avoir un symétrique.
* La multiplication doit aussi être associative,
commutative (car c'est un corps commutatif), avec un
élément neutre, et tout élément doit avoir un
symétrique (sauf 0, car 1/0 n'est pas défini).
* La multiplication doit être distributive par rapport à
l'addition.
* Exemples de corps : Q, R ou C,...
•N est-il un corps ?
N n'est pas un corps car un entier n'a pas d'inverse.
3
Rappel sur les Espaces Vectoriels

* Un Espace Vectoriel (e.v.) est un ensemble avec 2 lois :

 1 loi interne
 1 loi externe faisant intervenir un élément d'un corps
commutatif « à 1 loi interne
nombres » appelé « scalaire ».

* Un vecteur est un élément d'un espace vectoriel

4
Loi interne (notée +)

(la loi est « interne » car un vecteur de l'e.v. + un

autre vecteur de l'e.v. donne un vecteur de l'e.v.)

La loi interne d'un e.v. doit être :

 Associative : (v+u)+w = v+(u+w)

 Commutative : v+u = u+v

 Elt neutre (noté 0 du fait que la loi est notée +).

 Tout elt a un symétrique (ici appelé « opposé » du

fait que la loi est « + »).

5
 * Loi externe (notée *)
(la loi est externe, car elle fait intervenir un élement
extérieur à l'e.v. (appelé scalaire) qui doit appartenir à
un corps contenant des nombres (cf. 1er transparent)).

* Loi externe : scalaire * vecteur donne vecteur.

* Le scalaire doit être un réel, un rationnel ou un
complexe, car le scalaire doit être dans un corps qui
contient des nombres.

* La loi externe doit :

 posséder un élement neutre (noté 1 du fait que
la loi est notée *),
 être associative,

 être distributive par rapport à la loi interne +.

6
 Exercice
* Notation : on dit qu'un vectoriel est « sur X » si X est
le corps auquel appartient le scalaire nécessaire à la
loi externe. On note un vectoriel « sur X » un X-e.v.

* Les vectoriels R, Q et C sont-ils des vectoriels sur R,

sur Q ou sur C ?
* Exemple : R est -il un R-e.v. ? (les vecteurs sont des
réels, et on prend les scalaires sur R).

* R est-il un C-e.v. ?
C C RR QQ
•Remplissez le tableau suivant : C est-il un X X X
C est-il un X X X
R est-il un X X
R est-il un X X
Q est-il
Q est-ilun
un XX

7
Exemples d'e.v. de base (autres que C R Q)

* Ensemble des suites (qu'on n'utilisera pas).

* Ensemble des fonctions F(R,R) est-il un R-e.v. ?

* Ensemble des matrices (donc une matrice est un vecteur !

car l'ensemble des matrices est un espace vectoriel, et on
appelle vecteur tout élément d'un espace vectoriel).

•Ensemble des n-uplets (R ).

•Ensemble des polynômes.
•* ...

8
Espace et sous-espace vectoriel
* Un s.e.v. est un e.v. inclus dans un autre e.v.

* Un s.e.v. doit être « stable » pour les deux lois :

Ex : Dans R , une droite (passant par 0) est un s.e.v. :

- Un vecteur de cette droite est un vecteur directeur

de la droite.

- Un s.e.v. est « stable » par les deux lois : la somme de

2 vecteurs directeurs est un vecteur directeur, et la
multiplication d'un vecteur directeur par un scalaire est
un vecteur directeur.

9
Rappel sur les matrices
* Tableau de nombres, décomposé en lignes et colonnes

* Les matheux notent les matrices par une majuscule A,

dont les coefficients sont notés avec des minuscules

(ai,j, avec i ligne, j colonne).

* Une matrice carrée a autant de lignes que de colonnes,

10
donc il suffit de donner un seul des 2 nombres :

matrice de taille 3 = matrice carrée 3x3

* Une matrice diagonale a des 0 partout sauf sur sa

diagonale

* Attention : dans une matrice de mathématicien, il n'y a

qu'une seule diagonale !!!

10
 Rappel sur les matrices (2)
* Une matrice triangulaire a des 0 partout dans un des

triangles de la matrice (diagonale non incluse). On

parle de matrice triangulaire inférieure ou supérieure.

* La matrice nulle est une matrice ne contenant que des

0 (c'est l'élement neutre pour l'addition).

* La transposée d'une matrice est une autre matrice dont

les lignes sont les colonnes de la matrice d'origine, et

les colonnes sont les lignes de la matrice d'origine.

14
T
A= 123
A= 25
456
36
11
Rappel sur les matrices (3)

Attention : pour les matrices, le mot « symétrique » a deux sens :

- Le symétrique d'une matrice est la matrice inverse de cette matrice

(au sens où la matrice multipliée par son inverse = la matrice
identité).

- On parle aussi de matrice symétrique, lorsque les coefficients

sont identiques de part et d'autre de la diagonale.

-On parle aussi de matrice antisymétrique, lorsque les coefficients

de part et d'autre de la diagonale sont opposés. Une conséquence
est que tous les coefficients de la diagonale d'une matrice
antisymétrique sont nuls.

12
Somme de deux matrices
* La somme C de deux matrices A et B est une

troisième matrice dont les coefficients sont la somme

des coefficients des matrices A et B.

* ci,j = ai,j + bi,j

* Conséquence : la somme de 2 matrices n'est définie

que si les deux matrices sont de même dimensions

(même nombre de lignes et de colonnes).

* Calculer la somme de :

123 135
A= 456 et B=
246
13
Multiplication d'une matrice par un réel

* Le réel multiplie chaque coefficient de la matrice.

127
2x 3 4 8 =
569

14
Multiplication de 2 matrices
* Chaque coefficient de la matrice produit est la somme sur k des
ai,k bk,j (avec k, numéro de la colonne de la première matrice).

* Il faut donc que le nombre de colonnes de la première

matrice soit égal au nombre de lignes de la seconde.

* Il existe une disposition permettant de multiplier facilement

des matrices (et même d'enchaîner les multiplications) :

127 2
348 3
569 4
123
456
15
 Matrice identité et matrice inverse
* La matrice identité est l'élément neutre de la multiplication
entre deux matrices. Il s'agit d'une matrice diagonale dont les
coefficients valent tous 1 :

100
010
001

•La matrice inverse A est celle qui, multipliée par A-1.

• Dons la matrice identité. Pour que A ait un inverse, A doit être carrée.

16
Exercices
100 1 -1 2
-1 4 5
* Soient A = 4 1 3 , B = -3 2 0 , C = 2 1 -1
532 -1 2 3 -1 2 1

* Calculer :
T
- BA + CA et (B + C)A
- T
(B + A) et B + A
- T T
(BA), B A et A B
T T T T
- A2 – B , (A - B) (A + B) et (A + B) (A – B)

- (B – I3) (B – 2I3) (B – 3I3) (1, 2, 3 sont valeurs propres).

1
- Le produit AB et BA pour A= 1 1 1 et B = 1
1 17
Exercice: Implémentation informatique
Implémentation d'une matrice en mémoire (différence C et Fortran).

Ecrire un programme effectuant :

La somme de 2 matrices

La transposée d'une matrice

La multiplication de deux matrices

L’inverse d’une matrice

La multiplication de deux matrices est-elle parallélisable ?

18
Multiplication de 2 matrices
On souhaite multiplier :

-1 4 5 100
A= 413 et B = -3 2 0
532 -1 2 3

-1 4 5 x yz
Que valent x, y, z ? : 4 1 3 000
532 000
x = –1 x 1 + 4 x –3 + 5 x – 1 x y z sont calculables

y = –1 x 0 + 4 x 2 + 5 x 2 en parallèle (pas de

z = –1 x 0 + 4 x 0 + 5 x 3 dépendances) 19
Algorithme parallèle pour C = AxB

Si l'on dispose de j capables d'effectuer une opération identique

sur des valeurs différentes (processeur parallèle SIMD)

Pour i:= 0 jusqu'à n-1 // calcul de la iè ligne de C

C[i,j] := 0; // en parallèle sur j processeurs (0<=j<=n-1)

pour k:= 0 jusqu'à n-1

C[i,j]:= C[i,j] + A[i,k] * B[k,j]; // en parallèle sur j processeurs

20
Déterminant d'une matrice carrée
Le déterminant de la matrice ab vaut ad - bc
cd
Le déterminant de la matrice abc vaut ?
def
aei + dhc + gbf – gec – ahf – dbi
ghi
à noter que cela vaut :

a (ei – hf) – b (di – gf) + c (dh – ge),

c.-à-d. :
ef df de
a –b +c
hi gi gh
On « développe » par rapport à la première ligne.
Ca marche aussi pour la 2ème ligne et la 3ème ligne, (mais aussi pour
chaque colonne) sauf qu'à chaque fois, le signe change.

Le signe par lequel il faut multiplier vaut (-1) i+j

21
Exemple
3 4 -2
Calculer 1 2 3 en développant par rapport à
2 3 1

(ne pas oublier de x par -1)

= 3 (2-9)-4(1-6)-2(3-4)

22
Calcul de déterminants

23
Quelques propriétés des déterminants
1) Si une ligne (ou une colonne) ne contient que des zéros, le

déterminant est nul.

2) Si l’on permute 2 lignes (ou 2 colonnes), on multiplie le
déterminant par – 1.

3) La matrice et sa transposée ont le même déterminant (donc

tout ce qui est valable sur les lignes est valable sur les colonnes).

4) A une ligne, on peut ajouter une combinaison linéaire des autres

lignes sans changer le déterminant.

5) Si l’on multiplie une ligne par un réel, on multiplie le déterminant par

ce réel (et si l’on multiplie la matrice par un réel, on multiplie le
déterminant par le réel)

24
 Calcul de l'inverse d'une matrice
L'inverse d'une matrice est : ( A*)T / det(A).

On commence par calculer le déterminant (s'il est nul, c'est fini !)

A* est la matrice des cofacteurs (comatrice). C'est une

matrice dont les coefficients sont (-1) i+j Dij où Dij est le déterminant de la
matrice dont on a supprimé les lignes i et j.

Inverse :
-1 2 1 * 1 -1 1
1 0 -1 -1/2 0 1/2
1 2 -1
0 -1 1 = -1 -1 41
0 -2 Transp: -1 -2 -1 1/2 1 1/2
1 4 1 -1/2 -2 -1/2

Le déterminant vaut -2

25