Fiche de révision : Introduction aux matrices et opérations fondamentales

📋 Plan du Cours

1. Calcul matriciel
2. Matrices élémentaires
3. Opérations sur matrices
4. Matrices inversibles
5. Systèmes d’équations linéaires
6. Représentation matricielle
7. Matrice augmentée
8. Méthode de Gauss-Jordan
9. Applications des systèmes

📖 1. Calcul matriciel

🔑 Notions clés & Définitions

Matrice n ↓ p : Un tableau rectangulaire de réels, repéré par lignes et colonnes, de n lignes et p colonnes. Elle est notée (a_{ij}) où i indique la ligne et j la colonne. AUTEUR (date) : définition.

Matrice carrée : Une matrice n ↓ n, c’est-à-dire ayant le même nombre de lignes et de colonnes. Elle appartient à l’ensemble Mn(R). Elle est souvent notée Mn(R).

Matrice nulle : Une matrice où tous les coefficients sont nuls. Exemple : la matrice 3×3 dont tous les éléments sont 0. Elle est appelée matrice nulle.

Matrice unité : Une matrice carrée dont tous les éléments de la diagonale sont 1, et tous les autres sont 0. Exemple : I_2 = $\begin{bmatrix}1 & 0 \\ 0 & 1\end{bmatrix}$.

Matrice diagonale : Une matrice carrée dont tous les coefficients hors diagonale sont nuls. Seuls les éléments sur la diagonale peuvent être non nuls.

Matrice triangulaire supérieure et inférieure :

• Triangulaire supérieure : Tous les éléments situés en dessous de la diagonale sont nuls.
• Triangulaire inférieure : Tous les éléments situés au-dessus de la diagonale sont nuls.
  Une matrice diagonale est un cas particulier de matrice triangulaire.

📝 Points essentiels

Une matrice est un tableau rectangulaire de réels repéré par lignes et colonnes. Les matrices carrées ont le même nombre de lignes et de colonnes, notées Mn(R). Les matrices spéciales incluent :

• Matrices lignes (vecteurs lignes) : n × 1, notées (x_1, x_2, ..., x_p).
• Matrices colonnes (vecteurs colonnes) : 1 × n.
• Matrice nulle : tous ses coefficients sont nuls.
• Matrice unité : carrée, avec 1 sur la diagonale et 0 ailleurs.
• Matrice diagonale : tous les coefficients hors diagonale sont nuls.
• Matrices triangulaires : supérieures ou inférieures, avec des éléments nuls en dessous ou au-dessus de la diagonale respectivement.

💡 À retenir

Comprendre la structure et la classification des matrices (carrées, nulles, unités, diagonales, triangulaires) est fondamental pour manipuler et reconnaître rapidement leurs propriétés dans tout contexte algébrique.

📖 2. Matrices élémentaires

🔑 Notions clés & Définitions

Matrice de permutation :
Une matrice carrée dont chaque ligne et chaque colonne contient un seul coefficient égal à 1, tous les autres étant nuls. Elle représente une permutation des lignes ou colonnes d'une matrice.

Permutation de lignes :
Opération consistant à échanger deux lignes d'une matrice. Lorsqu'on multiplie une matrice par une matrice de permutation à gauche, cela réorganise ses lignes.

Permutation de colonnes :
Opération consistant à échanger deux colonnes d'une matrice. Lorsqu'on multiplie une matrice par une matrice de permutation à droite, cela réorganise ses colonnes.

📝 Points essentiels

• Une matrice de permutation est carrée, avec un seul 1 par ligne et par colonne, le reste des coefficients étant 0.
• Multiplier une matrice à gauche par une matrice de permutation échange ses lignes :
  Si $P$ est une matrice de permutation, alors $P \times A$ échange les lignes de $A$ selon la permutation représentée par $P$.
• Multiplier une matrice à droite par une matrice de permutation échange ses colonnes :
  Si $P$ est une matrice de permutation, alors $A \times P$ échange les colonnes de $A$ selon la permutation représentée par $P$.

💡 À retenir

Les matrices de permutation sont des outils fondamentaux pour manipuler et réorganiser les matrices via opérations élémentaires, notamment en échangeant lignes ou colonnes.

📖 3. Opérations sur matrices

🔑 Notions clés & Définitions

Addition de matrices : L’addition de deux matrices est définie lorsque celles-ci ont les mêmes dimensions. Elle consiste à additionner élément par élément les coefficients correspondants.
Multiplication d’une matrice par un réel : La multiplication d’une matrice par un scalaire est définie lorsque la matrice a des dimensions fixes. Elle consiste à multiplier chaque élément de la matrice par ce scalaire.

Produit matriciel : Le produit de deux matrices est défini si le nombre de colonnes de la première matrice est égal au nombre de lignes de la seconde. Le résultat est une nouvelle matrice dont chaque élément est la somme des produits des éléments correspondants de la ligne de la première et de la colonne de la seconde.

Puissance d’une matrice : La puissance d’une matrice carrée A à l’exposant n (notée A^n) est la multiplication successive de A par elle-même, n fois. Elle est définie pour une matrice carrée et un entier naturel n.

Transposition : La transposition d’une matrice consiste à échanger ses lignes et ses colonnes. La matrice transposée de A est notée A^T.

Matrice symétrique : Une matrice est dite symétrique si elle est égale à sa transposée, c’est-à-dire A = A^T.

📝 Points essentiels

L’addition et la multiplication par un scalaire sont définies uniquement pour matrices de mêmes dimensions. Cela signifie que pour additionner deux matrices, elles doivent avoir le même nombre de lignes et de colonnes. La même restriction s’applique à la multiplication par un réel : chaque élément de la matrice est multiplié par le scalaire, sans changer ses dimensions.

Le produit matriciel est défini si le nombre de colonnes de la première matrice est égal au nombre de lignes de la seconde. La dimension du résultat est alors le nombre de lignes de la première matrice par le nombre de colonnes de la seconde.

La transposition échange lignes et colonnes d’une matrice. Une matrice est dite symétrique si, après transposition, elle reste identique, c’est-à-dire si A = A^T.

💡 À retenir

Maîtriser l’addition, la multiplication par un scalaire, la transposition, et le produit matriciel permet de transformer et combiner efficacement des matrices pour résoudre des problèmes complexes en algèbre linéaire. La symétrie d’une matrice est une propriété importante, notamment lorsqu’elle est égale à sa transposée.

📖 4. Matrices inversibles

🔑 Notions clés & Définitions

Matrice inversible : Une matrice carrée A est dite inversible si et seulement si il existe une matrice B telle que leur produit donne la matrice identité, c’est-à-dire $AB = BA = I$. La matrice B est appelée l’inverse de A, notée $A^{-1}$. La propriété essentielle est que cette inverse est unique lorsqu’elle existe.

Inverse d’une matrice : L’inverse d’une matrice carrée A est la matrice unique $A^{-1}$ vérifiant $AA^{-1} = A^{-1}A = I$. Elle existe si et seulement si le déterminant de A est non nul.

Matrice identité : La matrice identité $I_n$ d’ordre n est la matrice carrée dont tous les éléments diagonaux sont égaux à 1 et tous les autres éléments sont 0. Elle agit comme l’élément neutre pour la multiplication matricielle, c’est-à-dire que pour toute matrice carrée A de même ordre, $AI_n = I_nA = A$.

📝 Points essentiels

• Une matrice carrée est inversible si et seulement si il existe une matrice inverse telle que leur produit donne la matrice identité. Cela signifie que l’inversibilité est une condition d’existence d’une matrice B vérifiant $AB = BA = I$. La propriété est bidirectionnelle : si A est inversible, alors il existe une seule matrice inverse, et si une telle matrice existe, A est inversible.

• La matrice identité joue un rôle fondamental en tant qu’élément neutre pour la multiplication. Elle permet de définir l’inverse d’une matrice : si A est inversible, alors $A \times A^{-1} = I$.

• L’inverse d’une matrice est unique. Lorsqu’elle existe, il n’y a qu’une seule matrice $A^{-1}$ vérifiant la relation $AA^{-1} = A^{-1}A = I$.

💡 À retenir

La notion d’inversibilité est cruciale pour résoudre des équations matricielles et analyser la structure des transformations linéaires. Une matrice carrée est inversible si et seulement si son déterminant est non nul, ce qui garantit l’existence et l’unicité de son inverse, permettant ainsi de manipuler aisément ces transformations.

📖 5. Systèmes d’équations linéaires

🔑 Notions clés & Définitions

Système linéaire homogène : Ensemble d’équations linéaires dont tous les termes constants sont nuls. Selon la source, il possède toujours la solution triviale nulle, c’est-à-dire le vecteur nul. (Aucune référence spécifique dans le contenu source)

Système linéaire inhomogène : Ensemble d’équations linéaires avec au moins un terme constant non nul. Il peut admettre une solution unique, une infinité de solutions ou aucune solution. (Aucune référence spécifique dans le contenu source)

Solution d’un système linéaire : Ensemble de valeurs (ou vecteurs) qui satisfont toutes les équations du système simultanément. La résolution consiste à déterminer ces valeurs. (Aucune référence spécifique dans le contenu source)

📝 Points essentiels

Un système homogène a toujours la solution triviale nulle, ce qui signifie que le vecteur nul est une solution. En revanche, un système inhomogène peut présenter trois cas : une solution unique, une infinité de solutions ou aucune solution, selon la compatibilité du système. La résolution des systèmes linéaires est fondamentale en algèbre linéaire, car elle permet de modéliser et résoudre de nombreux problèmes dans diverses applications. La classification de ces systèmes est essentielle pour déterminer la nature des solutions possibles. (Aucune référence spécifique dans le contenu source)

💡 À retenir

Les systèmes linéaires, qu’ils soient homogènes ou inhomogènes, modélisent de nombreux problèmes et leur classification est cruciale pour connaître la nature des solutions possibles.

📖 6. Représentation matricielle

🔑 Notions clés & Définitions

Représentation matricielle d’un système linéaire : C’est une expression d’un système sous la forme AX = B, où A est une matrice, X un vecteur colonne des inconnues, et B un vecteur colonne des constantes. Cette forme permet d’utiliser les opérations matricielles pour résoudre le système.

Matrice associée à un système : La matrice A contient les coefficients des inconnues du système linéaire. Elle représente l’ensemble des relations linéaires entre ces inconnues dans la forme matricielle AX = B.

Vecteur colonne des inconnues : Noté X, c’est un vecteur colonne regroupant toutes les inconnues du système, par exemple (x₁, x₂, ..., xₙ)ᵗ. Il sert à exprimer le système de manière compacte en utilisant la notation matricielle.

📝 Points essentiels

Un système linéaire peut être représenté sous forme matricielle AX = B. La matrice A contient les coefficients des inconnues, ce qui facilite leur manipulation par opérations matricielles. Le vecteur X regroupe toutes les inconnues dans une seule colonne, tandis que B est le vecteur des constantes. Cette représentation permet d’utiliser efficacement les outils algébriques pour résoudre le système, en transformant le problème en une équation matricielle.

💡 À retenir

La traduction d’un système linéaire en forme matricielle AX = B permet d’utiliser les outils algébriques pour une résolution efficace.

📖 7. Matrice augmentée

🔑 Notions clés & Définitions

Matrice augmentée : C’est une matrice qui regroupe la matrice des coefficients d’un système linéaire et le vecteur des constantes en une seule matrice. Elle est formée en concaténant la matrice des coefficients avec le vecteur des constantes, généralement par une opération de concaténation de matrices.

Concaténation de matrices : Opération consistant à assembler deux matrices en une seule, en plaçant l’une à côté de l’autre (horizontalement). Dans le contexte de la matrice augmentée, cela signifie joindre la matrice des coefficients et le vecteur des constantes pour former une seule matrice.

Représentation étendue d’un système : La matrice augmentée constitue une représentation étendue du système linéaire, permettant de centraliser toutes les données nécessaires à la résolution. Elle facilite l’application de méthodes d’élimination et simplifie la manipulation du système.

📝 Points essentiels

• La matrice augmentée regroupe la matrice des coefficients et le vecteur des constantes en une seule matrice, ce qui permet de visualiser et manipuler simultanément toutes les données du système linéaire.
• Elle est utilisée pour appliquer des méthodes d’élimination (comme l’élimination de Gauss) sur le système, en opérant sur cette seule matrice.
• La manipulation de la matrice augmentée simplifie la résolution des systèmes, car elle permet d’effectuer des transformations élémentaires sur l’ensemble du système en une seule étape, facilitant ainsi l’obtention de la solution.

💡 À retenir

La matrice augmentée est un outil pratique pour centraliser les données d’un système linéaire et appliquer des transformations simultanées, ce qui facilite grandement sa résolution.

📖 8. Méthode de Gauss-Jordan

🔑 Notions clés & Définitions

Élimination de Gauss-Jordan : Technique permettant de transformer une matrice augmentée en forme échelonnée réduite par opérations élémentaires sur lignes, afin de résoudre un système linéaire. Elle consiste à effectuer des opérations pour obtenir une matrice où chaque pivot est égal à 1 et tous les autres éléments de la colonne pivot sont nuls.

Opérations élémentaires sur lignes : Trois opérations permises pour transformer une matrice :

• permutation de deux lignes ;
• multiplication d’une ligne par un scalaire non nul ;
• addition d’une ligne à une autre, en la multipliant par un scalaire.

Forme échelonnée réduite : Matrice où :

• chaque pivot est égal à 1 ;
• tous les éléments au-dessus et en dessous de chaque pivot sont nuls ;
• la position des pivots progresse de gauche à droite en descendant de ligne en ligne.

📝 Points essentiels

La méthode consiste à transformer la matrice augmentée en forme échelonnée réduite par opérations élémentaires. Cette transformation permet de déterminer directement les solutions du système linéaire, en isolant chaque variable dans une ligne unique. Elle offre une procédure systématique pour résoudre efficacement les systèmes, en évitant la recherche manuelle de solutions ou la résolution par substitution.

Les opérations élémentaires incluent :

• permutation de lignes (échanger deux lignes) ;
• multiplication d’une ligne par un scalaire non nul ;
• addition d’une ligne à une autre, en la multipliant par un scalaire.

En appliquant ces opérations, on simplifie la matrice jusqu’à obtenir la forme échelonnée réduite, facilitant l’identification des solutions.

💡 À retenir

La méthode de Gauss-Jordan est une procédure systématique qui transforme la matrice augmentée en forme échelonnée réduite grâce à des opérations élémentaires sur lignes, permettant de résoudre directement les systèmes linéaires.

📖 9. Applications des systèmes

🔑 Notions clés & Définitions

Recherche de l’inverse d’une matrice par résolution de systèmes : Méthode consistant à résoudre un système linéaire pour chaque colonne de la matrice inverse, en utilisant la relation A · A⁻¹ = I. Elle permet de déterminer l’inverse d’une matrice en résolvant autant de systèmes que la dimension de la matrice.

Utilisation des systèmes linéaires en applications pratiques : Les systèmes linéaires modélisent de nombreux problèmes concrets en sciences et ingénierie, tels que la résolution de circuits électriques, la modélisation économique ou la mécanique. Leur résolution permet d’obtenir des solutions précises pour ces problématiques.

Lien entre systèmes et transformations linéaires : Un système linéaire peut représenter une transformation linéaire. La résolution du système revient à déterminer l’image d’un vecteur par cette transformation, et l’inverse d’une matrice correspond à l’inverse de cette transformation, établissant ainsi une relation directe entre résolution de systèmes et transformations.

📝 Points essentiels

La résolution de systèmes linéaires permet de calculer l’inverse d’une matrice. En effet, pour une matrice carrée inversible A, l’inverse A⁻¹ peut être déterminé en résolvant le système A · x = eᵢ pour chaque vecteur eᵢ de la base canonique. Chaque solution donne une colonne de A⁻¹, ce qui montre que l’inverse est accessible par résolution de systèmes.

Les systèmes linéaires modélisent de nombreux problèmes concrets en sciences et ingénierie. Leur capacité à représenter des relations linéaires entre différentes grandeurs en fait un outil fondamental pour analyser et résoudre des situations réelles, comme la distribution de ressources, la stabilité de structures ou la circulation de courant.

Comprendre ces applications concrètes motive l’apprentissage des méthodes algébriques, car elles permettent d’aborder efficacement des problématiques variées et complexes, en utilisant des outils mathématiques précis et structurés.

💡 À retenir

Les systèmes linéaires ne sont pas qu’un concept abstrait ; ils sont au cœur de nombreuses applications pratiques et calculs matriciels essentiels, notamment pour déterminer l’inverse d’une matrice et modéliser des transformations linéaires concrètes.

📅 Repères chronologiques

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre matrice nulle et matrice identité : la nulle ne possède pas d’inverse, alors que l’identité est l’élément neutre.
2. Penser qu’une matrice diagonale est forcément inversible : ses éléments diagonaux doivent être non nuls.
3. Confondre matrices triangulaires inférieures et supérieures : leur structure est différente mais toutes deux peuvent être inversibles si tous les éléments diagonaux sont non nuls.
4. Croire que toutes matrices carrées sont inversibles : seule celles avec déterminant non nul le sont.
5. Confondre la transposition et l’inversion : la transposition échange lignes et colonnes, l’inverse est une matrice qui annule la multiplication.
6. Oublier que la multiplication matricielle n’est pas commutative : $AB \neq BA$ en général.
7. Confondre permutation de lignes/colonnes et multiplication par une matrice de permutation : cette dernière représente une opération spécifique.

✅ Checklist Examen

1. Connaître la définition d’une matrice (tableau rectangulaire de réels) et ses notations (a_{ij}).
2. Savoir distinguer une matrice carrée d’une matrice rectangulaire.
3. Identifier une matrice nulle, unité, diagonale, triangulaire (supérieure ou inférieure).
4. Comprendre le rôle et la construction d’une matrice de permutation.
5. Maîtriser l’opération d’échange de lignes ou colonnes via matrices de permutation.
6. Savoir additionner deux matrices de mêmes dimensions.
7. Effectuer la multiplication d’une matrice par un scalaire.
8. Calculer le produit matriciel en respectant les dimensions.
9. Transposer une matrice et reconnaître une matrice symétrique.
10. Définir une matrice inversible et connaître la condition sur le déterminant.
11. Identifier la matrice identité et son rôle dans l’inversion.
12. Connaître la propriété d’unicité de l’inverse d’une matrice carrée inversible.