Les ma

Une représenta
 Bibliothèque
Tang e
L'caventure nte&t:hé?ne&t:ique

Tangente Hor�s-série n° 44

Les matrices
une représenta1tion du monde

ËDiTiONS
POLE

© Éditions POLE - Paris - Août 2012 -

Toute représentation, traduction, adaptation ou reproduction, même partielle, par tout procédé, sur
quelque support que ce soit, en tout pays, faites sans autorisation préalable, est illicite et exposerait
le contrevenant à des poursuites judiciaires (loi du 1] mars 1957).
ISBN: 9782848841458 ISSN: 0987-0806 Commission paritaire: 1011K80883
ProchaineJ Dent
dans la Bibliothèq ue Tangente

~r r, ,rrrrrr r ~

~DITIONS.
POLE
les Matrices
Sommaire
Matrix
L'histoire des matrices

Systèmes linéaires et
DOSSIER transformations géométriques
Les matrices, ce sont ces tableaux de nombres sur lesquels
on peut définir des opérations naturelles. Ces objets algé-
briques permettent de modéliser naturellement les sys-
tèmes d'équations linéaires. Plus surprenant est leur rôle
dans la description des transformations géométriques : les
matrices leur ouvrent des horizons inattendus !

Espaces vectoriels : l'algèbre à l'assaut de la géométrie

Des matrices pour transformer
Le sens du déterminant
Transformations affines et points invariants
Systèmes linéaires et matrices
Comment rentrer dans le rang
Les nombres complexes comme ensemble de matrices
Le théorème de Cayley-Hamilton
Les fonctions homograph iqu es

Réduction de matrices
~·X·ti1i:J,I -
ne matrice existe généralement sous différentes formes,
ou plusieurs déguisements. Ainsi, pour pouvoir « lire »
directement les propriétés d 'une matrice, il est utile de
chercher la forme« la plus simple » qu'elle peut revêtir. Le
pivot de Gauss en est un bon exemple : la nouvelle forme de
la matrice (triangulaire) permet une résolution immédiate
d'un système linéaire.

Diagonaliser pour calculer les puissances d'une matrice

Le pivot de Gauss
Similitude et diagonalisation
Diagonalisation, géométrie et algèbre
La trigonalisation
Manipuler des matrices avec un tableur

Hors série n°44 Les matrices

l·X·f}1iM;I Les matrices sont partout !
Que l'on soit ou non mathématicien, les matrices nous envi-
ronnent. La planète Neptune a d 'abord été découverte sur
le papier, grâce à un proto-calcul matriciel, avant d'être effec-
tivement observée. L'économie, l'actuariat et la finance sont
friandes de matrices. L'électronique, l'informatique et toutes
les sciences ne peuvent s'en passer. Il est temps d'apprendre
à reconnaître ces objets !

Agrandir les images sans perdre en qualité

Partout en physique, des matrices
La trilatération
Les matrices actuarielles
Les tableaux entrées - sorties en économie
Matrices élémentaires en économie
Matrices et codes secrets
Les hommes préfèrent les grosses ... matrices
Calculs matriciels en statistique multivariée
Les matrices d'Hadamard
Problèmes de géo-matrices

l •X•f}1 iM;I Des matrices et des jeux

Un grand nombre de jeux font intervenir des tableaux de
nombres. Ainsi, derrière chaque jeu de grille logique,
chaque Sudoku, chaque carré magique se cache une
matrice, souvent utile dans sa résolution. Mais les
matrices se nichent parfois là où on ne les attend pas :
dans les jeux littéraires, l'écriture sous contraintes les a
depuis longtemps déjà mises à contribution.

Les carrés magiques : des matrices comme les autres

Divertissements littéraires
Les matrices Sudokus
Les matrices lumineuses du Lights Out
Problèmes
Les carrés magiques
Solutions

En bref

Tangente - Hors série n°44 Les matrices

 ar Bertrand Hauchecorne
Du conducteur
au uecteur
Les Romains possédaient déjà le mot vector. Issu
du verbe vehere signifiant « transporter », il dési-
gnait aussi bien le passager que le conducteur d'un
bateau ou d'un chariot. Les mots français « véhi-
cule », « voiture » mais aussi « invective » proviennent
de cette même racine latine.
Au Moyen Âge et jusqu'à la Renaissance , le vec-
teur est le conducteur d'un bateau ou d'un véhicule,
mais ce mot tombe alors en désuétude. Il est repris
au milieu du XVIIIe siècle par les astronomes sous
forme d'adjectif. Ainsi, le tourbillon vecteur désigne
le mouvement d'une planète et le rayon vecteur
joint le centre du soleil à un point de l'orbite .
En 1844 , William Hamilton reprend ce mot pour
désigner le vecteur (au sens actuel) joignant deux
points . La formalisation des espaces vectoriels
arrive à la fin du XIXe siècle avec Peano. Un vec-
teur devient un élément de cette structure nouvelle.
Ver 1900, « vecteur » apparaît parallèlement en
médecine. Prenant un sens figuré du mot latin, il
désigne les agents infec-
tieux qui transmettent une
maladie. On a pu entendre
il y a peu que les oiseaux
migrateurs sont le vecteur
de la grippe aviaire .
Hors-série n• 44. Les matrices Tangente
EN BREF
De l'utérus
à la matrice
On doit à James Sylvester l'introduction en mathé-
matique du mot matrice, ou plus exactement, en
anglais, matrix. Ce terme, formé sur la latin mater
signifiant « mère », désigne dès le XIIIe siècle
l'utérus. Cependant, comme on enregistrait les
enfants à la naissance, il désigne bientôt aussi le
registre sur lequel on les inscrit. Ceci explique
aussi les mots matricule, cher à l'armée, et imma-
triculation, rendu populaire grâce à l'automobile.
Avec les débuts de l'imprimerie, « matrice » désigne
aussi le moule à imprimer sur lequel on place les
caractères. On voit la ressemblance entre un tableau
de nombres et une tablette de caractères. Cepen-
dant, en introduisant ce terme , Sylvester joue sur
les mots, puisqu'il use de cette ressemblance tout
en se rattachant à l'étymologie du mot, comme
en témoigne cette phrase écrite en 1851 : "/ have
in a previous paper defined a « Matrix » as a rec-
tangular array of terms, out of which differenl
systems of determinants may be engendered, as
from the womb of a common parent" (« J'ai défini
dans un précédent article une matrice comme un
tableau rectangulaire de termes , duquel peuvent être
engendrés différents systèmes de déterminants
comme sortis du ventre de la même mère »).
5
 PASSERELLES par Jean-Jacques Dupas

Dans un monde futur, des machines élèvent des humains afin

de capter leur énergie vitale. Elles soutirent un maximum
d'énergie si les humains sont actifs plutôt que végétatifs. Alors
elles les plongent dans un environnement simulé. Bienvenue
dans la Matrice.

es habitants de la Terre croient veur), il mêle également plusieurs

L vivre des vies normales. En fait,

ils sont tous con nectés à des
machines. L'histoire du blockbuster
The Matrix (Andy et Larry
Wachowski, 1999, produit par Warner
Bros. Pi ctures) raconte le combat
d'une poignée d'humains déconnectés
contre ces machines qui ont asserv i les
humains. Mais pourquoi ce nom de
Matrix ? En anglais comme en fran-
çais, le terme désigne aussi bien ('uté-
rus féminin que l'objet mathématique
(voir en pages précédentes). Dans le
film, les humains vivent leur vie dans
un utérus artificiel. En outre, toute
simulation consiste essentiellement en
des manipulations de matrices. Enfin,
si le film est à la cro isée de plusieurs
thèmes classiques de la sc ience-fiction
(le combat contre les machines, le sau-
Discrétisations et équations
dijférentielles se traduisent généralement
par des manipulations de matrices.
thèmes classiques des religions : le
bouddhisme (avec Néo en Éveillé), le
christianisme (avec Trinity et
Anderson, littéralement « le fils de
l' homme »), le judaïsme (avec le
thème messianique), la mythologie
grecque (le personnage de Morpheus
fait référence à Morphée, dieu des
songes, un des mille fils du Sommeil,
Hypnos), etc.
De morphée à Platon
Cette référence expl icite au sommeil
nous renvoie à la question : qu ' est ce
qui différentie un rêve de la réalité ?
Comment notre cerveau s'y prend-il
pour produire nos rêves et déconnecter
nos muscles ?
The Matrix est donc matriciel en diable.
li tisse également plusieurs autres
thèmes philosophiques ou scientifiques.
Par exemp le, celui des grandes
simu lations numériques, ou encore
celui du mythe de la caverne de Platon.

6 Tangente Hors-série n° 44. Les matrices


Dans celui-ci, des humains sont
enchaînés dans une caverne, de telle
sorte qu ' ils ne peuvent voir que la
paroi de leur antre. Sur celle-ci, ils
n'aperçoivent que l'ombre du monde,
qu'ils prennent pour le monde réel. On
peut interpréter ce mythe en science
par l' utilisation du modèle. Un modèle,
c'est une vision réduite du monde réel ,
une projection. Il est régi par les lois de
la physique, il permet d'expliquer, et il
do it être prédictif. Les ingénieurs, les
scientifiques contemplent les parois de
leur caverne ! Mais le monde réel est
souvent trop complexe pour être ainsi
appréhendé.
Un mathématicien peut aussi
interpréter ce mythe par ! 'abstraction :
croyant contempler des objets, il ne
contemple que l'ombre d'objets plus
abstraits. Cette montée en abstraction
s'avè re souvent riche . Dans The
Matrix, le mythe de la caverne
s' incarne grâce à une simulation.
L' idée de simulation numérique n' a pu
prendre corps qu 'avec la montée en
puissance des ordinateurs. Avant
l'avènement de ces machines, pour
tester un objet, il fallait le construire et
The Matrix (ou tout
simplement Matrix
dans les salles
françaises) est truffé
de références au
monde imaginaire de
Lewis Carroll.
pratiquer des tests in situ. Mais cette
démarche a un coût ! L'idée alors est
de le reconstituer sur une maquette
numérique. On le discrétise (on le
« découpe en petits morceaux » et on
applique les lois de la physique sur ces
petits morceaux, en résolvant la plupart
du temps des équations différentielles).
Discrétisations et équations différen-
tielles se traduisent généralement par
des manipulations de matrices. Par
exemple, au lieu de crasher un avion, il
est moins dangereux (et surtout moins
coûteux) de réaliser une simulation.
Mais attention : une simulation, ce
n'est pas si facile ! La discrétisation,
déjà, n'est pas toujours simple (un
avion possède des milliers de
pièces ... ). Ensuite, il faut maîtriser les
modèles physiques (mission quasi
impossible en physique nucléaire ou en
physique des plasmas). li faut enfin
maîtriser les mathématiques du calcul
matriciel , du calcul numérique et
disposer de pui ssances de calcul
impressionnantes.
Dans un modèle discrétisé, plus le
découpage est fin, plus la simulation
sera précise. Mais découper les
Hors-série n° 44. Les matrices Tangente
PASSERELLES Matrix
longueurs par un facteur dix, c'est
multiplier le nombre de mailles
volumiques par mille. Et après tout ce
travail, il faudra quand même disposer
d'expériences physiques pour recaler
les modèles. Une simulation
numérique s'appuie donc sur un
triptyque ( on retrouve Trinity) : des
modèles physiques, des moyens de
calculs (aussi bien matériels que
logiciels) et des expériences physiques
pour recaler les modèles.
De l'autre côté du miroir
Les simulations sont extrêmement
utiles dès qu ' il est impossible de faire
des expenences grandeur nature
(tremblements de terre, tsunamis,
crashs d'avions ... ). Un cas typique est
la cosmologie : comme il est assez
difftci le d'aller sonder ('espace
intersidéral, les cosmologistes font des
simulations ils font
évoluer un univers,
Références simplifié, de milliards de
• Dictionnaire de la particules en jouant avec
111ythologie grecque et les lois de la physique pour
ro111aine. Pierre Grima l. voir s'ils obtiennent un
Presses Unive rs itaires univers « proche » du
de France, 1999. nôtre. lis peuvent ainsi
• SF : la science 111ène tester la validité de
l 'enquête. Roland nouvelles théories.
Lehoucq, le Pommier, Une des industries qui
2007. consomment également
beaucoup de temps de
calcul est le cinéma. Et
justement, dans le film, de nombreuses
scènes sont issues de simulations
numériques. li y a donc un jeu de
8 Tangente Hors-série n° 44. Les matrices
miroirs : on nous présente la vie réelle
comme une simulation, mais c'est bien
le film qui est une simulation ! The
Matrix est d'ailleurs truffé de
références à Lewis Carroll : le lapin
blanc tatoué sur l'épaule de Trinity, la
chute interminable dans un tuyau, la
traversée du miroir. .. li est amusant de
se rappeler que, dans son traité sur les
déterminants ( datant de 1867), le
mathématicien Charles Dodgson (alias
Lewis Carroll) récusait ! 'utilisation du
terme « matrice », qui pour lui avait
plutôt la signification d'un moule ; il
lui préférait le terme « bloc ».
Dans tout programme informatique
digne de ce nom, il reste des bugs.
Éditer des programmes sans bug (ou
tout au moins avec le moins de bugs
possible) est le défi de l' industrie
logicielle actuelle. Les mathématiques
se sont emparées de ces sujets bien
avant que les ordinateurs existent (voir
par exemple les travaux de Church,
Godel ou Turing). C'est en partie à
cause des bugs de la Matrice que le
héros se doute que quelque chose
cloche dans son monde.
The Matrix est donc bien une matrice
de nombre ux thèmes classiques. li
possède la vertu de fournir des images
aux idées abstraites, comme la
simulation numé rique (dont l' image
restera sans doute associée à un fond
vert avec un défilement de chiffres). Le
film met en avant la culture
informatique (le héros est informati-
cien le jour et hacker la nuit). Les
matrices, au sens mathématique, sont
certes moins connues du grand public,
mais omniprésentes : elle mériteraient
d 'être plus connues que le film !
J.J.D.
par B. Hauchecorne et É. Thomas
Hlgebre
li , .
Le mot « linéaire »
est l'adjectif asso-
cié à « ligne », sous-
e n tendu « ligne
droite ». Les lignes
droites sont en effet
les sous-ensembles
privilégiés des
espaces vectoriels.
Le mot « algèbre », quant à lui, provient
du titre d'un ouvrage d 'al-Khwarizmi,
dans lequel le savant arabe du IX0 siècle
résout les équations de degré 2. On lui
doit également un ouvrage, De numero
lndorum , dans lequel il explique le
maniement des chiffres dits arabes
inconnus en Occident à) 'époque et la
numération de position qui permet
d'avoir des algorithmes simples pour
effectuer des opérations. Lors de l'adop-
tion de cette numération en Occident
vers le XYI0 siècle, l'étude et le manie-
ment des nombres entiers s'appelle
toujours arithmétique alors que l' al-
gèbre désigne sa généralisation aux
nombres négatifs , à l'introduction de
paramètres. Les nouveaux ensembles
de nombres , les complexes, les qua-
ternions et les espaces multidimen-
sionnels, entrent de fait dans le domaine
de )'a lgèbre . Aussi parle-t-on aussi
d'algèbre linéaire ...
0 0 0
0 0 0
0 0 0
La matrice nulle.
La matrice identité.
Hors-série n° 44. Les matrices Tangente
EN BREF
matrices rudimentaires
En tant que tableau de nombres, il est aisé de comprendre
qu ' une matrice M peut posséder un nombre quelconque de
lignes (disons n) et un nombre tout aussi arbitraire de colonnes
(par exemple p). M sera complètement définie dès lors que les
n x p éléments (ou coefficients) si tués à l'intersection de cha-
cune des lignes avec chacune des colonnes seront précisés.
On note généralement ( a,.;),.,_••
l s;sp
les coefficients d'une matrice
M quelconque , où chacun des n x p coefficients est un scalaire.
• Dans le cas où n = p, la forme géométrique que prend la
représentation de M fait que la matrice M est dite carrée ; elle
possède alors n2 coefficients (dans le cas général, on parle de
matrice rectangulaire).
• Dans le cas où n = 1, M est une matrice ligne. Dans le cas
où p = 1 , M est une matrice colonne. Dans le cas très parti-
culier où n = p = l , M peut être assimilée à un scalaire .
Les matrices les plus utilisées en mathématiques sont les
=
matrices carrées (n p). Les n éléments a;,; situés sur la dia-
gonale principale sont appelés, justement, les éléments dia-
gonaux (les autres étant les éléments extra-diagonaux).
Si tous les éléments extra-diagonaux de M sont nuls, la matrice
est dite diagonale. C'est le cas particulier de la matrice nulle,
dont tous les éléments aij sont égaux à zéro, ou de la matrice
identité, dont les éléments diagonaux sont tous égaux à 1 (et
tous les autres sont nuls).
Enfin, l' utilisation des matrices pour la résolution des systèmes
linéaires fait intervenir des matrices carrées dont tous les élé-
ments situés strictement sous la diagonale principale sont
nuls. Ces matrices sont appelées matrices triangulaires supé-
rieures. Plus précisément, une matrice M est triangulaire
supérieure si ses coefficients vérifient aij = 0 dès que i <j.
1 0 0 5
0
0 0
1 0
1
Gn 2
0
Une matrice triangulaire
supérieure.
9
 HISTOIRES par Bertrand Hauchecorne

'
La genèse de la théorie des matrices est confuse, et passe par
la Grande-Bretagne, par la France, l'Allemagne, et même ... la
Chine ! De simples outils permettant de simplifier les
notations, les matrices deviennent ensuite un outil
incontournable pour l'algèbre linéaire.
' tème; c'est en quelque sorte une matri-

L
histoire de France commen-
ce-t-elle avec les Gaulois, le
baptême de Clovis ou l'ac-
cession sur le trône d'Hugues Capet?
Les historiens ne sont pas tous d'ac-
cord. Pour les matrices, c'est un peu
pareil : doit-on parler de matrices dès
que certains e urent l'idée d'extraire un
tableau de nombres d ' un système
d'équations linéaires, doit-on attendre
que Cauchy note en tableau des déter-
minants, ou faut-il que Sylvester leur
donne un nom et Cayley définisse des-
sus des opérations, les traitant comme
des nombres munis d'une structure?
Historiquement, la résolution de systè-
me d'équations linéaires est très ancien-
ne. La donnée des coefficients devant
chaque inconnue suffit à définir ce sys-
Du tableau de nombres à un outil
essentiel de l'algèbre linéaire.
ce. Privilégiant l'aspect pragmatique de
la résolution, on a d'abord introduit le
calcul de déterminant, notion nécessaire
à justifier l'existence de solutions. Cet
outil est apparu avec Gottfried Wilhelm
Leibniz dès la fin du xv11° siècle, cent
cinquante ans avant une définition for-
melle de la notion de matrice par James
Joseph Sylvester et Arthur Cayley.
Des Han à Hanovre
Les Neuf chapitres sur ! 'art mathéma-
tique sont un ouvrage compi lant les
principales méthodes mathématiques
connues dans l 'Antiqu ité chinoise. Il
apparaît sous la dynastie des Han, au
tout début de notre ère. Le titre du hui-
tième chapitre, Fang sheng, signifie
« comparaison des dispositions». Il
présente des problèmes résolus par des
systèmes d'équations linéaires à deux
ou trois inconnues. On disposait les
coefficients du système en tableau, en

10 Tangente Hors-série n°44. Les matrices


mettant autant de baguettes que le pro-
blème présentait: c ' était, pourrait-on
dire, l'apparition des premières
matrices, tout en baguettes . On résol-
vait alors le système, en maniant ces
baguettes, par une méthode rappelant
le pivot de Gauss.
S ' intéressant, à la fin du xv11• siècle, à
un système de trois équations linéaires
à trois inconnues, Leibniz, alors au ser-
vice de la maison de Hanovre, en
extrait les coefficients ; le terme que
nous notons aujourd'hui a, ,2 est pour
lui soit 12 (il y a donc confusion avec
l'entier 12), soit 12 . Tl se rend compte
que le tableau représenté par les coeffi-
cients est ('élément essentiel qui
indique s'il y a une solution, plusieurs
solutions ou aucune solution . Tl expri-
me en outre le déterminant en fonction
des coefficients.
Tout au long du xv111• siècle, l'étude
des systèmes se focalise sur la notion
de déterminant. Plusieurs mathémati-
ciens, comme le Suisse Gabriel Cramer
ou le Français Étienne Bézout,
empruntent la démarche du philosophe
allemand en étudiant les déterminants
de manière utilitaire dans le seul but de
Hors-série n°44. Les matrices Tangente
William Hamilton
Bien que connu pour ses travaux en mathé-
matiques et en physique, Sir William Rowan
Hamilton (1805-1865) est avant tout un ...
astronome. D'une précocité stupéfiante, on
dit qu'à 5 ans, il lisait déjà le latin, le grec et
l'hébreu. Il quitte son Irlande natale en 1823
pour aller étudier au Trinity College de
Cambridge. Il obtient à 22 ans le poste très
prisé d'astronome royal d'Irlande et passe le
reste de sa vie à Dunsink, à proximité de l'ob-
servatoire de Dublin.
Sa rédaction, dans les années 1830, d'une
théorie rigoureuse des nombres complexes
qu'il assimile à des « nombres de
dimension 2 » est un prélude à une base axio-
matique des structures algébriques. Ceci le
conduit à chercher vainement des « nombres de
dimension 3 », puis à introduire en 1843 les qua-
ternions. Il pense avoir trouvé un outil essentiel
pour l'étude de la physique, mais le développe-
ment de l'analyse vectorielle par Willard Gibbs et
Oliver Heaviside amènera des notations plus
simples.
Souvent inspiré par des problèmes venus de la
physique, comme l'optique ou la dynamique,
Hamilton étudie les équations différentielles. Il
introduit en 1835 les fonctions hamiltoniennes,
qui expriment la variation dans le temps d'un sys-
tème physique dynamique, le hamiltonien repré-
sentant son énergie totale.
résoudre un système. Dans son
Mémoire sur la résolution des équa-
tions, publié en 1771, le mathématicien
français Alexandre-Théophile Vander-
monde est le premier à s'intéresser aux
propriétés des déterminants et aux
méthodes pour les calculer en se déta-
chant du système lui-même. Dans ses
travaux sur la mécanique céleste,
Pierre-Simon de Laplace développe un
embryon de calcul matriciel et utilise
la méthode de développement d'un
déterminant par rapport à une colonne.
11
HISTOIRES L'histoire des matrices

De Cauchy à Cayley coniques revient en fait à annuler

simultanément deux polynômes en x et
Au XIXe siècle, le mathématicien fran- y. Cependant, le mathématicien britan-
çais Augustin Louis Cauchy construit nique, influencé par son ami Arthur
une théorie des déterminants presque Cayley, aborde ce problème par les
moderne. Il introduit la notation en déterminants. Il est amené à calculer
tableau et la double indexation des certains déterminants, qui sont tous
composantes. Il définit ce qu ' il appelle issus d' un tableau de nombres qu'il
le produit de deux déterminants: c'est nomme matrice, les déterminants ini-
en fait le produit des deux matrices
associées. Lagrange l'avait déjà défini
avant Cauchy pour les matrices carrées
de taille n = 3. Le Britannique James
Sylvester, quant à lui, reprend en 1850
des travaux du mathématicien alle-
mand Julius Plücker publiés en 1828
sur les intersections de coniques. Ce
dernier avait en fait résolu le problème
géométrique, mais grâce à des
méthodes purement analytiques et
assez lourdes. Cette étude se plaçait
dans le cadre de la géométrie algé-
brique, où une courbe est définie par
une équation de la forme f (x, y) = O.
Ainsi, déterminer des intersections de

Ta.ngente Hors-série n°44. Les matrices

tiaux étant des mineurs. L' année sui-
vante, Sylvester généralise ses travaux
aux quadriques, c'est à dire aux sur-
faces d'équation f(x, y, z) = 0, où f
désigne une fonction polynomiale de
degré 2.
Au début des années l 850, Cayley et
Sylvester, tous deux membres du bar-
reau, échangent sur leurs passions
communes. Cayley comprend alors
toute l' importance en algèbre des
tableaux de nombres utilisés par
Sylvester. Dans un article publié en
français en 185 5, il parle des matrices
comme une « notation commode »
pour re présenter les systèmes
linéai res. Il explique ! 'i ntérêt de la
notion matricielle pour étudier les
« fonctions linéaires».
Trois ans plus tard, Cayley élabore une
véritable théorie des matrices dans son
nouvel article A Memoir on the Theory
of Matrices. S'inspirant sans doute du
mémoire d' Augustus de Morgan, On
the Foundation of Algebra, publié en
1841, il défi nit sur les matrices des
opérations d'addition et de multiplica-
tion, les considérant de ce fait comme
des sortes de nombres (des éléments
mathématiques à part entière, et non de
simp les commod ités d 'éc riture).
Cayley en est bien consc ient lorsqu 'i l
les désigne par le terme de « single
quantity » (quantité simp le). li s'émer-
veille du « remarkable theorem » lors-
qu'il énonce le résultat con nu sous le
nom de théorème de
Cayley- Hamilton. Certains voient en
lui l' inspirateur de la notion d'hyper-
nombre et de la théorie des algèbres.
Les matrices franchissent la manche
Introduites par des Britanniques, les
matrices peinent à s'implanter sur le
continent. Georg Frobenius approfon-
dit les différentes notions d'algèbre
Hors-série n°44. Les matrices Tangente
linéaire. Il démontre le théorème de
Cayley-Hamilton en 1878 et dévelop-
pe la théorie des formes bilinéaires. À
cette même époque a été perçue l' im-
portance de ces fonctions dans diffé-
rentes branches des mathématiques
( espaces euclidiens, systèmes diffé-
rentiels de second ordre, théorie des
nombres . . . ). Pourtant, bien que très
au courant des travaux de Cayley,
Frobenius s'obstine dans ses travaux à
éviter l'emploi des matrices!
Dans les années 1890, ! ' usage des
matrices se développe brusquement.
Le mathématicien pragois Eduard
Weyr étend le champ des matrices en
les utilisant pour étudier les formes
bilinéaires (qui sont des fonctions de
deux vecteurs x et y, linéaire en x lors-
qu 'on fixe y et linéaire en y lorsqu ' on
fixe x) . En passant aux coordonnées de
ces vecteurs, l'expression de la forme
bilinéaire se reformule en une somme
de termes de la forme ai,J X; yJ"
Réc iproquement, la donnée de la
matrice des coefficients (a;);J suffit à
déterminer une forme bilinéaire.
Dès lors, ! ' usage des matrices se
répand inexorablement. Elles ne sont
plus vues comme des éléments indé-
pendants, mais à chacune d 'elles est
associé un certain nombre de proprié-
tés, de potentialités. Le mathématicien
allemand Leopold Kronecker com-
prend par exempl e l'importance de
l'entier r correspondant à la taille
maximale d ' un système linéairement
indépendant que l'on peut en extraire;
il l'appelle rang de la matrice. De nos
jours, les matrices sont utilisées dans
de nombreux domaines, très divers,
bien au-delà du champ mathématique !
B.H.
13
 EN BREF
Scalaire
La racine indo-euro péenne skand signifi ait « lever
le pied ». On la retrouve dans le grec skandalon , qui
désignait un di spos itif fa isant trébucher, un piège.
Les Pères de l'Ég li se l' utili sent dans le sens d' in-
c itati on au péché. Devenu scandalum en latin , il
fo urnit à notre lang ue les mots « scanda le » e t
« escl andre ».
Le latin scandere, « monter », est de même ori-
g ine . On le retrou ve dans les mots français « des-
cendre», « ascension » et bien sûr « transcendant ».
Par déri 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' intermédi aire du provençal.
Le mot « échelle » est de même
racine. L'ajout du « é » initial est
un phénomène linguistique cou-
ra nt pour fac iliter la prononc ia-
tion d' un « s » initial devant une
consonne : penser à « éco le » et
« sco la ire », « étude » et « stu-
dieux».
Le mot scalaris ex iste déjà en latin
et signifie « relatif à l'échelle ». Les
naturali stes l' utili sent au xrxe
siècle pour désigner un poi sson.
Son e mploi en mathématiques
_ _,.,.,
,,, - ..... vi ent de l'a nalog ie e ntre les
nombres entiers et les barreaux
d ' une éche lle. Pour mesurer,
en effet, on utili se une gra-
'""t1-11"--......,,i.1 duati on que l' on rapporte à
des no mbres. L e m o t
dev ient un substantif et se
gé né r a li se à t o u s les
r --.,_-JI no mbres réels .
Le mot scalaris existe en latin
et signifie « relatif à l'échelle » .
14 Tangente Hors-série n°44. Les matrices
par B. Hauchecorne et H. Lehning
fldditionner
des matrices
Les tableaux de nombres, com me le tableau à deux
1 4 -2
lignes et tro is colonnes , sont fréquemment
0 3 5
manipulés dans divers domaines (la co mptabil ité par
exemple), surtout depuis l' util isation des tab leurs. On
peut e n parti c uli e r dé finir des opérati ons dess us.
L' usage es t alors, po ur les mathé mati c iens, de les
représenter entre parenthèses, le tablea u précédent
1 4 2
devenant ( - ).
0 3 5
L'addition de deux matrices de mêmes dimensions, c'est-
à-dire ayant le même nombre de lignes et de colonnes
se fa it élément par élément. Ainsi :
1 4 -2) + ( 2 - 1 3) = ( 3 3 16) .
(0 3 5 -3 5 1 -3 8
Muni de l'additi on, l' ense mbl e des matrices 2 x 3 a
déjà une structure intéressante , c'est un groupe com-
mutatif.
Si on y ajoute la multiplicati on par un scalaire, défi-
ni e de même é lément par élé ment :
2.(10 43 -2)5 = (20 86 -4)
10 '
cet e nse mbl e pe ut a lors être considé ré comme un
espace vectoriel.
Sa dimension est égale 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 rmée , par exemple
dans le cas des matrices 2 x 3 , des six matri ces pos-
sibles formées d' un « 1 » et de c inq « 0 ».
Une autre faço n de l'exprimer consiste à compter le
nombre de paramètres nécessaires à définir une matrice !
Merveille de l'abstracti on, cette structure nous auto-
ri se à appeler « vecteur » ... un e matrice.
 par~.BusseretG.Cohen
Espaces uectoriels
l'algèbre à l'assaut de la géométrie
La géométrie, longtemps considérée comme une science à
part, a subi deux assauts qui ont eu raison de son autonomie
par rapport aux autres domaines des mathématiques :
l'introduction par Descartes de la géométrie analytique et
l'apparition de l'algèbre linéaire.
eprésenter tous les points du plan
R par des couples de réels, et assi-
miler le plan à IR 2 , voilà le pro-
fond chambardement dont Descartes fut
à l'origine (c'est le cas de le dire, puisque
tout revient à choisir un repère : deux
axes gradués passant par une origine).
Après Descartes, faire de la géométrie ne
fut plus la même chose.
Une fois le repère choisi, un calcul peut
représenter n'importe quel résultat géo-
métrique . Pour montrer qu'un point du
plan appartient à une droite, il suffit que
ses coordonnées vérifient l'équation de
cette droite ; pour montrer que le qua-
drilatère ABCD est un parallélogramme,
il suffit que les bipoints (couples ordon-
nés de points) AB et CD soient équi-
pollents , c'est-à-dire que les différences
entre les coordonnées des extrém ités et
celles des origines soient identiques.
nla base de l'algèbre linéaire :
l'espace uectoriel
De là à définir les vecteurs, il n'y avait
qu'un pas , et il fut rapidement franchi.
Tangente Hors-série n°44. Les matrices
À chaque bipoint, on associe un vecteur,
être abstrait qui se reconnaît dans tous les
bipoints équipollents (associés à des seg-
ments parallèles, de mê me sens et de
même longueur).
Mais voilà, ces vecteurs, on peut opé-
rer dessus : les additionner, les multi-
plier par un réel (on dit un scalaire).
Le mathématicien, c'est connu , est un
générali seur fou. Il a inventé la notion
d'espace vectoriel, structure algébrique
munie de deux opérations, l' une interne
(la somme), l'autre externe (la multi-
plication par un sca laire), qui vérifient
quelques propriétés directement ins-
pirées de ce lles des vecteurs associés
à un plan.
L'addition est une loi de groupe com-
mutatif, la multiplication par un scalaire
(souvent notée par un point) vérifie
quelques propriétés supplémentaires :
1. û = û
a.(b. ü) =(ab). ü
(a+ b). ü =a. ü + b. û
a. (ü + v) = a . ü + a. v
 SYSTÈMES LINÉAIRES

C'est Grass mann (voir encadré) qui, le

premier, a imaginé cette structure , pré-
c isée ensuite plus rigoureusement par
Peano (vo ir encadré en page 18) .
Une combinaison finie de sommes et de
produits par un scalaire s'appelle com-
binaison lin éa ire. Les combinaisons
linéaires jouent un rôle fondamental dans
la structure d'espace vectoriel.

Cette structure s'applique aux vecteurs

associés au plan ou à l'es pace de la
géométrie classique, dont le modèle est
respectivement IR 2 ou IR 3 , mais se géné-
ralise à des espaces beaucoup plus com-
plexes, comme des es paces de suites ,
de fonctions ...
Hennann Grassmann, l'incompris
Elle s'étend même à des corps de scalaires Après des études de théologie à Berlin, Hermann Grass-
différents de IR. mann (1809-1877) enseigne les mathématiques à l'Univer-
sité de Berlin puis dans un lycée à Stettin. Il publie en 1844
Uers de nouuelles dimensions Ausdehnungslehre, c'est-à-dire enseignement des étendues.
Cet ouvrage contient en germe les notions fondamentales
Pour se repé rer facilement dans l'en- de l'algèbre linéaire: combinaisons linéaires, indépendance,
semble des vecteurs d ' un espace vecto- bases, dimension et produit extérieur. L'exposé de Grass-
riel , on cherche ce qu 'o n appelle une mann est confus et même opaque et sa théorie ne sera vrai-
base: c'est une famille libre (on dit aussi ment comprise que bien plus tard, par Peano. Pourtant, il
qu 'elle est formée de vecteurs indépen- avait bâti une définition intrinsèque des espaces vectoriels
dants : aucune combinaison linéaire de alors que Cayley n'avait fait que du calcul dans IK!". Devant
ces vecteurs ne peut s'annuler, hormjs la l'incompréhension de ses pairs, Grassmann abandonne la
combinaison nulle) , et c'est une famille recherche en mathématiques pour se consacrer à l'étude
génératrice : tout vecteurs' écrit de façon des textes védiques, en particulier la traduction du Rig-
unique comme combinaison linéaire des Veda. Il brille également en linguistique puisque son nom
vecteurs de cette famille. a été donné à une loi concernant la dissimilation des consonnes
On montre alors un résultat très impor- aspirées en Sanskrit et en grec. B.H.
tant : si un espace vectoriel E admet
une base finie comportant n éléments, M
toute autre base de E compte aussi n
éléments.
On dit que l'espace vectoriel E est de
dimension n.
Dans le cas d ' un plan, une base est un
couple (Ï ,1) de deux vecteurs ni nuls
ni de même direction. Tout vecteur ü
peut alors s'écrire de manière unique
sous la forme ü = xT + YJ 0 ~ xi
où (x,y), couple de réels , sont les coor- Le vecteur û =OM et ses coordonnées
données du vecteur en question. dans la base (Ï ,T).

Hors-série n° 44. Les matrices Tangente 17

SAVOIRS Espaces vectoriels

Ainsi, une fois une base choisie , on peut

assimiler un espace vectoriel de dimen-
sion 2 à l'ensemble des couples de réels
(x, y), autrement dit à IR 2 . On dit que
les de ux espaces sont isomorphes . De
même , un espace vectoriel de dimen-
sion n sera isomorphe à IR".
La notion d 'espace vectoriel s'applique
à notre espace environnant de dimen-
sion 3, el le permet aussi d ' imaginer des
espaces qui échappent à notre percep-
tion. L' espace-temps de dimension 4 ,
mai s aussi, pourquoi pas, des univers de
dimensions supérieures ...

Transformer,
mais en conservant les propriétés

Les vecteurs, du pl an, de l'espace ou

d ' un espace Ede dimension supérieure,
on sait les ajouter et les retrancher, les
multiplier par un rée l quelconque . On
vas' intéresser à agir dessus en les trans-
formant , c'est-à-dire assoc ier à chaque

Giuseppe Peano, le théoricien

Giuseppe Peano (1868-1932) est l'un des plus brillants mathématiciens italiens des deux cents der-
nières années. Homme d'une curiosité et d'une inventivité prodigieuses, il fut pionnier dans de nom-
breux domaines des mathématiques. Son esprit critique, rigoureux et peut-être aussi son éloignement
des pôles mathématiques les plus en vue à l'époque lui ont permis de considérer avec un regard neuf
l'évolution des mathématiques et d'oser bousculer des idées reçues.
Ses premiers travaux concernent le calcul infinitésimal et en particulier les fonctions de plusieurs
variables et l'étude des courbes. Dans ce domaine, on lui doit plusieurs contre-exemples qui ont per-
mis de contredire des thèses affirmées par des mathématiciens reconnus.
Le fil conducteur de ce savant a toujours été la clarification et la diffusion des mathématiques. Il le fait
de souvent de manière très maladroite. Ainsi il crée le Latine sine fiexione appelé aussi Interlingua,
langue universelle, dans laquelle il publie en 1908 un monumental formulaire expliquant toutes les mathé-
matiques de son temps.
Avec la même motivation, Peano introduit de nombreux symboles dans la toute naissante théorie des
ensembles et se penche vers l'axiomatique ; celle des entiers naturels l'a rendu célèbre. On sait moins
l'importance de son travail pour la vulgarisation de la théorie des espaces vectoriels. Il comprend leur
introduction très confuse par Grassmann dans son ouvrageAusdehnungslehre. Il publie, en 1888, Cal-
colo geometrico, ouvrage dans lequel il clarifie les notions introduites par le mathématicien allemand.
Il y donne une définition axiomatique des espaces vectoriels, introduit les applications linéaires et montre,
en donnant l'exemple des polynômes, que cette théorie ne se réduit pas à la dimension finie. B. H.

Tangente Hors-série n°44. Les matrices


vecteur ü le vecteurv de l'espace vec-
tori e l F, défini pa r v = f(ü) ; v es t
l'image de ü par une certaine applica-
tion f de E dans F.
Mai s on ne s' intéresse pas à n' importe
qu e lle app licat io n ! Il fa udra que f
conserve les opérations sur les vecteurs,
c'es t- à-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 réel soit le produit par ce nombre
de l' image de ce vecteur.
Plus généralement , l' image d' une com-
binaison linéaire de vecteurs est la même
combinaison li néa ire des images de ces
vecteurs.
On dit alors que f est une application
(ou un opérateur) linéaire, ce qui s'écrit
encore :
f(ü + v) =f(ü) + f(v)
et, pour tout réel a,
!(a. ü) =af(ü) .
Par exemple, l'application de E dans E
qui à tout vecteur ü fait correspondre
son double 2ü, est linéa ire, a lors que
ce lle qui à ü associe 2ü + V où V est
un vecteur fixe , ne l'est pas.
Ces applications jouissent de proprié-
tés particulières: l' image du vecteurnul
est le vecteur nul , cell e d'un opposé est
l'opposé de l'i mage, et surtout , e lles
co nse rvent le para ll é 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 linéaires, les endo-
morphismes de E, applications linéaires
de E dans lui -même, jouent un rôle
important. Citons les plus s impl es :
l' identité Id E, qui à un vecteur ü de E
associe le même vecteur ü ; les endo-
morphismes scalaires k IdE, qui à ü fo nt
correspondre k ü, k étant un réel fixé.
Et les applications linéaires de E dans
F forment elles-mêmes ... un espace
vectorie l.
Hors-série n• 44. Les matrices Ta.n9ente
SYSTÈMES LINÉAIRES
la relation de Chasles
Dans un espace affine (par exemple de dimension 2), associé
à l'espace vectoriel E, si (el' e~ est une base de E et (0 , ei, e~
un repère de l'espace affine, alors:
-+ ,
• un vecteur AB a pour coordonnees, dans la base (ei, e2 ),
(b 1 - al' b2 - a 2), différence des coordonnées (bi, b 2) de B et
(ai, a~ de A dans le repère (0 , e" e2) ;
• additionner deux vecteurs revient à ajouter leurs coordon-
nées dans la base (el' e~ .
Il s'ensuit que BA= -AB,ainsi qu'une interprétation géométrique
extrêmement pratique de la somme de deux vecteurs associés
à des bipoints dont l'extrémité du premier est l'origine du
second:
Aii +Bê=Aê.
Ce résultat, appelé relation de Chasles , du nom du mathé-
maticien Michel Chasles, qui l'a exprimée le premier, est
extrêmement simple à démontrer à l'aide des coordonnées
des points :
(b 1 -a" b2 - a~ + (c 1 - b 1, c2 -b2) = (c1 -a" c2 -a2).
Cette relation se généralise à un nombre quelconque de
points et à toutes les dimensions. En voici une expression
classique pour quatre points :
--+ ;:-;:t --+ --+
AB + BL + CD+ DA= O.
Mais pas seulement : elles se compose-
ront également entre elles, conférant à leur
e nse mb le , dan s le cas des endomor-
phjsmes d' un espace vectoriel, une struc-
ture d 'anneau (non commutatif) , qui ,
s'ajoutant à celle d 'espace vectoriel, est
affublée du joli nom ... d'algèbre!
Et les matrices dans tout cela ? Elles vont
être omniprésentes dan s les espaces
vectorie ls de dimension finie . Les o pé-
rations qui vont être défi ni es dessus
vont servi r à la plupart des calcul s dont
on aura beso in : ex prime r les com po-
santes d'un vecteur après un changement
de base, mais surto ut re prése nter les
applications linéaires, dont e lles expri-
meront les effets au moyen de calcul s
numériq ues simples et pratiques.
É.B . & G.C.
 SAVOIRS par É. Busser et G. Cohen

•
es ma r1ces
pour transformer
L'algèbre linéaire s'est fixé pour mission de théoriser les
transformations affines du plan et de l'espace. Les matrices
constituent l'indispensable outil qui permet de les mettre en
œuvre de manière pratique.

F
aire tourner un objet, en théorie
ou sur un écran, étirer une image,
la dépl acer, l' incli ner, la retour-
ner comme dans un mi roi r, autant d'ac-
tions usuelles en géométrie et aujourd ' hui Supposons maintenant que nous cho i-
en info rmatique graphique, derrière les- siss ions une autre base de E :
quelles il y a ... un endomorphi sme (voir B' =(e' 1, e' 2 , ... , e ',,) .
pages 16 à 19). Le même vecteur se décompose (toujours
de manière unique) dans la base B' :
Pour représenter ces endomorphi smes, et v = x' 1 e' 1 + x\ e' 2 +... + x' 11 e' 11 •
do nc les tra nsformati ons assoc iées du On le représente cette fois par une matrice
pl an ou de l'espace, on va se servir de colonne V':
matrices.
v· = li ;;\I
Des matrices colonnes
pour représenter des uecteurs .,\ ,,

Il reste une question, et de tai lle, à régler!

Co mmençons par le co mme ncement.
Dans un espace vectorie l E de dime n-
sion fi ni e n, o n cho is ir une base B =
(ei, e 2 , . . . , e 11 ). To ut vecteur de E peut
alors s'écrire de faço n unique
v = x 1 e 1 + x2 e2 +... + x11 e11 •
On le représente par une matrice colonne
V, c'est-à-dire formée d' une seule colonne
(et de n lignes).
Quelle re lation ex iste entre les matrices
colonnes V et V'? C'est une opérati on
matricielle qui va nous donner le rés ul -
ta t : V = A V ' où A est une matrice car-
rée n x n a p pe lée la m a tri ce d e
changeme nt de base. Chac une de ses
n co lonnes est fo rmée des coordonnées,
dans la base B , des vecte urs de la base
B' (vo ir encadré).

20 T4n9ent:e Hors-série n°44. Les matrices


Des matrices pour transformer
li reste à voir comment les matrices per-
mettent de représenter les transforma-
tions du plan ou de l'espace . Dans un
premier temps , on va s'intéresser aux
endomorphismes associés à ces trans-
formations. Ces applications linéaires
transforment un vecteur ü e n un vec-
teur v =f(ü).
Quand une base B de l'espace vectoriel
E a été choisie, il suffit, pour définir f,
de savoir comment cette base est trans-
formée par f. Dans la mesure où tout
vecteur de E est une combinaison linéaire
des vecteurs de B , et où une application
linéaire co nserve les combinaisons
linéaires, il suffit de connaître les images
des éléments de la base B pour connaître
l' image par f de n'importe quel vecteur
de E.
On représente alors cette app li cation
linéaire! par une matrice A, qui dépend
de la base B choisie dans E . Chaque
colonne de A est la décomposition dans
la base B de l'image des éléments de B.
Ains i, en dimension 2, tout vecteur v
peut s'écrire de manière unique sous la
forme v = xT + YJ où B = (î,T) est la
base choisie et le couple de réels (x, y)
les coordonnées du vecteur v dans la
base B.
La linéarité de l'app li cation f permet
d'écrire:
f(v) =xj(T) + yf(T).
Ce vecteur est connu dès lors que sont
connus par leurs coordonnées dans la base
(î,T) les vecteurs j(T) et.f(T).
Sif(T) =aï+ hT etf(T) = cT + dT,
alors.f(ïï) = x(aT + bT) + y(cT + dT)
= (ax + cy)T + (bx + dy)T.
La matrice de f dans la base B est
A= (: ;) , dont les vecteurs colonnes
sont bien les vecteursj(T) etf(T) repré-
sentés par leurs coordo nnées dans la
base B.
Hors-série n° 44. Les matrices Tangente
SYSTÈMES LINÉAIRES
Matrices de changement de base
Le même vecteur, exprimé dans deux bases différentes
B et B', s'écrit de deux façons:
V= X1 el + X2 e2 + ... + xn en et
=
v x' 1 e' 1 + x' 2 e' 2 +...+x\ e\.
Pour exprimer les coordonnées dans l'une des bases en
fonction des coordonnées dans l'autre base, on va
construire la matrice de changement de base. Voici un
exemple en dimension 3.
On exprime les éléments de la base B' dans la base B:
=
e' 1 au el + a21 e2 + a31 e3
=
e' 2 a12 e1 + a22 e2 + a32 e3
e' 3 =a13 e1 + a23 e2 + a33 e3
La matrice de changement de base associée est :
( ail lli2 a,J \
A= la2, a22 a23J.
aJ, a32 a33
Exprimons alors le vecteur v =x' 1 e' 1 + x'2 e' 2 + x'3 e' 3.
v =x'1 (au el+ a21 e2 + a31 e3)
+ x' 2 (a12 el + a22 e2 + a32 e3)
+ x' 3 (a13 el + a23 e2 + a33 e3)
v =(aux' 1 + a12 x' 2 + a13 x' 3) el
+ (a21 x' 1 + a22 x' 2 + a23 x'3) e2
+ (a31 x' 1 + a32 x' 2 + a33 x' 3) e3
Cette dernière expression est à comparer à :
=
v x 1 e 1 + x 2 e2 + x 3 e3.
La décomposition dans la base B étant unique, on peut
identifier les coefficients.
On reconnaît le produit matriciel :
( x, \ ( ail a 12 a. 3 \ { x; \
V= l::J l::: :::
= ::Jl:tJ.
L' usage d'une telle matrice va simplifier
considérablement le calcul des coor-
données de l'i mage du vecteur par f. v
Si on représente le vecte ur v
sous forme d'une matrice-colonne C) ,
alors la matrice co lonne représentant le
SAVOIRS Des matrices pour transformer
vecteur n 'est autre que le produ it, au
se ns d es p ro duit s d e m a tri ces ,
(: ;)(:)=(:;:~)·
Une fo is c ho is ie un e base s ur l' e n-
semble des vecte urs , la matrice A pe r-
me t do nc e nt ière ment de déte rmine r
l' applicati o n f.
In verse me nt , une base étant do nnée ,
toute matrice 2 x 2, A = (: : ) peut être
considérée comme la matrice d' un endo-
morphi sme de l' ensemble des vecteurs.
Chaque colonne de A correspond à un
vecteur : k pour la pre mière, T pour la
seconde, et! 'application qui au vecteur
v de coordonnées (x, y) associe le vec-
w
teur = xk + y T est linéaire.
Au couple (ï ,T) de la base, e lle assoc ie
le couple (k , Î ). Voil à donc une faço n
simple et de déterminer la matrice asso-
ciée à un endomorphisme et d ' identifier
une application linéaire grâce à sa matrice.
Ces résultats se généralisent. Non seu-
le ment à d 'autres dimension s d 'endo-
morphismes, mais aussi à des applications
linéa ires e ntre espaces vectori e ls de
dimensions différentes. Ainsi, une appli-
cation linéaire l d ' un espace vectoriel
E de dimension n vers un espace vec-
toriel F de dimension p pourra être repré-
sentée, dès lors qu 'on connaît une base
B de E e t une base C de F, par une
matrice à p lignes et n colonnes, dont
les colonnes sont les décomposition s
dans la base C des images des éléments
de la base B. Cette matrice sera notée
Mat 8 ,c(l) .
matrices et composition
d'applications linéaires
On peut composer des applications! et
g, qu 'e lles so ie nt linéa ires ou non , à
condition que l'ensemble d 'arri vée de
l'une soit l'ensemble de départ de l' autre.
Lorsqu ' il s'agit d'applications linéaires,
Tc:1.n9ente Hors-série n°44. Les matrices
la matrice associée à la composée gof
sera le produit des matri ces defet de g .
Plus concrètement :
MatB.D(go!)= Matc.o (g) MatB.C (j) .
Dans le cas des endomorphismes , le pro-
duit de matrices carrées s' écrit :
MatB(go!)= MatB(g) MatB(j).
Les propriétés de la compos iti on d 'en-
do morphi smes se transmettent au pro-
duit de matri ces carrées d'ordre n , dont
l'ensemble, muni de cette multi plica-
tio n, for me un anneau. De même que
! 'élé me nt ne utre pour la compos iti on
des endomorph ismes est l' identi té, I ' ap-
plication « qui ne change rien », c'est-
à-dire qui , à tout vecteur, associe lui-même,
celui de la multiplication des matrices
carrées est la matrice associée, qui est
la matrice identité. Ell e comporte des
« 1 » s ur la di ago na le e t des « 0 »
ailleurs. En dimension 2, c'est 12 = ( ~ ~) .
D 'autres endomorphi smes sont extrê-
mement simples. C itons parmi eux !'en-
do morphi sme sca laire o u ho mothétie
de rapport k, qui à tout vecteur v d ' un
espace vectoriel de dimension n, asso-
cie k v. Sa matri ce assoc iée ne co m-
porte que la va leur k sur la diagonale et
des « 0 » ailleurs.C'est kl ,,.
Saurez-vous maintenant reconnaître ce
que fait sur les coordonnées des vecteurs
la tra nsfo rmati o n do nt la matri ce est
( ~ ~) ? Elle échange tout simplement
abscisse et ordonnée !
Mais trava iller sur des vecteurs est un
conte, traduire ce qui se passe géomé-
triquement en est un autre.
É. B. & G. C.
 par Hervé Lehning EN BREF

multiplier des matrices On définit alors plus généralement la multiplicati on de

La multiplicati on des matrices est plus dé licate à définir.
Pour cette ra ison, nous com mençons par un exemple très
particulier, la multiplication d' une matrice ligne (formée
d ' un e ligne) par une mat ri ce colo nn e (fo rm ée d ' un e
colonne) :
deux matrices de cette manière. Elle sera défini e dès lors
que le nombre de colonnes de la première est égal au
nombre de lignes de la seconde. Et le résultat aura le
nombre de lignes de la première et le nombre de colonnes
de la deuxième ! En voici un exemple :

(a c)tJ
b
( x\
=ax +by + cz.
l
(- 1 2 -3 -4 \
(31 -2-1 5)4 . 5 6 0 1
3 4 -5 -6
J = (4 10 -28
4 16
- 36)·
- 29 -37

Cette multiplication n'est possible que si le nombre de
lignes de la deuxième est égal au nombre de colonnes de
la première. Cette condition dev ra être vérifiée dans tous
les cas de multiplicati ons de matrices .
Autre exe mple, numérique cette fo is : ( 1 2)(;) = 14.
En effet, 1 x 4 + 2x5 = 14.
Comment l'avons-nous effectué? Tout simplement en mul-
tipli ant chaque ligne de la première matri ce par chaque
colonne de la seconde. L'élément obtenu dans la matri ce
résultat correspond à la ligne de la première et la colonne
de la seconde. Ainsi, l'élément de la première ligne et la
troisième colonne du résultat est le produit de

Ai nsi, chaque ligne d' une matrice peut être multipliée par
chaque colonne d' une autre, à la condition qu 'elles aient
le même nombre d'éléments. soit I x (-3) + (-2) x O + 5 x (-5) = -28.

Opérations sur les matrices carrées

Cette multiplication des matrices est rarement utilisée dans toute sa généralité. Le plus courant est de se
limiter à l' espace des matrices carrées de dimension donnée, par exemple à deux lignes et deux colonnes
ou trois lignes et trois colonnes , dans lesquels la multiplication est une opération interne. Ains i, l'espace
vectoriel des matrices carrées d ' ordre deux , par exemple, se trouve muni d ' une structure englobant celle
d 'espace vectoriel et d ' anneau , la structure d'algèbre.
Cela signifie que la multiplication matricielle a quelques-unes des propriétés de la multiplication usuelle
des nombres . .. mais pas toutes . Elle est associative , c 'est-à-dire que A (B C) =(AB) C, et distributive à gauche
et à droite par rapport à l'addition , c ' est-à-dire que A(B + C) =AB +AC et (B + C)A= BA+ CA.
Ces égalités résultent de calculs faciles , mais pénibles à effectuer.
En revanche , la multiplication n' est pas commutative: il peut arriver que AB*- BA. ) et ( ) ·.
0
Un exemple simple de non-commutativité est obtenu en multipliant entre elles les matrices ( 01 00 01
1

En revanche , la multiplication possède un élément neutre , la matrice identité 1.

Tous les éléments de cette matrice sont nuls sauf ceux de sa diagonale, égaux à 1.

Ainsi, ( : !){~ ~) = (~ ~) .(: !) = (: !) .

Hors-série n° 44. Les matrices Tangente 23
 SAVOIRS par Hervé Lehning

e sens
Le déterminant est souvent présenté à travers des formules ou
axiomes abstraits, qui semblent sans lien avec aucune réalité.
Pourtant, la question est très concrète : le déterminant mesure
une surface, un volume, ou un objet de dimension supérieure.

vecteurs V et V du pl a n Comme les parallélogrammes détermi-

déterminent un p ara ll é lo -
gramme . Le déterminant, noté
de t (V, V), de ces deux vecteurs es t
l'aire de ce parallélogramme , affectée
du signe - si le trajet de U à V se fait
dans le sens des aiguilles d ' une montre .
Si V a pour coordonnées (a, b) et V a
pour coordonnées (c, d), on note
nés par (U, V) et (V, V+ À.V) ont même
base U et même hauteur (voir la figure
les parallélogrammes) , pour tout À.,
det (V, V+ À.V)= det (V, V).
De même, si on remplace V par À. V, on
remplace la hauteur h par À.h et donc on
multiplie le déterminant par À.. A priori ,

J: :J = det(U ,V).

Les propriétés de l'aire

L'aire d ' un parallélogramme est égale

à sa base multipliée par sa ha ute ur. a

V + À.U Si le vecteur U a pour coordonnées (a, 0)

et le vecteur V, (c, d),
alors le parallélogramme a pour base a
et pour hauteur d.
Son aire est donc égale à ad.
Le même calcul d 'aire permet
u
Les parallélogrammes vert et orange ont même aire
d 'affirmer que I~ ;J = ad, que ad

car ils ont même base et même hauteur. soit positif ou négatif.

24 Tangente Hors-série n°44. Les matrices

 SYSTÈMES LINÉAIRES

Détermination du déterminant
La propriété d'alternance du déterminant vient du fait que (U, V) et (V, U) sont de sens oppo-
sés. L'additivité de l'aire implique la linéarité par rapport à l'un des vecteurs.
En notant I et J les vecteurs de coor-
données (1, 0) et (0, 1), il vient :
1: :1 = det(al + bJ ,cl+ dJ).

On en déduit alors :
det (al+ bJ, cl+ dJ) det (al+ bJ, cl)
L' additivité de l'aire implique =
det (U, V+ W) = + det (al+ bJ,dJ)
det (U , V) + del (U, W). et, en utilisant la linéarité 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 propriété d'alternance, on déduit det (U, U) =0, d'où:
det (al+ bJ, cl+ dJ) = be det (J, 1) + ad det (1, J). Or, det (J, 1) =- det(I, J) d'après (1)

et det (1, J) =1, d'où le résultat: 1: :1 =ad-be.

ce raisonnement n'est valable que si la

constante À. est positive mais on démontre
fac il e me nt que, si e ll e est néga tive ,
l' orientation des vecteurs est modifiée , V
et donc le signe aussi.
det(U,V)
D'après la définiti on , det (U , V) = 0 si,
et se ul e me nt s i , l'a ire du para ll é lo -
gramme construit sur U et V est nulle,
ce qui équi va ut à dire que U et V sont Le déterminant de deux vecteurs U et V est l' aire du parallélo-
colinéaires. On en déduit une condition gramme qu' ils déterminent, affectée du signe - si l' angle
pour que deux droites soient concou- (U, V) est orienté dans le sens des aiguilles d'une montre.
rantes, à travers le déterminant de leurs Ainsi, det (V, U) = - det (U, V), puisq ue (U, V) et (V, U)
vecteur directeurs ou de leurs vecteurs sont de sens opposés.
normaux.
Enfi n , le déte rmin a nt j o uit d e no m- On en déduit la fo rmule suivante, utile
breuses propriétés calcul ato ires, parmi
lesque lles les troi s sui vantes :
en pratique : 1: :1
=ad-be. Elle conduit
à généraliser la notion de déterminant
• alternance: det (V, U) =- det (U , V) ,
• linéarité par rapport au second vecteur
•
aux matnces : det b d ra e1 ad - be, et meme
= A

(À et µ sont des constantes) : aux systè mes linéa ires via la matrice
det (U,}.. V + µ W ) = À. det ( U , V) du systè me. Ain si , le détermin ant du
+ µ det (U , W), 4 1
système d 'équations { x - Y = est
4
_ 2x + 3y =5
11 soit 14.
12 3

Hors-série n° 44. Les matrices Tangente 25

 Le sens du déterminant

On retrouve en particulier que le déter-

min ant de la matri ce ide ntité est bien Gabriel Cramer
égal à l.
En utili sant la propriété d 'alternance,
on montre que la linéarité par ra pport
au second vecteur est valable également
sur le pre mie r vecte ur. Pour résumer
ces deux propriétés, on dit que le déter-
minant est bilinéaire.
La caractéri sation de la colinéarité est
importante dans l'étude des systè mes
de deux équations du pre mier degré à
deux inconnues. Pre nons un exempl e
pour voir pourquo i.
Cons1'deron
, s le syste, me : { 4x - y = 1 .
2x + 3y = 5
Gabriel Cramer (1704--1752).
Comme nt déte rminer s' il a des so lu-

:: : ·:::~:r~r
tion s ou non ? La question est liée au
Chacune des deux équations représente
une droite dans le pl an. Plu s préc isé-
ment , l'ensemble des points M de coor-
données (x, y) vérifiant 4x - y = 1 est
une droite.
Le mathématicien suisse Gabriel Cra-
mer était spécialiste des courbes algé-
briques, c'est-à-dire ayant une
équation polynomiale, comme le
cercle et les coniques.
C'est en étudiant le problème de l'exis-
tence de courbes passant par des
points donnés qu'il introduisit la
notion de déterminant (voir le dos-
sier « Mathématiques suisses » dans
Tangente 136).

Une équation du premier degré,

telle que 4x - y =1, représente une
droite. Ici, un vecteur directeur
de cette droite a pour coordonnées
(1, 4), et un vecteur normal a pour
coordonnées (4,-1).
Si un couple (x, y) vérifie le systè me ci-
dessus, le point de coordonnées (x, y)
appartient aux deux droites, et récipro-
quement. Un système de deux équations
du premier degré à deux inconnues repré-
sente donc un problè me géométrique
simple: la détermination de l' intersec-
tion de deux droites.
Nous en dédui sons un résultat qualita-
tif : un système de deux équati ons du
pre mie r degré à de ux inconnues pos-
sède une et une seule solution si et seu-
lement les deux droites assoc iées sont
concourantes. En hommage à Gabriel
Cramer, on dit alors que le système est
de Cramer.
D 'après la condition de co linéarité de
deux vecte urs, la condition pour qu ' un
sys tè me so it de Crame r est que so n
détermin ant so it non nul.
4x- y= 1
Le système est donc de
{ 2x + 3y = 5
Cramer, pui sque 1: ~,, = 14,. O.

26 Tangente Hors-série n°44. Les matrices

 SYSTÈMES LINÉAIRES

les formules de Cramer

X=-
10, 'I
2- = -
111
2-
111
ety=-
lm.1 0'I
2- =-
2-
-1
·
Notons (x, y) la so luti on unique du 111-l m.- 1 m-l m-l
4x- y= 1
système .
{ 2x + 3y=5 Dan s le s deux cas restant , il suffit
Une interprétation vector ie ll e du d 'écrire le système pour voir qu'il est
vecteur (x,y) peut être donnée , à condi- incompatible.
tion de considérer U le vecteur de coor- 1
Par exemple, pour m = l : {x +Y= .
données (4, 2), V le vecteur de x + y=O
coordonnées (- 1, 3) et B le vecteur de Trois vecteurs U, V et W de ! 'espace
coordonnées (l, 5). Les deux éga lités déterminent un parallélépipède. Le
du sys tè me se ré s ument alors à déterminant , noté det (U, V, W) , de ces
xU+yV=B. trois vecteurs est le volume de ce paral-
Appliquons la fonction déterminant. lé lépipède . Toutefois , il est affecté du
La linéarité par rapport à la première signe - si (U, V, W) n'est pas dans le
colonne donne sens (majeur, index , pouce) de la main
det (8, V ) = det (xU + y V, V) gauche.
= x det (U, V) + y det (V, V).
Comme det (V, V)= 0 , nous en
'd . I ,, I det(B, V)
de u1sons a 1ormu e : x = .
det(U, V)
Une formule identique existe pour

det(U B)
y : y= ' . Ces deux formu les
det(U, V )
constituent les formules de Cramer.
Dans notre exemple :
1
I~ 1
-3 4 9
X = - - = - ety=--=-.
1: ~I u
14 7 14 7
La résolution des systèmes numériques Le déterminant de trois vecteurs U, V et West le volume
ne requiert pas vraiment la méthode de du parallélépipède qu'ils déterminent, affecté du signe -
Cramer. En effet, les méthodes consis- si (U, V, W) n'est pas dans le sens (majeur, index, pouce)
tant à combiner des équations (comme de la main gauche. Ainsi, le déterminant est changé
la méthode de Gauss) sont préférables. en son opposé si l'on échange deux des vecteurs U, V
La raison d 'ê tre de la méthode de et W.ont même base et même hauteur.
Cramer se trouve dans la discussion des
pouce
systèmes paramétriques , comme
m.x+y=l
. En fait, le problème est
{ x + my = 0
index
réso lu par le calcu l du déterminant :

17 ~11 m =
2
- 1.

Le système a donc une solution unique

si et seulement si m est différent de I et sont dans le sens (majeur, index, pouce)
de - l. de la main gauche, alors leur
La solution est alors : déterminant est positif.

Hors-série n° 44. Les matrices Ta.ngente 27

 Le sens du déterminant

Si U a po ur co ord o nn ées (a, b, c), Les résultats concernant les systèmes se

V (a', b', c') et W (a", b" , c"), on note générali sent de même. Appliquons- les
ainsi le déterminant de au cas du système
a a' a" 2x + y- z = 1
U , Y etW :b
c
b'
c'
b " =det(U , Y, W).
c"

D 'après la définiti on, det (U, V, W) =0

lx - 2y + 3z =0, so n dé ter min a nt se
3x + Sy - z= 2
calcule grâce à la règle de Sarrus, ce qui
donne :4 - 5 + 9 - 6 - 30 + 1 =- 27, qui
si, et seulement si, le volume du paral- est non nul , donc le système a une et une
lé lépipède construit sur U , V et W est seule so lution. Elle vaut
nul , donc si U , V et W sont coplanaires 1 1 -1 2 1 -1
(c'est-à-dire dans un même pl an). On en 0 -2 3 1 0 3
déduit une condition pour que trois plans 2 5 -1 11 3 2 -1 4
soient concourants, à travers le déter- X= = 27' y = -27
=-
-27 27
minant de leurs vecteurs directeurs ou 2 1 1
de leurs vecteurs normaux. 1 -2 0
De même qu 'en dimension deux, les pre- 3 5 2 -1
mières propriétés calculatoires des déter- et z =
-27 27
minants peuvent être résumées par les
trois règles sui vantes : La question se complique un peu avec le
• alternance : le déterminant est changé système
x+y +z =I

l
en son opposé si l' on échange deux des
vecteurs, x - 3y + 2z = 0 car son déterminant est
• tri linéarité: le détermjnant est linéaire 2x - 2y + 3z =2
par rapport à chacun des vecteurs, nul. S ' il a une solution, elle n'est donc
l O O pas uruque. En frut, ce système est incom-
• 0 1 0 = 1. patible car, si (x, y, z) est une solution,
0 0 en ajoutant les deux premjères équations,
on obtient 2x- 2y + 3z = 1, ce qui contre-
On en déduit une formule dit la troi sième équation !
de calcul des déterminants
a a' d'ordre troi s appelée règle D1mens1ons superi ures
de Sarrus en hommage à
Pierre Sarrus ( 1798-1861 ). La noti on de détermin ant se généralise
b b' b" aux dimension s 4 et sui vantes. Sa défi-
Règle de Sarrus : nitio n comme mesure de mande cepen-
on recopie les deux dant de généra li ser les noti ons d 'a ire
c' c'' premières lignes du déter- et de volume , ce qui est pour le moin s
minant sous celui-ci, dé licat. C'est sans doute l' une des rai-
puis on additionne les fac- sons pour lesquelles on préfère une défi-
a a' a" teurs verts et soustrait les niti o n plus abstra ite, sui vant les tro is
facteurs rouges. propriétés que no us avons rencontrées
Autrement dit, le détermi- précéde mme nt. Malheure usement , la
b b' b" nant est égal à : règle de Sarru s n'y a pas d 'équi valent
ab' c" + be' a" + ca' b" - assez simple pour être utili sée dans ces
ch' a" + ac' b" + ha' c" . dimensions !
H.L.

28 Tangente Hors-série n°44. Les matrices

 par Gilles Cohen
an ments d
Des matrices distinctes peuuent représenter la même
application linéaire.
Elles ont alors en commun certaines propriétés
issues de l'application linéaire qu'elles représentent.
matrices carrées semblables
Si le même vecteur v del 'espace vectoriel Ede dimension
exprimé dans deux bases différentes , B = (e I' e 2 , ... , e,,) et
11 ,
B' = (e' 1, e' 2 •••. , e',,), s'écrit à )' aide des matrices colonnes
V= l~
( x ,\
x,,
2
J pour exprimer que v = x 1e 1 + x2 e2 + ...+ x,, e,, et
( x, \
Y= l]' J pour exprimer que v =x ' 1e' 1 + x '2 e' 2 +... + x ',,e',, ,
, ,.
alors on aura la relation : V = P V' , où P, matrice carrée
d' ordre n , est la matrice de changement de base, dont les
colonnes sont les coordonnées des vecteurs de B' exprimés
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 définition de M
cond uit aux relations W = M V et W ' = M' V'. La première
relation s'écrit aussi : P W' = M P V' , soit , en multipliant à
gauche par p- 1 , l' inverse de P, W ' = p- 1 M PY ' , à comparer
avec la relation W' = M ' V' .
Le fai t que l'égalité soit vraie pour toute colonne V' entraîne
la relation sui vante: M' = P- 1 M P.
Deux matrices carrées M et M ' so nt dites semblables quand
elles représentent le même endomorphisme dans des bases
différentes.
Deux matrices carrées d' ordre II M et M ' sont semblables si
et seu lement s' il ex iste une matrice carrée Pd 'ordre n inver-
sible telle que M' = P- 1 M P.
Pour des matrices carrées d' ordre n, « être semblables » est
une relation d'équivalence.
Hors-série n° 44. Les matrices Tangente
EN BREF
matrices rectangulaires
équiualentes
On considère cette fo is une app lication linéaire
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 représentant l dans les bases B et C
sera un e matrice rectangulaire à p lignes et n
colonnes, chacu ne des n colonnes représentant
l' image des vecteurs successifs de la base B expri-
mée 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 idère alors une nouvelle base B' de E et
une nouvelle base C' de F. La matrice M', elle aussi
rectangul aire à p lignes et n colonnes, représen-
tera 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 représenté
par la matrice colonne W' = M' V' .
Si Pest la matrice de passage de B à B' (matrice
carrée invers ible d'ordre n) et Q la matrice de
passage de Cà C' (matrice carrée inversible d'ordre
p ),on aura les relations : V= PV' et W=QW'.
W = MY s' écritdoncQW ' = MPY 'soit ,en mul-
tipliant à gauche par Q- 1, W ' = Q- 1 M P V', à com-
parer avec la relation W ' = M' V'.
Le fait que l'égalité soit vraie pour toute colonne
V' entraîne la relation suivante : M' = Q- 1MP .
Deux matrices rectangulaires de mê mes dimen-
sions Met M ' sont dites équivalentes quand elles
représentent la même application linéaire dans
des bases différentes.
Deux matrices rectangulaires Met M' de mêmes
dimensions sont équivalentes si et seulement s' il
existe deux matrices carrées P et Q inversibles
telle que M ' = Q- 1 M P.
Évidemment, deux matrices semblables sont en
particulier équivalentes. Pour des matrices rec-
tangulaires de mêmes dimensions, « être équiva-
lentes » est une relation d'équivalence.
29
 SAVOIRS par Gilles Cohen

Transformations affines
et points inuariants
L'application des théories de l'algèbre linéaire et de leur mise
en pratique via le calcul matriciel apporte à la géométrie un
outil puissant dont quelques applications sont entrevues ici.

a géométrie a pour champ d 'ac- les translations

L tion un ensemble de points, appelé
espace affine, dont les plus usuels
sont le plan ou l'espace. Comme on l'a
vu dans les articles précédents, cet espace
affine A est associé à un espace vecto-
riel E dont les é léments, appelés vec-
teurs, sont en correspondance avec les
bipoints de l'espaces affine.
Une transformation géométrique de
l'espace affine A sera appelée transfor-
mation affine si deux bipoints équipol-
lents sont toujours tran sformés en deux
bipoints équipollents, ou encore si un
parall é logra mme est transformé e n
parallé logramme. Ce qui est intéres-
sant , c'est qu ' une te lle transformation
défi nit a lors un endomorphi sme de
l'es pace vectorie l assoc ié E.
Réc iproquement, à tout endomorphi s-
me u de l'espace vectoriel E, on peut
associer des transformations affines f
de l'espace affine. Mais la connaissan-
ce de l' image d'un point Ode A par f
suffit à définir entièrement! à l'aide de
la relation( *) f(O)f(M) = u(OM),
ou e ncore OJ(M) = OJ(O) + u(OM).
L'endomorphi sme le plus élémentaire
de l'espace vectoriel E est l' identité .
On peut donc s' intéresser aux transfor-
mations affines qui lui sont associées.
En remplaçant u par ldE dans la re la-
tion (*), on parvi ent à f(O)f(M) = OM,
qui s'écrit e ncore Mf(M) = Of(O).
Ainsi, on passe d' un point M à son
image fiM ) en opérant une translation
de vecteur constant v = Of(O).
Réc iproqueme nt , toute translation
es t une appli cation affi ne assoc iée à
l' ide ntité, pui sq u 'e ll e transforme
tout bipo int e n un bipoint éq uipo l-
le nt. Et co mme il y a auta nt de choix
de vecteurs v que d 'é lé me nts de E,
on peut ai ns i mettre e n évidence une
bijection e ntre les translations et les
vecteurs de E.
La correspondance ne s'arrête pas là :
lorsq ue l'on compose une translation
de vecteur v et une tran slation de vec-
teur w, on trouve toujours une tran sla-
tion (son endomorphisme associé est le

30 Tc:in9ente Hors-série n°44. Les matrices


composé de l' identité de E par elle-
même) , et le vecteur x de la translation
est la somme vectorielle x =ïï + w.
La composition de deux translations
est commutative.
Et l'on pourrait même définir la multi-
plication d'une translation f de vecteur
ïï par un scalaire À, le résultat étant la
translation de vecteur Àïï. Ainsi, l'en-
semb le des translations de l'espace
affine A est isomorphe à l'espace vec-
toriel assoc ié à A : c'est le même é lé-
ment algébrique , au nom près des é lé-
ments et des opérations.
Les points invariants sont une caracté-
ristique très recherchée des transfor-
mations géo métriques, et plus particu-
lièrement des transformations affi nes.
En dehors de l' ide ntité de A, transla-
tion de vecteur nul , pour laq ue lle tou s
les points sont invariants, une transla-
tion n' admet pas de point invariant.
Le groupe
des homothéties-translations
Après l'identité, les endomorphi smes
les plus é lémentaires sont les endomor-
phismes scalaires , encore appe lés
Hors-série n° 44. Les matrices Tangente
SYSTÈMES LINÉAIRES
homothéties vectorielles, qui à un vec-
teur ïï font correspondre le vecteur k ïï,
k étant un réel. Il est intéressant de
regarder les transformations affines qui
leur sont associées.
Soit k un réel non nul différent de 1, et
définissons u = k Id 6 l'endomorphisme
scalaire de E correspondant. Soit f une
transformation affine associée à u. Le
nombre k étant différent de l ,f n'est
pas une translation .
Pour en savoir plus sur sa nature , on va
s' intéresser dans un premier temps à la
recherche d ' un point invariant par f.
Soit P un point quelconque, etj(P) son
image par f. Si j(P) = P, on est tombé
sur un point invariant (c'est un cas
miraculeux !) . Dans le cas général, Pet
j(P) définissent une droite (0), sur
laquelle on va mettre en évidence un
point invariant.
Supposons qu ' il existe O tel que
j(O) = O. Alors(*) s'écrit
f(P)f(O) = u(PO), soit f( P )O = kPO.
On applique la relation de Chasles :
f( P )P +PO= kPO, et on en déduit:
- 1 - -
PO= k _ I f( P )P.
Cette suite de calculs se remonte.
1
Le point O défini par PO= - -J(P)P
k-1
est l' unique point invariant par f. Alors,
pour tout point M de l'espace affine A,
la relation (*) f(O)f(M) = kOM s'écrit
Of(M) = kOM. Ainsif est l' homothétie
de centre O et de rapport k. En conclu-
sion, toute transformation affine asso-
ciée à un endomorphi sme scalaire est
une homothétie !
En utili sant le fait que l'endomorphi s-
me assoc ié à la composée de deux
transformations est le composé des
endomorphi smes associés à ces trans-
formatio ns, on obtient de nouveaux
résultats spectacul aires, qui n'ont
31
 Transformations affines ...
besoin d'aucune autre démonstration.
Ainsi, la composée de l'homothétie h
de centre O et de rapport k ::f. 1 et de la
translation t de vecteur v a pour endo-
morphisme associé le composé de k IdE
et de ldE , soit k ldE. C'est donc une
homothétie de rapport k. Le seul calcul
consiste à trouver le centre de cette
homothétie , à l'aide de sa caractérisa-
tion comme unique point invariant.
Le centre de ! ' homothétie t o h est le
1 stable par la composition des applica-
point O' défini par OO' = - -~.
1- k
De même, le centre de l'homothétie hot
est le point O " défini par OO" = __!5___ ~-
1- k
La composée de deux homothéties h et
h ' de rapports k et k' aura pour endo-
morphisme associé ! 'endomorphisme
scala ire k k' IdE.
• Si le produit kk' est différent de l, ce
sera une homothétie de rapport kk'
dont on trouvera le centre en c her-
chant le point invariant (sur la droite
des centres d'homothéties de h et h ').
M,
M,
M
O'
O" 0 on montre a lors que tout point du plan
Le centre 0" de l'homothétie h" = h'o h est à 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'homothétie h à son
image par h' o h , qui est aussi son image par h', et se trouve
donc sur la droite (00') .
32 Tangente Hors-série n°44. Les matrices
•Sile produit kk' est éga l à 1, ce sera
une translation dont on trouvera le
vecteur en cherchant le transformé
de n ' importe quel point. Ainsi, la
composée de deux symétries-points
(une symétrie-point est une homo-
thétie de rapport -1) est une transla-
tion, dont nous vous laissons trou-
ver le vecteur en fonction des
centres de symétrie O et O'.
Ainsi, l'ensemble des homothéties-
translations d'un espace affine est
tions, ce qui lui confère une structure
de groupe.
Plus d'un point inuariant
Si deux points distincts P et Q sont
invariants par une transformation f ,
c'est que le vecteur V= PQ est inva-
riant par l'endomorphisme associé u.
On dit aussi que V est un vecteur
propre pour la valeur propre À= 1, pour
exprimer que u(V) = ÀV. Mais alors,
tout point M de la droite (PQ) vérifie
une relation du type PM= kPQ. On en
déduit:
f(P)f(M) = u(PM) = ku(PQ) = kPQ,
soit :
Pf(M) = kPQ =PM, puisflM) = M.
Et donc tout point de la droite (PQ) est
invariant.
Tout ce qui vient d'être dit sur les
homothéties, les translations et les
points invaria nts est valable dans toute
dimension. Par exemple, en dimension
2, l'espace affine A est un plan.
S'il y a, e n plus des points de la droite
(PQ), un autre point invariant (noté R),
est invariant. En effet, les vecte urs PR
et PQ, invariants, forment une base
de l'espace vectoriel E associé au plan
A (i l est de dimension 2). Donc tout
vecteur de E, combi na ison de deux
vecteurs invariants par u, est invariant

f
P" u.u est don, r;dent;té, et comme
la transformation f assoc iée admet au
moi ns un po int in vari ant , c'est l' iden-
ti té de A.
Dans le cas où les points de la dro ite
(PQ) sont les seul s po ints invari ants de
f , on peut montrer que l'endomorphi s-
me u admet une deuxiè me va le ur
propre À, associée à un vecteur propre
W. Cela permet de défi nir complète-
ment la tra nsformation/ de A , qui porte
le nom d'affinité.
li suffit de se pl acer dans le repère
(P,V,W).
Pour tout point M , le vecteur PM peut
alors s'écri ra PM= av+ bW, et alors
Pf(M) = f(P)f(M) = u( PM)
= au(V) + blt(W) =av+ bÀW.
L' image.f{M) est parfa itement défini e.
•M
R
, M'
p
Q
M' est l'image de M par l'affinité d'axe
(PQ), de direction (PR) et de rapport !-î .
Dans le cas où À= 0, la tra nsformation
f est appelée projection sur (PQ) paral-
lèlement à W. Dans le cas où À =- 1, la
transformation f est appelée symétrie
par rapport à (PQ) parallèlement à W.
L'endomorphisme associé à une pro-
jection vérifie la re lation u o u = u.
C'est un projecteur (voir encadré).
L'endomorphisme associé à une symé-
trie vérifie la relation u ou= ldE . C'est
une symétrie vectorielle. Les transfor-
mations affines qu i lui sont assoc iées
sont-elles toujours des symétries ?
Non , mais c'est une autre histoire ...
G. C.
Hors-série n ° 44. Les matrices Ta.ngente
SYSTÈMES LINÉAIRES
Projecteurs et projections
Un endomorphisme p est appelé projecteur s'il vérifie la
relation p op = p. Pour tout vecteur Ü , p(p(Ü)I = p(Ü).
Ainsi, tout élément 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 identité, il existe un vecteur
W non nul tel quep(W) # W.
Alors, Ü = p(W)- W # 0
etp(Ü) =p(p(W)-W] =p(W)-p(W) = O.
Ainsi, en dimension 2, la matrice P dans la base (Ü, V) d ' un
projecteur p différent de l'identité et de l'endomorphisme
nul est de la forme P = (~ ~).
On peut alors se poser la question de savoir quelles sont
les transformations affines/ associées à un projecteur p. Si
p est l'endomorphisme nul, ce n'est pas très intéressant:
f associe un point unique à tout point de l'espace de départ.
Sip est l'endomorphisme identique, on a vu que/est une
translation.
Mais dans le cas général ?
•Si/admet un point invariant 0 , pour tout point M, on peut
poser OM = xÜ + yV. Alors j(O)j(M) = xj(Ü) + yf(V),
soit 0/(M) = yV. Ainsi,/ est la projection parallèlement à
Ü sur la droite (D) passant par O et de direction V.
(D)
M'
--
V
0
--
u
• Si f n'admet pas de point invariant, on prend l'image
A'= j(A) d' un point A. Pour tout point M, on peut poser
AM = xÜ + yV. Alors /(A)/ (M) = xf (Ü) + yf (V),
soit A'f(M) = yV.Ainsi, toutes les images de/sont situées
sur la droite (D') passant par Met de direction V.
Si on appelle A 1 la projection de A sur (D') parallèlement
à Ü (on a donc AA1 = xÜ), on constate que la composée de
f par la translation de vecteur A'A1 admet p pour endo-
morphisme associé et laisse A 1 invariant. D'après ce qui a
été vu plus haut, c'est la projection sur (D') parallèlement
à Ü .fest donc la composée de cette projection et de la trans-
lation de vecteur A1A'.
33
 SAVOIRS par Hervé Lehning

Systèmes linéaires

Les systèmes d'équations linéaires sont liés aux matrices et à

leur inversion ... ce qui ne signifie pas que la résolution d'un
système exige d'inverser une matrice ! Au contraire,
l'inversion d'une matrice passe souvent par la résolution d'un
système d'équations linéaires.
n grand nombre de problèmes

U se résolvent au moyen de sys-

tèmes d'équations linéaires.
En voici un exemple : z

x- y +2 z = 2,
2x+ y +3z = O.

!5x-y+6z = 6.
où il s'agit de trouver toutes les valeurs
y

des triplets (x, y, z) vérifiant simultané-

ment ces trois équations. L'exemple le
plus simple et le plus intuitif de problè-
me menant à la résolution d' un tel sys-
tème est la détermination de l'intersec-
tion de trois plans.

L'ensemble des points de coordon- L'ensemble des points de coordonnées

nées (x, y, z) vérifiant l'équation
x - y + 2z = 2 est un plan P. De même,
La résolution d'un système ne passe pas
nécessairement par les formules de
Cramer.
34 Ta.n9ent:e Hors-série n° 44. Les matrices
x, y et z vérifiant l'équation
x - y + 2z = 2 définit un plan P.
On vérifie immédiatement que ce plan
P passe par les trois points (2, 0, 0),
(0, - 2, 0) et (0, 0, 1) sur les axes de
coordonnées, ce qui permet de le
représenter facilement.

l'équation 2x + y + 3z = 0 définit un
plan Q, et 5x - y+ 6z = 6 correspond à
un plan R. Résoudre le système propo-
sé ci-dessus équivaut à trouver les
points communs à ces trois plans P, Q
et R. On en déduit qu'en général , un tel
système a une solution unique (voir la
figure ci-après).
Deux plans Pet Q se coupent selon
une droite, à la condition qu'ils ne
soient pas parallèles. Si la droite
d'intersection de Pet Q n'est pas
parallèle au plan R, elle le coupe en
un unique point. Ainsi, en général,
trois plans se coupent en un point.
L'article consacré au sens du déterrni-
nant dans ce même dossier fournit une
méthode systématique de résolution
d ' un tel système et donne une condi-
tion numérique pour qu'il ait effective-
ment une (et une seule) solution.
le lien auec les matrices
En utilisant les opérations s ur les
matrices, notre système peut être
interprété différemment. Pour cela,
considérons la matrice carrée A
suivante :
-1 2)
A-(1 1 3
-1 6
DOSSIER: SYSTÈMES LINÉAIRES
ainsi que les deux matrices colonnes
x-Oet B-m
En appliquant les règles de multiplica-
tion des matrices vues précédemment
dans ce numéro, nous obtenons :
X- y + 2z)
AxX = 2x+ y +3z .
(
5x - y +6z
Le système de trois équations à trois
inconnues proposé équivaut donc à une
seule équation matricielle : A X = B.
Cette équation a une solution unique, à
la seule condition que la matrice A soit
inversible (voir l'encadré consacré à
l' inversion et à la résolution). La solu-
tion est alors X = A- 1 B, en notant A- 1
la matrice inverse de la matrice A.
Nous disposons ainsi de deux méthodes
de résolution. Pourquoi alors en
Inversion et résolution
Considérons l'équation A X= B, où A est une matri-
ce carrée donnée, à n lignes et n colonnes ; B est une
matrice colonne à n lignes (connue également) ; et
X est une matrice colonne inconnue à n lignes.
Supposons qu'une solution X existe, donc que
A X = B. En multipliant cette égalité à gauche par
l'inverse de A, nous obtenons : A- 1 (A X) = A- 1 B.
D'après l'associativité de la multiplication des
matrices, nous en déduisons : (A- 1 A) X = A- 1 B. Or
A- 1 A= I Oa matrice identité), donc IX = A- 1 B, soit
encore X = A- 1 B. Ainsi, si l'équation A X = B a une
solution, cette solution est précisément la matrice
colonne X = A- 1 B.
Réciproquement, considérons la matrice X= A- 1 B.
Cette matrice colonne vérifie : A X = A ( A- 1 B) qui,
par associativité, vaut (A A- 1) B, soit I B, donc B.
Ainsi, X est bien solution de l'équation. Nous en
déduisons que l'équation matricielle A X= Ba une
et une seule solution, à savoir X = A- 1 B.
Tangente Hors-série n° 44. Les matrices 35
SAVOIRS Systèmes linéaires ...
chercher une autre ? Eh bien par
exemple parce que ces deux méthodes
sont souvent lourdes, voire impos-
sibles, à mettre en place. Nous reve-
nons donc à la méthode classique de
résolution des équations, qui consiste à
procéder par analyse et synthèse, sans
s'encombrer de théorie. Même si cette
théorie a ! 'avantage de nous apprendre
qu'en général un tel système a une et
une seule solution ; la condition pour
cela est que la matrice de ce système
soit inversible, autre-
ment dit que son déter-
minant soit non nul.
On reprend donc notre
système de trois équa-
tions linéaires, et on
suppose qu'une solution
existe. On note (x, y, z)
cette solution, et on
combine les trois équa-
tions données pour en
déduire x, y et z. Par
exemple, en ajoutant les
deux premières éq ua-
tions (d'une part) puis
en retranchant la première à la troisiè-
me (d'autre part), nous obtenons les
deux équations en x et z suivantes
3x+ 5z = 2,
{ X+
Z = 1.
En retranchant alors trois fois la secon-
de équation à la première, nous obte-
36 Tangente Hors-série n° 44. Les matrices
nons 2z = - 1, d'où z = - 1 / 2. En por-
tant cette valeur dans la première équa-
tion ci-dessus, on en déduit x = 3 / 2.
L'utilisation de la première équation du
système de départ fournit alors la
valeur de la dernière inconnue :
y= - 3 / 2.
Ainsi, si le système admet une solu-
tion, il ne peut avoir qu ' une seule solu-
tion, à savoir : x = 3 / 2, y= - 3 / 2 et
z = - 1 / 2. Une réciproque est néces-
saire pour affirmer que ces valeurs
fournissent bien une solution du systè-
me initial. Pour cela, il s'agit simple-
ment de vérifier que les valeurs trou-
vées vérifient le système (ce qui est
bien le cas dans notre exemple).
Systématisation
La théorie permet de se passer de cette
réciproque. En interprétant notre résul-
tat de manière matricielle, nous avons
8
f2)
1
qu: ~,'.g:~
~::l::~:é X : , ~(~:
-1 / 2
En d 'autres termes, l'équation matri-
cielle 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 réciproque est tout à
la fois plus rapide et plus prudent, car
elle constitue éga lement une vérifica-
tion du résultat. Une erreur de calcul
est toujours possible, en particulier
dans ce domaine.
La méthode qui a été exposée peut être
systématisée. Voyons comment procé-
der sur un exemple générique, dont les
inconnues sont notées x, y , z, t ... Il suf-
fit par exemp le d'échanger les équa-
tions de façon à placer en première
ligne une équation comportant la pre-
mière inconnue, x. S'il n'en existe pas,
 DOSSIER: SYSTÈMES LINÉAIRES
l'inconnue peut tout simplement être
supprimée, puisqu 'e lle n'intervient pas
dans le système ! Le coefficient de x
dans la première équation est alors uti-
lisé comme « pivot » pour détruire les
coefficients de x dans les autres équa-
tions, au moyen de combinaisons
linéaires. Sur l'exemple précédent,
cela revient à retrancher deux fois la
première équation à la deuxième, et
cinq fois à la troisième, ce qui donne :
x - y + 2z = 2. l'équation matricielle suivante :
3y-z=-4.

l 4y -4z=-4.
Considérons à présent les équations à
partir de la deuxième. Elles ne contien-
nent plus de termes en x, puisque les
opérations précédentes étaient desti-
nées à les supprimer. On recommence
sur elles, avec la deuxième inconnue.
Ici , cela donne :
X- y + 2z = 2,
3y-z=-4.
Cette équation s'écrit sous la forme du
système de deux équations à deux
X+ 2y = X,
inconnues : y
{ 3 x +4y = .
En retranchant deux fois la première
équation à la seconde, nous obtenons
x = Y - 2X. Il vient alors, en reportant
dans la première équation, 2y = 3X - Y.

! -8z = 4.
Ce résultat s'écrit, sous forme matri-
cielle, de la manière suivante :

Ce système linéaire triangulaire se

résout petit à petit en commençant par
la dernière équation, ce qui fournit les Nous en déduisons facilement que la
mêmes valeurs que précédemment. On matrice M associée au système est
démontre de plus que le système obte- inversible, et que
nu est toujours équivalent au système
de départ, ce qui dispense de vérifier la
M-
1
=
(•
3 4
2)-l (-2 l)
3/ 2 - l / 2 .
=
propriété réciproque (qui reste cepen-
dant toujours recommandée, ne serait-
ce que pour s'assurer qu'aucune erreur Les calculs précédents permettent de le
de calcul n' est venue se glisser dans le prouver rigoureusement. Une façon
processus). plus simple et plus rapide de procéder
est d'effectuer simplement le produit
Loin d 'être la méthode idéale de réso-
lution des systèmes, l'inversion des
l
(3 4
2)(-2
31 2
_1
1 ) , et de constater
12
matrices s'effectue souvent en ré-
so lvant un système. Par exemple, qu 'i l est égal à la matrice identité

pour inverser la matrice M = G!) .

une idée simple consiste à résoudre
H.L.

Tangente Hors-série n° 44. Les matrices 37

 SAVOIRS par Hervé Lehning

Comment rentrer dans

e ran
La notion de rang est au centre de l'algèbre linéaire. Simple et
complex e à la fois , elle commande les questions de résolution
des systèmes d'équations linéaires comme celles d'inversion
de matrices. À l'origine de toutes ces notions de rang, on
trouve celle d'un système de vecteurs.
o mme nço ns géométriquement exceptionne l o ù les deux vecteurs sont

C en nous donnant deux vecteurs

du plan . Trois possibilités se pré-
sentent. Si nou s les avons choisis au
hasard, il est probable qu'il s forment
une base du plan.
nul s, le systè me est dit de rang O car,
par combinaisons linéaires, il n 'en-
gendre que le vecteur nul. Cette défi-
nition se générali se à l' espace et aux
espaces vectoriels abstraits : le rang
d ' un système de vecteurs est la dimen-
sion de l'espace qu ' il s engendrent par
combinaisons linéaires. Dans l'article
consacré au pivot de G auss, nous
voyons une méthode concrète de cal-
cul du rang d ' un système de vecteurs .

Rang d'une application, d'une matrice

Deux vecteurs du plan formant une
base, donc un système de rang 2.
Autrement dit , tout vecteur du plan est
combinaison linéa ire de ce système.
Pour cette raison, il est dit de rang 2,
qui est la dimension du plan. Si les
deux vecteurs sont colinéaires, il s
engendrent seulement une droite. Le
systè me est alors dit de rang 1, la
dimension d'une droite. Dans le cas
Si f est une application linéaire , son
rang est la dimens ion de l' es pace
image. En gui se d 'exempl es, exami-
nons le cas des applicati ons géomé-
triques c lass iques dans le pl an. Les
rotations transforment le plan en lui-
même, e lles sont donc de rang 2, de
mê me que les tran slation s ou les
symétries, mai s les projections sur des
droites sont de rang 1.

38 Tangente Hors-série n°44. Les matrices


Quand l'application est définie ainsi
de façon concrète, il est facile de
déterminer so n rang. On examine
comment se transforme l'espace , ou
une base de l' espace si l' on préfère.
L' exercice se complique si la défini-
tion est abstraite . On peut alors se
ramener au cas du rang d ' un système
de vecteurs : le rang d ' une application
linéaire est le rang du système image
d'une base . Pour préciser la question,
examinon s le cas de l' application
( 1 0 2\
linéaire de matricel-1 I 'J dans une
0 1 3
base de l'espace. L' image de la base
canonique est formée des troi s vecteurs
colonnes , soit des vecteurs de coor-
données ( l , -1, 0), (0, 1, l)et(2 , 1, 3).
Les deux premiers vecteurs engendrent
un plan puisqu ' ils ne sont pas coli-
néaires. Le troisième est combinaison
linéaire des deux premiers puisque :
(2, 1, 3) = 2 X (1,-1,Ü) + 3 X (Ü, 1, 1).
li s'ensuit que l' image de l'application
linéaire considérée est un plan (engen-
dré par les deux premiers vecteurs
colonnes) , elle est donc de rang 2.
Une symétrie par rapport à un plan,
comme suggérée sur cette photographie
de colverts, transforme l'espace
en lui-même ; elle est donc de rang 3.
En revanche, la photographie
elle-même réalise une projection
de l'espace sur un plan.
Elle est donc de rang 2.
Hors-série n° 44. Les matrices Ta.ngent:e
SYSTÈMES LINÉAIRES
Rentrer dans le ranu...
Lycéens s' entraînant
à rentrer dans le rang
à lrkousk en Sibérie.
Cl Hervé Lehni ng.
Quel est le lien entre l'expression très militaire de
« rang » et la notion mathématique ? Sans doute
celui de classement : chacun son rang ... Un soldat
du rang est celui de plus bas niveau, les officiers sont
de rang supérieur. Il en est de même des systèmes de
vecteurs et des matrices.
Cette remarque conduit à définir le rang
d ' une matrice comme celui de ses vec-
teurs colonnes. On démontre qu ' il s'agit
aussi du rang de ses vecteurs lignes
(une démonstration est proposée en fin
d 'article). On en déduit que le rang
d ' une application linéaire est le rang
de la matrice associée. De même , on
peut alors définir le rang d ' un système
d ' équations linéaires comme le rang
de la matrice associée.
le théorème du rang
Une notion n'a guère d'intérêt quand
elle n' est pas au centre d ' un théorème
fondamental, aux applications nom-
breuses. Dans le cas du rang , le théorème
porte tout simplement le nom de ... théo-
rème du rang . Le voici : « Le noyau
d 'une application linéaire est égal à la
dimension de l'espace de départ dimi-
nuée de son rang. »
Par définition , le noyau est l'ensemble
des vecteurs que l'application annule.
En particulier, il s'agit d'un sous-espace
vectoriel de l 'es pace de départ .
Examinons la question dans le cas de
39
SAVOIRS Comment rentrer dans le rang
l'application Linéaire associée à la matrice
1 2 3 Sarru s, on mo ntre qu 'au contra ire ce
A =( ) . Son espace de départ est
2 4 6
de dimension 3 et celui d 'arri vée de
dimension 2. D 'après la définition ci-
dessus, son noyau est constitué des vec-
teurs de coordonnées (x, y, z) te ls que
A 1 (x y z) = 0 ce qui conduit à deux foi s
la même équation , soit x + 2y + 3z =0 .
C'est l'équation d' un pl an, qui est donc
de dimen sion 2 . L' image de l' appli ca-
tion est l' en semble des vecteurs de la
forme
1 2 3)(x\ l (1)
(2 4 6 :Jsoit (x+ 2y + 3z) 2 ,
ce qui correspond à la droite de vec-
teur directeur de coordonnées ( 1, 2),
qui est donc de dimension l , qui est
ain si le rang de l'application . Sur cet
exemple , la relation annoncée est bi en
vé rifi ée pui sque le noy au est de
dimension 2 , égal à la dimension de
l'espace de départ (3) moin s le rang
de l' application (1 ) (voir l'encadré
Démonstration du théorème du rang
pour une démonstration générale).
Con sidéron s un systè me d 'équation s
homogènes, comme
x + y + z = O,
l x + 2y + 3z =0 ,
3x +4y +5 z = 0.
Son ense mbl e de solution s est le
noyau de l' application linéaire de
matrice lI 2 3J .
(1
3 4
1 1\
5
Il s' agit donc d ' un
espace vectorie l dont la dimension est
égale à 3 moins le rang de cette matri -
ce . Pour le calculer, on peut utili ser la
méthode de Gau ss ; on peut auss i opé-
rer directement sur les li gnes ou les
colonnes. Le rang est égal à 3 si les
vecteurs colonnes sont libres , c'est-à-
dire si le déterminant de la matrice est
40 Tangente Hors-série n°44. Les matrices
no n nul. En utili sant la méthode de
déterminant est nul. Les tro is vecteurs
colonnes sont donc liés. Les deux pre-
miers ne sont pas co linéaires , donc
l' espace image est de dimension 2. Le
rang de la matrice est égal à 2 . On en
déduit que l' ensembl e des solutions
est un espace de dime nsion 1, c ' est-à-
dire une droite.
Ce renseignement permet une vérifica-
tion après réso luti o n du système. On
peut également l' utili ser pour conclu re
si l'on remarque que le vecteur de coor-
données (1 , - 2, 1) est so lution. En effet,
un te l vecteur constitue alors une base
de la droite des so luti ons. Les autres
solutions sont les vecteurs de la for me
t x ( 1, -2, 1), soit : x = t , y = -2t, z = t
où t est une con stante arbitraire .
De façon générale, si un système homo-
gène à n inconnues est de ra ng r , l' en-
se mbl e des soluti o ns est un es pace
vectoriel de dimension n - r.
Équiualence des matrices
L'équi valence des matrices concerne des
matrices de mê mes dimensions. Consi-
dérons A et B des matrices à deux lignes
et troi s colonnes pour fi xer les idées.
Elles sont dites équivalentes s' il ex iste
une matrice carrée P d ' ordre 3 in ver-
sibl e et une matri ce carrée Q d ' ord re
2 inversibl e te lles que A x P = Q x B .
Les formul es de c hangements de base
montrent que deux matrices sont équi -
vale ntes si e lles représente nt la mê me
applicati on linéa ire.
Éc lairons la défi niti on et sa caractéri -
sation par un exemple .
1 2 3 1 0
Soient A= ( ) et B = ( O ).
2 4 6 0 0 0
Les matrices P= l
( 1
l
-1 0
o
1 0\
3 J et Q =
-2
( ~ ~)

sont bien inversibles, comme le montre
le calcul de leurs déterm inants. D'autre
part , e ll es vé ri fie nt bi e n la re la ti o n
de mandée . Ces matri ces P et Q pe u-
vent être trouvées directement, ou en uti-
lisant la caractéri sati on qui précède .
L'équi va le nce des matri ces possède
une caractérisati on très simple: l'éga-
lité du ra ng . Da ns un sens, le rés ultat
est fac ile : deux matri ces équi vale ntes
o nt mê me ra ng . Ma is la réc iproqu e
est dé li cate.
Décri vons le ra isonneme nt général sur
le cas des matrices A et 8 , qui ont bien
le même ra ng 1. Co nsidérons l'appli-
cati on linéa ire! assoc iée à A dans une
base donnée de l'espace de départ. 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
considérons une base {i , k} . Ces deux
l l~
(2\
vecteurs peuvent être ~ I J et
(3\
J , par
1
exemple, car il s sont indé pend ants et
é léments du noyau, puisqu ' il s vérifient
l'équati o n x + 2y + 3z = O. On choisi t
a lo rs un vec te ur j te l q ue {i , j, k}
so it une base de l'es pace de dé part.
Ce vecteur peut être l~J
( 1\
par exe mple
pu isque le détermin ant du systè me est
2 1 3 teur de l'image H, il existe x dans l'espace de départ tel
alors -1 0 0 , qui vaut - 1 et est donc
0 0 -1
non nul. Dans cette base {i, j , k}, la
matrice de J est do nnée par les com-
posantes def(i),f(j) et f(k) écrite dans
un e base de l'espace d 'a rri vée qu ' il
nous reste à cho isir. Les vecteurs f(i)
et f(k) sont nul s. Il suffit de c ho is ir
1 2 3)( I\ = (1) comme
l~J
u=f(j),soit 2 4 6( 2
premier vecteur de base, et de compléter
Hors-série n• 44. Les matrices Tangente
SYSTÈMES LINÉAIRES
Démonstration du théorème du rang
Considérons une application linéaire! d'un espace de
dimension 3 dans un espace de dimension 2 , pour fixer
les idées. Le noyau F def est de dimension o, 1, 2 ou 3.
S'il est de dimension 3, cela signifie que f est nulle,
l'image de f est de dimension o. Le théorème est donc
vérifié. Si le noyau Fest de dimension 2 , il s'agit d'un
plan. On considère alors une droite Gnon incluse dans
F et H l'image de f.
X
1
1
1
1
y
F
I
Si Fest un plan de l'espace et G une droite
non incluse dans F, tout vecteur x de l'espace
=
se décompose en x y + z où y est sa projection
sur F parallèlement à G et z sa projection sur G
parallèlement à F.
On définit une application g de G dans H en posant
g (x ) = J(x) pour tout x appartenant à G. Cette applica-
tion est linéaire car f l'est. Si g (x) = o, alors J(x) = o
donc x appartient à F, le noyau def. Comme x appar-
tient aussi à G, on en déduit que x = o, ce qui prouve
que l'application linéaire! est injective. Elle est d'autre
part naturellement surjective puisque, si h est un vec-
quef (x ) = h. En décomposant x sous la forme x = y+ z
où y est dans F et z dans G et en appliquant!, on obtient
f(x ) = j(y) + f(z) , donc g (z) = h puisquef(y) = o et
g (z) = f(z). L'application g est donc surjective, ce qui
implique qu'elle est bijective. Ceci prouve que G et Hont
même dimension 1. Le théorème est vérifié.
Dans le cas où F est de dimension 1, on recommence en
considérant G un plan ne contenant pas F. Le cas F de
dimension o est impossible car il signifierait que l'es-
pace d'arrivée a même dimension que celui de départ,
ce qui est faux.
41
SAVOIRS Comment rentrer dans le rang

Rang et zéros d'un déterminant par un vecteur v tel que {u, v} so it une
base de l'espace d'arrivée. Le vecteur
2
X X
2
(~)convie nt.Dans la base {i,j, k} de
Prenons l'exemple du déterminant D(x) = x x
l'espace de départ et la base {u, v} de
On peut facilement le calculer en utilisant la règle de Sar- l'espace d'arrivée, la matrice def est donc

(0o 0I o)0 ,ce qui.prouve que A et Bsont

rus, ce qui ne montre pas comment il se factorise. On peut
également remarquer que D(l) est nul car ses trois lignes
sont égales, et il en est de même de D(-1). Comme D(x)
est manifestement un polynôme de degré 4 , on en déduit
qu 'i l est multiple de (x- l)(x + 1) . Un calcul plus préci s
montre que D(x) = (x - 1) 3 (x + 1).
Une question se pose alors : pouvait-on prévoir ces expo-
sants ? Pas totalement , mais la réponse est liée au rang des
matrices sous-jacentes. Prenons le cas de A(l), la matrice
correspondant à D(l ). A(l) est de rang l pui sque toutes
ses lignes sont égales. A( l) est donc équivalente à la matrice
( 1 0 o,
0) .
l O O
0 0 0
Ceci signifie qu ' il existe deux matrices inver-
éq ui va lentes. Le raiso nnement appli-
qué dans ce cas particulier est général ,
ce qui prouve le rés ultat.
Nous e n déduisons que s i une matrice
est de rang 1, e lle est éq ui valente à la
matrice dont la première co lonne est le
vecteur de coordonnées ( 1, 0 ... 0) et les
autres nulles puisque celles-ci est mani-
festement de rang 1. Si une matrice est
de rang 2, e ll e est équiva le nte à la

sibles P et Q telles que A(l) = PBQ . Considérons alors

matrice dont les deux premières colonnes
sont les vecteurs de coordonnées
( 1, 0, 0, ... , 0) et (0, 1, 0, ... , 0) et les
B(x) = p- 1 A(x) Q- 1, soit A(x) = P B(x) Q . En passant aux autres nulles, et a in si de su ite pour les
déterminants, il vient: D(x) =det(P) det[B(x)] det(Q). Les matr ices de rang 3, 4, etc. Une telle
règles de calcul des déterminants montrent que les coeffi- matrice a la parti c ul a rité d'avoir le
cients de B(x) sont des polynômes en x. Comme ils s'an- même ra ng que sa transposée.
nulent tous en 1,
sauf celui en pre- Cette propriété se transporte ai ns i à
mière ligne et pre- toute matrice. Soit A une matrice, e lle
mière colonne, il s es t éq ui va le nte à une matrice B du
sont tous multiples type précédent : A x P = Q x B . En
de x - l , ce qui transposant cette éga lité, o n obt ient :
1
prou ve que x - 1 P x 1A = 18 x 1Q, ce qui prouve que les
peut être mis en fac- transposées de A et B so nt équiva-
teur des deuxièmes lentes. Or B et 1B o nt même rang, donc
et troisièmes lignes A et 1A auss i. Toute matri ce a le même
de det[B(x)]. Autre- rang que sa transposée , donc le rang
ment dit , ce déter- des vecteurs li g nes est cel ui des vec-
minant , e t don c te urs co lo nnes.
D(x), est multiple H.L.
de (x - 1)2 . Ainsi,
un simple calcul de
rang permet de pré-
voir qu e D (x) est
Rangs de bambous à la multiple de
bambouseraie d' Anduze. (x- 1)2 (x + 1).

42 Tangente Hors-série n°44. Les matrices

 par Jean-Alain Roddier EN BREF

Petits problèmes liés à l'inuersion Permuter les éléments

d'une matrice carrée d'une matrice
l'inuersion d'une matrice carrée permet de résoudre
de nombrem1 problèmes, acommencer par les systèmes A est la matrice (: !) .
« de Cramer » de néquations indépendantesaninconnues.
Par quelle matrice devons-nous la multiplier
pour obtenir une permutation circulaire de
le calcul de l'inuerse ses éléments dans le sens des aiguilles d 'une
montre ?
Soit A une matrice carrée d'ordre n. In verser A, c'est trouver
une matriceA· 1 telle que: A"1A = AA-1 = I,,où 111 est la matrice Le problème consiste à trouver une matrice
identité d 'ordre n, qui comporte des « 1 » sur la diagonale et X (si elle existe), telle que :
des « 0 » partout ai lleurs. On sait déjà que A-1 ex iste si et seu-
lement si le déterminant de A, noté Det(A), est non nul.
Dans ce cas , cet inve rse est unique , et on peut l'exprimer à
l'aide de ce qu ' on appelle les « déterminants partiels » . Pour On peut considérer l'égalité précédente comme
A matrice carrée, o n appell e déterminant partiel de rang une équation, d'inconnue X.
(i,J) , noté Du, le déterminant de la matrice d'ordre (n - 1) obte-
nue en supprimant de la matrice A la ligne i et la colonne). • Si A est inversible, il suffit de multiplier
Alors , l'inverse de A est la matrice B d'ordre n dont l'élément chaque membre (à gauche) par A-1, ce qui
bu, itué à l'intersection de la i-ème ligne etde laj-ème colonne donne :
est: (- Jy+ i D ..
b = '} .
1
' Det(A)
Dans le cas n = 2 o u 3, o n reconnaît, pour les solutions du
système d'équations AX = B , les formules , dites de Cramer, Le calcul de l'inverse donne
en posant X =A- 18.
1 (
A"'=---
ad-be - c
d -b)
a ·
Trouuer l'inuerse Tous calculs faits , on trouve :
â e a Cayley-Hami ton 1 ( de - bd
2
da - b 2 \
X= ad - be~ ad - c ab - ea) ·
Le théorème de Cayley- Hamilton établit que si PA(X) est le poly-
nôme caractéristiq ue d'une matrice A d'ordre n, alors Remarque :on peut, de même , trouver une
PA(A) = 0 , où PA(A) est la matrice obtenue e n remplaçant X 1
unique matrice Y= (: :) A· (différente de
par la matrice A et la consta nte e par cl,, dans le po lynôme
X) telle que :
caractéristiq ue de A.
Si A est inversible , on montre que cette constante e est non
nulle. Ceci nous permet , à partir de l'éga lité P A(A) = 0, de
l'isoler dans un des membres et d'en déduire l'inverse de A en • Si A n'est pas inversible, c'est que les deux
fonction de A. lignes sont proportionnelles.
Ainsi, si le polynôme caractéristiq ue d'une matrice carrée A s'écrit par exemple: ( a b),
d 'ordre 2 est P(X) = X 2 + SX + 7 , le théorème de Cayley- '*
avec k O. ka kb
Hamilton affirme que A2 +SA+ 712 = O.
On )'écrit : A2 +SA= - 71 2 ou encore A (A + 512) = - 712 . On montre alors que la matrice X existe si
b =ka . Nou vous laissons poursuivre .. .
-1
L' inverse de A est donc la matrice (A+ 512).
7
Hors-série n• 44. Les matrices Tcingente 43
 SAVOIRS par Bertrand Hauchecorne

les nombres comple,ces

comme ensemble de matrices
Au début des années 1970, les mathématiques modernes
faisaient rage : dans le programme de terminale C, o n
définissait les nombres complexes à l'aide des matrices. De
nos jours, elles ne sont abordées que dans l'enseignement
supérieur. Comment une telle idée a-t-elle pu venir à des
pédagogues, voici quarante ans ?

i la méthode prônée par les complexe z correspond un élément et

S « mathématiques modernes »
n ' est pas pédagogique , elle est
pourtant très séduisante. Présentons-
la avant de réfléchir à sa philosophie .
Considérons les matrices carrées sui-
vantes d ' ordre 2 :
M •.b = (: -:) , où a et b désignent des
un seu l de G),f transporte les opéra-
tions de IC sur ce lles de G. On appelle
ce phénomène un isomorphisme. Mathé-
matiquement , les deux ensembles ont
exactement les mêmes propriétés. On
peut donc les identifier. Il reste à com-
prendre pourquoi ceci « marche » bien .

nombres réels. Il est clair que cet ensemble
G de matrices définit un sous-groupe
additif de l'ensemble Mi (!RI) des matrices
carrées à coefficients réels. Le produit
des deux matrices Ma ,b et M c,d de ce
type est la matrice M ac-bd,ad+bc ·
On remarque l'analogie avec les com-
plexes , pu isque le produit
(a+ ib)(c +id)= ac - bd+ i(ad + be).
C'est pourquoi, si l'on définit l'application
f de IC dans G par f(a + ib) = M a,b et si
l'on note z = a + ib et z' = c + id , on
obtientf(z + z') =f(z) + f(z') et
f( zz') = f(z)f(z'). Comme, de plus,f est
bijective (c'est-à-dire qu 'à chaque nombre
les complexes et les rotations
On doit à Jean-Robert Argand la confi-
guration plane des nombres complexes ,
mais cette vision s'est développée après
1820 (voir en encadré). L' un des inté-
rêts de cette représentation est de voir
quel 'on peut assimi ler le plan euclidien ,
muni d ' un repère orthonormé, à l'en-
semble des nombres complexes. Ainsi,
au point M de coordonnées (a, b) dans
ce repère , on associe le nombre com-
plexe z = a+ ib appelé affixe de M. De
nombreu ses propriétés en découlent.
Ainsi, si z et z' sont les affixes de M et

44 Tcingente Hors-série n°44. Les matrices


M', z + z' est celle du point N tel que
OM + OM ' =ON. Par ailleurs, le module
de z correspond à la norme (c'est-à-dire
à la longueur) de OM . On transforme
ai nsi les opérations vectorielles en opé-
rations dans un ensemble de nombres.
Cependant, l'addition dans les complexes
est la même que celle dans IR 2 , et ce que
nous venons d 'énoncer n'a rien de sur-
prenant. Le plus intéressant concerne la
multiplication par un nombre complexe.
S ' il est de module 1, on sait qu ' il peut
s'écrire u =e;o_ Multiplier un complexe
z, affixe du point M , correspond à appli-
quer à M une rotation de centre O et
d'a ngle e. Ainsi, la multiplication par
i =é 712 n'est autre qu ' une rotation d'angle
:n:/2 ou, si l'on préfère, de 90° . Prenons
un autre exemple avec
Jï /2 + iJï / 2 = eird4
et M d 'affixe z = 1 + i. Considérons 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 même faço n, il est clair que mul-
tiplier un nom bre comp lexe z par un
réel positif correspond géométrique-
ment à opérer une homothétie de rapport
r. Plus généralement , la multiplication
de z par un nombre u = re;o induit une
similitude de rapport r et d'angle e, c'est-
à-dire la composée d ' une rotation d 'angle
e et d ' une homothétie de rapport r
(ou inversement) .
Regardons ce qu'il se passe au niveau
matriciel. Si u = re;o =a+ ib, la rotation
d 'angle ea pour matrice (cose
.
-sine) ;
sine cose
quant à la similitude de même angle et
de rapport r, sa matrice est
M . -rsine) , donc de la forme
= ( rcose
rsine rcose
( ab -b). Ainsi nous voyons qu 'à chaque
(I
complexe non nul u = re;o =a+ ib cor-
respond une simili tud e de centre 0 ,
Hors-série n° 44. Les matrices Tc:ingent:e
SYSTÈMES LINÉAIRES
la vision plane des complexes :
toute une histoire I
Si, de nos jours, les nombres complexes nous sem-
blent attachés au plan, il fallut deux siècles pour
introduire cette vision géométrique. John Wallis en
avait bien eu l'idée sans toutefois faire le lien entre
les opérations sur les complexes et les transforma-
tions géométriques.
Le Danois Caspar Wessel est le premier en 1797 à
écrire un essai sur ce thème. Publié deux ans plus
tard dans son pays, son article passe totalement
inaperçu. Il faut attendre 1897 pour que Sophus Lie
le retrouve et le fasse publier en français.
Entre temps, Jean-Robert Argand publie à compte
d'auteur, sans mentionner son nom, un Essai sur la
manière de représenter les quantités imaginaires
dans des constructions géométriques. Il l'envoie à
Legendre, qui le transmet au mathématicien Fran-
çois Français. Celui-ci meurt peu après. Par chance,
son frère le trouve et le fait publier dans le Journal
de Gergonne, en précisant que l'auteur en est inconnu.
Argand dévoile alors sa paternité.
unique , notée Su, de telle sorte que l 'af-
fixe de l' image d ' un point M par Su so it
le produit de u par l'affixe de M . On
retrouve un phénomène d ' isomorphisme .
On peut donc identifier les deux ensembles
IC et G. Non seulement ils sont en bijec-
tion , mais les opérations sur l' un et sur
l'autre se correspondent. On a ai nsi trans-
formé un problème de géométrie en des
opérations élémentaires sur un ensemble
algébrique.
Poursuivant cette idée, William Hamil-
ton a longtemps cherché un ensemb le
de nombres qui puisse de la même façon
représenter les rotations de l'espace par
une multiplication. Il a ai nsi introduit
les quaternions. Cet ensemble n'est pas
commutatif: rien d ' étonnant , le produit
de deux rotations de l'espace ne com-
mute pas en général !
B.H.
45

Propriétés affines
et propriétés métriques
En géométrie, les notion s de droites, de plans, de
parall é li sme , d'intersection , peuvent se défi nir
sans faire appel à des longueurs ou à des angles :
on parle de propriétés affines. Lorsqu'on ajoute la
notion de di stance , qui entraîne celle d 'angles, on
traite de propriétés métriques.
Ainsi, la définition d ' un parallélogramme , obtenu
comme intersection de deux couples de parallèles,
relève de l'affine . Celles de rectangle ou de carré
est du ressort de la métrique , pui squ 'on doit intro-
duire la notion d 'angle droit ou d 'égalité des côtés.
La théorie des espaces vectoriels formalise la géo-
métrie affine. Pour introduire les propriétés métriques,
il faut lui ajouter la notion de produit scalaire.
Au lycée, on définit le produit scalaire de deux
vecteurs comme un nombre réel 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 même sens, par son opposé sinon. Réci-
proquement, si on connaît le produit scalaire, on
récupère la notion de longueur en prenant la racine
carrée du produit scalaire par lui-même et le cosi-
nu 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 théorie des espaces
vectoriels introduite par Peano , on appelle produit
scalaire une fonction bilinéa ire f, qui associe à
deux vecteurs ü et v un nombre réel, de telle sorte
que s i le vecteur ü n'est pas nul,f(ü, ü) > O.
On en déduit les notions d 'ang les et de longueur
(on parle de norme d ' un vecteur) comme expliqué
précédemment.
On peut ainsi intégrer la géométrie métrique dans
le cadre des espaces vectoriels , qui , s' il s sont de
dimen sion finie, sont alors bapti sés euclidiens en
l' honneur d 'Euclide qui , le premier, avait défini ,
troi s siècles avant Jésus Chri st , une axiomatique
de la géométrie associant tant les propriétés affines
que métriques.
46 Tangente Hors-serie n°44. Les matrices
par Bertr h cor
André-Louis Cholesky
Oui était CholeskY ?
Durant de nombreuses années, le monde mathéma-
tique ignorait à qui l'on devait le nom de la « décom-
position de Cholesky » (voi r dans le dossier sui vant).
Lors d ' un congrès mathématique au Japon , l' un des
participants s'écri a « Mais qui est donc Cholesky? »
Personne ne sut lui répondre ...
Le compte rendu de la séance tomba sous les yeux
d ' un étudiant de l'Université de Bordeaux . Il recon-
nut le nom des voisins de ses parents à Montguyon ,
en Charente-Maritime. Après une enquête, il décou-
vrit que Pierre-Loui s Cholesky éta it bien en famille
avec ces gens- là.
Fils de restaurateurs , Cholesky est entré à !' Éco le
polytechnique en 1895 . À sa sortie, il intègre l'armée.
Affecté à la section géodés ique du service géogra-
phique, ses aptitudes théoriques sont vite remarquées
et ses idées nouvell es très appréc iées. Pour amélio-
rer les méthodes dans cette branche, il est amené à
étudier des systèmes d 'équations linéa ires. Il met au
point un procédé de résolution, qui nécessite la décom-
position matricielle qui porte désormais son nom. Il
poursuit ses activités en Crète , en Afrique du Nord
pui s en Roumani e durant la Première Guerre mon-
diale. Revenu en France, on l' envoie sur le front, où
il tombe deux mois avant l'armistice à l'âge de 43
ans . Ses travaux sont publiés de manière posthume,
en 1924, dans le Bulletin géodésique, sous le titre
de Procédé du commandant Cholesky.
 par Bertrand Hauchecorne
Transposée
d'une matri,e
La transposée 'M d'une matrice M ayantp lignes
et n colonnes s'obtient e n échangea nt ses lignes
et ses colonnes. Ainsi 'M possède n li gnes et p
colonnes et le terme de la /me li gne et la /-me
colonne de M devient celui de la/-me ligne et la
/me colonne de 'M .
Exemple: si M = ( ~ ! !) ,
(l 4\
alors 'M = l ~ ~ J.
Si la matrice est carrée, la transposition corres-
pond à intervertir les termes symétriques par
rapport à la diagonale. L'opération qui trans-
forme Men 'M est involutive, c ' est à dire que
la transposée de 'M n'est autre que ... M !
Diverses propriétés se conservent par transposition ;
c'est le cas du rang pour toutes les matrices,
rectangu laires ou carrées : rappelons que le rang
d'une matrice est la dimension de l'espace vec-
toriel engendré par les colon nes de la matrice,
c ' est-à-dire le nombre maximum de vecteurs
libres que l'on peut trouver parmi ces co lonnes.
Pour les matrices carrées , le déterminant , le
polynôme caractéristique, les valeurs propres,
sont conservés par transposition. De plus une
matrice est semblable à sa transposée; en d' autres
termes , si M est la matrice d'une application
linéaire u dans une base , il existe une autre base
dans laquelle sa matrice est 'M.
Hors-série n• 44. Les matrices Ta.n9ent:e
EN BREF
Matrices symétriques
et antisymétriques
On appelle matrice symétrique une matrice
carrée égale à sa transposée . Elle est donc
invariante par sy métrie par rapport à la dia-
go nale , ce qui explique bien sûr son nom .
Les matrices diagonales sont des cas particuliers
de matrices symétriques .
4 5\
! ~J
est une matrice symétrique .
Le théorème spectral affirme que toute
matrice symétrique est diagonalisable, et, qui
plus est, à l'aide d ' une matrice de passage
orthogonale.
On peut l'exprimer matriciellement : étant
donné une matrice symétrique S , il existe une
matrice orthogonale P et une matrice diago-
nale D telles que S = P D 'P, où 'P = P- 1.
On appelle matrice antisymétrique une matrice
carrée égale à l'opposée de sa transposée.
Une conséquence est qu'elle ne comporte que
des « 0 » sur la diagonale.
( 0 4 -5\
Ainsi,A=l-4 ~
5 6
~J
est une matrice antisymétrique.
Pour toute matrice carrée M, (M + 'M) / 2 est
une matrice symétrique tandis que (M - 'M) / 2
est antisymétrique. On en déduit que toute
matrice carrée M se décompose de manière
unique en la somme d'une matrice symétrique
et d'une matrice anti symétrique .
Il suffit d'écrire:
M = (M + 'M)/2 + (M-'M)/2.
47
 SAVOIRS par Bertrand Hauchecorne
le théorème de
Cayley-Hamilton
Pivot de la réduction des endomorphismes, le théorème de
Cayley-Hamilton porte le nom de l'astronome et mathématicien
William Hamilton et de l'algébriste Arthur Cayley. Pourtant, la
première démonstration générale est due à l'Allemand Georg
Frobenius en 1878.
n endomorphisme est une appli-
U cation linéaire d' un espace vec-
torie l dans lui-m ê me . Son
expression dan s une base, ou la donnée
de sa matrice, ne permet en général pas
de le « visualiser » simplement , a for-
tiori de ('étudier.La réduction des endo-
morphi sme s consiste à déco mpo ser
l'espace en sous-espaces vectoriels en
sommes directes, sur lesquel s l'endo-
morphi sme est le plus « simple » pos-
sible (vo ir la partie suivante de ce hors
série). La matrice de l'endomorphi sme
dans une base respectant ces sous-espaces
vectoriels est alors très « simple » ; au
mie ux e lle est di ago nal e (c'est-à-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 .
Une uue géométrique
Prenons l'exemple d' une symétries par
rapport à un plan P de l'espace (noté E).
Si on décompose E en la somme P + D,
48 Tangente Hors-série n°44. Les matrices
où P désigne le plan de la sy métrie et D
la droite parallèlement à laquelle on effec-
tue la sy métrie, la restriction de s à P est
l' identité et celle des à D est l'opposé
de l' identité. L'endomorphi sme se paraît
dès lors d ' une expression très si mpl e
dans cette décomposition : en choi sis-
sa nt une base dont les deux premiers
vecteurs sont dans P et le troi sième dans
D, la matrice des est di agonale avec res-
pectivement 1, 1, - 1 sur la diagonale.
On est ainsi amenés à rechercher les vec-
teurs u colinéaires à leur image, c'est-à-
dire vérifiant! (u) = Àu où À désigne un
nombre réel. Un te l vecteur s'appelle un
vecteur propre et À une valeur propre. Pour
trouver cette dernière , il suffit de cher-
cher les réels À pour lesq ue ls f- ÀldE
s'annule pour des vecteurs non nul s. On
calcule alors le déterminant de f- ÀldE
en considérant À comme une inconnue.
Le polynôme en À obtenu s'appelle le
polynôme carac1éris1ique de f. Son degré
est éga l à la dimension de l'espace, et
ses racines sont les valeurs propres. Dans

la pratique, o n calcule le déterminant en
utilisant une matrice M représentantf. Ce
polynô me s'appe lle do nc aussi le poly-
nôme caractéristique de M . On en déduit
d'autre part que ce polynôme ne dépe 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 mê me po ly-
nôme caractéristique !
Donnons un exemple: considé rons !'en-
domorphisme f de IR 2 défi 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-À.l~ , s'écrit
~ ). ~ ).) , donc son po lynô me carac-
2
(
2 rème qui porte désormais son nom : toute algèbre de
téristique est À. 2 - 4À. +3. Les rac ines e n
sont 3 et 1 ; ce sont les vale urs pro pres.
O n remarque a lors que u = ( 1, 1) vé ri-
fie f(u) =3u et que v =(1, - 1) satisfait
àf(v) = v. Les vecte urs u et v sont de ux
vecteurs propres . Le couple (u , v) fo rme
une base dans laque lle la matrice de f
s'écnt N = . (30 0)
1
•
C'est une matrice diago na le.
Po int d 'orgue de cette théorie, le théo-
rè m e d e C ay ley- H a milton a ffirm e
qu 'étant do nnée une matrice carrée M ,
s i l'o n re mpl ace À. pa r M da ns l'ex-
press io n de son po lynô me carac té ri s-
tique, o n o btie nt O. Da ns ce calc ul , le
terme consta nt (no té a) du po lynô me
es t re mpl acé pa r al , o ù l dés ig ne la
matrice ide ntité. On dit que le po ly-
nô me caracté ri stique de M est un poly-
nôme annulateur po ur M .
Vé rifi ons ce calc ul sur no tre exemple:
M 2 - 4M + 31 =
(! :)-4(~ ~)+3(~ ~)=o
Le théorè me est vé ri fié !
Hors-série n• 44. Les matrices Tangente
SYSTÈMES LINÉAIRES
Georg Frobenius,
un mathématicien II normal II
Georg Frobenius est fils de pasteur. Il étudie dans
les universités de Gêittingen et Berlin où il suit les
cours de Kronecker, Kummer et Weierstrass. Son
doctorat en poche, il enseigne d'abord en lycée puis
à l'Université de Berlin et enfin à l'École polytechnique
de Zurich. Il s'intéresse à la théorie des groupes, consi-
dérée en elle-même et non comme un outil. Dans ce
cadre, il démontre en 1874 les théorèmes de Sylow puis,
se tournant vers l'algèbre linéaire, celui de Cayley-
Hamilton en 1878.
Par la suite, il s'intéresse à la théorie des corps et à
celle des algèbres. Il démontre dans ce domaine plu-
sieurs résultats importants, parmi lesquels le théo-
dimension finie sur IR, sans diviseur de zéro, est iso-
morphe à IR, à C ou au corps non commutatif des
quaternions d'Hamilton.
Hamilton et ses quaternions
A u dé but du XIXe s iècle, Arga nd pro-
pose de représenter les nombres complexes
sur un plan muni d ' un repère orthonormé
(0 , u , v) . Ainsi on assoc ie au point M de
coordonnées (x, y) dan s ce repè re le
nombre complexe z = x + iy, que l' on
a ppe lle l'affixe de M . La mu ltip licatio n
pa r le compl exe z = e;;, correspond à
opé re r une rota tion d 'ang le À.. A stro-
nome et mathématicien William Hamil -
ton cherche à généra li ser cette propriété
pour les rotations de l'espace . Il écho ue
d 'abord e n c he rc ha nt à con struire un
e nsemble de nombres de dimens ion 3,
comme celui des complexes est de dimen-
s io n 2. Souda in il a l' idée d ' introduire
un espace de nombres de dime nsion 4 .
Il re ma rque e n effet qu ' il fa ut qua tre
pa ra mè tres pour dé finir une rota ti o n
d 'axe passant par l' origine: trois po ur
définir un vecte ur de l ' axe, et un dernie r
pour l'angle. Se promenant tranquillement
49
 SAVOIRS Cayley-Hamilton
Démonstration du théorème
Pour démontrer le théorème de Cayley-Hamilton, il
suffit de montrer que le polynôme caractéristique
d'une matrice est annulateur pour celle-ci. Plaçons-
nous sur le corps des nombres complexes. Nous savons
alors que toute matrice est semblable à une matrice
triangulaire supérieure. Il suffit donc de montrer le
résultat pour une telle matrice (notée M) et d'ordre
n. Supposons d'abord que M possède une valeur
propre unique, notée À.. Alors M - À.In est triangulaire
supérieure avec des zéros sur la diagonale. Elle est
nilpotente d'ordre n, donc (À.I - M)" est la matrice
nulle, ce qui montre le résultat pour cette matrice.
Prenons maintenant M triangulaire quelconque.
Notons\, À. 2 , • •• , À.P les termes diagonaux distincts et
µ 1 , µ 2 , • •• ,µ/leurs nombres d'apparitions respectifs ;
appelons un endomorphisme de matrice M dans
une base. Le polynôme caractéristique de M est clai-
rement P = (\ - X)µ ,(À. 2 - X)µ2 • •• (À.P - XYP. Par le
théorème de décomposition des noyaux, on sait que
le noyau Ker(P(f)) est la somme directe des espaces
F; = Ker (À.; - JYi et que ces espaces sont stables par
f En choisissant une base adaptée aux sous-espaces
F;, la matrice N def dans cette base est composée de
blocs, à cheval sur la diagonale, de matrices N; tri-
angulaires supérieures d'ordre µi avec un même terme
À; sur la diagonale. Par ce qui précède, on déduit que
(À; - NiYi est la matrice nulle. Il est clair alors que
(\ - N)'', (À. 2 - NY 2 ••• (À.P - N)µP est nulle également.
Comme M et N sont semblables, P(M) est nul aussi,
ce qui achève la démonstration. Une matrice réelle pou-
vant être considérée comme complexe, le théorème
est prouvé pour ces matrices.
avec son épouse ce 16 octobre 1843 , il
court soudain graver sur le Brougham
Bridge la notion de produit qu ' il vient
d ' inventer : les quaternions étaient nés !
Dix ans plus tard, Hamilton fait paraître
un ouvrage, Lectures on Quaternions, dans
lequel il étudie les propri étés de ces
nombres et leur utili sation pour la des-
cription des transformations de l'espace.
C'est dans ce cadre, e n recherchant
l'ex press ion de l' inverse d ' un quater-
50 Tangente Hors-série n°44. Les matrices
nion , qu ' il dé montre que ces tran sfor-
mation s et leurs itérées vérifient une
équation. Cependant, il n'énonce aucun
théorème général.
Cayley et les matrices
Après avoir utili sé les matrices comme
des tableaux de nombres pratiques à
manier pour l'étude des systèmes linéaires,
Arthur Cayley se rend compte que l'on
peut les sortir de le ur contexte et les
appréhender comme des é léments d ' un
ensemb le. On peut alors les manier en
quelque sorte comme des nombres, en défi-
ni ssant dessus des opérations de somme
et de produit. En 1858 , il publie cette
nouvelle approche dans un article inti -
tulé A Memoir on the Theory of Matrices.
Il s'aperçoit que chaq ue matrice « véri-
fie une équation algébrique de son propre
ordre » (c'est bien sûr le polynôme carac-
téristique) et s'émerveille alors d 'avo ir
trouvé un « remarkable theorem » , qu ' il
considère comme le point central de sa
théorie et qu ' il énonce ainsi:
« The determ inant, having for its matrix a
given matrix less the same matrix consid-
ered as a single quantity in volving th e
matrix unity, is equal ta zero. »
Le déterminant dont la matrice est une
matri ce donn ée moins la même matri ce
considérée co mme un e simple quantité
associée à la matri ce unité est égal à zéro .
On sent bien Cayley mal à l'aise pour
énoncer ce résu ltat. En effet , au lieu de
ca lculer le déterminant de M -À. I , pui s
de remplacer À. par M , comme nous le
faisons de nos jours, il pl ace directe-
ment M dans la matrice en la considé-
rant comme une « quantité si mple » (« a
single quantity ») c ' est-à-d ire comme
un nombre .
Dans son énoncé , Cayley ne fai t auc une
référence à la taille n de la matrice. Pour

1
la démo nstration, il se place avec une
matrice M =(: ;) d 'ordre n =2. Il cal-
cule le déterminant de (
0
- M c ),
b d-M
so it M 2 - (a+ d)M + (ad - bc)M 0 . En
posant M 0 = 12 , on vérifie aisément par
le calcul que l'on obtient la matrice nulle .
Cay ley affirme alors avo ir montré ce
résultat pour n = 3 et soutient enfin qu ' iI
n'est pas nécessa ire de le prouver dans
le cas général.
Ferdinand Georg Frobenius
(1849-1917).
Georg Frobenius
et la rigueur allemande
Moins conn u que les deux mathémati-
ciens précédents, moins original et
moins excentrique aussi, l 'A llemand
Georg Frobenius est un mathématicien
conscienc ieux qui s'attac he à déve-
lopper des théories rigoureuses. Il est
amené à reprendre la théorie de Cayley
dans le cadre de l'étude des formes bi li-
néaires symétriq ues . Il justifie et com-
plète les résultats é noncés par son
prédécesseur. C'est ains i qu'il fournit
Hors-série n• 44. Les matrices Tangente
SYSTÈMES LINÉAIRES
Un exemple explicite
Considérons l'endomorphisme f de défini par
J(x, y , z) =(2X + y + z, x + 2y + z, x + y + 2Z).
Un calcul facile montre que le polynôme caractéris-
tique est P = (1 - X) 2 (4 - X).
Les valeurs propres sont donc 1 et 4.
L'image du vecteur u 1 = (1, 1, 1) est (4, 4, 4) = 4(1, 1, 1),
ce qui montre que u 1 est un vecteur propre associé à la
valeur propre 4.
Par ailleurs, six+ y+ z = o, alorsf (x, y, z) = (x, y, z)
donc l'espace propre associé à la valeur propre 1 est
le plan d'équation x + y + z = o.
En choisissant une base (u 2 , u 3) de ce plan, on obtient
une base (ui> u2 , u3) de l'espace, dans laquelle la matrice
N de f est diagonale avec respectivement 4, 1 et 1 sur
la diagonale.
Il est immédiat de constater que (41 3 - N)(I 3 - N) est
nul. Ainsi le polynôme minimal (1- X)(4 - X) divise
le polynôme caractéristique (1 - X)2(4 - X), comme
l'avait démontré Frobenius.
en 1878 la première démonstration
rigo ureuse du théorème de Cayley-
Hamilton dans le cas général.
En fait, le polynôme caractéristique n'est
pas le seul polynôme an nul ate ur d ' un
endomorphi sme ou d ' une matrice . On
montre qu ' il existe un polynôme uni-
taire unique annu lateur de degré mini-
mal. Alors les polynômes ann ul ateurs
sont exactement les multiples de ce poly-
nôme, appelé polynôme minimal. Le
théorème de Cayley-Hamilton revient
alors à dire que le polynôme minimal
d ' un endomorphisme (ou d'une matrice)
divise so n polynôme caractéristique.
Frobenius démontre que ces deux poly-
nômes possèdent en fait les mêmes fac-
teurs irréd uctibles, ceux-ci pouvant
apparaître avec un exposant inférie ur
dans le polynôme minimal que dans le
polynôme caractéristique .
B.H.
51
 SAVOIRS par François Lavallou
les fonctions
homographiques
Fonction clef de la géométrie projective, la fonction
homographique reste étudiée au lycée sous une forme
cachée, sans jamais en montrer le lien avec les matrices.
Elle suscite pourtant un intérêt nouveau et est au cœur de
recherches mathématiques modernes.
e la désintégration des pro-
D grammes scola ires, due a u
souc i de ne pas confro nte r
notre progéniture à la traumatisante
expé rie nce d ' un effort inte llectue l, ne
subsiste nt que des notio ns parcella ires
de constructio ns mathé matiques cl as-
siques. Des ruines de ces monume nts
é merge la fo nction homographique , o u
fo nction de Mobius, qui n 'est rie n
d 'a utre , d ans la m ajorité des cas ,
qu ' une .. . hyperbo le camo uflée .
Hyperboles cachées
Rappe lo ns que lques propriétés ana ly-
tiques des équation s de coniques. Une
co nique est une courbe pla ne do nt
l'équatio n générale , dans un repè re
R(O , x , y ), est du second degré:
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'élo ig ne r à l' infini , les te rmes du
52 Tangente Hors-série n°44. Les matrices
second degré ax2 + b.xy + cy2, qui sont
vite pré pondérants dans l' équatio n de
la conique, do ivent être de somme
null e . Pui sque ax 2 + bxy + cy2
= (a + bp + cp2)x , avec p = y/ x, la
2
directio n p dans laque lle un po int peut
« partir à l' infini » do it alors être solu-
tio n de l' équati on du second degré
a + bp + cp 2 = O. Son di scrimina nt
~ = b2 - 4ac caracté ri se le type de
conique:
• si~ < 0 , pas de d irection à l' infi ni, la
conique est une e llipse ;
• s i~= 0 une seule d irectio n à l' infi ni,
la conique est une parabole d ' axe
parallè le à cette direction ;
• s i ~ > 0 de ux directi o ns sont pos-
s ibl es à l' in fi ni , qui re prése nte nt
ce ll es des asy mpto tes d ' une hy per-
bo le .
Cons idérons la plus simple des équa-
ti o ns d ' une hy pe rbo le , celle d ' une
hy pe rb o le équil atè re : x y = 1. Ses
 SYSTÈMES LINÉAIRES

asymptotes sont les axes du repère.

Ell e est souvent présentée sous la Composition de fonctions
fo rme fo nctionnelle y= f (x) = 1 / x.
Les mathématiques sont l'art du di s-
homographiques
cernement et s'attachent au fo nd plutôt
qu'à la forme. Si nous effectuons une Calculons la composition des deux fonctions homogra-
translation de vecteur (a, ~) et une
homothétie de rapport 1 / k sur notre phiques J( x )= ax+b et g (x )= a 'x +b ' Par défini-
cx +d c 'x +d '
hyperbole équil atère, sa fo rme ne sera
pas changée, contrairement à son équa-
tion , nous avons (Jog)( x )= ag( x )+b , et le calcul
. .d . R kz , cg( x )+d
twn, qui ev1ent y = JJ + - - , c est- donne :
x- a
, d'1re y = Bx + k2 - aB . L e cas gene-
a- , , a' x +b'
x- a = a c 'x+d'+b = (aa '+bc')x+(ab'+bd ')
ra i des courbes d'équation y= ax + b.
(! og )( X ) ca x+ b ' +d
I
( ca '+dc' ) x+ ( cb '+dd' ) '
cx + d c' x +d '
représente donc des hyperboles équil a- Le premier constat est que la composition de deux
tères, auxquelles sont ajoutées des homographies est une homographie. Cette propriété fut
droites (pour c = 0). Depui s Michel découverte par Carnot en 1803, en étudiant le problème
Chasles ( 1793- 1880), ces fo ncti ons de Castillon . L'ensemble des homographies est donc
so nt dé nommées homographies, du stable par la composition des fonction s.
grec homos ( « semblable ») et grafein
(« écri re, dessiner »), car l'hyperbole
admet une symétrie centrale et possède
Si on associe naturellement la matrice A = ( : !) à

deux branches identiques. 1

l' homographie f et la matrice B = ( a' b \) à l' homo-

Il est mani fes te que la fo nction homo-
graphique f (x) = ax + b est entière-
cx + d
ment déterminée par les coeffi cients a,
b, cet d. La compos ition des homogra-
phies, effectuée en encadré, justifie la
notati on matricielle de y = ax + b par
cx +d
( a b \
y=~ c d ) x.Composer deux fo nc-
tions homographiques rev ient alors à
calculer un produit de matrices. Mais si
à chaque matrice correspond une fonc-
tion homographique unique, à une
homographie est associée ... une infini-
té de matrices ! Pui sque une homogra-
phie est un rapport de fo nction linéaire,
les coeffic ients sont défi ni s à un fac teur
\ c' d '
graphie g , on constate que la matrice associée à la com-
position f O g des homographies est le produit A X B des
matrices. Voir l'article en pages 132 à 134.
près. Ainsi, pour tout nombre réel non
nul a, les matrices a A défini ssent la
mê me homographie que la matrice
. ax +b
A. L' homographie y = - - peut
cx + d
s'écrire 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 homothétie et enfin
d' une dernière translation. Pui sque la
translation x ~ x + a est représentée

Hors-série n°44. Les matrices Tangente 53

 Les fonctions homographiques

no us avo ns la confirmati on que no us

sommes e n présence d ' une invo lutio n,
Utilisons la coordonnée non homogène z =x / y, définie la fo nctio n f é tant sa propre inverse :
(f oj)(x) = x.
' . ., ,
dans I art1c 1e, comme assoc1ee a un vecteur
( ax \
ay ) . l En utili sant la re présentatio n matri ciel-
le, no us po uvons déterminer rapide-
Nous noterons pour simplifier z= [ ; ]· me nt )'ensemble des homographies
involutives. Pui sque:
Avec cette notation (qui fait intervenir des crochets et 2
A2 (l a + be b(a +b) \) ,

l(
=
que nous allons retrouver dans l' article), nous avons:
e(a +d) d 2 + be
Y a b \ ( x \ [ ax+b ] ax+b po ur tr(A) = a + d = 0, no us obte no ns:
y= [ 1 =~ e d Hl)= ex+d =ex+d ·
A2) 2
a +be O \
Nous allégeons encore cette écriture en assimilant y et
l O 2
a + be ) '

[~ l , de sorte que nous pouvons écrire :

y= a b ] X=
ax+b
--
qui est bie n une matrice associée à
l' ide ntité! Po ur qu ' une ho mographie
so it son pro pre inverse, il suffit do nc
[ e d ex+d·
que la trace de sa re présentation matri-

2 x --3
c1.e Il e so .it nu Il e. A 'ms,,
. s,. y = - ,
Sx-2
par la matrice ( l a \ et l' inve r- no us po uvons directe ment écrire:
O ) l
x =
2Y - 3 ! Si jamais les te rmes dia-
s ion x ~ l / x par J = ( O ~ ). 5y - 2
go naux sont égaux, le calcul pe ut aussi
l'écriture matricielle de cette homogra- être s implifié. Par exemple, si
phie est alors :
2x-3 . .
2
y = - - , no us po uvons ecnre
( 1 a/e \ 0 \ Sx - 2
y =~ 0 ,r (l -( ad - be)/ e
a ) -2x + 3 . . .
( - y ) = - - - , qu, est mvo 1ut, ve ,
Sx + 2
( 0 1 \ ( 1 d ie\ et do nc x = - 2(-y)x + 3 = - 2Y+ 3 _
X~ )
a r ~a 1 J 5(- y) + 2 Sy - 2
1( a b \
= ~~ e d r· Pour a ll éger les calcul s, pre no ns
que lques exemples avec des matrices

( 0 -1 \
L' ide ntité est associée aux matrices a l , de la fo rme A= ~ a ) . Cette
1
multipl es de la ma tri ce ide ntité
matrice e t ses pui ssances sont de déter-
I = ( ~ ~ ) , et l' hyperbole équilatè re minant égal à 1. No us allo ns étudie r les
n - 1 vale urs du para mètre a telles que
d 'équation y = f (x) =1/ x est liée à la A" = 1 po ur diffé re ntes vale urs e ntières
den .
. J ( 0 1 \ p . 2 I
matnce = ~ ) . UISque 1 = ,
1 0

54 Tangente Hors-série n°44. Les matrices

 SYSTÈMES LINÉAIRES

, ( _,
Pour n = 2, A- = l a
-a
a 2 -1 ) '
\
venons de le montrer, est d ' ordre 5 ,
c' est-à-dire telle que h 5(x) = x . Si on
a = 0 et y = - 1 / x. Pour 11 = 3, note M; = h (M; _ 1) l' image du point
M ; _ 1, nous constatons que M 5 = M 0 ,
-a quel que so it le point de départ M 0 .
a 2 -I Si on veut établir une bijection , c'est-à-

a 2 = 1 et y = --=..!___ Pour 11 = 4,
X ± J

l- a 2 - a (a 2 - 2) \ Fraction continue
2 4 2
a(a - 2) a - 3a + 1 ) ' Utilisons le nombre d ' or pour illustrer le lien entre les
fractions continues et les homographjes (donc les
Œ
2
=2 et y = --- 1-
x ± .fi.
matrices). Rappelons que la décomposition en fraction
continue du nombre x est la détermination des entiers X ;
Nous avons exclu la valeur a = 0 , qui tels que
n' est pas caractéri stique de la pui ssan- X= X1 + 1 .
ce qu atri è me . Pui sque A2"=(A2 )", X2 + - -
X3 + ...
toutes les pui ssances paires accepte-
ro nt év idemment a= 0 comme solu- On note x = [x 1, x2 ••• x,, .. . ] et x(n) = [x 1, x 2 • • •x,,] la rédui-
tion. Enfin , pour n = 5, te d ' ordre n de x , c' est-à-dire la fraction obtenue en pre-
nant les n premiers termes de la décomposition de x en
( - a (a 2 - 2) - (a 4 - 3a 2 + 1) \
fraction continue. Si h/x) = a + 1 / x est
As=l a 4
- 3a 2 +1 a (a 2 - 1)(a 2 -3) J·
l' homographje de matrice ( ~ ~ ) , le calcul de la
et les quatre so luti ons sont a = ± <!> ± 1
où <!> = ( 1 + Js) /2 est le nombre d 'or. réduite d'ordre n est facilité, avec les notations de l'en-
cadré Notation, en utilisant l' expression matricielle:
Nous avons représenté, sur le schéma
ci-dessous! la fo ncti on homographique
h( x )=--- qui , comme nou s
x (n) = l( x1
1
1 \
0 ) X •• • X l( x.1 1 \
0 ) X 1.
x +<j>
Puisque <!> = 1 + 1 / <!> , on en déduit que
1 <!> = {l, 1... 1...}. Une réduite d'ordre n du

!~ r
h(x)=---
! x+ </J
1
1
nombre d'or est donc <l>(n) = ( .1, c'est-à-dire:
1

1
- · - · - · - · - · - • . • . .l . • . • . •.• . • .

où u11 est le énième terme de la suite de Fibonacci. Nous

venons de démontrer que le rapport de deux termes
consécutifs de la suite de Léonard de Pise converge vers
le nombre d'or.

Hors-série n°44. Les matrices Tangente 55

SAVOIRS Les fonctions homographiques
dire une correspondance unique, entre
l'homographie f (x) = ax + b et la
cx +d
. A(ab\ . son point à l' infini. Nous venons d'éta-
matnce = ~ 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 associées à
une matrice de déterminant nul.
L'ensemble des homographies de
déterminant égal à 1 constitue donc un
groupe , un groupe projectif.
Géométrie projectiue
Considérons dan s le plan réel les
droites passant par l' origine. Un vec-
teur non nul (x, y) détermine une
unique droite vectorielle constituée de
l'ensemble des multiples de ce
vecteur: {(k.x, ky), k E IR} Pour tout
vecteur de cette droite , le rapport abs-
cisse / ordonnée est constant et égal à
z = x / y. Cette droite (l'.\z) coupe donc
la droite (L\) d ' équation y = l en un
point unique d 'abscisse z (voir la figu-
re) . Pour être complet, il faut accepter
la valeur z = oo qui correspond à l'axe
des x, c' est-à-dire à l'ensemble des
M(x,y)
Droite 1
projective.
z=x/y
Ta.ngente Hors-série n°44. Les matrices
points de coordonnées (x , 0).
Nou s ap pe ll erons droite projective
P 1(IR) cette droite (L\), complétée par
blir une bijection entre cette droite pro-
jective P 1(IR) et les droites vectorielles
du plan , qui dépend bien sûr du repère
choi si. Les coordonnées (x, y) d ' un
point de P 1(IR) sont appelées coordon·
nées homogènes et z = x / y est sa coor·
donnée non homogène , qui appartient à
iR u {oo}.
Une application linéaire du plan fa it
correspondre une droite vectorielle à
une droite vectorielle. Ainsi , l'applica-
tion linéaire f de matrice ( : !)
transforme le vecteur (x, y ) en le vec-
teur (a x + b y, c x + d y) . En utilisant
la coordonnée non homogène z =x / y,
l'application correspondante f de
P 1(IR) dans P 1(IR) est telle que :
f (z) = ax + by = az + b
ex + dy cz + d
avec J(oo)=a l c si c 1:- 0 , et
J( oo) = oosinon. Les homographies ne
sont donc rien d' autres que les applica-

tions de P 1(IR) correspondant aux appli-
cations linéaires dans IR 2 . Deux applica-
tions multiples l' une de l'autre définis-
sent sur P 1(1R) la même application,
puisque la multiplication par une
constante (non nulle) laisse les droites
vectorielles invariantes. On retrouve
ainsi l' idée que les nombres (a , b, c, d)
définissant une homographie sont déter-
minés à un facteur multiplicatif commun
près. Il y a donc trois degrés de libertés
pour les déterminer, ce qui signifie que
trois points non alignés définjssent entiè-
rement une homographie .
Un vecteur propre d ' une application
linéaire est, par définition , proportion-
nel à son image. Son point correspon-
dant sur la droite projective est donc
invariant par l' homographie associée.
Rechercher les vecteurs propres d ' une
application linéaire revient à recher-
cher les points invariants d'une homo-
graphie. Pour le vecteur propre (x, y),
de coordonnée non homogène z =x / y,
tel que f(x , y) = (A.x, Ày), nous avons
.
e ffect1vement f () ax+by
z =- -- = -
Âx = z.
cx +dy Ây
On montre, en jouant sur les propriétés
des homographies ou par un calcul
courageux , que , dans le cas où une
homographie h admet deux points fixes
a et 13 , il existe une constante C
telle que h( z)-a =C z -a
h( z)-/3 z -{3·
Dans le cas d ' un seul point fixe , cette
relation devient :
1
= -
1
-+ C' Si nous avons
h( z)-a z -{3 · cz +d
à étudier une suite récurrente du type
= h(u 11 ), une méthode « astu-
u11 + 1
cieuse» consiste alors à utiliser la suite
u,, -a
la suite intermédiaire V=--
II un - /3 '
SYSTÈMES LINÉAIRES
1
ou v,, = -- pour un point fixe
u,, -a
unique. On se ramène ainsi à étud ier le
cas classique d'une suite géométrique ,
pour deux points fixes, ou arithmé-
tique, pour un seul point fixe.
Nous venons , très rapidement, de mon-
trer les coulisses du camouflage d' une
hyperbole en fonction homographique
par un changement de repère et de
l'étude des suites récurrentes données
par une fonction homographjque. Nous
n'avons présenté ici qu ' une légère
introduction à la géométrie projective,
dans le cas bien particulier de la droite
projective réelle. Derrière ces
méthodes classiques, enseignées
comme des « recettes » à nombre
d 'étudiants , se cachent de nombreux
prolongements mathématiques.
Poincaré et Klein ont ainsi introduit en
géométrie non-euclidienne, dans un
espace hyperbolique , la notion de fonc-
tion s automorphes, utilisées par
Andrew Wiles pour la démonstration
du célèbre théorème de Fermat. Or,
une fonction automorphe f est invarian-
te sous l'action d'un groupe d'auto-
morphismes, comme celui constitué
des fonctions homographiques :
!(az+b) =J( z).
cz +d
On retrouve une relation semblable
avec les formes modulaires qui véri-
fient l' équation fonctionnelle
f ( az + b) = ( cz + dYf (z),
pour des coefficients entiers et la condi-
tion ad - b c = 1. Mais là , nous sortons
de notre domaine de compétence !
F.L.
Hors-série n°44. Les matrices Tangente
 par Bertrand Hauchecorne

En omorphismes
orthogonauK
Les isométries, c'est à dire les transforma-
tions de l'espace affine euclidien A qui conser-
vent les distances, sont fondamentales,
puisqu'elles peuvent décrire les transforma-
tions d'un solide indéformable. On peut citer
parmi elles les translations, les rotations, les
symétries orthogonales ...
Les endomorphismes associés à ces isomé-
tries, qui agissent sur l'espace vectoriel eucli-
dien E associé à A, sont caractérisés par le fait
qu'ils conservent les longueurs (les normes)
des vecteurs.
C'est ce qu'on appelle des endomorphismes
orthogonaux. Ils sont aussi caractérisés par le
fait de conserver les bases orthonormées. On
montre que la matrice dans une base ortho-
normée d'un endomorphisme orthogonal est
une matrice orthogonale (voir dans cette page).
Réciproquement, toute transformation de l'es-
pace affine A associée à un endomorphisme
orthogonal est une isométrie. Certaines iso-
métries, comme les rotations ou les symétries
orthogonales, possèdent un (ou plusieurs) point
fixes. Toute isométrie peut se décomposer en
une transformation qui laisse un point fixe et
une translation.
Le déterminant d'un endomorphisme ortho-
gonal (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
orientée d'un parallélogramme (ou du volume
orienté d'un parallélépipède en dimension 3)
lorsqu'on applique cet endomorphisme.
matrices
orthogonales
On appe ll e orthogonales les matrices in versibles
te lles que le ur transposée est égale à leur in verse.
Elles vé rifie nt donc 'M = M-1 ou , si l' on préfère,
'M M = l o ù 1 dés ig ne la matri ce identité. Les
col onnes de ces matrices form ent une base ortho-
normée. Ell es sont do nc les matri ces de passage
d ' une base orthonormée à une autre; ma is e ll es
représentent donc auss i les endomorphismes ortho-
gonaux, ce qui ex plique leur importance. Comme
on l'a vu, o n peut affirm er que le ur déterminant
vaut so it 1, so it - 1.
L'ensemble des matrices orthogonales étant stable
par produit et par in verse, il fo rme un groupe pour
la multipli cati on : c'est le groupe orthogonal.
En dime ns ion 2, une matrice o rthogonale est
soit de la form e
cosa - sin a)
( sma cos a
auque l cas e lle re présente la rotati on d 'a ngle a,
soit de la forme
c~sa sin a )
( sma - cos a
où elle est associée à une symétrie orthogonale par
rapport à une droite.
Dans une base bien choi sie, la matrice d ' une te ll e
symétri e sera (
1 O).
0 -1
En dimension 3, une matrice orthogonale est sem-
blable à l' une des deux matri ces
(l

l o c~sa
O sma
O O \
-sin a J ou
ca sa
l
(- 1
O
O
0
cos a
sin a
0 \
- sin a J .
cos a

58 Tangente Hors-serie n°44. Les matrices

 SAVOIRS
Diagonaliser
pour calculer les puissances d'une matrice
Une matrice peut souvent être « réduite » , c'est-à-dire être
exprimée sous la forme , plus simple, d 'une matrice diagonale
ou d'une matrice triangulaire. Cette propriété permet alors de
réaliser de nombreux calculs, parmi lesquels celui des
puissances successives de la matrice.
A étant donnée, com-
ment calculer la puissance
énième de A , à savoir A"? Dans
certains cas, c'est simple! Par exemple,
si A est diagonale ou triangulaire (voir
en encadré) . Dans le cas général, le pro-
blème devient difficile et la méthode
« frontale » (multipl ier par elle-même la
Puissance d'une matrice diagonale
Partons une matrice diagonale A = (: :) •
En la multipliant par elle-même, on obtient A2 = ( ~ ;
En re-multipliant par A, il vient Al= ( a l O'J.
Cela suggère fortement que A" =
{ a"
1\ 0
0,
\ 0 dl
).
d"
De fait, cette formule est correcte et se démontre faci-
lement par r écurrence. É lever à la puissance n une
matrice diagonale revient à élever à la puissance n
chaque élément de la diagonale.
60 Tangente Hors-série n°44. Les matrices
par Norbert Verdier
matrice et« deviner» la formule géné-
rale de A") n'est pas appropriée !
Il faut passer par un changement de base,
et donc revenir intrinsèquement à ce
qu 'est une matrice : la représentation
d'une app lication linéaire. Autrement
d it, A représente une application linéaire
u, et c'est u qu ' il faut étudier.
S 'i l existe une base dans laquelle la
matrice de u est diagonale , c'est gagné !
En effet, si Pest la matrice de passage
dans cette base (elle comporte les vec-
teurs de la base en colonnes), alors on
peut écrire D = p- 1 A P, où D , matrice
2
) •
de u dans la« nouvelle» base , est dia-
gonale. Cela revient à chercher une
matrice diagonale D semblable à A.
Par itération immédiate, il en résulte que
A" = PD" P- 1• Or, on sait calculer D".
Ainsi, si nous sommes capables de trou-
ver une base de diagonalisation , alors
de facto nous serons capables de calcu-
ler A" . C'est encore le cas si la matrice
semblable est triangulaire, sous forme de
Jordan (voir en encadré).

Ualeurs propres simples
el diagonalisation
Comment diagonali ser ou trigonaliser
une matrice? Pour ce faire, il faut intro-
duire la notion de valeur propre.
Pour diagonaliser la matrice A, il faut
trouver des vecteur X (non nuls) tels
que AX =À.X.Par linéarité, tous les
vecteurs multiples de X vérifient le sys-
tème : le système a donc une infinité
de solutions, ce qui revient à dire (grâce
à la notion de déterminant) que
det (A-À. I) = O. Cette quantité est appe-
lée polynôme caractéristique de A (c 'est
bien un polynôme en À).
Étudions ce qui se passe pour les matrices
carrées d ' ordre 2. La matrice A s'écrit
(: :).
Alors, det (A- ÀI) = 11.2 - À(a + b)
+ det A. C'est un polynôme du second
degré. Ses racines réelles , si elles exis-
tent, sont les valeurs propres de A .
On appelle sous-espace propre associé
à une valeur propre À l'ensemble des
vecteurs X du plan tels que A X = À X.
On note traditionnellement cet espace
EÀ. Si À est une valeur propre simple
(c'est-à-dire une racine simple du poly-
nôme caractéristique), alors EÀ est tou-
jours une droite. Si À est une valeur propre
double, alors E1,. est une droite ou le plan
tout entier. Il en résulte qu'il faut disso-
cier le cas où il y a deux valeurs propres
distinctes du cas où il n'a qu ' une valeur
propre double.
Quand la matrice admet deux valeurs
propres simples distinctes, notées À etµ,
EÀest une droite, dont on note ü un vec-
teur directeur. De même, E , est une
1
droite, dont on note v un vecteur direc-
teur. Dans cette nouvelle base (ü, v),
l'application linéaire associée a
.
pour matrice D = (À
0
0)
µ .
Hors-série n° 44. Les matrices Tangente
RÉDUCTION DE MATRICES
Le tour est joué : nous avons diagona-
li sé la matrice ! Il est ensuite aisé de
calculer D" (voir en encadré), puis
A"= PD" p- 1 •
Application à la matrice
(-21 -12).
det(A - Àl) = Il-
-2
À -
1-À
2
1
= ( 1- À )2 - 4 = (À+ 1)( À - 3) .
Ce polynôme de degré 2 possède deux
racines, 3 et-1, qui sont les deux valeurs
propres de A. L'espace propre E3 asso-
cié à 3 (et qui résulte de A X= 3X) se
réduit à x + y = 0, c'est la deuxième bis-
sectrice du plan. Un vecteur directeur
en est îi = (1,-1). De même,E_1 se réduit
à x - y = 0, soit x = y .C'est la première
bissectrice , dont un vecteur directeur est
ÏÏ=(l,l).
Dans la nouvelle base (îi, v) ,fest repré-
sentée par la matrice diagonale
D = (~ ~1).
La matrice de passage P de la base usuelle
(ï ,T) à la nouvelle base (ü, v) est
1 1
P= ( ) . On inverse P (qui est néces-
-1 1
sairement inversible, car les change-
ments de base sont des bijections !) et on
en déduit A".
le cas d'une ualeur propre multiple
Quand la matrice admet une valeur
propre double À, alors EÀest soit une
droite , soit un plan. Si c'est un plan, il
est aisé de démontrer que dans le cas
d ' une matrice carrée d'ordre 2, A= À I.
L'endomorphisme associé est un endo-
morphisme scalaire. Et ses puissances
se calculent aisément : A"= À.11 I.
Si E1,. est une droite de vecteur directeur
ü, On démontre quel 'on peut toujours
construire une base (ü, v), avec v tel que
f (v) = ü + Àv. Dans cette nouvelle
base , la matrice de f est J = ( ~ ~) .
61
SAVOIRS Diagonaliser...

Illustrons l' étude avec la matrice

Le mathématicien
Camille Jordan (1838-1922). 3-À -1 1
det(A-Àl) =
1
1 1-À
2
=(3-À)( t -À)+ 1=(À-2) •

Il y a une seule valeur propre, 2. L' es-

pace propre E 2 associé à 2 (et qui résulte
de A X= 2 X) se réduit à x =y . C'est la
première bissectrice du plan, dont un
vecteu r directeur est ü = ( 1, 1).
À la manière de Jordan, on cherche v
Puissance d'une matrice de Jordan tel que f (v) = ü + 2 v. Cela revient à
Une matrice de Jordan est une matrice triangulaire résoudre le système
simplifiée, dans la mesure où, en dehors des éléments
de la diagonale, elle contient des blocs ayant la même A(x)y 1I ) + 2 (x),
= (
y
soit {3x - Y = 1+ 2x
x+y= l+ 2y
valeur sur la diagonale, des « 1 » ou des « 0 » sur la « sur-
diagonale », et des « 0 » partout ailleurs. Ce qui est et donc x = l +y.On peut choisir y= 0
intéressant, c'est que toute matrice « trigonalisable » et x = 1, on obtient alors un vecteur v
se réduit à une forme de Jordan. qui conv ient. Ainsi, v =(~).Le couple
Pour ce qui est des matrices carrées d'ordre 2, (Ü, v) constitue une nouvelle base , dans
laquellef est représentée par la matrice
une matrice de Jordan sera de la forme A= (: :) .
. I.
tnangu aire J = (2 1) .
Pour calculer ses puissances, on procède comme dans 0 2
le cas précédent : La matrice de passage de la base cano-
nique (ï ,T) à la nouvelle base (ü , v) est
{a 2 2a\ . {a 3 3a 2 \
A2
l
= O az) ' pms A = O
3
l a J )"
P=(: ~)·
Cela conduit à proposer la formule On inverse P, et o n en déduit A".

n { a" na·-· \
A = 1\ 0 a" J· Et si le polynôme caractéristique n'ad-
met pas de racine réelle ? Il n' y a plus
Là encore, la formule se démontre par récurrence sur n. de diagonalisation ni de trigonalisation
dans IR , mais le passage aux complexes
permet de retrouver des formes plus
C'est une matrice triangulaire. On dit (de simples .
manière quelque peu familière) que l'on N.V.
a trigonalisé la matrice, sous une forme
particulière appelée forme (ou réduite)
de Jordan. Le calcul de J" ne pose pas
de problèmes (voir en encadré) . Le cal-
cul de A" se déduit ensuite de la for-
mule A" = P J" p- l .

62 Tangente Hors-série n°44. Les matrices

 par François Lavallou EN BREF

matrices en décomposition :
la factorisation LU
La « décomposition LU » correspond à la décom-
position d ' une matrice inversible en produit d'une
matrice triangulaire inférieure 1 (ou L pour « Low »,
« bas» en anglais), et d' une matrice triangulaire supé-
rieure S (o u U pour « Up »,« haut ») . Cherchons
(1 2 31
à décomposer ainsi la matrice A= l2 8 14).
3 14 34
On soustrait un multiple de la première ligne aux
li gnes suivantes pour faire di sparaître le terme de
la première colonne.

On obtient la matrice A
11
' = l~ ;
( 1 2 31
s J.
25
Les coefficients multiplicateurs utilisés, 2 et 3 ici,
complètent la première colonne de la matrice L ,
la factorisation QU
sac hant que la diago nale de cette matrice n 'est
constituée que de chiffres 1 . On continue avec la La « décomposition QU » est de la forme
deuxième li gne , et un coefficient 2 pour obtenir la A = QU, où Q est une matrice orthogo-
(1 2 31 nale , ses vecteurs colonnes constituent
matrice Am = lo 8J =
4 u. une base orthonormée et donc 1QQ = 1,
0 0 9 et U est une matrice triangulaire supé-
Nous avons effectué la factorisation rieure . On note souvent cette décompo-
( 1 0 01( 1 2 31 sition QR . Il existe des décompositions

A=LxU=l! ~ ~Jl~ ~ :J
RQ, mais aussi QL et LQ, où Lest une
matrice triangulaire inférieure. Ces décom-
qui permet de résoudre « économiquement » un positions sont souvent utilisées pour déter-
système d 'équations linéaires où le second me mbre miner l' inverse généralisé d'une matrice
pe ut c hanger. rectangulaire (décomposition SVD , voir
en page 75) .
Soit par exemple à résoudre l'équation matriciel le
AX =LUX= B. Le vecteur Y= UX est solution du
système tri angul a ire infé rie ur LY = B , qui se résout
rapideme nt par récurre nce ascendante (o n calcule
les termes un par un ,« de y 1 à y 3 »). On détermine
alors X comme solution du systè me tri ang ulaire
supérieur UX = Y, qui se résout par récurrence des-
cendante(« de x 3 à x 1 »). La complex ité algorith-
mique de cette méthode, inqépendante du second
membre B, est inférieure à celle de l' inversion par
le pivot de Gauss.

Hors-série n° 44. Les matrices Tangent:e 63

 SAVOIRS par Hervé Lehning
•
e PIUO
auss
Pour résoudre de petits systèmes d'équations, la méthode de
Gauss a l'avantage d'être simple. Mais gare aux résultats
obtenus si le système contient des paramètres ! En fait, la
méthode du pivot présente surtout un intérêt historique.
~un système d 'équa-
tions d'inconnues x, y , z... Nous
échangeons les équations de
façon à placer en tête une équation com-
portant la première inconnue (x). S'il
n'en ex iste pas, l'inconnue peut tout
simplement être supprimée puisqu'elle
n'intervient pas dans le système. Le
coefficient de x dans la première équa-
tion est alors utilisé comme « pivot »
pour détruire les coefficients de x dans
les autres éq uations, au moyen de com-
binaisons linéaires.
Déroulement des calculs
Pour préciser le procédé, considérons le
système su ivant :
l
x+2y +2z = 1,
2x+ y + 2z = 1,
3x +2 y +3z = 1.
Nous notons les trois équations (1), (2)
et (3) respectivement pour simp lifier
l' écriture. L'équation (2') =2 x (1 )-(2) ,
soit 3y + 2z = 1, ne contient plus de terme
en xet de même pour (3') = 3 x (l)-(3),
64 Tangente Hors-série n°44. Les matrices
soit 4y + 3z = 2. Ces calculs montrent
que si (x , y, z) est solution du système
{(I), (2), (3)}, alors il est aussi solution
de {(I) , (2 ' ) , (3 ' )}. La réciproque est
vraie car (2) = 2 x ( 1) + (2 ' ) et
(3) =3 x (1) + (3') . En procédant ainsi ,
ce résultat est toujours valable. Nous obte-
nons donc le système équivalent, c 'est-
à-dire aya nt la (ou les) même solution:
l
x + 2y +2z- 1,
3y + 2z = 1,
4y +3z = 2.
À partir de la deuxième, le équations ne
contiennent pas de termes en x . On
recommence sur elles, avec la deuxième
inconnue, autrement dit on considère
(3") = 3 x (3')- 4 x (2') , soit z = 2.
Nous obtenons un système triangulaire
équiva lent au précédent , donc au pre-
mier également :
l
x + 2y + 2z =I ,
3y +2 z =I ,
== 2.
Ce système peut se résoudre en com-
mençant par la dernière équation et en
remontant jusqu'à la première. On peut
également reproduire la première série
d'opérations pour obte nir un systè me
d iago nal. Les co mbin aisons linéaires
(2)-2 x (3) et ( l )-2 x (3) donnent :
Un nolvnôme annulateur
Avec les notations de l'article, la matrice A peut
s 'écrire A = 2U - 1. En élevant U au carré, on
obtient : U2 = 3U. À partir de là, A2 = 4U2 + l - 4U,

l
x+ 2y = -3,
3y = -3, donc A2 = SU + l = 4A + 51. Cette égalité peut être
z = 2. écrite en mettant A en facteur: A(A- 41) = 51, c'est-
En div isant la deuxième équ ati on par à-dire AB= l où B = (1/ 5)(A- 41). On en déduit que
3 pui s en la combinant à la pre mière, A est inversible et que A- 1 = B, ce qui donne bien

;:l l
le rés ultat s'ex prim e so us la fo rme ( -3 2 2\
A- 1 = S
I 2 -3 2 . J
=:: qui est donc la so luti on du 2 2 -3
z = 2,
système in itial.
l'article Systèmes linéaires et matrices.
méthodes modernes Ce sys tè me pe ut ê tre réso lu pa r la
méthode de Gauss. Il est également pos-
Cette méthode n'a plus qu ' un intérêt sible de résoudre n systèmes do nt les
histori que. Elle n'est pas la plu s pra- seco nd s me mb res so nt nul s sauf un
tiq ue dans un usage « à la mai n » car elle terme qui est égal à 1. Précisons cela avec
peut int rod uire des coeffic ie nts plu s une matrice carrée d 'ordre 3.
compliqués que la méthode usuelle par ( 1 2 2\
comb inaisons linéa ires, vue dans l'ar- La matri ce A= l2 1 2J est in versibl e
ticle sur les systèmes linéa ires. D 'autre 2 2 1
part, elle n'est pas adaptée aux systèmes pui squ e, d 'a près la règ le de Sar ru s,
avec paramètres. Dans ce cas, mie ux son déterminant est égal à
vaut util iser la méthode de Cramer vue 1 + 8 + 8 - 4- 4- 4 = 5 ;t: O.
dans l'art icle sur le sens du détermi- Considérons le système d 'équatio n
nant , au moi ns pour savoir dans que ls
cas le système a une et une seule so lu-
tio n. En ce qui co ncerne l' utili sati o n
l; l
(x\ ( 1\
Ax J ~J. En multipliant à gauche par
=

d' un ordinate ur, e lle n'est efficace que A- 1, la matrice inverse de A ,

pour des systèmes d'au plus une centaine (x\ (1\
d'éq uations à autant d' inconnues . Cec i nous obtenons l:J=A- xl~J · ce qui
1

peut sembl er énorme, mais les appli -

cations des mathématiq ues comme la
météorolog ie ou la phys ique nucléaire
conduisent à des systèmes de plusieurs
mi ll iers d'équations. On préfère alors des
méthodes itérati ves co mme ce ll e de
Gauss-Seidel.
Le ca lcu l de l' in verse d'u ne matrice
carrée d'ord re n correspond à la réso-
lution d' un système linéaire avec n para-
mètres (les coefficients d u second
membre), comme nous l'avons dans
signifie que la soluti on est la pre mière
colonne de la matrice inverse A- 1• Nous
obtenons les autres co lonnes en utili-
sant les seconds me mbres lJ lJ.
( 0\
~ et
( 0\
~
Les manipul atio ns pour résoud re ces
trois systè mes peuvent être regroupées.
O n les repre nd do nc e n parall è le sur
A et I j usqu 'à ce que A so it re mpl acé
par I. La matrice I sera alors re mpl acée
par A- 1•

Hors-série n• 44. Les matrices Tangente 65

 Le pivot de Gauss

On part donc de la matrice (A I) :

(1 2 2 1 0 0\

l~ 1 2
2 1 ~ ~ ~J
et, comme vu précédemment, on retranche
deux fois la première à la deuxiè me et
à la troi siè me .

(1 2 2 1 0 0\

On obtient l ~ =~ =~ -2
-2 0
1 oJ
1

pui s, à l'étape sui vante,

(1 2 2 1 0 O\

l o -3
0 0 -5/3
-2 -2
-2/ 3 -2/ 3
1 o,J· Portrait de Carl Friedrich Gauss
(1777-1855) réalisé en 1840
par Christian Albrecht Jensen
On multiplie alors la dernière ligne par (1792-1870).
-3/ 5, d ' où:
(1 2 2 1 0 0 \ La mê me méthode est utili sable pour

l o
0
-3 -2
0 1
-2 1
2/ 5 2/ 5 -3/5
0 J. calculer le rang d ' une matrice car les
opérations considérées conservent le
rang.
On reprend ensuite dans l'autre sens : ( 2 5 4\
on obtient Appliquons-le sur la matrice l }
2
! -52J.
(1 2 0 1/ 5 -4/5 6/5 \ ( 1 2 0 1/ 5 -4/ 5 6/5 \
-3 0 -6/5 9/ 5 -6/ 5J·l0 1 0 2/ 5 -3/ 5 2/ 5 J
l~ 0 1 2/5 2/5 -3/ 5 0 0 1 2/ 5 2/5 -3/ 5 La suite des transformations donne

(1 1 0 -3/ 5 2/ 5 2/ 5 \ (2 4\ (2 5 4\
et enfin l ~ 1 0 -~8 J pui s l ~
2/ 5 -3/5 2/ 5 J ,ce qui signifie que -18 - 18
-~8 J '
0 1 2/ 5 2/5 -3/ 5 l~ 9 0

(-3 2 2\ qui est de rang 2 pui sque les deux pre-

A - 1 =il~
-3 2 J. mières li gnes sont indépendantes.
2 -3
H.L.
Ce résultat est facile à vérifier en mul-
tipliant A par la matrice trouvée. La
forme de la matrice trouvée donne l'idée
d ' une autre méthode en introdui sant la
( 1 1 1\
matrice u=ll 1 'J (voirl 'encadréUn
1 1 1
polynôme annulateur).

66 Tangente Hors-série n°44. Les matrices

 par François Lavallou EN BREF

Décomposition
de Crout-Cholesky lanczos
La « décomposition de Crout » complète la décom-
position LU (voir en page 63) pour le cas d ' une
matrice symétrique .
Considérons la décomposition LU de la matrice

2 3\
8 14J ,
14 34

et « divisons » la matrice U par sa diagonale

Cornélius Lanczos (1893-1974) est un

mathématicien et physicien hongrois
(1 0 o, (
1 2 3\ assez méconnu. Il découvrit une solu-
NousobtenonsU=l~ ~ ~Jl~ ~ !) tion exacte de la théorie de la relativité
générale, connue maintenant sous le nom
qui nous donne directement la décomposition de de poussières de Van Stockum, et il éta-
Crout A= LD 1L. blit les bases de la transformée de Fou-
Comme la matrice A est de plus définie positive rier rapide (FFT) vingt-trois ans avant
(et admet donc des valeurs propres réelles posi - James William Cooley et John Wilder
tives) , nous pouvon s extraire une « racine carrée » Tukey. On donna tout de même son nom
de la matrice diagonale D. à un potentiel tenseur en relativité et à
une approximation de la fonction gamma.
( 1 0 o, Il développa de nombreuses méthodes
En posant B =Lx Jo = l !: ~J , numériques, dont la célèbre méthode du
gradient conjugué (qui permet une réso-
lution itérative des systèmes d'équations
nous obtenons la décomposition dite de Cholesky linéaires) , l'approximation o (qui éli-
mine les phénomène de Gibbs, à savoir
les oscillations des méthodes de Fou-
rier) , et un algorithme (dit de Lanczos)
qui permet, itérativement, de détermi-
ner les valeurs propres et vecteurs propres
d ' une matrice carrée ou la décomposi-
tion SVD d' une matrice rectangulaire, par-
ticulièrement pratique pour les très
grandes matrices .

Hors-série n• 44. Les matrices Tc:a.ngente

 SAVOIRS par Hervé Lehning

La relation de similitude est au centre de la réduction des

matrices, ce qui importe car deux objets similaires ont des
propriétés communes. Au premier abord, cette notion de
similitude semble se confondre avec la notion d'équivalence.
Elle est pourtant bien plus difficile à appréhender, et bien
plus riche.
les matrices A = (: :) et B = ( ~ ~)
a similitude des matrices concerne

L les matrices carrées de même

dimension . Elle a donc un champ
d'application plus restreint que I'équi-
valence, qui concerne les matrices de
même dimension en général (rectangu-
laires ou carrées). Pour fixer les idées,
considérons A et B des matrices carrées
d'ordre trois . Elles sont dites semblables
s'il existe une matrice carrée P d'ordre
trois inversible telle que A P = PB. En
algèbre linéaire, les formu les de chan-
gement de base montrent que deux
matrices sont semblables si elles repré-
sentent le même endomorphisme. La
relation définissant la similitude peut
également s'écrire A= PB P- 1 , ce qui
implique que la seule matrice semblable
à la matrice identité est elle-même.
Similitude et équivalence
La similitude implique l'équivalence ,
mais la réciproque est fausse. Par exemple,
puisqu'elles sont toutes deux de rang 1,
sont équivalentes. Si elles sont sem-
blables, il existe une matrice inversible
P= (: !) vérifiantAP= PB ,
0
c'est-à-dire(a+ c b+d)=(a ),
a+c b+d c 0
ce qui implique a= c =O ... et contre-
dit ainsi que P soit inversible. Les matrices
A et B ne sont donc pas semblables.
Les matrices considérées peuvent être
à coefficients rationnels, réels ou com-
plexes. Dans tous les cas, les matrices
inversibles peuvent être considérées à
coefficients dans le même corps. Plus
précisément, si deux matrices A et B à
coefficients rationnels sont semblables,
il existe une matrice inversible à coef-
ficients rationnels P telle que A P =PB.
De même, si elles sont réelles, la matrice
inversible P peut être considérée à coef-
ficients réels (voir l'encadré Perma-
nence de la similitude pour une
démonstration).

68 Tangente Hors-série n°44. Les matrices


Oiagonalisation et similitude
La diagonalisation des matrices peut se
lire en termes de simi litude: une matrice
diagonalisable est une matrice semblable
à une matrice diagonale. On remarque de
suite que cette notion dépend du corps
dans lequel on se place . Une matrice
réelle peut être diagonalisable dans le
corps des complexes sans l'être dans
celui des réels . Pour s'en convaincre, il
suffit de considérer la matrice ( O
dont le polynôme caractéristique
-1
-x
1
1 =x2 + 1 n'a pas de racines réelles.
-1
1
-X
Elle n'est donc pas diagonalisable en tant
que matrice réelle . En revanche, le même
polynôme a deux racines complexes dis-
tinctes (± i), la matrice est donc diago-
nalisable en tant que matrice complexe.
Combiné au résultat précédent, cette
remarque a un résultat inattendu.
Considérons les deux matrices ( O
-1
RÉDUCTION DE MATRICES
La notion de similitude dépasse le monde des matrices
et correspond plus généralement à un ensemble
de car actéristiques partagées, comme chez ce couple
de martins-pêcheurs.
Permanence de la similitude
Pour simplifier, considérons deux matrices carrées
(a b\ (a' b'\
d'ordre deux, A= 1 ) et B = 1 ) , à coefficients
\C d \C' d'
rationnels. On les suppose semblables en tant que
1
),
matrices réelles, c'est-à-dire qu'il existe une matrice
0
P = (; ;) inversible (soit xt - yz * o ), à coefficients
réels, telle que AP = PB.
Un calcul matriciel fastidieux mais simple montre que
l'existence de la matrice réelle P correspond à l'exis-
*
tence d'une solution vérifiant xt - yz o à un sys-
tème homogène de quatre équations à quatre inconnues
(x, y , z, t). Par hypothèse, ce système a des solutions
non nulles, il est donc de rang au plus 3.
Les solutions s'expriment ainsi rationnellement en
fonction des données, elles sont donc rationnelles, ce
1 qui prouve le résultat.
)
0
Hors-série n° 44. Les matrices Tangente 69
SAVOIRS
1 2
et ( ) . Elles ont le même polynôme
-1 -1
caractéristique, qui possède deux racines
complexes distinctes (± i) ; ces matrices
sont donc diagonalisables en tant que
matrices complexes. Elles sont sem-
blables à la même matrice diagonale
0 A est diagonalisable en tant que matrice
(i .) , elles sont donc semblables entre
0 -1
elles en tant que matrices complexes. La
permanence de la similitude implique
qu 'e lles sont semblables en tant que
matrices réelles.
Nous avons ainsi démontré que les deux
1 1 2 disant que 1'ensemble des matrices dia-
matrices ( O ) et ( ) sont sem-
-1 0 -1 -1
blables comme matrices réelles, et même
comme matrices rationnelles en vertu
du même théorème.
Un certain nombre de notions sont inva-
riantes si l'on passe d'une matrice à
une matrice qui lui est semblable. Les
plus simples sont le rang, la trace, le déter-
minant et le polynôme caractéristique.
Malheureusement , dans tous ces cas,
la réciproque est fausse. Ces quatre
notions sont donc seulement utiles pour
montrer que deux matrices ne sont pas
semblables. Par exemple, les deux matrices
(~ :) et ( ~ ~) ont même rang (2), même
trace (2), même déterminant (1), même
polynôme caractéristique (x2 - 2x + 1)
mais ne sont pas semblables. En effet, la
seule matrice semblable à la matrice
identité est elle-même.
Densité des matrices diagonalisables
Comme il est établi dans l'artic le Dia-
gonaliser pour calculer les puissances
d'une matrice, le cas le plus simple où
l'on peut affirmer qu'une matrice est
diagonalisable est celui où son poly-
nôme caractéristique n'a que des racines
70 Tangente Hors-série n°44. Les matrices
Similitude et diagonalisation
simples. Considérons donc une matrice
carrée complexe d'ordre deux A= (: !) ,
le discriminant de son polynôme carac-
téristique est alors
ô =(a+ d) 2 - 4(ad - be).
Si cette quantité est non nulle, la matrice
complexe. Si elle est nulle , il suffit de
modifier l' un des paramètres a, b, cou
d de manière infinitésimale pour obte-
nir une quantité non nulle. Ainsi, en
modifiant la matrice A de manière infi-
nitésimale, on obtient une matrice dia-
gonalisable. On résume ce résultat en
gonalisables est dense dans l'ensemble
des matrices . De mê me , on démontre
que, si l'on choisit une matrice aléatoi-
rement , elle est presque sûrement dia-
gonalisable ... ce qui signifie que la
probabilité qu 'elle soi t diagonalisab le
est égale à 1. Ces résultats permettent de
généraliser des résultats vrais pour les
matrices diagonales à toutes les matrices,
par exemple, le théorème de Cayley-
Hamilton selon lequel toute matrice
annule son polynôme caractéristique.
Pour simplifier l'écriture , nou s consi-
dérons des matrices carrées d'ordre trois
et une matrice diagonale D dont nou s
notons a, b etc les éléments de la dia-
gonale. Son polynôme caractéristique
est donc P(x) = (a - x)(b - x) (c - x).
Un calcul simple montre alors que P(D)
est la matrice diagonale dont les élé-
ments de la diagonale sont P(a), P(b) et
P(c), qui sont tous nul s, donc P(D) est
la matrice nulle .
Nous opérons a lors deux généra li sa-
tions. La première générali sation est de
nature algébrique, elle permet d'établir
le théorème pour les matrices diagona-
li sables. Si A est diagonalisable, il existe
une matrice inversib le Q et une matrice
diagonale D telles que A= Q D Q- 1•
 RÉDUCTION DE MATRICES

Invariance de la trace
La trace d'une matrice carrée est la
somme des éléments de sa diagonale.

La trace de A = (: !)
est donc égale à tr(A) = a + d.

Considérons alors une autre matrice

P- ( a fJ\
-lr o)·
La trace de A Pest aa + by + c/3 + do.
En échangeant les lettres latines et les
lettres grecques, on remarque que
tr(A P) = tr(P A) . Cette égalité étant
vraie pour toute matrice A, on peut
l' appliquer à P- 1 A si Pest supposée
inversible . Cela donne :
tr[(P- 1 A) P] =tr[P (P- 1 A)],
qui implique qu ' une matrice a la
même trace que toute matrice qui lui
est semblable.

Une matrice diagonalisable

est une matrice semblable
à une matrice diagonale.

Les matrices A et D ont mê me pol y-

nôme caractéri stique P et
P(A) =Q P(D) Q- 1 = O.

La seconde générali sation est de nature

analytiqu e, e t utili se la de ns ité des
matrices di agonali sables . Si A est une
matrice non di ago nali sabl e, il ex iste
une suite (A),, de matrices di agonali -
sabl es de limite A. On démontre que la
suite de po lynômes caracté ri stiqu es
(P,,) 11 de A,, converge vers le polynôme Trace du passage de l'eau sur un rocher
caractéri stique P de A , pui s que P,,(A,,), à Capitol Reef (États-Unis).
qui est nul , converge vers P(A) ... qui
est donc nul égale ment.

H.L.

Hors-série n° 44. Les matrices Tangente 71

 SAVOIRS par Hervé Lehning
Diagonalisation,
géométrie et algèbre
Les matrices carrées peuvent être diagonalisables ou ne pas
l'être. La question est liée à la dimension des espaces propres,
une question de nature géométrique. Elle est également liée à
l'annulation de polynômes, une question de nature algébrique.
r A une matrice carrée
C 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-à-dire semblable
à une matrice diagonale D , alorsf a pour
matrice D dans une base (i,j, k). Soit, si
a, b et c sont les éléments de la diago-
nale de D :f(i) =ai,f(;) =bj etf(k) =ck.
Cela donne une caractérisation géomé-
trique de l'endomorphi sme f.
Image d'un vecteur par un endomorphisme diagonalisable.
72 Tangente Hors-série n°44. Les matrices
Tout vecteur V de l'espace se décom-
pose en V= xi+ yj + zk sur la base donc,
par linéarité:
f( V) =xf(i) + yf(;) + zf(k)
=axi + byj + czk ,
ce qui a une signification géométrique
(voir la fi gure ci-contre).
Dimensions des espaces propres
Selon que les valeurs propres a, b et c sont
di stinctes ou pas , les espaces propres
sont de dimension 1, 2 ou 3. Dans tous
les cas, la somme de leurs dimensions est
éga le à 3, la dimension de l'espace. La
réciproque est vraie : si la somme des
dimensions des espaces propres d'une
matrice carrée est égale à sa dimension,
e lle est diagonali sable . On peut simpli -
fier cette caractéri sation géométrique en
introdui sa nt la noti o n de multiplicité
d ' une valeur propre, comme multipli-
cité en tant que zéro du po lynôme carac-

téristique. On dé montre alors qu ' une
matrice est diagonalisable sur le corps des
complexes si les espaces propres asso-
ciés aux valeurs pro pres multiples sont
de dimensions éga les à cette mul tipli -
cité . Pour qu 'elle soit di agonalisable sur
le corps des réels, il suffit de plus que tous
les zéros du polynôme caractéri stique
so ient réels.
Pre nons l'exemple de la matrice
(- 1 2 2\
- 1
A=l~ 2 J.
2 - 1
Il est possible de calculer son polynôme
caracté ri stique pour la di ago na li ser,
mais on peut éga le ment s'en passer. En
effet, il suffit de changer les élé ments
de la di agonale (égaux à - 1) en 2 pour
obtenir une matrice de rang 1. Autrement
dit , A + 31 est une matrice de ra ng l . Le
théorè me du ran g nous pe rme t alors
d'affirmer que son noyau est de dimen-
sion 2, ce qu i signifi e que -3 est une
valeur propre de A et que l'espace propre
associé est un plan . La trace de A est égale
à-3, on en conclut que 3 est également
valeur propre, ce qu ' il est fac ile de véri-
fie r en calcul ant le ra ng de A - 31, qui
est égal à 2. La matrice A est donc di a-
gonalisable, semblable à la matrice dia-
gonale dont les éléments diagonaux sont
respecti veme nt -3, -3, 3.
Restons sur cet exemple. D'après le théo-
rème de Cayley-Hamilton, A est annu-
lée par so n polynôme caracté ri stique
(3 + x)2(3-x).
Autrement dit : (A + 31)2(A- 31) = O.
En fa it , il est aisé de vérifier la relation
plus forte (A + 3l)(A-31) =Ü. De manière
générale, si A est di agonalisable, elle est
annulée par un polynôme n'ayant que
des racines simples: les valeurs propres
comptées chacune une seule fois (voir l'en-
Hors-série n• 44. Les matrices Tangente
RÉDUCTION DE MATRICES
Calcul d'un nolvnôme
d'une mauice diagonale
Soit D une matrice diagonale dont les
éléments de la diagonale sont res-
pectivement a , b ... Un calcul simple
montre que D2 est encore diagonale et
que les éléments de sa diagonale sont
respectivement a 2, b2 .• . Le raisonne-
ment peut être itéré, et on obtient de
façon générale (p est un entier) : IY' est
diagonale et les éléments de sa dia-
gonale sont respectivement aP, bP ...
Un polynôme Pest une combinaison
linaire de puissances x.P, donc P(D)
est la même combinaison linéaire de
puissances IY'. La matrice P(D) est
donc diagonale et les éléments de sa
diagonale sont P(a), P(b) .. .
On en déduit que si P est un polynôme
annulant chacun des éléments de la
diagonale de D, alors P(D) est la matrice
nulle. Si A est une matrice diagonali-
sable, il existe une matrice inversible
Q et une matrice diagonale D telles
que A= Q DQ- 1. Le même type de rai-
sonnement que précédemment per-
met de prouver successivement :
A2 = QD2Q-1, A3 = QD3Q- 1...
P(A) = QP(D)Q- 1,
où P est un polynôme. Le résultat pré-
cédent se généralise donc aux matrices
diagonalisables.
cadré Calcul d'un polynôme d'une mntrice
d iagonale). De façon plus étonnante, la
réciproque est vraie : si une matrice est
annulée par un polynôme n'ayant que
des racines simples, alors elle est dia-
gonalisable. Ses vale urs propres fo nt
alors partie des racines du polynôme.
On peut en proposer une dé monstration
relati vement simple si le polynôme est
73
SAVOIRS
Polvnôme annulateur
et diagonalisation
Supposons que la matrice carrée A d' ordre 3 vérifie l'équa-
tion (A - al)(A - bl) = 0 , où a"# b. D ' après cette relation ,
l' image de A - bl est incluse dans le noyau de A - al.
Or, le théorème du rang permet d ' affirmer que la dimen-
sion de l' image de A - bl est égale à 3 moins la dimension
du noyau de A - bl.
L' inclusion annoncée plus haut implique donc l' inégalité :
3 - dim [Ker(A- hl)] ~ dim [Ker(A- al)],
que l' on peut écrire :
dim [Ker(A- al)]+ dim [Ker(A- hl)] i!:: 3.
Si a et b sont valeurs propres de A , les deux noyaux ci-
dessus sont les espaces propres associés.
La caractérisation géométrique 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 même si b n'est pas valeur propre.
de degré 2 ( voi r l'encadré Polynôme
annulateur et diagonalisation). Dans le
cas de la matrice A précédente, le simple
constat (A+ 31) (A - 31) = 0 suffit donc
pour affirmer qu 'elle est diagonali sable.
Considérons la matrice
l
(a-b-c 2a
A= 2b b-a - c
2c 2c
o ù les coeffic ie nts a , b e t c sont des
nombres réels. Est-elle di agonalisable?
Nous di sposons de deux méthodes pour
attaquer la question : géométrique ou
algébrique. La présence des trois para-
mètres rend le calcul du polynôme carac-
téristique délicat, il vaut mieux essayer
de jouer sur les particul arités de cette
matrice. Nous re marquons alors que, si
74 Ta.ngente Hors-série n°44. Les matrices
Diagonalisation, géométrie ...
no us aj o uto ns la somme a + b + c à
chaque terme de la diagonale, nous obte-
nons une matrice dont les é léments de
la première ligne sont tous égaux à 2a ,
ceux de la seconde, à 2b et ceux de la
troi sième , à 2c . Autrement d it , chaque
ligne est colinéaire au vecteur colonne
( 1 , 1, 1). L e ra ng d e la m a t rice
A+ (a + b + c) 1 est donc égal à 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 associé est un pl an. La
trace de A est égale à -(a + b + c), donc
a + b + c est auss i valeur propre .
Pour conclure, il suffi t de calculer le pro-
duit [A+ (a + b + c) I] [A-(a + b + c) I],
c'est-à-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 polynôme
x2-(a + b + c) 2 , qui n'a que des raci nes
simples à la cond ition que a + b + c so it
diffé rent de O. Dans ce cas, A est d iago-
nalisable. Si a + b + c = 0, la seule valeur
propre de A est 0, A n'est donc diago-
na li sabl e qu 'au cas où e ll e est null e,
c'est-à-d ire si a= b = c = O.
En résumé, la matri ce donnée est dia-
gonalisable si et seulement si a + b + c "# 0
ou a = b = c =O.
H.L.
 par François Lavallou EN BREF

La décomposition d'une matrice en valeurs singulières (ou SVD pour singular value
decomposition) est un outil de factorisation de matrices rectangulaires très utilisé en
théorie du signal.
Pour une matrice rectangulaire A possédant m lignes et n colonnes, la décomposition
en valeurs singulières correspond à la factorisation A= M X I X tN, où M est une
matrice carré de taille m, N est une matrice carrée de taille n, M et N sont unitaires
(M tM = l m et N tN = In) et I est une matrice rectangulaire (de même taille que A)
dont les seuls éléments non nuls sont « diagonaux » (à savoir les termes I; i pour
i = 1.. . min(m, n)) et positifs. Les valeurs « diagonales » de I sont appelées les
valeurs singulières.

Un problème récurent du traitement du signal est de déterminer n paramètres d'un

système linéaire, de matrice A, dont on effectue m mesures (avec m > n), dans l'espoir,
justifié, d'obtenir une meilleure précision. Nous avons alors à résoudre l'équation
Y = AX, avec Y carrée de taille m, X carrée de taille n, et A rectangulaire ayant m lignes
et n colonnes. Si la matrice A était carrée, tout « tournerait rond » et il suffirait d'en
calculer la matrice inverse. Alors rendons-la carrée en la multipliant par sa transpo-
sée ! 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 généralisé, ou pseudo-
inverse, de la matrice A.

Dans la pratique, les mesures sont bruitées : Y = AX + b. En cherchant un ensemble de

paramètres X qui minimise l'écart aux données, c'est-à-dire tel que IIY -AXII soit minimum,
on trouve la même solution ! La solution des moindres carrés est l'inverse généralisé.
En utilisant la décomposition SVD de la matrice A, on obtient une expression simple,
et surtout pratique, de cet inverse généralisé : A* = N x I,+ x tM, où I,+ correspond à
la transposée de I dans laquelle tous les coefficients non nuls sont remplacés par leur
inverse. Nous avons ainsi l'expression d'un inverse généralisé (non unique) dans le cas
où la matrice B = tA A est non inversible.

Il arrive souvent qu'un problème soit mal posé, c'est-à-dire que l'inverse, ou l'inverse
généralisé, même s'ils existent, amplifient le bruit. Ceci est dû à une valeur singulière
proche de zéro dont l'inverse devient très (trop) grand. Il suffit alors, dans I +, de
rendre nulle la valeur correspondante, ce qui revient à annuler cette valeur singulière
dans I. On pourrait aussi translater cette valeur d'une quantité qui rende son inverse
« acceptable » . Il s'agit là d'un filtrage , ce qui nous conduit à la théorie spectrale,
domaine bien trop vaste pour être abordé ici.

Hors-série n°44. Les matrices Tangente

 SAVOIRS par Hervé Lehning
la trigonalisation
Quand une matrice n'est pas diagonalisable, c'est-à-dire
semblable à une matrice diagonale, peut-on encore la réduire
à une matrice « simple » ? La réponse tient dans l'utilisation
du corps des complexes et dans la trigonalisation.
o ns idé ro ns une matrice com-
C plexe. Si son polynôme caracté-
ri 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 même ... si l'espace propre
correspondant à chaque valeur propre
multiple est de dimensio n égale à son
ordre de multipl icité. Dans la suite, nous
considérons donc les cas, relati vement
rares, où cette propriété est fa usse.
Cas de non- diagonalisation
Considérons la matrice A= ( ~ =~) etf
l'endomorphisme associé dans une base
Fleurs trigonales dans le
désert du Namib.
76 Tangente Hors-série n°44. Les matrices
du plan, association qui sera systémati-
quement fa ite dans la suite. Son poly-
nô me caractéristique est égal à
J- x
2
- 1 = x 2 - 2x + 1 , qui a une
I
2 - 1-x
racine double, 1. La seule valeur propre
de A (et de f) est donc 1. S i A était dia-
gonalisable, elle serait semblable, donc
égale, à l'identité, puisque p 1p- 1 = 1.
Bien entendu, ce n'est pas le cas. L'es-
pace propre associé à I est de dimen-
s io n 1, ce que l'on peut vérifier e n
.,
cons1derant le rang de A - I = (22 -2)
-2
,
qui est bien égal à 1. Cette matrice per-
met de trou ver un vecteur propre de/:
le vecteur i de coordonnées ( 1, 1). Autre-
ment dit,f(i) = i.
Considérons alors un vecteur j non coli-
néaire à i, celu i de coordonnées ( 1, 0)
po ur fi xer les idées. Le système (i, j)
définit une base du plan. Pour détermi-
ner la matrice defdans cette base, il suf-
fit de calculer f(J) dans la base (i ,J). Dans
la base initiale, les coordonnées de f(J)
sont fournies par le produit A ( ~) = ( ~) .
Pour déterminer celles dans la base (i,j) ,
il suffit de résoudre l'équation
( ~) = x(:) + y(~) .. . ce qui est facile. On
trouve: x = 2 et y= l. La matrice def
dans la base (i, j) est donc B = ( ~ ~) .
La matrice B est trigonale, supérieure
en l' occurrence. Si on change l'ordre
des vecteurs, c'est-à-dire si on écrit la
matrice de f dans la base U, i) , on obtient
la matrice B' = ( ~ ~) , qui est trigonale
inférieure . Dans la suite de cet article,
on opte pour les matrices trigonales
supérieures.
On peut penser que ces résultats tien-
nent à un choix heureux du vecteur j. Il
n ' en est rien : tout autre vecteur k non
colinéaire à i aurait donné une matrice
trigonale . En effet,f(k) s 'écrit sur la
base (i, k), soitf(k) =ai+ bk . La matrice
de f dans cette base est C = ( ~ :) .
En calculant le polynôme caractéris-
tique de f , on trouve ( 1 - x)(b - x), soit
x 2 - 2x + 1, d'où l'on déduit que b est
égal à 1. Le coefficient a est non nul, sinon
f serait diagonalisable . En remplaçant k
par k / a, on obtient une matrice plus
« simple » : D = ( ~ :) , qui est également
la matrice def dans la base (i,j/2).
Ce résultat se traduit de manière matri-
cielle par: A= PD P- 1, où Pest la matrice
de passage de la base initiale à (i,j/2),
. :p=
soit (0 1) . La matnce
. .inverse est
2 -2
0 1
P- 1 = ( ) , ce qui permet de vérifier
2 -2
l'égalité précédente.
Ce cas est général. Autrement dit, toute
matrice carrée d ' ordre deux non diago-
nalisable, de valeur propre À. , est semblable
à la matrice ( ~ ~) . Cette forme est dite
de Jordan (voir l' encadré Trigonalisa-
tion de Jordan).
Hors-série n• 44. Les matrices Ta.ngent:e
Vecteur propre et plan stable
Considérons une matrice A carrée d'ordre 3 et/ son endo-
morphisme associé dans une base de l'espace. la matrice trans-
posée tA a au moins une valeur propre A, et donc un vecteur
(a\
l:
propre associé V= J :f:. o pour lequel tAV = AV soit,
en transposant, tyA= Atv. Soit M un point de coordonnées
(x, y, z) appartenant au plan Q d'équation ax + by + cz = o,
ce que l'on peut écrire sous forme matricielle:
tvx = o où X = l!
(x\
J. Le point/(M) correspond à la matrice
colonne AX, et : tv(AX) = (tvA)X = (A tv)X = A(tvx) = o.
Ainsi, l'image parf de tout point de Q appartient à Q, ce qui
prouve l'existence d'un plan stable parf.
De même que la diagonalisation, la tri-
gonalisation permet de calculer des puis-
sances 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 itérant, on montre que
A 3 = PD 3 P- 1 ••• et, de façon générale,
An= ponp- 1 pour tout entier n. Un cal-
cul simple fournit :
0 2=(~ ~),03=(~ ~), ... IY'=(~ ~)·
On en déduit que
An=('1 1/ 2)(1
0 0
n)(O
1 2 -2 'p
1)
uis ueAn=(2n+I
q 2n
-2n)
1- 2n ·
Considérons maintenant une matrice
A carrée complexe d ' ordre 3 et f son
endomorphisme associé dans une base
de l' espace . En utilisant la notion de
valeur propre sur la matrice transposée,
on montre qu ' il existe un plan Q stable
par f, c'est-à-dire tel quef (Q) soit inclus
dans Q (voir l'encadré Vecteur propre
et plan stable) . Grâce à ce résultat, on passe
de la dimension 2 à la dimension 3 et
au-delà . On considère une base (i ,j) de
Q dans laquelle la matrice def(ou plus
 SAVOIRS La trigonalisation

Trigonalisation de Jordan exemp le. La valeur propre -2 et un vec-

On appelle bloc de Jordan une matrice dont tous les éléments
sont nuls saufla diagonale principale, sur laquelle tous les
nombres sont égaux, et la diagonale immédiatement supé-
rieure, sur laquelle tous les nombres sont égaux à 1.
On démontre que toute matrice complexe peut être trigo-
nalisée 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 l~ ~ :J.
()... 1 1
teur propre associé i de coordonnées
(0, 0, 1) sont en évidence. L'autre valeur
propre est double , et égale à 1. L'espace
propre associé est de dimension 1, engen-
dré par j de coordonnées (3, -6, 20).
Il suffit de compléter par un vecteur k
quelconque (mais indépendant dei et))
pour trigonaliser la matrice donnée. On
peut cependant s'inspirer de la forme de
o\
Jordan (voir l'encadré) en cherchant k

(où À etµ peuvent être égaux) et tel que f(k) = k + j , ce qui revient à
2x+ y= 3
résoudre le système .
{ 4x-8y-3z =20

précisément de la restriction de f à Q) On trouve le vecteur de coordonnées

est trigonale supérieure, soit de la forme (], 1, -8) . La matrice trigonale cherchée

( ~ :) . En complétant cette base par un

vecteur k n'appartenant pas à P, on obtient

est l
(-2 0 0\
O
0
1
0
1J.
1
une base (i,j, k) dans laquelle la matrice

Camille Jordan
de f est l
(À

O µ
Ü
E

Ü
p\
aJ . En calculant son
V
Le second cas est plus délicat.
Prenons l'exemple de la matrice
( 2 0 1\
(1838-1922)
est à l'origine des
matrices portant
polynôme caractéristique, on montre que
les éléments de la diagonale sont les
valeurs propres de A comptées avec leurs
l-1 1-IJ .
1 2 0
La seule va leur propre est

1, d 'espace propre associé de dimension

son nom ..... mais ordres de multiplicité. Toute matrice car- 1, de vecteur propre de coordonnées
pas de la méthode rée d'ordre 3 est donc trigonalisable. (1,-1,-1). En s'inspirant de la forme
de Gauss-Jordan ( 1 1 0\
qui est due Pratique en dimension trois de Jordan lo 1 J , on cherche troi s
1
à un homonyme, 0 0 1
Wilhelm Jordan. La pratique de la trigonalisation en dimen- vecteurs i,jet k tels quef(i) = i,f(j) = i + j
sion 3 est plus compl iquée qu'en dimen- etf(k) =k + j. En lisant cette liste « à l'en-
s ion 2 car plusieurs cas peuvent se vers », on obtient) et i en fonction de k:
présenter, a priori : j = (f - id)(k) et i = (f - id)()), ce qui
• La matrice A peut avoir une valeur donne i = (f- id)2(k).
propre simple et une double, mais d 'es- La conditionf(i) =i devient if- id)3(k) =O.
pace propre associé de dimension 1 ; Or, un calcul simple montre que
• La matrice A peut avoir une valeur (f- id) 3 = O. Le choix de k est donc libre
propre triple, d'espace propre associé de de cette contrainte. En prenant k de coor-
dimension 1 ou 2. données ( 1, 0 , 0) , on trouve j de coor-
Le premier cas est similaire à celui des données ( 1, - 1, 1) et i de coordonnées
matrices d'ordre 2. (2, -2, -2). La matrice donnée est donc
( 3 1 bien semblable à la matrice de Jordan
La matrice l-4 4
-1
-8
en est un ci-dessus.
H . L.

Tangente Hors-série n°44. Les matrices

 par Bertrand Hauchecorne EN BREF

e et produit de matrices diagonalisables

La somme de deux matrices diagonales est une matrice diagonale. Il en est de même du
produit. Cependant, ces propriétés deviennent fausses pour des matrices diagonalisables,
comme le montre les exemples suivants.
1 1
Posons A=( )et B= (-l O). Le polynôme caractéristique de A est PA(X) = (X - 1)(X - 2).
0 2 0 -2

Il possède deux racines distinctes, donc A est diagonalisable; B l'est aussi puisqu'elle est dia-
gonale!
C=A+B = (~ ~) n'admet que o pour valeur propre. Si elle était diagonalisable, elle serait

semblable à la matrice nulle, ce qui est clairement faux.

Posons maintenant A=(~ ~)et B= (~ ~).Le polynôme caractéristique de A est PA=X(X-1).

Il possède deux racines distinctes donc A est diagonalisable. B l'est aussi, puisqu'elle est

diagonale! Leur produit C = (~ ~) n'est, lui, pas diagonalisable.

Le théorème spectral affirme que toute matrice réelle symétrique est diagonalisable dans
une base orthonormée. Cette propriété est spécifique au corps des réels. Sur deux
exemples, nous allons voir que ceci devient faux si le corps de base est l'ensemble des
rationnels ou des complexes.
Le polynôme caractéristique de la matrice complexe A = G~)
est (X - 1)2. L'unique

valeur propre étant 1, si A était diagonalisable, elle serait semblable à la matrice unité et
représenterait donc l'identité. Ce n'est clairement pas le cas ...
1 1
Posons enfin B= ( ) considérée comme matrice à coefficients rationnels. Son polynô-
1 -1
me caractéristique, X2 - 2, ne possède aucune racine rationnelle. En effet, .Jiest un nombre
irrationnel, et donc B ne possède aucune valeur propre rationnelle.

contre-exemple à méditer
A et B étant deux matrices carrées de même taille, les produits AB et BA ont le même poly-
nôme caractéristique. Donc ces deux matrices ont les mêmes valeurs propres. Cependant,
leurs polynômes minimaux peuvent être 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 polynôme minimal de
AB est X alors que celui de BA est X2 • Ainsi AB est diagonalisable, tandis que BA ne l'est pas.

Hors-série n°44. Les matrices Tangente

 ACTIONS par Philippe Langenaken

manipuler des matrices

auec un tableur
Les tableurs peuvent traiter rapidement des calculs
matriciels. Cet article présente quelques procédures simples
qui vous éviteront bien des calculs ! Microsoft Excel ( version
2010) est utilisé ici, mais Open Office Cale, par exemple, ferait
tout aussi bien l'affaire.
n tableur est simplement un pro- taille 3 encodée dans les cellules (B 1:D3)

U gramme informatique capable

de gérer les feuilles de calculs
(c'est-à-dire des tables contenant des
informations que l'on peut mathémati-
quement modéli ser à l'aide de matrices) .
Les pères fondateurs du tableur sont les
Américains Robert Frankston et Daniel
Bricklin , dans les années 1970 (voir par
exemple les Algorithmes, page 53, Biblio-
thèque Tangente 37, 2009). On utili se
généralement un tableur pour des cal-
culs locaux , des simulations ou des pro-
jections, pour des fonctionnalités absentes
des logiciels de gestion et beaucoup plus
difficilement réalisables en recourant à
de la programmation .
Abordons )' utilisation d' un tableur par
quelques exemples simples. L'un des
exercices les plus courants, proposés aux
élèves du secondaire, est le calcul du
détemùnant d'une matrice carrée. Voyons
comment on peut y arriver rapidement en
utilisant un tableur (une liste des princi-
pales fo nctions disponibles est proposée
en encadré). Soit une matrice carrée de
(voir la figure ci-dessous). Localisons par
exemple le calcul de son détemùnant en
cellule B5 . Il suffit d' utiliser la fonction
prédéfinie Determat. Dans 85 , écrivons
=DETERMAT(BI :D3). Appuyer sur
Entrée permet de voir immédiatement le
résultat s'afficher.
A C D E
1 ( 1 0 )
2 1 4 -5 7 1
l 1 -3,2 6 )
4
Le calcul d'un déterminant d ' une
matrice de taille 3.
Pour obtenir l'i nverse de cette matrice ,
par exemple en (H 1:13), il suffit d'uti-
li ser la fonction In versemat : sélection-
nons les cellules (H 1:13), qui contien-
dront la matrice résultat, tapons
=INVERSEMAT(BI :D3) et validons
avec les touches Ctrl-Maj-Entrée. De
fait, les formu les qui renvoient des

TC1.ngente Hors-série n°44. Les matrices

 RÉDUCTION DE MATRICES
'

matrices doivent être tapées sous
forme matric ie lle, en validant avec
Ctrl- Maj-Entrée. Une fo is saisie, la
formule matricielle apparaît égale ment
dans la barre de formule, encadrée par
des accolades.
. ( i •. )
:i i
. ,vtll\l.\UT,ll
Pour plus de clarté, il est souve nt utile
de nommer les cellules et les plages.
Le calcul matriciel ne fait pas excep-
tion à cette règle . Attribuons le nom A
à la plage (B 1:D3), en cherchant dans
l' onglet Formules la fo nction Définir
un nom .
~·- i1

~ l. ~ .;! l-1

'
',., Nom : Al Nommer un
Zont : ,@
o--.s-----__B-.-
-.. ..,..,
L'inverse de la même matrice. ensemble de
C&!rrmentaire :
cellules.
Multiplions à présent la matrice carrée
(H l:1 3) par la matrice colonne
(M 1:M3). Le résultat sera bien entendu F• n!f6rence à : -Feull 1$8$1 :$0$3
une matrice colonne, que nous faisons ()1( 1 [ Arruer
calculer en (Q 1:Q3) . Il suffit d ' utiliser
la fonction Produitmat, en procédant
comme suit : sélectionner la plage de Si l' on nomme successivement InvA la
cellules résultats (Q 1:Q3), tape r plage (HI:J3), B la plage (Ml:M3), M
=PRODUITMAT(H 1:J3 ;M 1:M3), puis la plage (B6:C8), N la plage (G6:H8)
valider. et k la cellule A 10, les formules ci-des-
sus deviennent respecti vement
•
f
0
" 1 •
r;.."ll tlC'n41.M'•
C:,C:l-C:.U"C ••t,
_. 1 , c;11; -e..-
l
C
=DETERMAT(A),
c:te._
=INVERSEMAT(A),
La multiplication de la matrice par =PRODUITMAT(InvA ;B),
un vecteur. =M+N , =3*M et =k*M.
Les possibilités d 'application des
On peut évidemment additionner deux tableurs sont nombreuses ! Outre les
matrices, pour autant qu 'elles soient de calculs de déterminants ou d ' inverses
tailles identiques. Sur l'exemple c i- de matrices, on peut effectuer des
dessous, on sélectionne la plage résul- simulations ou des calculs à la chaîne .
tat (L6: M8), on saisit la formule (ic i Voici deux idées d ' applications relati-
tout simplement =B6:C8+G6: H8), puis vement simples et utilisables dans un
on valide . cadre scolaire.
La résolution d ' un système de n équa-
tions linéaires à n inconnues se résout
'.
l .
' . l [. ... l [[G ]
• •
c~
•
•
•
~ '
z.
• aisément, pour autant que ce dernier soit
de Cramer (c'est-à-dire que le détermi-
L'addition de deux matrices nant de la matrice des coefficients est
rectangulaires. non nul). Regardons le système
3x, - 2x2 + x 4 + l ,4x5 = 3
Il est possible de multiplier une matri-
6x, + 2x2 + 0 ,5x3 + 3x4 + 2x5 = 2
ce par une constante, ou par la valeur
Sx, + 2x3 - x4 - x5 = 1
d' une cellule, en utilisant respective-
x, + 2x2 + 6x3 + 2x4 + 3x5 = -4
ment dans la cellule résultat =3*B6:C8
ou =A 10*B6:C8. - 3x2 + l,5x3 - x 4 + l,2x5 = 5

Hors-série n" 44. Les matrices Tangente 81

 1
ACTIONS Manipuler des matrices...

Ce système pe ut s'exprimer sous la les commandes prédéfinies

forme du produit matriciel sui vant :
De nombreuses fonctions matricielles
(3 -2 0 1 1,4\(x,\ ( 3\ existent dans Openüffice Cale comme
6 2 0 ,5 3 2 X2 2 dans Excel.
5 0 2 - 1 -1 1 • Le produit de deux matrices Mt
1 2 6 2 3 -4 et M2 correspond à la commande
0 -3 1,5 -1 J,2 X 5 5 Produitmat(M1;M2),
~---~--~______..
A X • L'inverse d'une matrice
ou encore AX = B . On introduit les inversible M s'obtient à l'aide de
valeurs des différents coeffic ients dans lnversemat(M),
le tableur, et on vérifie que le détermi- • L'opération de transposition de
nant de A est non nul : la matrice M s'effectue grâce à
Transpose(M).
A B c 0 G H K M N • Le calcul du déterminant de M
( ·2 0 1,4 ) ( xl 3 ) s'obtient via Determat(M).
1 2 0,5 2 1 1 x2 2 1 Les commandes en version anglo-
1 ·l ·l 1 1 x3 l 1
4 1 3 1 1 x4 -4 1 saxonne sont respectivement
5 l -3 1,5 -1 1,2 J l x5 5 J Mmult(M1;M2), Minverse(M),
7 IAI = 311,4
Transpose(M) et Mdeterm(M)
En outre, il est possible d'extraire les
Le déterminant de A vaut 311,4 ; il est non nul. colonnes ou les lignes de la matrice M,
en utilisant les fonctions Colonnes(M) et
La cellule B7 contient la form ule Lignes(M) (ou Colurnns(M) et Rows(M)
= DETERMAT(A). La matrice A est dans la version anglo-saxonne).
donc inversible, le système proposé est Enfin, il faut faire attention aux sépara-
bien de Cramer. teurs d'arguments requis par les options
SiAX=B,alorsX=A- 1 B. régionales pour votre tableur préféré (en
La solution s' obtient ai nsi : général, point-virgule en version fran-
çaise et virgule en version anglaise) !
8
9 -0,l 0,155 0,091 -0,07 0,123 3 ) l )
10 ·O, 76 0,448 -0,05 -0,12 0,396 2 1 1 1 Calculs à la chaîne... de markou
11 0,385 -0,35 0,14 0,232 -0,33 1 -2 1
1,445 -0,81 0,025 0, 372 -1,25 1 1

"-•
12 -4 -5
13 -1,19 0,883 -0,29 -0,28 1,198 5 J 5 J Les procédures de simulation utilisent
"--- =INVERSEMAT(A)

=PRODUITMAT(B9 Fl3.19 113)

J souvent des matrices stochastiques.
L'exemple suivant va permettre d ' illus-
trer une suite de compositions de trans-
formations (constituant des chaînes de
La solution apparaît : Markov conve rgentes) ainsi que la
x. =1, notion de distribution stationnaire.
Xz =1, Au pays imag inaire du Mathe ndesh , on
x3 =-2, observe des mouve ments de popula-
x 4 =-5 tion e ntre zones urbaines (U) et zones
et x 5 =S. péri urbaines (P) : tous les ans, 12% des
habitants de la ville migre nt vers la
banlie ue et 8% des banlie usards vont

82 Tcingente Hors-série n°44. Les matrices

 RÉDUCTION DE MATRICES

habiter en vi lle . Cette situation peut se

décrire par la transformation linéaire Recherche de valeurs propres
suivante: L'outil Valeur cible d'Excel permet de rechercher des
U;. 1 : 0,88U; + 0,08P;
valeurs propres approchées d'une matrice. Considérons par
{ P;. 1 - 0,l 2U; + 0,92P; exemple une matrice de taille 5 entrée dans une feuille de
calcul en (C1:G5). Appelons cette matrice A.
ou, sous forme matricielle : Un vecteur propre associé à A est une matrice colonne X
non nulle telle que AX = ÀX, où À est une valeur propre de
U;.,) = (0,88 0,08) (U ;) A. Pour une telle valeur propre À, le déterminant de la
( P;., 0,12 0,92 P;
matrice A - ÀI sera nul. En (L1:P5), encodons la matrice iden-
U; et P; désignent respectivement les tité 15. En C1, réservons une place pour la valeur propre À.
population s urbaine et rurale pour l'an- Nommons cette cellule Lambda. Le but est de faire recher-
née i. Imaginons une population urbai- cher par le programme les racines À du déterminant de
ne initiale de un mill ion d' habitants, A - ÀI. Calculons ce déterminant en A10 :
avec 500 000 habitants dans les zones • I[ C OI 1~ '., Gl M
l O
On reste posi-
1 12 o,
périurbaines. Introdu isons to utes ces 0 11 1 tionné sur A10,
J 1 11
valeurs dans une feui lle de calcu l : ~ 1-,1 et on fait appel
, à l'outil Valeur
~- '-""-"-' ~~~~~~~~ ~~~~~ c1.bl e ( avec
'~"-"""
Excel2010, cliquer dans l'onglet Données, sur le bouton
Analyse scénarios, puis sélectionner Valeur cible). Dans
L'évolution de la démogra phie au la boîte de dialogue Valeur cible, on entre les données
Mathendesh. utiles (Cellule à définir : A10, Valeur à atteindre : o, Cel-
lule à modifier: Lambda; en effet, la cellule à définir, A10,
Plaçons en B5 et B6 les populations contient le calcul du déterminant de A - ÀI, la valeur à
initiales. Nous avons pris soin de nom- atteindre est zéro, et la cellule à modifier pour atteindre
mer T la matrice de transformation en cette valeur cible est Lambda). Si une solution existe, Excel
(B 1:C2). Dans la colonne C , on calcu- la trouve : • 1
L MO'\ OO\ Q
l

le les effectifs des populations après un 1 0 0 0

an sur la base des taux de transfert [ l O

l
O
O
O
l

observés. Le résultat matriciel s 'ob-

tient grâce à la formule =PRODUIT-
MAT(T;B5:B6). Il suffit alors de tirer
la poignée de recopie vers la droite
pour obtenir les populations respec- 0 ,08 /(0 ,08 + 0 ,12) = 40% et La valeur
tives dans chaque milieu pour toutes 0,12/(0,08 + 0 ,12) = 60 % des >.. = -4,42562
les années suivantes. 1 500 000 habitants initiaux , lesquels fournit le résultat
o.aa o.oa
vont progressivement se di sperser vers 5 x 10-S pour le
0,12 0.92
600 000 en ville et 900 000 en ban- déterminant de

.S U
'
!120000 &)6000 804800 763840 731071 7t14151 68
S10000 644000 595200 736160 761921 79'14:Z Il

Évolution des bassins de population au

lieue. Cette répartition constitue alors
une distribution stationnaire. Certes ,
ces calculs success ifs ne constituent en
A-Â.I.

cours des années à venir. rien des démonstration s des propriétés

sous-jacentes. Mais e lles permettent
On observe la convergence de ces d ' illustrer efficacement plusieurs pro-
popu lations vers des valeurs corres- priétés . Bons calculs à tous !
pondant aux taux (théor iques) de P. L.

Hors-série n° 44. Les matrices TC1.n9ent:e 83

 EN BREF par Bertrand Hauchecorne

l'exponenti lie d'une matrice

La fonction exponentielle est la réciproque du logarithme népérien. Par ailleurs, exp(x) est
aussi la limite, quand l'entier n tend vers l'infini, defn(x) = 1 + x + x:2/2! + ... + x'/n!. En utili-
sant cette formule, on peut définir l'exponentielle d'un nombre complexe quelconque.
Pourquoi ne pas aller plus loin ? La somme et le produit de matrices existent, peut-on donner
un sens à l'exponentielle d'une matrice? Soit A une matrice carrée d'ordre p ; notons IP la
matrice unité et Sn la matrice IP +A+ A2 /2! + ... + An/n!. Le problème est de donner un sens
à la limite de la suite (Sn\· Pour le faire, il faut définir une norme sur l'ensemble des matrices
carrées. On dit alors que la suite (Sn\ tend vers la matrice B si la norme de Sil - B tend vers
o. En l'occurrence, on montre que (Sil\ converge, quelle que soit la matrice A choisie. Sa limi-
te s'appelle l'exponentielle de A et se note exp(A). Mais comment la calculer? C'est là que l'on
voit l'intérêt de la diagonalisation ou de la trigonalisation !

Prenons une matrice diagonale D, avec A.1' A. 2 ... ÀP sur la diagonale. Notons
Qn = In + D + D2 /2! + ... + on/n!. Un calcul facile montre que le produit de deux matrices
diagonales l'est aussi, et qu'on l'obtient en multipliant les termes correspondants. On en
déduit que les termes diagonaux de Qn sont 1 + Ài + A.N2! + ... + A.tfn!, suite qui conver-
ge vers exp(A.J La matrice exp(D) est donc la matrice diagonale ayant, sur sa diagonale,
l'exponentielle des termes correspondants de D.
Si A est diagonalisable, il existe une matrice diagonale D et une matrice inversible P
telles que A= PD p- 1• Par distributivité du produit, on a encore Sn= P Qn p- 1 • Il est ten-
tant d'affirmer qu'à la limite on a encore exp(A) = P exp(D) p- 1 • Encore faut-il le justi-
fier. On utilise alors la notion de continuité, la norme jouant le rôle de la valeur absolue
dans la définition. On montre alors que la fonction tf, qui, à la matrice M, associe la
matrice PM p- 1, est continue (attention, la variable est une matrice, de même que son
image). On utilise une propriété classique des fonctions continues Oa limite de l'image
est l'image de la limite). Comme exp(D) est la limite de la suite (Qn)n, on en déduit que
tf,(Qn) = Sn tend vers tf,(exp(D)) = P exp(D) p- 1 •
Dans le cas où A est seulement trigonalisable, on opère de même. Le seul inconvénient pro-
vient de la difficulté de calculer la puissance d'une matrice triangulaire.
Les exponentielles de matrices sont d'une grande utilité. Considérons par exemple le systè-
me différentiel x = 2X + y, y' = x + 2y. Les solutions sont les fonctions de IR dans IR 2 de la

forme t H exp( tM) U où M= G~) désigne la matrice du système et U est un vecteur

de 1R2 • Ceci se généralise à tout système différentiel linéaire à coefficients constants en

dimension p.

Tangente Hors-série n °44. Les matrices

Hors-série n° 44. Les matrices Tcingente 85
 ACTIONS par Élisabeth Busser

Hgrandir les images

sans perdre en qualité
Matrices et vecteurs sont certes avant tout les éléments d 'une
théorie algébrique. Mais ils sont devenus aujourd'hui des
outils mathématiques et informatiques incontournables pour
tout ce qui concerne le traitement numérique des images,
qu'elles soient matricielles ou vectorielles.

i la base de la représentation des

S images numé riques est la géo-

Georges Seurat
(1859-1891), La Seine à Courbevoie.
L'imagerie matricielle peut être traitée
par un calcul algébrique simple,
mais elle résiste mal au grossissement.
métrie ana lytique, celle où les
points aussi bien que les courbes sont
représentés par des données ou des for-
mules algébriques, il ex iste néanmoins
plusieurs formats pour les images que
nous voyons sur nos écrans. Sous cha-
c un d e ces formats se cac he nt des
concepts de calcul matric ie l : matrices
de grandes dimensions, opérations algé-
briques sur les matrices, transforma-
tions géométriques, expression matricielle
d ' une forme algébrique ... En ce qui
concerne la représentation des données
informatiques, là aussi, nombreux sont
les emprunts au vocabulaire des matrices
et des vecteurs : vecteur-ligne ou vec-
teur-colonne pour représenter une suite
de données, matrice pour représenter
les pixels de l'écran, matrices encore pour
représenter un volum e . L' un des
logiciels les plus connus de calcul scien-
tifique ne s'appe lle-t-il pas« Matlab »,
comme « Matrix Laboratory » ?

86 Tangente Hors-série n°44. Les matrices


Ev idemment , il ne fa it appe l qu 'à des
matrices ! C'est cette om niprése nce de
ces noti o ns algé bri q ues importa ntes
do nt no us do nn ero ns ic i qu e lqu es
exemples.
Images matricielles
À l' instar de certains procédés de bro-
derie (co mme le point de cro ix), des
tec hniques de la mosaïque (q ui fo nt
d' une image une j uxtaposition de« tes-
selles ») ou du pointilli sme (tel celui de
la peinture de Seurat), l' image numé-
riq 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
élément d ' image). De là à re présenter
cette im age so us fo rme d ' un tabl eau
den li gnes et p co lonnes, c'est-à-dire
une matrice n x p, il n'y a qu ' un pas,
que les in fo rm ati c ie ns ont très v ite
fra nchi . Il s ont ain si défi ni les images
matricielles. Chaque é lé me nt de cette
matr ice, à savo ir c haque pi xe l déj à
repé ré par ses coo rd onn ées géomé-
triques, va e n plu s être caracté ri sé par
une pondération représentant son inten-
sité ou sa coule ur.
Po ur une im age e n noir et bl anc, cette
pondération va de O à 255, la valeur O
étant pour le no ir, la va le ur 255 cor-
res pondant au bl anc, les vale urs inter-
médi a ires éta nt attribu ées a ux 256
d iffére nts ni veaux de gri s, all ant du
plus sombre (noir) au plus clair (blanc).
Les entiers étant stockés dans l'ordi -
nate ur en écritu re binaire, tout nombre
entre O et 255 ne nécess itera pas plu s
de huit caractères O ou 1, c'est-à-dire
huit bits, fo rm ant un octet.
Pour une image e n coul eurs, selon le
code RVB (rouge, vert, bleu), on réserve
un octet par coule ur, ce qui correspond
Hors-série n• 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Un exemple de nuancier RVB, ici, les composantes
sont exprimées en pourcentage.
Non,.
Modèle . ~-~---==m
-~·
V• .,.,.---- ~
• n.;;.-- ~
Les formats d'image matricielle
Les form ats d'images matricielles les plus répandus ont
pour nom JPEG (Joint Photographie Exp erts Group),
qui est le format de photo
« classique », GIF (Graphical Interchange) et son rem-
plaçant PNG (Portable Network Graphie).
Les formats TIFF (Tagged Image File) ou PSD
(Photoshop Document), pour la retouche d 'image, sont
également très répandus.
à 256 intensités de rouge, autant de vert
et autant de bleu. Ainsi, un pi xel de bleu
pur sera codé (R, V, B) =(0, 0 , 255). Dans
la pratique, on utili se dans la matrice
tro is octets (un par composante) pour
code r la couleur de chaque pi xel.
La notation matri cie ll e joue donc un
grand rôle dans le stockage des images
numériques ; e lle va éga le ment jouer
un rô le primordi al dans la modifi ca-
ti on de ces im ages, autre me nt dit le
traitement d'images. Comme on peut
modi fie r les images coule ur e n appli-
qu ant à chaque coul e ur (R , V, B) la
même méthode qu 'aux ni veaux de gri s,
il nous suffi ra de traiter les modifi ca-
ti ons d ' im ages en ni veaux de gri s. Et
là encore, les opérations sur les matrices
vont jouer un rô le important.
L' une des modifications les plus cou-
rantes pour améliorer la qualité d ' une
image est la création de filtres de trai-
87
ACTIONS Agrandir les images ...

tement. Les opérations sur les matrices
vont prendre place lors de l'opération
« convolution ». L'opération consiste à
transformer les éléments de la matrice
d ' image A , généralement de très grand
format , par une matrice F dite de convo-
lution, plus petite, appelée encore noyau.
On modifiera par exemple chaque pixel
de A grâce à ses huit voisins , par l' in-
termédiaire de la matrice F, qui sera
donc une matrice 3 x 3. Si vous voulez
par exemple renforcer la brillance d ' un
point sur un fond uniforme, comme celui
que décrit la matrice A, vous utiliserez
le noyau F ci-dessous :
(. .. ...\
50 50 50 50 50
50 50 50 50 50
A= 50 50 100 50 50
50 50 50 50 50
50 50 50 50 50
On calcule alors la valeur de chaque
pixel de la matrice transformée A' en
multipliant sa valeur par celle du pixel
central du noyau et en additionnant la
valeur des produits des pixels environ-
nants point par point. Le coefficient
« 1OO » central devient ainsi
5 x IOO - 1 x 50 - 1 x 50 - 1 x 50
- 1 x 50 =300, et la matrice image sera:
(.. . . . ·\
50 50 50 50 50
50 50 0 50 50
A' = 50 0 300 0 50
50 50 0 50 50
50 50 50 50 50
Il restera à multiplier tous les é léme nts
par un facteur convenable pour reste r
entre Oet 255 , et le pixel central appa-
raîtra avec un contraste accentué. Le
calcul matriciel aura , là encore, prouvé
sa capacité d'économie opératoire lors
du traitement d' image.
Images uectorielles
Image Image
bitmap vectoriel le
rt Jt
Différence entre une image bitmap
et une image vectorielle.
L' imagerie matric ielle a certes l'avan-
tage de pouvoir être traitée par un cal-
cul algébrique simple, mais e lle résiste
mal au grossissement , donnant très vite
un effet d 'escalier.
li ex iste une autre catégorie d ' images
numériques, plus « résistantes» au gros-
sissement, moins lourdes en taille, mais
pour la quelle le vocabulaire de
l'algèbre linéaire intervient encore: le
images vectorielles. Ce sont des repré-
sentations d'objets géométriques simples,
lignes, points , polygones , courbes défi-
nis, selon des tableaux d' octets appelés
vecteurs, par leur forme, leur position , leur
couleur. Un cercle sera par exemple défini
par son centre et son rayon, un carré par
deux sommets opposés, une courbe par
plusieurs points et son équation.
Décrites avec peu d'informations , les
do nnées, représentées par des entités
mathématiques, seront aussi moins sen-
sibles aux transformation , et le images
resteront nettes après grossissement.
Le mot « vecteur» intervient à double
titre dans ces images : dans la qualifi-
cation « vectorielle », mais en plus dans
le rôle important des tangentes aux points
d 'ancrage des courbes, autre ment dit

88 Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

des vecteurs ta ngents , comme les uti -

li se l'outil « plume » du logic ie l de créa-
tion graphique Ulustrator (Adobe Systems).
On veut par exemple, étant donnés quatre
po in ts A , B, C, D , trace r une co urbe
allant de A à D , la plus « li sse » pos-
sible, tout en restant contenue dans le plus
grand ensemble convexe contenant ces
q uatre po ints , que l'o n appe ll e en ve-
loppe convexe de ces po ints , et dont les
vecteurs tangents en A et D sont AB et
CD. S i on part de A à l' instant 1 = 0
pour arri ver en D à l' instant 1, comment
décrire l'end ro it où se tro uve, à chaque
in stant I compri s entre O et 1, la po inte
de la plume?
C'es t Pi e rre Béz ie r, in gé ni e ur c hez
Renaul t, qui , en 1962, a parfa ite ment
transcrit la situation dans l' idée de conce-
voir des pièces auto mobiles sur ordina-
te ur. Po ur décrire un seg me nt [AB ],
pensa-t-il , on fa it occuper à la plume à
l' in stant Ile baryce ntre de A et B , avec
pour coefficients I et 1 - 1, dont la somme
est égale à 1. Pour tracer entre A et B une
co urbe li sse resta nt à l' intérie ur d ' un
certain tri angle ABC, on fa it de mê me:
c'est ici le barycentre de tro is po ints qui
intervient. De même aussi avec les quatre
points A, B , C, O. li s' ag it alors de déter-
miner les coeffic ients de somme 1, dont
ces quatre po ints seront affectés. L'as-
tuce est d'élever au cube 1 = 1 + ( 1 - 1)
po ur tro uve r ces qu atre no mbres de
somme 1 :
1 = t3 + 31( 1 - 1)2 + 312( 1 - 1) + ( 1 - 1) 3 .
Vo il à quatre rée ls, t3, 31( 1 - 12 ),
312( 1 - 1) et ( 1 - 1) 3 , de somme 1, qui
permettront de sui vre le chemin de l' ou-
til « plume » dans son tracé de courbe.
C'est une courbe de Bézier cubique qu ' il
parcou1Ta, allant A à D, avec B et C pour
« po ints de contrô le » et surto ut AB
co mm e vecte ur ta nge nt e n A et CD
comme vecteur tangent en D. L'équation
d' une telle courbe prend ra alors la fo rme
sui va nte :
Pierre Bézier (1910-1999).
les formats d'image vectorielle
Les formats d'image vectorielle les plus populaires se
nomment PICT (Apple Picture), qui est un peu ancien,
PDF (Portable Document Format), pour un affichage
efficace des documents, Postscript, intéressant pour
l'impression, SWF (Flash), pour des animations sur le
Web, SVG (Scalable Vector Graphie), permettant ani-
mations et transparence.
B C
... D-···--·------···q....
.. ·········· .... _____ Courbe de Bézier
de A à D, avec B et C
comme points de contrôle .
.·
A D
O P(t ) = ( 1 - t 3 )0 A + 31(1 - 1)2 08 + 312 ( 1 - t )OC + t 30 D,
que l'on écrit pour simplifier:
P(t ) = (1- t 3 )A + 31( 1 - 1)2 8 + 312( 1 - t )C + t 3 D.
Ici , en plu s des vecteurs, les matrices
seront encore une fo is mises à contri-
bution puisque l'écriture matric ielle ser-
vira à mettre cette équ ation sou s une
fo rme plu s condensée : ( 1 0 0
( , , ,
P(I)= ( l-1 ), 31( 1- rf, 31 · (1-1) , 1 ')l-3 3
3
_
6
0
3
-1 3 -3
Les vecteurs et le calcul matric ie l sont
donc encore présents dans les fa meuses
cou rbes de Bézier , outil de base des
images vectori e lles, qui permettent de
dess iner des courbes li sses et suppo r-
tant le gross issement sans dégradatio n
pui sque défini es exclusivement à l'aide
d 'é lé me nts mathé matiqu es indé pe n-
dants des pi xe ls.
E.B.

Hors-série n° 44. Les matrices Tangente 89

 SAVOIRS par François Lavallou
Partout en physique,
des matrices
L'étude dynamique d 'un système physique consiste à
transcrire des relations entre forces en un système
d'équations. La résolution numérique amène à réécrire les
équations sous forme matricielle. De fait, plus de la moitié du
temps de calcul de tous les ordinateurs se passe à manipuler
des matrices !
es matrices sont partout ! Pe u
L de calcul s, di scréti sés pour être
traités par la pui ssance informa-
tique, le urs échappent. E lles pe uvent
intervenir dans la formul atio n mê me
du problè me, si celui -ci pe ut être vec-
tori sé, ou dans la représentation d 'opé-
rate urs. Nous allons illu stre r que lques
cas classiques d ' utili satio n des
matrices, sans vo ulo ir pré tendre à l'ex-
hausti vité pui sque la mise e n fo rme
ma tric ie ll e est fréque nte da ns to ut
do maine mathé matisé .
matrices en physique
Un calcu l n 'est qu ' une manipulatio n
de règles préétablies . Et qu ' importe le
sens réel des mé thodes mi ses en jeu.
C' est a in s i que l' on a inve nté les
nombres négatifs, les nombres com-
plexes et bie n d 'autres outils « pra-
90 Tangente Hors-série n°44. Les matrices
tiques », do nt... les matrices. Ces
tablea ux de no mbres re présenta ie nt
initi a le me nt des applicatio ns linéaires .
On les uti lise do nc nature lle ment pour
to ut systè me phys ique décrit par des
équatio ns linéaires. C'est a insi le cas
e n é lectric ité o ù un coura nt é lectrique i
c rée aux bo rnes d ' un c irc uit passif de
résistance r une tension propo rtio nne l-
le u =ri (lo i d ' Ohm). Po ur un réseau
é lectrique constitué de n mailles , on
attribue à c haque ma ille un courant de
maille (Ik)k = 1. .. 11 et une fo rce é lectro-
mo trice (FEM ) (Ek\= 1. .. n· Les re la-
tio ns e ntre les FEM et les courants de
ma illes sont sy nthéti sées par la lo i
d ' Ohm matric ie lle E = R 1 (voi r e n
e ncadré) . La matrice R , de dime nsio n
n, est symétr ique. L'élé me nt R;, ; de la
di ago na le princ ipa le est égal à la
somme des résistances de la maille i,
a lors que la quantité - R i.j correspond

à la somme des résistances communes
aux mailles i et j. Connaissant les
fo rces électromotrices d ' un tel réseau ,
nous obtenons les intensités de chaque
maille en inversant la matrice R : en
effet, I = R- 1 E. Dans le cas d ' un qua-
dripôle, la linéarité du réseau permet
d 'établir une relation matric ielle entre
courant et tension d 'entrée et de sortie:
( ~: )=(Q,)x( ~. l
Une mi se en série de n quadripô les de
matrice (Q); = 1.. . 11 est alors équi valen-
te à un seul quad ripôle de matrice
(Q) = (Q 11 ) X (Q 11 _ 1) X ... X (Q 1), et
nous avons toujours :
( ~: )=(Q{ ~· l
Une méthode similaire est utili sée pour
une success ion de systèmes optiques
centrés. Dans le cas de fa ibles ang les
avec l'axe optique, l' approx imation de
Gauss linéari se la lo i de Descartes
n 1 sin (a 1) = n2 sin (a 2) , qu i re lie la
variation de direction d ' un rayon à la
variation de l' ind ice, pour la transfor-
mer en une lo i de conservation de
l' angle optique na: n 1a 1 = n2a 2 . Au
passage d ' un pl an perpendicul aire à
l' axe optique, un rayo n est donc entiè-
rement caractéri sé par sa di stance à
l'axer et son angle optique , donc par le
vecteur
( nra J· C haque mili e u
homogène ou dioptre est représenté par
une matrice, et le calcul de la propaga-
tion, entièrement algébri sé, se ra mène
à un produit de matrices.
Mais si les matrices sont incontour-
nab les en phys ique, c ' est que tout pro-
blème se tradui t en équations diffé ren-
tielles, qui nécess itent ! ' utilisation des
matrices pour leur résoluti on .
Hors-série n°44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Des mailles aux maths
Si toutes les résistances sont identiques dans le schéma
[
E
0
0
l[
=r 2 -1
-1 -1 ][ 11,
3 -1
-1 -1 3 13
2
l
ci-dessous, le système à résoudre s'écrit matriciellement
Dans la « matrice résistance » , les éléments diagonaux
correspondent à la somme des résistances des mailles et
les autres éléments à l'opposé des résistances com-
munes à deux mailles. L'inversion de l'équation
(E) = (R) (1) nous donne :
On constate en particulier que 12 = 13 , et donc que
i = 13 - 12 = O. Ce résultat pouvait être établi par des
arguments de symétrie, en remarquant par exemple que
le schéma proposé est topologiquement équivalent à un
tétraèdre.
E
Problèmes équivalents.
Équations différentielles
En dynamique classique, le mouve-
ment d ' un po int matérie l est caractéri-
sé par une relation entre sa pos ition
x(t), sa vitesse (ou déri vée temporelle)
i 1\t) = dx(t) / dt, et son accélération
x<2\t) = dx<1>(t) /dt= d 2x(t) / dt2, que
l'on sait proportionnelle à la somme
des fo rces depuis Newton. La trajectoi-
re de ce po int , la courbe (t, x(t)), s'ob-
tient en intégrant une équ ation diffé-
re ntie lle linéa ire à coeffi c ie nts
91
SAVOIRS Partout en physique

,i - 1
con stants d ' ordre 2 de la form e
m x< 2l(t) + f x(l >(t) + k x(t) = O. Pui sque
)"l + I, ak)kl
k=O
l'exponentielle est invariante par déri - = y(") + a11- I y(,,- 1) + • • • + a y (i) + a0 y= 0 '
vation, nous avons (eA1)<11> = A"eA 1• La 1

fonction x(t) = x(O)eAr est alors solution
de cette équation , à la condition que A
soit solution du pol ynô me du second
degré mA 2 + JA + k = O.
Dans le cas généra l d ' une équation di f-
férentie lle linéaire d ' ordre n,
le po lynôme à résoudre est de degré n.
Ma is nous pouvons réduire l' ordre de
cette équation au pri x d ' une augmenta-
tion de dimension, en passa nt d' une
équati on différentie lle d ' ordre 11 sur un
espace de dimension 1 (les réels) à une
équation di ffé rentielle d'ord re I sur un

Cette écriture facilite le calcul algébrique avec

Puissances des matrices
Les vecteurs propres d'une application linéaire
a sont proportionnels à leur image: a( x ) = ,li ,
avec X. pour valeur propre.
Pour l'application a de ~ 2 dans ~ 2 représentée
les matrices. Puisque p- 1 A P = D , nous avons
A= PD P- 1, et donc :
A 2 =(PD P- 1) (PD P- 1) = P 0 2 P- 1• Par récur-
rence, nous obtenons A"= PD" p- 1 avec

par la matrice A = ( : ~ ) , cette relation devient

l
En notant Ll 11 = </>" - ( - cp- 1)" , cette expression
(A - AI)X = O. La condition nécessaire pour
qu'il existe d'autres solutions que le vecteur nul .
devient A ,' = - J [ Ll,,+1 il,, et est encore
est det(A - AI)= O. Les solutions de cette équa- Lli li,, ll,,_1
tion polynomiale caractéristique sont les valeurs valable pour des valeurs négatives de l'expo-
propres. Pour norre exemple : sant.
det ( A - ÀI) = I - À I = À2 - À- 1 = 0. En appliquant l'écriture A"= P 0 11 P- 1 dans
1 -À 1
- 1
Ses solutions sont A1 = <1> et A2 = -1 / <J>, où l'expression exp(A)= I,-A" , nous pouvons
k=O n!

</) = Js + 1 est le nombre d'or. On en déduit les

2
vecteurs propres X 1 = (<j>,I) et X 2 = ( - 1,<j> ), et

la matrice de passage P = r </) ~I l·On véri- avec exp(D)=[ e q,

O
0
e - q,
_, l·
fie que , dans la base de vecteurs propres , la On vérifie au passage que les coefficients du
matrice de l' application a est diagonale: polynôme caractéristique d'une matrice sont

P'AP= dei(e)[ ~! ~ ]( : ~ l[ ~ ~! l indépendants de la base. En particulier,

det(D) = - 1 = det(A) et tr(D) = <p - 1 / <p
= 1 = tr(A). On en déduit la très belle relation
det(exp(A)) = ir(A), valable pour toute matrice
=(: _;, )=D carrée.

92 Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

espace de dimension n. Le vecteur l'équation matricielle admet pour solu-

y (" - 1) tion Y(t) = exp(At).Y(O) avec :

t"
Y= de dimension n admet exp(At)=I,A"- (voirenencadré)
n~O n!
et Y(O) le vecteur des conditions ini-
tiales déterminé par n données.
pour dérivée y (i) = , et est
Prenons le cas de l'équation
y< 2l = y< 1l + y ,avec y(O) = 0 et
y<' l(O) = 1. Elle s'écrit y ( I ) = AY, en
donc solution de l'équation du premier
ordre y ( I l = AY, où la matrice A est la posaet Y=[ y:I } Y(O)=( ~) et
matrice compagnon de l'équation ini-
tiale:

A= [ T O -a, -f J
A=( : ~}

Sa résolution nécessite le calcul de

l'exponentiel le de A. Considérons
Par analogie avec l'équation scalaire maintenant la célèbre suite de
/'l = ay, de so lution y (t) = y(O) e'", Fibonacci , définie par la relation de

Hors-série n°44. Les matrices Tangente 93

SAVOIRS Partout en physique

Ces exemples illustrent le fait que les

Maths·Tavlor is maths-riches suites récurrentes linéaires sont struc-
Toute fonction « bien gentille » (sans irrégularités, turellement liées aux équations diffé-
comme on en rencontre souvent en physique) admet un rentielles linéaires , et peuvent donc
développement de Taylor. Ce développement en un point être résolues avec les mêmes outils.
x est une série contenant les dérivées en x de tous les Ainsi, la recherche d'une solution
ordres de la fonction, à savoir : exponentielle eAr de l'équation diffé-
f (x + h) = f (x) + h/ 1l(x) + h2 / 2l(x) / 2 + . . . En notant rentielle ou d'une solution de la forme
!; = f (x;) , nous avons h+i = !; + hJ;(l ) + h2 J;<2l / 2 + .. . A" de la suite récurrente nous conduit à
Ces expressions peuvent nous fournir, par différentes résoudre la même équation
combinaisons linéaires, une estimation de n'importe X. 2 - X. - 1 = O, dont les solutions sont
quelle dérivée. Ainsi, de la partie paire de ce développe- les valeurs propres de la matrice A
ment, soit: commune aux deux problèmes. Si vous
if;+ 1 + J;_1) I 2=!;+h2 1;<2l / 2! + h4 1;<4l I 4! + ... , nous savez résoudre une équation différen-
pouvons obtenir une estimation d'ordre 2 de la dérivée tielle linéaire , vous savez résoudre la
seconde , avec l'expression : suite récurrente associée , et récipro-
quement!

Discrète dériue
La généralisation à deux dimensions est le laplacien
Tous les opérateurs intégro-différen-
N(x,y)= [ -il2 +a-2 ] J(x,y). En notantJ;J=f(x;,Y),
2
tiels linéaires sont représentés , après
âx ây discrétisation, par une matrice.
Prenons l' exemple de la dérivée .
nous avons '-'A..f.. -__
I .J h4[
2
J+:i.J-
. 1++: . 1++:1
Ji .J+
4
Ji -.). ++:1
J ;+ ,}.
t].l ,J
Comment exprimer la dérivée d ' une
fonction f dont on connaît les valeurs
Le laplacien mesure donc l'écart de la valeur en un point if;); =, ...11 en n points, régulièrement
à la moyenne des points environnants , ce qui justifie espacés, d' abscisses X;= h X i , pour i
qu'il soit l' opérateur fondamental des processus de dif- variant de l à n ? Nous noterons [!] le
fusion , qui tendent à uniformiser les densités des corps vecteur colonne constitué des valeurs
en présence ... if;);= 1. .. 11 • En prenant le cas particulier
d' une fonction nulle à l' origine , une
approximation de la dérivée est donnée
récurrence u,, = u,,_1 + u11 _ 2 avec u0 = 0 par df; = if; - J;_1) / h pour i > 1 et
df1 = f, / h. L'écriture matricielle de ce
et u 1 = 1. En posant U,, =( u,, ],
u,,_1 système est ( df) = D 1[!] = _!_ D[f]
avec u1 =( ~ } cette équation
0 0
h

0 0
s'écrit U ' 1 = AU IJ- 1 = A"- 1 U 1 • En utili- -1 0 0 0
sant la formulation de A" calculée en avec D = 0 -1
encadré, nous déduisons l'expression 0
du terme général de la suite de 0 0 -1
Fibonacci : u,, = 6.,, / 6. 1 avec :
matrice de dimension n . Remarquons
6.,, = <!>" - ( - <f,- 1t et </> = .Js + l . que nou s pouvon s écrire D = I - N, où
2

94 Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

(1 - N)(I + N + ... + N"- 1) =1 - N" = 1.

Nous venons d'établir, sans trop de cal-
culs, que S = 1 + N + N2 + N3 , soit
0 0
0
S=
est une matrice nilpotente, que nous
0
avons prise d'ordre 4 pour l'exemple .
Dire que la matrice N est nilpotente
d'ordre 4 signifie simplement, par défi- L'équation différentielle F'(x) = f(x),
nition, que la matrice N4 est la matrice avec la condition initiale F(O) = 0 ,
nulle. La dérivée seconde étant la déri-
vée de la dérivée, la matrice associée à s'écrit matriciellement [!] = .!. D [F] .
cet opérateur doit h
etre D2 = 0 2
A .

1 = 2
1 0 2, avec Son inversion [F] = hD- [!] = hS[f] 1
h donne, en utilisant l'expression de la
0 2 = l-2N+N 2 ;

matrice S , F; = h Lfk, pour toute

1 0 0 0 0 k= I
-2 1 0 0 0
valeur i variant de I à n. Nous récupé-
1 -2
rons bien l'estimation des intégrales
0 0
-2
0 0 F (X;) = J:' f (t ')dt par les sommes de

En notant (d,j) = 0 2[!] , nous avons Riemann aux points (xk)k = 1. . .11 , espacés
2 d ' un pas constant h.
J/
(d2f ); = ~2(J;- 2.f -i + k 2) = ) -h.{;(J)
On retrouve abondamment la représen-
pour i > 1 (des développements sont tation matricielle de toutes sortes
proposés en encadré). Pour h suffisam- d ' opérateurs intégro-différentiels en
ment petit, nous obtenons bien une traitement d ' images ou de photos et
approx imation de la dérivée seconde . dans vos jeux vidéo. Alors , cher lec-
Bien sûr, les schémas numériques utili- teur, apprécie les matrices que les
sés dans les codes sont plus raffinés maths risquent et sache que celui qui
que ces exemples é lémenta ires ! dit faire des maths tristement avec les
D' une façon générale, en notant F et G matrices te ment !
les matrices associées respectivement
aux opérateurs f et g, la matrice F X G F.L.
correspond à la composition f O g.
Ainsi , si f et g sont des opérateurs
inver es l'un de l'autre, nous avons
f a g = id et les matrices associées sont
inverses l' une de l' autre : F=G- 1•
Vérifions que la matrice
S = 0 - 1 = (l - N) _ , correspond à
! ' opérateur d ' intégratio n. Pour une
matrice N nilpotente d'ordre n (c'est-à-
dire telle que N" = 0) , nous avons

Hors-série n°44. Les matrices Tangente 95

 ACTIONS par François Lavallou

La trilatération
La trilatération, technique courante pour les systèmes GPS,
en cinématique, cristallographie et robotique, donne la
localisation d'un point de l'espace en fonction de ses distances
à trois points fixes. Elle permet de s'affranchir de l'arbitraire
d'un repère.
de la tril atérati on p 2 ,p 3 et de rayons Xi, x 2 ,x 3 . La fig ure ci-
con s iste à locali ser un po int q après présente une construction géomé-
dans l'espace en fo nction de ses trique de la projection p du point q cherché
di stancesx 1,x2 et x 3 à troi s points fi xes dans le pl an du tri angle tlp 1piP 3 •
p 1, p 2 et p 3 . Les pre mi ers traiteme nts,
dans les années 1980 , simplifi aie nt les
calcul s e n utili sant des repères pri vi-
lég iés, ce qui rompait la sy métrie natu-
re lle du problè me. On développa alors,
à partir de techniques d'algèbre linéaire,
des fo rmul ations « sans coordonnées »
de ces systèmes vers la fin du siècle der-
ni er. Une technique récente utili se des
, ,,
coordonnées barycentriques e t fo urnit
, ,,
une fo rmule composée de déterminants ,,
de Cay ley-Me nger, qui o nt tou s une ,,
in te rprétati o n géo mé 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 mérite Trace de l' axe radical
de permettre, pour ce pro blè me d ' ori - de trois sphères.
gine phys ique, une plus simple ex pres-
sio n de l'erreur. Analytiqueme nt , le pro blème consiste
à résoudre un système de trois équa-
Les déterminants de Cayleq-menger ti ons quadratiques. Par si mples com-
binaisons de ces équations, on se
Le problè me peut être présenté comme ra mè ne à l'étude de l'i ntersecti on
la détermination de l' intersection de trois d' une sphè re et d ' une d ro ite, qui n' est
sphères, respecti vement de centres p 1 , autre que l' axe rad ica l des trois

96 Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

sphères, perpendiculaire au point p au

plan de référence . Il exi ste alors de ux
solutions, sy métriques par rapport à
ce pl an. Néanmoins des singularités
appara issent quand le point à locali ser
est « proche » du pl an de référe nce .
Nous allons donc utili ser les détermi-
nants de Cayley-Menger, qui présen-
tent l' intérêt de ne pas rompre la
symétrie du probl ème (voir des préc i-
sions en encadré).
Une application directe du détermi-
nant de Cay ley-Menger concerne les
polytopes . Un polytope est la générali-
sation à toutes dimensions de la notion
de polygone (2 0 ) et de polyèdre (30 ).
Le « plus simple » polytope convexe
est nommé simplexe, terme in venté
par Pieter Schoute en 1902. li est
constitué de n sommets (p) = (p 1• • ·Pn)
dans un espace de dimension n - 1, et
~ D,. (p )
son volume Y,. (p ) = - - -
(n - I)!
s'ex prime en fon ction d ' un détermi-
nant de Cay ley- Menger ! Le simplexe
est donc la générali sation du tri angle
(2 0 ) et du tétraèdre (3 0 ) . Cette géné-
rali sati on s'étend à la notion de tri an-
gul ati on. Tout pol ytope con vexe dans
un espace de dimension n pe ut être
décomposé en somme de n-s impl exes
dont les inte rsections de ux à deux
sont l'e nsemble vide ou un s-s implexe
le déterminant de cavlev-Menger
Considérons 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 définit le déterminant de Cayley-Menger de la façon
suivante : 0 1 1 1
1 d~, d~., d~.
D ( ) - (-!)" 1 d;_ , dJ.2 dJ.• .
n p ,Q - 2•-I
d;., d;_, d;_.
Pour deux groupes de points identiques, notons D"(p) le
nombre D)p , p). Ce déterminant d'une matrice symé-
trique et de trace nulle est très largement utilisé dans les
problèmes géométriques traitant de distances dans les
espaces euclidiens. Ils possèdent, pour les ordres les plus
usuels, les interprétations vectorielles suivantes :
D, (p ,q ) = P,P2 ·q,q,,
r r
D3(p ,q ) = P,P, /\ P1P31 · q,q, /\ q,q3 l,
D.(p,q) = det(P,Pi ,P,P3, p 1p 4)ctet( q,q2,q,q3,q,q4).
où ü · ii et ü A ii représentent respectivement le produit
scalaire et le produit vectoriel des vecteurs ü et ii. Le vec-
teur ü A ii a pour norme la surface du parallélogramme
établi sur les vecteurs ü et ii, et la valeur absolue du déter-
minant det{ ü,ii,w ) correspond au volume du parallélépi-
pède construit à partir des vecteurs ü, ii et w (comme le
précise l'article le Sens du déterminant).
En notant SP (respectivement St) la surface et iip (respecti-
vement n.) une normale du triangle généré par les points
(p) (respectivement (q)), nous avons en particulier
D3 (p ,q) =4Sps. (n. ii.). Nous pouvons aussi écrire
D 3 (p,q) = 4S_a. , où a . = s.(n. ·n.) est la projection de la
surface Sq sur la surface SP.

-
(avec s < n). Le vo lume de tout poly-
tope convexe peut donc s'exprimer en
fo nction de la longueur de ses arêtes
et de ses di agonales !

Héron et tridngle
U ÂV
-
W
-- ,, ,
---- I

~:----.,!.-------------.,---
,
, ,,
--
,
__ .,,,.-;

,,,
'
,
,, ,,'
-+- ,' ,'
V, ,'
Voyons ce que donnent les fo rmules
vectorielles et matricielles données en
..;;;.________________
-'!'"~--,' ----
-------------;'----::~'
encadré pour les dimensions « cou-
ra ntes » . En dimension un , le simplexe
u
est un segment.

Hors-série n• 44. Les matrices Tangente 97

ACTIONS La trilatération

Nous avons D2 (p) = IIP,P,112 = d~2 , et par

suite V2 (p) = ~D 2 (p) = d1.2 , ce qui corres-
pond bien à 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

moitié de la surface du parallélogram-

me généré par les vecteurs P,Pi et p,p 3 •
Pour un tétraèdre, La trilatération.
r
0 4 (p ) = det(P,/J 2 ,/J,/J3,/J1/J• )f,
et la formule du simplexe nous donne le GPS
le volume v. (p) = ildet(p,p2 ,P,PJ> P,P. )I ·
Nous pouvons maintenant déterminer
Le volume d'un tétraèdre est le sixiè- la position d'un point q en fonction de
me du vo lume du parallélépipède ses distances à trois points de référence
engendré par trois côtés concourants p = (pl' p 2 , p 3 ) (voir la figure).
en un même sommet. Nous noterons classiquement a ; le côté
En prenant les expressions matricielles, du triangle b.p 1p,p 3 opposé au sommet
nous avons bien P;- Considérons le tétraèdre défini par
(0 1 1\ le quadruplet p' = (p 1, p 2 , p 3 , q). La
D2 (p )=~ll O d~J=d,\ .
2 position du point q est entièrement
0I d; 2 déterminée par sa projection p dan s le
Avec les notations de la figure donnée plan de référence, et par son altitude h ,
en encadré, hauteur du tétraèdre.
(0 1\
0 c2 Un tétraèdre est un cas particulier de

'l'
b'2J .
Dl p)=-
4 1 c2 0 a cône, ensemble de droites passant par
1 b2 ai 0 un point et s'appuyant sur une surfa-
Son développement donne ce . Son volume sera donc éga l au
( ai - b2 - c2 \ i tiers du produit de sa surface de base
D i (P) = b2c2 - l 2 ) . par sa hauteur. Si S est la surface du
triangle b.p 1p,p 3 , nous avon s alors
Puisque 4S2 = Dlp) nous obtenons , V4 (p') =.!. Sx h . En utili sant la formule
avec un peu de calcul élémentaire , la 3
célèbre formu le de Héron d'Alexandrie: du volume pour les simplexes p et p' ,
S2 = s (s - a) (s - b) (s - c) , 3V ( ')
nous obtenons h = _ . _P_ = ~ .
D ( ')
où s =(a+ b + c) / 2 est le demj-péri- S Dl p)
mètre du triangle. Le vecteur ;:;; = p1p2 "p ,p3 est perpendi-
La formule du simplexe nous donne culaire au plan de référence , est indé-
pour le volume d ' un tétraèdre pendant de l' origine choisie , et a pour
v. (p) = '·\10
~ .
(p) , express ton que nous norme 11;:;;II = ~0 3 ( ~_).
6 4
- w
En notant n = E ll;:;;II un vecteur normal
allons exploiter pour la géolocalisation.

98 Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

au plan de référence, avec E. 2 = 1 (sui -

vant l'ori entati on choi sie du pl an),
- - ~ D, (p') -
nous avo ns pq = hn = f - - - w.
0 3(p)
Avec ]'ex pression vectorielle du proje-
té p donnée en encadré, nous obtenons
fin alement
1
-[±
q= -D3(p) ,-1
0 3(p ,p
10
)J;; + c~D, (p') ·w ].
La détermination du point q ne néces-
site que le calcul de quatre détermi-
nants de type Cay ley-Menger (pui sque
3
}: D 3(p ,p 1'>) = Dl p)), et est
,_,
du repère choisi. Les expressions des
coordonnées barycentriques et de la
hauteur du simplexe se générali sent à n
d imensions !
Bien sûr, avec n points fi xes au lieu de
trois, si poss ible dans des plans diffé-
rents, nou s avo ns n (n - 1) (n - 2) / 6
Coordonnées barvcentriuues
Dans le plan défini par le triangle 11p 1piP3, le point p a
pour coordonnées barycentriques normalisées les rap-
ports 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 écrire
p= s, p,+ s2 --;i;_ + s3 A. Dans la suite, notons p<i) le triplet dans
lequel le point P; est remplacé par le point q. Il correspond
à la face du tétraèdre ayant pour sommet le point q et le
segment a ; pour côté. D'après les résultats présentés dans
l'autre encadré, nous avons Dl p , p<O) = 4S;S.
indépendante
Nous en déduisons les coefficients barycentriques s; du
projetép:
4SS, 0 3 (p ,pm)
s. = - -= .
' 4S 2 0 3 (p )
Nous obtenons ainsi une expression du projeté p du point
q sur le plan de référence en conservant la symétrie des
données:
- ,{, - 1 ,{, (1) -

tri angles de références, ce qui permet p= L, s, p, = ~

( ) L,D 3 (p ,p )P;,
i•I 3 p i• I

d ' amé liorer la préc ision de la mesure .

Ce problème de loca li sation d ' un po int
en fo nctio n des di stances à un
ensemble de po ints fi xes est similaire à
des problèmes d ' ho lonomie et de cal-
cul de stabilité de systèmes articulés,
comme un échafa udage ou une tribune
de stade.

Soufflet sans jouer

Au XIXe s ièc le, les mathé mati c ie ns

Adrien-Marie Legendre et Joseph-Louis
Lagrange suggérèrent à Augustin Loui s
Cauchy d 'étudier la fl ex ibilité de po ly-
èdres à faces ri g ides . Il fut le pre mi er
à établir un théorè me sur le sujet : tout Un flexaèdre de Connelly.
polyèdre convexe est rigide. Si vo us
construi sez un po lyèdre convexe avec des octaèdres articulés en 1897 , mai s
des faces métalliques re li ées avec des des faces s' interpé nètre nt , ce qui en
charni ères , la structure de l'ensemble empêche une réalisation matérielle. Il fal-
e mpêc he ra to ute défo rm ati o n . Ma is lut attendre 1977 pour que le Can adien
ex iste-t-il des po lyèdres no n convexes Robert Connell y con strui se un poly -
flex ibles ? Rao ul Bri card trou va bie n èdre fle xible, ma is non con vexe bi en

Hors-série n° 44. Les matrices Tangente 99

ACTIONS La trilatération

s Gr. li exi ste un polyèdre flexibl e de

Kl aus Ste ffe n à neuf somme ts, e t on
sait qu ' un polyèdre ayant au plus sept
somme ts est ri g ide. Trouve r un po ly-
èdre flexible à huit sommets reste une
question ouverte !

Robe rt Conne ll y dé mo ntra que le

volume de son pol yèdre resta it
constant au cours de la déform ation et
supputa, sous le nom de conjecture du
soufflet , qu ' il e n était de mê me po ur
tout polyèdre fl ex ible. Idjad Sabitov
prou va e n 1996 une générali satio n de
la formu le de Héron . Il dé mo ntra que
le volume d ' un polyèdre à troi s dimen-
s ions est solutio n d ' une équation po ly-
nomia le dont les coefficie nts sont e ux-
mê mes des po lynômes des carrés des
longue urs des arêtes. Ce volume ne
pe ut do nc pre ndre qu ' un no mbre fi ni
de va le urs. Lo rs de la déform atio n
d ' un fl exaèdre, son volume ne pe ut
alors varie r continGme nt , car il pre n-
dra it nécessaire me nt une infinité de
vale urs . Le volume garde une va le ur
con sta nte, et la conjecture du soufflet
dev ie nt un théorè me !
F. L.

Tangente Hors-série n°44. Les matrices

 orn t oatt1
Hrthur Cayley
(1821-1895)
Bie n qu e na ti f de Ri c h-
mond en Angleterre, Arthur
Cayley passe les hui t pre-
miè res années de sa vie à
Saint-Pétersbo urg où ses
parents font du commerce.
Il étudie les mathématiques
et le droit au Trinity Col-
lege d e Ca mbrid ge . Il
devient avocat en 1849, mais se livre à sa passion pour
les maths à ses temps libres. En 1863, il pe ut tota-
le ment s'y ado nner puisqu ' il obtie nt une chaire de
mathématiques pures à Cambridge.
Cayley semble avoir obte nu toutes les vertus pos-
sibles : une gentillesse reconnue par tous, une mémoire
fa ntastique, sans o ublie r des do ns intellectuels et
artistiques hors du commun . Il pe int des aquarelles ;
passionné de romans, il en écrit quelques-uns et e n
lit en anglais mais aussi en français, e n allemand et
en italien . Sportif, féru d ' escalade, il venait séjour-
ner régulière me nt dans les Alpes pour s'adonner à
son sport favo ri.
Les travaux d ' Arthur Cay ley concerne nt to us les
domaines, ma is surtout l' algèbre linéaire et les fonc-
tions elliptiques . On lui doit de nombreux résultats
sur les groupes, les matrices, les formes quadratiques.
li développe la théorie des inva ri ants ; ce te rme,
inventé par Sylvester, recouvrait les propriétés des appli-
cations linéaires ou multilinéaires (comme le déter-
minant) invariantes par changement de base .
,.-5,50!) e&.) ... . .s,o o8611' ........ !)08 •• ••••88,411·1
+ •,1,87r 1 N••+ e.Nlgo8lf0 + 01 oooe4SN°' :.-: n,
o,~7865N +(r - u ,8 u ~ )N"' .. 5,71 , ,._~·+tt,o.S8 7, ,
+•,1s8o&l~·· +.•,018;8tfl\ + 0,,.,o'l'l4N.,
0
·1- • -
•,..9099N + 4,:lo8o33N'+ (1 + •• ,97ofo8,) !<" + •,•'9 J:00• 1
+ 1 ,Gtls,o87tc'"+ o,°"'J:$8oN"'+ o,... S9,4N•• =r o,
•,eo6,351f + • .-.6g85,ll'+ ,,>p, 36sll"=( ,-,,.5g&..,)ll·i
+ S,Jo.4 e38 !C"'+e,1d&46~+ .... ,,s,N•• = • ,
•,OMo'l'ISt N+ •,0007.,,srr+ o,oo~ 1h 117W+ •,001 1S46-t ·1
+ (1 - 7,4'9•4•)11~ + 4,8, 54541" + o,ol$J,9-'I" = •,
o,... 001,45l'C + o,"""°e.45ntt'+o,uoe 13688 •+o,ooo oG56S
+ t1 ,893 M9N'''+ (1 - 1S,S8S 4,o) t{'+ tt,d s.,41 "
-i
+ o,)o) ~,gN" + o,83548,l<'+(K - ,,3,59'5) "
·1
o,HO oooo6Pf + o,000 0019-ir<'+o,tl09 oo519N"'4· • ,.,..eo, 73
en
a découuerte de neptune
Urbain Le Verrier
(portrait par Henri
Giacomotti ; Versailles,
musée national des châteaux
de Versailles et de Trianon).
Quelques années avant sa
.2
"' découverte de Neptune (en
j 1846), J'astronome et mathé-
o maticien français Urbain
Jean Joseph Le Verrier ( 1811-1877) publie en 1840, dans
le Journal de mathématiques pures et appliquées (ou
Journal de Liouville), des travaux mathématiques pré-
curseurs de ce qui deviendra la théorie des matrices. Posant
les équations différentielles des mouvements des sept
planètes connues à cette époque, il introduit l'équiva-
lent des valeurs propres et de la diagonalisation d ' une
matrice. Il relie ces notions à l'analyse astronomique
du problème, distinguant les trois « grosses » planètes,
plus perturbatrices (Jupiter, Saturne, Uranus), et les
quatre « petites » planètes (Mercure, Vénus, la Terre
et Mars).
Ce faisant, il simplifie son système matriciel 7 x 7 en le
décomposant en deux blocs de 4 et 3. Bref, il transforme
un problème d'astronomie en un problème d ' algèbre!
C'est d'ailleurs cette dextérité et cette persévérance dans
le maniement des systèmes différentiels et de leur réso-
Iution matricielle (avant la lettre) qui mèneront Le
Verrier à la découverte de la huitième planète, Neptune.
Elle était désignée comme planète « troublante » , au
sens mathématique, car elle modifiait la trajectoire de
sa voisine Uranus : les observations des positions de
celle-ci ne correspondaient pas aux solutions approchées
des systèmes différentiels.
C' est bien la trace des mathématiques qu'a suivie Le
Verrier pour découvrir 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:
0
•
Le système 7x7 de Le Verrier, brut,
avant simplification. On remarquera la petitesse
"' •,
des quatre premiers coefficients
dans les trois dernières lignes.
n 44. L m ne a.n9 nt 101
 ACTIONS par Daniel Justens

les matrices
actuarielles
Les contrats d'assurance-vie peuvent garantir le paiement
d'un capital déterminé en cas de survie d'un assuré à un âge
donné (capital différé), ou le paiement de ce capital aux ayant-
droit au moment du décès de l'assuré (assurance décès).
L'actuariat, tant «vie» que « accident », a aussi recours au
calcul matriciel.

' l'actuariat uiager

L
actuariat recouvre l'en-
semble des méthodes mathé-
matiques utilisées dans le
monde des assurances. On parle d'ac-
tuariat de premier type lorsque l'on
traite d'assurances couvrant le risque
de décès ou de survie d'un assuré,
d'actuariat de deuxième type pour qua-
lifier tous les contrats couvrant des
risques accidentels, et, depuis quatre
décennies, d'actuariat de troisième
type pour tous les modèles financiers ,
lesquels aujourd'hui se taillent la part
du lion étant donné l'importance et le
nombre de produits « étranges » (on dit
exotiques) qui inondent les marchés.
On imagine mal une compagnie
d'assurances exigeant la restitution
d'un capital invalidité
en cas de guérison miraculeuse ...
Les contrats d'assurances-vie sont de
deux types : certains garantissent le
paiement d'un capital déterminé en cas
de survie d'un assuré à un âge donné
(le capital est différé) , d' autres garan-
tissent le paiement de ce capital aux
ayant-droit au moment du décès de
l'assuré (assurance décès). Le contex-
te de ces types de contrat est donc celui
d'un système à deux états : vie ou
mort. L' assuré vivant peut rester vivant
ou passer à l'état« décédé» (n ' insis-
tons pas sur la seule possibilité laissée
à l'assuré mort ... ). On peut convenir
d'observer un assuré lors de ses anni-
versaires successifs et de noter systé-
matiquement son état. Admettons que
l'on puisse déterminer la probabilité de
survie d' un assuré pendant un an, notée
p (0 < p < 1), que nou supposons dans
un premier temps indépendante de son

Tangente Hors-série n°44. Les matrices

âge. On peut noter les probabilités de
transition d'états vie- mort au moyen
de la matrice suivante :
M" =( ~· (1-i")" }

M=( ~ l~p J
On constate hélas que la limite pour n
tendant vers l' infini de cette matrice
prend la forme suivante :

=( ~ ~ J
La première ligne décrit les probabili-
tés de transition vers les deux états vie M-
et mort d ' un individu vivant. La secon-
de ligne correspond aux probabilités de qui exprime que le seul état final attei-
transition à partir de l'état décédé. Cet gnable, quel que soit l'état initial, est
état est qualifié d'absorbant pour des celui de décédé. Apparaît ici la notion
raisons évidente dans notre contexte très claire d'état transitoire (être
(voir l'encadré consacré aux chaînes vivant) et d'état persistant (être mort).
de Markov). On peut à présent s'inté- Toutes ces notions sont formalisées
resser à l'état de l'assuré après deux dans le cadre de la théorie des chaînes
ans. En supposant les transitions suc- de Markov.
cessives indépendantes, on sait que la
probabilité de survie après deux ans La réalité est un peu différente : les
doit valoir p2. La probabilité de décès, probabilités de transitions dépendent
complémentaire, doit être égale à de l'état du système (la probabilité de
1 - p 2. En effet, ce décès a pu survenir survie varie avec l'âge). Les matrices
pendant la première année (probabilité décrivant les probabilités de transition
1 - p), ou durant la seconde, auquel cas deviennent :
l' assuré a du survivre un an puis décé-
der l' année suivante. Ces événements
étant indépendants par hypothèse, leur
M
x=[~ 1-t-' }
probabilité de réalisation simultanée où x désigne l'âge de l'assuré. Après
est égale au produit des probabilités deux ans, on retrouve la multiplication
soit p X (! - p). Les deux événements matricielle classique :
(décès la première ou la seconde
année) étant disjoints, la probabilité de
MM
x x+ I
=( P.,
Û
1-p,
i
J( p_.. ,
Û
1-p_.. , )
i
réalisation de l'un ou l'autre des évé-
nements est la somme des probabilités,
soit [1 - p] + [p (1 - p)] = l - p 2 . On a
vérifié ainsi que la matrice de transi-
tion d 'états en deux ans correspondait avec les mêmes conclusions sinistres à
exactement à la matrice M 2, et égale- long terme ...
ment que la procédure de calcul mise
en place était celle du produit matri- maladie et inualidité
ciel:

M' =[ ~ (1-,p)' l Tournons-nous vers les contrats cou-

On généralise sans peine ce résultat
pour obtenir la matrice de transition
d'états après n années :
vrant les cas de maladie ou d ' invalidi-
té. Dans ce contexte, le système étudié
() 'assuré) peut connaître quatre états :
être vivant et actif, être vivant et inva-
lide, être mort en tant qu 'actif ou être

Hors-série n°44. Les matrices Ta.ngent:e 103

ACTIONS Les matrices actuarielles

les chaines de Markov ser de l'état i à l'état} en exactement n transi-

Considérons un système en évolution pouvant
prendre un nombre fini ou dénombrable
d'états notés Ei, E2 . .. et travaillons à temps
discret en considérant des indices de temps
naturels 0, l, 2 ... Toutes les unités de temps,
on postule que le système passe de l'état E; à
l'état Ej avec une probabilité Pij· Ce processus
n'a pas de mémoire: les probabilités de transi-
tion dépendent uniquement de l'état du systè-
me avant sa transformation (E; ou plus simple-
ment i) et de son état après (Ej ou j). Elles ne
dépendent pas des états antérieurs. Un proces-
sus markovien est un système évoluant de
manière aléatoire dans le temps tel que sa dis-
tribution de probabilité conditionnelle des
états futurs, étant donné la connaissance de ses
états passés et son état présent, ne dépend que
de ce dernier. Pour de tels processus , la
meilleure prévision que l'on puisse faire du
futur, à partir de son passé et de son présent,
est identique à la meilleure prévision élaborée
sur base de la seule connaissance de son état
actuel.
Dans le cas d'un nombre finis d'états , ces
probabilités de transition peuvent se ranger
dans une matrice P dite stochastique (ou
matrice de Markov), à savoir une matrice car-
rée s X s dont chaque élément est un réel posi-
tif et pour laquelle la somme des éléments de
chaque ligne vaut 1 (et constitue donc une dis-
tribution de probabilité discrète) . Ce type de
matrices permet d 'obtenir une classification
des états du système. Par exemple, si pour l' un
des états du système on a P;; = 1 (et donc
Pij =0 pour j '# i) , cet état i sera qualifié d 'ab-
sorbant pour des raisons évidentes. Mais il y a
plus subtil ! Notons p/11l la probabilité de pas-
tions. Eh bien, cette probabilité est fournie par
la puissance énième de la matrice P.
Un état} est accessible à partir d'un état i s'il
existe un n tel que pJ" )> O. Les états i etj
communiquent s'ils sont accessibles l'un à
partir de l'autre. Si tous les états d'une chaî-
ne communiquent, on dit que la chaîne est
irréductible.
Un état i est récurrent ou encore persistant si
la probabilité du système d'y retourner (en un
nombre quelconque de pas) est égale à 1. Dans
le cas contraire, l'état est transitoire. On dis-
tingue encore les états persistants nuls ou non
nuls elon que le temp moyen de retour est
infini ou fini.
Supposons à présent que l'on observe un
ensemble de systèmes évoluant selon la même
dynamique, et que les fréquences de présence
dans les différents états Ei de ces systèmes
soient décrites par le vecteur a= (a 1, a 2, a3 ....
a.,) dont toutes les composantes sont positives
et de somme nulle. Après une transformation,
on s'attend à retrouver un ensemble caractéri-
sé par le vecteur aP. De même, après n pas, le
vecteur d'états de l'ensemble des systèmes
sera aP'. Sous certaines conditions, cette pro-
cédure génère une « stabilité» : à long terme,
pour les chaines non périodiques constituées
d'états persistants , le vecteur d'états tend vers
une distribution dite stationnaire (c'est-à-dire
globalement identique après chaque transfor-
mation individuelle des différents systèmes de
l'ensemble). Des exemples d'ensembles de ce
type se retrouvent en actuariat accident,
lorsque l'on considère un portefeuille d'assu-
rés constitués de conducteurs tarifés indivi-
duellement en fonction du nombre d'accidents
dont ils sont responsables.

mort en tant qu ' invalide. Les deux der-
niers états sont considérés comme dif-
férents, les prestations de ('assureur
étant le plus souvent significativement
supérieures dans le second cas de figu-
re (qui survient après deux change-
ments d' état et se traduit donc généra-
lement par deux débours de la part de
l'organisme assureur). Reprenons une
description des probabilités de transi-

~ 04 Tangente Hors-série n"44. Les matrices


tion d'état indépendante de l'âge
comme plus haut :
p "j q(l,(l q"·i
l
[ p"'
p "' p jj q i.a q jj
0 0 1 0
0 0 0 1
Les exposants a et i font référence à
l'état initial (premier indice) et final
(second indice) de l'assuré, a signifiant
« actif» et i, « invalide». Les nota-
tions p se réfèrent au maintient dans
! ' état de vivant, les notations q quanti-
fient les probabilités de passage à l'état
de décédé. Les sommes des éléments
de chaque ligne doivent évidemment
être égales à 1.
Pour simplifier un peu cette matrice,
les assureurs font généralement ('hy-
pothèse de non-retour à l' état d'activi-
té en partant de l' état d'invalide. Cette
hypothèse est réaliste : le passage à
l' état d'invalide se traduit générale-
ment par le versement d ' un capital. On
imagine mal une compagnie d ' assu-
rances exigeant la restitution de ce
capital en cas de guenson
miraculeuse ! Voici la matrice simpli-
fiée avec suppression des doubles
indices inutiles :
p "j q l/JI q"j
l
qi
/ 0
0 1 0 fonction du comportement de chaque
0 0
Pour traduire cette hypothèse selon la
terminologie des chaînes de Markov,
on dit que l' ensemble des états d'inva-
lidité est un ensemble f ermé.
Il faut alors particulariser toutes ces
probabilités de transition en fonction
de l' âge des assurés. Par matrice, donc
par catégorie d'âge, on doit calibrer six
paramètres. Ces paramètres sont liés :
les transitions d ' états sont des distribu-
Hors-série n°44. Les matrices Tangente
LES MATRICES SONT PARTOUT
tions de probabilité pour lesquelles les
sommes de probabilités doivent être
égales à 1. Restent quatre degrés de
liberté par matrice. En considérant des
catégories d ' âge de Oà 104 ans, ce sont
420 paramètres que les assureurs sont
censés estimer ! On constate ici à quel
point le processus de tarification de ce
type de contrat est délicat. ..
Hctuariat accident
Nous sommes presque tous confrontés
à l' obligation de souscrire une assuran-
ce responsabilité civile. Celle-ci est
tarifée à partir d ' échelles de primes
calculées selon deux modes complé-
mentaires : le mode a priori, en fonc-
tions de critères plus ou moins arbi-
traires, et le mode a posteriori, en
conducteur. Parmi les critères a priori
figurent le type de véhicule et sa puis-
sance, l'âge du conducteur, son lieu de
résidence, sa profession , la date
d ' émission de son permis de condui-
re . .. Le critère a posteriori paraît plus
objectif puisqu'il consiste à comptabi-
liser chaque année le nombre d'acci-
dents en tort à mettre au crédit (ou plu-
tôt au débit !) de chaque assuré. Le
nombre d'accidents en droit pourrait
également être pris en compte, ce ren-
105
 ACTIONS Les matrices actuarielles
seignement apportant des informations
sur le comportement du conducteur. . .
Sur la base des critères a priori, l'or-
ganisme assureur détermine une pre-
mière prime, qui pourra éventuelle-
ment soit augmenter l'année suivante
si l'assuré est responsable d ' accidents,
soit diminuer s ' il n ' est responsable
d'aucun. L' assureur doit établir une
échelle de tarification définissant dif-
férents niveaux de primes, notés de O à
s. Le niveau d'entrée q dans le système
(0 < q < s) doit aussi être détenniné.
Ces niveaux représentent les états du
système. Des règles de passage d'un
niveau de tarification à ! 'autre doivent
être définies par l'organisme assureur.
Les probabilités de passage d'un état à
! 'autre sont présentées dans une matri-
ce, que l'on construit à partir des
règles de passage et des probabilités pk
d'observer k accidents dans l' année
qui vient.
Supposons pour simplifier que le sys-
tème compte cinq états correspondant
à cinq niveaux de prime croissants,
numérotés de O à 4, et que chaque
accident en tort provoque le passage
dans le niveau de tarification supérieur
alors que l'absence d'accident permet
de redescendre d'un cran. Sous ces
conditions simples (en fait, les sys-
tèmes réels comportent plus d'états et
des règles de transition plus com-
plexes), la matrice de probabilités de
transition prend la forme suivante (la
dernière colonne est construite pour
obtenir une distribution de probabilité
à chaque ligne) :
Po P, P, P, 1- Po - P, - P, - P,
Po 0 P, P, 1- po- P, - p,
P= 0 Po 0 P, 1- po- P ,
0 0 Po 0 1- po
0 0 0 Po 1- po
La modélisation des probabilités d ' ac-
cident se fait théoriquement au moyen
ri 06 Tangente Hors-série n°44. Les matrices
d'une distribution de Poisson de para-
mètre À qui quantifie le nombre moyen
d'accidents dont l'assuré est respon-
sable chaque année. Le problème
consiste à affecter à chaque assuré le
« bon » À. Pour arriver à une tarifica-
tion sur base d'observations issues
d'un portefeuille hétérogène, les
actuaires considèrent généralement ce
paramètre comme une deuxième
variable aléatoire. Ceci donne naissan-
ce aux distributions Poisson-mélange.
Regardons comment évolue un porte-
feuille de clients pour lequel les fré-
quences d'assurés présents dans les
cinq états ou niveaux de prime sont
représentées par le vecteur a = (a 0 , al>
a 2 , a 3 , a4 ), dont les composantes sont
positives et de somme 1. Après un an,
la compagnie d ' assurance se trouvera
en présence d ' un portefeuille caractéri-
sé par un vecteur de fréquences aP.
Après deux ans, ce vecteur sera aP2 et,
après n années, aP''. Chaque compa-
gnie peut ainsi déterminer le niveau
total de ses encaissements, étant donné
les primes initiales et la grille de taux
de primes choisie. Ceci est fondamen-
tal pour une gestion réaliste. L'idéal est
évidemment la constitution d'un porte-
feuille rentable et stable ...
Pour obtenir un tel portefeuille stable,
de composante b = (b 0 , bJ> b2, b3, b4 ) , ne
changeant pas au niveau des percep-
tions de primes, année après année, on
doit avoir 8 = BP. Un tel portefeuille de
composante 8 est appelé distribution
stationnaire. Sous certaines conditions,
on peut démontrer que tout portefeuille
tend naturellement vers cette distribu-
tion stationnaire, ou encore
que lim AP" = B. Malheureusement,
cela nëgarantit aucunement la rentabili-
té de ce secteur d ' activité d' assurances !
D.J.
 par B. Hauchecorne et N. Verdier
u
~
go
:,:
Q
L' IUT de Cachan fo rme des techniciens et ingénieurs
électroniciens qui contribuent à concevoir le monde
de demai n, un monde qui se nourrit de matrices ...
électronique consomme ...
des matrices !
S' il est un secteur grand consommateur de matri ces, c'est
bien l' électroniqu e . Les é lectro nic ie ns aiment à ex traire
de leurs montages de fi ls des opé rateurs leur perm ettant
d'a nalyser un circuit é lectrique. Il s servent à modéliser
les relations uni ssant des grande urs de so rtie en fo nction
de gra nde urs d ' e ntrée (co urants, te nsions, intensités . .. ).
-~
1
,,
::;:
+-- -::;:
Sur ce quadripôle,
v, les entrées et les sor ties v,
sont des intensités.
-= -=
Souvent, les grandeurs d'entrée, notées (x, y), et les gran -
deurs de sorti e, notées (x', y'), sont liées par une relation
du type x' = a x + b y et y' = c x + d y, où a, b , c et d sont
des constantes. Le système pe ut alors être modélisé par
S = A x E, où S désigne le vecteur des sorties , E le vecteur
des entrées et A représente la matrice (: !) .
L'électroni cie n aime à ité rer. Si l'on acco le un deuxiè me
quadripôle au pre mier, pui s un tro isiè me qu adripôle, et
plus, comment ex primer les « no uve lles» sorties en fo nc-
tio ns des entrées initi ales ? La modélisati o n matri cielle
saute aux ye ux ! En appelant E0 les e ntrées initiales et E,,
les e ntrées rés ultant de l'adj oncti o n de n qu adripô les,
nous auro ns simple ment E,, = A" E0 . Il suffit de savoir
éleve r une mat ri ce à la pui ssance n pour avo ir immédi a-
teme nt les paramètres de so rti e e n fo ncti o n des para-
mètres d'entrées . L' itérati on des qu adripôles se réduit à
un calcul matri cie l ! Mais comme no us ! 'avons vu dans
l' arti cle précédent , élever une matri ce , c'est du trava il ...
Hors-série n° 44. Les matrices Tc:ingeni:e
EN BREF
Un peu d'histoire
En cherchant à résoudre les mouvements d' une corde
vibrante, d'Alembert se ramène à une équation
différentielle aux dérivées partielles . Pour la
résoudre, Lagrange aboutit à un système avec des
coefficients « en miroir » ; c'est en fait une matrice
symétrique. Par une méthode fort habile il par-
vient alors à un polynôme , en fait, le polynôme
caractéristique ; il sait résoudre l'équation de
départ si ses racines sont distinctes . Lagrange
généralise cette méthode pour étudier les pertur-
bations des trajectoires des planètes et la stabilité
du système solaire.
Dans les années 1820, en étudiant les quadriques,
surfaces d 'équationflx,y,z) = 0 oùf est une fonc-
tion polynomiale de degré 2, Cauchy annule les
dérivées partielles secondes de f et se retrouve
devant le même problème que Lagrange. En termes
modernes, il montre que les axes correspondent
aux vecteurs propres de la matrice de la quadrique
et que les valeurs propres sont les racines de ce
qu'il appelle l'équation caractéristique. Il fait
alors le lien avec la recherche des axes d'inertie
d'un solide en rotation .
Pierre de Fermat avait au xvn• siècle posé le pro-
blème de la décomposition d'un entier en somme
de deux carrés, par exemple 13 = 32 + 22 . Ceci cor-
respond à chercher les valeurs entières de x2 + y2.
Legendre généralise ce problème en l'étendant à la
recherche des valeurs entières prises par une forme
quadratique. Gauss se retrouve devant le même
problème, en introduisant la méthode des moindres
carrés pour trouver l'orbite de l'astéroïde Cérès. La
solution revient à classifier les formes quadra-
tiques, c'est-à-dire les exprimer comme combi-
naison linéaire de carrés des coordonnées après
avoir fait subir à celles-ci une transformation
linéaire. Gustav Jacobi démontre en 1841 qu ' une
telle forme peut se mettre comme somme et diffé-
rences de carrés. Ce résultat est connu sous le nom
de théorème d' inertie de Sylvester, le savant anglais
l'ayant démontré indépendamment peu après. En
1858, Weierstrass aboutit au résultat en restant dans
le cadre des bases orthonormées. Les matrices des
formes quadratiques étant symétriques, il démon-
trait en fait le théorème spectral.
107
 ACTIONS par J. Bair et A. Coolen
les tableaux entrées-sorties
I •
en econom1e
Wassily Leontief est un célèbre économiste américain, d'origine
russe. Il a reçu le prix Nobel d'économie en 1973. Il est
principalement connu pour des travaux qui portent sur des
tableaux d'échanges interindustriels, encore appelés tableaux
d'entrées-sorties (ou input-output).
Wassily Leontief (1905-1999) .
ne économie aujourd'hui com-
U porte de nombreux secteurs S 1,
S2 . .. S11 , par exemple l'industrie,
l'agriculture , les services . . . Chacun de
ces secteurs produit un seul type de bien
ou de service, mais interagit avec les
autres secteurs . La livraison intermé-
diaire représente la production (I 'out-
put, en anglais) du secteur S; à destination
du secteur SP et donc aussi l'entrée (I ' in-
s
put, en anglais) du secteur 1 en prove-
nance du secteur S;. Cette quantité sera
désignée x;J·
108 Tangente Hors-série n°44. Les matrices
Les biens produits par les différents sec-
teurs ne sont pas nécessairement homo-
gènes, de sorte que leurs quantités
physiques peuvent parfois ne pas être
comparab les. Comment , par exemple ,
additionner le nombre de tonnes de fruits
récoltés avec le nombre d ' heures récla-
mées par un service à la personne ? En
conséquence , en vue de calculer la pro-
duction globale et l'entrée globale d ' un
secteur, il faut être capable d ' exprimer
les X; J en valeurs monétaires , de manière
à pouvoir notamment les ajouter les uns
aux autres . Par exemple , si le secteur S 1
désigne l'agriculture et le secteur S2 celui
des services , alors x 1,2 est la valeur, en
euros , de la production agricole néces-
saire au fonctionnement du secteur des
services. Mais les faits sont rarement
aussi simples dans la vie : un tel choix
peut poser des problèmes pour la com-
paraison de tableaux relatifs à des dates
différentes , puisque les systèmes des prix
varient au cours du temps ! Le modèle
que nous allons développer est donc
valable uniquement dans le court terme .
 LES MATRICES SONT PARTOUT

Trauail et capital

Les secte urs effectue nt généraleme nt

des li vrai sons de produits fini s dans le
but de sati sfaire une de mande fin ale
(comme la consommation des ménages ,
les investissements des pouvoirs publics,
les exportations de biens et services à des-
tination de ('étranger. .. ) . Appelon s d;
la valeur (en unités monétaires) de la
demande final e adressée au secteur S;.
Les X;J et les d; peuvent être repri s sous
la forme d ' un tableau : Comment la production doit-elle varier lorsque la demande
change ? À l'origine, on a X = (I - A)- 1 D. Si les demandes
Secteurs Demandes D deviennent D +L:. D alors les productions X deviennent
consomm ateurs fi nales X +L:.Xavec
s, s2 .. . s,, X +l':.X = (I-Ar(D +L:. D)
,,,... = E(D +L:. D) = E X D +E X l':. D.
:::,
s, x1.1 x,.2 .. . x 1.11 d,
<) On en déduit que l':. X = E x l':. D
ü:::,
"Cl s2 X2.I x 2.2 .. . X 2,, c/2
ea. En considérant le cas où la demande finale du secteur} aug-
,,,... : : : : : :
:::, mente de 1 tandis que les autres demandes ne sont pas modi-
<)

ü<) s,, X n.l x n.2 ... X d,,
[/'J "·"
Synthèse des livraisons intermédiaires
et des demandes finales, le tout étant
exprimé en unités monétaires.
La somme des éléments dans chacune
des li gnes donne la production globale
de chaque secteur (exprimée en unités
monétaires) . Celle du secteur S; est dès
lors donnée par la somme
x ;, 1 + x;.2 + . ;, . + X ; 1, + d;, ce qui s'écrit
égaleme nt 2:X;.j + d; et que l'on note
J-1
plus simple ment x,
La somme des éléments de chacune des
co lonnes fo urnit l'entrée g lobale de
chaque secteur (également exprimée en
unités monétaires). Celle du secteur S; est
donc donnée par x 1.,. + x2 .l. + .. . +" xll ,l·,
soit , en notation plus condensée , 2 xj.;.
Enfi n, chaque secteur S; consomn~.e des
biens intermédiaires à raison de
fiées, on constate quel':. X correspond précisément à la/'me
colonne de E.
Autrement dit, les éléments de la/'me colonne de
E = (I - A)- 1 représentent les quantités supplémentaires que
les différents secteurs auront à produire pour répondre à un
accroissement d'une unité de la demande finale du secteur}.
Plus précisément, (L':. X); = e;J représente la quantité sup-
plémentaire que doit produire le secteur S;lorsque la demande
finale du secteur s1 augmente d'une unité.
(somme des éléments de la colonne i du
tableau des échanges), et augmente la
valeur des biens achetés par l' intermé-
diaire des facteurs « travail » et « capi -
tal » de manière à produire un bien de
valeur X; (somme des éléments de la ligne
i du tableau). La différence entre la valeur
de la production globale et la valeur de
l'entrée globale du secteur S; est appe-
j-1 lée sa valeur ajoutée, notée v;. La valeur
ajoutée V; vaut
n
2x 1 .,. v, = x, - 2 xjJ'
j- 1 J-1

Hors-série n• 44. Les matrices Tangente 109

ACTIONS Les tableaux entrées-sorties ...
À court terme, il est permi s de supposer
que chaque secteur do it utili ser une pro-
portion constante d 'entrée pour sa pro-
duction finale. En d 'autres termes,xij' qui
est la quantité produite par S; pour Sj ,
est proportionnelle à la production glo-
bale xj du « secteur receveur » Sr E n
termes plus mathématiques, cette relation
s'écrit X;J = aiJ x xj , avec aiJ = x;/ xj le
coeffic ient de proportionnalité .
En conséquence, a;J représente la valeur
de la production du secteur S; que Sj doit
acquérir pour produire (l a quantité cor-
respondant à) une unité monéta ire de
son propre bien. Les nombres aiJ sont
appelés coefficients techniques, car il s
dépendent de la techno logie empl oyée.
l'arriuée des matrices
Commençons avec l'exemple d ' une éco-
no mie à deux secteurs .
Secteurs Demandes
consommateurs fin ales
s1 s2
"O s i x1. 1 x1.2 d l
0
....
o..
(/)
s2 X 2. I x 2,2 d2
Une économie à deux secteurs.
La production de Si, à savoir x 1 = x1.1 +
x 1.2 + di, peut également s' écrire sous
la fo rme
X1= a1 ,1X1 + a1 ,2X2 + d 1.
De même, la production de S2 va ut
X2 = a 2,1X1 + a 2.2X2 + d2.
Ces deux relations peuvent nature lle-
ment s'écrire sous la fo rme matric ie lle
sui vante:
110 Tangente Hors-série n°44. Les matrices
ou encore X = A X + D. Dans cette der-
ni ère écriture , o n a noté X le vecteur
des producti ons g lobales, A la matrice
des coeffic ients techn iques (A est appe-
lée la matrice technologique), et D est
le vecteur des demandes fi nales. Le rai-
sonnement c i-dessus peut aisément être
généralisé au cas d ' une économ ie à plus
de deux secteurs.
La re lation matricielle X = A X + D peut
aussi s 'écrire sous la fo rme (1 - A)X =
D , où I désigne la matrice identité . La
matrice 1 - A joue dès lors un rôle cap i-
tal ; elle est connue sous le nom de matrice
de Leontief, e n l' honneur de l'écono-
mi ste améri ca in Wass il y Wassil yov itch
Leonti ef. Lorsque la matri ce de Leon-
tief est in versible, le ni veau de prod uc-
tion de chaque secteur s' obtient simplement
par la relati on X= (I - At 1 D .
Lorsque les conditi ons techno log iques
restent inchangées et que les dema ndes
fi na les adressées aux d iffére nts sec-
teurs se modi fie nt , D deve nant alors
D ' , il s'ensui t que les no uvell es pro-
duc ti o ns g lo ba les X ' sero nt don nées
par (1 - At 1 D'. Ain si, un seul calcul
d ' in vers io n matric ie ll e est à réaliser,
celui de la matri ce de Leontief.
Voyo ns un exe mple co ncret, toujo urs
da ns le ca s d' un e éco no m ie à de ux
secteurs.
Secte urs Demandes
consommateurs fina les
s, s2
-ci s, 12 3 5
eo.
Cil s2 4 6 5
Un exemple concret dans le cas
d ' une économie à deux secteurs.
Dans cette situati on initi ale , la produc-
tion du secteur I vaut 12 + 3 + 5 = 20 ,
 LES MATRICES SONT PARTOUT

et la production du secteur 2 est égal à À court terme, chaque secteur

4+6+5=15.
doit utiliser une proportion constante
Les relations a;J = X;) xj permettent
d'obtenir la matrice technologique asso- d'entrée pour sa production finale.
ciée à cet exemple :

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
.
Imaginons à présent que les demandes
finales deviennent 6 unités monétaires
(au lieu de 5) pour les deux secteurs.
5
Lor sque le vecteur D = ( ) devient
D'=(!), 5
X=(~~) devient
le vecteur
La part de la valeur ajoutée de l'agriculture ne cesse de décroître

X'={I-Af'D'=(~ ~)(!) =(~:). dans l'économie française.

d ' une unité également et la production

la uariation des demandes
On peut montrer (voir l'encadré consa-
cré à l'évolution de la production) que
les éléments e;J de la matrice
E = (l-Af I permettent de prévoir com-
ment doit varier la production lorsque
la demande évolue, « toutes choses égales
par ailleurs » (cette expression, cou-
ramment utili sée par les économistes,
signifie que les conditions de produc-
tion , et donc ici le éléments de la matrice
technologique , restent inchangées).
Lorsque la demande finale du secteur I
augmente d ' une unité , la production du
secteur I doit augmenter de troi s uni-
tés et la production du secteur 2 doit
augmenter d ' une unité (valeurs lues
dans la première colonne de
E =(l-Af 1). Lorsque la demande finale
du secteur 2 augmente d ' une unité , la
production du secteur I doit augmenter
du secteur 2 doit augmenter de deux
unités (valeurs lues dans la deuxième
colonne de E = (I-Af 1). Donc , lorsque
les demandes finales des deux secteurs
augmentent chacune de I unité , la pro-
duction du secteur I doit augmenter de
quatre unités et la production du sec-
teur 2 doit augmenter de trois unités.
En d ' autres termes ,
x 1 = 20 devient x 1 + = 20 + 4 = 24,
etx2 = 15 devientx 2 + = 15 + 3 =18 .
On voit ainsi qu ' il y a de nombreuses
façons d 'obtenir les résultats demandés
pour satisfaire une évolution de la
demande. L' avantage de la méthode
matricielle est de pouvoir se généraliser
aisément à un nombre quelconque de
secteurs d'activités, et de ne nécessiter
qu'une seule inversion de matrice.
J.B.&A.C.

Hors-série n• 44. Les matrices Tangente 111

 ACTIONS par Jacques Bair

Exemples élémentaires de
matrices en économie
Les économistes sont souvent amenés à manipuler des
tableaux de nombres qui sont les résultats d'observations
empiriques ou qui sont construits à partir de règles précises .
Illustrons les opérations matricielles de base par des exemples
variés et très simples rencontrés dans l'univers économique.

orsque des clients ont la poss i- (5 2 4 1\

L bilité d'acheter plus ieurs pro-

duits, leurs commandes peuvent
être rassemblées dans un tableau dont
M=l~ ~ ! ~J·
les lignes se réfèrent aux acheteurs et matrices de commandes,
les colonnes aux biens . matrices de fabrication

Pour fixer les idées, considérons le cas
de trois clients, a, b etc, qui peuvent
acheter quatre produits A , B , Cet D . Par
exemple, le premier c lient , a, com-
mande cinq unités de A , deux unités
de B, quatre unités de Cet une unité de
D. Le d e uxiè me c lient , b, porte son
choix sur trois unités de A, de ux uni-
tés de C et trois unités de D , mais ne
désire pas acquérir de produit B . Enfin ,
la troisième personne, c, souhaite obte-
nir deux unités de A et cinq unités de
C , et n 'est inté ressée par aucun des
deux produits B et D .
Ces données, écrites sous forme d ' un
tableau comprenant trois lignes et quatre
colonnes, forment une matrice M de
format 3 x 4, à savoir :
Admettons que cette matrice M ras-
semble les commandes effectuées par
nos clients au cours de de ux jours suc-
cessifs. Au total sur ces deux journées,
les troi s personnes achèteront évide m-
ment les quatre produits conformément
à ces calculs simples :
Ainsi, on a « ajouté» la matrice M à elle-
mê me, ce qui revient au même que de
l'avoir « multipliée» par le nombre 2.
Plus généralement , si E = (e;) est une
matrice quelconque et a un scalaire, le
produit aE est, par définition , la matrice

112 Tangente Hors-série n°44. Les matrices


de même taille que E et dont l'élément
situé sur la ième ligne et la /me colonne
vaut ae;J· Quant à la so mme de deux
matrices E = (e;) et F =(!;)de même
tai lle , e lle n 'est autre que la matrice
obtenue en additionnant les éléments
correspondants.
Nous allons considérer la fabrication
de différents produits en admettant que :
• la production de k unités d ' un pro-
duit réc lame k fois les quantités de
facteurs utili sées pour une seule unité
de ce produit ;
• la production simultanée d ' une unité
d'un produit A et d ' une unité d ' un
produit B nécessite des quantités de
facteurs égales à la somme des quan-
tités nécessa ires pour fabriquer une
unité de A et une unité de B.
Ces deux hypothèses, somme toute
assez naturelles, confèrent un carac-
tère « linéaire » à la production et per-
mettent d ' illustrer aisément le produit
matriciel . En effet, en guise d'exemple
élémentaire , intéressons-nous à la fabri-
cation de deux produits semi-finis S I et
S 2 au moyen de trois facteurs primaires
de production , F 1 , F2 et F 3 (qui pour-
raient être, pour fixer les idées , le tra-
vail, le capital et ('énergie) . La quantité
du facteur Fj nécessaire pour une unité
de produit S; est donnée par ('élément
a1,1.. de la matrice M = (a,.J). Les élé-
ments de M seront supposés fixes, aussi
lon gtemp s que la technique de pro-
duction reste inchangée .
Comme exemple numérique , considé-
rons la matrice de fabrication suivante:
M = ( JO 3 6).
15 5 4
Ainsi, la production d ' une unité de S 1
réclame dix unités de F 1, trois unités de
Hors-série n• 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
F2 et six unités de F 3 , tandis que la pro-
duction d ' une unité de S 2 fait appel à
quinze unités de Fi, cinq unités de F 2
et quatre unités de F 3 .
Par ailleurs, les deux produits semi-
fini s S I et S 2 servent à leur tour pour
fabriquer deux produits finis P 1 et P 2 •
Plu s préci sé ment , pour obtenir une
unité du produit fini P;, il faut employer
la quantité b ;J de SF Les nombres b;J
forment une nouvelle matrice N = (b;).
Par exemple, on di s pose des informa-
tions suivantes: il faut cinq unités de
S I et s ix unités de S 2 pour produire
une unité de P 1 et, de même , il faut
deux unités de S 1 et trois unités de S 2
pour produire une unité de P 2 , ce qui
fournit la matrice
N = (~ ~) .
Les quantités de chaque facteur pri-
maire intervenant dans la fabrication
de chaque produit fini peuvent être
aisément calculées en utilisant nos
hypothèses initiales. Elles peuvent
être rassemblées dans une matrice P,
de format 2 x 3, dont les lignes se rap-
portent aux produits finis et les
colonnes aux facteurs primaires. De
fait, on obtient sans peine :
P=(5x10+6x15 5x3+6x5 5x6+6x4)=(140 45 54)
2 X JÜ + 3 X J 5 2 X 3 + 3 X 5 2 X6+3X4 65 2J 24
En réalité, la matrice Pest obtenue en
« multipliant » N par M, ce produit
s'effectuant « 1igne par colonne » et
s'écrivant P = N M
Plus généralement, le produit E F de
deux matrices E et F ne peut être exé-
cuté que lorsque le nombre de colonnes
de E est égal au nombre de lignes de F ,
comme le suggère l'exe mple ci-des-
sus. Si donc E = (e;) est de format
mxn et F =(!;)est de format nxp,
ACTIONS Matrices en économie

le produit E Fest, par définition , la La balance des comptes s'effectue en

matrice Q = (q 1.J ), de format mxp, comparant les sommes des crédits et
telle que des débits. Or, le total des débits de
tous les comptes vaut
f e,.,J,, .J..
. . = e., . ,!,, .J. + e./ , ,f , ,}. + ... + e'·" f.fi.}. = ,.L.,,
qt.J ( l\

td,-(d d, ... d·tJ-('UM)U

k-l

le double classement en comptabilité

En comptabilité, on a quelquefois De même , le total des crédits de tous

recours à une méthode dite en partie les comptes est égal à
double, car elle consiste à enregistrer ( c, \
deux fois chaque opération : une pre-
mière fois au crédit d ' un compte , et i ,, -(1 1 ... t :J-'U (MU)
une deuxième fois au débit. Pour évi-
ter toute erreur éventuelle, il convient
de toujours vérifier l'égalité entre la L' égalité entre le total des débits et
somme des crédits et celle des débits. celui des crédits résulte de l' associati-
Ce double clas se ment peut avanta- vité du produit matriciel, puisque
geusement être réalisé sous forme matri-
cielle: dans ce cas, nous allons constater CUM)U = 1U(MU) = UMU 1

que les contrôles sont automatiques.

Construisons une matrice carrée d'ordre ce qui équivaut à
n, notée M = (a;), dont les indices des
lignes indiquent les numéros des comptes
crédités, tandis que ceux des colonnes
se réfèrent aux comptes débités. Ainsi, Plu s généralement , l'assoc iativité du
le nombre a;J désigne la somme débi- produit matriciel se traduit comme suit :
tée au compte d'indice jet créditée au pour des matrices Ede format m x n , F
compte d'indice i. de format n xp et G de format px q , on
Considérons à présent le vecteur colonne peut écrire
(c'est-à-dire une matrice comportant
une seule colonne) U composé den E(FG) =(EF)G = EFG ,
éléments égaux à 1. Le produit matri-
ciel MU définit un vecteur colonne le résultat final étant de format m x q.
dont tous les éléments c 1, c 2 , ••• , c11 sont
les sommes de s crédits relatifs aux J. B.
comptes qui correspondent aux indices
"
des lignes, puisque c, = ~ a,.r
J- 1
Par ailleurs, le produit tu M, où tu
désigne le vecteur transposé de U, donne
un vecteur ligne dont le s é léme nts
d 1, d 2 , .•• , d 11 représentent les sommes
des débits qui correspondent aux indices
"
des colonnes , car d j = ~ a,.r
i- 1

:114 Tcingente Hors-série n°44. Les matrices

 ACTIONS par Hervé Lehning

•
a r1ces
et codes secrets
Tout ce qui se prête à des calculs compliqués peut être utilisé
pour coder, les matrices ne font pas exception. Ces codes,
nommés chiffres de Hill du nom de leur inventeur, ne sont
guère utilisés de nos jours. Pourquoi ? Tout simplement parce
qu'ils ont un talon d'Achille ... Dans cet article, nous montrons
lequel, et comment y remédier.
o mmençons en restant dans le Chiffrement par multiplication
C classicisme cryptographique. Les
messages sont co nstitués des
lettres de l' alphabet (de A à Z) , sans
Pour coder un tel message, il suffit de
savoir coder chaque nombre entre O et
espace ni accent ou signe de ponctua- 25. Une idée pour ce faire est d'utiliser
tion. Ainsi, le message « Tangente est la multiplication dans "1l../ 26"1l.. (l ' en-
mon magazine préféré » devient TANGE semble des nombres entre O et 25, voir
NTEES TMONM AGAZI NEPRE FERE l'encadré Calculs dans "1l.. /26"1l.. ), qui
où nous avons groupé les lettres par cinq consiste en la multiplication ordinaire
pour que cela reste lisib le. Ces vingt-six dont on ne garde que le reste dans la
lettres peuvent être codées numérique- division par 26. Ainsi , 12 fois 7 vaut 84
ment de Oà 25, par exemple en utilisant normalement , donc 6 dans "1l.. / 26"1l..
le tableau suivant : puisque 84 = 3 x 26 + 6.
Un tel multiplicande constitue la clef
ABCDEFGH I J KLM du chiffrement. Si nous utilisons 7
0 2 3 4 5 6 7 8 9101112 comme clef, notre message commence
par 19 fois 7, soit 3 puisque 19 fois 7
NO P Q R ST UV W X Y Z vaut 133 qui a pour reste 3 dans la divi-
13 14 15 16 17 18 19 20 21 22 23 24 25 sion par 26. Nous continuons ainsi
pour obtenir: 3, 0, 13 , 16 , 2, 13 , 3, 2,
Codage des lettres de Notre message devient alors une suite 2,22,3,6,20, 13 , 6,0, 16,0, 19 , 4, 13 ,
l'alphabetpardes de chiffres: 19,0, 13,6,4, 13, 19,4,4, 2, 1, 15,2,9, 2, 15,2.Cettesuitepeut
nombres de0à25. 18, 19, 12, 14, 13, 12,0,6,0,25,8, 13, alors être convertie en lettres en utili-
4, 15, 17,4,5,4, 17,4. sant le tableau précédent à l'envers , ce

116 Tangente Hors-série n°44. Les matrices


qui donne:
DANQC NDBBW DGUNG AQATE
NCBPC JCPC .
Déchiffrement, décryptement
Pour déchi ffrer, nous de vons déte rmi-
ner l'opération 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 égal à l 5 ( voir
l'encadré Calculs dans "l!../26"1!..) . Il est
diffic ile de trouver ce nombre ( 15) mais
fac il e de vé 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 déchiffrer. Remarquons à ce ni veau
qu e to ute clef ne do nne pas un code
déchiffrable. Pour cela, il est nécessaire
d' utili se r un é lé me nt in ve rs ibl e de
"l!../26"1!..,c'est-à-dire un nombre premier
avec 26 ( voir l'encadré).
Si on ne connaît pas la clef, nous disposons
de deux méthodes pour casser le code.
Premiè reme nt , nous pouvons essayer
les onze clefs possibles. Deuxièmement,
nous pouvons utili ser la méthode des
fréquences pui sque notre méthode cor-
respond à une simple substitution alpha-
bétique. Nous ne rev iendrons pas sur la
question : e ll e est dévelo ppée dans le
hors-série 26 de Tangente, Cryptogra-
phie et codes secrets. L'art de cacher ,
comme dans notre li vre sur l 'Uni vers
des codes secrets.
lnteruention des matrices
En 1929, I'A méri ca in Lester Hill e ut
l' idée de généraliser cette méthode en rem-
pl açant les éléments de "l!../26"1!.. par des
matrices carrées d 'ordre 2 sur ce même
ensembl e. Bien entendu , comme pré-
céde mment , les matrices do ivent être
in versibl es dans "l!../26"1!.., c'est-à-dire
qu e le ur d é te rmin a nt d o it l 'ê tre .
Hors-série n• 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Calculs dans z / 2&z
Traditionnellement, nous notons "l!../26"1!.. (ou "l!.. /26) l'en-
semble des nombres de O à 25. Les résultats des trois opé-
rations (addition , soustraction et multiplication) sont
ramenés à Z/26"1!.. en prenant leur reste dans la division
par 26. Ainsi , dans ce contexte, 13 + 14 = 1 puisque le
reste de 27 dans la division par 26 est 1. De même,
2 x 13 = 0 et 7 x 11 = 25. Le premier résultat montre que
2 et 13 ne sont pas inversibles. De façon générale , un
nombre non nul de Z/26"1!.. n'est pas forcément inversible.
Claude Gaspard Bachet de
Méziriac (1581-1638) est l'au-
teur de la traduction latine de
l'Arithmétique de Diophante
dans les marges de laquelle
Fermat nota l'énoncé de son
fameux théorème. On doit de
plus à Bachet la première preu-
ve connue du théorème qui
porte aujourd'hui son nom.
Le calcul des inverses dans un anneau modulaire comme
Z/26"1!.. est une application du théorème de Bachet selon
lequel l'équation au + bv = pgcd (a, b) où a et b sont
connus a toujours une solution en u, v. De plus, on peut
en trouver une en utilisant l'algorithme d'Euclide .
À titre d ' exemple, appliquons-le aux nombres 26 et 7 en
commençant par diviser 26 par 7. Le quotient est 3 et le
reste 5. Celui-ci peut donc être écrit sous la forme
26 u + 7 v, en l'occurrence : 5 = 26 - 3 x 7. Nous recom-
mençons avec 7 et 5, le reste (2) peut encore être écrit
sous la forme 26 u + 7 v puisque 2 = 7 - 5 , soit :
2 = -26 + 4 x 7. Nous divisons alors 5 par 2 et il en est
de même du reste (1) : 1 = 5 - 2 x 2, soit
l = 3 x 26 - 11 x 7 . Nous avons donc trouvé une solu-
tion à l'équation de Bachet . .. et il en est toujours ainsi.
En remarquant que 11 + 15 = 26 , nous en déduisons :
15 x 7 = 1 + 4 x 26. Donc, 7 est inversible dans "l!.. /26"1!..
et son inverse est égal à 15. Il en est de même de tous les
nombres dont le pgcd avec 26 est égal à 1, c'est-à-dire des
nombres impairs non divisibles par 13.
Les codes de Hill sont attaquables
par la méthode du mot probable.
117
 ACTIONS Matrices et codes secrets
lester Hill
En 1929, Lester Hill a publié un article sur l'utilisa-
tion des matrices pour chiffrer un message dans un
journal éducatif. Il s'agit donc plus d'un exemple
d'utilisation des matrices que d'un chiffre destiné
réellement à cacher. De fait, il demande des amélio-
rations pour offrir une bonne sécurité.
Autrement dit, nous utilisons une matrice
(: !) où le nombre ad - be est impair
et non multiple de 13. Cette matrice sera
la clef de chiffrement. Un calcul fasticlieux
mais simple montre que le nombre de
clefs possibles est égal à 157 248, ce qui
n'est guère important pour une attaque
par fo rce brute, c'est-à-dire en essayant
toutes les possibilités. Cependant , il est
fac ile de généraliser la méthode à des
matrices d'ordre 3, 4 ou 5. Le nombre de
clefs y est autrement plus important , ce
qui la prémunit d ' une attaque par fo rce
brute. Cependant , même s' il vaut mieux
l' appliquer avec des matrices d 'ordre 5 ,
no us la décriron s compl ète ment uni-
quement dans le cas d 'ordre 2 pour ne
pas compliquer inutilement les calcul s.
Prenons par exemple la matrice
A=( ~ } ), dont le déterminant vaut
0 tée. Pour montrer comment elle fo nc-
35 , qui est bien inversible. Son inverse
dans ~ se calcule fac ilement, il s'agit
de I._( 20 5
35 - 1
- ). Dans "ll../26"ll.., l' inverse
2
de 35 est égal à 3 pui sque 3 fo is 35
vaut 105 , dont le reste dans la di vision
par 26 est 1. L' inverse de la matrice A
20 5 60 15
est donc 3 x ( - ) = ( - ),
-1 2 -3 6
. A- ' = ( 8
soit
23
11) . 0 n peut ven
6
, .f.1er ce
résultat en effectuant la multiplication
de A par A- 1 ; on trou ve 131 52) qui.
( 468 13 1
ri 18 Tangente Hors-série n°44. Les matrices
est bien la matrice ide ntité dans
"ll.. /26"ll.. . Nous codons alors le message
en groupant les chiffres deux par deux.
Ainsi , le premier groupe est 19, O.
Nous calcul ons le produit matric iel
sui. vant : A x ( 19) ce qui. donne ( 38)
O 19
soit 12, 19. Le second groupe est 13 , 6,
1
ce qui donne A x ( :) , so it 4, 2 1.
On continue a insi, mais comme le
nombre de chiffres est impair, on ajou-
te un O à la fi n . On obtient : 12, 19, 4 ,
21, 21, 4, 6, 7, 20, 2, 20, 9, 15 , 14, 24 ,
12, 12, 6, 12, 1 , 20, 1, 11 , 3, 7, 2, 15,
18, 8, 4. En lettres, cela donne:
MTEVV EGHUC UJPOY MMGMB
UBLDH CPS IE .
Pour déchiffrer, il suffit de multipl ier
par la matrice in verse. Comme le chif-
fre ment se fa it par groupe de deux
lettres, la méthode des fréquences ne
suffit plus pour décrypter, c'est-à-dire
déchiffrer sans connaître la clef. En
effet, le nombre de digrammes est de
26 x 26, soit 676. De ce point de vue ,
la méthode peut être rapprochée de
celle de Pl ayfair, rendue célèbre par
son utili sati on par John Fitzgerald
Kennedy pendant la Seconde Guerre
mo ndi ale . Co mme dans ce cas, la
méthode du mot probable reste adap-
tionne, imag inons un autre message
codé par la même méthode, mais en
changeant la clef.
Supposons que nous interceptions un
message chi ffré de cette manière, donc
avec une matrice 2 X 2 : NCPDN
IFMGD YWDKJ GZYGF TSGM , et
que nous soupçonnions qu ' il commen-
ce par le mot « ordre » . Dans ce cas ,
notons A = (: !) la matrice de chif-
frement. Dans celui -ci, OR dev ient NC
1
donc A X ( )~) = ( :) et de même :

1 suffi t pas d ' util iser des matrices
A x ( ~) = ( ;) (DR devient PD) . Cela
1 d 'ordres plus importants, même si cela
équi vaut à deux systèmes de deux
équations à deux inconnues :
14a+ l7b= l3 {14c+ l7d=2
et .
{ 3a + 17b = 15 3c + 17 d = 3
Ces systèmes se résolvent comme dans
le corps des réels, mais en prenant garde
que les calculs se font dans "ll./26"11., où
le calcul d' un inverse peut être délicat (voir
! 'encadré Résolution d'un système dans
un anneau) . Nous trouvons : a= 2, b =3,
c = 7 et d = 2, et obtenons donc la clef
1 exemple . Celle-ci va en effet traduire le
de chiffrement : A= ( ; ~).
Pour décrypter le message, il reste à
déterminer l' inverse de A.
4 7
On trouve : A_, = ( ).
25 2
En appliquant cette matrice à la suite
13,2, 15,3, 13,8,5, 12,6,3,24,22,3,
10,9,6,25,24,6,5, 19, 18,6, 12,on
obtient : 14, 17,3, 17,4,3,0, 19, 19, 0 ,
16,20,4, 17,0,3,8,23,7,4,20 , 17 ,4,
18 soit : ORDRE D ATTAQ UER A
DIX HEURES. Le fait que le message
ait un sens confirme que notre décryp-
tement est le bon. Le chiffre de Hill est
donc fac ile me nt attaquable par la
méthode du mot probable, même si
nous augmentons la taille de la matri-
ce. Autrement dit, sa sécurité repose
sur le secret, ce qui est toujours impru-
dent. Comme l'a éno ncé Claude
Shannon : dans un code secret, on do it
supposer que l'ennemi connaît le sys-
tème . .. la sécurité étant assurée par
une clef (ici la matrice) que l'on chan-
ge régul ièrement (voir le Principe de
Kerckhoffs dans l'Univers des codes
secrets de ['Antiquité à Internet).
Renforcement du chiffre
Il est donc nécessaire de rendre le
chiffre de Hill résistant aux attaques
par mots probables. Pour ce faire, il ne
Hors-série n° 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
est utile, il faut égale ment rendre diffi-
cile la reconnaissance de mots pro-
bables. Ceux-ci sont souvent légions,
comme l'ont montré les erreurs alle-
mandes de la Seconde Guerre mondia-
le dans l'emplo i de la machine
Enigma. Une idée simple est de com-
mencer par coder en ASCII, ce qui
revient à travailler dans "ll./256"11., et
d'appliquer une compression du texte
par la méthode de Huffman , par
mot probable d ' une façon non « facile-
ment prévisible ». Le chiffre obtenu en
sera fortement amélioré.
H.L.
Résolution d'un svstème dans un anneau
, {14a+l7b=l3
Pour resoudre , on retranche la seconde
3a+l7b-15
équation à la première, on obtient 11 a= 24. Comme l' in-
verse de 11 est 19, puisque 11 multiplié par 19 vaut 209
dont le reste dans la division par 26 est 1, a est égal à 24
fois 19, soit 14. En remplaçant dans la seconde équation
=
et en utilisant l'inverse de 17, qui est 23, on trouve b 3.
' {14c +l7d=2 , d
L e second systeme se resout e meme, on
A
3c +l7d=3:
trouve c = 7 et d = 2.
Bibliographie
• Cryptographie et codes secrets, l'art de
cacher. Bibliothèque Tangente 26, 2006.
• L'univers des codes secrets de l'Antiquité
à Internet. Hervé Lehning, Ixelles, 20 12.
• The code Breakers . David Kahn , Scribner,
1996.
~ 19
 HISTOIRES par Jean-Jacques Dupas

les mathématiciens préfèrent les grosses...

matrices
Matrix computations: contrairement à ce que ce nom laisse
entendre, nous ne sommes pas en présence d'un nouvel opus
de la série Matrix. Il s'agit d'un ouvrage, d'ailleurs plus connu
pour les numériciens que le film ! L'histoire de l'analyse
numérique est indissociable de celle de l'un des auteurs de cet
ouvrage, Gene Golub.

i vous cherchez à inverser ou dia- ciel pratique. Car il ne fa ut pas s'y trom-

S gonaliser une matrice , vous avez

forcément une solution efficace
dans un livre, véritable bréviaire du cal-
cu l numérique : Matrix computations,
qui est le vade-mecum du calcul matri-
per (et vo us l' ig noriez pe ut-être) : la
plupa rt des ordinateurs de la planète
passe nt le ur temp s à m a nipul er des
matrices. C'est bien pour cette raison que
Matrix computations est un best-seller
(nou s en sommes à la troisième éd ition ,
plus de cinquante mille exemplaires ont
été vendus, et plu s de dix mill e réfé-
rences dans des artic les pointe nt sur cet
ouvrage). Ses auteurs sont Gene Howard
Golub ( 1932-2007) e t Charles Francis
Van Loan (né e n 1947). Comment ce
livre est-il né ?

L' Américain Roger Alan Horn (né en

Blason de de la prestigieuse université
de Standford (Californie, États-Unis)
où Gene Golub exerca à partir des
années soixante.
1942) ava it fondé le département de
ma thé mat iqu es à l' univers ité Johns-
Hopkin s. Avec les John s H opkins
Press, il publiait des monographies
courtes re pre nant des cours. Il ava it
inv ité Gene Golub à dispenser un de
ses cours. Charlie Van Loan éta it pré-
sent et pensait que le cours de Go lu b
ferait un livre excelle nt. Il s décidèrent

Tangente Hors-série n°44. Les matrices


d'essayer d 'écrire cette monographie.
Selon Golub , toujour s mode s te ,
Charlie Van Loan es t le principal
auteur du livre, et son âme. L' hi stoire
de Gen e Golub pe rmet e n fait de
retracer une grande partie de l' histoire
de l'analyse numérique.
les débuts
Gene Howard Golub est né le 29
février 1932 de Bernice e t Nathan
Golub . Sa mère é tait originaire de
Lettonie et son père d 'Ukraine . Tous
les deux étaient arrivés indépendam-
ment aux États-Unis en 1923 et
s'étaient installés à Chicago , ayant
des pare nts déjà dan s la ville. Gene
naît au cœur de la grande dépress ion ,
trois ans après son frère ainée Alvin.
À 12 ans, il commence à travailler
dan s la pharmacie de so n cousin
Sidney. Alors qu ' il est au lycée, ses
parents divorcent et son père meurt
l'année suivante , en décembre 1948 .
Au départ, Gene voulait devenir chi-
miste. Pui s il découvrit la géométrie
analytique et le calcu l, et sa passion
débuta. li suivit des cours de mathé-
matiques à l'univers ité de Chicago ,
puis décida d'aller à l ' université
d ' Illinoi s à Urbana-Champaign pour
sa licence . Une déc ision qui changera
sa vie, car parmi les cours qu'il sui -
vra figure un cours sur les matrices
de Franz Edward Hohn . Licencié,
Golub suit les cours du fameux stati s-
ticien 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 à temps
partiel chez un phy sicien travaillant
sur un accélérateur. Il apprend à pro-
grammer l' ILLIAC , l' un des premiers
ordinateurs de l'époque. John Nash
Hors-série n• 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Gene Howard
Golub
(1932-2007).
lui offre alors un poste d'assistant
dan s le laboratoire d ' informatique ;
nous so mmes en 1953. De la sorte,
Golub se familiarise avec les pro-
blèmes pratiques que les informati-
ciens rencontrent.
À l' université d'Illinois, Gene Golub
croise le Britannique David John
Wheeler (l 927-2004), qui développe
les routines de base. Golub ne suivra
jamais de cours d'analyse numérique ,
mais apprendra en essayant de com-
prendre les élégants programmes de
Wheeler.11 rencontrera également l' in-
formaticien britannique Stanley Gill
( 1926-1975).
Bien plus tard, Golub travaillera pour
l'accélération de l'algorithme PageRank
de Google : sans le savoir, vous utili-
sez tous le s jours les travaux de
Golub ! Il recevra en échange un cer-
tain nombre d 'actions Google , qu'il
donnera pour la plupart afin de fonder
la chaire Paul-et-Cindy-Saylor à l' uni-
versité d ' Illinois . Il di sa it que ce
cadeau en disait long sur l' importance
121
 HISTOIRES Les mathématiciens...
Publications de SIAM.
www.siam.org
qu'avait eue l'université d'Illinois
dans sa vie ...
Abraham « Abe » Haskel Taub ( 1911 -
1999) prend Golub comme étudiant.
C'était un proche de John von
Neumann et un spécialiste de mathé-
matiques appliquées. Taub donne jus-
tement à Golub un papier de von
Neumann, sur l'utilisation des poly-
nômes de Tchebychev dans la résolu-
tion des systèmes linéaires. Ce papier
sera décisif dans la direction que pren-
dront les recherches de Golub . Il
obtient ensuite une bourse et part à
Cambridge pour quinze mois, jusqu'à
l'été 1960. Après quelques mois pas-
sés dans l'industrie, Golub accepte en
août 1962 un poste d 'ass istant au
département de mathématiques de
Stanford , qu ' il ne quittera plus.
Une carrière bien remplie
Golub a écrit ou co-écrit autour de
deux cents articles dans les meilleurs
journaux. Sa contribution la plus
conn ue est la décomposition en
valeurs singulières (ou SVD, pour sin-
gular value decomposition). On peut
éga lement citer l'invention de la
~ 22 Tangente Hors-série n°44. Les matrices
méthode de réduction cyclique pour la
résolution de certains systèmes
linéaires, permettant la construction
de solveurs de Poisson rapides. Mais
quand on demandait à Gene ce qui
définissait sa carrière, il ne mention-
nait pas telle contribution ou tel
artic le scientifique : il parlait des
gens. li louait ses étudiants et aimait à
répéter qu ' il avait eu de la chance de
les rencontrer.
Par ailleurs, Golub a rendu d 'énormes
services à la communauté de l'infor-
matique scientifique. Il fut président
de la Society for Industrial and
Applied Mathematics (SIAM) et joua
un rôle central en fondant le Conseil
international pour l' industrie et les
mathématiques app liquées. Il est le
fondateur de deux journaux impor-
tants du SIAM, le SIAM Journal on
Scientific Computing (le Journal du
SIAM de l' informatique scientifique)
et le SIAM Journal on Matrix
Analysis and Applications (le journal
du SIAM de ! 'analyse matricielle et
de ses applications). Il a enfin fondé
NA-NET et NA-Digest, des outils de
travail et de réseaux indispensables
pour la communauté de l 'a lgè bre
linéaire numérique.
J.-J.D.
Références
• Matrix computations. Jean-Jacques
Dupas, Tangente 120, 2008.
• Gene H. Golub Biography. Chen
Greif, Oxford University Press,
2007, en anglais, disponible en ligne
à 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 troisième édition.
 ACTIONS par Daniel Justens
Calculs matriciels
en statistique multiuariée
Les bases de données statistiques sont comme de grands
tableaux de nombres. L'usage des notations matricielles
simplifie alors le formalisme. La collecte des données se fait
progressivement, relativement à chaque unité statistique
interrogée, et en notant les observations ligne par ligne.
L
'obs:rvati~n quan~ifiée de p~é-
nomenes econom1ques , soc10-
log iques ou autres vise
essentiellement à la construction de
modèles uti lisables soit par leurs aspects
prédictifs , soit en vertu de leur puis-
sance explicative. Deux optiques peu-
vent être développées .
On peut s'intéresser à une variable par-
ticul ière, notée Y, que l'o n suppose
dépendante de k variables X 1, ~ , ••• , Xk
indépendantes entre elles et qualifiées
d'explicatives . La relation s'écrit for-
mellement Y= f(X 1 , X 2 , ... , Xk), et on
se place dans le cadre de la régression ,
qu i tend à paramétrer « au mieux »
(dans un sens à définir) la fonction f
en tenant compte des observations.
On peut aussi étudier directement les
k variables X" X 2 , ... , Xk en tentant
de mesurer et d'utiliser « optimale-
ment » leur niveau de dépendance . Le
but de la démarche consiste à donner
du système observé une représentation
conviviale et interprétable en réduisant
sa dimension à une ou deux : des obser-
ri 24 Tangente Hors-série n °44. Les matrices
vations dans l'espace à k dimensions
(k > 3) sont en effet difficiles à visua-
li ser par notre cerveau formaté pour un
espace à deux ou trois dimensions. Le
cadre est ce lui de la construction de
composantes.
Collecte de l'information, régression
La collecte d'observations statistiques
multivariées se fait à partir d'indivi-
dus, encore appelés unités statistiques
et désignant toute entité abstraite ou
concrète à laquelle ! 'observateur est
susceptible d 'assoc ier une valeur à Y et
un vecteur de valeurs à (X 1, X2 , •.. , Xk).
Supposons que nous disposions de n
unités statistiques. Afin de particulari-
ser chaque observation du vecteur, on
utilise une notation doublement indicée.
Le premier indice va être relatif à la
variable, le second au numéro de l' unité
statistique. Comme les observations
sont notées ligne par ligne (chaque ligne
correspondant aux valeurs associées
pour chaque variable à un individu) ,

l'ord re des indi ces se ra « co lo nne-
ligne » : X;Jest do nc située à la li g~ej
de la co lo nne i e t re prése nte la /me
observatio n de la variab le X;. On se
tro uve do nc à l'opposé de la notati on
usuelle « ligne-colonne ». Dans la suite,
nous noto ns Y le vecte ur co lonne des
observati o ns de la variab le Y et X la
matrice des observat ions X;J·
Le cas le plu s s impl e est ce lui de la
régress ion li néa ire. O n suppose q ue la
variable dépendante Y pe ut s'ex primer
comme combinaison linéai re des valeurs
des k variab les ex pl icat ives X;. For-
mellement, si B est le vecteur co lo nne
des coeffic ients de cette combin a ison
linéa ire, notre modè le se no te par le
vecteur co lonne X B. O n note Y le vec-
teur colo nne des observatio ns, et l'on
peut introd uire alors le vecteur colonne
E des écarts (erre urs) e ntre o bserva-
tions et va leurs prévues par le modè le :
E = Y - X B . La somme des carrée des
erreurs corres po nd à la fo rme 'Ex E,
da ns laque ll e 'E représe nte le vecteur
ligne tra nsposé de E. La méthode cl as-
s iqu e LSS (least sum of squares, o u
mo indre so mme des carrés) v isant à
min imi ser 'Ex E va li vrer un systè me
de n équati ons à n inconnues qui per-
met généra le ment de calibre r B. No us
passons ic i sur les problè mes de co li -
néarité appara issant lo rsqu e deux ou
plu s ieurs va ri abl es ex pli cati ves so nt
dépenda ntes en partie (corré lation signi-
ficat ivement d iffé re nte de 0) et que le
ca librage est fo rte ment affecté par les
observations. Cec i se comprend intui -
tive me nt : e n cas de dé pe nda nce, le
système à résoudre est proche d ' un sys-
tè me indé terminé . ..
O n peut auss i adjoi ndre une constante
add iti ve au modè le e n y introdui sant
une variable X0 prenant systématique-
me nt la va le ur I e t e n aj o uta nt un e
colonne de « 1 » à X.
Hors-série n• 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Karl Pearson
(1857-1936).
Composantes principales
Considérons à prése nt la seule matrice
X. Ces observations constituent un nuage
de po ints da ns un es pace à k dime n-
sio ns. L' idée est de se représenter ce
nuage dans un pl an de façon à v isuali -
ser les proximités et les différences des
unités stati stiques.
Pour y arri ver, on propose
de re mpl acer les vecte urs
observés (qui constituent les ,,!
li gnes de la matri ce) par
une ou deux valeurs (repré-
sentation dans le plan) qui
en sont des co mbina isons
linéa ires, tout en conser-
vant un max imum d ' in-
for mation .
Ce qui fa it le conte nu de
l'information,c'est la varia- j
bilité des observations. En
économie ou en sociologie, Exemple type d ' une analyse
la co nsta nce d ' un para - en composante principale (ACP).
mètre ne s ignifi e j ama is Le nuage de points est représenté
que la no n-conn a issance dans un plan.
d e sa va ri a b i lit é ! Il
conv ient do nc de construire des co rn-
binaisons linéa ires des observatio ns de
variance max imale. Les ac tivités de ce
125
ACTIONS Statistique multivariée
Joseph-Louis Lagrange (1736-1813).
type portent le nom d 'anal yse en com-
po sa nte s principa les (AC P) e t so nt
issues des travaux du stati sticien contro-
versé Karl Pearson (1857-1936), tri s-
tement célèbre par ai lleurs pour ses
positions e ugéni stes.
Avant de co mmencer toute manipul a-
tion , il fa ut pre ndre consc ie nce du fa it
que la variance d' une variable statistique
est dépe ndante du système d ' unités de
mesure choi si. Une unité di x fois plu s
petite li vre des observations dix fois
plus grandes, de variance cent fois plus
é levée. Il convient de se débarrasser
avant tout de cette influence en ne consi-
dérant que les variab les réduites :
Va leur observée - Moyenne
Écart type
inscrites dans la matrice (i ndicée par r)
Xr.
126 Tangente Hors-série n °44. Les matrices
En considérant le produit matric ie l
_!_, X, X, , on vérifie que ce dernier cor-
n
res pond , e n variables réd uites, à la
matrice variances-covariances (ou
matrice variances-corrélations), notée
R , qui comprend des I sur la di agonale
(variance d'une variable réduite) et les
corré lations entre X;,,. et Xj,,. aux empla-
cements (i,j) et U, i).
Notons enfin A= 1(a 1, ... , ak) la matrice
(o u le vecteur) co lonn e de l' une des
transformations lin éa ires c he rchées.
Cette dernière donne comme valeur le
vecteur colonne XrA, de variance:
_!_, A ' X X A=' ARA
n ' ' .
On sait que la matrice carrée R est symé-
trique (car la corrélation entre X; et Xj
est identique à la corré lation entre \
et XJ Cette propriété permet d'étendre
certa ines formules courantes de déri -
vation au calcul matriciel.
Il faut déjà se convaincre qu'il est impos-
s ible de max imi se r la variance sa ns
imposer de conditions aux éléments de
A. En effet, si ses va le urs a 1 ... ak ne
so nt pas bridées, alors e n les faisant
croître indéfiniment on peut faire tendre
la variance de la combinaison linéaire
Xr A vers l'i nfini . Cette constatation se
voit confirmée par calcu l direct: le seul
extremum libre de 1A RA est un mini-
mum constitué du vecteur ide ntique-
ment nul (0, 0, ... , 0), leq ue l correspond
à une variance également nulle, toutes
les observat ions étant « résumées » par
l'ori g ine. Le ca lcul des dérivées par-
tielles relativement aux composantes
de A peut être noté comme suit :
a' ARA= 2RA
aA '
générali sant formellement la dérivation
d' un carré . Le système obtenu par annu-
lation des dérivées partielles est donc

homogène. S'il n 'est pas indéterminé ,
ce qui est infiniment peu probable , il
n ' admet que la solution triviale A= 0
(abu s de notation).
Il faut donc se tourner vers la recherche
d'un maximum sous contra inte en uti -
li sant les multiplicateurs de Lagrange .
En choisissant d ' imposer la contrainte
I
A A = 1 aux éléments de A, on garan-
tit la conservation des di stances, refu-
sa nt toute homothétie et donc tout
gonflement des écarts.
Considérons à présent la fonction
et calculons ses dérivées partielles. L'an-
nulation des k premières conduit au sys-
tème de k équation s
2RA-2À.A=0,
équivalent à (R - À l)A = 0
(où I désigne la matrice identité).
L' annulation de la dernière dérivée ,
relativement à À, redonne la contrainte.
Pour sortir de la so lution triviale du
premier système , il faut imposer à celui-
c i d'être indéterminé. Son déterminant
doit être nul. Ceci revient à donner à À
une valeur vérifiant det[R - À I] = O.
Notre problème se résume finalement
à la recherche des valeurs propres de
la matrice R. Cette équation de degré
k admet généra lement k so lutions .
Sous notre contrainte (1 A A = 1), on
montre par s imple calcul direct que
chaq ue valeur propre À mes ure très
exacte me nt la variance de la combi-
naison linéa ire obtenue par résolution
du système compl et obtenu pour cette
valeur (k équations linéairement dé pen-
dantes, donc k - 1 degrés de liberté,
plus la contrainte imposée) . Il s uffit
donc de retenir les solution s associées
Hors-série n° 44. Les matrices Tangente
LES MATRICES SONT PARTOUT
Siège de l'lnsee.
aux deux plus grandes valeurs de À pour
être à même de transformer le nuage
de points en nuage planaire tout en
conservant un maximum d ' information.
On peut même quantifier l'information
disponible dans la réduction planaire
du nuage . En effet, les variances des k
variables de départ sont toutes égales
à 1. Si ces variables sont indépendantes
(ce qui est le cas si on en fait une repré-
sentation dans un espace à k dimen-
sions) , alors la variance associée à leur
so mme sera égale à la somme de s
variances, soit k. En retenant pour notre
pl an les valeurs propres les plu s éle-
vées, À. 1 et À. 2 , on conserve la fraction
(À 1 + À. 2) / k de l' information initiale .
Cette façon de faire permet donc une
représe ntation efficace d ' une partie
connue de l' information disponible
dan s la base de données initiale . On
peut aussi donner une interprétation
géo métrique de la démarche. Le p lan
retenu est le plan contenu d ans l'es-
pace initi al à k dimen sion s tel que la
projection orthogonale des observa-
tions sur ce plan présente un max imum
de dispersion.
D.J.
127i
 SAVOIRS par François Lavallou
les matrices de
La qualité des communications modernes repose sur la capacité
à s'affranchir du bruit et des interférences dans un signal.
Parmi les nombreuses structures mathématiques utilisées en
théorie des codes correcteurs d'erreurs apparaissent les
matrices de Hadamard.
es matrice~ de Hadamard pos-
L sèdent une structure des plus
simples : e lles sont carrées et
leurs vecteurs colonnes, constitués uni-
quement de + l ou de - l , sont ortho-
gonaux. Elles po1tent le nom de Jacques
Hadamard , mais James Joseph Syl-
vester, inventeur du terme « matrice »
et pionnier de la théorie des déterminants ,
fut sans doute le premier à les avoir
étudi ées systématiq uement. Il mit au
point, en 1867, une méthode de construc-
tion de telles matrices d 'ordre 2", pour
toute valeur den. Objet d 'étude depuis
plus de cent quarante ans, les struc-
tures de ces matrices , aux multiples
applications, renferment encore de nom-
breux secrets.
Inégalité de Hadamard
Considérons une matrice A de rang n
et de terme général ( a ;.j ) 1.;_.,, • Hadamard
l,s;j:Sfl
a établi en l 893 la majoration su ivante de
la valeur absolue du détermjnant de A :
128 Tangente Hors-série n°44. Les matrices
Cette inégalité est connue sous le nom
d'inégalité de Hadamard. Le détermi-
nant est la somme de tous les produits
den termes , un par li gne et un par
colonne, affectés par un coefficient
- 1 ou+ 1. Ces produits sont au nombre
den! . Si les termes de la matrice sont
majorés en valeur absolue par le nombre
positif M (c'est-à-dire si la;) :SM ),
alors chaque produit de n termes est
majoré par M" et donc Idet(A) 1 :S n!M".
L'inégalité d'Hadamard fournit la majo-
ration Idet (A) 1 :S n"12 M" , qui est bien
plus préci se. Cette relation a été conjec-
turée par Lord Kelvin (1824-1907) et
démontrée en 1885 par Thomas Muir
(1844-1934) pour des nombres réels.
L' inégalité de Hadamard a une inter-
prétation géométrique simple. En notant
uj = (a 1J ... a 11 ) les vecteurs co lonnes
de la matrice A, elle s ' écrit
ldet(A)I :S ùllu,IJ.
 LES MATRICES SONT PARTOUT
1

Hadamard note que l'on a l'éga lité si,

et seul ement si, les termes Ia;) sont
constants et les vecteurs colonnes (u)i s_;,;,,
orthogonaux. Cette inéga lité signifi e
donc que le volume I det (A) 1 du paral-
lélép ipède co nstruit sur les vecteurs
(u)i sjs" est max im al qu and ces vec-
teurs so nt orthogonaux .

Le déterminant des matrices H11 d'ordre

n, constituées de coefficients réels égaux
à± 1 avec ses vecteurs co lonnes ortho-
gonaux, est donc extrémal. En effet,
nous avons H11 'H11 = n 111 , où 111 est la
matri ce unité , et la borne supéri eure de
l' inégalité de Hadamard est bien atteinte
puisque (det (H))2 = n" . Ces matrices
réelles, quand elles ex istent , sont nom-
mées matrices de Hadamard o u H-
matrices. Hadamard a dé montré qu e
les ordres poss ibles d ' une telle matrice
sont n = 1, n = 2 ou les multipl es de 4
(vo ir en encadré). Par un e méthode
récursive, Sylvester a construit de telles
matrices d'ordre n =2m. Dans ce qui suit,
nous notero ns les va leurs + l ou - 1
simplement par leur signe. Les matrices
de Hada mard sont g lobalement inva-
riantes par permutation ou changement
de signe des vecteurs, lignes ou colonnes
les constitu ant. Nou s pouvons donc ne
considérer que les matri ces possédant
des va leurs pos iti ves sur leur première
li gne et leur première co lonne.
La H-matrice d 'ordre deux est alors
H2 = (: :) .
À partir de cette matrice , on construit
des matrices de Sylvester-Hadamard
d' ordre n = 2111 en utili sant la rel ation
Jacques Hadamard
Mathématicien universel, Jacques Hadamard (1865-
1963) s'est intéressé principalement à la théorie des
nombres, à l'analyse mathématique et à la mécanique,
mais aussi aux langues, à la musique et surtout à la bota-
nique. Son résultat le plus célèbre est certainement la
démonstration en 1896, conjointement avec Charles-Jean
de La Vallée Poussin, du théorème des nombres premiers.
Il a laissé son nom aux matrices éponymes utilisées en
traitement du signal, pour la compression des données et
dans des algorithmes quantiques. Il existe aussi une pseu-
do-transformation de Hadamard en cryptographie. Très
impliqué dans la vie politique et sociale, il écrira sur
l'éducation et la psychologie de l'invention.
Georges Colomb (1856-1945), directeur du laboratoire
de botanique de la Sorbonne, était un ami de la famille
Hadamard. Il se considérait comme l'inventeur de la
bande dessinée. Il créa, sous le nom de Christophe, le
personnage du savant Cosinus, dont on peut imaginer
qu'il fut inspiré par la grande distraction et l'excentricité
du « petit père Hadamard », comme le nommait ses
contemporains.
Jacques Hadamard, un mathématicien universel.
Vladimir Maz'ja et Tatyana Shaposhnikova , EDP sciences, 2005.

On multiplie chaque terme de la matrice

H 2 par la matri ce H 2., pour obtenir la
matri ce H 2 • . Par exe mpl e, on obtient
H4
= l(: : : :\!
+ + - -
.

de la sorte + +

Hors-série n° 44. Les matrices Ta.ngente 129

SAVOIRS Les matrices de Hadamard
m- 1
Hadamard a réussi à construire des décomposition binaire est i = }: i, x 2',
matrices d'ordre 12 et d'ordre 20, mais k·O

on ne sait toujours pas s'il en existe le vecteur (i 0 , i 1 , ••• , i,,,_1), possédant m

pour tous les multiples de 4. La conjec-
ture d'Hadamard avance que c'est bien
le cas.
La construction de ces matrices de Syl-
vester-Hadamard s'effectue de façon ité-
rative , mais nous pouvons néanmoins
accéder directement à la valeur d ' un
de ces termes. Associons à chaque
nombre entier O ~ i ~ 2 111 - l , dont la
la transformation
de Walsh-Hadamard
Les fonctions de Walsh sont définies sur l'intervalle [0,
1]. Les fonctions d ' ordre 2n prennent les valeurs + 1 ou
- 1 sur des segments de longueur 2-n, et l'ensemble de
ces valeurs constituent les lignes de la matrice de Hada-
mard Hz· · Elles forment donc une base orthogonale de
l'intervalle [0, 1), semblable à la base de Haar utilisée
pour les ondelettes. Elles jouent le rôle dans la trans-
formée de Hadamard des fonctions sinusoïdales dans la
transformation de Fourier. La transformée de Hadamard
permet des algorithmes de calcul économiques.
Pour calculer directement l' image
w=H4l(:\J=l(~
c 1
-1
1
1
-1
~I\Jl(:\J=(l::::::~\J,
-1 c a+b-c-d
d l -1 -1 l d a-b-c+d
douze additions et soustractions sont nécessaires.
Dans le cas général d'une matrice d'ordre n, le nombre
d'opérations est n(n - 1).
Mais en calculant les variables intermédiaires
composantes. Alors, le terme général de
la matrice Hz. est
( H,. ).. = (-1
- 1.;
r ··· .i• . ,>.u, . .. .i • . ,> '
m-1
où (io, ... , im _,).<Jo, ... ,jm_ ,)= 2>, j, est
k-0
le produit sca laire des deux vecteurs
(i 0 , ... , i,,,_1) et U0 , ... ,J,,,_1). Ces pro-
priétés permettent de définir la trans-
formation de Wal sh- Hadamard (vo ir
en encadré), utili sée en traitement des
signaux , qui est l'équivalent d'une trans-
formée de Fourier discrète.
Imageries codées
Les matrices de Hadamard trouvent par
exemple des applications en théorie du
codage, en morphologie mathématique ,
en communications, en théorie des
réseaux et en statistique . La transfor-
mation de Hadamard est un outil de
traitement en imagerie , dans le cas par-
ticulier de masques à ouvertures codées.
Le principe général d'une imagerie
s'inspire des chambres noires. On perce
un trou dans un écran opaque au rayon-
nement et on récupère le signal sur un
détecteur en face arrière. La netteté de
l'image est d'autant plus grande que le
trou est petit, ce qui induit un signal
faible. On accroît alors la sensibilité
des di spositifs d'imagerie faible flux,
comme l 'i mager ie gamma en astro-
physique, sans perdre en finesse en
perçant la face avant de nombreux

r::\J r l : : : \ J lr;::;:\J
c'
=
c+d
, on obtient notre résultat w' =
a' - c'
trous . Ces trous constituent un masque
codé dont la structure s'i nsp ire des
matrices de Hadamard . On obtient alors
ld' c-d b' -d' une image complexe constituée de la
en huit opérations seulement ! superposition de plusieurs images de
On montre qu 'en général n logz n opérations suffisent. la source , et un algorithme d 'i nver-
Le facteur de réduction est environ (l / n) logz n , soit 1 % sion, lié à la structure de l'ouverture
pour n = 2 10 = 1024. codée, est néces sai re pour extraire
l'i mage de l'objet observé.

Tangente Hors-série n°44. Les matrices

 LES MATRICES SONT PARTOUT

la coniecture d'Hadamard Matrices à diagonale dominante

Les matrices d ' Hadamard con sidé- A est une matrice

l
rées dans l' article sont normalisées , ( 13 7 3\ à diagonale dominate car :
c'est-à-dire que le ur pre mière li gne - 11 1131?;;171+131,
et première colonne ne contie nne nt
que des + 1. En notant les valeurs
A= 5
-1 0 ~J l-111?;;151+121,
111?;;1-11+101.
par leur signe, pour n = 2, la seule
On assoc ie parfo is le nom d ' Hadamard à
H-matrice est H2 = (: : ) .
la c lasse des matrices qui ont la diagonale
Pour n supérieur à 3, prenon s le pre- princ ipa le stricte ment do minante, c'est-
mi er vecteur co lonne et deux autres à-dire te lles que la vale ur abso lue d ' un
que lconques . Nou s n'avons que les terme de la diagonale est strictement supé-
qu atre co mbina iso ns sui vantes de rieure à la somme des valeurs absolues des
signes poss ibles par li gne : aut res te rmes de sa li g ne : la; I> I laJ
a li gnes +++ Hadamard a effecti vement montré qu ' une
b lignes + + - telle matrice a un déterminant non nul , et
c lignes + - + est donc inversible .
d li gnes + - - So it A une matri ce te lle que chac un de
ses éléments diagon aux so it stricte me nt
où nous avons noté a, b, c, d le nombre do min ant dans sa lig ne : laJ > 4la;.J
de lignes de chaque combina ison . 1• 1

Le nombre total de lignes nous donne pour tout indice i. So it X un vecteur solu-
la re lation a + b + c + d = n, et l' o r- tion du systè me linéa ire A X = 0 et so it
thogonalité des vecteurs se traduit X; sa plu s grande composante en vale ur

par les re lati ons complé me ntaires : absolue : lx; 1~ lx) que l que so it l' indice
a + b - c + d = 0, j . Pui sque AX = 0 , nous avon s
a - b + c - d = 0,
a - b - c + d = O. "
~ a/,).x . = 0 et do nc - a .. x . = ~
LJ j 1,1LJ a1.J
1
.. x . j

~ I ~-
J .. I
L'additi o n de ces quatre éga lités No us en ti ro ns laull x;Is L ja;. l xIslx;I 2 la;J
1 1
donne 4a = n . L' ordre d ' une matr ice
de Hadamard est donc nécessa ire-
ment un multiple de 4 . La réciproque
est-elle vraie ?
que no us pouvon s éc rire laul- .l la;. 111x;IsO.
IS)'J.n
1
j .. 1

De no mbre use s rec he rc hes s ur le s Puisque la matrice A est à diagonale stric-

matri ces de Hadamard o nt été fa ites, te ment do minante , no us avon s
comme la constructi on de Paley et de
Williamson. La conjecture d ' Hadamard
la.·1-~1a.
LJ ,.,·I> 0,
1.1
J- 1
est po urtant to uj o urs d 'actu a lité . Le et la seule poss ibilité est X; = 0 ,
plus petit ordre multiple de quatre pour donc X= O.
lequel on n'a pas su construire de matrice L'équation A X = 0 admet donc pour unique
de Hadamard est. depui s 2004 , l'ordre solution le vecteur nul X= 0 , ce qui signi-
668. Av is aux amateurs ! fi e que la matrice A est inversible .
F.L.

Hors-série n° 44. Les matrices Tangente

 ACTIONS par François Lavallou
'
I
emes
eo ma r1ces
De nombreux problèmes de géométrie font appel à des
transformations admettant une représentation matricielle.
Nous allons donner pour illustration deux problèmes de
géométrie classique dont la résolution est simplifiée par
l'utilisation de matrices associées à des homographies.
a représentation matricielle des
L fonctions homographiques
(décrite dans l'article les Fonc-
tions homographiq ues dans le dos-
sier précédent) peut être exploitée
pour résoudre une généralisation du
problème de Pappus, puis, e n consé-
quence directe , un problème ... de
bi ll ard e lliptique .
Problème de Castillon
Le problème de Cramer-Castillon
s'énonce ainsi : « Étant donnés un cer-
cle et trois points A, B et C, construire
à la règle et au compas un triangle
inscrit dans le cercle dont les côtés
passent respectivement par les points
A, B et C. » Au quatrième siècle de
notre ère, Pappus d'Alexandrie avait
déjà résolu le prob lème dans le cas
particulier où les trois points A , B et C
sont alignés. En 1742, Gabriel Cramer
(1704--1752) propose de généraliser la
construction en supposant les points
132 Tcingente Hors-série n°44. Les matrices
•
A , B, C choisis quelconques dans le
plan : « Dans ma jeunesse, un vieux
géomètre, pour essayer mes forces en
ce genre, me proposa le problème que
je vous proposai ; tente z de le
résoudre et vous verrez combien il est
difficile. » Tous les mathématiciens de
l 'époque, dont Leonhard Euler, s'y
intéressent. C'est ]'Italien Giovanni
Francesco Salvemini da Castiglione
(1704--1791), dont le nom est francisé
en Casti llon, qui résout le problème en
1776. Il raconte que, le lendemain de
la lecture de sa solution à l'Académie
des sciences, il reçut une solution ana-
lytique de Lagrange !
Pierre-Simon de Laplace ( 1749-
1827) s'intéresse au problème dans sa
généralité, avec n points et un n-
gone. Et Lazare Carnot (17 5 3-1823)
trouve en 1803 la solution particuliè-
rement élégante que nous allons pré-
senter. Elle s'effectue à l' aide des
transformations homographiques, ou
transformations de Mi:ibius.
En considérant un cercle de rayon
unité , les coordonnées d ' un point M du
cercle sont (cosa, sina) . En utilisant
pour paramètre la tangente de la moitié
de l'angle polaire, z = tan(a /2), nous
obtenons une nouvelle expression pour
les coordonnées de M :
( 1- z
2
2z \ C . .
Mi - - , , - -
2 ). e point se construit
\ l+ z l+ z
comme étant le second point d ' inter-
section du cercle et de la droite passant
par les points D(-l , 0) et P(O , z). C ' est
la projection de pô le D du cercle sur
l' axe des ordonnées. Le point M par-
court le cercle dans le sens trigonomé-
trique quand le paramètre z varie de
- OO à + OO,
Notre problème général est de déter-
miner un polygone à n côtés, ou n-
go ne, B 1 , B 2 .. . Bn in sc rit dan s le
cercle unité dont les côtés passent res-
pectivement par les points Ai, A 2 ...
A,,. En partant d ' un point (quel-
conque) B 1 du cercle, on construit le
point B 2 comme sa projection sur le
cercle par le point A 1 •
0 de Pappus.
0
Paramétrage du cercle.
On construit de la même façon tous les
points B ;, avec la contrainte finale
B,,+ 1 = B 1• La procéd ure étant itérati-
ve, il importe donc de savoir détermi-
ner le point B2 de paramètre z2 à partir
des points A 1(xi, y 1) et B 1(z 1). La coli-
néarité de ces troi s points se traduit ,
après quelques calculs , par la relation :
z, =
yz + x -1
' ' ' ou, pour reprendre les
(1 + x,)z, - y,
Hors-série n° 44. Les matrices Ta.ngente
notations des transformations de Mobius ,
1
z2 ] = M, [z, ] avec M, = ( Y, x, - ) .
[1 1 x, + 1 - y,
On constate que la trace de cette
matrice est nulle , car cette transforma-
tion est involutive , et que son détermi-
nant det(M 1) = 1 - (~+y~) s'annule
s i le point A 1(x 1, y 1) appartient au
cercle. En itérant le calcul sur le péri-
mètre du n-gone, le paramètre du point
B 1(z 1) vérifie la relation
az, + f3
z•• , = z, = y z, + ô '
avec(; !)=M.x...xM,.
Cette équation quadratique possède en
général deux solutions . Nous en pré-
sentons un exemple dans le cas d ' une
configuration de Pappus .
Double solution du problème
Billard elliptique
Considérons maintenant une table de
billard elliptique . Il est connu que la
trajectoire d'une bille passant par un
foyer passera, après réflexion élastique
sur le bord , par l'autre foyer. De même
que nou s avons cherché la relation
entre les paramètres z 1 et z2 dan s le
problème de Castillon , établissons une
relation entre les angles el et e2de la
figure ci-dessous.
133
 ACTIONS Problèmes de géo-matrices

les cosinus des angles devient

T=-'-( . 1
cosa -sina
-sina) et nou s avons
I
cose, - sin a
cos e = - ~ - - -
2 1- sinacose,
Nous pouvons maintenant établir une
démonstration d'un théorème dû au
mathématicien austra li en Malcolm
Livingstone Urquhart (1902-1966),
qui stipule que si les points A, B , P, Q,
R, S sont disposés comme sur la figure
suivante, alors
Q AP+ PB =AQ +QB =>AS+ SB =AR+ RB.
Billard elliptique.

Rappelons qu'une ellipse de demi

grand axe a et demi petit axe b a pour
excentricité e = c/a,
où c =axe= '10 2 - b 2 , et pour équation
b2
polaire r = . En prenant les
a - ccose
axes de l'ellipse pour repère et en
notant x l'abscisse du point P sur le
grand axe, nous avons :
b2 x+c
lj= =--.
a - ccose, cose, Un théorème d'Urquhart.

'd . x+c • x- c
N ous en de u1sons: cos 8, = - - . Oe meme, cose2 = --.
a+ex a-ex
Il s'agit de deux transformations de
Mobius, ce qui nous permet d'éliminer
fac ilement la variab le x entre ces deux
expressions.
-2e / (1 + e2 )\
)"
Nous constatons fort heureusement
que la solution ne dépend que de la
nature de l'ellipse , à savoir son excen-
tricité e. Poson s e = tan(a /2). Pour
une ellipse, nous avons O :S e < 1,
c'est-à-dire aE [O, .n/2[. La matrice de
la transformation de Mobius qui relie
Pour une telle disposition de points, si
les points P et Q appartiennent à une
ellipse de foyers A et B, alors il en est
de même des points R et S. Une bille
doit donc pouvoir suivre la trajectoire
APBRA ou la trajectoire ASBQA avec
les mêmes ang les . En notant T(a) et
T(/3) les matrices assoc iées à chaque
ellipse, T(a)T(/3) = ( 1+ P -S )
-S 1+ P
avec S = sin a+ si n/3 et P = sin a si nf3.
Ces deux matrices commutent donc, et
la matrice de la transformation reliant
les angles 8 1 et 8 3 est bien la même
pour les deux trajectoires !
F.L.

134 Tc:ingent:e Hors-série n°44. Les matrices

 SAVOIRS par Michel Criton

Les carrés magiques:

des matrices comme les autres
Une matrice est un tableau de nombres. Un carré magique est
également un tableau de nombres, qui satisfait à certaines
propriétés. Même si on ne s 'intéresse généralement pas aux
applications linéaires aux quels ils sont liés , les carrés
magiques sont des matrices comme les autres.
ue ll es o pérati ons peut-o n

Q p
effectue r avec des carrés
mag iques ? Avant de tenter de
à cette question, il fa ut don-
ner une définiti on de ce que l'on appel-
le un « carré mag ique ».
Déj à, un carré semi-magique est une
matrice carrée de dimension n telle que
la somme des termes d ' une ligne et la
somme des termes d' une co lonne soit
toujours la même (on appe lle générale-
ment cette somme la somme magique).
Si , de plus, les sommes des termes de
chacune des deux grandes diagonales
sont aussi égales à la somme magique,
le carré est dit magique. Ensuite, si la
somme des termes de n' importe quelle
di agonale bri sée (le tabl eau étant
considéré comme un tore) vaut égale-
ment la somme magique, on dit que le
carré est pandiagonal. Dans la littéra-
ture anglo-saxonne, les carrés
mag iques pandi ago naux sont parfois
dés ig nés sous l'appe ll ati on nasik-
squares. Ce nom leur a été donné par le

136 Tangente Hors-série n°44. Les matrices

 1
le révérend
Andrew Hollingsworth Frost.
révérend Andrew Hollingsworth Frost
( 18 19- 1907) , pass ionné de mag ie
arithmétique, qui fut missionnaire dans
la ville indienne de Nasik. Enfin , si les
2
11 te rmes d ' un carré mag ique de
dimension n sont tous les entiers de I à
n 2 , on dit que le carré est normal.
Des espaces uectoriels
Imaginons que l'on n' impose pas que
les carrés magiques soient normaux.
Les carrés magiques d 'ordre n compo-
sés de nombres réels, munis de l'addi-
tion vectorielle et de la multiplication
par un réel, forment un espace vectoriel
sur IR. Cet espace vectoriel est en fait
un sous-espace vectoriel de l'espace
des matrices carrées à coefficients réels
d 'ordre n. En effet, l' addition de deux
matrices carrées magiques d'ordre n est
encore une matrice carrée magique
d'ordre n , et le produit par un réel d' une
matrice carrée magique d ' ordre n est
également une matrice carrée magique
d'ordre n (ce n'est évidemment pas vrai
pour les carrés magiques normaux !).
Dans ce qui précède , on pourrait re m-
pl acer « magique » par « semi-
magique » ou par « pandiagonal » sans
altérer la propriété.
Hors-série n°44. Les matrices Tangente
DES MATRICES ET DES JEUX
la multiplication
des carrés magiques
Le produit matriciel appliqué aux carrés magiques ne
conserve évidemment pas la magie arithmétique (le pro-
duit tensoriel la conserve, mais il ne conserve pas le
caractère normal). Des mathématiciens ont néanmoins
essayé de définir une « multiplication » des carrés
magiques.
Le premier à tenter une telle opération a été le mathé-
maticien belge Maurice Kraitchik (1882-1957) dans son
livre la Mathématique des jeux (1930). Cette multiplica-
tion permet de former un carré magique normal de
dimension m X n à partir de deux carrés magiques nor-
maux, le premier de dimension met le second de dimen-
sion n.
Le produit de deux carrés magiques selon Maurice
Kraitchik. Les n 2 termes du second carré sont rempla-
cés par n 2 blocs images du premier carré. À chaque
bloc image, on a ajouté (k - 1) m2 , où k est la valeur
correspondant au bloc dans le second carré.
8 1 6 107 100 105 625560 125 118 123
3 5 7 102 104 10657596 1120 122 124
4 9 2 !03 108 101 58 63 56 121126 119
7 1 6469 116109114 17 10 15 98 9 1 96
66 68 70 11 1113 115 12 14 16 93 95 97
1 12 7 14)
8 13 2 11 677265 112 117 110 1318 11 949992
( 10 3 16 5 89 82 87 26 19 24 1431361414437 42
15 6 9 4 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
On vérifie que cette multiplication est bien associative.
En revanche, elle n' est évidemment pas commutative.
Il a été démontré que l'espace vectoriel
des carrés magiques d ' ordre 3 est un
espace vectoriel de dimension 3 . Les
trois carrés sui vants constituent une
base de cet espace vectoriel :
137
SAVOIRS Les carrés magiques ...

magiques normaux. Dans ce qui suit ,

Par exemple, le carré magique :
les carrés magiques seront tous suppo-
sés normaux.
Le déterminant de l' unique carré
magique d'ordre 3 (aux rotations et
symétries près) est égal à 360 (ou
- 360). Pour les carrés mag iques
d 'ordre 4, il a d 'a bord fallu les
dénombrer ! Dès le xv11 e s iècle ,
Bernard Frénicle de Bessy (vers
1605- 1675) a répondu à cette ques-

[!H]
(qui en outre est normal) peut écrire
51 + 3J - K.
On montre plus généralement que l'es-
pace des carrés magiques d 'ordre n est
un espace vectoriel de dimension
n(n - 2). Des auteurs se sont également
intéressés aux déterminants des carrés
tion, en prouvant que les carrés
magiques d'ordre 4 sont au nombre de
880 (hors rotations et sy métries). Plus
tard , le ludologue britannique Henry
Ernest Dudeney classa ces carrés en
douze types, selon leur configuration
par paires complémentaires de somme
17 (la moitié de la somme magique,
égale à 34) .
Dans un article de 1948 , le mathémati-

Les douze types de carrés magiques répertoriés 1>ar Dudeney :

deux cases reliées portent des nombres dont la somme vaut 17.

Type I Type II Type Ill Type IV

Type V Type VI Type VII Type VIII

Type IX Type X Type XI Type XII

138 Tangente Hors-série n°44. Les matrices

 DES MATRICES ET DES JEUX

Type Propriétés Déterminant

Pandi agonal 0
II Semi -nas ik 0
Ill Semi -nas ik 0
IV Sem i- nas ik 0
V Semi -nas ik 0
VI Semi -nas ik o u simpl e 0
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)

X 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)

c ien amé rica in Charles Wilderm an valeurs de ce tableau s'appliqueraie nt

Trigg ( 1898- 1989) étudie les détermi-
nants de ces douze types de carrés
mag iques. Si les nombres d ' un carré
sont dés ignés par les lettre A , B ... Q,
correspondant au schéma c i-contre,
A B C D
E F G H
J K L
M N P Q
alors on obtient les déterminants du
tableau (voir c i-dessus).
Dans ce tableau, un carré est dit semi-
nasik s' il est magique et si les sommes
E + B + L + P et 1 + N + C + H sont
auss i égales à la somme mag ique . Les
de même à des carrés mag iques qui ne
seraient pas normaux mai s constitués
de nombre en progress ion arithmétique
(il fa udrait alors remplacer le facteur
136 par 4S , où S serait égal à la somme
magique).
Po ur les carrés magiques normaux
d 'ordre 4 , on obtient dou ze valeurs
absolues différentes pour ces détermi-
nants: 0 , 2 176 , 3 264 , 4 352, 5 440 ,
6 528, 7 616 , 8 704 , 9 792, 10 880 ,
13 056 et 17 408.
M.C.

R ÉFÉ R ENCES
• A11111se111e11ts i11 Mathematics. Henri Ernest Dudcncy, 1917.
• Detem1i11m1ts of Fourth Order Magic Squares. Charles W. Trigg, The
American Mathcmatical Monthly, novembre 1948.
• Les carrés magiques. l3crnar<l Belouzc, Maurice Glaymann. Paul-Jean
Haug et Jean-Claude Herz, APMEP, 1975.
• L 'a/gèhre des rnrrés magique. Jean-Michel Groizard. APMEP, 1984.

Hors-série n°44. Les matrices Tangente 139

 PASSERELLES par B. Hauchecorne, D. Nordon et A. Zalmanski

Diuertissements
littéraires
Les matrices se trouvent tout naturellement en littérature,
dans l'écriture sous contraintes. Les diagonnets , par
exemple, sont des poèmes oulipiens de n vers ( chacun de n
syllabes) phonétiquement symétriques en suivant une
diagonale.

es adeptes de l'écriture sous

L contrainte (et notamment les

assidus del 'Ouvroir de littératu-
re potentielle, ou Oulipo) connaissent
les diagonnets, qui sont des poèmes qui
se lisent, syllabe par syllabe, aussi bien
horizontalement que verticalement. Par
exemple, si on lit verticalement la pre-
mière syl labe de chaque vers, on
retrouve exactement le premier vers. Si
on lit verticalement la deuxième sylla-
be de chaque vers, on retrouve exacte- Si l' on dispose les syllabes de ce
ment le deuxième vers . Et ainsi de suite poème sous la forme d'une matrice, on
jusqu ' au dernier vers .. . Voici déjà un trouve une matrice symétrique de
premier diagonnet de taille 6 (six vers taille 6. Cette structure rappelle celle
de six syllabes). que l'on trouve sur la figure ci-dessus
(on la retrouve dans plusieurs inscrip-
Ha letant sur les .flots, tions, la plus ancienne étant datée de
Le tronc du pin sourit, l'an 79 à Pompéi). Les lettres de cette
Tendu d'un sombre sang ... phrase en latin (sémantiquement diffi-
Sûrs pinçons rhapsodiques, cile à interpréter) peuvent être lues de
l es soubresauts haineux haut en bas, de bas en haut, de gauche
Florissant d'ichneumons. à droite et de droite à gauche. En fait,
cette propriété est possible car chacun

140 TC1.n9ente Hors-série n°44. Les matrices


des mots de la phrase est lui-même est
lui-même un acrostiche et un palindro-
me vertical et horizontal. Une traduc-
tion possible est « le laboureur Arepo
utilise une charrue comme force de
travail ». Mai s ce carré de taille 5
nous éloigne du diagonnet.
Le poète Robert Rapilly, compagnon
de route de l'Oulipo, a lui aussi com-
posé des diagonnets, comme Qui
s'étonne?.
Quis 'étonne ? Ouverts s'ennuient
Sept paravents qui volaient.
Ô rage, ô dent ! L'eau bout froide.
Nous vendangeons mes tricots.
Vert kilomètre et pot vide,
Sans vos bourricots on part.
Nuit ... L 'effroi d 'Ovide arrive!
Un autre ami de l' Oulipo, l'astrophysi-
cien Gilles Esposito-Farèse, a rédigé le
diagonnet suivant, intitulé Hommage à
Borgès (bien évidemment, la com-
plexité de ! 'exercice croît avec le
nombre de vers) :
Lentement la couleur pâlit
Te plongeant dans la cécité
Mangeant tout ce palais floral
La danse des ombres d 'effroi
Coule à pas ondulant d'oubli
Leur célèbre langueur sans art
Passif lot des doux sanglots d'or
Littéral froid blizzard dormant.
Il a également écrit le sonnet sui vant,
qui n 'est pas exactement un diagonnet
(quatorze vers de douze syll abes 1' in-
terdisent !), mai s presque :
Hors-série n°44. Les matrices Tc::a.ngente
DES MATRICES ET DES JEUX
Lorsque la netteté fr êle quimpe,
excédée,
Que cryptent dans le tas mille
opportuns rameaux,
Lattes-tu leur hublot, soûl de harpe
accordée,
N'a idant le rainé gris d'indices
lacrymaux ?
Te leurre une aigre faune, et l 'eau
les vaut, codée,
Tes tableaux griffonnés : korê par
animaux!
Frémit soudain Écho, parallèle,
entraidée,
Le lot de dits laurés, ramollis, tout
primaux.
Qu 'importe, harcelé par les lyriques
mandchoues,
Et qu 'un pâle avocat hante ou que
tu échoues
Ces raccords, cris honnis,
réprimandés, guindés,
Démodés : Maud aime ode et mots
chouchous des bardes.
L 'or scripturaire n'est pas mort !
Ris-tu, guimbarde,
Des rapaces locaux, colosses
paradés?
Le lecteur pourra avec intérêt placer
chaque syllabe dans une matrice pour
vérifier la qualité de la composition.
Enfin, Robert Rapilly a composé un
texte sur-contraint, dans une matrice à
vingt et une lignes et seize colonnes,
contenant donc trois cent trente-six
lettres. Se lisant indifféremment dans
les deux sens, le « poème matriciel »
révèle deux poèmes, Ô banalité (lectu-
re horizontale) et Orage désiré (lecture
verticale). Ce dernier poème alterne en
outre de manière systématique
voyelles et consonnes. Un travail
monstrueux !
141
PASSERELLES Divertissements littéraires

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
NERÀLEDEMIGALET.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
Q banalité de pâle g ra vure I

Fa11al à l 'océan en ode cané O rage désiré sélè11e le ru ban

Mon organe mûrira sa typ ée A mâture g itane de / 'ex-avenir
Mil écus en os En épave doré ce g in un élixir
Avec d 'aridité / 'écolo muet exode Âge d 'Or à humer arôme d'o rigan

L 'ami relaps unira

Paradoxal - airer il a su -
L e cal erre, pagaye, ram e morue
Gaga la fàyote pensive
Né de / 'aluni poète
D 'azuré le dîn er la dosa
N'a la vé le rien orin à damas
Alig nera le demi galet
Aède hélice libitum
L'écume rab à tétanie
Le mû vêtu Jutai abrège
T 'étire maso deux iris
Asile mutilé du Cid à / 'a /e:an
Élève si fër u te paya du nadir
Et ôta , cisela, se f era décatir
En are la rurale lame Buridan
Âne ma!ay alam il a fêté le soc
Idem olé vagi tu me pâmas ô roc !
Études â bêta .falot ô l 'examen
Il alita si l '0 11 y vola / 'opine/
Étalon écopé mâle re-périt un
Adage reçu par un origami hel

Ô rite final I

Ta.ngente Hors-série n°44. Les matrices

 par Michel Criton EN BREF

3 5 4 7 1
2 4 5 7 8 1 2 5
5 2 3 5 6 4 7 8
4 4 9 7 8 1 2 3
8 1 2 3 5 6 4
5 6 9 8
9 3

Rentrer dans le rang

Une autre question de nature matricielle se pose concernant les Sudokus. Quel est le leur rang?
On rappelle que le rang d'un matrice carrée est la plus grande taille d'une sous-matrice extraite
de cette matrice dont le déterminant est non nul.
La grille de Sudoku 4 X 4 ci-dessus a un rang égal à 3, la grille 6 X 6 a un rang égal à 4 et la grille
9 X 9 un rang égal à 7. Pour chacune de ces tailles de grilles, peut-on trouver un rang strictement
inférieur?
Références :
• A Sudoku Matrix Study, Merciadri Luca,
http://orbi.ulg.ac.be/bitstream/ 2268 / 19649/ 1/sudoku. pdf
• http://www.mathkb.com/Uwe/Forum.aspx/recreational/3261/Rank-of-Sudoku-matrices

Hors-série n°44. Les matrices Tangente 143

;rn-:,»-.:;Ji'H;f?F'I' · : i . ·1··' ~ 1 T:f'l''fl;-,~,··
lJP,ASSEREL·L.ES ,',
; ;'J
! ·. · ·
: , j
.t i · 1
! )11 I iH _
T 11 : ! ! • , : 'I t; J. { 1; 'i ! J; I. I ' j li: [ 1i.i J
rJ

les matrices lumineuses

•
1
De nombreuxjeux se présentent sous forme de matrices, mais
faut-il utiliser des matrices pour les résoudre? Nous allons
analyser le cas du jeu Lights Out, ce qui permettra par ailleurs
d'illustrer certaines notions abstraites utilisées en algèbre
linéaire et rencontrées dans ce hors série.
e Li ghts Out (que l'on pourrait repérer les bouton s par leurs numéros ,

L traduire « Éteindre les lumières »)

est un jeu électronique produit
par la société Tiger Toys en 1995 . Il se
comme sur la fi gure ci-dessous, plutôt
que par un repérage matriciel .

présente sous la forme d ' une matrice

d 'ordre 5 de boutons poussoirs:

lîJ lw wl lw wl 1

w w[w w w
~ wwww
rw w w w w
w wIW w w
Présentation du Lights Out.
Chaqu e bouton possède deux é tats,
allumé ou éteint , que l'on peut modéli -
se r pa r O (éte int) et 1 (a llumé) . Au
début du jeu , un motif de boutons allu-
més est choi si par la machine. On peut
Numérotation des cases de la matrice
(cas où les vingt-cinq boutons
sont tous éteints).
Une configuration de jeu devient alors
une matrice co lo nn e : 1(a 1 , a 2 , a 3 ...
a24 , a 25 ), où le symbo le I désigne la
transposition. Par convent ion, dans le
Lights Out, les touches enfoncées sont
dessinées en ro uge , et les touche s

144

allumées sont en jaune. Par exemple,
la configuration de la figure suivante
(à gauche) est :
c 1 = 1( 1, 1,0,0,0, ],0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0),
alors que la configuration de la figure
de droite est :
c 13 =1(0,0,0,0,0,0,0, 1,0,0,0, 1, l ,
1,0,0,0, l ,0,0,0,0,0,0,0).
En appuyant sur l' un quelconque des
boutons, on modifie l'état de ce bou-
ton et celui de ses voisins, suivant une
règ le du jeu fixe. Ici, cet effet est de
basculer l'état du bouton choisi et des
ses voisins hori zontaux et verticaux
immédiats, si ceux-ci existent.
En haut, l'effet de l'appui
sur le bouton 1 depuis la configuration
« tous boutons éteints ».
En bas, l'effet de l'appui
sur le bouton 13 en repartant de la
configuration « tous boutons éteints ».
- ~ ..,. T •
DES MATRICES ET DES· JEUX
Le but du jeu est d 'éteindre tous les
boutons (lights out) en un minimum
de coups. Face à un tel problème, plu-
sieurs questions sont naturelles : Est-
ce toujours possible ? Si oui, y-a-t-il
une seule solution ? Si oui, comment
l'obtenir ?
Déjà, point beso in de s'acharner sur
chaque bouton, il suffit d'appuyer zéro
ou une fois au plus sur chaque bouton.
Car deux appuis correspondent à pas
d'appui du tout , un appui annulant
l'effet du précédent. Cette remarque
va nous permettre de raisonner sur
l 'e nse mble {O, l} pour chacun des
vingt-cinq boutons. Ensuite, l 'éta t
d'un bouton ne résultant que du
nombre d'appuis sur ce bouton ou sur
ses voisins horizontaux et verticaux
immédiats, il ne dépend pas de l'ordre
d 'ac tivation de ces boutons. On en
déduit que l'on peut modéliser une
séquence d 'appuis par une matrice
colonne. Par définition, on appellera
stratégie cette suite finie. Par exemple ,
les stratégies impliquant uniquement
un bouton s'expriment par les vingt-
cinq matrices colonnes suivantes :
bi = 1(1 , 0 , 0 , 0,0,0 , 0,0 , 0 , 0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0),
1
b2 = (0, 1, 0 , 0, 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0 ,
0 , 0 , 0 , 0 , 0 , 0,0 , 0 , 0 , 0,0,0),
b25 = (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).
Un peu d'algèbre linéaire
Nous pouvons décrire le comporte-
ment du jeu grâce aux matrices .
Dé s ignons par J la matrice carrée
d'ordre 25 synthétisant le jeu . Cette
matrice vérifie, par définition :
J b1= Ci, J b2= C2··· J b 25 = C25"
On peut donc la construire de proche
en proche : la i-ème ligne et la i-ème
n 4. 1ce a 9 n 145
 colonne sont les configurations matrices colonnes, qui sont les vingt-
induites par l'appui sur le bouton i, ce cinq configurations C; ré s ultats des
qui fournit donc J. La matrice J peut vingt-cinq s tratég ies n ' impliquant
s'exprimer de façon condensée à l'ai- qu ' un bouton (à savoi r le bouton
de de matrices blocs : numéro i). Dire que le déterminant est
nul , c'est dire qu ' il existe au moin s
( K5 15 0 5 0 5 0 5' (1 0 0 o,
une colonne qui est une combinaison
1, K5 15 0 5 0 5 1 0 0
linéaire de s autres colonnes ; en
l= 0 5 15 K5 15 05 avec K 5 = 0 1 0
d'autres termes, toutes les colonnes ne
o, o, 1, K, 1, 0 0 1
sont pas linéairement indépendantes. Il
05 05 o, l5 K5 0 0 0
se trouve que la colonne numéro 24
(1 0 0 0 o, (0 0 0 0 o, est la somme des co lonnes numéros 2,
0 1 0 0 0 0 0 0 0 0 3, 4, 6, 8, 10 , 11 , 12 , 14, 15 , 16 , 18 ,
1, = 0 0 1 0 0 et 1, = 0 0 0 0 0 20, 22, 23 modulo 2, alors que la
0 0 0 1 0 0 0 0 0 0 colonne 25 est la somme des colonnes
0 0 0 0 0 0 0 0 0 1 , 3, 5, 6, 8, 10 , 16 18 , 20, 21, 23
modulo 2.
La matrice carrée symétrique J est la Par définition , le rang d ' une matrice
matrice caractéristique du jeu Lights carrée est le nombre de colonnes
Out. indépendante s. Dan s notre cas, le
Dire qu'une stratégie donne la confi- rang de la matrice caractéristique du
guration c, c'est dire que J b = c. Lights Out est 23 (merci aux logiciel s
Voyons maintenant le problème de calcul formel ... ). L'es pace de s
inverse : dire qu'une configuration configurations que l'on peut obtenir
donnée c est réalisée par une stratégie est donc une combinaison linéaire de
b , c'est toujours écrire J b = c. Si la vingt-trois éléments, so it un espace
matrice J était invers ible , il suffirait qui contient 2 23 co nfi g uration s. Ce
de multiplier à gauche par r' : nous jeu fourni donc 2 23 probl è mes qu e
aurions b = r' c et l 'affa ire serai t ! 'o n peut réso udre , c'est-à-dire
entendue (en outre, pui sque nou s 8 388 608 problèmes. Mê me si c'est
aurions une méthode explicite pour quatre fois moin s (2 25 ) que l 'e n-
calculer b , nou s pourrion s même semble des configurations poss ibles,
affirmer que la solution serait unique , cela devrait occuper quelques-unes de
e t un bon logiciel de calcul formel vos long ues soirées d ' hiver ... En pas-
nou s la trouverait). sant , nous venons de calculer que, si
Mais.. . La m a trice J est-elle l 'o n affiche une configuration au
invers ible ? Nous savo n s qu ' une hasard , il y a une chance sur quatre
matrice est inversible si, et seulement qu'elle soit résoluble.
s i, so n déterminant est non nul .
Calculons le déterminant de J (à la Le noyau, ou l'ensemble
main pour les courageux, avec un logi- des stratégies silencieuses
ciel de calcul formel pour les autres).
Le résultat est sans appel : det(J) = O. Nous venons de découvrir la notion
d'image de A: lm(A) est l'espace vec-
Quelle est la signification profonde de toriel des configurat ions que l'on peut
la nullité d'un déterminant? La matri- obtenir. Un autre espace est souvent
ce J est constituée de v in gt-cinq rencontré en a lgèbre linéaire : le

146 a.ngen e Hor · ene n 44 L matr c

noyau. Par définition , le noyau Ker(A)
est l'es pace de s stratégies qui ne
modifient pas la configuration du jeu :
sis est une telle stratégie, alors J s = 0 5 ,
où 0 5 dé signe une matrice colonne
contenant cinq zéros. Ces stratégies
qui ne modifient pas la configuration
du jeu sont parfois appelées stratégies
silencieuses.
Un théorème d'algèbre linéaire nous
dit que la dimension du noyau plus la
dimension de l'image égale la dimen-
sion de la matrice J, soit 25. Nous en
déduisons que la dimension de l'espa-
ce des stratégies silencieuses est 2 ; cet
espace est engendré par les stratégies
s I et s2 • Cet espace contient donc o (la
stratégie nulle) , s 1, s 2 , et s 1 + s2 .
<r i ~ ~ I [<i)J (<i)
~ ,<, j) x [î
<r <r x <i) <i)
(,> <r ~ <r <i)
(,>-
~ ~ <i) <i)]
Les quatre stratégies silencieuses (de haut en bas) :
la stratégie nulle, s 1, s2 , s 1 + s2•
or
Quelle est la signification pratique des
stratégies silencieuses (en dehors de
la stratégie nulle) ? Si nou s avons
identifié une stratégie gagnante s,
alors la stratégie gagnante « la plus
courte » (celle qui contient le moins
d 'appuis, donc de 1) sera l' une des
stratégies s, s + s 1, s + s 2 , s + s 1 + s 2 •
Ce théorème est dû à Marlow
Anderson et Todd Feil.
Comment savoir facilement si notre
configuration de départ appartient à
Im(A), c'est-à-dire est soluble ?
L'espace vectoriel Im(A) est engen-
drée par vingt-trois configurations. Le
noyau Ker(A) est engendré par deux
configurations, s I et s 2 . Comme la
matrice A est symétrique, on montre
cri n 44. Les matrice Tangent 147
 (par un résultat d'algèbre linéaire) que
toute configuration de ! ' image de A,
donc soluble, doit être orthogona le à
s I et à s2 ( ce théorème est également
dû à Marlow Anderson et Todd Feil).
Pour mémoire , avec nos notations :
s 1 = 1(1,0 , 1,0, 1, l,O , 1,0, 1,0,0,0,
0,0, l,O, 1,0, l, 1,0, l,O, 1),
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 configu-
rations sont orthogonales ? Tous sim-
plement si leur produit scalaire est
nul ! Voyons un exemple pratique.
Nous savons que c I est résoluble .
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 = 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
C1 = (110 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
s2 = (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)
C 1.s2 = 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 évide-
ment app liquer les tables d'addition et
de multiplication binaires :
+ 0 1 X 0 1
0 0 1 0 0 0
1 0 1 0
Maintenant que nous savo ns si une
configuration est sol uble, il ne nous
reste plus qu 'à trouver une méthode
pour trouver une solution. Là encore,
l'algèbre linéaire peut nous offrir de
puissants moyens, mais qui dépassent
le cadre de cet article. Nous pouvons
par contre toujours recourir à un logi-
ciel de calcul formel (résoudre un
système avec une matrice d ' ordre 25
est un peu fastidieux ... ). Une métho-
de moins calculatoire est l'algorithme
du repoussage de la lumière.
148 q n n 4
l'algorithme du repoussage
de la lumière
Avec cette méthode , on se débrouille
pour éteindre la ligne du haut , pui s on
éteint la deuxième ligne sans rallumer
un seul bouton de la ligne du haut, et
ainsi de suite. On « repousse » ainsi la
lumière vers le bas. Arriver là , so it la
dernière ligne est éteinte et on a
gagné, 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 à la ligne
du bas obtenue, et on recommence
! 'a lgorithme du repoussage de la
lumière. Normalement, tout s'éteint !
Nous avons ainsi obtenu une solution,
mais pas forcement la plus courte.
Nous savons maintenant déterminer
si une configuration est soluble, nous
avons trouvé plusieurs méthodes
pour trouver une so lution , et enfin
nous avons vu , à partir de cette solu-
tion, comment trouver la so luti on la
plus courte. Nous avons également
constaté que ! 'assistance d'un logi-
ciel de calcu l formel pouvait nous
éviter nombre de calculs pénibles.
Par ai ll eurs, la co nn aissance de
quelques résultats d'algèbre linéaire
trouve avec le Lights Out des appli-
cations pratiques . Forts de cette
expérience, nous pouvons modifier à
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 solu-
tion unique), modifier les règles (la
matrice pourrait représenter un tore ,
un app ui pourrait basculer toute la
ligne et toute la co lonne du bou-
ton ... ), ajouter des états (couleurs)
aux boutons . . . Les lecteurs les plus
 Boutons à enfoncer
Configuration de la dernière ligne
sur la ligne du haut

~~~~Il~~
~~. . . . . . . .11~~
~---...a.li~-
~~~Il~
~~~ll~w~
~:w>~II~_
~~1!~
~-~~
courageux pourront implémenter ces Références
variations en programmant un micro- • Turning Lights Out with Linear Algebra .
contrôleur et ainsi vérifier que l'al- Marlow Anderson et Todd Feil, Mathematics Magazine 71
gèbre linéaire est source de nom- (4), 1998.
breuses applications ludiques ! • Pour une analyse beaucoup plus rigoureuse
et théorique du jeu :
J.-J. D. Jeux d'ampoules ou comment év iter la crise de nerfs
à un é lectric ien dépressif à coup d'algèbre linéaire sur F2 .
Grégory Berhuy, Quadrature 79, 2011.

149
JEUX & PROBLÈMES ..
Problèmes
HS4401 - Les dominos
Placez les dominos de façon à former
un carré magique, c'est-à-dire un
carré ayant le même nombre de
points dans chaque ligne, dans
chaque colonne et dans chacune
....···
•·1 des deux grandes diagonales .
Trois dominos sont déjà en place.
HS4402 - Séance de photos II
Neuf amis qui se retrouvent décident
de faire des photos en respectant les
conditions suivantes :
• sur chaque photo figurent exactement
trois personnes du groupe,
• chacun devra choisir exclusivement
des photos où il ne figure pas, mais de
façon à pouvoir néanmoins retrouver
les visages de ses huit amis.
Quel est le
nombre
minimum de
prises de vues
nécessaires ?
Note: une
prise de vue
peut donner
lieu à plusieurs
tirages.
~ 50 Tangente Hors-série n°44. Les matrices
Niveau de difficullé
i) très facile
Il facile
IIV pas facile
111111 difficile
t.1111111 très difficile
HS4403 - Les parquets
anallagmatiques de Lucas 1111
Un carré anallagmatique est un carré
formé de cases colorées et de cases
blanches, en nombre égal ou inégal , de
telle sorte que, pour deux lignes ou
deux colonnes quelconques, le nombre
des variations de couleurs soit toujours
égal au nombre des permanences.
Quatre exemples vous sont proposés
ci-dessus.
Existe-t-il des carrés anallagma-
tiques de 4 cases sur 4 présentant un
nombre impair de cases colorées ?
HS4404 - Les demoiselles
de llirkman vvv
Le révérend Thomas Penyngton
Kirkman ( 1806- 1895) proposa ce pro-
blème en 1850 dans le Ladys and
Gentlemans Diary.
Quinze écolières sortent chaque jour
en promenade, réparties 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 représenter les quinze éco-
lières par les nombres de 1 à 15.

HS4405 - Un carré bien naturel vv
Pour 11 entier naturel non nul , que vaut
le déterminant d(n) suivant ?
2 3
11+1 11+ 2 n+3
c!(n)= 2n+I 211+ 2 2n+3
(n - 1)11+1 (11 - 1)11+2
HS4406 - Une suite bien naturelle vv
On considère la suite de matrices car-
rées suivante :
M(l)=[I] , M(2)=[ ! ~ l M(3)·[ I~ ::
HS4407 - Sens uniques
généralisés vvv
La ville de Strategy-City possède six
places, reliées par des boulevards
comme l'indique le plan ci-contre.
Afin de faciliter une circulation deve-
nue apoplectique, le conseil municipal
décide de mettre toutes les rues en sens
unique, de telle sorte que l'on puisse
arriver à chaque place par deux boule-
vards, et en repartir par deux autres. Le
schéma indique l' un des projets.
Le maire souhaite faire réaliser tous les
schémas possibles .
Mais ... combien en existe-t-il ?
On pourra représenter chaque plan réa-
lisable par une matrice antisymétrique
6 X 6.
Pl . des Dames
Hors-série n°44. Les matrices Ta.ngente
JEUX & PROBLÈMES
HS4408 - Le mathématicien
et le bouffon vvvv
Le mathématicien officiel de la cour
reçut son salaire de l'année en une
seule fois, en pièces d'argent. Il devait
placer les pièces en neuf piles inégales
formant un carré magique. Le roi exa-
mina l'arrangement et déplora qu'au-
cun des nombres de pièces du carré ne
soit un nombre premier.
« Si j'avais neuf pièces de plus, dit le
mathématicien, je pourrais ajouter une
pièce à chaque pile et faire en sorte que
chaque pile contienne un nombre de
pièces qui soit un nombre premier. » Ils
vérifièrent et constatèrent que c'était
exact. Le roi s'apprêtait à donner les
neuf pièces, lorsque son bouffon remar-
qua : « Attendez, si au lieu d 'ajouter
une pièce, on en enlève une de chaque
pile, alors on obtient aussi des nombres
de pièces qui sont tous des nombres
premiers. » Alors le bouffon ôta une
pièce de chaque pile, empocha les neuf
pièces, et ils vérifièrent que les
nombres étaient tous premiers.
Quel était le salaire annuel du
mathématicien ?
151
JEUX & PROBLÈMES

HS4409 - Triplets de nombres HS4412 - Déterminant d'un carré

triangulaires vvv pandiagonal (1 J v v v
On appell e trip let triang ulaire un tri- Montrez que le déterminant d ' un
plet d'entiers (a , b, c) tels que les carré magique normal pandiagonal
nombres triangulaires T 0 , T6 et T c véri- d ' ordre 4 est nul.
fi ent T 0 + T 6 = T c (on rappelle que On rappelle qu ' un carré magique nor-
T11 = n (n + 1) / 2). mal d 'ordre n est un carré magique
Étant donné un entier k, montrez qu ' il constitué des enti ers de 1 à n2, et qu ' il
existe une infinité de triplets triangu- est pandiagonal si les sommes des élé-
laires distincts (a;, b;, c;) pour i = 1, 2, 3, ments de chaque ligne, de chaque
colonne et de chaque di agonale, princi-
a, b, c, pale ou bri sée, sont toutes égales.
tels que a2 h2 C2 =k .
aJ b3 C3
HS4413 - Déterminant d'un carré
pandiagonal (2) vv
Tous les carrés magiques normaux
HS441 O- Une matrice aléatoire vvv pandiagonaux d ' ordre 5 ont-ils un
Quelle est la probabilité pour qu ' une déterminant nul ? Si oui, le démon-
matrice 3 X 3, dont les termes sont des trer. Si non, trouver un contre-
entiers choisis au hasard, ait un déter- exemple.
minant qui soit divisible par 7 ?

S4411 - Un déterminant multiple

de la somme v v
Soit S la somme des nombres consti -
tuant un carré magique d' entiers quel-
conques d ' ordre 3 (un carré magique
quelconque est un carré magique dont
les termes ne sont pas fo rcément des
entiers consécutifs) et soit D le déter-
minant de ce carré considéré comme
une matrice.
Montrez que D / S est un nombre
entier.

• Revue Spécial Logique (HS4401)

• Championnat des jeux mathématiques et logiques (HS4402, HS4407)
• Récréations mathématiques. Édouard Lucas, réédition Blanchard,
1992 (HS4403)
• D'après la revue Lady 's and Gentleman 's Diary (HS4404)
• D'après la revue The Pentagon (HS4405)
• D ' après la revue Math Magazine (HS4406, HS4409, HS4410)
• D ' après la revue American Mathematical Monthly (HS4408)
• D ' après la revue American Mathematica/ Monthly (HS4411 , HS4412,
HS4413)

152 Ta.ngente Hors-série n°44. Les matrices

par P. Boulanger et M. Criton EN BREF
1

Ci-dessous figure le plus petit des carrés magiques, le carré magique de taille 3 : la somme
des trois chiffres de chaque ligne, de chaque colonne et des deux diagonales est égale à
une constante, 15.
Imaginons que des équipes d'échecs à trois joueurs s'opposent
et que l'on évalue la force des joueurs par le nombre inscrit dans
6 1 8 une case. La première équipe est celle de la première colonne,
avec des joueurs de forces respectives 6, 1, 8. La deuxième équi-
pe a des joueurs de forces 7, 5 et 3, et la troisième les forces 2, 9
et 4. La « force moyenne » des trois équipes est la même : 5.
7 5 3 Et pourtant, la première équipe est battue par la deuxième par
deux matchs à 1, la deuxième par la troisième (deux victoires à
une), mais la troisième est battue par la première deux victoires
2 9 4 à une. La non transitivité est toujours étonnante ...
Il a par ailleurs été démontré que ce type de scores intransi-
tifs par deux victoires à une est un maximum.

Tangente a déjà évoqué le site Internet http://www.multimagie.com/fr.htm tenu par

Christian Boyer et dédié aux carrés magiques. Il propose plusieurs problèmes non réso-
lus à ce jour. Chacun de ces défis est doté d'un prix (voir Tangente 134, page 9). Voici
quelques-unes des énigmes proposées et toujours sans solution.

• Un carré semi-magique est un carré dans lequel il n'y a pas de condition sur les diago-
nales (seules les lignes et les colonnes doivent présenter des sommes égales) . On connaît
un carré semi-magique de taille 4 constitué de nombres élevés au cube (voir ci-dessous).
Ce carré a été trouvé en 2006 par Lee Morgenstern.
Construire un carré semi-magique de taille 3 consti-
163 20 3 18 3 192 3 tué de nombres entiers positifs distincts élevés au
cube, ou prouver qu'il n'en existe pas. Mise à prix :
180 3 81 3 903 153 1 ooo euros et une bouteille de champagne.
• Ce défi porte sur les carrés magiques additifs-
108 3 135 3 150 3 93 multiplicatifs, qui présentent à la fois des sommes
égales et des produits égaux (sur les lignes, les
23 160 3 144 3 24 3 colonnes et les diagonales). Le plus petit exemple
connu d'un tel carré est de taille 8. Il a été trouvé
en 1955 par Walter Homer. Le défi consiste à construire un carré magique additif-multi-
plicatif de taille 5 utilisant des entiers distincts, ou à prouver que c'est impossible. Mise à
prix : 1000 euros et une bouteille de champagne.
Construire un carré magique additif-multiplicatif de taille 6 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise à prix: 500 euros et une bouteille de champagne.
Construire un carré magique additif-multiplicatif de taille 7 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise à prix: 200 euros et une bouteille de champagne.

Hors-série n°44. Les matrices Tangente

 par Michel Criton

••• • • ·t·•• à multiplier ce contenu deux fois par - 1. Or,

• ••• multiplier deux fois par - 1 laisse le produit de
••• • • 1
I ~ 1-
· ••
• • • ••• tous les nombres de la ligne inchangé. Toutes
• •• • • • • • les lignes doivent donc avoir le même produit,
• • •• •• •
• ·t··· . • • et il en est de même de toutes les colonnes
• ••••• • (mais il est possible que les deux diffèrent,
HS4402 • Si n amis réalisent p prises de vue de comme le montre l' uQ des carrés ci-dessous).
trois personnes chacune, de telle façon que s· toutes les !jgnes résentent le même pro-
tout participant puisse avoir chacun de ses duit, comme le carré co pte un nombre pair
amis en photo mais jamais lui-même, alors de lignes, le produit de tous les nombres du
chacun de ces n amis doit apparaître au moins carré est égal à+ 1, ce qui entraîne que le carré
sur deux photos, accompagné d 'amis diffé- doit nécessairement contenir un nombre pair
rents, afin que ceux-ci puissent avoir sa photo de cases colorées.
sans figurer eux-mêmes sur cette même photo.
Le nombre d'individus photographiés est égal -]
à 3p (ce nombre comprenant les répétitions - 1
correspondant à un même individu photogra- -l
phié plusieurs fois). On doit alors avoir l' in- - 1
égalité 3p ;3 2n, donc, dans le cas du problè-
me, 3p ;3 18, d'oùp ;3 6.
Or, on peut affirmer que p = 6 est réalisable. Il
suffit en effet de ranger les neuf amis en matri- HS4404 · Voici une solution du problème.
ce 3 X 3, et de prendre comme triplets les Lundi Mardi Mercredi Jeudi
lignes et les colonnes de cette matrice. Cette 1, 6, 11 1, 2, 5 2, 3, 6 5,6,9
solution est optimale, tout participant appa- 2, 7, 12 3, 4, 7 4,5, 8 7, 8, 11
raissant exactement deux fois , et elle est 3, 8, 13 8, 9, 12 9, 10, 13 12, 13 , 1
unique, à l' ordre du numérotage près.
4, 9, 14 10, 11 , 14 11 , 12, 15 14, 15, 3
Chacun des neuf amis devra donc prendre 5, 10, 15 13 , 15, 6 14, 1, 7 2, 4, 10
quatre photos, qui sont celles sur lesquelles il
ne figure pas. Le nombre minimum de prises Vendredi Samedi Dimanche
de vue nécessaires est donc égal à 6. 3, 5, 11 5, 7, 13 11 , 13 , 4
4, 6, 12 6, 8, 14 12, 14, 5
HS4403 · Pour répondre à cette question, adop- 7, 9, 15 9, 11 , 2 15, 2, 8
tons le codage suivant : un carré coloré est 8, 10, 1 LO, 12, 3 1, 3, 9
codé par le nombre relatif - 1, et un carré blanc 13, 14, 2 6, 7, 10
15, 1, 4
est codé par + 1. Les matrices obtenues sont
analogues aux matrices d' Hadamard. Nous
pouvons calculer le produit des nombres conte- HS4405 · On a d(I) = 1 et d(2) = - 2.
nus dans chaque ligne et dans chaque colonne; Pour tout n 2'.: 3, on aura d(n) = O.
ce produit est égal à - 1 si la ligne ou la colon- En effet, on vérifie que la troisième ligne de la
ne contient un nombre impair de cases colo- matrice est combinaison linéai re des deux pre-
rées, et à + 1 si elle en contient un nombre pair. mières (elle est toujours égale à deux fois la
Lorsque nous passons d'une ligne (ou d' une deuxième ligne moins une fois la première).
colonne) à une autre, nous changeons exacte- On en déduit que, pour n 2'.: 3, le déterminant
ment le contenu de deux cases ce qui revient est nul.

~ 54 Tangente Hors-série n°44. Les matrices

 SOLUTIONS

HS4406 • l1:e premier terme de la matrice M(n) comme ci-contre. Des valeurs peuvent être
est égal à la somme des n - 1 premiers carrés attribuées à a , [3, 'Y, ô, de six façons diffé-
des entiers non nuls augmentée de 1, à savoir rentes, et dans chaque cas, les deux valeurs
l + 11(11 - 1)(211 - 1) / 6. Les termes de la dia- possibles pour e donnent deux matrices. On
gonale principale de M(n) forment une pro- obtient ainsi 6 X 2 = 12 autres matrices.
gression arithmétique de raison 11 + 1. La Troisième cas : les lignes a et A ne sont ni
somme demandée est donc : égales, ni opposées.
n (n + 1)(2n 2 - 2n + 3) / 6. On peut remplir la ligne a de six façons, et la
ligne A de quatre façons (puisque l'on a exclu
HS4407 · Désignons les places par A, B, C, a, b, les deux cas précédents). On obtient ainsi
et c, deux lettres associées (majuscule et vingt-quatre combinaisons, et chacune conduit
i:ninuscule) correspondant à deux places qui ne à une solution unique. Le nombre total de
sont pas directement reliées. plans réalisables est donc égal à
Dans cette matrice, aiJ = 0 s'il n'existe pas de 2 + 12 + 24 = 38 plans différents.
route reliant i àj (c ' est notamment le cas si i = j),
aiJ = l si la route reliant i àj est orientée dei vers HS4408 • On cherche un carré de la forme
j , et aiJ = - 1 si la route reliant i àj est orientée
de) vers i. D'après les conditions imposées par
l'énoncé, 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 tel que a, b, c, d, e,f, g, h, i, a + 2, b + 2, c + 2,
trois cas: d + 2, e + 2, f + 2, g + 2, h + 2 et i + 2 soient
Premier cas : ligne a = ligne A. tous des nombres premiers. Ceci implique que
A B c a b c Ce cas est celui de la les chiffres des unités des nombres a, b, c, d, e,
A o -a -~ O -'Y -li matrice correspondant f, g, h eti appartiennent à l'ensemble {1 ; 7 ; 9}.
B a O -a a O -a au dessin de l'énoncé. Soit ces chiffres des unités sont tous identiques,
c ~ -~ o ~ -~ O Remplissons les soit ils sont dans la configuration suivante,
a o -a -~ o -y -li colonnes A et a avec à une rotation ou à une réflexion près :
b y o -y y o -y les nombres a, p, y, ô,
c li -li o li -li o puis complétons les
lignes en fonction de ces nombres. L'examen [; ~ !]
l[ l
des colonnes et l'antisymétrie imposent alors
a = - p= y = - ô. On n'obtient donc que deux La plus petite solution est la suivante :
matrices de ce type, avec a = l, p = - 1, y = 1,
191 17 239 193 19 241
ô = - 1, ou bien a = - l, p = 1, y = - 1, ô = 1. 197 149 101 , 199 151 103 .
Deux ièmc cas : ligne a = opposé de la ligne A . [
59 281 107 61 283 109
A B C a b c En respectant les
A 0 -a -~ 0 -y -ô conditions de l'énoncé
B a 0 - E -a 0 E (antisymétrie, deux
C ~ E 0 -~ - E 0 nombres 1 et deux
a 0 a ~ 0 y ô nombres - 1 par ligne
b y 0 E - y 0 -E et par colonne , la
ô - E 0 - ô E 0 matrice se remplit

Hors-série n°44. Les matrices Tangente 155

SOLUTIONS par Michel Criton

HS4409 • T 3"' + z + T4111 + 2 = T 5m + 3 pour tout m

a b c a b c
entier naturel . T 3n + 1J4n + 1 = T 511 + 1 pour tout n
D= d e f d e f
entier naturel non nul.
, . ,lo g h 3e 3e 3
.. 1 • • ·~ ... • • 1
' '\ • • 1 1{ l· ~
, '
2 2 2 L•~' ...:. .. a b 3e a b e
t1• lt >::f,
\. • • 4

On a 3m+1 4m+1 5m+1 =m

3n 4n+ 1 5n+l ·,~·~•t
1··t d
3e
e '3e
3e 9e
d e e xs.

our tout m et pour tout n, strictement positifs. La conclusion en découle directement.

2 2 3
On a aussi 5 6 8 =0 HS4412 • Selon la notation A B c D
3m+2 4m+2 5m+3 de Maurice Kraitchik, on E F G H
peut noter un tel carré de I J K L
pour tout m supérieur ou égal à 2. la façon suivante : M N 0 p

HS4410 • On suppose que les entiers sont choi- Désignons par S la somme magique. On a :
sis de façon que leurs résidus modulo 7 soient ~+B+C+D=E+F+G+H=I+J+K+
équirépartis. L = M + N + O + P =A+E+ I + M = B + F
On remplace alors les entiers choisis par leurs + J +N=C+ G + K + O = D + H +L+ P =
résidus modulo 7. Le déterminant de la matri- M + B + G + L = I + N +C+ H =E+ J + O +
ce obtenue est divisible par 7 si, et seulement D = A + F + K + P = A + N + K + H =E+ B
si, cette matrice n'est pas inversible. Le + 0 + L = 1 + + C + P = M + J + G + D = S.
nombre de matrices non 3 X 3 inversibles sur Ces égalités entraînent que l'on peut écrire ce
le corps des entiers modulo 7 est égal à carré sous la forme suivan e :
(7 3 - 1) (7 3 - 7) (7 3 - 7 2) , sur un total de 79
A B c S - A-B-C
matrices . La probabilité demandée est donc E S-A-B-E A-C+E B+ C-E
égale à: S / 2-C A+ B+C -S / 2 S/2-A S / 2-B
S/2-A+C-E S/2-B-C+E S/2-E A+B+E - S / 2

En soustrayant la première colonne de la

troisième et la deuxième de la quatri èQ1e,
on obtient deux colonnes linéairemen
dépendantes .
On en déduit que le déterminant est nul.

HS4411 · Soit
[
dag b: 1c. J un carré magique HS4413 · Contre-exemple :
1
10 18 14 22

,~
4 12 25 8 16
quelconque. On a alors S = 9e et la somme
magique est égale à S / 3, soit à 3e. 23 6 19 2 =-4680000.
En additionnant lignes et colonnes, on 5 13 21
obtient: 24 7 20
,;/
·r ••

156 Tangente Hors-série n°44. Les matrices

 Abonnez-vous à tan~ "Q!~
••• Tangente le magazine des mathématiques ••• ••• Les hors séries Thématiques •••
Pour mieux comprendre le monde : Tangente 4 fois par an . les hors séri es Thématiques (form at
Le seul magazine au monde ''kiosque"), d'au moins 52 pages . explorent un grand
sur les mathématiques. dossier de savoir ou de culture
Tous les deux mrns depu is 20 ans mathématiques.
Derniers parus :
••• Les hors séries r.:o,""""....__ nJ Maths discrètes et combinatoire,
Bibliothèque Tangente ••• n La Terre vue des maths,
Suites et séries, Mathématiques
Ce sont de magnifiques ouvrages d'en Maths 1,
et biologie , Les matrices
moyenne 160 pages (prix unitaire
19,80 €), richement illustré, approfon- Disponibles :
dissant le sujet du dernier numéro - chez votre marchand de journaux
des HS Thématiques de Tangente - ou avec l 'abonnement PLUS
(HS "kiosque"). Disponibles
- chez votre libraire ••• Spécial Logique •••
- ou avec l'abonnement SUPERPLUS Pour tous les amateurs des jeux
à un prix exceptionnel (33% de réduction). intelligents. Un trimestriel conte-
nant près de 200 jeux : tests de
logique, grilles à remplir ...
••• Tangente Sup •••
6 numéros par an , destinés à ceux qui veu- i';: ~
.....':!~
,:,~~~...-~ ••• ~angente
'' E'ducat·1on •••
lent aller plus loin. Ils traitent des dossiers du ..~:-:,1• - ... _ Nouvelle formule trimestrielle destinée
dernier Tangente à un niveau supérieur et ini- !i>!,;. -. ........ aux enseignants pour aborder des thèmes
tient aux grandes orientations de la science. a"Ç -:. -..::::-~ de pédagogie variés : les manuels scolaires,
., les MPS, la formation des enseignants, MathC2+ ...
~ ------------------------------------------------------------------------------------------
codif : 8 18 44 Bulletin d'abonnement à retourner à:
Espace Tangente - 80 , Bd Saint-Michel - 75006 PARIS
Nom .......................... Prénom ........................................ .. ...... . . .
Établissemen t ............... . .... . ...... . ........................... . ..................... .
Adresse ...................................... . ............ .... .. . .. . . . ..... ....... . .. . . .. .
Code Postal . . . . . . . . . . . . . . . . Ville ... ...................... . ..... . .. . ... . .... . ... . .. . ..... .
Profession . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E-mail

Ou i, je m 'abonne à
1 AN
FRANCE
2 ANS
1 HORS MÉTROPOLE 1
TANGENTE . 35 € . 65 € • + 12 € par an
TANGENTE PLUS • 55 € • 105 € • + 20 € par an
TANGENTE SUPERPLUS • s5 € • 165 € • + 24 € par an
TANGENTE SUP • 24 € . 46 € • +6 € par an
TANGENTE ÉDUCATION • 10 € • 1s € • + 2 € par an
SPÉCIAL LOGIQUE • 19,50 € • 37 € • + 6 € par an
ABONNEMENT MATH+ * • 100 € • 190 € • + 30 € par an
ABONNEMENT MATH++ ** • 130 € • 250 € • + 30 € par an
ABONNEMENT SOUTIEN *** • 150 € . 300 € • + 30 € par an
• Tous les titres avec les HS Thématiques. •• Tous les titres avec les HS Bibliothèques. ••• Tous les titres avec les deux HS.

Total à payer
~~~~~~~~~~--'

Je joins mon paiement par (établissements scolaires, joindre bon de commande administratif):

O Chèque (uniquement payable en France)

O Carte (à partir de 30 €) numéro: 1 1 1 1

Date et Signature: crypto : ._1-'--'-....J Expiration le: ........ ./ .........

 Ta.ngente Hors-série n° 44
Les matrices

Ta.ngent e
Publié par les Éditions POLE
SHS au capital de 42 000 euros
Siège social
80 bd Saint-michel - 75006 Paris
Commission paritaire : 1011 K 80883
Dépôt légal à parution
Directeur de Publication et de la Rédaction
Gilles COHEn
Rédacteur en chef adjoint
Herué LEHnmG
Secrétaire de rédaction
Édouard THOmHS
Ont collaboré à ce numéro
Jacques BHIR, Philippe BOULHnGER, Élisabeth BUSSER,
michel CRITOn, Jean-Jacques DUPHS,
Bertrand HHUCHECORnE, Daniel JUSTEns,
Philippe LHnGEnHKEn, François LHUHLLOU,
Herué LEHnmG, Hlexandre moHTTI, Jean-Hlain RODDIER,
norbert UERDIER, Hlain ZHLmHnSKI
maquette
Thibaud Dl DOmEmco, Guillaume GHIDOT,
natacha LHUGIER, Claude lUCCHlnl
Photos : droits réserués
Photo couverture : Édouard Thomas
[exposition mathématiques, un dépaysement soudain
à la fondation Cartier pour l'art contemporain)
Publicité, abonnements
marie DURHnD md@poleditions.com
01 47 07 51 15 - fax : 01 47 07 88 13
 Achevé d'imprimer
pour le compte des Éditions POLE
sur les presses de l'imprimerie SPEI à Pulnoy
Imprimé en France
Dépôt légal - Août 2012

Ta.ngent:e Hors-série n°44. Les matrices

 -
r1ces
ation du monde

Les matrices sont, à la base, de

simples tableaux de nombres. Il
y a moins de deux siècles, on a
défini des opérations pour
manipuler ces tableaux, ce qui a
bouleversé l'approche de
plusieurs objets ou notions
mathématiques.
Les transformations
géométriques, notamment,
s'étudient plus aisément avec les
outils matriciels. Plus
généralement, tout ce qui est de
dimension finie dans le monde
qui nous entoure, et tout ce qui
peut être modélisé, tombe sous
leur influence.
Cette caractéristique a trouvé
sa pleine expression avec
l'avènement de l'informatique.
L'économie, l'actuariat et
la finance en sont friandes.
L'électronique et toutes les
sciences de l'ingénieur ne
peuvent plus s'en passer.
Même le grand public est
directement concerné : derrière
chaque Sudoku, chaque grille
logique, chaque carré magique
se cache une matrice, souvent
utile dans sa résolution.

!;OITIONS ~

Prix: 19,80 € POLE ~