Mathématiques pour la modélisation statistique

Calcul matriciel

Myriam Vimond (ENSAI)

Master Sciences du Numérique et du Sport
Update: 6 juillet 2022

Table des matières

1 Les matrices 2

2 Matrices carrées 5

3 Résolution de systèmes linéaires d’équation 8

1
1 Les matrices

Les mathématiques pour les matrices et les vecteurs sont appelées Algèbre Linéaire. En
statistiques, on peut représenter les données par des tableaux de chiffres. On utilise l’Algèbre
Linéaire est afin d’organiser les données et de décrire les manipulations qu’on veut leur faire subir.

Définition 1
Une matrice 𝐴 peut être définie comme un tableau de nombres réels à 𝑚 lignes et 𝑛
colonnes (𝑚 et 𝑛 sont des entiers naturels)

© 𝑎 11 𝑎 12 ··· 𝑎 1𝑛 ª
···
­ ®
­ 𝑎 21 𝑎 22 𝑎 2𝑛 ®
𝐴 = ­­ . .. .. .. ®® .
­ .. . . . ®
­ ®
« 𝑎 𝑚1 𝑎 𝑚2 ··· 𝑎 𝑚𝑛 ¬

Les 𝑎 𝑖 𝑗 (avec 𝑖 = 1 . . . 𝑚, 𝑗 = 1 . . . 𝑛) sont appelés les coefficients de la matrice.

L’ensemble des coefficients

𝐿 𝑖 = (𝑎 𝑖1 , 𝑎 𝑖2 , · · · , 𝑎 𝑖𝑛 ) ∈ R𝑛

correspondent au vecteur ligne 𝑖 de la matrice 𝐴. L’ensemble des coefficients

© 𝑎1 𝑗 ª
­ ®
­ 𝑎2 𝑗 ®
𝐶 𝑗 = ­­ . ® ∈ R𝑚
­ ..
®
®
­ ®
« 𝑎𝑚 𝑗 ¬
correspondent au vecteur colonne 𝑗 de la matrice 𝐴.

La matrice 𝐴 possède donc 𝑛 colonnes et 𝑚 lignes, on l’appelle une matrice 𝑚 × 𝑛. Les (𝐿 𝑖 ) et

les (𝐶 𝑗 ) sont elles-mêmes des cas particuliers de matrices : les (𝐿 𝑖 ) font partie des matrices 1 × 𝑛 ;
les (𝐶 𝑗 ) font partie des matrices 𝑚 × 1.
Exemple
!
2 2 3
𝐴= est une matrice 2 × 3,
3 2 1
! !
2 2 1 0
𝐵= et 𝐼2 = sont des matrices 2 × 2.
3 2 0 1

1: Règle de calculs sur les matrices

Soient 𝜆 ∈ R, et 𝐴 = (𝑎 𝑖 𝑗 ) une matrice 𝑚 × 𝑛, 𝜆A est une matrice 𝑚 × 𝑛 définie par

𝜆𝐴 = (𝜆𝑎 𝑖 𝑗 ).
Soient 𝐴 = (𝑎 𝑖 𝑗 ), 𝐵 = (𝑏 𝑖 𝑗 ) des matrices 𝑚 ×𝑛, A + B est une matrice 𝑚 ×𝑛 définie par
𝐴 + 𝐵 = (𝑎 𝑖 𝑗 + 𝑏 𝑖 𝑗 ).
Attention, on ne peut additionner deux matrices que si elles sont de même dimension !
Soient 𝐴 = (𝑎 𝑖 𝑗 ) une matrice 𝑚 × 𝑝 et 𝐵 = (𝑏 𝑖 𝑗 ) une matrice 𝑝 × 𝑛, 𝐶 = AB est
une matrice 𝑚 × 𝑛 définie par
X𝑝
𝑐𝑖 𝑗 = 𝑎 𝑖𝑘 𝑏 𝑘 𝑗 , 𝑖 = 1 . . . 𝑚, 𝑗 = 1 . . . 𝑛.
𝑘=1
Attention, nombre de colonne de A = nombre de ligne de B !
Soit 𝐴 = (𝑎 𝑖 𝑗 ) une matrice 𝑚 × 𝑛, la matrice transposée 𝐶 = A> est une matrice
𝑛 × 𝑚 définie par
𝑐 𝑖 𝑗 = 𝑎 𝑗𝑖 , 𝑖 = 1 . . . 𝑛, 𝑗 = 1 . . . 𝑚.

L’addition de matrices est commutative et associative. Le produit de deux matrices n’est pas
commutatif, généralement 𝐴𝐵 ≠ 𝐵𝐴.
Exemple (suite) on ne peut pas additionner 𝐴 et 𝐵 car elles n’ont pas les mêmes dimen-
sions. !
0 2
𝐵 − 2𝐼2 =
3 0
on peut pas multiplier !𝐴 par 𝐵
10 8 8
𝐵𝐴 =
12 10 11

3
 © 2 3 ª
𝐴> =­ 2 2 ®
­ ®
­ ®
« 1 3 ¬
!
0 1
× =𝐵
2 3
! ! !
1 2 4 7 1×0+2×2 1×1+2×3
𝐴= = = 𝐴𝐵
3 4 8 15 3×0+4×2 3×1+4×3
!
1 2
× =𝐴
3 4
! ! !
0 1 3 4 0×1+1×3 0×2+1×4
𝐵= = = 𝐵𝐴
2 3 11 16 2×1+3×3 2×2+3×4

Exercice 1

Calculer les produits de matrice suivants.

Le produit d’une
 matrice 3 × 1 par une matrice 1 × 3 donne une matrice 3 × 3 :
× 1 2 3

© −2 ª
­ 0 ®
­ ®
­ ®
« 2 ¬
Le produit d’une matrice 1 × 3 par une matrice 3 × 1 donne un réel (1 × 1) :
© −2 ª
× ­ 0 ®
­ ®
­ ®
2
  « ¬
1 2 3
! 2 × 2 par une matrice 2 × 1 donne une matrice (2 × 1) :
Le produit d’une matrice
3
×
4
!
1 0
−1 2

4
2 Matrices carrées

On considère dans cette section des matrices 𝑛 × 𝑛.

Définition 2
Une matrice 𝐴 est carrée lorsque le nombre de lignes est identique au nombre de
colonnes :
les termes diagonaux de 𝐴 sont 𝑎 11 , 𝑎 22 , . . . 𝑎 𝑛𝑛 ,
les termes non diagonaux de 𝐴 sont {𝑎 𝑖 𝑗 , 𝑖 ≠ 𝑗 }.
𝐴 est une matrice diagonale si tous les termes non diagonaux sont nuls, on peut
alors noter,
𝐴 = diag(𝑎 11 , 𝑎 22 , . . . 𝑎 𝑛𝑛 ).
La matrice identité In est la matrice diagonale dont les éléments diagonaux sont
égaux à 1,
𝐼𝑛 = diag(1, 1, . . . 1).
Une matrice carrée 𝐴 est inversible si il existe une matrice 𝐵 de même dimension
que 𝐴 telle que 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛 . Si 𝐵 existe, alors elle est unique et on la note A−1 .
Une matrice carrée 𝐴 est symétrique si 𝐴> = 𝐴.
Une matrice carrée 𝐴 est symétrique positive si
pour tout vecteur colonne 𝑥 ∈ R𝑛 le réel 𝑥 > 𝐴𝑥 est positif.

Pour une matrice carrée 𝐴, on peut capturer des informations importantes sur la matrice en un
seul nombre, appelé le déterminant
det( 𝐴).

Le déterminant est utile pour résoudre des équations linéaires, pour inverser une matrice, et
pour effectuer des changement de variables dans les intégrales (calcul d’aires). Nous éviterons
la définition formelle du déterminant (qui implique des notions de permutations), nous nous
limiterons au cas du determinant d’une matrice 2 × 2,
!
𝑎 11 𝑎 12
det = 𝑎 11 𝑎 22 − 𝑎 12 𝑎 21 .
𝑎 21 𝑎 22

5
 2: Règles sur l’inversion des matrices

Une matrice 𝐴 n’est pas inversible si il existe un vecteur colonne 𝑥 ∈ R𝑛 non nul
(dont au moins une des coordonnées est différente de 0) tel que 𝐴𝑥 est le vecteur
nul.
Une matrice 𝐴 est inversible si et seulement si son déterminant est non nul.

Exercice 2

Montrez que la matrice 𝑃 n’est pas inversible :

!
1 2
𝑃= .
−1 −2

Exercice 3

Déterminez laquelle des affirmation suivante est vraie pour la matrice

1 1 0 −1
© ª
­ 1 0 1 1 ®®
𝑃=­
­
®.
­ 1 1
­ −1 0 ®®
« 0 1 −1 1 ¬

1. La matrice 𝑃 est inversible, et

−1 1 3 −2
© ª
−1
­ 1 0 −1 1 ®®
=­
­
𝑃 ®
­ 1 1
­ 1 −1 ®®
« −1 1 2 −1 ¬

2. La matrice 𝑃 n’est pas inversible.

6
Exercice 4

Soit la matrice symétrique 𝐴 !

𝑎 𝑏
𝐴= .
𝑏 𝑐

1. Pour 𝑥 = (𝑥1 , 𝑥2 ) > ∈ R2 vecteur colonne, montrez que 𝑥 > 𝐴𝑥 = 𝑎𝑥 12 + 2𝑏𝑥 1 𝑥2 + 𝑐𝑥22 .
2. Établir que pour 𝑎 ≠ 0 que 𝑥 > 𝐴𝑥 = 𝑎(𝑥1 − 𝑥2 𝑏/𝑎) 2 + 𝑥 22 (𝑐 − 𝑏 2 /𝑎).
3. En déduire que 𝐴 est symétrique positive si

𝑎 > 0, et 𝑎𝑐 − 𝑏 2 > 0.

7
3 Résolution de systèmes linéaires d’équation

Un système d’équations linéaires ou système linéaire (𝑆) est une famille de 𝑛 équations li-
néaires faisant intervenir 𝑝 inconnues. Ces inconnues 𝑥1 , 𝑥1 , . . . 𝑥 𝑝 sont habituellement regroupées
dans le membre de gauche de chacune des équations. Le membre de droite est alors composé de
constantes. Ces constantes et les coefficients de ces équations sont des réels. Nous notons 𝑎 𝑖 𝑗 le
coefficient de la variable 𝑥 𝑗 dans l’équation (𝑖) et 𝑏 𝑖 la constante dans le membre de droite de
l’équation (𝑖).
𝑎 11 𝑥1 + 𝑎 12 𝑥2 + · · · + 𝑎 1 𝑝 𝑥 𝑝 = 𝑏 1 (1)





 𝑎 21 𝑥 1 + 𝑎 22 𝑥2 + · · · + 𝑎 2 𝑝 𝑥 𝑝 = 𝑏 2 (2)



(𝑆) .. ..

 . .



 𝑎 𝑛1 𝑥1 + 𝑎 𝑛2 𝑥2 + · · · + 𝑎 𝑛 𝑝 𝑥 𝑝 = 𝑏 𝑛
 (𝑛)

On peut réécrire ce système sou forme matricielle : 𝐴𝑋 = 𝐵 c’est à dire,
𝐴 𝑋 𝐵
z }| { z }| { z }| {

© 𝑎 11 𝑎 12 ··· 𝑎1 𝑝 ª © 𝑥1 ª © 𝑏1 ª
···
­ ®­ ® ­ ®
­ 𝑎 21 𝑎 22 𝑎2 𝑝 ® ­ 𝑥2 ® ­ 𝑏2 ®
.. ®® = ­
­ ­ ­
­ .. .. .. .. ®® ­ .. ®®
­ . . . . ® ­­ . ® ­­ . ®
­ ® ® ®
« 𝑎 𝑛1 𝑎 𝑛2 ··· 𝑎𝑛 𝑝 ¬ « 𝑥𝑝 ¬ « 𝑏𝑛 ¬

L’objectif est de trouver les solutions d’un tel système. Trois cas peuvent se présenter :

1. il n’y a pas de solution ;

2. il existe une unique solution pour chaque inconnue, la solution 𝑋 est unique ;
3. il existe une infinité de solution.

Pour les besoins du cours, nous nous limitions au cas où 𝑛 = 𝑝.

Théorème 1

Pour 𝑛 = 𝑝, le système (𝑆) admet une unique solution si et seulement si la matrice 𝐴 est
inversible. L’unique solution est alors,

𝑋 = 𝐴−1 𝐵