Matrice
Une matrice est un tableau rectangulaire de nombres, de symboles ou d’expressions, disposés en lignes et en colonnes. C’est un objet mathématique fondamental utilisé principalement en algèbre linéaire, mais ses applications s’étendent à de nombreux autres domaines scientifiques et techniques. La définition la plus courante se réfère à cette structure mathématique, bien que le terme puisse avoir d’autres significations dans des contextes variés.
Les concepts fondamentaux associés aux matrices incluent leurs dimensions, définies par le nombre de lignes (m) et le nombre de colonnes (n), notées m x n. Les éléments individuels de la matrice sont appelés coefficients ou entrées, et leur position est spécifiée par leur indice de ligne et de colonne (par exemple, a_ij est l’élément à la i-ème ligne et j-ème colonne). Des types spécifiques de matrices existent, comme les matrices carrées (m = n), les matrices lignes (m = 1), les matrices colonnes (n = 1, souvent appelées vecteurs), la matrice nulle (tous les coefficients sont zéro), la matrice identité (matrice carrée avec des 1 sur la diagonale principale et des 0 ailleurs), les matrices diagonales, triangulaires (supérieures ou inférieures), symétriques (égales à leur transposée) et antisymétriques. Les opérations de base sur les matrices comprennent l’addition et la soustraction (possibles pour des matrices de mêmes dimensions), la multiplication par un scalaire (multiplier chaque coefficient par ce nombre), et la multiplication matricielle (une opération plus complexe définie entre deux matrices où le nombre de colonnes de la première est égal au nombre de lignes de la seconde). D’autres concepts essentiels sont la transposée d’une matrice (échange des lignes et des colonnes), le déterminant (une valeur scalaire associée à une matrice carrée, indiquant notamment si elle est inversible) et l’inverse d’une matrice carrée (si elle existe, c’est une autre matrice qui, multipliée par la matrice originale, donne la matrice identité).
L’importance des matrices réside dans leur capacité à représenter de manière compacte et à manipuler efficacement des ensembles de données et des transformations linéaires. Elles sont au cœur de l’algèbre linéaire, une branche des mathématiques essentielle pour résoudre des systèmes d’équations linéaires, qui modélisent une vaste gamme de problèmes en physique, ingénierie, économie et autres sciences. Les matrices permettent de décrire des transformations géométriques dans l’espace (rotations, mises à l’échelle, cisaillements), de modéliser des systèmes dynamiques et des processus stochastiques (chaînes de Markov). En informatique, elles sont indispensables pour le traitement d’images, l’infographie, l’analyse de données massives et surtout en apprentissage automatique (machine learning), où elles structurent les données, représentent les poids des réseaux de neurones et facilitent les calculs d’optimisation.
Les applications pratiques des matrices sont omniprésentes. En infographie 3D, chaque objet est manipulé (déplacé, tourné, redimensionné) à l’aide de multiplications matricielles. En ingénierie électrique, les lois de Kirchhoff pour l’analyse des circuits peuvent être exprimées et résolues sous forme matricielle. En économie, les modèles input-output de Leontief utilisent des matrices pour analyser les interdépendances entre les secteurs économiques. En mécanique quantique, les états et les observables sont souvent représentés par des vecteurs et des matrices (opérateurs). Les moteurs de recherche utilisent des algorithmes basés sur des matrices pour classer les pages web (comme PageRank). En statistiques et en apprentissage automatique, les matrices de covariance décrivent les relations entre différentes variables, les matrices de confusion évaluent la performance des modèles de classification, et les réseaux de neurones profonds effectuent des milliards d’opérations matricielles lors de l’entraînement et de l’inférence.
Le terme « matrice » possède plusieurs nuances et significations en dehors des mathématiques. En biologie, la matrice extracellulaire désigne le réseau de macromolécules (collagène, élastine) qui fournit un support structurel et biochimique aux cellules environnantes dans les tissus animaux. En géologie, la matrice est le matériau fin (comme l’argile ou le silt) dans lequel des éléments plus grossiers (comme des cailloux ou des fossiles) sont enchâssés dans une roche sédimentaire ou ignée. Dans un contexte industriel, une matrice peut désigner un moule ou une forme utilisés pour façonner un matériau. Le terme a aussi été popularisé par la science-fiction, notamment le film « The Matrix », où il représente une réalité simulée, une structure sous-jacente ou un système contrôlant les individus, évoquant l’idée d’un environnement ou d’un cadre contraignant. Cependant, dans la plupart des discussions scientifiques et techniques, « matrice » fait référence à l’objet mathématique.
Plusieurs concepts sont étroitement liés aux matrices. Le vecteur est un cas particulier de matrice (une matrice ligne ou colonne). Le tenseur est une généralisation de la matrice à plus de deux dimensions. L’algèbre linéaire est le domaine mathématique qui étudie les matrices, les vecteurs, les espaces vectoriels et les transformations linéaires. Les systèmes d’équations linéaires sont intrinsèquement liés aux matrices, car ces dernières offrent un outil puissant pour leur représentation et leur résolution. En informatique, le terme « tableau » (ou « array » en anglais) est souvent utilisé pour désigner une structure de données similaire à une matrice, bien que les opérations associées puissent différer. Il n’existe pas d’antonyme direct au concept mathématique de matrice.
L’histoire du concept de matrice remonte bien avant l’introduction formelle du terme. Des méthodes équivalentes à l’utilisation de tableaux de nombres pour résoudre des systèmes d’équations linéaires apparaissent dans des textes mathématiques chinois anciens, notamment « Les Neuf Chapitres sur l’art mathématique » (entre 200 av. J.-C. et 100 ap. J.-C.). En Europe, l’idée de déterminant apparaît au 17ème siècle avec Leibniz et au 18ème siècle avec Cramer pour la résolution de systèmes. Gauss développe la méthode d’élimination (pivot de Gauss) au début du 19ème siècle. Le terme « matrix » (du latin signifiant « utérus » ou « origine », par extension « ce qui donne forme ») est introduit en 1850 par le mathématicien anglais James Joseph Sylvester pour désigner un arrangement rectangulaire de nombres d’où l’on pouvait extraire différents déterminants. Arthur Cayley, un ami proche de Sylvester, développe l’algèbre des matrices dans les années 1850, définissant l’addition, la multiplication, la notion d’inverse et démontrant le théorème de Cayley-Hamilton.
L’utilisation des matrices présente de nombreux avantages. Elles offrent une notation extrêmement concise et structurée pour représenter des ensembles complexes de relations linéaires et de données multidimensionnelles. Elles simplifient la formulation et la résolution de problèmes impliquant des systèmes d’équations ou des transformations géométriques. Les opérations matricielles sont bien définies et peuvent être implémentées efficacement dans des algorithmes informatiques, notamment grâce à des bibliothèques logicielles optimisées. Cependant, les matrices présentent aussi certains défis. La multiplication matricielle n’est pas commutative (A * B n’est généralement pas égal à B * A), ce qui peut être contre-intuitif. Le calcul du déterminant et de l’inverse d’une matrice peut être coûteux en termes de calculs, surtout pour les grandes matrices. Toutes les matrices carrées n’ont pas d’inverse (les matrices singulières), ce qui correspond à des systèmes d’équations sans solution unique ou à des transformations dégénérées. La manipulation de matrices de très grande taille (courantes en big data et en apprentissage profond) pose des défis importants en termes de ressources de calcul (temps processeur et mémoire vive).