Bonjour ! Dans la leçon précédente, nous avons vu comment la multiplication de matrices permet de combiner et de transformer des ensembles de données, une opération au cœur de l'apprentissage automatique. Nous allons maintenant étudier une opération beaucoup plus simple mais tout aussi fondamentale : la transposée.
Cette leçon se concentre sur le calcul de la transposée d'une matrice. Vous apprendrez à "pivoter" une matrice en échangeant ses lignes et ses colonnes. Bien que l'opération soit simple, elle est omniprésente en algèbre linéaire et en apprentissage automatique, notamment pour manipuler les dimensions des données afin qu'elles correspondent aux exigences des algorithmes, ou dans des formules clés comme celle de la régression linéaire.
Qu'est-ce que la transposée d'une matrice ?
Imaginez que vous ayez une feuille de calcul où chaque ligne représente un produit et chaque colonne une caractéristique (prix, poids, etc.). La transposée de cette feuille de calcul serait une nouvelle vue où chaque ligne représente une caractéristique et chaque colonne un produit. C'est une simple réorganisation des données pour les voir sous un angle différent.
En algèbre linéaire, la transposée d'une matrice est une nouvelle matrice, notée ou , obtenue en échangeant les lignes et les colonnes de .
- La première ligne de devient la première colonne de .
- La deuxième ligne de devient la deuxième colonne de .
- Et ainsi de suite.
Par conséquent, si une matrice a des dimensions (m lignes, n colonnes), sa transposée aura des dimensions .
Pour une définition formelle et des exemples clairs, je vous invite à consulter la ressource suivante.
La transposée d'une matrice : Cours et propriétés
Cet article du site Progresser en Maths explique de manière concise la définition de la transposée et l'illustre avec des exemples pour des matrices carrées et rectangulaires.
Lisez les deux premières sections : Commencez par la définition, qui formalise l'échange des indices (a_{ji}). Notez les différentes notations possibles pour la transposée. Poursuivez avec les deux exemples qui montrent concrètement comment l'opération est effectuée pour une matrice carrée 3 \times 3 et une matrice rectangulaire 2 \times 4.
Le calcul de la transposée en pratique
Le processus est très visuel. On peut imaginer que l'on "pivote" la matrice autour de sa diagonale principale (les éléments allant du coin supérieur gauche au coin inférieur droit).
L'animation ci-dessous illustre parfaitement ce mouvement pour une matrice .
La vidéo suivante, bien qu'en arabe, offre une excellente démonstration visuelle du calcul, pas à pas. L'explication visuelle est très claire, même si vous ne maîtrisez pas la langue.
#4 Matrix transpose | المصفوفات | مدور المصفوفة
Cette vidéo de la chaîne Spicy Coding explique de manière très visuelle comment calculer la transposée.
Regardez les deux premiers exemples : Le premier exemple montre comment une matrice 3 \times 2 est transformée en une matrice 2 \times 3 en transformant chaque ligne en colonne. Le deuxième exemple renforce le concept avec une matrice plus grande de 3 \times 4, qui devient une matrice 4 \times 3.
L'image ci-dessous résume plusieurs opérations que nous avons vues, y compris la transposée, et montre comment elle serait implémentée en Python avec NumPy, ce qui nous sera très utile plus tard.
Propriétés de la transposée
La transposée possède quelques propriétés importantes qui sont utiles à connaître. La vidéo que nous venons de mentionner les explique très bien.
#4 Matrix transpose | المصفوفات | مدور المصفوفة
L'instructeur détaille ici les propriétés essentielles de la transposée.
Veuillez regarder les sections suivantes : Double transposée (Aᵀ)ᵀ = A : Transposer deux fois une matrice vous redonne la matrice originale. Transposée d'une somme (A + B)ᵀ = Aᵀ + Bᵀ : La transposée d'une somme est la somme des transposées. Transposée d'un produit (AB)ᵀ = BᵀAᵀ : C'est la propriété la plus importante et la plus délicate. Remarquez bien que l'ordre des matrices est inversé ! C'est une conséquence directe de la non-commutativité de la multiplication que nous avons vue dans la leçon précédente. Transposée d'un produit par un scalaire (kA)ᵀ = kAᵀ : Le scalaire n'est pas affecté par la transposée.
La propriété de la transposée d'un produit, , est cruciale. L'inversion de l'ordre est une erreur fréquente. Comprendre cela est essentiel pour manipuler correctement les équations matricielles en apprentissage automatique.
Exercice pratique
Mettons cela en pratique. Soit la matrice suivante :
Quelle est la transposée ?
Cliquez ici pour voir la solution.
La matrice a une dimension de . Sa transposée aura donc une dimension de .
Pour l'obtenir, on transforme la première ligne de en première colonne de , et la deuxième ligne de en deuxième colonne de .
Conclusion
Dans cette leçon, nous avons couvert l'opération de transposition de matrice, une manipulation simple mais fondamentale.
Voici les points clés à retenir :
- Définition : La transposée d'une matrice s'obtient en échangeant ses lignes et ses colonnes.
- Dimensions : Si une matrice a une taille , sa transposée a une taille .
- Notation : La transposée de est notée ou .
- Propriété du produit : La propriété la plus importante est celle du produit : . L'ordre de la multiplication est inversé.
La transposée est un outil essentiel de notre boîte à outils. Elle nous permettra plus tard de formuler des algorithmes comme la régression linéaire de manière élégante et de préparer nos données pour les modèles d'apprentissage automatique.
Dans la prochaine leçon, nous aborderons le concept de déterminant. Le déterminant est un nombre scalaire spécial que l'on peut calculer à partir d'une matrice carrée et qui nous renseigne sur ses propriétés, notamment si la matrice est "inversible", une idée que nous explorerons en détail.